CN111968094A - 棒件缺陷检测方法、装置、电子设备及可读存储介质 - Google Patents
棒件缺陷检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111968094A CN111968094A CN202010836211.4A CN202010836211A CN111968094A CN 111968094 A CN111968094 A CN 111968094A CN 202010836211 A CN202010836211 A CN 202010836211A CN 111968094 A CN111968094 A CN 111968094A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- information
- rod
- ice cream
- bar
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 77
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 86
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims description 40
- 238000004519 manufacturing process Methods 0.000 claims description 38
- 230000015654 memory Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 235000015243 ice cream Nutrition 0.000 description 136
- 238000003062 neural network model Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 5
- 238000003780 insertion Methods 0.000 description 5
- 230000037431 insertion Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 235000011475 lollipops Nutrition 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000003702 image correction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
- G06T7/0002—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06T7/40—Analysis of texture
-
- 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
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/0081—Sorting of food items
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请提供一种棒件缺陷检测方法、装置、电子设备及可读存储介质，涉及数据处理领域。该方法包括：在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息；根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。本方案通过根据棒件的二维纹理信息和/或三维几何信息来对棒件在本体上的缺陷进行检测，相比于现有的人工检测方式，本方案的缺陷检测方式大大提高了检测的效率。
Description
技术领域
本申请涉及数据处理领域，具体而言，涉及一种棒件缺陷检测方法、装置、电子设备及可读存储介质。
背景技术
目前在雪糕、棒棒糖等一些待棒物体的制造过程中，已经基本实现自动化流水线生产，这样生产效率高，出货量大。但是在生产质量检测环节，依然还是依赖于人工检测的质检手段。例如，在雪糕生产的插棒环境，每条产线需要安置两三名检测员，实时观察每支雪糕的插棒质量，并手动剔除瑕疵品，这种质检方式效率较低。
发明内容
本申请实施例的目的在于提供一种棒件缺陷检测方法、装置、电子设备及可读存储介质，用以改善现有技术中质检效率较低的问题。
第一方面，本申请实施例提供了一种棒件缺陷检测方法，所述方法包括：在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息；根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。
在上述实现过程中，通过根据棒件的二维纹理信息和/或三维几何信息来对棒件在本体上的缺陷进行检测，相比于现有的人工检测方式，本方案的缺陷检测方式大大提高了检测的效率。
可选地，所述根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测，包括：
根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的位姿进行缺陷检测。
在上述实现过程中，通过对棒件在本体上的位姿进行检测，从而可在插棒环节实现对插棒质量的检测。
可选地，所述位姿包括插反，根据所述棒件的二维纹理信息对所述棒件在所述本体上的位姿进行缺陷检测，包括：
根据所述棒件的二维纹理信息识别所述棒件上是否有标识信息；
若没有，则确定所述棒件在所述本体上的位姿为插反。
可选地，所述位姿包括位姿偏移、位姿歪斜中的至少一种，根据所述棒件的三维几何信息对所述棒件在所述本体上的位姿进行缺陷检测，包括：
根据所述棒件的三维几何信息识别所述棒件在所述本体上是否存在位姿偏移和/或位姿歪斜。
在上述实现过程中，通过基于棒件的二维纹理信息和/或三维几何信息来对棒件的位姿进行缺陷检测，从而可准确检测出棒件在本体上的位姿是否正确。
可选地，所述获取所述棒件的二维纹理信息和/或三维几何信息，包括：
通过三维轮廓仪获取所述待棒物体的图像信息，所述图像信息包括二维纹理信息和/或三维几何信息；
从所述待棒物体的二维纹理信息中提取所述棒件的二维纹理信息，和/或从所述待棒物体的三维几何信息中提取所述棒件的三维几何信息。
在上述实现过程中，通过三维轮廓仪可快速获取待棒物体的二维纹理信息和/或三维几何信息。
可选地，所述通过三维轮廓仪获取所述待棒物体的图像信息，包括：
获取所述待棒物体加工过程中的产线速度；
根据所述产线速度向所述三维轮廓仪输出相应的控制信号，并通过所述三维轮廓仪根据所述控制信号获取所述待棒物体的图像信息。
在上述实现过程中，通过基于产线速度控制三维轮廓仪的图像采集速度，从而可实现图像的同步采集，便于采集产线上所有待棒物体的图像。
可选地，所述根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测之后，还包括：
根据缺陷检测后获得的检测结果控制分拣设备对所述待棒物体进行分拣。
在上述实现过程中，通过检测结果控制分拣设备对待棒物体进行分拣，从而可剔除质量不合格的待棒物体，提高了待棒物体的加工质量。
第二方面，本申请实施例提供了一种棒件缺陷检测装置，所述装置包括：
信息获取模块，用于在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息；
缺陷检测模块，用于根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。
可选地，所述缺陷检测模块，用于根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的位姿进行缺陷检测。
可选地，所述位姿包括插反，所述缺陷检测模块，用于根据所述棒件的二维纹理信息识别所述棒件上是否有标识信息；若没有，则确定所述棒件在所述本体上的位姿为插反；。
可选地，所述位姿包括位姿偏移、位姿歪斜中的至少一种，所述缺陷检测模块，用于根据所述棒件的三维几何信息识别所述棒件在所述本体上是否存在位姿偏移和/或位姿歪斜。
可选地，所述信息获取模块，用于通过三维轮廓仪获取所述待棒物体的图像信息，所述图像信息包括二维纹理信息和/或三维几何信息；从所述待棒物体的二维纹理信息中提取所述棒件的二维纹理信息，和/或从所述待棒物体的三维几何信息中提取所述棒件的三维几何信息。
可选地，所述信息获取模块，用于获取所述待棒物体加工过程中的产线速度；根据所述产线速度向所述三维轮廓仪输出相应的控制信号，并通过所述三维轮廓仪根据所述控制信号获取所述待棒物体的图像信息。
可选地，所述装置还包括：
分拣模块，用于根据缺陷检测后获得的检测结果控制分拣设备对所述待棒物体进行分拣。
第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
第四方面，本申请实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种用于执行棒件缺陷检测方法方法的电子设备的结构示意图；
图2为本申请实施例提供的一种棒件缺陷检测方法的流程图；
图3为本申请实施例提供的一种雪糕棒加工过程的示意图；
图4为本申请实施例提供的一种棒件缺陷检测装置的结构框图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提供一种棒件缺陷检测方法，该方法通过根据棒件的二维纹理信息和/或三维几何信息来对棒件在本体上的缺陷进行检测，相比于现有的人工检测方式，本方案检测效率高且准确性高。
请参照图1，图1为本申请实施例提供的一种用于执行棒件缺陷检测方法方法的电子设备的结构示意图，所述电子设备可以包括：至少一个处理器110，例如CPU，至少一个通信接口120，至少一个存储器130和至少一个通信总线140。其中，通信总线140用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口120用于与其他节点设备进行信令或数据的通信。存储器130可以是高速RAM存储器，也可以是非易失性的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器130可选的还可以是至少一个位于远离前述处理器的存储装置。存储器130中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器110执行时，电子设备执行下述图2所示方法过程，例如，存储器130可用于存储棒件的二维纹理信息和三维几何信息，处理器110在对棒件进行缺陷检测时，可从存储器130中获取二维纹理信息和三维几何信息，然后利用二维纹理信息和三维几何信息对棒件进行缺陷检测。
可以理解，图1所示的结构仅为示意，所述电子设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2，图2为本申请实施例提供的一种棒件缺陷检测方法的流程图，该方法包括如下步骤：
步骤S110：在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息。
本申请实施例中的待棒物体可以是指如雪糕、棒棒糖等任何具有棒件的物体，为了便于描述，后续实施例中以雪糕为例进行说明，如此本申请实施例所说的棒件即为雪糕棒，待棒物体为雪糕，本体为雪糕的糕体。
在雪糕的加工过程中，雪糕的糕体由上道工序生产后，糕体放置在流水线托盘中进入插棍机，插棍机将木棒插入糕体后，流水线托盘继续带动糕体进入下道工序，在进入下道工序之前，有一段较长的流水线空位，该流水线空位即用于对雪糕的插棒质量进行检测。例如，可以通过安装在流水线上方的摄像头实时采集雪糕加工过程中的图像，然后摄像头可将采集的图像发送至电子设备，电子设备即可基于图像对雪糕棒的相关缺陷进行检测。
其中，电子设备可以在确定雪糕棒插入雪糕的糕体中后，向摄像头发送图像采集指令，摄像头在接收到图像采集指令后，采集雪糕的图像，这样此时采集的图像即为雪糕棒插入雪糕之后的图像。其中，在雪糕的糕体加工完成后，进入雪糕棒插入糕体的环节，则通过相关的加工设备将雪糕棒插入糕体中，此时加工设备可向电子设备发送相应的指示信息，以指示雪糕进入雪糕棒加工环节，则电子设备在接收到该指示信息后可向摄像头发送图像采集指令。当然，也可以是在雪糕进入雪糕棒加工环节后，通过人工在电子设备中触发相应的指令，以使电子设备向摄像头发送图像采集指令，或者也可以在雪糕进入雪糕棒加工环节后，通过加工设备控制摄像头进行图像采集，或者通过人工控制摄像头进行图像采集。
可以理解地，摄像头采集的图像实时发送给电子设备，电子设备可对图像进行分析，获得其中雪糕棒的二维纹理信息和/或三维几何信息。
其中，从图像中提取雪糕棒的二维纹理信息的方法可以有：灰度共生矩阵的纹理分析法、利用傅里叶变换提取图像纹理法、基于图像灰度直方图的纹理特征提取法等，其具体利用各个方法提取二维纹理信息的实现过程可参照现有技术中的相关实现过程，在此不详细描述。提取雪糕棒的三维几何信息的方法可以有：透视缩放、透视缩短、纹理梯度等方法，其具体实现过程也可参照现有技术中的相关实现过程，在此不详细描述。
另外，三维几何信息还可以通过立体视觉成像法获取，立体视觉成像的原理是先通过对不同视角情况下的雪糕进行拍摄，然后根据相关视觉超逸进行三维模型重建，然后即可获得三维几何信息。其中，立体视觉成像法有双目视觉法、多目立体视觉法等。
需要说明的是，由于拍摄获得的图像中可能还包括有其他信息，如整个雪糕的加工环境，所以，为了提取雪糕棒的二维纹理信息和/或三维几何信息，则可以从图像中分割出雪糕棒的图像区域，其中可以采用相关的图像分割算法进行雪糕棒区域的分割，在此不详细介绍其分割过程。然后可以采用图像校正与增强算法来提取雪糕棒的二维纹理信息，也可以采用图像校正与增强算法来提取雪糕棒的三维几何信息，该提取方式的详细过程可参照现有技术中的相关实现过程，在此不再详细介绍，通过该方式可准确提取出雪糕棒区域的二维纹理信息和/或三维几何信息。
步骤S120：根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。
在上述获得雪糕棒的二维纹理信息和/或三维几何信息后，即可基于二维纹理信息和/或三维几何信息对雪糕棒在糕体上的缺陷进行检测，如雪糕棒在糕体上的插入位置是否正确等缺陷。
在上述实现过程中，通过根据棒件的二维纹理信息和/或三维几何信息来对棒件在本体上的缺陷进行检测，相比于现有的人工检测方式，本方案的缺陷检测方式大大提高了检测的效率。
作为一种实施方式，棒件在本体上的缺陷包括棒件在本体上的位姿，即可根据棒件的二维纹理信息和/或三维几何信息对棒件在本体上的位姿进行缺陷检测。
例如，可以基于雪糕棒的二维纹理信息和/或三维几何信息判断雪糕棒在糕体上的位姿是否正确，如是否歪斜等。
在具体实现过程中，位姿包括有插反，则在上述进行棒件的位姿缺陷检测时，可以根据棒件的二维纹理信息识别棒件上是否有标识信息，若没有，则确定棒件在本体上的位姿为插反。
以雪糕棒为例，基于雪糕棒的二维纹理信息可以识别雪糕棒上是否有标识信息，标识信息可以为厂家标识等，如若在雪糕棒加工过程中，针对每个雪糕棒，在每个雪糕棒的预设位置处(如靠近雪糕棒尾部的位置)均打上厂家标识，而在将雪糕棒插入糕体时，正确的做法应该是将没有厂家标识的一侧插入糕体中，使得有雪糕棒的一侧露在糕体外，所以，若识别到雪糕棒上没有厂家标识时，则确定雪糕棒可能插反了。
作为一种实施方式，位姿还可以包括位姿偏移、位姿歪斜中的至少一种，则在上述进行棒件的位姿缺陷检测时，还可以根据棒件的三维几何信息识别棒件在本体上是否存在位姿偏移和/或位姿歪斜。
由于三维几何信息中携带了雪糕棒的三维坐标，所以，可以基于雪糕棒的三维坐标判断雪糕棒相对于糕体的预设位置(如糕体的一面的中心位置)是否存在偏差，若不存在偏差，则确定雪糕棒的插入位置准确，若存在偏差，则确定雪糕棒的插入位置不准确，即确定雪糕棒的存在位姿偏移。位姿歪斜是指雪糕棒可能不是垂直插入糕体中的，而是倾斜插入糕体中的，这使得雪糕棒相对于糕体成一定的倾斜角度，所以可以基于三维几何信息判断雪糕棒是否相对于糕体成一定的倾斜角度，若是，则确定雪糕棒存在位姿歪斜，若否，则确定雪糕棒不存在位姿歪斜。
通过上述的检测，雪糕棒可能存在位姿插反、位姿偏移和位姿歪斜中至少一种缺陷，当然，雪糕棒也可能没有上述任何一种缺陷，若雪糕棒存在缺陷时，则表示其雪糕加工质量不合格，此时可通知工作人员参与将不合格的雪糕剔除，从而可确保雪糕的加工质量。
在上述实现过程中，通过对棒件在本体上的位姿进行检测，从而可在插棒环节实现对插棒质量的检测。
作为一种实施方式，上述检测棒件的缺陷时，可以通过神经网络模型根据棒件的三维几何信息识别棒件在本体上是否存在位姿偏移和/或位姿歪斜。
其中，神经网络模型可以预先通过大量的训练图像进行训练，例如，其训练图像可以是采集的雪糕棒在加工过程中的图像，然后可人工对训练图像中雪糕棒的位姿进行标注，然后可将带有标注信息的训练图像输入神经网络模型中，通过神经网络模型提取雪糕棒的三维几何信息，并基于三维几何信息确定雪糕棒在糕体上的位姿状态，以此方式对神经网络模型进行训练，对于神经网络模型的训练过程可参照现有技术中的相关实现过程，在此不过多描述，在神经网络模型训练完成之后，即可利用训练完成的神经网络模型识别雪糕棒是否存在位姿偏移和/或位姿歪斜。
当然，也可以通过神经网络模型基于棒件的二维纹理信息识别棒件上是否有标识信息，如可对训练图像中雪糕棒上的标识信息进行标注，然后可将带有标注信息的训练图像输入神经网络模型中，对神经网络模型进行训练，如此可利用训练完成的神经网络模型识别棒件上是否有标识信息。
上述的神经网络模型可以为卷积神经网络模型、循环神经网络模型、长短期记忆网络模型等。
在上述实现过程中，通过神经网络模型可以快速且准确对棒件的位姿进行检测。
作为一种实施方式，上述实施例中获取棒件的二维纹理信息和/或三维几何信息的方式还可以通过以下方式获得：通过三维轮廓仪获取待棒物体的图像信息，该图像信息包括二维纹理信息和/或三维几何信息，然后从待棒物体的二维纹理信息中提取棒件的二维纹理信息，和/或从待棒物体的三维几何信息中提取棒件的三维几何信息。
例如，如图3所示，在雪糕加工过程中，雪糕棒通过插棍机将其插入糕体中，其中，可在雪糕棒插入糕体的加工产线上方安装三维轮廓仪，三维轮廓仪可以与计算机进行通信，计算机即为上述的电子设备，这样三维轮廓仪可将采集的图像信息发送给计算机，通过计算机对该图像信息进行相应处理。
其中，三维轮廓仪包括工业相机、激光光源、固定支架等器件，为保证光学成像质量，固定支架可按照在产线的中央位置上方，在固定支架一侧固定工业相机，在固定支架另一侧固定激光光源。其工业相机自上方向下俯视，对产线上的雪糕进行成像，其成像结果包括二维纹理信息和三维几何信息，即采集雪糕的图像信息。每次成像中，工业相机可获取激光光源投影在雪糕上的一条轮廓，利用工业相机与激光光源的结构参数可以计算出这一条轮廓的三维几何信息，同时，在这一条轮廓的不同点钟，根据光强度的不同可以还原出对应的物体表面反射率信息，即二维纹理信息。然后随着雪糕产线带动雪糕平移，可以完成对整体雪糕的扫码，从而获取雪糕的二维纹理信息和/或三维几何信息。
由于是对棒件的相关缺陷进行检测，所以，还可以从雪糕的二维纹理信息中提取雪糕棒的二维纹理信息和/或从雪糕的三维几何信息中提取雪糕棒的三维几何信息，其中，可以通过相应的神经网络模型来提取雪糕棒的二维纹理信息和/或三维几何信息。
在上述实现过程中，通过三维轮廓仪可快速获取待棒物体的二维纹理信息和/或三维几何信息。
作为一种实施方式，由于雪糕的加工产生速度可能不均匀，所以，为了使得三维轮廓仪能够采集到全部雪糕的图像，则可以控制三维轮廓仪采集图像的速度，其具体实现过程可以为：获取待棒物体加工过程中的产线速度，根据该产线速度向三维轮廓仪输出相应的控制信号，并通过三维轮廓仪根据控制信号获取待棒物体的图像信息。
其中，产线速度是指雪糕棒加工过程中的产线速度，如图3中通过插棍机将雪糕棒插入糕体后，将雪糕通过雪糕产线运输至下道工序，即产线速度为该过程中雪糕产线的速度。根据产线速度输出对应的控制信号可以理解为：如产线速度是1米每秒，则可以输出控制信号的速度可以为每秒发出一个控制信号，如产线速度是2米每秒，则输出控制信号的速度可以为每秒发出两个控制信号，三维轮廓仪可在每次接收到一个控制信号后进行一次图像采集，从而可实现同步拍摄。
在上述实现过程中，通过基于产线速度控制三维轮廓仪的图像采集速度，从而可实现图像的同步采集，便于采集产线上所有待棒物体的图像。
在上述进行棒件的缺陷检测后，还可以根据缺陷检测后获得的检测结果控制分拣设备对待棒物体进行分拣。
例如，在将雪糕棒插入糕体中后，其下道工序可以是对雪糕进行分拣，其分拣的目的是将质量不合格的雪糕筛选出去，质量合格的雪糕可继续进入下一道工序进行处理，如进行雪糕包装等。例如，在缺陷检测后，若检测结果为雪糕棒存在有上述的至少任意一种缺陷(如插反、位姿偏移和位姿歪斜中的至少一种)时，则认为该雪糕质量不合格，从而可控制分拣设备将该雪糕分拣出去，即阻止该雪糕进入后续的加工工序，若检测结果为雪糕棒不存在上述的任意一种缺陷，则认为该雪糕质量合格，则可控制分拣设备将该雪糕输送至下一道工序中。
由于电子设备是实时对雪糕产线上的每个雪糕进行识别，所以可以根据产线速度及时识别出雪糕的缺陷，从而可及时控制分拣设备对质量不合格的雪糕进行分拣，以防止质量不合格的雪糕进入后续工序中，进而确保了雪糕的加工质量。
请参照图4，图4为本申请实施例提供的一种棒件缺陷检测装置200的结构框图，该装置200可以是电子设备上的模块、程序段或代码。应理解，该装置200与上述图2方法实施例对应，能够执行图2方法实施例涉及的各个步骤，该装置200具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。
可选地，所述装置200包括：
信息获取模块210，用于在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息；
缺陷检测模块220，用于根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。
可选地，所述缺陷检测模块220，用于根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的位姿进行缺陷检测。
可选地，所述位姿包括插反，所述缺陷检测模块220，用于根据所述棒件的二维纹理信息识别所述棒件上是否有标识信息；若没有，则确定所述棒件在所述本体上的位姿为插反。
可选地，所述位姿包括位姿偏移、位姿歪斜中的至少一种，所述缺陷检测模块220，用于根据所述棒件的三维几何信息识别所述棒件在所述本体上是否存在位姿偏移和/或位姿歪斜。
可选地，所述信息获取模块210，用于通过三维轮廓仪获取所述待棒物体的图像信息，所述图像信息包括二维纹理信息和/或三维几何信息；从所述待棒物体的二维纹理信息中提取所述棒件的二维纹理信息，和/或从所述待棒物体的三维几何信息中提取所述棒件的三维几何信息。
可选地，所述信息获取模块210，用于获取所述待棒物体加工过程中的产线速度；根据所述产线速度向所述三维轮廓仪输出相应的控制信号，并通过所述三维轮廓仪根据所述控制信号获取所述待棒物体的图像信息。
可选地，所述装置200还包括：
分拣模块，用于根据缺陷检测后获得的检测结果控制分拣设备对所述待棒物体进行分拣。
本申请实施例提供一种可读存储介质，所述计算机程序被处理器执行时，执行如图2所示方法实施例中电子设备所执行的方法过程。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如，包括：在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息；根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。
综上所述，本申请实施例提供一种棒件缺陷检测方法、装置、电子设备及可读存储介质，通过根据棒件的二维纹理信息和/或三维几何信息来对棒件在本体上的缺陷进行检测，相比于现有的人工检测方式，本方案的缺陷检测方式大大提高了检测的效率。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种棒件缺陷检测方法，其特征在于，所述方法包括：
在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息；
根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。
2.根据权利要求1所述的方法，其特征在于，所述根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测，包括：
根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的位姿进行缺陷检测。
3.根据权利要求2所述的方法，其特征在于，所述位姿包括插反，根据所述棒件的二维纹理信息对所述棒件在所述本体上的位姿进行缺陷检测，包括：
根据所述棒件的二维纹理信息识别所述棒件上是否有标识信息；
若没有，则确定所述棒件在所述本体上的位姿为插反。
4.根据权利要求2所述的方法，其特征在于，所述位姿包括位姿偏移、位姿歪斜中的至少一种，根据所述棒件的三维几何信息对所述棒件在所述本体上的位姿进行缺陷检测，包括：
根据所述棒件的三维几何信息识别所述棒件在所述本体上是否存在位姿偏移和/或位姿歪斜。
5.根据权利要求1所述的方法，其特征在于，所述获取所述棒件的二维纹理信息和/或三维几何信息，包括：
通过三维轮廓仪获取所述待棒物体的图像信息，所述图像信息包括二维纹理信息和/或三维几何信息；
从所述待棒物体的二维纹理信息中提取所述棒件的二维纹理信息，和/或从所述待棒物体的三维几何信息中提取所述棒件的三维几何信息。
6.根据权利要求5所述的方法，其特征在于，所述通过三维轮廓仪获取所述待棒物体的图像信息，包括：
获取所述待棒物体加工过程中的产线速度；
根据所述产线速度向所述三维轮廓仪输出相应的控制信号，并通过所述三维轮廓仪根据所述控制信号获取所述待棒物体的图像信息。
7.根据权利要求1-6任一所述的方法，其特征在于，所述根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测之后，还包括：
根据缺陷检测后获得的检测结果控制分拣设备对所述待棒物体进行分拣。
8.一种棒件缺陷检测装置，其特征在于，所述装置包括：
信息获取模块，用于在棒件插入待棒物体的本体上后，获取所述棒件的二维纹理信息和/或三维几何信息；
缺陷检测模块，用于根据所述棒件的二维纹理信息和/或三维几何信息对所述棒件在所述本体上的缺陷进行检测。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-7任一所述的方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010836211.4A CN111968094A (zh) | 2020-08-18 | 2020-08-18 | 棒件缺陷检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010836211.4A CN111968094A (zh) | 2020-08-18 | 2020-08-18 | 棒件缺陷检测方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111968094A true CN111968094A (zh) | 2020-11-20 |
Family
ID=73389165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010836211.4A Pending CN111968094A (zh) | 2020-08-18 | 2020-08-18 | 棒件缺陷检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111968094A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2674044A1 (de) * | 2012-06-14 | 2013-12-18 | HAUNI Maschinenbau AG | Verfahren und Vorrichtung zur Erkennung von Stranginhomogenitäten eines Materialstrangs der Tabak verarbeitenden Industrie |
| CN107607537A (zh) * | 2016-07-11 | 2018-01-19 | 富强 | 一种雪糕棒质量在线视觉检测系统 |
| CN108490000A (zh) * | 2018-03-13 | 2018-09-04 | 北京科技大学 | 一种棒线材表面缺陷在线检测装置和方法 |
| CN208695656U (zh) * | 2018-05-28 | 2019-04-05 | 大连鑫森科技发展有限公司 | 一种雪糕板高效检测分选整理设备 |
| CN109765240A (zh) * | 2018-12-25 | 2019-05-17 | 浙江四点灵机器人股份有限公司 | 一种检测工业零件针脚缺陷装置及方法 |
| CN110378900A (zh) * | 2019-08-01 | 2019-10-25 | 北京迈格威科技有限公司 | 产品缺陷的检测方法、装置及系统 |
| KR20200008794A (ko) * | 2018-07-17 | 2020-01-29 | 현대제철 주식회사 | 봉강의 표면 결함 분석 장치 및 방법 |
| CN111044522A (zh) * | 2019-12-14 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 缺陷检测方法、装置及终端设备 |
-
2020
- 2020-08-18 CN CN202010836211.4A patent/CN111968094A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2674044A1 (de) * | 2012-06-14 | 2013-12-18 | HAUNI Maschinenbau AG | Verfahren und Vorrichtung zur Erkennung von Stranginhomogenitäten eines Materialstrangs der Tabak verarbeitenden Industrie |
| CN107607537A (zh) * | 2016-07-11 | 2018-01-19 | 富强 | 一种雪糕棒质量在线视觉检测系统 |
| CN108490000A (zh) * | 2018-03-13 | 2018-09-04 | 北京科技大学 | 一种棒线材表面缺陷在线检测装置和方法 |
| CN208695656U (zh) * | 2018-05-28 | 2019-04-05 | 大连鑫森科技发展有限公司 | 一种雪糕板高效检测分选整理设备 |
| KR20200008794A (ko) * | 2018-07-17 | 2020-01-29 | 현대제철 주식회사 | 봉강의 표면 결함 분석 장치 및 방법 |
| CN109765240A (zh) * | 2018-12-25 | 2019-05-17 | 浙江四点灵机器人股份有限公司 | 一种检测工业零件针脚缺陷装置及方法 |
| CN110378900A (zh) * | 2019-08-01 | 2019-10-25 | 北京迈格威科技有限公司 | 产品缺陷的检测方法、装置及系统 |
| CN111044522A (zh) * | 2019-12-14 | 2020-04-21 | 中国科学院深圳先进技术研究院 | 缺陷检测方法、装置及终端设备 |
Non-Patent Citations (2)
| Title |
|---|
| 李绍丽: "雪糕棒质量检测中若干关键问题研究", 中国博士学位论文全文数据库工程科技Ⅰ辑, 15 November 2018 (2018-11-15), pages 1 * |
| 苑玮琦等: "柔性电路板硅胶帽定位缺陷视觉检测算法研究", 电脑与信息技术, 30 August 2018 (2018-08-30), pages 38 - 55 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN201436584U (zh) | 滚针轴承缺针检测装置 | |
| CN107084992B (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
| CN108805180B (zh) | 目标对象的检测方法及装置 | |
| CN103308523B (zh) | 多尺度瓶口缺陷检测方法及装置 | |
| CN105021628A (zh) | 一种用于光纤倒像器表面缺陷的检测方法 | |
| CN111161295B (zh) | 一种菜品图像背景剥离方法 | |
| KR101643713B1 (ko) | 학습형 스마트 카메라를 이용한 검사 대상 물품의 검사방법 | |
| CN110728269B (zh) | 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法 | |
| CN113284154B (zh) | 钢卷端面图像分割方法、装置及电子设备 | |
| CN113916127A (zh) | 一种气门导管成品外观视觉检测系统及检测方法 | |
| CN113780484B (zh) | 工业产品缺陷检测方法和装置 | |
| CN105844282A (zh) | 一种运用线扫描相机检测喷油嘴O-Ring缺陷的方法 | |
| CN113870204A (zh) | 一种光学玻璃的异常检测方法及装置 | |
| CN116754567B (zh) | 铜箔材料的周期性缺陷检测方法、装置及设备 | |
| CN111968094A (zh) | 棒件缺陷检测方法、装置、电子设备及可读存储介质 | |
| CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
| CN211292638U (zh) | 一种笔管印刷快速自动检测装置 | |
| CN107403429B (zh) | 一种周期序列图像模型参数的快速自动获取方法 | |
| CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
| CN116660281A (zh) | 一种基于机器视觉的缺陷检测方法、装置及电子设备 | |
| CN113077414B (zh) | 一种钢板表面缺陷检测方法及系统 | |
| CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
| CN114235810A (zh) | 一种基于面阵工业相机的布匹瑕疵自动检测方法 | |
| CN211014597U (zh) | 玻璃表面线路缺陷快速检测装置 | |
| CN113658099A (zh) | 膜片瑕疵检测方法、系统及存储介质 |
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 |