CN110530889A - 一种适用于工业生产线的光学检测方法 - Google Patents

一种适用于工业生产线的光学检测方法 Download PDF

Info

Publication number
CN110530889A
CN110530889A CN201810967811.7A CN201810967811A CN110530889A CN 110530889 A CN110530889 A CN 110530889A CN 201810967811 A CN201810967811 A CN 201810967811A CN 110530889 A CN110530889 A CN 110530889A
Authority
CN
China
Prior art keywords
camera
image
cameras
industrial production
blur
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
Application number
CN201810967811.7A
Other languages
English (en)
Inventor
张磊
王玉国
王天雄
童磊
孙叠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Neighborhood Information Technology Co Ltd
Original Assignee
Shanghai Neighborhood Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Neighborhood Information Technology Co Ltd filed Critical Shanghai Neighborhood Information Technology Co Ltd
Publication of CN110530889A publication Critical patent/CN110530889A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/89Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901Optical details; Scanning details
    • G01N21/8903Optical details; Scanning details using a multiple detector array
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan 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
    • G01N2021/8887Scan 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

  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Textile Engineering (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Studio Devices (AREA)

Abstract

一种适用于工业生产线的光学检测方法,工业生产线至少能将待检测物在一输运平面上沿一输运直线进行输运,包括如下步骤:设置若干相机使它们中至少两个相对设置并位于输运直线的两侧;在待检测物经过相机时进行拍摄;处理相机所拍摄的图像以识别图像中的清晰成像的部分并将该部分图像用于检测。本发明的有益之处在于:提供一种适用于工业生产线的光学检测方法,该方法无需事先调整待测物体/相机的空间位置,仍能够获得清晰图像,并将该清晰图像用于工业检测。

