CN104483320A - 工业脱硝催化剂的数字化缺陷检测装置与检测方法 - Google Patents

工业脱硝催化剂的数字化缺陷检测装置与检测方法 Download PDF

Info

Publication number
CN104483320A
CN104483320A CN201410577696.4A CN201410577696A CN104483320A CN 104483320 A CN104483320 A CN 104483320A CN 201410577696 A CN201410577696 A CN 201410577696A CN 104483320 A CN104483320 A CN 104483320A
Authority
CN
China
Prior art keywords
denitrating catalyst
catalyst product
industrial
image
support
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
Application number
CN201410577696.4A
Other languages
English (en)
Other versions
CN104483320B (zh
Inventor
郑恩辉
冯逸骅
陈良仁
徐灵鑫
孙坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Original Assignee
China Jiliang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Jiliang University filed Critical China Jiliang University
Priority to CN201410577696.4A priority Critical patent/CN104483320B/zh
Publication of CN104483320A publication Critical patent/CN104483320A/zh
Application granted granted Critical
Publication of CN104483320B publication Critical patent/CN104483320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种工业脱硝催化剂的数字化缺陷检测装置与检测方法。PC上位机分别与工业相机组、二维码扫描装置、红外检测器、光源和机器手相连接,工业相机组安装在传送带的入口处,工业相机组拍摄脱硝催化剂产品待检测面的四个角的图像;传送带上方安装有横跨支架,光源安装在靠近脱硝催化剂产品待检测面一侧的横跨支架上;红外检测器和二维码扫描装置安装在横跨支架上,机器手通过机器手支架安装在传送带传送终点处。本发明通过全自动操作对脱硝催化剂的合格性进行检测,在解放劳动力的同时还大大提高了检测的正确性以及节约生产成本,其高稳定性和安全性保证其能够完成检测任务。

Description

工业脱硝催化剂的数字化缺陷检测装置与检测方法
技术领域
[0001] 本发明涉及一种缺陷检测装置与检测方法,特别是涉及到基于数字图像处理的一种工业脱硝催化剂的数字化缺陷检测装置与检测方法。
背景技术
[0002] 脱硝催化剂的使用是一种用来控制氮氧化物排放到大气中的有效手段。经科学研宄表明,氮氧化物是一种危害巨大的大气污染物,危害范围已经扩散到全球范围。氮氧化物不仅是形成酸雨的主要“元凶”之一,对人体亦有很强的刺激性,容易引起各种疾病,此外,氮氧化物还会造成臭氧层加厚从而产生光化学烟雾,影响能见度。脱硝催化剂的作用就是尽可能的减少工业生产以及生活中的氮氧化物向大气中的排放,对环境保护以及人类的健康都有不小的益处。但是脱硝催化剂在生产过程中往往会由于生产工艺等原因,出现产品中出现带有残缺、破损等缺陷的不合格品,这些缺陷可能会对脱硝的效果产生很大的影响。目前,脱硝催化的质量检测一般采用人工观察的方法,由工人通过观察和长期积累的经验进行判断,这种检测方法一方面检测效率低下,人工成本高;另一方面,人为因素的影响非常大,脱硝催化剂的产量巨大,这很容易造成检测员工的身心疲劳,人为因素直接影响了产品检验的可靠性,因此在检测过程中经常会出现瑕疵产品以及合格产品的误判、错判,大大降低了产品质量检测的稳定性和效率,对脱硝催化剂生产行业发展有着巨大影响。在脱硝催化剂生产技术逐步完善的情况下,脱硝催化剂的缺陷检测技术的进步成了这个行业迫切的需要。
[0003] 数字图像处理技术具有再现性好、处理精度高、适用面宽、灵活性高、稳定性高等优势,运用于自动检测装置之中可以大幅度的提高生产效率以及产品质量,降低成本,提升产品生产的自动化程度以及智能化水平。基于数字图像处理的上述优点,以及伴随着图像处理技术的迅速发展和现代化生产需要,计算机图像模式识别技术在国防、工业、科学研宄等各个方面都得到了广泛的应用。在现代化工业生产过程中,基于数字图像处理的自动检测装置已经被广泛的应用于生产过程监控以及产品质量检验等领域。
发明内容
[0004] 为了解决背景技术中存在的问题,本发明的目的在于提供一种工业脱硝催化剂的数字化缺陷检测装置与检测方法,利用图像检测的方法检测工业生产脱硝催化剂的缺陷。
[0005] 本发明是通过以下方案实现的:
一、一种工业脱硝催化剂的数字化缺陷检测装置:
包括PC上位机、相机支架、工业相机组、光源、横跨支架和机器手;PC上位机分别与工业相机组、二维码扫描装置、红外检测器、光源和机器手相连接,工业相机组通过相机支架安装在传送带的入口处,脱硝催化剂产品在传送带上传送,脱硝催化剂产品上表面贴有二维码;工业相机组的镜头均正对脱硝催化剂产品的待检测面,用于拍摄脱硝催化剂产品待检测面的四个角的图像;传送带上方安装有横跨支架,光源安装在靠近脱硝催化剂产品待检测面一侧的横跨支架上,光源的照射方向正对脱硝催化剂产品的待检测面;用于检测脱硝催化剂产品位置的红外检测器和用于扫描脱硝催化剂产品上二维码的二维码扫描装置安装在横跨支架上,红外信号发射方向朝向脱硝催化剂产品,机器手通过机器手支架安装在传送带传送终点处。
[0006] 所述的工业相机组由四台呈“田”字形布置的工业相机组成。
[0007] 所述的光源与横跨支架通过铰链连接,根据脱硝催化剂产品的型号、大小不同通过铰链调整光源的照射角度。
[0008] 所述的工业相机组安装在相机支架的面板上,相机支架的面板与下方的支撑杆采用铰链连接,根据脱硝催化剂产品的型号、大小不同通过铰链调整工业相机组的拍摄角度。
[0009] 所述装置用于蜂窝式脱硝催化剂产品的缺陷检测。
[0010] 二、一种工业脱硝催化剂的数字化缺陷检测方法,包括如下步骤:
1)生产线上的脱硝催化剂产品由传送带传送中,通过红外检测器感应检测脱硝催化剂产品的位置,到达检测位置时传送信号使传送带停止工作,光源照明,二维码扫描装置扫描脱硝催化剂产品的二维码信息并传输到PC上位机;
2)利用工业相机组对脱硝催化剂产品的待检测面分块采集图像,工业相机组的四个工业相机分别采集脱硝催化剂产品待检测面四个角的图像,并使采集到的四张图像之间均有重叠部分,然后将图像传送至PC上位机;
3)PC上位机对采集到的四张图像依次经图像预处理、图像配准、建立变换模型、同一坐标变换后再进行融合重构,将各个图像的重叠部分进行融合,得到一张平滑无缝的全景图像;
4)采用灰度变化方法对全景图像进行灰度处理;
5)对灰度处理过的全景图像进行特征向量提取;
6)用训练好的分类器对特征向量进行分类,区分为缺陷特征向量或者非缺陷特征向量:如果任一子区域的特征向量为缺陷特征向量,则该脱硝催化剂产品为缺陷产品;如果所有子区域的特征向量均为非缺陷特征向量,则该脱硝催化剂产品为合格产品;将区分后得到的缺陷信息输入到PC上位机中;
7)传送带继续工作,传送脱硝催化剂产品至机器手处,机器手通过从PC上位机中获取脱硝催化剂产品的二维码信息和缺陷信息将缺陷产品提取出来。
[0011] 所述的步骤6)中分类器采用以下方式进行训练:收集至少500张包含有缺陷的脱硝催化剂产品图像样本,对每张图像的孔洞进行标注,先采用灰度变化方法对拼接完成的全景图像进行灰度处理;再通过霍夫直线检测方法定位脱硝催化剂产品的每个孔洞位置,然后对孔洞图像预处理并提取特征向量,对特征向量进行分类,分成缺陷特征向量和非缺陷特征向量,将特征向量作为训练数据输入到支持向量机分类模型中,训练得到分类器。
[0012] 所述的提取特征向量具体采用以下方式:首先将图像平均划分为16X16的子区域,将子区域中的每一个像素点与其位于该子区域中的环形邻域内的邻域像素点进行顺时针或逆时针依次比较,如果该像素点的灰度值比邻域像素点的灰度值大,则邻域像素点赋值为1,否则赋值为ο ;每个像素点经与各个邻域像素点比较后获得一个二进制数,然后转换为十进制数;接着进行计算得到子区域内的每个像素点的十进制数中的数字统计直方图,然后对该统计直方图进行归一化处理,最后将得到的每个子区域的直方图进行连接成为一个特征向量,作为纹理特征向量。
[0013] 所述检测方法用于蜂窝式脱硝催化剂产品的缺陷检测。
[0014] 与现有脱硝催化剂的检测方式相比,本发明的有益效果在于:
本发明通过全自动操作对脱硝催化剂的合格性进行检测,在解放劳动力的同时还大大提高了检测的正确性以及节约生产成本,其高稳定性和安全性保证其能够完成检测任务。
[0015] 本发明利用数字化图像处理技术,其尚未被应用于工业生产脱硝催化剂的缺陷检测,是一个全新的方向,是对现在正使用的工业生产脱硝催化剂的缺陷检测方法的一个全面升级。
附图说明
[0016] 图1为本发明装置的结构示意图。
[0017] 图2为本发明检测方法的流程图。
[0018] 图3为本发明实施例的检测结果示意图。
[0019] 图4为本发明检测对象的缺陷类型示意图。
[0020] 图5为本发明的霍夫直线检测示意图。
[0021] 图6为本发明的缺陷样本的预处理过程。
[0022] 图7为本发明的非缺陷样本的预处理过程。
[0023] 图8为本发明检测的一个子区域的示意图。
[0024] 图9为图8所显示的子区域相应的数字统计直方图。
[0025] 图10为图9归一化之后的直方图。
[0026] 图中:1、PC上位机,2、相机支架,3、工业相机组,4、横跨支架,5、红外检测器,6、光源,7、传送带,8、机器手支架,9、机器手,10、脱硝催化剂产品,11、二维码扫描装置。
具体实施方式
[0027] 下面结合附图对本发明作进一步说明。
[0028] 如图1所示,本发明检测装置包括PC上位机1、相机支架2、工业相机组3、光源6、横跨支架4和机器手9 ;PC上位机1分别与工业相机组3、二维码扫描装置11、红外检测器5、光源6和机器手9相连接,工业相机组3通过相机支架2安装在传送带7的入口处,脱硝催化剂产品10在传送带7上传送,脱硝催化剂产品10上表面贴有二维码;工业相机组3的镜头均正对脱硝催化剂产品10的待检测面,用于拍摄脱硝催化剂产品10待检测面的四个角的图像;传送带7上方安装有横跨于两侧的横跨支架4,光源6安装在靠近脱硝催化剂产品10待检测面一侧的横跨支架4上,光源6的照射方向正对脱硝催化剂产品10的待检测面;用于检测脱硝催化剂产品10位置的红外检测器5和用于扫描脱硝催化剂产品10上二维码的二维码扫描装置11安装在横跨支架4上,红外信号发射方向朝向脱硝催化剂产品10,机器手9通过机器手支架8安装在传送带7传送终点处。
[0029] 工业相机组3由四台呈“田”字形布置的工业相机组成。
[0030] 光源6与横跨支架4通过铰链连接,根据脱硝催化剂产品10的型号、大小不同通过铰链调整光源6的照射角度。
[0031] 工业相机组3安装在相机支架2的面板上,相机支架2的面板与下方的支撑杆采用铰链连接,根据脱硝催化剂产品10的型号、大小不同通过铰链调整工业相机组3的拍摄角度。
[0032] 如图2所示,本发明检测方法包括如下步骤:
1)生产线上的脱硝催化剂产品10由传送带7传送中,通过红外检测器5感应检测脱硝催化剂产品10的位置,到达检测位置时传送信号使传送带7停止工作,光源6照明,二维码扫描装置11扫描脱硝催化剂产品10的二维码信息并传输到PC上位机1。
[0033] 2)利用工业相机组3对脱硝催化剂产品10的待检测面分块采集图像,工业相机组3的四个工业相机分别采集脱硝催化剂产品10待检测面四个角的图像,并使采集到的四张图像之间均有重叠部分,然后将图像传送至PC上位机1。
[0034] 背景光源能够确保工业相机组获取到清晰的数字图像,二维码扫描装置通过对每个产品特有的二维码标签进行扫描,并将该产品的二维码信息传输至PC上位机,PC上位机接收到数据后为该产品建立相应数据库。
[0035] 3)PC上位机1对采集到的四张图像依次经图像预处理、图像配准、建立变换模型、同一坐标变换后再进行融合重构,将各个图像的重叠部分进行融合,得到一张平滑无缝的全景图像。
[0036] 4)采用灰度变化方法对全景图像进行灰度处理;灰度变化方法是通过对原图像素值重新分配实现的,使图像中表现较暗的像素值,通过灰度变换函数映射的方法使较暗的像素值增大,从而增强对图像信息的辨别能力,有利于对图像特征向量的提取。
[0037] 5)对灰度处理过的全景图像进行特征向量提取。
[0038] 6)用训练好的分类器对特征向量进行分类,区分为缺陷特征向量或者非缺陷特征向量:如果任一子区域的特征向量为缺陷特征向量,则该脱硝催化剂产品10为缺陷产品;如果所有子区域的特征向量均为非缺陷特征向量,则该脱硝催化剂产品10为合格产品;将区分后得到的缺陷信息输入到PC上位机1中;
7)传送带7继续工作,传送脱硝催化剂产品10至机器手9处,机器手9通过从PC上位机1中获取脱硝催化剂产品10的二维码信息和缺陷信息来判别是否合格,并将缺陷产品与合格产品区分出来,从而将缺陷产品提取出来。
[0039] 步骤6)中分类器采用以下方式进行训练:收集至少500张包含有缺陷的脱硝催化剂产品图像样本,脱硝催化剂产品图像样本中对每张图像的孔洞进行标注,如图5所示,先采用灰度变化方法对拼接完成的全景图像进行灰度处理;再通过霍夫直线检测方法定位脱硝催化剂产品的每个孔洞位置,然后对孔洞图像预处理并提取特征向量,对特征向量进行分类,分成缺陷特征向量和非缺陷特征向量,将特征向量作为训练数据输入到支持向量机分类模型中,训练得到分类器。
[0040] 上述的提取特征向量具体均采用以下方式:首先将图像平均划分为16X16的子区域,将子区域中的每一个像素点与其位于该子区域中的环形邻域内的邻域像素点进行顺时针或逆时针依次比较,如果该像素点的灰度值比邻域像素点的灰度值大,则邻域像素点赋值为1,否则赋值为0 ;每个像素点经与各个邻域像素点比较后获得一个二进制数,然后转换为十进制数;接着进行计算得到子区域内的每个像素点的十进制数中的数字统计直方图,然后对该统计直方图进行归一化处理,最后将得到的每个子区域的直方图进行连接成为一个特征向量,作为纹理特征向量,也就是整幅图的纹理特征向量。
[0041] 横跨支架4可安装在距离传送带左端lm处。
[0042] 如图1所示,本发明装置检测过程如下:
把生产线上下来的待检测脱硝催化剂产品10经传送带7传送至红外检测器5正下方待检测区域,此时,当生产线上下来的脱硝催化剂由传送带传送至指定位置时,红外检测器检测到产品后发送指令使传送带停止运行以及使背景光源自动亮起,背景光源能够确保工业相机组获取到清晰的数字图像,二维码扫描器对脱硝催化剂的二维码标签进行扫描,并将该脱硝催化剂产品的相应二维码信息传送到PC上位机,PC上位机将产品二维码信息添加到数据库中,同时,工业相机组开始工作,对脱硝催化剂的正面以及侧面进行拍摄以获取轮廓清晰的数字图像组,然后将获取到的图像组传送至PC上位机,PC上位机1将图片组存储到与催化剂产品10相对应数据库内。
[0043] PC上位机1对数据库内的照片进行图像预处理、图像配准、建立变换模型、同一坐标变换最后拼接融合重构组成一张完整的照片,然后对拼接完成的全景图像进行灰度处理。
[0044] 接着提取图片的特征向量,最后通过训练好的分类器对特征进行分类,若所提取特征的分类结果显示存在缺陷特征则在脱硝催化剂相应的二维码信息标注为1,若所提取特征的分类结果显示只存在非缺陷特征分类标注为2,并将此标注信息保存至该脱硝催化剂产品相应的数据库内,待检测结果保存完毕,命令传送带7继续带动脱硝催化剂产品10前往机器手9处,机器手9通过提取PC上位机1中脱硝催化剂产品10的二维码信息来判别该产品是否合格,并将合格产品与不合格产品分拣至不同区域。
[0045] 本发明装置和方法主要用于蜂窝式脱硝催化剂产品的缺陷检测。
[0046] 本发明装置首先利用工业相机组对脱硝催化剂进行图像采集,由于单个工业相机获取的催化剂整体图像无法达到精确检测的要求,因此在拍摄图像时采用由四个工业相机组成的工业相机组对脱硝催化剂进行图像采集。
[0047] 为了获取脱硝催化剂的缺陷的深度信息,需要将工业相机倾斜一定的角度使工业相机的拍照路线与脱硝催化剂的正面成一定角度,此角度需要根据催化剂的大小进行调整,这种方式获取的图像会存在畸变,因此在获取图像前对工业相机进行标定来克服图像的畸变以获取效果更好的图像。
[0048] 拍摄图像成功之后,工业相机组将拍摄到的图像组传送到上位机,上位机接收到图像组后对其组进行图像处理,最终实现检测缺陷的目标。在图像检测过程中,首先上位机对从工业相机上传的图像进行灰度变化,然后对已经灰度变化过的图像进行特征向量的提取,最后用支持向量机分类器对图像组进行图像检测。
[0049] 检测结果保存完毕,命令传送带继续带动脱硝催化剂前往机器手处,机器手通过提取上位机中脱硝催化剂产品的二维码信息来判别该产品是否合格,并将合格产品与不合格产品分拣至不同区域。
[0050] 本发明的具体实施例如下:
1)根据厂家提供的脱硝催化剂产品的缺陷样本信息以及自己采集的缺陷样本信息对缺陷样本进行分类器训练,缺陷样本类型如图4所示,训练过程为收集500包含有缺陷的脱硝催化剂产品图像样本,用灰度变化方法对图像进行灰度处理;再通过霍夫直线检测方法定位脱硝催化剂产品的每个孔洞位置,霍夫直线检测示意图如图5所示,然后对孔洞图像进行预处理并提取特征向量,对特征向量进行分类,分成缺陷特征向量和非缺陷特征向量,缺陷样本的预处理过程如图6所示,非缺陷样本的预处理过程如图7所示,将特征向量作为训练数据输入到支持向量机分类模型中,训练得到该分类器。
[0051] 2)然后根据现场环境以及催化剂的外观颜色选择合适的背景光源,调节工业相机的焦距、曝光量等使工业相机能够获得清晰的静态图像。
[0052] 3)脱硝催化剂产品自生产线上下来后由传送带传送至红外检测装置下方时,红外检测装置检测到催化剂产品,使传送带暂停工作以及背景光源亮起,二维码扫描器工作,扫描脱硝催化剂产品的二维码信息并传输到PC上位机,PC上位机根据二维码信息建立与该脱硝催化剂产品相对应的数据库。
[0053] 4)工业相机组对脱硝催化剂产品的待检测面进行图像拍摄,并将获取到的清晰图像组传送到PC上位机,PC上位机将收集到的图像组保存到相应数据库内。
[0054] 5)PC上位机提取数据库内的图像组,利用图像拼接对获取到的有重叠部分的图组进行图像拼接,最终得到一张完整的催化剂产品待检测面的图像。
[0055] 6)再利用灰度变化方法,对拼接完成的全景图像进行灰度处理,从而增强对图像信息的辨别能力,有利于对图像特征向量的提取。
[0056] 7 )对进行灰度变化过的图形进行特征向量提取,提取特征向量的过程为首先将图像平均划分为16X16的子区域,进行像素点比较后赋值;接着转换为数字统计直方图,检测过程中的一个子区域示意图如图8所示,该子区域所对应的数字统计直方图如图9所示,然后对该统计直方图进行归一化处理,该统计直方图进行归一化处理之后的直方图如图10所示,最后将得到的每个子区域的直方图进行连接成为一个特征向量,作为纹理特征向量。
[0057] 8)用上述第一步训练好的分类器对特征向量进行分类,检测结果示意图如图3所示,并将分类好的信息传送到PC上位机,保存至该脱硝催化剂产品相应的数据库内。
[0058] 9)检测结束,传送带带动脱硝催化剂产品继续前进至机器手处。
[0059] 10)机器手通过调用PC上位机中该脱硝催化剂产品相应数据库内的信息来判断该脱硝催化剂产品是否合格,并将合格产品与不合格产品区分放置。
[0060] 通过此种方法对脱硝催化剂产品的缺陷进行检测能够充分解放劳动力,将检测的过程智能化,不仅减少了生产成本,还提高了检测的效率和成功率。

Claims (9)

1.一种工业脱硝催化剂的数字化缺陷检测装置,其特征在于:包括PC上位机(1)、相机支架(2 )、工业相机组(3 )、光源(6 )、横跨支架(4)和机器手(9 ) ;PC上位机(I)分别与工业相机组(3)、二维码扫描装置(11)、红外检测器(5)、光源(6)和机器手(9)相连接,工业相机组(3)通过相机支架(2)安装在传送带(7)的入口处,脱硝催化剂产品(10)在传送带(7)上传送,脱硝催化剂产品(10)上表面贴有二维码;工业相机组(3)的镜头均正对脱硝催化剂产品(10)的待检测面,用于拍摄脱硝催化剂产品(10)待检测面的四个角的图像;传送带(7 )上方安装有横跨支架(4 ),光源(6 )安装在靠近脱硝催化剂产品(10 )待检测面一侧的横跨支架(4)上,光源(6)的照射方向正对脱硝催化剂产品(10)的待检测面;用于检测脱硝催化剂产品(10)位置的红外检测器(5)和用于扫描脱硝催化剂产品(10)上二维码的二维码扫描装置(11)安装在横跨支架(4)上,红外信号发射方向朝向脱硝催化剂产品(10),机器手(9 )通过机器手支架(8 )安装在传送带(7 )传送终点处。
2.根据权利要求1所述的一种工业脱硝催化剂的数字化缺陷检测装置,其特征在于:所述的工业相机组(3)由四台呈“田”字形布置的工业相机组成。
3.根据权利要求1所述的一种工业脱硝催化剂的数字化缺陷检测装置,其特征在于:所述的光源(6)与横跨支架(4)通过铰链连接,根据脱硝催化剂产品(10)的型号、大小不同通过铰链调整光源(6)的照射角度。
4.根据权利要求1所述的一种工业脱硝催化剂的数字化缺陷检测装置,其特征在于:所述的工业相机组(3 )安装在相机支架(2 )的面板上,相机支架(2 )的面板与下方的支撑杆采用铰链连接,根据脱硝催化剂产品(10)的型号、大小不同通过铰链调整工业相机组(3)的拍摄角度。
5.根据权利要求1所述的一种工业脱硝催化剂的数字化缺陷检测装置,其特征在于:所述装置用于蜂窝式脱硝催化剂产品的缺陷检测。
6.应用于权利要求1〜5任一所述装置的一种工业脱硝催化剂的数字化缺陷检测方法,其特征在于包括如下步骤: 1)生产线上的脱硝催化剂产品(10)由传送带(7)传送中,通过红外检测器(5)感应检测脱硝催化剂产品(10)的位置,到达检测位置时传送信号使传送带(7)停止工作,光源(6)照明,二维码扫描装置(11)扫描脱硝催化剂产品(10)的二维码信息并传输到PC上位机(I); 2)利用工业相机组(3)对脱硝催化剂产品(10)的待检测面分块采集图像,工业相机组(3)的四个工业相机分别采集脱硝催化剂产品(10)待检测面四个角的图像,并使采集到的四张图像之间均有重叠部分,然后将图像传送至PC上位机(I); 3) PC上位机(I)对采集到的四张图像依次经图像预处理、图像配准、建立变换模型、同一坐标变换后再进行融合重构,将各个图像的重叠部分进行融合,得到一张平滑无缝的全景图像; 4)采用灰度变化方法对全景图像进行灰度处理; 5)对灰度处理过的全景图像进行特征向量提取; 6)用训练好的分类器对特征向量进行分类,区分为缺陷特征向量或者非缺陷特征向量:如果任一子区域的特征向量为缺陷特征向量,则该脱硝催化剂产品(10)为缺陷产品;如果所有子区域的特征向量均为非缺陷特征向量,则该脱硝催化剂产品(10)为合格产品;将区分后得到的缺陷信息输入到PC上位机(I)中; 7)传送带(7)继续工作,传送脱硝催化剂产品(10)至机器手(9)处,机器手(9)通过从PC上位机(I)中获取脱硝催化剂产品(10)的二维码信息和缺陷信息将缺陷产品提取出来。
7.根据权利要求6所述的一种工业脱硝催化剂的数字化缺陷检测方法,其特征在于:所述的步骤6)中分类器采用以下方式进行训练:收集至少500张包含有缺陷的脱硝催化剂产品图像样本,对每张图像的孔洞进行标注,先采用灰度变化方法对拼接完成的全景图像进行灰度处理;再通过霍夫直线检测方法定位脱硝催化剂产品的每个孔洞位置,然后对孔洞图像预处理并提取特征向量,对特征向量进行分类,分成缺陷特征向量和非缺陷特征向量,将特征向量作为训练数据输入到支持向量机分类模型中,训练得到分类器。
8.根据权利要求6或者7所述的一种工业脱硝催化剂的数字化缺陷检测方法,其特征在于:所述的提取特征向量具体采用以下方式:首先将图像平均划分为16X16的子区域,将子区域中的每一个像素点与其位于该子区域中的环形邻域内的邻域像素点进行顺时针或逆时针依次比较,如果该像素点的灰度值比邻域像素点的灰度值大,则邻域像素点赋值为1,否则赋值为O ;每个像素点经与各个邻域像素点比较后获得一个二进制数,然后转换为十进制数;接着进行计算得到子区域内的每个像素点的十进制数中的数字统计直方图,然后对该统计直方图进行归一化处理,最后将得到的每个子区域的直方图进行连接成为一个特征向量,作为纹理特征向量。
9.根据权利要求6〜8任一所述的一种工业脱硝催化剂的数字化缺陷检测方法,其特征在于:所述检测方法用于蜂窝式脱硝催化剂产品的缺陷检测。
CN201410577696.4A 2014-10-27 2014-10-27 工业脱硝催化剂的数字化缺陷检测装置与检测方法 Active CN104483320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410577696.4A CN104483320B (zh) 2014-10-27 2014-10-27 工业脱硝催化剂的数字化缺陷检测装置与检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410577696.4A CN104483320B (zh) 2014-10-27 2014-10-27 工业脱硝催化剂的数字化缺陷检测装置与检测方法

Publications (2)

Publication Number Publication Date
CN104483320A true CN104483320A (zh) 2015-04-01
CN104483320B CN104483320B (zh) 2017-05-24

Family

ID=52757889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410577696.4A Active CN104483320B (zh) 2014-10-27 2014-10-27 工业脱硝催化剂的数字化缺陷检测装置与检测方法

Country Status (1)

Country Link
CN (1) CN104483320B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105938105A (zh) * 2016-06-21 2016-09-14 深圳市振华兴科技有限公司 基板检测设备
CN106873381A (zh) * 2017-04-10 2017-06-20 内蒙古瑞特优化科技股份有限公司 喷氨控制系统
CN107462280A (zh) * 2017-08-07 2017-12-12 苏州西热节能环保技术有限公司 一种scr脱硝催化剂磨损与堵灰诊断方法
CN108133472A (zh) * 2017-11-28 2018-06-08 长乐万达纺织机械有限公司 纺织物缺陷检测方法及纺织物缺陷检测装置
CN109767443A (zh) * 2019-01-17 2019-05-17 深圳码隆科技有限公司 一种布料瑕疵数据收集方法及装置
CN112561866A (zh) * 2020-12-04 2021-03-26 重庆忽米网络科技有限公司 基于ai与云计算技术的半导体基板光刻胶层缺陷检测系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4319840A (en) * 1978-04-21 1982-03-16 Ngk Insulators, Ltd. Method and a device for inspecting bodies having a multiplicity of parallel channels extending therethrough
JPH09145624A (ja) * 1995-11-27 1997-06-06 Ricoh Co Ltd 筒状物欠陥検出装置
CN103033516A (zh) * 2011-10-10 2013-04-10 靖江市永盛光电科技有限公司 导电胶按键自动检测设备
CN104101608A (zh) * 2014-07-01 2014-10-15 南京航空航天大学 可对多型号不规则形状产品进行缺陷检测的智能检测装置
CN204203114U (zh) * 2014-10-27 2015-03-11 中国计量学院 一种工业脱硝催化剂的缺陷检测装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4319840A (en) * 1978-04-21 1982-03-16 Ngk Insulators, Ltd. Method and a device for inspecting bodies having a multiplicity of parallel channels extending therethrough
JPH09145624A (ja) * 1995-11-27 1997-06-06 Ricoh Co Ltd 筒状物欠陥検出装置
CN103033516A (zh) * 2011-10-10 2013-04-10 靖江市永盛光电科技有限公司 导电胶按键自动检测设备
CN104101608A (zh) * 2014-07-01 2014-10-15 南京航空航天大学 可对多型号不规则形状产品进行缺陷检测的智能检测装置
CN204203114U (zh) * 2014-10-27 2015-03-11 中国计量学院 一种工业脱硝催化剂的缺陷检测装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
戴卫军: "基于机器视觉的蜂窝陶瓷侧面缺陷检测算法研究", 《陶瓷学报》 *
李天建: "基于机器人视觉的汽车零配件表面缺陷检测算法研究与实现", 《沈阳大学学报》 *
李颖等: "基于计算机视觉的蜂窝陶瓷在线检测系统研究", 《计算机测量与控制》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105938105A (zh) * 2016-06-21 2016-09-14 深圳市振华兴科技有限公司 基板检测设备
CN106873381A (zh) * 2017-04-10 2017-06-20 内蒙古瑞特优化科技股份有限公司 喷氨控制系统
CN106873381B (zh) * 2017-04-10 2019-12-10 内蒙古瑞特优化科技股份有限公司 喷氨控制系统
CN107462280A (zh) * 2017-08-07 2017-12-12 苏州西热节能环保技术有限公司 一种scr脱硝催化剂磨损与堵灰诊断方法
CN108133472A (zh) * 2017-11-28 2018-06-08 长乐万达纺织机械有限公司 纺织物缺陷检测方法及纺织物缺陷检测装置
CN109767443A (zh) * 2019-01-17 2019-05-17 深圳码隆科技有限公司 一种布料瑕疵数据收集方法及装置
CN112561866A (zh) * 2020-12-04 2021-03-26 重庆忽米网络科技有限公司 基于ai与云计算技术的半导体基板光刻胶层缺陷检测系统

Also Published As

Publication number Publication date
CN104483320B (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN104483320A (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN109239102B (zh) 一种基于cnn的柔性电路板外观缺陷检测方法
CN109357630B (zh) 一种多类型工件批量视觉测量系统及方法
CN103913468B (zh) 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
CN106841209B (zh) 一种基于大数据自学习化纤丝锭智能外观检测系统及方法
CN104992449A (zh) 基于机器视觉的信息识别及表面缺陷在线检测方法
CN109724984B (zh) 一种基于深度学习算法的缺陷检测识别装置和方法
CN109550712B (zh) 一种化纤丝尾丝外观缺陷检测系统及方法
CN107643295A (zh) 一种基于机器视觉的布匹缺陷在线检测的方法和系统
CN102175692A (zh) 织物坯布疵点快速检测系统及方法
CN110246122A (zh) 基于机器视觉的小型轴承质量检测方法、装置及系统
CN105044122A (zh) 一种基于半监督学习模型的铜件表面缺陷视觉检测系统及检测方法
CN109115785B (zh) 一种铸件打磨质量检测方法、装置及其使用方法
CN208574964U (zh) 一种基于机器视觉的自动辨识及分拣烟盒装置
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
CN103785622A (zh) 基于机器视觉的零件分拣装置及方法
CN112352149A (zh) 用于自动分析空气样品的系统和方法
CN110728269B (zh) 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法
CN103630544A (zh) 一种视觉在线检测系统
CN102879404B (zh) 工业结构化场景中医用胶囊缺陷自动检测的系统
CN105023018A (zh) 一种喷码检测方法及系统
CN107436304A (zh) 一种混凝土构件表面检测装置
CN111239142A (zh) 膏体外观缺陷检测设备及方法
CN110554052A (zh) 一种人造板表面缺陷检测方法及其系统
CN109693140A (zh) 一种智能化柔性生产线及其工作方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant