CN107180424A - 一种电容计数设备及方法 - Google Patents
一种电容计数设备及方法 Download PDFInfo
- Publication number
- CN107180424A CN107180424A CN201710269415.2A CN201710269415A CN107180424A CN 107180424 A CN107180424 A CN 107180424A CN 201710269415 A CN201710269415 A CN 201710269415A CN 107180424 A CN107180424 A CN 107180424A
- Authority
- CN
- China
- Prior art keywords
- electric capacity
- image
- images
- baffle plate
- modle
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了电容计数设备及其方法,包括机台、感应装置、摄像装置、终端处理器、挡板和放电装置,挡板设置在机台的台面上,摄像装置设置在机台的上方,摄像装置包括图像采集模块和图像分析模块,图像采集模块分别连接图像分析模块和感应装置,终端处理器分别连接图像分析模块和放电装置,放电装置和挡板连接,本发明实现电容计数的自动化和智能化,减少人为干预,有效避免了人为漏检的现象,大大降低了成本,生产效率得到显著地提高。
Description
技术领域
本发明涉及一种电容计数设备及方法。
背景技术
2015年5月,国务院颁布了《中国制2025》,部署全面推进实施制造强国的战略。据悉,这是我国实施制造强国战略第一个十年的行动纲领,一系列配套政策有望陆续出台。其中,“工业4.0”作为实现“中国制造2025”的重要手段,受到了广泛关注。“工业4.0”的本质就是实现工业互联网,即将虚拟网络与实体连接,形成更具有效率的生产系统。让传统行业通过互联网、大数据分析等,将优势发挥出来,通过创新的信息化建设将优势产业链加以集聚与联合。以电容制造企业为例,传统的电容制造企业在包装计数环节存在严重的不足:(1)工人数量多,企业成本高;(2)人工计数效率低,准确性差。这些实际存在的问题已经无法满足企业对于快速发展的需求,从而借助计算机软件技术提升企业的生产效率具有重要的意义。
有鉴于此,本发明人专门设计了电容计数设备及方法,本案由此产生。
发明内容
本发明的第一目的在于提供电容计数设备,以取代人工作业,减少人工计数负担,能自动快速对包装中电容进行计数,同时也有效避免了人为漏检的现象。
本发明的第二目的在于提供一种电容计数方法,自动实现电容目标计数,实现机、电为一体,真正做到智能化生产。
为了实现上述目的,本发明采用的技术方案如下:
电容计数设备,包括机台、感应装置、摄像装置、终端处理器、挡板和放电装置,挡板设置在机台的台面上,摄像装置设置在机台的上方,摄像装置包括图像采集模块和图像分析模块,图像采集模块分别连接图像分析模块和感应装置,终端处理器分别连接图像分析模块和放电装置,放电装置和挡板连接。
所述感应装置为光电开关传感器。
所述光电开关传感器设置在挡板上。
所述放电装置包括放电开关和气缸,放电开关分别连接气缸和所述终端处理器,挡板与气缸连接。
电容计数方法,包括以下步骤:
S01、电容包装箱放入机台的台面,感应装置感应电容包装箱并将信号传输给摄像装置;
S02、图像采集模块获取感应装置的信号并采集电容图像;
S03、图像分析模块获取电容图像并进行电容目标检测,得到电容数量;
S04、终端处理器根据检测的电容数量控制放电装置,若电容数量符合预设值,则终端处理器输出信号给放电装置,放下挡板并推入电容进行放电、封装;否则执行步骤S05;
S05、挡板不放下,操作员进一步确认电容个数。
所述步骤S03中进行电容目标检测进一步包括以下步骤:
S031、设置模板图像,将电容图像和模板图像均从RGB空间转化到HSV空间,获取模板图像的V通道图像记为Modle图像和电容图像的V通道图像记为F图像;
S032、Modle图像沿着F图像逐个像素点遍历,获取F图像上被Modle图像覆盖的区域图像,对Modle图像与区域图像进行灰度相关性匹配和空间结构相关性匹配,获取灰度相似度值和空间结构相似度值;
S033、判断灰度相似度值和空间结构相似度值是否均大于预设的阈值,若均大于预设的阈值,则当前区域有电容目标,否则当前区域没有电容目标;
S034、遍历步长跨出模板图像的尺度,再逐个像素遍历。
所述步骤S032中灰度相关性匹配和空间结构相关性匹配分别采用如下公式:
灰度相似度值
其中,H1(t)为模板图像的灰度直方图,H2(t)为当前覆盖区域图像的灰度直方图,t为像素点的灰度级,t=0,1,2,…,255;
空间结构相似度值
其中,W1和W2均为特征向量,W1为以Modle图像中心为原点,以Modle图像尺度大小的三分之一为半径的圆周上像素点的灰度值,则特征向量W1=(W11,W12,…,W1K,…,W1n),W2为以当前覆盖的区域图像中心为原点,以区域图像尺度大小的三分之一为半径的圆周上像素点的灰度值,则特征向量W2=(W21,W22,…,W2K,…,W2n),其中,n为圆周上的像素点个数,K为圆周上第K个像素点,W1K为Modle图像所成圆周中第K个像素点的灰度值,W2K为区域图像所成圆周中第K个像素点的灰度值。
采用上述方案后,本发明操作简单,使用便捷,适用广泛,能自动快速对包装中电容进行计数,实现电容计数自动化,减少人工计数负担,同时也有效避免了人为漏检的现象,大大降低了成本,生产效率得到显著地提高。
以下结合附图和具体实施方式对本发明做进一步说明。
附图说明
图1是本发明的结构示意图。
标号说明
机台1,感应装置2,摄像装置3,挡板4,气缸5。
具体实施方式
如图1所示,本发明揭示的电容计数设备,包括机台1、感应装置2、摄像装置3、终端处理器、挡板4和放电装置,挡板4设置在机台1的台面上,摄像装置3设置在机台1的上方,摄像装置3包括图像采集模块和图像分析模块,图像采集模块分别连接图像分析模块和感应装置2,终端处理器分别连接图像分析模块和放电装置,放电装置和挡板4连接。
所述感应装置2为光电开关传感器,光电开关传感器可在5mm距离内感应物体是否存在。
所述光电开关传感器设置在挡板4上。
所述放电装置包括放电开关和气缸5,放电开关分别连接气缸5和所述终端处理器,挡板4与气缸5连接,终端处理器根据图像分析模块检测的电容数量控制放电开关,若电容数量符合预设值,则终端处理器输出信号给放电开关,放电开关控制气缸5下压放下挡板4,并推入电容进行放电、封装。
本发明还揭示一种电容计数方法,包括以下步骤:
S01、电容包装箱放入机台1的台面,感应装置2感应电容包装箱并将信号传输给摄像装置3;
S02、图像采集模块获取感应装置2的信号并采集电容图像;
S03、图像分析模块获取电容图像并进行电容目标检测,得到电容数量;
S04、终端处理器根据检测的电容数量控制放电装置,若电容数量符合预设值,则终端处理器输出信号给放电装置,放下挡板4并推入电容进行放电、封装;否则执行步骤S05;
S05、挡板4不放下,操作员进一步确认电容个数。
所述步骤S03中进行电容目标检测进一步包括以下步骤:
S031、设置模板图像,将电容图像和模板图像均从RGB空间转化到HSV空间,获取模板图像的V通道图像记为Modle图像和电容图像的V通道图像记为F图像;
S032、Modle图像沿着F图像滑动并逐个像素点遍历,获取F图像上被Modle图像覆盖的区域图像,对Modle图像与区域图像进行灰度相关性匹配和空间结构相关性匹配,获取灰度相似度值和空间结构相似度值;
S033、判断灰度相似度值和空间结构相似度值是否均大于预设的阈值,若均大于预设的阈值,则当前区域有电容目标,否则当前区域没有电容目标;
S034、遍历步长跨出模板图像的尺度,再逐个像素遍历。
所述步骤S032中灰度相关性匹配和空间结构相关性匹配分别采用如下公式:
灰度相似度值
其中,H1(t)为模板图像的灰度直方图,H2(t)为当前覆盖区域图像的灰度直方图,t为像素点的灰度级,t=0,1,2,…,255;
空间结构相似度值
其中,W1和W2均为特征向量,W1为以Modle图像中心为原点,以Modle图像尺度大小的三分之一为半径的圆周上像素点的灰度值,则特征向量W1=(W11,W12,…,W1K,…,W1n),W2为以当前覆盖的区域图像中心为原点,以区域图像尺度大小的三分之一为半径的圆周上像素点的灰度值,则特征向量W2=(W21,W22,…,W2K,…,W2n),其中,n为圆周上的像素点个数,K为圆周上第K个像素点,W1K为Modle图像所成圆周中第K个像素点的灰度值,W2K为区域图像所成圆周中第K个像素点的灰度值,由于Modle图像在F图像上滑动,所以Modle图像在F图像每滑动一个位置时,Modle图像在F图像上覆盖的区域图像与Modle图像的大小一样,因此,在Modle图像和区域图像上所形成的圆周大小一样,所以在两个圆周上的像素点的点数都一样均为n个。
需要说明的是,采用灰度相关性匹配和空间结构相关性匹配相结合的方法,克服了单一灰度相关性匹配的不稳定性,从而使匹配的准确性达到100%,保障电容数量检测的精确度。
采用上述方案后,本发明操作简单,使用便捷,适用广泛,能自动快速对包装中电容进行计数,实现电容计数自动化,减少人工计数负担,同时也有效避免了人为漏检的现象,大大降低了成本,生产效率得到显著地提高。
上述实施例和图式并非限定本发明的产品形态和式样,任何所属技术领域的普通技术人员对其所做的适当变化或修饰,皆应视为不脱离本发明的专利范畴。
Claims (7)
1.电容计数设备,其特征在于:包括机台、感应装置、摄像装置、终端处理器、挡板和放电装置,挡板设置在机台的台面上,摄像装置设置在机台的上方,摄像装置包括图像采集模块和图像分析模块,图像采集模块分别连接图像分析模块和感应装置,终端处理器分别连接图像分析模块和放电装置,放电装置和挡板连接。
2.根据权利要求1所述的电容计数设备,其特征在于:所述感应装置为光电开关传感器。
3.根据权利要求2所述的电容计数设备,其特征在于:所述光电开关传感器设置在挡板上。
4.根据权利要求1所述的电容计数设备,其特征在于:所述放电装置包括放电开关和气缸,放电开关分别连接气缸和终端处理器,挡板与气缸连接。
5.电容计数方法,其特征在于,包括以下步骤:
S01、电容包装箱放入机台的台面,感应装置感应电容包装箱并将信号传输给摄像装置;
S02、图像采集模块获取感应装置的信号并采集电容图像;
S03、图像分析模块获取电容图像并进行电容目标检测,得到电容数量;
S04、终端处理器根据检测的电容数量控制放电装置,若电容数量符合预设值,则终端处理器输出信号给放电装置,放下挡板并推入电容进行放电、封装,否则执行步骤S05;
S05、挡板不放下,操作员进一步确认电容个数。
6.根据权利要求5所述的电容计数方法,其特征在于:所述步骤S03中进行电容目标检测进一步包括以下步骤:
S031、设置模板图像,将电容图像和模板图像均从RGB空间转化到HSV空间,获取模板图像的V通道图像记为Modle图像和电容图像的V通道图像记为F图像;
S032、Modle图像沿着F图像逐个像素点遍历,获取F图像上被Modle图像覆盖的区域图像,对Modle图像与区域图像进行灰度相关性匹配和空间结构相关性匹配,获取灰度相似度值和空间结构相似度值;
S033、判断灰度相似度值和空间结构相似度值是否均大于预设的阈值,若均大于预设的阈值,则当前区域有电容目标,否则当前区域没有电容目标;
S034、遍历步长跨出模板图像的尺度,再逐个像素遍历。
7.根据权利要求6所述的电容计数方法,其特征在于:所述步骤S032中灰度相关性匹配和空间结构相关性匹配分别采用如下公式:
灰度相似度值
其中,H1(t)为模板图像的灰度直方图,H2(t)为当前覆盖区域图像的灰度直方图,t为像素点的灰度级,t=0,1,2,…,255;
空间结构相似度值
其中,W1和W2均为特征向量,W1为以Modle图像中心为原点,以Modle图像尺度大小的三分之一为半径的圆周上像素点的灰度值,则特征向量W1=(W11,W12,…,W1K,…,W1n),W2为以当前覆盖的区域图像中心为原点,以区域图像尺度大小的三分之一为半径的圆周上像素点的灰度值,则特征向量W2=(W21,W22,…,W2K,…,W2n),其中,n为圆周上的像素点个数,K为圆周上第K个像素点,W1K为Modle图像所成圆周中第K个像素点的灰度值,W2K为区域图像所成圆周中第K个像素点的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710269415.2A CN107180424B (zh) | 2017-04-24 | 2017-04-24 | 一种电容计数设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710269415.2A CN107180424B (zh) | 2017-04-24 | 2017-04-24 | 一种电容计数设备及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107180424A true CN107180424A (zh) | 2017-09-19 |
CN107180424B CN107180424B (zh) | 2020-04-28 |
Family
ID=59832661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710269415.2A Active CN107180424B (zh) | 2017-04-24 | 2017-04-24 | 一种电容计数设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107180424B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807354A (zh) * | 2019-09-09 | 2020-02-18 | 杭州朗阳科技有限公司 | 一种工业流水线产品计数方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521648A (zh) * | 2011-12-15 | 2012-06-27 | 北京振兴计量测试研究所 | 一种元器件自动计数统计方法和装置 |
CN105354535A (zh) * | 2015-09-29 | 2016-02-24 | 南京熊猫电子制造有限公司 | 一种特殊的低压差分信号图像采集与处理方法 |
US9460524B1 (en) * | 2014-05-30 | 2016-10-04 | Amazon Technologies, Inc. | Estimating available volumes using imaging data |
CN106204602A (zh) * | 2016-07-13 | 2016-12-07 | 广州视源电子科技股份有限公司 | 元件反件检测方法和系统 |
-
2017
- 2017-04-24 CN CN201710269415.2A patent/CN107180424B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521648A (zh) * | 2011-12-15 | 2012-06-27 | 北京振兴计量测试研究所 | 一种元器件自动计数统计方法和装置 |
US9460524B1 (en) * | 2014-05-30 | 2016-10-04 | Amazon Technologies, Inc. | Estimating available volumes using imaging data |
CN105354535A (zh) * | 2015-09-29 | 2016-02-24 | 南京熊猫电子制造有限公司 | 一种特殊的低压差分信号图像采集与处理方法 |
CN106204602A (zh) * | 2016-07-13 | 2016-12-07 | 广州视源电子科技股份有限公司 | 元件反件检测方法和系统 |
Non-Patent Citations (1)
Title |
---|
李强 等: "基于模糊圆周模板匹配方法的钢材数量自动计数系统", 《自动化技术与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807354A (zh) * | 2019-09-09 | 2020-02-18 | 杭州朗阳科技有限公司 | 一种工业流水线产品计数方法 |
CN110807354B (zh) * | 2019-09-09 | 2024-02-20 | 杭州朗阳科技有限公司 | 一种工业流水线产品计数方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107180424B (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110580725A (zh) | 一种基于rgb-d相机的箱体分拣方法及系统 | |
US10558844B2 (en) | Lightweight 3D vision camera with intelligent segmentation engine for machine vision and auto identification | |
Tang et al. | A novel feature descriptor invariant to complex brightness changes | |
CN112950667B (zh) | 一种视频标注方法、装置、设备及计算机可读存储介质 | |
CN108335331B (zh) | 一种钢卷双目视觉定位方法及设备 | |
CN105957090B (zh) | 一种基于达芬奇技术的单目视觉位姿测量方法及系统 | |
CN110084243B (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
CN105957082A (zh) | 一种基于面阵相机的印刷质量在线监测方法 | |
CN102141398A (zh) | 基于单目视觉的多机器人位置与姿态测量方法 | |
CN103093191A (zh) | 一种三维点云数据结合数字影像数据的物体识别方法 | |
CN105701476A (zh) | 一种基于机器视觉的生产线产品自动化识别系统及方法 | |
CN112347887B (zh) | 一种物体检测方法、物体检测装置及电子设备 | |
CN105690393A (zh) | 一种基于机器视觉的四轴并联机器人分拣系统及其分拣方法 | |
US20180025239A1 (en) | Method and image processing apparatus for image-based object feature description | |
CN104197836A (zh) | 基于机器视觉的汽车门锁装配尺寸检测方法 | |
CN104243815B (zh) | 一种对焦方法及电子设备 | |
CN105354550B (zh) | 一种基于图像局部特征点配准的表单内容提取方法 | |
CN106780428B (zh) | 一种基于颜色识别的芯片数量检测方法及系统 | |
CN104951440B (zh) | 一种图像处理方法及电子设备 | |
CN109284759A (zh) | 一种基于支持向量机(svm)的魔方颜色识别方法 | |
CN107895166B (zh) | 基于特征描述子的几何哈希法实现目标鲁棒识别的方法 | |
CN101561316B (zh) | 一种基于感兴趣区域(roi)的在线检测视觉数据处理系统 | |
CN107180424A (zh) | 一种电容计数设备及方法 | |
CN115187969B (zh) | 一种基于视觉识别的铅酸电池回收系统和方法 | |
CN106603888A (zh) | 图像颜色提取处理结构 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 361000 Xiamen, Fujian, China (Fujian) free trade trial area Xiamen area 97 Xiangyu Road, Xiamen international shipping center D 8 8 03 units, Applicant after: Xiamen science and Technology Co., Ltd. Address before: 361000 Xiamen, Fujian, China (Fujian) free trade trial area Xiamen area 97 Xiangyu Road, Xiamen international shipping center D 8 8 03 units, Applicant before: Ruishi chikaku (Xiamen) software development Co. Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |