CN107218929B - 一种基于机器视觉技术的水松纸折边检测方法 - Google Patents

一种基于机器视觉技术的水松纸折边检测方法 Download PDF

Info

Publication number
CN107218929B
CN107218929B CN201710251271.8A CN201710251271A CN107218929B CN 107218929 B CN107218929 B CN 107218929B CN 201710251271 A CN201710251271 A CN 201710251271A CN 107218929 B CN107218929 B CN 107218929B
Authority
CN
China
Prior art keywords
cork paper
checked
pos
template
cork
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
Application number
CN201710251271.8A
Other languages
English (en)
Other versions
CN107218929A (zh
Inventor
朱文祥
张涛
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.)
CETC 41 Institute
Original Assignee
CETC 41 Institute
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 CETC 41 Institute filed Critical CETC 41 Institute
Priority to CN201710251271.8A priority Critical patent/CN107218929B/zh
Publication of CN107218929A publication Critical patent/CN107218929A/zh
Application granted granted Critical
Publication of CN107218929B publication Critical patent/CN107218929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04Interpretation of pictures
    • G01C11/06Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/08Interpretation of pictures by comparison of two or more pictures of the same area the pictures not being supported in the same relative position as when they were taken

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于机器视觉技术的水松纸折边的检测方法,属于机器视觉检测技术领域,本发明对于水松纸折边的检测精度可达到0.02mm,能够适应不同宽度、不同品种的水松纸检测,具有较为广泛的应用空间。

