CN112084964A - 产品识别设备、方法及存储介质 - Google Patents

产品识别设备、方法及存储介质 Download PDF

Info

Publication number
CN112084964A
CN112084964A CN202010956641.XA CN202010956641A CN112084964A CN 112084964 A CN112084964 A CN 112084964A CN 202010956641 A CN202010956641 A CN 202010956641A CN 112084964 A CN112084964 A CN 112084964A
Authority
CN
China
Prior art keywords
product
image
identified
identification
area
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
CN202010956641.XA
Other languages
English (en)
Inventor
张凯伦
张太鹏
陈龙
费晨
姜豪
刘风雷
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.)
Zhejiang Crystal Optech Co Ltd
Original Assignee
Zhejiang Crystal Optech 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 Zhejiang Crystal Optech Co Ltd filed Critical Zhejiang Crystal Optech Co Ltd
Priority to CN202010956641.XA priority Critical patent/CN112084964A/zh
Publication of CN112084964A publication Critical patent/CN112084964A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • 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
    • 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
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • 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
    • 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
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Vascular Medicine (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种产品识别设备、方法及存储介质，设备包括：传送部，用于传送待识别产品；传感器，用于在检测到感应区域内存在待识别产品时生成触发指令，其中，传送部传送的待识别产品会经过感应区域；高速摄像装置，用于根据触发指令对识别区域进行拍摄，得到包含待识别产品的第一图像，其中，传送部传送的待识别产品会经过识别区域；控制器，用于基于第一图像，对待识别产品进行识别。传感器在拍摄前的检测能够保证第一图像中包含待识别产品，而高速摄像装置保证了飞拍过程中第一图像的图像质量，从而为产品的准确识别提供基础。因此，产品识别设备能够高效精准地实现对产品的分拣，节省大量的人力和成本。

Description

产品识别设备、方法及存储介质
技术领域
本申请涉及图像识别技术领域，具体而言，涉及一种产品识别设备、方法及存储介质。
背景技术
现有技术中，生产厂商通常生产一种或多种产品，这些产品中可能会存在结构较为类似的产品品种，而产品的分拣，是保证产品出厂合格的重要一环。例如，齿轮加工生产厂商，通常生产数量巨大且结构类似的齿轮产品，齿轮种类多，重量大，采用人工拣选的方式费时费力，检测效率低，而且错捡率、漏检率较高。人工对类似产品拣选的方式，造成厂家人工成本高，而错捡、漏检等情况，还会面临对产品买方高额的违约赔偿。
现有技术中，也存在一些基于齿轮面积、齿的个数等特征将齿轮与模板匹配，实现对齿轮进行识别的技术。但现有的技术但对于形状、大小、结构相似的齿轮很难区分，检测种类限制较大。并且，现有技术中对齿轮识别时通常采用静态拍照的方式，分拣效率低。
发明内容
本申请实施例的目的在于提供一种产品识别设备、方法及存储介质，以高效精准地实现对产品的分拣。
为了实现上述目的，本申请的实施例通过如下方式实现：
第一方面，本申请实施例提供一种产品识别设备，所述设备包括：传送部，用于传送待识别产品；传感器，用于在检测到感应区域内存在所述待识别产品时生成触发指令，其中，所述传送部传送的所述待识别产品会经过所述感应区域；高速摄像装置，用于根据所述触发指令对识别区域进行拍摄，得到包含所述待识别产品的第一图像，其中，所述传送部传送的所述待识别产品会经过所述识别区域；控制器，用于基于所述第一图像，对所述待识别产品进行识别。
在本申请实施例中，通过传送部传送待识别产品，在待识别产品传送至感应区域时，传感器可以检测到待识别产品而生成触发指令，高速摄像装置可以根据触发指令对传送至识别区域的该待识别产品进行拍摄得到第一图像(包含该待识别产品)，从而使得控制器基于第一图像对该待识别产品进行识别。这样的方式可以实现对待识别产品的飞拍检测，能够大大提高识别效率(也即分拣效率)。传感器在拍摄前的检测能够保证第一图像中包含待识别产品，而高速摄像装置保证了飞拍过程中第一图像的图像质量，从而为产品的准确识别提供基础。因此，产品识别设备能够高效精准地实现对产品的分拣，节省大量的人力和成本。
结合第一方面，在第一方面的第一种可能的实现方式中，所述控制器用于：从所述第一图像中获取目标区域图像，其中，所述目标区域图像表示相对于所述待识别产品的位置相对固定的区域的图像；对所述目标区域图像进行特征提取，确定出所述目标区域图像的图像特征；将所述目标区域图像的图像特征与预设图像特征进行比对，实现对所述待识别产品的识别。
在该实现方式中，控制器通过从第一图像中获取目标区域图像(相对于待识别产品的位置相对固定的区域的图像)，并对目标区域图像进行特征提取，确定出目标区域图像的图像特征，从而将目标区域图像的图像特征与预设图像特征进行比对，实现对待识别产品的识别。这样的识别方式，可以通过对产品在某个确定位置的特征(该特征通常为区别于类似产品的独有特征)的检测，判断该待识别产品与目标产品(即确定的一种产品，例如，从所有产品中分拣出产品A)是否一致。这样的方式能够显著降低图像处理的数据量，从而能够与飞拍方式的拍摄速率配合，显著提升产品的分拣(识别)效率。
结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述控制器用于：对所述第一图像中的待识别产品进行定位，得到所述待识别产品的图像坐标；根据所述待识别产品的图像坐标，确定出所述待识别产品的像素坐标；根据所述待识别产品的像素坐标，确定出所述目标区域图像。
在该实现方式中，通过对第一图像中的待识别产品进行定位，可以得到待识别产品的图像坐标，进一步可以确定出待识别产品的像素坐标，从而可以确定出目标区域图像(例如待识别产品上某个固定的区域)。这样的方式可以简单且精准地获取目标区域图像。
结合第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述控制器用于：对所述目标区域图像进行卷积操作，提取所述目标区域图像的锐利边缘；根据所述锐利边缘和灰度阈值参数，得到所述目标区域图像的边缘特征，其中，所述边缘特征包括边缘的像素坐标。
在该实现方式中，通过对目标区域图像进行卷积操作，提取目标区域图像的锐利边缘，进一步基于灰度阈值参数(可以预设，也可以即时确定)得到目标区域图像的边缘特征(即图像特征)。这样的方式可以保证获取的目标区域图像的边缘特征(即图像特征)的准确性，提升获取的图像特征的精度。
结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述预设图像特征包括位置和尺寸，所述控制器用于：根据所述边缘特征，确定出所述边缘特征在像素空间中的位置及尺寸；将所述边缘特征的位置与所述预设图像特征的位置进行比对，得到位置比对结果，以及，将所述边缘特征的尺寸与所述预设图像特征的尺寸进行比对，得到尺寸比对结果；若所述位置比对结果处于预设位置差异内，且所述尺寸比对结果处于预设尺寸差异内，确定所述待识别产品与所述预设图像特征对应的产品同类。
在该实现方式中，通过边缘特征可以确定出该边缘特征在像素空间中的位置及尺寸，从而与预设图像特征的位置及尺寸进行比对，得到位置比对结果和尺寸比对结果，进而判断出该待识别产品是否与预设图像特征对应的产品同类。这样的方式可以通过特征所在的位置和尺寸来进行对比，能够实现对极为相似的产品的鉴别。
结合第一方面，结合第一方面的第一种直第四种中任一可能的实现方式，在第一方面的第五种可能的实现方式中，所述高速摄像装置包括工业相机和工业镜头，所述工业镜头设置在所述工业相机上，用于提升所述工业相机的清晰度；所述工业相机用于基于所述工业镜头对所述识别区域进行拍摄。
在该实现方式中，高速摄像装置包括工业相机和工业镜头，工业相机能够适应高速拍摄的场景，且能够稳定运行，而工业镜头有利于提升工业相机拍摄的第一图像的图像质量。
结合第一方面，结合第一方面的第一种直第四种中任一可能的实现方式，在第一方面的第六种可能的实现方式中，所述产品识别设备还包括清扫装置，所述清扫装置，用于对处于清扫区域的所述待识别产品进行清扫，其中，所述传送部传送的所述待识别产品会经过所述清扫区域。
在该实现方式中，清扫装置可以对处于清扫区域的待识别产品进行清扫，尽可能避免杂尘对待识别产品的影响，有利于保证产品识别的准确性。
结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述传送部用于：传送所述待识别产品依次经过所述感应区域、所述清扫区域和所述识别区域；或者，传送所述待识别产品依次经过所述清扫区域、所述感应区域和所述识别区域。
在该实现方式中，传送部可以传送待识别产品依次经过感应区域、清扫区域和识别区域(或者，清扫区域、感应区域和识别区域)，这样可以在识别前(或者感应前)，除去产品上的杂质，有利于保证识别的可靠性。
结合第一方面，结合第一方面的第一种直第四种中任一可能的实现方式，在第一方面的第八种可能的实现方式中，所述产品识别设备还包括光源，所述光源用于向所述识别区域提供光照。
在该实现方式中，光源可以向识别区域提供光照，保证包含待识别产品的第一图像的成像质量。
第二方面，本申请实施例提供一种产品识别方法，所述方法包括：获取包含待识别产品的第一图像；从所述第一图像中获取目标区域图像，其中，所述目标区域图像表示相对于所述待识别产品的位置相对固定的区域的图像；对所述目标区域图像进行特征提取，确定出所述目标区域图像的图像特征；将所述目标区域图像的图像特征与预设图像特征进行比对，实现对所述待识别产品的识别。
第三方面，本申请实施例提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如第二方面所述的产品识别方法。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，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产品识别设备的结构示意图。
图2为本申请实施例提供的一种产品识别设备的示意图。
图3为本申请实施例提供的一种包含待识别产品的第一图像的示意图。
图4为本申请实施例提供的一种像素空间坐标的示意图。
图5为本申请实施例提供的一种对齿轮进行定位的示意图。
图6为本申请实施例提供的从第一图像中确定出目标区域图像的示意图。
图7为本申请实施例提供的提取第一图像的边缘特征的示意图。
图8为本申请实施例提供的提取图像特征时灰度阈值参数的示意图。
图9为本申请实施例提供的目标区域图像的图像特征的示意图。
图10为本申请实施例提供的像素值坐标图、一阶导坐标图及二阶导坐标图。
图11为本申请实施例提供的产品识别设备的工作流程示意图。
图12为本申请实施例提供的一种产品识别方法的流程图。
图标：100-产品识别设备；110-传送部；120-清扫装置；130-传感器；140-高速摄像装置；141-工业相机；142-工业镜头；150-光源。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
请结合参阅图1和图2，图1为本申请实施例提供的一种产品识别设备的结构示意图，图2为本申请实施例提供的一种产品识别设备100的示意图。在本实施例中，产品识别设备100可以包括传送部110、传感器130、高速摄像装置140和控制器。在一些可能的实现方式中，产品识别设备100还可以包括光源150、清扫装置120等，或者，还包括上料区(将待识别产品放到传送部110上的放置区域)、下料区(将识别后的产品分拣到对应位置的区域)等，此处不作限定。
示例性的，传送部110用于传送待识别产品。例如，传送部110可以为传送带，当然，也可以为其他类型的传送装置，例如旋转传送装置(即通过旋转将产品运送至不同部位)。
示例性的，清扫装置120、传感器130、高速摄像装置140可以设置在传送部110的不同位置，分别对应不同的区域。例如，清扫装置120对应清扫区域，传感器130对应感应区域，高速摄像装置140对应识别区域。光源150也可以对应识别区域，或者对应一个更大的区域，但这个区域涵盖识别区域。传送部110可以传送待识别产品依次经过清扫区域、感应区域、识别区域，或者，依次经过感应区域、清扫区域、识别区域。可以根据不同的需求选取合适的模式，还可以选取其他的模式，例如，依次经过感应区域、识别区域、清扫区域，此处不作限定。本实施例中以依次经过清扫区域、感应区域、识别区域为例，不应视为对本申请的限定。
示例性的，清扫装置120可以为吹扫器，用于对处于清扫区域的待识别产品(即传送部110将待识别产品传送至清扫区域)进行清扫，去除产品上的杂尘。例如，产品为齿轮时，清扫装置120可以将齿轮表面的油渍、灰尘和其他杂物尽可能去除掉。这样能够尽可能避免杂尘(例如油渍、灰尘和其他杂物等)对待识别产品的影响，有利于保证产品识别的准确性和可靠性。
示例性的，传感器130可以为激光传感器，用于在检测到感应区域内存在待识别产品(即检测到传送部110将待识别产品传送至感应区域)时，生成触发指令，以使高速摄像装置140基于该触发指令进行拍摄。
例如，传感器130可以与控制器连接，而控制器可以基于传感器130发送的触发指令生成拍照指令，将拍照指令发送给高速摄像装置140，以使高速摄像装置140根据该拍摄指令进行拍摄。或者，传感器130将触发指令发送至高速摄像装置140内的主控模块，使得高速摄像装置140内的主控模块控制高速摄像装置140进行拍摄，此处不作限定。
示例性的，高速摄像装置140能够进行高速拍摄(例如每秒拍摄1～60次，此处仅是举例，不作限定)，且在高速拍摄的过程中，能够保证图像的质量和拍摄的稳定性。基于此，高速摄像装置140可以根据触发指令(或者基于触发指令生成的拍照指令)对识别区域(拍摄时传送部110已将该待识别产品传送至识别区域中)进行拍摄，得到包含该待识别产品的第一图像。这样可以实现对待识别产品的飞拍(且图像质量稳定)，无需静止拍摄，可以大大提升待识别产品的拍摄效率。
在本实施例中，高速摄像装置140可以包括工业相机141和工业镜头142，工业镜头142可以设置在工业相机141上，用于提升工业相机141的清晰度，工业相机141则可以基于工业镜头142对识别区域进行拍摄，以获得包含待识别产品的第一图像。
示例性的，工业相机141可以采用1200万分辨率高帧率工业相机141，最高帧率可达60FPS(Frames Per Second，每秒传输帧数)，拍射一张图像理论上只需17ms(毫秒)。而1200万分辨率，可以保证对齿轮特征的充分提取(即在第一图像中能够充分显示产品细节)，减少漏检，错检的几率。以及，60FPS帧率可以保证齿轮在传送带上高速经过时，工业相机141可以稳定拍照，从而保证检测速度。
示例性的，工业镜头142的焦距可以为12mm(也可以根据实际情况选取其他焦距的工业镜头142，此处不作限定)，以保证工业相机141的清晰度。这样的工业镜头142具有很好的光学特性，更高的清晰度，更优越的光谱透射能力和光谱矫正能力，从而可以提升工业相机141拍摄的第一图像的成像质量。
另外，光源150可以为识别区域提供稳定的光照，保证环境光线，有利于保证第一图像的成像质量。而传送部110传送待识别产品依次经过感应区域、清扫区域和识别区域，可以在产品经过感应区域时得到触发信号，在到达清扫区域前，可以控制清扫装置120做好清扫准备；而在拍摄时，也能够避免杂物对第一图像中待识别产品的图像特征的影响，从而保证对待识别产品识别的准确性。而传送部110传送待识别产品依次经过清扫区域、感应区域和识别区域，则可以在传感器130感应前就完成对待识别产品的清扫，从而减少待识别产品从感应区域到识别区域间所需要经历的过程，从而在时间的控制上具有更高的准确性，保证飞拍过程中，高速摄像装置140拍摄的第一图像中均能够准确地拍摄到待识别产品，且待识别产品在第一图像中的区域较为稳定(即多个第一图像中的待识别产品所占据的区域差异较小)，有利于对待识别产品的识别。
示例性的，高速摄像装置140拍摄的包含待识别产品的第一图像如图3所示。
在高速摄像装置140拍摄到包含待识别产品的第一图像后，可以将第一图像发送给控制器，以使控制器基于第一图像对产品进行识别。
在本实施例中，控制器基于第一图像对产品的识别，可以通过以下方式实现：
示例性的，控制器可以从第一图像中获取目标区域图像(表示相对于待识别产品的位置相对固定的区域的图像，通常为包含该类产品与其他近似产品相区别的独有特征的部分)。
例如，产品A与产品B类似，产品A与产品B不同的地方在于，产品A的某个部位上具有一个凹槽(或凸起)，而产品B在该部位却没有凹槽(或凸起)，或者，产品B在该部位具有一个其他形状的结构，那么，可以将包含该部位的一个区域作为需要检测的目标区域，而该产品的目标区域在图像中对应的部位即为需要获取的目标区域图像。当然，此处以凹槽(或凸起)所在的部位为例，仅是示例性的，在实际中，可以根据相似产品的具体区别特征部位来进行确定，例如，齿轮的齿数不同，齿轮的齿数相同但齿的长度不同，或者，齿的倾角不同，一种为圆弧齿，一种为尖角齿等，那么可以确定出包含能够区别相似产品的区别特征的部位作为目标区域图像，此处不作限定。
请参阅图3，示例性的，产品为齿轮(即目标齿轮，预先选定的一种齿轮类别，在识别过程中，需要识别出该类别的齿轮，即判断一个待识别的齿轮是否与目标齿轮同类别)，而该齿轮与相似齿轮的区别特征为：该齿轮的中心通孔部分具有一个小的凸起，而其他类似产品中不含这一特征。以此为例，进行后续产品识别过程的介绍，但不应视为对本申请的限定。
在本实施例中，控制器从第一图像中获取目标区域图像的具体方式可以为：控制器可以对第一图像中的待识别产品进行定位(由于产品的摆放位置存在差异)，得到待识别产品的图像坐标(即待识别产品在图像空间中的坐标)。然后根据待识别产品的图像坐标，确定出待识别产品的像素坐标(即待识别产品在像素空间中的坐标)。具体通过图像坐标转换到像素坐标的方式可以选用成熟的坐标转换方式，此处不再赘述。而后，控制器可以根据待识别产品的像素坐标，确定出目标区域图像。
请参阅图4和图5，图4为本申请实施例提供的一种像素空间坐标的示意图，图5为本申请实施例提供的一种对齿轮进行定位的示意图。
示例性的，控制器可以基于该产品(齿轮)的区别特征(中心通孔部分的凸起)，实现对第一图像中齿轮的定位。例如，通过对第一图像中的产品进行轮廓识别(整体轮廓或者部分轮廓，此处不作限定)，确定出该区别特征(中心通孔部分的凸起)的所在位置，从而实现对产品的定位，得到待识别产品在第一图像中的图像坐标。
通过这种方式可以快速准确地实现对第一图像中待识别产品的定位。但此种方式对于不含该区别特征的产品难以实现，因此，本实施例中还可以采用多种不同的定位方式实现对待识别产品在第一图像中的定位。例如，采用定位算法，通过仿射变换、平移、旋转等处理，将待识别产品的图像坐标和空间坐标统一，依次实现对待识别产品的定位，由此可以确定出待识别产品在第一图像中的图像坐标。因此，对第一图像中待识别产品的定位的具体方式不应视为对本申请的限定，可以根据实际情况(例如待识别产品的区别特征，与相似产品的共有特征等)，选取合适的定位方式。
控制器实现对第一图像中待识别产品的定位，得到待识别产品在第一图像中的图像坐标后，可以根据待识别产品的图像坐标进一步确定出待识别产品的像素坐标。例如，通过待识别产品的图像坐标，结合定位后将图像坐标与像素坐标统一而产生的变换量(例如平移量、旋转量等)，得到待识别产品的像素坐标。
得到待识别产品的像素坐标后，控制器可以根据待识别产品的像素坐标，确定出目标区域图像。例如，目标区域图像的像素坐标范围可以为(x，y)，(x+j，y)，(x+j，y+k)，(x，y+k)所表示的像素坐标范围。目标区域图像的像素坐标范围也可以为(x，y)，(x+j，y)，(x+j，y+k)，(x，y+k)旋转一定角度(图像坐标与像素坐标统一时需要旋转的角度)和平移一定像素(图像坐标与像素坐标统一时需要平移的像素量)后表示的范围。如图6所示，图6示出了从第一图像中确定出目标区域图像的示意图。
通过对第一图像中的待识别产品进行定位，可以得到待识别产品的图像坐标，进一步可以确定出待识别产品的像素坐标，从而可以确定出目标区域图像(例如待识别产品上某个固定的区域)。这样的方式可以简单且精准地获取目标区域图像。
需要说明的是，这样确定目标区域图像的方式仅是一种示例性的方式，还可以有其他方式确定出目标区域图像。例如，控制器也可以通过模板匹配、形状匹配、边缘特征匹配等方式来匹配某些结构，实现对目标区域图像的确定。例如，通过对区别特征的匹配，来确定目标区域图像；或者通过对共有特征的匹配，结合区别特征与共有特征的位置差异，来间接地确定应当包含区别特征(即目标产品包含该区别特征)的目标区域图像，可以根据实际需要选取合适的方式确定目标区域图像，此处不作限定。
确定出目标区域图像后，控制器可以对目标区域图像进行特征提取，确定出目标区域图像的图像特征。示例性的，控制器可以对目标区域图像进行卷积操作，提取目标区域图像的锐利边缘；然后根据锐利边缘和灰度阈值参数，得到目标区域图像的边缘特征(包括边缘的像素坐标)。此处的灰度阈值参数可以为预设的参数，例如预设灰度参数为155；灰度阈值参数也可以为根据目标区域图像的灰度分布而确定的参数，例如，为最大灰度值的一半，60％等，或者，为最大灰度值与最小灰度值的均值等，此处不作限定。
通过对目标区域图像进行卷积操作，提取目标区域图像的锐利边缘，进一步基于灰度阈值参数(可以预设，也可以即时确定)得到目标区域图像的边缘特征(即图像特征)。这样的方式可以保证获取的目标区域图像的边缘特征(即图像特征)的准确性，提升获取的图像特征的精度。
确定出目标区域图像的图像特征后，控制器可以将目标区域图像的图像特征与预设图像特征进行比对，实现对待识别产品的识别。
示例性的，控制器可以根据边缘特征(目标区域图像的图像特征)，确定出边缘特征在像素空间中的位置及尺寸。而后，控制器可以将边缘特征的位置与预设图像特征的位置进行比对，得到位置比对结果，以及，将边缘特征的尺寸与预设图像特征的尺寸进行比对，得到尺寸比对结果。若位置比对结果处于预设位置差异内，且尺寸比对结果处于预设尺寸差异内，控制器即可确定待识别产品与预设图像特征对应的产品同类。若位置比对结果未处于预设位置差异内，或者，尺寸比对结果未处于预设尺寸差异内，则可以确定待识别产品与预设图像特征对应的产品不是同类，从而可以将与目标产品不一致的相似产品分拣出去。
通过边缘特征可以确定出该边缘特征在像素空间中的位置及尺寸，从而与预设图像特征的位置及尺寸进行比对，得到位置比对结果和尺寸比对结果，进而判断出该待识别产品是否与预设图像特征对应的产品同类。这样的方式可以通过特征所在的位置和尺寸来进行对比，能够实现对极为相似的产品的鉴别。
示例性的，可以利用Blob工具，结合上述方法，从第一图像中提取目标区域图像(如图7所示，可以实现边缘提取，根据边缘对图像进行分割，以确定出目标区域图像)。而后，可以提取目标区域图像的图像特征(例如边缘特征)，如图8所示，X轴表示像素值0-255，Y轴表示每个像素值的个数，横线为灰度阈值。通过以下公式，可以提取出目标区域图像的图像特征：
Figure BDA0002678100040000131
Figure BDA0002678100040000132
Figure BDA0002678100040000133
其中，dst(x，y)表示处理后的(x，y)点的像素值；maxVal表示最大像素值；scr(x，y)表示处理前的(x，y)点的像素值；thresh表示像素阈值；threshold表示像素阈值。
提取出的目标区域图像的图像特征如图9所示，此处的图像特征并非针对产品，而是一个示例性的说明，表明提取的图像特征可以为边缘特征。
提取出目标区域图像的图像特征后，可以将目标区域图像的图像特征与预设图像特征进行比对，从而实现对待识别产品的识别。
示例性的，也可以利用FindLine和FindCircle等工具结合上述方法，实现对待识别产品的目标区域图像的确定，对目标区域图像的图像特征的提取。
例如，可以在图像上截取感兴趣坐标区域(即目标图像区域)，以减少算法处理像素尺寸，提高处理速度。而后，可以对目标区域图像进行特征提取：首先，可以确定寻找方向，并获取这个这个方向上的一组像素灰度值，求其二阶导数，如图10所示(三个部分从左至右分别表示原图像像素值坐标图，一阶导坐标图，二阶导坐标图)。
而二阶导数公式可以为：
Figure BDA0002678100040000141
其中，二阶导数为零的点，即为灰度差值最大的点(即为边缘点)，然后可以依次记录截取目标区域图像的所有边缘点坐标，将这些坐标作为最小二乘算法的输入。最小二乘法公式如下：
Figure BDA0002678100040000142
Figure BDA0002678100040000143
由此，可以得到a、b、c三个直线相关参数，即ax+by+c＝0这条直线，结合滤点算法，可以去除与直线相关性最小的若干个点，使得得到的边缘直线更加理想(此为FindLine)。其中，由于c＝-ax-by，而多个点(x，y)的值已知，因此可以确定出c的值。而通过此种方式拟合得到理想的圆，则为FindCircle。通过这样的方式，可以精准高效地提取出目标区域图像的图像特征，以便实现对待识别产品的识别。
此处，将以一个例子，对本申请实施例提供的产品识别设备100的工作流程进行简要的总结。请参阅11，图11为本申请实施例提供的产品识别设备100的工作流程示意图。
在本实施例中，产品识别设备100可以确定出目标产品(判断待识别产品的种类的参照产品，即判断待识别产品是否与此目标产品一致)，例如可以根据用户输入的产品型号确定目标产品。而通过此目标产品可以相应确定出目标图像区域应当存在的位置，目标产品对应的预设图像特征等相关参数，此处不作限定。
之后，产品识别设备100的传送部110可以将放置于上料区的待识别产品运送至清扫区域，通过清扫装置120对待识别产品进行清扫，除去灰尘杂物等。之后，传感器130检测到待识别产品运送到感应区域后，可以产生触发信号，从而使得待识别产品运送至识别区域时，高速摄像装置140可以精准地拍摄包含待识别产品的第一图像，以便控制器基于第一图像进行识别。
控制器在对待识别产品进行识别时，还可以先进行产品外形的判定，从而快速排除掉外形与目标产品具有明显差异的待识别产品。若产品外形判定通过后，控制器可以进一步通过产品特征点的判断实现产品识别(即本实施例中提供的获取目标图像区域，提取目标图像区域的图像特征，将目标图像区域的图像特征与预设图像特征比对，实现对待识别产品的精确识别)。若控制器确定待识别产品与目标产品一致，则可以正常流动，将产品运送至下料区，以对产品进行后续处理，且正常品计数器+1；而若控制器确定待识别产品与目标产品不一致，则可以报错，将该产品运送至异常品回收区，且异常品计数器+1。通过上述的产品识别方式，可以快速高效且精准地对待识别产品进行识别，而与飞拍模式(可以快速获取包含待识别产品的第一图像)相搭配，则可以快速精准地实现对产品的识别与分拣，提升产品识别的准确率和效率。
请参阅图12，图12为本申请实施例提供的一种产品识别方法的流程图。
在本实施例中，产品识别方法可以应用于本实施例中提供的产品识别设备的控制器中，也可以应用于其他场景中，此处以应用于产品识别设备中为例进行说明，但不作限定。产品识别方法可以包括步骤S10、步骤S20、步骤S30和步骤S40。
步骤S10：获取包含待识别产品的第一图像。
步骤S20：从第一图像中获取目标区域图像，其中，目标区域图像表示相对于待识别产品的位置相对固定的区域的图像。
步骤S30：对目标区域图像进行特征提取，确定出目标区域图像的图像特征。
步骤S40：将目标区域图像的图像特征与预设图像特征进行比对，实现对待识别产品的识别。
由于前文已经详细描述了产品识别设备的控制器运行产品识别方法实现对待识别产品识别的详细过程，而产品识别方法运行在其他设备(例如手机、平板、个人电脑等智能终端)时，该方法的实现过程也是大致相同的，可以进行一定的适应性调整，但都应当属于本申请所保护的范围内。因此，此处仅进行简要的描述。
通过对上述步骤的执行，可以通过对产品在某个确定位置的特征(该特征通常为区别于类似产品的独有特征)的检测，判断该待识别产品与目标产品(即确定的一种产品，例如，从所有产品中分拣出产品A)是否一致。这样的方式能够显著降低图像处理的数据量，从而能够与飞拍方式的拍摄速率配合，显著提升产品的分拣(识别)效率。
示例性的，步骤S20可以包括：对第一图像中的待识别产品进行定位，得到待识别产品的图像坐标；根据待识别产品的图像坐标，确定出待识别产品的像素坐标；根据待识别产品的像素坐标，确定出目标区域图像。
通过对第一图像中的待识别产品进行定位，可以得到待识别产品的图像坐标，进一步可以确定出待识别产品的像素坐标，从而可以确定出目标区域图像(例如待识别产品上某个固定的区域)。这样的方式可以简单且精准地获取目标区域图像。
示例性的，步骤S30可以包括：对目标区域图像进行卷积操作，提取目标区域图像的锐利边缘；根据锐利边缘和灰度阈值参数，得到目标区域图像的边缘特征，其中，边缘特征包括边缘的像素坐标。
通过对目标区域图像进行卷积操作，提取目标区域图像的锐利边缘，进一步基于灰度阈值参数(可以预设，也可以即时确定)得到目标区域图像的边缘特征(即图像特征)。这样的方式可以保证获取的目标区域图像的边缘特征(即图像特征)的准确性，提升获取的图像特征的精度。
而预设图像特征包括位置和尺寸，那么，步骤S40可以包括：根据边缘特征，确定出边缘特征在像素空间中的位置及尺寸；将边缘特征的位置与预设图像特征的位置进行比对，得到位置比对结果，以及，将边缘特征的尺寸与预设图像特征的尺寸进行比对，得到尺寸比对结果；若位置比对结果处于预设位置差异内，且尺寸比对结果处于预设尺寸差异内，确定待识别产品与预设图像特征对应的产品同类。
通过边缘特征可以确定出该边缘特征在像素空间中的位置及尺寸，从而与预设图像特征的位置及尺寸进行比对，得到位置比对结果和尺寸比对结果，进而判断出该待识别产品是否与预设图像特征对应的产品同类。这样的方式可以通过特征所在的位置和尺寸来进行对比，能够实现对极为相似的产品的鉴别。
当然，对于上述步骤中的更详细具体的实现过程，在前文中对产品识别设备进行介绍时已经详细介绍过，此处不再赘述，控制器实现产品识别的过程，均可以为本实施例中产品识别方法的细分步骤，此处不作限定。
本申请实施例还提供一种存储介质，存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现本实施例中提供的产品识别方法。
综上所述，本申请实施例提供一种产品识别设备、方法及存储介质，通过传送部传送待识别产品，在待识别产品传送至感应区域时，传感器可以检测到待识别产品而生成触发指令，高速摄像装置可以根据触发指令对传送至识别区域的该待识别产品进行拍摄得到第一图像(包含该待识别产品)，从而使得控制器基于第一图像对该待识别产品进行识别。这样的方式可以实现对待识别产品的飞拍检测，能够大大提高识别效率(也即分拣效率)。传感器在拍摄前的检测能够保证第一图像中包含待识别产品，而高速摄像装置保证了飞拍过程中第一图像的图像质量，从而为产品的准确识别提供基础。因此，产品识别设备能够高效精准地实现对产品的分拣，节省大量的人力和成本。
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 (11)

1.一种产品识别设备，其特征在于，所述设备包括：
传送部，用于传送待识别产品；
传感器，用于在检测到感应区域内存在所述待识别产品时生成触发指令，其中，所述传送部传送的所述待识别产品会经过所述感应区域；
高速摄像装置，用于根据所述触发指令对识别区域进行拍摄，得到包含所述待识别产品的第一图像，其中，所述传送部传送的所述待识别产品会经过所述识别区域；
控制器，用于基于所述第一图像，对所述待识别产品进行识别。
2.根据权利要求1所述的产品识别设备，其特征在于，所述控制器用于：
从所述第一图像中获取目标区域图像，其中，所述目标区域图像表示相对于所述待识别产品的位置相对固定的区域的图像；
对所述目标区域图像进行特征提取，确定出所述目标区域图像的图像特征；
将所述目标区域图像的图像特征与预设图像特征进行比对，实现对所述待识别产品的识别。
3.根据权利要求2所述的产品识别设备，其特征在于，所述控制器用于：
对所述第一图像中的待识别产品进行定位，得到所述待识别产品的图像坐标；
根据所述待识别产品的图像坐标，确定出所述待识别产品的像素坐标；
根据所述待识别产品的像素坐标，确定出所述目标区域图像。
4.根据权利要求2所述的产品识别设备，其特征在于，所述控制器用于：
对所述目标区域图像进行卷积操作，提取所述目标区域图像的锐利边缘；
根据所述锐利边缘和灰度阈值参数，得到所述目标区域图像的边缘特征，其中，所述边缘特征包括边缘的像素坐标。
5.根据权利要求4所述的产品识别设备，其特征在于，所述预设图像特征包括位置和尺寸，所述控制器用于：
根据所述边缘特征，确定出所述边缘特征在像素空间中的位置及尺寸；
将所述边缘特征的位置与所述预设图像特征的位置进行比对，得到位置比对结果，以及，将所述边缘特征的尺寸与所述预设图像特征的尺寸进行比对，得到尺寸比对结果；
若所述位置比对结果处于预设位置差异内，且所述尺寸比对结果处于预设尺寸差异内，确定所述待识别产品与所述预设图像特征对应的产品同类。
6.根据权利要求1至5中任一项所述的产品识别设备，其特征在于，所述高速摄像装置包括工业相机和工业镜头，
所述工业镜头设置在所述工业相机上，用于提升所述工业相机的清晰度；
所述工业相机用于基于所述工业镜头对所述识别区域进行拍摄。
7.根据权利要求1至5中任一项所述的产品识别设备，其特征在于，所述产品识别设备还包括清扫装置，
所述清扫装置，用于对处于清扫区域的所述待识别产品进行清扫，其中，所述传送部传送的所述待识别产品会经过所述清扫区域。
8.根据权利要求7所述的产品识别设备，其特征在于，所述传送部用于：
传送所述待识别产品依次经过所述感应区域、所述清扫区域和所述识别区域；或者，
传送所述待识别产品依次经过所述清扫区域、所述感应区域和所述识别区域。
9.根据权利要求1至5中任一项所述的产品识别设备，其特征在于，所述产品识别设备还包括光源，
所述光源用于向所述识别区域提供光照。
10.一种产品识别方法，其特征在于，所述方法包括：
获取包含待识别产品的第一图像；
从所述第一图像中获取目标区域图像，其中，所述目标区域图像表示相对于所述待识别产品的位置相对固定的区域的图像；
对所述目标区域图像进行特征提取，确定出所述目标区域图像的图像特征；
将所述目标区域图像的图像特征与预设图像特征进行比对，实现对所述待识别产品的识别。
11.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求10所述的产品识别方法。
CN202010956641.XA 2020-09-11 2020-09-11 产品识别设备、方法及存储介质 Pending CN112084964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010956641.XA CN112084964A (zh) 2020-09-11 2020-09-11 产品识别设备、方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010956641.XA CN112084964A (zh) 2020-09-11 2020-09-11 产品识别设备、方法及存储介质

Publications (1)

Publication Number Publication Date
CN112084964A true CN112084964A (zh) 2020-12-15

Family

ID=73736950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010956641.XA Pending CN112084964A (zh) 2020-09-11 2020-09-11 产品识别设备、方法及存储介质

Country Status (1)

Country Link
CN (1) CN112084964A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113212889A (zh) * 2021-02-26 2021-08-06 深圳市云鼠科技开发有限公司 包装视觉捡漏装置、方法、计算机设备及存储介质
CN113538396A (zh) * 2021-07-27 2021-10-22 扬州美德莱医疗用品有限公司 一种基于注射针加工的计数提示方法及装置
CN113674212A (zh) * 2021-07-26 2021-11-19 宁波帅特龙集团有限公司 一种把手装配检测方法与设备
CN114581445A (zh) * 2022-05-06 2022-06-03 深圳市元硕自动化科技有限公司 点胶产品分段检测方法、系统、设备及存储介质
CN117036340A (zh) * 2023-09-28 2023-11-10 山洋自动化设备(苏州)有限公司 一种用于高速输送场景的计数方法及系统

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103674965A (zh) * 2013-12-06 2014-03-26 深圳市大族激光科技股份有限公司 一种晶圆外观缺陷的分类以及检测方法
CN104778444A (zh) * 2015-03-10 2015-07-15 公安部交通管理科学研究所 道路场景下车辆图像的表观特征分析方法
CN105335688A (zh) * 2014-08-01 2016-02-17 深圳中集天达空港设备有限公司 一种基于视觉图像的飞机机型识别方法
CN106552772A (zh) * 2016-10-25 2017-04-05 北京京东尚科信息技术有限公司 视觉识别系统和使用所述视觉识别系统的分类分拣系统
CN106964563A (zh) * 2017-04-28 2017-07-21 福州大学 一种塑料瓶分拣方法
CN108734710A (zh) * 2018-06-14 2018-11-02 厦门理工学院 一种智能果蔬挑选方法
CN109357630A (zh) * 2018-10-30 2019-02-19 南京工业大学 一种多类型工件批量视觉测量系统及方法
CN208555097U (zh) * 2018-04-13 2019-03-01 西安科技大学 一种基于计算机视觉的工件形状检测与分捡装置
CN109550712A (zh) * 2018-12-29 2019-04-02 杭州慧知连科技有限公司 一种化纤丝尾丝外观缺陷检测系统及方法
CN109614994A (zh) * 2018-11-27 2019-04-12 佛山市奥策科技有限公司 一种瓷砖分类识别方法及装置
CN109622404A (zh) * 2018-11-19 2019-04-16 广东海洋大学 一种基于机器视觉的微工件自动分拣系统及方法
CN109657708A (zh) * 2018-12-05 2019-04-19 中国科学院福建物质结构研究所 基于图像识别-svm学习模型的工件识别装置及其方法
CN109741314A (zh) * 2018-12-29 2019-05-10 广州博通信息技术有限公司 一种零件的视觉检测方法及系统
CN110246122A (zh) * 2019-05-20 2019-09-17 江苏理工学院 基于机器视觉的小型轴承质量检测方法、装置及系统
CN110472480A (zh) * 2019-06-28 2019-11-19 深圳数马电子技术有限公司 物品识别方法、装置及计算机可读存储介质
CN110567680A (zh) * 2018-06-05 2019-12-13 成都精工华耀科技有限公司 一种基于角度比对的轨道扣件松动检测方法
CN110893399A (zh) * 2018-09-13 2020-03-20 云南佳叶现代农业发展有限公司 基于视觉识别的智能烟叶分级分拣设备及分拣方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103674965A (zh) * 2013-12-06 2014-03-26 深圳市大族激光科技股份有限公司 一种晶圆外观缺陷的分类以及检测方法
CN105335688A (zh) * 2014-08-01 2016-02-17 深圳中集天达空港设备有限公司 一种基于视觉图像的飞机机型识别方法
CN104778444A (zh) * 2015-03-10 2015-07-15 公安部交通管理科学研究所 道路场景下车辆图像的表观特征分析方法
CN106552772A (zh) * 2016-10-25 2017-04-05 北京京东尚科信息技术有限公司 视觉识别系统和使用所述视觉识别系统的分类分拣系统
CN106964563A (zh) * 2017-04-28 2017-07-21 福州大学 一种塑料瓶分拣方法
CN208555097U (zh) * 2018-04-13 2019-03-01 西安科技大学 一种基于计算机视觉的工件形状检测与分捡装置
CN110567680A (zh) * 2018-06-05 2019-12-13 成都精工华耀科技有限公司 一种基于角度比对的轨道扣件松动检测方法
CN108734710A (zh) * 2018-06-14 2018-11-02 厦门理工学院 一种智能果蔬挑选方法
CN110893399A (zh) * 2018-09-13 2020-03-20 云南佳叶现代农业发展有限公司 基于视觉识别的智能烟叶分级分拣设备及分拣方法
CN109357630A (zh) * 2018-10-30 2019-02-19 南京工业大学 一种多类型工件批量视觉测量系统及方法
CN109622404A (zh) * 2018-11-19 2019-04-16 广东海洋大学 一种基于机器视觉的微工件自动分拣系统及方法
CN109614994A (zh) * 2018-11-27 2019-04-12 佛山市奥策科技有限公司 一种瓷砖分类识别方法及装置
CN109657708A (zh) * 2018-12-05 2019-04-19 中国科学院福建物质结构研究所 基于图像识别-svm学习模型的工件识别装置及其方法
CN109550712A (zh) * 2018-12-29 2019-04-02 杭州慧知连科技有限公司 一种化纤丝尾丝外观缺陷检测系统及方法
CN109741314A (zh) * 2018-12-29 2019-05-10 广州博通信息技术有限公司 一种零件的视觉检测方法及系统
CN110246122A (zh) * 2019-05-20 2019-09-17 江苏理工学院 基于机器视觉的小型轴承质量检测方法、装置及系统
CN110472480A (zh) * 2019-06-28 2019-11-19 深圳数马电子技术有限公司 物品识别方法、装置及计算机可读存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱国钦 等: "误差理论及其在石油测井中的应用", 30 September 2000, 北京：石油工业出版社, pages: 142 - 144 *
梁晋.史保全: "3D反求技术", 31 January 2019, 武汉：华中科技大学出版社, pages: 51 - 53 *
韩九强 等: "数字图像处理：基于XAVIS组态软件", 31 May 2018, 西安：西安交通大学出版社, pages: 50 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113212889A (zh) * 2021-02-26 2021-08-06 深圳市云鼠科技开发有限公司 包装视觉捡漏装置、方法、计算机设备及存储介质
CN113212889B (zh) * 2021-02-26 2023-11-03 深圳市云鼠科技开发有限公司 包装视觉检漏装置、方法、计算机设备及存储介质
CN113674212A (zh) * 2021-07-26 2021-11-19 宁波帅特龙集团有限公司 一种把手装配检测方法与设备
CN113674212B (zh) * 2021-07-26 2024-05-24 宁波帅特龙集团有限公司 一种把手装配检测方法与设备
CN113538396A (zh) * 2021-07-27 2021-10-22 扬州美德莱医疗用品有限公司 一种基于注射针加工的计数提示方法及装置
CN113538396B (zh) * 2021-07-27 2022-04-26 扬州美德莱医疗用品有限公司 一种基于注射针加工的计数提示方法及装置
CN114581445A (zh) * 2022-05-06 2022-06-03 深圳市元硕自动化科技有限公司 点胶产品分段检测方法、系统、设备及存储介质
CN114581445B (zh) * 2022-05-06 2022-09-30 深圳市元硕自动化科技有限公司 点胶产品分段检测方法、系统、设备及存储介质
CN117036340A (zh) * 2023-09-28 2023-11-10 山洋自动化设备(苏州)有限公司 一种用于高速输送场景的计数方法及系统
CN117036340B (zh) * 2023-09-28 2023-12-15 山洋自动化设备(苏州)有限公司 一种用于高速输送场景的计数方法及系统

Similar Documents

Publication Publication Date Title
CN112084964A (zh) 产品识别设备、方法及存储介质
CN110579485B (zh) 一种智能手机玻璃盖板表面缺陷快速检测装置与方法
CN110163853B (zh) 一种边缘缺陷的检测方法
CN111652085B (zh) 基于2d与3d特征结合的物体识别方法
CN107084992B (zh) 一种基于机器视觉的胶囊检测方法及系统
US11972589B2 (en) Image processing device, work robot, substrate inspection device, and specimen inspection device
CN111982921B (zh) 孔缺陷的检测方法、装置、传送平台及存储介质
JP2017096750A (ja) 位置決め方法、位置決め装置、プログラムおよびコンピュータ可読記録媒体
JP2019145177A (ja) 画像処理方法および撮影装置
CN101122457A (zh) 影像边界扫描系统及方法
JP7508206B2 (ja) 画像処理方法、エッジモデル作成方法、ロボットシステム、および物品の製造方法
CN111402251A (zh) 一种用于3d缺陷检测的视觉检测方法及系统
CN114820475B (zh) 边缘识别方法、系统、晶圆加工装置及晶圆与加工台同心状态确定方法
CN115830018B (zh) 基于深度学习与双目视觉的碳素块检测方法及系统
CN113522770A (zh) 一种基于3d视觉的高精度在线检测系统
WO2023280081A1 (zh) 空盘识别装置和方法
CN118279295B (zh) 配电柜状态检测方法、装置、设备及存储介质
CN115100104A (zh) 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质
JP2015232482A (ja) 検査装置、検査方法およびプログラム
CN114037595A (zh) 图像数据处理方法、装置、电子设备和存储介质
CN114092428A (zh) 图像数据处理方法、装置、电子设备和存储介质
JP2018200328A (ja) 検査装置、検査方法およびプログラム
CN111563869B (zh) 用于摄像模组质检的污点测试方法
CN114964032B (zh) 基于机器视觉的盲孔深度测量方法及装置
CN115619783B (zh) 产品加工缺陷的检测方法及装置、存储介质、终端

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