CN102095733A - 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法 - Google Patents
一种基于机器视觉对瓶盖表面瑕疵的智能检测方法 Download PDFInfo
- Publication number
- CN102095733A CN102095733A CN 201110048984 CN201110048984A CN102095733A CN 102095733 A CN102095733 A CN 102095733A CN 201110048984 CN201110048984 CN 201110048984 CN 201110048984 A CN201110048984 A CN 201110048984A CN 102095733 A CN102095733 A CN 102095733A
- Authority
- CN
- China
- Prior art keywords
- bottle cap
- image
- parameter
- parameters
- block
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 230000007547 defect Effects 0.000 title abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000003491 array Methods 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 230000002950 deficient Effects 0.000 claims description 11
- 238000007664 blowing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 4
- 238000007639 printing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000007645 offset printing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 238000006748 scratching Methods 0.000 description 1
- 230000002393 scratching effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于机器视觉对瓶盖表面瑕疵的智能检测方法,其步骤如下:(1)采集合格瓶盖的图像信息;(2)对瓶盖表面图像进行圆定位和特征参数提取;(3)将获得的瓶盖表面图像的各参数分别存入不同的数组;(4)判断瓶盖采集次数是否达到预先设定的采集次数;(5)统计出各参数的平均值和各参数的上限值及下限值,将上下限值之间的差值作为误差宽容度范围;(6)采集待检测瓶盖的图像信息并提取特征参数;(7)判断该参数对应的误差是否在误差宽容度范围内,并经识别等步骤,对有瑕疵的不合格瓶盖剔除。该方法能够智能化的提取瓶盖表面图像特征参数作为检测标准;实现了图像的快速检测,检测效率较高;可以附加在现有瓶盖生产线上,实现边生产边检测的在线检测。
Description
技术领域
本发明涉及一种基于机器视觉对瓶盖表面瑕疵的智能检测方法。
背景技术
在工业自动化生产线中,特别是金属瓶盖生产中,由于要经过商标印刷、剪裁冲压、内垫注胶、胶垫成型等多道工序,瓶盖表面容易出现印刷瑕疵、刮擦痕迹等缺陷,这些缺陷主要包括:飞墨、重影、偏色、偏印、漏印、黑点、污染、刮擦等。为了将不合格的产品分拣出来,提高产品的出厂合格率,需要对产品进行细致的检测。传统的检测是通过专业人员利用人工视觉目检完成,其缺点是:1. 速度慢、效率低;2. 检测质量不稳定。在重复劳动下,人工检测容易使人疲劳,常会出现漏检现象,造成产品质量不稳定;3. 检测标准不统一。由于不同人对色彩深浅的判断标准存在个体差异,造成检测的结果存在差异;4. 检测控制周期长。由于人工检测为非在线检测,检测控制周期长,一旦生产线出现产品质量偏差,无法及时调整,将会有大量的残次品被生产出来,造成浪费。 针对瓶盖表面质量人工检测存在的缺陷,迫切需要一种在线自动检测系统。机器视觉技术具有非接触,检测速度快,准确率高,检测结果客观可靠的特点,配合合适的检测算法可以迅速准确地检测瓶盖表面瑕疵。机器视觉在很多检测领域已有应用,在瓶盖检测领域也有应用先例,但是大部分是对瓶盖内垫或具有旋转对称性图像的外盖的检测(例如专利CN101799431A)。因为具有旋转对称性图像的算法实现容易,检测较为简单。而大部分瓶盖外表面图像不具有旋转对称性,这就为快速图像匹配检测带来困难,一般情况下,随机旋转的非对称性图像匹配计算较为复杂,耗时较长,很难满足快速的要求,特别是在瓶盖生产线中,每分钟至少要检测2500个以上,如何能够实现快速准确的对瓶盖外表面检测是困扰生产技术人员多年的问题。
发明内容
针对现有技术存在的技术问题,本发明的目的是提供一种基于机器视觉对瓶盖表面瑕疵的智能检测方法,该方法不仅能够实现边生产边检测的在线检测,而且检测速度快,检测效率高。
为达到上述目的,本发明的构思是:利用工业照相机附加到瓶盖生产线上的待测工位,利用专用光源照明待测瓶盖表面,采集瓶盖的图像信息,将所采集的图像信息传送到瓶盖表面图像处理系统,瓶盖表面图像处理系统对所述瓶盖表面图像处理后输出控制信号,控制工件剔除单元动作,剔除有瑕疵的瓶盖,工件剔除单元具有根据不同瑕疵类型自动分类剔除功能,并将不同瑕疵瓶盖分类放置,方便后续的复检和修复工作。
根据上述的发明构思,本发明采用下述技术方案:
一种基于机器视觉对瓶盖表面瑕疵的智能检测方法,该方法包括检测流程,其特征在于,其具体步骤包括如下:
(1)、用高速工业照相机附加到瓶盖自动化生产线工件传送带上的待测工位,待测工位放置事先选出的待检测瓶盖的合格品,用专用光源照明待检测瓶盖表面,采集合格瓶盖的图像信息,读入所述工业计算机内存;
(2)、对步骤(1)中读入工业计算机内存中的瓶盖表面图像进行圆定位和特征参数提取
(2-1)、对的瓶盖表面图像进行定位,找出瓶盖表面图像的圆心和半径参数;
(2-2)、对瓶盖表面图像进行特征参数提取,首先进行瓶盖图像二值化,按照4连通原则分割图块,分割区域限定在瓶盖表面图像的圆内进行,然后计算特征参数,其特征参数包括每个图块的块面积参数、圆心距参数、偏角参数;
(3) 将步骤(2)中获得的瓶盖表面图像的圆心和半径参数、块面积参数、圆心距参数、偏角参数分别存入不同的数组;
(4)、判断瓶盖采集次数是否达到预先设定的采集次数,若没有达到预先设定的瓶盖采集次数,则转步骤(1),继续进行下一个瓶盖的图像采集,下一个瓶盖为同一品种的另一合格瓶盖,若达到预先设定的采集次数,则转步骤(5);
(5) 分别从步骤(3)中的不同的数组中找出半径和不同块的块面积参数、圆心距参数、偏角参数,求出各参数的平均值和各参数的上限值及下限值,上下限值之间的差值作为误差宽容度,并将半径参数平均值、块面积参数平均值、圆心距参数平均值、偏角参数平均值作为标准特征参数,存入工业计算机的数据库中;
(6) 根据生产的要求,对步骤(5)中得到的误差宽容度范围设定;
(7) 用高速工业照相机附加到瓶盖自动化生产线上的待测工位,待测工位放置待检测瓶盖,用专用光源照明待检测瓶盖表面,采集待检测瓶盖的图像信息,读入所述工业计算机内存;
(8) 对步骤(7)中读入工业计算机内存中的瓶盖表面图像进行定位,找出瓶盖表面图像的圆心和半径;
(9) 对步骤(8)中获得的圆半径与步骤(5)数据库中标准的圆半径之间差值运算,得到它们之间的误差,判断该误差是否在半径误差宽容度范围内,若该误差是在圆半径的误差宽容度范围内,转步骤(10),若该误差不是在圆半径的误差容许范围内,则转步骤(12);
(10) 计算步骤(9)中分割后的瓶盖表面图块特征参数,其特征参数包括每个图块的块面积参数、圆心距参数和偏角参数;
(11)、分别计算步骤(10)中获得的瓶盖表面块面积参数、圆心距参数、偏角参数与步骤(5)数据库中的标准特征参数之间的误差,判断误差是否在与之相对应的误差宽容度范围内,若误差是在与之相对应的误差宽容度范围内,则认为合格瓶盖,转步骤(7)继续下一个瓶盖的检测,若误差不是在与之相对应的误差宽容度范围内,则认为有瑕疵瓶盖,转步骤(12);
(12) 瓶盖表面图像处理系统向瓶盖剔除单元输出剔除控制信号,启动工件剔除单元,打开电磁阀,工件剔除单元的瓶盖吹嘴喷出压缩空气吹落有瑕疵的不合格瓶盖,完成有瑕疵的不合格瓶盖剔除后,转步骤(7)继续对下一个待测瓶盖的检测。
上述步骤(2)所述的对瓶盖表面图像进行特征参数提取,其特征参数包括分割后各图块的块面积参数、圆心距参数、偏角参数,其具体计算为:
,
本发明的一种基于机器视觉对瓶盖表面瑕疵的智能检测方法与现有技术相比较,具有的优点在于:该方法能够自动提取瓶盖表面图像特征参数;该方法将图像的圆半径参数、块面积参数、圆心距参数和偏角参数作为旋转不变量,对旋转非对称特性图像,实现了图像的快速检测,检测效率较高;该方法可以附加在现有生产线上,实现边生产边检测的在线检测。本发明适用于自动化瓶盖生产线上瓶盖的表面瑕疵高速检测。
附图说明
图1是用于本发明的一种基于机器视觉对瓶盖表面瑕疵的智能检测方法的装置示意图;
图2是本发明的基于机器视觉对瓶盖表面瑕疵智能检测方法的流程图;
图3是本发明的方法所采集到的二个合格的瓶盖表面图像的圆定位示意图;
图4是本发明的方法所检测的对瓶盖表面图像检测前后有瑕疵的二个瓶盖图像示意图。
具体实施方式
以下结合附图和具体实施例对本发明的实施例作进一步详细的描述。
参见图1,一种用于基于机器视觉对瓶盖表面瑕疵的智能检测方法的装置,其特征在于:包括光电传感器单元(201,202)、成像系统(301,302,303)、工业计算机(401)以及剔除单元(501,502,503a,503b,504a,504b,505a,505b,506a,506b)。图中101、102和103分别为瓶盖、瓶盖生产工件传送带和传送带方向指示。所述光电传感器单元包括光电传感器发射端(201)和光电传感器接收端(202),分别安装于工件传送带上方两侧,用于检测工件是否到位,以便产生脉冲信号输送到工业计算机(401),工业计算机发出指令触发工业照相机(303)拍照;所述成像系统与工业计算机的图像信号输入端相连,包括专用光源(301)、光源控制器(302)和工业照相机(303),所述专用光源(301)为环形LED光源,为所述工业照相机拍照时提供照明,所述工业照相机位于所述专用光源的正上方,所述工业照相机(303)的镜头通过所述专用光源(301)的环形中间取景,并装设于工件传送带上方便于对瓶盖(101)表面拍照,拍照后获得的图像输送到工业计算机内存;所述剔除控制单元(501)与工业计算机相连,并接受工业计算机(401)的控制,所述剔除单元包括剔除控制(501)、空气压缩机(502)、气体传输管线(503a,503b)、电磁阀(504a,504b)和瓶盖吹嘴(505a,505b)、瑕疵瓶盖收集箱(506a,506b),并装设于瓶盖传送带上方侧面,所述电磁阀(504a,504b)和空气压缩机(502)均与所述剔除控制单元(501)有电路连接,并受控于所述剔除控制单元的控制,空气压缩机、电磁阀以及瓶盖吹嘴之间有气体传输管线(503a,503b)连接,输送高压气体,以便电磁阀(504a或504b)打开时有高压气流从瓶盖吹嘴(505a或505b)吹出,将有瑕疵的瓶盖吹落剔除,所述电磁阀和瓶盖吹嘴由一组或多组组成,可用于分类剔除不同瑕疵的瓶盖并分类收集之。
参见图2,本发明的一种基于机器视觉对瓶盖表面瑕疵的智能检测方法,其步骤包括如下:
(1)、获取标准瓶盖图像:用高速工业照相机(303)附加到瓶盖自动化生产线工件传送带(102)上的待测工位,待测工位放置合格瓶盖作为标准瓶盖(101),用专用光源(301)照明待测瓶盖表面(101),采集合格的瓶盖(101)的图像信息,如图3中的左图所示,并读入所述工业计算机(401)内存;
(2)、瓶盖表面图像圆定位和圆内图像的特征提取:对步骤(1)中读入工业计算机内存中的瓶盖表面图像进行圆定位和特征提取
(2-1)、对瓶盖表面图像进行圆定位,找出瓶盖的圆心位置和半径,如图3中的右图所示,将圆心位置坐标和半径存入工业计算机内存;
(2-2)、对瓶盖表面图像进行特征参数提取,首先进行瓶盖图像二值化,按照4连通原则分割图块,分割区域仅在瓶盖表面图像的圆内进行,其特征参数包括每个图块的块面积参数、圆心距参数、偏角参数,其具体为:
(4)、采集次数是否达到预先设定值:判断对合格瓶盖的图像采集次数是否达到预先设定的采样数值,若采集的瓶盖图像没有达到预先设定的数值,则还需继续采集瓶盖图像,返回步骤(1),若采集的瓶盖图像次数已经达到预先设定的数值,不再需要继续采集,则执行下一步骤(5),一般采集瓶盖图像的数量设为30~50个;
(5)、统计特征参数平均值及误差宽容度:分别从步骤(1)~(4)中的获得的半径参数、各图块的块面积参数、圆心距参数和偏角参数,求出各参数的平均值和各参数的上限值及下限值,将各参数的平均值作为标准特征参数,将上下限值的差值作为误差宽容度范围值,存入工业计算机的数据库中;
(6)、待测瓶盖特征参数误差宽容度设定:根据生产的要求,对步骤(5)中得到的误差宽容度范围设定,以便满足对不同产品的质量要求;
(7)、获取待测瓶盖表面图像:用高速工业照相机(303)附加到瓶盖自动化生产线工件传送带(102)上的待测工位,待测工位放置待检测瓶盖(101),用专用光源(301)照明待测瓶盖(101)表面,采集待测瓶盖的图像信息,读入所述工业计算机(401)内存;
(8)、获取待测瓶盖圆心坐标和半径参数:对步骤(7)中读入工业计算机内存中的待测瓶盖表面图像进行圆定位,找出瓶盖的圆心位置和半径参数,并将圆心位置坐标和半径参数存入工业计算机内存;
(9)、判断步骤8中半径参数与标准半径参数之差是否在误差宽容度范围内:对计算步骤(8)中获得的圆半径参数与步骤(5)数据库中标准的圆半径参数差值运算,得到它们之间的误差,判断该误差是否在步骤(6)中设定的半径误差宽容度范围内,若该误差是在圆半径的误差宽容度范围内,转步骤(10),若该误差不是在圆半径的误差宽容度范围内,则转步骤(12);
(10)、待测瓶盖的图像特征参数提取:对待测瓶盖表面图像按照4连通原则分割图块,计算分割后的瓶盖表面图块特征参数,其特征参数包括各图块的块面积参数、圆心距参数和偏角参数;
(11) 、步骤10中特征参数与标准特征参数之差是否在误差宽容度范围内:将步骤(10)中获得的待测瓶盖表面图像块面积参数、圆心距参数、偏角参数分别与计算机数据库中的标准特征参数进行差值运算,得到它们之间的差值分别为块面积参数误差、圆心距参数误差、偏角参数误差,判断块面积参数误差,圆心距参数误差、偏角参数误差是否在步骤(6)中设定的各自的参数误差宽容度范围内,若各特征参数对应的误差全部在设定的误差宽容度范围内,则认为合格瓶盖,转步骤(7)继续对下一个瓶盖检测,若有特征参数对应的误差不是在设定的误差宽容度范围内,则认为有瑕疵瓶盖,将瑕疵标定出后转步骤(12),如图4右图所示为标定出瑕疵的瓶盖图像;
(12)、驱动瓶盖剔除单元:工业计算机(401)向瓶盖剔除控制单元(501)发送有瑕疵瓶盖控制信号,启动剔除控制单元,打开电磁阀(504a或504b),连接在电磁阀上的瓶盖吹嘴(505a或505b)喷出压缩空气,吹落不合格瓶盖,完成有瑕疵的不合格瓶盖剔除后,转步骤(7),继续下对一个瓶盖检测。
如图3所示,图3中的左图为工业照相机采集到的一个合格瓶盖表面图像样例,图3中的右图为瓶盖表面图像圆定位示意图样例,图中浅色圆线为定位到的瓶盖表面图像圆,对表面图像的特征参数的提取就限定在圆内进行。
如图4所示,图4中的左图为未标定的含有瑕疵的瓶盖表面图像,图4中的右图为经过检测后标定出的瑕疵位置的瓶盖图像。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。
Claims (2)
1.一种基于机器视觉对瓶盖表面瑕疵的智能检测方法,该方法包括检测流程,其特征在于,其具体步骤包括如下:
(1)、用高速工业照相机附加到瓶盖自动化生产线工件传送带上的待测工位,待测工位放置事先选出的待检测瓶盖的合格品,用专用光源照明待检测瓶盖表面,采集合格瓶盖的图像信息,读入所述工业计算机内存;
(2)、对步骤(1)中读入工业计算机内存中的瓶盖表面图像进行圆定位和特征参数提取
(2-1)、对的瓶盖表面图像进行定位,找出瓶盖表面图像的圆心和半径参数;
(2-2)、对瓶盖表面图像进行特征参数提取,首先进行瓶盖图像二值化,按照4连通原则分割图块,分割区域限定在瓶盖表面图像的圆内进行,然后计算特征参数,其特征参数包括每个图块的块面积参数、圆心距参数、偏角参数;
(3) 将步骤(2)中获得的瓶盖表面图像的圆心和半径参数、块面积参数、圆心距参数、偏角参数分别存入不同的数组;
(4)、判断瓶盖采集次数是否达到预先设定的采集次数,若没有达到预先设定的瓶盖采集次数,则转步骤(1),继续进行下一个瓶盖的图像采集,下一个瓶盖为同一品种的另一合格瓶盖,若达到预先设定的采集次数,则转步骤(5);
(5) 分别从步骤(3)中的不同的数组中找出半径和不同块的块面积参数、圆心距参数、偏角参数,求出各参数的平均值和各参数的上限值及下限值,上下限值之间的差值作为误差宽容度,并将半径参数平均值、块面积参数平均值、圆心距参数平均值、偏角参数平均值作为标准特征参数,存入工业计算机的数据库中;
(6) 根据生产的要求,对步骤(5)中得到的误差宽容度范围设定;
(7) 用高速工业照相机附加到瓶盖自动化生产线上的待测工位,待测工位放置待检测瓶盖,用专用光源照明待检测瓶盖表面,采集待检测瓶盖的图像信息,读入所述工业计算机内存;
(8) 对步骤(7)中读入工业计算机内存中的瓶盖表面图像进行定位,找出瓶盖表面图像的圆心和半径;
(9) 对步骤(8)中获得的圆半径与步骤(5)数据库中标准的圆半径之间差值运算,得到它们之间的误差,判断该误差是否在半径误差宽容度范围内,若该误差是在圆半径的误差宽容度范围内,转步骤(10),若该误差不是在圆半径的误差容许范围内,则转步骤(12);
(10) 计算步骤(9)中分割后的瓶盖表面图块特征参数,其特征参数包括每个图块的块面积参数、圆心距参数和偏角参数;
(11)、分别计算步骤(10)中获得的瓶盖表面块面积参数、圆心距参数、偏角参数与步骤(5)数据库中的标准特征参数之间的误差,判断误差是否在与之相对应的误差宽容度范围内,若误差是在与之相对应的误差宽容度范围内,则认为合格瓶盖,转步骤(7)继续下一个瓶盖的检测,若误差不是在与之相对应的误差宽容度范围内,则认为有瑕疵瓶盖,转步骤(12);
(12) 瓶盖表面图像处理系统向瓶盖剔除单元输出剔除控制信号,启动工件剔除单元,打开电磁阀,工件剔除单元的瓶盖吹嘴喷出压缩空气吹落有瑕疵的不合格瓶盖,完成有瑕疵的不合格瓶盖剔除后,转步骤(7)继续对下一个待测瓶盖的检测。
2.根据权利要求1所述的一种基于机器视觉对瓶盖表面瑕疵的智能检测方法,其特征在于,上述步骤(2)所述的对瓶盖表面图像进行特征参数提取,其特征参数包括分割后各图块的块面积参数、圆心距参数、偏角参数,其具体计算为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100489847A CN102095733B (zh) | 2011-03-02 | 2011-03-02 | 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100489847A CN102095733B (zh) | 2011-03-02 | 2011-03-02 | 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102095733A true CN102095733A (zh) | 2011-06-15 |
CN102095733B CN102095733B (zh) | 2012-08-08 |
Family
ID=44128915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100489847A Expired - Fee Related CN102095733B (zh) | 2011-03-02 | 2011-03-02 | 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102095733B (zh) |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565089A (zh) * | 2011-12-14 | 2012-07-11 | 苏州工业园区高登威科技有限公司 | 工件清洁度判断方法 |
CN102901735A (zh) * | 2012-08-29 | 2013-01-30 | 上海美迪索科电子科技有限公司 | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 |
CN102914546A (zh) * | 2012-10-09 | 2013-02-06 | 昆山广达科技设备有限公司 | 一种基于机器视觉的喷雾罐罐盖质量检测系统和方法 |
CN103364403A (zh) * | 2012-04-06 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 产品质量自动化控管系统及方法 |
CN103472069A (zh) * | 2012-06-07 | 2013-12-25 | 上海利控机械电子有限公司 | 一种泡沫检测机及其控制方法 |
CN103604806A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测密封圈缺陷的方法 |
CN104096686A (zh) * | 2013-04-11 | 2014-10-15 | 苏州米凯尼克智能科技有限公司 | 一种产品包装盒表面印刷质量自动检测装置 |
CN104174595A (zh) * | 2014-07-16 | 2014-12-03 | 广州丽盈塑料有限公司 | 塑料瓶盖多工位自动印刷检测连线机 |
CN104209273A (zh) * | 2014-09-02 | 2014-12-17 | 天津步捷慧通科技有限公司 | 一种瓶盖缺陷检测装置 |