Description

一种适用于工业生产线的光学检测方法
技术领域
本发明涉及光学检测系统和方法。
背景技术
对工业产品表面瑕疵的检测要求高的精度。采用人工检测工业产品表面瑕疵时,需要依靠检测工人的双眼仔细查看工业产品表面,费时费力。并且检测的精度主要依靠工人的经验、视力、体力等不确定因素,无法适用于高精度要求的工业生产。
同时,在通过照相机、摄像机等图像采集装置采集工业产品的图像时,往往需要根据光学成像关系,调整照相机、摄像机的焦距、光圈等参数或者照相机、摄像机与工业产品之间的方向、距离等相对关系。这样的调整步骤使采集工业产品图像的工作变得异常复杂。
尽管现在的照相机具有自动变焦能功能,但是由于相机本身景深范围的限制,特别是在微距摄影中,相机无法通过自动变焦等调节操作获取具有一定长度的物体表面的完整、清晰的图像。
发明内容
一种适用于工业生产线的光学检测方法,工业生产线至少能将待检测物在一输运平面上沿一输运直线进行输运,包括如下步骤:设置若干相机使它们中至少两个相对设置并位于输运直线的两侧;在待检测物经过相机时进行拍摄;处理相机所拍摄的图像以识别图像中的清晰成像的部分并将该部分图像用于检测。
进一步的,设置的若干相机中至少两个相机的清晰成像面倾斜相交。
进一步的,设置的若干相机中至少两个相机的清晰成像面垂直于输运平面。
进一步的,设置的若干相机中至少两个相机相对输运直线对称设置。
进一步的,设置的若干相机中至少一个相机的清晰成像面与输运直线倾斜相交。
进一步的,设置的若干相机中的至少两个相机相对设置以使工业生产线位于它们之间。
进一步的,设置的若干相机中至少包括三个相机,至少三个相机的主光轴平行于同一个平面。
进一步的,至少三个相机中的至少两个相机设在输运直线的同侧。
进一步的,至少三个相机的清晰成像面在垂直于清晰成像面的投影平面上的投影线段形成封闭的图形。
进一步的,包括四个相机,四个相机呈中心对称设置。
本发明的有益之处在于:提供一种适用于工业生产线的光学检测方法,该方法无需事先调整待测物体/相机的空间位置,仍能够获得清晰图像,并将该清晰图像用于工业检测。
附图说明
图1A-1C是本发明的多种图像采集系统示意图;
图2是扫描相机工作状态示意图;
图3A是一种工业检测系统的系统框图;
图3B是一种工业检测系统的示意图;
图4是一种编码器安装方式示意图;
图5A是一种具有偏置构成的相机的立体示意图;
图5B是一种具有偏置构成的相机的内部示意图;
图6A是包含3个相机的图像采集子系统的示意图;
图6B-6D是包含3个相机的图像采集子系统的各个相机的清晰成像面P的位置关系示意图;
图7A是一种边缘磨砂玻璃瑕疵部分图像的示意图;
图7B是另一种边缘磨砂玻璃瑕疵部分图像的示意图;
图8A是工业检测系统的条状光源的示意图;
图8B-8D是工业检测系统的环状光源的示意图;
图9A是包含位置获知系统的工业检测系统利用融合前的图像判断边缘磨砂玻璃边缘瑕疵
的流程图;
图9B是包含位置获知系统的工业检测系统利用融合后的图像判断边缘磨砂玻璃边缘瑕疵
的流程图。
具体实施方式
清晰成像面P
对于一个图像采集装置,比如相机、摄像机、扫描仪等,通过光学原理可知,如果没有改变图像采集装置中光学、电子元件的型号、位置等物理条件,相机能够清晰成像的距离和范围往往是固定的。
如图1A-1C所示,将能被相机101清楚拍摄的区域,定义为清晰成像面P。一般而言,清晰成像面P的形状取决于相机101的硬件,特别是图像传感器的形状,图1A-1C中仅仅为了示意而将其示例画成矩形,实际上,清晰成像面P可以为任意的形状。清晰成像面P的尺寸及其与相机101间的距离、角度,由透镜和图像传感器之间的相对关系决定。
图像采集系统
图像采集系统至少包括图像采集装置和处理器,这里以相机作为图像采集装置。
相机的清晰成像面P与目标物体表面平行
在进行微距摄像时,往往需要相机近距离地拍摄被拍摄物104。
如图1A所示,102为载物装置,用于放置目标物体104。103为定位块,用于固定目标物体104的位置。如果被拍摄物104需要拍摄的部分恰好是平面,且刚好在清晰成像平面P内,才可以获得被拍摄部分完整、清晰的图像。
但是若如图1B所示,被拍摄物104位置发生变化(或者其本身不存在平面结构),此时被拍摄物104如果被相机101拍摄,则由于近距离拍摄的相机的景深较小,从而被拍摄物104的不在清晰成像面P内的部分则无法获得清晰的成像。
在这种情况下,即使通过调整相机101的焦距或调整相机101与被拍摄物104的相对距离,均无法获得被拍摄物104被拍摄部分完整、清晰的图像。
相机的清晰成像面P与目标物体表面不平行
本发明提供一种图像采集系统包括:相机101、驱动设备107和处理器(图1A和图1B未示出)。
其中,相机101用于拍摄一个被拍摄物的图像。相机101可以采用可变焦相机也可以采用固定焦距的相机。
驱动设备107既可以驱动相机101也可以驱动被拍摄物104,或者同时驱动它们。本实施例中,驱动设备107为一个电机。作为一种具体的方案,驱动设备包括一个用于接触、盛放或传送被拍摄物104的载物装置102,该载物装置102受到驱动设备的驱动而带动被拍摄物104的运动。这样的好处是,不必频繁地调整相机101。
如图1B、1C所示,在相机的清晰成像面P与物体表面不平行的情况下,无论怎样调节焦距/物距,相机的清晰成像面P都不能与目标物体的表面完整地重叠。此时,相机的清晰成像面P与目标物体表面从几何关系上看往往只有一条交线。这种情况下,相机拍摄的照片中仅有部分图像是清晰的,该清晰之处即为相机的清晰成像面P与目标物体表面之间的交线。
以下以采集一个立方体表面的图像为例,该立方体的表面与相机的清晰成像面P不平行,并且认为相机的清晰成像面P与目标物体的表面相交。
通过图像参数梯度的峰值识别图像中的清晰部分
作为一种可选的实施方式,采集并判断立方体图像中清晰部分的步骤如下:
采集立方体表面原始图像。该图像中,相机的清晰成像面P与物体表面的相交之处的图像是清晰的,其他部分的图像是模糊的。该步骤中采集的图像可以是灰度或彩色图像。
对立方体表面原始图像进行去噪处理,得到去噪图像。去噪处理能够降低由于硬件或环境产生的噪声对接下来图像处理工作的影响。
计算去噪图像中相邻像素/像素组之间的参数值梯度的绝对值。这里的参数可以是灰度值、亮度值,也可以是对比度、饱和度等其他参数。
根据前述步骤计算得到的梯度值的绝对值,采用高斯函数,判断梯度的峰值点xmax。在同一张图片中,“模糊”的像素可以看作取了该模糊像素周围的像素的平均值,降低了该像素与周边像素的对比,从而产生模糊的视觉效果。而“清晰”的像素与周围像素之间的对比则更加鲜明,从而更能够反映像素的细节,视觉效果更加清晰。排除噪声的影响,在同一张图片中,梯度绝对值越大,则该处的图像也就越清晰。作为可选的方案,判断梯度值峰值点的方式可以是除高斯函数之外的其他计算方法。峰值点Xmax所在之处,即为该张图片中的清晰部分。
在计算梯度值的过程中,可以将梯度值按照像素/像素组在图片中所处的位置按顺序排列,亦即每一个梯度值的计算结果都对应着图片中的某一具体位置。此时,在得到峰值点Xmax的同时,亦能得到该峰值点在图片中所处的位置,也就是该幅图像中清晰部分的具体位置。
这种峰值判断可以采用处理器中的梯度处理单元实现。
通过图像参数峰值判断清晰部分的方法,在拍摄表面纹理丰富的物体时,能取得更优的效果。
通过计算交点识别图像中的清晰部分
建立坐标系
作为一种可选的实施方式,将表示相机的清晰成像面P的线段与目标物体表面轮廓在同一个坐标系中表示。该坐标系可以是二维坐标系,坐标系平面垂直于相机的清晰成像面P。
固定相机的位置,并且相机的透镜和图像传感器的参数不变。此时,相机的清晰成像面P对应的线段p在坐标系中的位置也就固定。选定x轴、y轴与坐标原点,则线段p上的每一个点都有固定的坐标值。线段p可以通过一定区间内的一次函数得以表示。线段p与目标物体表面轮廓的交点所在的位置,即对应着图像中的清晰部分的位置。
获取目标物体表面轮廓的坐标信息
如图2所示,采用扫描相机201获取物体表面轮廓的坐标信息。扫描相机设置在目标物体的上方,通常为正上方。运动机构使扫描相机与目标物体之间产生相对运动,以使扫描相机能够遍历物体表面各处。本示意图中,扫描相机201通过运动机构安装在导轨202上。扫描相机的拍摄方向垂直于坐标系平面,以获得目标物体在坐标系中的投影轮廓。在两者相对运动过程中,扫描相机201与坐标系所在平面之间的距离保持恒定。扫描相机201可以采用线阵相机或面阵相机。相机与目标物体之间的相对运动方向定义为x方向,垂直于该x方向的为y方向。
线阵相机获取物体表面轮廓坐标信息
线阵相机,是采用线阵图像传感器的相机。相比于面阵相机,线阵相机获得的图像的分辨率较高,但由于其一次拍摄只能得到一幅行图像,为了得到完整的待拍摄物体的图像需要经过后续的处理操作。
采用线阵相机获取物体表面轮廓的坐标信息,具体的工作步骤如下:
线阵相机扫描:线阵相机的运动范围固定,且在固定的间隔距离连续扫描,并输出图像,每幅图像为一行。
阈值处理:将线阵相机获得的图像和无遮挡时的背景图做差,将差值或差值的绝对值与预设的阈值进行比较,当差值在一定范围内,判断线阵相机获得的该行图像不包含目标物体,此时,将该处图像的灰度值调整为某一固定值。当差值超过一定范围,则认为此处的图像为目标物体的图像,此时,将该处图像的灰度值调整为另一固定值并将线阵相机获得的目标物体图像(行图像)的两个端点记录下来。通过这样的操作,能够得到有物体覆盖的区域的图像,并且该图像为二值图像。二值图像更便于处理。并且图像信息只记录行图像的两个端点,用于形成物体轮廓,舍弃了其他无用的信息,降低了系统的存储容量。
x方向坐标获取:运动机构使线阵相机与目标物体产生相对运动,利用编码器等位移获取装置获取任意时刻运动机构的位移信息,也就获得了该时刻目标物体的位移信息。编码器输出该行图像对应的位移信息。由于线阵相机的拍摄方向垂直于坐标系平面,因此该行图像对应的编码器的位置信息即为该行图像的x坐标信息。
y方向坐标获取:线阵相机扫描线的长度固定,将扫描线的一端的y坐标设为0,则该行图像中两个端点的y坐标都通过计算这两个端点与扫描线端点之间的距离求得。
平滑处理:将线阵相机获得的前后多帧图像进行拼接,并对拼接后的轮廓信息进行平滑滤波,得到整个物体边缘的曲线信息。平滑滤波能够消除单帧图像处理带来的误差,使目标物体的轮廓更加精确地反映真实的信息,利于后续的处理。
面阵相机获取物体表面轮廓坐标信息
面阵相机采用面阵图像传感器。其成像区域是一个面,可以通过一次拍摄即获得完整的待拍摄物体的图像。
采用面阵相机获取物体表面轮廓的坐标信息,具体的工作步骤如下:
面阵相机拍摄:目标物体放置在面阵相机的拍摄范围内,以确保面阵相机一次拍摄就能得到目标物体的完整图像。若面阵相机采集的图像非完整图像,此时可以参考线阵相机的工作步骤采集目标物体的完整图像。
阈值处理:阈值处理的步骤类似于线阵相机。
x、y方向坐标获取:面阵相机位置固定,其拍摄的范围亦固定。定义面阵相机拍摄范围的某边界点的坐标为(0,0),则以二值图像表示的轮廓点的x、y坐标信息都能够通过计算该轮廓点与该边界点之间的距离得到。
平滑处理:平滑处理的步骤类似于前述线阵相机。
计算交点以获得图像中的清晰位置
作为一种可选的实施方式,采集并判断立方体图像中清晰部分的步骤如下:
采集该立方体表面的原始图像。采集到的图像可以是灰度图像,也可以是彩色图像。
扫描相机扫描目标物体的图像,获取目标物体边缘轮廓的坐标信息。相机的清晰成像面P在坐标系中投影的线段p的坐标信息预先标定。
计算线段p与目标物体的边缘轮廓之间的交点。该交点处的图像即为原始图像中的清晰部分。此时,处理器获知了清晰成像部分在目标物体中的相对位置信息。
利用激光标记清晰成像面以识别图像中的清晰部分
在相机的清晰成像面与目标物体表面不平行的情况下,若此时相机采集的图像中仍然存在清晰的部分,则相机的清晰成像面P与目标物体的表面从几何关系上看可以近似地认为存在一条交线。
利用激光标记清晰成像面的位置,则任意时刻目标物体表面被激光照亮的地方即为相机的清晰成像面P与目标物体的表面的交线。反映在该相机拍摄的图像中时,图像中被激光照亮的地方即为该图像中清晰部分所在的位置。
如图1B所示,作为一种实施方式,激光发射装置108设置在相机的清晰成像面P的侧方,包括若干个激光发射器,若干个激光发射器发射出的激光光束相互平行,各束激光位于同一平面上,形成激光区域,激光区域覆盖相机的清晰成像面P。作为另一种可选的实施方式,如图1C所示,激光发射装置108设置在清晰成像面P的上方,激光发射器从上往下发射面状激光,由于激光具有一定的宽度,目标物体表面与激光区域重合的部分由于表面本身的漫反射,在物体的表面上仍然会出现激光光斑而不会完全被物体遮挡。面状激光区域覆盖相机的清晰成像面P。本实施例中,激光采用波长为650nm的红色激光。作为其他可选的实施方式,激光的颜色也可以是绿色或其他颜色。
作为一种根据激光光斑判断图像中清晰部分的方式,相机采用多色相机,包括第一通道和第二通道。本实施例中,相机采用彩色相机,包括RGB三个通道,本实施例中,激光采用波长为650nm的红色激光,第一通道为R通道,第二通道为G通道或B通道。值得一提的是,这里定义的第一通道、第二通道都可以包括若干个通道,比如在本实施例中,第二通道可以为GB通道。处理器包括通道选择单元,用于选择多色相机的通道。处理器提取多色相机采集的第一通道图像,判断第一通道图像中的激光光斑区域。然后提取第二通道图像,并将第一通道图像中激光光斑区域与第二通道图像进行匹配。第一通道图像中激光光斑区域即第二通道图像中清晰图像的区域。作为可选的实施方式,在激光的颜色为绿色时,第一通道为G通道。采用多色相机分别判断激光光斑区域与清晰图像位置,能够避免激光的照射对图像信息的干扰,方便利用图像进行瑕疵检测等后续操作。
作为可选的实施方式,利用光栅等光学元件,使激光区域的光强分布均匀。均匀的激光光强分布不会对目标物体表面信息带来过多的干扰。在这种情况下,无需采用多色相机过滤激光。
采用激光标记清晰成像面的方式,同样能够适应不同的拍摄场景,且省去了扫描相机等设备。
图像融合
为了得到物体表面的完整图像,采用处理器将物体表面的不同位置对应的清晰图像融合,形成完整的物体表面的清晰图像。进行图像融合前,处理器根据上述系统和方法,已经获取了各个清晰成像的部分相对于同一图像中其他清晰成像的部分的相对位置关系。
作为一种实施方式,相机安装在驱动设备上,能够随着驱动设备改变拍摄位置。作为一种实施方式,驱动设备包括安装座、步进电机、传动机构、轮子、导轨。相机与安装座固定连接。步进电机可以设置在安装座内部,也可以安装在安装座的外部。传动机构的一端与轮子相连,另一端与步进电机相连。步进电机驱动传动机构从而带动轮子转动。轮子可以沿导轨运动,且其运动轨迹由导轨确定。在一次拍摄过程中,驱动设备按照导轨的运动轨迹,沿着一定的方向运动,在步进电机的驱动下,相机每次改变相同的距离。相机按照驱动设备行走顺序,在不同位置拍摄物体表面的图片。处理器接收到这些图片,通过判断梯度峰值或者计算交点的方式得到这些图片中的清晰部分,并按照顺序将这些图片中清晰的部分拼接。(附图中的D即表示物体与相机的相对运动方向)
作为可选的实施方式,驱动设备的电机可以采用伺服电机。
作为另一种实施方式,驱动设备可以驱动目标物体或相机绕一旋转轴线而转动,旋转轴线平行于相机的清晰成像面P。采用这样的方式,亦能够获取目标物体表面不同部分的图像。
作为另外一种可选的实施方式,相机的位置固定,驱动设备带动被拍摄的物体运动。相机在目标物体的不同的位置拍摄多张图片。处理器接收到这些图片,通过判断梯度峰值或者计算交点的方式得到这些图片中的清晰部分,并按照顺序将这些图片中清晰的部分拼接。此时,驱动设备可以是工业产线、滚轴、运送车等。
总之,驱动设备,用于驱动相机或/和目标物体,以使目标物体的待拍摄部分能分时地出现在相机的清晰成像面P中。作为可选的实施方式,图像采集系统还可以包括定位装置,分别与驱动装置和处理器构成数据连接以使处理器能将图像中的清晰部分与所目标物体对应的部分进行匹配。
作为可选的实施方式,相机可以与处理器相连。相机将拍摄到的图片传送给处理器,处理器处理图像,以获取图像中包含的物体表面的信息。物体表面的信息包括物体表面的瑕疵信息、物体表面的文字、标志信息、物体表面的颜色、纹理、图案等。其中,瑕疵信息至少包括:图像中是否存在瑕疵的信息;图像中瑕疵的位置信息。
通过计算清晰成像面与物体表面相交之处的位置判断图像中的清晰部分,能够适应各种拍摄场景,不会受到光照条件或物体表面纹理的影响。
多个相机共同拍摄
图像采集系统中可以包括若干个相机,以提高拍摄的效率。比如在利用旋转式驱动设备107带动物体转动时,若只有一个相机,则旋转式驱动设备通常情况下需要旋转360°才能够采集到目标物体表面的完整图像。若采用两个相对设置的相机,目标物体放置在两个相机之间,两个相机的清晰成像面垂直于同一平面。此时,驱动设备只需要旋转180°就能够完成拍摄,缩减了一半的时间。若采用三个相机,两两之间的中心线夹角为120°,两两相机的清晰成像面所在的平面倾斜相交。此时,驱动设备只需要旋转120°就能够完成拍摄。
在线检测系统
工业检测往往具有较高的检测标准。如果用图像采集检测代替人工肉眼检测,则需要相机近距离的拍摄待检测物以获取更精细的物体表面图像信息。
如图3A、3B所示,一种基于图像采集的工业检测系统,包括工业产线30、位置获知子系统31、图像采集子系统32、处理器33。
以下以玻璃边缘在线检测系统为例,具体介绍包含本发明的图像采集系统的在线检测系统,本实施例中,待测玻璃39为片状玻璃。作为可选的实施方式,本检测系统也可以检测除玻璃以外的其他物体的表面瑕疵,如木材表面瑕疵、钢材表面瑕疵、石材表面瑕疵等。
其中,位置获知子系统31用于获取待测玻璃边缘的坐标信息,在通过计算图像参数梯度峰值或利用激光标记清晰成像面以识别图像中的清晰部分时,位置获知子系统可以省略。图像采集子系统32包括一个或多个相机,用于采集玻璃边缘的图像。处理器33至少与位置获知子系统31、图像采集子系统32构成数据连接,用于进行各项图像及数据处理操作。
该工业检测系统能够通过机器获得待测物体表面的清晰图像。节省了人工,提高了检测精度。采用这种工业检测系统,待测物可以在工业产线上以任意的位置、方向摆放。
工业产线
工业产线30用于放置被拍摄的玻璃。工业生产线至少能将待检测物在一输运面以一输运方向沿一输运直线进行输运。在本实施例中,工业产线带动放置在工业产线上的玻璃运动。
工业产线包括输运单元,用于输运待测产品。
作为一种可选的实施方式,工业产线包括辊架和若干个传送辊,若干个传送辊和辊架可转动的连接,若干个传送辊的轴线位于同一平面上。
作为其他可选的实施方式,工业产线也可以包括传送带、传送车等输运装置。
工业产线的表面可以采用防滑橡胶材料,或者设置吸盘,用于增大与被运送物体之间的摩擦力,从而增大工业产线与玻璃之间的摩擦力,提高工业产线的运送效率。
位置获知子系统31
位置获知子系统用于获取待测产品的坐标信息,在通过计算图像参数梯度峰值或利用激光标记清晰成像面以识别图像中的清晰部分时,位置获知子系统可以省略。
以工业产线的输运面为坐标系所在的平面,建立坐标系。该坐标系可以为二维坐标系。工业产线上放置的物体轮廓在该坐标系中投影成一个封闭的图形。以工业产线的输运方向为x方向,垂直于该输运方向为y方向。位置获知子系统至少需要获知待检测产品与相机之间的相对位置。
前置相机
如图3B所示,前置相机312设置在工业产线30的上方,通常设置在工业产线30的正上方。当然,作为可选的实施方式,前置相机312可以根据实际需要进行设置。但无论怎样设置,都要保证前置相机312的成像范围能够覆盖合适的工业产线区域。前置相机312与工业产线30相隔一定距离。前置相机的镜头朝向工业产线30,且其光轴与若干个传送辊的轴线所在的平面垂直。
前置相机可以为线扫描相机(线阵相机),或者面阵相机。扫描相机用于获取待测物体的坐标信息。
作为可选的实施方式,前置相机312为线扫描相机。
工业产线位置信息(玻璃轮廓x坐标值)的获取
待测玻璃放置在工业产线上,且随着工业产线一起运动。从坐标平面上看,在任意时刻,只要得到工业产线的位置信息,就能够得到待测玻璃在该时刻的x坐标值。
作为一种实施方式,对前置相机获取的图像进行判断,将同一块待测玻璃最先被前置相机采集到的部分的x坐标值设定为0。
作为可选的实施方式,工业产线的y方向设置有一位置检测装置。作为一种实施方式,该位置检测装置为光电门,包括设置在工业产线一侧的信号发送装置以及相对设置的信号接收装置,信号发射装置与接收装置的连线垂直于工业产线的输运直线。将该连线上任意一点的x坐标设定为0。在没有遮挡的情况下,光电门的接收装置始终能接收到光电门的发光装置发出的光信号。在有遮挡的情况下,光电门的接收装置不能接收到光电门的发光装置发出的光信号。
光电门与处理器相连,且光电门与前置相机的距离保持恒定。此时,前置相机扫描区域的x坐标信息也能够得到。
编码器获取坐标
作为一种位移检测装置,编码器包括编码盘与编码读取单元,用于把角位移或直线位移转换成电信号。
如图3B、图4所示,基于图像采集的工业检测系统包括编码器311,编码器可以是旋转编码器,包括绝对值编码器与增量编码器。
编码器的编码盘可以通过联轴器与电机相连,也可以与用于直接工业产线运动的传动装置相连。当编码器与电机相连时,编码器直接获得的是电机的转动信息,需要通过减速比换算得到对应的工业产线的运动坐标。
编码器与处理器相连,用于向处理器发送信息。根据扫描相机首次获取的图像或光电门的出发,编码器在任意时刻编码器记录的工业产线的运动坐标,就是玻璃前点的x坐标。
由于获取工业产线的位置信息是整个检测系统检测过程的原始步骤,也是关键步骤。如果这一步骤产生了错误,那随后的各种步骤的输出结果都有可能产生错误。因此需要确保编码器获取的信息的准确度。
作为替代光电门的方案,处理器根据编码器传输的数据计算工业产线的实时速度。在工业产线的实时速度突然下降的时刻,判断工业产线上放置了玻璃。将该速度骤降时刻工业产线的运动坐标标记为0,此时,玻璃前点的x坐标也就是0。
作为可选的实施方式,玻璃边缘检测系统包括多个编码器,多个编码器安装在工业产线的不同位置或者不同部件上。例如在采用两个编码器的情况下,主编码器311a和副编码器311b分别与电机、工业产线传动机构相连。如果副编码器311b获得的信息与主编码器311a获得的信息保持一致,或者误差在一定的范围之内,则认为此时编码器获得的信息是准确的。这样的主、副编码器的设置,能够及时发现编码器故障,提高检测精度。
利用无刷电机参数获取坐标
无刷电机通过电子换相指令进行控制,其速度可以通过脉宽调制信号控制。由于无刷电机的这种特性,使得无刷电机控制器能够通过记录控制信号数量的方式得到无刷电机的转动角度,从而得到工业产线的运动信息。
在光电传感器输出零坐标时,玻璃进入检测区域,无刷电机控制器记录无刷电机的控制信号脉宽与个数,并根据控制信号的脉宽与个数,在任意时刻计算工业产线的运动坐标,也就是玻璃前点的x坐标。
前置相机拍摄的时间间隔
无论是采用编码器或者无刷电机,都能够得到工业产线的实时速度。由于工业产线上放置的负载不一,或者由于工业产线机械装置的润滑环境区别,工业产线往往不是匀速运动。此时,处理器计算得到工业产线的实时运动速度。计算在该速度下,工业产线运动固定间隔所需要的时间,并在相应的时间点触发前置相机的拍摄。采用这种前置相机拍摄时刻的触发方式,能够保证前置相机拍摄的图片符合后期处理的要求。比如在前置相机采用线阵相机的情况下,能够确保线阵相机每次拍摄对应的工业产线的运动间隔恒定;在前置相机采用面阵相机的情况下,能够确保面阵相机每次拍摄都能够得到完整的玻璃表面图像。
对于采用线阵相机时具体的拍摄间隔设置,以在不同成像质量要求下的需求为准。比如针对尺寸较大的待测玻璃,线扫描相机的拍摄频率相对降低,减少能源消耗,减少线扫描相机的发热。当然,也可以增大线扫描相机拍摄频率,以增加成像的精细程度。
在前置相机拍摄完成后,结合编码器或者无刷电机控制参数对应的工业产线坐标信息,能够获得任意时刻玻璃边缘任意一点的坐标信息。
图像采集子系统32
图像采集子系统采集图像,处理器通过判断图像参数梯度峰值、计算相交位置或利用激光标记清晰成像面的方式识别所采集的图像中的清晰部分。本实施例中,图像采集子系统32用于获取待测玻璃边缘的图像。图像采集子系统32可以包括多个相机321。
作为一种实施方式,图像采集子系统32设置在位置获知子系统31之后,待测玻璃被运送时,先经过位置获知子系统31,再经过图像采集子系统32。这样的设置,能够使得图像采集子系统32在采集图像时,待测玻璃边缘的坐标信息已知,从而方便后续的处理操作。
图像采集子系统中单个相机的工作过程
在检测玻璃边缘瑕疵的情况下,玻璃放置在工业产线上的位置、方向往往是任意的。
作为一种实施方式,如图所示,相机的位置固定,其成像范围的中心与工业产线保持水平且相机的清晰成像面P从工业产线正上方的投影至少部分覆盖工业产线。在工业产线的运动过程中,相机的位置保持不变。
待测玻璃以任意的方向放置在工业产线上。在这种情况下,玻璃边缘与相机的成像往往是不平行的。在相机拍摄的玻璃边缘图像中,玻璃边缘与相机清晰成像面P的交点处的图像是清晰的,图像中除了交点以外的其他部分是不清晰的。
作为一种可选的实施方式,处理器根据位置获知子系统获的取待测玻璃的实时位置,控制相机的拍摄。在待测玻璃的前点快要进入相机拍摄区域或者已经进入相机拍摄区域时,处理器控制相机开始拍摄。
为了保证在待测玻璃的运动过程中,玻璃边缘的每一点都能够与图像采集子系统32的某个清晰成像面P相交,作为一种可选的实施方式,可以在工业产线的边缘设置限位机构以防止待测玻璃边缘超出工业产线的宽度范围;作为另一种可选的实施方式,可以引入报警装置/功能:当前置相机312判断待测玻璃的形状、位置信息超出工业产线的宽度范围,则进行报警。
拍摄多张图片并进行图像融合
相机存在景深,相机拍摄的照片中的清晰部分具有一定的范围。
为了获取玻璃边缘完整的图像,相机在特定的时刻连续拍摄多张照片,每张图像中的清晰部分拼接后能够形成一幅完整的玻璃边缘图像。
将第i帧图像中清晰成像区域的水平方向中心点记为xi
以xi为中心,水平和垂直方向截取图像的范围Wx和Wy。其中,xi,Wx和Wy都以像素为单位。相机拍摄的图像中的清晰范围为:[xi-Wx/2,xi+Wx/2]。
以下的公式中各个参数的表示方法包括:像距:u,物距:v,皮带移动速度:V,物体垂直相机光轴方向移动的距离:Sv,像垂直相机光轴方向移动的距离:Su,像在传感器平面上的横坐标:x(对应图片上该点的像素水平位置),传感器像素尺寸:d,玻璃厚度:T,镜头焦距:f,传感器倾斜角:θ,参考值x0和u0,给定传感器上水平坐标x0,其对应镜头的像距为u0
在通过图像梯度峰值点计算图像清晰部分的方法中,需要计算该图像中清晰范围的区域。皮带的移动速度V和相机光轴相对于皮带的角度α;两帧图像的曝光间隔t。
在通过图像梯度峰值点计算图像清晰部分的方法中,
Wx=Su/cos(θ)/d,Wy=(u*T)/(v*d)
其中,Su=u*Sv/v,v=1/(1/f–1/u),u=u0+Δu;Sv=V*sin(α)*t;Δu=(xi-x0)*sin(θ)相机的拍照间隔为t。
在通过计算相交位置得到图像中清晰部分的算法中,
Wx=Su/cos(θ)/d同时Wy=(u*T)/(v*d)
其中,Su=u*Sv/v,v=1/(1/f–1/u),u=u0+Δu;Sv=V*sin(α)*t
在该方法中,后置相机根据前置相机提供的玻璃边缘位置信息与编码器读数选择适当时机拍照。
处理器根据所获知的待检测产品与相机之间的相对位置,控制图像采集子系统的拍摄工作。相机拍摄图像的清晰位置xi的时机具体通过以下方法计算:
假设前后两次相机拍照编码器间隔为Ci-1+Cpb和Ci+Cpb,则两次拍照玻璃位置变化为(Ci-Ci-1)*Sc
因为相机传感器斜置角度θ,像平面x轴方向像素尺寸为d*Cos(θ),像平面y轴方向像素尺寸仍为d。
物体垂直相机光轴方向移动的距离Sv=(Ci-Ci-1)*Sc*Sin(α)。
再根据前置相机提供的边缘点的位置信息(Xi,Yi+Spb)和D,可以得到相机的物距v=(D+Xi)/sin(α)。亦可根据透镜焦距公式得到像距u。
进而得到xi=(u-u0)/sin(θ)+x0
控制器根据以上计算结果,结合位置获知子系统获得的信息,控制相机拍摄,以使相机在间隔时间/距离的两次拍摄的到的图像,能够满足图像拼接的要求。
将多张对应着玻璃边缘不同位置的清晰图像融合,即得到单个相机拍摄范围中的完整的玻璃边缘图像。
如果当前玻璃移动方向为自右向左:采集当前帧的[x-D/2,x+D/2]图像放在输出图像的右侧。
如果当前玻璃移动方向为自左向右:采集当前帧的[x-D/2,x+D/2]图像放在输出图像的左侧。
重复上两步直到获得完整的清晰图像。
传感器/透镜倾斜
在检测物体表面瑕疵时,待测物体可以以任意的方向摆放在工业产线上。本发明的图像采集及检测系统,通过得到物体表面与相机清晰成像面P之间重合处的清晰图像,进行物体表面图像的采集。图像采集装置,包括照相机、摄像机、扫描仪等,其清晰成像面P都具有一定的长度。而本物体表面瑕疵检测系统,需要相机具有的较大的景深范围,从而得以覆盖工业产线上足够宽的区域。
为了获得较大的景深范围,可以采用更换透镜与/或图像传感器的方法。但越大的景深范围意味着更多的成本。
作为一种可选的实施方式,工业检测系统中的图像采集子系统采用了具有偏置构成的相机。
如图5所示,具有偏置构成的相机包含壳体501、镜头透镜502和图像传感器503,图像传感器与安装轴504连接,安装轴可旋转地安装至壳体501。安装轴部分露出壳体501上部,旋转拨钮505与安装轴露出壳体的部分固定连接。作为一种可选的实施方式,旋转拨钮周围设置有角度码盘506,用于标示图像传感器的旋转角度。透镜502定义有一条主光轴,图像传感器503定义有一个传感平面,经过安装轴504且垂直于透镜的主光轴的直线与传感平面形成一夹角α。旋转拨钮505可操作的被旋转,从而使安装轴504旋转,安装轴504带动图像传感器503旋转。通过设置在旋转拨钮周围的角度码盘506,可以很直观地得知当前图像传感器的倾斜角度。
作为可选的实施方式,透镜502也可以旋转,从而改变图像传感器与透镜之间的倾斜关系。
以图像传感器倾斜为例,传感器的焦距范围用以下公式表示:
[(u+sin(α)*x)/(u+sin(α)*x-1),u/(u-1)]
其中,u为像距,α为图像传感器旋转角度,x为图像传感器在旋转轴径向对应焦距的归一化尺寸(x=X/f,其中X为真实尺寸),sin(α)*x为传感器在光轴方向的投影距离。
由公式可以看出,对应给定的x和u,α越大(u+sin(α)*x)/(u+sin(α)*x-1)越小,也就意味着景深范围越大。α角度的范围介于5°与65°之间(也可以表述成透镜的主光轴与传感平面相交形成的角度的范围介于25°与85°之间)时,能够获得较优的成像效果。
根据透镜的成像原理,具有偏置构成的相机,相比于采用了相同的透镜、图像传感器的普通相机,其清晰成像面P具有更长的长度,也对应着更大的景深范围。
更长的清晰成像面P的长度和景深范围,使具有偏置构成的相机的成像范围能够覆盖工业产线上尽可能多的区域。由于待测玻璃在工业产线上摆放的位置不确定,采用具有偏置构成的相机,能够在相同的硬件成本下,尽可能地确保工业产线上的任意一点在运动的过程中都能够与相机的清晰成像面P上的某点在某一时刻产生重合,也就确保了玻璃边缘任意位置在某一时刻都能够在具有偏置构成的相机中清晰成像。
同时,更大的景深范围,在拍摄具有一定纵深的物体表面图像时,能够获取更多的清晰图像。比如在拍摄具有弧度的玻璃时,具有偏置构成的相机在一定的拍摄角度下,能够一次性的拍摄整个玻璃表面清晰的微距图像。而传统的微距相机,由于景深相对较小,则可能无法同时获取带弧度的玻璃的不同位置的清晰图像。
具有偏置构成的相机具有偏置构成的相机具有偏置构成的相机具有偏置构成的相机具有偏置构成的相机
多个相机共同拍摄
物体往往具有多个表面,物体的多个表面或者表面上的不同位置之间可能存在相互遮挡。此时,单个相机不能够在同一时刻获取物体多个表面的图像。
图像采集子系统32用于采集玻璃边缘的完整图像。图像采集子系统32包括多个相机。多个相机可以设置在同一水平面上。通常情况下,多个相机分布在工业产线的外围,且设置在工业产线输运直线的两侧。任意两个相机的清晰成像面P不重合。
如图6A所示,作为一种可选的实施方式,多个相同的相机环绕工业产线宽度方向中线上的某点(该点称为中心点)均匀分布,任意相邻的两个相机与中心点之间连线形成的夹角保持一致,亦可以描述成该多个相机在以中心点为圆心的某个圆的圆周上均匀分布。这样的设置方式,使每一个相机都根据该中心点成中心对称。中心对称的关系,使得整个图像采集子系统32的安装、更换更加容易、便捷。
作为上述实施方式的改进,多个相机的个数为偶数。偶数个相机均匀分布在工业产线输运直线的两侧。此时,各个相机之间不仅成中心对称,也成轴对称。采用偶数个相机的设置,进一步降低了图像采集子系统的装配、更换的难度。
采用多个相机同时进行拍摄,能够在同一时刻获得玻璃不同边缘的图像。如果采用的相机的个数过少,则不能满足获取玻璃不同边缘的图像的要求。而采用的相机过多,这些单元相对工业产线的安装方式将会变得复杂,并且及由于个数增加,相应的成本也会增加。
每个相机在拍摄不同位置的待测玻璃时都具有一定的拍摄角度β,只有在β>0°时,相机才能够正常工作。采用多个相机时,需要每一个相机在拍摄时的拍摄角度β>0°。考虑多个相机均匀分布的情况,相机的个数n与极限拍摄角度βmax的之间的关系由以下公式表示:
βmax=90°-180°/n
只有βmax>0°时,相机才能够正常工作。同时,由于n必须取整数,由该公式可知,n≥3,即至少需要3个相机才能满足拍摄需求。此时,至少两个相机位于输运直线的同侧。
βmax亦可看作相机的入射角度,βmax越大,意味着相机的拍摄方向越垂直于物体表面,拍摄效果就越好。
从下表中可以看出,n越大,βmax就越大,平均的成像质量就越高。也就是说,相机的个数越多,成像效果就越好
相机个数n β<sub>max</sub> 角度改善
3 30 -
4 45 50%
5 54 25%
6 60 11%
7 64.3 7%
但越多的相机个数,意味着更高的成本与更复杂的装配难度。
根据多次实验结果,综合考虑采用不同个数的相机时整个系统的成像质量绝对值、成像质量改善值及硬件成本。将整个系统的最优状态b用以下公式表示:
b=8n-n2
由该公式可知,当n=4时,b取得最大值。
当n取4时,相机可以设置在工业产线两边,确保与待测玻璃处于同一水平面上。并且,由于设置在工业产线两边的每一个相机与工业产线之间的距离相同,能够减少装配的难度。
采用4个相机,相比于3个相机,角度改善了50%。根据实验结果,图像采集子系统的相机从3到4时,成像质量的改善是最多的。
相机的安装位置
如图6A所示,以3个相机为例,图6B-6D给出了不同的图像采集子系统中各个相机清晰成像面之间的关系。
作为一种实施方式,三个相机的主光轴平行于同一个平面。这样的设置能够防止由于相机在纵向的倾斜导致所采集的图片的失真。
各个相机的清晰成像面P要满足:在工业产线带动目标物体与相机之间进行相对运动的过程中,目标物体表面上的每一点都能够与某一个清晰成像面P相交,亦即:以垂直于清晰成像面P的面为投影平面(本实施例中的输运平面可以作为投影平面),清晰成像面P在投影平面上的投影近似看做投影线段,则目标物表面上任意一点在投影平面上的运动轨迹都与清晰成像面P的投影线段存在交点。
目标物放置在工业产线上,从俯视方向看,目标物的边缘不会超出工业产线的边缘。这样的设置,能够保证无论目标物在工业产线上以什么方向、位置进行放置,目标物的边缘都不会超出工业产线平面,也就是说:目标物表面上不会存在完全不能够成像的部分(比如说超出工业产线平面的部分就完全不能成像)。
另外,由于无论人眼观察还是装置成像,都会存在被观察的物体自身的前后遮挡问题。在拍摄玻璃边缘图像的场景下,如图6B-6C所示,在玻璃摆放的方向处于特定位置时,就会因为前后遮挡,从而无法获取待测玻璃边缘的完整图像。如图6B所示,该场景下,图像采集子系统无法获取待的矩形玻璃39右边缘的图像;在图6C的场景下,图像采集子系统无法获取待测的矩形玻璃39左边缘的图像。
根据多次试验,如图6D所示,在多个清晰成像面P在投影平面上的线段之间构成封闭区域的情况下,只要工业产线上输运的被检测产品在输运平面上的投影图案中的任意一点都能够通过该封闭区域,亦即待检测产品在输运过程中能够完整地经过该封闭区域,那么就能够获得该待检测产品的完整的清晰图像。
满足上列条件的多个相机,能够获得玻璃边缘的完整图像,而不用考虑玻璃放置在工业产线上的方向、位置。
最佳相机的选择
多个相机的位置固定,也就是说各个相机的拍摄角度固定。由于玻璃各条边缘可能会存在遮挡的问题,并且玻璃以任意的角度摆放在工业产线上,因此,通常情况下,不是每一个相机都能够完整地拍摄到玻璃的某条或某处边缘图像。
通过位置获知子系统得到玻璃边缘图像及对应的位置信息后,对玻璃边缘图像进行处理,得到玻璃边缘图像上任意一处的法向量。该法向量所指向的位置,也就是针对该点的最佳拍摄角度。
若该玻璃具有多条边缘,则分别计算各条玻璃边缘上法向量的平均值,并根据各条边缘对应的法向量的平均值,确定最佳的拍摄角度从而选择最佳的相机。
若该玻璃边缘的形状为一条封闭的曲线,则可以将玻璃边缘固定间隔位置的法向量按照其与某参考方向的夹角大小进行排序,根据该处的法向量的角度选择最佳的相机。
作为一种可选的实施方式,玻璃边缘的图像是一个封闭的图形,获取该封闭图形上各点的法向量。每一个相机对应的法向量的角度范围可以相同或不同,但所有的相机对应的法向量的角度范围之和相加应该不小于360°,以保证任意玻璃边缘图像上任意一处都有至少一个对应的相机。在采集玻璃边缘图像时,该玻璃边缘处的法向量对应的相机采集到的图像为最优图像。
作为一种可选的实施例,多个相机环绕工业产线宽度方向中线上的某点(该点称为中心点)均匀分布,相邻的两个相机与中心点之间连线形成的夹角保持一致,亦可以描述成该多个相机在以中心点为圆心的某个圆的圆周上均匀分布。这样的设置方式,使每一个相机都根据该中心点成中心对称。在包含n个相机的场合,每个相机在360°/n的范围中选择对应的最佳法向量。这样的设置,能够使得每一个相机对应的法向量角度范围相同,也就是每一个相机的工作负担相同,有利于图像采集子系统的稳定运行。如图3B所示,作为一种实施方式,基于图像采集的工业检测系统采用了4个相机中心对称设置,平均分布在工业产线输运直线的两侧,两两相机中轴线之间的夹角呈90°。
根据玻璃边缘的法向量选择对应的相机,在控制相机的工作时机降低相机工作负载的同时,能够获得最佳成像质量的玻璃边缘图像。
玻璃边缘瑕疵判断
如图7A-7B所示为待测玻璃边缘存在瑕疵情况下拍摄的玻璃边缘图像。针对不同类型的玻璃,瑕疵的形式可以不一样。
作为一种举例,本实施例中待测玻璃边缘在正常情况下应该覆盖磨砂。此时,玻璃边缘瑕疵的主要类型包括“未覆盖磨砂”,瑕疵部分产生镜面反射。相机拍摄该未覆盖磨砂的瑕疵部分得到图像的亮、暗,取决于对应该镜面反射面的角度和光源入射方向。
若光源光线、瑕疵部分与相机之间不能形成光的反射关系,此时,非瑕疵部分发生漫反射,将光源的光线的一部分反射至相机;瑕疵部分发生镜面反射,由于反射角方向未对准相机,光源的光线未通过镜面反射进入相机。如图7A所示,这种情况下,瑕疵部分的视觉效果要比非瑕疵部分的视觉效果暗,所以未磨砂的瑕疵部分的玻璃呈现黑色。
图7B所示为另一种情况下待测玻璃边缘存在瑕疵情况下的图像。此时,光源光线、瑕疵部分与相机之间恰好形成几何反射关系,光源光线的全部被反射入相机。非瑕疵部分仍然发生漫反射,将光源的光线的一部分反射至相机。在这种情况下,瑕疵部分的视觉效果反而要比非瑕疵部分的视觉效果更亮。因此,采用这种类型的光源,“未覆盖磨砂”的瑕疵部分就可能存在“高亮”“黑暗”两种情况。
作为一种可选的解决方案。在判断玻璃边缘瑕疵时,设置两种不同的判断阈值,包括暗阈值和亮阈值,当判断玻璃边缘某处的亮度值小于该暗阈值时,则判断该处为瑕疵处;或者当判断玻璃边缘某处的亮度值大于该亮阈值时,亦判断该处为瑕疵处。作为另一种可选的解决方案。首先计算整条玻璃边缘的平均亮度值。然后将玻璃边缘不同位置的亮度值与该平均亮度值相减,并对相减的结果求绝对值。对该绝对值进行判断:若该绝对值大于某一阈值,则该位置的亮度即为过亮或过暗,也就是说该位置为镜面反射位置,此时,判断该位置出现瑕疵。这里所说的亮度值,不仅包括彩色图像中的亮度值,也包括黑白图像中的灰度值。
光源
当采用上述判断方式判断瑕疵时,如果瑕疵处的亮度与非瑕疵处的亮度区别过小,则阈值的选择较为困难,瑕疵的判断也不够精确。
为了解决该问题,作为一种可选的实施方式,参考图8A,在相机的清晰成像面P上方设置条状光源81。从俯视角度看,每一个条状光源都能够覆盖图像采集子系统32中一个或多个图像采集单元的清晰成像面P。条状光源可以包括均匀分布在条状光源上的点光源或面光源。采用这样的设置,能够确保在图像采集子系统采集图像时,图像中的清晰部分都能被相同亮度、角度的光源光线照射,从而能够使得每一个瑕疵处与非瑕疵处的亮度差值的绝对值增大,提高了瑕疵与非瑕疵处的亮度对比,从而使瑕疵的判断更为精确。条状光源在不干涉工业产线上物体运动的前提下,可以尽量地靠近工业产线,以减少亮度的损失。
磨砂玻璃的边缘与玻璃表面的交汇处也有可能存在瑕疵,这种瑕疵称为“爆边”。
作为另一种可选的实施方式,光源发出的光线为平行光。平行光覆盖相机的清晰成像面P。光源可以设置在相机旁边,与相机处于工业产线的同侧。也可以与相机分设在工业产线的两侧。采用这样的光源设置,能够照射到玻璃边缘与玻璃表面交汇的地方,从而能够检测玻璃“爆边”,提高了在线检测系统的应用范围。
作为另一种可选的实施方式,参考图8B,光源82为环状面光源,该面光源的形状类似于圆柱体的侧面或者长方体的侧面。该光源包围待测玻璃,且整个光源的内壁都发出均匀光。这样的光源设置方式能够保证:光源内壁发出的光线、玻璃边缘瑕疵处、图像采集子系统中的某个相机三者之间总能够形成镜面反射关系。此时,无论待测玻璃在工业产线上以怎样的方向摆放,玻璃边缘的瑕疵部分总能够通过镜面反射将光源上某处的光线反射入图像采集子系统中的某个相机,从而使玻璃边缘瑕疵部分的图像的视觉效果,总能够呈现高亮。
作为一种可选的实施方式,光源形状环形面光源加上盖面光源。这种光源结构相比于仅含环形光源的情况,能够提高对“爆边”的检测效果。
在设置光源时,光源发光部位的下边缘至少要与玻璃边缘下端的位置保持一致或低于玻璃边缘的下端,才能保证光源的效果。但与此同时,这样的光源有可能会阻碍玻璃在工业产线上的运动。
作为一种可选的实施方式,如图8C所示,工业产线30的侧视图成上小下大梯形状,工业产线30在运行的过程中存在一个最高平面。环形光源或加盖的环形光源环绕工业产线的最高平面设置。环形光源83下端的位置可以平齐于工业产线30的最高平面所在的面或者略低于工业产线的最高平面所在的面。同时,环形光源的下端与工业产线30的表面保持一定距离,该距离要大于待测玻璃39的最大厚度。待测玻璃39运输到工业产线的最高平面时,环形光源或加盖的环形光源包围待测玻璃。由于环形光源83的下端与工业产线30保持的距离大于玻璃的最大厚度,能够保证玻璃在工业产线上运动时无需改变环形光源的位置,同时玻璃的运动不会受到光源的干涉。也能够确保光源发光部位的下边缘平齐或者低于玻璃边缘的下端,确保了光源入射光线角度的完整性。
如图8D所示,作为另一种可选的实施方式,环形光源84可以上下移动。环形光源上端设置有能够上下移动的伸缩杆841,该伸缩杆可以通过气缸、液压或电机驱动。当工业产线30上的待测玻璃运动到光源84下方时,工业产线的运动停止,此时,伸缩杆841下降,使光源发光部位的下边缘平齐于待测玻璃39的下端。完成玻璃边缘图像获取后,伸缩杆841上升,工业产线恢复运动。相应的,工业产线30可以通过伺服电机驱动,工业产线上设置固定的安放待测玻璃39的区域。伺服电机每次操作,使工业产线30运动固定的距离。这样的设置,可以使光源84在相同的时间间隔上升、下降,从而简化程序,降低出错概率。同时,可以在光源上设置压力反馈装置或距离测量装置,以确保光源在下降时不会压坏待测玻璃39。
由于光源本身是不透明的,为了获取待测玻璃的图像,图像采集子系统32通常需要安装在光源与待测玻璃之间。同时,由于图像采集系统32中的相机通常情况下也是不透明的,相机往往会挡住光源某部分的光线。若相机包括多个,并且某两个相机与玻璃边缘的瑕疵之间正好形成了反射的关系,那么得到的玻璃边缘瑕疵部分的图像又会呈现“黑暗”的情况。
为了解决上述问题,作为一种可选的解决方案,在相机321上设置光源。该光源可以设置在相机镜头的侧边,并且该光源可以设置成面光源的形式,以使出射光线的角度要至少能够弥补相机遮挡住的环形光源部分的光线。该光源亦可以为环形,围绕相机镜头安装。这样的设置方式,能够进一步确保光源发出的光线能够弥补被相机遮挡住的光线。
瑕疵检测
在获得了玻璃边缘的清晰图像之后,处理器33从图像中检测瑕疵。
包含前置相机的瑕疵检测方式
1、不进行图像拼接的瑕疵检测方式
不进行图像拼接的瑕疵检测,对每一拍摄时刻图像获取子系统获取的清晰图像进行瑕疵检测,以判断该拍照时刻获取的玻璃边缘某处的图像有无瑕疵。同时,由于包含前置相机312的检测系统能够直接获得任意时刻玻璃边缘处清晰图像所在的位置,当检测到任意时刻的玻璃边缘清晰成像处出现瑕疵时,亦能知道该瑕疵处所在的空间位置。采用这种方式,能够同时知道玻璃边缘有无瑕疵与该瑕疵所处的玻璃边缘的位置。
具体的判断过程如图9A所示。
在步骤S911,确定亮度或灰度的基准值。该基准值的确定,作为一种实施方式,可以是前一块玻璃边缘亮度或灰度的平均值。作为另一种实施方式,可以在测试前,通过无瑕疵的玻璃确定的亮度或灰度的平均值。
在步骤S912,计算当前一张图片亮度或灰度的平均值与基准值差值的绝对值。
在步骤S913,判断该绝对值是否超出合理的误差范围。如果计算结果的绝对值没有超出合理的误差范围,则认为玻璃边缘的该位置未出现瑕疵。如果计算结果的绝对值超出了合理的误差范围,则认为玻璃边缘的该位置出现了瑕疵,进入步骤S914。
在步骤S914,获取该瑕疵图片对应的玻璃边缘的空间信息。该空间信息,可以由位置获知子系统31获得。
在步骤S915,进行反馈。反馈的方式可以通过声、光进行报警,也可以通过有线连接反馈至质检人员的工作电脑,或者通过无线连接发送至外部的移动终端,如智能手表、智能手机上。
直接判断任意时刻获得的清晰图像有无瑕疵,省去了图像拼接步骤,高效快速。
2、图像拼接后的瑕疵检测方式
不进行图像拼接的瑕疵检测方式,每一次检测都相对独立。因此,检测的结果受前面步骤的影响较大。比如基准值依赖于检测之前玻璃的亮度、灰度信息,在不同的环境光照影响下会存在差别,因此随着自然光照的变化,瑕疵检测的精度会受到影响。并且任意时刻清晰成像处的位置信息完全依赖于前置相机312与编码器311,如果前置相机312或编码器311本身获得的信息产生了偏差,就会导致得到的位置信息偏差。
作为另一种玻璃边缘瑕疵检测方式,如图9B所示,步骤如下:
在步骤S921,对图像进行拼接,以形成完整的玻璃边缘的清晰图像。
在步骤S922,计算步骤S921中获得的完整图像的亮度或灰度的平均值。当获取的图片为彩色图片时,该平均值为亮度平均值;当获取的图片为黑白图片时,该平均值为灰度平均值。
在步骤S923,按照特定的计算顺序,计算步骤S921中获得的完整图像中每一个像素/像素组的亮度或灰度,与步骤S921中获得的亮度或灰度的平均值进行比较。比较方式可以是计算该像素的亮度或灰度与平均值差值的绝对值。也可以是计算该像素的亮度或灰度与平均值差值跟平均值相除的绝对值,将差值与平均值相除,能够有效排除光照条件对瑕疵部位判断产生影响。若比较该像素的亮度或灰度与基准值比较的结果大于某一阈值,则认为该像素位置为瑕疵位置。
在步骤S924,根据在步骤S923中得到的计算该瑕疵的顺序,得到瑕疵部分在玻璃边缘的相对位置。此时,也可以接收位置获知子系统31获得的空间信息,与之前得到的相对位置进行整合。
在步骤S925,将该相对位置对质检人员进行反馈。反馈的方式可以通过有线连接反馈至质检人员的工作电脑,或者通过无线连接发送至外部的移动终端,如智能手表、智能手机上。
不包含前置相机312的瑕疵检测方式
1、不进行图像拼接的瑕疵检测方式
不进行图像拼接的瑕疵检测,对每一拍摄时刻图像获取子系统获取的清晰图像进行瑕疵检测,以判断该拍照时刻获取的玻璃边缘某处的图像有无瑕疵。由于不包含前置相机312的瑕疵检测方式较难得到任意时刻清晰成像处的位置,因此,这样的检测方式通常用于判断该块待测玻璃边缘有无瑕疵。
直接判断任意时刻获得的清晰图像有无瑕疵,省去了图像拼接步骤,高效快速。
2、图像拼接后的瑕疵检测方式
图像拼接后进行瑕疵检测,一方面可以提高检测精度,另一方面,可以通过获取瑕疵部分相比于待测物体其他部分的位置关系,从而获取瑕疵部分的位置信息。采用这种方法,尽管没有位置获知系统提供的位置信息,亦能够得到瑕疵部分的位置。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。

Claims (10)

1.一种适用于工业生产线的光学检测方法,所述工业生产线至少能将待检测物在一输运平面上沿一输运直线进行输运;
其特征在于:
所述适用于工业生产线的光学检测方法包括如下步骤:
设置若干相机使它们中至少两个相对设置并位于所述输运直线的两侧;
在所述待检测物经过所述相机时进行拍摄;
处理所述相机所拍摄的图像以识别图像中的清晰成像的部分并将该部分图像用于检测。
2.根据权利要求1所述的适用于工业生产线的光学检测方法,其特征在于:
设置的若干相机中至少两个所述相机的清晰成像面倾斜相交。
3.根据权利要求1所述的适用于工业生产线的光学检测方法,其特征在于:
设置的若干相机中至少两个所述相机的清晰成像面垂直于所述输运平面。
4.根据权利要求1所述的适用于工业生产线的光学检测方法,其特征在于:
设置的若干相机中至少两个所述相机相对所述输运直线对称设置。
5.根据权利要求1所述的适用于工业生产线的光学检测方法,其特征在于:
设置的若干相机中至少一个所述相机的清晰成像面与所述输运直线倾斜相交。
6.根据权利要求1所述的适用于工业生产线的光学检测方法,其特征在于:
设置的若干相机中的至少两个相机相对设置以使所述工业生产线位于它们之间。
7.根据权利要求1所述的适用于工业生产线的光学检测方法,其特征在于:
设置的若干相机中至少包括三个相机,所述至少三个相机的主光轴平行于同一个平面。
8.根据权利要求7所述的适用于工业生产线的光学检测方法,其特征在于:
所述至少三个相机中的至少两个所述相机设在所述输运直线的同侧。
9.根据权利要求7所述的适用于工业生产线的光学检测方法,其特征在于:
所述至少三个相机的清晰成像面在垂直于所述清晰成像面的投影平面上的投影线段形成封闭的图形。
10.根据权利要求1所述的适用于工业生产线的光学检测方法,其特征在于:
设置的若干相机中包括四个相机,所述四个相机呈中心对称设置。
CN201810967811.7A 2018-05-25 2018-08-23 一种适用于工业生产线的光学检测方法 Pending CN110530889A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
CN201810517889 2018-05-25
CN2018105178899 2018-05-25
CN201810763804 2018-07-12
CN2018107638045 2018-07-12

Publications (1)

Publication Number Publication Date
CN110530889A true CN110530889A (zh) 2019-12-03

Family

ID=65839540

Family Applications (19)

Application Number Title Priority Date Filing Date
CN201810967692.5A Active CN110595999B (zh) 2018-05-25 2018-08-23 一种图像采集系统
CN201810968901.8A Pending CN110596135A (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测装置
CN201810968066.8A Pending CN110596133A (zh) 2018-05-25 2018-08-23 一种适用于工业图像检测的方法
CN201821365534.4U Active CN208754389U (zh) 2018-05-25 2018-08-23 一种具有偏置构成的相机
CN201810968204.2A Active CN110530869B (zh) 2018-05-25 2018-08-23 一种基于位置信息和图像信息的检测系统
CN201821364204.3U Active CN208860761U (zh) 2018-05-25 2018-08-23 一种具有辅助照明的工业检测装置
CN201810966428.XA Active CN110596126B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测方法
CN201810968298.3A Active CN110596134B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测方法
CN201810968036.7A Pending CN110596132A (zh) 2018-05-25 2018-08-23 一种适用于工业图像检测的系统
CN201810967615.XA Active CN110596129B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测系统
CN201810966579.5A Pending CN110530868A (zh) 2018-05-25 2018-08-23 一种基于位置信息和图像信息的检测方法
CN201810966719.9A Pending CN110602355A (zh) 2018-05-25 2018-08-23 一种图像采集方法
CN201810966595.4A Active CN110596128B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测系统
CN201810967920.9A Active CN110596131B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测方法
CN201810967671.3A Pending CN110596130A (zh) 2018-05-25 2018-08-23 一种具有辅助照明的工业检测装置
CN201810966747.0A Pending CN110530885A (zh) 2018-05-25 2018-08-23 一种适用于工业生产线的光学检测系统
CN201810967811.7A Pending CN110530889A (zh) 2018-05-25 2018-08-23 一种适用于工业生产线的光学检测方法
CN201810966469.9A Active CN110596127B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测系统
CN201821365450.0U Active CN208672539U (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测装置

Family Applications Before (16)

Application Number Title Priority Date Filing Date
CN201810967692.5A Active CN110595999B (zh) 2018-05-25 2018-08-23 一种图像采集系统
CN201810968901.8A Pending CN110596135A (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测装置
CN201810968066.8A Pending CN110596133A (zh) 2018-05-25 2018-08-23 一种适用于工业图像检测的方法
CN201821365534.4U Active CN208754389U (zh) 2018-05-25 2018-08-23 一种具有偏置构成的相机
CN201810968204.2A Active CN110530869B (zh) 2018-05-25 2018-08-23 一种基于位置信息和图像信息的检测系统
CN201821364204.3U Active CN208860761U (zh) 2018-05-25 2018-08-23 一种具有辅助照明的工业检测装置
CN201810966428.XA Active CN110596126B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测方法
CN201810968298.3A Active CN110596134B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测方法
CN201810968036.7A Pending CN110596132A (zh) 2018-05-25 2018-08-23 一种适用于工业图像检测的系统
CN201810967615.XA Active CN110596129B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测系统
CN201810966579.5A Pending CN110530868A (zh) 2018-05-25 2018-08-23 一种基于位置信息和图像信息的检测方法
CN201810966719.9A Pending CN110602355A (zh) 2018-05-25 2018-08-23 一种图像采集方法
CN201810966595.4A Active CN110596128B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测系统
CN201810967920.9A Active CN110596131B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测方法
CN201810967671.3A Pending CN110596130A (zh) 2018-05-25 2018-08-23 一种具有辅助照明的工业检测装置
CN201810966747.0A Pending CN110530885A (zh) 2018-05-25 2018-08-23 一种适用于工业生产线的光学检测系统

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201810966469.9A Active CN110596127B (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测系统
CN201821365450.0U Active CN208672539U (zh) 2018-05-25 2018-08-23 一种基于图像采集的片状玻璃边缘瑕疵检测装置

Country Status (1)

Country Link
CN (19) CN110595999B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115598805A (zh) * 2022-10-18 2023-01-13 深圳市灿锐科技有限公司(Cn) 一种低成本大视场可变工作距远心镜头及其检测方法

Families Citing this family (53)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110595999B (zh) * 2018-05-25 2022-11-11 上海翌视信息技术有限公司 一种图像采集系统
CN110300248A (zh) * 2019-07-12 2019-10-01 浙江大华技术股份有限公司 一种成像系统及摄像机
CN110455813B (zh) * 2019-08-29 2024-02-27 东莞市三姆森光电科技有限公司 用于提取不规则弧形边缘的通用系统及方法
CN110567973B (zh) * 2019-09-27 2022-07-05 济南大学 一种基于图像采集的活塞检测平台及方法
US10965856B1 (en) * 2019-12-12 2021-03-30 GM Global Technology Operations LLC Camera vision systems
CN110987971B (zh) * 2019-12-19 2022-06-24 太原理工大学 一种基于机器视觉的晶体气泡检测装置和方法
CN113052787A (zh) * 2019-12-27 2021-06-29 中核北方核燃料元件有限公司 一种球坯冒口自动识别装置及方法
CN111077168A (zh) * 2019-12-30 2020-04-28 彩虹显示器件股份有限公司 一种平板玻璃瑕疵的抽检装置及方法
CN112469984B (zh) * 2019-12-31 2024-04-09 深圳迈瑞生物医疗电子股份有限公司 一种图像分析装置及其成像方法
CN111191623B (zh) * 2020-01-03 2023-09-19 圣点世纪科技股份有限公司 一种指静脉拍摄距离的确定方法
CN113313664A (zh) * 2020-02-07 2021-08-27 财团法人石材暨资源产业研究发展中心 基于石材加工的石材图像分析方法
CN111198160A (zh) * 2020-02-14 2020-05-26 巢湖学院 一种ccd图像检测装置及其使用方法
CN111366592B (zh) * 2020-04-15 2022-10-25 西北核技术研究院 基于工业摄影测量的破片自动检测系统
CN111707675B (zh) * 2020-06-11 2024-05-14 圣山集团有限公司 布匹表面瑕疵在线监测装置及其监测方法
CN111649697B (zh) * 2020-07-03 2022-02-11 东北大学 基于线阵相机立体视觉的金属带材板形检测方法
US11263755B2 (en) * 2020-07-17 2022-03-01 Nanya Technology Corporation Alert device and alert method thereof
CN111935404B (zh) * 2020-08-14 2021-10-15 腾讯科技(深圳)有限公司 微距成像系统、方法和装置
CN111993200B (zh) * 2020-08-17 2022-07-08 上海中车瑞伯德智能系统股份有限公司 一种用于焊缝打磨的焊缝识别定位方法和装置
CN114079768B (zh) * 2020-08-18 2023-12-05 杭州海康汽车软件有限公司 图像的清晰度测试方法及装置
CN112098428A (zh) * 2020-09-04 2020-12-18 杭州百子尖科技股份有限公司 片状建材制造中基于机器视觉的智能瑕疵识别系统
CN112098429A (zh) * 2020-09-18 2020-12-18 广东川田卫生用品有限公司 一种基于机器视觉的包装产品缺陷检测设备
CN112344879B (zh) * 2020-09-29 2022-03-25 联想(北京)有限公司 一种胶路的检测方法、装置及设备
CN112163442B (zh) * 2020-09-29 2022-05-06 杭州海康威视数字技术股份有限公司 一种图形码识别系统、方法及装置
CN112254653B (zh) * 2020-10-15 2022-05-20 天目爱视(北京)科技有限公司 一种用于3d信息采集的程序控制方法
CN112268174B (zh) * 2020-10-22 2022-07-05 陕西世和安全应急技术有限公司 一种安全生产线图像检测识别装置及方法
CN112348807B (zh) * 2020-11-27 2022-11-18 安徽大学 一种基于轮廓像素统计的内窥镜高亮点修复方法及系统
CN112631064B (zh) * 2020-12-30 2022-04-08 安徽地势坤光电科技有限公司 一种调整成像镜头安装角度的方法
CN112581547B (zh) * 2020-12-30 2022-11-08 安徽地势坤光电科技有限公司 一种调整成像镜头安装角度的快速方法
CN112859189B (zh) * 2020-12-31 2024-08-02 广东美的白色家电技术创新中心有限公司 工件检测装置、检测方法以及计算机可读存储介质
CN112595245B (zh) * 2021-03-08 2021-07-30 深圳中科飞测科技股份有限公司 检测方法、检测系统及非易失性计算机可读存储介质
CN113203363A (zh) * 2021-04-08 2021-08-03 福建呈祥机械制造有限公司 基于数字图像处理技术的竹筒测量方法及测量装置
CN113176271B (zh) * 2021-04-27 2022-05-03 凯多智能科技(上海)有限公司 一种纠偏、瑕疵、尺寸检测传感器
CN113620614A (zh) * 2021-07-27 2021-11-09 深圳市若菲特科技有限公司 玻璃表面油墨去除方法、装置、设备及存储介质
CN113670212B (zh) * 2021-09-22 2024-09-17 深圳南玻应用技术有限公司 尺寸检测方法及尺寸检测装置
CN114184617A (zh) * 2021-12-07 2022-03-15 创新奇智(北京)科技有限公司 检测装置
WO2023105849A1 (ja) * 2021-12-07 2023-06-15 パナソニックIpマネジメント株式会社 検査方法および検査装置
CN114509021B (zh) * 2022-02-18 2024-04-16 深圳市中钞科信金融科技有限公司 异形平板玻璃边部成像方法
CN114608459B (zh) * 2022-03-08 2024-05-07 江苏泗阳协力轻工机械有限公司 一种玻璃管检测设备
CN114697556B (zh) * 2022-04-12 2023-06-06 山东瑞邦智能装备股份有限公司 一种流水作业生产线旋转拍照方法
CN115018829A (zh) * 2022-08-03 2022-09-06 创新奇智(成都)科技有限公司 一种玻璃瑕疵定位方法及装置
CN115266681B (zh) * 2022-09-27 2022-12-16 南京诺源医疗器械有限公司 一种医用拉曼光谱成像的高精度扫描快速标记方法
CN115356355B (zh) * 2022-10-21 2022-12-27 沃卡姆(山东)真空玻璃科技有限公司 一种真空夹胶玻璃自动检测下料输送线及检测方法
CN115375686B (zh) * 2022-10-25 2023-01-24 山东鲁玻玻璃科技有限公司 一种基于图像处理的玻璃边缘瑕疵检测方法
TWI830553B (zh) * 2022-12-26 2024-01-21 荷蘭商荷蘭移動驅動器公司 車窗磨損檢測方法及相關設備
TWI828545B (zh) * 2023-02-22 2024-01-01 開必拓數據股份有限公司 自動視覺檢測系統之靈活直觀配置系統
CN117092114B (zh) * 2023-10-16 2023-12-29 苏州德机自动化科技有限公司 一种基于ai的外观检测系统
CN117491391B (zh) * 2023-12-29 2024-03-15 登景(天津)科技有限公司 基于芯片计算的玻璃基板光三维健康检测方法及设备
CN117871415A (zh) * 2024-03-11 2024-04-12 天津大学四川创新研究院 一种基于平行光源的曝光式结构性瑕疵检测系统和方法
CN117949462B (zh) * 2024-03-26 2024-08-06 广州市易鸿智能装备股份有限公司 一种在线高速高精度毛刺检测方法、装置及存储介质
CN118151278B (zh) * 2024-04-16 2024-10-15 上海频准激光科技有限公司 一种目标光栅生成系统
CN118067621B (zh) * 2024-04-17 2024-06-25 常州旭焱光电科技有限公司 一种精密陶瓷件的生产设备及生产工艺
CN118090754B (zh) * 2024-04-18 2024-07-12 菲特(天津)检测技术有限公司 表面图像采集系统
CN118096602B (zh) * 2024-04-25 2024-06-21 中国中建设计研究院有限公司 一种石材修复扫描方法及系统

Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050024610A1 (en) * 2002-06-10 2005-02-03 Nikon Corporation Exposure apparatus and stage device, and device manufacturing method
CN101576508A (zh) * 2009-05-27 2009-11-11 华南理工大学 芯片外观缺陷自动检测装置及检测方法
CN102033068A (zh) * 2009-09-24 2011-04-27 苏州维世迅机器视觉技术有限公司 产品在线检测仪
CN102055892A (zh) * 2009-10-29 2011-05-11 三洋电机株式会社 摄像装置
CN102253050A (zh) * 2011-03-14 2011-11-23 广州市盛通建设工程质量检测有限公司 基于机器视觉的磁瓦表面缺陷自动检测方法与装置
CN102788802A (zh) * 2012-08-29 2012-11-21 苏州天准精密技术有限公司 一种多相机的工件质量检测方法
CN103093419A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种检测图像清晰度的方法及装置
CN103246166A (zh) * 2012-02-02 2013-08-14 上海微电子装备有限公司 一种硅片预对准测量装置
CN103743753A (zh) * 2014-01-23 2014-04-23 四川大学 一种磁瓦柔性成像装置
CN104183010A (zh) * 2013-05-22 2014-12-03 上海迪谱工业检测技术有限公司 多视角三维在线重建的方法
CN104501740A (zh) * 2014-12-18 2015-04-08 杭州鼎热科技有限公司 一种基于标记点轨迹跟踪的手持激光三维扫描方法及设备
CN104614878A (zh) * 2013-11-04 2015-05-13 北京兆维电子(集团)有限责任公司 一种液晶屏检测系统
CN204593030U (zh) * 2015-01-14 2015-08-26 埃赛力达科技(深圳)有限公司 影印光刻用的均匀准直的照明模组和阵列照明系统
CN104914111A (zh) * 2015-05-18 2015-09-16 北京华检智研软件技术有限责任公司 一种带钢表面缺陷在线智能识别检测系统及其检测方法
CN104969057A (zh) * 2012-12-01 2015-10-07 Og技术公司 轮廓测量的方法和装置
CN105072330A (zh) * 2015-07-17 2015-11-18 电子科技大学 一种线阵相机的自动调焦方法
CN105158266A (zh) * 2015-09-22 2015-12-16 安徽省科亿信息科技有限公司 一种360度瓶身流水线前光视觉检测装置及方法
CN105158267A (zh) * 2015-09-22 2015-12-16 安徽省科亿信息科技有限公司 一种360度瓶身流水线背光视觉检测装置及方法
CN105806249A (zh) * 2016-04-15 2016-07-27 南京拓控信息科技股份有限公司 一种使用单相机同时实现图像采集和深度测量的方法
CN106161912A (zh) * 2015-03-24 2016-11-23 北京智谷睿拓技术服务有限公司 对焦方法和装置、拍摄设备
CN106375648A (zh) * 2015-08-31 2017-02-01 北京智谷睿拓技术服务有限公司 图像采集控制方法和装置
CN106872477A (zh) * 2017-04-11 2017-06-20 安徽国防科技职业学院 汽车发动机密封件外观缺陷探伤系统
CN106959078A (zh) * 2017-02-28 2017-07-18 苏州凡目视觉科技有限公司 一种用于三维轮廓测量的轮廓测量方法
CN206534707U (zh) * 2016-11-23 2017-10-03 北京锐视康科技发展有限公司 一种pet‑荧光双模态术中导航成像系统
CN206891990U (zh) * 2017-05-24 2018-01-16 南京邮电大学 一种产品表面缺陷在线检测装置
CN107632021A (zh) * 2017-10-12 2018-01-26 中国矿业大学 便携组合式半自动连续精准化拍摄辅助平台及使用方法
CN107941703A (zh) * 2017-12-20 2018-04-20 上海鸿珊光电子技术有限公司 一种利用相机成像来实现非接触判断mpo光器件的极性设备

Family Cites Families (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04226441A (ja) * 1990-06-04 1992-08-17 Fuji Photo Film Co Ltd カメラ
JP3339902B2 (ja) * 1993-03-18 2002-10-28 オリンパス光学工業株式会社 画像処理システム
JP2001094841A (ja) * 1999-09-21 2001-04-06 Asahi Optical Co Ltd アオリ撮影機能を有するデジタルスチルカメラ
JP2001153625A (ja) * 1999-11-24 2001-06-08 Enutekku:Kk 物品の外観検査方法及び装置
SE518050C2 (sv) * 2000-12-22 2002-08-20 Afsenius Sven Aake Kamera som kombinerar skarpt fokuserade delar från olika exponeringar till en slutbild
US6531707B1 (en) * 2000-12-29 2003-03-11 Cognex Corporation Machine vision method for the inspection of a material for defects
US9092841B2 (en) * 2004-06-09 2015-07-28 Cognex Technology And Investment Llc Method and apparatus for visual detection and inspection of objects
US7738945B2 (en) * 2002-04-19 2010-06-15 University Of Washington Method and apparatus for pseudo-projection formation for optical tomography
US20040196454A1 (en) * 2003-04-03 2004-10-07 Takayuki Ishiguro Optical system, detector and method for detecting peripheral surface defect of translucent disk
JP2004309287A (ja) * 2003-04-07 2004-11-04 Nippon Sheet Glass Co Ltd 欠陥検出装置、および欠陥検出方法
JP4390068B2 (ja) * 2004-12-28 2009-12-24 ソニー株式会社 撮像画像信号の歪み補正方法および撮像画像信号の歪み補正装置
JP4734552B2 (ja) * 2005-03-15 2011-07-27 名古屋市 路面の3次元形状の計測方法及びその装置
JP2007057431A (ja) * 2005-08-25 2007-03-08 Takashima Giken Kk 樹脂製瓶体の疵検査方法及び疵検査装置
US20080088830A1 (en) * 2006-10-16 2008-04-17 Shigeru Serikawa Optical system of detecting peripheral surface defect of glass disk and device of detecting peripheral surface defect thereof
CN101109715B (zh) * 2007-08-01 2010-09-22 北京理工大学 光学测孔内壁疵病的方法
TWI343207B (en) * 2007-09-07 2011-06-01 Lite On Technology Corp Device and method for obtain a clear image
CN101539422B (zh) * 2009-04-22 2011-04-13 北京航空航天大学 一种单目视觉实时测距方法
CN101630061B (zh) * 2009-08-17 2012-03-07 公安部物证鉴定中心 工具痕迹光学共聚焦三维数据采集方法
JP2011197283A (ja) * 2010-03-18 2011-10-06 Sony Corp 合焦装置、合焦方法、合焦プログラム及び顕微鏡
ES2684135T3 (es) * 2010-03-30 2018-10-01 3Shape A/S Escaneo de cavidades con accesibilidad restringida
CN102218406B (zh) * 2011-01-04 2013-06-12 华南理工大学 一种基于机器视觉的手机外壳缺陷智能检测装置
CN102074044B (zh) * 2011-01-27 2012-11-07 深圳泰山在线科技有限公司 一种物体表面重建的系统和方法
WO2012142967A1 (en) * 2011-04-21 2012-10-26 Ati-China Co., Ltd. Apparatus and method for photographing glass defects in multiple layers
KR101278249B1 (ko) * 2011-06-01 2013-06-24 주식회사 나노텍 유리기판 에지부의 결함유무 검출을 위한 장치 및 방법
CN102289119B (zh) * 2011-07-01 2014-02-05 深圳市华星光电技术有限公司 液晶显示器及修复断线的方法
CN103033525B (zh) * 2011-09-30 2016-03-02 清华大学 Ct系统和ct图像重建方法
JP5818651B2 (ja) * 2011-11-22 2015-11-18 株式会社キーエンス 画像処理装置
CN102818538B (zh) * 2012-09-14 2014-09-10 洛阳兰迪玻璃机器股份有限公司 基于调制玻璃线结构激光图像的检测系统
EA031929B1 (ru) * 2012-12-14 2019-03-29 Бипи Корпорейшн Норд Америка Инк. Устройство и способ трехмерного измерения поверхности
TW201435299A (zh) * 2013-03-15 2014-09-16 Og Technologies Inc 輪廓測量的方法和設備
KR101449273B1 (ko) * 2013-04-23 2014-10-08 주식회사 포스코 주편의 에지부 측면 결함 검출 장치 및 방법
CN103350281B (zh) * 2013-06-20 2015-07-29 大族激光科技产业集团股份有限公司 激光打标机自动调焦装置及自动调焦方法
EP2821960B1 (en) * 2013-07-03 2018-01-31 Kapsch TrafficCom AB Method for identification of contamination upon a lens of a stereoscopic camera
JP6242098B2 (ja) * 2013-07-16 2017-12-06 株式会社キーエンス 三次元画像処理装置、三次元画像処理方法及び三次元画像処理プログラム並びにコンピュータで読み取り可能な記録媒体及び記録した機器
CN103471512B (zh) * 2013-09-06 2016-08-17 中国建材国际工程集团有限公司 一种基于机器视觉的玻璃板宽检测系统
JP2016008930A (ja) * 2014-06-26 2016-01-18 澁谷工業株式会社 容器の口部検査装置と口部検査方法
CN104458764B (zh) * 2014-12-14 2017-03-22 中国科学技术大学 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法
CN104463887A (zh) * 2014-12-19 2015-03-25 盐城工学院 基于分层聚焦采集图像和三维重建的刀具磨损检测方法
TWI582557B (zh) * 2015-07-15 2017-05-11 由田新技股份有限公司 印魚式線性編碼器及包含印魚式線性編碼器的光學檢測平台
CN204731167U (zh) * 2015-07-16 2015-10-28 南京汇川工业视觉技术开发有限公司 一种瓶装产品外包装标签喷码缺陷检测系统
CN105044124A (zh) * 2015-08-27 2015-11-11 李明英 基于灰度均值分析的玻璃瑕疵分类装置
CN106534661A (zh) * 2015-09-15 2017-03-22 中国科学院沈阳自动化研究所 一种基于最强边缘梯度拉普拉斯算子累加的自动聚焦算法
CN105898135A (zh) * 2015-11-15 2016-08-24 乐视移动智能信息技术(北京)有限公司 相机成像方法及相机装置
CN105571512B (zh) * 2015-12-15 2018-09-11 北京康拓红外技术股份有限公司 一种基于深度信息与可视图像信息相融合的车辆信息采集方法及装置
CN105572144B (zh) * 2016-03-07 2018-11-20 凌云光技术集团有限责任公司 玻璃边角图像采集装置及系统
DE102016203709B4 (de) * 2016-03-08 2018-04-12 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Bildverarbeitungsverfahren, Bildverarbeitungsmittel und Bildverarbeitungsvorrichtung zur Erzeugung von Abbildungen eines Teils eines dreidimensionalen Raums
EP3433574B1 (de) * 2016-03-22 2024-06-26 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtung zur 3-dimensionalen vermessung eines objekts, verfahren und computerprogramm mit bildbasierter auslösung
CN105784719A (zh) * 2016-05-04 2016-07-20 成都贝森伟任科技有限责任公司 能够进行物品分类的机器视觉检验终端机
US9648225B1 (en) * 2016-05-10 2017-05-09 Howard Preston Method, apparatus, system and software for focusing a camera
CN105812669B (zh) * 2016-05-13 2019-04-23 大族激光科技产业集团股份有限公司 曲面自动成像对焦方法及系统
CN105866129A (zh) * 2016-05-16 2016-08-17 天津工业大学 一种基于数字投影的产品表面质量在线检测方法
CN106023193B (zh) * 2016-05-18 2018-06-19 东南大学 一种用于浑浊介质中结构表面检测的阵列相机观测方法
CN105953747B (zh) * 2016-06-07 2019-04-02 杭州电子科技大学 结构光投影全视角三维成像系统及方法
WO2017222558A1 (en) * 2016-06-24 2017-12-28 Isee, Inc. Laser-enhanced visual simultaneous localization and mapping (slam) for mobile devices
CN106248686A (zh) * 2016-07-01 2016-12-21 广东技术师范学院 基于机器视觉的玻璃表面缺陷检测装置及方法
CN106093059B (zh) * 2016-08-16 2019-11-19 杭州赤霄科技有限公司 卫生医疗防护用品口罩视觉检测系统
CN106525869B (zh) * 2016-11-09 2024-03-22 芜湖东旭光电科技有限公司 玻璃边部缺陷检测方法及其装置和系统
CN106548480B (zh) * 2016-12-23 2023-05-26 蚌埠学院 一种基于机器视觉的农产品体积快速测量装置及测量方法
CN106896115A (zh) * 2017-02-21 2017-06-27 上海大学 基于面阵相机并联采集系统的涂漆玻璃瑕疵检测装置
CN206862915U (zh) * 2017-02-28 2018-01-09 武汉易视维科技有限公司 一种塑料瓶质量视觉检测系统
CN107133981B (zh) * 2017-03-30 2019-04-12 腾讯科技(深圳)有限公司 图像处理方法和装置
CN206756711U (zh) * 2017-04-07 2017-12-15 凌云光技术集团有限责任公司 一种光伏玻璃边角检测装置
CN107063099B (zh) * 2017-04-11 2019-04-05 吉林大学 一种基于视觉系统的机械制造业在线质量监测方法
CN107169957A (zh) * 2017-04-28 2017-09-15 燕山大学 一种基于机器视觉的玻璃瑕疵在线检测系统及方法
CN107087107B (zh) * 2017-05-05 2019-11-29 中国科学院计算技术研究所 基于双摄像头的图像处理装置及方法
CN207036721U (zh) * 2017-08-16 2018-02-23 福耀集团(上海)汽车玻璃有限公司 玻璃边缘检测装置及玻璃加工线
CN107302667B (zh) * 2017-08-17 2019-05-07 中国人民解放军国防科技大学 一种相机可互换动态分光成像系统及其应用于高动态成像的方法
CN107478661A (zh) * 2017-09-11 2017-12-15 深圳市中天元光学玻璃有限公司 一种玻璃屏幕在线检测装置
CN107830813B (zh) * 2017-09-15 2019-10-29 浙江理工大学 激光线标记的长轴类零件图像拼接及弯曲变形检测方法
CN107907053A (zh) * 2017-12-12 2018-04-13 扬州大学 一种微位移测量系统
CN110595999B (zh) * 2018-05-25 2022-11-11 上海翌视信息技术有限公司 一种图像采集系统

Patent Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050024610A1 (en) * 2002-06-10 2005-02-03 Nikon Corporation Exposure apparatus and stage device, and device manufacturing method
CN101576508A (zh) * 2009-05-27 2009-11-11 华南理工大学 芯片外观缺陷自动检测装置及检测方法
CN102033068A (zh) * 2009-09-24 2011-04-27 苏州维世迅机器视觉技术有限公司 产品在线检测仪
CN102055892A (zh) * 2009-10-29 2011-05-11 三洋电机株式会社 摄像装置
CN102253050A (zh) * 2011-03-14 2011-11-23 广州市盛通建设工程质量检测有限公司 基于机器视觉的磁瓦表面缺陷自动检测方法与装置
CN103093419A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 一种检测图像清晰度的方法及装置
CN103246166A (zh) * 2012-02-02 2013-08-14 上海微电子装备有限公司 一种硅片预对准测量装置
CN102788802A (zh) * 2012-08-29 2012-11-21 苏州天准精密技术有限公司 一种多相机的工件质量检测方法
CN104969057A (zh) * 2012-12-01 2015-10-07 Og技术公司 轮廓测量的方法和装置
CN104183010A (zh) * 2013-05-22 2014-12-03 上海迪谱工业检测技术有限公司 多视角三维在线重建的方法
CN104614878A (zh) * 2013-11-04 2015-05-13 北京兆维电子(集团)有限责任公司 一种液晶屏检测系统
CN103743753A (zh) * 2014-01-23 2014-04-23 四川大学 一种磁瓦柔性成像装置
CN104501740A (zh) * 2014-12-18 2015-04-08 杭州鼎热科技有限公司 一种基于标记点轨迹跟踪的手持激光三维扫描方法及设备
CN204593030U (zh) * 2015-01-14 2015-08-26 埃赛力达科技(深圳)有限公司 影印光刻用的均匀准直的照明模组和阵列照明系统
CN106161912A (zh) * 2015-03-24 2016-11-23 北京智谷睿拓技术服务有限公司 对焦方法和装置、拍摄设备
CN104914111A (zh) * 2015-05-18 2015-09-16 北京华检智研软件技术有限责任公司 一种带钢表面缺陷在线智能识别检测系统及其检测方法
CN105072330A (zh) * 2015-07-17 2015-11-18 电子科技大学 一种线阵相机的自动调焦方法
CN106375648A (zh) * 2015-08-31 2017-02-01 北京智谷睿拓技术服务有限公司 图像采集控制方法和装置
CN105158267A (zh) * 2015-09-22 2015-12-16 安徽省科亿信息科技有限公司 一种360度瓶身流水线背光视觉检测装置及方法
CN105158266A (zh) * 2015-09-22 2015-12-16 安徽省科亿信息科技有限公司 一种360度瓶身流水线前光视觉检测装置及方法
CN105806249A (zh) * 2016-04-15 2016-07-27 南京拓控信息科技股份有限公司 一种使用单相机同时实现图像采集和深度测量的方法
CN206534707U (zh) * 2016-11-23 2017-10-03 北京锐视康科技发展有限公司 一种pet‑荧光双模态术中导航成像系统
CN106959078A (zh) * 2017-02-28 2017-07-18 苏州凡目视觉科技有限公司 一种用于三维轮廓测量的轮廓测量方法
CN106872477A (zh) * 2017-04-11 2017-06-20 安徽国防科技职业学院 汽车发动机密封件外观缺陷探伤系统
CN206891990U (zh) * 2017-05-24 2018-01-16 南京邮电大学 一种产品表面缺陷在线检测装置
CN107632021A (zh) * 2017-10-12 2018-01-26 中国矿业大学 便携组合式半自动连续精准化拍摄辅助平台及使用方法
CN107941703A (zh) * 2017-12-20 2018-04-20 上海鸿珊光电子技术有限公司 一种利用相机成像来实现非接触判断mpo光器件的极性设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115598805A (zh) * 2022-10-18 2023-01-13 深圳市灿锐科技有限公司(Cn) 一种低成本大视场可变工作距远心镜头及其检测方法

Also Published As

Publication number Publication date
CN208860761U (zh) 2019-05-14
CN110596129A (zh) 2019-12-20
CN110595999A (zh) 2019-12-20
CN110530869B (zh) 2022-08-23
CN110530885A (zh) 2019-12-03
CN110596132A (zh) 2019-12-20
CN110596129B (zh) 2022-06-17
CN110596130A (zh) 2019-12-20
CN110596134B (zh) 2022-05-31
CN110596131A (zh) 2019-12-20
CN110596127B (zh) 2022-07-08
CN110602355A (zh) 2019-12-20
CN110596127A (zh) 2019-12-20
CN110530868A (zh) 2019-12-03
CN110536048A (zh) 2019-12-03
CN110595999B (zh) 2022-11-11
CN208754389U (zh) 2019-04-16
CN110596128A (zh) 2019-12-20
CN110530869A (zh) 2019-12-03
CN110596131B (zh) 2022-06-17
CN110596134A (zh) 2019-12-20
CN110596128B (zh) 2022-05-27
CN110596133A (zh) 2019-12-20
CN208672539U (zh) 2019-03-29
CN110596126B (zh) 2022-07-08
CN110596135A (zh) 2019-12-20
CN110596126A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN208672539U (zh) 一种基于图像采集的片状玻璃边缘瑕疵检测装置
CA2615117C (en) Apparatus and methods for inspecting a composite structure for inconsistencies
JP2005148010A (ja) 被検体の形状及び明暗の検出方法とその装置
KR20200046789A (ko) 이동하는 물체의 3차원 데이터를 생성하는 방법 및 장치
CN110402386A (zh) 圆筒体表面检查装置及圆筒体表面检查方法
WO2010133921A1 (en) Surface scanning system
CN110536048B (zh) 一种具有偏置构成的相机
Seulin et al. Dynamic lighting system for specular surface inspection
JP6577733B2 (ja) 計測システム
CN115655104B (zh) 一种多向取像的内凹形物体尺寸测量方法
US11442022B2 (en) Method for reading an image sensor
JPH04130207A (ja) ホットコイル巻取形状の検出装置
Delcroix et al. Online defects localization on mirrorlike surfaces
Bakolias et al. Industrial inspection of marble tiles

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201100 room 0026, 2f, Ji building, No. 555, Dongchuan Road, Minhang District, Shanghai

Applicant after: SHANGHAI NEXT VISION INFORMATION TECH Co.,Ltd.

Address before: Room 402-02, No. 800 Naxian Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai, 200120

Applicant before: SHANGHAI NEXT VISION INFORMATION TECH Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191203