CN111524136A - 装箱异常检测系统及方法 - Google Patents

装箱异常检测系统及方法 Download PDF

Info

Publication number
CN111524136A
CN111524136A CN202010429976.6A CN202010429976A CN111524136A CN 111524136 A CN111524136 A CN 111524136A CN 202010429976 A CN202010429976 A CN 202010429976A CN 111524136 A CN111524136 A CN 111524136A
Authority
CN
China
Prior art keywords
boxing
product
personal computer
industrial personal
acquired image
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
CN202010429976.6A
Other languages
English (en)
Inventor
李犇
李想
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.)
Greatview Beijing Trading Co Ltd
Original Assignee
Greatview Beijing Trading Co 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 Greatview Beijing Trading Co Ltd filed Critical Greatview Beijing Trading Co Ltd
Priority to CN202010429976.6A priority Critical patent/CN111524136A/zh
Publication of CN111524136A publication Critical patent/CN111524136A/zh
Pending legal-status Critical Current

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请提供了一种装箱异常检测系统及方法，其中，系统包括：相机、光源、现场控制器及支架；相机及光源通过支架设置于装箱机装箱时箱体开口的一侧，相机用于采集装箱完成后箱体开口处的图像，发送采集的图像至工控机，以由工控机根据采集的图像，进行装箱异常分析；光源用于对箱体开口处提供补光；现场控制器连接相机、光源及装箱机，用于根据装箱机的指示，发送拍照命令至相机及光源。本申请能够采集清晰的装箱开口图像，通过工控机对采集的图像进行分析，能够精确确定装箱异常，相较于现有技术而言，能够节省人力，提高异常检测的效率及精度。

Description

装箱异常检测系统及方法
技术领域
本申请涉及生产线异常检测领域，尤其涉及一种装箱异常检测系统及方法。
背景技术
随着产品包装业的不断发展，为了有效的提高包装效率，越来越多的企业开始不断尝试使用自动化设备对产品的包装箱进行自动封箱(例如奶箱、果汁箱等)。但自动化的封箱方式随之产生了诸多问题，例如自动封箱产生的装箱异常检测问题—包括但不限于缺包、挤包、倒包、转包等，当具有装箱异常的产品包装箱进入市场后，会使消费者对产品产生较差的印象，影响用户体验，也会对企业产生较大的负面影响，不利于产品的推广。
现有技术中，为了解决装箱异常的问题，通常是采用人工剔除、称重剔除两种方式解决。采用人工剔除的方式存在消耗较大劳动强度，浪费人力，存在漏检可能性等问题。采用称重剔除的方式存在仅能检测出缺包异常，对于挤包、倒包、转包等异常无法检测的问题。
因此，需要一种更高效、全面和精准的装箱异常检测系统，提高有效装箱效率和出厂产品包装箱合格率。
发明内容
为了解决现有技术中装箱异常检测存在的浪费人力、不能避免漏检异常装箱的缺陷，本申请的一方面提供一种装箱异常检测系统，包括：相机、光源、现场控制器及支架；
所述相机及所述光源通过所述支架设置于装箱机装箱时箱体开口的一侧，所述相机用于采集装箱完成后箱体开口处图像，发送采集的图像至工控机，以由所述工控机根据所述采集的图像进行装箱异常分析；所述光源用于对箱体开口处提供补光；
所述现场控制器连接所述相机、所述光源及所述装箱机，用于根据所述装箱机的指示，发送拍照命令至所述相机及所述光源。
进一步的，装箱异常检测系统还包括工控机，连接所述相机或者与所述相机集成为一设备，用于根据所述采集的图像，进行装箱异常分析。
进一步的，所述工控机根据所述采集的图像，进行装箱异常分析的过程包括：
计算所述采集的图像中产品特征，其中，所述产品特征包括：产品个数、产品坐标、产品面积中的一个或多个；
将所述采集的图像中产品特征与预设图像中产品特征进行比对，若不满足预设条件，则认定为装箱异常。
进一步的，计算所述采集的图像中产品特征的过程包括：
对所述采集的图像进行预处理；
根据预处理图像，计算所述采集的图像中产品特征。
进一步的，对所述采集的图像进行预处理的过程包括：
对所述采集的图像进行产品与背景分割处理、二值化处理及腐蚀膨胀处理。
进一步的，对所述采集的图像进行产品与背景分割处理的过程包括：
对所述采集的图像执行如下算法中的一个或多个：大津法、谷底最小值法、双峰平均值法及迭代阈值法；
若执行了多个算法，则计算多个算法所得值的平均值。
进一步的，对所述采集的图像进行预处理之前还包括：
计算所述采集的图像中产品位置处黑色面积与预定面积的比值，若装箱产品中每个所述产品位置处黑色面积与预定面积的比值均小于预定阈值，则装箱正常，若其中任一所述产品位置处黑色面积与预定面积的比值大于或等于预定阈值，则对所述采集的图像进行预处理。
进一步的，所述工控机还用于将装箱异常信息发送至客户端，由所述客户端根据装箱异常信息进行统计及分析。
进一步的，所述工控机还用于将装箱异常图像发送至客户端，由所述客户端对所述装箱异常图像进行查看及处理。
进一步的，所述现场控制器包括PLC控制器、EtherCAT控制器、Ethernet IP控制器中的任一个。
进一步的，装箱异常检测系统还包括：挡箱装置或漏箱装置，连接所述现场控制器，所述现场控制器还连接所述工控机，所述工控机于装箱异常时发送剔除信号至所述现场控制器，所述现场控制器根据所述剔除信号开启所述挡箱装置或漏箱装置。
进一步的，装箱异常检测系统还包括：复位按钮；
所述复位按钮连接所述现场控制器，剔除异常箱体后触发所述复位按钮，由所述现场控制器将复位信号发送至所述工控机；或
所述复位按钮连接所述工控机，剔除异常箱体后发出所述复位按钮，将复位信号发送至所述工控机。
进一步的，装箱异常检测系统还包括：报警器，连接所述现场控制器，所述现场控制器还连接所述工控机，所述工控机于装箱异常时发送报警信号至所述现场控制器，所述现场控制器根据所述报警信号开启所述报警器。
进一步的，装箱异常检测系统还包括：装箱检测器，通过所述支架设置于装箱机装箱时箱体开口的一侧，所述装箱检测器连接所述现场控制器，用于检测装箱进度，装箱进度大于预定值时发送指示至所述现场控制器；
所述现场控制器，还用于根据所述装箱检测器的指示，发送拍照命令至所述相机及所述光源。
本申请的第二方面提供一种装箱异常检测方法，包括：
装箱机装箱完成时发送拍照命令至相机及光源，其中，所述相机及所述光源通过支架设置于所述装箱机装箱时箱体开口的一侧；
所述光源向箱体开口处提供补光，所述相机采集装箱完成后箱体开口处图像，并将采集的图像发送至工控机；
所述工控机根据所述采集的图像，进行装箱异常分析。
进一步的，所述工控机根据所述采集的图像，进行装箱异常分析的过程包括：
计算所述采集的图像中产品特征，其中，所述产品特征包括：产品个数、产品坐标及产品面积中的一个或多个；
将所述采集的图像中产品特征与预设图像中产品特征进行比对，若不满足预设条件，则认定为装箱异常。
进一步的，计算所述采集的图像中产品特征的过程包括：
对所述采集的图像进行预处理；
根据预处理图像，计算所述采集的图像中产品特征。
进一步的，对所述采集的图像进行预处理的过程包括：
对所述采集的图像进行产品与背景分割处理、二值化处理及腐蚀膨胀处理。
进一步的，对所述采集的图像进行产品与背景分割处理的过程包括：
对所述采集的图像执行如下算法中的一个或多个：大津法、谷底最小值法、双峰平均值法及迭代阈值法；
若执行了多个算法，则计算多个算法所得值的平均值。
进一步的，对所述采集的图像进行预处理之前还包括：
计算所述采集的图像中产品位置处黑色面积与预定面积的比值，若装箱产品中每个所述产品位置处黑色面积与预定面积的比值均小于预定阈值，则装箱正常，若其中任一所述产品位置处黑色面积与预定面积的比值大于或等于预定阈值，则对所述采集的图像进行预处理。
本申请提供的装箱异常检测系统及方法，能够采集到清晰的装箱开口图像，采集的图像能够反映真实的装箱情况，通过工控机对采集的图像进行分析，能够精确区分各种装箱异常，相较于现有技术而言，能够节省人力，提高装箱异常检测的效率及精度。
为让本申请的上述内容和目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例的装箱异常检测系统的示意图；
图2为本申请另一实施例的装箱异常检测系统的示意图；
图3为本申请一实施例的装箱异常分析的流程图；
图4为本申请一实施例的计算采集图像中产品特征的流程图；
图5为本申请一实施例的装箱异常检测系统的电气连接示意图；
图6为本申请另一实施例的装箱异常检测系统的电气连接示意图；
图7为本申请再一实施例的装箱异常检测系统的电气连接示意图；
图8为本申请一实施例的装箱异常检测方法的流程图；
图9为本申请另一实施例的装箱异常检测方法的流程图；
图10为本申请再一实施例的装箱异常检测方法的流程图；
图11为本申请又一实施例的装箱异常检测方法的流程图。
具体实施方式
为了使本申请的技术特点及效果更加明显，下面结合附图对本申请的技术方案做进一步说明，本申请也可有其他不同的具体实例来加以说明或实施，任何本领域技术人员在权利要求范围内做的等同变换均属于本申请的保护范畴。
本申请的示意性实施例及其说明用于解释本申请，但并不作为对本申请的限定。另外，在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
考虑到现有技术中装箱异常检测存在浪费人力、不能保证找出所有异常箱的缺陷，本申请的一实施例中，如图1所示，提供一种装箱异常检测系统，包括：相机110、光源120、现场控制器130及支架140。
相机110及光源120通过支架140设置于装箱机装箱时箱体开口的一侧(例如装箱机装箱时箱体开口朝上，则相机及光源通过支架设置于装箱机上面)，相机110用于采集装箱完成后箱体开口处图像，发送采集的图像至工控机，以由工控机根据采集的图像进行装箱异常分析。本申请所述的装箱异常包括但不限于“缺包”、“倒包”、“挤包”、“转包”等单独或综合发生的生产异常。
光源120用于对箱体开口处提供补光，降低拍摄图像时的反光情况。
现场控制器130连接相机110、光源120及装箱机，用于根据装箱机的指示，发送拍照命令至相机110及光源120。详细的说，现场控制器包括PLC控制器、EtherCAT控制器、Ethernet IP控制器中的任一个。一般情况下，为了提高控制的稳定性及速度，通常现场控制器130为PLC控制器。优选的，为了保证采集图像的质量，光源120选用红外光源。
具体实施时，装箱机装箱完成后，会触发挡板信号及运动电眼信号，装箱机将挡板信号及运动电眼信号发送至现场控制器130，现场控制器130接收到挡板信号及运动电眼信号时，发送拍照命令至相机110及光源120。参阅图1，本申请所述的装箱异常检测系统还可包括：装箱检测器150，通过支架140设置于装箱机装箱时箱体开口的一侧，连接现场控制器130，用于检测装箱进度，装箱进度大于预定值时发送指示至现场控制器130，由现场控制器130根据装箱检测器150的指示，发送拍照命令至相机110及光源120。一具体实施例中，装箱检测器150为摄像机。
本实施例通过将相机110及光源120通过支架140设置于装箱机装箱时箱体开口的一侧，能够采集清晰的箱体开口处图像，通过工控机对采集的图像进行分析，能够精确确定装箱异常。
本申请一实施例中，如图2所示，装箱异常检测系统还包括工控机160，连接相机110，用于根据采集的图像，进行装箱异常分析。一些实施方式中，相机110与工控机160集成为一设备，例如为智能相机。具体实施时，工控机160除了用于装箱异常分析外，还用于对异常分析结果进行记录及显示、控制后续流程(例如装箱正常时控制装箱机对箱体封箱及喷码机对箱体喷码，又例如装箱异常时，启动剔除算法以剔除异常箱体)。
本申请一实施例中，为了便于客户端分析装箱异常情况，工控机160还用于将装箱异常信息发送至客户端，由客户端根据装箱异常信息进行统计及分析。具体的，统计及分析的内容包括但不限于：装箱异常总量、装箱异常误判量、各装箱异常情况对应的数量及其占比。
进一步的，为了便于客户对装箱异常进行分析，工控机160还用于将装箱异常图像发送至客户端，由客户端对装箱异常图像进行查看及处理。
如图3所示，工控机160根据采集的图像，进行装箱异常分析的过程包括：
步骤310，计算采集的图像中产品特征，其中，产品特征包括：产品个数、产品坐标、产品面积中的一个或多个。
步骤320，将采集的图像中产品特征与预设图像中产品特征进行比对，若不满足预设条件，则认定为装箱异常。本步骤中所述的预设条件例如为：采集图像得到的产品个数与预设图像中的产品个数是否相等，采集图像得到的产品坐标与预设图像中产品坐标之间的误差范围是否小于一定值，采集图像得到的产品面积与产品预定面积比是否在预定范围内，产品预定面积可通过产品正常装箱状态下采集的图像进行分析得到，本申请对其具体取值不做限定。若其中任一判断结果为否，则可认定为装箱异常。详细的预设条件例如为：若采集图像得到的产品个数小于预设图像中的产品个数，则确定为缺产品异常；若采集图像得到的产品个数多于预设图像中的产品个数，则确定为多产品异常；若采集图像得到的产品个数与预设图像中的产品个数相等，采集图像得到的产品面积与产品预定面积比不在预定范围内，则确定为产品转向异常。本申请对预设条件不做具体限定，可根据实际装箱异常情况进行设定。
本申请一实施例中，如图4所示，上述步骤310计算采集的图像中产品特征的过程包括：
步骤410，对采集的图像进行预处理。具体的，对采集的图像进行产品与背景分割处理、二值化处理及腐蚀膨胀处理。其中，对采集的图像进行产品与背景分割处理的过程包括对采集的图像执行如下算法中的一个或多个：大津法、谷底最小值法、双峰平均值法及迭代阈值法；若执行了多个算法，则计算多个算法所得值的平均值。
步骤420，根据预处理图像，计算采集的图像中产品特征。预处理后的图像能够得到可供Opencv视觉算法库使用的图像，本步骤可利用Opencv视觉算法库计算采集的图像中产品特征。
进一步实施例中，为了提高异常分析的速度，上述步骤410对采集的图像进行预处理之前还包括：计算采集的图像中产品位置处黑色面积与预定面积的比值，若装箱产品中每个产品位置处黑色面积与预定面积的比值均小于预定阈值，则装箱正常，若其中任一产品位置处黑色面积与预定面积的比值大于或等于预定阈值，则对采集的图像进行预处理。
本申请一实施例中，为了便于拦截异常箱体，如图5所示，装箱异常检测系统还包括：挡箱装置170，连接现场控制器130，现场控制器130还连接工控机160，工控机160于装箱异常时发送剔除信号至现场控制器130，现场控制器130根据剔除信号开启挡箱装置170。具体实施时，挡箱装置170可由漏箱装置替代。
本申请一实施例中，为了便于工控机及时了解异常装箱的实际处理情况，如图6所示，装箱异常检测系统还包括：复位按钮180，连接现场控制器130，用于供工作人员剔除异常箱体后触发并产生复位信号，由现场控制器130将复位信号发送至工控机160，以便工控机160实现异常箱体记录的处理结果与实际的处理结果时间同步。
一些实施方式中，若复位按钮180具有通信功能，复位按钮180还可直接连接工控机160，剔除异常箱体后触发复位按钮180，将复位信号发送至工控机160。为了方便工作人员操作复位按钮，复位按钮设置于挡箱装置所处位置的预定范围内，例如，以挡箱装置为圆心、R为半径的圆中，复位按钮具体所处位置由工作人员的操作习惯而定，本申请对此不作具体限定。
其它实施方式中，复位按钮180还连接挡箱装置170，剔除异常箱体后触发复位按钮180，将复位信号发送至挡箱装置170，以使挡箱装置170根据复位信号复位。
本申请一实施例中，为了便于出现装箱异常时及时通知相关作业人员，如图7所示，装箱异常检测系统还包括：报警器190，连接现场控制器130，现场控制器130还连接工控机160，工控机160于装箱异常时发送报警信号至现场控制器130，现场控制器130根据报警信号开启报警器190。具体的，报警器190例如为蜂鸣器、报警灯等，可通过语音或灯的颜色变化等进行报警，本申请对报警器具体为何不做限定。
本申请一实施例中，现场控制器与装箱机、装箱检测器、相机及工控机中的任一个集成。现场控制器与装箱机集成为一现场智能装箱机，现场控制器与装箱检测器集成为一现场智能装箱检测器，现场控制器与相机集成为一现场智能相机，现场控制器与工控机集成为一现场智能控制器。本领域技术人员可根据说明书公开内容调整设备间的连接和信号传输方式。
本申请一实施例中，如图8所示，还提供一种装箱异常检测方法，包括：
步骤810，装箱机装箱完成时发送拍照命令至相机及光源，其中，相机及光源通过支架设置于装箱机装箱时箱体开口的一侧。
步骤820，光源向箱体开口处提供补光，相机采集装箱完成后箱体开口处的图像，并将采集的图像发送至工控机。
步骤830，工控机根据采集的图像，进行装箱异常分析。
本申请一实施例中，如图9所示，上述步骤830工控机根据采集的图像，进行装箱异常分析的过程包括：
步骤8301，计算采集的图像中产品特征，其中，产品特征包括：产品个数、产品坐标、产品面积中的一个或多个。
步骤8302，将采集的图像中产品特征与预设图像中产品特征进行比对，若不满足预设条件，则认定为装箱异常。
本申请一实施例中，如图10所示，上述步骤8301计算采集的图像中产品特征的过程包括：
S1，对采集的图像进行预处理。详细的说，对采集图像进行预处理的过程包括对采集的图像进行产品与背景分割处理、二值化处理及腐蚀膨胀处理，其中，对采集的图像进行产品与背景分割处理的过程包括：对采集的图像执行如下算法中的一个或多个：大津法、谷底最小值法、双峰平均值法及迭代阈值法；若执行了多个算法，则计算多个算法所得值的平均值。经过这一系列算法的实施，能够得到可供Opencv视觉算法库使用的图片。
S2，根据预处理图像，计算采集的图像中产品特征。实施时，本步骤可采用Opencv视觉算法计算图像中的产品特征。
本申请一实施例中，如图11所示，上述步骤S1对采集的图像进行预处理之前还包括：
S0，计算采集的图像中产品位置处黑色面积与预定面积的比值，若装箱产品中每个产品位置处黑色面积与预定面积的比值均小于预定阈值，则装箱正常，若其中任一产品位置处黑色面积与预定面积的比值大于或等于预定阈值(例如为15％)，则确定装箱疑似异常，继续对采集的图像进行预处理的步骤。具体的，若连续n个(n根据正常装箱情况下箱体内横排产品个数或竖排产品个数确定)产品位置处黑色面积与预定面积的比值均大于预定阈值，可确定横排缺产品或竖排缺产品。若所有产品位置处黑色面积与预定面积的比值均为1(即图像中产品位置处黑色面积等于预定产品位置处的产品面积)，则确定为空箱。若其中一产品位置处黑色面积与预定面积的比值大于第一预定阈值(例如为15％)且小于第二预定阈值(例如为20％)，则确定为转包。
通过本步骤的实施，能够实现仅对装箱疑似异常的图像进行预处理、分析图像中的产品特征等的步骤，而非所有采集的图像进行图像预处理、分析图像中的产品特征等的步骤，能够提高装箱异常分析的速度。
以上所述仅用于说明本申请的技术方案，任何本领域普通技术人员均可在不违背本申请的精神及范畴下，对上述实施例进行修饰与改变。因此，本申请的权利保护范围应视权利要求范围为准。

Claims (20)

1.一种装箱异常检测系统，其特征在于，包括：相机、光源、现场控制器及支架；
所述相机及所述光源通过所述支架设置于装箱机装箱时箱体开口的一侧，所述相机用于采集装箱完成后箱体开口处图像，发送采集的图像至工控机，以由所述工控机根据所述采集的图像进行装箱异常分析；
所述光源用于对箱体开口处提供补光；
所述现场控制器连接所述相机、所述光源及所述装箱机，用于根据所述装箱机的指示，发送拍照命令至所述相机及所述光源。
2.如权利要求1所述的系统，其特征在于，所述工控机连接所述相机或者与所述相机集成为一设备，用于根据所述采集的图像，进行装箱异常分析。
3.如权利要求2所述的系统，其特征在于，所述工控机根据所述采集的图像，进行装箱异常分析的过程包括：
计算所述采集的图像中产品特征，其中，所述产品特征包括：产品个数、产品坐标、产品面积中的一个或多个；
将所述采集的图像中产品特征与预设图像中产品特征进行比对，若不满足预设条件，则认定为装箱异常。
4.如权利要求3所述的系统，其特征在于，计算所述采集的图像中产品特征的过程包括：
对所述采集的图像进行预处理；
根据预处理图像，计算所述采集的图像中产品特征。
5.如权利要求4所述的系统，其特征在于，对所述采集的图像进行预处理的过程包括：
对所述采集的图像进行产品与背景分割处理、二值化处理及腐蚀膨胀处理。
6.如权利要求5所述的系统，其特征在于，对所述采集的图像进行产品与背景分割处理的过程包括：
对所述采集的图像执行如下算法中的一个或多个：大津法、谷底最小值法、双峰平均值法、迭代阈值法；
若执行了多个算法，则计算多个算法所得值的平均值。
7.如权利要求4所述的系统，其特征在于，对所述采集的图像进行预处理之前还包括：
计算所述采集的图像中产品位置处黑色面积与预定面积的比值，若装箱产品中每个所述产品位置处黑色面积与预定面积的比值均小于预定阈值，则装箱正常，若其中任一所述产品位置处黑色面积与预定面积的比值大于或等于预定阈值，则对所述采集的图像进行预处理。
8.如权利要求2所述的系统，其特征在于，所述工控机还用于将装箱异常信息发送至客户端，由所述客户端根据所述装箱异常信息进行统计及分析。
9.如权利要求2所述的系统，其特征在于，所述工控机还用于将装箱异常图像发送至客户端，由所述客户端对所述装箱异常图像进行查看及处理。
10.如权利要求1或2所述的系统，其特征在于，所述现场控制器包括PLC控制器、EtherCAT控制器、Ethernet IP控制器中的任一个。
11.如权利要求2所述的系统，其特征在于，还包括：挡箱装置或漏箱装置，连接所述现场控制器，所述现场控制器还连接所述工控机，所述工控机于装箱异常时发送剔除信号至所述现场控制器，所述现场控制器根据所述剔除信号开启所述挡箱装置或漏箱装置。
12.如权利要求11所述的系统，其特征在于，还包括：复位按钮；
所述复位按钮连接所述现场控制器，剔除异常箱体后触发所述复位按钮，由所述现场控制器将复位信号发送至所述工控机；或
所述复位按钮连接所述工控机，剔除异常箱体后触发所述复位按钮，将复位信号发送至所述工控机。
13.如权利要求2所述的系统，其特征在于，还包括：报警器，连接所述现场控制器，所述现场控制器还连接所述工控机，所述工控机于装箱异常时发送报警信号至所述现场控制器，所述现场控制器根据所述报警信号开启所述报警器。
14.如权利要求1所述的系统，其特征在于，所述装箱机还包括：装箱检测器，通过所述支架设置于装箱机装箱时箱体开口的一侧，所述装箱检测器连接所述现场控制器，用于检测装箱进度，装箱进度大于预定值时发送指示至所述现场控制器；
所述现场控制器，还用于根据所述装箱检测器的指示，发送拍照命令至所述相机及所述光源。
15.一种装箱异常检测方法，其特征在于，包括：
装箱机装箱完成时发送拍照命令至相机及光源，其中，所述相机及所述光源通过支架设置于所述装箱机装箱时箱体开口的一侧；
所述光源向箱体开口处提供补光，所述相机采集装箱完成后箱体开口处图像，并将采集的图像发送至工控机；
所述工控机根据所述采集的图像，进行装箱异常分析。
16.如权利要求15所述的方法，其特征在于，所述工控机根据所述采集的图像，进行装箱异常分析的过程包括：
计算所述采集的图像中产品特征，其中，所述产品特征包括：产品个数、产品坐标、产品面积中的一个或多个；
将所述采集的图像中产品特征与预设图像中产品特征进行比对，若不满足预设条件，则认定为装箱异常。
17.如权利要求16所述的方法，其特征在于，计算所述采集的图像中产品特征的过程包括：
对所述采集的图像进行预处理；
根据预处理图像，计算所述采集的图像中产品特征。
18.如权利要求17所述的方法，其特征在于，对所述采集的图像进行预处理的过程包括：
对所述采集的图像进行产品与背景分割处理、二值化处理及腐蚀膨胀处理。
19.如权利要求18所述的方法，其特征在于，对所述采集的图像进行产品与背景分割处理的过程包括：
对所述采集的图像执行如下算法中的一个或多个：大津法、谷底最小值法、双峰平均值法、迭代阈值法；
若执行了多个算法，则计算多个算法所得值的平均值。
20.如权利要求19所述的方法，其特征在于，对所述采集的图像进行预处理之前还包括：
计算所述采集的图像中产品位置处黑色面积与预定面积的比值，若装箱产品中每个所述产品位置处黑色面积与预定面积的比值均小于预定阈值，则装箱正常，若其中任一所述产品位置处黑色面积与预定面积的比值大于或等于预定阈值，则对所述采集的图像进行预处理。
CN202010429976.6A 2020-05-20 2020-05-20 装箱异常检测系统及方法 Pending CN111524136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010429976.6A CN111524136A (zh) 2020-05-20 2020-05-20 装箱异常检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010429976.6A CN111524136A (zh) 2020-05-20 2020-05-20 装箱异常检测系统及方法

Publications (1)

Publication Number Publication Date
CN111524136A true CN111524136A (zh) 2020-08-11

Family

ID=71912438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010429976.6A Pending CN111524136A (zh) 2020-05-20 2020-05-20 装箱异常检测系统及方法

Country Status (1)

Country Link
CN (1) CN111524136A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112869217A (zh) * 2021-02-04 2021-06-01 四川大学锦城学院 一种用于食品调料加工的异常检测控制系统
CN112989099A (zh) * 2021-05-14 2021-06-18 赣通通信股份有限公司 基于图像通信的智慧施工管理系统和方法
CN116767610A (zh) * 2023-07-04 2023-09-19 河北省自动化研究所有限公司 圆底试管装箱数量检测系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112869217A (zh) * 2021-02-04 2021-06-01 四川大学锦城学院 一种用于食品调料加工的异常检测控制系统
CN112989099A (zh) * 2021-05-14 2021-06-18 赣通通信股份有限公司 基于图像通信的智慧施工管理系统和方法
CN116767610A (zh) * 2023-07-04 2023-09-19 河北省自动化研究所有限公司 圆底试管装箱数量检测系统
CN116767610B (zh) * 2023-07-04 2023-12-01 河北省自动化研究所有限公司 圆底试管装箱数量检测系统

Similar Documents

Publication Publication Date Title
CN111524136A (zh) 装箱异常检测系统及方法
CN110738135B (zh) 一种工人作业工步规范视觉识别判定与指导方法及系统
CN102275656B (zh) 一种条烟装箱机缺条在线视觉检测装置及其检测方法
CN212515899U (zh) 装箱异常检测系统
CN110238078A (zh) 分拣方法、装置、系统及存储介质
CN109406533A (zh) 一种产品表面缺陷的检测系统及方法
CN107179324A (zh) 检测产品包装的方法、装置和系统
CN205538710U (zh) 一种基于机器视觉的电感质量自动检测系统
CN111274951B (zh) 料箱状态的监控方法及装置、自动投料系统
KR20120124234A (ko) 조제 약품 재검사 장치 및 그 재검사 방법
Szkilnyk et al. Vision based fault detection of automated assembly equipment
CN111178424A (zh) 一种石油化工生产现场安全合规性实时检测系统及方法
CN203164132U (zh) 生产线的食品检查信息存储系统
JP7405915B2 (ja) 製品を分析する方法及び装置、訓練方法、システム、コンピュータプログラム、並びにコンピュータ読み取り可能記憶媒体
KR102243039B1 (ko) 자동화된 상품의 포장 및 배송 서비스를 위한 스마트 팩토리 시스템
TWM604031U (zh) 基於人工智能的光學檢測系統
CN115731165A (zh) 一种锂电池在线尺寸点检的检测系统及方法
CN114140684A (zh) 堵煤漏煤检测方法、装置、设备及存储介质
CN110481847B (zh) 一种卷烟封装机的内框纸检测系统及方法
CN111597857A (zh) 一种物流包裹检测方法、装置、设备及可读存储介质
CN113172000A (zh) 一种带有重量监督管理平台的卷烟系统
CN115376074A (zh) 输电线路监拍装置识别效果评估方法及系统
CN114797309A (zh) 袋式除尘器检修方法、装置、袋式除尘器及存储介质
CN111458344A (zh) 一种口罩缺陷视觉检测方法、设备、存储介质
CN117169227A (zh) 插头的生产方法、装置、设备及存储介质

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