CN112362673A - 一种水饺视觉检测方法及系统 - Google Patents
一种水饺视觉检测方法及系统 Download PDFInfo
- Publication number
- CN112362673A CN112362673A CN202011289541.2A CN202011289541A CN112362673A CN 112362673 A CN112362673 A CN 112362673A CN 202011289541 A CN202011289541 A CN 202011289541A CN 112362673 A CN112362673 A CN 112362673A
- Authority
- CN
- China
- Prior art keywords
- dumplings
- dumpling
- industrial
- conveyor belt
- box
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 230000000007 visual effect Effects 0.000 title claims abstract description 21
- 230000007547 defect Effects 0.000 claims abstract description 35
- 230000002950 deficient Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000011179 visual inspection Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开一种水饺视觉检测系统,包括工业相机、光源、暗箱、编码测速器和工控机,暗箱安装在用于输送载有水饺的托盒的传送带上方并可沿垂直于传送带的方向滑动,同时兼顾视觉检测和食品行业的传送带需要定期清洗的需求;光源安装在暗箱的内部,工业相机安装在暗箱内部的顶面;编码测速器和传送带相连;工控机设置于传送带的一侧,处理工业相机采集的水饺盒图像,检测图像中的水饺不良品并对数据进行存储、统计、分析、查询和显示,实现了对水饺质量把控的目的。该系统针对水饺外观的常见缺陷,结合特征识别算法和深度学习算法的优点,针对不同类型的水饺缺陷分别进行检测,不但可以节省成本,而且将视觉检测技术应用达到最优化。
Description
技术领域
本发明属于机器视觉检测技术领域,具体涉及一种应用于水饺食品的视觉检测方法及系统。
背景技术
目前,信息技术高速发展,视觉检测技术日渐成熟,应用领域也非常广泛。采用视觉检测技术进行外观缺陷检测具有非接触、效率高、自动化程度低等优点。在国外,视觉检测普及应用在半导体以及电子行业,如对PCB印刷电路以及SMT表面贴装的检测等;在国内,由于视觉检测技术起步晚,主要应用在制药、印刷等行业。关于食品行业的视觉检测,目前基本上是针对食品外包装的检测,例如检测饮料包装上的条码、字符及标签的检测等,但对于存放在外包装内的食品,例如水饺,却没有专门的检测方法。
发明内容
针对食品行业中视觉检测存在的不足,本发明的目的在于提出一种水饺视觉检测方法及系统。
本发明的目的是采用以下技术方案来实现。依据本发明提出的一种水饺视觉检测系统,包括工业相机、光源、暗箱、编码测速器和工控机,暗箱安装在用于输送载有水饺的托盒的传送带上方并可沿垂直于传送带的方向滑动;光源安装在暗箱的内部,为水饺盒图像的采集提供光照条件;工业相机安装在暗箱内部的顶面,实时动态采集传动带上的水饺盒图像并将其上传至工控机;编码测速器和传送带相连,负责测量传送带的速度并反馈给工控机,用于光源位置和角度的调整;工控机设置于传送带的一侧,处理工业相机采集的水饺盒图像,检测图像中的水饺不良品并对数据进行存储、统计、分析、查询和显示。
进一步的,光源为平行分布于暗箱顶部的多个条形光源。
本发明针对水饺外观的常见缺陷提出了一种专门的视觉检测系统,该系统采用暗箱结构,能使水饺盒图像的采集达到最优化效果,并将暗箱结构以滑动形式安装在传送带的上方,同时兼顾视觉检测和食品行业的传送带需要定期清洗的需求。此外,该系统还具备数据分类存储、数据统计、数据查询、数据分析和可视化等功能,实现了对水饺质量把控的目的。
本发明的目的还采用以下技术方案来实现。依据本发明提出的一种水饺视觉检测方法,包括下列步骤:
(1)编码测速器将测量的传送带速度信号上传至工控机,调整光源的位置和角度后开启光源;
(2)工业相机对传送带上载有水饺的托盒进行拍照,并将拍摄的水饺盒图像上传至工控机,由工控机对水饺盒图像进行水饺不良品检测,具体过程如下:
a.定位:通过对水饺盒图像进行一阶及二阶求导,得到合适的边缘图像进行建模,然后对待检水饺盒图像进行匹配,得到待检水饺盒相对于模型的位置和姿态;
b.分割:根据第一步得到的位置和姿态,对待检水饺盒中的每个水饺生成一个分割矩形,得到单个水饺的图像;
c.缺陷分析:对单个水饺的图像拆通道以及色彩空间转换,找到不同缺陷在不同色彩空间的特征值,通过特征值判断该水饺是否为不良品。
进一步的,缺陷分析子步骤中,针对品质不良及摆放不良中的出格、水饺粘连、方向摆反缺陷,将特征值与相应的设定点值进行比较,如果特征值大于设定点值,则判定该水饺为不良品。
进一步的,缺陷分析子步骤中,针对卷边、变形及摆放不良中的水饺直立缺陷,利用已训练的缺陷检测模型对含特征值的图像进行缺陷检测。
本发明针对水饺外观的常见缺陷提出了一种专门的视觉检测方法,结合特征识别算法和深度学习算法的优点,针对不同类型的水饺缺陷进行检测,不但可以节省成本,而且将视觉检测技术应用达到最优化。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例详细说明。
具体实施方式
本实施例提出了一种水饺视觉检测方法及系统,用于传送过程中托盒内水饺不良品的检测。所述水饺不良品为具有品质不良、摆放不良、卷边和变形中至少一种缺陷的水饺,具体定义如表1所示:
表1水饺不良品定义
所述水饺视觉检测系统包括工业相机、光源、暗箱、编码测速器和工控机。暗箱安装在用于输送载有水饺的托盒的传送带上方并可沿垂直于传送带的方向滑动,具体为:暗箱滑动装配在轨道上,轨道跨设在传送带两侧对称设置的支撑柱上,前述设计兼顾了食品行业的传送带需要定期清洗的情况,当传送带需要清洗时,推动暗箱从传送带上方离开,待清洗完毕以后,再将暗箱推动到传送带上方进行视觉检测。光源安装在暗箱的内部,为水饺盒图像的采集构造理想的光照条件,为了水饺盒图像采集能达到最优化效果,本实施例中光源为平行分布于暗箱顶部的多个条形光源,每个条形光源的具体位置、角度根据实际效果调节,多个条形光源通过暗箱内壁的多次反射在视场内形成均匀光照。工业相机安装在暗箱内部的顶面,实时动态采集传动带上的水饺盒图像并将其上传至工控机。编码测速器和传送带相连,负责测量传送带的速度并反馈给工控机,实现设定位置和角度的打光。工控机设置于传送带的一侧,处理工业相机采集的水饺盒图像,用于检测图像中的水饺不良品并报警,包括数据存储模块、数据统计模块、数据显示模块、本地登录模块、数据远程传输模块,数据存储模块,用于分类储存不良品的图片;数据统计模块,用于统计产能、不良品数量、托盒数量、水饺数量等不同类型的数据;数据显示模块,可以是触摸屏,用于以点状图、柱状图等图表形式可视化展现产量和不良品的比例、每种不良品所占比例等数据分析结果,能够更直观、清晰、快捷地表现数据分析的结果;本地登录模块,用于不同级别的多账户(例如现场操作员、管理员、研发维护人员)登录后根据日期和不良类别等限制条件查询数据及数据分析结果;数据远程传输模块,用于将产能、合格率等数据分析结果以邮件形式发送到指定邮箱,并允许远程添加或修改邮箱地址,同时允许远程计算机通过网络访问工控机,访问权限分级别:低级别只能查看,高级别可以远程复制各类数据、分析结果和水饺图片等。
在前述系统的基础上,本实施例一种水饺视觉检测方法包括下列步骤:
(1)编码测速器将测量的传送带速度信号上传至工控机,调整光源的位置和角度后开启光源;
(2)工业相机对传送带上载有水饺的托盒进行拍照,并将拍摄的水饺盒图像上传至工控机;
本步骤中,为保证水饺不良品的检测精度,传送带的颜色应该与水饺、托盒存在明显区别,区别越大,更容易进行托盒的定位与水饺的分割。工业相机采用精度为0.2mm/像素的彩色相机,由于水饺上的破损露馅通常为黑色、绿色或褐色,使用彩色相机能更容易地将前述缺陷与水饺区分,并且彩色图像更贴近平常人工肉眼检测的习惯,在操作人员复查检测结果的时候,彩色图像也比灰度图像更有优势。
(3)工控机对水饺盒图像进行水饺不良品检测,过程如下:
a.定位:通过对水饺盒图像进行一阶及二阶求导,得到合适的边缘图像进行建模,然后对待检水饺盒图像进行匹配,得到待检水饺盒相对于模型的位置和姿态;
b.分割:根据第一步得到的位置和姿态,对待检水饺盒中的每个水饺生成一个分割矩形,得到单个水饺的图像;
c.缺陷分析:对单个水饺的图像拆通道以及色彩空间转换,找到不同缺陷在不同色彩空间的特征值,通过特征值判断该水饺是否为不良品。
针对品质不良及摆放不良中的出格、水饺粘连、方向摆反缺陷,将特征值与相应的设定点值进行比较,如果特征值大于设定点值,则判定该水饺为不良品,例如检测到的露馅直径为1.5mm,相应的设定点值为1mm,即可判定相应的水饺为不良品。
针对卷边、变形及摆放不良中的水饺直立缺陷,利用已训练的缺陷检测模型对含特征值的图像进行缺陷检测。深度学习算法是基于海量数据的机器学习算法,需要采集大量具有直立、卷边、变形缺陷的水饺不良品图像构成训练集,并完成缺陷图像的标注,然后利用带标签的缺陷图像进行深度学习网络的训练,以获取缺陷检测模型。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的设计和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种水饺视觉检测系统,包括工业相机、光源、暗箱、编码测速器和工控机,其特征是:暗箱安装在用于输送载有水饺的托盒的传送带上方并可沿垂直于传送带的方向滑动;光源安装在暗箱的内部,为水饺盒图像的采集提供光照条件;工业相机安装在暗箱内部的顶面,实时动态采集传动带上的水饺盒图像并将其上传至工控机;编码测速器和传送带相连,负责测量传送带的速度并反馈给工控机,用于光源位置和角度的调整;工控机设置于传送带的一侧,处理工业相机采集的水饺盒图像,检测图像中的水饺不良品并对数据进行存储、统计、分析、查询和显示。
2.根据权利要求1所述的水饺视觉检测系统,其特征是:光源为平行分布于暗箱顶部的多个条形光源。
3.一种水饺视觉检测方法,其特征是包括下列步骤:
(1)编码测速器将测量的传送带速度信号上传至工控机,调整光源的位置和角度后开启光源;
(2)工业相机对传送带上载有水饺的托盒进行拍照,并将拍摄的水饺盒图像上传至工控机,由工控机对水饺盒图像进行水饺不良品检测,具体过程如下:
a.定位:通过对水饺盒图像进行一阶及二阶求导,得到合适的边缘图像进行建模,然后对待检水饺盒图像进行匹配,得到待检水饺盒相对于模型的位置和姿态;
b.分割:根据第一步得到的位置和姿态,对待检水饺盒中的每个水饺生成一个分割矩形,得到单个水饺的图像;
c.缺陷分析:对单个水饺的图像拆通道以及色彩空间转换,找到不同缺陷在不同色彩空间的特征值,通过特征值判断该水饺是否为不良品。
4.根据权利要求3所述的水饺视觉检测方法,其特征是:缺陷分析子步骤中,针对品质不良及摆放不良中的出格、水饺粘连、方向摆反缺陷,将特征值与相应的设定点值进行比较,如果特征值大于设定点值,则判定该水饺为不良品。
5.根据权利要求3所述的水饺视觉检测方法,其特征是:缺陷分析子步骤中,针对卷边、变形及摆放不良中的水饺直立缺陷,利用已训练的缺陷检测模型对含特征值的图像进行缺陷检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011289541.2A CN112362673A (zh) | 2020-11-17 | 2020-11-17 | 一种水饺视觉检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011289541.2A CN112362673A (zh) | 2020-11-17 | 2020-11-17 | 一种水饺视觉检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112362673A true CN112362673A (zh) | 2021-02-12 |
Family
ID=74532479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011289541.2A Pending CN112362673A (zh) | 2020-11-17 | 2020-11-17 | 一种水饺视觉检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112362673A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102502000A (zh) * | 2011-10-25 | 2012-06-20 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉技术的烟包缺支、反支检测方法 |
CN102680498A (zh) * | 2012-06-12 | 2012-09-19 | 江西中烟工业有限责任公司南昌卷烟厂 | 一种烟支滤嘴凹陷图案完整性检测方法 |
CN108855988A (zh) * | 2018-05-07 | 2018-11-23 | 新疆农业大学 | 基于机器视觉的核桃仁分级方法及核桃仁分级装置 |
CN108875747A (zh) * | 2018-06-15 | 2018-11-23 | 四川大学 | 一种基于机器视觉的小麦不完善粒识别方法 |
CN109711407A (zh) * | 2018-12-28 | 2019-05-03 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别的方法及相关装置 |
CN109884070A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 一种基于机器视觉的铝铝泡罩包装药片缺陷检测方法 |
CN110976338A (zh) * | 2019-11-11 | 2020-04-10 | 浙江大学 | 一种基于机器视觉的试纸分拣系统及分拣方法 |
CN111069094A (zh) * | 2020-01-03 | 2020-04-28 | 仲恺农业工程学院 | 一种多指标综合的球形果蔬品质分级分选装置 |
CN111134047A (zh) * | 2020-01-19 | 2020-05-12 | 浙江大学 | 笼养蛋鸡的蛋鸡区位产蛋性能监测方法与系统 |
CN111915704A (zh) * | 2020-06-13 | 2020-11-10 | 东北林业大学 | 一种基于深度学习的苹果分级识别方法 |
-
2020
- 2020-11-17 CN CN202011289541.2A patent/CN112362673A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102502000A (zh) * | 2011-10-25 | 2012-06-20 | 中国电子科技集团公司第四十一研究所 | 一种基于机器视觉技术的烟包缺支、反支检测方法 |
CN102680498A (zh) * | 2012-06-12 | 2012-09-19 | 江西中烟工业有限责任公司南昌卷烟厂 | 一种烟支滤嘴凹陷图案完整性检测方法 |
CN108855988A (zh) * | 2018-05-07 | 2018-11-23 | 新疆农业大学 | 基于机器视觉的核桃仁分级方法及核桃仁分级装置 |
CN108875747A (zh) * | 2018-06-15 | 2018-11-23 | 四川大学 | 一种基于机器视觉的小麦不完善粒识别方法 |
CN109711407A (zh) * | 2018-12-28 | 2019-05-03 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别的方法及相关装置 |
CN109884070A (zh) * | 2019-03-08 | 2019-06-14 | 武汉大学 | 一种基于机器视觉的铝铝泡罩包装药片缺陷检测方法 |
CN110976338A (zh) * | 2019-11-11 | 2020-04-10 | 浙江大学 | 一种基于机器视觉的试纸分拣系统及分拣方法 |
CN111069094A (zh) * | 2020-01-03 | 2020-04-28 | 仲恺农业工程学院 | 一种多指标综合的球形果蔬品质分级分选装置 |
CN111134047A (zh) * | 2020-01-19 | 2020-05-12 | 浙江大学 | 笼养蛋鸡的蛋鸡区位产蛋性能监测方法与系统 |
CN111915704A (zh) * | 2020-06-13 | 2020-11-10 | 东北林业大学 | 一种基于深度学习的苹果分级识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102579783B1 (ko) | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 | |
CN108686978B (zh) | 基于arm的水果类别和色泽的分拣方法及系统 | |
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 | |
US11132786B2 (en) | Board defect filtering method based on defect list and circuit layout image and device thereof and computer-readable recording medium | |
CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
CN110567976B (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
CN203245133U (zh) | 镜片瑕疵检测系统 | |
CN111239142A (zh) | 膏体外观缺陷检测设备及方法 | |
CN107423944A (zh) | 一种便携式一站式检测服务系统及方法 | |
CN112474411A (zh) | 一种基于柔性生产线的产品检测自动处理控制系统 | |
CN113588653A (zh) | 一种检测和追踪铝用阳极炭块质量的系统及方法 | |
CN111504381A (zh) | 一种端子排产品在线检测设备及其检测方法 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
TW202242390A (zh) | 缺陷檢查裝置、缺陷檢查方法以及製造方法 | |
CN110533660B (zh) | 一种电子产品外壳丝印缺陷的检测方法 | |
CN111951218A (zh) | 一种混合深度学习模型的口红质检系统 | |
CN111693535A (zh) | 基于机器视觉分析的触摸屏缺陷检测设备及方法 | |
CN111680738A (zh) | 一种用于苹果品质检测的筛选装置及其检测方法 | |
CN111330874A (zh) | 药瓶底部区域污染或杂物缺陷检测装置及其检测方法 | |
CN114359155A (zh) | 一种覆膜方法及系统 | |
CN107040592A (zh) | 一种手持式一站式检测服务系统及方法 | |
CN211122566U (zh) | 一种智能手机玻璃盖板表面缺陷快速检测装置 | |
CN112362673A (zh) | 一种水饺视觉检测方法及系统 | |
CN111458344A (zh) | 一种口罩缺陷视觉检测方法、设备、存储介质 | |
CN111272776A (zh) | 一种基于ai技术的柔性电路板缺陷检测方法 |
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 |