CN110807354B - 一种工业流水线产品计数方法 - Google Patents
一种工业流水线产品计数方法 Download PDFInfo
- Publication number
- CN110807354B CN110807354B CN201910846327.3A CN201910846327A CN110807354B CN 110807354 B CN110807354 B CN 110807354B CN 201910846327 A CN201910846327 A CN 201910846327A CN 110807354 B CN110807354 B CN 110807354B
- Authority
- CN
- China
- Prior art keywords
- image
- template
- detected
- snap
- matching
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000010586 diagram Methods 0.000 claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000007547 defect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M7/00—Counting of objects carried by a conveyor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种工业流水线产品计数方法,包括以下步骤:1)获取待检测物体多个角度的模板图,建立模板图库;2)抓拍获取流水线上待检测物体的图像,对抓拍图像进行图像二值化处理;3)利用归一化相关匹配法计算步骤2)中处理后的抓拍图像与模板图库的匹配度;4)当抓拍图像和模板图库的匹配度大于等于第一阈值时,利用灰度直方图匹配法计算步骤2)中处理后的抓拍图像与模板图库的相似度;5)当抓拍图像和模板图库的相似度大于等于第二阈值时,计数待检测物体。本发明采用图像识别方式,识别率高,待检测物体在掉落后不必摆放齐整,抓拍一次可识别多个待检测物体,能准确区分紧靠在一起的工件,计数效率高。
Description
技术领域
本发明属于利用视觉识别进行工业计数的技术领域,尤其是涉及一种工业流水线产品计数方法。
背景技术
目前已有的基于机器视觉的计数算法存在自动化程度不高、检测物体普遍适用性低下问题。例如:多支动态工件计数装置能进行多支动态工件计数,缺点是计数精度受图像匹配精度影响大,特别难以区分相邻工件。
例如某些基于图像识别的工业流水线计数装置对工件拍摄并进行图像轮廓识别,优点是能动态区分紧靠在一起的工件,缺点是对工件的摆放有一定的要求,工件在流水线上摆放整齐才能符合它识别的要求。
中国专利CN 109035214公开的《一种工业机器人物料形状识别方法》,其通过运用形状信息分析对物料形状的分类识别进行强化,实现对不同形状物料的准确、稳定、快速分拣。该方法采用轮廓匹配的方法,损失了很多图片信息,只能通过物体的形状进行识别,对于存在形状相同的不同物体会造成误识别。
发明内容
为了克服现有技术的不足,本发明提供一种具有较好的检测物体适应性、计数准确的工业流水线产品计数方法。
本发明解决其技术问题所采用的技术方案是:一种工业流水线产品计数方法,包括以下步骤:
1)获取待检测物体多个角度的模板图,建立模板图库;
2)抓拍获取流水线上待检测物体的图像,对抓拍图像进行图像二值化处理;
3)利用归一化相关匹配法计算步骤2)中处理后的抓拍图像与模板图库的匹配度;
4)当抓拍图像和模板图库的匹配度大于等于第一阈值时,利用灰度直方图匹配法计算步骤2)中处理后的抓拍图像与模板图库的相似度;
5)当抓拍图像和模板图库的相似度大于等于第二阈值时,计数待检测物体。
作为优选,所述步骤5)中相似度计算为,于抓拍图像上切割与模板图大小相同的图像,分别获得模板图的灰度分布直方图,和抓拍图像的灰度分布直方图,计算两个灰度分布直方图的相关性d(H1,H2),其中N是灰度分布直方图中柱状的数目,H1和H2分别是模板灰度分布直方图和抓拍图像灰度分布直方图。
作为优选,所述步骤1)中模板图的获取方法为,将待检测物体置于白色背景,拍摄待检测物体图像后对其进行平滑处理,去除图像噪声后获取待检测物体图像轮廓的外接矩形,根据矩形的顶点位置裁剪得到待检测物体模板图。
作为优选,所述步骤1)中将待检测物体每隔45°旋转一次,共旋转7次,得到8个角度,建立模板图库。
作为优选,所述步骤3)之前,将模板图和抓拍图像进行大小统一。
作为优选,将模板图和抓拍图像进行sift特征点检测,采用FlannBaseMatcher匹配方法进行图像配准,将模板图和抓拍图像通过单应性变换进行关联得到变换矩阵H,根据变换矩阵H调整模板图大小。
作为优选,所述步骤3)中对模板图和抓拍图像作自适应二值化处理,得到模板图二值图T和抓拍图像二值图I,对模板图二值图T和抓拍图像二值图I进行模板匹配,标定待检测物体的位置,利用归一化相关匹配法遍历抓拍图像中的每一个可能的位置,比较各个位置与模板图的匹配度R(x,y)。
作为优选,还包括步骤6),对比连续两张抓拍图像轮廓的外接矩形,进行跟踪计数,将相邻两帧图像中的外接矩形个数累加得到sum,将下一帧抓拍图像中的每一个外接矩形与上一帧抓拍图像中的每一个外接矩形进行比较,判断重叠部分是否超过第三阈值,如超过第三阈值则认为是同一个目标待测物体,表示跟踪成功,累加值sum减去重叠矩形个数得到最终待检测物体的计数结果。
作为优选,所述自适应二值化处理为,计算模板图或抓拍图像中每个像素点的5*5邻域的均值,再减去param1=3。
作为优选,第一阈值的确定方法为,提取模板图和抓拍图像的特征,确定抓拍图像上的待检测物体数量为N,考虑到实际生产线检测物体情况4<N<10,在每个待检测物体所在尺度空间内寻找极值点进行sift特征点匹配,匹配得出每个待检测物体所在位置信息,按照待检测物体轮廓大小将抓拍图像切割成N个小图,统计每个待测物体与模板图的归一化相关匹配法匹配度,取匹配度的最小值作为第一阈值;第二阈值的确定方法为,提取模板图和抓拍图像的局部特征,确定抓拍图像上的待检测物体数量为N,在每个待检测物体所在尺度空间内寻找极值点进行sift特征点匹配,匹配得出每个待检测物体所在位置信息,按照待检测物体轮廓大小将抓拍图像切割成N个小图,统计每个待测物体与模板图的灰度直方图匹配法相似度,取相似度的最小值作为第二阈值。
本发明的有益效果是:1)采用图像识别方式,识别率高,相对于磁铁感应式和光电传感式对待检测物体的形状要求明显降低,对检测的物体具有更高的适用性;2)流水线上用于运送待检测物体的传送带不必低速和平整,待检测物体在掉落后不必摆放齐整,有倾斜和偏移也可以进行计数;3)抓拍一次可识别多个待检测物体,计数不只是逐一增加,不必每个待检测物体单独拍摄和计数,大大提高计数效率;4)简单的模板匹配方法随着不同的检测目标有不同的匹配阈值,很难统一选取,本发明加入基于灰度直方图的模板匹配方法,使目标检测更准确,更具有普遍适应性;5)避免了流水线上工件的间隔很小,甚至紧靠在一起,导致计数准确率不高的问题,能准确区分紧靠在一起的工件;6)现有计数方法大多只能对横截面积上只有一个工体的情况进行识别,但是本发明对工体的排列方式不受限,水平方向多个工体并排也不影响识别率。
附图说明
图1为本发明的流程图。
具体实施方式
为了使本技术领域的人员更好的理解本发明方案,下面将结合本发明实施例中的附图,对发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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,都应当属于本发明保护的范围。
一种工业流水线产品计数方法,基于灰度直方图匹配,包括以下步骤:
1)确定流水线上传送带的传输速度;
2)流水线计数前生成待检测物体的模板图库,具体的,
步骤一,
在白色背景上放置待检测物体,拍摄待检测物体图片,对图像进行平滑处理,采用均值滤波方法去除图像噪声,内核大小取5*5,找到图像轮廓的包围矩形,即图片中的目标物体的外接矩形,根据矩形的四个顶点位置进行裁剪,保存为模板图,存储在存储单元中;抓拍流水线上的待检测物体图像,将模板图和抓拍图像进行sift特征点检测,采用FlannBaseMatcher匹配方法进行图像配准,将模板图和抓拍图像通过单应性变换进行关联得到变换矩阵H,根据变换矩阵H调整模板图大小,保证与抓拍图像的物体大小相同;
步骤二,构建8种类型的模板图库
根据流水线传送带的运输速度,设置抓拍待检测物体图像的时间间隔,保证流水线上每个物体都被抓拍到。对模板图的8个旋转角度图片和抓拍图像做自适应二值化处理,自适应二值化的方法为先计算图片中每个像素点的5*5邻域的均值,再减掉param1,param1=3,得到的结果即为二值图像,模板图二值图为T,抓拍图像二值图为I。
3)对T和I进行模板匹配,返回抓拍图像二值图I中与模板图二值图T最相似的N个物体位置,并标定目标物体的位置,该位置为目标物体的中心点。采用归一化相关匹配法TM_CCOEFF_NORMED,遍历图像中的每一个可能的位置,比较各处与模板是否“匹配”。匹配程度我们用R(x,y)表示。
当匹配度R(x,y)大于第一阈值时,认为该位置初步匹配成功。
4)由于模板匹配的方法随着不同的检测目标有不同的匹配阈值,很难统一选取,而且模板匹配法对旋转角度较为敏感,为改善该方法不足之处,加入基于灰度直方图的模板匹配方法,使目标检测更准确。灰度直方图可以描述每个灰度级具有的像素个数,但却无法得知这些像素在图像中的位置信息,利用直方图的平移不变性和旋转不变性可以弥补模板匹配法的不足,而模板匹配法可以计算目标的位置,二者相辅相成。基于灰度直方图的模板匹配法说明如下:在抓拍图像上以模板匹配计算出的位置为中心点,切割与模板图大小相同的图像,分别统计模板图的灰度图像和抓拍图像的灰度图像的灰度像素值频率分布,即灰度分布直方图,将两个灰度分布直方图做归一化处理,通过比较两个直方图的相关性,判断两幅图像是否相似。灰度直方图相似度计算公式如下:
其中N是直方图中柱状的数目,H1和H2分别是模板灰度图和抓拍图灰度图的灰度分布直方图。d(H1,H2)的取值范围为[-1,1],d(H1,H2)越大表示两幅图像越相似,当相似度d(H1,H2)大于第二阈值则认为二次匹配成功,否则匹配失败。选择8个模板中匹配成功且相似度最大的匹配结果,保存匹配成功目标包围矩形的坐标位置(x,y)。基于灰度分布直方图的模板匹配法具有鲁棒性高,计算量小,且对旋转角度不敏感的特性,可以进一步筛选目标物体。
5)由于每种被测物体的物理属性有所不同,需要针对每种物体确定归一化相关匹配法的匹配度阈值和灰度直方图匹配阈值。提取库中模板图片和抓拍图片的特征点,进行sift特征点匹配。根据匹配出的位置反推归一化相关匹配法匹配度和灰度直方图相似度,取匹配度的最小值和相似度的最小值作为匹配度第一阈值和相似度第二阈值。
具体的,匹配度第一阈值的确定方法为,提取模板图和抓拍图像的特征,确定抓拍图像上的待检测物体数量为N,考虑到实际生产线检测物体情况4<N<10,在每个待检测物体所在尺度空间内寻找极值点进行sift特征点匹配,匹配得出每个待检测物体所在位置信息,按照待检测物体轮廓大小将抓拍图像切割成N个小图,统计每个待测物体与模板图的归一化相关匹配法匹配度,取匹配度的最小值作为第一阈值。
相似度第二阈值的确定方法为,提取模板图和抓拍图像的局部特征,确定抓拍图像上的待检测物体数量为N,在每个待检测物体所在尺度空间内寻找极值点进行sift特征点匹配,匹配得出每个待检测物体所在位置信息,按照待检测物体轮廓大小将抓拍图像切割成N个小图,统计每个待测物体与模板图的灰度直方图匹配法相似度,取相似度的最小值作为第二阈值。
6)跟踪计数
对比连续两张抓拍图像包围矩形的位置信息,进行跟踪计数,分别计算两张图片中的包围矩形的个数进行累加,值为sum,将下一帧图片中的每个包围矩形与上一帧的每个包围矩形的位置进行两两比较,判断是否有重叠部分,若重叠部分的面积超过一定阈值,则认为是同一个目标物体,表示跟踪成功,最终计数结果为累加值sum减去重叠的矩形个数。
上述具体实施方式用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (10)
1.一种工业流水线产品计数方法,其特征在于包括以下步骤:
1)确定流水线上传送带的传输速度,获取待检测物体多个角度的模板图,建立模板图库;
步骤一,
在白色背景上放置待检测物体,拍摄待检测物体图片,对图像进行平滑处理,采用均值滤波方法去除图像噪声,找到图像轮廓的包围矩形,即图片中的目标物体的外接矩形,根据矩形的四个顶点位置进行裁剪,保存为模板图,存储在存储单元中;抓拍流水线上的待检测物体图像,将模板图和抓拍图像进行sift特征点检测,采用FlannBaseMatcher匹配方法进行图像配准,将模板图和抓拍图像通过单应性变换进行关联得到变换矩阵H,根据变换矩阵H调整模板图大小,保证与抓拍图像的物体大小相同;
步骤二,构建8种类型的模板图库
根据流水线传送带的运输速度,设置抓拍待检测物体图像的时间间隔,保证流水线上每个物体都被抓拍到;对模板图的8个旋转角度图片和抓拍图像做自适应二值化处理,自适应二值化的方法为先计算图片中每个像素点的5*5邻域的均值,再减掉param1,param1=3,得到的结果即为二值图像,模板图二值图为T,抓拍图像二值图为I;
对T和I进行模板匹配,返回抓拍图像二值图I中与模板图二值图T最相似的N个物体位置,
并标定目标物体的位置,该位置为目标物体的中心点;
2)抓拍获取流水线上待检测物体的图像,对抓拍图像进行图像二值化处理;
3)利用归一化相关匹配法计算步骤2)中处理后的抓拍图像与模板图库的匹配度;
4)当抓拍图像和模板图库的匹配度大于等于第一阈值时,利用灰度直方图匹配法计算步骤2)中处理后的抓拍图像与模板图库的相似度;
5)当抓拍图像和模板图库的相似度大于等于第二阈值时,计数待检测物体。
2.根据权利要求1所述的工业流水线产品计数方法,其特征在于:所述步骤5)中相似度计算为,于抓拍图像上切割与模板图大小相同的图像,分别获得模板图的灰度分布直方图,和抓拍图像的灰度分布直方图,计算两个灰度分布直方图的相关性d(H1,H2),
其中/>N是灰度分布直方图中柱状的数目,H1和H2分别是模板灰度分布直方图和抓拍图像灰度分布直方图。
3.根据权利要求1所述的工业流水线产品计数方法,其特征在于:所述步骤1)中模板图的获取方法为,将待检测物体置于白色背景,拍摄待检测物体图像后对其进行平滑处理,去除图像噪声后获取待检测物体图像轮廓的外接矩形,根据矩形的顶点位置裁剪得到待检测物体模板图。
4.根据权利要求1所述的工业流水线产品计数方法,其特征在于:所述步骤1)中将待检测物体每隔45°旋转一次,共旋转7次,得到8个角度,建立模板图库。
5.根据权利要求1所述的工业流水线产品计数方法,其特征在于:所述步骤3)之前,将模板图和抓拍图像进行大小统一。
6.根据权利要求5所述的工业流水线产品计数方法,其特征在于:将模板图和抓拍图像进行sift特征点检测,采用FlannBaseMatcher匹配方法进行图像配准,将模板图和抓拍图像通过单应性变换进行关联得到变换矩阵H,根据变换矩阵H调整模板图大小。
7.根据权利要求1所述的工业流水线产品计数方法,其特征在于:所述步骤3)中对模板图和抓拍图像作自适应二值化处理,得到模板图二值图T和抓拍图像二值图I,对模板图二值图T和抓拍图像二值图I进行模板匹配,标定待检测物体的位置,利用归一化相关匹配法遍历抓拍图像中的每一个可能的位置,比较各个位置与模板图的匹配度R(x,y)。
8.根据权利要求1所述的工业流水线产品计数方法,其特征在于:还包括步骤6),对比连续两张抓拍图像轮廓的外接矩形,进行跟踪计数,将相邻两帧图像中的外接矩形个数累加得到sum,将下一帧抓拍图像中的每一个外接矩形与上一帧抓拍图像中的每一个外接矩形进行比较,判断重叠部分是否超过第三阈值,如超过第三阈值则认为是同一个目标待测物体,表示跟踪成功,累加值sum减去重叠矩形个数得到最终待检测物体的计数结果。
9.根据权利要求7所述的工业流水线产品计数方法,其特征在于:所述自适应二值化处理为,计算模板图或抓拍图像中每个像素点的5*5邻域的均值,再减去param1=3。
10.根据权利要求1所述的工业流水线产品计数方法,其特征在于:第一阈值的确定方法为,提取模板图和抓拍图像的特征,确定抓拍图像上的待检测物体数量为N,在每个待检测物体所在尺度空间内寻找极值点进行sift特征点匹配,匹配得出每个待检测物体所在位置信息,按照待检测物体轮廓大小将抓拍图像切割成N个小图,统计每个待测物体与模板图的归一化相关匹配法匹配度,取匹配度的最小值作为第一阈值;第二阈值的确定方法为,提取模板图和抓拍图像的局部特征,确定抓拍图像上的待检测物体数量为N,在每个待检测物体所在尺度空间内寻找极值点进行sift特征点匹配,匹配得出每个待检测物体所在位置信息,按照待检测物体轮廓大小将抓拍图像切割成N个小图,统计每个待测物体与模板图的灰度直方图匹配法相似度,取相似度的最小值作为第二阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846327.3A CN110807354B (zh) | 2019-09-09 | 2019-09-09 | 一种工业流水线产品计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846327.3A CN110807354B (zh) | 2019-09-09 | 2019-09-09 | 一种工业流水线产品计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110807354A CN110807354A (zh) | 2020-02-18 |
CN110807354B true CN110807354B (zh) | 2024-02-20 |
Family
ID=69487439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910846327.3A Active CN110807354B (zh) | 2019-09-09 | 2019-09-09 | 一种工业流水线产品计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807354B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462061B (zh) * | 2020-03-24 | 2023-03-31 | 华南理工大学 | 一种用于电子元器件计数的检测方法 |
CN111598873A (zh) * | 2020-05-15 | 2020-08-28 | 吴奇光 | 基于面阵相机的零件连续计数方法及装置 |
CN113763433A (zh) * | 2021-11-09 | 2021-12-07 | 湖南大学 | 一种玻璃瓶跟踪计数系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009289078A (ja) * | 2008-05-29 | 2009-12-10 | Dainippon Printing Co Ltd | 目標物検出システム |
CN104537671A (zh) * | 2015-01-04 | 2015-04-22 | 长沙理工大学 | 一种基于机器视觉的香烟滤棒在线计数和质量检测方法 |
CN106295705A (zh) * | 2016-08-17 | 2017-01-04 | 汕头市三三智能科技有限公司 | 一种运动背景下的多颜色物料筛选计数系统 |
CN106683117A (zh) * | 2016-12-30 | 2017-05-17 | 佳都新太科技股份有限公司 | 一种基于运动行为分析的目标抓取算法 |
CN107180422A (zh) * | 2017-04-02 | 2017-09-19 | 南京汇川图像视觉技术有限公司 | 一种基于词袋特征的标贴破损检测方法 |
CN107180424A (zh) * | 2017-04-24 | 2017-09-19 | 睿视智觉(厦门)软件开发有限公司 | 一种电容计数设备及方法 |
CN107256225A (zh) * | 2017-04-28 | 2017-10-17 | 济南中维世纪科技有限公司 | 一种基于视频分析的热度图生成方法及装置 |
-
2019
- 2019-09-09 CN CN201910846327.3A patent/CN110807354B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009289078A (ja) * | 2008-05-29 | 2009-12-10 | Dainippon Printing Co Ltd | 目標物検出システム |
CN104537671A (zh) * | 2015-01-04 | 2015-04-22 | 长沙理工大学 | 一种基于机器视觉的香烟滤棒在线计数和质量检测方法 |
CN106295705A (zh) * | 2016-08-17 | 2017-01-04 | 汕头市三三智能科技有限公司 | 一种运动背景下的多颜色物料筛选计数系统 |
CN106683117A (zh) * | 2016-12-30 | 2017-05-17 | 佳都新太科技股份有限公司 | 一种基于运动行为分析的目标抓取算法 |
CN107180422A (zh) * | 2017-04-02 | 2017-09-19 | 南京汇川图像视觉技术有限公司 | 一种基于词袋特征的标贴破损检测方法 |
CN107180424A (zh) * | 2017-04-24 | 2017-09-19 | 睿视智觉(厦门)软件开发有限公司 | 一种电容计数设备及方法 |
CN107256225A (zh) * | 2017-04-28 | 2017-10-17 | 济南中维世纪科技有限公司 | 一种基于视频分析的热度图生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110807354A (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
CN110807354B (zh) | 一种工业流水线产品计数方法 | |
CN106778737B (zh) | 一种车牌矫正方法、装置和一种视频采集装置 | |
CN105261022B (zh) | 一种基于外轮廓的pcb板卡匹配方法及装置 | |
CN110517265B (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
CN110672007A (zh) | 一种基于机器视觉的工件表面质量检测方法及系统 | |
CN110189375B (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN110866903A (zh) | 基于霍夫圆变换技术的乒乓球识别方法 | |
CN109815822B (zh) | 基于广义Hough变换的巡检图零部件目标识别方法 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN111223078B (zh) | 瑕疵等级判定的方法及存储介质 | |
CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN113077437B (zh) | 工件质量检测方法及其系统 | |
CN106529551B (zh) | 面向包装行业的类圆对象智能识别计数检测方法 | |
CN117190866B (zh) | 多个堆叠电子元器件的极性判别检测方法、装置和设备 | |
CN114332622A (zh) | 一种基于机器视觉的标签检测方法 | |
CN111476804A (zh) | 托辊图像高效分割方法、装置、设备及存储介质 | |
CN116542968A (zh) | 一种基于模板匹配的钢筋智能计数方法 | |
CN113409334B (zh) | 一种基于质心的结构光角点检测方法 | |
CN117314901A (zh) | 一种尺度自适应的芯片检测神经网络系统 | |
CN116310448B (zh) | 基于计算机视觉的集装箱拼装匹配性检测方法 | |
CN116863463A (zh) | 一种鸡蛋流水线快速识别计数方法 | |
CN115578594A (zh) | 基于计算机视觉的边缘定位方法、装置及相关设备 | |
CN114049380B (zh) | 目标物体定位追踪方法、装置、计算机设备和存储介质 | |
CN111882591B (zh) | 一种基于计算机视觉的自动矫正纽扣方向的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |