CN114897907A - 一种烟支外观缺陷检测方法、装置及电子设备 - Google Patents
一种烟支外观缺陷检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114897907A CN114897907A CN202210823040.0A CN202210823040A CN114897907A CN 114897907 A CN114897907 A CN 114897907A CN 202210823040 A CN202210823040 A CN 202210823040A CN 114897907 A CN114897907 A CN 114897907A
- Authority
- CN
- China
- Prior art keywords
- point
- target
- projection
- determining
- cloud data
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 273
- 238000001514 detection method Methods 0.000 title claims abstract description 163
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 162
- 230000002093 peripheral effect Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 6
- 238000004904 shortening Methods 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 241000208125 Nicotiana Species 0.000 description 5
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000011800 void material Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提供了一种烟支外观缺陷检测方法、装置及电子设备,属于图像处理技术领域,该方法包括:获取与待检测烟支的目标外观缺陷对应的目标点云数据;将目标点云数据沿待检测烟支的轴向方向进行投影获得目标投影,确定目标投影对应的投影中心点位置及投影半径;基于投影中心点位置及投影半径确定目标点云数据的***点集,从***点集中选取轴向基准点;从目标点云数据的内部点集中选取目标检测点,利用轴向基准点与目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值;确定目标外观缺陷的缺陷评级。通过采用上述烟支外观缺陷检测方法、装置及电子设备,解决了在对烟支外观缺陷进行检测时检测效率低及检测精度差的问题。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种烟支外观缺陷检测方法、装置及电子设备。
背景技术
香烟深受广大消费者的青睐,香烟的市场规模也在逐年增加。在香烟包装以及卷制过程中可能会产生烟支外观质量缺陷,例如:空头缺陷、滤嘴缩头缺陷以及切口歪斜缺陷,因此,需要对烟支的外观缺陷进行评级,以依据外观缺陷评级对制造工艺进行改良,对产品品质进行控制,提升消费者满意度。目前,通常采用人工测量的方式来确定外观缺陷指标的数值,然后通过外观缺陷指标的数值来对产品的外观缺陷进行评级。
然而,采用人工测量方式检测烟支外观缺陷时,由于操作过程复杂且检测时间较长,造成检测效率低以及检测精度差的问题。
发明内容
有鉴于此,本申请的目的在于提供一种烟支外观缺陷检测方法、装置及电子设备,以解决在对烟支外观缺陷进行检测时,检测效率低及检测精度差的问题。
第一方面,本申请实施例提供了一种烟支外观缺陷检测方法,包括:
获取与待检测烟支的目标外观缺陷对应的目标点云数据;
将目标点云数据沿待检测烟支的轴向方向进行投影获得目标投影,确定目标投影对应的投影中心点位置以及投影半径,轴向方向是指垂直于待检测烟支的横截面的方向;
基于投影中心点位置以及投影半径确定目标点云数据的***点集,从***点集中选取轴向基准点;
从目标点云数据的内部点集中选取目标检测点,利用轴向基准点与目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,内部点集是由除***点集之外的目标点云数据上的点构成的点集;
确定与目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级。
可选地,将目标点云数据沿待检测烟支的轴向方向进行投影获得目标投影,确定目标投影对应的投影中心点位置以及投影半径,包括:从目标投影上的多个投影点中分别选取第一横坐标投影点、第二横坐标投影点、第一纵坐标投影点以及第二纵坐标投影点;将第一横坐标投影点与第二横坐标投影点的横坐标均值、第一纵坐标投影点与第二纵坐标投影点的纵坐标均值分别作为投影中心点的横坐标和纵坐标;计算第二横坐标投影点与第一横坐标投影点的横坐标差值、第二纵坐标投影点与第一纵坐标投影点的纵坐标差值;将横坐标差值以及纵坐标差值中数值最小的差值作为目标差值,将目标差值的一半作为投影半径。
可选地,基于投影中心点位置以及投影半径确定目标点云数据的***点集,从***点集中选取轴向基准点,包括:计算目标投影中各个投影点与投影中心点之间的距离;将距离大于设定长度的多个投影点对应的目标点云数据中的点确定为***点集;从***点集中选取轴向方向上处于预设位置上的点作为轴向基准点。
可选地,目标点云数据包括烟头端对应的第一点云数据,和/或,滤嘴端对应的第二点云数据;从目标点云数据的内部点集中选取目标检测点,利用轴向基准点与目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,包括:从第一点云数据的内部点集中选取第一目标检测点,利用第一目标检测点与第一轴向基准点在轴向方向上的差值确定第一外观缺陷指标的取值,第一轴向基准点是第一点云数据对应的轴向基准点;和/或,从第二点云数据的内部点集中选取第二目标检测点,利用第二目标检测点与第二轴向基准点在轴向方向上的差值确定第二外观缺陷指标的取值,第二轴向基准点是第二点云数据对应的轴向基准点。
可选地,从第一点云数据的内部点集中选取第一目标检测点,利用第一目标检测点与第一轴向基准点在轴向方向上的差值确定第一外观缺陷指标的取值,包括:从第一候选检测点中选取内部点集中的所有内部点作为第一目标检测点;针对每个第一目标检测点,将第一轴向基准点与该第一目标检测点在轴向方向上的差值确定为第一轴向差值;针对每个空陷深度区间,统计处于该空陷深度区间范围内的第一轴向差值对应的第一目标检测点的数量;将处于该空陷深度区间的第一目标检测点的数量与内部点集中内部点的总数的比值确定为空陷截面比;将第一轴向差值以及空陷截面比确定为第一外观缺陷指标的取值。
可选地,从第二点云数据的内部点集中选取第二目标检测点,利用第二目标检测点与第二轴向基准点在轴向方向上的差值确定第二外观缺陷指标的取值,包括:从第二点云数据的内部点集中选取与第二投影中心点之间的平面距离小于设定长度的多个第二候选检测点,第二投影中心点是第二点云数据对应第二目标投影的投影中心点;从多个第二候选检测点中选取轴向方向上处于预设位置上的点作为第二目标检测点;将第二轴向基准点与第二目标检测点在轴向方向上的差值确定第二轴向差值;将第二轴向差值作为第二外观缺陷指标的取值。
可选地,在基于投影中心位置以及投影半径确定目标点云数据的***点集之后,还包括:将第一点云数据对应的目标投影划分为多个方形区域,确定与***点集对应的多个目标方形区域;针对每个目标方形区域,确定该目标方形区域中在轴向方向上处于预设位置上的第三目标检测点;将多个第三目标检测点在轴向方向上的最大值与最小值的差值作为第三外观缺陷指标的取值;确定第三外观缺陷指标的取值所处的切口歪斜缺陷评级区间,将该切口歪斜缺陷评级区间对应的评级确定为待检测烟支的切口歪斜缺陷的缺陷评级。
可选地,目标外观缺陷包括空头缺陷,和/或,滤嘴缩头缺陷;确定与目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级,包括:确定第一外观缺陷指标的取值所处的空头缺陷评级区间,将该空头缺陷评级区间对应的评级确定为空头缺陷的缺陷评级;和/或,确定第二外观缺陷指标的取值所处的滤嘴缩头缺陷评级区间,将该滤嘴缩头缺陷评级区间对应的评级确定为滤嘴缩头缺陷的缺陷评级。
第二方面,本申请实施例还提供了一种烟支外观缺陷检测装置,所述装置包括:
数据获取模块,用于获取与待检测烟支的目标外观缺陷对应的目标点云数据;
数据计算模块,用于将目标点云数据沿待检测烟支的轴向方向进行投影获得目标投影,确定目标投影对应的投影中心点位置以及投影半径,轴向方向是指垂直于待检测烟支的横截面的方向;
点集划分模块,用于基于投影中心点位置以及投影半径确定目标点云数据的***点集,从***点集中选取轴向基准点;
指标计算模块,用于从目标点云数据的内部点集中选取目标检测点,利用轴向基准点与目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,内部点集是由除***点集之外的目标点云数据上的点构成的点集;
评级确定模块,用于确定与目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的烟支外观缺陷检测方法的步骤。
本申请实施例带来了以下有益效果:
本申请实施例提供的一种烟支外观缺陷检测方法、装置及电子设备,能够根据待检测烟支的目标点云数据确定轴向基准点,该轴向基准点是从***点集中选取的,能够较为准确地反映待检测烟支的基准面在轴向方向上的位置,然后,根据轴向基准点与目标检测点之间的轴向差值来确定待检测烟支是否存在空头缺陷,和/或,切口歪斜缺陷,与现有技术中的烟支外观缺陷检测方法相比,解决了在对烟支外观缺陷进行检测时,检测效率低及检测精度差的问题。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1示出了本申请实施例所提供的烟支外观缺陷检测方法的流程图;
图2示出了本申请实施例所提供的烟支轴向方向的示意图;
图3示出了本申请实施例所提供的烟支内部点集和外部点集的位置示意图;
图4示出了本申请实施例所提供的烟支外观缺陷检测装置的结构示意图;
图5示出了本申请实施例所提供的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
值得注意的是,在本申请提出之前,香烟深受广大消费者的青睐,香烟的市场规模也在逐年增加。在香烟包装以及卷制过程中可能会产生烟支外观质量缺陷,例如:空头缺陷、滤嘴缩头缺陷以及切口歪斜缺陷,因此,需要对烟支的外观缺陷进行评级,以依据外观缺陷评级对制造工艺进行改良,对产品品质进行控制,提升消费者满意度。目前,通常采用人工测量的方式来确定外观缺陷指标的数值,然后通过外观缺陷指标的数值来对产品的外观缺陷进行评级。然而,采用人工测量方式检测烟支外观缺陷时,由于操作过程复杂且检测时间较长,造成检测效率低以及检测精度差的问题。
基于此,本申请实施例提供了一种烟支外观缺陷检测方法,以提高在对烟支外观缺陷进行检测时的检测效率及检测精度。
请参阅图1,图1为本申请实施例所提供的一种烟支外观缺陷检测方法的流程图。如图1所示,本申请实施例提供的烟支外观缺陷检测方法,包括:
步骤S101,获取与待检测烟支的目标外观缺陷对应的目标点云数据。
该步骤中,待检测烟支可指待确定外观缺陷的烟支,待检测烟支为单根香烟,该待检测烟支的左右两端分别为烟头端和滤嘴端。
外观缺陷可指待检测烟支的外观缺陷,外观缺陷包括空头缺陷、滤嘴缩头缺陷、切口歪斜缺陷。
目标外观缺陷可指对待检测烟支的哪种外观缺陷进行检测即为目标外观缺陷,例如:对空头缺陷进行检测,则空头缺陷即为目标外观缺陷。目标外观缺陷不只限于一种,可选取多种外观缺陷作为目标外观缺陷。
空头缺陷可指待检测烟支烟头端存在烟丝填充不充分的问题,空头缺陷属于烟头端的外观缺陷。
空头缺陷可通过计算空陷深度来确定,空陷深度是针对内部点集中的每个点,计算基准面到该点的轴向距离。
滤嘴缩头缺陷可指待检测烟支滤嘴端存在端面凹陷的问题,滤嘴缩头缺陷属于滤嘴端的外观缺陷。
切口歪斜缺陷可指待检测烟支烟头端存在端面切口不整齐的问题,切口歪斜缺陷属于烟头段的外观缺陷。
在本申请实施例中,不同的外观缺陷需要获取不同的点云数据,以空头缺陷和切口歪斜缺陷为例,两者需要获取待检测烟支的烟头端对应的点云数据,以滤嘴缩头缺陷为例,需要获取待检测烟支的滤嘴端对应的点云数据,当目标外观缺陷为空头缺陷时,目标点云数据为烟头端对应的点云数据,当目标外观缺陷为滤嘴缩头缺陷时,目标点云数据为滤嘴端对应的点云数据。
具体的,可将待检测烟支放置在检测设备上,检测设备中包括3D激光轮廓传感器,通过3D激光轮廓传感器对待检测烟支的目标端进行扫描,获取待检测烟支目标端的点云数据。根据待检测烟支目标端的空间集合特征和点云数据分布特征,通过计算分析确定目标外观缺陷的外观缺陷指标。
这里,点云数据是以CSV(Comma-Separated Values)格式存储的,它是一个N × 3的矩阵,N代表矩阵的行数,3代表列数,通常N处于40万至100万之间。矩阵中的每一行对应一个扫描点,三列分别对应该扫描点的X、Y和Z坐标;对于点i来说,该扫描点的坐标记为(, , )。其中,待检测烟支的轴向与Z轴平行。
3D激光轮廓传感器在对待检测烟支进行扫描时,会有部分区域由于光学因素而无法扫描到,这部分区域是以(0,0,0)的形式出现在点云数据中,将这些点称为无效点。在目标点云数据中大概有3/4的行是无效点,它们在空间中分布均匀,剔除它们不会影响精度,保留反而会给计算造成困难。为此,在获取目标点云数据后首先去除这些无效点。
步骤S102,将目标点云数据沿待检测烟支的轴向方向进行投影获得目标投影,确定目标投影对应的投影中心点位置以及投影半径。
该步骤中,轴向方向是指垂直于待检测烟支横截面的方向。
下面参照图2来介绍待检测烟支的轴向方向。
图2示出了本申请实施例所提供的烟支轴向方向的示意图。
如图2所示,待检测烟支200为圆柱体,包括烟头端210以及滤嘴端220,待检测烟支的轴向方向230是从滤嘴端220向烟头端210延伸的方向,即,待检测烟支200对应的圆柱体的轴向方向。
目标投影可指圆形投影,目标投影用于确定待检测烟支的***点集。
在本申请实施例中,若目标点云数据是烟头端对应的第一点云数据,则针对待检测烟支可从滤嘴端向烟头端进行投影获得第一投影,若目标点云数据是滤嘴端对应的第二点云数据,则针对待检测烟支可从烟头端向滤嘴端进行投影获得第二投影。无论是第一投影还是第二投影都是圆形投影,可以计算获得第一投影以及第二投影上的投影中心点位置以及投影半径,即,获得圆形投影的圆心位置和半径。
在一可选实施例中,将目标点云数据沿待检测烟支的轴向方向进行投影获得目标投影,确定目标投影对应的投影中心点位置以及投影半径,包括:从目标投影上的多个投影点中分别选取第一横坐标投影点、第二横坐标投影点、第一纵坐标投影点以及第二纵坐标投影点;将第一横坐标投影点与第二横坐标投影点的横坐标均值、第一纵坐标投影点与第二纵坐标投影点的纵坐标均值分别作为投影中心点的横坐标和纵坐标;计算第二横坐标投影点与第一横坐标投影点的横坐标差值、第二纵坐标投影点与第一纵坐标投影点的纵坐标差值;将横坐标差值以及纵坐标差值中数值最小的差值作为目标差值,将目标差值的一半作为投影半径。
这里,第一横坐标投影点可指横坐标处于对应横坐标轴上第一百分位数上的点,第二横坐标投影点可指横坐标处于对应横坐标轴上第二百分位数上的点。
第一横坐标投影点与第二横坐标投影点用于共同确定目标投影的投影中心点的横坐标位置及投影半径。
第一纵坐标投影点可指纵坐标处于对应纵坐标轴上第一百分位数上的点,第二纵坐标投影点可指纵坐标处于对应纵坐标轴上第二百分位数上的点。
第一纵坐标投影点与第二纵坐标投影点用于共同确定目标投影的投影中心点的纵坐标位置及投影半径。
第一百分位数可指设定的百分位数,例如:第一百分位数可以是2.5百分位数。
第二百分位数可指设定的百分位数,例如:第二百分位数可以是97.5百分位数。
其中,横坐标轴上的第一百分位数与纵坐标轴上的第一百分位数可以相同,也可以不同。
横坐标轴上的第二百分位数与纵坐标轴上的第二百分位数可以相同,也可以不同。
具体的,获取目标投影后,目标投影上包括多个投影点,这些投影点与目标点云数据上的点相对应。可针对目标投影建立二维直角坐标系,将目标投影上所有投影点的横坐标及纵坐标按照数值从小到大的顺序进行排列,在横坐标轴上选取横坐标处于2.5百分位数的投影点作为第一横坐标投影点,在横坐标轴上选取横坐标处于97.5百分位数的投影点作为第二横坐标投影点,在纵坐标轴上选取纵坐标处于2.5百分位数的投影点作为第一纵坐标投影点,在纵坐标轴上选取纵坐标处于97.5百分位数的投影点作为第二纵坐标投影点。
需要说明的是,选取2.5百分位数作为第一百分位数,选取97.5百分位数作为第二百分位数的目的是为了排除异常值干扰,在待检测烟支的烟头端或者滤嘴端,可能存在一些烟丝或者卷烟纸凸起或凹陷的个别情况出现,需要将这些异常干扰排除以获得更准确的计算结果。
步骤S103,基于投影中心点位置以及投影半径确定目标点云数据的***点集,从***点集中选取轴向基准点。
该步骤中,***点集可指处于待检测烟支边缘的点的集合,***点集用于确定轴向基准点。***点集中的点组成一个圆环形状。
轴向基准点可指处于待检测烟支的基准面上的点,轴向基准点用于确定目标检测点与待检测烟支的基准面之间的轴向距离。
基准面可指待检测烟支的烟支端面,烟头端的基准面可指待检测烟支烟头端的端面,滤嘴端的基准面可指待检测烟支滤嘴端的端面。计算时基准面是指轴向基准点对应的XY平面。
基准面的确定是整个算法的核心,从实际角度出发基准面理论上是待检测烟支的端面,几何上可用z=表示。一种直观的思路是通过S集合(点云数据集)中Z坐标的95百分位数去估计,但这是不可取的,因为存在空头缺陷的待检测烟支中有大量的点会下陷,导致这种思路估计的远小于真实值。
本发明的思路则是先估计出***点集,然后在***点集上取95百分位数。这种思路之所以可行,是因为通过对样本的观察可以确定无论三种缺陷中的哪一种,待检测烟支的***环状区域上的最大Z值与基准面在理论上是相等的,所以可以用***点集的95百分位数去估计。这里,取95百分位数是为了排除一些极端大的异常值,例如:有些烟丝会超过烟支端面。
在一可选实施例中,基于投影中心点位置以及投影半径确定目标点云数据的***点集,从***点集中选取轴向基准点,包括:计算目标投影中各个投影点与投影中心点之间的距离;将距离大于设定长度的多个投影点对应的目标点云数据中的点确定为***点集;从***点集中选取轴向方向上处于预设位置上的点作为轴向基准点。
这里,设定长度可指选定的小于投影半径的长度,设定长度用于表征***点集中的点与投影中心点之间的距离。
预设位置可指轴向方向上处于预设的百分位数上的位置,预设位置用于从***点集中选取轴向基准点。
示例性的,预设位置可以是轴向方向上处于95百分位数对应的位置。
具体的,将目标投影中的投影点记作(,),选取设定长度为0.9R,即,将投影半径的90%作为设定长度,可将满足如下公式的投影点的集合作为***点集,***点集中投影点与投影中心点的距离计算公式如下所示:
由上述公式可知,即将与投影中心点的距离大于0.9倍投影半径的投影点对应的目标点云数据中的点所构成的集合作为***点集。
需要说明的是,目标端可以是烟头端,也可以是滤嘴端,目标点云数据可以是烟头端点云数据,也可以是滤嘴端点云数据。烟头端点云数据对应确定烟头端对应的目标投影,滤嘴端点云数据对应确定滤嘴端对应的目标投影;根据烟头端对应的目标投影确定烟头端目标投影的投影中心点位置以及投影半径,根据滤嘴端对应的目标投影确定滤嘴端目标投影的投影中心点位置以及投影半径;根据烟头端目标投影的投影中心点位置以及投影半径,确定烟头端对应的***点集及轴向基准点,根据滤嘴端目标投影的投影中心点位置以及投影半径,确定滤嘴端对应的***点集及轴向基准点。
步骤S104,从目标点云数据的内部点集中选取目标检测点,利用轴向基准点与目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值。
该步骤中,内部点集是由除***点集之外的目标点云数据上的点构成的点集,内部点集用于表征处于待检测烟支内部的点的集合。
下面参照图3来介绍外部点集以及内部点集。
图3示出了本申请实施例所提供的烟支内部点集和外部点集的位置示意图。
如图3所示,投影半径对应于圆300,0.9倍的投影半径对应于圆310,由处于圆300与圆310之间的多个点构成***点集,由处于圆310内的多个点构成内部点集。其中,点311为***点集中的点,点312为内部点集中的点。
目标检测点可指检测目标外观缺陷时所需选取的检测点,目标检测点用于确定待检测烟支的目标端是否存在外观缺陷。
目标外观缺陷指标可指能够反映目标外观缺陷的指标,不同的外观缺陷对应不同的外观缺陷指标。
示例性的,目标外观缺陷为空头时,外观缺陷指标为空陷深度以及空陷截面比;目标外观缺陷为滤嘴缩头时,外观缺陷指标为下陷深度;目标外观缺陷为切口歪斜时,外观缺陷指标为高低差。
在一可选实施例中,目标点云数据包括烟头端对应的第一点云数据,和/或,滤嘴端对应的第二点云数据;从目标点云数据的内部点集中选取目标检测点,利用轴向基准点与目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,包括:从第一点云数据的内部点集中选取第一目标检测点,利用第一目标检测点与第一轴向基准点在轴向方向上的差值确定第一外观缺陷指标的取值,第一轴向基准点是第一点云数据对应的轴向基准点;和/或,从第二点云数据的内部点集中选取第二目标检测点,利用第二目标检测点与第二轴向基准点在轴向方向上的差值确定第二外观缺陷指标的取值,第二轴向基准点是第二点云数据对应的轴向基准点。
这里,待检测烟支可能同时存在空头缺陷以及滤嘴缩头缺陷,也可能只存在空头缺陷或者滤嘴缩头缺陷,因此,需要对每一种外观缺陷分别确定对应的目标检测点。
具体的,将烟头端的点云数据作为第一点云数据,将滤嘴端的点云数据作为第二点云数据,第一点云数据在轴向方向上的投影为第一投影,第二点云数据在轴向方向上的投影为第二投影,第一投影上的轴向基准点为第一轴向基准点,第二投影上的轴向基准点为第二轴向基准点,第一投影上的投影半径为第一投影半径,第二投影上的投影半径为第二投影半径,第一投影上的投影中心点为第一投影中心点,第二投影上的投影中心点为第二投影中心点。其中,第一轴向基准点记作,第二轴向基准点记作,第一投影半径记作,第二投影半径记作,第一投影中心点坐标记作(,),第二投影中心点坐标记作(,)。
在一可选实施例中,从第一点云数据的内部点集中选取第一目标检测点,利用第一目标检测点与第一轴向基准点在轴向方向上的差值确定第一外观缺陷指标的取值,包括:从第一候选检测点中选取内部点集中的所有内部点作为第一目标检测点;针对每个第一目标检测点,将第一轴向基准点与该第一目标检测点在轴向方向上的差值确定为第一轴向差值;针对每个空陷深度区间,统计处于该空陷深度区间范围内的第一轴向差值对应的第一目标检测点的数量;将处于该空陷深度区间的第一目标检测点的数量与内部点集中内部点的总数的比值确定为空陷截面比;将第一轴向差值以及空陷截面比确定为第一外观缺陷指标的取值。
这里,第一外观缺陷指标指的是空陷深度以及空陷截面比,第一外观缺陷指标用于确定待检测烟支是否存在空头缺陷。
空陷深度可指待检测烟支的烟头端面空陷的深度,空陷深度用于与空陷截面比共同表征待检测烟支的烟头段是否存在空头缺陷。
空陷截面比可指待检测烟支的烟头端面的空陷面积占烟头端面总面积的比例,空陷深度用于与空陷深度截面比共同表征待检测烟支的烟头段是否存在空头缺陷。
空陷深度区间可指针对空陷深度划分的区间,示例性的,将空陷深度大于等于5mm的区间作为第一空陷深度区间,将空陷深度小于5mm且大于等于3mm的区间作为第二空陷深度区间,将空陷深度小于3mm的区间作为第三空陷深度区间。
具体的,在确定第一外观缺陷指标的取值时,首先将所有第一投影上的投影点对应的第一点云数据上的点作为第一候选检测点,然后,将第一候选检测点中的内部点集中的点作为第一目标检测点,计算每个目标检测点与第一轴向基准点在轴向方向上的差值,若以表示第一目标检测点,则第一轴向差值为-,该第一轴向差值即为空陷深度外观缺陷指标的取值。
由于第一目标检测点为多个,每个第一目标检测点对应的第一轴向差值可能不同,可以得到多个不同数值的第一轴向差值,确定每个第一轴向差值所处的空陷深度区间,并统计出每个空陷深度区间中第一轴向差值对应的第一目标检测点的数量。针对每个空陷深度区间,确定处于该空陷深度区间的第一目标检测点的数量与第一目标检测点总数量的比值,该比值即为该空陷深度区间对应的空陷截面比的取值。
假设,第一目标检测点共100个,处于第一空陷深度区间的第一目标检测点为20个,处于第二空陷深度区间的第一目标检测点为30个,则第一空陷深度区间的空陷截面比为0.2,第二空陷深度区间的空陷截面比为0.3。
在一可选实施例中,从第二点云数据的内部点集中选取第二目标检测点,利用第二目标检测点与第二轴向基准点在轴向方向上的差值确定第二外观缺陷指标的取值,包括:从第二点云数据的内部点集中选取与第二投影中心点之间的平面距离小于设定长度的多个第二候选检测点,第二投影中心点是第二点云数据对应第二目标投影的投影中心点;从多个第二候选检测点中选取轴向方向上处于预设位置上的点作为第二目标检测点;将第二目标检测点与第二轴向基准点在轴向方向上的差值确定第二轴向差值;将第二轴向差值作为第二外观缺陷指标的取值。
这里,第二外观缺陷指标指的是下陷深度,第二外观缺陷指标用于确定待检测烟支是否存在滤嘴缩头缺陷。
下陷深度可指待检测烟支的滤嘴端面下陷的深度,下陷深度用于表征待检测烟支是否存在滤嘴缩头缺陷。
具体的,在确定第二外观缺陷指标的取值时,首先选取第二候选检测点,选取方法是:在XY平面上选取与第二投影中心点之间的距离小于设定长度的第二点云数据上的点作为第二候选检测点。可以理解的,第二投影中心点(,)的Z轴上的取值不固定,因此,在第二点云数据中存在多个横坐标为,纵坐标为的目标点,假设,第二投影中心点在Z轴上的取值有100个,则存在对应的100组第二候选检测点,每组第二候选检测点中存在多个Z坐标相同,但在XY平面上与目标点之间的距离小于设定长度的第二候选检测点。
可将满足如下计算公式第二点云数据中的点作为第二候选检测点,计算公式为:
然后,将多个第二候选检测点按照Z坐标从小到大的顺序进行排列,选取Z轴上处于95百分位数的第二候选检测点作为第二目标检测点,计算第二目标检测点与第二轴向基准点在轴向方向上的差值,若以表示第二目标检测点,则第二轴向差值为-,该第二轴向差值即为下陷深度外观缺陷指标的取值。
需要说明的是,第二目标检测点可能存在一个或者多个,但无论第二目标检测点的数量是多少,第二目标检测点的Z轴坐标均相同,计算第二轴向差值时只取Z轴坐标参与计算,因此,第二目标检测点的数量对计算结果没有影响。
步骤S105,确定与目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级。
该步骤中,缺陷评级可指待检测烟支的外观缺陷的评价等级,缺陷评级用于表征待检测烟支的外观缺陷的严重程度。
在本申请实施例中,根据目标外观缺陷指标的取值,可以确定目标外观缺陷的缺陷评级,例如:针对滤嘴缩头缺陷而言,不同的下陷深度对应不同的缺陷评级,当下陷深度大于等于1mm时滤嘴缩头缺陷的缺陷评级为C,下陷深度大于等于0.5mm且小于1mm时滤嘴缩头缺陷的缺陷评级为D,缺陷评级越低说明滤嘴缩头缺陷越不明显。
在一可选实施例中,目标外观缺陷包括空头缺陷,和/或,滤嘴缩头缺陷;确定与目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级,包括:确定第一外观缺陷指标的取值所处的空头缺陷评级区间,将该空头缺陷评级区间对应的评级确定为空头缺陷的缺陷评级;和/或,确定第二外观缺陷指标的取值所处的滤嘴缩头缺陷评级区间,将该滤嘴缩头缺陷评级区间对应的评级确定为滤嘴缩头缺陷的缺陷评级。
这里,针对空头缺陷,确定空头缺陷对应的评级区间,假设,空头缺陷包括两个评级,这两个评级分别为评级B和评级C。
评级B对应的评级区间为空陷深度大于等于5mm且空陷截面比大于等于0.667,或者空陷深度大于等于3mm且空陷截面比等于1。
评级C对应的评级区间为空陷深度为1mm至5mm之间且空陷截面比大于0.667。
假设,计算得到空陷深度为3mm时空陷截面比为0.75,空陷深度为6mm时空陷截面比为0.45,则可确定空头缺陷的缺陷评级为C。
同样地,针对滤嘴缩头缺陷,确定滤嘴缩头缺陷对应的评级区间,假设,滤嘴缩头缺陷包括两个评级,这两个评级分别为评级C和评级D。
评级C对应的评级区间为下陷深度大于等于1mm。
评级D对应的评级区间为下陷深度为0.5mm至1mm之间。
假设,计算得到下陷深度为0.75mm则可确定滤嘴缩头缺陷的缺陷评级为D。
在一可选实施例中,在基于投影中心位置以及投影半径确定目标点云数据的***点集之后,还包括:将第一点云数据对应的目标投影划分为多个方形区域,确定与***点集对应的多个目标方形区域;针对每个目标方形区域,确定该目标方形区域中在轴向方向上处于预设位置上的第三目标检测点;将多个第三目标检测点在轴向方向上的最大值与最小值的差值作为第三外观缺陷指标的取值;确定第三外观缺陷指标的取值所处的切口歪斜缺陷评级区间,将该切口歪斜缺陷评级区间对应的评级确定为待检测烟支的切口歪斜缺陷的缺陷评级。
这里,目标方形区域可指***点集所在的方形区域。
预设位置可指轴向方向上处于预设的百分位数对应的位置,预设位置用于确定第三目标检测点。
示例性的,预设位置可以是轴向方向上处于95百分位数上的位置。
第三外观缺陷指标可指切口歪斜缺陷指标,第三外观缺陷指标用于确定切口歪斜缺陷的评级。
示例性的,第三外观缺陷指标可以是待检测烟支的烟头端卷烟纸的高低差。
具体的,设置XY平面上的网络,将第一目标投影分为多个方形区域,并选取***点集所在的区域为目标方形区域,假设共获得四个目标方形区域,这四个目标方形区域分别为目标方形区域1、目标方形区域2、目标方形区域3、目标方形区域4,针对每个目标方形区域,将该目标方形区域对应的第一点云数据中处于轴向方向上95百分位数上的点作为第三目标检测点,共可获得4个第三目标检测点,确定4个第三目标检测点的Z坐标,并将4个Z坐标中的最大值与最小值的差值作为高低差,高低差的值即为第三外观缺陷指标的取值。
假设,切口歪斜缺陷包括两个评级,这两个评级分别为评级C和评级D。
评级C对应的评级区间为高低差大于等于2mm。
评级D对应的评级区间为高低差在0.5mm至2mm之间。
假设,计算得到高低差为1mm则可确定切口歪斜缺陷的缺陷评级为D。
与现有技术中烟支外观缺陷检测方法相比,本申请能够根据待检测烟支的目标点云数据确定轴向基准点,该轴向基准点是从***点集中选取的,能够较为准确地反映待检测烟支的基准面在轴向方向上的位置,然后,根据轴向基准点与目标检测点之间的轴向差值来确定待检测烟支是否存在空头缺陷,和/或,切口歪斜缺陷,解决了在对烟支外观缺陷进行检测时,检测效率低及检测精度差的问题。
基于同一发明构思,本申请实施例中还提供了与烟支外观缺陷检测方法对应的烟支外观缺陷检测装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述烟支外观缺陷检测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图4,图4为本申请实施例所提供的一种烟支外观缺陷检测装置的结构示意图。如图4中所示,所述烟支外观缺陷检测装置400包括:
数据获取模块401,用于获取与待检测烟支的目标外观缺陷对应的目标点云数据;
数据计算模块402,用于将目标点云数据沿待检测烟支的轴向方向进行投影获得目标投影,确定目标投影对应的投影中心点位置以及投影半径,轴向方向是指垂直于待检测烟支横截面的方向;
点集划分模块403,用于基于投影中心点位置以及投影半径确定目标点云数据的***点集,从***点集中选取轴向基准点;
指标计算模块404,用于从目标点云数据的内部点集中选取目标检测点,利用轴向基准点与目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,内部点集是由除***点集之外的目标点云数据上的点构成的点集;
评级确定模块405,用于确定与目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1所示方法实施例中的烟支外观缺陷检测方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种烟支外观缺陷检测方法,其特征在于,包括:
获取与待检测烟支的目标外观缺陷对应的目标点云数据;
将所述目标点云数据沿所述待检测烟支的轴向方向进行投影获得目标投影,确定所述目标投影对应的投影中心点位置以及投影半径,所述轴向方向是指垂直于所述待检测烟支的横截面的方向;
基于所述投影中心点位置以及所述投影半径确定所述目标点云数据的***点集,从所述***点集中选取轴向基准点;
从所述目标点云数据的内部点集中选取目标检测点,利用所述轴向基准点与所述目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,所述内部点集是由除所述***点集之外的目标点云数据上的点构成的点集;
确定与所述目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级。
2.根据权利要求1所述的方法,其特征在于,所述将所述目标点云数据沿所述待检测烟支的轴向方向进行投影获得目标投影,确定所述目标投影对应的投影中心点位置以及投影半径,包括:
从所述目标投影上的多个投影点中分别选取第一横坐标投影点、第二横坐标投影点、第一纵坐标投影点以及第二纵坐标投影点;
将所述第一横坐标投影点与第二横坐标投影点的横坐标均值、第一纵坐标投影点与第二纵坐标投影点的纵坐标均值分别作为投影中心点的横坐标和纵坐标;
计算第二横坐标投影点与第一横坐标投影点的横坐标差值、第二纵坐标投影点与第一纵坐标投影点的纵坐标差值;
将所述横坐标差值以及所述纵坐标差值中数值最小的差值作为目标差值,将所述目标差值的一半作为投影半径。
3.根据权利要求1所述的方法,其特征在于,所述基于所述投影中心点位置以及所述投影半径确定所述目标点云数据的***点集,从所述***点集中选取轴向基准点,包括:
计算所述目标投影中各个投影点与投影中心点之间的距离;
将所述距离大于设定长度的多个投影点对应的目标点云数据中的点确定为***点集;
从所述***点集中选取轴向方向上处于预设位置上的点作为轴向基准点。
4.根据权利要求1所述的方法,其特征在于,所述目标点云数据包括烟头端对应的第一点云数据,和/或,滤嘴端对应的第二点云数据;
所述从所述目标点云数据的内部点集中选取目标检测点,利用所述轴向基准点与所述目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,包括:
从所述第一点云数据的内部点集中选取第一目标检测点,利用所述第一目标检测点与第一轴向基准点在轴向方向上的差值确定第一外观缺陷指标的取值,所述第一轴向基准点是第一点云数据对应的轴向基准点;
和/或,从所述第二点云数据的内部点集中选取第二目标检测点,利用所述第二目标检测点与第二轴向基准点在轴向方向上的差值确定第二外观缺陷指标的取值,所述第二轴向基准点是第二点云数据对应的轴向基准点。
5.根据权利要求4所述的方法,其特征在于,所述从所述第一点云数据的内部点集中选取第一目标检测点,利用所述第一目标检测点与第一轴向基准点在轴向方向上的差值确定第一外观缺陷指标的取值,包括:
从第一候选检测点中选取内部点集中的所有内部点作为第一目标检测点;
针对每个第一目标检测点,将所述第一轴向基准点与该第一目标检测点在轴向方向上的差值确定为第一轴向差值;
针对每个空陷深度区间,统计处于该空陷深度区间范围内的第一轴向差值对应的第一目标检测点的数量;
将处于该空陷深度区间的第一目标检测点的数量与所述内部点集中内部点的总数的比值确定为空陷截面比;
将所述第一轴向差值以及空陷截面比确定为第一外观缺陷指标的取值。
6.根据权利要求4所述的方法,其特征在于,所述从所述第二点云数据的内部点集中选取第二目标检测点,利用所述第二目标检测点与第二轴向基准点在轴向方向上的差值确定第二外观缺陷指标的取值,包括:
从所述第二点云数据的内部点集中选取与第二投影中心点之间的平面距离小于设定长度的多个第二候选检测点,所述第二投影中心点是第二点云数据对应第二目标投影的投影中心点;
从所述多个第二候选检测点中选取轴向方向上处于预设位置上的点作为第二目标检测点;
将所述第二轴向基准点与所述第二目标检测点在轴向方向上的差值确定第二轴向差值;
将所述第二轴向差值作为第二外观缺陷指标的取值。
7.根据权利要求4所述的方法,其特征在于,在基于所述投影中心位置以及所述投影半径确定所述目标点云数据的***点集之后,还包括:
将所述第一点云数据对应的目标投影划分为多个方形区域,确定与所述***点集对应的多个目标方形区域;
针对每个目标方形区域,确定该目标方形区域中在轴向方向上处于预设位置上的第三目标检测点;
将多个第三目标检测点在轴向方向上的最大值与最小值的差值作为第三外观缺陷指标的取值;
确定所述第三外观缺陷指标的取值所处的切口歪斜缺陷评级区间,将该切口歪斜缺陷评级区间对应的评级确定为所述待检测烟支的切口歪斜缺陷的缺陷评级。
8.根据权利要求4所述的方法,其特征在于,所述目标外观缺陷包括空头缺陷,和/或,滤嘴缩头缺陷;
所述确定与所述目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级,包括:
确定所述第一外观缺陷指标的取值所处的空头缺陷评级区间,将该空头缺陷评级区间对应的评级确定为空头缺陷的缺陷评级;
和/或,确定所述第二外观缺陷指标的取值所处的滤嘴缩头缺陷评级区间,将该滤嘴缩头缺陷评级区间对应的评级确定为滤嘴缩头缺陷的缺陷评级。
9.一种烟支外观缺陷检测装置,其特征在于,包括:
数据获取模块,用于获取与待检测烟支的目标外观缺陷对应的目标点云数据;
数据计算模块,用于将所述目标点云数据沿所述待检测烟支的轴向方向进行投影获得目标投影,确定所述目标投影对应的投影中心点位置以及投影半径,所述轴向方向是指垂直于所述待检测烟支的横截面的方向;
点集划分模块,用于基于所述投影中心点位置以及所述投影半径确定所述目标点云数据的***点集,从所述***点集中选取轴向基准点;
指标计算模块,用于从所述目标点云数据的内部点集中选取目标检测点,利用所述轴向基准点与所述目标检测点在轴向方向上的差值确定目标外观缺陷指标的取值,所述内部点集是由除所述***点集之外的目标点云数据上的点构成的点集;
评级确定模块,用于确定与所述目标外观缺陷指标的取值对应的目标外观缺陷的缺陷评级。
10.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至8中任一项所述的烟支外观缺陷检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210823040.0A CN114897907B (zh) | 2022-07-14 | 2022-07-14 | 一种烟支外观缺陷检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210823040.0A CN114897907B (zh) | 2022-07-14 | 2022-07-14 | 一种烟支外观缺陷检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114897907A true CN114897907A (zh) | 2022-08-12 |
CN114897907B CN114897907B (zh) | 2022-09-30 |
Family
ID=82729840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210823040.0A Active CN114897907B (zh) | 2022-07-14 | 2022-07-14 | 一种烟支外观缺陷检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114897907B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180326591A1 (en) * | 2015-11-09 | 2018-11-15 | ATENSOR Engineering and Technology Systems GmbH | Automatic detection and robot-assisted machining of surface defects |
CN108982513A (zh) * | 2018-07-11 | 2018-12-11 | 天津工业大学 | 一种基于线激光扫描的高精度三维连接器针脚缺陷检测方法 |
CN110033447A (zh) * | 2019-04-12 | 2019-07-19 | 东北大学 | 一种基于点云方法的高铁重轨表面缺陷检测方法 |
CN110723342A (zh) * | 2019-10-15 | 2020-01-24 | 上海烟草机械有限责任公司 | 雪茄烟质量检测***及检测方法 |
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 |
WO2021088481A1 (zh) * | 2019-11-08 | 2021-05-14 | 南京理工大学 | 一种基于条纹投影的高精度动态实时360度全方位点云获取方法 |
-
2022
- 2022-07-14 CN CN202210823040.0A patent/CN114897907B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180326591A1 (en) * | 2015-11-09 | 2018-11-15 | ATENSOR Engineering and Technology Systems GmbH | Automatic detection and robot-assisted machining of surface defects |
CN108982513A (zh) * | 2018-07-11 | 2018-12-11 | 天津工业大学 | 一种基于线激光扫描的高精度三维连接器针脚缺陷检测方法 |
CN110033447A (zh) * | 2019-04-12 | 2019-07-19 | 东北大学 | 一种基于点云方法的高铁重轨表面缺陷检测方法 |
CN110723342A (zh) * | 2019-10-15 | 2020-01-24 | 上海烟草机械有限责任公司 | 雪茄烟质量检测***及检测方法 |
WO2021088481A1 (zh) * | 2019-11-08 | 2021-05-14 | 南京理工大学 | 一种基于条纹投影的高精度动态实时360度全方位点云获取方法 |
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 |
Non-Patent Citations (3)
Title |
---|
JIAN GONG 等: "《Precision Inspection and Evaluation System for Paper Packaging of Cigarettes》", 《2022 THE 5TH INTERNATIONAL CONFERENCE ON IMAGE AND GRAPHICS PROCESSING 》 * |
徐平等: "产品表面缺陷检测***设计与开发", 《中国测试》 * |
赵鹏等: "基于3D扫描技术的木材缺陷定量化分析", 《农业工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114897907B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5354343B2 (ja) | ファンシーヤーンの特徴付け方法 | |
JP2014508928A (ja) | 減数された測定点による公差評価 | |
CN108801164B (zh) | 一种基于激光测试工件缝隙值的方法及*** | |
US7986814B2 (en) | Method for measuring a curved surface of an object | |
US9003670B2 (en) | System and method for measuring a workpiece relative to a common measurement coordinate system | |
CN109443214B (zh) | 一种结构光三维视觉的标定方法、装置及测量方法、装置 | |
JP2020165895A (ja) | 周方向主溝検出方法及び周方向主溝検出装置 | |
JP2014202676A (ja) | 形状検査装置 | |
CN114897907B (zh) | 一种烟支外观缺陷检测方法、装置及电子设备 | |
CN110631809A (zh) | 评价线结构光激光器平面度的方法 | |
CN108827197A (zh) | 一种减少边缘退化影响的线阵工业ct均质材料尺寸测量方法 | |
CN108171756A (zh) | 自适应标定方法、装置及计算机终端 | |
KR101808958B1 (ko) | 구조물 형상 정보 구축 방법 및 구조물 변형 검출 방법 | |
KR101255022B1 (ko) | 점군자료를 활용한 구조물 균열 검출방법 | |
CN101013022B (zh) | 一种消除光学元件干涉采样数据中随机误差的方法 | |
EP1899676B1 (en) | Mapping a surface profile | |
CN115511718A (zh) | Pcb图像校正方法、装置、终端设备和存储介质 | |
GB2580684A (en) | Coordinate measurement validation | |
CN113744194B (zh) | 钢板缺陷检测方法及计算机可读存储介质 | |
JP2007003205A (ja) | 形状測定装置、形状測定方法、形状測定プログラム | |
KR101964214B1 (ko) | 손실된 멀티 광원 추적이 가능한 렌즈 미터의 측정 방법 | |
US20220318447A1 (en) | Information processing apparatus, non-transitory computer readable medium storing information processing program, and information processing method | |
CN115014241B (zh) | 一种三坐标测轮廓的检测***及方法 | |
JP2012154889A (ja) | 位置合わせ装置、欠陥検出装置、および位置合わせ方法 | |
CN117036450A (zh) | 一种包装盒压痕深度和压痕宽度的测量方法、***及终端 |
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 |