CN109712114A - 一种应用于拉链缺陷检测的系统及其检测方法 - Google Patents

Abstract

本发明公开了一种应用于拉链缺陷检测的系统，包括通过有线或者无线的方式依次连接的图像采集模块、视觉工具模块、通信模块和外部控制模块，所述缺陷检测系统与拉链生产线连接，所述视觉工具模块包括模板匹配单元、形状匹配单元、颜色检测单元、缺陷检测单元和结果处理单元，所述视觉工具模块将检测结果通过通信模块传送给外部控制模块，所述外部控制模块根据接收的检测结果控制拉链生产线剔除缺陷产品或指示停止拉链生产线运行。

Description

一种应用于拉链缺陷检测的系统及其检测方法

技术领域：

本发明属于工业产品缺陷检测领域，特别涉及一种应用于拉链缺陷检测的系统及其检测方法。

背景技术：

在拉链的生产过程中，由于生产工艺的影响，拉链通常会出现比如裂痕、缺齿等缺陷的问题，人工对缺陷的检测往往效率低下，检测不精准，缺陷检测的结果不能长期保存，并且成本较高，急需一种自动化的缺陷检测系统。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容：

本发明的目的在于提供一种应用于拉链缺陷检测的系统及其检测方法，从而克服上述现有技术中的缺陷。

为实现上述目的，本发明采用的技术方案如下：

一种应用于拉链缺陷检测的系统，包括通过有线或者无线的方式依次连接的图像采集模块、视觉工具模块、通信模块和外部控制模块，所述缺陷检测系统与拉链生产线连接，所述视觉工具模块包括模板匹配单元、形状匹配单元、颜色检测单元、缺陷检测单元和结果处理单元，所述视觉工具模块将检测结果通过通信模块传送给外部控制模块，所述外部控制模块根据接收的检测结果控制拉链生产线剔除缺陷产品或指示停止拉链生产线运行。

所述图像采集模块采用工业相机，所述工业相机将被测目标转换为图像信号，传输到视觉工具模块。

一种应用于拉链缺陷检测的系统的检测方法，包括以下步骤：

S1：图像采集模块获取工业产品的图像并将该图像传送到视觉工具模块；

S2：视觉工具模块接收到S1步骤的图像后，模板匹配单元根据公式：

其中R(i，j)指匹配程度；搜索图像为S，尺寸为M*M；模板图像为T，尺寸为N*N；s，t指像素值；i，j指搜索图像S的坐标；E(T)指模板图像的平均灰度值；E(S^i，j)指搜索图像的平均灰度值，

对图像进行模板匹配，此时挑出整体相似度低的产品，判定为NG品；

S3：形状匹配单元将S2经模板匹配的图像基于形状上下文的原理对图像进行形状匹配，将形状不一致的产品判定为NG品；

S4：颜色检测单元基于色差法，根据公式：

第一步根据以下公式计算L^*、a^*、b^*、C^* _ab

第二步根据以下公式计算L^/、a^/、C^/、h^/

L′＝L^*

a′＝(1+G)×a^*

b′＝b^*

h_ab′＝arcsin(b′/a′)

第三步根据以下公式计算ΔL^/、ΔC_ab ^/、ΔH_ab ^/

ΔL′＝L′₁-L′₂

ΔC′_ab＝C′_ab，1-C′_ab，2

第四步根据以下公式计算S_L、S_C、S_H和T

R_T＝-sin(2Δθ)R_c

将第一步到第四步计算的数值代入到公式中计算出色差ΔE₀₀，并对S3经形状匹配后的图像进行颜色检测，确保拉链产品的颜色在指标范围内；

S5：缺陷检测单元通过机器学习技术(卷积神经网络深度学习技术)对缺陷(如少料、漏料、破损、压牙)样品进行缺陷学习，并连续将生产过程中遇到的新的缺陷样本加入到训练集中进行训练，形成不断更新的缺陷模型，根据最新的缺陷模型，对经S1-S4步骤处理后的产品图像进行自动缺陷检测，获取图像上具体缺陷位置以及缺陷的种类并将该结果发送到结果处理单元；

