CN111780674A - 一种基于图像处理和机器学习的视觉检测系统 - Google Patents

一种基于图像处理和机器学习的视觉检测系统 Download PDF

Info

Publication number
CN111780674A
CN111780674A CN202010788611.2A CN202010788611A CN111780674A CN 111780674 A CN111780674 A CN 111780674A CN 202010788611 A CN202010788611 A CN 202010788611A CN 111780674 A CN111780674 A CN 111780674A
Authority
CN
China
Prior art keywords
image processing
image acquisition
machine learning
image
detection
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
CN202010788611.2A
Other languages
English (en)
Inventor
刘佳君
赵晓兵
邓岩
刘媛君
郭文松
周子珺
吴哲明
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.)
Tianjin Research Institute For Advanced Equipment Tsinghua University Luoyang Advanced Manufacturing Industry Research And Development Base
Original Assignee
Tianjin Research Institute For Advanced Equipment Tsinghua University Luoyang Advanced Manufacturing Industry Research And Development Base
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 Tianjin Research Institute For Advanced Equipment Tsinghua University Luoyang Advanced Manufacturing Industry Research And Development Base filed Critical Tianjin Research Institute For Advanced Equipment Tsinghua University Luoyang Advanced Manufacturing Industry Research And Development Base
Priority to CN202010788611.2A priority Critical patent/CN111780674A/zh
Publication of CN111780674A publication Critical patent/CN111780674A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/04—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness specially adapted for measuring length or width of objects while moving
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Textile Engineering (AREA)
  • Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

一种基于图像处理和机器学习的视觉检测系统，包括移动防尘系统、负责对整个检测系统进行图像采集的图像采集系统、负责对整个检测系统的图像和检测数据进行处理并将检测数据进行保存和上传同时还能够将检测数据传输至企业管理系统的图像处理系统。本发明实时性强、稳定性好、准确性高、可随时监控检测结果，方便安装。

Description

一种基于图像处理和机器学习的视觉检测系统
技术领域
本发明属于图像处理和视觉检验领域，特别涉及一种基于图像处理和机器学习的视觉检测系统。
背景技术
视觉检测就是用机器代替人眼来做测量和判断，指通过图像摄取装置将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果控制现场的设备动作，于此同时将判断数据保存。随着机器视觉检测技术的快速发展，越来越多机器视觉设备和方案渗透到各个领域。
现有矿料场的矿料和皮带检测系统，主要包括以下几种：
矿料检测：对矿料的料宽.异物靠人工的目测巡检记录，纯人工操作。
皮带检测系统：能在线检测皮带内部钢丝绳的状态，但不能检测皮带表皮的磨损情况。
现有的矿料检测是主要依赖人工的目测巡检，不能实时监测矿料宽度和异物，现场环境也存在震动和灰尘相对危险；而现有的皮带检测系统，则是检测皮带内部钢丝绳，不能对皮带表皮的磨损程度进行检测和记录。本发明是一种实时的矿料尺寸、异物和皮带表皮磨损度的视觉检测系统，便于安装在传送机皮带上，能适应现场高强度的震动与灰尘，可实时对运输机皮带上矿料的宽度、尺寸、异物和皮带表皮磨损的检测与记录，同时还可以将检测数据上传至企业管理系统实现生产的数字化和智能化。
发明内容
为了克服现有不足，本发明的目的在于提出一种基于图像处理和机器学习且能够实现对矿料宽度、杂物异物和皮带表皮磨损的自动识别和在线检测以及检测数据保存和上传的一种视觉检测方法。
本发明的目的是采用以下技术方案来实现。依据本发明提出的一种基于图像处理和机器学习的视觉检测系统，包括移动防尘系统、负责对整个检测系统进行图像采集的图像采集系统、负责对整个检测系统的图像和检测数据进行处理并将检测数据进行保存和上传同时还能够将检测数据传输至企业管理系统的图像处理系统。
进一步的，图像采集系统有两个，每个图像采集系统包括工业相机和工业光源，分别位于皮带运输机前端和上方。
进一步的，每个图像采集系统外部设有防尘装置，一个图像采集系统通过支架和防尘装置被固接在皮带运输机前端，负责采集皮带缺陷检测后得到的图像，另一个图像采集系统通过工业相机负由可移动支架和防尘装置设置于皮带上方，负责采集矿料尺寸和料宽检测的图像。
进一步的，图像处理系统包括工控机和检测软件。
进一步的，移动防尘系统包括可移动支架和防尘装置。
进一步的，可移动支架上方设置有可移动滑轨，位于皮带运输机上方的图像采集系统设置于可移动滑轨上并能进行滑动。
借由上述技术方案，本发明的优点是：实时性强、稳定性好、准确性高、可随时监控检测结果，方便安装。
上述说明仅是本发明技术方案的概述，为了能更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本发明一种基于图像处理和机器学习的视觉检测系统的系统构架图；
图2是本发明一种基于图像处理和机器学习的视觉检测系统的系统装置结构图；
图3是本发明一种基于图像处理和机器学习的视觉检测系统检测流程图；
图4是本发明一种基于图像处理和机器学习的视觉检测系统检测模型训练流程图。
【附图标记】
1-图像采集系统，2-图像处理系统，3-移动防尘系统，301-可移动支架，302-防尘装置，4-矿料，5-皮带运输机。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理和机器学习的视觉检测系统其进行详细说明。
请参阅图1和图2，一种基于图像处理和机器学习的视觉检测系统主要包括三部分：图像采集系统1、图像处理系统2、移动防尘系统3。图像采集系统1包括工业相机、工业光源，本实施例中图像采集系统1有两个，分别位于皮带运输机5前端(即图中皮带运输机5的左端)和上方；位于皮带运输机5前端的图像采集系统1外部设有防尘装置302，工业相机由支架和防尘装置302固接在皮带运输机5前端，负责采集皮带缺陷检测后得到的图像；位于皮带运输机5上方的图像采集系统1外部也设有防尘装置302，工业相机负由可移动支架301和防尘装置302固定至于皮带上方，负责采集矿料尺寸和料宽检测的图像，图像采集系统1负责整个检测系统的图像采集，包括对矿料料宽图像、矿料尺寸测量图像、异物图像以及皮带表皮图像的采集，即图像采集系统1通过高清相机、镜头和高亮光源，稳定高速地采集被测物体图像。
图像处理系统2包括工控机和检测软件等，位于皮带运输机5的一侧，负责整个检测系统的图像处理和检测数据处理，实时处理采集到的图像包括对矿料的宽度、尺寸、异物和皮带表皮缺陷的图像进行检测与处理，对异常数据进行保存，同时对检测数据进行保存和上传，同时能够通过局域网或者服务器的形式传输至企业管理系统，工控机内还安装有用于控制工业光源的光源控制器。
移动防尘系统3主要包括可移动支架302、防尘装置301等，可移动支架302用于固定图像采集系统1的工业相机、光源和防尘装置301，由地脚螺栓固定于地面，可移动支架302不与传送带发生接触，可避免震动对设备的干扰。可移动支架301上方设置有可移动滑轨，图像采集系统1固定于可移动滑轨上，系统正常运行时滑轨处于锁止状态，图像采集系统1处于皮带正上方，当皮带检修时或者检查图像采集系统1时可将滑轨解锁，将图像采集系统1滑至另一侧，此结构可减少检修工作时各设备之间的干涉，方便设备的维护。
该视觉检测系统整体布局独立于皮带运输机5直接固定在地面，避免了现场震动对设备的影响，所有的图像采集系统1也使用防尘装置302，避免现场灰尘对设备的干扰。
请参阅图3和图4，矿料检测原理是根据不同的检测需求对原始输入图像进行预处理，得到相对应需求的感兴趣区域ROI，根据不同的检测需求提取不同的特征从而完成检测。皮带表皮磨损检测原理是采用机器学习进行检测，通过采集无缺陷的皮带样本作为负样本，有缺陷样本作为正样本，构建训练样本集，对机器学习模型进行训练，训练得到的模型对整条皮带进行检测。
以上所述，仅是本发明的较佳实施例而已，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (6)

1.一种基于图像处理和机器学习的视觉检测系统，其特征在于：包括移动防尘系统、负责对整个检测系统进行图像采集的图像采集系统、负责对整个检测系统的图像和检测数据进行处理并将检测数据进行保存和上传同时还能够将检测数据传输至企业管理系统的图像处理系统。
2.根据权利要求1所述的一种基于图像处理和机器学习的视觉检测系统，其特征在于：图像采集系统有两个，每个图像采集系统包括工业相机和工业光源，分别位于皮带运输机前端和上方。
3.根据权利要求2所述的一种基于图像处理和机器学习的视觉检测系统，其特征在于：每个图像采集系统外部设有防尘装置，一个图像采集系统通过支架和防尘装置被固接在皮带运输机前端，负责采集皮带缺陷检测后得到的图像，另一个图像采集系统通过工业相机负由可移动支架和防尘装置设置于皮带上方，负责采集矿料尺寸和料宽检测的图像。
4.根据权利要求1所述的一种基于图像处理和机器学习的视觉检测系统，其特征在于：图像处理系统包括工控机和检测软件。
5.根据权利要求1所述的一种基于图像处理和机器学习的视觉检测系统，其特征在于：移动防尘系统包括可移动支架和防尘装置。
6.根据权利要求1所述的一种基于图像处理和机器学习的视觉检测系统，其特征在于：可移动支架上方设置有可移动滑轨可移动滑轨，位于皮带运输机上方的图像采集系统设置于该可移动滑轨上并能进行滑动。
CN202010788611.2A 2020-08-07 2020-08-07 一种基于图像处理和机器学习的视觉检测系统 Pending CN111780674A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010788611.2A CN111780674A (zh) 2020-08-07 2020-08-07 一种基于图像处理和机器学习的视觉检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010788611.2A CN111780674A (zh) 2020-08-07 2020-08-07 一种基于图像处理和机器学习的视觉检测系统

Publications (1)

Publication Number Publication Date
CN111780674A true CN111780674A (zh) 2020-10-16

Family

ID=72766013

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010788611.2A Pending CN111780674A (zh) 2020-08-07 2020-08-07 一种基于图像处理和机器学习的视觉检测系统

Country Status (1)

Country Link
CN (1) CN111780674A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117571728A (zh) * 2024-01-16 2024-02-20 常州海图信息科技股份有限公司 基于机器学习的煤矿皮带表面裂痕检测装置及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107043000A (zh) * 2017-06-15 2017-08-15 西安科技大学 一种基于机器视觉的皮带运输机安全智能保障系统
CN110214120A (zh) * 2016-10-24 2019-09-06 威尔浩克私人有限公司 皮带检查系统及方法
CN111060522A (zh) * 2019-12-03 2020-04-24 武汉森赛睿科技有限公司 5g滤波器陶瓷外观机器视觉检测装置
CN210513026U (zh) * 2019-09-03 2020-05-12 小牧精工(天津)工业技术有限公司 一种多角度零部件拍照装置
CN210600861U (zh) * 2019-06-26 2020-05-22 西安理工大学 一种可移动机器视觉固定装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110214120A (zh) * 2016-10-24 2019-09-06 威尔浩克私人有限公司 皮带检查系统及方法
CN107043000A (zh) * 2017-06-15 2017-08-15 西安科技大学 一种基于机器视觉的皮带运输机安全智能保障系统
CN210600861U (zh) * 2019-06-26 2020-05-22 西安理工大学 一种可移动机器视觉固定装置
CN210513026U (zh) * 2019-09-03 2020-05-12 小牧精工(天津)工业技术有限公司 一种多角度零部件拍照装置
CN111060522A (zh) * 2019-12-03 2020-04-24 武汉森赛睿科技有限公司 5g滤波器陶瓷外观机器视觉检测装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117571728A (zh) * 2024-01-16 2024-02-20 常州海图信息科技股份有限公司 基于机器学习的煤矿皮带表面裂痕检测装置及方法
CN117571728B (zh) * 2024-01-16 2024-03-19 常州海图信息科技股份有限公司 基于机器学习的煤矿皮带表面裂痕检测装置及方法

Similar Documents

Publication Publication Date Title
WO2020199538A1 (zh) 基于图像监控数据的桥梁关键构件病害预警系统及方法
CN111016932B (zh) 节能型空轨系统的轨道巡检车和检测方法
CN103913468B (zh) 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
CN109772724A (zh) 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN104535356A (zh) 一种基于机器视觉的卷筒钢丝绳排绳故障监测方法及系统
CN205898699U (zh) 悬挂式单轨箱型梁巡检装置
CN103837087B (zh) 基于主动形状模型的受电弓自动检测方法
CN109823941B (zh) 一种应用于主动安全电梯上的钢丝绳监测装置
CN113112501B (zh) 一种基于深度学习的车载轨道巡检装置及方法
CN108288055A (zh) 基于深度网络与分级测试的电力机车受电弓及电弧检测方法
CN111751369A (zh) 用于弓网系统的检测系统
CN113788051A (zh) 列车在站运行状态监测分析系统
CN114565845A (zh) 一种地下隧道智能巡检系统
CN115941529A (zh) 一种基于机器人的电缆隧道检测方法和系统
CN111780674A (zh) 一种基于图像处理和机器学习的视觉检测系统
CN201974388U (zh) 钢材表面质量监测装置
CN114812403A (zh) 基于无人机及机器视觉的大跨度钢结构吊装变形监测方法
CN203551280U (zh) 发动机总装检测系统
CN109443542B (zh) 一种基于红外热成像技术的压风机在线监测装置及监测方法
CN112235741A (zh) 一种基于深度学习的巡检机器人车间状态检测系统
CN103033520A (zh) 热连铸钢坯表面质量检测方法
CN114972969B (zh) 一种基于增强现实的核能反应堆智能巡检装置
CN115060742A (zh) 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法
CN107194923B (zh) 一种用于接触网电力设备缺陷巡检的紫外图像诊断方法
CN115165362A (zh) 一种基于巡检及振动信号的轴承故障智能检测系统和方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201016

RJ01 Rejection of invention patent application after publication