CN112432952A - 一种基于机器视觉技术的烟支空头检测方法 - Google Patents
一种基于机器视觉技术的烟支空头检测方法 Download PDFInfo
- Publication number
- CN112432952A CN112432952A CN202011305339.4A CN202011305339A CN112432952A CN 112432952 A CN112432952 A CN 112432952A CN 202011305339 A CN202011305339 A CN 202011305339A CN 112432952 A CN112432952 A CN 112432952A
- Authority
- CN
- China
- Prior art keywords
- cigarette
- image
- machine vision
- loose
- vision technology
- 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.)
- Granted
Links
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 70
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 241000208125 Nicotiana Species 0.000 claims abstract description 37
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000005070 sampling Methods 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 abstract description 5
- 230000001678 irradiating effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Textile Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于机器视觉技术的烟支空头检测方法,属于烟支空头检测领域,包括如下步骤:采用线性激光源照射待检测烟支的烟丝端面;通过对称分布的两个高速面阵图像传感器交替对水平运动的烟支进行等间隔图像采集并传送给计算机;计算机通过图像处理技术计算出下陷深度超过设定阈值的像素总数,最终确定待检测烟支是否为空头烟支。本发明可对待检测烟支烟丝端面进行全覆盖检测,解决了传统机器视觉检测方式无法对部分烟丝下陷烟支进行准确检测的不足,具有广泛的应用空间。
Description
技术领域
本发明属于烟支空头检测领域,具体涉及一种基于机器视觉技术的烟支空头检测方法。
背景技术
在香烟加工生产的过程中,烟支质量的好坏直接影响最终产品的质量。为了保证烟支质量,在香烟生产线的多个环节都需要安装烟支空头检测装置,用于检测烟支是否存在空头缺陷。
随着电子技术的发展,烟支检测方式先后出现了机械接触式、静态红外光电式、动态红外光电式及传统机器视觉式等多种检测方式。机械接触式检测方式检测灵敏度较低,而且由于检测过程中与烟支接触容易造成烟丝下陷,影响烟支美观;静态红外光电式解决了机械接触式检测装置容易引起烟丝下陷的问题,但仍然具有灵敏度较低、调试维护复杂等缺点;动态红外光电式调试维护相对简单,检测性能比红外光电式有一定提高,但由于感光面较大,对烟丝部分下陷无法进行准确检测;传统机器视觉式采用倾斜角度拍摄烟支识别烟丝面积的原理,对于部分烟丝下陷的空头烟支无法进行准确检测。
在国内外烟草行业中,机器视觉技术的应用越来越广泛,主要应用在小包外观质量检测、内衬包装质量检测和条盒外观质量检测,针对烟支空头检测的应用还较少。随着机器视觉技术的不断成熟,采用基于机器视觉技术的烟支空头检测方式,对部分烟丝下陷的空头烟支进行准确检测是亟需解决的一项问题。
发明内容
针对现有技术中存在的现有检测方式不足的问题,本发明提出了一种基于机器视觉技术的烟支空头检测方法,克服了现有技术的不足,具有良好的效果。
为了实现上述目的,本发明采用如下技术方案:
一种基于机器视觉技术的烟支空头检测方法,其特征在于,包括如下步骤:
步骤1:采用线性激光源照射待检测烟支的烟丝端面,被照射区域亮度会明显高于其它区域,为后续图像采集及处理提供基础;
步骤2:采用对称分布的两个成像透镜将照射在烟丝端面上的激光线分别成像到对应的高速面阵图像传感器上;
步骤3:采用对称分布的两个高速面阵图像传感器交替采集图像并传送给计算机;
步骤4:计算机根据激光线在图像传感器的上的位置计算出对应的烟丝下陷深度,将每个像素对应的烟丝下陷深度转化为0~255的灰度值并绘制到图像模板上;
步骤5:通过对水平运动的烟支进行等间隔多次采样,最终可得到一张对应的二维灰度图像,图像上的每个像素的灰度值对应待检烟支烟丝的下陷深度;
步骤6:计算机通过图像处理技术对扫描产生的二维灰度图像进行处理,最后计算出下陷深度超过设定阈值的像素数。
优选地,在所述步骤2中,烟支烟丝下陷程度不同,激光线在图像传感器上成像的位置会对应不同。
优选地,在所述步骤3中,用两个图像传感器交替采集图像,可加倍采样速率、提高检测精度,同时可降低对硬件处理性能的要求。
优选地,在所述步骤4中,图像传感器每采集一帧图像会产生一条垂直的对应一维灰度图像。
优选地,在所述步骤6中,二维灰度图像处理步骤依次为:兴趣区域提取、二值化、查找轮廓、像素计数。
优选地,在所述步骤6中,当该像素数所占烟支总像素数百分比超过设定值时,则认为该烟支为空头烟支。
本发明所带来的有益技术效果:
1.本发明可对待检测烟支烟丝端面进行全覆盖检测,解决了传统机器视觉检测方式无法对烟丝部分下陷烟支进行检测的不足;通过对称分布的两个高速面阵图像传感器交替采集图像可加倍采样速率、提高检测精度,同时可降低对硬件处理性能的要求;
2.本发明中采用的线性激光源、成像透镜、高速面阵图像传感器技术都为成熟技术,使用到的图像处理算法在各种商用或开源的机器视觉函数库中都有包含,开发人员可直接调用,整体技术可行性较强;
3.本发明提出的烟支空头检测方法既能应用于单个烟支的空头检测,又能应用于烟包内多个烟支的空头检测,具有广泛的应用空间。
附图说明
图1是本发明光路示意图;
图2是本发明高速面阵图像传感器所采集图像的效果图;
图3是本发明图像传感器一帧图像对应的一维灰度图像效果图;
图4是本发明对运动的烟支多次采样得到的二维灰度图像效果图;
图5是本发明对空头烟支二维灰度图像进行图像处理的效果图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
图1是本发明光路示意图,采用线性激光源照射待检测烟支的烟丝端面,被照射区域亮度会明显高于其它区域,为后续图像采集及处理提供基础;对称分布的两个成像透镜将照射在烟丝端面上的激光线分别成像到对应的高速面阵图像传感器上,烟支烟丝下陷程度不同,激光线在图像传感器上成像的位置会对应不同。
当烟丝面处在A点时,激光线分别成像于图像传感器1的A'及图像传感器2的A"点;当烟丝面处在B点时,激光线分别成像于图像传感器1的B'及图像传感器2的B"点。对称分布的两个高速面阵图像传感器交替采集图像并传送给计算机,两个图像传感器交替采样可加倍采样速率,提高检测精度,同时可降低对硬件处理性能的要求。
图2是高速面阵图像传感器所采集图像的效果图,可见被激光线照射区域的亮度明显高于其它区域,烟丝下陷越多激光线在图像中的水平位置越靠近右侧。通过标定的方式提前获得激光线在图像中的水平位置与烟丝下陷深度的对应关系并将其存入表格供后续使用。计算机根据激光线在图像传感器的上的位置通过查表的方式计算出对应的烟丝下陷深度,再将每个像素对应的烟丝下陷深度转换为0~255的灰度值并绘制到图像模板上。转换公式如下:
其中Grayi为第i行图像数据转换后的对应灰度值,Di为第i行图像数据查表得到的烟丝下陷深度,10为烟丝下陷深度最大值,单位为mm。图像传感器每采集一帧图像会产生一条垂直的对应一维灰度图像,图像传感器一帧图像对应的一维灰度图像效果如图3所示。
图4是两个高速面阵图像传感器对水平运动的烟支进行等间隔多次采样,最终得到的对应二维灰度图像,图像上每个像素的灰度值对应待检测烟支烟丝的下陷深度,烟丝下陷越大对应的灰度值越小。
图5是计算机对某空头烟支二维灰度图像进行图像处理的效果图,依次进行兴趣区域提取、二值化、查找轮廓、像素计数处理。兴趣区域提取是为了将烟支区域从二维灰度图像中分割,将烟支之外的区域像素灰度值设为255;二值化是为了将下陷深度超过设定阈值的像素数与其它像素分离,将下陷深度超过设定阈值的像素灰度值设为0,其它像素灰度值设为255;查找轮廓是为了绘制出灰度值为0区域的轮廓线,是后续计算像素总数的前提;像素计数是为了计算出轮廓内的像素个数,即下陷深度超过设定阈值的像素总数。最终判断待检烟支是否为空头的公式为:
其中Scur为下陷深度超过设定阈值的像素总数,Stotal为烟支的像素总数,Pmax为允许的缺陷区域百分比。当烟支下陷深度超过设定阈值的像素数与烟支的像素总数比值低于Pmax时,判断当前烟支为合格烟支,否则判断当前烟支为空头烟支。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (6)
1.一种基于机器视觉技术的烟支空头检测方法,其特征在于,包括如下步骤:
步骤1:采用线性激光源照射待检测烟支的烟丝端面,被照射区域亮度会明显高于其它区域,为后续图像采集及处理提供基础;
步骤2:采用对称分布的两个成像透镜将照射在烟丝端面上的激光线分别成像到对应的高速面阵图像传感器上;
步骤3:采用对称分布的两个高速面阵图像传感器交替采集图像并传送给计算机;
步骤4:计算机根据激光线在图像传感器上的位置计算出对应的烟丝下陷深度,将每个像素对应的烟丝下陷深度转化为0~255的灰度值并绘制到图像模板上;
步骤5:通过对水平运动的烟支进行等间隔多次采样,最终可得到一张对应的二维灰度图像,图像上的每个像素的灰度值对应待检烟支烟丝的下陷深度;
步骤6:计算机通过图像处理技术对扫描产生的二维灰度图像进行处理,最后计算出下陷深度超过设定阈值的像素数。
2.根据权利要求1所述的一种基于机器视觉技术的烟支空头检测方法,其特征在于,在所述步骤2中,烟支烟丝下陷程度不同,激光线在图像传感器上成像的位置会对应不同。
3.根据权利要求1所述的一种基于机器视觉技术的烟支空头检测方法,其特征在于,在所述步骤3中,用两个图像传感器交替采集图像,可加倍采样速率、提高检测精度,同时可降低对硬件处理性能的要求。
4.根据权利要求1所述的一种基于机器视觉技术的烟支空头检测方法,其特征在于,在所述步骤4中,图像传感器每采集一帧图像会产生一条垂直的对应一维灰度图像。
5.根据权利要求1所述的一种基于机器视觉技术的烟支空头检测方法,其特征在于,在所述步骤6中,二维灰度图像处理步骤依次为:兴趣区域提取、二值化、查找轮廓、像素计数。
6.根据权利要求1所述的一种基于机器视觉技术的烟支空头检测方法,其特征在于,在所述步骤6中,当该像素数所占烟支总像素数百分比超过设定值时,则认为该烟支为空头烟支。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305339.4A CN112432952B (zh) | 2020-11-20 | 2020-11-20 | 一种基于机器视觉技术的烟支空头检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011305339.4A CN112432952B (zh) | 2020-11-20 | 2020-11-20 | 一种基于机器视觉技术的烟支空头检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112432952A true CN112432952A (zh) | 2021-03-02 |
CN112432952B CN112432952B (zh) | 2024-04-23 |
Family
ID=74694431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011305339.4A Active CN112432952B (zh) | 2020-11-20 | 2020-11-20 | 一种基于机器视觉技术的烟支空头检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112432952B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113333329A (zh) * | 2021-08-04 | 2021-09-03 | 南京创智出彩科技有限公司 | 一种基于深度学习的烟支缺陷检测*** |
CN113670945A (zh) * | 2021-08-03 | 2021-11-19 | 深圳市联君科技股份有限公司 | 一种烟丝空头检测***和方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11304723A (ja) * | 1998-04-23 | 1999-11-05 | Matsushita Electric Works Ltd | 外観検査方法 |
US20040245485A1 (en) * | 2002-04-11 | 2004-12-09 | Hamed Sari-Sarraf | Fabric wrinkle evaluation |
JP2010071722A (ja) * | 2008-09-17 | 2010-04-02 | Nippon Steel Corp | 凹凸疵検査方法及び装置 |
CN102499471A (zh) * | 2011-10-25 | 2012-06-20 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉技术的烟支空头检测方法 |
CN104995659A (zh) * | 2013-02-13 | 2015-10-21 | 菲利普莫里斯生产公司 | 评估多孔杆内的孔隙度分布 |
CN111044517A (zh) * | 2019-12-31 | 2020-04-21 | 宁波高新区意融科技有限公司 | 一种基于三维特征的织物褶皱等级的评定方法 |
CN111189837A (zh) * | 2020-01-08 | 2020-05-22 | 征图新视(江苏)科技股份有限公司 | 一种烟支外观在线检测方法及其装置 |
CN111369511A (zh) * | 2020-02-28 | 2020-07-03 | 浙江大学 | 一种基于频谱特性的光学元件表面弱划痕检测方法 |
-
2020
- 2020-11-20 CN CN202011305339.4A patent/CN112432952B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11304723A (ja) * | 1998-04-23 | 1999-11-05 | Matsushita Electric Works Ltd | 外観検査方法 |
US20040245485A1 (en) * | 2002-04-11 | 2004-12-09 | Hamed Sari-Sarraf | Fabric wrinkle evaluation |
JP2010071722A (ja) * | 2008-09-17 | 2010-04-02 | Nippon Steel Corp | 凹凸疵検査方法及び装置 |
CN102499471A (zh) * | 2011-10-25 | 2012-06-20 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉技术的烟支空头检测方法 |
CN104995659A (zh) * | 2013-02-13 | 2015-10-21 | 菲利普莫里斯生产公司 | 评估多孔杆内的孔隙度分布 |
CN111044517A (zh) * | 2019-12-31 | 2020-04-21 | 宁波高新区意融科技有限公司 | 一种基于三维特征的织物褶皱等级的评定方法 |
CN111189837A (zh) * | 2020-01-08 | 2020-05-22 | 征图新视(江苏)科技股份有限公司 | 一种烟支外观在线检测方法及其装置 |
CN111369511A (zh) * | 2020-02-28 | 2020-07-03 | 浙江大学 | 一种基于频谱特性的光学元件表面弱划痕检测方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113670945A (zh) * | 2021-08-03 | 2021-11-19 | 深圳市联君科技股份有限公司 | 一种烟丝空头检测***和方法 |
CN113670945B (zh) * | 2021-08-03 | 2022-07-26 | 深圳市联君科技股份有限公司 | 一种烟丝空头检测***和方法 |
CN113333329A (zh) * | 2021-08-04 | 2021-09-03 | 南京创智出彩科技有限公司 | 一种基于深度学习的烟支缺陷检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN112432952B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111855664B (zh) | 一种可调节隧道病害三维检测*** | |
CN106952260B (zh) | 一种基于cis图像采集的太阳能电池片缺陷检测***和方法 | |
CN104535586B (zh) | 带钢边部缺陷检测识别方法 | |
CN104537671B (zh) | 一种基于机器视觉的香烟滤棒在线计数和质量检测方法 | |
CN101403610B (zh) | 一种基于数字图像法测量皮革面积的***及其方法 | |
CN102261892B (zh) | 一种叶丝宽度的快速测量*** | |
CN112432952B (zh) | 一种基于机器视觉技术的烟支空头检测方法 | |
CN110146516B (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN109765240B (zh) | 一种检测工业零件针脚缺陷装置及方法 | |
CN106969708B (zh) | 一种骨料形态质量的检测装置和方法 | |
CN101178369B (zh) | 工业射线检测底片数字化装置 | |
CN101063659A (zh) | 纸张纸病检测*** | |
CN106934800A (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
CN102288613A (zh) | 一种灰度和深度信息融合的表面缺陷检测方法 | |
CN105160754B (zh) | 基于高度测量的硬币表面质量检测装置及其检测方法 | |
CN111179362B (zh) | 一种基于动态光照校正算法的试纸颜色均匀性检测方法 | |
CN112432953B (zh) | 一种基于机器视觉技术的烟包缺支、反支检测方法 | |
CN112858321A (zh) | 基于线阵ccd的钢板表面缺陷检测***及方法 | |
CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
CN110873718A (zh) | 基于机器视觉的钢板表面缺陷检测***及方法 | |
CN203908956U (zh) | 一种用于检测工件表面缺陷的*** | |
CN1991341A (zh) | 干涉条纹自动对焦与自动检测方法 | |
CN111458344A (zh) | 一种口罩缺陷视觉检测方法、设备、存储介质 | |
CN116843640A (zh) | 瓷砖表面凹坑缺陷检测方法、***及存储介质 | |
CN203365339U (zh) | 冷轧铝板表面缺陷在线检测*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |