CN113486958A - 一种锯链缺陷检测方法、存储介质及系统 - Google Patents

一种锯链缺陷检测方法、存储介质及系统 Download PDF

Info

Publication number
CN113486958A
CN113486958A CN202110768943.9A CN202110768943A CN113486958A CN 113486958 A CN113486958 A CN 113486958A CN 202110768943 A CN202110768943 A CN 202110768943A CN 113486958 A CN113486958 A CN 113486958A
Authority
CN
China
Prior art keywords
saw chain
characteristic number
number information
shared memory
information
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
CN202110768943.9A
Other languages
English (en)
Inventor
徐凌志
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.)
Hubei Haoxin Automation Equipment Technology Co ltd
Original Assignee
Hubei Haoxin Automation Equipment 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 Hubei Haoxin Automation Equipment Technology Co ltd filed Critical Hubei Haoxin Automation Equipment Technology Co ltd
Priority to CN202110768943.9A priority Critical patent/CN113486958A/zh
Publication of CN113486958A publication Critical patent/CN113486958A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种锯链缺陷检测方法，其包括步骤，获取待检测锯链的图片信息；根据预定义特征建立特征数识别模型，将待检测锯链的图片信息输入特征数识别模型中，并输出图片信息中的特征数信息；将输出的特征数信息输入至共享内存中，并标识对应的共享内存；读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷。本发明还提供一种存储介质及一种锯链缺陷检测系统，本发明提供的锯链缺陷检测方法、存储介质及系统可在锯链表面存在少量油污时进行识别检测。

