CN113936000A - 基于图像处理的注塑件波流痕识别方法 - Google Patents
基于图像处理的注塑件波流痕识别方法 Download PDFInfo
- Publication number
- CN113936000A CN113936000A CN202111541866.XA CN202111541866A CN113936000A CN 113936000 A CN113936000 A CN 113936000A CN 202111541866 A CN202111541866 A CN 202111541866A CN 113936000 A CN113936000 A CN 113936000A
- Authority
- CN
- China
- Prior art keywords
- injection molding
- wave flow
- suspected
- flow mark
- mark area
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Moulds For Moulding Plastics Or The Like (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明涉及注塑件缺陷识别领域,具体涉及基于图像处理的注塑件波流痕识别方法。方法包括:根据条纹方向得到初始基准点,根据各像素点与各初始基准点的灰度差和距离,得到分割区域;获取各竖直基准点对和各水平基准点对;根据各像素点与各基准点对的灰度差和距离,得到各竖直分割边界和各水平分割边界;根据各竖直分割边界和各水平分割边界判断注塑件是否存在波流痕,实现了对波流痕的自动识别,提高了波流痕的检测效率。
Description
技术领域
本发明涉及注塑件缺陷识别领域,具体涉及基于图像处理的注塑件波流痕识别方法。
背景技术
在注塑件生产过程中,由于塑胶水分过多、树脂温度不一致、型腔内熔体温度过低等原因,可能导致注塑件表面存在波流痕。注塑件波流痕是一种常见的注塑件缺陷。由于波流痕区域的位置具有不可预测性,本领域人员对注塑件波流痕进行检测多是由人工完成的,众多的注塑件无疑增加了很多工作量,而且检测效率较低。
发明内容
为了解决现有技术检测注塑件波流痕效率低的问题,本发明的目的在于提供一种基于图像处理的注塑件波流痕识别方法,所采用的技术方案具体如下:
本发明提供了一种基于图像处理的注塑件波流痕识别方法,该方法包括以下步骤:
获取注塑件疑似波流痕区域;
获取注塑件疑似波流痕区域的条纹方向,根据所述注塑件疑似波流痕区域的条纹方向,得到两个初始基准点,根据注塑件疑似波流痕区域各像素点与各初始基准点的灰度差和注塑件疑似波流痕区域各像素点到各初始基准点之间的距离,对注塑件疑似波流痕区域进行划分,得到两个分割区域;
根据各分割区域的区域中心点的位置,得到各竖直基准点对和各水平基准点对;
根据注塑件疑似波流痕区域各像素点与各竖直基准点对的灰度差和注塑件疑似波流痕区域各像素点到各竖直基准点对的距离,对注塑件疑似波流痕区域进行划分,得到各竖直分割边界;根据注塑件疑似波流痕区域各像素点与各水平基准点对的灰度差和注塑件疑似波流痕区域各像素点到各水平基准点对的距离,对注塑件疑似波流痕区域进行划分,得到各水平分割边界;
根据所述各竖直分割边界和各水平分割边界判断注塑件是否存在波流痕。
优选的,所述各竖直分割边界和各水平分割边界判断注塑件是否存在波流痕,包括:
根据各竖直分割边界到注塑件疑似波流痕区域的区域中心点的距离,得到第一排列熵,根据各水平分割边界到注塑件疑似波流痕区域的区域中心点的距离,得到第二排列熵;
判断第一排列熵与第二排列熵之比是否大于设定阈值,若大于,则判定所述注塑件存在波流痕,若不大于,则判定所述注塑件不存在波流痕。
优选的,所述获取注塑件疑似波流痕区域的条纹方向,包括:
获取注塑件疑似波流痕区域的区域中心点,过所述注塑件疑似波流痕区域的区域中心点,作各方向的直线;
获取各方向的直线上各像素点的灰度值,根据所述各方向的直线上各像素点的灰度值,计算各方向的直线的灰度变化程度;
