CN110715939A - 基于人工智能的皮革检测方法以及皮革制品生产方法 - Google Patents
基于人工智能的皮革检测方法以及皮革制品生产方法 Download PDFInfo
- Publication number
- CN110715939A CN110715939A CN201810822486.5A CN201810822486A CN110715939A CN 110715939 A CN110715939 A CN 110715939A CN 201810822486 A CN201810822486 A CN 201810822486A CN 110715939 A CN110715939 A CN 110715939A
- Authority
- CN
- China
- Prior art keywords
- leather
- data
- artificial intelligence
- area
- raw material
- 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
Links
- 239000010985 leather Substances 0.000 title claims abstract description 147
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 title abstract description 15
- 239000002994 raw material Substances 0.000 claims abstract description 24
- 239000000463 material Substances 0.000 claims description 22
- 230000002950 deficient Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 13
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000013136 deep learning model Methods 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 239000002649 leather substitute Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- C—CHEMISTRY; METALLURGY
- C14—SKINS; HIDES; PELTS; LEATHER
- C14B—MECHANICAL TREATMENT OR PROCESSING OF SKINS, HIDES OR LEATHER IN GENERAL; PELT-SHEARING MACHINES; INTESTINE-SPLITTING MACHINES
- C14B5/00—Clicking, perforating, or cutting leather
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
- G01N2021/8864—Mapping zones of defects
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
Landscapes
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Organic Chemistry (AREA)
- Treatment And Processing Of Natural Fur Or Leather (AREA)
Abstract
一种基于人工智能的皮革检测方法以及皮革制品生产方法，首先取得皮革原材料的皮革数据，然后将皮革数据输入至人工智能模块演算与判断出皮革原材料的缺陷区与非缺陷区，进而运用在后续生产方法在非缺陷区建立出皮革原材料的区域数据，区域数据可定义出多个保留区，借以作为裁切皮革原材料产生出对应各保留区的皮革部件。
Description
技术领域
本发明涉及皮革，特别是涉及基于人工智能的皮革检测方法以及皮革制品生产方法。
背景技术
皮革可运用于各式各样的民生用品，例如服饰、皮包、皮箱或装饰配件等等，都是经常会使用到的日常物品。而且由于天然皮革(又称真皮)具有良好触感与经久耐用的特性，高价位与高价值的产品更是常常使用天然皮革作为主要材料。
天然皮革容易受到原始来源环境或制造过程等等因素，例如动物受伤、长霉，病虫害、破裂，或运输擦碰而让皮革表面或是内部组织产生损伤与缺陷。为了让皮革类制品在生产之前能够事先检验出前述缺陷，目前大多是在皮革仍呈原料状态的时候，先通过人力以目测或手检的方式详细检查皮革，然后在皮革表面标示出发现到前述缺陷的部位，再依据制成产品的需求特性将标示完成的皮革裁切分类出可供后续生产的可用皮革部件。
然而，前述利用人力目测或手检的检验方式不但耗费时间，而且必须要有充足经验的检验人员才能判断出缺陷，检验人员的训练与养成过程较长而且困难，也因为判断方式是依赖较为主观的目视或手感检视，容易受到个人情绪、环境或时空等因素而无法建立更具有一致性与通用的质量标准。
发明内容
因此，本发明的主要目的在于提供基于人工智能的皮革检测方法以及皮革制品生产方法，可大幅减少皮革检验时间，建立出具有一致性且通用的皮革质量检验标准，同时实现皮革制品的自动化生产流程，提高整体生产效率。
为了达成上述目的，本发明提供基于人工智能的皮革检测方法，包含先取得皮革原材料的皮革数据，然后将该皮革数据输入至人工智能模块判定出该皮革原材料的缺陷区与非缺陷区。
优选地，先取得该皮革原材料在不同部位的局部皮革数据，然后再整合所有该局部皮革数据成为该皮革原材料的完整皮革数据。
优选地，建立该皮革原材料的区域数据，该区域数据用以将该非缺陷区定义出至少一保留区。
优选地，该人工智能模块包含深度学习模型。
有关本发明所提供的详细特点、步骤或应用方式将在后续的实施方式详细说明中予以描述。然而，在本发明领域中普通技术人员应能了解，这些详细说明以及实施本发明所列举的特定实施例，仅用于说明本发明，并非用以限制本发明的专利申请保护范围。
附图说明
图1为本发明一较佳实施例的结构图。
图2为本发明一较佳实施例的示意图，主要显示出皮革数据收集装置。
图3为本发明一较佳实施例的示意图，主要显示出皮革数据收集装置的另一实施方式。
图4为本发明一较佳实施例的示意图，主要显示出皮革检测平台。
图5类似于图4，主要显示出皮革原材料设置于皮革检测平台。
图6为本发明一较佳实施例的示意图，主要显示出皮革原材料的缺陷区。
图7为本发明一较佳实施例的示意图，主要显示出皮革原材料的非缺陷区排版后的状态。
图8为本发明一较佳实施例的示意图，主要显示出皮革原材料裁切后的状态。
【附图标记说明】
10皮革原材料 12皮革检测平台
14皮革数据收集装置 16检知组件
18皮革数据处理装置 20人工智能模块
22缺陷区 24非缺陷区
30排版模块 32保留区
40裁切装置 50皮革部件
具体实施方式
首先要说明的是，本发明所提供的基于人工智能的皮革检测方法与皮革制品生产方法，可以广泛应用于检测各种不同类型或表面处理的天然皮革或合成皮革，本领域技术人员应能了解本实施方式中有关于人工智能、操作说明用语与操作步骤都属于不限制特定演算模型、技术领域，或是操作顺序的上位式描述，而且对于数量用语“一”是包含了一个与一个以上的多个组件数量。
请先参阅图1至图4所示，本发明所提供的基于人工智能的皮革检测方法，主要包含以下步骤：
一、收集数据：将一皮革原材料10设置于一皮革检测平台12，然后利用设于皮革检测平台12的皮革数据收集装置14取得皮革原材料10的皮革数据。
在本较佳实施例的皮革原材料10是以天然牛皮作为示例，当然也可应用于其他种类的皮革，本较佳实施例的皮革数据收集装置14是以包括可获取皮革原材料10表面影像的光学式检知组件作为示例，皮革数据收集装置14拍摄皮革原材料10的表面取得皮革表面的数字影像形成出皮革数据，用于判断出皮革原材料10的边缘与表面状态。
如图2所示，皮革数据收集装置14可包括多个呈数组状平均分布摆设在皮革原材料10上方的检知组件16，各检知组件16分别取得皮革原材料10在不同位置的局部皮革数据。
二、处理数据：如图4及图5所示，当皮革原材料10呈平坦状放置在皮革检测平台12，并且由皮革检测平台12上方的皮革数据收集装置14取得影像皮革数据之后，皮革数据会输入皮革数据处理装置18进行演算程序，在本较佳实施例的皮革数据处理装置18至少包含有图像处理模块，其可将皮革数据收集装置14取得的局部皮革数据拼接与整合成完整的皮革数据。
皮革数据处理装置18另包含有人工智能模块20，在本较佳实施例的人工智能模块20(Artificial Intelligence Model)是以包括深度学习模型(Deep Learning Model)作为示例，借以演算与判断出皮革原材料10表面的缺陷区22与非缺陷区24。
三、产生工艺数据：如图1、图6至图8所示，完整的皮革数据通过皮革数据处理装置18的人工智能模块20判断出缺陷区22与非缺陷区24之后，再利用一排版模块30建立皮革原材料10的区域数据，区域数据用以将非缺陷区24定义出至少一保留区32，提供后续皮革制品生产方法可利用一裁切装置40裁切皮革原材料10产生出对应各保留区32的皮革部件50。
通过上述皮革检测方法与皮革制品生产方法，本发明至少具有以下多个技术效果：
1.利用具有深度学习模型的人工智能模块可以不用人工来判断皮革的缺陷，大幅减少皮革的检验时间。
2.不需要考虑检测环境、时间或人力因素，本发明皆能够快速完成检测，而且建立具有一致性且通用的皮革质量检验标准。
3.皮革检测方法搭配后续的排版与裁切工艺，更能够有效的利用皮革原材料，提升皮革原材料的运用率。
4.本发明可以从皮革原材料的质量检测步骤一体化整合到后续的裁切工艺，实现皮革制品的自动化生产流程。
值得一提的是，上述皮革数据收集装置也可为利用透射方式或以机械力对皮革原材料产生揉折效果的装置取得皮革原材料的内部组织或材质状态，例如通过X光装置朝皮革原材料照射X光，即可经由X光穿射过皮革原材料之后取得X光的信号变化状态，用以得知皮革原材料的内部组织等特性数据。
再如图3所示，皮革数据收集装置14也能够在皮革检测平台12搭配随着输送带13移动的皮革原材料10逐行扫描皮革表面而形成皮革数据，更可提升整体检测及生产效率。
另外，人工智能模块除了深度学习模型以外，更可以利用其他例如神经网络模型、卷积网络模型，或是循环神经网络模型等机器学习模型增强人工智能的判断正确率与精准度，达成本发明的各项发明目的。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人工智能的皮革检测方法，其特征在于，包含：
a.利用检知组件取得皮革原材料的皮革数据；以及
b.将该皮革数据输入至人工智能模块判断出该皮革原材料的缺陷区与非缺陷区。
2.根据权利要求1所述基于人工智能的皮革检测方法，其特征在于，该步骤a是先取得该皮革原材料在不同位置的局部皮革数据，然后再整合所有该局部皮革数据成为该皮革原材料的皮革数据。
3.根据权利要求1所述基于人工智能的皮革检测方法，其特征在于，还包含建立该皮革原材料的区域数据，该区域数据用以将该非缺陷区排版而定义出至少一保留区。
4.根据权利要求1所述基于人工智能的皮革检测方法，其特征在于，该人工智能模块包含有深度学习模型。
5.根据权利要求1所述基于人工智能的皮革检测方法，其特征在于，该步骤a利用该检知组件取得该皮革原材料的影像形成该皮革数据。
6.根据权利要求5所述基于人工智能的皮革检测方法，其特征在于，该检知组件先取得该皮革原材料在不同位置的局部皮革数据，然后再整合所有该局部皮革数据成为该皮革原材料的皮革数据。
7.一种皮革制品生产方法，其特征在于，包含：
a.利用如权利要求1所述的皮革检测方法；以及
b.裁切该皮革原材料而产生出可对应该缺陷区与该非缺陷区的皮革部件。
8.根据权利要求7所述的皮革制品生产方法，其特征在于，还包含利用如权利要求3所述的皮革检测方法裁切该皮革原材料而产生出可对应各该保留区的皮革部件。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107124164 | 2018-07-12 | ||
| TW107124164 | 2018-07-12 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110715939A true CN110715939A (zh) | 2020-01-21 |
Family
ID=69208750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810822486.5A Pending CN110715939A (zh) | 2018-07-12 | 2018-07-24 | 基于人工智能的皮革检测方法以及皮革制品生产方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110715939A (zh) |
| TW (1) | TW202006344A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19824304A1 (de) * | 1998-05-28 | 1999-12-02 | Maass Ruth | Vorrichtung und Verfahren zur Klassifizierung von Lederstücken |
| CN102725627A (zh) * | 2010-01-18 | 2012-10-10 | 沃尔斯多夫皮革施密特有限责任两合公司 | 用于确定皮革的质量的检验装置 |
| CN104751163A (zh) * | 2013-12-27 | 2015-07-01 | 同方威视技术股份有限公司 | 对货物进行自动分类识别的透视检查***和方法 |
| CN205720017U (zh) * | 2016-04-06 | 2016-11-23 | 上海陨臻视觉科技有限公司 | 皮革自动检测裁切一体机 |
| CN206057059U (zh) * | 2016-10-03 | 2017-03-29 | 深圳出入境检验检疫局工业品检测技术中心 | 一种用于天然皮革检验鉴定的皮革样品表面扩张装置 |
| CN107607546A (zh) * | 2017-09-19 | 2018-01-19 | 佛山缔乐视觉科技有限公司 | 基于光度立体视觉的皮革缺陷检测方法、***及装置 |
-
2018
- 2018-07-24 CN CN201810822486.5A patent/CN110715939A/zh active Pending
- 2018-09-18 TW TW107132719A patent/TW202006344A/zh unknown
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19824304A1 (de) * | 1998-05-28 | 1999-12-02 | Maass Ruth | Vorrichtung und Verfahren zur Klassifizierung von Lederstücken |
| CN102725627A (zh) * | 2010-01-18 | 2012-10-10 | 沃尔斯多夫皮革施密特有限责任两合公司 | 用于确定皮革的质量的检验装置 |
| US20120307969A1 (en) * | 2010-01-18 | 2012-12-06 | Wollsdorf Leder Schmidt & Co. Ges.M.B.H. | Testing device for determining the quality of leather |
| CN104751163A (zh) * | 2013-12-27 | 2015-07-01 | 同方威视技术股份有限公司 | 对货物进行自动分类识别的透视检查***和方法 |
| CN205720017U (zh) * | 2016-04-06 | 2016-11-23 | 上海陨臻视觉科技有限公司 | 皮革自动检测裁切一体机 |
| CN206057059U (zh) * | 2016-10-03 | 2017-03-29 | 深圳出入境检验检疫局工业品检测技术中心 | 一种用于天然皮革检验鉴定的皮革样品表面扩张装置 |
| CN107607546A (zh) * | 2017-09-19 | 2018-01-19 | 佛山缔乐视觉科技有限公司 | 基于光度立体视觉的皮革缺陷检测方法、***及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202006344A (zh) | 2020-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWM569845U (zh) | Leather detection equipment and leather product production system based on artificial intelligence | |
| EP3594666A1 (en) | Artificial intelligence-based leather inspection method and leather product production method | |
| CN106584800A (zh) | 一种成型产品在线质量检测方法 | |
| Rokunuzzaman et al. | Development of a low cost machine vision system for sorting of tomatoes. | |
| CN110715928A (zh) | 影像式皮革检测设备 | |
| CN112088387A (zh) | 检测成像物品缺陷的***和方法 | |
| JP2019211288A (ja) | 食品検査システムおよびプログラム | |
| Babic et al. | Image based quality inspection in smart manufacturing systems: A literature review | |
| CN101297192A (zh) | 用于直观监测物体的方法和设备 | |
| CN102253048A (zh) | 可用于多种产品检测的机器视觉检测方法及*** | |
| CN106248680A (zh) | 一种基于机器视觉的电机换向器质量检测***及检测方法 | |
| Nitka et al. | Design of an automated rice grain sorting system using a vision system | |
| CN105478364B (zh) | 一种不良品检测分类方法及*** | |
| CN115035092A (zh) | 基于图像的瓶体检测方法、装置、设备及存储介质 | |
| EP3594682A1 (en) | Leather inspection equipment | |
| Sadegaonkar et al. | Quality inspection and grading of mangoes by computer vision & Image Analysis | |
| CN110715939A (zh) | 基于人工智能的皮革检测方法以及皮革制品生产方法 | |
| US20240046617A1 (en) | Machine Learning-Based Generation of Rule-Based Classification Recipes for Inspection System | |
| CN110243826A (zh) | 一种产品在线检测方法及装置 | |
| Fedorko et al. | Conveyor belt quality assessment for in-house logistics | |
| WO2021142606A1 (zh) | 基于人工智能的皮革检测方法以及皮革制品生产方法 | |
| TWM569846U (zh) | Image leather testing equipment | |
| Perng et al. | A novel quasi-contact lens auto-inspection system | |
| Tsai et al. | Body thickness and bottom defect detection methods for products made by bottle blowing machines to meet quality requirements | |
| Abarna et al. | Mango Fruit Inspection Technique through Machine Vision System |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200121 |
|
| WD01 | Invention patent application deemed withdrawn after publication |