CN109596625A - 料盘中的工件缺陷检测识别方法 - Google Patents

料盘中的工件缺陷检测识别方法 Download PDF

Info

Publication number
CN109596625A
CN109596625A CN201910101499.8A CN201910101499A CN109596625A CN 109596625 A CN109596625 A CN 109596625A CN 201910101499 A CN201910101499 A CN 201910101499A CN 109596625 A CN109596625 A CN 109596625A
Authority
CN
China
Prior art keywords
workpiece
charging tray
recognition method
defect detection
cabinet
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910101499.8A
Other languages
English (en)
Inventor
谭良
赵大庆
蔡毓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Fenghai Foshan Intelligent Technology Co Ltd
Original Assignee
Dongguan Zhongke Blue Sea Intelligent Vision Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongguan Zhongke Blue Sea Intelligent Vision Technology Co Ltd filed Critical Dongguan Zhongke Blue Sea Intelligent Vision Technology Co Ltd
Priority to CN201910101499.8A priority Critical patent/CN109596625A/zh
Publication of CN109596625A publication Critical patent/CN109596625A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及视觉检测技术领域，尤其是指一种料盘中的工件缺陷检测识别方法，包括如下步骤，步骤1：对料盘上的工件进行图像采集；步骤2：将采集的图像进行二值化处理；步骤3：对二值化处理后的图像进行斑点检测算法，识别料盘中的每个工件的缺陷；步骤4：将识别判断的结果转换为可读取数据信息输出，料盘只需移动至拍摄位置便可自动完成料盘的区块划分和对每个划分的区块进行图像采集，无需多次移动至不同的拍摄工位进行多次拍摄，减少硬件设备的布置降低制造成本，本技术方案的算法步骤也较为简易，减少运算时间提高生产效率。

Description

料盘中的工件缺陷检测识别方法
技术领域
本发明涉及视觉检测技术领域，尤其是指一种料盘中的工件缺陷检测识别方法。
背景技术
机器视觉检测的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。视觉检测就是用机器代替人眼来做测量和判断。视觉检测是指通过机器视觉产品，图像摄取装置分 CMOS 和CCD 两种，将被摄取目标转换成图像信号，传送给专用的图像处理***，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像***对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。
正如上述情况，视觉检测有着庞大的市场价值，在视觉检测体系中最核心的不是硬件设备而是算法步骤，而算法步骤会因检测结果要求、产品外形、作业环境情况以及设计人员或团体的技术能力等因素出现千差万别，若核心算法步骤设计欠缺，则影响着整套视觉检测设备的运行效率和运行质量，而在对料盘中的多个工件的算法步骤中，市场上大部分技术方案的使用成本高昂，同时算法步骤也较为复杂不利于一般技术人员的常规更改参数等操作设定。
发明内容
本发明要解决的技术问题是提供一种将整个料盘上的工件分批识别，保证识别准确度的同时降低了硬件设备的要求降低了制造生产成本，且算法步骤简易易于运算的料盘中的工件缺陷检测识别方法。
为了解决上述技术问题，本发明采用如下技术方案：一种料盘中的工件缺陷检测识别方法，包括如下步骤，步骤1：对料盘上的工件进行图像采集；
步骤2：将采集的图像进行二值化处理；
步骤3：对二值化处理后的图像进行斑点检测算法，识别料盘中的每个工件的缺陷；
步骤4：将识别判断的结果转换为可读取数据信息输出。
优选的，所述步骤1中将料盘面积划分成2至8区块，对每一区块均采集一次图像，每一区块中含有10至40个工件。
优选的，所述步骤1中将料盘面积划分成8区块，对每一区块均采集一次图像，每一区块中含有25个工件。
优选的，所述步骤1中使用300至600万像素的工业相机搭配16至35毫米的定焦镜头进行图像采集，其中定焦镜头与工件之间的竖直间隔距离为300至480毫米。
优选的，所述步骤1中使用500万像素的工业相机搭配25毫米的定焦镜头进行图像采集，其中定焦镜头与工件之间的竖直间隔距离为369毫米。
优选的，所述步骤1中使用同轴光源辅助完成图像采集，其中同轴光源包括箱体、贯穿箱体设置的拍摄孔道、从箱体一侧的内角向上延伸穿过拍摄孔道抵接箱体内上壁的折射镜和装设于箱体内壁的发光灯组。
优选的，所述工业相机连接有驱动其左右运动的第二驱动装置。
优选的，所述箱体的外侧底面与工件之间的竖直间隔距离为180至300毫米。
优选的，所述箱体的外侧底面与工件之间的竖直间隔距离为228毫米。
优选的，所述箱体的外侧壁连接有调节稳固臂和驱动调节稳固臂水平运动的第一驱动装置。
本发明的有益效果在于：本发明提供了一种料盘中的工件缺陷检测识别方法，在实际应用中，料盘中装有多个电子工件，然后料盘面积划分成8区块，对每一区块均采集一次图像，每一区块中含有25个工件，然后分别对单独一个区块的图像进行斑点检测算法处理，高准确率的完成对料盘中工件缺陷的识别，料盘只需移动至拍摄位置便可自动完成料盘的区块划分和对每个划分的区块进行图像采集，无需多次移动至不同的拍摄工位进行多次拍摄，减少硬件设备的布置降低制造成本，本技术方案的算法步骤也较为简易，减少运算时间提高生产效率。
附图说明
图1为本发明中同轴光源的正面结构剖切示意图。
图2为本发明中同轴光源、调节稳固臂与第一驱动装置的立体结构示意图。
图3为本发明中工业相机、定焦镜头与第二驱动装置的正面结构示意图。
图4为本发明中料盘8区块后其中一个区块的检测对比示意图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
如图1至图4所示，一种料盘中的工件缺陷检测识别方法，包括如下步骤，步骤1：对料盘1上的工件2进行图像采集，将料盘1面积划分成8区块，对每一区块均采集一次图像，每一区块中含有25个工件2，使用500万像素的工业相机3搭配25毫米的定焦镜头4进行图像采集，其中定焦镜头4与工件2之间的竖直间隔距离为369毫米，工业相机3连接有驱动其左右运动的第二驱动装置6，使用同轴光源5辅助完成图像采集，其中同轴光源5包括箱体51、贯穿箱体51设置的拍摄孔道52、从箱体51一侧的内角向上延伸穿过拍摄孔道52抵接箱体51内上壁的折射镜53和装设于箱体51内壁的发光灯组54，箱体51的外侧底面与工件2之间的竖直间隔距离为228毫米，箱体51的外侧壁连接有调节稳固臂55和驱动调节稳固臂55水平运动的第一驱动装置56；
步骤2：将采集的图像进行二值化处理；
步骤3：对二值化处理后的图像进行斑点检测算法，识别料盘1中的每个工件2的缺陷；
步骤4：将识别判断的结果转换为可读取数据信息输出。
本实施例的料盘中的工件缺陷检测识别方法，在实际应用中，料盘1中装有多个电子工件2，然后料盘1面积划分成8区块，对每一区块均采集一次图像，每一区块中含有25个工件2，然后分别对单独一个区块的图像进行斑点检测算法处理，高准确率的完成对料盘1中工件2缺陷的识别，料盘1只需移动至拍摄位置便可自动完成料盘1的区块划分和对每个划分的区块进行图像采集，无需多次移动至不同的拍摄工位进行多次拍摄，减少硬件设备的布置降低制造成本，本技术方案的算法步骤也较为简易，减少运算时间提高生产效率。
此外，如有术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或隐含指明技术特征的数量。由此，限定有“第一”、“第二”特征可以明示或者隐含包括一个或者多个该特征，在本发明描述中，“数个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除另有明确规定和限定，如有术语“组装”、“相连”、“连接”术语应作广义去理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；也可以是机械连接；可以是直接相连，也可以是通过中间媒介相连，可以是两个元件内部相连通。对于本领域普通技术人员而言，可以根据具体情况理解上述的术语在本发明中的具体含义。
以上所述实施例仅表达了本发明的若干实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.料盘中的工件缺陷检测识别方法，其特征在于：包括如下步骤，
步骤1：对料盘（1）上的工件（2）进行图像采集；
步骤2：将采集的图像进行二值化处理；
步骤3：对二值化处理后的图像进行斑点检测算法，识别料盘（1）中的每个工件（2）的缺陷；
步骤4：将识别判断的结果转换为可读取数据信息输出。
2.根据权利要求1所述的料盘中的工件缺陷检测识别方法，其特征在于：所述步骤1中将料盘（1）面积划分成2至8区块，对每一区块均采集一次图像，每一区块中含有10至40个工件（2）。
3.根据权利要求1所述的料盘中的工件缺陷检测识别方法，其特征在于：所述步骤1中将料盘（1）面积划分成8区块，对每一区块均采集一次图像，每一区块中含有25个工件（2）。
4.根据权利要求1所述的料盘中的工件缺陷检测识别方法，其特征在于：所述步骤1中使用300至600万像素的工业相机（3）搭配16至35毫米的定焦镜头（4）进行图像采集，其中定焦镜头（4）与工件（2）之间的竖直间隔距离为300至480毫米。
5.根据权利要求1所述的料盘中的工件缺陷检测识别方法，其特征在于：所述步骤1中使用500万像素的工业相机（3）搭配25毫米的定焦镜头（4）进行图像采集，其中定焦镜头（4）与工件（2）之间的竖直间隔距离为369毫米。
6.根据权利要求1所述的料盘中的工件缺陷检测识别方法，其特征在于：所述步骤1中使用同轴光源（5）辅助完成图像采集，其中同轴光源（5）包括箱体（51）、贯穿箱体（51）设置的拍摄孔道（52）、从箱体（51）一侧的内角向上延伸穿过拍摄孔道（52）抵接箱体（51）内上壁的折射镜（53）和装设于箱体（51）内壁的发光灯组（54）。
7.根据权利要求5所述的料盘中的工件缺陷检测识别方法，其特征在于：所述工业相机（3）连接有驱动其左右运动的第二驱动装置（6）。
8.根据权利要求6所述的料盘中的工件缺陷检测识别方法，其特征在于：所述箱体（51）的外侧底面与工件（2）之间的竖直间隔距离为180至300毫米。
9.根据权利要求6所述的料盘中的工件缺陷检测识别方法，其特征在于：所述箱体（51）的外侧底面与工件（2）之间的竖直间隔距离为228毫米。
10.根据权利要求6所述的料盘中的工件缺陷检测识别方法，其特征在于：所述箱体（51）的外侧壁连接有调节稳固臂（55）和驱动调节稳固臂（55）水平运动的第一驱动装置（56）。
CN201910101499.8A 2019-02-01 2019-02-01 料盘中的工件缺陷检测识别方法 Pending CN109596625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910101499.8A CN109596625A (zh) 2019-02-01 2019-02-01 料盘中的工件缺陷检测识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910101499.8A CN109596625A (zh) 2019-02-01 2019-02-01 料盘中的工件缺陷检测识别方法

Publications (1)

Publication Number Publication Date
CN109596625A true CN109596625A (zh) 2019-04-09

Family

ID=65967245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910101499.8A Pending CN109596625A (zh) 2019-02-01 2019-02-01 料盘中的工件缺陷检测识别方法

Country Status (1)

Country Link
CN (1) CN109596625A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110108724A (zh) * 2019-04-20 2019-08-09 东莞中科蓝海智能视觉科技有限公司 条状工件视觉检测***
CN115018846A (zh) * 2022-08-09 2022-09-06 东声(苏州)智能科技有限公司 基于ai智能相机的多目标裂纹缺陷检测方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN104215639A (zh) * 2013-06-05 2014-12-17 江南大学 一种基于机器视觉的梨表面缺陷检测方法
CN104568986A (zh) * 2015-01-26 2015-04-29 中国科学院半导体研究所 基于surf算法的遥控器面板印刷缺陷自动检测方法
CN104820986A (zh) * 2015-04-28 2015-08-05 电子科技大学 一种基于机器视觉的线缆在线检测方法
CN107220649A (zh) * 2017-05-27 2017-09-29 江苏理工学院 一种素色布匹缺陷检测和分类方法
CN107389701A (zh) * 2017-08-22 2017-11-24 西北工业大学 一种基于图像的pcb表观缺陷自动检测***及方法
CN107664645A (zh) * 2016-07-29 2018-02-06 欧姆龙株式会社 照明单元、缺陷检查装置及照明方法
CN107966448A (zh) * 2017-11-17 2018-04-27 福建工程学院 一种用于pcb锡膏印刷质量的2维检测方法
CN108273769A (zh) * 2018-04-13 2018-07-13 四川巴斯德环境检测技术有限责任公司 一种基于机器视觉技术的产品表面质量检测***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN104215639A (zh) * 2013-06-05 2014-12-17 江南大学 一种基于机器视觉的梨表面缺陷检测方法
CN104568986A (zh) * 2015-01-26 2015-04-29 中国科学院半导体研究所 基于surf算法的遥控器面板印刷缺陷自动检测方法
CN104820986A (zh) * 2015-04-28 2015-08-05 电子科技大学 一种基于机器视觉的线缆在线检测方法
CN107664645A (zh) * 2016-07-29 2018-02-06 欧姆龙株式会社 照明单元、缺陷检查装置及照明方法
CN107220649A (zh) * 2017-05-27 2017-09-29 江苏理工学院 一种素色布匹缺陷检测和分类方法
CN107389701A (zh) * 2017-08-22 2017-11-24 西北工业大学 一种基于图像的pcb表观缺陷自动检测***及方法
CN107966448A (zh) * 2017-11-17 2018-04-27 福建工程学院 一种用于pcb锡膏印刷质量的2维检测方法
CN108273769A (zh) * 2018-04-13 2018-07-13 四川巴斯德环境检测技术有限责任公司 一种基于机器视觉技术的产品表面质量检测***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴强等: "基于机器视觉的零件缺陷检测算法", 《科学技术创新》 *
高宏伟: "《电子封装工艺与装备技术基础教程》", 31 December 2017 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110108724A (zh) * 2019-04-20 2019-08-09 东莞中科蓝海智能视觉科技有限公司 条状工件视觉检测***
CN115018846A (zh) * 2022-08-09 2022-09-06 东声(苏州)智能科技有限公司 基于ai智能相机的多目标裂纹缺陷检测方法和装置
CN115018846B (zh) * 2022-08-09 2022-12-27 东声(苏州)智能科技有限公司 基于ai智能相机的多目标裂纹缺陷检测方法和装置

Similar Documents

Publication Publication Date Title
CN110108711A (zh) 圆环侧壁缺陷的视觉检测***
CN105938243B (zh) 一种tft‑lcd检测中多倍率显微镜快速对焦方法
CN109859192A (zh) 圆形高反光工件的检测识别方法
CN106323600B (zh) 一种级联分布式aoi缺陷检测***及其检测方法
CN108288288B (zh) 基于视觉识别的精密轴尺寸测量方法、装置和***
CN106210520B (zh) 一种自动调焦电子目镜及***
CN102589516B (zh) 一种基于双目线扫描摄像机的动态距离测量***
CN106707448B (zh) 一种透镜组装用的调整***、调整方法和显示模组
CN105021628A (zh) 一种用于光纤倒像器表面缺陷的检测方法
CN109596054A (zh) 长条形工件的尺寸检测识别方法
CN206981462U (zh) 基于三维视觉的冲压件表面缺陷检测装置
CN110261069B (zh) 一种用于光学镜头的检测方法
CN104713527A (zh) 单次多角度拍摄机构
CN109596625A (zh) 料盘中的工件缺陷检测识别方法
CN105785561B (zh) 一种数字显微镜及其聚焦方法
CN108805870A (zh) 一种带针座的接插件的检测方法
CN109596058A (zh) 塑胶工件的尺寸检测识别方法
CN209265169U (zh) 一种多角度拍摄装置
CN109631763A (zh) 不规则零件检测定位方法
CN112304951A (zh) 一种双目单线光路对高反光焊缝的视觉检测装置及方法
CN109596626A (zh) 高光磁环工件视觉检测方法
CN109632814A (zh) 零件缺陷检测方法
CN1234237C (zh) 矩阵像素器件投影显示器的三色会聚方法
CN210102906U (zh) 一种微型化电容的自动识别抓取装置
CN109632802A (zh) 零件正反面检测调节方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20190920

Address after: 528000 Room 409, 4-storey, Fengshou Street, Chao'an South Road, Zumiao Street, Chancheng District, Foshan City, Guangdong Province

Applicant after: Zhongke Fenghai (Foshan) Intelligent Technology Co., Ltd.

Address before: Room 301, Unit 2, Building No. 10, Science and Technology Second Road, Songshan Lake Park, Dongguan City, Guangdong Province

Applicant before: Dongguan Zhongke blue sea Intelligent Vision Technology Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190409