S6：结果处理单元将对S5图像的不同种类的缺陷进行大小、面积、形态的精确计算和综合处理，并将该计算数据进行记录；

S7：通信模块将接收到的步骤S6的缺陷数据反馈到外部控制模块，外部控制模块根据获得的缺陷数据剔除缺陷产品或指示停止拉链生产线运行。采用本发明的技术方案的有益效果是：

本发明的缺陷检测系统的图像采集模块获取工业产品的图像后，经过模板匹配单元、形状匹配单元、颜色检测单元对图像进行处理后再对工业产品的图像进行缺陷检验，使得检验的结果更精确；外部控制模块与生产线连接，能够自动控制生产线对缺陷产品的剔除或者停止生产线运行，使用便捷，数据储存长久。

附图说明：

图1为本发明一种应用于工业产品的缺陷检测系统的结构示意图；

图2为本发明一种应用于工业产品的缺陷检测系统的检测方法流程图；

具体实施方式：

下面对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。

如图1-2所示，一种应用于拉链缺陷检测的系统，包括通过有线或者无线的方式依次连接的图像采集模块、视觉工具模块、通信模块和外部控制模块，所述缺陷检测系统与拉链生产线连接，所述视觉工具模块包括模板匹配单元、形状匹配单元、颜色检测单元、缺陷检测单元和结果处理单元，所述视觉工具模块将检测结果通过通信模块传送给外部控制模块，所述外部控制模块根据接收的检测结果控制拉链生产线剔除缺陷产品或指示停止拉链生产线运行。

所述图像采集模块采用工业相机，所述工业相机将被测目标转换为图像信号，传输到视觉工具模块。

一种应用于拉链缺陷检测的系统的检测方法，包括以下步骤：

S1：图像采集模块获取工业产品的图像并将该图像传送到视觉工具模块；

S2：视觉工具模块接收到S1步骤的图像后，模板匹配单元根据公式：

其中R(i，j)指匹配程度；搜索图像为S，尺寸为M*M；模板图像为T，尺寸为N*N；s，t指像素值；i，j指搜索图像S的坐标；E(T)指模板图像的平均灰度值；E(S^i，j)指搜索图像的平均灰度值，

对图像进行模板匹配，此时挑出整体相似度低的产品，判定为NG品；

S3：形状匹配单元将S2经模板匹配的图像基于形状上下文的原理对图像进行形状匹配，将形状不一致的产品判定为NG品；

S4：颜色检测单元基于色差法，根据公式：

第一步根据以下公式计算L^*、a^*、b^*、C^* _ab

第二步根据以下公式计算L^/、a^/、C^/、h^/

L′＝L^*

a′＝(1+G)×a^*

b′＝b^*

h_ab′＝arcsin(b′/a′)

第三步根据以下公式计算ΔL^/、ΔC_ab ^/、ΔH_ab ^/

ΔL′＝L′₁-L′₂

ΔC′_ab＝C′_ab，1-C′_ab，2

第四步根据以下公式计算S_L、S_C、S_H和T

R_T＝-sin(2Δθ)R_C

将第一步到第四步计算的数值代入到公式中计算出色差ΔE₀₀，并对S3经形状匹配后的图像进行颜色检测，确保拉链产品的颜色在指标范围内；

S5：缺陷检测单元通过机器学习技术(卷积神经网络深度学习技术)对缺陷(如少料、漏料、破损、压牙)样品进行缺陷学习，并连续将生产过程中遇到的新的缺陷样本加入到训练集中进行训练，形成不断更新的缺陷模型，根据最新的缺陷模型，对经S1-S4步骤处理后的产品图像进行自动缺陷检测，获取图像上具体缺陷位置以及缺陷的种类并将该结果发送到结果处理单元；

S6：结果处理单元将对S5图像的不同种类的缺陷进行大小、面积、形态的精确计算和综合处理，并将该计算数据进行记录；

S7：通信模块将接收到的步骤S6的缺陷数据反馈到外部控制模块，外部控制模块根据获得的缺陷数据剔除缺陷产品或指示停止拉链生产线运行。

具体的，外部控制模块将缺陷数据与预先设定的缺陷数据进行比较，当该数据在预先设定的范围内，检测继续进行；当该数据超出预先设定的范围但未达到预先设定的停止生产线数据时，外部控制模块控制生产线剔除该缺陷对应的拉链产品并继续进行检测；当该数据严重超出预先设定的范围并达到预先设定的停止生产数据时，外部控制模块指示停止拉链生产线运行。

其中视觉工具模块和通信模块集成设置在PC电脑中，外部控制模块与PC电脑连接，控制拉链生产线的剔除、运行、停止等动作。

本发明的缺陷检测系统的图像采集模块获取工业产品的图像后，经过模板匹配单元、形状匹配单元、颜色检测单元对图像进行处理后再对工业产品的图像进行缺陷检验，使得检验的结果更精确；外部控制器与生产线连接，能够自动控制生产线对缺陷产品的剔除或者停止生产线运行，使用便捷，数据储存长久。

本发明的检测系统除了可以应用于拉链的检测，还可以应用于其他各类工业产品的检测，比如说手套、包装盒、手机外壳、电器外壳等。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (3)

1.一种应用于拉链缺陷检测的系统，包括通过有线或者无线的方式依次连接的图像采集模块、视觉工具模块、通信模块和外部控制模块，所述缺陷检测系统与拉链生产线连接，其特征在于：所述视觉工具模块包括模板匹配单元、形状匹配单元、颜色检测单元、缺陷检测单元和结果处理单元，所述视觉工具模块将检测结果通过通信模块传送给外部控制模块，所述外部控制模块根据接收的检测结果控制拉链生产线剔除缺陷产品或指示停止拉链生产线运行。

2.根据权利要求1所述的一种应用于拉链缺陷检测的系统，其特征在于：所述图像采集模块采用工业相机，所述工业相机将被测目标转换为图像信号，传输到视觉工具模块。

3.一种应用于拉链缺陷检测的系统的检测方法，其特征在于：包括以下步骤：

S1：图像采集模块获取工业产品的图像并将该图像传送到视觉工具模块；

S2：视觉工具模块接收到S1步骤的图像后，模板匹配单元根据公式：

其中R(i，j)指匹配程度；搜索图像为S，尺寸为M*M；模板图像为T，尺寸为N*N；s，t指像素值；i，j指搜索图像S的坐标；E(T)指模板图像的平均灰度值；E(S^i，j)指搜索图像的平均灰度值，

对图像进行模板匹配，此时挑出整体相似度低的产品，判定为NG品；

S3：形状匹配单元将S2经模板匹配的图像基于形状上下文的原理对图像进行形状匹配，将形状不一致的产品判定为NG品；

S4：颜色检测单元基于色差法，根据公式：

第一步根据以下公式计算L^*、a^*、b^*、C^* _ab

第二步根据以下公式计算L^/、a^/、C^/、h^/

L′＝L^*

a′＝(1+G)×a^*

b′＝b^*

h_ab′＝arcsin(b′/a′)

第三步根据以下公式计算ΔL^/、ΔC_ab ^/、ΔH_ab ^/

ΔL′＝L′₁-L′₂

ΔC′_ab＝C′_ab，1-C′_ab，2

第四步根据以下公式计算S_L、S_C、S_H和T

R_T＝-sin(2Δθ)R_C

将第一步到第四步计算的数值代入到公式中计算出色差ΔE₀₀，并对S3经形状匹配后的图像进行颜色检测，确保拉链产品的颜色在指标范围内；

S5：缺陷检测单元通过机器学习技术(卷积神经网络深度学习技术)对缺陷(如少料、漏料、破损、压牙)样品进行缺陷学习，并连续将生产过程中遇到的新的缺陷样本加入到训练集中进行训练，形成不断更新的缺陷模型，根据最新的缺陷模型，对经S1-S4步骤处理后的产品图像进行自动缺陷检测，获取图像上具体缺陷位置以及缺陷的种类并将该结果发送到结果处理单元；

S6：结果处理单元将对S5图像的不同种类的缺陷进行大小、面积、形态的精确计算和综合处理，并将该计算数据进行记录；

S7：通信模块将接收到的步骤S6的缺陷数据反馈到外部控制模块，外部控制模块根据获得的缺陷数据剔除缺陷产品或指示停止拉链生产线运行。