CN111830039B - 一种智能化的产品质量检测方法及装置 - Google Patents

一种智能化的产品质量检测方法及装置 Download PDF

Info

Publication number
CN111830039B
CN111830039B CN202010709986.5A CN202010709986A CN111830039B CN 111830039 B CN111830039 B CN 111830039B CN 202010709986 A CN202010709986 A CN 202010709986A CN 111830039 B CN111830039 B CN 111830039B
Authority
CN
China
Prior art keywords
image
image data
product
detection
queue
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.)
Active
Application number
CN202010709986.5A
Other languages
English (en)
Other versions
CN111830039A (zh
Inventor
刘鹤辉
王黎明
李国志
刘西洋
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.)
Nanjing Cognitive Internet Of Things Research Institute Co ltd
Original Assignee
Nanjing Cognitive Internet Of Things Research Institute 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 Nanjing Cognitive Internet Of Things Research Institute Co ltd filed Critical Nanjing Cognitive Internet Of Things Research Institute Co ltd
Priority to CN202010709986.5A priority Critical patent/CN111830039B/zh
Publication of CN111830039A publication Critical patent/CN111830039A/zh
Priority to PCT/CN2021/105434 priority patent/WO2022017197A1/zh
Application granted granted Critical
Publication of CN111830039B publication Critical patent/CN111830039B/zh
Priority to ZA2021/07467A priority patent/ZA202107467B/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models

Landscapes

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及工业智能领域，更具体地，涉及一种智能化的产品质量检测方法及装置，方法包括以下步骤：步骤S1：对产品进行图像数据采集；步骤S2：根据采集到图像数据对产品进行检测生成检测结果；步骤S3：根据检测结果进行分析并且对产品进行处理；所述图像数据和检测结果设定了存储时限。装置包括：图像采集模块、存储模块、检测模块、处理模块和智能管理模块；所述图像采集模块对产品进行图像数据采集；所述检测模块根据图像数据对产品进行检测；所述处理模块从存储模块中读取产品检测结果，根据检测结果进行分析并且对相应的产品作后续处理；所述智能管理模块对存储模块内的数据进行管理。本发明能提高产品质量检测的稳定性和效率。

Description

一种智能化的产品质量检测方法及装置
技术领域
本发明涉及工业智能领域，更具体地，涉及一种智能化的产品质量检测方法及装置。
背景技术
视觉检测是指用机器代替人眼来做测量和判断，通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)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来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。视觉检测在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。机器视觉检测的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。视觉检测涉及拍摄物体的图像，对其进行检测并转化为数据供系统处理和分析，确保符合其制造商的质量标准。不符合质量标准的对象会被跟踪和剔除。
在计算机视觉领域中，产品检测的工作流程一般为：相机程序拍照将照片保存到磁盘某个位置，质量检测模型从磁盘上读取照片开始质量检测，完成后将检测结果发送给结果处理程序。这几个程序之间一般是串行运行，这种运行方式导致了现有的视觉检测一般具有以下的缺陷：1、程序之间依赖过高，稳定性差。质量检测模型依赖相机程序输出照片，一旦磁盘读写出错，整个方案就无法工作；结果处理程序依赖质量检测模型输出结果，当存在多个结果处理程序时，其中一个环节出问题都会导致整体方案出错需要重新测试调整，无法及时给出检测结果。2、照片读写时间长，效率低。当面对大照片时，磁盘读写的时间都较长，当一张照片大于4M时，即便使用SSD，每次单张照片的磁盘单纯写或者单纯读都需要花费近1s的时间，这对于工业检测来说效率太低。因此，目前亟需一种能提高稳定性和效率的智能化的产品质量检测方法及装置。
发明内容
为了解决上述问题，本发明提供一种智能化的产品质量检测方法及装置，该方法及装置能提高产品质量检测的稳定性和效率。
本发明采取的技术方案是：
一种智能化的产品质量检测方法，包括以下步骤：
步骤S1：对产品进行图像数据采集；
步骤S2：根据采集到图像数据对产品进行检测生成检测结果；
步骤S3：根据检测结果进行分析并且对产品进行处理；
所述图像数据和检测结果设定了存储时限。
具体地，首先开启图像采集程序，图像采集程序发送指令使拍摄装置对要检测的产品进行图像的捕捉与生成，图像捕捉与生成后，使用存储装置对拍摄到的图像进行存储。然后检测程序从存储装置中读取图像的数据，根据图像的数据进行产品的检测，对产品检测过后的检测程序生成检测结果，使用存储装置对生成的检测结果进行存储。最后产品处理程序从存储装置中读取产品检测结果，根据产品检测的结果对产品进行相应的处理。因为检测程序依赖于图像采集程序拍摄的图像，所以图像数据的读写时间若是太长或在读写过程中出错，则会导致检测程序无法正常输出检测结果，产品的检测无法进行。除此之外，产品处理程序亦依赖于检测程序，生成或读取检测结果的过程太慢亦会致使程序堵塞，产品的检测无法进行。考虑到各程序之间的依赖过高，只要检测步骤的其中一环出错便会致使整个产品检测方案无法进行。本方案从提高整个产品检测的稳定性出发，给图像数据和检测结果设定了存储时限，一旦图像数据或检测结果在读写的过程中超过设定的时限，则自动清除，进行下一个产品的检测。设定存储时限一来消除了整体图像数据读写速度太慢的问题，二来保证了整体的检测结果生成和解读能快速完成，从两个方面解决了程序堵塞，提高了整体产品质量检测方案的稳定性。
进一步地，所述存储时限的设定过程为：
获取产品的图像检测时间、图像存入缓存时间间隔；
根据图像检测时间、图像存入缓存时间间隔计算出图像存留时间；
所述图像存留时间的计算公式为：
Figure BDA0002596174450000021
其中，i为当前被检测产品的当前图像序号，Ck为当前被检测产品第k张图像的检测时间，F为图像用于存储的时间间隔；
根据多个产品的图像存留时间通过数据拟合计算出存储时间t，根据存储时间t将存储时限设定为t+d，所述d为固定常量。
具体地，先获取产品的图像检测时间、图像存入缓存时间间隔，然后通过图像存留时间的计算公式，将m个产品的图像存留时间算出，每个产品具有n张图像的。收集每张图像的图像存留时间Tij(i∈(1，m)，j∈(1，n))，将收集到的图像存留时间Tij得到存储时间t的连续函数，并且根据存储时间t将存储时限设定为t+d，d为固定常量，当i＝1时，T1＝0,1≤k≤i-1。
进一步地，所述步骤S1包括：
步骤S1.1：创建第一队列；
步骤S1.2：对产品进行图像捕捉及生成图像数据，将生成的图像数据存入第一队列；
步骤S1.3：若存在产品未进行图像捕捉及生成图像数据，则继续执行步骤S1.2，否则结束步骤S1；
所述步骤S2包括：
步骤S2.1：创建第二队列；
步骤S2.2：根据第一队列所存放的图像数据对相应的产品进行检测及生成检测结果，将生成的检测结果存入第二队列；
步骤S2.3：若第一队列中的图像数据相应的产品存在未进行检测及生成检测结果，则继续执行步骤S2.2，否则执行步骤S2.4；
步骤S2.4：若步骤S1未结束，则等待第一队列存入新生成的图像数据之后，继续执行步骤S2.1；若步骤S1已结束，则结束步骤S2；
所述步骤S3包括：
步骤S3.1：根据第二队列中的检测结果进行分析；
步骤S3.2：根据分析结果进行处理；
所述步骤S1、步骤S2、步骤S3并行执行，互不干涉；若第一队列中的图像数据存留在第一队列中的时间超过存储时限，则自动清除其中超过存储时限的图像数据；若第二队列中的检测结果存留在第二队列中的时间超过存储时限，则自动清除其中超过存储时限的检测结果。
具体地，根据产品信息创建队列，所述队列具有不同的类型，不同类型的队列存放不同的数据，一个队列的问题不会对另一个队列产生影响；同时，这样方便两个队列相互隔离，减少图像数据特别是像素大的图像数据在程序间传输时产生的稳定性以及性能问题。所述步骤S1、步骤S2、步骤S3并行执行，互不干涉具体为：拍摄当前产品后生成图像数据，然后存入第一队列，若还有下一个产品则重复拍摄、生成、存储的步骤，即重复步骤S1直至所有产品被拍摄完毕；与拍摄步骤同时进行的，为检测步骤，当第一队列中存在没有读取的产品图像，则读取第一队列中的产品图像，根据产品图像对产品进行检测，得出检测结果存入第二队列，重复检测步骤直至所有产品被检测完毕，即重复步骤S2。因为步骤S1与步骤S2同时进行，步骤S2无需等待步骤S1把所有产品图像拍摄完成再开始检测，这样节省了时间。同理，与拍摄步骤、检测步骤同时进行的还有处理步骤，当第二队列中存在没有读取的产品检测结果，则读取第二队列中的检测结果，根据检测结果对产品进行相应的处理直至所有的产品检测结果被分析完毕，即重复步骤S3。因为步骤S3无需等待步骤S1把所有产品拍摄完毕，以及无需等待步骤S2把所有产品检测完毕再进行处理，节省了时间，提高了整个方案的性能。队列中的图像数据以及检测结果设有存储时限，其中导致超时的图像数据以及检测结果会被自动清除，以维护模型的稳定，避免读写高像素图像、分析复杂模型而引起的系统瘫痪。
进一步地，所述步骤S1.1具体为根据产品数量创建多个第一队列；所述步骤S2.1具体为根据对产品进行检测的检测模型数量创建多个第二队列。
具体地，多个产品可以对应地创建多个第一、第二队列，每个队列可同时执行步骤，可以使多个产品同时进行质量检测，有效利用系统资源，提高效率的同时，队列之间的隔离也使得方案的稳定性得到保障。
进一步地，所述步骤S1采集到的图像数据以二进流形式进行存储，所述步骤S2获取二进流形式的图像数据对产品进行检测。
具体地，为了应对高像素图像读取及转换格式时间长的问题，定义了基于二进制流的存取接口，步骤S1拍摄得到的照片以二进制流的形式调用存储接口存入缓存，步骤S2直接获取二进制流，节省了图像转码的时间。
一种智能化的产品质量检测装置，包括：图像采集模块、存储模块、检测模块、处理模块和智能管理模块；
所述图像采集模块对产品进行图像数据采集，采集到的图像数据存入存储模块；
所述检测模块根据图像数据对产品进行检测，检测的结果存入存储模块，所述图像数据为图像采集模块存入存储模块的图像数据；
所述处理模块从存储模块中读取产品检测结果，根据检测结果进行分析并且对相应的产品作后续处理；
所述智能管理模块对存储模块内的数据进行管理。
进一步地，所述智能管理模块包括：格式检测单元和存储时限单元；所述格式检测单元用于检测存储模块内数据的格式；所述存储时限单元用于设定存储模块内数据的存储时限。
进一步地，所述存储模块以缓存实现存储功能。
具体地，缓存提高了图像读写以及检测结果读写的速度。
进一步地，所述存储模块包括：第一存储单元、第二存储单元；所述第一存储单元用于存储产品图像；第二存储单元用于存储产品检测结果。
进一步地，所述存储模块以二进流存储图像数据。
与现有技术相比，本发明的有益效果为：
(1)存储模块以缓存实现存储功能，提高了图像读写以及检测结果读写的速度。
(2)产品图像拍摄完成后直接将二进制流写入缓存，然后直接从缓存读取二进制流进行检测，节省了图像的读写时间，提高整体方案性能。
(3)队列以及步骤之间的相互独立，一方面提高了方案的稳定性，另一方面提高了方案的性能。
附图说明
图1为本发明的流程图；
图2为本发明的模块关系图。
具体实施方式
本发明附图仅用于示例性说明，不能理解为对本发明的限制。为了更好说明以下实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
实施例
图1为本发明的流程图，如图所示，本实施例一种智能化的产品质量检测方法，包括以下步骤：
步骤S1：对产品进行图像数据采集；
步骤S2：根据采集到图像数据对产品进行检测生成检测结果；
步骤S3：根据检测结果进行分析并且对产品进行处理；
所述图像数据和检测结果设定了存储时限。
具体地，首先开启图像采集程序，图像采集程序发送指令使拍摄装置对要检测的产品进行图像的捕捉与生成，图像捕捉与生成后，使用存储装置对拍摄到的图像进行存储。然后检测程序从存储装置中读取图像的数据，根据图像的数据进行产品的检测，对产品检测过后的检测程序生成检测结果，使用存储装置对生成的检测结果进行存储。最后产品处理程序从存储装置中读取产品检测结果，根据产品检测的结果对产品进行相应的处理。因为检测程序依赖于图像采集程序拍摄的图像，所以图像数据的读写时间若是太长或在读写过程中出错，则会导致检测程序无法正常输出检测结果，产品的检测无法进行。除此之外，产品处理程序亦依赖于检测程序，生成或读取检测结果的过程太慢亦会致使程序堵塞，产品的检测无法进行。考虑到各程序之间的依赖过高，只要检测步骤的其中一环出错便会致使整个产品检测方案无法进行。本方案从提高整个产品检测的稳定性出发，给图像数据和检测结果设定了存储时限，一旦图像数据或检测结果在读写的过程中超过设定的时限，则自动清除，进行下一个产品的检测。设定存储时限一来消除了整体图像数据读写速度太慢的问题，二来保证了整体的检测结果生成和解读能快速完成，从两个方面解决了程序堵塞，提高了整体产品质量检测方案的稳定性。
进一步地，所述存储时限的设定过程为：
获取产品的图像检测时间、图像存入缓存时间间隔；
根据图像检测时间、图像存入缓存时间间隔计算出图像存留时间；
所述图像存留时间的计算公式为：
Figure BDA0002596174450000061
其中，i为当前被检测产品的当前图像序号，Ck为当前被检测产品第k张图像的检测时间，F为图像用于存储的时间间隔；
根据多个产品的图像存留时间通过数据拟合计算出存储时间t，根据存储时间t将存储时限设定为t+d，所述d为固定常量。
具体地，先获取产品的图像检测时间、图像存入缓存时间间隔，然后通过图像存留时间的计算公式，将m个产品的图像存留时间算出，每个产品具有n张图像的。收集每张图像的图像存留时间Tij(i∈(1，m)，j∈(1，n))，将收集到的图像存留时间Tij得到存储时间t的连续函数，并且根据存储时间t将存储时限设定为t+d，d为固定常量，当i＝1时，T1＝0,1≤k≤i-1。
进一步地，所述步骤S1包括：
步骤S1.1：创建第一队列；
步骤S1.2：对产品进行图像捕捉及生成图像数据，将生成的图像数据存入第一队列；
步骤S1.3：若存在产品未进行图像捕捉及生成图像数据，则继续执行步骤S1.2，否则结束步骤S1；
所述步骤S2包括：
步骤S2.1：创建第二队列；
步骤S2.2：根据第一队列所存放的图像数据对相应的产品进行检测及生成检测结果，将生成的检测结果存入第二队列；
步骤S2.3：若第一队列中的图像数据相应的产品存在未进行检测及生成检测结果，则继续执行步骤S2.2，否则执行步骤S2.4；
步骤S2.4：若步骤S1未结束，则等待第一队列存入新生成的图像数据之后，继续执行步骤S2.1；若步骤S1已结束，则结束步骤S2；
所述步骤S3包括：
步骤S3.1：根据第二队列中的检测结果进行分析；
步骤S3.2：根据分析结果进行处理；
所述步骤S1、步骤S2、步骤S3并行执行，互不干涉；若第一队列中的图像数据存留在第一队列中的时间超过存储时限，则自动清除其中超过存储时限的图像数据；若第二队列中的检测结果存留在第二队列中的时间超过存储时限，则自动清除其中超过存储时限的检测结果。
具体地，根据产品信息创建队列，所述队列具有不同的类型，不同类型的队列存放不同的数据，一个队列的问题不会对另一个队列产生影响；同时，这样方便两个队列相互隔离，减少图像数据特别是像素大的图像数据在程序间传输时产生的稳定性以及性能问题。所述步骤S1、步骤S2、步骤S3并行执行，互不干涉具体为：拍摄当前产品后生成图像数据，然后存入第一队列，若还有下一个产品则重复拍摄、生成、存储的步骤，即重复步骤S1直至所有产品被拍摄完毕；与拍摄步骤同时进行的，为检测步骤，当第一队列中存在没有读取的产品图像，则读取第一队列中的产品图像，根据产品图像对产品进行检测，得出检测结果存入第二队列，重复检测步骤直至所有产品被检测完毕，即重复步骤S2。因为步骤S1与步骤S2同时进行，步骤S2无需等待步骤S1把所有产品图像拍摄完成再开始检测，这样节省了时间。同理，与拍摄步骤、检测步骤同时进行的还有处理步骤，当第二队列中存在没有读取的产品检测结果，则读取第二队列中的检测结果，根据检测结果对产品进行相应的处理直至所有的产品检测结果被分析完毕，即重复步骤S3。因为步骤S3无需等待步骤S1把所有产品拍摄完毕，以及无需等待步骤S2把所有产品检测完毕再进行处理，节省了时间，提高了整个方案的性能。队列中的图像数据以及检测结果设有存储时限，其中导致超时的图像数据以及检测结果会被自动清除，以维护模型的稳定，避免读写高像素图像、分析复杂模型而引起的系统瘫痪。
进一步地，所述步骤S1.1具体为根据产品数量创建多个第一队列；所述步骤S2.1具体为根据对产品进行检测的检测模型数量创建多个第二队列。
具体地，多个产品可以对应地创建多个第一、第二队列，每个队列可同时执行步骤，可以使多个产品同时进行质量检测，有效利用系统资源，提高效率的同时，队列之间的隔离也使得方案的稳定性得到保障。
进一步地，所述步骤S1采集到的图像数据以二进流形式进行存储，所述步骤S2获取二进流形式的图像数据对产品进行检测。
具体地，为了应对高像素图像读取及转换格式时间长的问题，定义了基于二进制流的存取接口，步骤S1拍摄得到的照片以二进制流的形式调用存储接口存入缓存，步骤S2直接获取二进制流，节省了图像转码的时间。
一种智能化的产品质量检测装置，图2为本发明的模块关系图，如图所示，包括：图像采集模块、存储模块、检测模块、处理模块和智能管理模块；
所述图像采集模块对产品进行图像数据采集，采集到的图像数据存入存储模块；
所述检测模块根据图像数据对产品进行检测，检测的结果存入存储模块，所述图像数据为图像采集模块存入存储模块的图像数据；
所述处理模块从存储模块中读取产品检测结果，根据检测结果进行分析并且对相应的产品作后续处理；
所述智能管理模块对存储模块内的数据进行管理。
进一步地，所述智能管理模块包括：格式检测单元和存储时限单元；所述格式检测单元用于检测存储模块内数据的格式；所述存储时限单元用于设定存储模块内数据的存储时限。
进一步地，所述存储模块以缓存实现存储功能。
具体地，缓存提高了图像读写以及检测结果读写的速度。
进一步地，所述存储模块包括：第一存储单元、第二存储单元；所述第一存储单元用于存储产品图像；第二存储单元用于存储产品检测结果。
进一步地，所述存储模块以二进流存储图像数据。
显然，本发明的上述实施例仅仅是为清楚地说明本发明技术方案所作的举例，而并非是对本发明的具体实施方式的限定。凡在本发明权利要求书的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (6)

1.一种智能化的产品质量检测方法，其特征在于，包括以下步骤：
步骤S1：对产品进行图像数据采集；
步骤S2：根据采集到图像数据对产品进行检测生成检测结果；
步骤S3：根据检测结果进行分析并且对产品进行处理；
所述图像数据和检测结果设定了存储时限；
所述存储时限的设定过程为：
获取产品的图像检测时间、图像存入缓存时间间隔；
根据图像检测时间、图像存入缓存时间间隔计算出图像存留时间；
所述图像存留时间的计算公式为：
Figure FDA0003108038140000011
其中，i为当前被检测产品的当前图像序号，Ck为当前被检测产品第k张图像的检测时间，F为图像用于存储的时间间隔；
根据多个产品的图像存留时间通过数据拟合计算出存储时间t，根据存储时间t将存储时限设定为t+d，所述d为常量；
所述步骤S1包括：
步骤S1.1：创建第一队列；
步骤S1.2：对产品进行图像捕捉及生成图像数据，将生成的图像数据存入第一队列；
步骤S1.3：若存在产品未进行图像捕捉及生成图像数据，则继续执行步骤S1.2，否则结束步骤S1；
所述步骤S2包括：
步骤S2.1：创建第二队列；
步骤S2.2：根据第一队列所存放的图像数据对相应的产品进行检测及生成检测结果，将生成的检测结果存入第二队列；
步骤S2.3：若第一队列中的图像数据相应的产品存在未进行检测及生成检测结果，则继续执行步骤S2.2，否则执行步骤S2.4；
步骤S2.4：若步骤S1未结束，则等待第一队列存入新生成的图像数据之后，继续执行步骤S2.1；若步骤S1已结束，则结束步骤S2；
所述步骤S3包括：
步骤S3.1：根据第二队列中的检测结果进行分析；
步骤S3.2：根据分析结果进行处理；
所述步骤S1、步骤S2、步骤S3并行执行，互不干涉；若第一队列中的图像数据存留在第一队列中的时间超过存储时限，则自动清除其中超过存储时限的图像数据；若第二队列中的检测结果存留在第二队列中的时间超过存储时限，则自动清除其中超过存储时限的检测结果。
2.根据权利要求1所述的一种智能化的产品质量检测方法，其特征在于，所述步骤S1.1具体为根据产品数量创建多个第一队列；所述步骤S2.1具体为根据对产品进行检测的检测模型数量创建多个第二队列。
3.根据权利要求1所述的一种智能化的产品质量检测方法，其特征在于，所述图像数据以二进流形式进行存储。
4.一种智能化的产品质量检测装置，其特征在于，包括：
图像采集模块，用于对产品进行图像数据采集；
检测模块，用于根据采集到图像数据对产品进行检测生成检测结果；
处理模块，用于根据检测结果进行分析并且对产品进行处理；
所述图像数据和检测结果设定了存储时限；
所述存储时限的设定过程为：
获取产品的图像检测时间、图像存入缓存时间间隔；
根据图像检测时间、图像存入缓存时间间隔计算出图像存留时间；
所述图像存留时间的计算公式为：
Figure FDA0003108038140000021
其中，i为当前被检测产品的当前图像序号，Ck为当前被检测产品第k张图像的检测时间，F为图像用于存储的时间间隔；
根据多个产品的图像存留时间通过数据拟合计算出存储时间t，根据存储时间t将存储时限设定为t+d，所述d为常量；
所述图像采集模块包括：
第一创建单元，用于创建第一队列；
第一存储单元，用于对产品进行图像捕捉及生成图像数据，将生成的图像数据存入第一队列；
第一管理单元，用于判断是否存在产品未进行图像捕捉及生成图像数据，若存在则控制第一存储单元对该产品进行图像捕捉及生成图像数据，将生成的图像数据存入第一队列，否则结束对产品进行图像数据采集；
所述检测模块包括：
第二创建单元，用于创建第二队列；
第二存储单元，用于根据第一队列所存放的图像数据对相应的产品进行检测及生成检测结果，将生成的检测结果存入第二队列；
第二管理单元，用于判断第一队列中的图像数据相应的产品是否未进行检测及生成检测结果，若存在产品是否未进行检测及生成检测结果则控制第二存储单元对该产品进行检测及生成检测结果，否则判断图像采集模块对产品进行图像数据采集是否结束；
约束单元，用于获取图像采集模块对产品进行图像数据采集是否结束的判断结果，若判断结果为未结束则等待第一队列存入新生成的图像数据之后，控制第二创建单元重新创建第二队列，否则结束检测模块根据采集到图像数据对产品进行检测生成检测结果；
所述处理模块包括：
分析单元，用于根据第二队列中的检测结果进行分析；
加工单元，用于根据分析结果进行处理；
所述图像采集模块、检测模块、处理模块并行执行任务，互不干涉；若第一队列中的图像数据存留在第一队列中的时间超过存储时限，则自动清除其中超过存储时限的图像数据；若第二队列中的检测结果存留在第二队列中的时间超过存储时限，则自动清除其中超过存储时限的检测结果。
5.根据权利要求4所述的一种智能化的产品质量检测装置，其特征在于，所述创建第一队列具体为根据产品数量创建多个第一队列；所述创建第二队列具体为根据对产品进行检测的检测模型数量创建多个第二队列。
6.根据权利要求4所述的一种智能化的产品质量检测装置，其特征在于，所述图像数据以二进流形式进行存储。
CN202010709986.5A 2020-07-22 2020-07-22 一种智能化的产品质量检测方法及装置 Active CN111830039B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010709986.5A CN111830039B (zh) 2020-07-22 2020-07-22 一种智能化的产品质量检测方法及装置
PCT/CN2021/105434 WO2022017197A1 (zh) 2020-07-22 2021-07-09 一种智能化的产品质量检测方法及装置
ZA2021/07467A ZA202107467B (en) 2020-07-22 2021-10-04 Method and device for intelligent product quality detection

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010709986.5A CN111830039B (zh) 2020-07-22 2020-07-22 一种智能化的产品质量检测方法及装置

Publications (2)

Publication Number Publication Date
CN111830039A CN111830039A (zh) 2020-10-27
CN111830039B true CN111830039B (zh) 2021-07-27

Family

ID=72924614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010709986.5A Active CN111830039B (zh) 2020-07-22 2020-07-22 一种智能化的产品质量检测方法及装置

Country Status (3)

Country Link
CN (1) CN111830039B (zh)
WO (1) WO2022017197A1 (zh)
ZA (1) ZA202107467B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111830039B (zh) * 2020-07-22 2021-07-27 南京认知物联网研究院有限公司 一种智能化的产品质量检测方法及装置
CN114130687A (zh) * 2021-10-22 2022-03-04 南京认知物联网研究院有限公司 一种产品视觉质检方法、系统、计算机设备及存储介质
CN116433097B (zh) * 2023-04-19 2023-11-21 北京市永康药业有限公司 一种注射剂包装质量检测方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106453834A (zh) * 2016-09-07 2017-02-22 努比亚技术有限公司 移动终端和相机拍摄方法
CN110650293A (zh) * 2019-11-08 2020-01-03 杨佳苗 高速人工智能相机片上实时图像处理方法与装置

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7899179B2 (en) * 2004-01-20 2011-03-01 International Business Machines Corporation Method for monitoring off-schedule software agents
US7257689B1 (en) * 2004-10-15 2007-08-14 Veritas Operating Corporation System and method for loosely coupled temporal storage management
CN1842001A (zh) * 2005-03-31 2006-10-04 都科摩（北京）通信技术研究中心有限公司 用于无线分布式网络的媒体接入控制方法及装置
JP4257374B2 (ja) * 2007-08-27 2009-04-22 シャープ株式会社 表示制御装置、検査システム、表示制御方法、プログラム、及び該プログラムを記録したコンピュータ読み取り可能な記録媒体
CN101561948A (zh) * 2008-04-17 2009-10-21 中国印钞造币总公司 一种硬币质量自动检测装置
CN102063330B (zh) * 2011-01-05 2013-04-24 北京航空航天大学 一种大规模并行程序性能数据采集方法
US8412696B2 (en) * 2011-01-31 2013-04-02 Splunk Inc. Real time searching and reporting
CN202196021U (zh) * 2011-06-01 2012-04-18 苏州优纳科技有限公司 一种自动光学检测系统
CN102271089B (zh) * 2011-08-29 2014-02-05 北京航空航天大学 一种基于时间预测和定向确认的容迟网络缓存清理方法
CN102750132B (zh) * 2012-06-13 2015-02-11 深圳中微电科技有限公司 多线程虚拟流水线处理器的线程控制和调用方法及其处理器
CN102735690A (zh) * 2012-06-26 2012-10-17 东莞市三瑞自动化科技有限公司 基于机器视觉的智能型高速在线自动化检测方法及系统
CN103077080B (zh) * 2013-01-07 2015-08-12 清华大学 基于高性能平台的并行程序性能数据采集方法及装置
CN104301360B (zh) * 2013-07-19 2019-03-12 阿里巴巴集团控股有限公司 一种日志数据记录的方法、日志服务器及系统
CN104422694A (zh) * 2013-09-11 2015-03-18 法国圣戈班玻璃公司 测量数据的处理装置及处理方法、光学测量系统
CN104730079B (zh) * 2015-03-10 2018-09-07 盐城市圣泰阀门有限公司 缺陷检测系统
CN204924967U (zh) * 2015-08-18 2015-12-30 浙江欧威科技有限公司 全自动aoi整机的图像采集机构
US9811363B1 (en) * 2015-12-16 2017-11-07 Amazon Technologies, Inc. Predictive management of on-demand code execution
CN105700998A (zh) * 2016-01-13 2016-06-22 浪潮(北京)电子信息产业有限公司 一种对并行程序的性能进行监测分析的方法及装置
CN106020777B (zh) * 2016-04-29 2018-08-07 杭州华橙网络科技有限公司 一种数据处理方法、装置及系统
CN107844098A (zh) * 2016-09-17 2018-03-27 青岛海尔模具有限公司 一种数字化工厂管理系统及管理方法
US10956415B2 (en) * 2016-09-26 2021-03-23 Splunk Inc. Generating a subquery for an external data system using a configuration file
CN106959928B (zh) * 2017-03-23 2019-08-13 华中科技大学 一种基于多级缓存结构的流式数据实时处理方法及系统
CN107479961B (zh) * 2017-08-28 2019-12-27 湖南友哲科技有限公司 基于计算机多线程多核显微镜细胞图像快速扫描处理方法
CN109684358B (zh) * 2017-10-18 2021-11-09 北京京东尚科信息技术有限公司 数据查询的方法和装置
CN108827879A (zh) * 2018-04-19 2018-11-16 沈夕尧 一种新型城市机动车尾气遥感监控方法
CN108563550A (zh) * 2018-04-23 2018-09-21 上海达梦数据库有限公司 一种分布式系统的监控方法、装置、服务器和存储介质
CN108548822A (zh) * 2018-06-21 2018-09-18 无锡旭锠智能科技有限公司 一种宽幅连续表面缺陷视觉检测系统
KR102022496B1 (ko) * 2019-02-28 2019-09-18 (주)아이프리즘 비전 이미지 검출을 이용한 공정 관리 및 모니터링 시스템 및 그 방법
CN110308156A (zh) * 2019-07-30 2019-10-08 爱索尔（广州）包装有限公司 一种制管印刷缺陷自动检测与剔除系统
CN110780989B (zh) * 2019-08-29 2023-03-24 腾讯科技（深圳）有限公司 一种过载保护方法、装置、设备及介质
CN111028924A (zh) * 2019-10-21 2020-04-17 西安电子科技大学 多种形态医疗影像数据标注方法及系统
CN110888387B (zh) * 2019-11-11 2023-11-17 南方电网储能股份有限公司信息通信分公司 接触网运行状态安全监测装置及方法
CN111277896A (zh) * 2020-02-13 2020-06-12 上海高重信息科技有限公司 对网络视频流图像拼接的方法和装置
CN111272775A (zh) * 2020-02-24 2020-06-12 上海感图网络科技有限公司 一种使用人工智能检测换热器缺陷的装置及方法
CN111830039B (zh) * 2020-07-22 2021-07-27 南京认知物联网研究院有限公司 一种智能化的产品质量检测方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106453834A (zh) * 2016-09-07 2017-02-22 努比亚技术有限公司 移动终端和相机拍摄方法
CN110650293A (zh) * 2019-11-08 2020-01-03 杨佳苗 高速人工智能相机片上实时图像处理方法与装置

Also Published As

Publication number Publication date
CN111830039A (zh) 2020-10-27
ZA202107467B (en) 2021-10-27
WO2022017197A1 (zh) 2022-01-27

Similar Documents

Publication Publication Date Title
CN111830039B (zh) 一种智能化的产品质量检测方法及装置
JP6867555B2 (ja) Ｃｐｕ＋ｇｐｕ＋ｆｐｇａアーキテクチャに基づく自動光学検査システム
CN108827970B (zh) 基于aoi系统的适应不同面板缺陷自动判等方法和系统
CN102393397B (zh) 一种磁瓦表面缺陷检测系统及其检测方法
CN112347887B (zh) 一种物体检测方法、物体检测装置及电子设备
CN110712202B (zh) 异形元器件抓取方法、装置、系统、控制装置及存储介质
US10645364B2 (en) Dynamic calibration of multi-camera systems using multiple multi-view image frames
JP2011508293A (ja) ビジョンセンサ、システムおよび方法
CN110400315A (zh) 一种缺陷检测方法、装置及系统
CN205538710U (zh) 一种基于机器视觉的电感质量自动检测系统
US8643751B2 (en) Method for detecting dead pixels and computer program product thereof
CN110533654A (zh) 零部件的异常检测方法及装置
CN108364306B (zh) 一种高速周期运动的视觉实时检测方法
CN111767826B (zh) 一种定时定点场景异常检测方法
CN110780982A (zh) 一种图像处理方法、装置及设备
JP2020160804A (ja) 情報処理装置、プログラム及び情報処理方法
CN114596244A (zh) 基于视觉处理和多特征融合的红外图像识别方法及系统
CN112347947A (zh) 融合智能检测与自动化测试的图像数据处理系统与方法
KR100825504B1 (ko) 카메라를 이용한 인터페이스 장치 및 방법
CN110765991B (zh) 一种基于视觉的高速旋转电机熔断器实时检测系统
CN112949490A (zh) 设备动作检测方法、装置、电子设备及可读存储介质
JP6301202B2 (ja) 撮影条件設定装置および撮影条件設定方法
CN115803610A (zh) 图像获取方法及装置、存储介质
EP3921769A1 (en) Pre-processing image frames based on camera statistics
CN104048968A (zh) 一种工业加工零件自动缺陷识别系统

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