CN108636830A - 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 - Google Patents
基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 Download PDFInfo
- Publication number
- CN108636830A CN108636830A CN201810443683.6A CN201810443683A CN108636830A CN 108636830 A CN108636830 A CN 108636830A CN 201810443683 A CN201810443683 A CN 201810443683A CN 108636830 A CN108636830 A CN 108636830A
- Authority
- CN
- China
- Prior art keywords
- capsule
- detected
- image
- binary image
- area
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于机器视觉的胶囊缺陷检测分拣的方法、装置、设备以及计算机可读存储介质,包括:利用完成相机标定后的摄像机采集待检测胶囊的图像;对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷;若所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊。利用本发明所提供的胶囊检测分拣的方法、装置、设备以及计算机可读存储介质,提高了胶囊检测的准确率的同时还加快了检测速率,且降低了胶囊的生产成本。
Description
技术领域
本发明涉及缺陷检测技术领域,特别是涉及一种基于机器视觉的胶囊缺陷检测分拣的方法、装置、设备和计算机可读存储介质。
背景技术
在当前的工业生产中,工业检测变得越来越重要,因此工业检测检测的要求也越来越高,从而导致工业检测的成本增加,促进了缺陷检测行业的快速发展。
在医药卫生行业中,药品的检测的质量直接关系到人们的健康,目前胶囊的检测机器有着价格昂贵,检测合格率和速率不能达到期望,所以大多数还是人工来完成的,但是人工检测胶囊效率低,并且导致胶囊的生产成本较高。
综上所述可以看出,如何在保证胶囊检测准确率的同时提高检测系效率是目前有待解决的问题。
发明内容
本发明的目的是提供一种基于机器视觉的胶囊缺陷检测分拣的方法、装置、设备以及计算机可读存储介质,已解决现有技术中胶囊检测的效率和准确率较低的问题。
为解决上述技术问题,本发明提供一种基于机器视觉的胶囊缺陷检测分拣的方法,包括:利用完成相机标定后的摄像机采集待检测胶囊的图像;对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷;若所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊。
优选地,所述相机标定包括:初始化摄像机的参数后,利用halcon算法的findcaltab函数找到标定板的标定区域;
利用find marks and pose函数确定标定点的坐标和所述摄像机的外参;利用camera calibration函数确定所述摄像机的内外参和标定误差。
优选地,所述工业机器人的手眼标定包括:初始化工业机器人的参数后,利用所述halcon算法的find calib object函数确定标定对象;利用get calib data observ pose函数得到所述标定对象的姿态信息后,利用get calib data函数获得所述摄像机的外参数;利用pose compose函数获得目标在机械手基础坐标系下的姿态。
优选地,所述对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息包括:
将所述摄像机采集到的所述待检测胶囊图像由彩色图像转化为灰度图,并保存原始的待检测胶囊图像;将所述待检测胶囊图像的灰度图进行二值化处理,得到所述待检测胶囊图像的二值化图像;利用所述halcon算法获得所述二值化图像中所述待检测胶囊的轮廓,计算所述轮廓的面积,将面积小于预设面积阈值的轮廓涂成背景色,从而完成对所述二值化图像的去噪;利用分水岭算法去噪后的二值化图像进行处理,以便获得只包含胶囊的二值化图像;利用所述halcon算法的area center函数获得所述只包含胶囊的二值化图像中胶囊区域的面积和中心点的行列坐标,所述胶囊区域的面积和中心点的行列坐标为所述待检测胶囊的定位信息;利用所述halcon算法的vector angle to rigid函数对所述只包含胶囊的二值化图像进行行点和角度的放射变换后,利用affine trans image函数对所述只包含胶囊的二值化图像进行矫正。
优选地,所述根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷包括:
比较所述只包含胶囊的二值化图像的灰度值和预设灰度值阈值的大小,从而判断所述待检测胶囊是否为空胶囊;若所述待检测胶囊不是空胶囊,则对所述只包含胶囊的二值化图像进行去反操作后,利用所述halcon算法确定所述待检测胶囊的内轮廓,判断白色胶囊区域内是否存在黑色缺陷轮廓,若存在,则所述待检测胶囊存在局部缺陷。
优选地,所述若所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊包括:当所述待检测胶囊存在缺陷时,将所述待检测胶囊的中心的行列坐标转换为世界坐标,并将所述世界坐标发送至所述工业机器人,所述工业机器人控制机器臂末端的吸盘分拣所述待检测胶囊。
本发明还提供了一种基于机器视觉的胶囊缺陷检测分拣的装置,包括:
采集模块,用于利用完成相机标定摄像机采集待检测胶囊的图像;
预处理模块,用于对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;
检测模块,用于根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷;
分拣模块,用于当所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊。
优选地,所述预处理模块具体用于:
将所述摄像机采集到的所述待检测胶囊图像由彩色图像转化为灰度图,并保存原始的待检测胶囊图像;将所述待检测胶囊图像的灰度图进行二值化处理,得到所述待检测胶囊图像的二值化图像;利用所述halcon算法获得所述二值化图像中所述待检测胶囊的轮廓,计算所述轮廓的面积,将面积小于预设面积阈值的轮廓涂成背景色,从而完成对所述二值化图像的去噪;利用分水岭算法去噪后的二值化图像进行处理,以便获得只包含胶囊的二值化图像;利用所述halcon算法的area center函数获得所述只包含胶囊的二值化图像中胶囊区域的面积和中心点的行列坐标,所述胶囊区域的面积和中心点的行列坐标为所述待检测胶囊的定位信息;利用所述halcon算法的vector angle torigid函数对所述只包含胶囊的二值化图像进行行点和角度的放射变换后,利用affine trans image函数对所述只包含胶囊的二值化图像进行矫正。
本发明还提供了一种基于机器视觉的胶囊缺陷检测分拣的设备,包括:
存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于机器视觉的胶囊缺陷检测分拣的方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种基于机器视觉的胶囊缺陷检测分拣的方法的步骤。
本发明所提供的基于机器视觉的胶囊缺陷检测分拣的方法,利用完成相机标定的摄像头采集待检测胶囊的图像,对采集到的待检测胶囊的图像进行预处理,获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;通过分析所述二值化图像判断所述待检测胶囊是否为空的、是否存在破洞、气泡和黑点等缺陷;通过完成手眼标定的工业机器人以及通过摄像头采集到的胶囊的定位信息抓取存在缺陷的胶囊。本发明所提供的胶囊检测的方法,利用完成相机标定的摄像头和完成手眼标定的工业机器人完成对工业生产中胶囊的检测,提高了胶囊检测的准确率和检测速率,从而也大大节省了胶囊生产的成本。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明所提供的基于机器视觉的胶囊缺陷检测分拣的方法的第一种具体实施例的流程图;
图2为本发明所提供的基于机器视觉的胶囊缺陷检测分拣的方法的第二种具体实施例的流程图;
图3为本发明实施例提供的一种基于机器视觉的胶囊缺陷检测分拣的装置的结构框图。
具体实施方式
本发明的核心是提供一种基于机器视觉的胶囊缺陷检测分拣的方法、装置、设备以及计算机可读存储介质,提高了胶囊检测的准确率和检测速率。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅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。
请参考图1,图1为本发明所提供的基于机器视觉的胶囊缺陷检测分拣的方法的第一种具体实施例的流程图;具体操作步骤如下:
步骤S101:利用完成相机标定后的摄像机采集待检测胶囊的图像;
所述相机标定包括:初始化摄像机的参数后,利用halcon算法的find caltab函数找到标定板的标定区域;利用find marks and pose函数确定标定点的坐标和所述摄像机的外参;利用camera calibration函数确定所述摄像机的内外参和标定误差。
步骤S102:对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;
将所述摄像机采集到的所述待检测胶囊图像由彩色图像转化为灰度图,并保存原始的待检测胶囊图像;
将所述待检测胶囊图像的灰度图进行二值化处理,得到所述待检测胶囊图像的二值化图像;利用所述halcon算法获得所述二值化图像中所述待检测胶囊的轮廓,计算所述轮廓的面积,将面积小于预设面积阈值的轮廓涂成背景色,从而完成对所述二值化图像的去噪;利用分水岭算法去噪后的二值化图像进行处理,以便获得只包含胶囊的二值化图像;利用所述halcon算法的area center函数获得所述只包含胶囊的二值化图像中胶囊区域的面积和中心点的行列坐标,所述胶囊区域的面积和中心点的行列坐标为所述待检测胶囊的定位信息;利用所述halcon算法的vector angle to rigid函数对所述只包含胶囊的二值化图像进行行点和角度的放射变换后,利用affine trans image函数对所述只包含胶囊的二值化图像进行矫正。
步骤S103:根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷;
步骤S204:若所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊。
所述工业机器人的手眼标定包括:初始化工业机器人的参数后,利用所述halcon算法的find calib object函数确定标定对象;利用get calibdata observ pose函数得到所述标定对象的姿态信息后,利用get calib data函数获得所述摄像机的外参数;利用pose compose函数获得目标在机械手基础坐标系下的姿态。
在本实施例中利用halcon算法对摄像机采集到的图像进行处理,从而根据待检测胶囊的二值化图像的灰度值判断胶囊是否存在缺陷,并将存在缺陷的胶囊的定位信息发送至完成手眼标定的工业机器人,所述工业机器人通过其机械臂末端的吸盘来吸走存存在缺陷的胶囊。本实施例所提供的胶囊的检测和分拣的方法,大大提高了胶囊检测的准确率和效率,从而也节省了胶囊的生产成本。
基于上述实施例,本实施例中首先检测待检测胶囊是否为空胶囊,当待检测的胶囊不是空胶囊时,对待检测胶囊进行局部缺陷检测,判断待检测胶囊是否有破洞、气泡和黑点。如图2所示,图2为本发明所提供的基于机器视觉的胶囊缺陷检测分拣的方法的第二种具体实施例的流程图;具体操作步骤如下:
步骤S201:利用完成相机标定的摄像机采集待检测胶囊的图像;
步骤S202:利用halcon算法对所述待检测胶囊的图像进行预处理,以便于获得只包括胶囊的二值化图像和待检测胶囊的定位信息;
步骤S203:比较所述只包含胶囊的二值化图像的灰度值和预设灰度值阈值的大小,从而判断所述待检测胶囊是否为空胶囊;
在本实施例中,通过halcon算法对所述待检测图像的处理,得到每个待检测胶囊的灰度值,并将预处理得到的待检测胶囊的灰度值与预设灰度值阈值比较,根据比较结果判断所述待检测胶囊是否为空。
步骤S204:若所述待检测胶囊不是空胶囊,则对所述只包含胶囊的二值化图像进行去反操作后,利用所述halcon算法确定所述待检测胶囊的内轮廓,判断白色胶囊区域内是否存在黑色缺陷轮廓;
如果所述待检测胶囊不是空的,对其进行全局二值化处理然后对二值化图像进行取反操作,在通过halcon软件中的函数找到胶囊的内轮廓,如果是有气泡或破洞等其他类型缺陷的胶囊,白色胶囊区域内会有因二值化留下的黑色缺陷轮廓,通过绘制轮廓函数把胶囊内部黑点涂成白色,目的是除背景外只保留完整胶囊部分。为了防止图像边缘对判断结果的影响,可以利用halcon中的腐蚀函数进行腐蚀操作,去掉胶囊边缘部分,保存只有待检测胶囊的部分图像,从而进一步增加了胶囊检测的准确性。
步骤S205:若所述白色胶囊区域存在黑色缺陷轮廓,则所述待检测胶囊存在局部缺陷;
步骤S206:所述待检测胶囊存在缺陷时,将所述待检测胶囊定位信息的中心的行列坐标转换为世界坐标,并将所述世界坐标发送至完成手眼标定的工业机器人,以便于所述工业机器人控制机器臂末端的吸盘分拣所述待检测胶囊。
在本实施例中,首先判断所述待检测胶囊是否为空胶囊,若所述待检测胶囊为空胶囊,则将所述待检测胶囊的定位信息发送给工业机器人,所述工业机器人利用其机械臂末端的吸盘将空胶囊分拣出来。若所述待检测胶囊不为空胶囊,则判断所述待检测胶囊是否存在破洞、气泡和黑点等局部缺陷。本实施例对所述待检测胶囊进行分步检测,从而进一步提高了胶囊检测的效率。
请参考图3,图3为本发明实施例提供的一种基于机器视觉的胶囊缺陷检测分拣的装置的结构框图;具体装置可以包括:
采集模块100,用于利用完成相机标定摄像机采集待检测胶囊的图像;
预处理模块200,用于对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;
检测模块300,用于根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷;
分拣模块400,用于当所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊。
本实施例的基于机器视觉的胶囊缺陷检测分拣的装置用于实现前述的基于机器视觉的胶囊缺陷检测分拣的方法,因此基于机器视觉的胶囊缺陷检测分拣的装置中的具体实施方式可见前文中的基于机器视觉的胶囊缺陷检测分拣的方法的实施例部分,例如,采集模块100,预处理模块200,检测模块300,分拣模块400,分别用于实现上述基于机器视觉的胶囊缺陷检测分拣的方法中步骤S101,S102,S103和S104,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明具体实施例还提供了一种基于机器视觉的胶囊缺陷检测分拣的设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于机器视觉的胶囊缺陷检测分拣的方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种基于机器视觉的胶囊缺陷检测分拣的方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于机器视觉的胶囊缺陷检测分拣的方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于机器视觉的胶囊缺陷检测分拣的方法,其特征在于,包括:
利用完成相机标定后的摄像机采集待检测胶囊的图像;
对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;
根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷;
若所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊。
2.如权利要求1所述的方法,其特征在于,所述相机标定包括:
初始化摄像机的参数后,利用halcon算法的find caltab函数找到标定板的标定区域;
利用find marks and pose函数确定标定点的坐标和所述摄像机的外参;
利用camera calibration函数确定所述摄像机的内外参和标定误差。
3.如权利要求2所述的方法,其特征在于,所述工业机器人的手眼标定包括:
初始化工业机器人的参数后,利用所述halcon算法的find calib object函数确定标定对象;
利用get calib data observ pose函数得到所述标定对象的姿态信息后,利用getcalib data函数获得所述摄像机的外参数;
利用pose compose函数获得目标在机械手基础坐标系下的姿态。
4.如权利要求3所述的方法,其特征在于,所述对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息包括:
将所述摄像机采集到的所述待检测胶囊图像由彩色图像转化为灰度图,并保存原始的待检测胶囊图像;
将所述待检测胶囊图像的灰度图进行二值化处理,得到所述待检测胶囊图像的二值化图像;
利用所述halcon算法获得所述二值化图像中所述待检测胶囊的轮廓,计算所述轮廓的面积,将面积小于预设面积阈值的轮廓涂成背景色,从而完成对所述二值化图像的去噪;
利用分水岭算法去噪后的二值化图像进行处理,以便获得只包含胶囊的二值化图像;
利用所述halcon算法的area center函数获得所述只包含胶囊的二值化图像中胶囊区域的面积和中心点的行列坐标,所述胶囊区域的面积和中心点的行列坐标为所述待检测胶囊的定位信息;
利用所述halcon算法的vector angle to rigid函数对所述只包含胶囊的二值化图像进行行点和角度的放射变换后,利用affine trans image函数对所述只包含胶囊的二值化图像进行矫正。
5.如权利要求4所述的方法,其特征在于,所述根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷包括:
比较所述只包含胶囊的二值化图像的灰度值和预设灰度值阈值的大小,从而判断所述待检测胶囊是否为空胶囊;
若所述待检测胶囊不是空胶囊,则对所述只包含胶囊的二值化图像进行去反操作后,利用所述halcon算法确定所述待检测胶囊的内轮廓,判断白色胶囊区域内是否存在黑色缺陷轮廓,若存在,则所述待检测胶囊存在局部缺陷。
6.如权利要求5所述的方法,其特征在于,所述若所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊包括:
当所述待检测胶囊存在缺陷时,将所述待检测胶囊的中心的行列坐标转换为世界坐标,并将所述世界坐标发送至所述工业机器人,所述工业机器人控制机器臂末端的吸盘分拣所述待检测胶囊。
7.一种基于机器视觉的胶囊缺陷检测分拣的装置,其特征在于,包括:
采集模块,用于利用完成相机标定摄像机采集待检测胶囊的图像;
预处理模块,用于对所述待检测胶囊图像进行预处理,以便获得所述待检测胶囊的二值化图像以及待检测胶囊的定位信息;
检测模块,用于根据对所述待检测胶囊图像的二值化图像,判断所述待检测胶囊是否存在缺陷;
分拣模块,用于当所述待检测胶囊存在缺陷时,利用完成手眼标定的工业机器人和所述待检测胶囊的定位信息,分拣存在缺陷的胶囊。
8.如权利要求7所述的装置,其特征在于,所述预处理模块具体用于:
将所述摄像机采集到的所述待检测胶囊图像由彩色图像转化为灰度图,并保存原始的待检测胶囊图像;
将所述待检测胶囊图像的灰度图进行二值化处理,得到所述待检测胶囊图像的二值化图像;
利用所述halcon算法获得所述二值化图像中所述待检测胶囊的轮廓,计算所述轮廓的面积,将面积小于预设面积阈值的轮廓涂成背景色,从而完成对所述二值化图像的去噪;
利用分水岭算法去噪后的二值化图像进行处理,以便获得只包含胶囊的二值化图像;
利用所述halcon算法的area center函数获得所述只包含胶囊的二值化图像中胶囊区域的面积和中心点的行列坐标,所述胶囊区域的面积和中心点的行列坐标为所述待检测胶囊的定位信息;
利用所述halcon算法的vector angle to rigid函数对所述只包含胶囊的二值化图像进行行点和角度的放射变换后,利用affine trans image函数对所述只包含胶囊的二值化图像进行矫正。
9.一种基于机器视觉的胶囊缺陷检测分拣的设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至6任一项所述一种基于机器视觉的胶囊缺陷检测分拣的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种基于机器视觉的胶囊缺陷检测分拣的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443683.6A CN108636830A (zh) | 2018-05-10 | 2018-05-10 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443683.6A CN108636830A (zh) | 2018-05-10 | 2018-05-10 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108636830A true CN108636830A (zh) | 2018-10-12 |
Family
ID=63754477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810443683.6A Pending CN108636830A (zh) | 2018-05-10 | 2018-05-10 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108636830A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377493A (zh) * | 2018-12-17 | 2019-02-22 | 江苏鸿祺生物科技有限公司 | 一种基于规则库的蜂胶软胶囊不良品快速识别系统 |
CN109513630A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣系统及其控制方法、存储介质 |
CN109513629A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣方法、装置和计算机可读存储介质 |
CN109727231A (zh) * | 2018-12-17 | 2019-05-07 | 江苏鸿祺生物科技有限公司 | 一种用于识别检测椭球型软胶囊的外观不规则缺陷的自比对检测方法 |
CN109766784A (zh) * | 2018-12-21 | 2019-05-17 | 北京理工大学 | 基于单目图像的胶囊机器人交互控制方法 |
CN109813725A (zh) * | 2019-04-02 | 2019-05-28 | 东莞博美特自动化科技有限公司 | 一种大尺寸胶水缺陷检测方法 |
CN109927030A (zh) * | 2019-03-28 | 2019-06-25 | 云南国土资源职业学院 | 一种外观零部件检测的机器人视觉定位方法 |
CN110570422A (zh) * | 2019-09-18 | 2019-12-13 | 中国计量大学 | 一种基于矩阵分析的胶囊缺陷视觉检测方法 |
CN111398308A (zh) * | 2020-03-27 | 2020-07-10 | 上海健康医学院 | 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 |
CN112581452A (zh) * | 2020-12-22 | 2021-03-30 | 钱仪嘉 | 工业配件表面缺陷检测方法、系统、智能设备和存储介质 |
CN113436131A (zh) * | 2020-03-04 | 2021-09-24 | 上海微创卜算子医疗科技有限公司 | 缺陷检测方法、装置、电子设备和存储介质 |
CN113680706A (zh) * | 2021-05-19 | 2021-11-23 | 苏州大学 | 气动分离煤矸分拣方法和系统 |
CN114399507A (zh) * | 2022-03-25 | 2022-04-26 | 季华实验室 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
CN115393318A (zh) * | 2022-08-25 | 2022-11-25 | 朗天药业(湖北)有限公司 | 一种血塞通滴丸外观质量检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110209968A1 (en) * | 2010-03-01 | 2011-09-01 | Raymond Nelson | Appearance inspection apparatus |
CN102353349A (zh) * | 2011-09-30 | 2012-02-15 | 广东工业大学 | 基于机器视觉的微型音膜同心度在线检测系统及检测方法 |
CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
CN107590837A (zh) * | 2017-09-06 | 2018-01-16 | 西安华航唯实机器人科技有限公司 | 一种视觉定位智能精密装配机器人及其摄像机视觉标定方法 |
CN107694962A (zh) * | 2017-11-07 | 2018-02-16 | 陕西科技大学 | 一种基于机器视觉与bp神经网络的水果自动分拣方法 |
-
2018
- 2018-05-10 CN CN201810443683.6A patent/CN108636830A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110209968A1 (en) * | 2010-03-01 | 2011-09-01 | Raymond Nelson | Appearance inspection apparatus |
CN102353349A (zh) * | 2011-09-30 | 2012-02-15 | 广东工业大学 | 基于机器视觉的微型音膜同心度在线检测系统及检测方法 |
CN103706568A (zh) * | 2013-11-26 | 2014-04-09 | 中国船舶重工集团公司第七一六研究所 | 基于机器视觉的机器人分拣系统及方法 |
CN107590837A (zh) * | 2017-09-06 | 2018-01-16 | 西安华航唯实机器人科技有限公司 | 一种视觉定位智能精密装配机器人及其摄像机视觉标定方法 |
CN107694962A (zh) * | 2017-11-07 | 2018-02-16 | 陕西科技大学 | 一种基于机器视觉与bp神经网络的水果自动分拣方法 |
Non-Patent Citations (4)
Title |
---|
余雄益: "图像处理技术在硬胶囊壳表面缺陷快速识别中的应用", 《中国优秀硕士学位论文全文数据库》 * |
张志功: "基于计算机视觉的胶囊缺陷检测系统的设计与实现", 《中国优秀硕士学位论文全文数据库》 * |
杨世民 等: "《药学综合知识与技能》", 31 January 2017, 中国医药科技出版社 * |
韦鹏程 等: "《大数据巨量分析与机器学习的整合与开发》", 31 May 2017, 电子科技大学出版社 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109513630A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣系统及其控制方法、存储介质 |
CN109513629A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣方法、装置和计算机可读存储介质 |
CN109727231A (zh) * | 2018-12-17 | 2019-05-07 | 江苏鸿祺生物科技有限公司 | 一种用于识别检测椭球型软胶囊的外观不规则缺陷的自比对检测方法 |
CN109377493A (zh) * | 2018-12-17 | 2019-02-22 | 江苏鸿祺生物科技有限公司 | 一种基于规则库的蜂胶软胶囊不良品快速识别系统 |
CN109377493B (zh) * | 2018-12-17 | 2021-08-27 | 江苏鸿祺生物科技有限公司 | 一种基于规则库的蜂胶软胶囊不良品快速识别系统 |
CN109766784A (zh) * | 2018-12-21 | 2019-05-17 | 北京理工大学 | 基于单目图像的胶囊机器人交互控制方法 |
CN109927030A (zh) * | 2019-03-28 | 2019-06-25 | 云南国土资源职业学院 | 一种外观零部件检测的机器人视觉定位方法 |
CN109813725A (zh) * | 2019-04-02 | 2019-05-28 | 东莞博美特自动化科技有限公司 | 一种大尺寸胶水缺陷检测方法 |
CN110570422A (zh) * | 2019-09-18 | 2019-12-13 | 中国计量大学 | 一种基于矩阵分析的胶囊缺陷视觉检测方法 |
CN110570422B (zh) * | 2019-09-18 | 2024-02-27 | 中国计量大学 | 一种基于矩阵分析的胶囊缺陷视觉检测方法 |
CN113436131A (zh) * | 2020-03-04 | 2021-09-24 | 上海微创卜算子医疗科技有限公司 | 缺陷检测方法、装置、电子设备和存储介质 |
CN111398308A (zh) * | 2020-03-27 | 2020-07-10 | 上海健康医学院 | 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 |
CN111398308B (zh) * | 2020-03-27 | 2023-01-17 | 上海健康医学院 | 一种片剂、胶囊铝塑泡罩包装质量自动检测方法及系统 |
CN112581452A (zh) * | 2020-12-22 | 2021-03-30 | 钱仪嘉 | 工业配件表面缺陷检测方法、系统、智能设备和存储介质 |
CN112581452B (zh) * | 2020-12-22 | 2024-06-11 | 钱仪嘉 | 工业配件表面缺陷检测方法、系统、智能设备和存储介质 |
CN113680706A (zh) * | 2021-05-19 | 2021-11-23 | 苏州大学 | 气动分离煤矸分拣方法和系统 |
CN114399507A (zh) * | 2022-03-25 | 2022-04-26 | 季华实验室 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
CN114399507B (zh) * | 2022-03-25 | 2022-06-17 | 季华实验室 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
CN115393318A (zh) * | 2022-08-25 | 2022-11-25 | 朗天药业(湖北)有限公司 | 一种血塞通滴丸外观质量检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108636830A (zh) | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 | |
CN111178250B (zh) | 物体识别定位方法、装置及终端设备 | |
CN108510530B (zh) | 一种三维点云匹配方法及其系统 | |
JP5612916B2 (ja) | 位置姿勢計測装置、その処理方法、プログラム、ロボットシステム | |
CN113344931B (zh) | 一种插件视觉检测识别方法、可读存储介质及设备 | |
CN111210477B (zh) | 一种运动目标的定位方法及系统 | |
CN114897864B (zh) | 基于数模信息的工件检测及缺陷判断方法 | |
CN108898047A (zh) | 基于分块遮挡感知的行人检测方法及系统 | |
CN110000783A (zh) | 机器人的视觉抓取方法和装置 | |
CN108126914B (zh) | 一种基于深度学习的料框内散乱多物体机器人分拣方法 | |
CN107452028B (zh) | 一种确定目标图像位置信息的方法及装置 | |
CN109190696A (zh) | 一种物流包裹分类方法、装置、设备及可读存储介质 | |
CN114004883B (zh) | 一种冰壶球的视觉感知方法、装置、计算机设备和存储介质 | |
CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
CN115131444A (zh) | 一种基于单目视觉点胶平台的标定方法 | |
CN109767431A (zh) | 零件外观缺陷检测方法、装置、设备及可读存储介质 | |
CN110473216A (zh) | 一种图像中目标物的检测方法及装置 | |
CN110349216A (zh) | 货箱位置检测方法及装置 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN113780484A (zh) | 工业产品缺陷检测方法和装置 | |
CN110427885A (zh) | 铭牌的检测方法、装置及计算机可读存储介质 | |
CN110634146A (zh) | 一种圆心亚像素精度定位方法 | |
CN115876786B (zh) | 楔形焊点的检测方法及运动控制装置 | |
CN110717910B (zh) | 基于卷积神经网络的ct图像目标检测方法及ct扫描仪 | |
CN106127147B (zh) | 一种基于三维数据的人脸深度纹理修复方法 |
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: 20181012 |