CN108564572A - 一种基于图像特征的产品质量监测方法 - Google Patents

一种基于图像特征的产品质量监测方法 Download PDF

Info

Publication number
CN108564572A
CN108564572A CN201810282798.1A CN201810282798A CN108564572A CN 108564572 A CN108564572 A CN 108564572A CN 201810282798 A CN201810282798 A CN 201810282798A CN 108564572 A CN108564572 A CN 108564572A
Authority
CN
China
Prior art keywords
target product
image
product
frame
feature image
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
CN201810282798.1A
Other languages
English (en)
Inventor
朱余宏
潘良丽
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.)
CHUZHOU CHENRUN INDUSTRY TRADE Co Ltd
Original Assignee
CHUZHOU CHENRUN INDUSTRY TRADE 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 CHUZHOU CHENRUN INDUSTRY TRADE Co Ltd filed Critical CHUZHOU CHENRUN INDUSTRY TRADE Co Ltd
Priority to CN201810282798.1A priority Critical patent/CN108564572A/zh
Publication of CN108564572A publication Critical patent/CN108564572A/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
    • 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
    • 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
    • G06T2207/30168—Image quality inspection

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

本发明公开了一种基于图像特征的产品质量监测方法，包括：采集目标产品的四维扫描图像；获取目标产品的四维扫描图像中目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像；将目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像分别与对应的预设比较特征图像进行比较并判断目标产品是否合格，当判断结果为是时，执行对目标产品进行覆膜；当判断结果为否时，对目标产品进行修复后，再对目标产品进行覆膜。

Description

一种基于图像特征的产品质量监测方法
技术领域
本发明涉及产品检测技术领域，尤其涉及一种基于图像特征的产品质量监测方法。
背景技术
由于现代注塑产品生产过程中，质量大多都是由人为检测，且在检验过程中按照百分比抽检，这样不紧增加了工作量，而且也增加了成本，并且注塑产品的质量还无法得到实质性的保证，导致公司需要投入大量的人力物力财力，如此投入之后，注塑产品的质量还无法得到决定性的质量保证，而且给注塑产品生产商在供货过程中产生诸多的麻烦。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于图像特征的产品质量监测方法；
本发明提出的一种基于图像特征的产品质量监测方法，包括：
S1、采集目标产品的四维扫描图像；
S2、获取目标产品的四维扫描图像中目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像；
S3、将目标产品的颜色特征图像与预设颜色比较特征图像进行比较并判断目标产品是否颜色合格，当判断结果为是时，执行S4；当判断结果为否时，对目标产品进行颜色修复后，执行S4；
S4、将目标产品的平整度特征图像与预设平整度比较特征图像进行比较并判断目标产品是否平整度合格，当判断结果为是时，执行S5；当判断结果为否时，对目标产品进行平整度修复后，执行S5；
S5、将目标产品的位置特征图像与预设位置比较特征图像进行比较并判断目标产品是否位置合格，当判断结果为是时，执行S6；当判断结果为否时，对目标产品进行位置修复后，执行S6；
S6、将目标产品的框架特征图像与预设框架比较特征图像进行比较并判断目标产品是否框架合格，当判断结果为是时，执行S7；当判断结果为否时，对目标产品进行框架修复后，执行S7。
S7、对目标产品进行覆膜。
优选地，步骤S1中，所述目标产品的四维扫描图像，具体包括：目标产品的左视角扫描图像、目标产品的右视角扫描图像、目标产品的前视角扫描图像、目标产品的后视角扫描图像、目标产品的俯视角扫描图像和目标产品的仰视角扫描图像。
优选地，步骤S3，具体包括：
将目标产品的颜色特征图像与预设颜色比较特征图像进行比较，当目标产品的颜色特征图像与预设颜色比较特征图像的相似度大于预设的第一阈值时，判断目标产品颜色合格，执行S4；否则，判断目标产品颜色不合格，对目标产品进行颜色修复后，执行S4。
优选地，步骤S3中，在判断目标产品颜色不合格后，还包括：输出目标产品的颜色特征图像。
优选地，步骤S4，具体包括：
将目标产品的平整度特征图像与预设平整度比较特征图像进行比较，当目标产品的平整度特征图像与预设平整度比较特征图像的相似度大于预设的第二阈值时，判断目标产品平整度合格，执行S5；否则，判断目标产品平整度不合格，对目标产品进行平整度修复后，执行S5。
优选地，步骤S4中，在判断目标产品平整度不合格后，还包括：输出目标产品的平整度特征图像。
优选地，步骤S5，具体包括：
将目标产品的位置特征图像与预设位置比较特征图像进行比较，当目标产品的位置特征图像与预设位置比较特征图像的相似度大于预设的第三阈值时，判断目标产品位置合格，执行S6；否则，判断目标产品位置不合格，对目标产品进行位置修复后，执行S6。
优选地，步骤S5中，在判断目标产品位置不合格后，还包括：输出目标产品的位置特征图像。
优选地，步骤S6，具体包括：
将目标产品的框架特征图像与预设框架比较特征图像进行比较，当目标产品的框架特征图像与预设框架比较特征图像的相似度大于预设的第四阈值时，判断目标产品框架合格，执行S7；否则，判断目标产品框架不合格，对目标产品进行框架修复后，执行S7。
优选地，步骤S6中，在判断目标产品框架不合格后，还包括：输出目标产品的框架特征图像。
本发明通过采集目标产品的四维扫描图像，获取目标产品的四维扫描图像中目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像；将目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像分别与对应的预设比较特征图像进行比较并判断目标产品是否合格，对不合格的目标产品进行修复，对合格的目标产品进行覆膜。如此，通过扫描目标产品，得到的目标产品的四维扫描图像，通过提取四维扫描图像中目标产品的特征，将目标产品的特征与预设合格产品的特征进行比较，从而判断目标产品是否合格，本发明的检测方法从多方面、全角度对目标产品的质量进行检查，相比人工而言，更全面、效率高、节省人力物力，进而保证生产的质量基础上，提高公司的信益度和供货的品质。
附图说明
图1为本发明提出的一种基于图像特征的产品质量监测方法的流程示意图。
具体实施方式
参照图1，本发明提出的一种基于图像特征的产品质量监测方法，包括：
步骤S1，采集目标产品的四维扫描图像，所述目标产品的四维扫描图像包括：目标产品的左视角扫描图像、目标产品的右视角扫描图像、目标产品的前视角扫描图像、目标产品的后视角扫描图像、目标产品的俯视角扫描图像和目标产品的仰视角扫描图像。
在具体方案中，通过扫描仪对目标产品进行四维扫描，得到目标产品的左视角扫描图像、目标产品的右视角扫描图像、目标产品的前视角扫描图像、目标产品的后视角扫描图像、目标产品的俯视角扫描图像和目标产品的仰视角扫描图像。
步骤S2，获取目标产品的四维扫描图像中目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像。
步骤S3，将目标产品的颜色特征图像与预设颜色比较特征图像进行比较，当目标产品的颜色特征图像与预设颜色比较特征图像的相似度大于预设的第一阈值时，判断目标产品颜色合格，执行S4；否则，判断目标产品颜色不合格，对目标产品进行颜色修复后，执行S4。
进一步的，对目标产品进行颜色修复之前，输出目标产品的颜色特征图像。
在具体方案中，所述预设颜色比较特征图像为合格产品的颜色特征图像，将目标产品的颜色特征图像与合格产品的颜色特征图像进行比较，从而判断目标产品的颜色是否合格，当判断目标产品颜色不合格时，输出目标产品的颜色特征图像，方便对目标产品进行颜色修复。
步骤S4，将目标产品的平整度特征图像与预设平整度比较特征图像进行比较，当目标产品的平整度特征图像与预设平整度比较特征图像的相似度大于预设的第二阈值时，判断目标产品平整度合格，执行S5；否则，判断目标产品平整度不合格，对目标产品进行平整度修复后，执行S5。
进一步的，对目标产品进行平整度修复之前，输出目标产品的平整度特征图像。
在具体方案中，所述预设平整度比较特征图像为合格产品的平整度特征图像，将目标产品的平整度特征图像与合格产品的平整度特征图像进行比较，从而判断目标产品的平整度是否合格，当判断目标产品平整度不合格时，输出目标产品的平整度特征图像，方便对目标产品进行平整度修复。
步骤S5将目标产品的位置特征图像与预设位置比较特征图像进行比较，当目标产品的位置特征图像与预设位置比较特征图像的相似度大于预设的第三阈值时，判断目标产品位置合格，执行S6；否则，判断目标产品位置不合格，对目标产品进行位置修复后，执行S6。
进一步的，对目标产品进行位置修复之前，输出目标产品的位置特征图像。
在具体方案中，所述预设位置比较特征图像为合格产品的位置特征图像，将目标产品的位置特征图像与合格产品的位置特征图像进行比较，从而判断目标产品的位置是否合格，当判断目标产品位置不合格时，输出目标产品的位置特征图像，方便对目标产品进行位置修复。
步骤S6，将目标产品的框架特征图像与预设框架比较特征图像进行比较，当目标产品的框架特征图像与预设框架比较特征图像的相似度大于预设的第四阈值时，判断目标产品框架合格，执行S7；否则，判断目标产品框架不合格，对目标产品进行框架修复后，执行S7。
进一步的，对目标产品进行框架修复之前，输出目标产品的框架特征图像。
在具体方案中，所述预设框架比较特征图像为合格产品的框架特征图像，将目标产品的框架特征图像与合格产品的框架特征图像进行比较，从而判断目标产品的框架是否合格，当判断目标产品框架不合格时，输出目标产品的框架特征图像，方便对目标产品进行框架修复。
步骤S7，对目标产品进行覆膜。
在具体方案中，通过覆膜对目标产品进行自动覆膜，节省人力，实现产品检测和保护全程自动化。
本实施方式通过采集目标产品的四维扫描图像，获取目标产品的四维扫描图像中目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像；将目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像分别与对应的预设比较特征图像进行比较并判断目标产品是否合格，对不合格的目标产品进行修复，对合格的目标产品进行覆膜。如此，通过扫描目标产品，得到的目标产品的四维扫描图像，通过提取四维扫描图像中目标产品的特征，将目标产品的特征与预设合格产品的特征进行比较，从而判断目标产品是否合格，本发明的检测方法从多方面、全角度对目标产品的质量进行检查，相比人工而言，更全面、效率高、节省人力物力，进而保证生产的质量基础上，提高公司的信益度和供货的品质。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于图像特征的产品质量监测方法，其特征在于，包括：
S1、采集目标产品的四维扫描图像；
S2、获取目标产品的四维扫描图像中目标产品的颜色特征图像、平整度特征图像、位置特征图像和框架特征图像；
S3、将目标产品的颜色特征图像与预设颜色比较特征图像进行比较并判断目标产品是否颜色合格，当判断结果为是时，执行S4；当判断结果为否时，对目标产品进行颜色修复后，执行S4；
S4、将目标产品的平整度特征图像与预设平整度比较特征图像进行比较并判断目标产品是否平整度合格，当判断结果为是时，执行S5；当判断结果为否时，对目标产品进行平整度修复后，执行S5；
S5、将目标产品的位置特征图像与预设位置比较特征图像进行比较并判断目标产品是否位置合格，当判断结果为是时，执行S6；当判断结果为否时，对目标产品进行位置修复后，执行S6；
S6、将目标产品的框架特征图像与预设框架比较特征图像进行比较并判断目标产品是否框架合格，当判断结果为是时，执行S7；当判断结果为否时，对目标产品进行框架修复后，执行S7。
S7、对目标产品进行覆膜。
2.根据权利要求1所述的基于图像特征的产品质量监测方法，其特征在于，步骤S1中，所述目标产品的四维扫描图像，具体包括：目标产品的左视角扫描图像、目标产品的右视角扫描图像、目标产品的前视角扫描图像、目标产品的后视角扫描图像、目标产品的俯视角扫描图像和目标产品的仰视角扫描图像。
3.根据权利要求1所述的基于图像特征的产品质量监测方法，其特征在于，步骤S3，具体包括：
将目标产品的颜色特征图像与预设颜色比较特征图像进行比较，当目标产品的颜色特征图像与预设颜色比较特征图像的相似度大于预设的第一阈值时，判断目标产品颜色合格，执行S4；否则，判断目标产品颜色不合格，对目标产品进行颜色修复后，执行S4。
4.根据权利要求3所述的基于图像特征的产品质量监测方法，其特征在于，步骤S3中，在判断目标产品颜色不合格后，还包括：输出目标产品的颜色特征图像。
5.根据权利要求1所述的基于图像特征的产品质量监测方法，其特征在于，步骤S4，具体包括：
将目标产品的平整度特征图像与预设平整度比较特征图像进行比较，当目标产品的平整度特征图像与预设平整度比较特征图像的相似度大于预设的第二阈值时，判断目标产品平整度合格，执行S5；否则，判断目标产品平整度不合格，对目标产品进行平整度修复后，执行S5。
6.根据权利要求5所述的基于图像特征的产品质量监测方法，其特征在于，步骤S4中，在判断目标产品平整度不合格后，还包括：输出目标产品的平整度特征图像。
7.根据权利要求1所述的基于图像特征的产品质量监测方法，其特征在于，步骤S5，具体包括：
将目标产品的位置特征图像与预设位置比较特征图像进行比较，当目标产品的位置特征图像与预设位置比较特征图像的相似度大于预设的第三阈值时，判断目标产品位置合格，执行S6；否则，判断目标产品位置不合格，对目标产品进行位置修复后，执行S6。
8.根据权利要求7所述的基于图像特征的产品质量监测方法，其特征在于，步骤S5中，在判断目标产品位置不合格后，还包括：输出目标产品的位置特征图像。
9.根据权利要求1所述的基于图像特征的产品质量监测方法，其特征在于，步骤S6，具体包括：
将目标产品的框架特征图像与预设框架比较特征图像进行比较，当目标产品的框架特征图像与预设框架比较特征图像的相似度大于预设的第四阈值时，判断目标产品框架合格，执行S7；否则，判断目标产品框架不合格，对目标产品进行框架修复后，执行S7。
10.根据权利要求9所述的基于图像特征的产品质量监测方法，其特征在于，步骤S6中，在判断目标产品框架不合格后，还包括：输出目标产品的框架特征图像。
CN201810282798.1A 2018-04-02 2018-04-02 一种基于图像特征的产品质量监测方法 Pending CN108564572A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810282798.1A CN108564572A (zh) 2018-04-02 2018-04-02 一种基于图像特征的产品质量监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810282798.1A CN108564572A (zh) 2018-04-02 2018-04-02 一种基于图像特征的产品质量监测方法

Publications (1)

Publication Number Publication Date
CN108564572A true CN108564572A (zh) 2018-09-21

Family

ID=63533632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810282798.1A Pending CN108564572A (zh) 2018-04-02 2018-04-02 一种基于图像特征的产品质量监测方法

Country Status (1)

Country Link
CN (1) CN108564572A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680544A (zh) * 2020-04-24 2020-09-18 北京迈格威科技有限公司 人脸识别方法、装置、系统、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101995231A (zh) * 2010-09-20 2011-03-30 深圳大学 一种大型薄壳物体表面的三维检测系统及其检测方法
CN104020181A (zh) * 2014-05-26 2014-09-03 中国电子科技集团公司第三十八研究所 用无损检验装置对集成电路物料进行检测的方法
CN106023185A (zh) * 2016-05-16 2016-10-12 国网河南省电力公司电力科学研究院 一种输电设备故障诊断方法
US20180040119A1 (en) * 2016-08-03 2018-02-08 Sightline Innovation Inc. System and method for integrated laser scanning and signal processing

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101995231A (zh) * 2010-09-20 2011-03-30 深圳大学 一种大型薄壳物体表面的三维检测系统及其检测方法
CN104020181A (zh) * 2014-05-26 2014-09-03 中国电子科技集团公司第三十八研究所 用无损检验装置对集成电路物料进行检测的方法
CN106023185A (zh) * 2016-05-16 2016-10-12 国网河南省电力公司电力科学研究院 一种输电设备故障诊断方法
US20180040119A1 (en) * 2016-08-03 2018-02-08 Sightline Innovation Inc. System and method for integrated laser scanning and signal processing

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111680544A (zh) * 2020-04-24 2020-09-18 北京迈格威科技有限公司 人脸识别方法、装置、系统、设备及介质
CN111680544B (zh) * 2020-04-24 2023-07-21 北京迈格威科技有限公司 人脸识别方法、装置、系统、设备及介质

Similar Documents

Publication Publication Date Title
CN109142366B (zh) 球形外壳缺陷检测方法、装置及计算机可读存储介质
CN109829483B (zh) 缺陷识别模型训练方法、装置、计算机设备和存储介质
CN104484878B (zh) 显示面板缺陷的自动检测方法
CN106468543B (zh) 一种基于图像处理的叶片面积测量方法
CN110838149B (zh) 一种相机光源自动配置方法及系统
CN110596120A (zh) 玻璃边界缺陷检测方法、装置、终端及存储介质
JP5176014B2 (ja) ディスプレーの多角度計測システム及び方法
CN104616275A (zh) 一种缺陷检测方法和装置
CN111311487B (zh) 一种光伏组件图像的快速拼接方法及系统
CN104135660A (zh) 一种摄像模组脏污检测方法及检测系统
US20190272627A1 (en) Automatically generating image datasets for use in image recognition and detection
JP2007147442A (ja) 木材の検査方法及び装置及びプログラム
CN110942457A (zh) 基于数字图像处理技术的太阳能电池板缺陷检测方法
WO2017071406A1 (zh) 金针类元件的引脚检测方法和系统
CN112730251B (zh) 一种用于屏幕颜色缺陷检测的装置及方法
CN106228541A (zh) 视觉检测中屏幕定位的方法及装置
CN112070762A (zh) 液晶面板的mura缺陷检测方法、装置、存储介质及终端
CN115619787A (zh) 一种uv胶缺陷检测方法、系统、设备及介质
CN108564572A (zh) 一种基于图像特征的产品质量监测方法
CN111223081A (zh) 基于深度学习的零件开孔识别与检测方法及系统
CN113780235A (zh) 图标瑕疵检测方法及系统
CN113808104A (zh) 一种基于分块的金属表面缺陷检测方法及系统
Singh et al. Detection of defects in glass sheet using cs c based segmentation method
CA2997335C (en) Automatically generating image datasets for use in image recognition and detection
CN110672631B (zh) 面板缺陷拍照方法和面板缺陷拍照装置

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

Application publication date: 20180921

RJ01 Rejection of invention patent application after publication