CN111981990A - 基于机器视觉的自封拉链质量在线检测方法 - Google Patents

基于机器视觉的自封拉链质量在线检测方法 Download PDF

Info

Publication number
CN111981990A
CN111981990A CN202010768831.9A CN202010768831A CN111981990A CN 111981990 A CN111981990 A CN 111981990A CN 202010768831 A CN202010768831 A CN 202010768831A CN 111981990 A CN111981990 A CN 111981990A
Authority
CN
China
Prior art keywords
zipper
image
fixed
self
pixel
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
Application number
CN202010768831.9A
Other languages
English (en)
Other versions
CN111981990B (zh
Inventor
王庭凯
陈丰明
咸浩
庄健
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.)
Xian Jiaotong University
Wuxi King Mo Machinery Co Ltd
Original Assignee
Xian Jiaotong University
Wuxi King Mo Machinery 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 Xian Jiaotong University, Wuxi King Mo Machinery Co Ltd filed Critical Xian Jiaotong University
Priority to CN202010768831.9A priority Critical patent/CN111981990B/zh
Publication of CN111981990A publication Critical patent/CN111981990A/zh
Application granted granted Critical
Publication of CN111981990B publication Critical patent/CN111981990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01B11/04—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
    • G01B11/046—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 for measuring width
    • 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
    • G01B11/028—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring lateral position of a boundary of the object
    • 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
    • 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
    • G06T7/136—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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明适用于机器视觉应用技术领域，提供了基于机器视觉的自封拉链质量在线检测方法，其使用一种在线检测装置，包括所述在线检测装置包括测宽机构和检测机构，所述检测机构包括支架，所述支架的顶部固定有调节平板，所述调节平板的顶部滑动连接一个X向滑块，所述X向滑块的顶部固定有一个水平设置的Y向滑台，所述Y向滑台上滑动连接一个YZ连接块，所述YZ连接块上固定有一个竖直设置的Z向滑台，所述Z向滑台上滑动连接一个相机连接块，所述相机连接块上固定有一个工业相机，所述工业相机位于所述环形光源的上方，本发明基于机器视觉实现自封拉链质量的在线检测，旨在实现拉链质量的在线自动化检测，提高生产良品率。

Description

基于机器视觉的自封拉链质量在线检测方法
技术领域
本发明属于机器视觉应用领域，尤其涉及基于机器视觉的自封拉链质量在线检测方法。
背景技术
随着工业生产水平的不断发展以及商品市场对于包装需求的升级，各种各样的包装用品出现在市面上。其中塑料自封袋是一种常见的包装用品，因其使用方便，一经面世便广泛应用于各种包装领域。塑料自封袋的生产离不开其关键零部件——塑料自封条(又称自封拉链)。拉链的质量将会极大程度影响自封袋的生产效果。
自封拉链主要是通过成型模具使用注塑工艺进行生产。将聚丙烯原料颗粒加热成为熔融状态后挤压设备由一端注入模具，经冷却后从另一端牵引拔出成型。在生产过程中由于生产工艺设置不当，模具磨损等因素可能会在生产中引入各种各样的质量缺陷。需要及时地检测出这些缺陷并对生产过程进行调整以最大程度地保证生产质量。其中拉链的宽度不合格以及拉链表面缺陷，是其主要的失效形式。
目前，拉链的质量检测自动化程度低，主要依靠人力，通过肉眼观察以及量具测量实现对拉链生产质量的检测，实时性差，精确度低。本发明提出了一种基于机器视觉的自封拉链质量在线检测方法，旨在实现拉链质量的在线自动化检测，以精确实时的发现质量不合格产品，并及时调整生产设备，提高生产良品率。
发明内容
本发明提供基于机器视觉的自封拉链质量在线检测方法，旨在解决现有技术存在的问题。
本发明是这样实现的，基于机器视觉的自封拉链质量在线检测方法，所述在线检测方法使用一种在线检测装置；所述在线检测装置包括测宽机构和检测机构；
所述测宽机构包括测宽平面支架，所述测宽平面支架的顶部固定有一个测宽平板，所述测宽平板的长度方向设置有对称分布的两个压料板，所述压料板与所述测宽平板的上表面之间具有供所述自封拉链通过的间隙，所述测宽平板的长度方向的两端分别凹陷形成有一个料槽；
所述检测机构包括支架，所述支架位于所述测宽平板的一侧，所述支架的顶部固定有调节平板，所述调节平板的一部分位于所述测宽平板的上方，所述调节平板的底部固定有一个环形光源，所述调节平板的顶部滑动连接一个X向滑块，所述X向滑块的顶部固定有一个水平设置的Y向滑台，所述Y向滑台上滑动连接一个YZ连接块，所述YZ连接块上固定有一个竖直设置的Z向滑台，所述Z向滑台上滑动连接一个相机连接块，所述相机连接块上固定有一个工业相机，所述工业相机位于所述环形光源的上方；
所述工业相机内置有图像处理单元；
所述在线检测方法包括以下步骤：
S1、视觉系统安装与标定：安装并调试工业相机，通过张氏标定法对相机内参、外参系数进行标定，以对采集图像进行矫正，获得畸变较小的图像；同时需标定像素当量，像素当量指的是采集获得的图像中，一个像素对应的实际长度，其计算表达式如下：
Figure BDA0002615709540000021
其中，K为像素当量，l为标尺对应的长度，N为标尺长度在图像中所占的像素个数；标尺指的是一个已知长度的标准物体；
S2、图像采集：打开所述环形光源，调至合适亮度。调节工业相机位置，使拉链在相机视野正中心；调节镜头焦距、光圈，使采集图像有清晰的拉链和背景区域；
S3、图像预处理：对采集图像进行图像灰度化、图像滤波、图像增强等操作，使得拉链与背景区域区分更加明晰，为后期处理提供帮助；
S4、分离拉链与背景区域：
利用Otsu法自动获取图像分割的最佳阈值，以增强本检测方法的自适应性；遍历所有灰度级，以该灰度级为界，将图像中所有像素点分为灰度值大于该灰度的目标类，以及灰度值小于该灰度的背景类；寻找一个灰度级，使得两类之间的类间方差最大，则该灰度值即为所求阈值；具体表达式如下：
Figure BDA0002615709540000031
其中，T为所求阈值，ω1为像素点被分背景的概率，μ1为背景类像素的平均灰度，ω2为像素点被分目标的概率，μ2为目标类像素的平均灰度；
遍历图像中所有像素，灰度值小于等于阈值的点，将其灰度值置为0，即将该像素划分为背景；灰度值大于阈值的点，将其灰度值置为255，即将该像素划分为目标；具体表达式如下：
Figure BDA0002615709540000032
其中，dst(x，y)为图像中某一点的灰度值，T为阈值；以此，通过对图像的二值化处理，实现对图像中拉链和背景的分离；
S5、拉链宽度计算：
在其领域内，计算一阶偏导数、，则像素点处的梯度值为：
Figure BDA0002615709540000033
若该点处梯度值M＞0，表明该像素点处灰度值存在阶跃，则该点被认为是边缘点；
用图像空间的边缘数据点计算参数空间中的参考点的可能轨迹，并在一个累加器中给计算出参考点的计数，最后选出峰值；该峰值表明在图像空间上有一共线点较多的直线；通过霍夫直线变换所提取的直线即为拉链的两侧边缘线；
拉链宽度计算：经过霍夫直线变换，提取得到拉链的两侧边缘线信息后，选择其中一条直线，在该直线上选取若干个点，分别计算该点到另一直线的距离。该若干距离的平均值，认为是两条直线之间的像素距离，其表征拉链两条边缘线在采集图像中所距的像素个数，最终乘以像素当量，即为所求拉链宽度；
S6、ROI区域提取：依据二值化图像中对拉链与背景分离的结果，提取拉链区域图像，在二值化图像中，大面积存在的灰度值为255的点，被认为是拉链区域。根据这部分像素点的坐标，选取合适大小及位置的矩形区域，该矩形区域需尽可能小并同时包含所有拉链区域像素点，将该矩形区域在原图中包含的像素点提取出来，即可获得所需区域图像，即拉链区域图像；
拉链缺陷识别：利用WOV法获取最佳阈值，利用该阈值对图像进行二值化处理，表达式如下：
Figure BDA0002615709540000041
经过此处理，图像中拉链区域像素点灰度值为255，缺陷区域像素点灰度值为0；遍历图像中像素点，寻找灰度值为0的像素点，即可识别拉链表面的缺陷部分。
优选的，还包括支撑机构，所述支撑机构包括底板和支腿，所述支腿固定在所述底板的底部；
所述测宽平面支架固定在所述底板上。
优选的，还包括输送机构，所述输送机构设置有两个且对称分布于所述测宽机构的上游和下游；
每一个所述输送机构包括一个传动背板，所述传动背板固定在所述底板上，所述传动背板的一侧面上设置有相对设置的固定胶辊和可动胶辊，所述固定胶辊和所述可动胶辊具有供所述自封拉链通过的间隙，所述固定胶辊的下游设置有滚轮，所述可动胶辊通过一个辊轴转动连接所述传动背板，所述固定胶辊和所述滚轮均可转动的连接在所述传动背板上，所述固定胶辊连接一个电机的输出轴，所述电机安装在所述传动背板上。
优选的，所述传动背板固定连接一个支架。
优选的，所述传动背板上固定有一个连接板，所述可动胶辊连接在所述连接板上，所述的顶部转动连接一个螺纹杆的一端，所述连接板的上方设置有一个固定在所述传动背板上的手轮撑板，所述螺纹杆的另一端向上穿过所述手轮撑板且固定连接一个调节手轮，所述螺纹杆螺接所述手轮撑板。
优选的，所述传动背板上固定有一个弹簧撑板，所述弹簧撑板的顶部固定连接一个弹簧的一端，所述弹簧的另一端固定连接所述连接板。
优选的，所述压料板上安装有两个螺钉，所述螺钉可拆卸的连接所述测宽平板；
两个所述螺钉之间具有供所述自封拉链通过的间隙。
优选的，所述调节平板的顶部具有一个导轨，所述X向滑块安装在所述导轨上。
优选的，所述支架设置有两个且分别位于所述测宽平板宽度方向的两侧。
优选的，所述测宽平面支架设置有四个，每一个所述测宽平面支架通过至少两个固定螺栓连接所述测宽平板。
与现有技术相比，本发明的有益效果是：本发明的基于机器视觉的自封拉链质量在线检测方法，通过一种在线检测装置，并且基于机器视觉实现自封拉链质量的在线检测，旨在实现拉链质量的在线自动化检测，以精确实时的发现质量不合格产品，并及时调整生产设备，提高生产良品率。
附图说明
图1为本发明的在线检测装置的整体结构示意图。
图2为本发明的的线检测装置的侧视图。
图3为本发明的输送机构的结构示意图。
图4为本发明的测宽机构的结构示意图。
图5为本发明的检测机构的结构示意图。
图6为本发明的在线检测方法的流程示意图。
图7为本发明的图像预处理后的示意图。
图8为本发明的图像二值化处理后的示意图。
图9为本发明的图像边缘提取的示意图。
图10为本发明的拉链区域图像示意图。
图11为本发明的利用最佳阈值二值化处理图像的示意图。
图中：101-底板、102-支腿、201-传动背板、202-弹簧撑板、203-弹簧、204-固定胶辊轴、205-固定胶辊、206-安装螺钉、207-滚轮、208-滚轮轴、209-可动胶辊、210-连接板、211-手轮撑板、212-调节手轮、213-支架、214-电机、215-支架连接块、216-滑轨、217-滑块、218-可动胶辊轴、301-测宽平面支架、302-测宽平板、303-固定螺钉、304-压料板、401-工业相机、402-镜头、403-光源连接板、404-环形光源、405-支架、406-调节平板、407-导轨、408-X向滑块、409-XY连接块、410-Y向滑台、411-YZ连接块、412-Z向滑台、413-相机连接块、601-自封拉链。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1-5，本发明提供一种技术方案：基于机器视觉的自封拉链质量在线检测方法，在线检测方法使用一种在线检测装置，所述在线检测装置包括测宽机构、检测机构、支撑机构和输送机构。
测宽机构包括测宽平面支架301，测宽平面支架301的顶部固定有一个测宽平板302，测宽平板302的长度方向设置有对称分布的两个压料板304，压料板304与测宽平板302的上表面之间具有供自封拉链通过的间隙，测宽平板302的长度方向的两端分别凹陷形成有一个料槽。压料板304上安装有两个固定螺钉303，固定螺钉303可拆卸的连接测宽平板302。两个固定螺钉303之间具有供自封拉链601通过的间隙。测宽平面支架301设置有四个，每一个测宽平面支架301通过至少两个固定螺栓连接测宽平板302。测宽平板302的上表面沿长度方向开设有一个适应自封拉链601的龙骨的凹槽。压料板304的下表面固定有软质材料，压料板304用于压紧通过测宽平板302的自封拉链601。
检测机构包括支架405，支架405位于测宽平板302的一侧，支架405的顶部固定有调节平板406，调节平板406的一部分位于测宽平板302的上方，调节平板406的底部固定有一个环形光源404，调节平板406的顶部滑动连接一个X向滑块408，X向滑块408的顶部固定有一个水平设置的Y向滑台410，Y向滑台410上滑动连接一个YZ连接块411，YZ连接块411上固定有一个竖直设置的Z向滑台412，Z向滑台412上滑动连接一个相机连接块413，相机连接块413上固定有一个工业相机401，工业相机401位于环形光源404的上方。工业相机401内置有图像处理单元。调节平板406的顶部具有一个导轨407，X向滑块408安装在导轨407上。支架405设置有两个且分别位于测宽平板302宽度方向的两侧。
其中，支架405与调节平板40通过螺钉连接，支架405用于支撑检测机构整体。环形光源405与光源连接板403通过螺钉连接。调节平板406的底部具有两条X向槽，并通过螺钉与光源连接板403连接，以将环形光源404固定在合适的位置。滑轨407通过螺钉与调节平板406连接。X向滑轨408用于调节工艺相机401的X向位置。XY连接块409通过螺钉与X向滑块408和Y向滑台410连接。Y向滑台410两面板之间可做Y向的相对运动，调节工业相机的Y向位置401。YZ连接块411通过螺钉与Y向滑台410和Z向滑台412连接。Z向滑台412两面板之间可做Z向的相对运动，调节工业相机401的Z向位置。相机连接块413通过螺钉与Z向滑台412和工业相机401连接。X向滑块408、Y向滑台410和Z向滑台412，均有调节旋钮，可调节其对应方向的位置，并有紧定螺钉将其位置锁死。以此，该模块可调节工业相机401在XYZ三方向上的位置，并可锁紧。
支撑机构包括底板101和支腿102，支腿102固定在底板101的底部。测宽平面支架301固定在底板101上。
输送机构设置有两个且对称分布于测宽机构的上游和下游。每一个输送机构包括一个传动背板201，传动背板201固定连接一个支架213，传动背板201固定在底板101上，传动背板201的一侧面上设置有相对设置的固定胶辊205和可动胶辊209，固定胶辊205和可动胶辊209具有供自封拉链601通过的间隙，固定胶辊205的下游设置有滚轮207，可动胶辊209通过一个辊轴转动连接传动背板201，固定胶辊205和滚轮207均可转动的连接在传动背板201上，固定胶辊205连接一个电机214的输出轴，电机214安装在传动背板201上。
传动背板201上固定有一个连接板210，可动胶辊209连接在连接板210上，的顶部转动连接一个螺纹杆的一端，连接板210的上方设置有一个固定在传动背板201上的手轮撑板211，螺纹杆的另一端向上穿过手轮撑板211且固定连接一个调节手轮212，螺纹杆螺接手轮撑板211。传动背板201上固定有一个弹簧撑板201，弹簧撑板210的顶部固定连接一个弹簧203的一端，弹簧203的另一端固定连接连接板210。
支架213包括多个竖直设置的立杆和横向设置的顶框，立杆和底框之间，支架213与底板101之间，利用支架连接块215，通过螺钉连接。电机214与固定胶辊轴204之间，通过减速器与联轴器连接，电机214带动固定胶辊转动。滑轨216与传动背板201螺钉链接，滑轨216上有滑块217可垂直上下运动，可动胶辊连接板210分别与可动胶辊轴209和滑块217相接。可动胶辊连接板有一孔洞，弹簧203置入其中，通过弹簧撑板202的支撑，利用弹簧弹性对可动胶辊连接板210有一向上的力。手轮撑板211中间有一螺纹孔，与手轮212下方的螺纹杆相接，通过手轮212的旋转，可调整手轮212垂直位置，手轮212下方螺纹杆与可动胶辊连接板210相顶，进而可以调整可动胶辊连接板210的垂直位置。可动胶辊轴218和滚轮轴208末端均有螺纹，分别与可动胶辊连接块210和传动背板201螺纹连接；其前端均通过轴承与可动胶辊209和滚轮207相接，并均有一螺纹孔，通过垫片与安装螺钉206将轴承位置卡紧。可动胶辊209与固定胶辊205上均开有一槽，以适应自封拉链601上突出的龙骨。通过转动手轮212，可调节可动胶辊209位置，在置入或取出自封拉链601时可提供便利，并在工作时，将自封拉链601夹紧在可动胶辊209与固定胶辊205之间。电机214带动固定胶辊205转动，即可带动自封拉链601移动。
工作开始前，转动调节手轮212调节，将可动胶辊209向上抬升，并松开压料块304。将自封拉链601按如图2所示在装置中穿过，从可动胶辊209和固定胶辊206中间穿过，从下方绕过滚轮207，经过测宽平板303，再从下方绕过位于下游的滚轮207，再从位于下游的可动胶辊209和固定胶辊206穿出。其中，自封拉链601的龙骨应与可动胶辊209、固定胶辊206、测宽平板303的凹槽相契合。此时，转动调节手轮212，将可动胶辊209向下压紧自封拉链601，同时也将压料块304与自封拉链601压紧。这样就完成了工作前的准备工作。
工作阶段，两个电机分别带动两个固定胶辊206，两电机同步，在牵引自封拉链601移动的同时，对自封拉链601施加一定的张力，使得自封拉链601在图像采集过程中保持平整状态。压料块304进一步压紧自封拉链601，使得自封拉链601在测宽平板302上运动时，不会偏离预订位置，也不会产生不必要的褶皱。通过环形光源404给自封拉链601打光，使工业相机401采集获得更加明晰的照片。在工作过程中，自封拉链601不断向前运动，工业相机401采集获得不同自封拉链601位置的图像，并传送给图像处理单元，对图像进行处理，即可获得所需的信息。
请参阅图6，本发明的在线检测方法包括以下步骤：
S1、视觉系统安装与标定：安装并调试工业相机401，通过张氏标定法对相机内参、外参系数进行标定，以对采集图像进行矫正，获得畸变较小的图像。同时需标定像素当量，像素当量指的是采集获得的图像中，一个像素对应的实际长度，其计算表达式如下：
Figure BDA0002615709540000101
其中，K为像素当量，l为标尺对应的长度，N为标尺长度在图像中所占的像素个数。标尺指的是一个已知长度的标准物体。
S2、图像采集：打开环形光源404，调至合适亮度，调节工业相机401位置，使拉链在相机视野正中心。调节镜头焦距、光圈，使采集图像有清晰的拉链和背景区域。
S3、图像预处理：对采集图像进行图像灰度化、图像滤波、图像增强等操作，使得拉链与背景区域区分更加明晰，为后期处理提供帮助。如图7所示。
S4、分离拉链与背景区域：
利用Otsu法自动获取图像分割的最佳阈值，以增强本检测方法的自适应性。遍历所有灰度级，以该灰度级为界，将图像中所有像素点分为灰度值大于该灰度的目标类，以及灰度值小于该灰度的背景类。寻找一个灰度级，使得两类之间的类间方差最大，则该灰度值即为所求阈值。具体表达式如下：
Figure BDA0002615709540000102
其中，T为所求阈值，ω1为像素点被分背景的概率，μ1为背景类像素的平均灰度，ω2为像素点被分目标的概率，μ2为目标类像素的平均灰度。
遍历图像中所有像素，灰度值小于等于阈值的点，将其灰度值置为0，即将该像素划分为背景。灰度值大于阈值的点，将其灰度值置为255，即将该像素划分为目标。具体表达式如下：
Figure BDA0002615709540000111
其中，dst(x，y)为图像中某一点的灰度值，T为阈值。以此，通过对图像的二值化处理，实现对图像中拉链和背景的分离。如图8所示。
S5、拉链宽度计算：
在其领域内，计算一阶偏导数、，则像素点处的梯度值为：
Figure BDA0002615709540000112
若该点处梯度值M＞0，表明该像素点处灰度值存在阶跃，则该点被认为是边缘点。
用图像空间的边缘数据点计算参数空间中的参考点的可能轨迹，并在一个累加器中给计算出参考点的计数，最后选出峰值。该峰值表明在图像空间上有一共线点较多的直线。通过霍夫直线变换所提取的直线即为拉链的两侧边缘线，如图9所示。
拉链宽度计算：经过霍夫直线变换，提取得到拉链的两侧边缘线信息后，选择其中一条直线，在该直线上选取若干个点，分别计算该点到另一直线的距离。该若干距离的平均值，认为是两条直线之间的像素距离，其表征拉链两条边缘线在采集图像中所距的像素个数，最终乘以像素当量，即为所求拉链宽度。
S6、ROI区域提取：依据二值化图像中对拉链与背景分离的结果，提取拉链区域图像。在二值化图像中，大面积存在的灰度值为255的点，被认为是拉链区域。根据这部分像素点的坐标，选取合适大小及位置的矩形区域，该矩形区域需尽可能小并同时包含所有拉链区域像素点。将该矩形区域在原图中包含的像素点提取出来，即可获得所需区域图像，即拉链区域图像。如图10所示。
拉链缺陷识别：利用WOV法获取最佳阈值，利用该阈值对图像进行二值化处理，表达式如下：
Figure BDA0002615709540000113
经过此处理，图像中拉链区域像素点灰度值为255，缺陷区域像素点灰度值为0。如图11所示。
遍历图像中像素点，寻找灰度值为0的像素点，即可识别拉链表面的缺陷部分。
本发明的基于机器视觉的自封拉链质量在线检测方法，通过一种在线检测装置，并且基于机器视觉实现自封拉链质量的在线检测，旨在实现拉链质量的在线自动化检测，以精确实时的发现质量不合格产品，并及时调整生产设备，提高生产良品率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述在线检测方法使用一种在线检测装置；所述在线检测装置包括测宽机构和检测机构；
所述测宽机构包括测宽平面支架(301)，所述测宽平面支架(301)的顶部固定有一个测宽平板(302)，所述测宽平板(302)的长度方向设置有对称分布的两个压料板(304)，所述压料板(304)与所述测宽平板(302)的上表面之间具有供所述自封拉链通过的间隙，所述测宽平板(302)的长度方向的两端分别凹陷形成有一个料槽；
所述检测机构包括支架(405)，所述支架(405)位于所述测宽平板(302)的一侧，所述支架(405)的顶部固定有调节平板(406)，所述调节平板(406)的一部分位于所述测宽平板(302)的上方，所述调节平板(406)的底部固定有一个环形光源(404)，所述调节平板(406)的顶部滑动连接一个X向滑块(408)，所述X向滑块(408)的顶部固定有一个水平设置的Y向滑台(410)，所述Y向滑台(410)上滑动连接一个YZ连接块(411)，所述YZ连接块(411)上固定有一个竖直设置的Z向滑台(412)，所述Z向滑台(412)上滑动连接一个相机连接块(413)，所述相机连接块(413)上固定有一个工业相机(401)，所述工业相机(401)位于所述环形光源(404)的上方；
所述工业相机(401)连接有图像处理单元；
所述在线检测方法包括以下步骤：
S1、视觉系统安装与标定：安装并调试工业相机(401)，通过张氏标定法对相机内参、外参系数进行标定，以对采集图像进行矫正，获得畸变较小的图像；同时需标定像素当量，像素当量指的是采集获得的图像中，一个像素对应的实际长度，其计算表达式如下：
Figure FDA0002615709530000011
其中，K为像素当量，l为标尺对应的长度，N为标尺长度在图像中所占的像素个数；标尺指的是一个已知长度的标准物体；
S2、图像采集：打开所述环形光源(404)，调至合适亮度，调节工业相机(401)位置，使拉链在相机视野正中心；调节镜头焦距、光圈，使采集图像有清晰的拉链和背景区域；
S3、图像预处理：对采集图像进行图像灰度化、图像滤波、图像增强等操作，使得拉链与背景区域区分更加明晰，为后期处理提供帮助。
S4、分离拉链与背景区域：
通过算法获取最佳阈值，遍历图像中所有像素，灰度值小于等于阈值的点，将其灰度值置为0，即将该像素划分为背景；灰度值大于阈值的点，将其灰度值置为255，即将该像素划分为目标。具体表达式如下：
Figure FDA0002615709530000021
其中，dst(x，y)为图像中某一点的灰度值，T为阈值；以此，通过对图像的二值化处理，实现对图像中拉链和背景的分离；
S5、拉链宽度计算：
1.图像边缘提取：在其领域内，计算一阶偏导数、，则像素点处的梯度值为：
Figure FDA0002615709530000022
若该点处梯度值M＞0，表明该像素点处灰度值存在阶跃，则该点被认为是边缘点；
2.霍夫直线变换提取直线：用图像空间的边缘数据点计算参数空间中的参考点的可能轨迹，并在一个累加器中给计算出参考点的计数，最后选出峰值；该峰值表明在图像空间上有一共线点较多的直线；通过霍夫直线变换所提取的直线即为拉链的两侧边缘线；
拉链宽度计算：经过霍夫直线变换，提取得到拉链的两侧边缘线信息后，选择其中一条直线，在该直线上选取若干个点，分别计算该点到另一直线的距离。该若干距离的平均值，认为是两条直线之间的像素距离，其表征拉链两条边缘线在采集图像中所距的像素个数，最终乘以像素当量，即为所求拉链宽度；
S6、表面缺陷检测：
1.ROI区域提取：依据二值化图像中对拉链与背景分离的结果，提取拉链区域图像；在二值化图像中，大面积存在的灰度值为255的点，被认为是拉链区域；根据这部分像素点的坐标，选取合适大小及位置的矩形区域，该矩形区域需尽可能小并同时包含所有拉链区域像素点。将该矩形区域在原图中包含的像素点提取出来，即可获得所需区域图像，即拉链区域图像；
3.图像二值化：通过算法获取最佳阈值，利用该阈值对图像进行二值化处理，表达式如下：
Figure FDA0002615709530000031
经过此处理，图像中拉链区域像素点灰度值为255，缺陷区域像素点灰度值为0；
2.拉链缺陷识别：以一定大小的窗口扫描二值化图像，寻找连通的灰度值为0像素点，即可识别拉链表面的缺陷部分。
2.如权利要求1所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：还包括支撑机构，所述支撑机构包括底板(101)和支腿(102)，所述支腿(102)固定在所述底板(101)的底部；
所述测宽平面支架(301)固定在所述底板(101)上。
3.如权利要求1所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：还包括输送机构，所述输送机构设置有两个且对称分布于所述测宽机构的上游和下游；
每一个所述输送机构包括一个传动背板(201)，所述传动背板(201)固定在所述底板(101)上，所述传动背板(201)的一侧面上设置有相对设置的固定胶辊(205)和可动胶辊(209)，所述固定胶辊(205)和所述可动胶辊(209)具有供所述自封拉链通过的间隙，所述固定胶辊(205)的下游设置有滚轮(207)，所述可动胶辊(209)通过一个辊轴转动连接所述传动背板(201)，所述固定胶辊(205)和所述滚轮(207)均可转动的连接在所述传动背板(201)上，所述固定胶辊(205)连接一个电机(214)的输出轴，所述电机(214)安装在所述传动背板(201)上。
4.如权利要求1所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述传动背板(201)固定连接一个支架(213)。
5.如权利要求3所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述传动背板(201)上固定有一个连接板(210)，所述可动胶辊(209)连接在所述连接板(210)上，所述的顶部转动连接一个螺纹杆的一端，所述连接板(210)的上方设置有一个固定在所述传动背板(201)上的手轮撑板(211)，所述螺纹杆的另一端向上穿过所述手轮撑板(211)且固定连接一个调节手轮(212)，所述螺纹杆螺接所述手轮撑板(211)。
6.如权利要求5所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述传动背板(201)上固定有一个弹簧撑板(201)，所述弹簧撑板(210)的顶部固定连接一个弹簧(203)的一端，所述弹簧(203)的另一端固定连接所述连接板(210)。
7.如权利要求1所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述压料板(304)上安装有两个固定螺钉(303)，所述固定螺钉(303)可拆卸的连接所述测宽平板(302)；
两个所述固定螺钉(303)之间具有供所述自封拉链通过的间隙。
8.如权利要求1所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述调节平板(406)的顶部具有一个导轨(407)，所述X向滑块(408)安装在所述导轨(407)上。
9.如权利要求1所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述支架(405)设置有两个且分别位于所述测宽平板(302)宽度方向的两侧。
10.如权利要求1所述的基于机器视觉的自封拉链质量在线检测方法，其特征在于：所述测宽平面支架(301)设置有四个，每一个所述测宽平面支架(301)通过至少两个固定螺栓连接所述测宽平板(302)。
CN202010768831.9A 2020-08-03 2020-08-03 基于机器视觉的自封拉链质量在线检测方法 Active CN111981990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010768831.9A CN111981990B (zh) 2020-08-03 2020-08-03 基于机器视觉的自封拉链质量在线检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010768831.9A CN111981990B (zh) 2020-08-03 2020-08-03 基于机器视觉的自封拉链质量在线检测方法

Publications (2)

Publication Number Publication Date
CN111981990A true CN111981990A (zh) 2020-11-24
CN111981990B CN111981990B (zh) 2022-02-01

Family

ID=73445789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010768831.9A Active CN111981990B (zh) 2020-08-03 2020-08-03 基于机器视觉的自封拉链质量在线检测方法

Country Status (1)

Country Link
CN (1) CN111981990B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945972A (zh) * 2021-01-29 2021-06-11 徐州科瑞矿业科技有限公司 一种基于机器视觉的钢丝绳状态检测装置及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009128815A (ja) * 2007-11-27 2009-06-11 Ntn Corp カラーフィルタ欠陥修正装置およびカラーフィルタ欠陥修正方法
CN101929873A (zh) * 2009-06-18 2010-12-29 福建浔兴拉链科技股份有限公司 链牙检测器、链牙检测方法及使用该检测器的拉链注塑机
CN102331232A (zh) * 2011-05-19 2012-01-25 苏州千兆自动化科技有限公司 一种基于机器视觉的手机卡勾检测装置及检测方法
CN102495076A (zh) * 2011-12-07 2012-06-13 广东辉丰科技股份有限公司 一种基于机器视觉的拉链金属链牙缺陷检测方法
CN102495069A (zh) * 2011-12-07 2012-06-13 广东辉丰科技股份有限公司 一种基于数字图像处理的拉链链带缺陷检测方法
CN205748443U (zh) * 2016-05-31 2016-11-30 浙江伟星实业发展股份有限公司 一种拉链检测装置
CN108180837A (zh) * 2018-02-09 2018-06-19 中国计量大学 一种拉链尺寸图像采集装置及基于该装置的在线视觉检测系统
CN109781022A (zh) * 2017-11-13 2019-05-21 Ykk株式会社 拉链链牙检查装置
CN109829876A (zh) * 2018-05-30 2019-05-31 东南大学 基于机器视觉的链板缺陷在线检测装置及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009128815A (ja) * 2007-11-27 2009-06-11 Ntn Corp カラーフィルタ欠陥修正装置およびカラーフィルタ欠陥修正方法
CN101929873A (zh) * 2009-06-18 2010-12-29 福建浔兴拉链科技股份有限公司 链牙检测器、链牙检测方法及使用该检测器的拉链注塑机
CN102331232A (zh) * 2011-05-19 2012-01-25 苏州千兆自动化科技有限公司 一种基于机器视觉的手机卡勾检测装置及检测方法
CN102495076A (zh) * 2011-12-07 2012-06-13 广东辉丰科技股份有限公司 一种基于机器视觉的拉链金属链牙缺陷检测方法
CN102495069A (zh) * 2011-12-07 2012-06-13 广东辉丰科技股份有限公司 一种基于数字图像处理的拉链链带缺陷检测方法
CN205748443U (zh) * 2016-05-31 2016-11-30 浙江伟星实业发展股份有限公司 一种拉链检测装置
CN109781022A (zh) * 2017-11-13 2019-05-21 Ykk株式会社 拉链链牙检查装置
CN108180837A (zh) * 2018-02-09 2018-06-19 中国计量大学 一种拉链尺寸图像采集装置及基于该装置的在线视觉检测系统
CN109829876A (zh) * 2018-05-30 2019-05-31 东南大学 基于机器视觉的链板缺陷在线检测装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何用辉: "基于机器视觉的金属拉链缺陷检测研究", 《长春师范大学学报》 *
范娟等: "基于机器视觉技术的拉链智能检测技术研究", 《科技经济导刊》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112945972A (zh) * 2021-01-29 2021-06-11 徐州科瑞矿业科技有限公司 一种基于机器视觉的钢丝绳状态检测装置及方法
CN112945972B (zh) * 2021-01-29 2022-04-15 徐州科瑞矿业科技有限公司 一种基于机器视觉的钢丝绳状态检测装置及方法

Also Published As

Publication number Publication date
CN111981990B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
CN105548212B (zh) 一种触摸屏玻璃表面瑕疵在线自动化检测系统及方法
CN104634791B (zh) 条形工件表面缺陷全方位视觉在线检测系统
CN2932377Y (zh) 流水式机器视觉检测仪
CN102495076B (zh) 一种基于机器视觉的拉链金属链牙缺陷检测方法
CN106018422B (zh) 基于匹配的异形冲压件轮廓缺陷视觉检测系统及方法
CN110216080A (zh) 一种基于图像对比的pcb加工产线的质量监控系统
CN203124215U (zh) 一种封框胶涂布机
CN108760747A (zh) 一种3d打印模型表面缺陷视觉检测方法
CN103323457A (zh) 水果外观缺陷实时在线检测系统及检测方法
CN104677912B (zh) 产品外观检测系统及检测方法
CN108489394A (zh) 一种大尺寸薄板金属工件几何质量自动检测装置及方法
CN109584239B (zh) 一种基于反射光的高光物体表面缺陷检测系统及方法
KR101715897B1 (ko) 사출성형 플라스틱의 검사 시스템
CN103076345A (zh) 一种ito导电玻璃的检测方法及其全自动光学检测系统
CN111981990B (zh) 基于机器视觉的自封拉链质量在线检测方法
CN109358067A (zh) 基于计算机视觉的马达环形压敏电阻缺陷检测系统及方法
CN204182595U (zh) 一种锂离子电池表面缺陷检测设备
CN109406526A (zh) 一种树脂镜片烟雾缺陷检测装置
CN110096980A (zh) 字符检测识别系统
CN111672773A (zh) 基于机器视觉的产品表面缺陷检测系统及检测方法
Fu et al. Medicine glass bottle defect detection based on machine vision
CN111693535A (zh) 基于机器视觉分析的触摸屏缺陷检测设备及方法
CN112129783A (zh) 基于深度学习的透明药瓶底部缺陷检测装置与检测方法
CN205593939U (zh) 一种镜片面状疵病自动检测装置
CN208042989U (zh) 一种大尺寸薄板金属工件几何质量自动检测装置

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