CN113313681A - 一种注塑制品质量检测系统 - Google Patents
一种注塑制品质量检测系统 Download PDFInfo
- Publication number
- CN113313681A CN113313681A CN202110588955.3A CN202110588955A CN113313681A CN 113313681 A CN113313681 A CN 113313681A CN 202110588955 A CN202110588955 A CN 202110588955A CN 113313681 A CN113313681 A CN 113313681A
- Authority
- CN
- China
- Prior art keywords
- surface image
- module
- injection molding
- pix
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000001746 injection moulding Methods 0.000 title claims abstract description 37
- 230000004308 accommodation Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 8
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 241000282376 Panthera tigris Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010137 moulding (plastic) Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229920001169 thermoplastic Polymers 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G06T5/70—
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Abstract
本发明提供了一种注塑制品质量检测系统,包括拍摄模块、预判断模块、质量检测模块和显示模块;所述拍摄模块用于获取注塑制品的表面图像;所述预判断模块用于判断所述表面图像是否符合预设的判断条件,若是,则将所述表面图像发送至所述质量检测模块,若否,则向拍摄模块发送重新拍摄的指令;所述拍摄模块还用于在接收到所述指令后,重新获取住宿制品的表面图像;所述质量检测模块用于判断所述注塑制品是否符合质量要求,获得判断结果;所述显示模块用于显示所述判断结果。本发明检测效率更高,而且由于检测标准一致,因此,最终通过质量检测的注塑制品的品质也是非常接近的,有利于保持注塑制品的质量的一致性。
Description
技术领域
本发明涉及检测领域,尤其涉及一种注塑制品质量检测系统。
背景技术
注塑制品是注塑机将热塑性塑料或热固性料利用塑料成型模具制成各种形状的塑料制品。现有技术中,对注塑制品的质量检测一般是通过人工检测的方式,这种检测方式检测效率比较低,而且容易由于工人的经验不同导致产品的质量参差不齐。
发明内容
鉴于上述问题,本发明的目的在于提供一种注塑制品质量检测系统,包括拍摄模块、预判断模块、质量检测模块和显示模块;
所述拍摄模块用于获取注塑制品的表面图像,并将所述表面图像传输值所述预判断模块;
所述预判断模块用于判断所述表面图像是否符合预设的判断条件,若是,则将所述表面图像发送至所述质量检测模块,若否,则向拍摄模块发送重新拍摄的指令;
所述拍摄模块还用于在接收到所述指令后,重新获取住宿制品的表面图像;
所述质量检测模块用于基于预判断模块发送过来的表面图像判断所述注塑制品是否符合质量要求,获得判断结果;
所述显示模块用于显示所述判断结果。
优选地,所述判断所述表面图像是否符合预设的判断条件,包括:
计算所述表面图像的质量分数;
判断所述质量分数是否大于预设的质量分数阈值,若是,则表示所述表面图像符合预设的判断条件;若否,则表示所述表面图像不符合预设的判断条件;
所述质量分数通过下述公式计算:
式中,zdx表示质量分数,α、β、δ表示预设的比例系数,α+β+δ=1,nfront表示所述表面图像中的前景像素点的总数,stnfront表示前景像素点的总数的标准值,tfc表示表面图像对应的灰度图像中的像素点的梯度幅值的方差,sttfc表示预设的梯度幅值的方差的标准值,vfc表示表面图像对应的灰度图像中的像素点的像素值的方差,stvfc表示预设的像素值的方差的标准值。
优选地,所述前景像素点通过下述方式获取:
使用大津法对所述表面图像进行图像分割处理,将所述表面图像中的像素点划分为前景像素点和背景像素点。
优选地,使用下述方式虎丘所述表面图像对应的灰度图像:
g(pix)=w1×R(pix)+w2×G(pix)+w3×B(pix)
式中,g(pix)表示灰度图像中的像素点pix的像素值,R(pix)、G(pix)、B(pix)分别表示pix在所述表面图像对应的像素点在RGB颜色空间中的红色分量、绿色分量、蓝色分量的值;w1、w2、w3表示预设的权重系数。
优选地,所述基于预判断模块发送过来的表面图像判断所述注塑制品是否符合质量要求,获得判断结果,包括:
获取所述表面图像中的特征信息;
将所述特征信息输入到训练好的神经网络模型中判断所述注塑制品是否符合质量要求,获得判断结果。
优选地,所述显示模块包括智能移动终端的显示屏和台式电脑显示屏。
本发明通过图像识别的方式来对注塑制品的质量进行检测,相较于传统的人工检测的方式本发明不仅检测效率更高,而且由于检测标准一致,因此,最终通过质量检测的注塑制品的品质也是非常接近的,有利于保持注塑制品的质量的一致性。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1,为本发明一种注塑制品质量检测系统的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
如图1所示的一种实施例,本发明提供了一种注塑制品质量检测系统,包括拍摄模块、预判断模块、质量检测模块和显示模块;
所述拍摄模块用于获取注塑制品的表面图像,并将所述表面图像传输值所述预判断模块;
所述预判断模块用于判断所述表面图像是否符合预设的判断条件,若是,则将所述表面图像发送至所述质量检测模块,若否,则向拍摄模块发送重新拍摄的指令;
所述拍摄模块还用于在接收到所述指令后,重新获取住宿制品的表面图像;
所述质量检测模块用于基于预判断模块发送过来的表面图像判断所述注塑制品是否符合质量要求,获得判断结果;
所述显示模块用于显示所述判断结果。
优选地,所述判断所述表面图像是否符合预设的判断条件,包括:
计算所述表面图像的质量分数;
判断所述质量分数是否大于预设的质量分数阈值,若是,则表示所述表面图像符合预设的判断条件;若否,则表示所述表面图像不符合预设的判断条件;
所述质量分数通过下述公式计算:
式中,zdx表示质量分数,α、β、δ表示预设的比例系数,α+β+δ=1,nfront表示所述表面图像中的前景像素点的总数,stnfront表示前景像素点的总数的标准值,tfc表示表面图像对应的灰度图像中的像素点的梯度幅值的方差,sttfc表示预设的梯度幅值的方差的标准值,vfc表示表面图像对应的灰度图像中的像素点的像素值的方差,stvfc表示预设的像素值的方差的标准值。
具体地,若前景像素点的数量越多,则表示表面图像中关于注塑制品的信息越多,而像素值和梯度幅值的标准差越大,则表示所述表面图像中包含更多的细节信息,因此,本发明的质量分数能够准确地反应图像的质量情况,有利于获取高质量的表面图像,有利于提高后续的特征信息提取的准确性。
优选地,所述前景像素点通过下述方式获取:
使用大津法对所述表面图像进行图像分割处理,将所述表面图像中的像素点划分为前景像素点和背景像素点。
优选地,使用下述方式虎丘所述表面图像对应的灰度图像:
g(pix)=w1×R(pix)+w2×G(pix)+w3×B(pix)
式中,g(pix)表示灰度图像中的像素点pix的像素值,R(pix)、G(pix)、B(pix)分别表示pix在所述表面图像对应的像素点在RGB颜色空间中的红色分量、绿色分量、蓝色分量的值;w1、w2、w3表示预设的权重系数。
优选地,所述基于预判断模块发送过来的表面图像判断所述注塑制品是否符合质量要求,获得判断结果,包括:
获取所述表面图像中的特征信息;
将所述特征信息输入到训练好的神经网络模型中判断所述注塑制品是否符合质量要求,获得判断结果。
神经网络模型主要是用于执行以下操作:
将表面图像的特征信息与常见的注塑制品缺陷类型的特征信息进行对比,获取两者的相似度;
将相似度高于预设的相似度阈值的缺陷类型作为注塑制品中存在的缺陷类型;
不同的缺陷类型对应不同的分数;
统计表面图像中包含的所有缺陷类型的分数,
若所述分数大于预设的分数阈值,则所述注塑制品不符合预设的质量要求,否则所述注塑制品符合预设的质量要求;
判断结果包括注塑制品不符合预设的质量要求或注塑制品符合预设的质量要求。
优选地,所述显示模块包括智能移动终端的显示屏和台式电脑显示屏。
优选地,获取所述表面图像中的特征信息,包括:
对所述表面图像对应的灰度图像进行降噪计算,获得降噪图像;
使用预设的特征信息提取算法获取降噪图像中包含的特征信息;
降噪计算的过程包括:
获取表面图像对应的灰度图像中的噪声像素点和非噪声像素点;
通过下述方式计算噪声像素点的降噪值:
式中,ctnoi(x)表示噪声像素点x的降噪值,c1和c2表示权重参数,la(x)表示以x为中心的t×t大小的邻域中的非噪声像素点的集合,g(y)表示la(x)中包含的像素点y的像素值,g(x)表示像素点x的像素值,nmofnoi表示la(x)中包含的像素点的总数,tx表示预设的调节系数,lb(x)表示以x为中心的t×t大小的邻域中的噪声像素点的集合,g(z)表示lb(x)中包含的像素点z的像素值,avegnoi表示所述灰度图像中的噪声像素点的像素值的均值;
使用所述降噪值替换所述灰度图像中的噪声像素点的像素值,从而得到降噪图像。
本发明上述实施例,先对噪声像素点进行检测,然后再计算噪声像素点的降噪值,从而使用降噪值代替噪声像素点原来的像素值,从而实现了对灰度图像中的噪声的有效处理,有利于避免噪声影响后续的特征信息提取的准确性,因为如果不进行降噪处理,噪声点很容易被错误地识别成边缘像素点,从而影响特征信息的准确性。在计算降噪值时,考虑了邻域中像素点的差异,将噪声像素点和非噪声像素点分开计算,从而加权得到降噪值,有利于提升降噪值的准确性。
本发明通过图像识别的方式来对注塑制品的质量进行检测,相较于传统的人工检测的方式本发明不仅检测效率更高,而且由于检测标准一致,因此,最终通过质量检测的注塑制品的品质也是非常接近的,有利于保持注塑制品的质量的一致性。
尽管已经示出和描述了本发明的实施例,本领域技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变形,本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种注塑制品质量检测系统,其特征在于,包括拍摄模块、预判断模块、质量检测模块和显示模块;
所述拍摄模块用于获取注塑制品的表面图像,并将所述表面图像传输值所述预判断模块;
所述预判断模块用于判断所述表面图像是否符合预设的判断条件,若是,则将所述表面图像发送至所述质量检测模块,若否,则向拍摄模块发送重新拍摄的指令;
所述拍摄模块还用于在接收到所述指令后,重新获取住宿制品的表面图像;
所述质量检测模块用于基于预判断模块发送过来的表面图像判断所述注塑制品是否符合质量要求,获得判断结果;
所述显示模块用于显示所述判断结果。
2.根据权利要求1所述的一种注塑制品质量检测系统,其特征在于,所述判断所述表面图像是否符合预设的判断条件,包括:
计算所述表面图像的质量分数;
判断所述质量分数是否大于预设的质量分数阈值,若是,则表示所述表面图像符合预设的判断条件;若否,则表示所述表面图像不符合预设的判断条件;
所述质量分数通过下述公式计算:
式中,zdx表示质量分数,α、β、δ表示预设的比例系数,α+β+δ=1,nfront表示所述表面图像中的前景像素点的总数,stnfront表示前景像素点的总数的标准值,tfc表示表面图像对应的灰度图像中的像素点的梯度幅值的方差,sttfc表示预设的梯度幅值的方差的标准值,vfc表示表面图像对应的灰度图像中的像素点的像素值的方差,stvfc表示预设的像素值的方差的标准值。
3.根据权利要求2所述的一种注塑制品质量检测系统,其特征在于,所述前景像素点通过下述方式获取:
使用大津法对所述表面图像进行图像分割处理,将所述表面图像中的像素点划分为前景像素点和背景像素点。
4.根据权利要求2所述的一种注塑制品质量检测系统,其特征在于,使用下述方式虎丘所述表面图像对应的灰度图像:
g(pix)=w1×R(pix)+w2×G(pix)+w3×B(pix)
式中,g(pix)表示灰度图像中的像素点pix的像素值,R(pix)、G(pix)、B(pix)分别表示pix在所述表面图像对应的像素点在RGB颜色空间中的红色分量、绿色分量、蓝色分量的值;w1、w2、w3表示预设的权重系数。
5.根据权利要求1所述的一种注塑制品质量检测系统,其特征在于,所述基于预判断模块发送过来的表面图像判断所述注塑制品是否符合质量要求,获得判断结果,包括:
获取所述表面图像中的特征信息;
将所述特征信息输入到训练好的神经网络模型中判断所述注塑制品是否符合质量要求,获得判断结果。
6.根据权利要求1所述的一种注塑制品质量检测系统,其特征在于,所述显示模块包括智能移动终端的显示屏和台式电脑显示屏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588955.3A CN113313681A (zh) | 2021-05-28 | 2021-05-28 | 一种注塑制品质量检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588955.3A CN113313681A (zh) | 2021-05-28 | 2021-05-28 | 一种注塑制品质量检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113313681A true CN113313681A (zh) | 2021-08-27 |
Family
ID=77375873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110588955.3A Withdrawn CN113313681A (zh) | 2021-05-28 | 2021-05-28 | 一种注塑制品质量检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313681A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511833A (zh) * | 2022-09-28 | 2022-12-23 | 广东百能家居有限公司 | 一种玻璃表面划痕检测系统 |
CN117455316A (zh) * | 2023-12-20 | 2024-01-26 | 中山市东润智能装备有限公司 | 一种注塑工厂设备数据采集的方法 |
-
2021
- 2021-05-28 CN CN202110588955.3A patent/CN113313681A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511833A (zh) * | 2022-09-28 | 2022-12-23 | 广东百能家居有限公司 | 一种玻璃表面划痕检测系统 |
CN115511833B (zh) * | 2022-09-28 | 2023-06-27 | 广东百能家居有限公司 | 一种玻璃表面划痕检测系统 |
CN117455316A (zh) * | 2023-12-20 | 2024-01-26 | 中山市东润智能装备有限公司 | 一种注塑工厂设备数据采集的方法 |
CN117455316B (zh) * | 2023-12-20 | 2024-04-19 | 中山市东润智能装备有限公司 | 一种注塑工厂设备数据采集的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN102305798B (zh) | 基于机器视觉的玻璃缺陷的检测与分类方法 | |
CN113313681A (zh) | 一种注塑制品质量检测系统 | |
CN100550037C (zh) | 利用改进Hausdorff距离提取识别人耳特征的方法 | |
CN107389693B (zh) | 一种基于机器视觉的印刷品缺陷自动检测方法 | |
CN108596232B (zh) | 一种基于形状和颜色特征的鞋垫自动分类方法 | |
CN104866849A (zh) | 一种基于移动终端的食品营养成分标签识别方法 | |
CN115331119B (zh) | 一种固体废弃物识别方法 | |
CN116912261B (zh) | 一种塑料模具注塑表面缺陷检测方法 | |
CN114972356B (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
CN114387233A (zh) | 一种基于机器视觉的砂型缺陷检测方法及系统 | |
CN114187289B (zh) | 一种基于计算机视觉的塑料制品缩坑检测方法及系统 | |
CN108805139B (zh) | 一种基于频域视觉显著性分析的图像相似性计算方法 | |
CN108830851B (zh) | 一种lcd粗糙斑缺陷检测方法 | |
CN112365450A (zh) | 基于图像识别的物品分类计数的方法、装置和存储介质 | |
CN110749598A (zh) | 一种融合颜色、形状和纹理特征的蚕茧表面缺陷检测方法 | |
CN114119603A (zh) | 基于图像处理的快餐盒短射缺陷检测方法 | |
CN115880699B (zh) | 一种食品包装袋检测方法及系统 | |
CN111667475A (zh) | 一种基于机器视觉的大枣分级检测方法 | |
CN107123102A (zh) | 一种贴壁细胞生长融合度自动分析方法 | |
CN117218122B (zh) | 基于图像数据的手表外壳质量检测方法 | |
CN112396016B (zh) | 一种基于大数据技术的人脸识别系统 | |
CN113610185B (zh) | 基于主色调识别的木材色选方法 | |
CN107239761A (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
CN107909579A (zh) | 视觉检测中的产品轮廓自动提取方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210827 |
|
WW01 | Invention patent application withdrawn after publication |