CN113030102A - 基于机器视觉的漆面瑕疵检查系统 - Google Patents

基于机器视觉的漆面瑕疵检查系统 Download PDF

Info

Publication number
CN113030102A
CN113030102A CN202110230652.4A CN202110230652A CN113030102A CN 113030102 A CN113030102 A CN 113030102A CN 202110230652 A CN202110230652 A CN 202110230652A CN 113030102 A CN113030102 A CN 113030102A
Authority
CN
China
Prior art keywords
module
image
flaw
vehicle
vehicle body
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
CN202110230652.4A
Other languages
English (en)
Inventor
曹海川
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.)
Chengdu Xiaosong Technology Co ltd
Original Assignee
Chengdu Xiaosong Technology 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 Chengdu Xiaosong Technology Co ltd filed Critical Chengdu Xiaosong Technology Co ltd
Priority to CN202110230652.4A priority Critical patent/CN113030102A/zh
Publication of CN113030102A publication Critical patent/CN113030102A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • 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)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种基于机器视觉的漆面瑕疵检查系统，包括PLC模块、图像采集模块、图像处理模块及图像分析模块；PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序，并根据检测到的车身前进距离，对车身上的瑕疵进行精准定位；图像采集模块，包括光源模块、相机阵列模块及图像采集程序模块；图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵，并对识别到的瑕疵进行分析，判定瑕疵类别及大小；图像分析模块，用于结合车身三维数据、所述PLC模块传输的车身前近距离数据确定瑕疵在车上的具体位置，并在图像上进行标记。本发明在不暂停汽车生产线的前提下，达到检测速度更快、检测效率更高、检测精度更高、检测稳定性更强的特点。

Description

基于机器视觉的漆面瑕疵检查系统
技术领域
本发明具体涉及一种基于机器视觉的漆面瑕疵检查系统。
背景技术
在汽车生产过程中，车辆涂装是一个重要环节。其主要作用为车辆提供外观装饰及长期的防腐蚀性。车辆涂装会存在瑕疵问题，喷涂结束后需要进行瑕疵检测及修补。如今，常规的漆膜缺陷寻找、判定以及标记等都是由人工完成，在喷涂线之后设置面漆检查线。根据检查区域设置高度不同的工位，需要配置不同角度的光源和检查人员等，因此常规的人工检查线不仅空间占据过大而且需要过多的人员配置，存在耗时过长、效率低下及受人为因素影响等缺点。漆面瑕疵检查是制约涂装车身质量的关键因素。
机器视觉是将图像处理、模式识别、计算机技术、人工智能等众多学科高度集成和有机结合而形成的一门综合性技术。一般地说，机器视觉是研究计算机或其他处理器模拟生物宏观视觉功能的科学和技术，也就是用机器代替人眼来做测量和判断。基于计算机视觉的表面缺陷检测技术已经广泛地应用在视觉检测各个领域中，它是确保自动化生产中产品质量的一个非常重要的环节。近几年，表面缺陷自动检测技术开始在汽车车身漆面瑕疵的检测领域发展，这种漆面瑕疵自动检测技术有速度快、效率高、精度高、检测范围广以及稳定性强等优点。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于机器视觉的漆面瑕疵检查系统，该基于机器视觉的漆面瑕疵检查系统可以很好地解决上述问题。
为达到上述要求，本发明采取的技术方案是：提供一种基于机器视觉的漆面瑕疵检查系统，该基于机器视觉的漆面瑕疵检查系统包括PLC模块、图像采集模块、图像处理模块及图像分析模块；PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序，并根据检测到的车身前进距离，对车身上的瑕疵进行精准定位；图像采集模块，包括光源模块、相机阵列模块及图像采集程序模块；图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵，并对识别到的瑕疵进行分析，判定瑕疵类别及大小；图像分析模块，用于结合车身三维数据、所述PLC模块传输的车身前近距离数据确定瑕疵在车上的具体位置，并在图像上进行标记。
该基于机器视觉的漆面瑕疵检查系统具有的优点如下：
本发明在不暂停汽车生产线的前提下，达到检测速度更快、检测效率更高、检测精度更高、检测稳定性更强的特点。
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，在这些附图中使用相同的参考标号来表示相同或相似的部分，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示意性地示出了根据本申请一个实施例的基于机器视觉的漆面瑕疵检查系统的系统模块示意图。
图2示意性地示出了根据本申请一个实施例的基于机器视觉的漆面瑕疵检查系统的流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。
在以下描述中，对“一个实施例”、“实施例”、“一个示例”、“示例”等等的引用表明如此描述的实施例或示例可以包括特定特征、结构、特性、性质、元素或限度，但并非每个实施例或示例都必然包括特定特征、结构、特性、性质、元素或限度。另外，重复使用短语“根据本申请的一个实施例”虽然有可能是指代相同实施例，但并非必然指代相同的实施例。
为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
根据本申请的一个实施例，提供一种基于机器视觉的漆面瑕疵检查系统，如图1-2所示，包括如下模块：
PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序；还用于根据检测到的车身前进距离，对车身上的瑕疵进行精准定位。
接口模块，用于PLC、主机、数据库的数据传输；
图像采集模块，分为光源、相机阵列、图像采集程序三个部分。光源，用于使瑕疵呈现出清晰的图像特征，便于后续的算法检出；相机阵列的排布，使相机的拍摄范围能完整覆盖于整个车身，并且相机拍摄精度达到毫米级；图像采集程序，用于当PLC模块传输车辆到来信号，持续获取摄像单元摄取待测车辆的影像。
图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵；对识别到的瑕疵进行分析，判定瑕疵类别及大小。
图像分析模块，用于结合车身三维数据、PLC传输车身前近距离，确定瑕疵在车上的具体位置，并在图像上进行标记。
结果输出模块，用于将检测结果及车辆基本信息上传至数据库。
数据库模块，用于存储检测结果，再输出至电子装置的显示设备上。
异常监测模块，用于在电子装置的显示设备上显示设备状态，存在异常情况启动报警装置。
根据本申请的一个实施例，该基于机器视觉的漆面瑕疵检查系统使用时的具体操作如下：
打开主机设备；
启动瑕疵检测UI；
参数读取：读取相机设置参数(曝光时间、采集帧数、Gamma参数、Gain参数、延迟)
判定设备是否运转正常：系统自检
瑕疵检测程序启动并等待触发：等待传感器提供车辆到达检测区域信号；
车辆进入检测区域：通过传感器(PLC、光电传感器、编码器)；
图像采集：利用漆面镜面反射，采集漆面反射的条纹光。人工检查是由环境光的反射，检查出车身上的瑕疵。借助人工检查的经验，设计出该图像采集方式。图像采集是图像处理的基础；
图像处理：人工智能和深度学习对瑕疵进行识别、分类；
针对采集所得的图像进行预处理，通过图像变换、图像增强、图像分割、图像滤波等一系列图像处理方法，有效地提高所采集的图像信息的利用率，降低由噪声和杂波干扰导致信噪比过低等问题；通过分类处理后图像表现出的图像特征，建立瑕疵数据库。瑕疵数据库，是以分类处理后的图片所表现出的缺陷特征做出判断，对常见故障进行分类汇总，结合人工智能和深度学习技术，建立出一套瑕疵判别模型，通过大量的数据样本训练而得到故障判别的模型参数的数据库。
瑕疵定位：通过传感器(PLC、光电传感器、编码器)精准定位瑕疵所在车身位置；建立车身三维数据模型，对车身进行网格化处理，以达到准确判定瑕疵在车身上的坐标位置。将图像处理及瑕疵分类的结果和可见光下拍摄角度及故障在图像中显示的位置关系相结合，以获取瑕疵的精确位置。
上传车辆瑕疵数据：瑕疵检测数据上传至数据库及服务器；
大屏同步显示：UI控制，将瑕疵数据用LED大屏显示。
以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以所述权利要求为准。

Claims (6)

1.一种基于机器视觉的漆面瑕疵检查系统，其特征在于：包括PLC模块、图像采集模块、图像处理模块及图像分析模块；
所述PLC模块，用于当检测车辆到达检测区域，启动瑕疵检测程序，并根据检测到的车身前进距离，对车身上的瑕疵进行精准定位；
所述图像采集模块，包括光源模块、相机阵列模块及图像采集程序模块；
所述图像处理模块，用于对待测车辆的图像进行处理，识别车身上的瑕疵，并对识别到的瑕疵进行分析，判定瑕疵类别及大小；
所述图像分析模块，用于结合车身三维数据、所述PLC模块传输的车身前近距离数据确定瑕疵在车上的具体位置，并在图像上进行标记。
2.根据权利要求1所述的基于机器视觉的漆面瑕疵检查系统，其特征在于：还包括接口模块，用于实现用于PLC、主机、数据库之间的数据传输。
3.根据权利要求1所述的基于机器视觉的漆面瑕疵检查系统，其特征在于：
所述光源模块，用于使瑕疵呈现出清晰的图像特征，便于后续的算法检出；
所述相机阵列的排布模块，使相机的拍摄范围完整覆盖于整个车身，同时提高相机拍摄精度；
所述图像采集程序模块，用于持续获取摄像单元摄取待测车辆的影像。
4.根据权利要求1所述的基于机器视觉的漆面瑕疵检查系统，其特征在于：还包括结果输出模块，用于将检测结果及车辆基本信息上传至数据库。
5.根据权利要求1所述的基于机器视觉的漆面瑕疵检查系统，其特征在于：还包括数据库模块，用于存储检测结果，再输出至电子装置的显示设备上。
6.根据权利要求1所述的基于机器视觉的漆面瑕疵检查系统，其特征在于：还包括异常监测模块，用于在电子装置的显示设备上显示设备状态，并于存在异常情况时启动报警装置。
CN202110230652.4A 2021-03-02 2021-03-02 基于机器视觉的漆面瑕疵检查系统 Pending CN113030102A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110230652.4A CN113030102A (zh) 2021-03-02 2021-03-02 基于机器视觉的漆面瑕疵检查系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110230652.4A CN113030102A (zh) 2021-03-02 2021-03-02 基于机器视觉的漆面瑕疵检查系统

Publications (1)

Publication Number Publication Date
CN113030102A true CN113030102A (zh) 2021-06-25

Family

ID=76466377

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110230652.4A Pending CN113030102A (zh) 2021-03-02 2021-03-02 基于机器视觉的漆面瑕疵检查系统

Country Status (1)

Country Link
CN (1) CN113030102A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344913A (zh) * 2021-07-06 2021-09-03 常州宏大智能装备产业发展研究院有限公司 一种织物瑕疵检测方法
CN115661105A (zh) * 2022-11-05 2023-01-31 东莞市蒂安斯实业有限公司 基于人工智能的汽车模型视觉检测方法
CN116385649A (zh) * 2023-03-30 2023-07-04 深圳开思时代科技有限公司 3d汽车环车瑕疵显示方法及系统
CN116402789A (zh) * 2023-03-30 2023-07-07 开思时代科技(深圳)有限公司 车辆喷漆需求数据分析方法及系统
CN116973378A (zh) * 2023-09-22 2023-10-31 山东梁山华宇集团汽车制造有限公司 一种车辆生产质量检测系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10111409A1 (de) * 2000-03-09 2001-09-13 Isra Vision Systems Ag Optische Markierstraße
CN104251866A (zh) * 2013-06-27 2014-12-31 现代自动车株式会社 用于车辆的涂漆表面的检查设备
CN104634787A (zh) * 2015-02-13 2015-05-20 东华大学 一种汽车车身外表面喷漆瑕疵自动检测装置与方法
CN107490579A (zh) * 2016-06-09 2017-12-19 本田技研工业株式会社 缺陷检查方法及其设备
CN108931531A (zh) * 2017-05-24 2018-12-04 香港纺织及成衣研发中心 一种织物疵点自动检测方法、系统和计算机可读存储介质
CN109239086A (zh) * 2018-10-22 2019-01-18 上海爱被思智能科技有限公司 车辆漆面及外观瑕疵检测系统
US20190096057A1 (en) * 2017-05-11 2019-03-28 Jacob Nathaniel Allen Object inspection system and method for inspecting an object
CN209446480U (zh) * 2018-10-22 2019-09-27 上海爱被思智能科技有限公司 车辆漆面及外观瑕疵检测装置
CN111229648A (zh) * 2020-01-19 2020-06-05 青岛滨海学院 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10111409A1 (de) * 2000-03-09 2001-09-13 Isra Vision Systems Ag Optische Markierstraße
CN104251866A (zh) * 2013-06-27 2014-12-31 现代自动车株式会社 用于车辆的涂漆表面的检查设备
CN104634787A (zh) * 2015-02-13 2015-05-20 东华大学 一种汽车车身外表面喷漆瑕疵自动检测装置与方法
CN107490579A (zh) * 2016-06-09 2017-12-19 本田技研工业株式会社 缺陷检查方法及其设备
US20190096057A1 (en) * 2017-05-11 2019-03-28 Jacob Nathaniel Allen Object inspection system and method for inspecting an object
CN108931531A (zh) * 2017-05-24 2018-12-04 香港纺织及成衣研发中心 一种织物疵点自动检测方法、系统和计算机可读存储介质
CN109239086A (zh) * 2018-10-22 2019-01-18 上海爱被思智能科技有限公司 车辆漆面及外观瑕疵检测系统
CN209446480U (zh) * 2018-10-22 2019-09-27 上海爱被思智能科技有限公司 车辆漆面及外观瑕疵检测装置
CN111229648A (zh) * 2020-01-19 2020-06-05 青岛滨海学院 基于机器视觉的太阳能电池板瑕疵检测系统及检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113344913A (zh) * 2021-07-06 2021-09-03 常州宏大智能装备产业发展研究院有限公司 一种织物瑕疵检测方法
CN115661105A (zh) * 2022-11-05 2023-01-31 东莞市蒂安斯实业有限公司 基于人工智能的汽车模型视觉检测方法
CN116385649A (zh) * 2023-03-30 2023-07-04 深圳开思时代科技有限公司 3d汽车环车瑕疵显示方法及系统
CN116402789A (zh) * 2023-03-30 2023-07-07 开思时代科技(深圳)有限公司 车辆喷漆需求数据分析方法及系统
CN116402789B (zh) * 2023-03-30 2023-11-28 开思时代科技(深圳)有限公司 车辆喷漆需求数据分析方法及系统
CN116385649B (zh) * 2023-03-30 2024-01-23 深圳开思时代科技有限公司 3d汽车环车瑕疵显示方法及系统
CN116973378A (zh) * 2023-09-22 2023-10-31 山东梁山华宇集团汽车制造有限公司 一种车辆生产质量检测系统
CN116973378B (zh) * 2023-09-22 2024-01-09 山东梁山华宇集团汽车制造有限公司 一种车辆生产质量检测系统

Similar Documents

Publication Publication Date Title
CN113030102A (zh) 基于机器视觉的漆面瑕疵检查系统
CN107229930B (zh) 一种指针式仪表数值智能识别方法
CN106226325B (zh) 一种基于机器视觉的座椅表面缺陷检测系统及其方法
CN102253048B (zh) 可用于多种产品检测的机器视觉检测方法及系统
CN103454285A (zh) 基于机器视觉的传动链条质量检测系统
CN111047568A (zh) 一种漏汽缺陷检测识别方法及系统
CN113252568A (zh) 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端
CN104063873A (zh) 一种基于压缩感知的轴套类零件表面缺陷在线检测方法
CN109840900A (zh) 一种应用于智能制造车间的故障在线检测系统及检测方法
CN116105604B (zh) 钢管质量检测系统及检测方法
CN108830840A (zh) 一种电路板缺陷的主动智能检测方法及其应用
CN111161237A (zh) 一种果蔬表面质检方法及其储存介质、分拣装置
CN111711765A (zh) 一种零件生产工序检验系统
CN111192246B (zh) 一种焊点的自动检测方法
CN114280075A (zh) 一种管类零件表面缺陷在线视觉检测系统及检测方法
CN105844282A (zh) 一种运用线扫描相机检测喷油嘴O-Ring缺陷的方法
CN110687120A (zh) 法兰外观质量检测系统
CN107271446B (zh) 一种发动机正时齿轮室胶线的视觉检测方法
CN108709892A (zh) 检测系统及其方法
CN117314829A (zh) 一种基于计算机视觉的工业零件质检方法和系统
CN116071365A (zh) 零件检测方法、装置、设备及存储介质
CN113160154B (zh) 一种基于机器视觉的五星脚喷漆缺陷的检测方法及系统
CN114638792A (zh) 一种用于插件电路板电解电容极性缺陷检测的方法
Ren et al. Research and application of label defect detection method based on machine vision
CN112763495A (zh) 一种手机电池尺寸和外观缺陷检测系统及检测方法

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