CN113012104A - 器件翅片数量检测方法、控制器及装置、存储介质 - Google Patents

器件翅片数量检测方法、控制器及装置、存储介质 Download PDF

Info

Publication number
CN113012104A
CN113012104A CN202110183559.2A CN202110183559A CN113012104A CN 113012104 A CN113012104 A CN 113012104A CN 202110183559 A CN202110183559 A CN 202110183559A CN 113012104 A CN113012104 A CN 113012104A
Authority
CN
China
Prior art keywords
fin
image
camera
fins
vertical distance
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
CN202110183559.2A
Other languages
English (en)
Inventor
王宁
臧必俊
尚瑞
廉军乐
刘小雷
赵晓博
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.)
Gree Electric Appliances Inc of Zhuhai
Gree Wuhu Electric Appliances Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Gree Wuhu Electric Appliances 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 Gree Electric Appliances Inc of Zhuhai, Gree Wuhu Electric Appliances Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202110183559.2A priority Critical patent/CN113012104A/zh
Publication of CN113012104A publication Critical patent/CN113012104A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/084Backpropagation, e.g. using gradient descent
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformation in the plane of the image
    • G06T3/40Scaling the whole image or part thereof
    • G06T3/4038Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30164Workpiece; Machine component
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30242Counting objects in image

Abstract

本发明公开了一种器件翅片数量检测方法、控制器及装置、存储介质,所述器件翅片数量检测方法包括:基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;判断器件翅片数量是否在预设阈值范围内:当器件翅片数量在预设阈值范围内时,判定器件翅片数量合格。本发明能够降低人工计数存在的误差并提高翅片数量检测效率,从而保证批次产品的质量,并节约人力成本。

Description

器件翅片数量检测方法、控制器及装置、存储介质
技术领域
本发明属于应用技术领域,具体涉及一种器件翅片数量检测方法、控制器及装置、存储介质。
背景技术
目前在两器件,即蒸发器和冷凝器的生产过程中,翅片数量由生产员工、质检员进行抽检,抽检过程中通过肉眼观看人工数片计数。
然而,翅片数量较多,一方面会导致人工抽检效率低,抽检数量有限,因而,无法保证批次产品的质量;另一方面会造成抽检人员的视觉疲劳,因而,出现抽检人员数错的现象,同时,肉眼检测容易引起抽检人员眼睛和颈椎疲劳,长期从事此工作,将影响抽检人员的身体健康。
现在亟须一种翅片数量检测方法、控制器以及装置、存储介质。
发明内容
本发明所要解决的技术问题是如何降低人工计数存在的误差并提高翅片数量检测效率,从而保证批次产品的质量,并节约人力成本。
针对上述问题,本发明提供了一种翅片数量检测方法、控制器以及装置、存储介质。
第一方面,本发明提供了一种翅片数量检测方法,包括以下步骤:
基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
判断器件翅片数量是否在预设阈值范围内:
当器件翅片数量在预设阈值范围内时,判定器件翅片数量合格。
在本发明的一些实施例中,所述包括器件的图像由多个摄像头拍照获取,所述包括器件的图像通过以下步骤得到:
接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到。
在本发明的一些实施例中,所述预先确定的图像拼接参数包括各摄像头与器件水平上表面之间的垂直距离,在接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像之前,所述方法还包括以下步骤:
判断检测到的各摄像头与器件水平上表面之间的垂直距离是否为预设距离:
当检测到的各摄像头与器件水平上表面之间的垂直距离不是预设距离时,发出调整各摄像头与器件水平上表面之间的垂直距离的提示,以将所述各摄像头与器件水平上表面之间的垂直距离调整为预设距离。
在本发明的一些实施例中,预先训练的翅片区域提取模型通过以下步骤获得:
采用实例分割Mask RCNN算法、YOLOv3算法或SSD算法,利用已知的翅片图像进行训练,获得翅片区域提取模型。
第二方面,本发明提供了一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
第三方面,本发明提供了一种器件翅片数量检测控制器,其包括存储器和处理器,该存储器上存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
第四方面,本发明提供了一种器件翅片数量检测装置,包括上述器件翅片数量检测控制器。
在本发明的一些实施例中,所述器件翅片数量检测装置还包括:
检测平台,其用于放置器件;
摄像设备,其设置在所述检测平台上方并与所述器件翅片数量检测控制器连接,用于对放置在所述检测平台上的器件进行拍照,得到包括器件的图像,并将所述包括器件的图像发送至所述器件翅片数量检测控制器。
在本发明的一些实施例中,所述摄像设备包括多个摄像头,各摄像头均用于对放置在所述检测平台上的器件进行拍照,得到包括部分器件的图像,并将所述包括部分器件的图像发送至所述器件翅片数量检测控制器进行拼接。
在本发明的一些实施例中,所述器件翅片数量检测装置还包括:
测距仪,其设置在所述检测平台上并与所述器件翅片数量检测控制器连接,用于检测各摄像头与器件水平上表面之间的垂直距离,并发送至所述器件翅片数量检测控制器,供所述器件翅片数量检测控制器判断各摄像头与器件水平上表面之间的垂直距离为预设距离;
显示器,其配置在检测平台侧面并与所述摄像设备和所述器件翅片数量检测控制器连接,用于在各摄像头与器件水平上表面之间的垂直距离不是预设距离时显示调整信息;
摇杆,其设置在所述检测平台上,用于根据显示的调整信息调整各摄像头与器件水平上表面之间的垂直距离。
在本发明的一些实施例中,所述器件翅片数量检测装置还包括:
遮光罩,其设置在检测平台上方,用于遮挡检测平台周围的自然光,以确保检测平台上的光照环境的稳定性。
与现有技术相比,上述方案中的一个或多个实施例可以具有如下优点或有益效果:
应用本发明的器件翅片数量检测方法,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;判断器件翅片数量是否在预设阈值范围内:当器件翅片数量在预设阈值范围内时,判定器件翅片数量合格,能够降低人工计数存在的误差并提高翅片数量检测效率,从而保证批次产品的质量,并节约人力成本。
本发明的其它特征和优点将在随后的说明书中阐述,并且部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例共同用于解释本发明,并不构成对本发明的限制。在附图中:
图1示出了本发明实施例一器件翅片数量检测方法的流程图;
图2示出了本发明实施例二器件翅片数量检测方法的流程图;
图3示出了本发明实施例三器件翅片数量检测方法的流程图;
图4示出了本发明实施例六器件翅片数量检测装置的结构示意图;
图5示出了本发明实施例六器件翅片数量检测装置的信号走向示意图;
图6示出了本发明实施例六器件翅片数量检测方法的流程示意图,
其中,1-遮光罩,2-工业相机,3-器件,4-显示器,5-储物柜,6-摇杆。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
实施例一
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种器件翅片数量检测方法。
参照图1,本实施例的器件翅片数量检测方法,包括以下步骤:
S110,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S120,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S130,判断器件翅片数量是否在预设阈值范围内,其中,预设阈值范围的下限值为翅片数量实际合格值减1,预设阈值范围的上限值为翅片数量实际合格值加1:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
在步骤S110中,预先训练的翅片区域提取模型通过以下步骤获得:
采用实例分割Mask RCNN算法、YOLOv3算法或SSD算法,利用已知的翅片图像进行训练,获得翅片区域提取模型。
在步骤S120中,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量,包括以下步骤:
将所述翅片区域图像输入到预先训练的翅片计数模型中,输出得到所述翅片区域图像对应的翅片密度图;
根据所述翅片密度图得到所述翅片区域图像中的翅片数量,其中,所述预先训练的翅片计数模型是由具有翅片标记的样本翅片区域图像和对应的翅片密度图,通过改进的人群计数卷积神经网络训练得到的。
在本实施例的器件翅片数量检测方法中,预设阈值范围的下限值为翅片数量实际合格值减1,预设阈值范围的上限值为翅片数量实际合格值加1,能够保证翅片数量的检测误差为±1片。
本实施例的器件翅片数量检测方法能够替代人工对所有两器件组件产品进行翅片数量的抽检,解决人工计数存在的误差问题,提高产品质量和工作效率,节约人力成本。
本实施例的器件翅片数量检测方法利用神经网络训练模型对翅片区域进行提取,并计算翅片区域的翅片数量,使翅片计数智能化,能够降低人工计数存在的误差并提高翅片数量检测效率,从而保证批次产品的质量,并节约人力成本的技术效果。
本实施例的器件翅片数量检测方法采用实例分割Mask RCNN算法、YOLOv3算法或SSD算法,利用已知的翅片图像进行训练,获得翅片区域提取模型获得预先训练的翅片区域提取模型;达到在根据翅片区域提取模型快速准确提取翅片区域的技术效果。
实施例二
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种器件翅片数量检测方法,其中,在本实施例中,所述包括器件的图像由多个摄像头拍照获取。
参照图2,本实施例的器件翅片数量检测方法,包括以下步骤:
S210,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
S220,根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到;
S230,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S240,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S250,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
在步骤S220中,预先确定的图像拼接参数通过以下步骤获得:
获取多个摄像头中每个摄像头针对目标器件的摄像图像;
将所述获取的多个摄像图像进行图像处理,以得到与所述目标器件匹配的目标图像;
将所述图像处理过程中每个摄像图像的图像处理参数作为其对应的摄像头的图像处理参数,其中,所述图像拼接参数包括每个摄像头的图像处理参数。
其中,所述目标器件设有多个包括部分器件的目标区域;所述将所述获取的多个摄像图像进行图像处理,包括:
计算所述多个摄像图像中的多个包括部分器件的目标区域的位置关系;
将所述多个摄像图像的多个包括部分器件的目标区域的位置关系调整至与所述器件的多个包括部分器件的目标区域的位置关系匹配的位置。
将所述获取的多个摄像图像进行图像处理,还包括:
对所述多个摄像图像的重叠部分进行裁剪,以使调整后的目标图像与器件相同。
本实施例的器件翅片数量检测方法在所述包括器件的图像由多个摄像头拍照获取的情况下,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,达到对于较大器件,通过多个摄像头拍摄能够得到完整器件的图像的技术效果。
实施例三
为解决现有技术中存在的上述技术问题,本发明实施例基于实施例一提供了一种器件翅片数量检测方法,其中,在本实施例中,所述预先确定的图像拼接参数包括各摄像头与器件水平上表面之间的垂直距离。
参照图3,本实施例的器件翅片数量检测方法,包括以下步骤:
S310,判断检测到的各摄像头与器件水平上表面之间的垂直距离是否为预设距离:
若是,则执行步骤S320;
若否,则调整各摄像头与器件水平上表面之间的垂直距离,使得各摄像头与器件水平上表面之间的垂直距离为预设距离,再执行步骤S320;
S320,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
S330,根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到;
S340,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S350,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S360,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
本实施例的器件翅片数量检测方法通过判断检测到的各摄像头与器件水平上表面之间的垂直距离是否为预设距离,并在各摄像头与器件水平上表面之间的垂直距离不是预设距离时,调整各摄像头与器件水平上表面之间的垂直距离,使得各摄像头与器件水平上表面之间的垂直距离为预设距离,以控制各摄像头与器件水平上表面之间的垂直距离为预设距离;达到通过控制各摄像头与器件水平上表面之间的垂直距离为预设距离,使多张包括部分器件的图像之间的关系是确定的,从而提高图像拼接准确度的技术效果。
实施例四
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种存储介质。
本实施例的存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述器件翅片数量检测方法的步骤。
在一个具体实施例中,该计算机程序被处理器执行时实现以下步骤:
S110,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S120,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S130,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
在一个具体实施例中,该计算机程序被处理器执行时实现以下步骤:
S210,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
S220,根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到;
S230,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S240,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S250,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
在一个具体实施例中,该计算机程序被处理器执行时实现以下步骤:
S310,判断检测到的各摄像头与器件水平上表面之间的垂直距离是否为预设距离:
若是,则执行步骤S320;
若否,则调整各摄像头与器件水平上表面之间的垂直距离,使得各摄像头与器件水平上表面之间的垂直距离为预设距离,再执行步骤S320;
S320,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
S330,根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到;
S340,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S350,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S360,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
本实施例的存储介质利用神经网络训练模型对翅片区域进行提取,并计算翅片区域的翅片数量,使翅片计数智能化,能够降低人工计数存在的误差并提高翅片数量检测效率,从而保证批次产品的质量,并节约人力成本的技术效果。
本实施例的存储介质在所述包括器件的图像由多个摄像头拍照获取的情况下,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,达到对于较大器件,通过多个摄像头拍摄能够得到完整器件的图像的技术效果。
本实施例的存储介质在所述包括器件的图像由多个摄像头拍照获取的情况下,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,达到对于较大器件,通过多个摄像头拍摄能够得到完整器件的图像的技术效果。
实施例五
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种器件翅片数量检测控制器。
本实施例的器件翅片数量检测控制器,其包括存储器和处理器,该存储器上存储有计算机程序,该计算机程序被处理器执行时实现上述器件翅片数量检测方法的步骤。
在一个具体实施例中,该计算机程序被处理器执行时实现以下步骤:
S110,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S120,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S130,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
在一个具体实施例中,该计算机程序被处理器执行时实现以下步骤:
S210,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
S220,根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到;
S230,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S240,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S250,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
在一个具体实施例中,该计算机程序被处理器执行时实现以下步骤:
S310,判断检测到的各摄像头与器件水平上表面之间的垂直距离是否为预设距离:
若是,则执行步骤S320;
若否,则调整各摄像头与器件水平上表面之间的垂直距离,使得各摄像头与器件水平上表面之间的垂直距离为预设距离,再执行步骤S320;
S320,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
S330,根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到;
S340,基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
S350,基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
S360,判断器件翅片数量是否在预设阈值范围内:
若是,则判定器件翅片数量合格;
若否,则判定器件翅片数量不合格。
本实施例的器件翅片数量检测控制器利用神经网络训练模型对翅片区域进行提取,并计算翅片区域的翅片数量,使翅片计数智能化,能够降低人工计数存在的误差并提高翅片数量检测效率,从而保证批次产品的质量,并节约人力成本的技术效果。
本实施例的器件翅片数量检测控制器在所述包括器件的图像由多个摄像头拍照获取的情况下,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,达到对于较大器件,通过多个摄像头拍摄能够得到完整器件的图像的技术效果。
本实施例的器件翅片数量检测控制器在所述包括器件的图像由多个摄像头拍照获取的情况下,接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,达到对于较大器件,通过多个摄像头拍摄能够得到完整器件的图像的技术效果。
实施例六
为解决现有技术中存在的上述技术问题,本发明实施例提供了一种器件翅片数量检测装置。
本实施例的器件翅片数量检测装置,包括:
实施例五的器件翅片数量检测控制器;
检测平台,其用于放置器件;
摄像设备,其设置在所述检测平台上方并与所述器件翅片数量检测控制器连接,用于对放置在所述检测平台上的器件进行拍照,得到包括器件的图像,并将所述包括器件的图像发送至所述器件翅片数量检测控制器;
测距仪,其设置在所述检测平台上并与所述器件翅片数量检测控制器连接,用于检测各摄像头与器件水平上表面之间的垂直距离,并发送至所述器件翅片数量检测控制器,供所述器件翅片数量检测控制器判断各摄像头与器件水平上表面之间的垂直距离为预设距离;
显示器,其配置在检测平台侧面并与所述摄像设备和所述器件翅片数量检测控制器连接,用于在各摄像头与器件水平上表面之间的垂直距离不是预设距离时显示调整信息;
摇杆,其设置在所述检测平台上,用于根据显示的调整信息调整各摄像头与器件水平上表面之间的垂直距离;
遮光罩,其设置在检测平台上方,用于遮挡检测平台周围的自然光,以确保检测平台上的光照环境的稳定性。
其中,所述摄像设备包括多个摄像头,各摄像头均用于对放置在所述检测平台上的器件进行拍照,得到包括部分器件的图像,并将所述包括部分器件的图像发送至所述器件翅片数量检测控制器进行拼接。
在一个具体实施例中,所述多个摄像头沿器件长度方向在同一水平面上排列成一行,并且两个相邻的摄像头之间的间距设置成:在各摄像头与器件水平上表面之间的垂直距离为预设距离时,所述多个摄像头拍照得到的多个包括部分器件的图像之间没有重叠的部分,并且所述多个包括部分器件的图像拼接后的图像中的器件完整。
在一个具体实施例中,所述摄像头为工业相机。
在一个具体实施例中,所述遮光罩为半封闭或全封闭遮光罩。
所述显示器,还用于显示摄像设备拍照得到的包括器件的图像以及所述器件翅片数量检测控制器确定的翅片数量;
所述摇杆,还用于按照检测平台上所标记的与不同类型的器件分别对应的刻度调整检测平台的高度,以确保各摄像头与器件水平上表面之间的垂直距离为预设距离。
在一个具体实施例中,参见图4,本实施例的器件翅片数量检测装置可以设计为如下结构:
检测平台,用于将蒸发器/冷凝器放在其上进行翅片数量的计算;
设置在检测平台上方有封闭式或者半封闭式的遮光罩,用于遮挡自然光,保证检测光照环境的稳定性;
设置在检测平台上方的多个工业相机,各工业相机分别用于向下对器件进行图像采集,得到多张包括部分器件的图像,其中,所述器件包括蒸发器和冷凝器;
测距模块,用于检测器件翅片上平面到相机的距离;
服务器,其与工业相机和测距模块连接(参见图5),用于判断检测器件翅片上平面到相机的距离是否为预设距离,并在检测器件翅片上平面到相机的距离为预设距离时,根据多张包括部分器件的图像拼接完整器件图像,以计算该完整器件图像中翅片数量,并与预设翅片数量进行对比,判断翅片数量是否合格;
设置在检测平台旁边的显示器,用于显示计算的翅片数量以及翅片数量是否合格的结果;
输入设备,其与显示器连接,用于供操作人员进行操作;
设置在检测平台下方的储物柜,用于放置服务器和相关设备。
更详细地,检测平台离地面高度可以设置为80cm左右,便于抽检人员在检测平台的台面操作,下方储物柜可以放置服务器和相关设备。检测平台旁边配套显示器和输入设备,以便操作人员进行操作。考虑到两器件的厚度范围为11.4mm~76.2mm,为保证两器件翅片上平面到相机的距离基本固定(距离偏差在±10mm以内),因此,检测平台设计成可以通过摇杆进行升降,在检测平台上标刻不同型号两器件的平台高度,根据刻度调整平台高度即可。检测平台上方利用多个工业相机向下对器件进行图像采集,并通过深度学习训练模型检测翅片数量。参见图6,在实际检测过程中,第一步,测量器件与翅片上平面到相机的距离,以确保该距离为预设距离;第二步,每个对相机采集的图像(属于整个器件的一部分)进行拼接,得到整个器件的图像;第三步,利用深度神经网络进行翅片区域分割,得到需要计数的区域;第四步,对整个器件的图像,通过深度神经网络进行回归分析,得到整个器件的翅片数量。
本实施例的器件翅片数量检测装置采用智能设备取代人工,对蒸发器/冷凝器的翅片数量进行计数,解决人工计数存在的误差问题,提高产品质量和工作效率,节约人力成本,且检测误差仅为±1片。
本实施例的器件翅片数量检测装置采用深度学习算法进行翅片区域的分割和翅片的计数,即先分割出翅片区域,分离出器件的结构件、焊管等无关区域,然后,利用回归分析对翅片区域的翅片数量进行计数,降低员工劳动强度、提高片数准确性,实现在线自动计量两器件翅片数量,提高产品质量和工作效率,节约人力成本。
本实施例的器件翅片数量检测装置包括检测平台、摄像设备与器件翅片数量检测控制器;进一步达到通过检测平台、摄像设备与器件翅片数量检测控制器的配合使用,实现自动检测器件翅片数量的技术效果。
本实施例的摄像设备包括多个摄像头;达到对于较大器件,通过多个摄像头拍摄能够得到完整器件的图像的技术效果。
本实施例的器件翅片数量检测装置还包括测距仪、显示器和摇杆;达到通过测距仪、显示器和摇杆的配合使用,实现各摄像头与器件水平上表面之间的垂直距离的控制,使多张包括部分器件的图像之间的关系是确定的,从而提高图像拼接准确度的技术效果。
本实施例的器件翅片数量检测装置还包括遮光罩;达到确保检测平台上的光照环境的稳定性,使得拍照获得的图像上没有反光等异常情况,以避免光照环境不稳定导致图像上翅片区域不清楚,从而避免翅片数量计数有误的技术效果。
本实施例的器件翅片数量检测装置中,多个摄像头的排布方式为在同一水平面上,并沿器件长度方向排列成一行;达到对于较大器件,通过多个摄像头拍摄能够得到完整器件的图像的技术效果。
本实施例的器件翅片数量检测装置中,所述多个摄像头中的任意两个相邻的摄像头之间的间距设置成:在各摄像头与器件水平上表面之间的垂直距离为预设距离时,所述多个摄像头拍照得到的多个包括部分器件的图像之间没有重叠的部分,并且所述多个包括部分器件的图像拼接后的图像中的器件完整;达到所述多个摄像头拍照得到的多个包括部分器件的图像之间没有重叠的部分,使得图像拼接处理简单快速的技术效果。
本实施例的器件翅片数量检测装置的摄像头为工业相机;达到利用工业相机拍照高清晰度、广视角和超大景深的优点,得到高质量图像,从而提高翅片数量计算准确度的技术效果。
本实施例的器件翅片数量检测装置还包括测距仪、显示器和摇杆;达到通过测距仪、显示器和摇杆的配合使用,实现各摄像头与器件水平上表面之间的垂直距离的控制,使多张包括部分器件的图像之间的关系是确定的,从而提高图像拼接准确度的技术效果。
本实施例的器件翅片数量检测装置还包括输入设备;达到供操作人员操作,满足用户在翅片数量检测过程中的操作要求的技术效果。
本实施例的器件翅片数量检测装置的遮光罩为半封闭或全封闭的;达到满足用户根据光照环境选取遮光罩的要求的技术效果。
本实施例的器件翅片数量检测装置还包括储物柜;达到将器件翅片数量检测控制器及与其相关的设备放置在储物柜中,防止由于检测人员碰到器件翅片数量检测控制器及与其相关的设备而导致检测过程中断的技术效果。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的保护范围,仍须以所附的权利要求书所界定的范围为准。

Claims (11)

1.一种器件翅片数量检测方法,其特征在于,包括以下步骤:
基于预先训练的翅片区域提取模型,从获取的包括器件的图像提取出翅片区域图像;
基于预先训练的翅片计数模型,统计出所述翅片区域图像的翅片数量;
判断器件翅片数量是否在预设阈值范围内:
当器件翅片数量在预设阈值范围内时,判定器件翅片数量合格。
2.根据权利要求1所述的方法,其特征在于,所述包括器件的图像由多个摄像头拍照获取,所述包括器件的图像通过以下步骤得到:
接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像;
根据预先确定的图像拼接参数对所述多张包括部分器件的图像进行拼接,得到包括器件的图像,其中,所述图像拼接参数通过对所述多个摄像头进行标定后得到。
3.根据权利要求2所述的方法,其特征在于,所述预先确定的图像拼接参数包括各摄像头与器件水平上表面之间的垂直距离,在接收所述多个摄像头对器件进行拍照获取的多张包括部分器件的图像之前,所述方法还包括以下步骤:
判断检测到的各摄像头与器件水平上表面之间的垂直距离是否为预设距离:
当检测到的各摄像头与器件水平上表面之间的垂直距离不是预设距离时,发出调整各摄像头与器件水平上表面之间的垂直距离的提示,以将所述各摄像头与器件水平上表面之间的垂直距离调整为预设距离。
4.根据权利要求1所述的方法,其特征在于,预先训练的翅片区域提取模型通过以下步骤获得:
采用实例分割Mask RCNN算法、YOLOv3算法或SSD算法,利用已知的翅片图像进行训练,获得翅片区域提取模型。
5.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4中任一项所述方法的步骤。
6.一种器件翅片数量检测控制器,其包括存储器和处理器,其特征在于,该存储器上存储有计算机程序,该计算机程序被处理器执行时实现如权利要求1至4中任一项所述方法的步骤。
7.一种器件翅片数量检测装置,其特征在于,包括根据权利要求6所述的器件翅片数量检测控制器。
8.根据权利要求7所述的装置,其特征在于,还包括:
检测平台,其用于放置器件;
摄像设备,其设置在所述检测平台上方并与所述器件翅片数量检测控制器连接,用于对放置在所述检测平台上的器件进行拍照,得到包括器件的图像,并将所述包括器件的图像发送至所述器件翅片数量检测控制器。
9.根据权利要求8所述的装置,其特征在于,所述摄像设备包括多个摄像头,各摄像头均用于对放置在所述检测平台上的器件进行拍照,得到包括部分器件的图像,并将所述包括部分器件的图像发送至所述器件翅片数量检测控制器进行拼接。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
测距仪,其设置在所述检测平台上并与所述器件翅片数量检测控制器连接,用于检测各摄像头与器件水平上表面之间的垂直距离,并发送至所述器件翅片数量检测控制器,供所述器件翅片数量检测控制器判断各摄像头与器件水平上表面之间的垂直距离为预设距离;
显示器,其配置在检测平台侧面并与所述摄像设备和所述器件翅片数量检测控制器连接,用于在各摄像头与器件水平上表面之间的垂直距离不是预设距离时显示调整信息;
摇杆,其设置在所述检测平台上,用于根据显示的调整信息调整各摄像头与器件水平上表面之间的垂直距离。
11.根据权利要求8所述的装置,其特征在于,所述装置还包括:
遮光罩,其设置在检测平台上方,用于遮挡检测平台周围的自然光,以确保检测平台上的光照环境的稳定性。
CN202110183559.2A 2021-02-08 2021-02-08 器件翅片数量检测方法、控制器及装置、存储介质 Pending CN113012104A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110183559.2A CN113012104A (zh) 2021-02-08 2021-02-08 器件翅片数量检测方法、控制器及装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110183559.2A CN113012104A (zh) 2021-02-08 2021-02-08 器件翅片数量检测方法、控制器及装置、存储介质

Publications (1)

Publication Number Publication Date
CN113012104A true CN113012104A (zh) 2021-06-22

Family

ID=76402221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110183559.2A Pending CN113012104A (zh) 2021-02-08 2021-02-08 器件翅片数量检测方法、控制器及装置、存储介质

Country Status (1)

Country Link
CN (1) CN113012104A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470116A (zh) * 2021-06-16 2021-10-01 杭州海康威视数字技术股份有限公司 对摄像装置标定数据的验证方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470116A (zh) * 2021-06-16 2021-10-01 杭州海康威视数字技术股份有限公司 对摄像装置标定数据的验证方法、装置、设备及存储介质
CN113470116B (zh) * 2021-06-16 2023-09-01 杭州海康威视数字技术股份有限公司 对摄像装置标定数据的验证方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109785337B (zh) 一种基于实例分割算法的栏内哺乳动物清点方法
CN104482860B (zh) 鱼类形态参数自动测量装置和方法
CN108764257A (zh) 一种多视角的指针式仪表识别方法
CN110378227B (zh) 修正样本标注数据的方法、装置、设备及存储介质
CN108520512B (zh) 一种测量眼部参数的方法及装置
CN112200011B (zh) 曝气池状态检测方法、系统、电子设备及存储介质
CN110766656B (zh) 筛查眼底黄斑区异常的方法、装置、设备和存储介质
KR101974638B1 (ko) 식물 영상 처리 장치 및 방법
CN103617611A (zh) 一种自动阈值分割光斑中心及尺寸检测方法
CN114462646B (zh) 一种基于接触网安全巡检的杆号牌识别方法及系统
CN111105466A (zh) 一种ct系统中相机的标定方法
CN107578047A (zh) 电力电缆的偏心度检测方法
CN110991360A (zh) 一种基于视觉算法的机器人巡检点位智能配置方法
CN113222913A (zh) 一种电路板缺陷检测定位方法、装置和存储介质
CN113012104A (zh) 器件翅片数量检测方法、控制器及装置、存储介质
CN113743311B (zh) 一种基于机器视觉的电池与连接片焊点检测装置和方法
CN112461846B (zh) 工件缺陷检测方法及装置
CN215182127U (zh) 一种器件翅片数量检测装置
US20230237682A1 (en) Method and system for binocular ranging for children
CN114324382A (zh) 面板端子清洁度检测方法及面板端子清洁度检测装置
CN112756840A (zh) 焊接质量检测系统
WO2023070946A1 (zh) 基于超声图像的测量设备、方法、介质及电子设备
CN116229236A (zh) 一种基于改进YOLO v5模型的结核杆菌检测方法
CN110148141A (zh) 一种丝印滤光片小片检测计数方法及设备
CN111768439B (zh) 一种确定实验评分的方法、装置、电子设备及介质

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