CN109916913A - 一种基于机器视觉的智能制造产品识别与检测方法 - Google Patents
一种基于机器视觉的智能制造产品识别与检测方法 Download PDFInfo
- Publication number
- CN109916913A CN109916913A CN201910272868.XA CN201910272868A CN109916913A CN 109916913 A CN109916913 A CN 109916913A CN 201910272868 A CN201910272868 A CN 201910272868A CN 109916913 A CN109916913 A CN 109916913A
- Authority
- CN
- China
- Prior art keywords
- image
- machine vision
- detection method
- method based
- intelligence manufacture
- 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)
Abstract
本发明公开了一种基于机器视觉的智能制造产品识别与检测方法,包含以下步骤:A、首先使用机器视觉图像采集装置采集合格产品的图像信息,生成标准图像数据;B、使用机器视觉图像采集装置采集待检测产品的画面信息;C、对步骤B采集的数据进行初步识别,判断图像有效性;D、将步骤A和步骤B得到的图像信息做对比;本发明基于机器视觉的智能制造产品识别与检测方法采用3CCD高清面阵彩色相机作为机器视觉图像采集装置,能够精确的采集产品图像信息,同时利用特征比对技术将待检测产品与标准产品对比,能够快速的判断产品质量,同时还增加了人工判断阶段,减少机器检测存在的遗漏。
Description
技术领域
本发明涉及一种神经网络技术领域,具体是一种基于机器视觉的智能制造产品识别与检测方法。
背景技术
近年来,随着技术的发展,产品的自动化生产是现代生产发展的主要趋势之一,自动化生产对加速社会生产力发展,改进企业生产技术,减轻工人劳动力具有重要意义。
在高端消费和产能快速增长的需求下,企业想提高竞争力,产品的检测变得越来越重要。产品表面瑕疵可分为很多种,例如:褶皱、划痕、污点等。所以,机器视觉的瑕疵检测也是必不可少的。
传统的人工视觉检测不仅效率低下,准确率大打折扣,检测工作还单调乏味。而且,工业生产量大,工作时间长,工人们容易视觉疲劳,使得检测容易出现误检、漏检等情况。而且,人工检测的判别标准不是量化过的,产品的质量不能得到保证。所以,基于机器视觉的瑕疵检测系统应运而生。
现有的基于机器视觉的检测和识别系统虽然能够大概的检测出异常产品,但是检测精度不高,检测效率较低,因此有待于改进。
发明内容
本发明的目的在于提供一种基于机器视觉的智能制造产品识别与检测方法,以解决所述背景技术中提出的问题。
为实现所述目的,本发明提供如下技术方案:
一种基于机器视觉的智能制造产品识别与检测方法,包含以下步骤:
A、首先使用机器视觉图像采集装置采集合格产品的图像信息,生成标准图像数据;
B、使用机器视觉图像采集装置采集待检测产品的画面信息;
C、对步骤B采集的数据进行初步识别,判断图像有效性;
D、将步骤A和步骤B得到的图像信息做对比;
E、结果判断,如果对比结果一致,则判断产品合格,如果不一致,则将该待检测产品剔除,同时转入后台进行人工质检。
作为本发明的进一步技术方案:所述机器视觉图像采集装置为3CCD高清面阵彩色相机。
作为本发明的进一步技术方案:所述步骤C具体是:将采集到的一定时间内的图像进行坐标定位识别,如果比对结果一致,则判断该图像的采集角度和位置没有问题,属于有效图像,如果比对结果不一致,则判断该图像为无效图像。
作为本发明的进一步技术方案:所述步骤A中的标准图像数据是由多张无瑕疵产品的高清彩色图像采用统计平均法合成。
作为本发明的进一步技术方案:所述步骤D具体是:将待检测产品的图像数据和标准图像数据中的特征点数据,并且以其为基准,完成待测图像和标准图像的配准,进行数据对比。
作为本发明的进一步技术方案:所述步骤E中数据比对的标准是:特征点比对一致率≥99.5%时判定为一致图片,特征点比对一致率≤99.5%时判定为不一致图片。
作为本发明的进一步技术方案:所述步骤E中的人工质检首先进行图片信息的排查,确定图片采集是否存在问题,当确定图片采集没有问题时再进行实物检测。
与现有技术相比,本发明的有益效果是:本发明基于机器视觉的智能制造产品识别与检测方法采用3CCD高清面阵彩色相机作为机器视觉图像采集装置,能够精确的采集产品图像信息,同时利用特征比对技术将待检测产品与标准产品对比,能够快速的判断产品质量,同时还增加了人工判断阶段,减少机器检测存在的遗漏。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:一种基于机器视觉的智能制造产品识别与检测方法,包含以下步骤:
A、首先使用机器视觉图像采集装置采集合格产品的图像信息,生成标准图像数据;其中,机器视觉图像采集装置为3CCD高清面阵彩色相机,标准图像数据是由多张无瑕疵产品的高清彩色图像采用统计平均法合成;
B、使用机器视觉图像采集装置采集待检测产品的画面信息;
C、对步骤B采集的数据进行初步识别,判断图像有效性;将采集到的一定时间内的图像进行坐标定位识别,如果比对结果一致,则判断该图像的采集角度和位置没有问题,属于有效图像,如果比对结果不一致,则判断该图像为无效图像。
D、将步骤A和步骤B得到的图像信息做对比;将待检测产品的图像数据和标准图像数据中的特征点数据,并且以其为基准,完成待测图像和标准图像的配准,进行数据对比;
E、结果判断,如果对比结果一致,则判断产品合格,如果不一致,则将该待检测产品剔除,同时转入后台进行人工质检。
步骤E中数据比对的标准是:特征点比对一致率≥99.5%时判定为一致图片,特征点比对一致率≤99.5%时判定为不一致图片。
步骤E中的人工质检首先进行图片信息的排查,确定图片采集是否存在问题,当确定图片采集没有问题时再进行实物检测。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种基于机器视觉的智能制造产品识别与检测方法,其特征在于,包含以下步骤:
首先使用机器视觉图像采集装置采集合格产品的图像信息,生成标准图像数据;
使用机器视觉图像采集装置采集待检测产品的画面信息;
对步骤B采集的数据进行初步识别,判断图像有效性;
将步骤A和步骤B得到的图像信息做对比;
结果判断,如果对比结果一致,则判断产品合格,如果不一致,则将该待检测产品剔除,同时转入后台进行人工质检。
2.根据权利要求1所述的一种基于机器视觉的智能制造产品识别与检测方法,其特征在于,所述机器视觉图像采集装置为3CCD高清面阵彩色相机。
3.根据权利要求2所述的一种基于机器视觉的智能制造产品识别与检测方法,其特征在于,所述步骤C具体是:将采集到的一定时间内的图像进行坐标定位识别,如果比对结果一致,则判断该图像的采集角度和位置没有问题,属于有效图像,如果比对结果不一致,则判断该图像为无效图像。
4.根据权利要求3所述的一种基于机器视觉的智能制造产品识别与检测方法,其特征在于,所述步骤A中的标准图像数据是由多张无瑕疵产品的高清彩色图像采用统计平均法合成。
5.根据权利要求4所述的一种基于机器视觉的智能制造产品识别与检测方法,其特征在于,所述步骤D具体是:将待检测产品的图像数据和标准图像数据中的特征点数据,并且以其为基准,完成待测图像和标准图像的配准,进行数据对比。
6.根据权利要求4所述的一种基于机器视觉的智能制造产品识别与检测方法,其特征在于,所述步骤E中数据比对的标准是:特征点比对一致率≥99.5%时判定为一致图片,特征点比对一致率≤99.5%时判定为不一致图片。
7.根据权利要求4所述的一种基于机器视觉的智能制造产品识别与检测方法,其特征在于,所述步骤E中的人工质检首先进行图片信息的排查,确定图片采集是否存在问题,当确定图片采集没有问题时再进行实物检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272868.XA CN109916913A (zh) | 2019-04-04 | 2019-04-04 | 一种基于机器视觉的智能制造产品识别与检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910272868.XA CN109916913A (zh) | 2019-04-04 | 2019-04-04 | 一种基于机器视觉的智能制造产品识别与检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109916913A true CN109916913A (zh) | 2019-06-21 |
Family
ID=66968736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910272868.XA Pending CN109916913A (zh) | 2019-04-04 | 2019-04-04 | 一种基于机器视觉的智能制造产品识别与检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109916913A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929083A (zh) * | 2019-12-11 | 2020-03-27 | 苏州榛子物联技术有限公司 | 一种基于人工智能的视觉鞋类识别方法 |
CN111667094A (zh) * | 2020-04-22 | 2020-09-15 | 深圳市吉迩科技有限公司 | 一种自动化检测方法、系统和装置 |
CN111951236A (zh) * | 2020-07-31 | 2020-11-17 | 深圳市研锐智能科技有限公司 | 一种智能的机器视觉识别系统 |
CN112071622A (zh) * | 2020-09-12 | 2020-12-11 | 哈尔滨理工大学 | 一种变压器铁芯硅钢片的叠片装置及方法 |
CN112198161A (zh) * | 2020-10-10 | 2021-01-08 | 安徽和佳医疗用品科技有限公司 | 基于机器视觉的pvc手套实时检测系统 |
CN112827857A (zh) * | 2020-12-30 | 2021-05-25 | 凌云光技术股份有限公司 | 一种基于aoi检测的人工重新判定装置、方法和系统 |
CN113160112A (zh) * | 2020-12-30 | 2021-07-23 | 苏州特文思达科技有限公司 | 一种基于机器学习的钢格板产品智能识别检测方法 |
CN114331967A (zh) * | 2021-12-02 | 2022-04-12 | 稀科视科技(珠海)有限公司 | 一种视觉采集图像品检方法及系统 |
CN114707904A (zh) * | 2022-05-05 | 2022-07-05 | 江苏文友软件有限公司 | 一种基于大数据的质量检测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158650A (zh) * | 2007-11-09 | 2008-04-09 | 无锡东望科技有限公司 | 机器视觉系统对印花布瑕疵的在线检测方法 |
CN103048331A (zh) * | 2012-12-20 | 2013-04-17 | 石家庄印钞有限公司 | 基于柔性模板配准的印刷缺陷检测方法 |
CN107490583A (zh) * | 2017-09-12 | 2017-12-19 | 桂林电子科技大学 | 一种基于机器视觉的夹片缺陷检测方法 |
CN107976447A (zh) * | 2017-11-14 | 2018-05-01 | 上海斐讯数据通信技术有限公司 | 一种基于机器视觉的配件检测方法及系统 |
CN108776140A (zh) * | 2018-06-08 | 2018-11-09 | 福建新大陆电脑股份有限公司 | 一种基于机器视觉的印刷品瑕疵检测方法及系统 |
CN109350884A (zh) * | 2018-12-14 | 2019-02-19 | 哈尔滨理工大学 | 一种基于机器视觉的风力灭火机性能自动检测系统 |
-
2019
- 2019-04-04 CN CN201910272868.XA patent/CN109916913A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158650A (zh) * | 2007-11-09 | 2008-04-09 | 无锡东望科技有限公司 | 机器视觉系统对印花布瑕疵的在线检测方法 |
CN103048331A (zh) * | 2012-12-20 | 2013-04-17 | 石家庄印钞有限公司 | 基于柔性模板配准的印刷缺陷检测方法 |
CN107490583A (zh) * | 2017-09-12 | 2017-12-19 | 桂林电子科技大学 | 一种基于机器视觉的夹片缺陷检测方法 |
CN107976447A (zh) * | 2017-11-14 | 2018-05-01 | 上海斐讯数据通信技术有限公司 | 一种基于机器视觉的配件检测方法及系统 |
CN108776140A (zh) * | 2018-06-08 | 2018-11-09 | 福建新大陆电脑股份有限公司 | 一种基于机器视觉的印刷品瑕疵检测方法及系统 |
CN109350884A (zh) * | 2018-12-14 | 2019-02-19 | 哈尔滨理工大学 | 一种基于机器视觉的风力灭火机性能自动检测系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929083A (zh) * | 2019-12-11 | 2020-03-27 | 苏州榛子物联技术有限公司 | 一种基于人工智能的视觉鞋类识别方法 |
CN111667094A (zh) * | 2020-04-22 | 2020-09-15 | 深圳市吉迩科技有限公司 | 一种自动化检测方法、系统和装置 |
CN111951236A (zh) * | 2020-07-31 | 2020-11-17 | 深圳市研锐智能科技有限公司 | 一种智能的机器视觉识别系统 |
CN112071622A (zh) * | 2020-09-12 | 2020-12-11 | 哈尔滨理工大学 | 一种变压器铁芯硅钢片的叠片装置及方法 |
CN112198161A (zh) * | 2020-10-10 | 2021-01-08 | 安徽和佳医疗用品科技有限公司 | 基于机器视觉的pvc手套实时检测系统 |
CN112827857A (zh) * | 2020-12-30 | 2021-05-25 | 凌云光技术股份有限公司 | 一种基于aoi检测的人工重新判定装置、方法和系统 |
CN113160112A (zh) * | 2020-12-30 | 2021-07-23 | 苏州特文思达科技有限公司 | 一种基于机器学习的钢格板产品智能识别检测方法 |
CN113160112B (zh) * | 2020-12-30 | 2024-02-02 | 苏州特文思达科技有限公司 | 基于机器学习的钢格板产品智能识别检测方法 |
CN114331967A (zh) * | 2021-12-02 | 2022-04-12 | 稀科视科技(珠海)有限公司 | 一种视觉采集图像品检方法及系统 |
CN114707904A (zh) * | 2022-05-05 | 2022-07-05 | 江苏文友软件有限公司 | 一种基于大数据的质量检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109916913A (zh) | 一种基于机器视觉的智能制造产品识别与检测方法 | |
CN114549522B (zh) | 基于目标检测的纺织品质量检测方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN108562589A (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
CN103529051B (zh) | 一种机织纺织品瑕疵自动在线检测方法 | |
CN108447050A (zh) | 一种基于超像素的工件表面缺陷分割方法 | |
CN106383121B (zh) | 一种可自适应多品牌的视觉检测方法及系统 | |
CN107084992A (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
CN106056597A (zh) | 物体视觉检测方法及装置 | |
CN110781913B (zh) | 一种拉链布带缺陷检测方法 | |
CN110349125A (zh) | 一种基于机器视觉的led芯片外观缺陷检测方法及系统 | |
CN117576100B (zh) | 一种fpc连接器表面缺陷分级检测评价方法 | |
CN115266732B (zh) | 基于机器视觉的碳纤维丝束缺陷检测方法 | |
CN111950654B (zh) | 基于svm分类的魔方色块颜色还原方法 | |
CN110570422A (zh) | 一种基于矩阵分析的胶囊缺陷视觉检测方法 | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
CN116523921A (zh) | 一种针对极耳翻折情况的检测方法、装置和系统 | |
CN106203476A (zh) | 一种基于最近邻分类与模糊算法的猪头尾轮廓识别方法 | |
CN118014933A (zh) | 一种基于图像检测的缺陷检测识别方法和装置 | |
CN108288274A (zh) | 模具检测方法、装置以及电子设备 | |
CN203337559U (zh) | 印品质量数字化全自动检测系统 | |
CN110095475A (zh) | 一种印铁视觉检测系统及印铁图案检测方法 | |
CN111707672A (zh) | 风电回转支撑件表面缺陷检测方法 | |
CN115937555A (zh) | 一种基于标准化流模型的工业缺陷检测算法 | |
CN109598724A (zh) | 布料标签检测识别方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190621 |
|
WD01 | Invention patent application deemed withdrawn after publication |