CN107730492A - 一种数据线连接部以及配色的视觉检测方法 - Google Patents

一种数据线连接部以及配色的视觉检测方法 Download PDF

Info

Publication number
CN107730492A
CN107730492A CN201710957918.9A CN201710957918A CN107730492A CN 107730492 A CN107730492 A CN 107730492A CN 201710957918 A CN201710957918 A CN 201710957918A CN 107730492 A CN107730492 A CN 107730492A
Authority
CN
China
Prior art keywords
detection method
data wire
color
picture
connecting portion
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
Application number
CN201710957918.9A
Other languages
English (en)
Inventor
李志清
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.)
Dongguan Early Sichuan Electronics Co Ltd
Original Assignee
Dongguan Early Sichuan Electronics Co Ltd
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 Dongguan Early Sichuan Electronics Co Ltd filed Critical Dongguan Early Sichuan Electronics Co Ltd
Priority to CN201710957918.9A priority Critical patent/CN107730492A/zh
Publication of CN107730492A publication Critical patent/CN107730492A/zh
Pending legal-status Critical Current

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种数据线生产工艺，尤其是一种数据线连接部以及配色的视觉检测方法，它包括以下步骤：通过机器视觉获得数据线端部的图片；通过边缘检测法获得图片中数据线各色导线与端子的连接图形，将该图形与标准图形比对，相似度低于标准限度的判定为连接异常；通过目标区域定位法获得各色导线并排的局部图片，将该局部图片与标准图片进行颜色比对，超出容错范围的判定为误配色；通过机器视觉获得加工产品的图像，通过边缘检测法获得图片中数据线各色导线与端子的连接图形，以此判断连接是否到位；通过颜色比对则可快速判断是否出现误配色；本发明方便快捷，具有很强的实用性。

Description

一种数据线连接部以及配色的视觉检测方法
技术领域
本发明涉及一种数据线生产工艺，尤其是一种数据线连接部以及配色的视觉检测方法。
背景技术
数据线的重要组成部分就是穿入护套内的各色导线，以及导线两端与端子的连接。生产中，为了防止各色导线误配色，业内研发出了防误配色治具；为了防止导线两端与端子的连接不到位，业内采用了放大镜等设备。然而上述技术方案的不足在于：防误配色治具可以保证各色导线正确安装，但是无法起到检测的作用，采用放大镜检测准确率会随着检测人员的精神状态发生波动。
发明内容
针对现有技术的不足，本发明提供一种自动检测数据线配色是否正确连接是否到位的方法。
本发明的技术方案为：
一种数据线连接部以及配色的视觉检测方法，其特征在于：它包括以下步骤：
1)通过机器视觉获得数据线端部的图片；
2)通过边缘检测法获得图片中数据线各色导线与端子的连接图形，将该图形与标准图形比对，相似度低于标准限度的判定为连接异常；
3)通过目标区域定位法获得各色导线并排的局部图片，将该局部图片与标准图片进行颜色比对，超出容错范围的判定为误配色。
具体的，所述步骤1)中的机器包括光源、CCD阵列、图像采集卡和图像处理计算机。
具体的，所述步骤2)边缘检测法为：通过MATLAB语言编程用Roberts算子来实现静态图像的边缘检测。
在Roberts算子中，边缘，是指周围像素灰度有阶跃变化或屋顶等变化的那些像素的集合。图像的边缘对应着图像灰度的不连续性。显然图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。
边缘的锐利程度由图像灰度的梯度决定。梯度是一个向量，指出灰度变化最快的方向和变化量。
梯度大小由
确定。而梯度方向则由
确定的。
因此最简单的边缘检测算子是用图像的垂直和水平差分来逼近梯度算子：
算出向量，然后求出它的绝对值。利用这种思想就得到了Roberts算子：
g(x，y)＝{[f(x，y)-f(x+1，y+1)]2+[f(x，y+1)-f(x+1，y)]2}1/2
具体的，所述步骤2)中图形与标准图形比对采用协方差矩阵的计算来实现。
具体的，所述步骤3)中目标区域定位法采用图像感兴趣区域自动提取算法。其具体实施方式可参见《科学技术与工程》,2007,7(12):2867-2871所记载的《图像感兴趣区域自动提取算法》。
本发明的有益效果为：通过机器视觉获得加工产品的图像，通过边缘检测法获得图片中数据线各色导线与端子的连接图形，以此判断连接是否到位；通过颜色比对则可快速判断是否出现误配色；本发明方便快捷，具有很强的实用性。
具体实施方式
下面结合具体实施方式作进一步说明：
一种数据线连接部以及配色的视觉检测方法，它包括以下步骤：
1)通过机器视觉获得数据线端部的图片；具体来说，机器视觉获得图片时应该保证足够且稳定的照明，以期获得较为一致的图像。
2)通过边缘检测法获得图片中数据线各色导线与端子的连接图形，将该图形与标准图形比对，相似度低于标准限度的判定为连接异常；
3)通过目标区域定位法获得各色导线并排的局部图片，将该局部图片与标准图片进行颜色比对，超出容错范围的判定为误配色。
具体的，所述步骤1)中的机器包括光源、CCD阵列、图像采集卡和图像处理计算机。
具体的，所述步骤2)边缘检测法为：通过MATLAB语言编程用Roberts算子来实现静态图像的边缘检测。
在Roberts算子中，边缘，是指周围像素灰度有阶跃变化或屋顶等变化的那些像素的集合。图像的边缘对应着图像灰度的不连续性。显然图像的边缘很少是从一个灰度跳到另一个灰度这样的理想状况。真实图像的边缘通常都具有有限的宽度呈现出陡峭的斜坡状。
边缘的锐利程度由图像灰度的梯度决定。梯度是一个向量，指出灰度变化最快的方向和变化量。
梯度大小由
确定。而梯度方向则由
确定的。
因此最简单的边缘检测算子是用图像的垂直和水平差分来逼近梯度算子：
算出向量，然后求出它的绝对值。利用这种思想就得到了Roberts算子：
g(x，y)＝{[f(x，y)-f(x+1，y+1)]2+[f(x，y+1)-f(x+1，y)]2}1/2
具体的，所述步骤2)中图形与标准图形比对采用协方差矩阵的计算来实现。
具体的，所述步骤3)中目标区域定位法采用图像感兴趣区域自动提取算法。
上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (5)

1.一种数据线连接部以及配色的视觉检测方法，其特征在于：它包括以下步骤：
1)通过机器视觉获得数据线端部的图片；
2)通过边缘检测法获得图片中数据线各色导线与端子的连接图形，将该图形与标准图形比对，相似度低于标准限度的判定为连接异常；
3)通过目标区域定位法获得各色导线并排的局部图片，将该局部图片与标准图片进行颜色比对，超出容错范围的判定为误配色。
2.根据权利要求1所述的数据线连接部以及配色的视觉检测方法，其特征在于：所述步骤1)中的机器包括光源、CCD阵列、图像采集卡和图像处理计算机。
3.根据权利要求2所述的数据线连接部以及配色的视觉检测方法，其特征在于：所述步骤2)边缘检测法为：通过MATLAB语言编程用Roberts算子来实现静态图像的边缘检测。
4.根据权利要求3所述的数据线连接部以及配色的视觉检测方法，其特征在于：所述步骤2)中图形与标准图形比对采用协方差矩阵的计算来实现。
5.根据权利要求4所述的数据线连接部以及配色的视觉检测方法，其特征在于：所述步骤3)中目标区域定位法采用图像感兴趣区域自动提取算法。
CN201710957918.9A 2017-10-16 2017-10-16 一种数据线连接部以及配色的视觉检测方法 Pending CN107730492A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710957918.9A CN107730492A (zh) 2017-10-16 2017-10-16 一种数据线连接部以及配色的视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710957918.9A CN107730492A (zh) 2017-10-16 2017-10-16 一种数据线连接部以及配色的视觉检测方法

Publications (1)

Publication Number Publication Date
CN107730492A true CN107730492A (zh) 2018-02-23

Family

ID=61211564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710957918.9A Pending CN107730492A (zh) 2017-10-16 2017-10-16 一种数据线连接部以及配色的视觉检测方法

Country Status (1)

Country Link
CN (1) CN107730492A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288930A (zh) * 2019-05-30 2019-09-27 天津市中力神盾电子科技有限公司 一种rgb数据线及其端子故障检测方法及系统
CN114594102A (zh) * 2022-03-29 2022-06-07 吉安易巴克电子科技有限公司 一种基于机器视觉的数据线接口自动检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1961460A (zh) * 2004-04-01 2007-05-09 3M创新有限公司 连接器及其线路连接方法
CN101980034A (zh) * 2010-10-20 2011-02-23 天津豪风机电设备有限公司 汽车线束导通的检测方法
CN102297867A (zh) * 2011-07-20 2011-12-28 上海元一电子有限公司 线束装配质量检测系统
CN103544473A (zh) * 2013-09-17 2014-01-29 广东工业大学 一种基于机器视觉的电子连接器检测方法
CN104282018A (zh) * 2014-09-09 2015-01-14 苏州科力迪软件技术有限公司 基于机器视觉的工业产品外形直径在线检测的方法
CN205194635U (zh) * 2015-12-16 2016-04-27 温州金旭电气有限公司 电线接口指示断路器
CN106327052A (zh) * 2016-07-27 2017-01-11 广西思诺电气有限公司 线束自动加工测试生产方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1961460A (zh) * 2004-04-01 2007-05-09 3M创新有限公司 连接器及其线路连接方法
CN101980034A (zh) * 2010-10-20 2011-02-23 天津豪风机电设备有限公司 汽车线束导通的检测方法
CN102297867A (zh) * 2011-07-20 2011-12-28 上海元一电子有限公司 线束装配质量检测系统
CN103544473A (zh) * 2013-09-17 2014-01-29 广东工业大学 一种基于机器视觉的电子连接器检测方法
CN104282018A (zh) * 2014-09-09 2015-01-14 苏州科力迪软件技术有限公司 基于机器视觉的工业产品外形直径在线检测的方法
CN205194635U (zh) * 2015-12-16 2016-04-27 温州金旭电气有限公司 电线接口指示断路器
CN106327052A (zh) * 2016-07-27 2017-01-11 广西思诺电气有限公司 线束自动加工测试生产方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
黄文明 等: "基于机器视觉的通孔元器件检测平台研发", 《电子测试》 *
黄文明: "通孔器件机器视觉检测算法研究", 《计算机光盘软件与应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110288930A (zh) * 2019-05-30 2019-09-27 天津市中力神盾电子科技有限公司 一种rgb数据线及其端子故障检测方法及系统
CN114594102A (zh) * 2022-03-29 2022-06-07 吉安易巴克电子科技有限公司 一种基于机器视觉的数据线接口自动检测方法

Similar Documents

Publication Publication Date Title
CN107845087B (zh) 液晶面板亮度不均匀缺陷的检测方法和系统
CN105354847B (zh) 基于滑动比较窗口自适应分割的水果表面缺陷检测方法
CN109472271B (zh) 印刷电路板图像轮廓提取方法及装置
CN108520514B (zh) 基于计算机视觉的印刷电路板电子元器一致性检测方法
CN106501272B (zh) 机器视觉焊锡定位检测系统
CN107909613B (zh) 一种基于顶点的矩形引脚元件定位方法
CN109284718B (zh) 面向巡检机器人的变视角多仪表同时识别方法
US10380457B2 (en) Lead tip position image recognition method and lead tip position image recognition system
CN103646248B (zh) 基于双目线阵ccd汽车底盘成像的异物检测方法
WO2014136561A1 (ja) むら検査システム、むら検査方法およびむら検査プログラム
CN106529556B (zh) 一种仪表指示灯的视觉检测系统
US20190180432A1 (en) Color Quality Assessment Based on Multispectral Imaging
CN110781913B (zh) 一种拉链布带缺陷检测方法
CN107730492A (zh) 一种数据线连接部以及配色的视觉检测方法
CN109816653A (zh) 一种用于导电粒子检测的方法
CN104483331A (zh) 一种连接器插针三维检测方法、装置及系统
CN116912248A (zh) 基于计算机视觉的不规则五金件表面缺陷检测方法
CN113947598B (zh) 基于图像处理的塑料餐盒缺陷检测方法、装置及系统
CN110738644A (zh) 一种基于深度学习的汽车涂装表面缺陷检测方法及系统
CN114677356A (zh) 一种基于多视角图像融合的酒瓶外观缺陷检测方法
CN106485701B (zh) 基于图像的铁路接触网承力索座装反与否的检测方法
CN117635595A (zh) 一种精密注塑模胚表面质量视觉检测方法
CN111583225A (zh) 缺陷检测方法、装置及存储介质
CN110211105B (zh) 一种模糊图像检测方法、装置及系统
Singh et al. Detection of defects in glass sheet using cs c based segmentation method

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180223