Description

一种基于机器视觉技术的水松纸折边检测方法
技术领域
本发明属于机器视觉检测技术领域,具体涉及一种基于机器视觉技术的水松纸折边的检测方法。
背景技术
水松纸在卷接机上烟支卷接的过程中会出现折边的现象,通过在水松纸两边加上检测装置,如果发现有折边现象,可马上向卷接系统发送报警信号。
目前,现有的检测技术是在水松纸边沿上方安装光纤传感器组。正常情况下,传感器信号照到水松纸上会反射回来,被光纤传感器接收到,如果出现折边现象时,反射的面积会变小,接收到的光强小于设定阈值,就会发送报警信号。但这种方式对于水松纸整体偏移等现象不能很好的判断,且不能定量的分析折边的程度。
发明内容
针对现有技术中存在的上述技术问题,本发明提出了一种基于机器视觉技术的水松纸折边检测方法,设计合理,克服了现有技术的不足,具有良好的效果。
为了实现上述目的,本发明采用如下技术方案:
一种基于机器视觉技术的水松纸折边检测方法,该方法采用一种基于机器视觉技术的水松纸折边检测装置,其包括一个长条形光源、两个图像传感器和计算机控制器,其中,长条形光源平行安装在待检水松纸的下方,两个图像传感器垂直安装在待检水松纸的上方,并分别位于待检水松纸的左右两侧的边缘处;
所述的基于机器视觉技术的水松纸折边检测方法,具体包括如下步骤:
步骤1:利用图像传感器采集模板水松纸和待检水松纸的边缘图像,并将采集到的边缘图像传送到计算机控制器;
步骤2:通过计算机控制器对步骤1所采集到的边缘图像进行灰度化处理,得到灰度图像;
步骤3:通过计算机控制器对灰度图像进行垂直投影,得到投影曲线;
步骤4:利用梯度法对投影曲线进行查找,分别得到模板水松纸和待检水松纸的左、右侧位置信息;
步骤5:对模板水松纸和待检水松纸左、右侧位置信息分别进行比较计算,得到左、右侧位置偏移结果,判断待检水松纸的左、右侧位置的偏移距离是否在设定的灵敏度范围内;
若:判断结果为待检水松纸的左、右侧位置的偏移距离不在设定的灵敏度范围内,则判断为待检水松纸折边,向卷接机发送报警信号;
或判断结果为待检水松纸的左、右侧位置的偏移距离在设定的灵敏度范围,则判断为合格。
优选地,在步骤3中,对灰度化后的图像进行垂直投影的计算公式为:
其中:PTL[j]为模板水松纸左侧投影曲线;PTR[j]为模板水松纸右侧投影曲线;QTL(i,j)为模板水松纸左侧灰度化后的图像亮度;QTR(i,j)为模板水松纸右侧灰度化后的图像亮度;
PL[j]为待检水松纸左侧投影曲线;PR[j]为待检水松纸右侧投影曲线;QL(i,j)为待检水松纸左侧灰度化后的图像亮度;QR(i,j)为待检水松纸右侧灰度化后的图像亮度;Width为图像宽度;Height为图像高度。
优选地,在步骤4中,用梯度法对投影后的曲线进行查找的具体方法为:
对一维数组PTL[j]按照索引j从左到右递增方向进行搜索,找出其中满足大于设定阈值△对应的索引值S,如果在索引递增方向上紧挨着S后面连续19个索引对应的数组值都满足大于△的条件,则此时的索引值S才能算作水松纸的边缘位置;对一维数组PL[j]、PR[j]、PTR[j]进行同样的操作得到水松纸的边缘位置,其中PL[j]按照j递增方向搜索,PR[j]和PTR[j]按照j递减方向搜索,计算公式如下:
其中,PosTL为模板水松纸的左侧位置;PosTR为模板水松纸的右侧位置;PosL为待检水松纸的左侧位置;PosR为待检水松纸的右侧位置。
优选地,在步骤5中,待检水松纸的左、右侧位置的偏移距离是否在设定的灵敏度范围内的判断公式如下:
|(PosL-PosTL)-(PosR-PosTR)|≤(M*C)
其中:C为设定的灵敏度,M为1mm对应的像素数。
本发明所带来的有益技术效果:
相比于之前采用光纤传感器的方式,只能定性的判断,而且容易将水松纸偏移现象当作折边问题造成误判,本发明采用的机器视觉技术能够很好的解决这些问题,还能定量的分析折边程度,具体能精确到0.02mm,极大的提升了效果,满足了需求。
附图说明
图1为图像传感器及光源安装角度图;
图2为模板水松纸左侧和右侧的原始图像示意图。
图3为待检水松纸左侧和右侧的原始图像示意图。
图4为模板水松纸左侧和右侧的灰度化图像示意图。
图5为待检水松纸左侧和右侧的灰度化图像示意图。
图6为模板水松纸左侧和右侧的投影曲线示意图。
图7为待检水松纸左侧和右侧的投影曲线示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
如图1所示,图像传感器垂直安装在待检水松纸上方边缘处,长条形光源平行安装在待检水松纸下方。长条形光源的光从对面打过来,图像采集器拍到的图像中,没被待检水松纸挡到的部分很亮,被挡住的部分,图像亮度降低,这样可以区分出待检水松纸的边缘,得到待检水松纸的左、右侧边缘的位置信息。再将此时待检水松纸左、右侧位置与合格标准的水松纸位置进行比较计算,如果左、右侧合并后的偏移结果在设定的灵敏度范围外,则判断为水松纸折边,反之合格。
如图2和图3所示,采集到的原始图像是彩色图像,先要对其进行灰度化处理,转化成灰度图像,如图4和图5所示,再对灰度化进行垂直投影,得到投影曲线,如图6和图7所示,接着用梯度法对投影曲线查找,获得模板和待检水松纸的左、右侧位置信息,最后对模板和待检的水松纸左右侧位置分别进行比较计算,得到左右侧的位置偏移综合结果,判定可在设定的灵敏度范围内,超出则不合格,发生了折边。
具体步骤如下:
1.对模板和待检的水松纸原始图像进行灰度化后再垂直投影处理,计算公式如下:
其中PTL[j]、PTR[j]、QTL(i,j)、QTR(i,j)分别为模板水松纸左、右侧投影曲线和灰度化后的图像亮度,PL[j]、PR[j]、QL(i,j)、QR(i,j)分别为待检水松纸左、侧线和灰度化后的图像亮度,Width为图像宽度,Height为图像高度。
2.采用梯度法查找水松纸的边缘。对一维数组PTL[j]按照索引j从左到右递增方向进行搜索,找出其中满足大于设定阈值△对应的索引值S,且在索引递增方向上紧挨着S后面连续19个索引对应的数组值都满足大于△的条件,此时的索引值S才能算作水松纸的边缘位置;对一维数组PL[j]、PR[j]、PTR[j]进行同样的操作得到水松纸的边缘位置,其中PL[j]按照j递增方向搜索,PR[j]和PTR[j]按照j递减方向搜索。计算公式如下:
其中PosTL、PosTR和PosL、PosR分别为找到的模板和待检的水松纸左右侧位置。
3.计算模板和待检水松纸左右侧位置的综合结果,判断在设定灵敏度C范围内,则没折边,反之出现了折边。计算公式如下:
|(PosL-PosTL)-(PosR-PosTR)|≤(M*C)
其中,M为1mm对应的像素数。
在本例中,水松纸宽度为64mm,图像传感器分辨率为744*480,光学镜头采用8mm的镜头,镜头距离水松纸距离为17mm,此时M=50,灵敏度C=1mm,阈值△=200。按上述步骤计算得到的PosTL=343像素,PosTR=374像素,PosL=477像素,PosR=381像素,|(PosL-PosTL)-(PosR-PosTR)|=127像素,大大超过设定的1mm灵敏度,此时水松纸发生了折边现象,折边程度超过2mm。
本发明提供了一种基于机器视觉技术的水松纸折边的检测方法,对于水松纸折边的检测精度可达到0.02mm,能够适应不同宽度、不同品种的水松纸检测,具有较为广泛的应用空间。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。

Claims (3)

1.一种基于机器视觉技术的水松纸折边检测方法,其特征在于,该方法采用一种基于机器视觉技术的水松纸折边检测装置,其包括一个长条形光源、两个图像传感器和计算机控制器,其中,长条形光源平行安装在待检水松纸的下方,两个图像传感器垂直安装在待检水松纸的上方,并分别位于待检水松纸的左右两侧的边缘处;
所述的基于机器视觉技术的水松纸折边检测方法,具体包括如下步骤:
步骤1:利用图像传感器采集模板水松纸和待检水松纸的边缘图像,并将采集到的边缘图像传送到计算机控制器;
步骤2:通过计算机控制器对步骤1所采集到的边缘图像进行灰度化处理,得到灰度图像;
步骤3:通过计算机控制器对灰度图像进行垂直投影,得到投影曲线;
步骤4:利用梯度法对投影曲线进行查找,分别得到模板水松纸和待检水松纸的左、右侧位置信息;
步骤5:对模板水松纸和待检水松纸左、右侧位置信息分别进行比较计算,得到左、右侧位置偏移结果,判断待检水松纸的左、右侧位置的偏移距离是否在设定的灵敏度范围内;
若:判断结果为待检水松纸的左、右侧位置的偏移距离不在设定的灵敏度范围内,则判断为待检水松纸折边,向卷接机发送报警信号;
或判断结果为待检水松纸的左、右侧位置的偏移距离在设定的灵敏度范围,则判断为合格;
待检水松纸的左、右侧位置的偏移距离是否在设定的灵敏度范围内的判断公式如下:
|(PosL-PosTL)-(PosR-PosTR)|≤(M*C)
其中:C为设定的灵敏度,M为1mm对应的像素数;PosTL为模板水松纸的左侧位置;PosTR为模板水松纸的右侧位置;PosL为待检水松纸的左侧位置;PosR为待检水松纸的右侧位置。
2.根据权利要求1所述的基于机器视觉技术的水松纸折边检测方法,其特征在于,在步骤3中,对灰度化后的图像进行垂直投影的计算公式为:
其中:PTL[j]为模板水松纸左侧投影曲线;PTR[j]为模板水松纸右侧投影曲线;QTL(i,j)为模板水松纸左侧灰度化后的图像亮度;QTR(i,j)为模板水松纸右侧灰度化后的图像亮度;
PL[j]为待检水松纸左侧投影曲线;PR[j]为待检水松纸右侧投影曲线;QL(i,j)为待检水松纸左侧灰度化后的图像亮度;QR(i,j)为待检水松纸右侧灰度化后的图像亮度;Width为图像宽度;Height为图像高度。
3.根据权利要求2所述的基于机器视觉技术的水松纸折边检测方法,其特征在于,在步骤4中,用梯度法对投影后的曲线进行查找的具体方法为:
对一维数组PTL[j]按照索引j从左到右递增方向进行搜索,找出其中满足大于设定阈值△对应的索引值S,如果在索引递增方向上紧挨着S后面连续19个索引对应的数组值都满足大于设定阈值△的条件,则此时的索引值S才能算作水松纸的边缘位置;对一维数组PL[j]、PR[j]、PTR[j]进行同样的操作得到水松纸的边缘位置,其中对PL[j]按照j递增方向搜索,对PR[j]和PTR[j]按照j递减方向搜索,计算公式如下:
其中,PosTL为模板水松纸的左侧位置;PosTR为模板水松纸的右侧位置;PosL为待检水松纸的左侧位置;PosR为待检水松纸的右侧位置。
CN201710251271.8A 2017-04-18 2017-04-18 一种基于机器视觉技术的水松纸折边检测方法 Active CN107218929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710251271.8A CN107218929B (zh) 2017-04-18 2017-04-18 一种基于机器视觉技术的水松纸折边检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710251271.8A CN107218929B (zh) 2017-04-18 2017-04-18 一种基于机器视觉技术的水松纸折边检测方法

Publications (2)

Publication Number Publication Date
CN107218929A CN107218929A (zh) 2017-09-29
CN107218929B true CN107218929B (zh) 2019-08-30

Family

ID=59927895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710251271.8A Active CN107218929B (zh) 2017-04-18 2017-04-18 一种基于机器视觉技术的水松纸折边检测方法

Country Status (1)

Country Link
CN (1) CN107218929B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110833208B (zh) * 2019-11-29 2022-07-05 龙岩烟草工业有限责任公司 卷烟机和水松纸输送检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008068951A (ja) * 2006-09-13 2008-03-27 National Printing Bureau 不正給紙検出装置
CN101912158A (zh) * 2010-07-23 2010-12-15 安徽中烟工业公司 应用于protos70上的水松纸偏移检测装置
CN103416844A (zh) * 2013-08-23 2013-12-04 厦门烟草工业有限责任公司 卷接机水松纸反折检测方法和系统
CN204575555U (zh) * 2015-05-08 2015-08-19 深圳市润之创科技有限公司 水松纸外观视觉质量检测系统
CN105000411A (zh) * 2015-07-14 2015-10-28 中国电子科技集团公司第四十一研究所 一种基于机器视觉技术的盘纸余量检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008068951A (ja) * 2006-09-13 2008-03-27 National Printing Bureau 不正給紙検出装置
CN101912158A (zh) * 2010-07-23 2010-12-15 安徽中烟工业公司 应用于protos70上的水松纸偏移检测装置
CN103416844A (zh) * 2013-08-23 2013-12-04 厦门烟草工业有限责任公司 卷接机水松纸反折检测方法和系统
CN204575555U (zh) * 2015-05-08 2015-08-19 深圳市润之创科技有限公司 水松纸外观视觉质量检测系统
CN105000411A (zh) * 2015-07-14 2015-10-28 中国电子科技集团公司第四十一研究所 一种基于机器视觉技术的盘纸余量检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
线阵CCD技术在水松纸自动纠偏中的运用;张可洲,邓春宁;《自动化与仪器仪表》;20160731(第7期);全文

Also Published As

Publication number Publication date
CN107218929A (zh) 2017-09-29

Similar Documents

Publication Publication Date Title
CN103150549B (zh) 一种基于烟雾早期运动特征的公路隧道火灾检测方法
JP5664152B2 (ja) 撮像装置、車載用撮像システム及び物体識別装置
CN103077526B (zh) 具有深度检测功能的列车异常检测方法及系统
CN109255787A (zh) 基于深度学习和图像处理技术的丝锭划痕检测系统及方法
CN105160652A (zh) 基于计算机视觉的手机外壳检验装置与方法
CN107764841B (zh) 一种检测并区分透明玻璃盖板上下表面缺陷的装置及方法
CN111696077A (zh) 一种基于WaferDet网络的晶圆缺陷检测方法
CN102680481B (zh) 棉纤维杂质的检测方法
CN105512720A (zh) 一种公交车辆客流统计方法和系统
WO2016078455A1 (zh) 纸币褶皱的识别装置和方法
CN105938554B (zh) 基于图像自动判读的尖轨伸缩位移监测方法及系统
CN111965636A (zh) 一种基于毫米波雷达和视觉融合的夜间目标检测方法
CN105158257A (zh) 滑板测量方法及装置
KR20090101356A (ko) 결함 검출 장치 및 결함 검출 방법
CN103385539A (zh) 基于机器视觉的单烟支空头检测方法及专用设备
CN112017243B (zh) 一种介质能见度识别方法
RU2363018C1 (ru) Способ селекции объектов на удаленном фоне
CN107218929B (zh) 一种基于机器视觉技术的水松纸折边检测方法
CN112016558B (zh) 一种基于图像质量的介质能见度识别方法
CN105606623A (zh) 一种基于线阵相机的钢板表面缺陷检测系统
US20100231927A1 (en) Method and device for measuring the position of the edge of a material web
CN112329893A (zh) 基于数据驱动的异源多目标智能检测方法及系统
CN207397296U (zh) 一种基于背影成像的物体识别装置
CN103091332A (zh) 一种基于机器视觉的u型粉管的检测方法及其检测系统
CN110069995A (zh) 一种基于深度学习的餐盘运动状态识别方法

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
GR01 Patent grant
GR01 Patent grant