CN109406539B - 一种透明药瓶底部积料缺陷检测系统与方法 - Google Patents
一种透明药瓶底部积料缺陷检测系统与方法 Download PDFInfo
- Publication number
- CN109406539B CN109406539B CN201811430654.2A CN201811430654A CN109406539B CN 109406539 B CN109406539 B CN 109406539B CN 201811430654 A CN201811430654 A CN 201811430654A CN 109406539 B CN109406539 B CN 109406539B
- Authority
- CN
- China
- Prior art keywords
- gradient
- medicine bottle
- value
- transparent medicine
- gradient value
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 72
- 239000000463 material Substances 0.000 title claims abstract description 32
- 230000007547 defect Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title abstract description 35
- 238000009825 accumulation Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 4
- 238000010191 image analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 239000011521 glass Substances 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 229940079593 drug Drugs 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012549 training Methods 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
- G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
- G01N21/9018—Dirt detection in containers
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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的透明药瓶底部积料缺陷检测系统,包括计算机、工业相机以及成像装置,工业相机用于采集透明药瓶图像,计算机通过图像分析与识别得到透明药瓶底部积料区域的底边斜高差、左梯度值、右梯度值、下部梯度左侧值、下部梯度右侧值,并与预设参数范围进行比对判断透明药瓶是否合格。透明药瓶底部积料缺陷的检测方法包括:获取透明药瓶底部积料区域的图像;采用最小二乘拟合方法得到目标区域;利用最大梯度计算目标区域的底边斜高差、左梯度值、右梯度值、下部梯度左侧值以及下部梯度右侧值,然后预设阈值进行比对。本发明采用单相机,一次成像,具有成本低、精度高、工作效率高、定位精准、检测系统结构简单、检测识别运算量小的特点。
Description
技术领域
本发明属于光学检测技术领域,具体涉及一种透明药瓶底部积料缺陷检测系统,还涉及利用该检测系统的缺陷检测方法。
背景技术
目前对于透明药瓶底部的积料缺陷检测,最普遍与最传统的方法是人工目视检测法,通过人眼查看透明药瓶底部是否存在积料缺陷。但是目视法费时费力,劳动强度大,效率低,主观因素影响较大,而且随着检测时间的加长,很容易导致检测员出现视觉疲劳,从而使缺陷漏检率变高。生产线生产过程中,仅仅靠人工检测不仅费时费力,而且很多细小的瑕疵不容易被发现,因此目视法已经满足不了生产线高效率、高质量的要求。
公开号为CN103257144的中国专利提出了一种基于机器视觉的塑料瓶瓶口余料检测方法及装置。该方法通过位置传感器点亮光源并触发相机拍照图像的效果只突出瓶口内的细节,使用Hopfield神经网络建立缺陷识别模型,通过在检测多个塑料瓶的瓶口内有余料和无余料时的图像作为样本,然后训练该样本,获得神经元的权值。但是,这种方法没有准确的定位以及校正,很容易出现误差;使用Hopfield神经网络、训练样本,检测识别运算量大。
公开号为CN105675619的中国专利提出了一种旋转式瓶身照相检测方法。该方法通过旋转式瓶身照相检测装置,其结构为光源设置于玻璃瓶的一侧,相机组设置于玻璃瓶的另一侧,光源与相机组相互对应,使用四个相机对玻璃瓶360°连续拍摄,并对每幅图像进行处理,检测识别玻璃瓶的缺陷。但是这种方法需要使用四个相机对玻璃瓶360°连续拍摄,设备成本较高;而且需要对每幅图像进行处理,检测识别玻璃瓶的缺陷,系统结构复杂,检测算法运算量大,致使检测速度慢。
综上,本领域内急需能快速有效地检测出透明药瓶底部的积料缺陷,提高工作效率,降低废品率。
发明内容
本发明的目的在于提供一种透明药瓶底部积料缺陷检测系统,解决了人工检测耗时长、效率低的问题。
本发明的目的还在于提供一种透明药瓶底部积料缺陷检测方法。
本发明所采用的一种技术方案是:一种透明药瓶底部积料缺陷检测系统,包括载物台,所述载物台上设置有信号连接的计算机和工业相机,所述载物台的支架上设置有竖直放置的透明药瓶,所述工业相机用于获取所述透明药瓶底部积料区域的图像并传输给所述计算机,所述计算机通过图像得到透明药瓶底部积料区域的底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L、反向右梯度值GyO-R,并与预设阈值进行比对判断所述透明药瓶是否合格。
进一步的,所述检测系统还包括与工业相机信号相连的光源控制器,所述光源控制器连接有球积分光源,所述球积分光源位于所述透明药瓶的下方。
更进一步的,所述球积分光源设置于所述载物台上,并与所述载物台水平面呈10°-50°的夹角。
进一步的,所述光源控制器还连接有背光光源,所述背光光源正对所述透明药瓶的侧面设置。
进一步的,所述工业相机还连接有光电传感器,所述光电传感器正对所述透明药瓶的瓶口位置并与瓶口同高。
本发明所采用的另一种技术方案是:一种透明药瓶底部积料缺陷检测方法,包括以下步骤:
步骤1、获取透明药瓶底部积料区域的彩色图像;
步骤2、将所述彩色图像转换为灰度图像并进行预处理获取所述透明药瓶的边缘图像;
步骤3、采用最小二乘拟合方法,对所述边缘图像中透明药瓶的两侧拟合得到两条直线L1、L2及对透明药瓶底部拟合得到直线L3,根据所需检测的目标区域在拟合直线L3往瓶口上移D个像素处得到直线L4,由L1、L2、L3、L4对目标区域进行粗定位;
步骤4、将直线L1、L2分别往所述透明药瓶的中心位置平移D1、D2个像素得到直线L5、L6,由直线L3、L4、L5、L6所形成的区域实现对目标区域的准确定位;
步骤5、基于最大梯度的计算方法,求解所述目标区域内底部积料位置的边缘的底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R;
步骤6、根据步骤5获取的所述底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R与预设阈值进行比对,如果上述参数全部在预设阈值内则判定所述透明药瓶底部积料合格,否则判定不合格。
进一步的,所述步骤3和步骤4中获取直线L1、L2、L3的具体步骤均为:
建立XOY的平面坐标系,获取所述边缘图像的像素坐标点(xi,yi),i=1,2,3...,N;
采用直线拟合方法,令目标直线方程y=ax+b;
基于最小二乘准则有:对该式求偏导数,则有:
解上述偏导数方程组,可得:
将求得的a、b值代入y=ax+b,分别可得到直线L1、L2、L3的目标直线方程。
进一步的,所述步骤5中最大梯度算法具体为:
正向梯度的计算方法:
反向梯度的计算方法:
其中k为梯度的搜素步长;
在此基础上,左梯度值Gy-L、右梯度值Gy-R采用正向搜素,分别表征所述边缘图像上部边缘左侧的梯度最大值,以及右侧边缘的最大值,计算表达式如下:
其中,ibegin表示所述边缘图像上部边缘X方向的起始坐标,w表示边缘图像的X方向的宽度;
同时,反向左梯度值GyO-L、反向右梯度值GyO-R采用反向搜素,分别表征边缘图像上部边缘反向左侧梯度最大值,以及反向右侧梯度最大值,计算表达式如下:
令梯度极值位于的像素坐标点的纵坐标yk与梯度的映射函数关系F为:
yk=F(Gy(xk))
其中,Gy(xk)表征横坐标为xk的目标点的梯度值;
令左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R对应的目标点的横坐标为x1,x2,x3,x4,则根据映射函数关系F得到所述x1,x2,x3,x4对应的纵坐标y1,y2,y3,y4:
y1=F(Gy_L(x))
y2=F(GyO_L(x))
y3=F(Gy_R(x))
y4=F(GyO_R(x))
则底边斜高差Y表述为:
Y=|Max{y1,y3}-Max{y2,y4}|,其中Y的单位为像素个数。
事例性的,以像素点为单位所述D=500,D1=500,D2=500。
事例性的,以像素点为单位,所述预设阈值的具体参数为Y1≤80,50≤Gy-L1≤180,60≤Gy-R1≤180,20≤GyO-L1≤100,30≤GyO-R1≤120。
本发明的有益效果是:本发明的一种透明药瓶底部积料缺陷检测系统与方法,将机器视觉引入透明药瓶质量的检测中,解决了人工检测耗时长、效率低的问题,其采用单相机,一次成像,具有成本低、精度高、工作效率高、定位精准、检测系统结构简单、检测识别运算量小的特点,与传统的目视法相比,可实现更准确、更快速的检测出透明药瓶底部积料缺陷,达到生产线自动化、高效率、高质量的要求。
附图说明
图1为本发明的透明药瓶底部积料缺陷检测系统的结构示意图;
图2为本发明的透明药瓶底部积料缺陷检测方法的流程图;
图3为本发明的透明药瓶底部积料缺陷检测方法定位示意图;
图4为本发明实施例250ml透明药瓶合格样品示意图;
图5为本发明实施例250ml透明药瓶有积料的的样品示意图;
图6为本发明实施例的决策算法图。
图中,101.计算机,102.工业相机,103.光学镜头,104.光源控制器,105.球积分光源,106.背光光源,107.光电传感器,108.透明药瓶。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供的透明药瓶底部积料缺陷检测系统的结构如图1所示,包括载物台,所述载物台上设置有信号连接的计算机101和工业相机102,工业相机102具有光学镜头103,载物台的支架上固定有竖直放置的透明药瓶108,工业相机102通过光学镜头103用于获取所述透明药瓶108底部积料区域的图像并传输给计算机101,计算机101通过图像得到透明药瓶底部积料区域的底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L、反向右梯度值GyO-R,并与预设参数范围进行比对判断透明药瓶108底部积料区域是否合格。光学镜头103与载物台水平面的夹角为30°-80°,优选为50°。
进一步的,为了使采集到的图像细节显示效果好,本发明的检测系统还包括光源组件,光源组件包括与工业相机102信号相连的光源控制器104,光源控制器104连接有球积分光源105,球积分光源105位于透明药瓶108的下方。更进一步的,球积分光源105设置于载物台上,并与载物台水平面呈10°-50°的夹角。优选为30°夹角。
进一步的,光源控制器104还连接有背光光源106,背光光源106正对透明药瓶108的侧面设置,即背光光源106与透明药瓶108均为竖直设置。
事例性的,球积分光源105和背光光源106分别为高亮球积分光源和高亮背光光源。
进一步的,工业相机102还连接有光电传感器107,光电传感器107正对透明药瓶108的瓶口位置并与瓶口同高。当透明药瓶运动到光电传感器107位置时,光电传感器107发出信号,工业相机102收到感应信号后触发成像,采集透明药瓶的图像。
参见图2,本发明所采用的另一种技术方案是:一种透明药瓶底部积料缺陷检测方法,包括以下步骤:
步骤1、获取透明药瓶底部积料区域的彩色图像;
步骤2、将所述彩色图像转换为灰度图像并进行预处理并获取所述透明药瓶的边缘图像;预处理具体可以采用中值滤波、BOLB算法对灰度图像进行去噪声、二值化处理。
步骤3、如图3所示,采用最小二乘拟合方法,对边缘图像中透明药瓶部分,提取两侧边缘并基于最小二乘拟合两侧边缘直线L1、L2;以及提取底部边缘像素并基于最小二乘拟合底部边缘直线L3,根据设计经验值,直线L3往瓶口上移D个像素可得到直线L4,由拟合直线L1、L2、L3以及由设计经验值偏移直线L4对目标区域进行粗定位;
步骤4、根据设计经验值,将拟合直线L1、L2分别往所述透明药瓶的中心位置平移D1、D2个像素得到直线L5、L6,由直线L3、L4、L5、L6实现ROI目标区域的更加准确定位;
其中,步骤3和步骤4中获取拟合直线的具体步骤均为:
建立XOY的平面坐标系,获取边缘图像的像素坐标点(xi,yi),i=1,2,3...,N;
采用直线拟合方法,令目标直线方程y=ax+b;
基于最小二乘准则有:对该式求偏导数,则有:
解上述方程组,可得:
将求得的a、b值代入y=ax+b即得拟合直线的目标直线方程。L1、L2、L3均通过这种方式计算得到,而直线L4、L5、L6则通过直线L1、L2、L3进行对应设计经验值的偏移获得。
步骤5、基于最大梯度的计算方法,求解目标区域内底部积料位置的边缘的底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R;
步骤5中最大梯度算法具体为:
正向梯度的计算方法:
反向梯度的计算方法:
其中k为梯度的搜素步长,k的取值根据设计经验值获得;
在此基础上,左梯度值Gy-L、右梯度值Gy-R采用正向搜素,分别表征所述边缘图像上部边缘左侧的梯度最大值,以及右侧边缘的最大值,计算表达式如下:
其中,ibegin表示所述边缘图像上部边缘X方向的起始坐标,w表示边缘图像的X方向的宽度;
同时,反向左梯度值GyO-L、反向右梯度值GyO-R采用反向搜素,分别表征边缘图像上部边缘反向左侧梯度最大值,以及反向右侧梯度最大值,计算表达式如下:
通过图5,举例说明积料缺陷的一种形态(由于形态种类繁多,无法详尽描述),可知:左梯度值Gy-L位于A点,右梯度值Gy-R位于B点,反向左梯度值GyO-L位于C点,反向右梯度值GyO-R位于D点。那么,C点与B对应的纵坐标的差值,表示为底部斜高差,反映了底部积料缺陷的剧烈程度。
令梯度极值位于的像素坐标点的纵坐标yk与梯度的映射函数关系F为:
yk=F(Gy(xk))
其中,在目标区域上部边缘上,Gy(xk)表征横坐标为xk的目标点的梯度值。根据上述F的映射函数关系,可得到该目标点的纵坐标yk。
此外,令左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R对应的目标点的横坐标为x1,x2,x3,x4。那么,根据上述目标点的纵坐标yk与梯度的映射函数关系F,可获得这些目标点纵坐标:
y1=F(Gy_L(x))
y2=F(GyO_L(x))
y3=F(Gy_R(x))
y4=F(GyO_R(x))
则底边斜高差Y表述为:
Y=|Max{y1,y3}-Max{y2,y4}|,其中Y的单位为像素个数。
步骤6、根据步骤5获取的所述底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R与预设阈值进行比对,如果上述参数全部在预设阈值内则判定所述透明药瓶底部积料合格,否则判定不合格。
下面以250ml容量的透明药瓶对本发明的检测方法进行具体说明,250ml透明药瓶合格样品示意图如图4所示,利用上述检测方法进行检测后,250ml透明药瓶有积料的样品示意图如图5所示。具体在本实施例中,限定参数为:以像素点为单位,D=500,D1=500,D2=500。以像素点为单位,预设阈值的具体参数为Y1≤80,50≤Gy-L1≤180,60≤Gy-R1≤180,20≤GyO-L1≤100,30≤GyO-R1≤120。获取250ml透明药瓶的底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-R以及反向右梯度值GyO-R后,与预设阈值进行比对判断,如果有一项不符合,则判断该透明药瓶不合格。只有当全部参数符合后,才判断该透明药瓶合格。其具体的判断决策算法图如图6所示,当然,各个参数的判断先后顺序可以根据需要自由调整。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种透明药瓶底部积料缺陷检测方法,其特征在于,包括以下步骤:
步骤1、获取透明药瓶底部积料区域的彩色图像;
步骤2、将所述彩色图像转换为灰度图像并进行预处理获取所述透明药瓶的边缘图像;
步骤3、采用最小二乘拟合方法,对所述边缘图像中透明药瓶的两侧拟合得到两条直线L1、L2及对透明药瓶底部拟合得到直线L3,根据所需检测的目标区域在拟合直线L3往瓶口上移D个像素处得到直线L4,由L1、L2、L3、L4对目标区域进行粗定位;
步骤4、将直线L1、L2分别往所述透明药瓶的中心位置平移D1、D2个像素得到直线L5、L6,由直线L3、L4、L5、L6所形成的区域实现对目标区域的准确定位;
步骤5、基于最大梯度的计算方法,求解所述目标区域内底部积料位置的边缘的底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R;
步骤6、根据步骤5获取的所述底边斜高差Y、左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R与预设阈值进行比对,如果上述参数全部在预设阈值内则判定所述透明药瓶底部积料合格,否则判定不合格;
所述步骤5中最大梯度算法具体为:
正向梯度的计算方法:
反向梯度的计算方法:
其中k为梯度的搜素步长;
在此基础上,左梯度值Gy-L、右梯度值Gy-R采用正向搜素,分别表征所述边缘图像上部边缘左侧的梯度最大值,以及右侧边缘的最大值,计算表达式如下:
其中,ibegin表示所述边缘图像上部边缘X方向的起始坐标,w表示边缘图像的X方向的宽度;
同时,反向左梯度值GyO-L、反向右梯度值GyO-R采用反向搜素,分别表征边缘图像上部边缘反向左侧梯度最大值,以及反向右侧梯度最大值,计算表达式如下:
令梯度极值位于的像素坐标点的纵坐标yk与梯度的映射函数关系F为:
yk=F(Gy(xk))
其中,Gy(xk)表征横坐标为xk的目标点的梯度值;
令左梯度值Gy-L、右梯度值Gy-R、反向左梯度值GyO-L以及反向右梯度值GyO-R对应的目标点的横坐标为x1,x2,x3,x4,则根据映射函数关系F得到所述x1,x2,x3,x4对应的纵坐标y1,y2,y3,y4:
y1=F(Gy-L(x1))
y2=F(GyO-L(x2))
y3=F(Gy-R(x3))
y4=F(GyO-R(x4))
则底边斜高差Y表述为:
Y=|Max{y1,y3}-Max{y2,y4}|,其中Y的单位为像素个数。
2.如权利要求1所述的透明药瓶底部积料缺陷检测方法,其特征在于,所述步骤3和步骤4中获取直线L1、L2、L3的具体步骤均为:
建立XOY的平面坐标系,获取所述边缘图像的像素坐标点(xi,yi),i=1,2,3…,N;
采用直线拟合方法,令目标直线方程y=ax+b;
基于最小二乘准则有:对该式求偏导数,则有:
解上述偏导数方程组,可得:
其中,Jmin表示目标高数的极小值,将求得的a、b值代入y=ax+b即分别得到直线L1、L2、L3的目标直线方程。
3.如权利要求1所述的透明药瓶底部积料缺陷检测方法,其特征在于,以像素点为单位所述D=500,D1=500,D2=500。
4.如权利要求1所述的透明药瓶底部积料缺陷检测方法,其特征在于,以像素点为单位,所述预设阈值的具体参数为Y1≤80,50≤Gy-L1≤180,60≤Gy-R1≤180,20≤GyO-L1≤100,30≤GyO-R1≤120。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811430654.2A CN109406539B (zh) | 2018-11-28 | 2018-11-28 | 一种透明药瓶底部积料缺陷检测系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811430654.2A CN109406539B (zh) | 2018-11-28 | 2018-11-28 | 一种透明药瓶底部积料缺陷检测系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109406539A CN109406539A (zh) | 2019-03-01 |
CN109406539B true CN109406539B (zh) | 2024-04-09 |
Family
ID=65455952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811430654.2A Active CN109406539B (zh) | 2018-11-28 | 2018-11-28 | 一种透明药瓶底部积料缺陷检测系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109406539B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111563882B (zh) * | 2020-04-17 | 2023-04-18 | 广州番禺职业技术学院 | 一种药瓶倾斜校准与姿态调整机械结构装置的控制方法 |
CN112129783B (zh) * | 2020-09-22 | 2024-03-29 | 广州番禺职业技术学院 | 基于深度学习的透明药瓶底部缺陷检测方法 |
CN113538417A (zh) * | 2021-08-24 | 2021-10-22 | 安徽顺鼎阿泰克科技有限公司 | 基于多角度和目标检测的透明容器缺陷检测方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719236A (zh) * | 2005-08-02 | 2006-01-11 | 湖南大学 | 多视觉空瓶质量检测方法及多视觉空瓶检测机器人 |
CN103018253A (zh) * | 2012-11-30 | 2013-04-03 | 湖南大学 | 医药视觉检测机器人的安瓿瓶外观质量检测方法 |
CN103308527A (zh) * | 2013-05-30 | 2013-09-18 | 屈桢深 | 输液瓶内异物的检测方法及检测系统 |
CN105069799A (zh) * | 2015-08-13 | 2015-11-18 | 深圳市华汉伟业科技有限公司 | 一种角点定位方法及装置 |
CN105139381A (zh) * | 2014-12-10 | 2015-12-09 | 天津普达软件技术有限公司 | 一种定位瓶坯瓶身的方法 |
CN105954301A (zh) * | 2016-06-22 | 2016-09-21 | 广东省自动化研究所 | 一种基于机器视觉的瓶口质量检测方法 |
CN106583268A (zh) * | 2016-12-20 | 2017-04-26 | 浙江工业大学 | 基于机器视觉的pe瓶检测与分拣系统 |
CN106839986A (zh) * | 2017-03-24 | 2017-06-13 | 中国计量大学 | 一种基于机器视觉和机器学习的双工位载带检测系统 |
CN106952258A (zh) * | 2017-03-23 | 2017-07-14 | 南京汇川图像视觉技术有限公司 | 一种基于梯度方向直方图的瓶口缺陷检测方法 |
CN108169236A (zh) * | 2016-12-07 | 2018-06-15 | 广州映博智能科技有限公司 | 一种基于视觉的金属表面缺陷检测方法 |
CN108344743A (zh) * | 2018-02-02 | 2018-07-31 | 佛山职业技术学院 | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 |
CN209606340U (zh) * | 2018-11-28 | 2019-11-08 | 广州番禺职业技术学院 | 透明药瓶底部积料缺陷检测系统 |
-
2018
- 2018-11-28 CN CN201811430654.2A patent/CN109406539B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719236A (zh) * | 2005-08-02 | 2006-01-11 | 湖南大学 | 多视觉空瓶质量检测方法及多视觉空瓶检测机器人 |
CN103018253A (zh) * | 2012-11-30 | 2013-04-03 | 湖南大学 | 医药视觉检测机器人的安瓿瓶外观质量检测方法 |
CN103308527A (zh) * | 2013-05-30 | 2013-09-18 | 屈桢深 | 输液瓶内异物的检测方法及检测系统 |
CN105139381A (zh) * | 2014-12-10 | 2015-12-09 | 天津普达软件技术有限公司 | 一种定位瓶坯瓶身的方法 |
CN105069799A (zh) * | 2015-08-13 | 2015-11-18 | 深圳市华汉伟业科技有限公司 | 一种角点定位方法及装置 |
CN105954301A (zh) * | 2016-06-22 | 2016-09-21 | 广东省自动化研究所 | 一种基于机器视觉的瓶口质量检测方法 |
CN108169236A (zh) * | 2016-12-07 | 2018-06-15 | 广州映博智能科技有限公司 | 一种基于视觉的金属表面缺陷检测方法 |
CN106583268A (zh) * | 2016-12-20 | 2017-04-26 | 浙江工业大学 | 基于机器视觉的pe瓶检测与分拣系统 |
CN106952258A (zh) * | 2017-03-23 | 2017-07-14 | 南京汇川图像视觉技术有限公司 | 一种基于梯度方向直方图的瓶口缺陷检测方法 |
CN106839986A (zh) * | 2017-03-24 | 2017-06-13 | 中国计量大学 | 一种基于机器视觉和机器学习的双工位载带检测系统 |
CN108344743A (zh) * | 2018-02-02 | 2018-07-31 | 佛山职业技术学院 | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 |
CN209606340U (zh) * | 2018-11-28 | 2019-11-08 | 广州番禺职业技术学院 | 透明药瓶底部积料缺陷检测系统 |
Non-Patent Citations (6)
Title |
---|
PET 瓶封盖缺陷视觉检测算法研究;吴兰兰等;机电工程;第35卷(第5期);第533-538页 * |
基于图像灰度形态学和区域生长的中空吹塑容器缺陷分割;李雪烽;文生平;;塑料工业(第10期);全文 * |
基于机器视觉技术的奶粉罐内壁缺陷检测系统设计;朱明;曾其勇;洪涛;郑晓峰;吴凯;;制造业自动化(第24期);全文 * |
基于机器视觉技术的易拉罐罐底喷码检测系统设计;唐慧;;自动化博览(第07期);全文 * |
基于机器视觉的塑胶制品表面缺陷自动检测技术;刘斌;吴盛金;邹仕放;;塑料工业(第12期);全文 * |
基于机器视觉的方便面包装品质检测系统设计;陈慧丽;李继伟;;包装工程(第13期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109406539A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020253827A1 (zh) | 评估图像采集精度的方法及装置、电子设备和存储介质 | |
CN109406539B (zh) | 一种透明药瓶底部积料缺陷检测系统与方法 | |
CN110389127B (zh) | 一种金属陶瓷零件识别及表面缺陷检测系统和方法 | |
CN104574353B (zh) | 基于视觉显著性的表面缺陷判定方法 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN103679180B (zh) | 一种基于单摄像头单光源的视线追踪方法 | |
CN109489591B (zh) | 基于机器视觉的平面划痕长度非接触测量方法 | |
CN108896574B (zh) | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 | |
CN108921819B (zh) | 一种基于机器视觉的验布装置及方法 | |
CN102221559A (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
CN107341790B (zh) | 一种环境洁净度检测的图像处理方法 | |
CN110174065B (zh) | 基于正交双目机器视觉的水果大小无损检测方法 | |
CN109727233A (zh) | 一种lcd缺陷检测方法 | |
CN113658131A (zh) | 一种基于机器视觉巡游式环锭纺断纱检测方法 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN113706461A (zh) | 一种基于图像识别的绝缘毯微缺陷识别系统 | |
CN108133488A (zh) | 一种红外图像前景检测方法及设备 | |
CN112129783A (zh) | 基于深度学习的透明药瓶底部缺陷检测装置与检测方法 | |
CN209606340U (zh) | 透明药瓶底部积料缺陷检测系统 | |
CN112881424A (zh) | Ai+荧光渗透小型管件表面缺陷检测及质量分级方法与系统 | |
CN110097540A (zh) | 多边形工件的视觉检测方法及装置 | |
CN109115775A (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
CN111330874A (zh) | 药瓶底部区域污染或杂物缺陷检测装置及其检测方法 | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |