CN110879230A - 汽车瑕疵智能化检测系统 - Google Patents

汽车瑕疵智能化检测系统 Download PDF

Info

Publication number
CN110879230A
CN110879230A CN201911282590.0A CN201911282590A CN110879230A CN 110879230 A CN110879230 A CN 110879230A CN 201911282590 A CN201911282590 A CN 201911282590A CN 110879230 A CN110879230 A CN 110879230A
Authority
CN
China
Prior art keywords
image
module
image acquisition
guide rail
detection system
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
CN201911282590.0A
Other languages
English (en)
Inventor
张键
李宏然
张恒
柯佳呈
王文硕
臧奇颜
许腾腾
肖禹辰
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.)
Jiangsu Ocean University
Original Assignee
Jiangsu Ocean University
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 Jiangsu Ocean University filed Critical Jiangsu Ocean University
Priority to CN201911282590.0A priority Critical patent/CN110879230A/zh
Publication of CN110879230A publication Critical patent/CN110879230A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device

Landscapes

  • 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)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了汽车制造技术领域的汽车瑕疵智能化检测系统，包括图像采集模块、图像处理模块和信号控制与数据管理模块，图像采集模块单向信号连接图像处理模块，信号控制与数据管理模块分别双向信号连接图像采集模块和图像处理模块，图像采集模块包括车间本体、车间本体的两侧下部中央均安装有库门，车间本体的内壁左上角固定连接有照明光源，车间本体的内腔顶部中央和底部四周均设置有X、Y、Z三轴运动导轨，通过图像采集模块、图像处理模块和信号控制与数据管理模块进行数据和信号的传递，共同协调完成图像采集和分析，进而获取车体外观缺陷的检测结果，操作方便，自动化程度高，精确高效。

Description

汽车瑕疵智能化检测系统
技术领域
本发明涉及汽车制造技术领域，具体为汽车瑕疵智能化检测系统。
背景技术
随着近年来中国经济的飞速发展，汽车越来越多地成为家庭必备的交通工具。但汽车在生产、运输、销售过程中，尤其是一些进口车辆，运输路途远，中转卸装次数多，很容易在汽车外表面造成划痕、污点、凹坑、擦痕等外观缺陷。这就需要在汽车出厂、运输、出售的每个阶段都要对车身进行检查。而现阶段，这种检查基本都是靠人工目测来识别外观缺陷。人工目测的方式存在诸多缺点，如工作量大、速度慢；每个人的判断标准不一样，使得检测结果没有标准性；长期的重复检测，很容易产生疲劳，带来误检或漏检的现象，且对视力会有所损伤；容易受心情或状态的影响，造成检测质量不稳定；并且人工的方式不便于数据管理和保存。因此，针对人工检测方式的诸多缺点，在汽车外观缺陷的检测问题上，亟需一种快速、精确、智能化的检测系统。将汽车外观缺陷特点与机器视觉有机融合，设计出一套自动化、客观、高效、高精度的汽车外观缺陷检测系统有着重要的意义，基于此，本发明设计了汽车瑕疵智能化检测系统，以解决上述问题。
发明内容
本发明的目的在于提供汽车瑕疵智能化检测系统，以解决上述背景技术中提出的亟需设计一种自动高效的汽车瑕疵检测系统的问题。
为实现上述目的，本发明提供如下技术方案：汽车瑕疵智能化检测系统，包括图像采集模块、图像处理模块和信号控制与数据管理模块，所述图像采集模块单向信号连接图像处理模块，所述信号控制与数据管理模块分别双向信号连接图像采集模块和图像处理模块，所述图像采集模块包括车间本体、所述车间本体的两侧下部中央均安装有库门，所述车间本体的内壁左上角固定连接有照明光源，所述车间本体的内腔顶部中央和底部四周均设置有X、Y、Z三轴运动导轨，所述X、Y、Z三轴运动导轨的运动导轨端均固定连接有相机，所述X、Y、Z三轴运动导轨的相对静止导轨侧面均固定连接有光电测距传感器，所述照明光源、X、Y、Z三轴运动导轨、相机和光电测距传感器均与信号控制与数据管理模块的控制器信号连接。
进一步的，所述图像处理模块包括图像预处理单元和缺陷检测单元，所述图像预处理单元单向信号连接缺陷检测单元。
进一步的，所述图像预处理单元包括图像去噪、图像配准和图像边缘检测，所述图像去噪采用BM3D算法，所述图像配准采用SURF_DAISY算法和验证式随机kd树的方法，所述图像边缘检测采用小波变换图像融合方法。
进一步的，所述小波变换图像融合方法包括小波变换模极大值法和数学形态学方法。
进一步的，所述缺陷检测单元包括模板配置模块、记录模块和数据库，所述数据库通过微处理器与模板配置模块和记录模块信号连接。
进一步的，所述照明光源采用白色LED灯。
进一步的，所述相机采用德国Smartekvision公司的GCP4241C相机，所述相机的镜头采用C-10MP-4/3-12mm镜头。
与现有技术相比，本发明的有益效果是：本发明通过图像采集模块、图像处理模块和信号控制与数据管理模块进行数据和信号的传递，共同协调完成图像采集和分析，进而获取车体外观缺陷的检测结果，操作方便，自动化程度高，精确高效。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统原理图；
图2为本发明图像采集模块结构示意图；
图3为图1中图像处理模块系统原理图；
图4为本发明系统流程图；
图5为本发明图像采集流程图；
图6为BM3D算法流程图。
附图中，各标号所代表的部件列表如下：
1-车间本体，2-库门，3-照明光源，4-X、Y、Z三轴运动导轨，5-相机，6-光电测距传感器。
具体实施方式
下面将结合本发明实施例中的附图，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-6，本发明提供一种技术方案：汽车瑕疵智能化检测系统，包括图像采集模块、图像处理模块和信号控制与数据管理模块，图像采集模块单向信号连接图像处理模块，信号控制与数据管理模块分别双向信号连接图像采集模块和图像处理模块，图像采集模块包括车间本体1、车间本体1的两侧下部中央均安装有库门2，车间本体1的内壁左上角固定连接有照明光源3，车间本体1的内腔顶部中央和底部四周均设置有X、Y、Z三轴运动导轨4，X、Y、Z三轴运动导轨4的运动导轨端均固定连接有相机5，X、Y、Z三轴运动导轨4的相对静止导轨侧面均固定连接有光电测距传感器6，照明光源3、X、Y、Z三轴运动导轨4、相机5和光电测距传感器6均与信号控制与数据管理模块的控制器信号连接。
其中，图像处理模块包括图像预处理单元和缺陷检测单元，图像预处理单元单向信号连接缺陷检测单元，
图像预处理单元包括图像去噪、图像配准和图像边缘检测，图像去噪采用BM3D算法，通过结合灰度值均值法和小波域去噪法提高执行效率，在保证了原BM3D算法去噪能力的基础上，大大减小了算法的运行时间；图像配准采用SURF_DAISY算法和验证式随机kd树的方法，在特征描述阶段，用效率更高、鲁棒性更好的DAISY描述符代替原SURF特征描述算子，并且对DAISY描述符的主方向分配进行了改进；在特征匹配阶段，用随机kd树完成特征匹配，并且为了提高特征匹配的准确率，在去除误匹配点时，用一种反向验证式匹配法代替近邻/次近邻法和双向匹配法，得到了一种验证式随机kd树，该方法不仅提高特征匹配正确率，同时也减小了运算时间；图像边缘检测采用小波变换图像融合方法。
小波变换图像融合方法包括小波变换模极大值法和数学形态学方法，其优于单一的小波变换模极大值法和新型形态学法，且在不同浓度的椒盐噪声和高斯噪声下都表现着更优的边缘检测效果，该方法既有很好的连续性，又有较好的边缘信息和细节信息。
缺陷检测单元包括模板配置模块、记录模块和数据库，数据库通过微处理器与模板配置模块和记录模块信号连接，在实验时，每一个采集点处都取一张图片作为标准图，然后用模板配置模块，将标准图中的车身以外的区域以及车身区域中的边缘与棱边去除，只留下需要检测的车身部分，制作成相应的掩膜模板，将标准图和掩膜模板存入数据库中；实际检测时，由于汽车的停靠是人工的，虽然有外设汽车限位器限定大体位置和光电测距传感器进行距离调节，但每次用信号控制与数据管理模块控制采集到的待检测的实验图与标准图之间必然存在一定的位置误差，因此需要将实验图与标准图进行图像配准，求得空间变换矩阵，用得到的变换矩阵将掩膜模板变换到实验图中，进而得到实验图的掩膜；利用得到的实验图掩膜将实验图进行区域分割，得到一个个待检测的车身区域块；对每一个待检测的车身区域块进行去噪，然后对去噪后的车身区域块用边缘检测方法进行缺陷检测；将检测出来的缺陷的位置和大小记录下来，在对应位置用方框标记出来，即得到最终的缺陷检测图。
照明光源3采用白色LED灯，相机5采用德国Smartek vision公司的GCP4241C相机，相机5的镜头采用C-10MP-4/3-12mm镜头，X、Y、Z三轴运动导轨4通过设计合适导轨并匹配台达公司生产的ASDS-A2系列伺服驱动器和ECMA系列的伺服电机，效果好，提高准确度。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.汽车瑕疵智能化检测系统，包括图像采集模块、图像处理模块和信号控制与数据管理模块，其特征在于：所述图像采集模块单向信号连接图像处理模块，所述信号控制与数据管理模块分别双向信号连接图像采集模块和图像处理模块，所述图像采集模块包括车间本体(1)、所述车间本体(1)的两侧下部中央均安装有库门(2)，所述车间本体(1)的内壁左上角固定连接有照明光源(3)，所述车间本体(1)的内腔顶部中央和底部四周均设置有X、Y、Z三轴运动导轨(4)，所述X、Y、Z三轴运动导轨(4)的运动导轨端均固定连接有相机(5)，所述X、Y、Z三轴运动导轨(4)的相对静止导轨侧面均固定连接有光电测距传感器(6)，所述照明光源(3)、X、Y、Z三轴运动导轨(4)、相机(5)和光电测距传感器(6)均与信号控制与数据管理模块的控制器信号连接。
2.根据权利要求1所述的汽车瑕疵智能化检测系统，其特征在于：所述图像处理模块包括图像预处理单元和缺陷检测单元，所述图像预处理单元单向信号连接缺陷检测单元。
3.根据权利要求2所述的汽车瑕疵智能化检测系统，其特征在于：所述图像预处理单元包括图像去噪、图像配准和图像边缘检测，所述图像去噪采用BM3D算法，所述图像配准采用SURF_DAISY算法和验证式随机kd树的方法，所述图像边缘检测采用小波变换图像融合方法。
4.根据权利要求3所述的汽车瑕疵智能化检测系统，其特征在于：所述小波变换图像融合方法包括小波变换模极大值法和数学形态学方法。
5.根据权利要求2所述的汽车瑕疵智能化检测系统，其特征在于：所述缺陷检测单元包括模板配置模块、记录模块和数据库，所述数据库通过微处理器与模板配置模块和记录模块信号连接。
6.根据权利要求1所述的汽车瑕疵智能化检测系统，其特征在于：所述照明光源(3)采用白色LED灯。
7.根据权利要求1所述的汽车瑕疵智能化检测系统，其特征在于：所述相机(5)采用德国Smartek vision公司的GCP4241C相机，所述相机(5)的镜头采用C-10MP-4/3-12mm镜头。
CN201911282590.0A 2019-12-13 2019-12-13 汽车瑕疵智能化检测系统 Pending CN110879230A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911282590.0A CN110879230A (zh) 2019-12-13 2019-12-13 汽车瑕疵智能化检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911282590.0A CN110879230A (zh) 2019-12-13 2019-12-13 汽车瑕疵智能化检测系统

Publications (1)

Publication Number Publication Date
CN110879230A true CN110879230A (zh) 2020-03-13

Family

ID=69731543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911282590.0A Pending CN110879230A (zh) 2019-12-13 2019-12-13 汽车瑕疵智能化检测系统

Country Status (1)

Country Link
CN (1) CN110879230A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111912353A (zh) * 2020-07-24 2020-11-10 上海薪传新能源科技有限公司 一种新能源汽车车辆唯一性检测设备
CN115684172A (zh) * 2022-10-09 2023-02-03 迁安市福运机动车检测有限公司 一种汽车外观检测系统及其使用方法
CN116523909A (zh) * 2023-06-30 2023-08-01 广州市斯睿特智能科技有限公司 一种用于汽车车身外观的视觉检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101660894A (zh) * 2009-09-11 2010-03-03 天津大学 基于平行光照明的多目视觉检测装置及方法
CN102809569A (zh) * 2011-05-30 2012-12-05 上海福耀客车玻璃有限公司 模具内汽车玻璃商标自动检测系统及其应用
CN104634787A (zh) * 2015-02-13 2015-05-20 东华大学 一种汽车车身外表面喷漆瑕疵自动检测装置与方法
WO2017001185A1 (de) * 2015-07-02 2017-01-05 Eisenmann Se Anlage zur optischen überprüfung von oberflächenbereichen von gegenständen
CN108005451A (zh) * 2017-11-30 2018-05-08 秦皇岛玥朋科技有限公司 一种基于机器视觉的立体车库的安全检测系统及检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101660894A (zh) * 2009-09-11 2010-03-03 天津大学 基于平行光照明的多目视觉检测装置及方法
CN102809569A (zh) * 2011-05-30 2012-12-05 上海福耀客车玻璃有限公司 模具内汽车玻璃商标自动检测系统及其应用
CN104634787A (zh) * 2015-02-13 2015-05-20 东华大学 一种汽车车身外表面喷漆瑕疵自动检测装置与方法
WO2017001185A1 (de) * 2015-07-02 2017-01-05 Eisenmann Se Anlage zur optischen überprüfung von oberflächenbereichen von gegenständen
CN108005451A (zh) * 2017-11-30 2018-05-08 秦皇岛玥朋科技有限公司 一种基于机器视觉的立体车库的安全检测系统及检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁南南 等: "基于SURF-DAISY算法和随机kd树的快速图像配准", 《光电子激光》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111912353A (zh) * 2020-07-24 2020-11-10 上海薪传新能源科技有限公司 一种新能源汽车车辆唯一性检测设备
CN115684172A (zh) * 2022-10-09 2023-02-03 迁安市福运机动车检测有限公司 一种汽车外观检测系统及其使用方法
CN116523909A (zh) * 2023-06-30 2023-08-01 广州市斯睿特智能科技有限公司 一种用于汽车车身外观的视觉检测方法及系统
CN116523909B (zh) * 2023-06-30 2023-09-29 广州市斯睿特智能科技有限公司 一种用于汽车车身外观的视觉检测方法及系统

Similar Documents

Publication Publication Date Title
CN110879230A (zh) 汽车瑕疵智能化检测系统
US20200344449A1 (en) Object inspection system and method for inspecting an object
US6266138B1 (en) System and method for detecting defects in a surface of a workpiece
CN105403147B (zh) 一种基于嵌入式的瓶胚检测系统和检测方法
CN102162797B (zh) 玻璃瓶瓶口破损和瓶底污物检测算法
Bdiwi et al. Autonomous disassembly of electric vehicle motors based on robot cognition
CN105160652A (zh) 基于计算机视觉的手机外壳检验装置与方法
CN110473184A (zh) 一种pcb板缺陷检测方法
CN112053317A (zh) 一种基于级联神经网络的工件表面缺陷检测方法
CN112560538B (zh) 一种根据图像冗余信息快速定位受损qr码的方法
US6133948A (en) Automatic identification of articles having contoured surfaces
CN111767780A (zh) 一种ai与视觉结合的智能集卡定位方法和系统
CN109187561A (zh) 一种车门内饰缺陷视觉检测系统
CN110412055A (zh) 一种基于多光源暗场照明的透镜白雾缺陷检测方法
CN107633509A (zh) 一种汽车配件手眼检测系统及方法
KR20130108971A (ko) 콘택트 렌즈 결함 검사
CN109584212B (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
CN111833350A (zh) 机器视觉检测方法与系统
JP4814116B2 (ja) 実装基板外観検査方法
CN115452844A (zh) 一种基于机器视觉的注塑件检测方法及系统
LIANG et al. Defect detection of bearing side face based on sample data augmentation and convolutional neural network
KR20070101669A (ko) 마운팅 플레이트 어셈블리의 비전 검사장치 및 검사방법
JPH10123066A (ja) 特異点検出装置及び方法
CN108896557B (zh) 一种镜片正边沿倒角爆边瑕疵的检测装置及方法
CN109084696B (zh) 一种基于结构光视觉成像系统的弹簧节距测量方法

Legal Events

Date Code Title Description
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

Application publication date: 20200313

RJ01 Rejection of invention patent application after publication