CN102306277A - 一种基于机器视觉的成捆铜管计数设备及其计数方法 - Google Patents
一种基于机器视觉的成捆铜管计数设备及其计数方法 Download PDFInfo
- Publication number
- CN102306277A CN102306277A CN201110190935A CN201110190935A CN102306277A CN 102306277 A CN102306277 A CN 102306277A CN 201110190935 A CN201110190935 A CN 201110190935A CN 201110190935 A CN201110190935 A CN 201110190935A CN 102306277 A CN102306277 A CN 102306277A
- Authority
- CN
- China
- Prior art keywords
- copper pipe
- image
- bundled
- counting
- face
- 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)
Abstract
本发明公开了一种基于机器视觉的成捆铜管计数设备，它包括：图像采集设备、图像处理系统和计算机；所述图像采集设备采集铜管图像，然后图像采集设备将采集的图像送入包含图像处理系统的计算机处理。同时本发明还公开了基于机器视觉的成捆铜管计数设备的计数方法。本发明采用机器视觉技术，构建出在生产工艺过程中成捆流转的铜管数量监控系统，实现成捆铜管数量测量的自动化，大大提高了测量的准确性和可靠性，同时也提高了生产效率和效益。
Description
技术领域
本发明涉及一种视觉识别设备，具体说是一种基于机器视觉的成捆铜管计数设备及其计数方法。
背景技术
铜管是大量应用于制冷等行业的工业产品之一。铜管多数情况下以成捆的方式存储、销售以及在生产工艺过程中流转。为保护厂家和用户的利益，以及对在生产工艺过程中成捆流转的铜管数量进行监控，需要对成捆的铜管进行计数。
成捆铜管的计数只能通过其端面进行。传统的计数方法是用人眼进行的，劳动强度大、效率低、成本高、准确率难以保证。
发明内容
发明目的：本发明的目的是为了克服现有技术的不足，提供了一种基于机器视觉的成捆铜管计数设备及其计数方法。
技术方案：为了解决上述技术问题，本发明提供了一种基于机器视觉的成捆铜管计数设备，它包括：图像采集设备、图像处理系统、计算机，所述图像采集设备采集铜管图像，然后图像采集设备将采集的图像送入包含图像处理系统的计算机处理。
本发明所述基于机器视觉的成捆铜管计数设备它还包括一强光源，所述强光源与图像采集设备位于同轴上。
本发明中所述图像采集设备为照相机。
本发明中还公开了一种基于机器视觉的成捆铜管计数设备的计数方法，其特征在于，该方法的具体步骤如下：
（1）将成捆铜管的端面排列整齐；
（2）将与图像采集设备同轴布置的强光源向成捆铜管的端面投射，使得每根铜管的边缘呈现高亮度状态，开启计算机；
（3）将图像采集设备对准成捆铜管的中心部位采集完全包含成捆铜管端面的图片；
（4）图像采集设备将采集到的包含成捆铜管端面的图片传送并保存到计算机中；
（5）运行计算机中的图像处理系统；
（6）选取图像预处理方法，滤除背景部分图像，保留成捆铜管的端面图像；
（7）启动处理成捆铜管的端面图像的计算机图像处理方法，识别出每根铜管的端面，并计数输出；
（8）完成一捆铜管计数之后，从步骤（1）开始进行下一捆铜管的计数。
所述步骤（6）中图像预处理方法为：
（A1） 将获取的图片转变为灰度图片； （A2） 采用中值滤波的方法去除图片中的随机噪声； （A3） 利用Sobel算子，并结合腐蚀（Erode）和膨胀（Dilate）形态学图像操作方法，滤除成捆铜管的端面的背景图像部分，并保持每根铜管的边缘轮廓清晰可见，最终得到主要包含成捆铜管的端面部分的图像。
所述步骤（6）中图像预处理的另一种方法为：
（B1）将获取的图片转变为灰度图片； （B2） 采用中值滤波的方法去除图片中的随机噪声； （B3） 利用Canny算子，并调整该算子的灰度阈值的上下限，滤除成捆铜管的端面的背景图像部分，并保持每根铜管的边缘轮廓清晰可见，最终得到主要包含成捆铜管的端面部分的图像。
本发明中所述步骤（7）中处理成捆铜管的端面图像的计算机图像处理方法为：对最终得到主要包含成捆铜管的端面部分的图像采用基于Hough变换的圆形轮廓识别算法，识别出每一根铜管的端面，最后对所有的铜管端面综合计数。
有益效果：本发明具有以下优点：
本发明通过图像采集设备、图像处理系统、计算机实现了机器视觉技术，构建出在生产工艺过程中成捆流转的铜管数量监控系统，实现成捆铜管数量测量的自动化，大大提高测量的准确性和可靠性，以及生产效率和效益。
说明书附图
图1为本发明所述一种基于机器视觉的成捆铜管计数设备的结构示意图。
图2为本发明的工作流程图。
图3为本发明中成捆铜管计算机处理后的图像。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定。
实施例1
一种基于机器视觉的成捆铜管计数设备，它包括：图像采集设备1、图像处理系统2和计算机3，所述图像采集设备1为照相机，所述图像处理系统2为图像处理软件，所述图像处理软件安装于计算机3中；本实施例中还包括一强光源，所述强光源与照相机位于同轴上。
本实施例中，照相机采集铜管图像，然后将采集的图像送入计算机中，计算机中的图像处理软件对图像进行处理；最后计算机对处理后的图像进行计数。
本实施例采用上述基于机器视觉的成捆铜管计数设备的计数方法，具体步骤如下：
（1）将成捆铜管的端面排列整齐；
（2）将与照相机同轴布置的强光源向成捆铜管的端面投射，使得每根铜管的边缘呈现高亮度状态，开启计算机；
（3）将照相机对准成捆铜管的中心部位采集完全包含成捆铜管端面的图片；
（4）照相机将采集到的包含成捆铜管端面的图片传送并保存到计算机中；
（5）运行计算机中的图像处理软件；
（6）选取图像预处理方法，滤除背景部分图像，保留成捆铜管的端面图像；
（7）启动处理成捆铜管的端面图像的计算机图像处理方法，识别出每根铜管的端面，并计数输出；处理成捆铜管的端面图像的计算机图像处理方法为：对最终得到主要包含成捆铜管的端面部分的图像采用基于Hough变换的圆形轮廓识别算法，识别出每一根铜管的端面，最后对所有的铜管端面综合计数；
（8）完成一捆铜管计数之后，从步骤（1）开始进行下一捆铜管的计数。
本实施例中所述步骤（6）中图像预处理方法为：
（A1） 将获取的图片转变为灰度图片； （A2） 采用中值滤波的方法去除图片中的随机噪声； （A3） 利用Sobel算子，并结合腐蚀（Erode）和膨胀（Dilate）形态学图像操作方法，滤除成捆铜管的端面的背景图像部分，并保持每根铜管的边缘轮廓清晰可见，最终得到主要包含成捆铜管的端面部分的图像。
实施例2
一种基于机器视觉的成捆铜管计数设备，它包括：图像采集设备1、图像处理系统2和计算机3，所述图像采集设备1为照相机，所述图像处理系统2为图像处理软件，所述图像处理软件安装于计算机3中；本实施例中还包括一强光源，所述强光源与照相机位于同轴上。
本实施例中，照相机采集铜管图像，然后将采集的图像送入计算机中，计算机中的图像处理软件对图像进行处理；最后计算机对处理后的图像进行计数。
本实施例采用上述基于机器视觉的成捆铜管计数设备的计数方法，具体步骤如下：
（1）利用将成捆铜管的端面排列整齐；
（2）将与照相机同轴布置的强光源向成捆铜管的端面投射，使得每根铜管的边缘呈现高亮度状态，开启计算机；
（3）将照相机对准成捆铜管的中心部位采集完全包含成捆铜管端面的图片；
（4）照相机将采集到的包含成捆铜管端面的图片传送并保存到计算机中；
（5）运行计算机中的图像处理软件；
（6）选取图像预处理方法，滤除背景部分图像，保留成捆铜管的端面图像；
（7）启动处理成捆铜管的端面图像的计算机图像处理方法，识别出每根铜管的端面，并计数输出；处理成捆铜管的端面图像的计算机图像处理方法为：对最终得到主要包含成捆铜管的端面部分的图像采用基于Hough变换的圆形轮廓识别算法，识别出每一根铜管的端面，最后对所有的铜管端面综合计数；
（8）完成一捆铜管计数之后，从步骤（1）开始进行下一捆铜管的计数。
本实施例中所述步骤（6）中图像预处理方法为：
（B1）将获取的图片转变为灰度图片； （B2） 采用中值滤波的方法去除图片中的随机噪声； （B3） 利用Canny算子，并调整该算子的灰度阈值的上下限，滤除成捆铜管的端面的背景图像部分，并保持每根铜管的边缘轮廓清晰可见，最终得到主要包含成捆铜管的端面部分的图像。
Claims (7)
1.一种基于机器视觉的成捆铜管计数设备，其特征在于：它包括：图像采集设备（1）、图像处理系统（2）、计算机（3），所述图像采集设备采集铜管图像，然后图像采集设备将采集的图像送入包含图像处理系统的计算机处理。
2.根据权利要求1所述的一种基于机器视觉的成捆铜管计数设备，其特征在于：它还包括一强光源，所述强光源与图像采集设备位于同轴上。
3.根据权利要求1所述的一种基于机器视觉的成捆铜管计数设备，其特征在于：所述图像采集设备为照相机。
4.一种基于机器视觉的成捆铜管计数设备的计数方法，其特征在于，该方法的具体步骤如下：
（1）将成捆铜管的端面排列整齐；
（2）将与图像采集设备同轴布置的强光源向成捆铜管的端面投射，使得每根铜管的边缘呈现高亮度状态，开启计算机；
（3）将图像采集设备对准成捆铜管的中心部位采集完全包含成捆铜管端面的图片；
（4）图像采集设备将采集到的包含成捆铜管端面的图片传送并保存到计算机中；
（5）运行计算机中的图像处理系统；
（6）选取图像预处理方法，滤除背景部分图像，保留成捆铜管的端面图像；
（7）启动处理成捆铜管的端面图像的计算机图像处理方法，识别出每根铜管的端面，并计数输出；
（8）完成一捆铜管计数之后，从步骤（1）开始进行下一捆铜管的计数。
5.根据权利要求4所述的一种基于机器视觉的成捆铜管计数设备的计数方法，其特征在于，所述步骤（6）中图像预处理方法为：
（A1） 将获取的图片转变为灰度图片；
（A2） 采用中值滤波的方法去除图片中的随机噪声；
（A3） 利用Sobel算子，并结合腐蚀Erode和膨胀Dilate形态学图像操作方法，滤除成捆铜管的端面的背景图像部分，并保持每根铜管的边缘轮廓清晰可见，最终得到主要包含成捆铜管的端面部分的图像。
6.根据权利要求4所述的一种基于机器视觉的成捆铜管计数设备的计数方法，其特征在于，所述步骤（6）中图像预处理方法为：
（B1）将获取的图片转变为灰度图片；
（B2） 采用中值滤波的方法去除图片中的随机噪声；
（B3） 利用Canny算子，并调整该算子的灰度阈值的上下限，滤除成捆铜管的端面的背景图像部分，并保持每根铜管的边缘轮廓清晰可见，最终得到主要包含成捆铜管的端面部分的图像。
7.根据权利要求5所述的一种基于机器视觉的成捆铜管计数设备的计数方法，其特征在于，所述步骤（7）中处理成捆铜管的端面图像的计算机图像处理方法为：对最终得到主要包含成捆铜管的端面部分的图像采用基于Hough变换的圆形轮廓识别算法，识别出每一根铜管的端面，最后对所有的铜管端面综合计数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110190935A CN102306277A (zh) | 2011-07-08 | 2011-07-08 | 一种基于机器视觉的成捆铜管计数设备及其计数方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110190935A CN102306277A (zh) | 2011-07-08 | 2011-07-08 | 一种基于机器视觉的成捆铜管计数设备及其计数方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102306277A true CN102306277A (zh) | 2012-01-04 |
Family
ID=45380137
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110190935A Pending CN102306277A (zh) | 2011-07-08 | 2011-07-08 | 一种基于机器视觉的成捆铜管计数设备及其计数方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102306277A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105513082A (zh) * | 2015-12-28 | 2016-04-20 | 中建三局第一建设工程有限责任公司 | 一种成捆棒材识别计数方法和装置 |
| CN112928756A (zh) * | 2021-04-07 | 2021-06-08 | 国网上海市电力公司 | 一种基于图形识别的电力负荷预测方法 |
| CN114367459A (zh) * | 2022-01-11 | 2022-04-19 | 宁波市全盛壳体有限公司 | 一种自动涂漆uv固化设备视频识别检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2713548Y (zh) * | 2004-07-20 | 2005-07-27 | 北京光电技术研究所 | 钢材在线计算机识别计数装置 |
| CN202257664U (zh) * | 2011-07-08 | 2012-05-30 | 健雄职业技术学院 | 一种基于机器视觉的成捆铜管计数设备 |
-
2011
- 2011-07-08 CN CN201110190935A patent/CN102306277A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2713548Y (zh) * | 2004-07-20 | 2005-07-27 | 北京光电技术研究所 | 钢材在线计算机识别计数装置 |
| CN202257664U (zh) * | 2011-07-08 | 2012-05-30 | 健雄职业技术学院 | 一种基于机器视觉的成捆铜管计数设备 |
Non-Patent Citations (2)
| Title |
|---|
| 《机床与液压》 20060131 邹应国等 "成捆钢筋快速计数方法的研究" 176-178 4-7 , 第2期 * |
| 邹应国等: ""成捆钢筋快速计数方法的研究"", 《机床与液压》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105513082A (zh) * | 2015-12-28 | 2016-04-20 | 中建三局第一建设工程有限责任公司 | 一种成捆棒材识别计数方法和装置 |
| CN105513082B (zh) * | 2015-12-28 | 2018-07-24 | 中建三局第一建设工程有限责任公司 | 一种成捆棒材识别计数方法和装置 |
| CN112928756A (zh) * | 2021-04-07 | 2021-06-08 | 国网上海市电力公司 | 一种基于图形识别的电力负荷预测方法 |
| CN114367459A (zh) * | 2022-01-11 | 2022-04-19 | 宁波市全盛壳体有限公司 | 一种自动涂漆uv固化设备视频识别检测方法 |
| CN114367459B (zh) * | 2022-01-11 | 2024-03-08 | 宁波市全盛壳体有限公司 | 一种自动涂漆uv固化设备视频识别检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN201779154U (zh) | 智能监控可追溯性深沟球轴承自动装配生产线 | |
| CN102508110A (zh) | 基于纹理的绝缘子缺陷诊断方法 | |
| CN103442174A (zh) | 一种实现大幅面在线检测的多cis拼接智能相机及方法 | |
| CN104266537B (zh) | 电厂凝汽器胶球清洗在线监测装置 | |
| CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测系统 | |
| CN101988907A (zh) | 一种卷材表面检测用的图像处理系统 | |
| CN102306277A (zh) | 一种基于机器视觉的成捆铜管计数设备及其计数方法 | |
| CN103983426A (zh) | 一种基于机器视觉的光纤缺陷检测及分类系统及其方法 | |
| CN101216270B (zh) | 电厂凝汽器胶球清洗自动监测装置 | |
| CN105136804A (zh) | 高速带钢表面图像采集及图像处理装置和方法 | |
| CN202631443U (zh) | 一种验布检测装置 | |
| CN202257664U (zh) | 一种基于机器视觉的成捆铜管计数设备 | |
| CN103175850A (zh) | 宽幅面高速生产线材料表面瑕疵检测方法及系统 | |
| CN106596552B (zh) | 双工位式机采棉加工过程图像信息在线采集装置 | |
| CN103175840A (zh) | 基于机器视觉的胶印版材表面检测方法及系统 | |
| CN103279098A (zh) | 一种基于图像识别的电力设备监控装置 | |
| CN104102179A (zh) | 基于云计算的机器视觉控制系统 | |
| CN102866165A (zh) | 五金件表面缺陷检测装置 | |
| CN202677160U (zh) | 冷凝器清洗机自动控制系统 | |
| CN203164738U (zh) | 基于云计算的机器视觉控制系统 | |
| CN202126412U (zh) | 布面质量在线检测系统 | |
| CN102692904A (zh) | 冷凝器清洗机自动控制系统 | |
| CN202486067U (zh) | 宽幅面高速生产线材料表面瑕疵检测系统 | |
| CN202583074U (zh) | 基于机器视觉的胶印版材表面检测系统 | |
| CN201163168Y (zh) | 电厂凝汽器胶球清洗自动监测装置 |
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 |