CN113255869A - 一种基于机器视觉的板材计数系统及方法 - Google Patents
一种基于机器视觉的板材计数系统及方法 Download PDFInfo
- Publication number
- CN113255869A CN113255869A CN202110502772.5A CN202110502772A CN113255869A CN 113255869 A CN113255869 A CN 113255869A CN 202110502772 A CN202110502772 A CN 202110502772A CN 113255869 A CN113255869 A CN 113255869A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- module
- spectrogram
- personal computer
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 239000000123 paper Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 13
- 239000011087 paperboard Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M1/00—Design features of general application
- G06M1/27—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum
- G06M1/272—Design features of general application for representing the result of count in the form of electric signals, e.g. by sensing markings on the counter drum using photoelectric means
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于机器视觉的板材计数系统及方法,计数系统包括相机、光源、光源控制器、电动滑轨、编码器、传感器所组成的板材图像采集机构和工控机、显示器,工控机中程序包括控制模块、图像采集模块、图像特征提取模块、图像特征分析模块、通讯模块;计数方法包括图像采集、图像特征提取、图像特征分析这几个步骤。该发明安装到生产线中,所需的检测识别环节耗时仅为20s,效率远高于传统人工点数;可以通过生产线上现有的其他设备控制,减少人力成本,保证了计数的准确性,同时大大提高了纸厂生产的自动化程度。
Description
技术领域
本发明属于智能控制技术领域,涉及一种板材自动计数系统及方法,特别是涉及基于机器视觉的板材计数系统及方法。
背景技术
板材具有良好的抗压强度和防震性能,能承受一定的压力、冲击和振动;特别是一些瓦楞纸板重量轻,价格便宜,可以大规模生产多种尺寸,使用前储存空间很小,可以印刷各种图案,因此在制成品包装运输上得到广泛运用。
近年来,由于快递行业的兴起,国内板材的需求量大大增长,生产规模也日益增大,对于其计数工作的需求也日益迫切。而现阶段大部分厂家都采用人工计数的方式,这种方式不仅需要花费大量的时间成本而且随着工作时间的推移,工人可能会因为疲劳而产生计数误差。还有部分厂家使用以光电开关为基础的点数机,然而实际效果不佳,流程过于繁琐。
发明内容
为了适应对于板材计数的需求,以及现有技术的不足,本发明提供了一种基于机器视觉的板材计数系统及方法,大大节省人力成本和时间成本,主要解决了现有方法适用性不强且检测准确率低的问题。
本发明的技术方案:
一种基于机器视觉的板材计数系统,其特征在于:包括工控机、显示器、图像采集机构;图像采集机构包括相机、光源、光源控制器、电动滑轨、编码器、传感器,相机安装在电动滑轨的滑台上,光源固定于相机周边位置,其输入信号由相机控制;传感器位于电动滑轨的两端,相机和电动滑轨的控制器与工控机相连,相机触发输入连接到编码器;工控机程序包括控制模块、图像采集模块、图像特征提取模块、图像特征分析模块、通讯模块,工控机程序通过控制模块控制滑台移动带动相机进行图像采集;图像特征提取模块对采集的图片进行特征提取,然后将提取到的特征通过图像特征分析模块得到板材的数量,最后通过通讯模块将结果发送给上下位机。
控制模块通过I/O模块控制硬件设备,包括控制电机启停,设置滑轨运动参数,打开关闭光源等。图像特征提取模块对工业相机采集的板材图片进行特征提取,将图片进行矫正;特征分析模块根据特征提取后的瓦楞纸图像进行分析,识别图像中有多少层纸板,并将结果发往通讯模块和显示器;通讯模块主要负责与上下位机的通讯。
一种基于机器视觉的板材计数方法,包括以下步骤:
(1)当工控机发送检测信号时,相机由电动滑轨从轨道顶部向下滑动并连续拍照,直到滑轨底部后停止采集,将所有的行像素组合成为一张板材侧面图像;
(2)图像特征提取模块对板材侧面图像进行特征提取,将图像进行旋转矫正,进行复频域滤波处理得到特征图像Ip1;然后进行最大稳定极值区域(MSER)处理得到特征图像Ip2,将图像Ip1和Ip2特征融合后以相同规格截取3个部分图片,进行下一步处理;
(3)图像特征分析模块根据特征提取过后的板材图像,进行识别并校验,将图像所包含的纸板层数识别输出。
所述步骤(1)的具体步骤为:
(1.1)工控机发出开始检测信号后通过I/O模块控制电动滑轨电机开始工作的同时,打开光源;
(1.2)电机带动滑轨运动控制编码器输出脉冲信号触发相机,实现滑轨移动和相机扫描行频的同步;
(1.3)相机在接收到触发信号后扫描当前行的图片。
按以上方式持续采集图像,在电动滑轨停止移动时,相机采集完成,并将所有的扫描行进行拼接组成一帧图片并输出到工控机上进行后续处理。
所述步骤(2)的具体方法为:
(2.1)将采集的图片(原图像)延展到最佳尺寸并补充边界,然后对处理过后的图片进行离散傅里叶变换,公式如下:
eix=cos(x)+isin(x)
其中,f是空间域值,F为频域值。然后对傅里叶变换后的图像计算幅值图像,将赋值图像用对数尺度来替换线性尺度,并将频谱图的四个象限的对应的原点移至图像中心重新分布,归一化显示后得到最终的频谱图;
(2.2)对上一步得到的频谱图阈值分割处理,对二值图像进行Hough直线检测,对检测的所有直线的角度以π/180的精度进行一个角度统计,统计出现频次最多的角度即为图像倾斜的角度。以此角度将旋转原图像得到校正图像;
(2.3)将校正图像再次进行傅里叶变换得到旋转校正后图像的频谱图,做一个以原图像宽度的作为矩形的宽度,图像原高度作为矩形的高度,以频谱图的中心为矩形中心的矩形掩膜,将该矩形区域的频谱图对应的值设置为0得到处理后的频谱图;将处理后的频谱图通过以下公式进行离散傅里叶逆变换后得到反变换图像;
再对反变换图像运用大津法二值化得到特征图Ip1;
(2.4)再进行(2.3)步的同时对校正图像进行最大稳定极值区域(MSER)处理,保留瓦楞纸孔洞的特征图,将该特征图作为特征图Ip2;
(2.5)对特征图Ip1和Ip2两幅图像相加融合后的图像Ip,该图像基本将瓦楞纸波纹层的特征分割保留;对Ip分别以相同规格的矩形框截取不重复的3个部分图像(矩形框的宽为100像素、高为图像的高度),记为In(n=1,2,3)。将图片In用5×5的矩形结构元素q55元素对图片进行膨胀腐蚀操作,去除干扰,得到最终的待识别图IPn(n=1,2,3),下式中分别表示膨胀腐蚀运算;
所述步骤(3)的具体方法为:
(3.1)待识别图IPn运用图像水平方向投影法,对图像每一行进行水平方向的灰度统计得到图像水平方向的投影特征p,p为i维向量,记作p=[p0,p1,…,pi]T。其中计算式如下所示:
其中,pi为第i行的特征,Intensity(i,j)为第i行、第j列对应像素的灰度值,row、col分别代表输入图像的行数目和列数目。得到向量p后,对每一分量pi计算其与相邻两个分量的和的均值记为li,如下式所示:
li={pi-1+pi+pi+1)/3计算完成后,归一化处理,得到新的向量l=[l0,l1,…,li]T。
(3.2)将(3.1)得到的向量l看作一个离散信号,对其求导得出向量g;求导公式如下:
分析向量g得出向量l的极大值和极小值,设置阈值最小阈值Thrmin,最大阈值Thrmax,记录极大值大于Thrmax对应的下标集合A=[s0,s1,…,sm],极小值小于Thrmin对应的下标集合为B=[t0,t1,…,tn],按照以下规则来进行计数:
记瓦楞纸张的波纹层数为c,初始为0,从k=0到集合B的元素个数n以1为步长开始循环:
存在sj∈A=[s0,s1,…,sm],满足:tk<sj<tk+1,则c++;
按照以上规则计算完成后得到三幅待识别图像的瓦楞纸波纹层数。
(3.3)判断三幅待识别图像的波纹层数是否相同,若三幅图纸板张数相同,则根据纸板种类信息计算层数输出作为最终计数。
本发明的技术效果在于:该发明安装到生产线中,所需的检测识别环节耗时仅为20s,效率远高于传统人工点数;可以通过生产线上现有的其他设备控制,减少人力成本,保证了计数的准确性,同时大大提高了纸厂生产的自动化程度。
附图说明
图1为视觉检测系统示意图;
图2为图像采集机构示意图;
图3为相机安装及打光示意图;
图4为特征提取流程图;
图5为特征分析流程图。
图中:1-电动滑轨,2-滑轨的电机,3-电机控制器,4-编码器,5-滑台,6-支架,7-相机,8-镜头,9-光源控制器,10-光源,11-瓦楞纸端面。
具体实施方式
以下将结合附图和具体实施例对本发明作进一步说明。
图1所示,一种基于机器视觉的板材计数方法,包括图像采集机构、工控机及显示器。
图2所示,图像采集机构主体为电动滑轨1和滑轨的电机2,编码器4安装在滑轨的端部,相机7、镜头8安装以及光源在支架上6,支架6安装在滑台5上,整个相机部分可以跟随滑台移动。电机控制器3与光源控制器9安装在其他位置分别与电机和光源接线连接。
图3所示,滑台部分俯视图相机7以及镜头8安装在支架6上,光源10如图式方向以θ角度安装在型材支架6上。光源10照射瓦楞纸端面11后,使得相机7获得良好的图像。
工控机中程序包括控制模块、图像特征提取模块、图像特征分析模块、通讯模块。控制模块通过I/O模块控制硬件设备,包括控制电机启停,设置滑轨运动参数,打开关闭光源等;图像特征提取模块对相机采集到的板材图片进行特征提取,将图片进行矫正;特征分析模块根据特征提取后的瓦楞纸图像进行分析,识别图像中有多少层纸板,并将结果发往通讯模块和显示器;通讯模块主要负责与上下位机的通讯。
一种基于机器视觉的板材计数方法,包括图像采集、图像特征提取、图像特征分析这几个步骤。
图像采集的具体步骤如下:
(1)工控机发出开始检测信号后通过I/0模块控制电动滑轨电机开始工作的同时,打开光源;滑台从滑轨底部沿滑轨方向向上开始移动。
(2)滑轨皮带转动,使得编码器在皮带的带动下发出脉冲信号,触发相机进行行扫描。
(3)运动过程中相机触发达到预设行数后,输出一帧图片发往工控机,工控机将这帧图片放入一个队列容器中,等待下一帧图片的到来;重复第二步操作直至滑台移动到滑轨的顶部。
(4)滑台到达顶部后,限位光电开关发出信号给I/0模块,当工控机检测到该信号后,将未达到预设行数的帧图像通过空白行填充补齐,发往工控机,然后与容器队列中的已有的帧图像进行拼接得到最终图像,等待算法处理;同时关闭光源,控制滑台返回初始位置等待下一次采集。
图像采集完成采集整幅箱板纸侧切面图像后,将图像转到图像特征提取模块。该模块主要功能是对图像的波纹纹理进行提取及增强,方便之后进行层数分析。
图4所示,图像特征提取的具体步骤如下:
(1)将采集的图片(原图像)延展到最佳尺寸并补充边界,然后对处理过后的图片进行离散傅里叶变换,公式如下:
eix=cos(x)+isin(x)
其中,f是空间域值,F为频域值。然后对傅里叶变换后的图像计算幅值图像,将赋值图像用对数尺度来替换线性尺度,并将频谱图的四个象限的对应的原点移至图像中心重新分布,归一化显示后得到最终的频谱图。对得到的频谱图进行二值化处理,然后对二值图像进行Hough直线检测,对检测的所有直线的角度以π/180的精度进行一个角度统计,统计出现频次最多的角度即为图像倾斜的角度。以此角度将旋转原图像得到校正图像。
(2)将校正图像再次进行傅里叶变换得到旋转校正后图像的频谱图,做一个以原图像宽度的作为矩形的宽度,图像原高度作为矩形的高度,以频谱图的中心为矩形中心的矩形掩膜,将该矩形区域的频谱图对应的值设置为0得到处理后的频谱图。将处理后的频谱图通过以下公式进行离散傅里叶逆变换后得到反变换图像。
再对反变换图像运用大津法二值化得到特征图Ip1。
于此同时,对校正图像进行最大稳定极值区域(MSER)处理,保留瓦楞纸孔洞的特征图,将该特征图作为特征图Ip2。
(3)对特征图Ip1和Ip2两幅图像相加融合后的图像IP,该图像基本将瓦楞纸波纹层的特征分割保留。对IP分别以相同规格的矩形框截取不重复的3个部分图像(矩形框的宽为100像素、高为图像的高度),记为In(n=1,2,3)。将图片In用5×5的矩形结构元素q55元素对图片进行膨胀腐蚀操作,去除干扰,得到最终的待识别图IPn(n=1,2,3),下式中分别表示膨胀腐蚀运算;
通过以上步骤得到特征图IPn(n=1,2,3)后,将这三幅图发送到图像特征分析模块,该模块主要通过对特征进行二次处理,将特征图转换成二维信号进行统计分析,从而得到瓦楞纸的波纹数,再通过已知瓦楞纸的类别计算得到最终的板材层数。
图5所示,图像特征分析步骤如下:
(1)对特征图IPn(n=1,2,3)运用图像水平方向投影法,对图像每一行进行水平方向的灰度统计得到图像水平方向的投影特征p,p为i维向量,记作p=[p0,p1,…,pi]T。其中计算式如下所示:
其中,pi为第i行的特征,Intensity(i,j)为第i行、第j列对应像素的灰度值,row、col分别代表输入图像的行数目和列数目。得到向量p后,对每一分量pi计算其与相邻两个分量的和的均值记为li,如下式所示:
li=(pi-1+pi+pi+1)/3
计算完成后,归一化处理,得到新的向量l=[l0,l1,…,li]T。
(2)将上一步得到的向量l看作一个离散信号,对其求导得出向量g;求导公式如下:
分析向量g得出向量l的极大值和极小值,设置阈值最小阈值Thrmin,最大阈值Thrmax,记录极大值大于Thrmax对应的下标集合A=[s0,s1,…,sm],极小值小于Thrmin对应的下标集合为B=[t0,t1,…,tn],按照以下规则来进行计数:
记瓦楞纸张的波纹层数为c,初始为0,从k=0到集合B的元素个数n以1为步长开始循环:
存在sj∈A=[s0,s1,…,sm],满足:tk<sj<tk+1,则c++;
按照以上规则计算完成后得到三幅待识别图像的瓦楞纸波纹层数。
(3)判断三幅待识别图像的波纹层数是否相同,若三幅图纸板张数相同,则根据纸板种类信息计算层数输出作为最终计数;若不同,则输出报警提示无法识别准确的层数,尝试重新识别或进行人工校验。
Claims (5)
1.一种基于机器视觉的板材计数系统,其特征在于:包括工控机、显示器、图像采集机构;图像采集机构包括相机、光源、光源控制器、电动滑轨、编码器、传感器,相机安装在电动滑轨的滑台上,光源固定于相机周边位置,其输入信号由相机控制;传感器位于电动滑轨的两端,相机和电动滑轨的控制器与工控机相连,相机触发输入连接到编码器;工控机包括控制模块、图像采集模块、图像特征提取模块、图像特征分析模块、通讯模块,工控机通过控制模块控制滑台移动带动相机进行图像采集;图像特征提取模块对采集的图片进行特征提取,然后将提取到的特征通过图像特征分析模块得到板材的数量,最后通过通讯模块将结果返回。
2.一种基于机器视觉的板材计数方法,其特征在包括如下步骤:
(1)图像采集:当工控机发送检测信号时,相机由电动滑轨从轨道顶部向下滑动并连续拍照,直到滑轨底部后停止采集,将所有的行像素组合成为一张板材侧面图像;
(2)图像特征提取:图像特征模块对板材侧面图像进行特征提取,将图像进行旋转矫正,进行复频域滤波处理得到特征图像Ip1;然后进行最大稳定极值区域(MSER)处理得到特征图像Ip2,将图像Ip1和Ip2特征融合后以相同规格截取3个部分图片,进行下一步处理;
(3)图像特征分析:图像特征分析模块根据特征提取过后的板材图像,进行识别并校验,将图像所包含的纸板层数识别输出。
3.根据权利要求2所述的一种基于机器视觉的板材计数方法,其特征在于:所述步骤(1)的具体方法为:
(1.1)工控机发出开始检测信号后通过I/O模块控制电动滑轨电机开始工作的同时,打开光源;
(1.2)电机带动滑轨运动控制编码器输出脉冲信号触发相机,实现滑轨移动和相机扫描行频的同步;
(1.3)相机在接收到触发信号后扫描当前行的图片。
4.根据权利要求2所述的一种基于机器视觉的板材计数方法,其特征在于:所述步骤(2)具体方法为:
(2.1)将采集的图片(原图像)延展到最佳尺寸并补充边界,然后对处理过后的图片进行离散傅里叶变换,公式如下:
eix=cos(x)+isin(x)
其中,f是空间域值,F为频域值。然后对傅里叶变换后的图像计算幅值图像,将赋值图像用对数尺度来替换线性尺度,并将频谱图的四个象限的对应的原点移至图像中心重新分布,归一化显示后得到最终的频谱图。
(2.2)对上一步得到的频谱图阈值分割处理,对二值图像进行Hough直线检测,对检测的所有直线的角度以π/180的精度进行一个角度统计,统计出现频次最多的角度即为图像倾斜的角度。以此角度将旋转原图像得到校正图像。
(2.3)将校正图像再次进行傅里叶变换得到旋转校正后图像的频谱图,做一个以原图像宽度的作为矩形的宽度,图像原高度作为矩形的高度,以频谱图的中心为矩形中心的矩形掩膜,将该矩形区域的频谱图对应的值设置为0得到处理后的频谱图。将处理后的频谱图通过以下公式进行离散傅里叶逆变换后得到反变换图像。
再对反变换图像运用大津法二值化得到特征图Ip1。
(2.4)再进行(2.3)步的同时对校正图像进行最大稳定极值区域(MSER)处理,保留瓦楞纸孔洞的特征图,将该特征图作为特征图Ip2。
(2.5)对特征图Ip1和Ip2两幅图像相加后的图像Ip,该图像基本将瓦楞纸波纹层的特征分割保留。对Ip分别以相同规格的矩形框截取不重复的3个部分图像(矩形框的宽为100像素、高为图像的高度),记为In(n=1,2,3)。将图片In用5×5的矩形结构元素q55元素对图片进行膨胀腐蚀操作,去除干扰,得到最终的待识别图IPn(n=1,2,3),下式中分别表示膨胀腐蚀运算;
5.根据权利要求2所述的一种基于机器视觉的板材计数方法,其特征在于:所述步骤(3)的具体方法为:
(3.1)待识别图IPn运用图像水平方向投影法,对图像每一行进行水平方向的灰度统计得到图像水平方向的投影特征p,p为i维向量,记作p=[p0,p1,…,pi]T。其中计算式如下所示:
其中,pi为第i行的特征,Intensity(i,j)为第i行、第j列对应像素的灰度值,row、col分别代表输入图像的行数目和列数目。得到向量p后,对每一分量pi计算其与相邻两个分量的和的均值记为li,如下式所示:
li={pi-1+pi+pi+1)/3
计算完成后,归一化处理,得到新的向量l=[l0,l1,…,li]T。
(3.2)将(3.1)得到的向量l看作一个离散信号,对其求导得出向量g;求导公式如下:
分析向量g得出向量l的极大值和极小值,设置阈值最小阈值Thrmin,最大阈值Thrmax,记录极大值大于Thrmax对应的下标集合A=[s0,s1,…,sm],极小值小于Thrmin对应的下标集合为B=[t0,t1,…,tn],按照以下规则来进行计数:
·记瓦楞纸张的波纹层数为c,初始为0,从k=0到集合B的元素个数n以1为步长开始循环:
存在sj∈A=[s0,s1,…,sm],满足:tk<sj<tk+1,则c++;
按照以上规则计算完成后得到三幅待识别图像的瓦楞纸波纹层数。
(3.3)判断三幅待识别图像的波纹层数是否相同,若三幅图纸板张数相同,则根据纸板种类信息计算层数输出作为最终计数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502772.5A CN113255869B (zh) | 2021-05-09 | 2021-05-09 | 一种基于机器视觉的板材计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110502772.5A CN113255869B (zh) | 2021-05-09 | 2021-05-09 | 一种基于机器视觉的板材计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255869A true CN113255869A (zh) | 2021-08-13 |
CN113255869B CN113255869B (zh) | 2023-05-05 |
Family
ID=77222236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110502772.5A Active CN113255869B (zh) | 2021-05-09 | 2021-05-09 | 一种基于机器视觉的板材计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255869B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429433A (zh) * | 2022-04-01 | 2022-05-03 | 武汉市宏伟纸箱包装有限公司 | 一种基于图像增强的蜂窝纸进刀量控制方法 |
CN114943715A (zh) * | 2022-05-31 | 2022-08-26 | 闽南师范大学 | 一种基于偏振度分布的机器视觉计数测量方法 |
TWI786827B (zh) * | 2021-09-15 | 2022-12-11 | 和碩聯合科技股份有限公司 | 測試資料產生方法以及測試資料產生裝置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6091792A (en) * | 1997-10-31 | 2000-07-18 | Hill; Gregory D. | Corrugated sheet counter |
JP2003296694A (ja) * | 2002-04-05 | 2003-10-17 | Mitsubishi Heavy Ind Ltd | 段ボールシート製造装置のシート枚数カウント装置 |
US20170069092A1 (en) * | 2015-09-04 | 2017-03-09 | Crown Equipment Corporation | Industrial vehicle with feature-based localization and navigation |
CN109409356A (zh) * | 2018-08-23 | 2019-03-01 | 浙江理工大学 | 一种基于swt的多方向中文印刷体文字检测方法 |
CN110599512A (zh) * | 2019-08-25 | 2019-12-20 | 南京理工大学 | 基于图像识别的药品名称识别方法及系统 |
-
2021
- 2021-05-09 CN CN202110502772.5A patent/CN113255869B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6091792A (en) * | 1997-10-31 | 2000-07-18 | Hill; Gregory D. | Corrugated sheet counter |
JP2003296694A (ja) * | 2002-04-05 | 2003-10-17 | Mitsubishi Heavy Ind Ltd | 段ボールシート製造装置のシート枚数カウント装置 |
US20170069092A1 (en) * | 2015-09-04 | 2017-03-09 | Crown Equipment Corporation | Industrial vehicle with feature-based localization and navigation |
CN109409356A (zh) * | 2018-08-23 | 2019-03-01 | 浙江理工大学 | 一种基于swt的多方向中文印刷体文字检测方法 |
CN110599512A (zh) * | 2019-08-25 | 2019-12-20 | 南京理工大学 | 基于图像识别的药品名称识别方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI786827B (zh) * | 2021-09-15 | 2022-12-11 | 和碩聯合科技股份有限公司 | 測試資料產生方法以及測試資料產生裝置 |
CN114429433A (zh) * | 2022-04-01 | 2022-05-03 | 武汉市宏伟纸箱包装有限公司 | 一种基于图像增强的蜂窝纸进刀量控制方法 |
CN114943715A (zh) * | 2022-05-31 | 2022-08-26 | 闽南师范大学 | 一种基于偏振度分布的机器视觉计数测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113255869B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255869A (zh) | 一种基于机器视觉的板材计数系统及方法 | |
CN109357630B (zh) | 一种多类型工件批量视觉测量系统及方法 | |
CN108355981B (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
CN111284154B (zh) | 一种基于图像识别的印控机盖章控制方法、装置及系统 | |
CN108765416A (zh) | 基于快速几何对准的pcb表面缺陷检测方法及装置 | |
CN105783723B (zh) | 基于机器视觉的精密模具表面加工精度检测装置及方法 | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
CN107816943B (zh) | 一种物流箱体积重量测量系统及其实现方法 | |
CN103846192A (zh) | 自主定位智能点胶系统 | |
JP2745764B2 (ja) | 位置認識装置 | |
CN103257085A (zh) | 图像处理装置和图像处理方法 | |
CN113701821B (zh) | 一种基于局部特征的建筑铝模板识别结构及其方法 | |
CN111982921A (zh) | 孔缺陷的检测方法、装置、传送平台及存储介质 | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
CN114235837A (zh) | 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
CN110009615A (zh) | 图像角点的检测方法及检测装置 | |
CN114119483A (zh) | 基于图像处理技术的建筑用轻质墙板质量检测方法及装置 | |
CN115229899A (zh) | 巴块切割控制方法、装置及巴块切割系统 | |
CN106000903B (zh) | 一种用于检测织布机布铗刀口缝隙的非接触式检测系统及方法 | |
CN113256568A (zh) | 一种基于深度学习的机器视觉板材计数通用系统及方法 | |
CN106225711B (zh) | 板材表面轮廓识别方法 | |
KR101215516B1 (ko) | 마킹 위치 인식 장치 및 방법 | |
CN108230385B (zh) | 单相机运动检测超高叠层、超薄烟标数量方法及装置 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 410117 268 Xinxing Road, Yuhua Economic Development Zone, Changsha, Hunan Applicant after: China Light Changtai (Changsha) Intelligent Technology Co.,Ltd. Address before: 410117 268 Xinxing Road, Yuhua Economic Development Zone, Changsha, Hunan Applicant before: CHANGSHA CHAINT MACHINERY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |