CN111489367A - 一种自动化选择轮毂二维码打码可行区域的定位方法 - Google Patents
一种自动化选择轮毂二维码打码可行区域的定位方法 Download PDFInfo
- Publication number
- CN111489367A CN111489367A CN202010583376.5A CN202010583376A CN111489367A CN 111489367 A CN111489367 A CN 111489367A CN 202010583376 A CN202010583376 A CN 202010583376A CN 111489367 A CN111489367 A CN 111489367A
- Authority
- CN
- China
- Prior art keywords
- hub
- image
- area
- dimensional code
- contours
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种自动化选择轮毂二维码打码可行区域的定位方法，包括以下步骤：选择中等偏暗亮度的打光环境，并调节摄像头拍摄轮毂的内腔区域；基于图像预处理方法对摄像头所拍摄的轮毂图像内腔区域进行预处理；结合图像形态学以及轮廓检测算法获分离出所有可能的二维码打码可行性区域；基于几何学测度，第一次对所有可能的打码可行性凹槽区域进行筛选；基于输出的区域图像，基于亮度像素统计进行第二次筛选。本发明的方法能够精准选择打码区域，准确率高，自动化的识别二维码打码可行性区域，拥有良好的可靠性和实时性。
Description
技术领域
本发明涉及一种图像处理技术领域，尤其是涉及一种基于图像处理算法的轮毂自动选择二维码打码可行域的定位方法。
背景技术
在工业4.0框架下，智慧工厂的感知和控制技术必须具备高速、高精度、模块化、智能化、无损感知等特点，能够根据不同的任务实现自主配置和自适应调节，满足定制和个性化产品的自适应制造，然而传统的感知控制技术无法满足上述需求。机器视觉技术涉及神经生物学、计算机学、图像处理学、模式识别和人工智能等多门学科，具有高效率、高精度、非接触和易集成等特点，是实现现代集成制造技术的基础。将机器视觉技术应用到轮毂生产之中，可以在很大程度上提高生产过程的机械化和智能化水平。应用机器视觉检测与控制技术代替人眼、人脑、人手来进行检测、测量、分析、判断和决策控制，以满足智慧工厂对环境感知和自主控制的多项需求。
传统的轮毂制造业想要搭建上述的智慧工厂，就必须完成轮毂的生产智能化。轮毂生产智能化最重要的一步就是实现轮毂的类型识别，许多工厂开始采用二维码识别方法进行轮毂的类型识别。但是在目前大部分的轮毂二维码都是依靠工人自主选择打码位置进行打码，主要原因是轮毂的打码位置一般均选择在平坦的内腔凹槽区域，但是由于内腔凹槽区域同时也会含有商标等字符区域，需要人眼识别出没有商标字符的区域，才能进行打码。显然这种工作方式效率低下，也无法形成生产的真正自动化。
发明内容
为克服现有技术的缺陷，本发明提供一种自动化选择轮毂二维码打码可行区域的定位方法，本发明能够精准选择打码区域，准确率高，自动化的选择二维码打码可行性区域进行打码，拥有良好的可靠性和实时性，从而真正实现人手的解放。
为了实现上述目的，本发明采用以下技术方案：
一种自动化选择轮毂二维码打码可行区域的定位方法，包括以下步骤：
S1：选择中等偏暗亮度的打光环境，拍摄轮毂的内腔区域；
S2：对步骤S1中所拍摄的轮毂图像内腔区域进行预处理；
S3：分离出所有可能的二维码打码可行区域；
S4：第一次对所有可能的二维码打码可行区域进行筛选；
S5：对步骤S4得到的二维码打码可行区域进行第二次筛选。
进一步地，步骤S2具体如下：
S21：对图像进行高斯滤波以及灰度化；
S22：对图像进行阈值分割；其原理如公式1所示，
其中，
是图像I的直方图
的第一个峰值，
为直方图第二个峰值，
就是获得的选定阈值thresh，然后采用该阈值thresh进行图像分割，从而保留内腔的
中心区域；
S23：采用中值滤波算法去除图像中黑色的噪点。
进一步地，步骤S3具体如下：
S31：对步骤S2获得的图像依次进行1次膨胀操作，2次腐蚀操作，6次开操作；
S32：标注出所有可能可行性区域的轮廓。
进一步地，步骤S4具体如下：
S41：基于步骤S3中的输出轮廓，统计所有轮廓包含的像素数量，从上至下，从左至右对轮廓进行顺时针标记序号，如果最大面积轮廓序号对应为奇数，则删除所有奇数轮廓；如果为偶数，则删除所有偶数轮廓；
S42：对步骤S41中的剩余轮廓进行旋转外接矩形的拟合，获取矩形中心以及该矩形相对于矩形中心的旋转角度，使用这些带有角度的矩形轮廓分离出凹槽区域图像并输出。
进一步地，步骤S5具体如下：
S51：对步骤S4得到的区域图像计算面积S，统计所有的非0像素点的数量N，二计算对应
的比值
；
S52：对步骤S4得到的图像按照步骤S51的
比值大小进行排序，输出非0像素占比最小
的那个区域，即轮毂打码可行区域。
本发明具有如下有益效果：
本发明的轮毂二维码打码可行区域定位方法能够精准选择打码区域，准确率高，自动化的选择二维码打码可行性区域进行打码，拥有良好的可靠性和实时性，从而实现人手的解放。
附图说明
图1是摄像头拍摄的轮毂的内腔区域。
图2 是基于直方图技术对图1进行阈值分割后的结果。
图3是基于轮廓检测算法标注出的所有可能可行区域的轮廓的示意图。
图4 是第一次对所有可能的打码可行区域进行筛选后的结果示意图。
图5是本发明的最终计算结果与打码可行区域的示意图，其中图5（a）为对应的比值计算结果，图5（b）为打码可行区域的示意图。
图6 是本发明方法的流程图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步的描述。
如图1-6所示，一种基于图像处理算法的自动选择轮毂二维码打码可行区域的定位方法，包括以下步骤：
S1：确定打光环境，过亮的图像导致可行域分割困难，过暗的图像导致凹槽中的商标文字过暗，无法检测，因此打光环境不能太亮或者太暗，打光环境决定后续的图像处理结果。在一些优选的方式中，选择封闭的光照环境，使得图像中仅包含轮毂中心区域。本发明选择中等偏暗亮度的打光环境，并调节摄像头拍摄轮毂的内腔区域，如图1所示。
S2：基于图像预处理方法对步骤S1中摄像头所拍摄的轮毂图像内腔区域进行预处理，具体步骤如下：
S21：对图像进行高斯滤波以及灰度化，降低图像噪声；
S22：对图像进行基于直方图技术的阈值分割，其原理如公式1所示，
其中，
是图像I的直方图
的第一个峰值，
为直方图第二个峰值，
就是通过直方图技术获得的选定阈值thresh，然后采用该阈值thresh进行图像分割，
从而保留内腔的中心区域，本发明中采用像素值144作为阈值进行图像分割，如图2所示；
S23：采用核尺寸为5的中值滤波算法去除图像中黑色的噪点。
S3：结合图像形态学以及轮廓检测算法分离出所有可能的二维码打码可行性区域。
该步骤中采用以下处理方法：
S31：基于形态学对步骤S2中获得的图像进行1次膨胀操作，膨胀操作就是按公式（2）求
取原图像
局部最大值作为新图像在该点处的像素值，输出图像
，
指的
是
像素值不为0的局部区域
的位置索引。
然后进行2次腐蚀操作，与膨胀操作相反，腐蚀操作取局部最小值，最后进行6次开操作，开操作其实就是先腐蚀再膨胀；
S32：基于轮廓检测算法，标注出所有可能可行性区域的轮廓，如图3所示。
S4：基于几何学测度，第一次对所有可能的打码可行性凹槽区域进行筛选，具体步骤如下：
S41：基于步骤S3中的输出轮廓，统计所有轮廓包含的像素数量，从上至下，从左至右对轮廓进行顺时针标记序号。如果最大面积轮廓序号对应为奇数，则删除所有奇数轮廓；如果为偶数，则删除所有偶数轮廓。因为凸台常常是面积较大的区域，经过上述处理就可以去除凸台，仅保留凹槽，如图4所示。
S42：考虑到凹槽区域可能并不是一个端正的矩形，需要对上述步骤中的剩余轮廓进行旋转外接矩形的拟合，获取矩形中心以及该矩形相对于矩形中心的旋转角度，从而能够更接近凹槽区域的轮廓，如图4所示，其中白色圆圈为标记的矩形中心。使用这些带有角度的矩形轮廓分离出凹槽区域图像并输出。
S5：基于输出的区域图像，为了减少运算量实现实时性，基于亮度像素统计进行第二次筛选，具体步骤如下：
S51：对步骤S4得到的这些区域图像计算面积S，统计所有的非0像素点的数量N，计算对
应的比值
，如图5（a）所示；
S52：对步骤S4得到的图像按照步骤S51的
比值大小进行排序，输出非0像素占比最小
（所含字符最少）的那个区域就是轮毂可以打码的位置，如图5（b）所示。
以上所有流程如图6所示。
上述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种自动化选择轮毂二维码打码可行区域的定位方法，其特征在于，包括以下步骤：
S1：拍摄轮毂的内腔区域；
S2：对步骤S1中所拍摄的轮毂图像内腔区域进行预处理；
S3：分离出所有可能的二维码打码可行区域；
S4：第一次对所有可能的二维码打码可行区域进行筛选；
S5：对步骤S4得到的二维码打码可行区域进行第二次筛选。
2.根据权利要求1所述的一种自动化选择轮毂二维码打码可行区域的定位方法，其特征在于，步骤S2具体如下：
S21：对图像进行高斯滤波以及灰度化；
S22：对图像进行阈值分割；其原理如公式1所示，
其中，
是图像I的直方图
的第一个峰值，
为直方图第二个峰值，
就是获得的选定阈值thresh，然后采用该阈值thresh进行图像分割，从而保留内腔的
中心区域；
S23：采用中值滤波算法去除图像中黑色的噪点。
3.根据权利要求1所述的一种自动化选择轮毂二维码打码可行区域的定位方法，其特征在于，步骤S3具体如下：
S31：对步骤S2获得的图像依次进行1次膨胀操作，2次腐蚀操作，6次开操作；
S32：标注出所有可能可行性区域的轮廓。
4.根据权利要求1所述的一种自动化选择轮毂二维码打码可行区域的定位方法，其特征在于，步骤S4具体如下：
S41：基于步骤S3中的输出轮廓，统计所有轮廓包含的像素数量，从上至下，从左至右对轮廓进行顺时针标记序号，如果最大面积轮廓序号对应为奇数，则删除所有奇数轮廓；如果为偶数，则删除所有偶数轮廓；
S42：对步骤S41中的剩余轮廓进行旋转外接矩形的拟合，获取矩形中心以及该矩形相对于矩形中心的旋转角度，使用这些带有角度的矩形轮廓分离出凹槽区域图像并输出。
5.根据权利要求1所述的一种自动化选择轮毂二维码打码可行区域的定位方法，其特征在于，步骤S5具体如下：
S51：对步骤S4得到的区域图像计算面积S，统计所有的非0像素点的数量N，二计算对应
的比值
；
S52：对步骤S4得到的图像按照步骤S51的
比值大小进行排序，输出非0像素占比最小
的那个区域，即轮毂打码可行区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010583376.5A CN111489367B (zh) | 2020-06-24 | 2020-06-24 | 一种自动化选择轮毂二维码打码可行区域的定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010583376.5A CN111489367B (zh) | 2020-06-24 | 2020-06-24 | 一种自动化选择轮毂二维码打码可行区域的定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111489367A true CN111489367A (zh) | 2020-08-04 |
| CN111489367B CN111489367B (zh) | 2020-10-02 |
Family
ID=71810664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010583376.5A Active CN111489367B (zh) | 2020-06-24 | 2020-06-24 | 一种自动化选择轮毂二维码打码可行区域的定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111489367B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643274A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种二维码候选区筛选的方法及装置 |
| CN114862786A (zh) * | 2022-04-29 | 2022-08-05 | 清远蓄能发电有限公司 | 基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295936A (zh) * | 2015-05-29 | 2017-01-04 | 深圳镭博万科技有限公司 | 轮毂类型识别装置和轮毂标识追溯管理系统 |
| KR101705316B1 (ko) * | 2016-08-01 | 2017-02-09 | (주)글로벌 로보틱스 | Qr 코드 마킹 시스템 |
| CN106780483A (zh) * | 2017-01-09 | 2017-05-31 | 河北科技大学 | 多根连铸坯端面视觉识别系统及中心坐标求取方法 |
| JP2017117012A (ja) * | 2015-12-21 | 2017-06-29 | 株式会社デンソー | 無人搬送車及び無人搬送システム |
| EP3396311A1 (en) * | 2017-04-28 | 2018-10-31 | NEXION S.p.A. | Wheel servicing method and system |
| CN109471336A (zh) * | 2018-12-21 | 2019-03-15 | 武汉华星光电技术有限公司 | 一种打码方法、打码装置和打码系统 |
| CN110481923A (zh) * | 2019-08-28 | 2019-11-22 | 中信戴卡股份有限公司 | 一种轮毂自动贴标签设备及生产线 |
| CN110766753A (zh) * | 2019-10-15 | 2020-02-07 | 大族激光科技产业集团股份有限公司 | 用于标签防伪区的定位方法、装置和打标设备 |
| CN111098316A (zh) * | 2020-01-07 | 2020-05-05 | 秦皇岛信越智能装备有限公司 | 一种轮毂表面二维码的激光刻录读取设备与方法 |
-
2020
- 2020-06-24 CN CN202010583376.5A patent/CN111489367B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106295936A (zh) * | 2015-05-29 | 2017-01-04 | 深圳镭博万科技有限公司 | 轮毂类型识别装置和轮毂标识追溯管理系统 |
| JP2017117012A (ja) * | 2015-12-21 | 2017-06-29 | 株式会社デンソー | 無人搬送車及び無人搬送システム |
| KR101705316B1 (ko) * | 2016-08-01 | 2017-02-09 | (주)글로벌 로보틱스 | Qr 코드 마킹 시스템 |
| CN106780483A (zh) * | 2017-01-09 | 2017-05-31 | 河北科技大学 | 多根连铸坯端面视觉识别系统及中心坐标求取方法 |
| EP3396311A1 (en) * | 2017-04-28 | 2018-10-31 | NEXION S.p.A. | Wheel servicing method and system |
| CN109471336A (zh) * | 2018-12-21 | 2019-03-15 | 武汉华星光电技术有限公司 | 一种打码方法、打码装置和打码系统 |
| CN110481923A (zh) * | 2019-08-28 | 2019-11-22 | 中信戴卡股份有限公司 | 一种轮毂自动贴标签设备及生产线 |
| CN110766753A (zh) * | 2019-10-15 | 2020-02-07 | 大族激光科技产业集团股份有限公司 | 用于标签防伪区的定位方法、装置和打标设备 |
| CN111098316A (zh) * | 2020-01-07 | 2020-05-05 | 秦皇岛信越智能装备有限公司 | 一种轮毂表面二维码的激光刻录读取设备与方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113643274A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种二维码候选区筛选的方法及装置 |
| CN114862786A (zh) * | 2022-04-29 | 2022-08-05 | 清远蓄能发电有限公司 | 基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111489367B (zh) | 2020-10-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116205919B (zh) | 基于人工智能的五金零件生产质量检测方法及系统 | |
| CN104680519B (zh) | 基于轮廓和颜色的七巧板识别方法 | |
| CN108197546B (zh) | 人脸识别中光照处理方法、装置、计算机设备及存储介质 | |
| CN107220624A (zh) | 一种基于Adaboost算法的人脸检测方法 | |
| CN113109348B (zh) | 一种基于机器视觉的桨影移印缺陷识别方法 | |
| CN111489367B (zh) | 一种自动化选择轮毂二维码打码可行区域的定位方法 | |
| CN108596232B (zh) | 一种基于形状和颜色特征的鞋垫自动分类方法 | |
| CN115131359B (zh) | 一种金属加工件表面麻点缺陷检测方法 | |
| CN104112132A (zh) | 一种枪械编号自动识别方法 | |
| CN108416814B (zh) | 一种菠萝头部的快速定位与识别方法及系统 | |
| CN111260788A (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
| CN109035274A (zh) | 基于背景估计与u型卷积神经网络的文档图像二值化方法 | |
| CN111445512B (zh) | 一种复杂产线背景中的轮毂参数特征提取方法 | |
| CN116310845B (zh) | 一种用于污水处理的智能监测系统 | |
| CN111695373B (zh) | 斑马线的定位方法、系统、介质及设备 | |
| CN112418087B (zh) | 一种基于神经网络的水下视频鱼类识别方法 | |
| CN110826408B (zh) | 一种分区域特征提取人脸识别方法 | |
| CN110807367A (zh) | 一种动态识别运动中人员号码的方法 | |
| CN111507391A (zh) | 一种基于机器视觉的有色金属破碎料智能识别方法 | |
| CN111754525A (zh) | 一种基于非精确切分的工业字符检测流程 | |
| CN117253024B (zh) | 一种基于机器视觉的工业盐质检管控方法及系统 | |
| CN117197064A (zh) | 一种无接触眼红程度自动分析方法 | |
| CN112070771B (zh) | 基于hs通道的自适应阈值分割方法、装置和存储介质 | |
| CN112329556A (zh) | 一种交通标志检测方法、装置、电子设备和存储介质 | |
| Taban et al. | Different shape and color targets detection using auto indexing images in computer vision system |
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 |