CN111223075A - 一种激光打标软件的计算机视觉检测与追溯系统及方法 - Google Patents
一种激光打标软件的计算机视觉检测与追溯系统及方法 Download PDFInfo
- Publication number
- CN111223075A CN111223075A CN201911385315.1A CN201911385315A CN111223075A CN 111223075 A CN111223075 A CN 111223075A CN 201911385315 A CN201911385315 A CN 201911385315A CN 111223075 A CN111223075 A CN 111223075A
- Authority
- CN
- China
- Prior art keywords
- marking
- target
- module
- detection
- computer vision
- 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
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种激光打标软件的计算机视觉检测与追溯系统及方法，包括：其中：原图拍照模块，用于在打标前对目标拍照留样；打标模块，用于对目标进行打标；二次拍照模块，用于对打标后的目标进行拍照；检测模块，用于通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数；存储模块，用于存储检测模块检测得出的打标效果评价参数；上传模块，用于将打标效果评价参数上传。本发明无需人员手动判定打标与否和打标效果，在设备出问题后，可以第一时间报警和检测。另外，可以通过记录对历史打标产品打标情况的查询、追溯。该产品严格按照图像相似度计算效果，避免打标图像复杂人员目检容易产生疲劳和遗漏等问题。
Description
技术领域：
本发明涉及激光打标技术领域，尤其涉及一种激光打标软件的计算机视觉检测与追溯系统及方法。
背景技术：
激光打标技术是激光加工最大的应用领域之一。激光打标是利用高能量密度的激光对工件进行局部照射，使表层材料汽化或发生颜色变化的化学反应，从而留下永久性标记的一种打标方法。激光打标可以打出各种文字、符号和图案等，字符大小可以从毫米到微米量级，这对产品的防伪有特殊的意义。
目前，对于已有打标部件的检测是在打标完成后，操作员依靠经验目视是否打标或者打标效果是否合格。完全依靠人的判断，具有随意性，不严谨。
发明内容：
本发明的目的在于提供一种激光打标软件的计算机视觉检测与追溯系统及方法，以解决现有技术的不足。
本发明由如下技术方案实施：一种激光打标软件的计算机视觉检测与追溯系统，包括：原图拍照模块、打标模块、二次拍照模块、检测模块、存储模块、上传模块，其中：
原图拍照模块，用于在打标前对目标拍照留样；
打标模块，用于对目标进行打标；
二次拍照模块，用于对打标后的目标进行拍照；
检测模块，用于通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数；
存储模块，用于存储检测模块检测得出的打标效果评价参数；
上传模块，用于将打标效果评价参数上传。
优选的，所述检测模块包括图像预处理模块、定位目标模块、相似性分析模块，其中：
图像预处理模块，用于找出打标前的目标照片与打标后的目标照片差异作为辅佐检测；
定位目标模块，用于定位出打标实际的目标；
相似性分析模块，用于将预设的理论打标目标与实际打标目标进行相似性分析，给出打标效果分数，依据打标效果分数作出提醒。
优选的，所述图像预处理模块的处理包括但不限于灰度化、二值化、均衡化、轮廓化、反色、增强、平滑的步骤。
优选的，所述相似性分析模块给出打标效果分数设置优秀、良好、及格、不合格四个等级。
优选的，所述相似性分析模块依据如下相对熵算法将预设的理论打标目标与实际打标目标进行相似性分析：
一种激光打标软件的计算机视觉检测与追溯方法，包括以下步骤：
在打标前对目标拍照留样；
对目标进行打标；
对打标后的目标进行拍照；
通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数；
存储检测得出的打标效果评价参数；
将打标效果评价参数上传。
优选的，所述通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数，具体为：
找出打标前的目标照片与打标后的目标照片差异作为辅佐检测；
定位出打标实际的目标；
将预设的理论打标目标与实际打标目标进行相似性分析，给出打标效果分数，依据打标效果分数作出提醒。
优选的，所述用于找出打标前的目标照片与打标后的目标照片差异作为辅佐检测，具体方法为：
1、灰度化，逐个读取图片像素依据公式:(Gray(i,j)＝[R(i,j)+G(i,j)+B(i,j)]/3，计算出新的像素值，从而将3通道彩色转换为灰阶图片；
2、二值化，灰阶图片的像素由0-255共256个梯度来表示图像的明暗变化，其中0为全黑255为全白，二值化即是依据阈值将图片所有像素转换为只有0或者255的形式；
3、反色，即将图像像素作黑白转换，算法为：A＝255-B，其中，B为当前像素值，A为反色后的像素值；
4、平滑，将图像降噪，尖锐的地方平滑，主要使用的是高斯、中值、均值、双边滤波等数学算法；
5、轮廓化，使用CANNY算法，找出图像中最强变化的位置，即为边缘轮廓；
6、图片相减，打标前后产品图片唯一变化即是激光打在产品上的图案，将前后两幅图片逐像素求与运算再求反，则可以保留打标目标，其余部分被过滤。
优选的，所述打标效果分数设置优秀、良好、及格、不合格四个等级
优选的，所述将预设的理论打标目标与实际打标目标进行相似性分析依据如下相对熵算法：
本发明的优点：
本发明无需人员手动判定打标与否和打标效果，在设备出问题后，可以第一时间报警和检测。另外，可以通过记录对历史打标产品打标情况的查询、追溯。该产品严格按照图像相似度计算效果，避免打标图像复杂人员目检容易产生疲劳和遗漏等问题。
附图说明：
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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为本发明的整体流程示意图。
图2为本发明的检测模块流程示意图。
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他实施例，都属于本发明保护的范围。
如图1所示，一种激光打标软件的计算机视觉检测与追溯系统，包括：原图拍照模块、打标模块、二次拍照模块、检测模块、存储模块、上传模块，其中：
原图拍照模块，用于在打标前对目标拍照留样；
打标模块，用于对目标进行打标；
二次拍照模块，用于对打标后的目标进行拍照；
检测模块，用于通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数；
存储模块，用于存储检测模块检测得出的打标效果评价参数；
上传模块，用于将打标效果评价参数上传。
如图2所示，所述检测模块包括图像预处理模块、定位目标模块、相似性分析模块，其中：
图像预处理模块，用于找出打标前的目标照片与打标后的目标照片差异作为辅佐检测；
定位目标模块，用于定位出打标实际的目标；
相似性分析模块，用于将预设的理论打标目标与实际打标目标进行相似性分析，给出打标效果分数，依据打标效果分数作出提醒。
本实施例中，所述图像预处理模块的处理包括但不限于灰度化、二值化、均衡化、轮廓化、反色、增强、平滑的步骤。
本实施例中，所述相似性分析模块给出打标效果分数设置优秀、良好、及格、不合格四个等级。
本实施例中，所述相似性分析模块依据如下相对熵算法将预设的理论打标目标与实际打标目标进行相似性分析：
本发明实施例提供一种激光打标软件的计算机视觉检测与追溯方法，包括以下步骤：
在打标前对目标拍照留样；
对目标进行打标；
对打标后的目标进行拍照；
通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数；
存储检测得出的打标效果评价参数；
将打标效果评价参数上传。
本实施例中，所述通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数，具体为：
找出打标前的目标照片与打标后的目标照片差异作为辅佐检测；
定位出打标实际的目标；
将预设的理论打标目标与实际打标目标进行相似性分析，给出打标效果分数，依据打标效果分数作出提醒。
本实施例中，所述用于找出打标前的目标照片与打标后的目标照片差异作为辅佐检测，具体方法为：
1、灰度化，逐个读取图片像素依据公式:(Gray(i,j)＝[R(i,j)+G(i,j)+B(i,j)]/3，计算出新的像素值，从而将3通道彩色转换为灰阶图片；
2、二值化，灰阶图片的像素由0-255共256个梯度来表示图像的明暗变化，其中0为全黑255为全白，二值化即是依据阈值将图片所有像素转换为只有0或者255的形式。
本发明提供以下几种二值化方式；
21、传统二值化
用户设定一阈值，逐个读取图片像素。如果该像素大于该阈值，则将该像素值修改为全白255。如果小于则修改为0。
22、大津算法(OTSU)二值化
该方法不需要用户给定阈值，而是通过如下公式计算出一个阈值；
g＝ω0ω1(μ0-μ1)^2其中属于前景的像素点数占整幅图像的比例记为ω0，其平均灰度μ0；背景像素点数占整幅图像的比例为ω1，其平均灰度为μ1，g为自动求出的阈值。然后，再使用2.1的方法。
23、局部自适应
设定一个m*m大小的邻阈，依次在图片上滑过，求出邻域平均值；再用平均值减去一个常量(可认为是偏移值)得到此像素的给文化参考阈值。如果图片该处像素大于此阈值则置为255，否则为0。这样可解决由于光照不均匀，全局阈值不适用的问题。
3、反色，即将图像像素作黑白转换，算法为：A＝255-B，其中，B为当前像素值，A为反色后的像素值；
4、平滑，将图像降噪，尖锐的地方平滑，主要使用的是高斯、中值、均值、双边滤波等数学算法；
5、轮廓化，使用CANNY算法，找出图像中最强变化的位置，即为边缘轮廓；
6、图片相减，打标前后产品图片唯一变化即是激光打在产品上的图案，将前后两幅图片逐像素求与运算再求反，则可以保留打标目标，其余部分被过滤。
本实施例中，所述打标效果分数设置优秀、良好、及格、不合格四个等级
本实施例中，所述将预设的理论打标目标与实际打标目标进行相似性分析依据如下相对熵算法：
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种激光打标软件的计算机视觉检测与追溯系统，其特征在于，包括：原图拍照模块、打标模块、二次拍照模块、检测模块、存储模块、上传模块，其中：
原图拍照模块，用于在打标前对目标拍照留样；
打标模块，用于对目标进行打标；
二次拍照模块，用于对打标后的目标进行拍照；
检测模块，用于通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数；
存储模块，用于存储检测模块检测得出的打标效果评价参数；
上传模块，用于将打标效果评价参数上传。
2.根据权利要求1所述的一种激光打标软件的计算机视觉检测与追溯系统，其特征在于，所述检测模块包括图像预处理模块、定位目标模块、相似性分析模块，其中：
图像预处理模块，用于找出打标前的目标照片与打标后的目标照片差异作为辅佐检测；
定位目标模块，用于定位出打标实际的目标；
相似性分析模块，用于将预设的理论打标目标与实际打标目标进行相似性分析，给出打标效果分数，依据打标效果分数作出提醒。
3.根据权利要求2所述的一种激光打标软件的计算机视觉检测与追溯系统，其特征在于，所述图像预处理模块的处理包括但不限于灰度化、二值化、均衡化、轮廓化、反色、增强、平滑的步骤。
4.根据权利要求2所述的一种激光打标软件的计算机视觉检测与追溯系统，其特征在于，所述相似性分析模块给出打标效果分数设置优秀、良好、及格、不合格四个等级。
5.根据权利要求2所述的一种激光打标软件的计算机视觉检测与追溯系统，其特征在于，所述相似性分析模块依据如下相对熵算法将预设的理论打标目标与实际打标目标进行相似性分析：
6.一种激光打标软件的计算机视觉检测与追溯方法，其特征在于，包括以下步骤：
在打标前对目标拍照留样；
对目标进行打标；
对打标后的目标进行拍照；
通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数；
存储检测得出的打标效果评价参数；
将打标效果评价参数上传。
7.根据权利要求6所述的一种激光打标软件的计算机视觉检测与追溯方法，其特征在于，所述通过分析打标前的目标照片与打标后的目标照片得出打标效果评价参数，具体为：
找出打标前的目标照片与打标后的目标照片差异作为辅佐检测；
定位出打标实际的目标；
将预设的理论打标目标与实际打标目标进行相似性分析，给出打标效果分数，依据打标效果分数作出提醒。
8.根据权利要求6所述的一种激光打标软件的计算机视觉检测与追溯方法，其特征在于，所述用于找出打标前的目标照片与打标后的目标照片差异作为辅佐检测，具体方法为：
1、灰度化，逐个读取图片像素依据公式:(Gray(i,j)＝[R(i,j)+G(i,j)+B(i,j)]/3，计算出新的像素值，从而将3通道彩色转换为灰阶图片；
2、二值化，灰阶图片的像素由0-255共256个梯度来表示图像的明暗变化，其中0为全黑255为全白，二值化即是依据阈值将图片所有像素转换为只有0或者255的形式；
3、反色，即将图像像素作黑白转换，算法为：A＝255-B，其中，B为当前像素值，A为反色后的像素值；
4、平滑，将图像降噪，尖锐的地方平滑，包括但不限于高斯、中值、均值、双边滤波数学算法；
5、轮廓化，使用CANNY算法，找出图像中最强变化的位置，即为边缘轮廓；
6、图片相减，打标前后产品图片唯一变化即是激光打在产品上的图案，将前后两幅图片逐像素求与运算再求反，则保留打标目标，其余部分被过滤。
9.根据权利要求6所述的一种激光打标软件的计算机视觉检测与追溯方法，其特征在于，所述打标效果分数设置优秀、良好、及格、不合格四个等级。
10.根据权利要求6所述的一种激光打标软件的计算机视觉检测与追溯方法，其特征在于，所述将预设的理论打标目标与实际打标目标进行相似性分析依据如下相对熵算法：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911385315.1A CN111223075A (zh) | 2019-12-28 | 2019-12-28 | 一种激光打标软件的计算机视觉检测与追溯系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911385315.1A CN111223075A (zh) | 2019-12-28 | 2019-12-28 | 一种激光打标软件的计算机视觉检测与追溯系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111223075A true CN111223075A (zh) | 2020-06-02 |
Family
ID=70806149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911385315.1A Pending CN111223075A (zh) | 2019-12-28 | 2019-12-28 | 一种激光打标软件的计算机视觉检测与追溯系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111223075A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6584456B1 (en) * | 2000-06-19 | 2003-06-24 | International Business Machines Corporation | Model selection in machine learning with applications to document clustering |
| WO2009070142A1 (en) * | 2007-11-30 | 2009-06-04 | Hewlett-Packard Development Company, L.P. | Method and system for measuring text-rendering quality |
| US20120182374A1 (en) * | 2011-01-19 | 2012-07-19 | Keyence Corporation | Printing Quality Evaluation System, Laser Marking Apparatus, Printing Condition Setting Device, Printing Quality Evaluation Apparatus, Printing Condition Setting Program, Printing Quality Evaluation Program, And Computer-Readable Recording Medium |
| CN208366871U (zh) * | 2018-07-23 | 2019-01-11 | 珠海格力智能装备有限公司 | 检测系统 |
| CN109514922A (zh) * | 2018-11-10 | 2019-03-26 | 东莞理工学院 | 一种抽纸包装的易撕线的视觉检测系统 |
| CN109926711A (zh) * | 2019-04-25 | 2019-06-25 | 大族激光科技产业集团股份有限公司 | 一种自动获取激光焦点的方法及自动获取激光焦点的加工装置 |
| CN110465750A (zh) * | 2019-09-23 | 2019-11-19 | 珠海格力智能装备有限公司 | 打标设备 |
| WO2019238546A2 (de) * | 2018-06-11 | 2019-12-19 | Mühlbauer Gmbh & Co. Kg | Kartenmarkiersystem und verfahren zum automatisierten ermitteln einer optimierten einstellung eines kartenmarkiersystems |
-
2019
- 2019-12-28 CN CN201911385315.1A patent/CN111223075A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6584456B1 (en) * | 2000-06-19 | 2003-06-24 | International Business Machines Corporation | Model selection in machine learning with applications to document clustering |
| WO2009070142A1 (en) * | 2007-11-30 | 2009-06-04 | Hewlett-Packard Development Company, L.P. | Method and system for measuring text-rendering quality |
| US20120182374A1 (en) * | 2011-01-19 | 2012-07-19 | Keyence Corporation | Printing Quality Evaluation System, Laser Marking Apparatus, Printing Condition Setting Device, Printing Quality Evaluation Apparatus, Printing Condition Setting Program, Printing Quality Evaluation Program, And Computer-Readable Recording Medium |
| WO2019238546A2 (de) * | 2018-06-11 | 2019-12-19 | Mühlbauer Gmbh & Co. Kg | Kartenmarkiersystem und verfahren zum automatisierten ermitteln einer optimierten einstellung eines kartenmarkiersystems |
| CN208366871U (zh) * | 2018-07-23 | 2019-01-11 | 珠海格力智能装备有限公司 | 检测系统 |
| CN109514922A (zh) * | 2018-11-10 | 2019-03-26 | 东莞理工学院 | 一种抽纸包装的易撕线的视觉检测系统 |
| CN109926711A (zh) * | 2019-04-25 | 2019-06-25 | 大族激光科技产业集团股份有限公司 | 一种自动获取激光焦点的方法及自动获取激光焦点的加工装置 |
| CN110465750A (zh) * | 2019-09-23 | 2019-11-19 | 珠海格力智能装备有限公司 | 打标设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
| CN111402209B (zh) | 一种基于U-Net的高速铁路钢轨损伤检测方法 | |
| CN109507192B (zh) | 一种基于机器视觉的磁芯表面缺陷检测方法 | |
| CN106096610B (zh) | 一种基于支持向量机的文档图像二值化方法 | |
| EP3309703A1 (en) | Method and system for decoding qr code based on weighted average grey method | |
| CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
| CN107507173A (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
| CN108830857B (zh) | 一种自适应的汉字碑帖图像二值化分割方法 | |
| CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
| CN115170669A (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
| JP2008225764A (ja) | 文字ノイズ除去装置、文字ノイズ除去方法、文字ノイズ除去プログラム | |
| CN112734720A (zh) | 基于视觉识别的船壳激光清洗在位检测方法及系统 | |
| CN111879777A (zh) | 软资材贴合瑕疵检测方法、装置、设备以及存储介质 | |
| CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
| CN115170525A (zh) | 一种图像差异检测方法及装置 | |
| CN109800641B (zh) | 基于阈值自适应二值化和连通域分析的车道线检测方法 | |
| JP2019200775A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
| CN105721738B (zh) | 一种彩色扫描文档图像预处理方法 | |
| CN112818983A (zh) | 一种利用图片相识度判断字符倒置的方法 | |
| CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
| CN111223075A (zh) | 一种激光打标软件的计算机视觉检测与追溯系统及方法 | |
| JP5264956B2 (ja) | ２次元コード読取装置及びその方法 | |
| JP4115378B2 (ja) | 欠陥検出方法 | |
| CN111928303B (zh) | 油烟浓度识别方法及装置、油烟机 | |
| KR101675532B1 (ko) | 후판 표면 결함 탐상 장치 및 방법 |
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 |