CN105719301A - 空调产品的检测方法及装置 - Google Patents
空调产品的检测方法及装置 Download PDFInfo
- Publication number
- CN105719301A CN105719301A CN201610045144.8A CN201610045144A CN105719301A CN 105719301 A CN105719301 A CN 105719301A CN 201610045144 A CN201610045144 A CN 201610045144A CN 105719301 A CN105719301 A CN 105719301A
- Authority
- CN
- China
- Prior art keywords
- profile
- point
- product
- detected
- pixel value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明公开一种空调产品的检测方法及装置。该空调产品的检测方法包括:获取待检测产品的图像;在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。本发明的空调产品的检测方法为促进空调产品检测的全自动化实现做了铺垫。
Description
技术领域
本发明涉及空调技术领域,具体而言,涉及一种空调产品的检测方法及装置。
背景技术
随着家电企业市场竞争的日益激烈,人力资源成本的不断提高,对产品的可靠性要求也越来越高,自动检测技术已经成为产品研制、生产及维护保障过程的重要组成部分。目前对产品的自动识别常见的方法有两种:1、利用称重传感器进行识别。首先要设置好触发参数,当产品放在称重传感器上时,重量超过所设定好的限值(即触发参数)时,系统会触发信号源,产生激励信号。但多数称重传感器体积较大,势必会给被测产品带来附加影响,掩盖产品特性分析,同时也不利于流水线的连续作业。2、利用光学检测方法来进行识别。采用光学检测方法不直接接触被测产品,因而不会对产品的分析产生影响。故在生产流水线中,自动测试系统应采用光学的检测方法。
利用光学对产品检测主要是利用了机器视觉的概念,即通过CCD摄像机抓取图像,送入计算机或专用的图像处理模块,通过数字化处理,根据像素分布、亮度和颜色等信息,来进行尺寸、形状、颜色等特征的判别。光学检测存在检测过程操作复杂的缺陷,因为这一过程的实现要考虑如下因素:
1、光源技术;照明是影响图像采集的重要因素,因为它的选择直接关系到图像的质量,所以要针对检测的对象选择合适的照明装置,以达到最佳效果;光源与照明方案的配合应尽可能地突出物体特征量,在物体需要检测的部分与那些不重要部分之间应尽可能地产生明显的区别,增加对比度;同时还应保证足够的整体亮度,使得物体位置的变化不应该影响成像的质量。
2、图像采集卡选择;
3、UUT(UNITUNDERTEST,被测部件)的识别。
发明内容
本发明实施例中提供一种空调产品的检测方法及装置,以解决现有技术中光学检测过程操作复杂的问题。
为实现上述目的,本发明实施例提供一种空调产品的检测方法,包括:获取待检测产品的图像;在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。
作为优选,在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓,包括:在所述图像中按照从上到下、从左到右的顺序扫描所述图像,将检测到的第一个边缘点作为边界起始点;以所述边界起始点为当前边界点追踪轮廓;根据追踪到的轮廓提取所述待检测产品的轮廓。
作为优选,以所述边界起始点为当前边界点追踪轮廓,包括:通过循环以下步骤来进行追踪轮廓:按照逆时针方向搜索所述当前边界点的像素邻域,将搜索到的第一个与所述当前边界点像素值相同的像素确定为新的当前边界点,所有边界点的连线为追踪到的轮廓;记录扫描方向向量,该扫描方向向量表示前一个边界点到当前边界点的移动方向。
作为优选,在当前边界点的像素值与第二个边界点的像素值相同,且前一个边界点的像素值与第一个边界点的像素值相同时,结束追踪轮廓。
作为优选,根据追踪到的轮廓提取所述待检测产品的轮廓,包括:在所述图像中,确定内部像素,该内部像素与自身相邻的8个邻点像素值相同,且8个邻点像素值也相同,将内部像素设置为与自身相邻的8个邻点像素值不同的像素。
根据本发明的另一方面,提供了一种空调产品的检测装置,包括:图像获取模块,用于获取待检测产品的图像;轮廓获取模块,用于在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;检测模块,用于将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。
作为优选,所述轮廓获取模块,包括:边缘点检测单元,用于在所述图像中按照从上到下、从左到右的顺序扫描所述图像,将检测到的第一个边缘点作为边界起始点;追踪轮廓单元,用于以所述边界起始点为当前边界点追踪轮廓;提取轮廓单元,用于根据追踪到的轮廓提取所述待检测产品的轮廓。
作为优选,所述追踪轮廓单元,具体用于通过循环以下步骤来进行追踪轮廓:按照逆时针方向搜索所述当前边界点的像素邻域,将搜索到的第一个与所述当前边界点像素值相同的像素确定为新的当前边界点,所有边界点的连线为追踪到的轮廓;记录扫描方向向量,该扫描方向向量表示前一个边界点到当前边界点的移动方向。
作为优选,所述追踪轮廓单元在当前边界点的像素值与第二个边界点的像素值相同,且前一个边界点的像素值与第一个边界点的像素值相同时,结束追踪轮廓。
作为优选,所述提取轮廓单元,具体用于在所述图像中,确定内部像素,该内部像素与自身相邻的8个邻点像素值相同,且8个邻点像素值也相同,将内部像素设置为与自身相邻的8个邻点像素值不同的像素。
应用本发明的技术方案,空调产品的检测方法包括:获取待检测产品的图像;在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。本发明的空调产品的检测方法,通过在待检测产品的图像中采用边缘检测的方式获取待检测产品的轮廓,进而将待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品,例如,将待检测产品的周长或面积等轮廓参数与已知的标准模型的轮廓参数进行比较,即可实现产品的自动识别检测,使得为促进空调产品检测的全自动化实现做了铺垫。
附图说明
图1是本发明实施例的空调产品的检测方法的流程图;
图2是本发明实施例的图像中边缘点的示意图;
图3是本发明实施例的空调产品的检测装置的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细描述,但不作为对本发明的限定。
参见图1所示,根据本发明的实施例,空调产品的检测方法包括:
步骤101:获取待检测产品的图像;
步骤102:在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;
步骤103:将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。
本发明的空调产品的检测方法,通过在待检测产品的图像中采用边缘检测的方式获取待检测产品的轮廓,进而将待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品,例如,将待检测产品的周长或面积等轮廓参数与已知的标准模型的轮廓参数进行比较,即可实现产品的自动识别检测,使得为促进空调产品检测的全自动化实现做了铺垫。
具体实施时,发明人发现形状是描述产品的一个重要特征,目标的形状常常可以用目标的轮廓来表示,而轮廓是由一系列边界点所组成的,由于在图像中,边缘是局部亮度变化最显著的部分,因此,发明人考虑可以利用边缘检测法来提取待检测产品目标的轮廓,然后通过周长或面积等轮廓特征与已知标准模型文件进行比较实现产品的自动识别检测,即提出上述空调产品的检测方法。该空调产品的检测方法可以应用到生产线产品自动识别以及机器人自动识别物体,有利于将产品检测运行过程中所涉及的有关数据与流程紧密结合。
具体实施时,为了实现获取待检测产品的轮廓,在本实施例中,在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓,包括:在所述图像中按照从上到下、从左到右的顺序扫描所述图像,将检测到的第一个边缘点作为边界起始点;以所述边界起始点为当前边界点追踪轮廓;根据追踪到的轮廓提取所述待检测产品的轮廓。
具体的,空间曲面上的不连续点为两个不同曲面或平面的交线,该点处物体表面的法线方向不连续,如图2所示,A边缘线,这些边缘线的两边图像的灰度值有明显的不同;B类边缘线是由不同材料或相同材料不同颜色产生的,由于它们对光的反射系数不同,因此B类边缘线的两侧灰度有明显不同;C类边缘线是物体与背景的分界线,由于物体与背景在光照条件和材料反射系数等方面差异很大,因此在C类边缘线两侧,图像的灰度也有很大差异;D是阴影引起的边缘,由于物体表面某一部分被另一物体遮挡,使它得不到光源的照射,从而引起边缘点两侧灰度值有较大的差异。因此,在图像中检测边缘点时可以依据上述边缘点的特征进行检测。
具体实施时,轮廓跟踪其实就是通过顺序找出边缘点来跟踪边界的,在本实施例中,以所述边界起始点为当前边界点追踪轮廓,包括:通过循环以下步骤来进行追踪轮廓:按照逆时针方向搜索所述当前边界点的像素邻域,将搜索到的第一个与所述当前边界点像素值相同的像素确定为新的当前边界点,所有边界点的连线为追踪到的轮廓;记录扫描方向向量,该扫描方向向量表示前一个边界点到当前边界点的移动方向。即按从上到下,从左到右的顺序扫描图像,寻找到第一个边界起始点后,定义一个扫描方向变量,该扫描方向变量用于记录上一步中沿着前一个边界点到当前边界点的移动方向,按逆时针方向搜索当前边界点像素的邻域,将搜索到的第一个与当前边界点像素值相同的像素确定为新的当前边界点,同时更新扫描方向变量为新的方向值,重复以上步骤。直至在当前边界点的像素值与第二个边界点的像素值相同,且前一个边界点的像素值与第一个边界点的像素值相同时,结束追踪轮廓。
具体实施时,为了进一步提取到待检测产品的轮廓,在本实施例中,根据追踪到的轮廓提取所述待检测产品的轮廓,包括:在所述图像中,确定内部像素,该内部像素与自身相邻的8个邻点像素值相同,且8个邻点像素值也相同,将内部像素设置为与自身相邻的8个邻点像素值不同的像素。例如,如果原图像中有一点为黑色像素值,且它的8个邻点都是黑色像素值时,说明该点是内部点,将该点置为白色像素值,通过对图像中所有像素点执行该操作便可完成图像轮廓的提取。
具体实施时,如图3所示,在本实施例中还提供了一种空调产品的检测装置,该装置包括:图像获取模块301,用于获取待检测产品的图像;轮廓获取模块302,用于在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;检测模块303,用于将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。
作为优选,所述轮廓获取模块,包括:边缘点检测单元,用于在所述图像中按照从上到下、从左到右的顺序扫描所述图像,将检测到的第一个边缘点作为边界起始点;追踪轮廓单元,用于以所述边界起始点为当前边界点追踪轮廓;提取轮廓单元,用于根据追踪到的轮廓提取所述待检测产品的轮廓。
作为优选,所述追踪轮廓单元,具体用于通过循环以下步骤来进行追踪轮廓:按照逆时针方向搜索所述当前边界点的像素邻域,将搜索到的第一个与所述当前边界点像素值相同的像素确定为新的当前边界点,所有边界点的连线为追踪到的轮廓;记录扫描方向向量,该扫描方向向量表示前一个边界点到当前边界点的移动方向。
作为优选,所述追踪轮廓单元在当前边界点的像素值与第二个边界点的像素值相同,且前一个边界点的像素值与第一个边界点的像素值相同时,结束追踪轮廓。
作为优选,所述提取轮廓单元,具体用于在所述图像中,确定内部像素,该内部像素与自身相邻的8个邻点像素值相同,且8个邻点像素值也相同,将内部像素设置为与自身相邻的8个邻点像素值不同的像素。
本发明的空调产品的检测方法,通过在待检测产品的图像中采用边缘检测的方式获取待检测产品的轮廓,进而将待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品,例如,将待检测产品的周长或面积等轮廓参数与已知的标准模型的轮廓参数进行比较,即可实现产品的自动识别检测,使得为促进空调产品检测的全自动化实现做了铺垫。
当然,以上是本发明的优选实施方式。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明基本原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种空调产品的检测方法,其特征在于,包括:
获取待检测产品的图像;
在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;
将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。
2.根据权利要求1所述的空调产品的检测方法,其特征在于,在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓,包括:
在所述图像中按照从上到下、从左到右的顺序扫描所述图像,将检测到的第一个边缘点作为边界起始点;
以所述边界起始点为当前边界点追踪轮廓;
根据追踪到的轮廓提取所述待检测产品的轮廓。
3.根据权利要求2所述的空调产品的检测方法,其特征在于,以所述边界起始点为当前边界点追踪轮廓,包括:
通过循环以下步骤来进行追踪轮廓:
按照逆时针方向搜索所述当前边界点的像素邻域,将搜索到的第一个与所述当前边界点像素值相同的像素确定为新的当前边界点,所有边界点的连线为追踪到的轮廓;记录扫描方向向量,该扫描方向向量表示前一个边界点到当前边界点的移动方向。
4.根据权利要求3所述的空调产品的检测方法,其特征在于,在当前边界点的像素值与第二个边界点的像素值相同,且前一个边界点的像素值与第一个边界点的像素值相同时,结束追踪轮廓。
5.根据权利要求3所述的空调产品的检测方法,其特征在于,根据追踪到的轮廓提取所述待检测产品的轮廓,包括:
在所述图像中,确定内部像素,该内部像素与自身相邻的8个邻点像素值相同,且8个邻点像素值也相同,将内部像素设置为与自身相邻的8个邻点像素值不同的像素。
6.一种空调产品的检测装置,其特征在于,包括:
图像获取模块,用于获取待检测产品的图像;
轮廓获取模块,用于在所述图像中采用边缘检测的方式获取所述待检测产品的轮廓;
检测模块,用于将所述待检测产品的轮廓参数与已知的标准模型的轮廓参数进行比较,来检测所述待检测产品。
7.根据权利要求6所述的空调产品的检测装置,其特征在于,所述轮廓获取模块,包括:
边缘点检测单元,用于在所述图像中按照从上到下、从左到右的顺序扫描所述图像,将检测到的第一个边缘点作为边界起始点;
追踪轮廓单元,用于以所述边界起始点为当前边界点追踪轮廓;
提取轮廓单元,用于根据追踪到的轮廓提取所述待检测产品的轮廓。
8.根据权利要求7所述的空调产品的检测装置,其特征在于,所述追踪轮廓单元,具体用于通过循环以下步骤来进行追踪轮廓:
按照逆时针方向搜索所述当前边界点的像素邻域,将搜索到的第一个与所述当前边界点像素值相同的像素确定为新的当前边界点,所有边界点的连线为追踪到的轮廓;记录扫描方向向量,该扫描方向向量表示前一个边界点到当前边界点的移动方向。
9.根据权利要求8所述的空调产品的检测装置,其特征在于,所述追踪轮廓单元在当前边界点的像素值与第二个边界点的像素值相同,且前一个边界点的像素值与第一个边界点的像素值相同时,结束追踪轮廓。
10.根据权利要求8所述的空调产品的检测装置,其特征在于,所述提取轮廓单元,具体用于在所述图像中,确定内部像素,该内部像素与自身相邻的8个邻点像素值相同,且8个邻点像素值也相同,将内部像素设置为与自身相邻的8个邻点像素值不同的像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610045144.8A CN105719301A (zh) | 2016-01-22 | 2016-01-22 | 空调产品的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610045144.8A CN105719301A (zh) | 2016-01-22 | 2016-01-22 | 空调产品的检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105719301A true CN105719301A (zh) | 2016-06-29 |
Family
ID=56153730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610045144.8A Pending CN105719301A (zh) | 2016-01-22 | 2016-01-22 | 空调产品的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105719301A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109708572A (zh) * | 2018-12-27 | 2019-05-03 | 江西普维精密测量设备有限公司 | 产品的检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866857A (zh) * | 2015-05-26 | 2015-08-26 | 大连海事大学 | 一种棒材的计数方法 |
CN105069790A (zh) * | 2015-08-06 | 2015-11-18 | 潍坊学院 | 一种齿轮外观缺陷快速影像检测方法 |
CN105158272A (zh) * | 2015-09-22 | 2015-12-16 | 浙江工商大学 | 一种纺织品缺陷检测方法 |
-
2016
- 2016-01-22 CN CN201610045144.8A patent/CN105719301A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866857A (zh) * | 2015-05-26 | 2015-08-26 | 大连海事大学 | 一种棒材的计数方法 |
CN105069790A (zh) * | 2015-08-06 | 2015-11-18 | 潍坊学院 | 一种齿轮外观缺陷快速影像检测方法 |
CN105158272A (zh) * | 2015-09-22 | 2015-12-16 | 浙江工商大学 | 一种纺织品缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
张果胜: "基于模板的异常检测系统及其关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
徐俊成 等: "基于机器视觉的小模数塑料齿轮的在线检测", 《组合机床与自动化加工技术》 * |
饶芮菱 等: "基于链码的二维碎片轮廓匹配算法", 《计算技术与自动化》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109708572A (zh) * | 2018-12-27 | 2019-05-03 | 江西普维精密测量设备有限公司 | 产品的检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN102663760B (zh) | 一种对图像中的车辆挡风镜区域进行定位分割的方法 | |
CN102682267B (zh) | 一种针对数字图像的一维和二维码图形快速定位和提取方法 | |
CN108765416A (zh) | 基于快速几何对准的pcb表面缺陷检测方法及装置 | |
CN104424482A (zh) | 图像处理设备和图像处理方法 | |
CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
CN105493141B (zh) | 非结构化道路边界检测 | |
CN109239076A (zh) | 一种基于机器视觉的缝纫线迹缺陷检测方法 | |
CN104749184A (zh) | 自动光学检测方法和系统 | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
CN101751572A (zh) | 一种图案检测方法、装置、设备及系统 | |
Liu et al. | Automatic detection technology of surface defects on plastic products based on machine vision | |
CN105403147A (zh) | 一种基于嵌入式的瓶胚检测系统和检测方法 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN111239142A (zh) | 膏体外观缺陷检测设备及方法 | |
CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 | |
CN114136975A (zh) | 一种微波裸芯片表面缺陷智能检测系统和方法 | |
CN103852034A (zh) | 一种电梯导轨垂直度检测方法 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN101937505B (zh) | 一种目标检测方法和设备及其使用的图像采集装置 | |
CN114577805A (zh) | 一种MiniLED背光面板缺陷检测方法及装置 | |
CN112102253A (zh) | 基于机器视觉的无纺布表面缺陷自动化检测方法及系统 | |
CN103198472A (zh) | 一种重型汽车连杆成品质量检测方法及其检测系统 | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN105572133B (zh) | 瑕疵检测方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160629 |
|
RJ01 | Rejection of invention patent application after publication |