CN104001676B - 大型多品种混搭内衣自动化分拣方法及生产线 - Google Patents
大型多品种混搭内衣自动化分拣方法及生产线 Download PDFInfo
- Publication number
- CN104001676B CN104001676B CN201410185069.6A CN201410185069A CN104001676B CN 104001676 B CN104001676 B CN 104001676B CN 201410185069 A CN201410185069 A CN 201410185069A CN 104001676 B CN104001676 B CN 104001676B
- Authority
- CN
- China
- Prior art keywords
- point
- underwear
- mashed
- conveyor belt
- profile
- 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
Abstract
本发明公开了大型多品种混搭内衣自动化分拣方法,其特征在于,其包括以下步骤:1)设置一送料工作区;2)设置一分拣工作区,该分拣工作区包括透明传送带、轮廓采集机构、花样采集机构及数据处理装置;所述透明传送带将送料工作区的内衣向前送进,所述数据处理装置对轮廓采集机构、花样采集机构采集到的图像数据进行处理,获得轮廓对比数据及花样对比数据,并分别与预存的不同品种的轮廓数据及花样数据进行对比,从而识别出内衣的品种;3)设置一混搭工作区,该混搭工作区包括若干个混搭点及一机械手,当数据处理装置判断出内衣为其中一个混搭点所需的品种时,则机械手将该内衣放至到该混搭点。本发明还公开了实施该方法的生产线。
Description
技术领域
本发明涉及自动分拣技术;特别涉及大型多品种混搭内衣自动化分拣方法及生产线。
背景技术
目前的多品种混搭内衣的分拣皆是依靠人工进行,存在着许多不足;首先是工作效率低,依靠人工对多品种混搭内衣进行分拣,速度缓慢,而且一次只能针对一个混搭点进行混搭,影响生产效率,和配送速度;其次是出错率高,依靠人工对多品种的内衣进行设别,既要考虑尺寸(轮廓)因素,又要考虑花样因素,而且很多时候有许多不同品种的内衣,其尺寸和花样都相差不远,这样便导致人工分拣时容易出现差错,难以保证品质;还有便是,这种长时间的多品种混搭内衣分拣工作,容易造成视觉疲劳,不利于工人的健康。对于打好包装的内衣也是如此,因为包装分很多种,透明的,半透明的,大的小的,包装花纹形式各异的,如果只是依靠人工识别和分拣,非常的耗时耗力。因此,开发一种大型多品种混搭内衣自动化分拣方法及相应的生产线显得非常必要,既能提高生产效率、保证生产品质、降低生产成本,而且避免损害工人的身体健康。
发明内容
本发明针对现有技术的不足,其目的在于提供一种大型多品种混搭内衣自动化分拣方法及相应的生产线;该分拣生产线采用科学合理的布局设置,使各个工作区相辅相成;该方法能够实现多品种混搭内衣自动化分拣。
本发明为实现上述目的所采用的技术方案为:大型多品种混搭内衣自动化分拣方法,其特征在于,其包括以下步骤:
1)设置一送料工作区对若干品种的内衣进行理顺,伸展平摊并使正面朝上,然后送往下一工作区;该送料工作区包括暂存点及分离点,所述暂存点设有一震动盘,所述分离点设有一导槽,该导槽一端与振动盘相连接,另一端与透明传送带相连接。
2)设置一分拣工作区,该分拣工作区包括透明传送带、轮廓采集机构、花样采集机构及数据处理装置;所述透明传送带将送料工作区的内衣向前送进,依次经过轮廓采集机构、花样采集机构;所述数据处理装置对轮廓采集机构、花样采集机构采集到的图像数据进行处理,获得轮廓对比数据及花样对比数据,并分别与预存的不同品种的轮廓数据及花样数据进行对比,从而识别出内衣的品种:
2.1)所述轮廓采集机构包括线阵CCD相机及LED背光源,所述LED背光源由下向上对透明传送带上的内衣进行打光,所述线阵CCD相机由上向下对透明传送带上的内衣进行线扫描图像采集,并输送到数据处理装置;所述数据处理装置对采集到的线扫描图像进行处理:首先对线扫描图像进行图像标定、二值化、去噪声,使边缘定位到像素内部的精确位置,其次对预处理后的线扫描图像分别进行膨胀处理、腐蚀处理,用膨胀后的图像减去腐蚀后的图像,得到多像素宽的边缘,再对该多像素宽的边缘进行细化,获得单像素宽的轮廓,进而获取轮廓对比数据;
2.2)所述花样采集机构包括CIS相机及LED正光源,所述LED正光源从侧上方对透明传送带上的内衣进行打光,所述CIS相机由正上方对透明传送带上的内衣进行花样图像采集,并输送到数据处理装置;所述数据处理装置对采集到的花样图像进行处理:首先将花样图像拆分为若干个部分,其次分别对各个部分进行特征提取,再对提取的各个部分特征进行特征拼接,进而获得花样对比数据;
2.3)将轮廓对比数据及花样对比数据分别与数据处理装置中预存的不同品种的轮廓数据及花样数据进行对比,从而识别出内衣的品种;
3)设置一混搭工作区,该混搭工作区包括若干个混搭点及一机械手,当数据处理装置判断出内衣为其中一个混搭点所需的品种时,则机械手将该内衣放至到该混搭点,直至该混搭点所需要的内衣品种和数量都已经满足,完成多品种内衣自动化分拣。
步骤2.1)中,用最大类间方差法进行图像二值化,用区域骨架提取算法对多像素宽的边缘进行细化;其中,所述用区域骨架提取算法对多像素宽的边缘进行细化,包括如下步骤:所述组成轮廓的各像素点为轮廓点,轮廓点为矩形透镜中心到标定后的图像中读取9像素×9像素大小矩形透镜内各像素点的灰度值和坐标,判断矩形透镜内各像素点的灰度值梯度方向,用三次样条插值函数对灰度值梯度方向上各像素点的灰度值进行插值,求得插值函数的一阶导数,然后求得插值函数一阶导数的极值点位置,根据极值点位置计算出亚像素坐标并保存,然后再选取下一轮廓点,依次循环反复,直至将所有的轮廓点都处理完。
步骤2.1)中,还包括如下步骤:识别出单像素宽的轮廓的各个图元;a)根据轮廓点的邻域值将轮廓点进行分类,将可成为角点的轮廓点选出,并将这些轮廓点定为候选轮廓点;b)用11点k-曲率法计算各候选轮廓点的离散曲率值,根据各候选轮廓点的离散曲率值计算出离散曲率阈值,按照此阈值对候选轮廓点进行第一次筛选,选出离散曲率值大于阈值的候选轮廓点,将这些候选轮廓点定为一次筛选候选轮廓点;c)用投影高度法对一次筛选候选轮廓点进行分类;d)用基于HOUGH变换的圆弧分割与融合算法将圆弧图元中的伪特征点剔除并增选拐点,将进行该步骤后得到的候选轮廓点定为二次筛选候选轮廓点;e)用投影高度法对二次筛选候选轮廓点进行分类;f)用基于HOUGH变换的直线分割与融合算法将直线图元中的伪特征点剔除并增选切点;g)到此已经完全剔除了候选轮廓点中的伪特征点并增选了拐点与切点,将此时得到的候选轮廓点定为特征点,用投影高度法对特征点进行分类,并判断特征点两侧图元的属性;h)将特征点按顺序保存。
所述步骤2.2)中的特征提取包括如下步骤:
对花样图像进行图像背景分离,图像灰度增强、图像归一化;保留花样图像中花样的真实特征,滤除虚假特征;进行滤波,保证花样数据无杂点。
实施所述方法的大型多品种混搭内衣自动化分拣生产线,其特征在于,包括依次设置的送料工作区、分拣工作区及混搭工作区,所述分拣工作区包括透明传送带、轮廓采集机构、花样采集机构及数据处理装置;所述透明传送带穿设于轮廓采集机构及花样采集机构,并将送料工作区的内衣向前送进,依次经过轮廓采集机构、花样采集机构;所述混搭工作区包括若干个混搭点及一机械手,所述若干混搭点设于透明传送带一侧,所述机械手设于透明传送带另一侧,并与所述混搭点相对应。
所述送料工作区包括暂存点及分离点,所述暂存点设有一震动盘,所述分离点设有一导槽,该导槽一端与振动盘相连接,另一端与透明传送带相连接。
所述轮廓采集机构包括线阵CCD相机及LED背光源,所述LED背光源位于透明传送带下方,并由下向上对透明传送带上的内衣进行打光,所述线阵CCD相机位于透明传送带上方,并由上向下对透明传送带上的内衣进行线扫描图像采集。所述花样采集机构包括CIS相机及LED正光源,所述LED正光源位于透明传送带侧上方,并从侧上方对透明传送带上的内衣进行打光,所述CIS相机位于透明传送带正上方,并由正上方对透明传送带上的内衣进行花样图像采集。所述LED正光源包括四个,分别位于透明传送带的前、后、左、右侧上方,且以45°角对透明传送带上的内衣进行打光。
本发明的优点在于:实现了多品种混搭内衣自动化分拣,提高生产效率、保证生产品质、降低生产成本,而且避免损害工人的身体健康。
下面结合附图与具体实施方式,对本发明进一步说明。
附图说明
图1为本实施例生产线的结构示意图;
图2为本实施例送料工作区的结构示意图;
图3为本实施例轮廓采集处理前示意图;
图4为图3使边缘定位到像素内部的精确位置后的示意图;
图5为图4获得单像素宽的轮廓示意图;
图中:1.送料工作区;11.震动盘;12.导槽;2.分拣工作区;21.透明传送带;
22.线阵CCD相机;23.LED背光源;4.内衣;24.CIS相机;
25.LED正光源;3.混搭工作区;32.混搭点;31.机械手。
具体实施方式
参见图1至图2,本实施例提供的大型多品种混搭内衣自动化分拣方法,其包括以下步骤:
1)设置一送料工作区1对若干品种的内衣进行理顺,伸展平摊并使正面朝上,然后送往分拣工作区2;该送料工作区1包括暂存点及分离点,所述暂存点设有一震动盘11,所述分离点设有一导槽12,该导槽12一端与振动盘11相连接,另一端与分拣工作区2的透明传送21带相连接;该位置只需配备一工人即可,负责确保送料工作区正常运行,对物料进行一定的整理。
2)设置一分拣工作区2,该分拣工作区2包括透明传送带21、轮廓采集机构、花样采集机构及数据处理装置;所述透明传送21带将送料工作区1的内衣向前送进,依次经过轮廓采集机构、花样采集机构;所述数据处理装置对轮廓采集机构、花样采集机构采集到的图像数据进行处理,获得轮廓对比数据及花样对比数据,并分别与预存的不同品种的轮廓数据及花样数据进行对比,从而识别出内衣的品种:
2.1)所述轮廓采集机构包括线阵CCD相机22及LED背光源23,所述LED背光源23由下向上对透明传送带21上的内衣4进行打光,所述线阵CCD相机22由上向下对透明传送带21上的内衣4进行线扫描图像采集,并输送到数据处理装置;所述数据处理装置对采集到的线扫描图像进行处理:首先对线扫描图像进行图像标定、二值化、去噪声,使边缘定位到像素内部的精确位置,其次对预处理后的线扫描图像分别进行膨胀处理、腐蚀处理,用膨胀后的图像减去腐蚀后的图像,得到多像素宽的边缘,再对该多像素宽的边缘进行细化,获得单像素宽的轮廓,进而获取轮廓对比数据。用最大类间方差法进行图像二值化,用区域骨架提取算法对多像素宽的边缘进行细化;其中,所述用区域骨架提取算法对多像素宽的边缘进行细化,包括如下步骤:所述组成轮廓的各像素点为轮廓点,轮廓点为矩形透镜中心到标定后的图像中读取9像素×9像素大小矩形透镜内各像素点的灰度值和坐标,判断矩形透镜内各像素点的灰度值梯度方向,用三次样条插值函数对灰度值梯度方向上各像素点的灰度值进行插值,求得插值函数的一阶导数,然后求得插值函数一阶导数的极值点位置,根据极值点位置计算出亚像素坐标并保存,然后再选取下一轮廓点,依次循环反复,直至将所有的轮廓点都处理完。
参见图3至图5,举例说明如下:例如,处理前的结果如图3所示,使边缘定位到像素内部的精确位置后的结果如图4所示,获得单像素宽的轮廓的结果如5所示。
被检测内衣的图像经处理后得到的是单像素,宽连通的像素点集,属于同一图元的单像素宽连通的,像素点构成如直线、圆弧、圆等的图元,然后再由这些图元构成平面轮廓。在机器视觉尺寸检测系统中,需要检测图元的几何尺寸及其误差、形状误差、图元间的位置及其误差,因此必须识别出组成平面轮廓的各个图元,为此提出了基于曲率与HOUGH变换的平面轮廓图元识别方法用于图像识别。即步骤2.1)中,还包括如下步骤:识别出单像素宽的轮廓的各个图元;a)根据轮廓点的邻域值将轮廓点进行分类,将可成为角点的轮廓点选出,并将这些轮廓点定为候选轮廓点;b)用11点k-曲率法计算各候选轮廓点的离散曲率值,根据各候选轮廓点的离散曲率值计算出离散曲率阈值,按照此阈值对候选轮廓点进行第一次筛选,选出离散曲率值大于阈值的候选轮廓点,将这些候选轮廓点定为一次筛选候选轮廓点;c)用投影高度法对一次筛选候选轮廓点进行分类;d)用基于HOUGH变换的圆弧分割与融合算法将圆弧图元中的伪特征点剔除并增选拐点,将进行该步骤后得到的候选轮廓点定为二次筛选候选轮廓点;e)用投影高度法对二次筛选候选轮廓点进行分类;f)用基于HOUGH变换的直线分割与融合算法将直线图元中的伪特征点剔除并增选切点;g)到此已经完全剔除了候选轮廓点中的伪特征点并增选了拐点与切点,将此时得到的候选轮廓点定为特征点,用投影高度法对特征点进行分类,并判断特征点两侧图元的属性;h)将特征点按顺序保存。
2.2)所述花样采集机构包括CIS相机24及LED正光源25,所述LED正光源25从侧上方对透明传送带21上的内衣4进行打光,所述CIS相机24由正上方对透明传送带21上的内衣4进行花样图像采集,并输送到数据处理装置;所述数据处理装置对采集到的花样图像进行处理:首先将花样图像拆分为若干个部分,其次分别对各个部分进行特征提取,再对提取的各个部分特征进行特征拼接,进而获得花样对比数据。特征提取包括如下步骤:对花样图像进行图像背景分离,图像灰度增强、图像归一化;保留花样图像中花样的真实特征,滤除虚假特征;进行滤波,保证花样数据无杂点。其中背景分离是将图像区与背景分离,从而避免在没有有效信息的区域进行特征提取,加速后续处理的速度,提高图像特征提取和匹配的精度;图像灰度增强是把不均匀边界不清晰的图片转化成边界清晰,方便图像提取的图形;图像归一化是将图像从灰度图像转换为二种值图像。具体需要提取的图像特征包括颜色或灰度的统计特征,纹理、边缘特征,图像代数特征,图像变换系数特征等。具体内容参考《图像特征提取研究》,翟俊海,赵文秀,王熙照,河北大学学报(自然科学版),第29卷,第1期,106至112,2009年1月。
2.3)将轮廓对比数据及花样对比数据分别与数据处理装置中预存的不同品种的轮廓数据及花样数据进行对比,从而识别出内衣的品种;
对于最终的对比数据,可以采用转化为尺寸1:1的矢量数据,即DXF、PLT等矢量格式文件。
3)设置一混搭工作区3,该混搭工作区包括若干个混搭点32及一机械手31,当数据处理装置判断出内衣为其中一个混搭点所需的品种时,则机械手31将该内衣放至到该混搭点32,直至该混搭点32所需要的内衣品种和数量都已经满足,完成多品种内衣自动化分拣。所述机械手31采用三自由度以上的机械手,实现将内衣取送到相应的混搭点。混搭工作区的具体运行如下:数据处理装置判断出某一内衣的品种后,进而判断其是否为第一混搭点所需要的内衣品种,如果是,则将其取送至该混搭点,如果否,则判断第一混搭点,同理,判断第三混搭点,如此类推,如果所有混搭点都不需要,则送至回收点。
实施所述方法的大型多品种混搭内衣自动化分拣生产线,包括依次设置的送料工作区1、分拣工作区2及混搭工作区3,所述分拣工作区1包括透明传送带21、轮廓采集机构、花样采集机构及数据处理装置;所述透明传送带21穿设于轮廓采集机构及花样采集机构,并将送料工作区1的内衣4向前送进,依次经过轮廓采集机构、花样采集机构;所述混搭工作区3包括若干个混搭点32及一机械手31,所述若干混搭点32设于透明传送带21一侧,所述机械手31设于透明传送带21另一侧,并与所述混搭点32相对应。所述透明传送带21采用柔性的透明带件,如高分子材料制备的透明胶带。该透明传动带通过带轮,电机,循环转动,形成传送机构。
所述送料工作区1包括暂存点及分离点,所述暂存点设有一震动盘11,所述分离点设有一导槽12,该导槽12一端与振动盘11相连接,另一端与透明传送带21相连接。振动盘11震动,可以使物料分离,分离后经过导槽12,落入透明传送带21。所述导槽12采用震动加前送式导槽(即震动,同时有往前送料的动作),且上部到下部,由宽至窄,放置同时出现两件物料叠加的情况。
所述轮廓采集机构包括线阵CCD相机22及LED背光源23,所述LED背光源23位于透明传送带21下方,并由下向上对透明传送带21上的内衣4进行打光,所述线阵CCD相机22位于透明传送带21上方,并由上向下对透明传送带21上的内衣4进行线扫描图像采集。所述花样采集机构包括CIS相机24及LED正光源25,所述LED正光源25位于透明传送21带侧上方,并从侧上方对透明传送带21上的内衣4进行打光,所述CIS相机24位于透明传送带21正上方,并由正上方对透明传送带21上的内衣4进行花样图像采集。所述LED正光源25包括四个,分别位于透明传送带21的前、后、左、右侧上方,且以45°角对透明传送带上的内衣进行打光。从四个侧上方同时以45°角打光,由于前后左右对称且角度适配的原因,能使花样图像采集效果达到最佳,避免出现变样的情况。
以上所述仅为本发明的较佳可行实施例,并非用以局限本发明的专利范围,故凡运用本发明说明书及附图内容所作的等效变化,均包含在本发明的保护范围内。
Claims (10)
1.大型多品种混搭内衣自动化分拣方法,其特征在于,其包括以下步骤:
1)设置一送料工作区对若干品种的内衣进行理顺,伸展平摊并使正面朝上,然后送往下一工作区;
2)设置一分拣工作区,该分拣工作区包括透明传送带、轮廓采集机构、花样采集机构及数据处理装置;所述透明传送带将送料工作区的内衣向前送进,依次经过轮廓采集机构、花样采集机构;所述数据处理装置对轮廓采集机构、花样采集机构采集到的图像数据进行处理,获得轮廓对比数据及花样对比数据,并分别与预存的不同品种的轮廓数据及花样数据进行对比,从而识别出内衣的品种:
2.1)所述轮廓采集机构包括线阵CCD相机及LED背光源,所述LED背光源由下向上对透明传送带上的内衣进行打光,所述线阵CCD相机由上向下对透明传送带上的内衣进行线扫描图像采集,并输送到数据处理装置;所述数据处理装置对采集到的线扫描图像进行处理:首先对线扫描图像进行图像标定、二值化、去噪声,使边缘定位到像素内部的精确位置,其次对预处理后的线扫描图像分别进行膨胀处理、腐蚀处理,用膨胀后的图像减去腐蚀后的图像,得到多像素宽的边缘,再对该多像素宽的边缘进行细化,获得单像素宽的轮廓,进而获取轮廓对比数据;
2.2)所述花样采集机构包括CIS相机及LED正光源,所述LED正光源从侧上方对透明传送带上的内衣进行打光,所述CIS相机由正上方对透明传送带上的内衣进行花样图像采集,并输送到数据处理装置;所述数据处理装置对采集到的花样图像进行处理:首先将花样图像拆分为若干个部分,其次分别对各个部分进行特征提取,再对提取的各个部分特征进行特征拼接,进而获得花样对比数据;
2.3)将轮廓对比数据及花样对比数据分别与数据处理装置中预存的不同品种的轮廓数据及花样数据进行对比,从而识别出内衣的品种;
3)设置一混搭工作区,该混搭工作区包括若干个混搭点及一机械手,当数据处理装置判断出内衣为其中一个混搭点所需的品种时,则机械手将该内衣放置到该混搭点,直至该混搭点所需要的内衣品种和数量都已经满足,完成多品种内衣自动化分拣。
2.根据权利要求1所述的大型多品种混搭内衣自动化分拣方法,其特征在于,步骤1)中,所述送料工作区包括暂存点及分离点,所述暂存点设有一振动盘,所述分离点设有一导槽,该导槽一端与振动盘相连接,另一端与透明传送带相连接。
3.根据权利要求1所述的大型多品种混搭内衣自动化分拣方法,其特征在于,步骤2.1)中,用最大类间方差法进行图像二值化,用区域骨架提取算法对多像素宽的边缘进行细化;其中,所述用区域骨架提取算法对多像素宽的边缘进行细化,包括如下步骤:组成所述轮廓的各像素点为轮廓点,轮廓点为矩形透镜中心到标定后的图像中读取9像素×9像素大小矩形透镜内各像素点的灰度值和坐标,判断矩形透镜内各像素点的灰度值梯度方向,用三次样条插值函数对灰度值梯度方向上各像素点的灰度值进行插值,求得插值函数的一阶导数,然后求得插值函数一阶导数的极值点位置,根据极值点位置计算出亚像素坐标并保存,然后再选取下一轮廓点,依次循环反复,直至将所有的轮廓点都处理完。
4.根据权利要求1所述的大型多品种混搭内衣自动化分拣方法,其特征在于,步骤2.1)中,还包括如下步骤:识别出单像素宽的轮廓的各个图元;a)根据轮廓点的邻域值将轮廓点进行分类,将可成为角点的轮廓点选出,并将这些轮廓点定为候选轮廓点;b)用11点k-曲率法计算各候选轮廓点的离散曲率值,根据各候选轮廓点的离散曲率值计算出离散曲率阈值,按照此阈值对候选轮廓点进行第一次筛选,选出离散曲率值大于阈值的候选轮廓点,将这些候选轮廓点定为一次筛选候选轮廓点;c)用投影高度法对一次筛选候选轮廓点进行分类;d)用基于HOUGH变换的圆弧分割与融合算法将圆弧图元中的伪特征点剔除并增选拐点,将进行该步骤后得到的候选轮廓点定为二次筛选候选轮廓点;e)用投影高度法对二次筛选候选轮廓点进行分类;f)用基于HOUGH变换的直线分割与融合算法将直线图元中的伪特征点剔除并增选切点;g)到此已经完全剔除了候选轮廓点中的伪特征点并增选了拐点与切点,将此时得到的候选轮廓点定为特征点,用投影高度法对特征点进行分类,并判断特征点两侧图元的属性;h)将特征点按顺序保存。
5.根据权利要求1所述的大型多品种混搭内衣自动化分拣方法,其特征在于,所述步骤2.2)中的特征提取包括如下步骤:
对花样图像进行图像背景分离,图像灰度增强、图像归一化;保留花样图像中花样的真实特征,滤除虚假特征;进行滤波,保证花样数据无杂点。
6.实施权利要求1至5之一所述方法的大型多品种混搭内衣自动化分拣生产线,其特征在于,包括依次设置的送料工作区、分拣工作区及混搭工作区,所述分拣工作区包括透明传送带、轮廓采集机构、花样采集机构及数据处理装置;所述透明传送带穿设于轮廓采集机构及花样采集机构,并将送料工作区的内衣向前送进,依次经过轮廓采集机构、花样采集机构;所述混搭工作区包括若干个混搭点及一机械手,所述若干混搭点设于透明传送带一侧,所述机械手设于透明传送带另一侧,并与所述混搭点相对应。
7.根据权利要求6所述的大型多品种混搭内衣自动化分拣生产线,其特征在于,所述送料工作区包括暂存点及分离点,所述暂存点设有一振动盘,所述分离点设有一导槽,该导槽一端与振动盘相连接,另一端与透明传送带相连接。
8.根据权利要求6所述的大型多品种混搭内衣自动化分拣生产线,其特征在于,所述轮廓采集机构包括线阵CCD相机及LED背光源,所述LED背光源位于透明传送带下方,并由下向上对透明传送带上的内衣进行打光,所述线阵CCD相机位于透明传送带上方,并由上向下对透明传送带上的内衣进行线扫描图像采集。
9.根据权利要求6所述的大型多品种混搭内衣自动化分拣生产线,其特征在于,所述花样采集机构包括CIS相机及LED正光源,所述LED正光源位于透明传送带侧上方,并从侧上方对透明传送带上的内衣进行打光,所述CIS相机位于透明传送带正上方,并由正上方对透明传送带上的内衣进行花样图像采集。
10.根据权利要求7所述的大型多品种混搭内衣自动化分拣生产线,其特征在于,所述LED正光源包括四个,分别位于透明传送带的前、后、左、右侧上方,且以45°角对透明传送带上的内衣进行打光。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410185069.6A CN104001676B (zh) | 2014-05-04 | 2014-05-04 | 大型多品种混搭内衣自动化分拣方法及生产线 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410185069.6A CN104001676B (zh) | 2014-05-04 | 2014-05-04 | 大型多品种混搭内衣自动化分拣方法及生产线 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104001676A CN104001676A (zh) | 2014-08-27 |
CN104001676B true CN104001676B (zh) | 2017-02-15 |
Family
ID=51362749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410185069.6A Active CN104001676B (zh) | 2014-05-04 | 2014-05-04 | 大型多品种混搭内衣自动化分拣方法及生产线 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104001676B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104867141B (zh) * | 2015-05-14 | 2018-11-09 | 浙江工业大学 | 一种连续生产中的无纺布袋自动定位方法 |
CN105537149A (zh) * | 2015-12-15 | 2016-05-04 | 华中科技大学无锡研究院 | 一种轴向多孔道介质自动透光检测系统及方法 |
CN107282468A (zh) * | 2016-03-31 | 2017-10-24 | 合肥美亚光电技术股份有限公司 | 色选机 |
CN106372644A (zh) * | 2016-08-22 | 2017-02-01 | 保定市立中车轮制造有限公司 | 一种用于轮毂分拣系统的图像识别方法 |
CN108986095A (zh) * | 2018-08-16 | 2018-12-11 | 广东数相智能科技有限公司 | 一种镜片检测图像获取装置、镜片检测方法及存储介质 |
CN109594286B (zh) * | 2018-11-26 | 2021-10-29 | 歌尔股份有限公司 | 一种智能洗衣方法、装置、智能洗衣机 |
CN110000844A (zh) * | 2019-04-15 | 2019-07-12 | 拓卡奔马机电科技有限公司 | 一种收料台分拣方法、系统及自动裁床设备 |
CN110523657A (zh) * | 2019-09-03 | 2019-12-03 | 广州能源检测研究院 | 一种基于3d扫描法的仪表外观检测装置及其工作方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5645337A (en) * | 1979-09-11 | 1981-04-25 | Hitachi Ltd | Feeding and assembling device for parts |
US4726898A (en) * | 1982-09-30 | 1988-02-23 | Pennwalt Corporation | Apparatus for spinning fruit for sorting thereof |
JP3104949B2 (ja) * | 1994-04-12 | 2000-10-30 | 株式会社栗本鐵工所 | 廃瓶の選別装置 |
DE4414112A1 (de) * | 1994-04-22 | 1995-10-26 | Johannes Bauer Maschinen Und A | Verfahren und Vorrichtung zum Trennen unterschiedlicher Wertstoffe |
JPH08155400A (ja) * | 1994-12-01 | 1996-06-18 | Kyokuto Kaihatsu Kogyo Co Ltd | 瓶の色彩選別装置 |
JP2000002651A (ja) * | 1998-06-17 | 2000-01-07 | Hitachi Plant Eng & Constr Co Ltd | プラスチックの識別方法及び装置 |
CN101406885A (zh) * | 2008-11-07 | 2009-04-15 | 浙江大学 | 用于水果自动分级的多色led视觉图像光源系统 |
KR100933436B1 (ko) * | 2009-06-04 | 2009-12-23 | 주식회사 아이디알시스템 | 잎상물 색채선별기 |
CN101627832B (zh) * | 2009-08-12 | 2012-01-25 | 贵州遵义烟叶有限责任公司 | 烟片在线自动识别分级系统 |
CN103056113A (zh) * | 2012-12-21 | 2013-04-24 | 天津市光学精密机械研究所 | 一种红枣自动分级系统及分级方法 |
CN103111427B (zh) * | 2013-01-10 | 2014-08-27 | 上海交通大学 | 基于图像处理的水果分选装置 |
CN203184246U (zh) * | 2013-03-30 | 2013-09-11 | 安徽省科亿信息科技有限公司 | 一种瓶盖自动分选设备 |
CN203316406U (zh) * | 2013-05-30 | 2013-12-04 | 宁夏大学 | 基于机器视觉技术的红枣无损自动分级机 |
CN103426164B (zh) * | 2013-06-09 | 2016-01-13 | 大连海事大学 | 基于Opencv图像分析的扇贝尺寸计算方法和扇贝分拣系统 |
CN103364411B (zh) * | 2013-07-18 | 2016-05-04 | 江苏科思机电工程有限公司 | 一种工件表面和边缘质量检测机及其检测方法 |
CN103495566B (zh) * | 2013-10-18 | 2015-12-02 | 核工业理化工程研究院华核新技术开发公司 | 基于视觉识别技术的矿石在线分选机 |
CN104148300B (zh) * | 2014-01-24 | 2017-02-15 | 北京聚鑫跃锋科技发展有限公司 | 基于机器视觉的垃圾分拣方法与系统 |
-
2014
- 2014-05-04 CN CN201410185069.6A patent/CN104001676B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104001676A (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104001676B (zh) | 大型多品种混搭内衣自动化分拣方法及生产线 | |
CN101907453B (zh) | 基于机器视觉的块状农产品尺寸在线测量方法与装置 | |
CN107941808B (zh) | 基于机器视觉的3d打印成型质量检测系统及方法 | |
CN204148152U (zh) | 大型多品种混搭内衣自动化分拣生产线 | |
CN104156951B (zh) | 一种针对支气管肺泡灌洗液涂片的白细胞检测方法 | |
CN109767445B (zh) | 一种高精度的pcb缺陷智能检测方法 | |
CN110738631A (zh) | 一种基于图像的对虾外形信息检测方法和检测系统 | |
CN111583193B (zh) | 基于几何轮廓模板匹配的开心果骨架提取装置及其算法 | |
CN106651882A (zh) | 一种基于机器视觉的燕窝杂质识别与检测方法及装置 | |
CN106548480A (zh) | 一种基于机器视觉的农产品体积快速测量装置及测量方法 | |
CN105678749B (zh) | 一种基于视觉的鲜鱼方向判别方法 | |
CN112233107B (zh) | 基于图像处理技术的葵花籽品级分类方法 | |
Chalidabhongse et al. | 2D/3D vision-based mango's feature extraction and sorting | |
CN106780437B (zh) | 一种快速qfn芯片塑封图像获取与放大方法 | |
CN110176020A (zh) | 一种融合2d和3d图像的燕窝杂质分拣方法 | |
CN101770645A (zh) | 高分辨率棉花异性纤维彩色图像的快速分割方法与系统 | |
CN110648312A (zh) | 一种基于鳞片形态特征分析的羊毛与羊绒纤维识别方法 | |
CN110741790B (zh) | 一种基于深度相机的穴盘苗多爪移栽-分选的处理方法 | |
CN111401121A (zh) | 一种基于超像素特征提取实现柑橘分割方法 | |
Wang et al. | Detection of potato’s size based on centroidal principal axis | |
Parmar et al. | Image morphological operation based quality analysis of coriander seed (Coriandrum satavum L) | |
Maheshwari | Quality assessment of oryza sativa ssp indica (rice) using computer vision | |
Yang et al. | Cherry recognition based on color channel transform | |
Liu et al. | Apple Binocular Visual Identification and Positioning System. | |
Zhao et al. | Grading system of tomato grafting machine based on machine vision |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20201027 Address after: Room 309, building 1, No. 19, Jinpeng Road, Fenggang town, Dongguan City, Guangdong Province 523696 Patentee after: Guangdong city logistics technology Co., Ltd Address before: 523000 Guangdong city of Dongguan province Fenggang Zhen Feng de Ling Cun Shi Shi Xia Shan Tang Wei Patentee before: GUANGDONG COSMO-LADY INDUSTRIAL Co.,Ltd. |
|
TR01 | Transfer of patent right |