CN116912249B - 密封胶密封质量检测方法、装置、设备及其介质 - Google Patents
密封胶密封质量检测方法、装置、设备及其介质 Download PDFInfo
- Publication number
- CN116912249B CN116912249B CN202311175354.5A CN202311175354A CN116912249B CN 116912249 B CN116912249 B CN 116912249B CN 202311175354 A CN202311175354 A CN 202311175354A CN 116912249 B CN116912249 B CN 116912249B
- Authority
- CN
- China
- Prior art keywords
- glue
- image
- area
- colloid
- gluing
- 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
- 238000007789 sealing Methods 0.000 title claims abstract description 85
- 239000000565 sealant Substances 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 239000003292 glue Substances 0.000 claims abstract description 116
- 238000004026 adhesive bonding Methods 0.000 claims abstract description 74
- 239000000084 colloidal system Substances 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000007480 spreading Effects 0.000 claims abstract description 10
- 238000003892 spreading Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 210000000988 bone and bone Anatomy 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 239000011248 coating agent Substances 0.000 claims description 5
- 238000000576 coating method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001292396 Cirrhitidae Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明涉及密封质量检测技术领域,尤其涉及一种密封胶密封质量检测方法、装置、设备及其介质,方法包括:获取涂胶前后的两张图像;对两张图像预处理,得到涂胶区域;通过目标检测模型判断涂胶区域是否有涂胶,若有胶,则进入下一步;获取涂胶区域的胶体轮廓,根据胶体轮廓判断涂胶区域是否有断胶,若无断胶,则进入下一步;计算胶体轮廓的宽度值,并与预设宽度值比较,判断涂胶区域是否有溢胶,若胶体轮廓的宽度值在预设宽度值的范围内,则无溢胶,进入下一步;计算涂胶区域的骨骼线,获取骨骼线在胶体上的占比值,并与预设阈值比较,判断涂胶区域是否有少胶,若无少胶,密封胶的密封质量合格,提高了检测的效率,测量准确率高,且适用性高。
Description
技术领域
本发明涉及密封质量检测技术领域,尤其涉及一种密封胶密封质量检测方法、装置、设备及其介质。
背景技术
汽车车灯作为照明和安全信号传递的工具,是汽车必不可少的组件。为了提高车灯的使用性能,要求车灯具有良好密封质量。如果汽车车灯的密封质量不好,会造成水汽的侵入,进而影响车灯照明、车灯寿命和车灯外观,危及行车安全。汽车车灯在生产制作过程中,密封胶的粘结强度好,通常使用密封胶粘结进而实现密封保护,使用时,将密封胶均匀涂抹在第一装配件上,通过密封胶形成的密封胶层与第二装配件密封粘结。由于生产过程中涂抹密封胶时胶量无法实时把控等问题,密封胶的密封质量无法得到保障,若密封质量有问题,将直接影响设备的性能和寿命,进而影响设备运行的可靠性。
现代化高速的生产线,人眼无法识别或识别效率较低,另外,高额的人工成本,都迫使生产企业进行变革,如通过机器视觉助力产品质量检测效率,引入视觉检测***,让机器来替代人工检测进而提高生产检测效率。密封胶的密封质量检测可以通过人眼进行,但由于工作人员在长时间工作下容易疲惫,人工视觉质量效率低下。为了提高检测效率,现有技术中采用机器视觉对密封胶的密封质量进行检测,例如基于深度学习和halcon处理技术的密封胶密封质量检测,虽然两种方法检测过程检测效率高,但是基于深度学习在检测过程中需要获取大量数据集,且需要消耗时间去标注样本,耗时耗力,且当背景改变时,还需要重新训练模型,适用性不高;基于halcon处理技术的密封胶检测技术无法识别少胶状态,且存在合格品误判不合格品的问题,检测准确性低。
发明内容
本发明要解决的技术问题是:为了解决现有技术中密封胶密封质量速度慢、适用性低以及检测准确性低的问题,本发明提供一种密封胶密封质量检测方法,提高了密封胶密封质量检测的效率,测量准确率高,且适用性高。
本发明解决其技术问题所采用的技术方案是:一种密封胶密封质量检测方法,包括以下步骤:
S1,获取涂胶前的第一图像和涂胶后的第二图像;
S2,对所述第一图像和所述第二图像预处理,得到涂胶区域;
S3,通过目标检测模型判断所述涂胶区域是否有涂胶,若有胶,则进入下一步;
S4,获取所述涂胶区域的胶体轮廓,根据胶体轮廓判断所述涂胶区域是否有断胶,若无断胶,则进入下一步;
S5,计算所述胶体轮廓的宽度值W,并与预设宽度值比较,判断所述涂胶区域是否有溢胶,若所述胶体轮廓的宽度值W在预设宽度值的范围内,则无溢胶,进入下一步;
S6,计算所述涂胶区域的骨骼线,获取所述骨骼线在所述胶体上的占比值,并与预设阈值比较,判断所述涂胶区域是否有少胶,若无少胶,密封胶的密封质量合格;
所述步骤S6具体包括以下步骤:
S61,获取所述涂胶区域的顶点以及所述顶点的坐标;
S62,根据所述顶点的坐标计算所述涂胶区域质心的坐标P(x,y);
S63,根据所述顶点和所述质心对所述涂胶区域进行区域划分,形成多个子区域,所述子区域的数量和所述顶点的数量相同;
S64,计算所述涂胶区域的骨骼线,所述涂胶区域的骨骼线的计算包括:所述胶体轮廓包括胶体外轮廓和胶体内轮廓,获取所述胶体外轮廓的像素点A(x1,y1),以及所述像素点A(x1,y1)距离所述胶体内轮廓上最近的像素点a(x2,y2),计算所述像素点A和所述像素点a之间中心点的坐标,遍历所述胶体外轮廓和所述胶体内轮廓的全部像素点,计算得到所有中心点的坐标,连接所有中心点形成的直线为所述骨骼线;
S65,统计每块子区域骨骼线在胶体上的占比,将占比值与预设阈值比较,判断所述涂胶区域是否有少胶;
若无少胶,密封胶的密封质量合格;
反之,若少胶,密封胶的密封质量不合格。
进一步,具体地,所述步骤S2具体包括以下步骤:
S21,将所述第一图像和所述第二图像进行灰度处理,得到第一灰度图像和第二灰度图像;
S22,所述第一灰度图像上像素点的灰度值减去所述第二灰度图像上像素点的灰度值得到差分图像;
S23,对所述差分图像进行亮度自适应调整;
S24,利用滤波器对亮度调整后的所述差分图像进行滤波,得到滤波图像;
S25,通过大津法分割将所述滤波图像分为前景和背景,得到二值图像;
S26,基于所述二值图像,计算最大连通区域,所述最大连通区域为涂胶区域。
进一步,具体地,所述步骤S3具体包括以下步骤:
S31,将所述涂胶区域输入至所述目标检测模型检测,得到所述涂胶区域的线信息和位置坐标信息;
S32,根据所述线信息和所述位置坐标信息计算所述涂胶区域的面积;
S33,将所述涂胶区域的面积值与预设阈值比较;
若在所述预设阈值范围内,则判定为有胶,进入步骤S4;
反之,则为无胶,所述密封胶的密封质量不合格。
进一步,具体地,所述步骤S4具体包括以下步骤:
S41,根据所述线信息,提取所述涂胶区域的胶体内轮廓和胶体外轮廓,所述胶体内轮廓和所述胶体外轮廓之间形成所述胶体;
S42,检测所述胶体内轮廓和所述胶体外轮廓是否封闭;
若封闭,则未断胶,进入步骤S5;
反之,则为断胶,所述密封胶的密封质量不合格。
进一步,具体地,所述胶体轮廓的宽度值W计算包括以下步骤:
其中,x n1表示所述胶体外轮廓的横坐标,x n2表示所述胶体内轮廓的横坐标,y n1表示所述胶体外轮廓的纵坐标,y n2表示所述胶体内轮廓的纵坐标。
进一步,具体地,所述质心的坐标P(x,y)计算公式为:
;
;
其中,n为线信息的数量,i为根据顶点的数量形成三角形的数量,Si为形成三角形的面积,Xi为以Si为面积三个顶点的横坐标之和,Yi为以Si为面积三个顶点的纵坐标之和。
一种密封胶密封质量检测装置,所述检测装置包括:
视觉控制器,用以传输控制信号;
工业相机,根据所述控制信号拍摄涂胶前的第一图像和涂胶后的第二图像;
算法移动端,用以执行如上所述的密封胶密封质量检测方法;
显示器,显示所述工业相机拍摄的所述第一图像和所述第二图像;
一种计算机设备,包括:
处理器;
存储器,用于存储可执行指令;
其中,所述处理器用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现如上所述的密封胶密封质量检测方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,使得处理器实现如上所述的密封胶密封质量检测方法
本发明的有益效果是,本发明的一种密封胶密封质量检测方法,能够快速准确地辨别出密封胶是否涂在正确的位置上,提高了密封胶密封质量检测的效率,密封质量检测准确率高,且适用性高。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明实施例一的流程示意图。
图2是本发明实施例一中涂胶区域的示意图。
图3是本发明实施例一中差分图像的示意图。
图4是本发明实施例一中断胶和未断胶的示意图。
图5是本发明实施例一中胶体轮廓宽度在涂胶区域上的示意图。
图6是本发明实施例一中子区域的示意图。
图7是本发明实施例一中骨骼线的示意图。
图8是本发明实施例二的装置结构示意图。
图9是本发明实施例三的计算机设备结构示意图。
图中201、视觉控制器;202、工业相机;203、算法移动端;204、显示器;
10、计算机设备;1002、处理器;1004存储器;1006、传输装置。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例一:本申请实施例提供了一种密封胶密封质量检测方法,如图1所示,方法包括以下步骤:
S1,获取涂胶前的第一图像和涂胶后的第二图像。进一步的,通过工业相机采集被检测产品的图像。
S2,对第一图像和第二图像预处理,得到涂胶区域。以被检测产品为汽车控制器的外壳为例获得的涂胶区域如图2所示。
S3,通过目标检测模型判断涂胶区域是否有涂胶,若有胶,则进入下一步。
S4,获取涂胶区域的胶体轮廓,根据胶体轮廓判断涂胶区域是否有断胶,若无断胶,则进入下一步。
S5,计算胶体轮廓的宽度值W,并与预设宽度值比较,判断涂胶区域是否有溢胶,若胶体轮廓的宽度值W在预设宽度值的范围内,则无溢胶,进入下一步。
S6,计算涂胶区域的骨骼线,获取骨骼线在胶体上的占比值,并与预设阈值比较,判断涂胶区域是否有少胶,若无少胶,密封胶的密封质量合格。
在本实施例中,步骤S2具体包括以下步骤:
S21,将第一图像和第二图像进行灰度处理,得到第一灰度图像和第二灰度图像;进一步的,采用差分法将第一图像和第二图像进行灰度处理,设第一图像为f n,第二图像为f n-1,第一灰度图像记为f n(x,y),第二灰度图像记为f n-1(x,y)。
S22,第一灰度图像上像素点的灰度值减去第二灰度图像上像素点的灰度值得到差分图像Dn,获取的差分图像Dn如图3所示,进一步的,差分图像Dn计算公式为:
。
需要说明的是,由于获取的第一图像和第二图像是三通道彩色图,在图像拍摄时为了确保获取的图像有足够的光源,会增加照明亮度,因此采集的第一图像和第二图像内部会有严重的反光,虽然可以采用传统视觉处理算法剔除反光,但是对于其他光照条件的密封胶密封质量检测,算法并不具备一定优势,在本实施例中,通过未涂胶的第一图像与涂完胶的第二图像差分处理得到差分图像Dn,获取差分图像Dn,只保留了胶体部分信息,便于针对不同光照条件的密封胶密封质量检测,适用性广。
S23,对差分图像Dn,进行亮度自适应调整;进一步的,通过计算差分图像Dn的平均灰度值,与参考亮度值进行比较,在图像处理中,可以使用add函数对差分图像Dn的像素值进行加减操作,来调整图像的亮度,以实现对差分图像Dn亮度补偿,平均灰度值的计算公式为:
其中,a为差分图像Dn的高,b为差分图像Dn的宽。
亮度补偿根据参考亮度值对差分图像Dn中的各个像素进行补偿,计算方法如下:
其中,k为参考亮度值。
S24,利用滤波器对亮度调整后的差分图像进行滤波,得到滤波图像,其中滤波器的滤波算子设置为均值算子,也可以是求和算子或其他自定义算子,滤波器的大小和步长根据检测需求设置。由于采集的图像反射的光线具有随机性,差分图像中胶体的信息有可能会出现部分胶体信息缺失的情况,在保留胶体特征的基础上,利用滤波器可以计算出亮度调整后的差分图像所有像素点的灰度值指标,增强胶体特征,并在不增加噪声的前提下尽可能补齐胶体缺失的信息,提高测量的准确性。
S25,通过大津法分割将滤波图像分为前景和背景,得到二值图像。
大津法分割计算公式为:
其中,v和v ’分别表示二值图像二值化前、后像素灰度值;
K为方差,n c1和n c2分别为二值化后两个像素值的个数,m c1和m c2分别为二值化前两个像素点灰度值的平均值。
需要说明的是,采用大津法分割将滤波图像分为前景和背景,得到一张二值图像,大津法与其他二值化方法相比,大津法分割自适应阈值机制有助于提高算法对成像图像整体灰度变化的鲁棒性。
S26,基于二值图像,计算最大连通区域,最大连通区域为涂胶区域。通过滤波器对亮度调整后的差分图像进行滤波能够过滤内部噪声,但还存在许多外部噪声,参见图3所示如安装在汽车车灯壳体内的控制线路板由于过曝会遗留噪声,得到的最大连通区域能够去除未过滤掉该类型的外部噪声,加强胶体部分特征,能够进一步提高了检测的准确性。
在本实施例中,步骤S3具体包括以下步骤:
S31,将涂胶区域输入至目标检测模型检测,得到涂胶区域的线信息和位置坐标信息。
S32,根据线信息和位置坐标信息计算涂胶区域的面积。
S33,将涂胶区域的面积值与预设阈值比较;若在预设阈值范围内,则判定为有胶,进入步骤S4;反之,则为无胶,密封胶的密封质量不合格。
需要说明的是,在本实施例中还可以直接根据获取的线信息,判断涂胶区域是否有胶体轮廓,判断是否有胶,若有胶体轮廓,则涂胶区域有胶,反之,则涂胶区域无胶。
在本实施例中,步骤S4具体包括以下步骤:
S41,根据线信息,提取涂胶区域的胶体内轮廓和胶体外轮廓,胶体内轮廓和胶体外轮廓之间形成胶体。
S42,检测胶体内轮廓和胶体外轮廓是否封闭;若封闭,则未断胶,参见图4(b)所示,进入步骤S5;反之,则为断胶,参见图4(a)所示,密封胶的密封质量不合格。进一步的,通过Opencv图像处理方法检测胶体内轮廓和胶体外轮廓是否形成封闭。
在本实施例中,步骤S5胶体轮廓的宽度值W计算包括以下步骤:
其中,x n1表示胶体外轮廓的横坐标,x n2表示胶体内轮廓的横坐标,y n1表示胶体外轮廓的纵坐标,y n2表示胶体内轮廓的纵坐标。
需要说明的是,如图5所示,为了提高处理速度,计算所有胶体轮廓的宽度值W,通过遍历所有所有胶体轮廓的宽度值W,获取胶体外轮廓和胶体内轮廓之间的最大胶体轮廓的宽度值W1,将最大胶体轮廓的宽度值W1与预设阈值比较,若大于预设阈值则溢胶,相对于在处理过程中间计算出的每一个胶体轮廓的宽度值W并与预设阈值比较,提高了处理速度,进而提高了对密封质量检测效率。
在本实施例中,步骤S6具体包括以下步骤:
S61,获取涂胶区域的顶点以及顶点的坐标,参见图6所示,涂胶区域的顶点为顶点H、顶点I、顶点J和顶点L。
S62,根据顶点的坐标计算涂胶区域质心的坐标P(x,y);进一步的,质心的坐标P(x,y)计算公式为:
;
;
其中,n为线信息的数量,i为根据顶点的数量形成三角形的数量,Si为形成三角形的面积,Xi为以Si为面积三个顶点的横坐标之和,Yi为以Si为面积三个顶点的纵坐标之和。
S63,根据顶点和质心P对涂胶区域进行区域划分,形成多个子区域,子区域的数量和顶点的数量相同,参见图6所示的子区域分别为子区域HPI、子区域IPL、子区域LPJ以及子区域JPH。
S64,获取胶体外轮廓的像素点A(x1,y1),以及像素点A(x1,y1)距离胶体内轮廓上最近的像素点a(x2,y2),计算像素点A和像素点a之间中心点的坐标,中心点的坐标C为((x1+x2)/2,(y1+y2)/2);遍历胶体外轮廓和胶体内轮廓的全部像素点,计算得到所有中心点的坐标,连接所有中心点形成的直线为骨骼线,参见图7所示。
S65,统计每块子区域骨骼线在胶体上的占比,将占比值与预设阈值比较,判断涂胶区域是否有少胶;若无少胶,密封胶的密封质量合格;反之,若少胶,密封胶的密封质量不合格,进一步提高了密封胶密封质量检测的效率。
进一步的,以子区域HPI为例,子区域HPI骨骼线在胶体上的占比计算为实际骨骼线在胶体上的像素点Si与理想骨骼线在胶体上的像素点Ti的比值。
需要说明的是,在本实施例中,溢胶判定的判定时间小于少胶判定的判定时间,先进行溢胶判定,再进行少胶判定,若溢胶,则直接判定密封胶的密封质量不合格,能够进一步提高检测的效率。
综上,本发明的一种密封胶密封质量检测方法,能够快速准确地辨别出密封胶是否涂在正确的位置上,提高了密封胶密封质量检测的效率,密封质量检测准确率高,且适用性高。
实施例2:基于与前述实施例中一种密封胶密封质量检测方法同样发明构思,如图8所示,本申请实施例提供了一种密封胶密封质量检测装置,检测装置包括:
视觉控制器201,用以传输控制信号;
工业相机202,根据控制信号拍摄涂胶前的第一图像和涂胶后的第二图像;
算法移动端203,用以执行如上的密封胶密封质量检测方法;
显示器204,显示工业相机拍摄的第一图像和第二图像;
前述图1实施例一中的一种密封胶密封质量检测方法的各种变化方式和具体实例同样适用于本实施例的一种密封胶密封质量检测装置,通过前述对一种密封胶密封质量检测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种密封胶密封质量检测装置实施方法,所以为了说明书的简洁,此处不再详述。
实施例3:本申请实施例提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的一种密封胶密封质量检测方法。
图9示出了一种用于实现本申请实施例所提供的一种密封胶密封质量检测方法的设备的硬件结构示意图,设备可以参与构成或包含本申请实施例所提供的装置或***。如图9所示,计算机设备10可以包括一个或多个处理器1002(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1004、以及用于通信功能的传输装置1006。除此以外,还可以包括:显示设备、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图9所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机设备10还可包括比图9中所示更多或者更少的组件,或者具有与图9所示不同的配置。
应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机设备10(或移动设备)中的其他元件中的任意一个内。如本申请实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器1004可用于存储应用软件的软件程序以及模块,如本申请实施例中的一种密封胶密封质量检测方法对应的程序指令/数据存储装置,处理器通过运行存储在存储器1004内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的一种方法。存储器1004可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器1004可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算机设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置1006用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机设备10的通信供应商提供的无线网络。在一个实例中,传输装置1006包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置1006可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示设备可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机设备10(或移动设备)的用户界面进行交互。
实施例4:本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质可设置于服务器之中以保存用于实现方法实施例中一种密封胶密封质量检测方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的一种密封胶密封质量检测方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
实施例5:本发明实施例还提供了一种计算机程序产品或计算机程序,计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实施方式中提供的一种密封胶密封质量检测方法。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备和存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (9)
1.一种密封胶密封质量检测方法,其特征在于,包括以下步骤:
S1,获取涂胶前的第一图像和涂胶后的第二图像;
S2,对所述第一图像和所述第二图像预处理,得到涂胶区域;
S3,通过目标检测模型判断所述涂胶区域是否有涂胶,若有胶,则进入下一步;
S4,获取所述涂胶区域的胶体轮廓,根据胶体轮廓判断所述涂胶区域是否有断胶,若无断胶,则进入下一步;
S5,计算所述胶体轮廓的宽度值W,并与预设宽度值比较,判断所述涂胶区域是否有溢胶,若所述胶体轮廓的宽度值W在预设宽度值的范围内,则无溢胶,进入下一步;
S6,计算所述涂胶区域的骨骼线,获取所述骨骼线在所述胶体上的占比值,并与预设阈值比较,判断所述涂胶区域是否有少胶,若无少胶,密封胶的密封质量合格;
所述步骤S6具体包括以下步骤:
S61,获取所述涂胶区域的顶点以及所述顶点的坐标;
S62,根据所述顶点的坐标计算所述涂胶区域质心的坐标P(x,y);
S63,根据所述顶点和所述质心对所述涂胶区域进行区域划分,形成多个子区域,所述子区域的数量和所述顶点的数量相同;
S64,计算所述涂胶区域的骨骼线,所述涂胶区域的骨骼线的计算包括:所述胶体轮廓包括胶体外轮廓和胶体内轮廓,获取所述胶体外轮廓的像素点A(x1,y1),以及所述像素点A(x1,y1)距离所述胶体内轮廓上最近的像素点a(x2,y2),计算所述像素点A和所述像素点a之间中心点的坐标,遍历所述胶体外轮廓和所述胶体内轮廓的全部像素点,计算得到所有中心点的坐标,连接所有中心点形成的直线为所述骨骼线;
S65,统计每块子区域骨骼线在胶体上的占比,将占比值与预设阈值比较,判断所述涂胶区域是否有少胶;
若无少胶,密封胶的密封质量合格;
反之,若少胶,密封胶的密封质量不合格;
其中,每块子区域骨骼线在胶体上的占比计算为实际骨骼线在胶体上的像素点Si与理想骨骼线在胶体上的像素点Ti的比值。
2.如权利要求1所述的密封胶密封质量检测方法,其特征在于,所述步骤S2具体包括以下步骤:
S21,将所述第一图像和所述第二图像进行灰度处理,得到第一灰度图像和第二灰度图像;
S22,所述第一灰度图像上像素点的灰度值减去所述第二灰度图像上像素点的灰度值得到差分图像;
S23,对所述差分图像进行亮度自适应调整;
S24,利用滤波器对亮度调整后的所述差分图像进行滤波,得到滤波图像;
S25,通过大津法分割将所述滤波图像分为前景和背景,得到二值图像;
S26,基于所述二值图像,计算最大连通区域,所述最大连通区域为涂胶区域。
3.如权利要求1所述的密封胶密封质量检测方法,其特征在于,所述步骤S3具体包括以下步骤:
S31,将所述涂胶区域输入至所述目标检测模型检测,得到所述涂胶区域的线信息和位置坐标信息;
S32,根据所述线信息和所述位置坐标信息计算所述涂胶区域的面积;
S33,将所述涂胶区域的面积值与预设阈值比较;
若在所述预设阈值范围内,则判定为有胶,进入步骤S4;
反之,则为无胶,所述密封胶的密封质量不合格。
4.如权利要求3所述的密封胶密封质量检测方法,其特征在于,所述步骤S4具体包括以下步骤:
S41,根据所述线信息,提取所述涂胶区域的胶体内轮廓和胶体外轮廓,所述胶体内轮廓和所述胶体外轮廓之间形成所述胶体;
S42,检测所述胶体内轮廓和所述胶体外轮廓是否封闭;
若封闭,则未断胶,进入步骤S5;
反之,则为断胶,所述密封胶的密封质量不合格。
5.如权利要求4所述的密封胶密封质量检测方法,其特征在于,所述胶体轮廓的宽度值W计算包括以下步骤:
其中,x n1表示所述胶体外轮廓的横坐标,x n2表示所述胶体内轮廓的横坐标,y n1表示所述胶体外轮廓的纵坐标,y n2表示所述胶体内轮廓的纵坐标。
6.如权利要求1所述的密封胶密封质量检测方法,其特征在于,所述质心的坐标P(x,y)计算公式为:
;
;
其中,n为线信息的数量,i为根据顶点的数量形成三角形的数量,Si为形成三角形的面积,Xi为以Si为面积三个顶点的横坐标之和,Yi为以Si为面积三个顶点的纵坐标之和。
7.一种密封胶密封质量检测装置,其特征在于,所述检测装置包括:
视觉控制器,用以传输控制信号;
工业相机,根据所述控制信号拍摄涂胶前的第一图像和涂胶后的第二图像;
算法移动端,用以执行如权利要求1至6中任一项所述的密封胶密封质量检测方法;
显示器,显示所述工业相机拍摄的所述第一图像和所述第二图像。
8.一种计算机设备,其特征在于,包括:
处理器;
存储器,用于存储可执行指令;
其中,所述处理器用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现如权利要求1至6中任一项所述的密封胶密封质量检测方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,当所述计算机程序被处理器执行时,使得处理器实现如权利要求1至6中任一项所述的密封胶密封质量检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175354.5A CN116912249B (zh) | 2023-09-13 | 2023-09-13 | 密封胶密封质量检测方法、装置、设备及其介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175354.5A CN116912249B (zh) | 2023-09-13 | 2023-09-13 | 密封胶密封质量检测方法、装置、设备及其介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116912249A CN116912249A (zh) | 2023-10-20 |
CN116912249B true CN116912249B (zh) | 2023-12-01 |
Family
ID=88351506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311175354.5A Active CN116912249B (zh) | 2023-09-13 | 2023-09-13 | 密封胶密封质量检测方法、装置、设备及其介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116912249B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117644007B (zh) * | 2024-01-29 | 2024-04-09 | 湖南和锐镭射科技有限公司 | 转移纸上胶复合工序的监管方法及*** |
CN118071744A (zh) * | 2024-04-19 | 2024-05-24 | 江南数控机床有限公司 | 一种基于图像检测的复合机智能涂胶方法、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR982037A (fr) * | 1943-06-04 | 1951-06-04 | Brass Cav | Perfectionnements aux machines à étiqueter les bouteilles ou autres objets |
TW201532321A (zh) * | 2014-02-10 | 2015-08-16 | Sunup Technology Co Ltd | 散熱片及使用該散熱片的封裝結構 |
US9619908B1 (en) * | 2014-03-24 | 2017-04-11 | Google Inc. | Identification of lines in a heat map |
CN114494257A (zh) * | 2022-04-15 | 2022-05-13 | 深圳市元硕自动化科技有限公司 | 涂胶检测方法、装置、设备及存储介质 |
CN115187562A (zh) * | 2022-07-22 | 2022-10-14 | 重庆中科摇橹船信息科技有限公司 | 涂胶缺陷检测方法及装置 |
WO2023019508A1 (zh) * | 2021-08-19 | 2023-02-23 | 宁德时代新能源科技股份有限公司 | 涂胶面积的检测方法、电子设备和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2489427A1 (en) * | 2011-02-16 | 2012-08-22 | Helmholtz-Zentrum für Infektionsforschung GmbH | Device and method for production and analysis of prions |
-
2023
- 2023-09-13 CN CN202311175354.5A patent/CN116912249B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR982037A (fr) * | 1943-06-04 | 1951-06-04 | Brass Cav | Perfectionnements aux machines à étiqueter les bouteilles ou autres objets |
TW201532321A (zh) * | 2014-02-10 | 2015-08-16 | Sunup Technology Co Ltd | 散熱片及使用該散熱片的封裝結構 |
US9619908B1 (en) * | 2014-03-24 | 2017-04-11 | Google Inc. | Identification of lines in a heat map |
WO2023019508A1 (zh) * | 2021-08-19 | 2023-02-23 | 宁德时代新能源科技股份有限公司 | 涂胶面积的检测方法、电子设备和计算机可读存储介质 |
CN114494257A (zh) * | 2022-04-15 | 2022-05-13 | 深圳市元硕自动化科技有限公司 | 涂胶检测方法、装置、设备及存储介质 |
CN115187562A (zh) * | 2022-07-22 | 2022-10-14 | 重庆中科摇橹船信息科技有限公司 | 涂胶缺陷检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
吴福培等.《计算机集成制造***》.2023,1-16页. * |
基于HALCON的点胶质量检测***设计;彭;刘燕子;张东霖;;包装工程(第15期);204-209页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116912249A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116912249B (zh) | 密封胶密封质量检测方法、装置、设备及其介质 | |
CN107977940B (zh) | 背景虚化处理方法、装置及设备 | |
US20180218485A1 (en) | Method and apparatus for fusing plurality of depth images | |
US10378857B2 (en) | Automatic deviation correction method | |
CN102930252A (zh) | 一种基于神经网络头部运动补偿的视线跟踪方法 | |
WO2019105261A1 (zh) | 背景虚化处理方法、装置及设备 | |
CN114897864B (zh) | 基于数模信息的工件检测及缺陷判断方法 | |
CN108024057B (zh) | 背景虚化处理方法、装置及设备 | |
CN105835507A (zh) | 一种手机盖板玻璃和液晶屏的贴合方法 | |
CN105740856A (zh) | 一种基于机器视觉的指针式仪表示数读取方法 | |
CN107038722A (zh) | 一种设备定位方法及装置 | |
CN112614192B (zh) | 一种车载相机的在线标定方法和车载信息娱乐*** | |
US11042984B2 (en) | Systems and methods for providing image depth information | |
CN113822942B (zh) | 一种基于二维码的单目摄像头测量物体尺寸的方法 | |
CN107507244A (zh) | 一种单帧图像的相机标定方法、标定操作方法及标定装置 | |
US10107594B1 (en) | Analysis method of electronic spotting scope for automatically analyzing shooting accuracy | |
CN108182666B (zh) | 一种视差校正方法、装置和终端 | |
CN113838003B (zh) | 图像的斑点检测方法、设备、介质及计算机程序产品 | |
CN114494582A (zh) | 一种基于视觉感知的三维模型动态更新方法 | |
CN111598097B (zh) | 一种基于机器人视觉的仪表位置、读数识别方法和*** | |
CN109829927B (zh) | 一种电子眼镜及高空景象图像重建方法 | |
CN106506971A (zh) | 一种对焦方法及移动终端 | |
CN110555858A (zh) | 一种电控板热熔胶位置检测的方法及设备 | |
CN115620079A (zh) | 样本标签的获取方法和镜头失效检测模型的训练方法 | |
CN114219758A (zh) | 缺陷检测方法、***、电子设备和计算机可读存储介质 |
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 |