CN110674754A - 一种在线间歇中空滤棒视觉缺陷检测识别系统 - Google Patents

一种在线间歇中空滤棒视觉缺陷检测识别系统 Download PDF

Info

Publication number
CN110674754A
CN110674754A CN201910911016.0A CN201910911016A CN110674754A CN 110674754 A CN110674754 A CN 110674754A CN 201910911016 A CN201910911016 A CN 201910911016A CN 110674754 A CN110674754 A CN 110674754A
Authority
CN
China
Prior art keywords
defect
image
unit
hollow filter
filter stick
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
CN201910911016.0A
Other languages
English (en)
Inventor
王磊
石磊
辛善禄
刘戈
赵菲
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.)
Wuhan Yi Shiwei Science And Technology Ltd
Original Assignee
Wuhan Yi Shiwei Science And Technology 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 Wuhan Yi Shiwei Science And Technology Ltd filed Critical Wuhan Yi Shiwei Science And Technology Ltd
Priority to CN201910911016.0A priority Critical patent/CN110674754A/zh
Publication of CN110674754A publication Critical patent/CN110674754A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G01N21/8851—Scan 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • G01N21/8851—Scan 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • 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
    • G01N21/8851—Scan 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
    • G01N2021/8887—Scan 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明属于在线视觉检测技术领域，涉及一种在线间歇中空滤棒视觉缺陷检测识别系统。包括图像处理模块，图像处理模块包括空间转换单元、滤波单元、图像增强单元、图像分割单元、缺陷分辨单元、缺陷定位单元；空间转换单元,用于将间歇中空滤棒采样图片通道图像和转换成HSV颜色空间对应的H、S、V通道的图像；滤波单元包括滤波器，用于对间歇中空滤棒采样图片进行滤波操作；图像增强单元，用于将间歇中空滤棒的灰度值范围扩展至[0,255]；图像分割单元，用于含有缝隙的中空滤棒图像；缺陷分别单元，用于判断缝隙区域缺陷定位；单元，用于进行定位寻找，以将其转换为实际图像中缺陷位置和范围，并提取相应的缺陷数据。本发明能够提高检测速度和精确度。

Description

一种在线间歇中空滤棒视觉缺陷检测识别系统
技术领域
本发明属于在线视觉检测技术领域，尤其涉及一种在线间歇中空滤棒视觉缺陷检测识别系统。
背景技术
香烟间歇中空滤棒生产过程通常会产生存在缺陷的次品，在间歇中空滤棒生成过程中存在间歇中空滤棒相位、长度、数量等等问题，对间歇中空滤棒次品进行筛选和剔除是提高卷烟间歇中空滤棒产品质量的重要生产环节。
传统的间歇中空滤棒次品检测使用的是人工抽样方法，但人工抽样检测存在检测速度慢、检测错误率较高等缺点，因此无法满足目前高速和准确检测的需要。目前国内常用的间歇中空滤棒次品自动检测剔除方法有传感器检测方法和微波检测方法，这些检测方法的检测速度和效果相对人工抽样方法有所提高，但是存在设备成本较高、检测效果较差的缺点，因此需要进一步提升对间歇中空滤棒产品的检测速度和降低对间歇中空滤棒次品误报率。
发明内容
本发明创造的目的在于，提供一种在线间歇中空滤棒视觉缺陷检测识别系统，以提高检测速度和精确度。
为实现上述目的，本发明创造采用如下技术方案。
一种在线间歇中空滤棒视觉缺陷检测识别系统，由LED光源、光学镜头、CCD相机和图像采集卡、图像处理模块、工控机和编码器构成，特别的，所述图像处理模块包括空间转换单元、滤波单元、图像增强单元、图像分割单元、缺陷分辨单元、缺陷定位单元；
空间转换单元,用于：使用RGB颜色空间和HSV颜色空间将间歇中空滤棒采样图片及其R、G、B通道图像和转换成HSV颜色空间对应的H、S、V通道的图像；
滤波单元包括滤波器，用于：对间歇中空滤棒采样图片进行滤波操作；
图像增强单元，用于：应用线性灰度增强算法对于间歇中空滤棒采样图像进行灰度增强，将间歇中空滤棒的灰度值范围扩展至[0,255]；
图像分割单元，用于：计算图像的灰度直方图，对直方图进行平滑处理直至直方图形成两个峰值，然后以两个峰值间的谷值作为图像分割的全局阈值进行分割处理得到含有缝隙的中空滤棒图像；
缺陷分别单元，用于：应用较大的阈值对间歇中空滤棒图像进行二值化运算，若得到的大于阈值的区域宽度接近于间歇中空滤棒的宽度则将此区域判断为缝隙区域
缺陷定位单元，用于：根据前述缝隙区域在图像中的位置和宽度进行定位寻找，以将其转换为实际图像中缺陷位置和范围，并提取相应的缺陷数据。
对前述在线间歇中空滤棒视觉缺陷检测识别系统的改进内容，特别的，还包括数据输出单元，用于记录缺陷并显示，分类统计形成缺陷统计报表，统计产品废品率好品率，输出缺陷信息；发出剔除信号。
对前述在线间歇中空滤棒视觉缺陷检测识别系统的改进内容，特别的，所述图像处理模块还包括人机交互系统界面，包括
区域1：实时显示正在监测的产品图像，方便随时做出检测参数或硬件的调整；
区域2：显示各类别缺陷的数量，并统计其在总缺陷数量所占比例，有利于生产环节针对性的调整。
区域3：实时显示缺陷图片及信息(编号、时间、类别等)，可以对比缺陷检测值和偏差值，更清晰直观。
区域4：主要的控制区域，并对所检产品设置各项检测参数。
其有益效果在于：
在线间歇中空滤棒视觉缺陷检测识别系统具有较高的检测速度和精确度，因此可以大大提高间歇中空滤棒间歇中空滤棒的生产效率和自动化程度。在线间歇中空滤棒间歇中空滤棒系统采用了现代光机电自动化技术和图像处理技术，具有快速、准确、自动化程度高、操作简单、质量可靠等优势。这就为烟草公司有效地提高了卷烟间歇中空滤棒的生产率和生产质量，并为烟草公司创造了较高的经济效益和社会效益。
具体实施方式
以下结合具体实施例对本发明创造作详细说明。
一种在线间歇中空滤棒视觉缺陷检测识别系统，由LED光源、光学镜头、CCD相机和图像采集卡、图像处理模块、工控机和编码器构成，特别的，所述图像处理模块包括空间转换单元、滤波单元、图像增强单元、图像分割单元、缺陷分辨单元、缺陷定位单元；
空间转换单元,用于：使用RGB颜色空间和HSV颜色空间将间歇中空滤棒采样图片及其R、G、B通道图像和转换成HSV颜色空间对应的H、S、V通道的图像；
滤波单元包括滤波器，用于：对间歇中空滤棒采样图片进行滤波操作；
图像增强单元，用于：应用线性灰度增强算法对于间歇中空滤棒采样图像进行灰度增强，将间歇中空滤棒的灰度值范围扩展至[0,255]；
图像分割单元，用于：计算图像的灰度直方图，对直方图进行平滑处理直至直方图形成两个峰值，然后以两个峰值间的谷值作为图像分割的全局阈值进行分割处理得到含有缝隙的中空滤棒图像；
缺陷分别单元，用于：应用较大的阈值对间歇中空滤棒图像进行二值化运算，若得到的大于阈值的区域宽度接近于间歇中空滤棒的宽度则将此区域判断为缝隙区域
缺陷定位单元，用于：根据前述缝隙区域在图像中的位置和宽度进行定位寻找，以将其转换为实际图像中缺陷位置和范围，并提取相应的缺陷数据。
对前述在线间歇中空滤棒视觉缺陷检测识别系统的改进内容，特别的，还包括数据输出单元，用于记录缺陷并显示，分类统计形成缺陷统计报表，统计产品废品率好品率，输出缺陷信息；发出剔除信号。
对前述在线间歇中空滤棒视觉缺陷检测识别系统的改进内容，特别的，所述图像处理模块还包括人机交互系统界面，包括
区域1：实时显示正在监测的产品图像，方便随时做出检测参数或硬件的调整；
区域2：显示各类别缺陷的数量，并统计其在总缺陷数量所占比例，有利于生产环节针对性的调整。
区域3：实时显示缺陷图片及信息(编号、时间、类别等)，可以对比缺陷检测值和偏差值，更清晰直观。
区域4：主要的控制区域，并对所检产品设置各项检测参数。
在线间歇中空滤棒视觉缺陷检测识别系统具有较高的检测速度和精确度，因此可以大大提高间歇中空滤棒间歇中空滤棒的生产效率和自动化程度。在线间歇中空滤棒间歇中空滤棒系统采用了现代光机电自动化技术和图像处理技术，具有快速、准确、自动化程度高、操作简单、质量可靠等优势。这就为烟草公司有效地提高了卷烟间歇中空滤棒的生产率和生产质量，并为烟草公司创造了较高的经济效益和社会效益。
最后应当说明的是，以上实施例仅用以说明本发明创造的技术方案，而非对本发明创造保护范围的限制，本领域的普通技术人员应当理解，可以对本发明创造的技术方案进行修改或者等同替换，而不脱离本发明创造技术方案的实质和范围。

Claims (3)

1.一种在线间歇中空滤棒视觉缺陷检测识别系统，由LED光源、光学镜头、CCD相机和图像采集卡、图像处理模块、工控机和编码器构成，其特征在于，所述图像处理模块包括空间转换单元、滤波单元、图像增强单元、图像分割单元、缺陷分辨单元、缺陷定位单元；
空间转换单元,用于：使用RGB颜色空间和HSV颜色空间将间歇中空滤棒采样图片及其R、G、B通道图像和转换成HSV颜色空间对应的H、S、V通道的图像；
滤波单元包括滤波器，用于：对间歇中空滤棒采样图片进行滤波操作；
图像增强单元，用于：应用线性灰度增强算法对于间歇中空滤棒采样图像进行灰度增强，将间歇中空滤棒的灰度值范围扩展至[0,255]；
图像分割单元，用于：计算图像的灰度直方图，对直方图进行平滑处理直至直方图形成两个峰值，然后以两个峰值间的谷值作为图像分割的全局阈值进行分割处理得到含有缝隙的中空滤棒图像；
缺陷分别单元，用于：应用较大的阈值对间歇中空滤棒图像进行二值化运算，若得到的大于阈值的区域宽度接近于间歇中空滤棒的宽度则将此区域判断为缝隙区域
缺陷定位单元，用于：根据前述缝隙区域在图像中的位置和宽度进行定位寻找，以将其转换为实际图像中缺陷位置和范围，并提取相应的缺陷数据。
2.根据权利要求1所述一种在线间歇中空滤棒视觉缺陷检测识别系统，其特征在于，还包括数据输出单元，用于记录缺陷并显示，分类统计形成缺陷统计报表，统计产品废品率好品率，输出缺陷信息；发出剔除信号。
3.根据权利要求1所述一种在线间歇中空滤棒视觉缺陷检测识别系统，其特征在于，
所述图像处理模块还包括人机交互系统界面，包括
区域1：实时显示正在监测的产品图像，方便随时做出检测参数或硬件的调整；
区域2：显示各类别缺陷的数量，并统计其在总缺陷数量所占比例，有利于生产环节针对性的调整。
区域3：实时显示缺陷图片及信息(编号、时间、类别等)，可以对比缺陷检测值和偏差值，更清晰直观。
区域4：主要的控制区域，并对所检产品设置各项检测参数。
CN201910911016.0A 2019-09-25 2019-09-25 一种在线间歇中空滤棒视觉缺陷检测识别系统 Pending CN110674754A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910911016.0A CN110674754A (zh) 2019-09-25 2019-09-25 一种在线间歇中空滤棒视觉缺陷检测识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910911016.0A CN110674754A (zh) 2019-09-25 2019-09-25 一种在线间歇中空滤棒视觉缺陷检测识别系统

Publications (1)

Publication Number Publication Date
CN110674754A true CN110674754A (zh) 2020-01-10

Family

ID=69079405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910911016.0A Pending CN110674754A (zh) 2019-09-25 2019-09-25 一种在线间歇中空滤棒视觉缺陷检测识别系统

Country Status (1)

Country Link
CN (1) CN110674754A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101377A (zh) * 2020-08-20 2020-12-18 湖北中烟工业有限责任公司 一种基于区域特征分析的在线间歇中空滤棒检测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102353680A (zh) * 2011-07-08 2012-02-15 中国科学院宁波材料技术与工程研究所 小型工件表面缺陷的评估方法以及检测不合格工件的流程
CN102930547A (zh) * 2012-11-13 2013-02-13 中国农业大学 风力传送条件下棉花异性纤维图像在线分割方法及系统
CN104807829A (zh) * 2015-04-17 2015-07-29 武汉易视维科技有限公司 一种咀棒视觉检测系统及方法
CN104851086A (zh) * 2015-04-17 2015-08-19 武汉恒兴通检测有限公司 一种针对缆索表面缺陷的图像检测方法
CN105424709A (zh) * 2015-11-20 2016-03-23 陕西科技大学 一种基于图像标记的水果表面缺陷检测方法
CN106485696A (zh) * 2016-09-22 2017-03-08 电子科技大学 一种基于机器视觉的易爆危险品压合缺陷的检测方法
CN109668909A (zh) * 2017-10-13 2019-04-23 南京敏光视觉智能科技有限公司 一种玻璃缺陷检测方法
CN109804232A (zh) * 2016-12-30 2019-05-24 同济大学 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN110211101A (zh) * 2019-05-22 2019-09-06 武汉理工大学 一种铁轨表面缺陷快速检测系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102353680A (zh) * 2011-07-08 2012-02-15 中国科学院宁波材料技术与工程研究所 小型工件表面缺陷的评估方法以及检测不合格工件的流程
CN102930547A (zh) * 2012-11-13 2013-02-13 中国农业大学 风力传送条件下棉花异性纤维图像在线分割方法及系统
CN104807829A (zh) * 2015-04-17 2015-07-29 武汉易视维科技有限公司 一种咀棒视觉检测系统及方法
CN104851086A (zh) * 2015-04-17 2015-08-19 武汉恒兴通检测有限公司 一种针对缆索表面缺陷的图像检测方法
CN105424709A (zh) * 2015-11-20 2016-03-23 陕西科技大学 一种基于图像标记的水果表面缺陷检测方法
CN106485696A (zh) * 2016-09-22 2017-03-08 电子科技大学 一种基于机器视觉的易爆危险品压合缺陷的检测方法
CN109804232A (zh) * 2016-12-30 2019-05-24 同济大学 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN109668909A (zh) * 2017-10-13 2019-04-23 南京敏光视觉智能科技有限公司 一种玻璃缺陷检测方法
CN110211101A (zh) * 2019-05-22 2019-09-06 武汉理工大学 一种铁轨表面缺陷快速检测系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨光远等: "爆珠滤棒在线视觉检测系统的研究与开发", 《轻工科技》 *
毕贵红等: "运动香烟滤棒在线图像检测系统", 《机床与液压》 *
王庆海等: "基于Blob分析的玻璃纤维织物缺陷检测方法研究", 《郑州大学学报(工学版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101377A (zh) * 2020-08-20 2020-12-18 湖北中烟工业有限责任公司 一种基于区域特征分析的在线间歇中空滤棒检测方法
CN112101377B (zh) * 2020-08-20 2024-05-28 湖北中烟工业有限责任公司 一种基于区域特征分析的在线间歇中空滤棒检测方法

Similar Documents

Publication Publication Date Title
CN109598715B (zh) 基于机器视觉的物料粒度在线检测方法
CN110403232B (zh) 一种基于二级算法的烟支质量检测方法
CN109507192A (zh) 一种基于机器视觉的磁芯表面缺陷检测方法
CN101696945B (zh) 机器视觉系统对光伏玻璃瑕疵的在线检测方法
CN110490842B (zh) 一种基于深度学习的带钢表面缺陷检测方法
CN106556611A (zh) 基于机器视觉的彩色印刷品缺陷自动检测系统及检测方法
CN104574389A (zh) 基于彩色机器视觉的电池片色差分选控制方法
CN101566582A (zh) 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统
CN101907453A (zh) 基于机器视觉的块状农产品尺寸在线测量方法与装置
CN205538710U (zh) 一种基于机器视觉的电感质量自动检测系统
CN103033476A (zh) 一种基于红外成像在线检测烟叶中含梗的设备及方法
CN111652842A (zh) 高速西林瓶轧盖生产线实时视觉检测方法及系统
CN104048966B (zh) 一种基于大律法的布面疵点检测及分类方法
CN110310275A (zh) 一种基于图像处理的链式传送带缺陷检测方法
CN112233111A (zh) 一种基于数字图像处理的隧道缝隙检测方法
CN110852373A (zh) 基于视觉的无缺陷样本深度学习网络训练方法
CN115311250A (zh) 基于深度学习和时空特征融合的烟支外观检测方法
CN115866502A (zh) 一种麦克风零件表面缺陷在线检测流程
CN110674754A (zh) 一种在线间歇中空滤棒视觉缺陷检测识别系统
CN113469938B (zh) 基于嵌入式前端处理服务器的管廊视频分析方法及系统
CN106370673A (zh) 一种镜片疵病自动检测方法
CN103020635A (zh) 回转窑内烧结带温度检测方法和系统
CN106501278B (zh) 基于旋转不变纹理特征的灯管表面瑕疵分类方法及系统
CN114937015B (zh) 一种锂电池极片制造中智能视觉识别方法和系统
CN115494074A (zh) 用于连铸板坯表面缺陷的在线检测方法

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

Application publication date: 20200110