CN102305597A - 机器视觉系统对注射器部件异形的自动检测方法 - Google Patents
机器视觉系统对注射器部件异形的自动检测方法 Download PDFInfo
- Publication number
- CN102305597A CN102305597A CN201110109649A CN201110109649A CN102305597A CN 102305597 A CN102305597 A CN 102305597A CN 201110109649 A CN201110109649 A CN 201110109649A CN 201110109649 A CN201110109649 A CN 201110109649A CN 102305597 A CN102305597 A CN 102305597A
- Authority
- CN
- China
- Prior art keywords
- image
- abnormity
- syringe part
- computing machine
- abnormal shape
- 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.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种机器视觉系统对注射器部件异形的自动检测方法,预拍摄一标准部件的图像作为异形标准图像贮存于计算机中,将与异形标准图像的差异比例设为检测参量,根据用户要求设置不同检测参量的检测精度以及合格范围,由外部触发与控制信号启动所述相机实时拍摄在线运行注射器部件异形的图像,并将拍摄的图像传输至计算机供检测,计算机通过图像算法处理,提取注射器部件异形的图像,并对异形差异值进行计算,通过计算出的异形差异值判断该产品是属于合格品还是废品,通过外部触发与控制信号将废品从指定出料口进行剔除。本发明对注射器部件异形的检测精度高、速度快,可以有效保证产品的合格率。
Description
技术领域
本发明涉及利用机器视觉系统进行在线检测的技术领域,尤其涉及在注射器部件生产现场,利用机器视觉系统对注射器部件是否异形进行自动检测的方法。
背景技术
在流水作业的注射器部件装配车间现场,需要对注射器各个部件是否异形进行在线检测。现有技术中,对注射器部件异形的在线检测依靠人工进行检测,在注射器部件生产机旁设约80人进行注射器部件异形的检测和处理,根据检测结果将产品分为合格品(如异形<0.5mm)和不合格品(如异形≥0.5mm)。不合格品直接作为废品剔除。
人工检测存在的缺点主要有:生产车间现场通风差,工人检测工作环境恶劣,劳动强度大;正常人眼在不间断观测运动物体30min左右,即会眼花、眼胀等不适,检测人员无法长时间不间断工作,无法保证产品出厂合格率;注射器部件异形检测是带很高数量精度的检测,人眼无法准确判断,误差大,出错机会很多,无法保证检测质量;专业人员检测注射器部件异形的速度最高为0.5个/s,对生产速率有极大限制。
发明的内容
针对现有技术对注射器部件异形的在线检测依靠人工进行检测,工人容易产生视觉疲劳,劳动强度大,无法保证产品合格率以及检测质量,监测速度低等问题,本发明提供一种机器视觉系统对注射器部件异形的自动检测方法,其大大降低工人的检测劳动强度,检测精度高、速度快,可以有效保证出厂产品的合格率。
本发明的技术方案如下:
一种机器视觉系统对注射器部件异形的自动检测方法,包括以下步骤:
(1)将注射器部件固定在工装条夹具上,使工装条夹具在线运行,将拍摄相机固定在在线运行的工装条夹具一侧;根据待检测注射器部件的尺寸大小及注射器部件朝向,选择镜头的焦距,调整拍摄相机的拍摄角度、拍摄距离、光圈大小、曝光时间,以便获取清晰的拍摄图像;
(2)启动所述工业相机,预拍摄一标准部件的图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器部件的图像,将获取的该注射器部件图像作为部件标准图像,贮存于计算机中;
(3)将与部件标准图像的差异值设为检测参量,并根据用户要求设置所述检测参量的检测精度以及合格范围;
(4)计算机取得相机与生产进程同步的触发与控制信号,由外部触发与控制信号启动所述相机实时拍摄在线运行注射器部件异形的图像,并将拍摄的图像传输至计算机供检测;
(5)计算机通过图像算法处理,提取注射器部件异形的图像;
(6)计算机对所述注射器部件异形图像与部件标准图像的异形值进行计算;该异形值是所述注射器部件异形图像与部件标准图像的轮廓线在上下左右四个方向的距离差,取上述距离差中的最大值,该距离差最大值即是注射器部件异形的异形值;
(7)通过计算出的异形值判断该产品是属于合格品还是废品,通过外部触发与控制信号将废品从指定的出料口进行剔除。
其进一步的技术方案为:对所述第(7)步 ,具体按下述步骤进行异形的判断和分检:
(8)判断异形值是否在合格范围<0.5mm,如在合格范围则转向第(9)步,若大于等于合格范围≥0.5mm则转向第(10)步;
(9)作为合格品进行分拣;
(10)直接作为废品剔除。
以及,其进一步的技术方案为:对所述第(7)步,当检测到产品为废品时,计算机将通过人机界面进行图像提示,并启动报警装置。
本发明的有益技术效果是:
本发明采用机器视觉系统对注射器部件异形进行自动在线检测,取代人工检测,用户可自动进行检测精度的调节。具有对产品检测合格品、废品这两类产品的记录、分类、统计、存储、查询功能。并通过友好人机界面在图像中提示不合格品情况,并给予声、光报警提示,大大降低工人的检测劳动强度。
人工检测速度一般为0.5个/s,而机器视觉系统检测速度可达3~4个/s,机器视觉系统的产品检测速度是人工的6~8倍,极大提高了生产效率。
人工检测由于环境和生理的原因,无法24小时不间断进行产品质量检测,而采用机器视觉系统检测则使其成为可能。设备的生产时间可最大限度地延长,提高了设备的利用率。
人为检测由于通风差、视觉易疲劳,很难连续跟踪产品质量。检测正确率靠人工很难保证,非正常次品率一般在8~10%左右,造成了生产资源和生产成本的极大浪费;机器视觉系统的检测尺寸精度最高为0.01mm,精度可每0.01mm为一个梯度进行调整,设置为0.01、0.02、0.03、0.04、0.05mm等几个精度等级,从而大大提高产品合格率以及检测质量。
附图说明
图1是正常的注射器部件图像。
图2是不存在明显异形的注射器部件图像。
图3是存在异形的注射器部件图像。
图4是本发明的工艺步骤图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
图1、图2、图3所显示的部件是注射器橡胶活塞,是从注射器部件侧面拍摄并经过处理后的实际图像。
在图1、图2、图3所示的拍摄图像中,四周空白部分为注射器橡胶活塞图像经过去噪软件处理后的透明空间,所示实线条为注射器橡胶活塞处理后的轮廓图像。在图2、图3中,所示虚线条是用于比对的注射器橡胶活塞的标准图像。
实施例1,对合格注射器部件(以注射器橡胶活塞为例)产品的检测:
如图2所示的注射器橡胶活塞的异形图像,其上部存在突出异形。
将Basler ACA640-100GM型工业相机固定在注射器部件的侧方,相机距注射器部件侧面的距离约为100mm,使用施耐得变焦镜头,焦距调至8mm,光圈调到最大值,曝光时间调为0.41ms。部件异形检测精度设置为0.05mm,设定合格品正常异形值最大为0.5mm。采用专用白色LED碗光源,从相机相对注射器部件的同侧方进行照射(正光),并使用半封闭遮挡金属框体来屏蔽外界杂光的影响,以便比较稳定地取得视觉图像,体现注射器部件的明显特征。本项目的LED碗光源使用CCS公司的机器视觉专用光源(也可使用其他公司的LED碗光源),以便能比较稳定地拍摄到清晰的图像,并显示于计算机的屏幕。采用生产线上的工装条夹具将注射器部件固定,使各注射器部件统一朝向。通过皮带传输系统进行注射器部件的输送,保证注射器部件按一定的方向和速度,稳定地进入检测装置。
启动所述工业相机,预拍摄一标准部件的图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器部件的图像,将获取的该注射器部件图像作为部件标准图像(如图1),贮存于计算机中。
计算机根据不同生产厂商所生产设备的不同控制系统,取得相机与生产进程同步的触发与控制信号,启动所述工业相机拍摄在线运行的注射器部件异形的图像,并将获取的注射器部件异形图像,贮存于计算机中。
计算机对所拍摄的图像通过边缘提取、平滑去噪、二值化处理、傅利叶变换等算法进行图像处理,使图像更清晰,更符合注射器部件异形的真实情况。上述图像处理过程中所采用的算法均为现有技术中的常规算法。
计算机对所述注射器部件异形图像与部件标准图像的异形值进行计算;该异形值是所述注射器部件异形图像与部件标准图像的轮廓线在上下左右四个方向的距离差,取上述距离差中的最大值(图2中只有上部有距离差,取图2中的距离a),该距离差最大值即是注射器部件异形的异形值。