CN104697444A (zh) * | 2013-12-10 | 2015-06-10 | 鸿富锦精密工业(深圳)有限公司 | 检测系统 |
CN104764746A (zh) * | 2014-01-06 | 2015-07-08 | 山东明佳包装检测科技有限公司 | 一种全方位pet瓶盖防盗环缺陷的检测方法 |
CN103344386B (zh) * | 2013-06-28 | 2015-09-16 | 燕京啤酒(桂林漓泉)股份有限公司 | 啤酒包装生产现场压盖效果评价方法 |
CN105013716A (zh) * | 2015-07-01 | 2015-11-04 | 苏州奥莱维信息技术有限公司 | 一种瓶盖质量在线检测系统 |
CN105301003A (zh) * | 2015-11-05 | 2016-02-03 | 天津大学 | 一种基于机器视觉的瓶盖表面生产日期检测方法 |
CN105403572A (zh) * | 2015-12-15 | 2016-03-16 | 广州中国科学院先进技术研究所 | 一种蜂鸣片视觉检测设备 |
CN105424722A (zh) * | 2015-11-05 | 2016-03-23 | 天津大学 | 一种基于机器视觉的瓶盖不合格品标记方法 |
CN105548186A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种浆层纸视觉检测方法 |
CN105548216A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种半成品电池外观视觉检测方法 |
CN105710245A (zh) * | 2016-03-23 | 2016-06-29 | 浙江工业大学 | 一种冲压机自动送料装置 |
CN106370667A (zh) * | 2016-07-28 | 2017-02-01 | 广东技术师范学院 | 一种玉米籽粒品质视觉检测装置及方法 |
CN106373477A (zh) * | 2016-08-30 | 2017-02-01 | 上海大学 | 双并联倒立摆的网络化视觉伺服控制装置 |
CN106824816A (zh) * | 2016-12-20 | 2017-06-13 | 浙江工业大学 | 一种基于机器视觉的pe瓶检测与分拣方法 |
CN107248151A (zh) * | 2017-04-20 | 2017-10-13 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及系统 |
CN107597614A (zh) * | 2017-09-12 | 2018-01-19 | 上海大学 | 一种金属罐高速在线漏光检测系统及其标定和诊断方法 |
CN108362693A (zh) * | 2018-01-12 | 2018-08-03 | 上海大学 | 一种基于图像处理的传送带上绝缘子合格率的检测方法 |
CN108387586A (zh) * | 2018-02-06 | 2018-08-10 | 深圳市华星光电半导体显示技术有限公司 | 刀轮检测装置及刀轮检测方法 |
CN108838099A (zh) * | 2018-03-28 | 2018-11-20 | 广州大学 | 基于机器视觉的别针徽章瑕疵检测系统及方法 |
CN109946303A (zh) * | 2017-12-21 | 2019-06-28 | 东友精细化工有限公司 | 检查装置和方法 |
CN110479615A (zh) * | 2019-07-18 | 2019-11-22 | 深圳优地科技有限公司 | 基于无人机的快递分拣方法、装置及终端设备 |
CN110610482A (zh) * | 2019-08-12 | 2019-12-24 | 浙江工业大学 | 一种基于resnet的工件瑕疵检测方法 |
CN111650215A (zh) * | 2020-07-07 | 2020-09-11 | 福建泉州源始物语信息科技有限公司 | 一种化妆品瓶盖瑕疵检测系统 |
CN112284696A (zh) * | 2019-07-11 | 2021-01-29 | 中国科学院半导体研究所 | 基于3d视觉技术的气瓶容积检测方法及系统 |
CN113379730A (zh) * | 2021-07-02 | 2021-09-10 | 广东百岁山实业有限公司 | 水瓶视检监控方法及装置 |
CN113567469A (zh) * | 2020-04-29 | 2021-10-29 | 联策科技股份有限公司 | 视觉检测系统的参数设定方法 |
CN114018947A (zh) * | 2021-10-21 | 2022-02-08 | 武汉理工大学 | 一种高反光塑料瓶盖外表面瑕疵检测装置 |
CN114018946A (zh) * | 2021-10-20 | 2022-02-08 | 武汉理工大学 | 一种基于OpenCV的高反光瓶盖缺陷检测方法 |
CN115060734A (zh) * | 2022-08-09 | 2022-09-16 | 吉林信息安全测评中心 | 一种用于工业视觉检测的多角度影像摄录装置 |
CN116858838A (zh) * | 2023-05-25 | 2023-10-10 | 苏州誉阵自动化科技有限公司 | 一种瓶状物瑕疵检测系统及方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109509225A (zh) * | 2018-11-13 | 2019-03-22 | 珠海格力智能装备有限公司 | 信息的检测方法及装置、存储介质和处理器 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2204125A (en) * | 1987-04-23 | 1988-11-02 | Hajime Industries | Surface inspection apparatus |
DE20206058U1 (de) * | 2002-04-18 | 2002-08-29 | Hoch, Siegfried, 79426 Buggingen | Vorrichtung zur 3-dimensionalen Abtastung der Oberflächenstruktur bewegter Objekte |
CA2401127A1 (en) * | 2001-09-04 | 2003-03-04 | The Quaker Oats Company | Bottle cap sensor apparatus and method |
DE102006008552A1 (de) * | 2005-09-23 | 2007-04-05 | Kappner, Helmut A. | Prüfeinrichtung |
CN101149349A (zh) * | 2007-10-23 | 2008-03-26 | 山东新华医疗器械股份有限公司 | 连续旋转式全自动灯检机 |
CN201367171Y (zh) * | 2009-03-19 | 2009-12-23 | 卢姝羽 | 瓶盖光电成像装置 |
US7800009B2 (en) * | 2007-10-30 | 2010-09-21 | Logical Systems Incorporated | Air separator conveyor and vision system |
-
2011
- 2011-03-02 CN CN2011100489847A patent/CN102095733B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2204125A (en) * | 1987-04-23 | 1988-11-02 | Hajime Industries | Surface inspection apparatus |
CA2401127A1 (en) * | 2001-09-04 | 2003-03-04 | The Quaker Oats Company | Bottle cap sensor apparatus and method |
DE20206058U1 (de) * | 2002-04-18 | 2002-08-29 | Hoch, Siegfried, 79426 Buggingen | Vorrichtung zur 3-dimensionalen Abtastung der Oberflächenstruktur bewegter Objekte |
DE102006008552A1 (de) * | 2005-09-23 | 2007-04-05 | Kappner, Helmut A. | Prüfeinrichtung |
CN101149349A (zh) * | 2007-10-23 | 2008-03-26 | 山东新华医疗器械股份有限公司 | 连续旋转式全自动灯检机 |
US7800009B2 (en) * | 2007-10-30 | 2010-09-21 | Logical Systems Incorporated | Air separator conveyor and vision system |
CN201367171Y (zh) * | 2009-03-19 | 2009-12-23 | 卢姝羽 | 瓶盖光电成像装置 |
Cited By (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565089A (zh) * | 2011-12-14 | 2012-07-11 | 苏州工业园区高登威科技有限公司 | 工件清洁度判断方法 |
CN103364403A (zh) * | 2012-04-06 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 产品质量自动化控管系统及方法 |
CN103472069A (zh) * | 2012-06-07 | 2013-12-25 | 上海利控机械电子有限公司 | 一种泡沫检测机及其控制方法 |
CN102901735B (zh) * | 2012-08-29 | 2015-02-25 | 上海美迪索科电子科技有限公司 | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 |
CN102901735A (zh) * | 2012-08-29 | 2013-01-30 | 上海美迪索科电子科技有限公司 | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 |
CN102914546A (zh) * | 2012-10-09 | 2013-02-06 | 昆山广达科技设备有限公司 | 一种基于机器视觉的喷雾罐罐盖质量检测系统和方法 |
CN104096686A (zh) * | 2013-04-11 | 2014-10-15 | 苏州米凯尼克智能科技有限公司 | 一种产品包装盒表面印刷质量自动检测装置 |
CN103344386B (zh) * | 2013-06-28 | 2015-09-16 | 燕京啤酒(桂林漓泉)股份有限公司 | 啤酒包装生产现场压盖效果评价方法 |
CN103604806A (zh) * | 2013-12-04 | 2014-02-26 | 天津普达软件技术有限公司 | 一种检测密封圈缺陷的方法 |
CN104697444A (zh) * | 2013-12-10 | 2015-06-10 | 鸿富锦精密工业(深圳)有限公司 | 检测系统 |
CN104764746B (zh) * | 2014-01-06 | 2017-04-05 | 山东明佳包装检测科技有限公司 | 一种全方位pet瓶盖防盗环缺陷的检测方法 |
CN104764746A (zh) * | 2014-01-06 | 2015-07-08 | 山东明佳包装检测科技有限公司 | 一种全方位pet瓶盖防盗环缺陷的检测方法 |
CN104174595A (zh) * | 2014-07-16 | 2014-12-03 | 广州丽盈塑料有限公司 | 塑料瓶盖多工位自动印刷检测连线机 |
CN104174595B (zh) * | 2014-07-16 | 2017-10-13 | 广州丽盈塑料有限公司 | 塑料瓶盖多工位自动印刷检测连线机 |
CN104209273A (zh) * | 2014-09-02 | 2014-12-17 | 天津步捷慧通科技有限公司 | 一种瓶盖缺陷检测装置 |
CN104209273B (zh) * | 2014-09-02 | 2017-04-19 | 天津步捷慧通科技有限公司 | 一种瓶盖缺陷检测装置 |
CN105013716A (zh) * | 2015-07-01 | 2015-11-04 | 苏州奥莱维信息技术有限公司 | 一种瓶盖质量在线检测系统 |
CN105301003A (zh) * | 2015-11-05 | 2016-02-03 | 天津大学 | 一种基于机器视觉的瓶盖表面生产日期检测方法 |
CN105424722A (zh) * | 2015-11-05 | 2016-03-23 | 天津大学 | 一种基于机器视觉的瓶盖不合格品标记方法 |
CN105403572A (zh) * | 2015-12-15 | 2016-03-16 | 广州中国科学院先进技术研究所 | 一种蜂鸣片视觉检测设备 |
CN105548186B (zh) * | 2016-01-15 | 2018-09-14 | 浙江野马电池有限公司 | 一种浆层纸视觉检测方法 |
CN105548216A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种半成品电池外观视觉检测方法 |
CN105548216B (zh) * | 2016-01-15 | 2019-03-12 | 浙江野马电池有限公司 | 一种半成品电池外观视觉检测方法 |
CN105548186A (zh) * | 2016-01-15 | 2016-05-04 | 浙江野马电池有限公司 | 一种浆层纸视觉检测方法 |
CN105710245A (zh) * | 2016-03-23 | 2016-06-29 | 浙江工业大学 | 一种冲压机自动送料装置 |
CN106370667A (zh) * | 2016-07-28 | 2017-02-01 | 广东技术师范学院 | 一种玉米籽粒品质视觉检测装置及方法 |
CN106373477A (zh) * | 2016-08-30 | 2017-02-01 | 上海大学 | 双并联倒立摆的网络化视觉伺服控制装置 |
CN106824816A (zh) * | 2016-12-20 | 2017-06-13 | 浙江工业大学 | 一种基于机器视觉的pe瓶检测与分拣方法 |
CN106824816B (zh) * | 2016-12-20 | 2019-11-05 | 浙江工业大学 | 一种基于机器视觉的pe瓶检测与分拣方法 |
CN107248151A (zh) * | 2017-04-20 | 2017-10-13 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及系统 |
CN107248151B (zh) * | 2017-04-20 | 2020-12-22 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及系统 |
CN107597614A (zh) * | 2017-09-12 | 2018-01-19 | 上海大学 | 一种金属罐高速在线漏光检测系统及其标定和诊断方法 |
CN109946303A (zh) * | 2017-12-21 | 2019-06-28 | 东友精细化工有限公司 | 检查装置和方法 |
CN108362693A (zh) * | 2018-01-12 | 2018-08-03 | 上海大学 | 一种基于图像处理的传送带上绝缘子合格率的检测方法 |
CN108387586A (zh) * | 2018-02-06 | 2018-08-10 | 深圳市华星光电半导体显示技术有限公司 | 刀轮检测装置及刀轮检测方法 |
CN108838099A (zh) * | 2018-03-28 | 2018-11-20 | 广州大学 | 基于机器视觉的别针徽章瑕疵检测系统及方法 |
CN112284696A (zh) * | 2019-07-11 | 2021-01-29 | 中国科学院半导体研究所 | 基于3d视觉技术的气瓶容积检测方法及系统 |
CN110479615A (zh) * | 2019-07-18 | 2019-11-22 | 深圳优地科技有限公司 | 基于无人机的快递分拣方法、装置及终端设备 |
CN110610482A (zh) * | 2019-08-12 | 2019-12-24 | 浙江工业大学 | 一种基于resnet的工件瑕疵检测方法 |
CN113567469A (zh) * | 2020-04-29 | 2021-10-29 | 联策科技股份有限公司 | 视觉检测系统的参数设定方法 |
CN111650215A (zh) * | 2020-07-07 | 2020-09-11 | 福建泉州源始物语信息科技有限公司 | 一种化妆品瓶盖瑕疵检测系统 |
CN111650215B (zh) * | 2020-07-07 | 2023-02-14 | 福建泉州源始物语信息科技有限公司 | 一种化妆品瓶盖瑕疵检测系统 |
CN113379730A (zh) * | 2021-07-02 | 2021-09-10 | 广东百岁山实业有限公司 | 水瓶视检监控方法及装置 |
CN114018946A (zh) * | 2021-10-20 | 2022-02-08 | 武汉理工大学 | 一种基于OpenCV的高反光瓶盖缺陷检测方法 |
CN114018946B (zh) * | 2021-10-20 | 2023-02-03 | 武汉理工大学 | 一种基于OpenCV的高反光瓶盖缺陷检测方法 |
CN114018947A (zh) * | 2021-10-21 | 2022-02-08 | 武汉理工大学 | 一种高反光塑料瓶盖外表面瑕疵检测装置 |
CN115060734A (zh) * | 2022-08-09 | 2022-09-16 | 吉林信息安全测评中心 | 一种用于工业视觉检测的多角度影像摄录装置 |
CN116858838A (zh) * | 2023-05-25 | 2023-10-10 | 苏州誉阵自动化科技有限公司 | 一种瓶状物瑕疵检测系统及方法 |
CN116858838B (zh) * | 2023-05-25 | 2024-03-19 | 苏州誉阵自动化科技有限公司 | 一种瓶状物瑕疵检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102095733B (zh) | 2012-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102095733B (zh) | 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法 | |
WO2020248439A1 (zh) | 一种基于图像处理的皇冠盖表面缺陷在线检测方法 | |
CN102621156B (zh) | 基于图像处理的微小零件自动分拣系统 | |
CN111929309B (zh) | 一种基于机器视觉的铸造件外观缺陷检测方法及系统 | |
CN110935644A (zh) | 一种基于机器视觉的轴承滚针尺寸检测系统及方法 | |
CN103604808B (zh) | 一种瓶盖缺陷视觉检测方法 | |
CN102601061B (zh) | 一种定时器极片不良品自动分拣装置 | |
CN101837351B (zh) | 基于图像检测法的油封弹簧全自动分选系统及方法 | |
US5095204A (en) | Machine vision inspection system and method for transparent containers | |
CN101566582B (zh) | 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统 | |
US5926556A (en) | Systems and methods for identifying a molded container | |
CN104315977B (zh) | 橡胶塞质量检测装置及检测方法 | |
CN201707305U (zh) | 一种检测容器盖质量的检测装置 | |
CN103499590A (zh) | 环形零件端面缺损检测及筛选方法及系统 | |
CN106052793A (zh) | 一种基于机器视觉的液位不合格品的标记方法 | |
CN103257144A (zh) | 一种基于机器视觉的塑料瓶瓶口余料检测方法及装置 | |
CN112893172A (zh) | 基于机器视觉的垫片尺寸检测系统、方法、处理终端及介质 | |
CN113843178A (zh) | 一种验瓶机及玻璃瓶的缺陷检测方法 | |
CN114383505A (zh) | 一种用于短轴类零件尺寸的自动检测装置 | |
CN206305057U (zh) | 一种轴套类工件外观缺陷及外径自动检测装置 | |
CN114324398A (zh) | 一种药食品包装标签智能视觉检测系统及检测方法 | |
CN109945842B (zh) | 成捆圆钢端面标签漏贴检测及贴标误差分析方法 | |
CN109622404A (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN110595959B (zh) | 一种糖膏颗粒粒度分析系统及分析方法 | |
CN108132255B (zh) | 一种具有自纠正功能的塑料容器检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120808 |
|
CF01 | Termination of patent right due to non-payment of annual fee |