CN107884415A - 缺陷产品的识别方法、装置和工业相机 - Google Patents
缺陷产品的识别方法、装置和工业相机 Download PDFInfo
- Publication number
- CN107884415A CN107884415A CN201711088116.5A CN201711088116A CN107884415A CN 107884415 A CN107884415 A CN 107884415A CN 201711088116 A CN201711088116 A CN 201711088116A CN 107884415 A CN107884415 A CN 107884415A
- Authority
- CN
- China
- Prior art keywords
- product
- image
- detected
- faulty goods
- difference
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
Abstract
本发明提供了一种缺陷产品的识别方法、装置和工业相机;其中,该方法应用于工业相机的处理器,该处理器与摄像装置电连接;该方法包括:通过摄像装置采集标准样品的样品图像,保存样品图像;通过摄像装置采集待检测产品的产品图像;将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品。本发明通过将标准样品和待检测产品的图像进行比对,进而识别缺陷产品,可以更加准确、快速地识别产品中的不良品,高效地完成产品质量检测。
Description
技术领域
本发明涉及产品质检技术领域,尤其是涉及一种缺陷产品的识别方法、装置和工业相机。
背景技术
现有的产品质量检测方式中,大多通过相机将产品放大,再由专业的质检人员通过肉眼查看产品各个部分是否正常,以识别出不良品;然而,这种方式中的工业相机分辨率较低,通常需要一台相机配置一名质检员人工过度浪费,且质检员在在长时间用眼状态下,容易疲惫不堪,造成视觉误差错判,导致准确度较低,且,人眼查看的方式效率低,成本高。
针对现有的人工识别不良品的方式准确度较低,且效率较低的问题,尚未提出有效的解决方案。
发明内容
有鉴于此,本发明的目的在于提供一种缺陷产品的识别方法、装置和工业相机,以更加准确、快速地识别产品中的不良品,高效地完成产品质量检测。
第一方面,本发明实施例提供了一种缺陷产品的识别方法,该方法应用于工业相机的处理器,处理器与摄像装置电连接;该方法包括:
通过摄像装置采集标准样品的样品图像,保存样品图像;
通过摄像装置采集待检测产品的产品图像;
将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,上述将产品图像和保存的样品图像进行比对的步骤,包括:将产品图像和保存的样品图像进行差值处理,获得差值结果。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第二种可能的实施方式,其中,上述根据比对结果识别待检测产品是否为缺陷产品的步骤,包括:判断差值结果是否大于设定的差值阈值;如果是,确定待检测产品为缺陷产品;如果否,确定待检测产品为合格产品。
结合第一方面的第一种可能的实施方式,本发明实施例提供了第一方面的第三种可能的实施方式,其中,上述将产品图像和保存的样品图像进行差值处理,获得差值结果的步骤,还包括:将产品图像进行分割,生成多个子图像;将多个子图像逐一与样品图像对应位置的子图像进行差值处理,获得多个子差值结果。
结合第一方面的第三种可能的实施方式,本发明实施例提供了第一方面的第四种可能的实施方式,其中,上述根据比对结果识别待检测产品是否为缺陷产品的步骤,包括:逐一判断多个子差值结果是否大于设定的差值阈值;统计大于差值阈值的子差值结果的数量;如果数量不为零,确定待检测产品为缺陷产品;如果数量为零,确定待检测产品为合格产品。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,上述处理器与报警器连接,且与至少一种图像输出接口连接;方法还包括:当确定待检测产品为缺陷产品时,生成缺陷标识信息和报警信号;将缺陷标识信息添加至产品图像上;将报警信号输出至报警器;将添加信息后的产品图像和报警信号输出至外部的终端设备。
第二方面,本发明实施例提供了一种缺陷产品的识别装置,该装置设置于工业相机的处理器,处理器与摄像装置电连接;该装置包括:
样品图像采集保存模块,用于通过摄像装置采集标准样品的样品图像,保存样品图像;
产品图像采集模块,用于通过摄像装置采集待检测产品的产品图像;
比对识别模块,用于将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品。
结合第二方面,本发明实施例提供了第二方面的第一种可能的实施方式,其中,上述比对识别模块,还用于:将产品图像和保存的样品图像进行差值处理,获得差值结果。
结合第二方面的第一种可能的实施方式,本发明实施例提供了第二方面的第二种可能的实施方式,其中,上述比对识别模块,还用于:判断差值结果是否大于设定的差值阈值;如果是,确定待检测产品为缺陷产品;如果否,确定待检测产品为合格产品。
第三方面,本发明实施例提供了一种工业相机,包括处理器,以及分别与处理器电连接的摄像装置、存储器和图像输出接口;
图像输出接口至少包括HDMI输出接口、以太网接口、USB3.0接口中的一种;存储器包括DDR4和TF卡。
本发明实施例带来了以下有益效果:
本发明实施例提供的一种缺陷产品的识别方法、装置和工业相机,通过摄像装置采集标准样品的样品图像,并保存该样品图像后,再通过摄像装置采集待检测产品的产品图像;进而将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品;该方式中,通过将标准样品和待检测产品的图像进行比对,进而识别缺陷产品,可以更加准确、快速地识别产品中的不良品,高效地完成产品质量检测。
本发明的其他特征和优点将在随后的说明书中阐述,或者,部分特征和优点可以从说明书推知或毫无疑义地确定,或者通过实施本发明的上述技术即可得知。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施方式,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种缺陷产品的识别方法的流程图;
图2为本发明实施例提供的另一种缺陷产品的识别方法的流程图;
图3为本发明实施例提供的一种缺陷产品的识别装置的结构示意图;
图4为本发明实施例提供的一种工业相机的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
考虑到现有的人工识别不良品的方式准确度较低,且效率较低的问题,本发明实施例提供了一种缺陷产品的识别方法、装置和工业相机;该技术可以应用于工业生产过程中,对缺陷产品的自动化识别的过程中;尤其可以应用于芯片、集成电路板的缺陷产品的自动化识别的过程中;该技术可以采用相关的软件或硬件实现,下面通过实施例进行描述。
参见图1所示的一种缺陷产品的识别方法的流程图;该方法应用于工业相机的处理器,该处理器与摄像装置电连接;为了保证识别的准确性,该摄像装置可以为4K超高清摄像头,具体分辨率为4608×3456,最大像素为1600万。
该方法包括如下步骤:
步骤S102,通过摄像装置采集标准样品的样品图像,保存样品图像;
步骤S104,通过摄像装置采集待检测产品的产品图像;
步骤S106,将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品。
例如,当识别芯片产品中的缺陷产品时,用户可以先把一个确认合格的标准样品放置在上述摄像装置下,采集样品图像;采集完毕后,将该芯片的样品图像保存至存储器中,例如,DDR4中;该DDR4为双倍速率SDRAM(Synchronous Dynamic Random AccessMemory,同步动态随机存储器)。
采样完毕后,即可通过摄像装置采集待检测产品的产品图像;通过将产品图像和上述样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品。具体地,上述样品图像中,芯片的引脚均为正常状态;如果待检测产品的引脚发生缺脚、变形或短路,在上述图像比对的过程中,会发现相应区域的图像差异较大,此时,则可以根据比对结果识别该产品为缺陷产品。
再如,对于电路板的样品图像中,各个元器件的位置、以及焊点均为正常状态;如果待检测产品的特定位置的元器件缺失、外观不同、或者焊点之间发生连锡,在上述图像比对的过程中,会发现相应区域的图像差异较大,此时,则可以根据比对结果识别该产品为缺陷产品。
本发明实施例提供的一种缺陷产品的识别方法,通过摄像装置采集标准样品的样品图像,并保存该样品图像后,再通过摄像装置采集待检测产品的产品图像;进而将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品;该方式中,通过将标准样品和待检测产品的图像进行比对,进而识别缺陷产品,可以更加准确、快速地识别产品中的不良品,高效地完成产品质量检测。
参见图2所示的另一种缺陷产品的识别方法的流程图;该方法应用于工业相机的处理器,该处理器与摄像装置电连接;该处理器还与报警器连接,且与至少一种图像输出接口连接。
该方法在图1中所示方法的基础上实现,该方法包括如下步骤:
步骤S202,通过摄像装置采集标准样品的样品图像,保存样品图像;
步骤S204,通过摄像装置采集待检测产品的产品图像;
步骤S206,将产品图像和保存的样品图像进行差值处理,获得差值结果;
通常,在进行差值处理之前,上述样品图像和产品图像需要进行标准化处理,例如,调整图像中产品的大小、位置,调整图像的亮度、对比度,对图像进行滤波降噪处理等等,使样品图像和产品图像标准化,便于识别二者图像直接的不同之处,提高识别正确率。
步骤S208,判断差值结果是否大于设定的差值阈值;如果是,执行步骤S212;如果否,执行步骤S210;
步骤S210,确定待检测产品为合格产品,结束。
步骤S212,确定待检测产品为缺陷产品;生成缺陷标识信息和报警信号;
该差值阈值可以为差值的大小阈值,也可以为差值存在的位置范围阈值;如果该差值结果中,某区域差值的大小大于该大小阈值,且该区域的范围大于该位置范围阈值,则可以确定该区域中,上述样品图像和产品图像差异较大,该位置存在缺陷。
步骤S214,将缺陷标识信息添加至产品图像上;将报警信号输出至报警器;
步骤S216,将添加信息后的产品图像和报警信号输出至外部的终端设备。
例如,可以采用突出的颜色,在产品图像上识别出缺陷的位置进行标识;上述报警信号可以包括灯光信号和声音信号;当产品为缺陷产品时,可以控制工业相机上的红灯闪烁,并控制上述报警器发出报警声。当产品为合格产品为,可以控制工业相机上的绿灯闪烁,报警器不发声。
该方式中,通过将标准样品和待检测产品的图像进行差值处理,当差值结果大于阈值时,确定该产品为缺陷产品,生成缺陷标识信息和报警信号并输出;该可以更加准确、快速地识别产品中的不良品,高效地完成产品质量检测。
本发明实施例还提供了另一种缺陷产品的识别方法的流程图,该方法中,上述将产品图像和保存的样品图像进行差值处理,获得差值结果的步骤,具体可以通过下述步骤实现:
步骤(1):将产品图像进行分割,生成多个子图像;
步骤(2):将多个子图像逐一与样品图像对应位置的子图像进行差值处理,获得多个子差值结果。
上述根据比对结果识别待检测产品是否为缺陷产品的步骤,具体可以通过下述步骤实现:
步骤(1):逐一判断多个子差值结果是否大于设定的差值阈值;
步骤(2):统计大于差值阈值的子差值结果的数量;如果数量不为零,确定待检测产品为缺陷产品;如果数量为零,确定待检测产品为合格产品。
该方式中,将产品图像进行分割,对分割后的多个子图像逐一进行差值处理,并逐一判断;当其中一个子图像的差值结果大于设定的差值阈值时,即确定该产品为缺陷产品;相对于对产品图像整体进行处理的方式,该方式识别缺陷的准确度更高,效率更高。
对应于上述方法实施例,参见图3所示的一种缺陷产品的识别装置的结构示意图;该装置设置于工业相机的处理器,该处理器与摄像装置电连接;该装置包括如下部分:
样品图像采集保存模块30,用于通过摄像装置采集标准样品的样品图像,保存样品图像;
产品图像采集模块31,用于通过摄像装置采集待检测产品的产品图像;
比对识别模块32,用于将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品。
进一步地,上述比对识别模块,还用于:将产品图像和保存的样品图像进行差值处理,获得差值结果。
进一步地,上述比对识别模块,还用于:判断差值结果是否大于设定的差值阈值;如果是,确定待检测产品为缺陷产品;如果否,确定待检测产品为合格产品。
本发明实施例提供的一种缺陷产品的识别装置,通过摄像装置采集标准样品的样品图像,并保存该样品图像后,再通过摄像装置采集待检测产品的产品图像;进而将产品图像和保存的样品图像进行比对,根据比对结果识别待检测产品是否为缺陷产品;该方式中,通过将标准样品和待检测产品的图像进行比对,进而识别缺陷产品,可以更加准确、快速地识别产品中的不良品,高效地完成产品质量检测。
参见图4所示的一种工业相机的结构示意图;该工业相机,包括处理器40,以及分别与处理器40电连接的摄像装置41、存储器42和图像输出接口43;
该图像输出接口43至少包括HDMI(High Definition Multimedia Interface,高清晰度多媒体接口)输出接口431、以太网接口432、USB(Universal Serial Bus,通用串行总线)3.0接口433中的一种;该存储器42包括DDR4 421和TF(Trans-flash Card,快闪存储器卡)卡422。
上述DDR4 421可以用于保存摄像装置采集的样品图像;上述TF卡可以用于保存缺陷产品的产品图像、缺陷标识信息、以及其他相关采集信息,深度学习新的采样内容,经处理器学习内容自动识别扫描对比不良品,自动储存不良品内容方便分析不良原因。
另外,该工业相机上还设置有电源模块44,通过电源输入接口与外部交流电连接,将交流电转换成与处理器工作电压、电流匹配的直流电,为处理器供电。
本发明实施例提供的工业相机,与上述实施例提供的缺陷产品的识别方法和装置具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本发明实施例提供了一种缺陷产品的识别方法、装置和工业相机,先将确认合格的产品样品放在工业相机的摄像头下进行采样,确认采样数据后,样品的图像信息会自动储存到TF卡里;再把需要检测的产品放在工业相机的摄像头下,工业相机将会扫描该产品,处理器会自动对比现扫描的产品与储存的图像信息的差别,并做出提示;当与样品一模一样时,绿色指示灯亮起,当处理器扫描的产品与储存的图像信息有差异时,红色指示灯亮起并响起报警声提示并保持不良品信息,方便用户对比和分析。
本发明实施例提供了一种缺陷产品的识别方法、装置和工业相机,具有如下优点:摄像头分辨率高,具有4K解析度;能自动智能识别不良品(即缺陷产品),且识别到不良品时自动报警;支持多种接口的输出;识别不良品,效率高,速度快,更加节约人工成本;无需经过电脑处理,工业相机即可智能直接处理;工业相机的产品体积小,使用方便,应用范围广。
上述工业相机中,处理机的规格参数如下:
处理器内核:800MHz A7核心,支持32KB i-cache,32KB Dcache,和128KB L2缓存;1.25g GHz A17核心,支持32kb的i-cache,32kb d-cache和256KB L2缓存;ARM@big-LITTLE架构
视频编码:H264BP/MP/H.265编码;最大1600万像素(4608x3456)分辨率;AES,DES,和3DES加密和解密;
使用硬件实现的算法:RSA1024/2048/4096算法;用硬件实现;Hash-SHA1/256和HMAC_SHA1/256防篡改;集成512位OTP存储空间和硬件;随机数字生成器;
视频接口:VI接口,两个传感器输入;
最大分辨率:主要通道有1600万像素(4608x3456);第二个输入的最大分辨率是800万像素(4096x2160)。
8-/10-12/14-bit RGB拜耳直流时机VI,最多150MHz时钟频率;
BT.601、BT.656或BT.1120VI接口,最大狂潮MIPI/LVDS sub-LVDS/HiSPi;
主通道接口:最大4-lane MIPI/LVDS sub-LVDS/HiSPi;
外部存储器接口:DDR4/DDR3/DDR3L/LPDDR3接口;
32位LPDDR3接口的最大频率:800MHz(1.6Gbit/s);
32位DDR4/3/3L最大的界面:933MHz频率(1.866Gbit/s);最大容量为16位DDR1024MB,更快;最大总容量2048MB的两个16位;
接口的第二个传感器接口:PAL/NTSC输出自动加载;BT.1120/BT;656VO接口连接到一个外部的HDMI或SDI。
本发明实施例所提供的一种缺陷产品的识别方法、装置和工业相机的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种缺陷产品的识别方法,其特征在于,所述方法应用于工业相机的处理器,所述处理器与摄像装置电连接;所述方法包括:
通过所述摄像装置采集标准样品的样品图像,保存所述样品图像;
通过所述摄像装置采集待检测产品的产品图像;
将所述产品图像和保存的所述样品图像进行比对,根据比对结果识别所述待检测产品是否为缺陷产品。
2.根据权利要求1所述的方法,其特征在于,所述将所述产品图像和保存的所述样品图像进行比对的步骤,包括:
将所述产品图像和保存的所述样品图像进行差值处理,获得差值结果。
3.根据权利要求2所述的方法,其特征在于,所述根据比对结果识别所述待检测产品是否为缺陷产品的步骤,包括:
判断所述差值结果是否大于设定的差值阈值;
如果是,确定所述待检测产品为缺陷产品;
如果否,确定所述待检测产品为合格产品。
4.根据权利要求2所述的方法,其特征在于,所述将所述产品图像和保存的所述样品图像进行差值处理,获得差值结果的步骤,还包括:
将所述产品图像进行分割,生成多个子图像;
将多个所述子图像逐一与所述样品图像对应位置的子图像进行差值处理,获得多个子差值结果。
5.根据权利要求4所述的方法,其特征在于,所述根据比对结果识别所述待检测产品是否为缺陷产品的步骤,包括:
逐一判断多个所述子差值结果是否大于设定的差值阈值;
统计大于所述差值阈值的所述子差值结果的数量;
如果所述数量不为零,确定所述待检测产品为缺陷产品;
如果所述数量为零,确定所述待检测产品为合格产品。
6.根据权利要求1所述的方法,其特征在于,所述处理器与报警器连接,且与至少一种图像输出接口连接;所述方法还包括:
当确定所述待检测产品为缺陷产品时,生成缺陷标识信息和报警信号;
将所述缺陷标识信息添加至所述产品图像上;
将所述报警信号输出至所述报警器;
将添加信息后的所述产品图像和所述报警信号输出至外部的终端设备。
7.一种缺陷产品的识别装置,其特征在于,所述装置设置于工业相机的处理器,所述处理器与摄像装置电连接;所述装置包括:
样品图像采集保存模块,用于通过所述摄像装置采集标准样品的样品图像,保存所述样品图像;
产品图像采集模块,用于通过所述摄像装置采集待检测产品的产品图像;
比对识别模块,用于将所述产品图像和保存的所述样品图像进行比对,根据比对结果识别所述待检测产品是否为缺陷产品。
8.根据权利要求7所述的装置,其特征在于,所述比对识别模块,还用于:
将所述产品图像和保存的所述样品图像进行差值处理,获得差值结果。
9.根据权利要求8所述的装置,其特征在于,所述比对识别模块,还用于:
判断所述差值结果是否大于设定的差值阈值;
如果是,确定所述待检测产品为缺陷产品;
如果否,确定所述待检测产品为合格产品。
10.一种工业相机,其特征在于,包括处理器,以及分别与所述处理器电连接的摄像装置、存储器和图像输出接口;
所述图像输出接口至少包括HDMI输出接口、以太网接口、USB3.0接口中的一种;所述存储器包括DDR4和TF卡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711088116.5A CN107884415A (zh) | 2017-11-07 | 2017-11-07 | 缺陷产品的识别方法、装置和工业相机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711088116.5A CN107884415A (zh) | 2017-11-07 | 2017-11-07 | 缺陷产品的识别方法、装置和工业相机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107884415A true CN107884415A (zh) | 2018-04-06 |
Family
ID=61779271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711088116.5A Pending CN107884415A (zh) | 2017-11-07 | 2017-11-07 | 缺陷产品的识别方法、装置和工业相机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107884415A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802050A (zh) * | 2018-06-22 | 2018-11-13 | 宁波江丰电子材料股份有限公司 | 靶材视觉检测装置和方法 |
CN109738448A (zh) * | 2018-12-28 | 2019-05-10 | 佛山科学技术学院 | 一种工业产品智能检测装置和方法 |
CN109978835A (zh) * | 2019-03-04 | 2019-07-05 | 广东石油化工学院 | 一种在线装配缺陷识别系统及其方法 |
WO2020082714A1 (zh) * | 2018-10-25 | 2020-04-30 | 广东华中科技大学工业技术研究院 | 一种激光全反射式的3c透明构件缺陷检测装置及方法 |
CN111112127A (zh) * | 2019-12-18 | 2020-05-08 | 厦门大学嘉庚学院 | 一种饮料瓶颜色和材质同步识别的系统及方法 |
CN111272775A (zh) * | 2020-02-24 | 2020-06-12 | 上海感图网络科技有限公司 | 一种使用人工智能检测换热器缺陷的装置及方法 |
CN111754470A (zh) * | 2020-06-11 | 2020-10-09 | 厦门雨程户外运动用品有限公司 | 自动验布方法、装置、自动验布机和存储介质 |
CN111815621A (zh) * | 2020-07-27 | 2020-10-23 | 北京联想软件有限公司 | 一种数据处理方法、装置及电子设备 |
CN111983546A (zh) * | 2020-08-26 | 2020-11-24 | 国网山东省电力公司营销服务中心(计量中心) | 一种电表检测配置装置及方法 |
CN112785556A (zh) * | 2020-12-31 | 2021-05-11 | 深兰人工智能芯片研究院(江苏)有限公司 | 复检方法、装置、电子设备及计算机可读存储介质 |
CN113310996A (zh) * | 2021-07-08 | 2021-08-27 | 深圳市华亮五金科技有限公司 | 一种缺陷检测装置及其检测方法 |
CN113643256A (zh) * | 2021-08-11 | 2021-11-12 | 广汽丰田汽车有限公司 | 引脚缺陷的识别方法、处理装置和计算机可读存储介质 |
CN113743296A (zh) * | 2021-09-03 | 2021-12-03 | 广东伟兴电子科技有限公司 | 一种基于5g网络的工业产品识别与溯源实现方法 |
CN116087217A (zh) * | 2023-04-10 | 2023-05-09 | 湖北工业大学 | 基于机器视觉的工业流水线动态质量检测模块及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101180549A (zh) * | 2005-04-11 | 2008-05-14 | 株式会社爱德万测试 | 电子器件的处理设备 |
CN104535569A (zh) * | 2014-12-23 | 2015-04-22 | 安徽科鸣三维科技有限公司 | 一种基于机器视觉的pcba检测系统 |
CN105510348A (zh) * | 2015-12-31 | 2016-04-20 | 南京协辰电子科技有限公司 | 一种印制电路板的缺陷检测方法、装置及检测设备 |
CN206281788U (zh) * | 2016-11-24 | 2017-06-27 | 歌尔科技有限公司 | 一种板对板连接器的测试系统 |
-
2017
- 2017-11-07 CN CN201711088116.5A patent/CN107884415A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101180549A (zh) * | 2005-04-11 | 2008-05-14 | 株式会社爱德万测试 | 电子器件的处理设备 |
CN104535569A (zh) * | 2014-12-23 | 2015-04-22 | 安徽科鸣三维科技有限公司 | 一种基于机器视觉的pcba检测系统 |
CN105510348A (zh) * | 2015-12-31 | 2016-04-20 | 南京协辰电子科技有限公司 | 一种印制电路板的缺陷检测方法、装置及检测设备 |
CN206281788U (zh) * | 2016-11-24 | 2017-06-27 | 歌尔科技有限公司 | 一种板对板连接器的测试系统 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108802050A (zh) * | 2018-06-22 | 2018-11-13 | 宁波江丰电子材料股份有限公司 | 靶材视觉检测装置和方法 |
WO2020082714A1 (zh) * | 2018-10-25 | 2020-04-30 | 广东华中科技大学工业技术研究院 | 一种激光全反射式的3c透明构件缺陷检测装置及方法 |
CN109738448A (zh) * | 2018-12-28 | 2019-05-10 | 佛山科学技术学院 | 一种工业产品智能检测装置和方法 |
CN109978835B (zh) * | 2019-03-04 | 2022-11-29 | 广东石油化工学院 | 一种在线装配缺陷识别系统及其方法 |
CN109978835A (zh) * | 2019-03-04 | 2019-07-05 | 广东石油化工学院 | 一种在线装配缺陷识别系统及其方法 |
CN111112127A (zh) * | 2019-12-18 | 2020-05-08 | 厦门大学嘉庚学院 | 一种饮料瓶颜色和材质同步识别的系统及方法 |
CN111272775A (zh) * | 2020-02-24 | 2020-06-12 | 上海感图网络科技有限公司 | 一种使用人工智能检测换热器缺陷的装置及方法 |
CN111754470A (zh) * | 2020-06-11 | 2020-10-09 | 厦门雨程户外运动用品有限公司 | 自动验布方法、装置、自动验布机和存储介质 |
CN111815621A (zh) * | 2020-07-27 | 2020-10-23 | 北京联想软件有限公司 | 一种数据处理方法、装置及电子设备 |
CN111983546A (zh) * | 2020-08-26 | 2020-11-24 | 国网山东省电力公司营销服务中心(计量中心) | 一种电表检测配置装置及方法 |
CN111983546B (zh) * | 2020-08-26 | 2023-04-07 | 国网山东省电力公司营销服务中心(计量中心) | 一种电表检测配置装置及方法 |
CN112785556A (zh) * | 2020-12-31 | 2021-05-11 | 深兰人工智能芯片研究院(江苏)有限公司 | 复检方法、装置、电子设备及计算机可读存储介质 |
CN113310996A (zh) * | 2021-07-08 | 2021-08-27 | 深圳市华亮五金科技有限公司 | 一种缺陷检测装置及其检测方法 |
CN113643256A (zh) * | 2021-08-11 | 2021-11-12 | 广汽丰田汽车有限公司 | 引脚缺陷的识别方法、处理装置和计算机可读存储介质 |
CN113743296A (zh) * | 2021-09-03 | 2021-12-03 | 广东伟兴电子科技有限公司 | 一种基于5g网络的工业产品识别与溯源实现方法 |
CN116087217A (zh) * | 2023-04-10 | 2023-05-09 | 湖北工业大学 | 基于机器视觉的工业流水线动态质量检测模块及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107884415A (zh) | 缺陷产品的识别方法、装置和工业相机 | |
CN106920219B (zh) | 物品缺陷检测方法、图像处理系统与计算机可读记录介质 | |
CA2867365C (en) | Method, system and computer storage medium for face detection | |
US10740912B2 (en) | Detection of humans in images using depth information | |
CN107707826A (zh) | 补光灯的亮度调节方法及装置 | |
CN106610987B (zh) | 视频图像检索方法、装置及系统 | |
CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
CN105957088B (zh) | 基于计算机视觉的变压器复合绝缘子套管监测方法及系统 | |
CN110392254A (zh) | 一种基于图像清晰度评价算法的调焦测试方法及终端设备 | |
CN112052730B (zh) | 一种3d动态人像识别监控设备及方法 | |
CN110458126A (zh) | 一种受电弓状态监测方法及装置 | |
CN111047598B (zh) | 基于深度学习的输变电设备紫外放电光斑分割方法及装置 | |
CN113390885B (zh) | 一种激光头切割保护镜状态检测装置及检测方法 | |
CN113785181A (zh) | Oled屏幕点缺陷判定方法、装置、存储介质及电子设备 | |
CN115880365A (zh) | 一种双工位自动螺丝拧装检测方法、系统及装置 | |
CN110310341B (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
CN114267002B (zh) | 卷烟厂制丝车间工况监测方法、装置、设备及存储介质 | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN115423861A (zh) | 气体泄露检测方法及装置、设备、存储介质 | |
CN110211085B (zh) | 一种图像融合质量评价方法和系统 | |
CN114217118B (zh) | 一种室内变电站高压带电显示器状态识别方法及系统 | |
CN116402815B (zh) | 基于人工智能的电感线圈封装异常检测方法 | |
CN112464928B (zh) | 数字式表计读数识别方法、装置、设备及存储介质 | |
CN109142393A (zh) | 一种缺陷分类方法、装置及系统 | |
CN116349750A (zh) | 一种自控做青的茶叶加工系统及其加工方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180406 |