CN112419431A - 一种产品颜色的检测方法和系统 - Google Patents
一种产品颜色的检测方法和系统 Download PDFInfo
- Publication number
- CN112419431A CN112419431A CN202011156012.5A CN202011156012A CN112419431A CN 112419431 A CN112419431 A CN 112419431A CN 202011156012 A CN202011156012 A CN 202011156012A CN 112419431 A CN112419431 A CN 112419431A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- product
- area
- preset
- 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
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种产品颜色的检测方法和系统,其中,该产品颜色的检测方法包括:获取产品的RGB图像;将所述RGB图像按照颜色划分图像区域;将所述RGB图像的颜色空间转换到HSV空间,确定所述图像区域的平均HSV值,并根据所述图像区域的平均HSV值,确定所述图像区域的颜色分类。通过本申请,解决了相关技术中产品颜色的检测精度低和成本高的问题,实现了以低成本、高效率的方式完成产品颜色的检测。
Description
技术领域
本申请涉及工厂流水线检测技术领域,特别是涉及一种产品颜色的检测方法和系统。
背景技术
伴随着经济的发展和科技的进步,企业在不断扩大生产规模的同时,对产品质量、外观、智能化等方面的要求也越来越高。产品在生产过程中,若出现外观上的差异,将直接影响整厂生产线的合格率,生产效率,经济转换率,造成工厂的材料浪费,而且产品不符合生产要求,将对工厂的经济效益产生不利影响。所以,为了提高产品质量和生产效率,工厂需要对生产过程进行严格控制。对于工厂流水检测技术领域,现有的相关技术都是采用基于颜色的图像识别方法来检测产品之间的差异,但是在实际应用中却存在检测精度低、成本高、响应时间长等问题。比如在纸管生产领域,现有的纸管包装码垛主要是通过人工放置、包装、码垛,随着自动包装码垛机的设计和制造的进步,纸管包装码垛可以实现机械自动化,但是纸管颜色和条纹种类繁多,在包装码垛过程中不允许纸管混式包装码垛,造成生产成本高、生产线复杂等问题。
由于相关技术存在产品颜色检测精度低、成本高等问题,目前还没有提出有效的解决方案。
发明内容
本申请实施例提供了一种产品颜色的检测方法和系统,以至少解决相关技术中产品颜色的检测精度低和成本高的问题。
第一方面,本申请实施例提供了一种产品颜色的检测方法,所述方法包括:
获取产品的RGB图像;
将所述RGB图像按照颜色划分图像区域;
将所述RGB图像的颜色空间转换到HSV空间,确定所述图像区域的平均HSV值,并根据所述图像区域的平均HSV值,确定所述图像区域的颜色分类。
在其中一个实施例中,在通过摄像头获取产品的RGB图像之前,所述方法还包括:
探测所述产品是否位于检测区域中,在所述产品位于检测区域中的时,通过摄像头获取产品的RGB图像,其中,所述检测区域为产品进行检测的区域。
在其中一个实施例中,将所述RGB图像按照颜色划分图像区域包括通过查找所述RGB图像的边缘信息,将所述RGB图像按照颜色划分图像区域。
在其中一个实施例中,在获取RGB图像后,所述方法还包括:
将所述RGB图像转化为单通道灰度图像;
将所述单通道灰度图转化为梯度图;
将所述梯度图分割为二值图像;
通过所述二值图像对所述RGB图像进行掩膜处理。
在其中一个实施例中,根据所述图像区域的平均HSV值,确定所述图像区域的颜色分类包括:
确定各图像区域每个像素点的HSV值;
将每个像素点的HSV值与预设HSV值进行对比,计算每个像素点的HSV值与预设HSV值一致的比例,若所述比例小于预设比例,则确定该区域的颜色与预设颜色一致,若所述比例大于预设比例,则确定该区域的颜色与预设颜色不一致。
在其中一个实施例中,根据所述图像区域的平均HSV值,确定所述图像区域的颜色分类包括:
确定各图像区域的平均HSV值;
将各图像区域的平均HSV值与对应的预设平均HSV值进行对比,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例小于预设比例,则确定该区域的颜色与预设颜色一致,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例大于预设比例,则确定该区域的颜色与预设颜色不一致。
第二方面,本申请实施例提供了一种产品颜色的检测系统,包括:
成像装置、图像处理装置和存储器;所述存储器中存储有计算机程序;所述成像装置用于获取产品的RGB图像;所述图像处理装置用于运行所述计算机程序以执行权利要求1至6中任一项所述的产品颜色的检测方法。
在其中一个实施例中,所述系统包括:
光源单元,用于为所述成像装置获取产品的RGB图像提供光源,其中,所述光源为LED光源;
激光测距器,用于检测所述产品是否位于检测区域中,其中,所述检测区域为产品进行检测的区域。
在其中一个实施例中,所述成像装置包括CMOS图像传感器。
在其中一个实施例中,所述CMOS图像传感器安装于所述检测区域的正上方。
与相关技术相比,本申请实施例中所提供的产品颜色检测方法与系统可以提高流水线产品颜色检测的正确率,提高其检测效率,同时节省设备费用。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的产品颜色的检测方法流程图;
图2是根据本申请优选实施例一的产品颜色的检测方法流程图;
图3是根据本申请优选实施例二的产品颜色的检测方法流程图;
图4是根据本申请实施例的产品颜色的检测系统结构图;
图5为根据本申请实施例的产品颜色的检测系统硬件结构示意图;
图6为根据本申请实施例的产品颜色的检测系统硬件结构硬件实物图;
图7为根据本申请实施例的HSV色彩空间模型图;
图8为根据本申请实施例的预设值范围图;
图9为根据本申请实施例的产品颜色的检测系统的示意图;
图10为根据本申请实施例的实验装置模拟图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。应该明白的是,这里描述的具体实施例只是用来解释这个应用,而不是用来对它进行限定。根据本申请提供的实施例,本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例,均属本申请保护范围。
显然,下面所述的附图只是本申请的一些例子或实施例,对本领域的普通技术人员来说,也可以根据这些附图将本申请适用于其他类似情况,但无需付出创造性劳动。另外,可以理解的是,尽管在此开发过程中所做的工作可能是复杂和漫长的,但是,对于本领域的普通技术人员来说,根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段,不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例,也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是,本申请中描述的实施例在没有冲突的情况下,可以与其它实施例结合。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
本实施例提供了一种产品颜色检测的方法。图1是根据本申请实施例的产品颜色的检测方法流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取产品的RGB图像。
在本实施例中,RGB指RGB色彩模式,是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色。本申请通过图像传感器获取产品的RGB图像。但是在图像颜色识别和处理的过程中,RGB色彩模式由于有三个参数决定图像色彩,不利于对图像颜色进行识别处理,因此在后续处理中将对获得的RGB图像进行一系列处理。
步骤S102,将RGB图像按照颜色划分图像区域。
在本实施例中,将RGB图像按照颜色划分图像区域指通过计算图像的RGB数值,按照预设的标准值与计算得到的RGB值对比,将原图像划分为若干区域。此步骤能够将原本难以进行颜色处理的大图像划分为易于进行颜色处理的小图像,降低了图像颜色处理的难度,同时提高了图像颜色处理的准确率。
步骤S103,将RGB图像的颜色空间转换到HSV空间。
在其中一个实施例中,由于在RGB颜色空间中,三种颜色分量的取值与所产生的颜色空间联系并不大,但是HSV颜色空间中的分量分别是色调(Hue)、饱和度(Saturation)、亮度(Value)。其中,色调指纯光谱色,与光源光谱组成和有色物体表面反射波长的辐射率有关,是人眼感知到的颜色基调,是区分不同颜色的基础;饱和度表示颜色的纯度或色调中混入白光的数量,混入的白光越多,颜色越暗淡,反之颜色越鲜艳;明度或亮度表示颜色的明暗程度,明度不仅与光照有关,还与物体表面反射系数有关。RGB颜色空间缺点是R,G,B三个分量是高度相关的,即如果一个颜色的某一个分量发生了一定程度的改变,那么这个颜色很可能要发生改变,同时人眼对于常见的红绿蓝三色的敏感程度不一样,因此RGB颜色空间的均匀性差,且两种颜色之间的知觉差异色差不能表示为该颜色空间中两点间的距离。相对于RGB空间,HSV空间能够非常直观地表达色彩的明暗,色调,以及鲜艳程度,方便进行颜色之间的对比,也方便感情的传达。但是缺点是不能直接把颜色值传达给显示器,在转换过程中消耗系统资源。因此,为了便于基于相关算法对图像进行处理,本申请选择将RGB图像的颜色空间转换到HSV空间。基于HSV空间,每一个产品都有一个特定的颜色,每一个颜色都对应HSV值,将在步骤S101中被分割图片中的HSV值与之前设定好的HSV值进行对比,能够对于颜色进行判断。通过将RGB图像的颜色空间转换到HSV空间,能够提高图像识别算法的效果,可以直观地获得图像的全部颜色分布,确定好等距的情况下,识别率可以接近100%,并且在高速流水线上减少识别误差率,同时保证整个工厂流水线识别稳定性。图7为根据本申请实施例的HSV色彩空间模型图。如图7所示,HSV颜色空间中的分量分别是色调、饱和度、亮度,其中,圆锥模型底面圆上的点为色调,圆锥模型侧面到高的距离为饱和度,圆锥模型的母线为亮度,三个参数共同组成HSV颜色空间模型。
步骤S104,确定图像区域的平均HSV值。
步骤S105,并根据图像区域的平均HSV值,确定图像区域的颜色分类。
在本实施例中,确定图像区域的平均HSV值是指采用计算某一个区域中每一个像素的HSV值并在该区域取平均值,其中,本实施例采用基于OpenCV的颜色HSV值提取方案,在OpenCV中由于一个字节表示各通道信息,所以通过对三通道的值进行了转换和HSV颜色空间对图像进行感兴趣颜色区域的分割,获得每一种颜色对应的各通道分割,通过颜色标准色卡进行实验得到一个大致分量,完成分割后图像的区域HSV值计算。因此,通过确定图像每一个区域的HSV值,有利于后续对图像区域的颜色分类,使图像对比准确率和对比效率更高。
在其中一些实施例中,步骤S102中将RGB图像按照颜色划分图像区域包括通过查找RGB图像的边缘信息,将RGB图像按照颜色划分图像区域。通过将RGB图像按照颜色划分图像区域,能够以图像的边缘为划分标准将原本难以处理的完整图像划分为颜色相近且易于处理的区域图像,减小了后续处理的对图像颜色的难度,同时提高了图像处理的精确程度。
在其中一些实施例中,根据图像区域的平均HSV值,确定图像区域的颜色分类包括:确定各图像区域每个像素点的HSV值;将每个像素点的HSV值与预设HSV值进行对比,计算每个像素点的HSV值与预设HSV值一致的比例,若比例小于预设比例,则确定该区域的颜色与预设颜色一致,若比例大于预设比例,则确定该区域的颜色与预设颜色不一致。在本实施例中,为将图像区域进行颜色对比,首先对各个图像区域的每一个像素点进行HSV值的计算,之后将每个像素点的HSV值与预设的HSV值进行对比,其中,预设HSV值为工程人员根据产品颜色的特点和检测需求自主设定的一个值。在完成每个像素点的HSV值与预设的HSV值进行对比后进行对比结果的分析,判断HSV值与预设HSV值一致的像素点占总像素点的比例值,若HSV值与预设HSV值一致的像素点占总像素点的比例值大于预设的比例值,则可以确定这一区域的颜色符合预设要求,若HSV值与预设HSV值一致的像素点占总像素点的比例值小于预设的比例值,则可以确定这一区域的颜色不符合预设要求,可以标记对应的产品并在流水线的下一个阶段对对应的产品进行剔除,其中,预设的比例值是工程人员根据实际需要计算并确定的一个比例值。通过本实施例,能够以自主设定的预设值实现对产品颜色的检测,此外,预设值可以根据实际需要而更改,如当对流水线产品颜色检测精度要求提高时,可以将预设值同步提高,反之则降低,保证了对产品颜色检测标准的自主修改。
图8为根据本申请实施例的预设值范围图。如图8所示,HSV值在不同颜色下有不同的取值范围,如在黑色场景下,色调值的取值范围为0至180,即说明工程人员确定黑色产品的HSV预设值时的参考范围为0至180。在其它产品颜色的场景下,工程人员能够以图8的数据为参考确定相应的HSV取值范围。
在其中一些实施例中,根据图像区域的平均HSV值,确定图像区域的颜色分类包括:确定各图像区域的平均HSV值;将各图像区域的平均HSV值与对应的预设平均HSV值进行对比,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例小于预设比例,则确定该区域的颜色与预设颜色一致,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例大于预设比例,则确定该区域的颜色与预设颜色不一致。在本实施例中,为将图像区域进行颜色对比,首先计算各个图像区域的平均HSV值,其中,各个图像区域的平均HSV值为该区域每一个像素点的HSV值相加之后除以该图像区域的像素点的个数。在获得各个图像区域的平均HSV值后将各个图像区域的平均HSV值与对应的预设平均HSV值进行比较,其中,预设平均HSV值是由工程人员根据实际需求和产品颜色特点自主设定的预设值,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例小于预设比例,则可以确定这一区域的颜色符合预设要求,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例大于预设比例,则可以确定这一区域的颜色不符合预设要求,可以标记对应的产品并在流水线的下一个阶段对对应的产品进行剔除。通过本实施例,能够以自主设定的预设值实现对产品颜色的检测,此外,预设值可以根据实际需要而更改,如当对流水线产品颜色检测精度要求提高时,可以将预设值同步提高,反之则降低,保证了对产品颜色检测标准的自主修改。
通过上述步骤,本申请利用图像区域的颜色划分,将RGB颜色空间转化到HSV颜色空间,之后对其进行图像识别和对比,完成对产品的颜色检测。相比于相关技术,上述步骤避免了图像处理过程中一次性处理颜色差异较大的图像,而是按顺序依次处理被分割了的区域图像,减小了对图像识别的难度,同时,上述步骤还将原RGB图像空间转化为更易于进行图像处理的HSV图像空间,提高了图像识别的准确率。
图2是根据本申请优选实施例一的产品颜色的检测方法流程图。如图2所示,该产品颜色的检测方法包括如下步骤:
步骤S201,探测产品是否位于检测区域中。
步骤S202,若产品位于检测区域中,则获取产品的RGB图像。
步骤S203,将RGB图像按照颜色划分图像区域。
步骤S204,将RGB图像的颜色空间转换到HSV空间。
步骤S205,确定图像区域的平均HSV值。
步骤S206,并根据图像区域的平均HSV值,确定图像区域的颜色分类。
在其中一个实施例中,产品位于流水线的履带上并随履带进行运动,为了保证产品处于图像的中心,本方案实时检测是否有产品位于检测区域,当检测到有产品位于检测区域中时,则立即获取检测区域中的产品的RGB图像。此步骤能够保证履带上的产品不会被遗漏,同时能够保证在获取的产品的RGB图像中产品始终位于图像的中心,便于后续步骤对于产品图像的分割和对比分析。
图3是根据本申请优选实施例二的产品颜色的检测方法流程图,如图3所示,该产品颜色的检测方法包括如下步骤:
步骤S301,若产品位于检测区域中,则获取产品的RGB图像。
步骤S302,将RGB图像转化为单通道灰度图像。
在本实施例中,单通道灰度图的每个像素点只能有一个值表示颜色,其像素值在0到255之间,0为黑色,255为白色,中间值是一些不同等级的灰色。通过将原本的RGB图像转化为单通道灰度图像,相当于原本由三个数值产生一个像素点的颜色空间转换为一个数值产生一个像素点的颜色空间,同时产品的图像从原本的彩色图像变为黑白图像,更易于进行后续图像分析和识别处理。
步骤S303,将单通道灰度图转化为梯度图。
在本实施例中,在将原本的RGB图像转换为单通道灰度图后,由于图像本身就是函数,则图像的梯度相当于2个相邻像素之间的差值,在某一坐标方向选取某个像素,根据这一点的像素值和沿这一坐标方向的相邻像素计算这一坐标方向的梯度,并取变化率的绝对值,表明变化的大小。其计算数学式如下:
其中,单通道灰度图是关于x和y的二维函数,x和y为单通道灰度图的灰度值,进行微分计算即:
上述数学式对单通道灰度图的二维函数进行偏微分,可得到如下数学式:
上述数学式表示图像在(x,y)点处x方向和y方向上的梯度,从上述数学式可知,图像的梯度相当于2个相邻像素之间的差值。
步骤S304,将梯度图分割为二值图像。
在本实施例中,分割梯度图获得二值图像的方式为将梯度图作为函数输入参数输入分割函数,输出二值图像,其中,分割函数可以是OpenCV平台的Split分割函数。
步骤S305,通过二值图像对RGB图像进行掩膜处理。
步骤S306,将RGB图像按照颜色划分图像区域。
步骤S307,将RGB图像的颜色空间转换到HSV空间。
步骤S308,确定图像区域的平均HSV值。
步骤S309,并根据图像区域的平均HSV值,确定图像区域的颜色分类。
在其中一个实施例中,通过二值图像对RGB图像进行掩膜处理过程包括:提取感兴趣区,用预设的感兴趣区掩膜与二值图像相乘,其中,感兴趣区为产品图像的区域,产品图像的区域为存在产品的部分或全部图像的区域;减少非产品图像对产品图像的权重,其中,非产品图像为不存在产品图像的区域;计算二值图像的像素值。在本实施例中,掩膜是指用选定的图像,图形或物体,对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程,其中,用于覆盖的特定图像或物体称为掩膜或模板。光学图像处理中,掩膜可以是胶片,滤光片等。掩膜是由0和1组成的一个二进制图像。当在某一功能中应用掩膜时,1值区域被处理,被屏蔽的0值区域不被包括在计算中。通过指定的数据值,数据范围,有限或无限值,感兴趣区和注释文件来定义图像掩膜,也可以应用上述选项的任意组合作为输入来建立掩膜。掩膜是一种图像滤镜的模板。在OpenCV中,掩膜操作是通过一个掩膜矩阵,重新计算图像中的每一个像素值。掩膜矩阵控制了旧图像当前位置以及周围位置像素对新图像当前位置像素值的影响力度,即自定义一个图像颜色的权重表。通过本实施例的操作,能够减少背景和非产品的图像的权重,即模糊化与产品无关的背景,提高了后续步骤中对产品颜色识别分析的准确性。
本实施例还提供了一种产品颜色的检测系统,该系统用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例还提供了一种产品颜色的检测系统,包括存储器和处理器,其特征在于,存储器中存储有计算机程序,处理器被设置为运行计算机程序以上述步骤说明中任一项产品颜色的检测方法。图4是根据本申请实施例的产品颜色的检测系统结构图,如图4所示,该系统包括:成像装置41、图像处理装置42和存储器43;存储器43中存储有计算机程序;成像装置41用于获取产品的RGB图像。
在其中一些实施例中,图像处理装置还包括:第一处理单元,用于将RGB图像转化为单通道灰度图像;第二处理单元,用于将单通道灰度图转化为梯度图;第三处理单元,用于将梯度图分割为二值图像;第四处理单元,用于通过二值图像对RGB图像进行掩膜处理;确定单元,用于确定图像区域的平均HSV值。
在其中一些实施例中,系统还包括:光源单元,用于为成像装置获取产品的RGB图像提供光源,其中,光源为LED光源;激光测距器,用于检测产品是否位于检测区域中,其中,检测区域为产品进行检测的区域。
在本实施例中,本方案采用LED作为光源。光源是决定视觉检测系统图像采集质量的关键因素,大部分视觉检测系统在应用中都需要专门的光源来对检测对象打光。理想的光源具有光强稳定、无频闪、光场均匀、亮度高且可调节和闪光时间短等特点。光源将直接影响采集的图像质量以及应用效果,在采集图像时,光源并不是为了简单地照亮物体,而是要突出被检测对象的特征。在视觉检测系统中选择合适的光源比设计图像处理算法更为重要。光源可以设计成不同的形状,根据不同形状对光源进行划分,可分为点光源、线光源、面光源,具体选择哪一种形状需要结合具体的检测对象和其它检测要求。在视觉检测系统中,常用的不同发光体光源有以下几种:荧光灯、卤素灯、LED灯和白炽灯等。不同类型的光源在性能和价格上也有较大差异,在流水线检测产品颜色差异的应用场景下,使用LED灯作为光源具有功耗低,发热少的技术效果,同时相比于荧光灯、卤素灯和白炽灯,LED灯的寿命更长,能够减少产品颜色检测系统的硬件更换成本。
在其中一个实施例中,成像装置包括CMOS图像传感器。产品的原始图像的采集使用较多的图像传感器有CCD和CMOS两种。本申请选用CMOS图像传感器应用于产品颜色的检测场景下,能够增加图像传输速度并降低功耗,在传送带的速度较快的情况下,相比于CCD图像传感器,COMS图像传感器的速度更快且价格更低,有利于降低实现本方案的产品硬件成本。
在其中一个实施例中,CMOS图像传感器安装于检测区域的正上方。在本实施例中,图像传感器从不同角度对产品进行采集会得到不同特征的图像,将直接影响图像处理的算法设计与系统可靠性,因此在图像采集时需要找到一个最佳的成像方案。图像传感器从4个方位对产品进行图像采集,可以得到具有不同特征的图像,但是会存在一定的方向偏差。摄像头位于产品,上方、侧方和前方不同方位进行采集的图像,通过对比发现,只有摄像头位于产品正上方时采集的图像具有特征不变性,始终表现为一个矩形,由于产品是一个立体,从其余方位所拍摄的图像在方向变化时会采集到其余的面,图像中的产品不具有一个稳定的轮廓,不利于图像的分析与处理。因此,采用上方正拍的成像方案能够保持产品具有稳定的轮廓,提高了采集图像的稳定性,降低后续对采集到的图像的处理难度。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取产品的RGB图像。
S2,将RGB图像按照颜色划分图像区域。
S3,将RGB图像的颜色空间转换到HSV空间,确定图像区域的平均HSV值,并根据图像区域的平均HSV值,确定图像区域的颜色分类。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合图1描述的本申请实施例产品颜色的检测方法可以由产品颜色的检测设备来实现。图5为根据本申请实施例的产品颜色的检测系统硬件结构示意图。
产品颜色的检测系统硬件可以包括处理器51以及存储有计算机程序指令的存储器52。
具体地,上述处理器51可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器52可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器52可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器52可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器52可在数据处理装置的内部或外部。在特定实施例中,存储器52是非易失性(Non-Volatile)存储器。在特定实施例中,存储器52包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩膜编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory,简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory,简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-Only Memory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(FastPage Mode Dynamic Random AccessMemory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date OutDynamic Random Access Memory,简称为EDODRAM)、同步动态随机存取内存(SynchronousDynamic Random-Access Memory,简称SDRAM)等。
存储器52可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器51所执行的可能的计算机程序指令。
处理器51通过读取并执行存储器52中存储的计算机程序指令,以实现上述实施例中的任意一种产品颜色的检测方法。
在其中一些实施例中,产品颜色的检测设备还可包括通信接口53和总线50。其中,如图5所示,处理器51、存储器52、通信接口53通过总线50连接并完成相互间的通信。
通信接口53用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口53还可以实现与其他部件例如:外接设备、图像/数据采集设备、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线50包括硬件、软件或两者,将产品颜色的检测设备的部件彼此耦接在一起。总线50包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线50可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SerialAdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线50可包括一个或多个总线。尽管本申请实施例描述和展示出了特定的总线,但本申请考虑任何合适的总线或互连。
该产品颜色的检测设备可以基于获取到的数据信息,执行本申请实施例中的产品颜色的检测方法,从而实现结合图1描述的一种产品颜色的检测方法。
图6为根据本申请实施例的产品颜色的检测系统硬件结构硬件实物图。如图6所示,本产品颜色的检测系统硬件结构硬件实物包括:DSI显示接口、板载蓝牙和WiFi、GPIO引脚、博通处理器、摄像头接口和以太网接口。其中,博通处理器应用于图像的处理,摄像头接口与图像传感器连接。
图9为根据本申请实施例的产品颜色的检测系统的示意图。如图9所示,电源模块为微差别图像采集装置、嵌入式图像采集装置提供电源。微差别图像采集装置采集产品图像后将产品图像发送至嵌入式图像采集装置,嵌入式图像采集装置将接收的图像处理完成后将产品个数、微差别识别信息发送至工业流水线PLC控制器,PLC控制器根据接收到的信息对颜色不符合预设标准和要求的产品进行剔除,有效提高了流水线检测产品颜色的工作效率。
图10为根据本申请实施例的实验装置模拟图。如图10所示,光源1001、摄像装置1002、传送带1003和待检测工件1004组成实验装置。其中,光源1001为摄像装置1002获取待检测工件1004的图像提供光源,传送带1003负载待检测工件1004。通过本实验装置的模拟测试,获得了待检测工件的图像,实现了对结合图1描述的一种产品颜色的检测方法。
综上,通过本申请提供的上述实施例或者优选实施方式,有如下有益效果:
1、本申请通过划分图像区域,提高了图像识别的准确性。
2、本申请通过不断测试光照与摄像头位置,确定出最适合流水线上拍摄的位置,提高了检测的稳定性。
3、本申请基于HSV颜色提取为核心,在整个系统的运行期间,如出现问题和故障能第一时间通过简易方式解决,不耽误工厂运转、耽误经济效益。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种产品颜色的检测方法,其特征在于包括:
获取产品的RGB图像;
将所述RGB图像按照颜色划分图像区域;
将所述RGB图像的颜色空间转换到HSV空间,确定所述图像区域的平均HSV值,并根据所述图像区域的平均HSV值,确定所述图像区域的颜色分类。
2.根据权利要求1所述的一种产品颜色的检测方法,其特征在于,在通过摄像头获取产品的RGB图像之前,所述方法还包括:
探测所述产品是否位于检测区域中,在所述产品位于检测区域中的时,通过摄像头获取产品的RGB图像,其中,所述检测区域为产品进行检测的区域。
3.根据权利要求1所述的一种产品颜色的检测方法,其特征在于,将所述RGB图像按照颜色划分图像区域包括通过查找所述RGB图像的边缘信息,将所述RGB图像按照颜色划分图像区域。
4.根据权利要求1所述的一种产品颜色的检测方法,其特征在于,在获取RGB图像后,所述方法还包括:
将所述RGB图像转化为单通道灰度图像;
将所述单通道灰度图转化为梯度图;
将所述梯度图分割为二值图像;
通过所述二值图像对所述RGB图像进行掩膜处理。
5.根据权利要求1所述的一种产品颜色的检测方法,其特征在于,根据所述图像区域的平均HSV值,确定所述图像区域的颜色分类包括:
确定各图像区域每个像素点的HSV值;
将每个像素点的HSV值与预设HSV值进行对比,计算每个像素点的HSV值与预设HSV值一致的比例,若所述比例小于预设比例,则确定该区域的颜色与预设颜色一致,若所述比例大于预设比例,则确定该区域的颜色与预设颜色不一致。
6.根据权利要求1所述的一种产品颜色的检测方法,其特征在于,根据所述图像区域的平均HSV值,确定所述图像区域的颜色分类包括:
确定各图像区域的平均HSV值;
将各图像区域的平均HSV值与对应的预设平均HSV值进行对比,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例小于预设比例,则确定该区域的颜色与预设颜色一致,若各图像区域的平均HSV值与对应的预设平均HSV值差异比例大于预设比例,则确定该区域的颜色与预设颜色不一致。
7.一种产品颜色的检测系统,其特征在于包括:成像装置、图像处理装置和存储器;所述存储器中存储有计算机程序;所述成像装置用于获取产品的RGB图像;所述图像处理装置用于运行所述计算机程序以执行权利要求1至6中任一项所述的产品颜色的检测方法。
8.根据权利要求7所述的一种产品颜色的检测系统,其特征在于,所述系统还包括:
光源单元,用于为所述成像装置获取产品的RGB图像提供光源,其中,所述光源为LED光源;
激光测距器,用于检测所述产品是否位于检测区域中,其中,所述检测区域为产品进行检测的区域。
9.根据权利要求8所述的一种产品颜色的检测系统,其特征在于,所述成像装置包括CMOS图像传感器。
10.根据权利要求9所述的一种产品颜色的检测系统,其特征在于,所述CMOS图像传感器安装于所述检测区域的正上方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156012.5A CN112419431A (zh) | 2020-10-26 | 2020-10-26 | 一种产品颜色的检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156012.5A CN112419431A (zh) | 2020-10-26 | 2020-10-26 | 一种产品颜色的检测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112419431A true CN112419431A (zh) | 2021-02-26 |
Family
ID=74840789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011156012.5A Pending CN112419431A (zh) | 2020-10-26 | 2020-10-26 | 一种产品颜色的检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419431A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113865709A (zh) * | 2021-08-16 | 2021-12-31 | 杭州博联智能科技股份有限公司 | 一种基于棱镜分色的智能灯颜色测试装置和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913460A (zh) * | 2015-11-26 | 2016-08-31 | 乐视致新电子科技(天津)有限公司 | 一种肤色检测方法及装置 |
CN106503719A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种物体颜色提取与检测方法及装置 |
CN107424198A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN108890692A (zh) * | 2018-07-05 | 2018-11-27 | 陕西大中科技发展有限公司 | 一种用于工业机器人视觉分拣的物料颜色识别方法 |
CN111210410A (zh) * | 2019-12-31 | 2020-05-29 | 深圳市优必选科技股份有限公司 | 一种信号灯状态检测方法与装置 |
-
2020
- 2020-10-26 CN CN202011156012.5A patent/CN112419431A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913460A (zh) * | 2015-11-26 | 2016-08-31 | 乐视致新电子科技(天津)有限公司 | 一种肤色检测方法及装置 |
CN106503719A (zh) * | 2016-09-27 | 2017-03-15 | 深圳增强现实技术有限公司 | 一种物体颜色提取与检测方法及装置 |
CN107424198A (zh) * | 2017-07-27 | 2017-12-01 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、移动终端及计算机可读存储介质 |
CN108890692A (zh) * | 2018-07-05 | 2018-11-27 | 陕西大中科技发展有限公司 | 一种用于工业机器人视觉分拣的物料颜色识别方法 |
CN111210410A (zh) * | 2019-12-31 | 2020-05-29 | 深圳市优必选科技股份有限公司 | 一种信号灯状态检测方法与装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113865709A (zh) * | 2021-08-16 | 2021-12-31 | 杭州博联智能科技股份有限公司 | 一种基于棱镜分色的智能灯颜色测试装置和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4736764B2 (ja) | 基板検査装置並びにその検査ロジック設定方法および検査ロジック設定装置 | |
CN103914708B (zh) | 基于机器视觉的食品品种检测方法及系统 | |
CN110675373B (zh) | 一种组件安装检测方法、装置和系统 | |
KR20100015628A (ko) | 목재의 검사 방법, 장치 및 프로그램 | |
JP4492356B2 (ja) | 基板検査装置並びにそのパラメータ設定方法およびパラメータ設定装置 | |
CN108564631A (zh) | 车灯光导色差检测方法、装置及计算机可读存储介质 | |
CN112184689A (zh) | 一种半导体器件检测方法、装置、智能终端及存储介质 | |
JP2007292576A (ja) | 電子部品の外観検査装置 | |
CN105509657B (zh) | 一种ic卡芯片划痕面积及灰度参量的高精度测量方法 | |
CN114745510A (zh) | 一种用于目标图像采集的led光源自动校准方法及系统 | |
JP2015232482A (ja) | 検査装置、検査方法およびプログラム | |
CN112419431A (zh) | 一种产品颜色的检测方法和系统 | |
CN111598858A (zh) | 一种基于迁移学习的橡胶手套的检测方法及系统 | |
CN111523551A (zh) | 蓝色目标的二值化方法、装置和设备 | |
CN105223208A (zh) | 一种电路板检测模板及其制作方法、电路板检测方法 | |
CN106558044A (zh) | 影像模组的解像力测量方法 | |
CN113533372A (zh) | 一种纸张缺陷检测方法、系统、装置及计算机存储介质 | |
CN111738984B (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及系统 | |
Torres et al. | Automatic detection of specular reflectance in colour images using the MS diagram | |
JP2012108026A (ja) | 異物混入製品の検出方法 | |
JP2009080004A (ja) | 検査装置 | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 | |
JP6715001B2 (ja) | 食品検査システム及び食品検査方法 | |
CN114923916A (zh) | 一种用于无线充电线圈的镀锡端子部的检测装置及方法 | |
US20170116746A1 (en) | Method for segmenting a color image and digital microscope |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210226 |
|
RJ01 | Rejection of invention patent application after publication |