CN109712114A - 一种应用于拉链缺陷检测的系统及其检测方法 - Google Patents
一种应用于拉链缺陷检测的系统及其检测方法 Download PDFInfo
- Publication number
- CN109712114A CN109712114A CN201811453779.7A CN201811453779A CN109712114A CN 109712114 A CN109712114 A CN 109712114A CN 201811453779 A CN201811453779 A CN 201811453779A CN 109712114 A CN109712114 A CN 109712114A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- defect
- zipper
- detection
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
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
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(Si,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*
hab′=arcsin(b′/a′)
第三步根据以下公式计算ΔL/、ΔCab /、ΔHab /
ΔL′=L′1-L′2
ΔC′ab=C′ab,1-C′ab,2
第四步根据以下公式计算SL、SC、SH和T
RT=-sin(2Δθ)Rc
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(Si,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*
hab′=arcsin(b′/a′)
第三步根据以下公式计算ΔL/、ΔCab /、ΔHab /
ΔL′=L′1-L′2
ΔC′ab=C′ab,1-C′ab,2
第四步根据以下公式计算SL、SC、SH和T
RT=-sin(2Δθ)RC
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(Si,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*
hab′=arcsin(b′/a′)
第三步根据以下公式计算ΔL/、ΔCab /、ΔHab /
ΔL′=L′1-L′2
ΔC′ab=C′ab,1-C′ab,2
第四步根据以下公式计算SL、SC、SH和T
RT=-sin(2Δθ)RC
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453779.7A CN109712114A (zh) | 2018-11-30 | 2018-11-30 | 一种应用于拉链缺陷检测的系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453779.7A CN109712114A (zh) | 2018-11-30 | 2018-11-30 | 一种应用于拉链缺陷检测的系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109712114A true CN109712114A (zh) | 2019-05-03 |
Family
ID=66253965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811453779.7A Pending CN109712114A (zh) | 2018-11-30 | 2018-11-30 | 一种应用于拉链缺陷检测的系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109712114A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111929239A (zh) * | 2020-07-20 | 2020-11-13 | 浙江四点灵机器人股份有限公司 | 一种pcb板零件缺陷的aoi检测装置及检测方法 |
CN113295398A (zh) * | 2021-07-28 | 2021-08-24 | 南通市前景拉链有限公司 | 一种可连续离心式的废弃拉链检测装置 |
CN113820326A (zh) * | 2021-11-19 | 2021-12-21 | 佛山市煜丰机械有限公司 | 一种长码拉链的缺陷检测系统 |
CN114441545A (zh) * | 2022-03-14 | 2022-05-06 | 无锡职业技术学院 | 一种高度自适应绕组视觉检测平台及方法 |
CN114612385A (zh) * | 2022-01-31 | 2022-06-10 | 南通市通州区锦都拉链有限公司 | 一种基于模板匹配的拉链布边缺陷识别方法 |
CN115222709A (zh) * | 2022-07-26 | 2022-10-21 | 南通市通州区锦都拉链有限公司 | 一种基于人工智能的拉链布带缺陷检测方法 |
TWI801008B (zh) * | 2021-11-25 | 2023-05-01 | 煜豐機械工業有限公司 | 長碼拉鏈的缺陷或瑕疵檢測系統 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050147290A1 (en) * | 2003-12-30 | 2005-07-07 | Ong Hock S. | Quality inspection system for fasteners |
CN102495069A (zh) * | 2011-12-07 | 2012-06-13 | 广东辉丰科技股份有限公司 | 一种基于数字图像处理的拉链链带缺陷检测方法 |
CN105467879A (zh) * | 2015-12-10 | 2016-04-06 | 凌云光技术集团有限责任公司 | 一种控制复卷机剔废停机的装置、方法及系统 |
CN105538345A (zh) * | 2016-01-27 | 2016-05-04 | 华南理工大学 | 一种基于多镜头的智能机械手及定位装配方法 |
CN106461566A (zh) * | 2014-06-24 | 2017-02-22 | Ykk株式会社 | 拉链链牙的检查条件设定方法和拉链链牙检查方法 |
CN106706656A (zh) * | 2017-03-14 | 2017-05-24 | 杭州汇萃智能科技有限公司 | 一种基于机器视觉的拉链检测装置及方法 |
CN108257114A (zh) * | 2017-12-29 | 2018-07-06 | 天津市万贸科技有限公司 | 一种基于深度学习的输电设备缺陷自动识别方法 |
-
2018
- 2018-11-30 CN CN201811453779.7A patent/CN109712114A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050147290A1 (en) * | 2003-12-30 | 2005-07-07 | Ong Hock S. | Quality inspection system for fasteners |
CN102495069A (zh) * | 2011-12-07 | 2012-06-13 | 广东辉丰科技股份有限公司 | 一种基于数字图像处理的拉链链带缺陷检测方法 |
CN106461566A (zh) * | 2014-06-24 | 2017-02-22 | Ykk株式会社 | 拉链链牙的检查条件设定方法和拉链链牙检查方法 |
CN105467879A (zh) * | 2015-12-10 | 2016-04-06 | 凌云光技术集团有限责任公司 | 一种控制复卷机剔废停机的装置、方法及系统 |
CN105538345A (zh) * | 2016-01-27 | 2016-05-04 | 华南理工大学 | 一种基于多镜头的智能机械手及定位装配方法 |
CN106706656A (zh) * | 2017-03-14 | 2017-05-24 | 杭州汇萃智能科技有限公司 | 一种基于机器视觉的拉链检测装置及方法 |
CN108257114A (zh) * | 2017-12-29 | 2018-07-06 | 天津市万贸科技有限公司 | 一种基于深度学习的输电设备缺陷自动识别方法 |
Non-Patent Citations (1)
Title |
---|
周世生: "《印刷色彩学》", 31 March 2005 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111929239A (zh) * | 2020-07-20 | 2020-11-13 | 浙江四点灵机器人股份有限公司 | 一种pcb板零件缺陷的aoi检测装置及检测方法 |
CN113295398A (zh) * | 2021-07-28 | 2021-08-24 | 南通市前景拉链有限公司 | 一种可连续离心式的废弃拉链检测装置 |
CN113295398B (zh) * | 2021-07-28 | 2021-10-29 | 南通市前景拉链有限公司 | 一种可连续离心式的废弃拉链检测装置 |
CN113820326A (zh) * | 2021-11-19 | 2021-12-21 | 佛山市煜丰机械有限公司 | 一种长码拉链的缺陷检测系统 |
TWI801008B (zh) * | 2021-11-25 | 2023-05-01 | 煜豐機械工業有限公司 | 長碼拉鏈的缺陷或瑕疵檢測系統 |
CN114612385A (zh) * | 2022-01-31 | 2022-06-10 | 南通市通州区锦都拉链有限公司 | 一种基于模板匹配的拉链布边缺陷识别方法 |
CN114441545A (zh) * | 2022-03-14 | 2022-05-06 | 无锡职业技术学院 | 一种高度自适应绕组视觉检测平台及方法 |
CN115222709A (zh) * | 2022-07-26 | 2022-10-21 | 南通市通州区锦都拉链有限公司 | 一种基于人工智能的拉链布带缺陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109712114A (zh) | 一种应用于拉链缺陷检测的系统及其检测方法 | |
US11213860B2 (en) | Automatic magnetic core sorting system based on machine vision | |
CN100520377C (zh) | 多视觉空瓶检测机器人 | |
CN106323989B (zh) | 一种瓷砖的色差在线检测系统及方法 | |
CN103776841B (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN105548216B (zh) | 一种半成品电池外观视觉检测方法 | |
CN108161931A (zh) | 基于视觉的工件自动识别及智能抓取系统 | |
CN106290382A (zh) | 泡罩药片包装缺陷视觉检测装置及方法 | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
CN102673979B (zh) | 输送带跑偏判断方法及判断装置 | |
CN104690007A (zh) | 一种人机结合的磁芯在线检测系统和检测方法 | |
CN102539443A (zh) | 基于机器视觉的瓶身缺陷自动检测装置及方法 | |
CN102221556A (zh) | 基于机器视觉的小型连接件外观缺陷在线检测装置与方法 | |
CN103837097B (zh) | 一种基于图像处理的工件角度自动测量装置及测量方法 | |
CN102519981A (zh) | Pvc建材表面质量在线检测系统 | |
CN107271447A (zh) | 一种基于机器视觉的plc外观及指示灯状态检测装置 | |
CN208092793U (zh) | 瓷层缺陷的检测平台 | |
CN208155258U (zh) | 一种手机外壳在线尺寸测量与表面缺陷检测系统 | |
CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN204924181U (zh) | 一种发动机主轴瓦装配质量检测设备 | |
CN108144865A (zh) | 汽车油管粗检系统及其检测方法 | |
CN202471610U (zh) | 基于机器视觉的瓶身缺陷自动检测装置 | |
CN107271446B (zh) | 一种发动机正时齿轮室胶线的视觉检测方法 | |
CN114252452A (zh) | 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 | |
CN208075769U (zh) | 一种基于机器视觉的轴承柔性检测系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190503 |
|
WD01 | Invention patent application deemed withdrawn after publication |