CN106971390A - 一种贴标质量的检测方法 - Google Patents
一种贴标质量的检测方法 Download PDFInfo
- Publication number
- CN106971390A CN106971390A CN201710100312.3A CN201710100312A CN106971390A CN 106971390 A CN106971390 A CN 106971390A CN 201710100312 A CN201710100312 A CN 201710100312A CN 106971390 A CN106971390 A CN 106971390A
- Authority
- CN
- China
- Prior art keywords
- label
- image
- character
- detection method
- theta
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种贴标质量的检测方法,用于对自动粘贴的标签进行合格检测,所述方法包括下列步骤:对自动粘贴的标签进行图像采集;对采集到的图像进行初始化处理;对处理后的图像进行存在检测,判断标签是否存在,若是则进入下一步,若否则标签不合格;对处理后的图像进行字符检测,判断图像中的字符是否与标签的规定字符一致,若是则表明标签合格,若否则表明标签不合格。与现有技术相比,本发明具有检测方便、检验准确、节省成本以及便于实现等优点。
Description
技术领域
本发明涉及自动化领域,尤其是涉及一种贴标质量的检测方法。
背景技术
贴标,是将成卷的不干胶纸标签(纸质或金属箔)粘贴在PCB、产品或规定包装上,目前常通过贴标机来实现。贴标机是现代包装不可缺少的组成部分。目前我国生产贴标机的种类正在逐步增加,技术水平也有了很大的提高,已从手动、半自动贴标的落后局面,转向自动化高速贴标机占据广大市场的格局。随着贴标机的广泛应用,贴标机贴标的准确度检测便越发重要,现有的贴标检测多是通过人工进行,需要耗费大量的时间和人工的同时,也降低了生产线的自动化程度。
专利CN104118609A提供了一种贴标质量检测方法和装置,通过对贴标的图像采集、灰度化处理和灰度特征提取匹配等一系列流程实现贴标质量的检测,然而这种方法需要对所有采集到的图像都进行灰度特征提取和匹配,所耗时间长,而且对未成功贴标的也需要进行特征匹配,造成了时间上和工作量上的浪费。
发明内容
本发明的目的是针对上述问题提供一种贴标质量的检测方法。
本发明的目的可以通过以下技术方案来实现:
一种贴标质量的检测方法,用于对自动粘贴的标签进行合格检测,所述方法包括下列步骤:
1)对自动粘贴的标签进行图像采集;
2)对步骤1)采集到的图像进行初始化处理;
3)对步骤2)中处理后的图像进行存在检测,判断标签是否存在,若是则进入步骤4),若否则标签不合格;
4)对步骤2)中处理后的图像进行字符检测,判断图像中的字符是否与标签的规定字符一致,若是则表明标签合格,若否则表明标签不合格。
所述步骤2)具体为:
21)对步骤1)采集到的图像进行灰度化处理;
22)对步骤21)中灰度化处理后的图像进行旋转校正。
所述灰度化处理具体为:通过线性变换提取步骤1)中采集到的图像的单一红色分量。
所述旋转校正具体为:
其中,(x0,y0)为未旋转时图像内其中一点的坐标,(x1,y1)为旋转后图像内对应点的坐标,(a,b)为旋转时图像的中心坐标,(c,d)为旋转后图像的中心坐标,θ为图像的旋转角度。
所述步骤3)具体为:
31)对步骤2)中处理后的图像进行ROI区域选择;
32)通过固定阈值法在ROI区域内查找随机或无定型对象;
33)根据标签的面积、宽度和高度设定限制框,将步骤32)中查找到的结果通过限制框进行过滤;
34)判断步骤33)中的过滤是否成功,若是则表明标签存在,进入步骤4),若否则表明标签不存在,即标签不合格。
所述步骤4)具体为:
41)对步骤2)中处理后的图像进行ROI区域选择;
42)根据实际情况设定比较参数;
43)在ROI区域内读取图像中的字符,根据步骤2)中设定的比较参数,与字符库中的字符进行比较匹配;
44)判断匹配是否成功,若是则表明标签合格,若否则表明标签不合格。
所述比较参数包括最小匹配分数和字符百分比尺寸。
所述方法还包括对检测结果进行可视化展示。
所述可视化展示包括通过显示界面报错和通过蜂鸣器发送报错信号。
与现有技术相比,本发明具有以下有益效果:
(1)在对标签进行字符检测之前先进行存在验证,对于未成功贴标的产品,免去了特征匹配的过程,大大减小了计算量,提升了检测速度和效率,节省了检测的计算成本。
(2)对采集到的标签图像进行初始化处理时,除了进行灰度化处理以外还进行了旋转校正,这是由于当自动贴标机在粘贴标签时,常因托盘机械定位偏差或标签纸安装位置偏移等原因导致粘贴的标签发生旋转或偏移,通过旋转校正可以避免这种旋转偏移所带来的的识别不准确,提高检测精度。
(3)对于标签进行存在检测时,只需将在ROI区域内查找到的对象通过限制框进行过滤即可实现检测,检测方法简单,耗时短且便于实现。
(4)对标签进行字符检测时,首先需要设定包括最小匹配分数和字符百分比尺寸在内的比较参数,这样可以避免由于字符的大小不一而带来的误减率提升,提升检测的精确程度。
(5)对检测结果通过显示界面和蜂鸣器两个方面进行可视化展示,展示结果简单直观,便于工作人员发现,提升检测效率。
附图说明
图1为本发明的方法流程图;
图2为点在坐标系下进行旋转的示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例提供一种贴标质量的检测方法,用于对自动粘贴的标签进行合格检测,所述方法包括下列步骤:
1)对自动粘贴的标签进行图像采集;
2)对步骤1)采集到的图像进行初始化处理:
21)对步骤1)采集到的图像进行灰度化处理;
22)对步骤21)中灰度化处理后的图像进行旋转校正;
3)对步骤2)中处理后的图像进行存在检测,判断标签是否存在,若是则进入步骤4),若否则标签不合格:
31)对步骤2)中处理后的图像进行ROI区域选择;
32)通过固定阈值法在ROI区域内查找随机或无定型对象;
33)根据标签的面积、宽度和高度设定限制框,将步骤32)中查找到的结果通过限制框进行过滤;
34)判断步骤33)中的过滤是否成功,若是则表明标签存在,进入步骤4),若否则表明标签不存在,即标签不合格;
4)对步骤2)中处理后的图像进行字符检测,判断图像中的字符是否与标签的规定字符一致,若是则表明标签合格,若否则表明标签不合格:
41)对步骤2)中处理后的图像进行ROI区域选择;
42)根据实际情况设定比较参数;
43)在ROI区域内读取图像中的字符,根据步骤2)中设定的比较参数,与字符库中的字符进行比较匹配;
44)判断匹配是否成功,若是则表明标签合格,若否则表明标签不合格。除上述步骤外,还包括对检测结果进行可视化展示,具体包括通过显示界面报错和通过蜂鸣器发送报错信号。
根据上述步骤进行具体检测,过程如下:
A)彩色图像的灰度化处理
CCD彩色摄像机采集的图像中,标签上原有的字符对自动贴标机打印的字符识别造成了很大干扰。将彩色图像转换成合适的灰度图像,可有效解决此问题并减少计算的数据量。
灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,每个像素只需一个字节存放灰度值(又称亮度值或强度值),灰度范围为0~255。彩色图像的灰度化处理包括线性变换法和非线性变化法两大类。本实施例选择线性变换中的单一分量法进行灰度化处理,分别提取单一的红色图像、绿色图像和蓝色图像,显然选择红色图像对后续的字符识别更为有利。
B)标签图像的几何校正
当自动贴标机在粘贴标签时,常因托盘机械定位偏差或标签纸安装位置偏移等原因导致粘贴的标签发生偏移或旋转,这对后续的字符识别将产生很大的影响。因此,本系统在对贴标内容进行字符识别之前,先进行旋转校正处理。如图2所示,点(x0,y0)经过旋转θ度后坐标变为(x1,y1),旋转前:x0=rcos(α),y0=rsin(α),旋转后:
上述旋转是围绕原点(0,0)进行的,假设图像在未旋转时的中心坐标为(a,b),旋转后的中心坐标为(c,d),设在新坐标系中以旋转后新图像左上角为原点,则
已知图像的原始宽度是2.84厘米,高度是2.12厘米,选择图像中心为坐标系原点,即可以计算得到原始图像四个角的坐标,进而得出新图像高度和宽度。对于原图中没有的像素直接赋0即可。
C)基于斑点法的标签有无验证
斑点通常是指与周围有着颜色和灰度差别的区域,斑点检测在图像配准和物体识别中占据了重要的角色。在检测标签是否粘贴上时,利用斑点检测方法在形状序列ROI内使用固定阈值法来查找随机的或无定型的对象,输出序列通过限制基本的面积、宽度和高度过滤斑点。根据上述方法进行实验,当标签存在时,指示灯为绿色;当标签不存在时,红色指示灯发出报警信号,实验中10个标签未粘贴上的样本,均正确检测出来并发出警告。
D)字符识别
在对标签信息进行检测时,首先选中要识别的字符进行学习,建立字符库;再在ROI区域内分别读取字符与字符库中的字符进行比较,恰当地设置最小匹配分数和字符百分比尺寸变化是关键,数值太大容易提高误检率,数值太小则容易降低准检率。此外,各字符的宽度和高度不尽相同,如:0.2S,如果按照同一标准设置,当有颗粒较大的白色灰尘时,就极易发生误检,因此从技术上采取的手段是将“02S”和“.”分为两部分来分别进行检测,两部分均匹配才认为等级符号正确。
E)检测界面
检测结果通过VC++编写的可视化界面进行显示,当某一项出现错误时,显示界面的绿灯将变为红色,并通过界面指示灯变红和利用PLC控制蜂鸣器发错报警信号。
根据上述步骤进行实验验证,选择100个经自动检定系统的自动贴标机自动贴标后的互感器为样本,其中60个粘贴上且打印内容正确,记为A类样本;10个未粘贴上标签,记为B类样本;10个等级设置错误,记为C类样本;10个为年份设置错误,记为D类样本;10个月份设置错误,记为E类样本。实验结果如下表所示。
表1实验结果
对五类共计100个样本重复20次实验后发现,粘贴上且打印正确的60个A类样本中仅有一个因光线设置不当在一次验证中未能正确识别出0.2S中的“.”而发生误报,重新调整光线后,后边19次验证均没问题。其它四类未粘贴上或标签上打印内容有误的样本全部被被检测出来。由此可见,该检测方法的可靠性与稳定性方面满足实际需求。
Claims (9)
1.一种贴标质量的检测方法,用于对自动粘贴的标签进行合格检测,其特征在于,所述方法包括下列步骤:
1)对自动粘贴的标签进行图像采集;
2)对步骤1)采集到的图像进行初始化处理;
3)对步骤2)中处理后的图像进行存在检测,判断标签是否存在,若是则进入步骤4),若否则标签不合格;
4)对步骤2)中处理后的图像进行字符检测,判断图像中的字符是否与标签的规定字符一致,若是则表明标签合格,若否则表明标签不合格。
2.根据权利要求1所述的贴标质量的检测方法,其特征在于,所述步骤2)具体为:
21)对步骤1)采集到的图像进行灰度化处理;
22)对步骤21)中灰度化处理后的图像进行旋转校正。
3.根据权利要求2所述的贴标质量的检测方法,其特征在于,所述灰度化处理具体为:通过线性变换提取步骤1)中采集到的图像的单一红色分量。
4.根据权利要求2所述的贴标质量的检测方法,其特征在于,所述旋转校正具体为:
其中,(x0,y0)为未旋转时图像内其中一点的坐标,(x1,y1)为旋转后图像内对应点的坐标,(a,b)为旋转时图像的中心坐标,(c,d)为旋转后图像的中心坐标,θ为图像的旋转角度。
5.根据权利要求1所述的贴标质量的检测方法,其特征在于,所述步骤3)具体为:
31)对步骤2)中处理后的图像进行ROI区域选择;
32)通过固定阈值法在ROI区域内查找随机或无定型对象;
33)根据标签的面积、宽度和高度设定限制框,将步骤32)中查找到的结果通过限制框进行过滤;
34)判断步骤33)中的过滤是否成功,若是则表明标签存在,进入步骤4),若否则表明标签不存在,即标签不合格。
6.根据权利要求1所述的贴标质量的检测方法,其特征在于,所述步骤4)具体为:
41)对步骤2)中处理后的图像进行ROI区域选择;
42)根据实际情况设定比较参数;
43)在ROI区域内读取图像中的字符,根据步骤2)中设定的比较参数,与字符库中的字符进行比较匹配;
44)判断匹配是否成功,若是则表明标签合格,若否则表明标签不合格。
7.根据权利要求6所述的贴标质量的检测方法,其特征在于,所述比较参数包括最小匹配分数和字符百分比尺寸。
8.根据权利要求1所述的贴标质量的检测方法,其特征在于,所述方法还包括对检测结果进行可视化展示。
9.根据权利要求8所述的贴标质量的检测方法,其特征在于,所述可视化展示包括通过显示界面报错和通过蜂鸣器发送报错信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100312.3A CN106971390A (zh) | 2017-02-23 | 2017-02-23 | 一种贴标质量的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710100312.3A CN106971390A (zh) | 2017-02-23 | 2017-02-23 | 一种贴标质量的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106971390A true CN106971390A (zh) | 2017-07-21 |
Family
ID=59328700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710100312.3A Pending CN106971390A (zh) | 2017-02-23 | 2017-02-23 | 一种贴标质量的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971390A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862745A (zh) * | 2017-10-25 | 2018-03-30 | 武汉楚锐视觉检测科技有限公司 | 一种反射式的曲面三维重建标签方法和装置 |
CN108426527A (zh) * | 2018-01-23 | 2018-08-21 | 淮阴工学院 | 一种基于dlt的rfid标签三维坐标自动检测方法 |
CN109087292A (zh) * | 2018-07-27 | 2018-12-25 | 广东工业大学 | 一种基于机器视觉的热转印胶片胶水偏位检测方法 |
CN110334711A (zh) * | 2019-06-04 | 2019-10-15 | 新华三技术有限公司 | 字符匹配方法及装置 |
CN112949343A (zh) * | 2019-11-26 | 2021-06-11 | 华晨宝马汽车有限公司 | 车辆标签检测装置与方法 |
CN114778547A (zh) * | 2022-04-01 | 2022-07-22 | 西南交通大学 | 一种基于图像处理的曲面零件表面粘贴质量的检测方法 |
CN116563289A (zh) * | 2023-07-11 | 2023-08-08 | 凯德技术长沙股份有限公司 | 一种基于机器视觉的贴标品质检测方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN104118609A (zh) * | 2014-07-22 | 2014-10-29 | 广东平航机械有限公司 | 贴标质量检测方法和装置 |
CN105501595A (zh) * | 2015-12-18 | 2016-04-20 | 同方威视技术股份有限公司 | 标签施加装置和方法 |
CN105866724A (zh) * | 2016-04-14 | 2016-08-17 | 国网江苏省电力公司电力科学研究院 | 一种具有智能视觉检测功能的电能表机器人贴标装置 |
-
2017
- 2017-02-23 CN CN201710100312.3A patent/CN106971390A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN104118609A (zh) * | 2014-07-22 | 2014-10-29 | 广东平航机械有限公司 | 贴标质量检测方法和装置 |
CN105501595A (zh) * | 2015-12-18 | 2016-04-20 | 同方威视技术股份有限公司 | 标签施加装置和方法 |
CN105866724A (zh) * | 2016-04-14 | 2016-08-17 | 国网江苏省电力公司电力科学研究院 | 一种具有智能视觉检测功能的电能表机器人贴标装置 |
Non-Patent Citations (1)
Title |
---|
王增春: ""基于视觉的标签动态检测识别系统研究及应用"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862745A (zh) * | 2017-10-25 | 2018-03-30 | 武汉楚锐视觉检测科技有限公司 | 一种反射式的曲面三维重建标签方法和装置 |
CN107862745B (zh) * | 2017-10-25 | 2021-04-09 | 武汉楚锐视觉检测科技有限公司 | 一种反射式的曲面三维重建标签方法和装置 |
CN108426527A (zh) * | 2018-01-23 | 2018-08-21 | 淮阴工学院 | 一种基于dlt的rfid标签三维坐标自动检测方法 |
CN109087292A (zh) * | 2018-07-27 | 2018-12-25 | 广东工业大学 | 一种基于机器视觉的热转印胶片胶水偏位检测方法 |
CN109087292B (zh) * | 2018-07-27 | 2022-03-11 | 广东工业大学 | 一种基于机器视觉的热转印胶片胶水偏位检测方法 |
CN110334711A (zh) * | 2019-06-04 | 2019-10-15 | 新华三技术有限公司 | 字符匹配方法及装置 |
CN112949343A (zh) * | 2019-11-26 | 2021-06-11 | 华晨宝马汽车有限公司 | 车辆标签检测装置与方法 |
CN114778547A (zh) * | 2022-04-01 | 2022-07-22 | 西南交通大学 | 一种基于图像处理的曲面零件表面粘贴质量的检测方法 |
CN116563289A (zh) * | 2023-07-11 | 2023-08-08 | 凯德技术长沙股份有限公司 | 一种基于机器视觉的贴标品质检测方法和系统 |
CN116563289B (zh) * | 2023-07-11 | 2023-09-29 | 凯德技术长沙股份有限公司 | 一种基于机器视觉的贴标品质检测方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971390A (zh) | 一种贴标质量的检测方法 | |
CN106529537B (zh) | 一种数字仪表读数图像识别方法 | |
TWI706143B (zh) | 電路板點膠檢測裝置及檢測方法 | |
TWI585398B (zh) | Projection-type printed circuit board re-inspection system and methods, and marking the location of the defect | |
CN109856156A (zh) | 一种基于aoi的显示面板微小缺陷判定方法与装置 | |
CN108074231A (zh) | 一种基于卷积神经网络的磁片表面缺陷检测方法 | |
CN206231732U (zh) | 视觉检测全自动贴标设备 | |
CN108355987A (zh) | 一种基于分块模板匹配的电池丝印质量检测方法 | |
CN104298994B (zh) | 一种指针式仪表读数识别方法及装置 | |
CN103400124A (zh) | 一种试卷识别方法及装置 | |
CN104118609A (zh) | 贴标质量检测方法和装置 | |
CN107270841A (zh) | 一种包装袋喷码缺陷检测机构 | |
CN106932408B (zh) | 一种基于图像处理的方格蔟污染蚕茧检测方法 | |
CN105882142A (zh) | 印刷品缺陷检测系统及其方法 | |
CN110826562A (zh) | 针对服装标签和吊牌实现自动化审核处理的系统及其方法 | |
CN103743757A (zh) | 一种玻璃瓶内壁异物的检测装置及方法 | |
CN105478364B (zh) | 一种不良品检测分类方法及系统 | |
CN203337559U (zh) | 印品质量数字化全自动检测系统 | |
CN110018169B (zh) | 一种丝印线条的检测方法及装置、存储介质和处理器 | |
CN109668897A (zh) | 环状精密零件表面微型缺陷的视觉检测系统及其检测方法 | |
CN207231423U (zh) | 包装袋喷码缺陷检测机构 | |
CN112329770B (zh) | 一种仪表刻度识别方法及装置 | |
CN203371916U (zh) | 一种胶印机用印品在线检测装置 | |
CN106940885B (zh) | 一种荧光油墨印刷缺陷的在线检测方法 | |
CN108460763A (zh) | 一种磁粉探伤图像自动检测识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170721 |