CN109375573A - 一种工业机器视觉系统图像处理方法 - Google Patents
一种工业机器视觉系统图像处理方法 Download PDFInfo
- Publication number
- CN109375573A CN109375573A CN201811396457.3A CN201811396457A CN109375573A CN 109375573 A CN109375573 A CN 109375573A CN 201811396457 A CN201811396457 A CN 201811396457A CN 109375573 A CN109375573 A CN 109375573A
- Authority
- CN
- China
- Prior art keywords
- image
- light source
- machine vision
- illumination
- ccd
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000005286 illumination Methods 0.000 claims abstract description 59
- 230000033001 locomotion Effects 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 3
- 238000001514 detection method Methods 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 11
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 238000009776 industrial production Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000003825 pressing Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 229910000938 samarium–cobalt magnet Inorganic materials 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 23
- 238000004519 manufacturing process Methods 0.000 abstract description 17
- 102000029749 Microtubule Human genes 0.000 abstract description 6
- 108091022875 Microtubule Proteins 0.000 abstract description 6
- 210000004688 microtubule Anatomy 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 239000011148 porous material Substances 0.000 description 7
- 238000005096 rolling process Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种工业机器视觉系统图像处理方法，所述方法基于的工业机器视觉系统硬件架构包括相互设置数据传输和控制传输连接的采样取景系统、位移装置和反馈联动系统，所述方法基于光照反射的高精度测量装置中设置多束光源，通过不同光照模式下的图像重建瑕疵产品三维形貌；嵌入基于光照反射的高精度测量装置，根据采集的高精度图像反馈，发现微细管道或小尺寸特征内孔是否存在产品瑕疵。本发明通过取景组件和位移装置，系统整体跟随待检测工业加工产线工艺顺序移动，监控加工产线工艺精度，反向预警或者修正产线动作，调整生产过程中产生的问题。
Description
技术领域
本发明公开了一种工业机器视觉系统图像处理方法，涉及机器视觉技术领域。
背景技术
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种），将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。
现有技术中有一些利用机器视觉技术进行工业检测的方法，例如：
CN104971973B的发明专利《一种汽车轮罩滚边系统及其使用方法》中提到了视觉系统的应用，但其仅限于视觉系统的定位功能。在滚边加工领域，视觉系统的应用停留在定位、检测有无等基础方面，将视觉系统应用于轨迹优化，以提高滚边加工的制造质量，仍然属于空白。
CN201810264297的发明专利《-基于视觉系统的滚压包边轨迹优化方法及系统》中提到了在滚压包边翻边、预包边、终包边三道加工工序中，视觉系统跟随采集滚边部位的图像，分别通过图像计算出每道工序加工后工件的成形参数，通过偏差分析判断滚边的质量，借助质量数据库进行问题诊断，反馈滚压包边系统进行轨迹优化。但其技术方案局限于预先设定好的轨迹优化，无法解决传统的基于单个相机的视觉检测系统无法覆盖360度，部分区域无法实现缺陷检测。
CN201810494716的发明专利《一种机器视觉检测与筛选装置而基于线扫相机的检测系统》所公开的技术方案，实现了多角度的覆盖检测，但是该技术方案需要在生产线上安装特定的旋转机构，才可以检测物体的四周的缺陷，但使用不便，且工作效率低，其物体上表面的缺陷检测不到，不能真正实现全方位缺陷检测。
除此之外，现有技术中机器视觉技术在工业系统中的应用还存在着如下一些问题：随着科技发展，工业领域中的零件结构日益复杂，微细管道或小尺寸特征内孔的各类缺陷不易由于检测精度和检测方位的原因，难以被观察到。
常规的微细管孔检测是检测传感器微型化后对微细孔进行检测，例如利用微型内窥镜或CCD摄像头进入微孔内采集内表面图像，在通过人工或图像处理算法识别缺陷，但这些方法只能判断缺陷有无，无法获得其三维信息。只能定性判断管孔内部缺陷信息，无法对管孔内壁缺陷实现定量检测。CN201810361225的发明专利《一种基于光照反射模型的微细孔三维形貌测量装置及方法》公开了一种基于光照反射模型的微细孔三维形貌测量装置及方法，方法包括运动牵引模块和测量传感器模块，运行牵引模块实现测量传感器模块在微细孔内的移动和定位，测量传感器模块完成不同光照模式下的孔内表面缺陷图像的采集。通过设计开发出的测量传感器模块，基于反射模型构建方法获得孔内表面光照反射模型，利用成像系统采的特定光照模式下的序列图像，完成孔内表面缺陷三维曲面的重构，实现基于光照反射模型的微细孔内表面缺陷几何量，尤其是缺陷高度或深度尺寸的测量。但是这个发明着重解决的是航空航天、汽车、化工等工业领域对微孔内表面中缺陷三维信息测量的需求。该方法的应用场景比较单一，测量计算方法本身的使用场合未能得到更合理的利用。
发明内容
本发明所要解决的技术问题是：针对现有技术的缺陷，提供一种工业机器视觉系统图像处理方法，所述方法基于的工业视觉系统设置顶部、侧面取景组件和设置位移装置，在顶部或侧面取景组件中，嵌入基于光照反射的高精度测量装置，根据微细管道或小尺寸特征内孔的不同光照模式下的图像重建其三维形貌，判断产品瑕疵是否影响产品质量，反向推导瑕疵产生原因，调整生产过程中产生的问题，尤其可以将工业机器视觉的图像处理方法，延伸使用场景，扩展到例如农产品检测等具体的应用场合。
本发明为解决上述技术问题采用以下技术方案：
一种工业机器视觉系统图像处理方法，所述方法基于的工业机器视觉系统硬件架构包括相互设置数据传输和控制传输连接的采样取景系统、位移装置和反馈联动系统，其中，所述位移装置包括水平伸缩横杆、竖直伸缩立柱、旋转调节装置和位置移动组件；所述反馈联动系统包括反馈联动处理装置和反馈联动控制装置；水平伸缩横杆通过旋转调节装置与竖直伸缩立柱相连接，竖直伸缩立柱设置于位置移动组件上；所述反馈联动控制装置设置于位移装置中，所述反馈联动处理装置设置于工业生产线控制端；所述取景系统包括顶部取景组件、侧面取景组件、顶部运动控制装置、侧面运动控制装置和基于光照反射的高精度测量装置；所述顶部和侧面取景组件的前端设置安装基于光照反射的高精度测量装置，顶部、侧面取景组件分别通过顶部、侧面运动控制装置连接与水平伸缩横杆上；所述基于光照反射的高精度测量装置包括2n个光源模块、取景成像模块、CCD拼接聚拢反射镜和光源反射镜，其中，n为自然数；所述光源模块均匀设置于取景成像模块周围，取景成像模块通过第一、第二支撑架分别连接CCD拼接聚拢反射镜和光源反射镜，光源模块投射出的光线经过光源反射镜照向待测物品内部，待测物品反射出的光线经过CCD拼接聚拢反射镜的聚拢和反射，再投向取景成像模块；
所述方法中，测量前，根据CCD标定方法，利用光源模块（301）在待测物体的内、外表面形成的激光点阵图像完成CCD参数标定；
测量时，打开光源模块（301），光源模块（301）的光线照射到光源反射镜（303）上，经反射后照射至待测物品的指定位置；当前光照模式下的光照反射强度分布通过CCD拼接聚拢反射镜（303）传送至取景成像模块（302），获得该光照模式下的孔表面图像；
依次打开光源模块（301）中不同位置的光源，获得同一待测物品表面位置2n副不同光照模式下的图像，依据摄像机成像光度原理，通过上述图像计算出被测表面的向量场数据，再利用法向量与梯度之间的直接对应关系，利用梯度场到高度场的重建技术完成，完成被测区域三维高度场信息的计算；
最后，结合CCD标定参数，获得孔表面的三维形貌几何量信息。
作为本发明的进一步优选方案，所述方法中，通过多幅多角度光照模式下的孔内表面光照反射分布状态，即多幅孔内表面不同光照模式下的二维图像，获得孔表面的三维形貌参数，具体为：
以取景成像模块（302）为中心的全局坐标系，使其中1个坐标轴与取景成像模块（302）的光轴对齐，将物体表面形状参数用函数A＝B(x ,y)描述，其表面法向量可以表示为：
C ＝ ( m ,n ,- 1 ) ，其中，用固定向量来规定光源的方向(m’ ,n’)；
建立表面反射光分布和表面法向量、光源入射方向之间的关系表达式为：
R＝G(m ,n ,m’ ,n’ ,d)，其中，R为表面反射光分布，d为光源辐照度常数；
将物体表面某点的光照反射分布表示为R(m ,n)，由于物体表面的图像灰度值I(x ,y)∝R(m ,n)，进而建立物体表面形状参数和二维图像灰度信息间的关系；
用2个光源分别从不共面的多个方向照射物体表面，获得不同光照方向下2幅图像，进而由这2幅图像获得表面的法向量；
设2幅图像的光源方向分别为ei＝[ei1 ,ei2 ]，其中eij ,i ,j＝1 ,2 为光源与坐标轴角度参数，则E＝[e1 ,e2 ]构成1个二阶方阵；
设定F＝[F1 ,F2]表示2幅图像中同一点的灰度组成的向量，该点的表面法向量表示为H＝[h1 ,h2]，该点的反射系数为k，则F＝kEH；
在E-1存在的条件下，H为归一化向量，有k＝|E-1I|；则H＝E-1I/|E-1I|，其中|*|表示取模运算，由此可以获得被测物体的表面法向量；
当物体表面可积条件满足时，计算得出任意2点高度差：
LAA’=A(m)-A(m0)=∫S mdx+ndy ；
其中，S为2点间的任意路径，从而实现物体表面三维形貌的获取；
所述方法应用于农产品检测筛选时，在工业生产线控制端的反馈联动处理装置中还设置定位装置和筛选剔除装置；当待测的农产品经过物体表面三维形貌的获取步骤后，依据比对，筛选出检测结果为不合格状态的农产品，通过所述定位装置定位出批量检测产品中不合格状态农产品的位置，通过所述筛选剔除装置从工业生产线控制端上剔除不合格的农产品。
作为本发明的进一步优选方案，所述方法还包括，对不同光照下采集到的图像进行图像处理，具体步骤包括：
步骤一、依次通过图像采集、图像校正、边缘提取、目标识别、灰度比较、遍历搜寻模板特征、输出比较结果；
步骤二、通过采集图像的灰度与设定的阈值比较，判断是否存在瑕疵；
步骤三、通过图像边缘提取，定位瑕疵位置。
其中，所述图像采集的具体方法为：通过采样取景系统对待测物品图像进行采集，并以图片格式保存压板图像信息。
所述图像校正的具体方法为：将标准流程、精度、工艺之下的合格工业物品的标识位置标记在物品的指定识别位置上，标识位置为圆形黑点，标识位置定位为圆形黑点在图像中的像素坐标，以此为基准对不符合标准的工业物品进行识别，并对倾斜或者变形的图像进行校正。
所述图像边缘提取的具体方法为：预先将图像按灰度值0～255设置为若干灰度值区间，同时，设置每一灰度值区间对应的参数阈值，因此根据设置的灰度值区间将图像分为若干段，即灰度值在同一预设灰度值区间内的图像作为一段，将每一段图像对应的参数阈值传给canny边缘提取函数，将标识位置边缘提取出来；
像素灰度值X根据以下公式进行处理：X=（R0+G0+B0），其中，R0、G0、B0分别为图片各像素的RGB信息。
所述灰度比较的具体方法为：对图片进行线性特征比对状态识别，判断标识位置的定位是否符合预设的合格产品的地位，进而判断待测物品是否合格的状态。
作为本发明的进一步优选方案，所述方法基于的工业机器视觉系统硬件架构中，所述顶部运动控制装置、侧面运动控制装置、水平伸缩横杆、竖直伸缩立柱、旋转调节装置和位置移动组件均通过伺服电机和PLC控制主板进行操控和运动控制，其中，顶部运动控制装置、侧面运动控制装置、水平伸缩横杆、竖直伸缩立柱和旋转调节装置通过液压模块进行驱动，位置移动组件通过马达和电动滚轮进行驱动。
所述私服电机为三相永磁交流伺服电动机，具体型号为西门子6SC61系列；所述PLC控制主板的具体型号为SmCo永磁交流伺服电动机控制器；所述CCD器件的具体型号为：索尼EXVIEW HAD CCD。
所述CCD拼接聚拢反射镜包括复数个CCD器件，将复数个CCD器件的有效像元首尾搭接装配成双列交错式焦面形式，即在同一平面上利用第二行CCD器件填补第一行CCD器件所形成的空隙，相邻CCD器件的首尾像元对齐或重叠一定距离，通过积分延时处理产生清晰的宽幅大视场图像。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明所公开的技术方案，设计顶部和侧面取景组件，组件数量和位置可以根据实际需求调配；设置位移装置，系统整体跟随待检测工业加工产线工艺顺序移动，通过图像采集比对，监控加工产线工艺精度，反向预警或者修正产线动作；在顶部或侧面取景组件中，嵌入基于光照反射的高精度测量装置，根据采集的高精度图像反馈，发现微细管道或小尺寸特征内孔是否存在产品瑕疵；根据微细管道或小尺寸特征内孔的不同光照模式下的图像重建其三维形貌，判断产品瑕疵是否影响产品质量，反向推导瑕疵产生原因，调整生产过程中产生的问题。
附图说明
图1是本发明的系统结构示意图。
图2是本发明中，功能模块之间的连接控制示意图。
图3是本发明中，基于光照反射的高精度测量装置的结构成像原理示意图。
图4是本发明中，图像处理步骤示意图。
其中：1、顶部取景组件，2、侧面取景组件，3、基于光照反射的高精度测量装置，4、顶部运动控制装置，5、侧面运动控制装置，6、水平伸缩横杆，7、竖直伸缩立柱，8、旋转调节装置，9、位置移动组件，10、反馈联动处理装置，11、反馈联动控制装置；
301、光源模块，302、取景成像模块，303、CCD拼接聚拢反射镜，304、光源反射镜，305、待测物品。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
下面结合附图对本发明的技术方案做进一步的详细说明：
本发明所公开的工业机器视觉系统图像处理方法，其依托的系统硬件结构示意图如图1所示，所述基于改进型传感检测装置的工业机器视觉系统包括相互设置数据传输和控制传输连接的采样取景系统、位移装置和反馈联动系统，其中：所述取景系统包括顶部取景组件、侧面取景组件、顶部运动控制装置、侧面运动控制装置和基于光照反射的高精度测量装置；所述位移装置包括水平伸缩横杆、竖直伸缩立柱、旋转调节装置和位置移动组件；所述反馈联动系统包括反馈联动处理装置和反馈联动控制装置；所述顶部和侧面取景组件的前端设置安装基于光照反射的高精度测量装置，顶部、侧面取景组件分别通过顶部、侧面运动控制装置连接与水平伸缩横杆上；水平伸缩横杆通过旋转调节装置与竖直伸缩立柱相连接，竖直伸缩立柱设置于位置移动组件上；所述反馈联动控制装置设置于位移装置中，所述反馈联动处理装置设置于工业生产线控制端。
本发明设计顶部和侧面取景组件，组件数量和位置可以根据实际需求调配，实际图像采集过程中取景组件的移动通过可编程器件进行自动控制。
顶部和侧面取景组件，依据实际需要，在其中一处或者多处增加基于光照反射的高精度测量装置，利用光照取景结果，发现细微或者隐藏在管状产品内部的瑕疵或缺陷。基于光照反射的高精度测量装置中设置多束光源，通过不同光照模式下的图像重建瑕疵产品三维形貌。顶部和侧面取景组的运动控制装置，依据不同的产品检测产线，预置控制程序控制，提高控制精度。
本发明基于光照反射的高精度测量装置中设置多束光源，通过不同光照模式下的图像重建瑕疵产品三维形貌，基于光照反射的高精度测量装置的结构成像原理示意图如图3所示，所述基于光照反射的高精度测量装置包括复数个光源模块、取景成像模块、CCD拼接聚拢反射镜和光源反射镜；所述复数个光源模块均匀设置于取景成像模块周围，取景成像模块通过第一、第二支撑架分别连接CCD拼接聚拢反射镜和光源反射镜，光源模块投射出的光线经过光源反射镜照向待测物品内部，待测物品反射出的光线经过CCD拼接聚拢反射镜的聚拢和反射，再投向取景成像模块。
为了完成待测物品内表面三维重构所需的多光照模式下内表面光照反射强度分布信息的采集，本发明所设计的光路结构如下：
取景成像模块302周围设置均匀间隔分布的偶数个光源模块301，可以从2个开始设置，优选为4个，取景成像模块302的光轴前端通过支架安装两个的反射镜，分别是为光源反射镜303，用于在狭小空间内改变光源路线，使其能够按不同角度照射到待测物品的内、外表面；以及CCD拼接聚拢反射镜303，用于将待测物品内表面被观测区域的图像反射至取景成像模块302。测量前，采用现有技术中成熟的CCD标定方法，利用光源模块301在待测物体的内、外表面形成的激光点阵图像完成CCD参数标定。
测量时，打开光源模块301，光源模块301的光线照射到光源反射镜303上，经反射后照射至待测物品的指定位置（例如内表面）上，同时，当前光照模式下的光照反射强度分布会通过CCD拼接聚拢反射镜303传送至取景成像模块302，获得该光照模式下的孔表面图像。
依次打开光源模块301中不同位置的光源，依次循环，获得同一待测物品表面位置4副不同光照模式下的图像，依据摄像机成像光度原理，在待测物品表面光照反射模型确定的前提下，就可以通过这4副图像计算出被测表面的向量场数据，再利用法向量与梯度之间的直接对应关系，利用梯度场到高度场的重建技术完成，完成被测区域三维高度场信息的计算；最后，结合CCD标定参数，获得孔表面的三维形貌几何量信息。
本发明的基本思想是通过多幅多角度光照模式下的孔内表面光照反射分布状态，即多幅孔内表面不同光照模式下的二维图像，获得孔表面的三维形貌参数。
假设被测物体表面本身不发光，则物体因为其受到光源辐照发生反射而能被视觉系统观测到。选择以取景成像模块302为中心的全局坐标系，使其中1个坐标轴与取景成像模块302的光轴对齐，则物体表面形状参数可用函数A＝B(x ,y)描述，表示某点离透镜平面的垂直距离(A坐标) 随该点坐标变化的情形，因此其表面法向量可以表示为：
C ＝ ( m ,n ,- 1 ) ，其中，用固定向量来规定光源的方向(m’,n’)；
如果给定物体的表面反射属性和光照条件，则可以建立表面反射光分布和表面法向量、光源入射方向之间的关系表达式为：
R＝G(m ,n ,m’,n’,d)，其中，R为表面反射光分布，d为光源辐照度常数。
根据二维成像原理，如果光源方向和光源辐照度固定，则物体表面某点的光照反射分布可表示为R(m ,n)，又由于I(x ,y)∝R(m ,n)，I(x ,y)是物体表面的图像灰度值，从而可以建立物体表面形状参数(表面法向量)和二维图像灰度信息间的关系。即，利用成像过程的逆过程实现从二维图像中恢复物体表面的形状信息。
本发明利用多幅灰度图像信息来提取物体表面的三维信息。具体做法是：对于同一物体表面，在相机和物体之间相对位置保持不变的条件下，用偶数个光源分别从不共面的多个方向照射物体表面，获得不同光照方向下2n幅图像，进而由这2n幅图像获得表面的法向量，其中，n为自然数。
此三维重建方法的假设条件是：光源为在各个方向有相同辐射度的辐射源，物体表面散射光向各个方向均匀辐射，所有光源方向已知。
以2副图像为例计算过程如下：
设2幅图像的光源方向分别为ei＝[ei1 ,ei2 ]，其中eij ,i ,j＝1 ,2 为光源与坐标轴角度参数，则E＝[e1 ,e2 ]构成1个二阶方阵。
令F＝[F1 ,F2]表示2幅图像中同一点的灰度组成的向量，该点的表面法向量表示为H＝[h1 ,h2]。设该点的反射系数为k，则F＝kEH。在E-1存在的条件下，H为归一化向量，有k＝|E-1I|；则H＝E-1I/|E-1I|。其中|*|表示取模运算，由此可以获得被测物体的表面法向量。
若物体表面可积条件满足，则根据格林定理积分与路径无关，可求得任意2点高度差：
LAA’=A(m)-A(m0)=∫S mdx+ndy,
其中，S为2点间的任意路径，从而实现物体表面三维形貌的获取。即，利用表面法向场数据，完成法向场到梯度场，再到高度场的重建。
在本方法的一个具体实施例中，当所述方法应用于农产品检测筛选时，在工业生产线控制端的反馈联动处理装置中还设置定位装置和筛选剔除装置；当待测的农产品经过物体表面三维形貌的获取步骤后，依据比对，筛选出检测结果为不合格状态的农产品，通过所述定位装置定位出批量检测产品中不合格状态农产品的位置，通过所述筛选剔除装置从工业生产线控制端上剔除不合格的农产品。
本发明中，图像处理步骤示意图如图4所示，所述基于光照反射的高精度测量装置，根据采集的高精度图像反馈进行检测，具体检测判定步骤包括：
步骤一、依次通过图像采集、图像校正、边缘提取、目标识别、灰度比较、遍历搜寻模板特征、输出比较结果；
步骤二、通过采集图像的灰度与设定的阈值比较，判断是否存在瑕疵；
步骤三、通过图像边缘提取，定位瑕疵位置。
具体步骤为：
(1)图像采集；通过采样取景系统对待测物品图像进行采集，并以图片格式保存压板图像信息。
(2)图像校正；将标准流程、精度、工艺之下的合格工业物品的标识位置标记在物品的指定识别位置上，标识位置为圆形黑点，标识位置定位为圆形黑点在图像中的像素坐标，以此为基准对不符合标准的工业物品进行识别，并对倾斜或者变形的图像进行校正。
(3)图像边缘提取；预先将图像按灰度值0～255设置为若干灰度值区间，同时，设置每一灰度值区间对应的参数阈值，因此根据设置的灰度值区间将图像分为若干段，即灰度值在同一预设灰度值区间内的图像作为一段，将每一段图像对应的参数阈值传给canny边缘提取函数，将标识位置边缘提取出来。像素灰度值X根据以下公式进行处理：
X=（R0+G0+B0）
其中，R0、G0、B0分别为图片各像素的RGB信息。
(4)灰度比较；对图片进行线性特征比对状态识别，判断标识位置的定位是否符合预设的合格产品的地位，进而判断待测物品是否合格的状态。
(5)通过对待测物品图像进行遍历搜寻，找到符合或者不符合设定标准的待测物品。
上述图像识别方法，当面对农产品，例如农作物、植物部分因碰撞腐坏、变质时，效果非常明显，存在腐坏、变质表面的农产品，其损坏部分与其他部分有明显的颜色区分，应用所述的图像识别方法可以准确、快速的区分出完好的农产品和存在损失的不合格农产品。
在本发明的一个具体实施例中，所述顶部运动控制装置、侧面运动控制装置、水平伸缩横杆、竖直伸缩立柱、旋转调节装置和位置移动组件均通过伺服电机和PLC控制主板进行操控和运动控制，其中，顶部运动控制装置、侧面运动控制装置、水平伸缩横杆、竖直伸缩立柱和旋转调节装置通过液压模块进行驱动，位置移动组件通过马达和电动滚轮进行驱动。
作为本发明的优选方案，所述私服电机为三相永磁交流伺服电动机，具体型号为西门子6SC61系列；所述PLC控制主板的具体型号为SmCo永磁交流伺服电动机控制器；所述CCD器件的具体型号为：索尼EXVIEW HAD CCD。
上述器件为优选方案，任何其他满足相似功能的已有伺服电机和控制器，如果按照本申请公开的方法进行使用，也应当属于采用了本申请所公开的方法。
本发明中，功能模块之间的连接控制示意图如图2所示，工业机器视觉系统通过设置的位移装置整体跟随待检测工业加工产线工艺顺序移动，通过采样取景系统进行图像采集比对，监控加工产线工艺精度，反向预警或者修正产线动作；所述位移装置按照待检测工业加工产线工艺顺序移动，集出的图像反馈出具体的加工制造流程；当图像检测结果匹配上预设的标准图像时，判定生产工艺答辩；当图像检测结果不匹配上预设的标准图像时，判定出现产品瑕疵或者工业流程设计问题，系统发出预警警报或者暂停产线的生产活动。
作为本发明的进一步优选方案，所述CCD拼接聚拢反射镜包括复数个CCD器件，将复数个CCD器件的有效像元首尾搭接装配成双列交错式焦面形式，即在同一平面上利用第二行CCD器件填补第一行CCD器件所形成的空隙，相邻CCD器件的首尾像元对齐或重叠一定距离，通过积分延时处理产生清晰的宽幅大视场图像。
本发明所公开的技术方案，解决了现有工业机器视觉系统存在的如下问题：
1、传统的基于单个相机的视觉检测系统无法覆盖360度，部分区域无法实现缺陷检测。而基于线扫相机的检测系统需要在生产线上安装特定的旋转机构，才可以检测物体的四周的缺陷，但使用不便，且工作效率低，其物体上表面的缺陷检测不到，不能实现多角度全方位缺陷检测。
2、现有技术中，工业机械视觉系统的应用停留在定位、检测有无等基础方面，通过设计将机械视觉系统应用于轨迹优化，可以进一步实现对被检测产品生产工业和制造质量的检测。
3、随着科技发展，工业领域中的零件结构日益复杂，微细管道或小尺寸特征内孔的各类缺陷不易由于检测精度和检测方位的原因，难以被观察到。
4、常规的微细管孔检测是检测传感器微型化后对微细孔进行检测，例如利用微型内窥镜或CCD摄像头进入微孔内采集内表面图像，在通过人工或图像处理算法识别缺陷，但这些方法只能判断缺陷有无，无法获得其三维信息。只能定性判断管孔内部缺陷信息，无法对管孔内壁缺陷实现定量检测。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。
Claims (10)
1.一种工业机器视觉系统图像处理方法，其特征在于：所述方法基于的工业机器视觉系统硬件架构包括相互设置数据传输和控制传输连接的采样取景系统、位移装置和反馈联动系统，
其中，所述位移装置包括水平伸缩横杆、竖直伸缩立柱、旋转调节装置和位置移动组件；所述反馈联动系统包括反馈联动处理装置和反馈联动控制装置；水平伸缩横杆通过旋转调节装置与竖直伸缩立柱相连接，竖直伸缩立柱设置于位置移动组件上；所述反馈联动控制装置设置于位移装置中，所述反馈联动处理装置设置于工业生产线控制端；
所述取景系统包括顶部取景组件、侧面取景组件、顶部运动控制装置、侧面运动控制装置和基于光照反射的高精度测量装置；所述顶部和侧面取景组件的前端设置安装基于光照反射的高精度测量装置，顶部、侧面取景组件分别通过顶部、侧面运动控制装置连接与水平伸缩横杆上；
所述基于光照反射的高精度测量装置包括2n个光源模块、取景成像模块、CCD拼接聚拢反射镜和光源反射镜，其中，n为自然数；所述光源模块均匀设置于取景成像模块周围，取景成像模块通过第一、第二支撑架分别连接CCD拼接聚拢反射镜和光源反射镜，光源模块投射出的光线经过光源反射镜照向待测物品内部，待测物品反射出的光线经过CCD拼接聚拢反射镜的聚拢和反射，再投向取景成像模块；
所述方法中，测量前，根据CCD标定方法，利用光源模块（301）在待测物体的内、外表面形成的激光点阵图像完成CCD参数标定；
测量时，打开光源模块（301），光源模块（301）的光线照射到光源反射镜（303）上，经反射后照射至待测物品的指定位置；当前光照模式下的光照反射强度分布通过CCD拼接聚拢反射镜（303）传送至取景成像模块（302），获得该光照模式下的孔表面图像；
依次打开光源模块（301）中不同位置的光源，获得同一待测物品表面位置2n副不同光照模式下的图像，依据摄像机成像光度原理，通过上述图像计算出被测表面的向量场数据，再利用法向量与梯度之间的直接对应关系，利用梯度场到高度场的重建技术完成，完成被测区域三维高度场信息的计算；
最后，结合CCD标定参数，获得孔表面的三维形貌几何量信息。
2.如权利要求1所述的一种工业机器视觉系统图像处理方法，其特征在于，所述方法中，通过多幅多角度光照模式下的孔内表面光照反射分布状态，即多幅孔内表面不同光照模式下的二维图像，获得孔表面的三维形貌参数，具体为：
以取景成像模块（302）为中心的全局坐标系，使其中1个坐标轴与取景成像模块（302）的光轴对齐，将物体表面形状参数用函数A＝B(x ,y)描述，其表面法向量可以表示为：
C ＝ ( m ,n ,- 1 ) ，其中，用固定向量来规定光源的方向(m’ ,n’)；
建立表面反射光分布和表面法向量、光源入射方向之间的关系表达式为：
R＝G(m ,n ,m’ ,n’ ,d)，其中，R为表面反射光分布，d为光源辐照度常数；
将物体表面某点的光照反射分布表示为R(m ,n)，由于物体表面的图像灰度值I(x ,y)∝R(m ,n)，进而建立物体表面形状参数和二维图像灰度信息间的关系；
用2个光源分别从不共面的多个方向照射物体表面，获得不同光照方向下2幅图像，进而由这2幅图像获得表面的法向量；
设2幅图像的光源方向分别为ei＝[ei1 ,ei2 ]，其中eij ,i ,j＝1 ,2 为光源与坐标轴角度参数，则E＝[e1 ,e2 ]构成1个二阶方阵；
设定F＝[F1 ,F2]表示2幅图像中同一点的灰度组成的向量，该点的表面法向量表示为H＝[h1 ,h2]，该点的反射系数为k，则F＝kEH；
在E-1存在的条件下，H为归一化向量，有k＝|E-1I|；则H＝E-1I/|E-1I|，其中|*|表示取模运算，由此可以获得被测物体的表面法向量；
当物体表面可积条件满足时，计算得出任意2点高度差：
LAA’=A(m)-A(m0)=∫S mdx+ndy ；
其中，S为2点间的任意路径，从而实现物体表面三维形貌的获取；
所述方法应用于农产品检测筛选时，在工业生产线控制端的反馈联动处理装置中还设置定位装置和筛选剔除装置；
当待测的农产品经过物体表面三维形貌的获取步骤后，依据比对，筛选出检测结果为不合格状态的农产品，通过所述定位装置定位出批量检测产品中不合格状态农产品的位置，通过所述筛选剔除装置从工业生产线控制端上剔除不合格的农产品。
3.如权利要求1所述的一种工业机器视觉系统图像处理方法，其特征在于，所述方法还包括，对不同光照下采集到的图像进行图像处理，具体步骤包括：
步骤一、依次通过图像采集、图像校正、边缘提取、目标识别、灰度比较、遍历搜寻模板特征、输出比较结果；
步骤二、通过采集图像的灰度与设定的阈值比较，判断是否存在瑕疵；
步骤三、通过图像边缘提取，定位瑕疵位置。
4.如权利要求3所述的一种工业机器视觉系统图像处理方法，其特征在于，所述图像采集的具体方法为：通过采样取景系统对待测物品图像进行采集，并以图片格式保存压板图像信息。
5.如权利要求3所述的一种工业机器视觉系统图像处理方法，其特征在于，所述图像校正的具体方法为：将标准流程、精度、工艺之下的合格工业物品的标识位置标记在物品的指定识别位置上，标识位置为圆形黑点，标识位置定位为圆形黑点在图像中的像素坐标，以此为基准对不符合标准的工业物品进行识别，并对倾斜或者变形的图像进行校正。
6.如权利要求3所述的一种工业机器视觉系统图像处理方法，其特征在于，所述图像边缘提取的具体方法为：预先将图像按灰度值0～255设置为若干灰度值区间，同时，设置每一灰度值区间对应的参数阈值，因此根据设置的灰度值区间将图像分为若干段，即灰度值在同一预设灰度值区间内的图像作为一段，将每一段图像对应的参数阈值传给canny边缘提取函数，将标识位置边缘提取出来；
像素灰度值X根据以下公式进行处理：X=（R0+G0+B0），其中，R0、G0、B0分别为图片各像素的RGB信息。
7.如权利要求3所述的一种工业机器视觉系统图像处理方法，其特征在于，所述灰度比较的具体方法为：对图片进行线性特征比对状态识别，判断标识位置的定位是否符合预设的合格产品的地位，进而判断待测物品是否合格的状态。
8.如权利要求1所述的一种工业机器视觉系统图像处理方法，其特征在于：所述方法基于的工业机器视觉系统硬件架构中，所述顶部运动控制装置、侧面运动控制装置、水平伸缩横杆、竖直伸缩立柱、旋转调节装置和位置移动组件均通过伺服电机和PLC控制主板进行操控和运动控制，其中，顶部运动控制装置、侧面运动控制装置、水平伸缩横杆、竖直伸缩立柱和旋转调节装置通过液压模块进行驱动，位置移动组件通过马达和电动滚轮进行驱动。
9.如权利要求1所述的一种工业机器视觉系统图像处理方法，其特征在于：所述方法基于的工业机器视觉系统硬件架构中，所述私服电机为三相永磁交流伺服电动机，具体型号为西门子6SC61系列；所述PLC控制主板的具体型号为SmCo永磁交流伺服电动机控制器；所述CCD器件的具体型号为：索尼EXVIEW HAD CCD。
10.如权利要求1所述的一种工业机器视觉系统图像处理方法，其特征在于：所述方法基于的工业机器视觉系统硬件架构中，所述CCD拼接聚拢反射镜包括复数个CCD器件，将复数个CCD器件的有效像元首尾搭接装配成双列交错式焦面形式，即在同一平面上利用第二行CCD器件填补第一行CCD器件所形成的空隙，相邻CCD器件的首尾像元对齐或重叠一定距离，通过积分延时处理产生清晰的宽幅大视场图像。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811396457.3A CN109375573A (zh) | 2018-11-22 | 2018-11-22 | 一种工业机器视觉系统图像处理方法 |
| CN202311024612.XA CN116879308A (zh) | 2018-11-22 | 2018-11-22 | 一种工业机器视觉系统图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811396457.3A CN109375573A (zh) | 2018-11-22 | 2018-11-22 | 一种工业机器视觉系统图像处理方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311024612.XA Division CN116879308A (zh) | 2018-11-22 | 2018-11-22 | 一种工业机器视觉系统图像处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109375573A true CN109375573A (zh) | 2019-02-22 |
Family
ID=65383071
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311024612.XA Pending CN116879308A (zh) | 2018-11-22 | 2018-11-22 | 一种工业机器视觉系统图像处理方法 |
| CN201811396457.3A Pending CN109375573A (zh) | 2018-11-22 | 2018-11-22 | 一种工业机器视觉系统图像处理方法 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311024612.XA Pending CN116879308A (zh) | 2018-11-22 | 2018-11-22 | 一种工业机器视觉系统图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN116879308A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110751618A (zh) * | 2019-06-05 | 2020-02-04 | 浙江大华技术股份有限公司 | 一种漂浮物检测方法、装置及电子设备 |
| CN111023955A (zh) * | 2019-12-10 | 2020-04-17 | 广东省智能制造研究所 | 一种高动态高精度尺寸测量和缺陷检测系统及其方法 |
| CN111023964A (zh) * | 2019-12-10 | 2020-04-17 | 广东省智能制造研究所 | 一种用于表面轮廓和表面质量在线检测装置 |
| CN111610199A (zh) * | 2020-06-30 | 2020-09-01 | 无锡星燎不锈钢有限公司 | 一种基于视觉检测的五金件质检系统 |
| CN112067621A (zh) * | 2020-08-29 | 2020-12-11 | 杭州山立净化设备股份有限公司 | 一种化工设备用筒体智能化检验设备及筒体检验方法 |
| CN112461850A (zh) * | 2020-09-29 | 2021-03-09 | 江苏南高智能装备创新中心有限公司 | 工件表面瑕疵检测系统 |
| CN112883842A (zh) * | 2021-02-02 | 2021-06-01 | 四川省机械研究设计院(集团)有限公司 | 基于零件与光源相互匹配的摩托车发动机装配方法与系统 |
| CN113051992A (zh) * | 2020-11-16 | 2021-06-29 | 泰州无印广告传媒有限公司 | 应用透明卡槽的匀速辨识系统 |
| CN113155847A (zh) * | 2021-04-23 | 2021-07-23 | 浙江大学 | 一种基于ai 3d视觉的油烟罩表面缺陷检测系统 |
| CN113607419A (zh) * | 2021-08-02 | 2021-11-05 | 广东工业大学 | 一种发动机缸体电子标签检测装置及方法 |
| CN113933300A (zh) * | 2021-10-13 | 2022-01-14 | 福州大学 | 一种基于机器视觉的垃圾误投检测方法、装置及系统 |
| WO2022021151A1 (zh) * | 2020-07-29 | 2022-02-03 | 西门子（中国）有限公司 | 生产线装配组件的检查方法和装置 |
| CN114170132A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 一种基于机器视觉的流量管静压孔质量检测方法及系统 |
| CN116087201A (zh) * | 2022-12-27 | 2023-05-09 | 广东尚菱视界科技有限公司 | 一种工业视觉检测系统以及检测方法 |
| CN116479198A (zh) * | 2022-01-17 | 2023-07-25 | 南京大谋光电科技有限公司 | 一种基于视觉成像的高炉无人上炮泥系统及方法 |
| CN117333480A (zh) * | 2023-10-31 | 2024-01-02 | 曲阜冶通铸材科技发展有限公司 | 一种铸材表面瑕疵边缘视觉检测方法、系统、装置及介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1043642A2 (en) * | 1999-04-08 | 2000-10-11 | Fanuc Ltd | Robot system having image processing function |
| JP2001042699A (ja) * | 1999-08-04 | 2001-02-16 | Minolta Co Ltd | 画像形成装置 |
| EP1413850A2 (en) * | 2002-10-23 | 2004-04-28 | Fanuc Ltd. | Optical sensor for measuring position and orientation of an object in three dimensions |
| CN102680487A (zh) * | 2011-02-28 | 2012-09-19 | C.R.F.阿西安尼顾问公司 | 用于监控特别是汽车车身部件的喷漆质量的系统和方法 |
| CN105486341A (zh) * | 2015-11-25 | 2016-04-13 | 长春乙天科技有限公司 | 一种大幅面高速高精度自动光学检测设备 |
| CN206132661U (zh) * | 2016-08-29 | 2017-04-26 | 齐鲁工业大学 | 一种焊管检测装置 |
| CN108447056A (zh) * | 2018-03-26 | 2018-08-24 | 广西大学 | 基于几何特征聚类划分的配电柜圆形压板状态识别方法 |
| CN108458658A (zh) * | 2018-04-20 | 2018-08-28 | 南京航空航天大学 | 一种基于光照反射模型的微细孔三维形貌测量装置及方法 |
-
2018
- 2018-11-22 CN CN202311024612.XA patent/CN116879308A/zh active Pending
- 2018-11-22 CN CN201811396457.3A patent/CN109375573A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1043642A2 (en) * | 1999-04-08 | 2000-10-11 | Fanuc Ltd | Robot system having image processing function |
| JP2001042699A (ja) * | 1999-08-04 | 2001-02-16 | Minolta Co Ltd | 画像形成装置 |
| EP1413850A2 (en) * | 2002-10-23 | 2004-04-28 | Fanuc Ltd. | Optical sensor for measuring position and orientation of an object in three dimensions |
| CN102680487A (zh) * | 2011-02-28 | 2012-09-19 | C.R.F.阿西安尼顾问公司 | 用于监控特别是汽车车身部件的喷漆质量的系统和方法 |
| CN105486341A (zh) * | 2015-11-25 | 2016-04-13 | 长春乙天科技有限公司 | 一种大幅面高速高精度自动光学检测设备 |
| CN206132661U (zh) * | 2016-08-29 | 2017-04-26 | 齐鲁工业大学 | 一种焊管检测装置 |
| CN108447056A (zh) * | 2018-03-26 | 2018-08-24 | 广西大学 | 基于几何特征聚类划分的配电柜圆形压板状态识别方法 |
| CN108458658A (zh) * | 2018-04-20 | 2018-08-28 | 南京航空航天大学 | 一种基于光照反射模型的微细孔三维形貌测量装置及方法 |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110751618A (zh) * | 2019-06-05 | 2020-02-04 | 浙江大华技术股份有限公司 | 一种漂浮物检测方法、装置及电子设备 |
| CN110751618B (zh) * | 2019-06-05 | 2022-12-30 | 浙江大华技术股份有限公司 | 一种漂浮物检测方法、装置及电子设备 |
| CN111023955A (zh) * | 2019-12-10 | 2020-04-17 | 广东省智能制造研究所 | 一种高动态高精度尺寸测量和缺陷检测系统及其方法 |
| CN111023964A (zh) * | 2019-12-10 | 2020-04-17 | 广东省智能制造研究所 | 一种用于表面轮廓和表面质量在线检测装置 |
| CN111023964B (zh) * | 2019-12-10 | 2021-08-17 | 广东省智能制造研究所 | 一种用于表面轮廓和表面质量在线检测装置 |
| CN111023955B (zh) * | 2019-12-10 | 2022-01-18 | 广东省智能制造研究所 | 一种高动态高精度尺寸测量和缺陷检测系统及其方法 |
| CN111610199A (zh) * | 2020-06-30 | 2020-09-01 | 无锡星燎不锈钢有限公司 | 一种基于视觉检测的五金件质检系统 |
| WO2022021151A1 (zh) * | 2020-07-29 | 2022-02-03 | 西门子（中国）有限公司 | 生产线装配组件的检查方法和装置 |
| CN112067621A (zh) * | 2020-08-29 | 2020-12-11 | 杭州山立净化设备股份有限公司 | 一种化工设备用筒体智能化检验设备及筒体检验方法 |
| CN112461850A (zh) * | 2020-09-29 | 2021-03-09 | 江苏南高智能装备创新中心有限公司 | 工件表面瑕疵检测系统 |
| CN113051992B (zh) * | 2020-11-16 | 2022-01-18 | 山东米捷软件有限公司 | 应用透明卡槽的匀速辨识系统 |
| CN113051992A (zh) * | 2020-11-16 | 2021-06-29 | 泰州无印广告传媒有限公司 | 应用透明卡槽的匀速辨识系统 |
| CN112883842A (zh) * | 2021-02-02 | 2021-06-01 | 四川省机械研究设计院(集团)有限公司 | 基于零件与光源相互匹配的摩托车发动机装配方法与系统 |
| CN112883842B (zh) * | 2021-02-02 | 2022-12-16 | 四川省机械研究设计院(集团)有限公司 | 基于零件与光源相互匹配的摩托车发动机装配方法与系统 |
| CN113155847A (zh) * | 2021-04-23 | 2021-07-23 | 浙江大学 | 一种基于ai 3d视觉的油烟罩表面缺陷检测系统 |
| CN113607419A (zh) * | 2021-08-02 | 2021-11-05 | 广东工业大学 | 一种发动机缸体电子标签检测装置及方法 |
| CN113933300A (zh) * | 2021-10-13 | 2022-01-14 | 福州大学 | 一种基于机器视觉的垃圾误投检测方法、装置及系统 |
| CN114170132A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 一种基于机器视觉的流量管静压孔质量检测方法及系统 |
| CN114170132B (zh) * | 2021-10-20 | 2023-05-05 | 中国航发四川燃气涡轮研究院 | 一种基于机器视觉的流量管静压孔质量检测方法及系统 |
| CN116479198A (zh) * | 2022-01-17 | 2023-07-25 | 南京大谋光电科技有限公司 | 一种基于视觉成像的高炉无人上炮泥系统及方法 |
| CN116087201A (zh) * | 2022-12-27 | 2023-05-09 | 广东尚菱视界科技有限公司 | 一种工业视觉检测系统以及检测方法 |
| CN116087201B (zh) * | 2022-12-27 | 2023-09-05 | 广东尚菱视界科技有限公司 | 一种工业视觉检测系统以及检测方法 |
| CN117333480A (zh) * | 2023-10-31 | 2024-01-02 | 曲阜冶通铸材科技发展有限公司 | 一种铸材表面瑕疵边缘视觉检测方法、系统、装置及介质 |
| CN117333480B (zh) * | 2023-10-31 | 2024-03-01 | 曲阜冶通铸材科技发展有限公司 | 一种铸材表面瑕疵边缘视觉检测方法、系统、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116879308A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109375573A (zh) | 一种工业机器视觉系统图像处理方法 | |
| CN106392304B (zh) | 一种激光辅助焊缝智能寻迹系统及方法 | |
| CN102818538B (zh) | 基于调制玻璃线结构激光图像的检测系统 | |
| CN107052086A (zh) | 基于三维视觉的冲压件表面缺陷检测装置及检测方法 | |
| CN106226157B (zh) | 混凝土构件裂缝自动检测装置及方法 | |
| CN102589516B (zh) | 一种基于双目线扫描摄像机的动态距离测量系统 | |
| CN108918542A (zh) | 一种光缆表面缺陷检测装置及方法 | |
| CN109520436B (zh) | 一种基于机器视觉的蝶形弹簧三维尺寸自动测量系统及其测量方法 | |
| CN106735749B (zh) | 一种激光辅助焊缝智能寻迹系统 | |
| CN107869954B (zh) | 一种双目视觉体积重量测量系统及其实现方法 | |
| JP6231302B2 (ja) | 検査補助装置 | |
| CN104567726B (zh) | 车辆运行故障检测系统及方法 | |
| CN101813467B (zh) | 基于双目立体视觉技术的旋翼共锥度测量装置及其方法 | |
| CN106226316A (zh) | 一种单摄像机宽视场视觉螺纹检测装置及其检测方法 | |
| CN1426527A (zh) | 组合立体视像、彩色3d数字化和运动捕捉的系统 | |
| CN109781739A (zh) | 汽车漆面表面外观缺陷全自动检测系统及方法 | |
| CN109840900A (zh) | 一种应用于智能制造车间的故障在线检测系统及检测方法 | |
| CN113566733B (zh) | 一种线激光视觉三维扫描装置及方法 | |
| CN110261390A (zh) | 一种漫反射结构光的表面缺陷光学检测系统和方法 | |
| CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
| CN106918306A (zh) | 基于光场单相机的工业产品三维形貌实时检测系统 | |
| CN110208269A (zh) | 一种玻璃表面异物与内部异物区分的方法及系统 | |
| CN107796718A (zh) | 布氏硬度测量系统及方法 | |
| CN105181713A (zh) | 一种用于光纤倒像器表面缺陷的检测装置 | |
| CN114577135B (zh) | 基于单镜头的芯片引脚翘曲的3d检测方法及系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
| RJ01 | Rejection of invention patent application after publication |