如检测出的异形值为0.05mm,则该产品为合格品;计算机对该类合格品进行记录、分类、统计入库。
实施例2,对存在异形的注射器部件(以注射器橡胶活塞为例)产品的检测:
如图3所示的注射器橡胶活塞的异形图像,其下部存在突出异形。
将Basler ACA640-100GM型工业相机固定在注射器部件的直侧上方,相机距注射器部件侧面的距离约为100mm,使用施耐得变焦镜头,焦距调至8mm,光圈调到最大值,曝光时间调为0.41ms。部件异形检测精度设置为0.05mm,设定合格品正常异形值最大为0.5mm。采用专用白色LED碗光源,从相机相对注射器部件的同侧方进行照射(正光),并使用半封闭遮挡金属框体来屏蔽外界杂光的影响,以便比较稳定地取得视觉图像,体现注射器部件的明显特征。本项目的LED碗光源使用CCS公司的机器视觉专用光源(也可使用其他公司的LED碗光源),以便能比较稳定地拍摄到清晰的图像,并显示于计算机的屏幕。采用生产线上的工装条夹具将注射器部件固定,使各注射器部件统一朝向。通过皮带传输系统进行注射器部件的输送,保证注射器部件按一定的方向和速度,稳定地进入检测装置。
启动所述工业相机,预拍摄一标准部件的图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器部件的图像,将获取的该注射器部件图像作为部件标准图像(如图1),贮存于计算机中。
计算机根据不同生产厂商所生产设备的不同控制系统,取得相机与生产进程同步的触发与控制信号,启动所述工业相机拍摄在线运行的注射器部件异形的图像,并将获取的注射器部件异形图像,贮存于计算机中。
计算机对所拍摄的图像通过边缘提取、平滑去噪、二值化处理、傅利叶变换等算法进行图像处理,使图像更清晰,更符合注射器部件异形的真实情况。上述图像处理过程中所采用的算法均为现有技术中的常规算法。
计算机对所述注射器部件异形图像与部件标准图像的异形值进行计算;该异形值是所述注射器部件异形图像与部件标准图像的轮廓线在上下左右四个方向的距离差,取上述距离差中的最大值(图3中只有下部有距离差,取图3中的距离b),该距离差最大值即是注射器部件异形的异形值。
如检测出的异形比例为0.55mm,则该产品为不合格品。计算机通过友好人机界面在图像中提示不合格品情况,并给予声、光报警提示,对该类不合格品进行记录、分类、统计入库。
以上所有实施例中使用的图像采集设备(相机、照射光源、电源、图像采集卡等)及存贮设备(硬盘、光盘、软盘等)、图像处理设备(图像处理器的硬件及软件)、图像显示设备(硬件及软件)、报警装置以及上述各部分的控制系统(硬件及软件)皆采用已有技术设计制作或直接采用相关市售产品。
以上所述的本发明的工艺步骤示于图4。
最后需要注意的是,以上所述的仅是本发明的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。
Claims (3)
1.一种机器视觉系统对注射器部件异形的自动检测方法,其特征在于包括以下步骤:
(1)将注射器部件固定在工装条夹具上,使工装条夹具在线运行,将拍摄相机固定在在线运行的工装条夹具一侧;根据待检测注射器部件的尺寸大小及注射器部件朝向,选择镜头的焦距,调整拍摄相机的拍摄角度、拍摄距离、光圈大小、曝光时间,以便获取清晰的拍摄图像;
(2)启动所述工业相机,预拍摄一标准部件的图像,并将拍摄的图像传输至计算机,计算机通过图像算法处理,提取注射器部件的图像,将获取的该注射器部件图像作为部件标准图像,贮存于计算机中;
(3)将与部件标准图像的差异值设为检测参量,并根据用户要求设置所述检测参量的检测精度以及合格范围;
(4)计算机取得相机与生产进程同步的触发与控制信号,由外部触发与控制信号启动所述相机实时拍摄在线运行注射器部件异形的图像,并将拍摄的图像传输至计算机供检测;
(5)计算机通过图像算法处理,提取注射器部件异形的图像;
(6)计算机对所述注射器部件异形图像与部件标准图像的异形值进行计算;该异形值是所述注射器部件异形图像与部件标准图像的轮廓线在上下左右四个方向的距离差,取上述距离差中的最大值,该距离差最大值即是注射器部件异形的异形值;
(7)通过计算出的异形值判断该产品是属于合格品还是废品,通过外部触发与控制信号将废品从指定的出料口进行剔除。
2.根据权利要求1所述机器视觉系统对注射器部件异形的自动检测方法,其特征在于对所述第(7)步 ,具体按下述步骤进行异形的判断和分检:
(8)判断异形值是否在合格范围<0.5mm,如在合格范围则转向第(9)步,若大于等于合格范围≥0.5mm则转向第(10)步;
(9)作为合格品进行分拣;
(10)直接作为废品剔除。
3.根据权利要求1所述机器视觉系统对注射器部件异形的自动检测方法,其特征在于对所述第(7)步,当检测到产品为废品时,计算机将通过人机界面进行图像提示,并启动报警装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110109649A CN102305597A (zh) | 2011-04-29 | 2011-04-29 | 机器视觉系统对注射器部件异形的自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110109649A CN102305597A (zh) | 2011-04-29 | 2011-04-29 | 机器视觉系统对注射器部件异形的自动检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102305597A true CN102305597A (zh) | 2012-01-04 |
Family
ID=45379483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110109649A Pending CN102305597A (zh) | 2011-04-29 | 2011-04-29 | 机器视觉系统对注射器部件异形的自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102305597A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944184A (zh) * | 2012-10-31 | 2013-02-27 | 黄凯 | 起重机械主梁或起重臂塑性变形机器视觉检测装置及方法 |
CN104613895A (zh) * | 2015-02-04 | 2015-05-13 | 湖北师范学院 | 一种图片处理方法 |
CN104897077A (zh) * | 2015-04-18 | 2015-09-09 | 长春理工大学 | 高速变焦摄像对曲面轮廓线的自适应检测系统及方法 |
CN105509653A (zh) * | 2015-11-30 | 2016-04-20 | 广州超音速自动化科技股份有限公司 | 机械零件轮廓度视觉测量方法及系统 |
CN106705884A (zh) * | 2017-01-06 | 2017-05-24 | 深圳市博视科技有限公司 | 产品尺寸检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11218502A (ja) * | 1998-01-30 | 1999-08-10 | Sumitomo Pharmaceut Co Ltd | 物品の欠陥検査装置 |
US20010033372A1 (en) * | 2000-02-14 | 2001-10-25 | Dragotta Peter J. | Fluid inspection apparatus with vibrator |
CN101349550A (zh) * | 2008-08-26 | 2009-01-21 | 浙江大学 | 在线橡胶栓外形质量检查机 |
-
2011
- 2011-04-29 CN CN201110109649A patent/CN102305597A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11218502A (ja) * | 1998-01-30 | 1999-08-10 | Sumitomo Pharmaceut Co Ltd | 物品の欠陥検査装置 |
US20010033372A1 (en) * | 2000-02-14 | 2001-10-25 | Dragotta Peter J. | Fluid inspection apparatus with vibrator |
CN101349550A (zh) * | 2008-08-26 | 2009-01-21 | 浙江大学 | 在线橡胶栓外形质量检查机 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944184A (zh) * | 2012-10-31 | 2013-02-27 | 黄凯 | 起重机械主梁或起重臂塑性变形机器视觉检测装置及方法 |
CN102944184B (zh) * | 2012-10-31 | 2016-08-10 | 黄凯 | 起重机械主梁或起重臂塑性变形机器视觉检测装置及方法 |
CN104613895A (zh) * | 2015-02-04 | 2015-05-13 | 湖北师范学院 | 一种图片处理方法 |
CN104897077A (zh) * | 2015-04-18 | 2015-09-09 | 长春理工大学 | 高速变焦摄像对曲面轮廓线的自适应检测系统及方法 |
CN104897077B (zh) * | 2015-04-18 | 2018-04-06 | 长春理工大学 | 高速变焦摄像对曲面轮廓线的自适应检测系统及方法 |
CN105509653A (zh) * | 2015-11-30 | 2016-04-20 | 广州超音速自动化科技股份有限公司 | 机械零件轮廓度视觉测量方法及系统 |
CN105509653B (zh) * | 2015-11-30 | 2019-03-05 | 广州超音速自动化科技股份有限公司 | 机械零件轮廓度视觉测量方法及系统 |
CN106705884A (zh) * | 2017-01-06 | 2017-05-24 | 深圳市博视科技有限公司 | 产品尺寸检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102303017B (zh) | 机器视觉系统对注射器钢针弯针的自动检测方法 | |
CN101696945B (zh) | 机器视觉系统对光伏玻璃瑕疵的在线检测方法 | |
CN102494773A (zh) | 机器视觉系统对按扣色差的自动检测方法 | |
CN101509766B (zh) | 机器视觉系统对弹簧端面角度的在线检测方法 | |
CN102303018B (zh) | 机器视觉系统对注射器钢针毛刺的自动检测方法 | |
CN101696943B (zh) | 机器视觉系统对医用手术刀瑕疵的在线检测方法 | |
CN101696877A (zh) | 机器视觉系统对弹簧垂直度的在线检测方法 | |
CN101726265A (zh) | 机器视觉系统对弹簧平行度的在线检测方法 | |
CN102305597A (zh) | 机器视觉系统对注射器部件异形的自动检测方法 | |
CN102305595A (zh) | 机器视觉系统对弹簧节距的自动检测方法 | |
CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测系统 | |
CN109145771A (zh) | 一种人脸抓拍方法及装置 | |
CN102305592A (zh) | 机器视觉系统对注射器钢针倒针的自动检测方法 | |
CN102305797A (zh) | 机器视觉系统对医疗产品包装异物的自动检测方法 | |
CN102305603B (zh) | 机器视觉系统对注射器钢针倾斜的自动检测方法 | |
CN102305950A (zh) | 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 | |
CN101762589A (zh) | 一种机器视觉在文具组合套装瑕疵的在线监测方法及其设备 | |
CN102507602A (zh) | 机器视觉系统对输液瓶瓶口破裂的自动检测方法 | |
CN102495077A (zh) | 机器视觉系统对输液瓶瓶身瑕疵的自动检测方法 | |
CN102495072A (zh) | 机器视觉系统对输液导管瑕疵的自动检测方法 | |
CN102303019B (zh) | 机器视觉系统对注射器针筒刻度的自动检测方法 | |
CN115423785A (zh) | 一种缺陷检测系统、方法、装置、电子设备及存储介质 | |
CN102495074A (zh) | 机器视觉系统对输液袋瑕疵的自动检测方法 | |
CN103718025B (zh) | 容器口部检查方法及装置 | |
CN102495073B (zh) | 机器视觉系统对留置针衬套毛刺的自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120104 |