CN108898179B - 一种瓷砖按等级包装方法及系统 - Google Patents
一种瓷砖按等级包装方法及系统 Download PDFInfo
- Publication number
- CN108898179B CN108898179B CN201810683570.3A CN201810683570A CN108898179B CN 108898179 B CN108898179 B CN 108898179B CN 201810683570 A CN201810683570 A CN 201810683570A CN 108898179 B CN108898179 B CN 108898179B
- Authority
- CN
- China
- Prior art keywords
- tile
- learning
- ceramic tiles
- sample set
- detection device
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种瓷砖按等级包装方法及瓷砖按等级包装系统,包括瓷砖检测装置、传送机构、抓取机构以及包装机构;所述瓷砖检测装置包括激光位移传感器、摄像装置模块和检测装置模块,所述检测装置包括存储器和处理器;所述激光位移传感器、摄像装置模块与所述检测装置电连接;所述处理器从所述存储器内提取数据;所述处理器完成一系列指令,从而能够实现机器自动的对被检测的瓷砖划分等级进行包装;并且通过将带有花色缺陷的瓷砖分成若干个子样本,从而大大减少了所需的样本量,提高了检测效率。
Description
技术领域
本发明涉及到瓷砖检测技术领域,尤其涉及一种瓷砖按等级包装方法及系统。
背景技术
现今社会中,瓷砖时建筑装修最重要的材料,昂贵、高品位的房屋建设往往会使用高级瓷砖。然而,21世纪开始,陶瓷行业普遍承受着成本上升、环保、反倾销等方面的压力,特别是行业产品的同质化,加剧了行业各品牌的竞争。在这种情况下,瓷砖企业越来越注重产品打造,更加注重智能化的生产,来吸引更多的商家进行交易。
现在越来越多的智能系统应用于瓷砖行业,例如自动铺贴线技术、机器人喷釉系统等,更好地企业更是从原料加工到釉线设备全部采用数码智能化,所以,瓷砖行业的生产智能化正在逐步成为生产主流,不再是从前的固定生产规模。
目前瓷砖厂基本是通过工人来将瓷砖按缺陷的种类和数量将瓷砖进行分级,并搬运到物料框上,然后对不同等级的瓷砖进行分类包装,工作量非常大,人工成本很高,并且作业环境恶劣(瓷砖温度高、灰尘多),并且利用人工判断瓷砖的等级具有主观性,由于瓷砖的缺陷种类和数量非常多,人工分拣容易造成误差。另外,现有的瓷砖智能分选与包装装置,都需要大量的样本量供机器学习,然后瓷砖智能分选与包装装置才能将被检测的瓷砖按等级进行分类,在这个过程中,需要的样本量甚至达到成千上万份,这无疑给机器学习带来了极大的困难,或者只能对单一缺陷的瓷砖进行简单的分类。
发明内容
为解决上述问题,本发明的目的之一是提供了一种瓷砖按等级包装方法,通过采集瓷砖的尺寸缺陷和花色缺陷供机器学习,从而能够实现机器自动的对被检测的瓷砖划分等级;并且通过将带有花色缺陷的瓷砖分成若干个子样本,从而大大减少了所需的样本量,具体发明内容如下:
一种瓷砖按等级包装方法,包括以下步骤:
步骤1:根据缺陷的种类和程度,将瓷砖根据需要进行分级:分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖,并将所述瓷砖分类标准输入至瓷砖分拣系统内;
步骤2:选取具有尺寸缺陷的瓷砖作为第一学习样本,第一学习样本的集合称为第一学习样本集;采集所述第一学习样本集的侧面的直线度数据以及正面的平面度数据,形成第一训练样本集;
步骤3:选取带有花色缺陷的瓷砖作为第二学习样本,第二学习样本的集合称为第二学习样本集;采集所述第二学习样本的正面图像信息,将采集到的每个第二学习样本的图样分割成若干个子样本,每个子样本需包含有缺陷图样,所有的子样本的集合称为第二训练样本集;
步骤4:选取没有缺陷的瓷砖作为第三学习样本,采集所述第三学习样本的侧面的直线度数据、正面的平面度数据以及正面图像信息,形成第三训练样本;
步骤5:选取一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖各若干个,形成测试样本,所有的测试样本的集合称为测试样本集;
步骤6:学习所述第一训练样本集、第二训练样本集和第三训练样本集,按照瓷砖分级标准,将瓷砖分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖;利用测试样本集对学习的成果进行检测,不断迭代优化学习模型;
步骤7:将瓷砖按不同的等级进行分拣和包装。
优选的,所述步骤3中分割后的每个子样本的形状可以为任意形状。
优选的,所述步骤3具体包含如下两个子步骤:
步骤3.1:将每块第二学习样本的边角从背景环境中分割出来,形成清晰的轮廓;
步骤3.2:将具有清晰轮廓的第二学习样本分割成子样本,形成第二训练样本集。
首先要将每块第二学习样本的边角从背景环境中分割出来,形成清晰的轮廓以避免背景环境中的杂质对图像采集造成的干扰。
步骤2中采集所述第一学习样本的正面的平面度信息是先对所述第一学习样本进行横向扫描,再对所述第一学习样本进行竖向扫描。
步骤5中的学习方法可以为机器学习领域的常规方法,机器学习按照学习方法可以分为监督式学习、非监督式学习以及半监督式学习;按照算法可以分为回归算法、基于实例的算法、贝叶斯算法、聚类算法、人工神经网络算法等等。
优选的,所述步骤3中分割后的每个子样本的形状可以为任意形状。对每个子样本的形状不作限定,甚至每块子样本的形状都可以不同,但是每块子样本必须包含有花色图样,在每个子样本的大小不大于原始样本的大小的前提下,每块子样本的大小可以为任意大小。
本发明的目的之二是提供了一种瓷砖按等级包装系统,包括瓷砖检测装置、传送机构、抓取机构以及包装机构;所述瓷砖检测装置设置在所述传送机构的正上方,所述抓取机构的数量为若干个,设置在所述传送机构的两侧,并且所述抓取机构设置在所述瓷砖检测装置的下游;在每个所述抓取机构的附近设置有包装机构;所述抓取机构与所述瓷砖检测装置电性连接;所述瓷砖检测装置包括激光位移传感器、摄像装置模块和检测装置模块,所述检测装置包括存储器和处理器;所述激光位移传感器可旋转的安装在所述瓷砖检测装置上;所述激光位移传感器、摄像装置模块均与所述检测装置模块电连接;所述激光位移传感器、摄像装置模块将采集到数据传输至检测装置的存储器内,所述处理器从所述存储器内提取图像数据并完成下列指令:
将第二学习样本集分割成若干个子样本,每个子样本需包含花色图样,形成第二训练样本集;
学习所述第一训练样本集和第二训练样本集,利用测试样本集对学习的成果进行检测,从而不断优化学习模型;
识别被检测的瓷砖,将被检测的瓷砖分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖,并反馈信号给相应的抓取机构。
优选的,所述摄像装置模块为CCD相机。CCD是电荷耦合器件(charge coupleddevice)的简称,它能够将光线变为电荷并将电荷存储及转移,也可将存储之电荷取出使电压发生变化。CCD相机也可以称为CCD图像传感器。
优选的,在所述摄像装置模块上还设置有辅助光源,所述辅助光源包括至少一个辅助发光元件,并且所述辅助发光元件为可拆卸的,当在不同的环境下需要不同颜色的光源时,可以替换所述发光元件来获得不同颜色的光。
优选的,所述抓取机构包括固定机架、摆动臂、夹持机构;所述摆动臂与所述固定机架铰接;所述固定机架与所述摆动臂之间还设置有驱动摆动臂的摆动驱动机构;所述夹持机构设置在所述摆动臂的顶端。
优选的,在所述摆动臂的顶端还设置有驱动所述夹持机构旋转的旋转驱动机构。
优选的,所述抓取机构为六轴机械手,在所述六轴机械手的顶端设置有吸盘。
本发明的有益效果:
本发明提供了一种瓷砖按等级包装方法,采集瓷砖的尺寸缺陷和花色缺陷供机器学习,从而能够实现机器自动的对被检测的瓷砖划分等级;并且通过将带有花色缺陷的瓷砖分成若干个子样本,从而大大减少了所需的样本量,提高了检测效率。
本发明还提供了一种瓷砖按等级包装系统,可以自动的对不同等级的瓷砖进行分类包装,大大节省了分类时间,提高效率,并节省了人工及降低劳动强度,而且设备结构简单,降低企业成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图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为本发明瓷砖按等级包装系统中瓷砖检测装置的示意图;
图2为本发明瓷砖按等级包装系统的第一方向结构图;
图3为本发明瓷砖按等级包装系统的第二方向结构图。
具体实施方式
实施例一:
如图2所示,一种瓷砖分类包装系统,包括瓷砖检测装置2、传送机构1、抓取机构3以及包装机构4;所述瓷砖检测装置2设置在所述传送机构1的正上方,使得当有瓷砖从所述瓷砖检测装置2下通过时,能够被所述瓷砖检测装置2检测到;所述抓取机构3的数量为若干个,所述抓取机构3用于抓取不同等级的瓷砖,然后进行堆垛和包装,所以抓取机构3的数量大于或等于瓷砖等级类别;所述抓取机构3设置在所述传送机构1的两侧,便于抓取所述瓷砖,并且,所述抓取机构3设置在所述瓷砖检测装置2的下游,所谓下游,是以瓷砖的传送方向来定义,瓷砖传送时先经过所述瓷砖检测装置2,然后再经过所述抓取机构3。
在每个所述抓取机构3的附近设置有包装机构4,用于对所述瓷砖进行包装,具体地,所述包装机构4还包括用于将瓷砖四周边角位置与纸皮折边重合对齐的拍砖机构;用于将包装角码插入瓷砖四周边角位置的下角机构;以及用于将包装纸箱沿折线折起的折边机构,所述拍砖机构还连接有用于向拍砖机构自动输入包装纸箱的下纸机构。
所述抓取机构3与所述瓷砖检测装置2电性连接,所述瓷砖检测装置2反馈信号给所述抓取机构3,当所述瓷砖检测装置2识别出被检测的瓷砖属于某一个等级时,该瓷砖检测装置2反馈信号给相应的抓取机构3,当瓷砖传送至相应的抓取机构3附近时,该抓取机构3动作,将该瓷砖抓取,然后放置至该抓取机构3附近的包装机构4上进行包装。
如图3所示,在所述瓷砖检测装置2上还设置有激光位移传感器5。图1所示,所述瓷砖检测装置2包括激光位移传感器5、摄像装置模块和检测装置模块,所述检测装置包括存储器和处理器;所述激光位移传感器5、摄像装置模块均与所述检测装置模块电连接,所述激光位移传感器5、摄像装置模块将采集到数据传输至检测装置的存储器内,所述处理器从所述存储器内提取图像数据并完成相应的指令。
激光位移传感器5用于采集瓷砖侧面的直线度数据和瓷砖正面的平面度信息,该激光位移传感器5数量至少为2+N个,其中2个用于检测瓷砖侧面的直线度数据,剩下的N个用于采集瓷砖正面的平面度数据,并且该激光位移传感器5可旋转的安装在所述瓷砖检测装置2上,便于调整所述激光位移传感器5与瓷砖之间的垂直度。
所述摄像装置模块为CCD相机,CCD是电荷耦合器件(charge coupled device)的简称,它能够将光线变为电荷并将电荷存储及转移,也可将存储之电荷取出使电压发生变化。CCD相机也可以称为CCD图像传感器。
所述瓷砖检测装置2还包括检测开关,所述检测开关用于检测是否有被检测的瓷砖出现,如果在所述检测开关检测范围内出现瓷砖有则启动所述分拣系统,如果检测开关的检测范围内未出现瓷砖,则所述分拣系统不启动,所述检测开关为传感器。
所述摄像装置模块上还设置有辅助光源,所述辅助光源包括至少一个辅助发光元件,所述辅助光源用于产生光线便于更好的感测图像,并且所述辅助发光元件为可拆卸的,当在不同的环境下需要不同颜色的光源时,可以替换所述发光元件来获得不同颜色的光。
所述抓取机构3包括固定机架、摆动臂、夹持机构;所述摆动臂与所述固定机架铰接;所述固定机架与所述摆动臂之间还设置有驱动摆动臂的摆动驱动机构;所述夹持机构设置在所述摆动臂的顶端。所述摆动驱动机构驱动所述摆动臂运动,从而驱动所述夹持机构将相应的瓷砖夹起,然后放置在该抓取机构3附近的包装机构4上,该固定机架用于固定该抓取机构3,所述夹持机构用于夹持瓷砖。
在所述摆动臂的顶端还设置有驱动所述夹持机构旋转的旋转驱动机构。该旋转驱动机构能够驱动所述夹持机构旋转,使得在对瓷砖夹取的过程中对瓷砖的背面和正面进行更换,以及将瓷砖按统一的方向摆放。
所述抓取机构3为六轴机械手,在所述六轴机械手的顶端设置有吸盘。利用所述吸盘将瓷砖吸取。
本发明还提供了一种瓷砖缺陷检测方法,包括以下步骤:
步骤1:根据缺陷的种类和程度,将瓷砖根据需要进行分级:分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖,并将所述瓷砖分级标准输入至瓷砖分拣系统内;
步骤2:选取具有尺寸缺陷的瓷砖作为第一学习样本,第一学习样本的集合称为第一学习样本集;采集所述第一学习样本集的侧面的直线度数据以及正面的平面度数据,形成第一训练样本集;
步骤3:选取带有花色缺陷的瓷砖作为第二学习样本,第二学习样本的集合称为第二学习样本集;采集所述第二学习样本的正面图像信息,将采集到的每个第二学习样本的图样分割成若干个子样本,每个子样本需包含有缺陷图样,所有的子样本的集合称为第二训练样本集;
步骤4:选取没有缺陷的瓷砖作为第三学习样本,采集所述第三学习样本的侧面的直线度数据、正面的平面度数据以及正面图像信息,形成第三训练样本集;
步骤5:选取一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖各若干个,形成测试样本,所有的测试样本的集合称为测试样本集;
步骤6:学习所述第一训练样本集和第二训练样本集,按照瓷砖分级标准,将瓷砖分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖;利用测试样本集对学习的成果进行检测,从而不断迭代优化学习模型;
步骤7:将瓷砖按不同的等级进行分拣和包装。
一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖的分级标准可以人为设置并且可以根据不同的需求进行更改。
所述具有尺寸缺陷的瓷砖是指瓷砖的整体尺寸不符合要求,比如相邻的两条边不垂直,因生产过程中切削不完全造成的侧边局部凸起等。
所述步骤2中采集所述第一学习样本的正面的平面度信息是先对所述第一学习样本进行横向扫描,再对所述第一学习样本进行竖向扫描,以此,才会更完整的采集到瓷砖正面的平面度信息。
所述步骤3中分割后的每个子样本的大小不大于原始样本的大小。每个子样本的形状可以为任意形状。对每个子样本的形状不作限定,甚至每块子样本的形状都可以不同,但是每块子样本必须包含有花色图样,在每个子样本的大小不大于原始样本的大小的前提下,每块子样本的大小可以为任意大小。
所述步骤3具体包含如下两个子步骤:
步骤3.1:将每块第二学习样本的边角从背景环境中分割出来,形成清晰的轮廓;
步骤3.2:将具有清晰轮廓的第二学习样本分割成子样本,形成第二训练样本集。
首先要将每块学习样本的边角从背景环境中分割出来,形成清晰的轮廓以避免背景环境中的杂质对图像采集造成的干扰。
步骤4中的学习方法可以为机器学习领域的常规方法,机器学习按照学习方法可以分为监督式学习、非监督式学习以及半监督式学习;按照算法可以分为回归算法、基于实例的算法、贝叶斯算法、聚类算法、人工神经网络算法等等。
首先选取具有尺寸缺陷的瓷砖作为第一学习样本,第一学习样本的集合称为第一学习样本集,然后利用激光位移传感器5采集瓷砖的侧面的直线度数据和瓷砖正面的平面度数据,形成第一训练样本集。
对于带有花色缺陷的瓷砖的学习通过将第二学习样本进行分割,可以减少样本量,提高检测效率。比如:目前有3块不同花色缺陷的瓷砖作为第二学习样本集,所以,学习样本集的数量为3个,如果将每个第二学习样本分割成4个子样本,每个子样本分别旋转90°、180°、270°后形成新的子样本,所述新的子样本形成第二训练样本集,则训练样本集的数量为3*4*4=48个。如此便会大大减少原始样本的样本量。
最后,选取没有缺陷的瓷砖作为第三学习样本,采集所述第三学习样本的侧面的直线度数据、正面的平面度数据以及正面图像信息,形成第三训练样本集。
最后,机器学习所述第一训练样本集、第二训练样本集以及第三训练样本集,按照瓷砖分级标准,将瓷砖分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖;利用测试样本集对学习的成果进行检测,从而不断迭代优化学习模型;所以在正常工作时,瓷砖检测装置2能够按照既定的逻辑算法将被检测的瓷砖纳入一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖。
分割后的第二训练样本集在处理装置的处理器内通过机器学习,为了便于机器学习到尽可能多的花色缺陷图样,分割后的子样本需尽可能的小,但是每块子样本必须包含花色缺陷图样,不能为空白,否则为无效子样本。
所以,所述瓷砖检测装置2中的所述激光位移传感器5、摄像装置模块均与所述检测装置模块电连接;所述激光位移传感器5、摄像装置模块将采集到数据传输至检测装置的存储器内,所述处理器从所述存储器内提取图像数据并完成下列指令:
将第二学习样本集分割成若干个子样本,每个子样本需包含花色图样,形成第二训练样本集;
学习所述第一训练样本集和第二训练样本集,利用测试样本集对学习的成果进行检测,从而不断优化学习模型;
识别被检测的瓷砖,将被检测的瓷砖分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖,并反馈信号给相应的抓取机构3。
在本发明实施例中,切割花色缺陷图像子样本的方法是通过设置一个固定大小的滑动窗口,以一定的步长从左往右、从上向下滑动,以分割采集到的瓷砖图像,所述步长是以正方形或长方形或圆形为中心,进行移动的距离。根据图像的信息确定步长,当缺陷的范围比较大时,步长要短些,以分割出更多的子样本,当缺陷的范围比较小时,步长可以长一些。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此,本发明并不局限于上面揭示和描述的具体实施方式,对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外,尽管本说明书中使用了一些特定的术语,但这些术语只是为了方便说明,并不对发明构成任何限制。
Claims (8)
1.一种瓷砖按等级包装方法,其特征在于:包括以下步骤:
步骤1:根据缺陷的种类和程度,将瓷砖根据需要进行分级:分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖,并将所述瓷砖分级标准输入至瓷砖分拣系统内;
步骤2:选取具有尺寸缺陷的瓷砖作为第一学习样本,第一学习样本的集合称为第一学习样本集;采集所述第一学习样本集的侧面的直线度数据以及正面的平面度数据,形成第一训练样本集;
步骤3:选取带有花色缺陷的瓷砖作为第二学习样本,第二学习样本的集合称为第二学习样本集;采集所述第二学习样本的正面图像信息,将采集到的每个第二学习样本的图样分割成若干个子样本,每个子样本需包含有缺陷图样,所有的子样本的集合称为第二训练样本集;
步骤4:选取没有缺陷的瓷砖作为第三学习样本,采集所述第三学习样本的侧面的直线度数据、正面的平面度数据以及正面图像信息,形成第三训练样本集;
步骤5:选取一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖各若干个,形成测试样本,所有的测试样本的集合称为测试样本集;
步骤6:学习所述第一训练样本集、第二训练样本集和第三训练样本集,按照瓷砖分级标准,将瓷砖分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖;利用测试样本集对学习的成果进行检测,不断迭代优化学习模型;
步骤7:将瓷砖按不同的等级进行分拣和包装;
所述步骤3具体包含如下两个子步骤:
步骤3.1:将每块第二学习样本的边角从背景环境中分割出来,形成清晰的轮廓;
步骤3.2:将具有清晰轮廓的第二学习样本分割成子样本,形成第二训练样本集;
所述步骤2中采集所述第一学习样本的正面的平面度信息是先对所述第一学习样本进行横向扫描,再对所述第一学习样本进行竖向扫描。
2.如权利要求1所述的瓷砖按等级包装方法,其特征在于:所述步骤3中分割后的每个子样本的形状可以为任意形状。
3.一种利用权利要求1~2任一项所述的瓷砖按等级包装方法的瓷砖按等级包装系统,其特征在于:包括瓷砖检测装置、传送机构、抓取机构以及包装机构;所述瓷砖检测装置设置在所述传送机构的正上方,所述抓取机构的数量为若干个,设置在所述传送机构的两侧,并且所述抓取机构设置在所述瓷砖检测装置的下游;在每个所述抓取机构的附近设置有包装机构;所述抓取机构与所述瓷砖检测装置电性连接;所述瓷砖检测装置包括激光位移传感器、摄像装置模块和检测装置模块,所述检测装置模块包括存储器和处理器;所述激光位移传感器可旋转的安装在所述瓷砖检测装置上;所述激光位移传感器、摄像装置模块均与所述检测装置模块电连接;所述激光位移传感器、摄像装置模块将采集到数据传输至检测装置的存储器内,所述处理器从所述存储器内提取图像数据并完成下列指令:
将第二学习样本集分割成若干个子样本,每个子样本需包含花色图样,形成第二训练样本集;
学习所述第一训练样本集和第二训练样本集,利用测试样本集对学习的成果进行检测,从而不断优化学习模型;
识别被检测的瓷砖,将被检测的瓷砖分为一级瓷砖、二级瓷砖、三级瓷砖......N级瓷砖,并反馈信号给相应的抓取机构。
4.如权利要求3所述的瓷砖按等级包装系统,其特征在于:所述摄像装置模块为CCD相机。
5.如权利要求3所述的瓷砖按等级包装系统,其特征在于:在所述摄像装置模块上还设置有辅助光源。
6.如权利要求3所述的瓷砖按等级包装系统,其特征在于:所述抓取机构包括固定机架、摆动臂、夹持机构;所述摆动臂与所述固定机架铰接;所述固定机架与所述摆动臂之间还设置有驱动摆动臂的摆动驱动机构;所述夹持机构设置在所述摆动臂的顶端。
7.如权利要求6所述的瓷砖按等级包装系统,其特征在于:在所述摆动臂的顶端还设置有驱动所述夹持机构旋转的旋转驱动机构。
8.如权利要求3所述的瓷砖按等级包装系统,其特征在于:所述抓取机构为六轴机械手,在所述六轴机械手的顶端设置有吸盘。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810683570.3A CN108898179B (zh) | 2018-06-28 | 2018-06-28 | 一种瓷砖按等级包装方法及系统 |
PCT/CN2019/093025 WO2020001480A1 (zh) | 2018-06-28 | 2019-06-26 | 一种瓷砖按等级包装方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810683570.3A CN108898179B (zh) | 2018-06-28 | 2018-06-28 | 一种瓷砖按等级包装方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108898179A CN108898179A (zh) | 2018-11-27 |
CN108898179B true CN108898179B (zh) | 2023-03-14 |
Family
ID=64346464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810683570.3A Active CN108898179B (zh) | 2018-06-28 | 2018-06-28 | 一种瓷砖按等级包装方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108898179B (zh) |
WO (1) | WO2020001480A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108898179B (zh) * | 2018-06-28 | 2023-03-14 | 广东科达洁能股份有限公司 | 一种瓷砖按等级包装方法及系统 |
CN113569916A (zh) * | 2021-06-30 | 2021-10-29 | 佛山喀视科技有限公司 | 瓷砖标签识别模型训练方法及瓷砖标签识别方法 |
CN114252452B (zh) * | 2021-12-22 | 2024-07-26 | 西安交通大学 | 一种小型回转体外观缺陷和轮廓尺寸在线检测装置及方法 |
CN114910483B (zh) * | 2022-07-15 | 2022-11-04 | 中科视语(北京)科技有限公司 | 超晶板质量检测装置、方法及系统 |
CN116309337B (zh) * | 2023-02-11 | 2023-10-10 | 广州华盛汇美科技实业有限公司 | 基于图像识别的包装盒质量检测系统 |
CN117274249B (zh) * | 2023-11-20 | 2024-03-01 | 江西省中鼐科技服务有限公司 | 一种基于人工智能图像技术的瓷砖外观检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102861722A (zh) * | 2012-08-23 | 2013-01-09 | 电子科技大学 | 瓷砖分拣系统及方法 |
CN105069779A (zh) * | 2015-07-20 | 2015-11-18 | 童垸林 | 一种建筑陶瓷表面花纹图案质量检测方法 |
CN107967491A (zh) * | 2017-12-14 | 2018-04-27 | 北京木业邦科技有限公司 | 木板识别的机器再学习方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204448608U (zh) * | 2015-02-16 | 2015-07-08 | 郭安华 | 一种瓷砖的自动分级设备 |
CN108038853B (zh) * | 2017-12-18 | 2020-05-26 | 浙江工业大学 | 一种基于卷积神经网络和主动学习的瓷砖表面缺陷识别方法 |
CN108898179B (zh) * | 2018-06-28 | 2023-03-14 | 广东科达洁能股份有限公司 | 一种瓷砖按等级包装方法及系统 |
-
2018
- 2018-06-28 CN CN201810683570.3A patent/CN108898179B/zh active Active
-
2019
- 2019-06-26 WO PCT/CN2019/093025 patent/WO2020001480A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102861722A (zh) * | 2012-08-23 | 2013-01-09 | 电子科技大学 | 瓷砖分拣系统及方法 |
CN105069779A (zh) * | 2015-07-20 | 2015-11-18 | 童垸林 | 一种建筑陶瓷表面花纹图案质量检测方法 |
CN107967491A (zh) * | 2017-12-14 | 2018-04-27 | 北京木业邦科技有限公司 | 木板识别的机器再学习方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108898179A (zh) | 2018-11-27 |
WO2020001480A1 (zh) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898179B (zh) | 一种瓷砖按等级包装方法及系统 | |
CN108344743A (zh) | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 | |
CN201086448Y (zh) | 一种印刷纸盒质量检测机 | |
CN104526828B (zh) | 一种用于定制家具的板材自动加工设备 | |
CN106706653A (zh) | 一种高速宽型板材检测方法 | |
CN101105460A (zh) | 多功能验瓶机 | |
CN208721366U (zh) | 光伏太阳能晶硅电池片的缺陷检测和颜色分选系统 | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
CN110567976B (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
CN207238542U (zh) | 一种基于机器视觉的篾片缺陷在线检测系统 | |
CN203510961U (zh) | 一种高精度的视觉检测系统 | |
CN204450798U (zh) | 一种用于定制家具的板材自动加工设备 | |
CN107084992A (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
CN1603013A (zh) | 基于三个摄像系统在线水果品质检测分级的装置与方法 | |
CN105488507A (zh) | 圆柱表面文字识别系统及方法 | |
CN109051106B (zh) | 一种瓷砖分花色包装方法及系统 | |
CN102615053A (zh) | 柔版机添加质检剔次装置 | |
CN213444816U (zh) | 一种轻薄物料半成品自动分料转移装置 | |
WO2024178865A1 (zh) | 一种货品分拣系统 | |
CN113996545A (zh) | 一种基于计算机视觉的三七主根快速分选生产线 | |
CN210083718U (zh) | 基于成像识别的烟垛缺条检测系统 | |
CN114235845B (zh) | 用于注塑件产品缺陷检测的机构、系统及方法 | |
CN216807036U (zh) | 一种铝合金模板分拣系统 | |
Tay et al. | Development of a flexible and programmable parts feeding system | |
CN205486182U (zh) | 圆柱表面文字识别系统 |
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 |