CN110579184A - 一种产品外观在线检测装置及其使用方法 - Google Patents
一种产品外观在线检测装置及其使用方法 Download PDFInfo
- Publication number
- CN110579184A CN110579184A CN201911018500.7A CN201911018500A CN110579184A CN 110579184 A CN110579184 A CN 110579184A CN 201911018500 A CN201911018500 A CN 201911018500A CN 110579184 A CN110579184 A CN 110579184A
- Authority
- CN
- China
- Prior art keywords
- product
- light source
- camera
- image
- detection device
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000013135 deep learning Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 239000011521 glass Substances 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
Landscapes
- Physics & Mathematics (AREA)
- General 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)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种产品外观在线检测装置，包括基座，所述基座与多角度调节支架对应铰接，在所述基座上还对应设有相机安装板，所述相机安装板与相机对应连接，在所述多角度调节支架远离相机的一端对应设有背景光源安装板，所述背景光源安装板与背景光源对应连接，在所述多角度调节支架的中部对应设有同轴光源安装板，在所述同轴光源安装板上对应设有同轴光源。本发明一种产品外观在线检测装置及其使用方法可以在同一检测工站，一次采样的基础上完成对产品外观尺寸和产品表面细节的并行检测。基本不需要增加新的硬件设备，推广简单，成本低廉，一站式解决两种不良问题的检测（尺寸和细节），提升效率和准确率，降低成本。
Description
技术领域
本发明涉及产品检测装置领域，尤其涉及一种产品外观在线检测装置及其使用方法。
背景技术
目前工业领域中通过图像采样对产品进行量测主要是通过摄像头采集到产品的外观边缘信息（背部打光，形成产品外观剪影，高对比），通过灰阶的差异范围来抓取产品外观轮廓，再通过计算得到量测目标的各种尺寸，最后根据该尺寸是否在规定的范围内来判定其是良品还是不良品。但是这种检测方式有两个问题：1.因为是凸显产品边缘，用的剪影布光方式，产品正面细节基本丢失。2.即使获得正面细节，但目前的检测算法并不支持对表面细节的分析。这就导致当产品表面有问题，但产品边缘在尺寸范围内的不良品漏检出现。这种情况目前单一检测方案无法解决，也很大程度上影响产品的品质，只能通过增加新的外观检测工站来实现，增加硬件成本，增加测试时间。
为了一站式解决两种不良问题的检测（尺寸和细节），需要设计一种产品外观在线检测装置及其使用方法。
发明内容
为了克服现有技术中的缺陷，提供一种产品外观在线检测装置及其使用方法。
本发明通过下述方案实现：
一种产品外观在线检测装置，包括基座，所述基座与多角度调节支架对应铰接，在所述基座上还对应设有相机安装板，所述相机安装板与相机对应连接，在所述多角度调节支架远离相机的一端对应设有背景光源安装板，所述背景光源安装板与背景光源对应连接，在所述多角度调节支架的中部对应设有同轴光源安装板，在所述同轴光源安装板上对应设有同轴光源。
所述多角度调节支架上对应设有滑槽，所述背景光源安装板的底部与滑槽对应连接。
一种产品外观在线检测装置的使用方法，该方法包括以下步骤：
一、相机得到拍摄信号，拍摄产品的图像，相机拍摄时，背景光源通过对产品进行背部打光，同时同轴光源通过对产品的正面进行补光；
二、对拍摄的图片进行对比度提升，产品轮廓与背景的灰度值有差距，设定一个二值化的阀值，然后对图像进行二值化得出产品的轮廓，在获得二值化图像后对图像进行统一化水平旋转，再根据相机的解析度和产品实际尺寸的对应关系 ，计算出每个像素点表示的实际产品长度，最后通过产品各部分直线距离在图像上占用的像素点数量计算出产品相关部分的尺寸，对比后即可完成产品尺寸是否符合要求的判断；
三、对拍摄的图片进行亮度提升，由深度学习AI模块对拍摄的图片进行分析，完成对产品表面细节是否符合要求的判断；
四、步骤二中产品尺寸和步骤三中产品表面细节均符合要求的产品判定为良品，将判定结果发送至PLC。
所述背景光源的背景光与同轴光源的同轴光的亮度之比为1:0.5-1。
所述相机通过同轴光源的玻璃镜面拍摄产品。
在所述步骤三中，深度学习AI模块的算法是基于深度学习WideResNet模型,利用WideResNet网络对亮度提升后的图片进行卷积操作提取图像特征，利用大量标注过种类的物体图片对模型进行训练，通过多层卷积神经网络逐层提取出图片特征，再通过预测标记与训练标记的差值得出损失值，根据损失值反向求导，测出导致最大损失的权重并进行更新，在大量的循环训练中，模型逐渐收敛得出每个特征值的最优权重，完成训练；
深度学习WideResNet模型在工作中会对输入的产品图片进行逐一卷积，发现特征后会根据每种特征的权重，计算出该图片属于哪种类型的概率值，程序根据概率值来确定是属于哪种类型。
本发明的有益效果为：
本发明一种产品外观在线检测装置及其使用方法可以在同一检测工站，一次采样的基础上完成对产品外观尺寸和产品表面细节的并行检测。基本不需要增加新的硬件设备，推广简单，成本低廉，一站式解决两种不良问题的检测（尺寸和细节），提升效率和准确率，降低成本。
附图说明
图1为本发明一种产品外观在线检测装置的结构示意图；
图2为本发明一种产品外观在线检测装置的测试流程图。
图中：1为基座，2为多角度调节支架，3为相机安装板，4为相机，5为背景光源安装板，6为背景光源，7为同轴光源安装板，8为同轴光源，9为滑槽。
具体实施方式
下面结合附图和具体实施例对本发明进一步说明：
一种产品外观在线检测装置，包括基座1，所述基座1与多角度调节支架2对应铰接，在所述基座1上还对应设有相机安装板3，所述相机安装板3与相机4对应连接，在所述多角度调节支架2远离相机4的一端对应设有背景光源安装板5，所述背景光源安装板5与背景光源6对应连接，在所述多角度调节支架2的中部对应设有同轴光源安装板7，在所述同轴光源安装板7上对应设有同轴光源8。
所述多角度调节支架2上对应设有滑槽9，所述背景光源安装板5的底部与滑槽9对应连接。
本实施例中，以保险丝内芯作为产品进行检测，在实际应用中，多角度支架可实现角度、距离的动态调整，相机左右角度和拍摄距离可以自由调整，同轴光源与产品之间距离、背光源与产品之间距离、支架平台的左右和上下角度均可以自由调整。
如图2所示，一种产品外观在线检测装置的使用方法，该方法包括以下步骤：
一、相机得到拍摄信号，拍摄产品的图像，相机拍摄时，背景光源通过对产品进行背部打光，类似剪影的效果，高亮的背景光加上黑色的产品，同时同轴光源通过对产品的正面进行补光，使得产品表面细节得以清楚保留；底部背景光和正面同轴光实现对产品轮廓与表面细节的同时保留。
二、对拍摄的图片进行对比度提升，产品轮廓与背景的灰度值有差距，设定一个二值化（整个图片由0和1即黑和白组成）的阀值，然后对图像进行二值化得出产品的轮廓，在获得二值化图像后对图像进行统一化水平旋转，再根据相机的解析度和产品实际尺寸的对应关系 ，计算出每个像素点表示的实际产品长度，最后通过产品各部分直线距离在图像上占用的像素点数量计算出产品相关部分的尺寸，对比后即可完成产品尺寸是否符合要求的判断；
其中，二值化具体方法为：黑白相机的成像，每个像素点是以灰度值来表示从0到255（白色255，黑色0），我们设定一个阀值（取所有像素点值的平均值，可根据实际效果做微调），然后对图像的像素点值进行逐一读取，大于该阀值的把值设为255，小于该阀值的把值改设0，这样图像就变成只有黑白两种值的二值化图像。
解析度和实际尺寸的对应关系为：本实施例中，可以通过图像获得产品最左端到最右端的直线距离一共有多少个像素点（假设为A），然后再用高精度的测量仪器测量出产品从最左端到最右端的实际长度（假设为B），然后用B/A=C，C就代表每个像素点对应的产品实际长度，就知道了相机解析度与产品实际尺寸之间的对应关系。
三、对拍摄的图片进行亮度提升，由深度学习AI模块对拍摄的图片进行分析，完成对产品表面细节是否符合要求的判断；
四、步骤二中产品尺寸和步骤三中产品表面细节均符合要求的产品判定为良品，将判定结果发送至PLC。
所述背景光源的背景光与同轴光源的同轴光的亮度之比为1:0.5-1。
所述相机通过同轴光源的玻璃镜面拍摄产品。
在所述步骤三中，深度学习AI模块的算法是基于深度学习WideResNet模型,利用WideResNet网络对亮度提升后的图片进行卷积操作提取图像特征，利用大量标注过种类的物体图片对模型进行训练，通过多层卷积神经网络逐层提取出图片特征，再通过预测标记与训练标记的差值得出损失值，根据损失值反向求导，测出导致最大损失的权重并进行更新，在大量的循环训练中，模型逐渐收敛得出每个特征值的最优权重，完成训练；
深度学习WideResNet模型在工作中会对输入的产品图片进行逐一卷积，发现特征后会根据每种特征的权重，计算出该图片属于哪种类型的概率值，程序根据概率值来确定是属于哪种类型。
尽管已经对本发明的技术方案做了较为详细的阐述和列举，应当理解，对于本领域技术人员来说，对上述实施例做出修改或者采用等同的替代方案，这对本领域的技术人员而言是显而易见，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (6)
1.一种产品外观在线检测装置，包括基座（1），其特征在于：所述基座（1）与多角度调节支架（2）对应铰接，在所述基座（1）上还对应设有相机安装板（3），所述相机安装板（3）与相机（4）对应连接，在所述多角度调节支架（2）远离相机（4）的一端对应设有背景光源安装板（5），所述背景光源安装板（5）与背景光源（6）对应连接，在所述多角度调节支架（2）的中部对应设有同轴光源安装板（7），在所述同轴光源安装板（7）上对应设有同轴光源（8）。
2.根据权利要求1所述的一种产品外观在线检测装置，其特征在于：所述多角度调节支架（2）上对应设有滑槽（9），所述背景光源安装板（5）的底部与滑槽（9）对应连接。
3.一种产品外观在线检测装置的使用方法，其特征在于：该方法包括以下步骤：
一、相机得到拍摄信号，拍摄产品的图像，相机拍摄时，背景光源通过对产品进行背部打光，同时同轴光源通过对产品的正面进行补光；
二、对拍摄的图片进行对比度提升，产品轮廓与背景的灰度值有差距，设定一个二值化的阀值，然后对图像进行二值化得出产品的轮廓，在获得二值化图像后对图像进行统一化水平旋转，再根据相机的解析度和产品实际尺寸的对应关系 ，计算出每个像素点表示的实际产品长度，最后通过产品各部分直线距离在图像上占用的像素点数量计算出产品相关部分的尺寸，对比后即可完成产品尺寸是否符合要求的判断；
三、对拍摄的图片进行亮度提升，由深度学习AI模块对拍摄的图片进行分析，完成对产品表面细节是否符合要求的判断；
四、步骤二中产品尺寸和步骤三中产品表面细节均符合要求的产品判定为良品，将判定结果发送至PLC。
4.根据权利要求3所述的一种产品外观在线检测装置的使用方法，其特征在于：所述背景光源的背景光与同轴光源的同轴光的亮度之比为1:0.5-1。
5.根据权利要求3所述的一种产品外观在线检测装置的使用方法，其特征在于：所述相机通过同轴光源的玻璃镜面拍摄产品。
6.根据权利要求3所述的一种产品外观在线检测装置的使用方法，其特征在于：在所述步骤三中，深度学习AI模块的算法是基于深度学习WideResNet模型,利用WideResNet网络对亮度提升后的图片进行卷积操作提取图像特征，利用大量标注过种类的物体图片对模型进行训练，通过多层卷积神经网络逐层提取出图片特征，再通过预测标记与训练标记的差值得出损失值，根据损失值反向求导，测出导致最大损失的权重并进行更新，在大量的循环训练中，模型逐渐收敛得出每个特征值的最优权重，完成训练；
深度学习WideResNet模型在工作中会对输入的产品图片进行逐一卷积，发现特征后会根据每种特征的权重，计算出该图片属于哪种类型的概率值，程序根据概率值来确定是属于哪种类型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911018500.7A CN110579184A (zh) | 2019-10-24 | 2019-10-24 | 一种产品外观在线检测装置及其使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911018500.7A CN110579184A (zh) | 2019-10-24 | 2019-10-24 | 一种产品外观在线检测装置及其使用方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110579184A true CN110579184A (zh) | 2019-12-17 |
Family
ID=68815306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911018500.7A Pending CN110579184A (zh) | 2019-10-24 | 2019-10-24 | 一种产品外观在线检测装置及其使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110579184A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114998333A (zh) * | 2022-08-02 | 2022-09-02 | 山东第一医科大学(山东省医学科学院) | 一种光源特性的计算机视觉检测方法及系统 |
| CN116543002A (zh) * | 2023-07-06 | 2023-08-04 | 广州市易鸿智能装备有限公司 | 一种针对产品的自动化检测方法、装置和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107884413A (zh) * | 2017-10-24 | 2018-04-06 | 华东交通大学 | 一种自动检测轴承滚动体缺失的装置及检测方法 |
| CN108413873A (zh) * | 2018-04-17 | 2018-08-17 | 华南理工大学 | 一种手机外壳在线尺寸测量与表面缺陷检测系统及其方法 |
| CN109214426A (zh) * | 2018-08-08 | 2019-01-15 | 王新维 | 一种物体外观检测的方法及深度神经网络模型 |
| CN109900711A (zh) * | 2019-04-02 | 2019-06-18 | 天津工业大学 | 基于机器视觉的工件缺陷检测方法 |
| CN210773933U (zh) * | 2019-10-24 | 2020-06-16 | 深圳宇骏视觉智能科技有限公司 | 一种产品外观在线检测装置 |
-
2019
- 2019-10-24 CN CN201911018500.7A patent/CN110579184A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107884413A (zh) * | 2017-10-24 | 2018-04-06 | 华东交通大学 | 一种自动检测轴承滚动体缺失的装置及检测方法 |
| CN108413873A (zh) * | 2018-04-17 | 2018-08-17 | 华南理工大学 | 一种手机外壳在线尺寸测量与表面缺陷检测系统及其方法 |
| CN109214426A (zh) * | 2018-08-08 | 2019-01-15 | 王新维 | 一种物体外观检测的方法及深度神经网络模型 |
| CN109900711A (zh) * | 2019-04-02 | 2019-06-18 | 天津工业大学 | 基于机器视觉的工件缺陷检测方法 |
| CN210773933U (zh) * | 2019-10-24 | 2020-06-16 | 深圳宇骏视觉智能科技有限公司 | 一种产品外观在线检测装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114998333A (zh) * | 2022-08-02 | 2022-09-02 | 山东第一医科大学(山东省医学科学院) | 一种光源特性的计算机视觉检测方法及系统 |
| CN116543002A (zh) * | 2023-07-06 | 2023-08-04 | 广州市易鸿智能装备有限公司 | 一种针对产品的自动化检测方法、装置和系统 |
| CN116543002B (zh) * | 2023-07-06 | 2023-11-21 | 广州市易鸿智能装备有限公司 | 一种针对产品的自动化检测方法、装置和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
| CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
| CN109870461A (zh) | 一种电子元器件质量检测系统 | |
| CN110473165A (zh) | 一种电路板焊接质量检测方法及装置 | |
| CN108682012B (zh) | 一种基于线扫激光的3d曲面玻璃表面平整性缺陷检测方法 | |
| CN115131354B (zh) | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 | |
| CN111551350A (zh) | 一种基于U_Net网络的光学镜片表面划痕检测方法 | |
| CN110021012B (zh) | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 | |
| CN112862744B (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
| CN109949725A (zh) | 一种aoi系统图像灰度标准化方法及系统 | |
| CN110579184A (zh) | 一种产品外观在线检测装置及其使用方法 | |
| CN111426693A (zh) | 一种质量缺陷检测系统及其检测方法 | |
| CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
| CN112270659A (zh) | 一种动力电池极片表面缺陷快速检测方法和系统 | |
| CN110738644A (zh) | 一种基于深度学习的汽车涂装表面缺陷检测方法及系统 | |
| CN113706461A (zh) | 一种基于图像识别的绝缘毯微缺陷识别系统 | |
| CN116071315A (zh) | 一种基于机器视觉的产品可视缺陷检测方法及系统 | |
| CN113686869A (zh) | 一种绝缘毯微缺陷识别装置 | |
| CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
| CN115601359A (zh) | 一种焊缝检测方法及装置 | |
| CN107833223B (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
| CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
| CN116543247A (zh) | 基于光度立体表面重建的数据集制作方法及验证系统 | |
| CN210773933U (zh) | 一种产品外观在线检测装置 | |
| CN114596301A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测系统 |
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 |