CN112304292A - 基于单色光的物体检测方法及检测系统 - Google Patents

基于单色光的物体检测方法及检测系统 Download PDF

Info

Publication number
CN112304292A
CN112304292A CN201910680843.3A CN201910680843A CN112304292A CN 112304292 A CN112304292 A CN 112304292A CN 201910680843 A CN201910680843 A CN 201910680843A CN 112304292 A CN112304292 A CN 112304292A
Authority
CN
China
Prior art keywords
pictures
detected
light
picture
irradiation
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
CN201910680843.3A
Other languages
English (en)
Other versions
CN112304292B (zh
Inventor
林忠亿
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.)
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry Co Ltd
Original Assignee
Futaihua Industry Shenzhen Co Ltd
Hon Hai Precision Industry 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 Futaihua Industry Shenzhen Co Ltd, Hon Hai Precision Industry Co Ltd filed Critical Futaihua Industry Shenzhen Co Ltd
Priority to CN201910680843.3A priority Critical patent/CN112304292B/zh
Priority to US16/699,940 priority patent/US20210027453A1/en
Publication of CN112304292A publication Critical patent/CN112304292A/zh
Application granted granted Critical
Publication of CN112304292B publication Critical patent/CN112304292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于单色光的物体检测方法、检测系统，所述检测系统包括传送单元、摄像单元、光源、分光单元及计算机装置，所述方法包括：通过分光单元将光源的入射光分解成不同颜色的单色光；当待测物体通过单色光照射区域时，摄像单元每隔一预设时间采集待测物体的图片，得到多幅待测物体的图片；计算机装置获取多幅待测物体的图片，在多幅图片中提取待测物体在同一色光照射下的图片；计算机装置整合从多幅图片中提取的待测物体在同一色光照射下的图片；计算机装置输出整合后的图片，用于物体检测。所述方法可方便快捷的获取待测物体在不同单色光照射下所呈现的图片，并将所述图片用于物体检测。

Description

基于单色光的物体检测方法及检测系统
技术领域
本发明涉及物体检测领域，具体涉及一种基于单色光的物体检测方法、基于单色光的物体检测系统。
背景技术
现在的流水线生产作业过程中，经常要对产品表面进行瑕疵检测或待测物体表面图像的获取，传统的检测方法是依照待检测物体的物理特性，使用多种颜色的光源，依序打光摄像，通过反射光的性质检查待检测物体表面的物理特性。传统的做法是使用单一的光源，常发生目标影像消失的情况，需要使用不同颜色的色光才能凸显出目标影像，且这一过程需要花费较多的时间，尤其是在流水线上，由于存在更换光源使得目标影像消失的情况，所以需要将流水线的传送带暂停，待摄像单元获取完反射光的情况后才能继续转动。
发明内容
鉴于以上内容，有必要提出一种基于单色光的物体检测方法、基于单色光的物体检测系统，使得基于单色光的物体检测在不更换光源的前提下方便快捷的完成待测物体的检测。
本申请的第一方面提供一种基于单色光的物体检测方法，所述方法包括：
通过分光单元将光源的入射光分解成不同颜色的单色光；
当待测物体跟随传送单元移动，通过所述不同颜色的单色光照射区域时，摄像单元每隔一预设时间采集待测物体的图片，得到多幅待测物体的图片；
计算机装置获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片；
计算机装置整合从多幅图片中提取的待测物体在同一色光照射下的图片；
计算机装置输出整合后的图片，用于物体检测。
优选地，所述分光单元为三棱镜。
优选地，所述预设时间为待测物体跟随所述传送单元移动时，所述待测物体上预设点开始进入一单色光照射区域的时间与所述预设点离开所述单色光照射区域的时间之间的时间差。
优选地，获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片的步骤包括：
获取摄像单元在待测物体进入第一个单色光照射区域到离开最后一个单色光照射区域时间内元采集的所述待测物体的表面的多幅图片；
按照不同色光的照射区域分割所述多幅图片，得到每一色光照射下待测物体的分割图片；
提取所述每一色光照射区域内的图片信息。
优选地，按照不同色光的照射区域分割所述多幅图片的步骤包括：
获取任一图片，使用图像识别方法识别出所述图片中不同色光照射的区域；
按照色光照射区域分割所述图片。
优选地，整合从多幅图片中提取的待测物体在同一色光照射下的图片的步骤包括：
从多幅图片中获取同一色光照射下待测物体的分割图片；
在所述分割图片中使用图像识别方法对所述分割图片的内容进行识别并按照预设规则进行标号；
按照所述标号整合所述分割图片。
优选地，所述步骤还包括：对整合后的分割图像进行锐化处理，增强图片的特征信息。
本申请的第二方面提供一种基于单色光的物体检测系统，所述系统包括：
光源，用于发出复色光；
分光单元，用于将光源发出的复色光分解成单色光，通过分光单元将光源的入射光分解成不同颜色的单色光；
摄像单元，用于采集待测物体的图片，当待测物体跟随传送单元移动，通过所述不同颜色的单色光照射区域时，摄像单元每隔一预设时间采集待测物体的图片，得到多幅待测物体的图片；
处理器，用于执行计算机程序指令；
存储器，用于存储计算机程序指令，所述计算机程序指令由所述处理器运行并执行如下步骤：
获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片；
整合从多幅图片中提取的待测物体在同一色光照射下的图片；
输出整合后的图片，用于物体检测。
本发明基于单色光的物体检测方法通过分光单元获取不同颜色的单色光，摄像单元收集单色光照射在待测物体上反射光光所形成的图像，通过计算机装置对所述图像进行整理，最后输出所述待测物体在单色光照射下的图像。通过所述方法可以方便快捷的获取待测物体在不同单色光照射下所呈现的图片，并将所述图片用于物体检测。
附图说明
图1是本发明实施例一提供的单色光检测方法的应用环境架构示意图。
图2为本发明计算机装置较佳实施例的示意图。
图3是本发明实施例二提供的待测物体表面照射示意图。
图4是本发明实施例二提供的单色光检测方法流程图。
主要元件符号说明
物体检测系统 10
传送单元 1
光源 2
分光单元 3
摄像单元 4
待测物体 5
计算机装置 6
存储器 20
处理器 30
计算机程序 40
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
实施例一
参阅图1所示，为本发明实施例一提供的单色光检测方法的应用环境架构示意图。
本实施方式中，所述单色光检测方法应用于物体检测系统10中。所述物体检测系统10中包括传送单元1、光源2、分光单元3、摄像单元4，如图所示传送单元1上放置有待测物体5，摄像单元4位于流水线的上方，所述摄像单元4的拍摄视角以能完全拍到待测物体5在不同单色光的照射区域为准，所述光源2与分光单元3均在待测物体5的上方，其中分光单元3位于光源2的下方，待测物体5的上方，所述摄像单元4与计算机装置6通过网络建立通信连接。所述网络可以是有线网络，也可以是无线网络，例如无线电、无线保真(WirelessFidelity，WIFI)、蜂窝、卫星、广播等。
所述光源2包括但不限于白炽灯、LED灯等。
所述分光单元3可以包括三棱镜、分光器等。所述分光单元3接收光源的入射光，并将入射光分解成不同颜色的单色光。
在本发明一实施方式中，所述分光单元为一三棱镜，所述光源为LED灯，三棱镜接收LED灯的光线，将所述光线分解为红、橙、黄、绿、青、蓝、紫这七种单色光。
所述摄像单元4可以是具有拍摄功能的摄像机，包括但不限于摄像头、照相机等。当待测物体跟随传送单元移动，通过所述不同颜色的单色光照射区域时，摄像单元每隔一预设时间采集待测物体的图片，得到多幅待测物体的图片。
所述预设时间为随着待测物体在传送单元上的移动，一单色光从开始照射到完全照射待测物体所经历的时间。
举例而言，如图3是本发明实施例二提供的待测物体表面照射示意图，待测物体5首先经过的单色光照射区域为紫色，当待测物体5准备进去紫色光照射区域的时间为t0，离开紫色光的照射区域为t1，则所述预设时间为：
T＝t1-t0
且不同色光照射的范围均相等，则所述摄像单元每隔时间T获取待测物体图片，可以得到待测物体在不同单色光照射下的图片。
在本发明又一实施方式中，所述分光单元的位置可以调节，通过调节分光单元与光源之间的距离，得到在不同单色光下高清晰度的待测物体图片。
所述计算机装置6可以为安装有基于单色光检测软件的电子设备，如图2所示，所述计算机装置6包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40。所述计算机程序用于完成如下所述功能。
获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片。
在本发明一实施方式中，获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片的步骤可以包括：
获取摄像单元在待测物体进入第一个单色光照射区域到离开最后一个单色光照射区域时间内元采集的所述待测物体的表面的多幅图片；
按照不同色光的照射区域分割所述多幅图片，得到每一色光照射下待测物体的分割图片；
提取所述每一色光照射区域内的图片信息。
按照不同色光的照射区域分割所述多幅图片的步骤可以包括：
获取任一图片，使用图像识别方法识别出所述图片中不同色光照射的区域；
按照色光照射区域分割所述图片。
所述图像识别方法包括但不限于基于神经网络的图像识别方法、基于小波矩的图像识别方法等，所述图像识别方法为现有技术，在此不再赘述。
举例而言，结合图1、图3所示，摄像单元4采集了待测物体没有进入单色光照射区域，到完全位于单色光照射区域的过程的8幅图片，摄像单元4将采集的8张图片发送给计算机装置6，计算机装置6获取到图片，将任一图片使用基于神经网络的图像识别方法对所述图片进行识别，识别出图片中红光照射的区域，橙光照射的区域，黄光照射的区域，绿光照射的区域，青色光照射的区域，蓝光照射的区域，紫色光照射的区域。通过所述图像识别方法对多幅图片进行识别，可以得按照不同色光的照射情况进行分割的待测物体的分割图片。
整合从多幅图片中提取的待测物体在同一色光照射下的图片。
在本发明一实施方式中，整合从多幅图片中提取的待测物体在同一色光照射下的图片的步骤可以包括：
从多幅图片中获取同一色光照射下待测物体的分割图片；
在所述分割图片中使用图像识别方法对所述分割图片的内容进行识别并按照预设规则进行标号；
按照所述标号整合所述分割图片。
所述预设规则可以是按照分光区域的宽度将待测物体的图片进行分割，然后按照分割区域以待测物体从左向右、从右向左、从上到下、从下到上的规则进行编号。
在本发明又一实施方式中，所述步骤还包括：对整合后的分割图像进行锐化处理，增强图片的特征信息。
举例而言，计算机装置6获取同一色光照射下待测物体的分割图片，对所述分割图像使用基于神经网络的图像识别方法进行识别，识别出所述图片位于待测物体的部位，将设别出的待测物体的部位按照待测物体从左往右的顺序进行标号，按照所述标号对所述分割图像进行整合，得到了待测物体在不同色光下的图片。并将所述图片使用图像增强方法进行锐化处理，去除掉图片中的冗余信息，增强图片中待测物体在不同色光下的状态信息，所述图像增强方法包括拉普拉斯算子图像增强方法、直方图均衡化增强方法。
输出整合后的图片，用于物体检测。
在本发明一实施方式中，将获取到的待测物体5在不同色光下的图像通过计算机装置6进行输出。
在本发明其他实施方式，所述待测物体5在不同色光下的图像也可以通过网络传输到其他用户终端进行输出，所述用户终端包括但不限于智能手机、平板电脑、笔记本电脑等。
所述计算机装置6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是计算机装置6的示例，并不构成对计算机装置6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置6还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置6的控制中心，利用各种接口和线路连接整个计算机装置6的各个部分。
所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置6的各种功能。所述存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置6的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述计算机装置6集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
实施例二
请参阅图4所示，是本发明第二实施例提供的单色光检测方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1、通过分光单元将光源的入射光分解成不同颜色的单色光。
在本发明一实施方式中，所述分光单元为一三棱镜，所述光源为LED灯，三棱镜接收LED灯的光线，将所述光线分解为红、橙、黄、绿、青、蓝、紫这七种单色光。
步骤S2、当待测物体跟随传送单元移动，通过所述不同颜色的单色光照射区域时，摄像单元每隔一预设时间采集待测物体的图片，得到多幅待测物体的图片。
所述预设时间为随着待测物体在传送单元上的移动，一单色光从开始照射到完全照射待测物体所经历的时间。
举例而言，如图3是本发明实施例二提供的待测物体表面照射示意图，待测物体5首先经过的单色光照射区域为紫色，当待测物体5准备进去紫色光照射区域的时间为t0，离开紫色光的照射区域为t1，则所述预设时间为：
T＝t1-t0
且不同色光照射的范围均相等，则所述摄像单元每隔时间T获取待测物体图片，可以得到待测物体在不同单色光照射下的图片。
在本发明又一实施方式中，所述分光单元的位置可以调节，通过调节分光单元与光源之间的距离，得到在不同单色光下清晰度不同的待测物体图片。
步骤S3、计算机装置获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片。
在本发明一实施方式中，获取多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的状态的步骤可以包括：
获取待测物体从进入第一个单色光照射区域到离开最后一个单色光照射区域时间内，摄像单元采集的待测物体的表面的多幅图片；
按照不同色光的照射区域分割所述多幅图片，得到同一色光照射下待测物体的分割图片；
提取所述同一色光照射区域内的图片信息。
按照不同色光的照射区域分割所述多幅图片的步骤可以包括：
获取任一图片，使用图像识别方法识别所述图片，识别出所述图片中不同色光照射的区域；
按照同一色光照射区域分割所述图片。
所述图像识别方法包括但不限于基于神经网络的图像识别方法、基于小波矩的图像识别方法等，所述图像识别方法为现有技术，在此不再赘述。
举例而言，如图3是本发明实施例二提供的待测物体表面照射示意图。摄像单元4采集了待测物体没有进入单色光照射区域，到完全位于单色光照射区域的过程的多幅图片，摄像单元4将采集的多幅图片发送给计算机装置6，计算机装置6获取到图片，将任一图片使用基于神经网络的图像识别方法对所述图片进行识别，识别出图片中红光照射的区域，橙光照射的区域，黄光照射的区域，绿光照射的区域，青色光照射的区域，蓝光照射的区域，紫色光照射的区域，使用所述图像识别方法对多幅图片进行识别，可以得按照不同色光的照射情况进行分割的待测物体的分割图片。
步骤S4、计算机装置整合从多幅图片中提取的待测物体在同一色光照射下的图片。
在本发明一实施方式中，整合从多幅图片中提取的的待测物体在同一色光照射下的图片的步骤可以包括：
获取同一色光照射下待测物体的分割图片；
在所述分割图片中使用图像识别方法对所述分割图片的内容进行识别并按照预设规则进行标号；
按照所述标号整合所述分割图片。
所述预设规则可以是按照分光区域的宽度将待测物体的图片进行分割，然后按照分割区域以待测物体从左向右、从右向左、从上到下、从下到上的规则进行编号。
在本发明又一实施方式中，所述步骤还包括：对整合后的分割图像进行锐化处理，增强图片的特征信息。
举例而言，计算机装置6获取同一色光照射下待测物体的分割图片，对所述分割图像使用基于神经网络的图像识别方法进行识别，识别出所述图片位于待测物体的部位，将设别出的待测物体的部位按照待测物体从左往右的顺序进行标号，按照所述标号对所述分割图像进行整合，得到了待测物体在不同色光下的图片。并将所述图片使用图像增强方法进行锐化处理，去除掉图片中的冗余信息，增强图片中待测物体在不同色光下的状态信息，所述图像增强方法包括拉普拉斯算子图像增强方法、直方图均衡化增强方法。
步骤S5、计算机装置输出整合后的图片，用于物体检测。
在本发明一实施方式中，将获取到的待测物体5在不同色光下的图像通过计算机装置6进行输出。
在本发明其他实施方式，所述待测物体5在不同色光下的图像也可以通过网络传输到其他用户终端进行输出，所述用户终端包括但不限于智能手机、平板电脑、笔记本电脑等。
上述图2详细介绍了本发明的单色光检测方法，下面结合第4图，对实现所述单色光检测方法的软件装置的功能模块以及实现所述单色光检测方法的硬件装置架构进行介绍。
应所述了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。权利要求中陈述的多个单元或电子设备也可以由同一个单元或电子设备通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于单色光的物体检测方法，其特征在于，所述方法包括：
通过分光单元将光源的入射光分解成不同颜色的单色光；
当待测物体跟随传送单元移动，通过所述不同颜色的单色光照射区域时，摄像单元每隔一预设时间采集待测物体的图片，得到多幅待测物体的图片；
计算机装置获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片；
计算机装置整合从多幅图片中提取的待测物体在同一色光照射下的图片；
计算机装置输出整合后的图片，用于物体检测。
2.如权利要求1所述的基于单色光的物体检测方法，其特征在于，所述分光单元为三棱镜。
3.如权利要求1所述的基于单色光的物体检测方法，其特征在于，所述预设时间为待测物体跟随所述传送单元移动时，所述待测物体上预设点开始进入一单色光照射区域的时间与所述预设点离开所述单色光照射区域的时间之间的时间差。
4.如权利要求1所述的基于单色光的物体检测方法，其特征在于，获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片的步骤包括：
获取摄像单元在待测物体进入第一个单色光照射区域到离开最后一个单色光照射区域时间内采集的所述待测物体的表面的多幅图片；
按照不同色光的照射区域分割所述多幅图片，得到每一色光照射下待测物体的分割图片；
提取所述每一色光照射区域内的图片信息。
5.如权利要求4所述的基于单色光的物体检测方法，其特征在于，按照不同色光的照射区域分割所述多幅图片的步骤包括：
获取任一图片，使用图像识别方法识别出所述图片中不同色光照射的区域；
按照色光照射区域分割所述图片。
6.如权利要求5所述的基于单色光的物体检测方法，其特征在于，整合从多幅图片中提取的待测物体在同一色光照射下的图片的步骤包括：
从多幅图片中获取同一色光照射下待测物体的分割图片；
在所述分割图片中使用图像识别方法对所述分割图片的内容进行识别并按照预设规则进行标号；
按照所述标号整合所述分割图片。
7.如权利要求6所述的基于单色光的物体检测方法，其特征在于，所述步骤还包括：对整合后的分割图像进行锐化处理，增强图片的特征信息。
8.一种基于单色光的物体检测系统，其特征在于，所述系统包括：
光源，用于发出复色光；
分光单元，用于将光源发出的复色光分解成单色光，通过分光单元将光源的入射光分解成不同颜色的单色光；
摄像单元，用于采集待测物体的图片，当待测物体跟随传送单元移动，通过所述不同颜色的单色光照射区域时，摄像单元每隔一预设时间采集待测物体的图片，得到多幅待测物体的图片；
处理器，用于执行计算机程序指令；
存储器，用于存储计算机程序指令，所述计算机程序指令由所述处理器运行并执行如下步骤：
获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片；
整合从多幅图片中提取的待测物体在同一色光照射下的图片；
输出整合后的图片，用于物体检测。
9.如权利要求8所述的基于单色光的物体检测系统，其特征在于，获取所述多幅待测物体的图片，在所述多幅图片中提取待测物体在同一色光照射下的图片的步骤包括：
获取摄像单元在待测物体进入第一个单色光照射区域到离开最后一个单色光照射区域时间内元采集的所述待测物体的表面的多幅图片；
按照不同色光的照射区域分割所述多幅图片，得到每一色光照射下待测物体的分割图片；
提取所述每一色光照射区域内的图片信息。
10.如权利要求9所述的基于单色光的物体检测系统，其特征在于，整合从多幅图片中提取的待测物体在同一色光照射下的图片的步骤包括：
从多幅图片中获取同一色光照射下待测物体的分割图片；
在所述分割图片中使用图像识别方法对所述分割图片的内容进行识别并按照预设规则进行标号；
按照所述标号整合所述分割图片。
CN201910680843.3A 2019-07-25 2019-07-25 基于单色光的物体检测方法及检测系统 Active CN112304292B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910680843.3A CN112304292B (zh) 2019-07-25 2019-07-25 基于单色光的物体检测方法及检测系统
US16/699,940 US20210027453A1 (en) 2019-07-25 2019-12-02 Computer device and method for processing images of products based on product examination using monochromatic lights

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910680843.3A CN112304292B (zh) 2019-07-25 2019-07-25 基于单色光的物体检测方法及检测系统

Publications (2)

Publication Number Publication Date
CN112304292A true CN112304292A (zh) 2021-02-02
CN112304292B CN112304292B (zh) 2023-07-28

Family

ID=74187500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910680843.3A Active CN112304292B (zh) 2019-07-25 2019-07-25 基于单色光的物体检测方法及检测系统

Country Status (2)

Country Link
US (1) US20210027453A1 (zh)
CN (1) CN112304292B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7272296B2 (ja) * 2020-02-07 2023-05-12 トヨタ自動車株式会社 判定方法、判定装置及び判定プログラム
KR102555250B1 (ko) * 2021-02-03 2023-07-14 (주)인스케이프 이차전지 외관 검사 장치 및 외관 검사 방법
CN118348029A (zh) * 2024-05-09 2024-07-16 山东中清智能科技股份有限公司 一种发光芯片的表面缺陷检测方法及装置

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0279576A (ja) * 1988-09-14 1990-03-20 Group N:Kk 画像分割合成方式
JPH07288758A (ja) * 1994-04-14 1995-10-31 Casio Comput Co Ltd ビデオプリンタ装置
JP2002026075A (ja) * 2000-07-05 2002-01-25 Matsushita Electric Ind Co Ltd 認識方法及び装置
DE10149750A1 (de) * 2001-03-09 2002-09-19 Tecmath Ag Handgeführter 3D-Scanner
JP2006338584A (ja) * 2005-06-06 2006-12-14 Ribakku:Kk 画像処理装置、画像処理方法、画像処理プログラム、及び画像処理システム、並びに撮像装置
CN101013028A (zh) * 2006-01-31 2007-08-08 欧姆龙株式会社 图像处理方法以及图像处理装置
US20110033110A1 (en) * 2008-04-23 2011-02-10 Pasco Corporation Building roof outline recognizing device, building roof outline recognizing method, and building roof outline recognizing program
CN103226105A (zh) * 2012-01-25 2013-07-31 东丽工程株式会社 膜厚不匀检测装置和方法、带有该检测装置的涂布装置
CN103901037A (zh) * 2012-12-28 2014-07-02 鸿富锦精密工业（深圳）有限公司 检测系统
WO2015194488A1 (en) * 2014-06-18 2015-12-23 Canon Kabushiki Kaisha Image processing apparatus and image processing method thereof
DE102016114190A1 (de) * 2016-08-01 2018-02-01 Schott Schweiz Ag Verfahren und Vorrichtung zur optischen Untersuchung transparenter Körper
US9905026B1 (en) * 2016-09-14 2018-02-27 The Boeing Company Photogrammetric identification of locations for performing work
EP3309506A1 (de) * 2016-10-12 2018-04-18 Robert Bosch GmbH Vorrichtung und verfahren zur räumlichen erfassung der oberfläche eines objektes
WO2018175377A1 (en) * 2017-03-24 2018-09-27 Axon Dx, Llc Spectral imaging apparatus and methods
CN109255757A (zh) * 2018-04-25 2019-01-22 江苏大学 一种机器视觉自然放置葡萄串果梗区域分割方法
CN109709106A (zh) * 2017-10-26 2019-05-03 海因里希·格奥尔格机械制造有限公司 用于分析缺陷的检查系统和方法
CN109856146A (zh) * 2018-12-25 2019-06-07 深圳市智能机器人研究院 一种动态的表面缺陷光学检测系统及方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0279576A (ja) * 1988-09-14 1990-03-20 Group N:Kk 画像分割合成方式
JPH07288758A (ja) * 1994-04-14 1995-10-31 Casio Comput Co Ltd ビデオプリンタ装置
JP2002026075A (ja) * 2000-07-05 2002-01-25 Matsushita Electric Ind Co Ltd 認識方法及び装置
DE10149750A1 (de) * 2001-03-09 2002-09-19 Tecmath Ag Handgeführter 3D-Scanner
JP2006338584A (ja) * 2005-06-06 2006-12-14 Ribakku:Kk 画像処理装置、画像処理方法、画像処理プログラム、及び画像処理システム、並びに撮像装置
CN101013028A (zh) * 2006-01-31 2007-08-08 欧姆龙株式会社 图像处理方法以及图像处理装置
US20110033110A1 (en) * 2008-04-23 2011-02-10 Pasco Corporation Building roof outline recognizing device, building roof outline recognizing method, and building roof outline recognizing program
CN103226105A (zh) * 2012-01-25 2013-07-31 东丽工程株式会社 膜厚不匀检测装置和方法、带有该检测装置的涂布装置
CN103901037A (zh) * 2012-12-28 2014-07-02 鸿富锦精密工业（深圳）有限公司 检测系统
WO2015194488A1 (en) * 2014-06-18 2015-12-23 Canon Kabushiki Kaisha Image processing apparatus and image processing method thereof
DE102016114190A1 (de) * 2016-08-01 2018-02-01 Schott Schweiz Ag Verfahren und Vorrichtung zur optischen Untersuchung transparenter Körper
US9905026B1 (en) * 2016-09-14 2018-02-27 The Boeing Company Photogrammetric identification of locations for performing work
EP3309506A1 (de) * 2016-10-12 2018-04-18 Robert Bosch GmbH Vorrichtung und verfahren zur räumlichen erfassung der oberfläche eines objektes
WO2018175377A1 (en) * 2017-03-24 2018-09-27 Axon Dx, Llc Spectral imaging apparatus and methods
CN109709106A (zh) * 2017-10-26 2019-05-03 海因里希·格奥尔格机械制造有限公司 用于分析缺陷的检查系统和方法
CN109255757A (zh) * 2018-04-25 2019-01-22 江苏大学 一种机器视觉自然放置葡萄串果梗区域分割方法
CN109856146A (zh) * 2018-12-25 2019-06-07 深圳市智能机器人研究院 一种动态的表面缺陷光学检测系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
（美）伯纳德·A·梅格瑞姿，（挪威）厄兰·莫克斯尼斯主编: "《计算机在渔业研究中的应用 第2版》", 31 December 2018, pages: 226 - 227 *
杨露菁等: "《智能图像处理及应用》", 31 March 2019, pages: 146 - 148 *
米切尔（MITCHELL，H.B.）著: "《图像融合 理论 技术与应用》", 30 May 2016, pages: 187 *
邵欣，马晓明，徐红英著: "《机器视觉与传感器技术》", 31 August 2017, pages: 40 *

Also Published As

Publication number Publication date
US20210027453A1 (en) 2021-01-28
CN112304292B (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
CN112304292B (zh) 基于单色光的物体检测方法及检测系统
CN112241714B (zh) 图像中指定区域的识别方法、装置、可读介质和电子设备
US20160155027A1 (en) Method and apparatus of determining air quality
CN113609907B (zh) 一种多光谱数据的获取方法、装置及设备
US20220198634A1 (en) Method for selecting a light source for illuminating defects, electronic device, and non-transitory storage medium
CN109461133B (zh) 桥梁螺栓脱落检测方法及终端设备
CN106203461B (zh) 一种图像处理方法及装置
CN108062554B (zh) 一种车辆年检标签颜色的识别方法及装置
CN111127358B (zh) 图像处理方法、装置及存储介质
CN110866473B (zh) 目标对象的跟踪检测方法及装置、存储介质、电子装置
CN112446918A (zh) 图像中目标物体定位方法、装置、计算机装置及存储介质
Du et al. A comparative study of different color spaces in computer-vision-based flame detection
CN114170565A (zh) 一种基于无人机航拍的图像对比方法、装置及终端设备
CN111896941B (zh) 一种雷达数据的目标轨迹确定方法及装置
CN111311500A (zh) 一种对图像进行颜色还原的方法和装置
CN111783732A (zh) 团雾识别方法、装置、电子设备及存储介质
Gunawan et al. Performance Evaluation of Automatic Number Plate Recognition on Android Smartphone Platform.
CN113255766B (zh) 一种图像分类方法、装置、设备和存储介质
KR101396713B1 (ko) 약 영상을 이용한 약 식별장치
TWI707308B (zh) 基於單色光之物體檢測方法及檢測系統
Kim et al. A novel red apple detection algorithm based on adaboost learning
KR100488014B1 (ko) ＹＣｒＣｂ 칼라 기반 얼굴 영역 추출 방법
Sandeep Kumar et al. Recognition of medicinal plants based on its leaf features
CN111243058B (zh) 物件模拟图像生成方法及计算机可读存储介质
TWI772040B (zh) 物體深度資訊獲取方法、裝置、電腦裝置及儲存介質

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