将灰度变化程度最小的直线对应的方向作为注塑件疑似波流痕区域的条纹方向。
优选的,所述根据注塑件疑似波流痕区域各像素点与各初始基准点的灰度差和注塑件疑似波流痕区域各像素点到各初始基准点之间的距离,对注塑件疑似波流痕区域进行划分,得到两个分割区域,包括:
利用注塑件疑似波流痕区域像素点的灰度最大值对注塑件疑似波流痕区域各像素点的灰度值进行归一化;
计算注塑件疑似波流痕区域各像素点与各初始基准点的相似度;
根据所述注塑件疑似波流痕区域各像素点与各初始基准点的相似度,对注塑件疑似波流痕区域进行划分,得到两个分割区域。
优选的,采用如下公式计算注塑件疑似波流痕区域各像素点与各初始基准点的相似度:
优选的,所述得到各竖直基准点对和各水平基准点对,包括:
过各分割区域的区域中心点分别作垂直于注塑件疑似波流痕区域的条纹方向的直线,记为竖直基准线,分别以各分割区域的区域中心为起点,沿竖直基准线向注塑件疑似波流痕区域的边界方向取设定个数的基准点,得到各竖直基准点对;
过各分割区域的区域中心点分别作平行于注塑件疑似波流痕区域的条纹方向的直线,记为水平基准线,分别以各分割区域的区域中心为起点,沿水平基准线向注塑件疑似波流痕区域的边界方向取设定个数的基准点,得到各水平基准点对。
优选的,所述根据所述注塑件疑似波流痕区域的条纹方向,得到两个初始基准点,包括:
获取注塑件疑似波流痕区域的区域中心点;
过注塑件疑似波流痕区域的区域中心点作垂直于注塑件疑似波流痕区域的条纹方向的直线,将直线与注塑件疑似波流痕区域边界的两个交点作为初始基准点。
优选的,所述获取注塑件疑似波流痕区域,包括:
获取注塑件图像,对所述注塑件图像进行灰度化处理,得到注塑件的灰度化图像;
对注塑件的灰度化图像进行边缘检测, 将包括图像内所有边缘线在内的最小外接矩形对应的区域记为注塑件疑似波流痕区域。
本发明具有如下有益效果:本发明获取了注塑件疑似波流痕区域的条纹方向,根据注塑件疑似波流痕区域的各分割区域的区域中心点的位置,得到各竖直基准点对和各水平基准点对;本发明根据灰度差和距离对注塑件疑似波流痕区域进行分割,以位置为辅助将注塑件区域分割,获取了注塑件疑似波流痕区域各像素点与各基准点对的灰度差和距离,对注塑件疑似波流痕区域进行划分,得到各竖直分割边界和各水平分割边界。本发明考虑到与注塑件疑似波流痕区域的条纹方向垂直的每条方向直线上像素点的灰度值较复杂,得到的各分割边界的位置比较随机,而与注塑件疑似波流痕区域的条纹方向平行的每条方向直线上,像素点的灰度值较单一,得到的各分割边界的位置基本不变,因此,可以基于各竖直分割边界和各水平向分割边界的特点判断注塑件疑似波流痕区域是否为波流痕,实现对波流痕的自动识别,提高对波流痕识别的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于图像处理的注塑件波流痕识别方法的流程图;
图2为注塑件疑似波流痕区域的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像处理的注塑件波流痕识别方法进行详细说明如下。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图像处理的注塑件波流痕识别方法的具体方案。
基于图像处理的注塑件波流痕识别方法实施例
现有技术对注塑件波流痕区域进行检测效率较低。为了解决上述问题,本实施例提出了基于图像处理的注塑件波流痕识别方法,如图1所示,本实施例的基于图像处理的注塑件波流痕识别方法包括以下步骤:
步骤S1,获取注塑件疑似波流痕区域。
在注塑件的制作过程中,由于一些环节处理不当,熔料在模具型腔中不适当流动,导致注塑件表面产生年轮状、螺旋状的波流痕缺陷。首先,是熔料流动不良,当低温熔料在注料口及流道中以固化波动状态注入型腔后,熔料沿模腔表面流动并且被注入的后续熔料挤压形成回流及支流,从而在注塑件表面产生以浇口为中心的年轮状波流痕。其次,是熔料在流道中流动不畅,当熔料从流道狭小的截面流入较大截面积的型腔,或模具流道狭窄、光洁度很差时,流料很容易形成湍流,导致塑件表面形成螺旋状波流痕。
本实施例在传送带正上方设置相机,使相机光轴垂直于传送带平面,利用相机采集注塑件图像。由于注塑件绝大多数都是单色的,当注塑件存在波流痕时,波流痕区域像素点的灰度值与非波流痕区域像素点的灰度值存在一定差异。因此,本实施例将采集到的注塑件图像进行灰度化处理,得到注塑件的灰度图,利用Canny算子对注塑件的灰度图进行边缘检测,得到注塑件疑似波流痕区域的边缘图,将包括图像内所有边缘线在内的最小外接矩形记为注塑件疑似波流痕区域。将注塑件的疑似波流痕区域平均分为n*n个区域,n≥2,本实施例以分割后的注塑件的一个疑似波流痕区域为例,如图2所示,进行后续处理,注塑件的其它疑似波流痕区域均可采用此方法进行处理。本实施例用到的Canny算子为公知技术,此处不再赘述。
步骤S2,获取注塑件疑似波流痕区域的条纹方向,根据所述注塑件疑似波流痕区域的条纹方向,得到两个初始基准点,根据注塑件疑似波流痕区域各像素点与各初始基准点的灰度差和注塑件疑似波流痕区域各像素点到各初始基准点之间的距离,对注塑件疑似波流痕区域进行划分,得到两个分割区域。
具体地,本实施例判定注塑件疑似波流痕区域的条纹方向的过程如下:
获取注塑件疑似波流痕区域的区域中心点,过注塑件疑似波流痕区域的区域中心点作各方向的直线,将各方向的直线上所有像素点组成一个序列,得到各方向直线对应的序列。
灰度极差指一个序列中像素点的最大灰度与最小灰度的差值,反映的是变量分布的变异范围和离散幅度,在总体中任何两个单位的标准值之差都不能超过极差,它能体现一个序列像素点的灰度波动范围,灰度极差越大,该方向直线上像素点的波动程度越大;灰度方差与像素点个数的比值反映单位长度下像素点的灰度离散程度,单位长度下像素点的灰度离散程度越大,该方向直线对应的灰度变化程度就越大。本实施例用灰度极差和单位长度下像素点的灰度离散程度表征各方向直线的灰度变化程度,具体公式如下:
若某直线与注塑件疑似波流痕区域条纹方向平行,则该方向直线上包含的大部分像素点在同一条纹上或包含的大部分像素点不在条纹上,该方向直线上像素点的灰度值较单一,灰度极差和灰度方差都较小,灰度变化程度也就较小;若某直线与注塑件疑似波流痕区域条纹方向不平行,则该方向直线上包含条纹上的部分像素点和非条纹上的部分像素点,使该方向直线上像素点的灰度值存在一定的差异,灰度极差和灰度方差都较大,灰度变化程度也就较大;因此当方向直线与条纹方向近似平行时,该直线对应的灰度变化程度最小,本实施例将灰度变化程度最小的直线对应的方向作为注塑件疑似波流痕区域的条纹方向,条纹方向是根据灰度变化程度估计的,因此得到的条纹方向是大概的、可能性最大的方向。
本实施例获取注塑件疑似波流痕区域的区域中心点,过注塑件疑似波流痕区域的区域中心点作垂直于条纹方向的直线,将该直线与注塑件疑似波流痕区域边界的两个交点记为初始基准点。本实施例将直线与注塑件疑似波流痕区域边界的两个交点作为初始基准点是为了后续将注塑件疑似波流痕区域划分为两个区域,得到分割边界,初始基准点位于注塑件疑似波流痕区域的边界上,当注塑件疑似波流痕区域各像素点与初始基准点的灰度差一致时,可直接根据各像素点到初始基准点的距离对注塑件疑似波流痕区域进行分割。
本实施例获取注塑件疑似波流痕区域各像素点与初始基准点的灰度差以及注塑件疑似波流痕区域各像素点到初始基准点的距离,对于注塑件疑似波流痕区域的每个像素点,利用注塑件疑似波流痕区域中所有像素点的灰度最大值对各像素点的灰度值进行归一化处理,即令:
根据注塑件疑似波流痕区域各像素点与初始基准点的灰度差以及注塑件疑似波流痕区域各像素点到初始基准点的距离,计算当前区域中每个像素点与每个初始基准点的相似度,因为灰度值和距离是两个不同的维度,所以本实施例采用矢量求和的方法进行计算,具体公式为:
其中,为注塑件疑似波流痕区域任一像素点与初始基准点的相似度,为注塑件疑似波流痕区域当前像素点到初始基准点的距离,为注塑件疑似波流痕区域的面积,为注塑件疑似波流痕区域当前像素点与初始基准点的灰度差。当前像素点与初始基准点的灰度差越小,且当前像素点与初始基准点的距离越近,则当前像素点与该初始基准点的相似度越大。
比较当前像素点与两个初始基准点相似度的大小,当前像素点与哪个初始基准点的相似度大,将当前像素点与哪个初始基准点划分为同一区域,提取两区域的初始分割边界,得到两个分割区域。
步骤S3,根据各分割区域的区域中心点的位置,得到各竖直基准点对和各水平基准点对。
本实施例中初始基准点是根据位置确定的,分割区域是根据注塑件疑似波流痕区域各像素点与初始基准点的灰度差和距离划分的,初始基准点的灰度值会对分割边界有很大的影响,为了排除这种影响,本实施例改变基准点的位置,对注塑件疑似波流痕区域重新分割区域。
具体的,分别获取两个分割区域的区域中心点,如图2中的1和2所示。计算两个分割区域的区域中心点到分割边界距离的最小值,将该最小值对应的像素点数量记为n。
过两个分割区域的区域中心点分别作垂直于注塑件疑似波流痕区域条纹方向的直线,记为竖直基准线,分别以两个分割区域的区域中心点为起点,沿竖直基准线向注塑件疑似波流痕区域的边界方向移动,每次移动一个像素的距离,共移动n次,每移动一次,得到一对新的基准点,共得到n对新的基准点,将这些基准点对记为竖直基准点对,如图2中的3所示;过两个分割区域的区域中心点分别作平行于注塑件疑似波流痕区域条纹方向的直线,记为水平基准线,分别以两个分割区域的区域中心为起点,沿水平基准线向注塑件疑似波流痕区域的边界方向移动,每次移动一个像素的距离,共移动n次,每移动一次,得到一对新的基准点,共得到n对新的基准点,将这些基准点对记为水平基准点对,如图2中的4所示。本实施例沿两个分割区域的区域中心点分别向注塑件疑似波流痕区域移动n次,是为了保证各基准点对都位于注塑件疑似波流痕区域的前提下,使得到的基准点对的数量足够多,这样做能够使后续基于分割边界的位置判断是否存在波流痕的判断结果足够准确,提高注塑件波流痕的识别精度。
步骤S4,根据注塑件疑似波流痕区域各像素点与各竖直基准点对的灰度差和注塑件疑似波流痕区域各像素点到各竖直基准点对的距离,对注塑件疑似波流痕区域进行划分,得到各竖直分割边界;根据注塑件疑似波流痕区域各像素点与各水平基准点对的灰度差和注塑件疑似波流痕区域各像素点到各水平基准点对的距离,对注塑件疑似波流痕区域进行划分,得到各水平分割边界。
本实施例根据灰度值和距离对注塑件疑似波流痕区域进行分割,以位置为辅助将注塑件区域分割,线性改变基准点的位置来排除位置对分割区域的影响。具体地,对于每对基准点,采用步骤S2的方法计算出注塑件疑似波流痕区域各像素点与每对基准点的相似度,根据各像素点与每对基准点的相似度,将注塑件疑似波流痕区域进行重新划分,得到新的分割边界。本实施例将根据竖直基准点对得到的分割边界记为竖直分割边界,将根据水平基准点对得到的分割边界记为水平分割边界。至此,得到多条竖直分割边界和多条水平分割边界。
步骤S5,根据所述各竖直分割边界和各水平分割边界判断注塑件是否存在波流痕。
与条纹方向垂直的每条方向直线上,部分像素点在条纹上,部分像素点不在条纹上,像素点的灰度值较复杂,因此根据各像素点与各竖直基准点对的灰度差和各像素点到各竖直基准点对的距离,对注塑件疑似波流痕区域划分,得到的各竖直分割边界的位置比较随机,各竖直分割边界到注塑件疑似波流痕区域的区域中心点的距离是变化的;而与条纹方向平行的每条方向直线上,大多数像素点位于同一条纹上或大多数像素点不位于条纹上,像素点的灰度值较单一,因此根据各像素点与各水平基准点对的灰度差和各像素点到各水平基准点对的距离,对注塑件疑似波流痕区域划分,得到的各水平分割边界的位置几乎不变,各水平分割边界到注塑件疑似波流痕区域的区域中心点的距离基本不变。本实施例采用最小二乘法分别将各竖直分割边界和各水平分割边界拟合成直线,获取各竖直分割边界对应的直线到注塑件疑似波流痕区域的区域中心点的距离和各水平分割边界对应的直线到注塑件疑似波流痕区域的区域中心点的距离,根据各竖直分割边界对应的直线到注塑件疑似波流痕区域的区域中心点的距离,得到第一排列熵,根据各水平分割边界对应的直线到注塑件疑似波流痕区域的区域中心点的距离,得到第二排列熵。获得排列熵的方法为公知方法,此处不再赘述。本实施例用第一排列熵和第二排列熵的比值来判断注塑件疑似波流痕区域的波流痕率,具体公式为:
根据得到的第一排列熵与第二排列熵之比,判断注塑件疑似波流痕区域是否存在波流痕。具体来说,判断第一排列熵与第二排列熵之比是否大于设定阈值,若大于,则判定注塑件存在波流痕,若不大于,则判定注塑件不存在波流痕。本实施例设定阈值为1,在具体应用中,根据需要将阈值设置为大于1的某值。
本实施例为了判断注塑件是否存在波流痕计算了第一排列熵与第二排列熵,通过排列熵的大小来反映各分割线之间距离的大小,作为其它实施方式,也可以根据各竖直分割边界之间的距离均值是否大于各水平分割边界之间的距离均值来判断注塑件是否存在波流痕,具体判定方法为:若各竖直分割边界之间的距离均值大于各水平分割边界之间的距离均值,则判定注塑件存在波流痕。
本实施例获取了注塑件疑似波流痕区域的条纹方向,根据注塑件疑似波流痕区域的各分割区域的区域中心点的位置,得到各竖直基准点对和各水平基准点对;本实施例根据灰度差和距离对注塑件疑似波流痕区域进行分割,以位置为辅助将注塑件区域分割,获取了注塑件疑似波流痕区域各像素点与各基准点对的灰度差和距离,对注塑件疑似波流痕区域进行划分,得到各竖直分割边界和各水平分割边界。本实施例考虑到与注塑件疑似波流痕区域的条纹方向垂直的每条方向直线上像素点的灰度值较复杂,得到的各分割边界的位置比较随机,而与注塑件疑似波流痕区域的条纹方向平行的每条方向直线上,像素点的灰度值较单一,得到的各分割边界的位置基本不变,因此,可以基于各竖直分割边界和各纵向分割边界的特点判断注塑件疑似波流痕区域是否为波流痕,实现对波流痕的自动识别,提高对波流痕识别的效率。
需要说明的是:以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于图像处理的注塑件波流痕识别方法,其特征在于,该方法包括以下步骤:
获取注塑件疑似波流痕区域;
获取注塑件疑似波流痕区域的条纹方向,根据所述注塑件疑似波流痕区域的条纹方向,得到两个初始基准点,根据注塑件疑似波流痕区域各像素点与各初始基准点的灰度差和注塑件疑似波流痕区域各像素点到各初始基准点之间的距离,对注塑件疑似波流痕区域进行划分,得到两个分割区域;
根据各分割区域的区域中心点的位置,得到各竖直基准点对和各水平基准点对;
根据注塑件疑似波流痕区域各像素点与各竖直基准点对的灰度差和注塑件疑似波流痕区域各像素点到各竖直基准点对的距离,对注塑件疑似波流痕区域进行划分,得到各竖直分割边界;根据注塑件疑似波流痕区域各像素点与各水平基准点对的灰度差和注塑件疑似波流痕区域各像素点到各水平基准点对的距离,对注塑件疑似波流痕区域进行划分,得到各水平分割边界;
根据所述各竖直分割边界和各水平分割边界判断注塑件是否存在波流痕。
2.根据权利要求1所述的一种基于图像处理的注塑件波流痕识别方法,其特征在于,所述根据所述各竖直分割边界和各水平分割边界判断注塑件是否存在波流痕,包括:
根据各竖直分割边界到注塑件疑似波流痕区域的区域中心点的距离,得到第一排列熵,根据各水平分割边界到注塑件疑似波流痕区域的区域中心点的距离,得到第二排列熵;
判断第一排列熵与第二排列熵之比是否大于设定阈值,若大于,则判定所述注塑件存在波流痕,若不大于,则判定所述注塑件不存在波流痕。
3.根据权利要求1所述的一种基于图像处理的注塑件波流痕识别方法,其特征在于,所述获取注塑件疑似波流痕区域的条纹方向,包括:
获取注塑件疑似波流痕区域的区域中心点,过所述注塑件疑似波流痕区域的区域中心点,作各方向的直线;
获取各方向的直线上各像素点的灰度值,根据所述各方向的直线上各像素点的灰度值,计算各方向的直线的灰度变化程度;
将灰度变化程度最小的直线对应的方向作为注塑件疑似波流痕区域的条纹方向。
4.根据权利要求1所述的一种基于图像处理的注塑件波流痕识别方法,其特征在于,所述根据注塑件疑似波流痕区域各像素点与各初始基准点的灰度差和注塑件疑似波流痕区域各像素点到各初始基准点之间的距离,对注塑件疑似波流痕区域进行划分,得到两个分割区域,包括:
利用注塑件疑似波流痕区域像素点的灰度最大值对注塑件疑似波流痕区域各像素点的灰度值进行归一化;
计算注塑件疑似波流痕区域各像素点与各初始基准点的相似度;
根据所述注塑件疑似波流痕区域各像素点与各初始基准点的相似度,对注塑件疑似波流痕区域进行划分,得到两个分割区域。
6.根据权利要求1所述的一种基于图像处理的注塑件波流痕识别方法,其特征在于,所述得到各竖直基准点对和各水平基准点对,包括:
过各分割区域的区域中心点分别作垂直于注塑件疑似波流痕区域的条纹方向的直线,记为竖直基准线,分别以各分割区域的区域中心为起点,沿竖直基准线向注塑件疑似波流痕区域的边界方向取设定个数的基准点,得到各竖直基准点对;
过各分割区域的区域中心点分别作平行于注塑件疑似波流痕区域的条纹方向的直线,记为水平基准线,分别以各分割区域的区域中心为起点,沿水平基准线向注塑件疑似波流痕区域的边界方向取设定个数的基准点,得到各水平基准点对。
7.根据权利要求1所述的一种基于图像处理的注塑件波流痕识别方法,其特征在于,所述根据所述注塑件疑似波流痕区域的条纹方向,得到两个初始基准点,包括:
获取注塑件疑似波流痕区域的区域中心点;
过注塑件疑似波流痕区域的区域中心点作垂直于注塑件疑似波流痕区域的条纹方向的直线,将直线与注塑件疑似波流痕区域边界的两个交点作为初始基准点。
8.根据权利要求1所述的一种基于图像处理的注塑件波流痕识别方法,其特征在于,所述获取注塑件疑似波流痕区域,包括:
获取注塑件图像,对所述注塑件图像进行灰度化处理,得到注塑件的灰度化图像;
对注塑件的灰度化图像进行边缘检测, 将包括图像内所有边缘线在内的最小外接矩形对应的区域记为注塑件疑似波流痕区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541866.XA CN113936000B (zh) | 2021-12-16 | 2021-12-16 | 基于图像处理的注塑件波流痕识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111541866.XA CN113936000B (zh) | 2021-12-16 | 2021-12-16 | 基于图像处理的注塑件波流痕识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113936000A true CN113936000A (zh) | 2022-01-14 |
CN113936000B CN113936000B (zh) | 2022-03-15 |
Family
ID=79289052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111541866.XA Active CN113936000B (zh) | 2021-12-16 | 2021-12-16 | 基于图像处理的注塑件波流痕识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936000B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445379A (zh) * | 2022-01-28 | 2022-05-06 | 江苏海辉塑胶制品有限公司 | 基于图像处理的注塑件分类方法与*** |
CN114565614A (zh) * | 2022-05-02 | 2022-05-31 | 武汉华塑亿美工贸有限公司 | 基于机器视觉的注塑件表面缺陷分析方法与*** |
CN114693651A (zh) * | 2022-03-31 | 2022-07-01 | 南通三信塑胶装备科技股份有限公司 | 基于图像处理的橡胶圈流痕检测方法及装置 |
CN115187602A (zh) * | 2022-09-13 | 2022-10-14 | 江苏骏利精密制造科技有限公司 | 基于图像处理的注塑件缺陷检测方法及*** |
CN116630304A (zh) * | 2023-07-18 | 2023-08-22 | 东莞市京品精密模具有限公司 | 一种基于人工智能的锂电池模具加工检测方法及*** |
CN116721101A (zh) * | 2023-08-09 | 2023-09-08 | 山东华航高分子材料有限公司 | 一种塑件表面波流痕的缺陷检测方法 |
CN117455870A (zh) * | 2023-10-30 | 2024-01-26 | 太康精密(中山)有限公司 | 一种连接线和连接器质量视觉检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850858A (zh) * | 2015-05-15 | 2015-08-19 | 华中科技大学 | 一种注塑制品缺陷检测识别方法 |
CN110148130A (zh) * | 2019-05-27 | 2019-08-20 | 北京百度网讯科技有限公司 | 用于检测零件缺陷的方法和装置 |
CN110264447A (zh) * | 2019-05-30 | 2019-09-20 | 浙江省北大信息技术高等研究院 | 一种注塑件的表面缺陷检测方法、装置、设备和存储介质 |
CN111223088A (zh) * | 2020-01-16 | 2020-06-02 | 东南大学 | 一种基于深层卷积神经网络的铸件表面缺陷识别方法 |
CN210999792U (zh) * | 2019-11-11 | 2020-07-14 | 河北奥都汽车零部件有限公司 | 一种防止注塑产品出现波流痕的顶模推块装置 |
CN113484329A (zh) * | 2021-09-07 | 2021-10-08 | 南通三信塑胶装备科技股份有限公司 | 基于机器视觉的注塑件缺陷检测方法及*** |
-
2021
- 2021-12-16 CN CN202111541866.XA patent/CN113936000B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850858A (zh) * | 2015-05-15 | 2015-08-19 | 华中科技大学 | 一种注塑制品缺陷检测识别方法 |
CN110148130A (zh) * | 2019-05-27 | 2019-08-20 | 北京百度网讯科技有限公司 | 用于检测零件缺陷的方法和装置 |
CN110264447A (zh) * | 2019-05-30 | 2019-09-20 | 浙江省北大信息技术高等研究院 | 一种注塑件的表面缺陷检测方法、装置、设备和存储介质 |
CN210999792U (zh) * | 2019-11-11 | 2020-07-14 | 河北奥都汽车零部件有限公司 | 一种防止注塑产品出现波流痕的顶模推块装置 |
CN111223088A (zh) * | 2020-01-16 | 2020-06-02 | 东南大学 | 一种基于深层卷积神经网络的铸件表面缺陷识别方法 |
CN113484329A (zh) * | 2021-09-07 | 2021-10-08 | 南通三信塑胶装备科技股份有限公司 | 基于机器视觉的注塑件缺陷检测方法及*** |
Non-Patent Citations (1)
Title |
---|
吴荣佳: "注塑制品表面流痕的成因分析与研究", 《CNKI优秀硕士学位论文全文库工程科技Ⅰ辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445379A (zh) * | 2022-01-28 | 2022-05-06 | 江苏海辉塑胶制品有限公司 | 基于图像处理的注塑件分类方法与*** |
CN114445379B (zh) * | 2022-01-28 | 2023-04-07 | 江苏海辉塑胶制品有限公司 | 基于图像处理的注塑件分类方法与*** |
CN114693651A (zh) * | 2022-03-31 | 2022-07-01 | 南通三信塑胶装备科技股份有限公司 | 基于图像处理的橡胶圈流痕检测方法及装置 |
CN114565614A (zh) * | 2022-05-02 | 2022-05-31 | 武汉华塑亿美工贸有限公司 | 基于机器视觉的注塑件表面缺陷分析方法与*** |
CN115187602A (zh) * | 2022-09-13 | 2022-10-14 | 江苏骏利精密制造科技有限公司 | 基于图像处理的注塑件缺陷检测方法及*** |
CN116630304A (zh) * | 2023-07-18 | 2023-08-22 | 东莞市京品精密模具有限公司 | 一种基于人工智能的锂电池模具加工检测方法及*** |
CN116630304B (zh) * | 2023-07-18 | 2023-09-19 | 东莞市京品精密模具有限公司 | 一种基于人工智能的锂电池模具加工检测方法及*** |
CN116721101A (zh) * | 2023-08-09 | 2023-09-08 | 山东华航高分子材料有限公司 | 一种塑件表面波流痕的缺陷检测方法 |
CN116721101B (zh) * | 2023-08-09 | 2023-10-20 | 山东华航高分子材料有限公司 | 一种塑件表面波流痕的缺陷检测方法 |
CN117455870A (zh) * | 2023-10-30 | 2024-01-26 | 太康精密(中山)有限公司 | 一种连接线和连接器质量视觉检测方法 |
CN117455870B (zh) * | 2023-10-30 | 2024-04-16 | 太康精密(中山)有限公司 | 一种连接线和连接器质量视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113936000B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113936000B (zh) | 基于图像处理的注塑件波流痕识别方法 | |
CN115082485B (zh) | 一种注塑制品表面气泡缺陷检测方法及*** | |
CN115861317B (zh) | 基于机器视觉的塑胶模具生产缺陷检测方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN115082419A (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN113935999B (zh) | 一种基于图像处理的注塑缺陷检测方法 | |
CN109658402A (zh) | 基于计算机视觉成像的工业型材几何尺寸自动检测方法 | |
CN114387233A (zh) | 一种基于机器视觉的砂型缺陷检测方法及*** | |
CN114022483B (zh) | 一种基于边缘特性的注塑飞边区域识别方法 | |
CN114998198A (zh) | 一种注塑件表面缺陷识别方法 | |
CN114445379B (zh) | 基于图像处理的注塑件分类方法与*** | |
CN103886597A (zh) | 一种基于边缘检测与拟合曲线聚类的圆检测方法 | |
CN114187289B (zh) | 一种基于计算机视觉的塑料制品缩坑检测方法及*** | |
KR101730133B1 (ko) | 사출성형 플라스틱의 검사방법 | |
CN115578389A (zh) | 一种沟槽mos器件的缺陷检测方法 | |
CN114882029B (zh) | 一种玻纤增强材料表面浮纤识别方法及电子设备 | |
CN115294410B (zh) | 一种基于图形识别的塑料制品成型控制方法 | |
CN116563279B (zh) | 基于计算机视觉的量测开关检测方法 | |
CN114119603A (zh) | 基于图像处理的快餐盒短射缺陷检测方法 | |
CN114387438A (zh) | 基于机器视觉的压铸机参数调控方法 | |
CN115042401A (zh) | 一种微孔发泡注塑制品的质量检测方法 | |
CN116630304A (zh) | 一种基于人工智能的锂电池模具加工检测方法及*** | |
CN114511531A (zh) | 基于图像处理的注塑件波流痕识别方法 | |
CN116945521B (zh) | 一种注塑件缺陷检测方法 | |
CN116167970A (zh) | 一种砂型检测***及检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |