CN115876785B - 一种用于产品缺陷检测的视觉识别*** - Google Patents
一种用于产品缺陷检测的视觉识别*** Download PDFInfo
- Publication number
- CN115876785B CN115876785B CN202310052608.8A CN202310052608A CN115876785B CN 115876785 B CN115876785 B CN 115876785B CN 202310052608 A CN202310052608 A CN 202310052608A CN 115876785 B CN115876785 B CN 115876785B
- Authority
- CN
- China
- Prior art keywords
- product
- detection
- algorithm
- image
- correction
- 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.)
- Active
Links
Images
Classifications
-
- 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
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及‑般的控制或调节***领域,具体涉及一种用于产品缺陷检测的视觉识别***。所述的缺陷检测包括产品的脏污检测算法,飞边缺陷检测算法;其中所述脏污检测算法包括产品的产品外壁,产品顶部,产品底部的脏污检测;从而根据产品的形状特点使用视觉识别***进行针对化的缺陷检测操作。本发明在进行缺陷检测前建立了基于初始化标定的补正算法,对采集的产品图像进行优化,用以筛选出产品图像在高速运动过程中发生位置偏移,从而更好的修正被检测产品在运动过程中由于偏移而造成的误差。
Description
技术领域
本发明涉及-般的控制或调节***领域,具体涉及一种用于产品缺陷检测的视觉识别***。
背景技术
随着各工业产业中机械化与自动化的发展,产品的生产逐渐向大规模流程化的生产模式过渡,基于流水线形式的产品生产模式虽然提升了产品的生产率,降低了产品的人力成本,但是在实际生产加工过程中,却存在对产品的生产质量控制程度较低,传统的人工检测的方式无法跟上机械化的生产速度,容易造成缺检,漏检,检测疲劳等情况发生,造成产品的生产率降低。在此基础上视觉检测应运而生,但是传统的视觉检测只能检测静态的产品图像,对动态的产品图像的检测精度较差,同时视觉检测受到环境光的影响较大,无法深入的检测出产品表面多样化的缺陷问题。
专利CN201910285540提供了一种产品缺陷检测方法及装置,此专利通过对采集的图像的边缘轮廓信息进行与特定的图像数据处理,用以更好的对产品图像边缘部分的轮廓线进行特定的缺陷检测与优化。但是此专利主要偏向与边缘轮廓识别,针对产品图像中的表面缺陷与黑点的识别并未提出有效的识别方法。
专利CN201910650351提供了一种视觉检测方法及视觉检测***,此专利通过设置多个位置传感器,用以将位置传感器记录的信息与相机进行协同作用,从而对运动的产品进行实时的拍摄,但是此专利中所述的位置传感器的信息采集与数据的传输均会产生一定的延时,从而导致采集的产品图像出现一定的位置偏移导致产品图像的识别精度降低。
因此,针对上述存在的问题,本发明提供了一种用于产品缺陷检测的视觉识别***。
发明内容
针对上述存在的问题,本发明提供了一种用于产品缺陷检测的视觉识别***,所述的缺陷检测包括产品的脏污检测算法,飞边缺陷检测算法;其中所述脏污检测算法包括产品的产品外壁,产品顶部,产品底部的脏污检测。
优选的,所述的缺陷检测前,建立用于产品检测的视觉识别***初始化标定;所述的初始化标定,通过建立补正算法对采集的产品图像进行优化。
优选的,所述的补正算法包括动态位置补正算法,用以产品高速线性运动情况下消除产品图像的位置偏移。
优选的,所述的动态位置补正算法中,如图3所示,首先采用模板补正算法进行产品图像与模板图片的配准计算,用以筛选产品在高速运转过程中产生的位置偏移。
具体的,所述的模板补正算法中,产品图像与模板图片的配准计算过程为: A1、在当前相机获取的被检测产品图像上,显示设定的模板搜索框;
A2、在当前相机获取的被检测产品图像上,显示搜索到的模板;
A3、在当前相机获取的被检测产品图像上,显示搜索框内被检测产品的搜索特征,同时提取搜索特征中的色彩分量;
A4、在搜索特征中采用基于低差异采样算法,用以高效的生成均匀的采样样本合集,其中所述的低差异采样算法中的最小匹配分数设置为在0~1000分,并建立函数在指定的角度范围内搜索指定的形状,为了提高匹配精度,本发明中采用基于亚像素的精度匹配方式,将两相邻像素之间通过插值算法细分为更小的像素单元,用以进行深度匹配与优化。
优选的,如图4所示,所述的配准计算,首先提取产品图像中显著特征区域,之后在显著特征区域中,建立斑点补正算法;其中所述的斑点补正算法主要包括产品前景与检测背景的分离,以及产品图像的斑点补正。
具体的,所述的斑点补正算法,获取采集的产品图像中前景图像与背景的灰度值的差值,以此区分产品图与背景图,并将获取的产品图定位斑点补正区域;其中所述斑点补正区域灰度值参数的划定范围为,高于前景图像中最高区域20个灰度值,同时低于采集的产品图像最低区域20个灰度值,同时模板补正算法后的斑点补正算法不进行边缘脏污检测算法,所述的产品图像中的边缘位置偏移不划入黑点计算中。
优选的,所述的动态位置补正算法,还包括边缘补正,轮廓补正,点线补正,圆心补正,用以对斑点补正后的产品图像进行位置辅助校正。
具体的,所述的动态位置补正算法,用以将检测框固定在被检测的产品图像中,当产品图像由于产品的线性运动产生位置偏移时,所述的检测框可以跟随产品的位置运动而运动,从而保证检测框对产品图像中的指定缺陷进行实时检测,避免出现检测误差。
优选的,如图4所示,所述的脏污检测算法,在动态位置补正结束的基础上,具体的检测步骤为:
S1、在脏污检测算法参数设置界面,根据被检测产品图像的实际情况,选择手动模式与自动模式中任一种进行检测框的绘制;
S2、当选择手动模式进行检测框的绘制时,使用快捷工具手动绘制检测框,在检测框内使用斑点补正算法进行黑点检测;
具体的,所述的手动模式中,可以通过选择定点工具,在抓取的产品图像中快速定位一个点,并自动显示出定位点的灰度值,所述的手动绘制检测框包括线段绘制,矩形绘制,可变角度矩形绘制,多角度线段绘制,多边形线段绘制,任意角度线段绘制,任意角度多边形绘制,圆绘制与圆环绘制。
S3、当选择自动模式进行检测框的绘制时,根据产品图像中的灰度值变化规律,设置多个对应灰度值的检测框;
S4、在S3的基础上,具有深色灰度值的检测框可以覆盖具有浅色灰度值的检测框,通过检测框的覆盖与交叉搜索操作,最终定位出黑点,用以实现黑点检测。
优选的,所述的检测框,在绘制时其灰度值通过采集产品图像中灰度值的最小值并减去20-50,作为检测框灰度值的最高值。
具体的,如图2所示,所述的灰度值可通过绘制灰度值曲线波形图快速查看检测框内选中图像的RGB值,同时根据图像的RGB(光学三原色)值快速进行灰度值范围的参数设定,用以进行检测框灰度值的设定。
优选的,如图6所示,所述的飞边缺陷检测算法,通过建立二值化检测方法,用以检测产品边缘处的加工质量。
优选的,还包括一种用于产品缺陷检测的视觉识别设备,所述的视觉识别设备,具体包括电源启动指示灯,工控机,输送带,鼓风机,故障复位按钮,紧急停止按钮,开关控制装置,油水过滤器,气压传感器,变频调速器,光源控制器,料框满料报警指示灯。
与现有技术相比,本发明的有益效果在于:
(1)本发明在进行缺陷检测前建立了基于初始化标定的补正算法,对采集的产品图像进行优化,用以筛选出产品图像在高速运动过程中发生位置偏移,从而更好的修正被检测产品在运动过程中由于偏移而造成的误差。
(2)在(1)的基础上,本发明建立了基于动态位置补正算法,用以产品高速线性运动情况下消除产品图像的位置偏移,产品在实际检测传送的过程中,将产生横向的线性加速度,从而造成视觉传感器在识别的过程中,对产品的边缘处的识别精度较差,并产生位置偏移误差,通过对运动中的产品进行动态位置补正,用以优化产品图像的边缘形状,提高产品图像的完整度与识别精度。
(3)在(1)的基础上,本发明针对飞边缺陷检测算法,建立了基于二值化的边缘检测方法,通过对采集的产品图像进行二值化,强制让图像变成黑白色,增加图像边缘对比度,在做边缘检测的时候,可更准确的找到边缘过度线,提高产品边缘处飞边毛边的识别的准确性。
(4)在(3)的基础上,本发明中在模板补正算法中,对显著特征区域的产品图像进行单独的特征提取与配准操作,用以克服模板补正算法处理时间相对较长,较大的搜索区域和模板大小会对处理时间造成一定的影响,在实际使用过程中,通过显著特征区域单独配准的方式,尽量降低搜索区域面积提高动态位置补正算法的相应速度。
(5)在(4)的基础上,本发明对采集到的产品图像建立了脏污检测算法,针对不同的灰度值建立单独的检测框,并通过检测框的堆叠与交叉,用以自动识别产品图像中的黑点缺陷,提高了产品缺陷检测的自动化程度。
附图说明
图1用于产品缺陷检测的视觉识别***登录界面;
图2用于产品缺陷检测的视觉识别***绘制的灰度值曲线波形图;
图3用于产品缺陷检测的视觉识别***模板补正算法界面;
图4用于产品缺陷检测的视觉识别***斑点补正算法界面;
图5用于产品缺陷检测的视觉识别***脏污检测算法界面;
图6用于产品缺陷检测的视觉识别***飞边缺陷检测算法检测界面。
具体实施方式
实施例1:
本实施例中所述的一种用于产品缺陷检测的视觉识别***,以一种瓶盖检测机为例,其中所述的缺陷检测包括产品的脏污检测算法,飞边缺陷检测算法;其中所述脏污检测算法包括产品的产品外壁,产品顶部,产品底部的脏污检测。
其中,如图1所示所述的视觉识别***启动后,首先进入登录界面,之后进行产品图像获取,在产品图像获取时,控制程序自动开启光源,并设置相机参数,用以调节产品图像的清晰度,所述的相机参数包括相机曝光时间,运行频率与相机白平衡,其中所述的相机曝光时间设置为300。
所述的产品外壁检测中,在动态位置补正算法结束,进入脏污检测算法参数设置界面,采用手动模式,用快捷工具手动绘制检测框,其中并在检测框中建立斑点补正算法,设定斑点补正区域中的最大目标面积,最小目标面积,用以获取被检测产品当前相机搜索框内,目标灰度值像素点的最少与最多个数;最大宽度,最小宽度,用以获取被检测产品当前相机搜索框内,目标灰度值像素点X轴上的最小与最大距离;最大高度,最小高度,用以获取被检测产品当前相机搜索框内,目标灰度值像素点Y轴上的最小与最大距离;显示搜索区域,用以在当前相机获取的被检测产品图像上,显示设定的模板搜索框;显示中心点,用以显示被检测产品当前检测框内被发现目标的中心点;显示边界框,用以隐藏、显示斑点补正根据设定的灰度值,抓取的像素点的边界框;将当前被检测产品检测框内发现的目标填充为设定的颜色,同时在灰度值变化大的区域,手动绘制检测框进行黑点检测。
所述的产品底部检测中,在动态位置补正算法结束,进入脏污检测算法参数设置界面,采用手动模式,用快捷工具手动绘制检测框,从检测框提取特征,通过建立边缘阈值计算方法,提取的轮廓边缘的阈值,通过设定阈值参数,边缘滤波尺寸,进行边缘检测所需的最小边缘点梯度的幅值计算。
所述的产品顶部检测中,在动态位置补正算法结束,进入脏污检测算法参数设置界面,采用手动模式,用快捷工具手动绘制检测框,进行基于飞边缺陷检测算法的检测。
Claims (5)
1.一种用于产品缺陷检测的视觉识别***,其特征在于,所述的缺陷检测包括产品的脏污检测算法,飞边缺陷检测算法;其中所述脏污检测算法包括产品的产品外壁,产品顶部,产品底部的脏污检测,从而根据产品的形状特点使用视觉识别***进行针对化的缺陷检测操作,所述的缺陷检测操作之前,建立用于产品检测的视觉识别***初始化标定;所述的初始化标定,通过建立补正算法对采集的产品图像进行优化;
所述的补正算法,包括动态位置补正算法,用以在产品高速线性运动情况下消除产品图像的位置偏移;
所述的动态位置补正算法中,首先采用模板补正算法进行产品图像与模板图片的配准计算,用以筛选产品在高速运转过程中产生的位置偏移;
所述的模板补正算法中,产品图像与模板图片的配准计算过程为:
A1、在当前相机获取的被检测产品图像上,显示设定的模板搜索框;
A2、在当前相机获取的被检测产品图像上,显示搜索到的模板;
A3、在当前相机获取的被检测产品图像上,显示搜索框内被检测产品的搜索特征,同时提取搜索特征中的色彩分量;
A4、在搜索特征中采用基于低差异采样算法,用以高效的生成均匀的采样样本合集,其中所述的低差异采样算法中的最小匹配分数设置为在0~1000分,并建立函数在指定的角度范围内搜索指定的形状,为了提高匹配精度,本发明中采用基于亚像素的精度匹配方式,将两相邻像素之间通过插值算法细分为更小的像素单元,用以进行深度匹配与优化;
所述的配准计算,首先提取产品图像中显著特征区域,之后在显著特征区域中,建立斑点补正算法;
所述的斑点补正算法,主要包括产品前景与检测背景的分离,以及产品图像的斑点补正;所述的斑点补正算法,获取采集的产品图像中前景图像与背景的灰度值的差值,以此区分产品图与背景图,并将获取的产品图定位斑点补正区域;
所述的飞边缺陷检测算法,通过建立二值化检测方法,用以检测产品边缘处的加工质量;通过对采集的产品图像进行二值化,强制让图像变成黑白色,增加图像边缘对比度,在动态位置补正算法结束,进入脏污检测算法参数设置界面,采用手动模式,用快捷工具手动绘制检测框,进行基于飞边缺陷检测算法的检测。
2.根据权利要求1所述的一种用于产品缺陷检测的视觉识别***,其特征在于,所述的动态位置补正算法,还包括边缘补正,轮廓补正,点线补正,圆心补正,用以对斑点补正算法后的产品图像进行位置辅助校正。
3.根据权利要求1所述的一种用于产品缺陷检测的视觉识别***,其特征在于,所述的脏污检测算法,在动态位置补正算法结束的基础上,具体的检测步骤为:
S1、在脏污检测算法参数设置界面,根据被检测产品图像的实际情况,选择手动模式与自动模式中任一种进行检测框的绘制;
S2、当选择手动模式进行检测框的绘制时,使用快捷工具手动绘制检测框,在检测框内使用斑点补正算法进行黑点检测;
S3、当选择自动模式进行检测框的绘制时,根据产品图像中的灰度值变化规律,设置多个对应灰度值的检测框;
S4、在S3的基础上,具有深色灰度值的检测框覆盖具有浅色灰度值的检测框,通过检测框的覆盖与交叉搜索操作,最终定位出黑点,用以实现黑点检测。
4.根据权利要求3所述的一种用于产品缺陷检测的视觉识别***,其特征在于,所述的检测框,在绘制时其灰度值通过采集产品图像中灰度值的最小值并减去20-50,作为检测框灰度值的最高值。
5.根据权利要求1所述的一种用于产品缺陷检测的视觉识别***,其特征在于,还包括一种用于产品缺陷检测的视觉识别设备,所述的视觉识别设备,具体包括电源启动指示灯,工控机,输送带,鼓风机,故障复位按钮,紧急停止按钮,开关控制装置,油水过滤器,气压传感器,变频调速器,光源控制器,料框满料报警指示灯。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310052608.8A CN115876785B (zh) | 2023-02-02 | 2023-02-02 | 一种用于产品缺陷检测的视觉识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310052608.8A CN115876785B (zh) | 2023-02-02 | 2023-02-02 | 一种用于产品缺陷检测的视觉识别*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115876785A CN115876785A (zh) | 2023-03-31 |
CN115876785B true CN115876785B (zh) | 2023-05-26 |
Family
ID=85758655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310052608.8A Active CN115876785B (zh) | 2023-02-02 | 2023-02-02 | 一种用于产品缺陷检测的视觉识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115876785B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06323813A (ja) * | 1991-09-06 | 1994-11-25 | Yaskawa Electric Corp | 視覚センサによる物***置認識方法 |
CN107340614B (zh) * | 2016-04-29 | 2020-07-14 | 均豪精密工业股份有限公司 | 检测或补正位置***及其方法 |
CN109330626B (zh) * | 2018-11-16 | 2022-04-12 | 中聚科技股份有限公司 | 一种自适应调节超声探头位置的装置及方法 |
CN110755099B (zh) * | 2019-10-10 | 2023-10-31 | 东软医疗***股份有限公司 | 一种偏转角度的检测方法、校正方法、装置及终端设备 |
CN211505269U (zh) * | 2019-11-19 | 2020-09-15 | 宁波舜宇仪器有限公司 | 镜头缺陷检测设备 |
CN111189854B (zh) * | 2020-04-13 | 2020-08-07 | 征图新视(江苏)科技股份有限公司 | 玻璃盖板自动检测***缺陷分层检测方法 |
CN112906475B (zh) * | 2021-01-19 | 2022-08-02 | 郑州凯闻电子科技有限公司 | 基于人工智能的城市测绘无人机滚动快门成像方法与*** |
CN113256653B (zh) * | 2021-05-25 | 2023-05-09 | 南京信息工程大学 | 一种面向高层地物的异源高分遥感影像配准方法 |
CN114283124A (zh) * | 2021-12-10 | 2022-04-05 | 苏州凌云视界智能设备有限责任公司 | 一种脏污检测方法、装置、设备和存储介质 |
CN115035092A (zh) * | 2022-07-01 | 2022-09-09 | 心鉴智控(深圳)科技有限公司 | 基于图像的瓶体检测方法、装置、设备及存储介质 |
-
2023
- 2023-02-02 CN CN202310052608.8A patent/CN115876785B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115876785A (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7015001B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
CN108776140B (zh) | 一种基于机器视觉的印刷品瑕疵检测方法及*** | |
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
JP6869490B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
US20170148154A1 (en) | Positioning Method, Positioning Apparatus, Program, And Computer Readable Recording Medium | |
CN110766702B (zh) | 一种双孢蘑菇分级判断方法 | |
CN110018172B (zh) | 产品检测***及方法 | |
CN110976338B (zh) | 一种基于机器视觉的试纸分拣***及分拣方法 | |
CN110096980A (zh) | 字符检测识别*** | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN111667475B (zh) | 一种基于机器视觉的大枣分级检测方法 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN109461156B (zh) | 基于视觉的螺纹密封塞装配检测方法 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN111426693A (zh) | 一种质量缺陷检测***及其检测方法 | |
CN109406539B (zh) | 一种透明药瓶底部积料缺陷检测***与方法 | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣***及方法 | |
CN111724375A (zh) | 一种屏幕检测方法及*** | |
CN115876785B (zh) | 一种用于产品缺陷检测的视觉识别*** | |
CN106651852A (zh) | 一种喷印字符关键笔画缺失的检测方法 | |
CN113145473A (zh) | 一种水果智能分拣***及方法 | |
CN114226262A (zh) | 瑕疵检测方法、瑕疵分类方法及其*** | |
CN116237266A (zh) | 一种法兰尺寸测量方法及其设备 | |
CN116106319A (zh) | 一种合成革瑕疵自动化检测方法及*** |
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 |