Description

一种锯链缺陷检测方法、存储介质及系统
技术领域
本发明涉及锯链检测技术领域，尤其涉及一种锯链缺陷检测方法、存储介质及系统。
背景技术
锯链是锯切木材等材质的挠性组合刀具，一般由四部分组成，包括刀头，中导齿，连接片和铆钉。其中刀头分左右刀头，连接片分左右连接片。有一些锯链为了降低切割反弹会有一些缓冲设计，这些带有缓冲特征的零件包括缓冲中导齿，缓冲连接片等，结构较为复杂，加工及装配时容易出错，所以在锯链加工完成后，需要对锯链进行检测，以检验锯链是否存在缺陷。
现有对锯链进行检测时，为了节省人工成本，通常的检测方式为利用摄像头等图片获取装置获取锯链的图片，即利用摄像头拍摄待检测锯链的照片，然后对图片进行分析，如将获取到的图片与标准模板图片进行比对等方式，判断锯链是否存在缺陷。
但是，锯链的生产过程中，锯链的表面通常伴随有少量的油污，当锯链的表面存在油污时，传统的比对方式无法准确的判断，存在出现误判的可能，如当锯链表面存在少量油污时，其本身不存在缺陷，但将该具有少量油污的锯链图片与标准模板图片进行比对时，存在判定为存在缺陷的可能。所以，传统锯链检测的方法里，通常还需要先对锯链表面进行油污清洁工作，增加人工成本
发明内容
有鉴于此，本发明提供一种锯链缺陷检测方法、存储介质及系统解决传统锯链检测时，表面少量油污影响检测结果准确性的问题。
为了达到上述目的，本发明解决技术问题的技术方案是提供一种锯链缺陷检测方法，其包括步骤：获取待检测锯链的图片信息；根据预定义特征建立特征数识别模型，将待检测锯链的图片信息输入特征数识别模型中，并输出图片信息中的特征数信息；将输出的特征数信息输入至共享内存中，并标识对应的共享内存；读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷。
进一步，所述根据预定义特征建立特征数识别模型，将待检测锯链的图片信息输入特征数识别模型中，并输出图片信息中的特征数信息包括：选择预定义特征；以预定义特征进行特征数识别模型的训练；向建立好的特征数识别模型中输入待检测锯链的图片信息，并输出特征数信息。
进一步，所述将输出的特征数信息输入至共享内存中，并标识对应的共享内存包括：创建共享内存；建立独立线程处理共享内存中的交互数据；读取共享内存的标示位；将特征数信息输入至标示位内。
进一步，所述读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷包括：即时读取共享内存中的特征数信息；即时将读取的特征数信息与标准值进行比对；输出比对结果，并对比对结果进行标记。
进一步，所述读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷后，还包括步骤：当判断出锯链存在缺陷时，停止锯链生产线的工作。
进一步，所述待检测锯链图片的获取方式为利用触发相机获取。
进一步，通过YOLOV4进行所述特征数识别模型的训练，以建立所述特征数识别模型。
进一步，所述输出比对结果，并对比对结果进行标记为，只对未检测出缺陷的所述别对结果进行标记，而检测出缺陷时则停止锯链生产线的工作。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述锯链缺陷检测方法。
本发明还提供一种锯链缺陷检测系统，其包括处理器和存储器,所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现锯链缺陷检测方法。
与现有技术相比，本发明所提供的锯链缺陷检测方法、存储介质及系统具有以下有益效果：
通过根据预定义特征建立特征数识别模型，并利用特征数识别模型输出特征数信息，以根据特征数信息与标准值的比对结果判断锯链是否存在缺陷，从而即使在锯链表面存在少量油污时，也可进行识别判断，省略了清理油污的工序。同时，利用共享内存实现即时存储、读取及比对，可在发现缺陷时，立即停止生产线并进行锯链的修复。
附图说明
图1为本发明一个实施例提供的一种锯链缺陷检测方法的步骤流程示意图；
图2为图1中步骤S2的子步骤流程图；
图3为图1中步骤S3的子步骤流程图；
图4为图1中步骤S4的子步骤流程图
图5为图1中步骤S4的后续步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明提供的一种锯链缺陷检测方法，其包括：
S1，获取待检测锯链的图片信息；
通过设置于锯链生产线上的摄像头等图像获取装置，对每个组装完成后锯链的进行拍摄并形成图片，以形成与每个组装完成后的锯链对应的图片信息。
在一些实施例中，拍摄图片可以逐一拍摄，形成与锯链逐一对应的多张图片，也可以是整体拍摄，形成整体图片，然后将整体图片分隔成分别对应每个锯链的多张图片。
在一些实施例中，可对每张图片进行编号，编号与实际的锯链对应，以便于在后续检测结果出来时，根据编号即可追溯到检测结果对应的锯链。
在一些实施例中，获取图片使用的是触发相机，在获取待检测锯链的图片之间，先检测触发相机拍照的Io状态，当触发相机的Io状态无误时，则进行后续的图片获取工作。
S2，根据预定义特征建立特征数识别模型，将待检测锯链的图片信息输入特征数识别模型中，并输出图片信息中的特征数信息；
通过机器自学习训练出特征数识别模型，并将步骤S1中获取到的图片分别输入特征数识别模型中，利用特征数识别模型获取每张图片中预定义特征的个数，从而得到特征数信息。
在一些实施例中，预定义特征可以是自行设定，并对于锯链上某个特征的信息，特征数信息则是该预定义特征在图片中存在的个数。
以一个具体例子作为说明，锯链通常包括刀头，中导齿，连接片和铆钉几个部分，当将预定义特征设定为铆钉时，特征数识别模型则根据图片中铆钉的数量进行训练，即特征数模型训练完成后，向特征数模型内输入图片，输出的特征数信息为图片中铆钉的数量，如获取到的图片信息中，铆钉的数量A＝7个，将图片信息输入至特征数识别模型中，输出的特征数信息结果即为7。
在一些实施例中，步骤S1中的获取待检测锯链图片信息与步骤S2中根据预定义特征简历特征数识别模型可同步进行，也可先简历特征数识别模型，再获取待检测锯链的图片信息。
在一些实施例中，通过YOLOV4进行模型的训练，以建立特征数识别模型。
S3，将输出的特征数信息输入至共享内存中，并标识对应的共享内存；
在得到特征数识别模型输出的特征数信息后，将特征数信息输入至共享内存中进行存储，并对存储了特征数信息的共享内存位进行标记，以便于后续调用共享内存中的特征数信息进行读取，从而通过特征数信息追溯对应的图片信息，也即对应完成装配的锯链。
共享内存(shared memory)指在多处理器的计算机系统中，可以被不同中央处理器(CPU)访问的大容量内存。由于多个CPU需要快速访问存储器，这样就要对存储器进行缓存(Cache)。任何一个缓存的数据被更新后，由于其他处理器也可能要存取，共享内存就需要立即更新，否则不同的处理器可能用到不同的数据。共享内存是Unix下的多进程之间的通信方法,这种方法通常用于一个程序的多进程间通信，实际上多个程序间也可以通过共享内存来传递信息。
在一些实施例中，在标识共享内存中的特征数信息时，也对应标入与步骤S1中图片信息对应的标号，从而便于分辨每个特征数信息所对应的图片，也即对应的完成装配的锯链。
通过将特征数信息放入共享内存方式，可在锯链生产装配的过程中，连续不间断的获取每个装配完成后锯链对应的图片，并连续的将图片通过特征数识别模型输出特征数信息，进而连续的存入共享内存中，连续的进行识别判断，从而在发现存在缺陷的锯链时，及时停止生产线，以对存在缺陷的锯链进行修复，增加了检测及修复的及时性，避免整个生产线的锯链都装配完成后，再进行检测、修复造成的效率降低。
S4，读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷；
在将特征数信息输入至共享内存后，读取每个共享内存的标示位，即共享内存中存入了特征数信息的部分，并将这些特征数信息逐一与预设的标准值进行对，当特征数信息与标准值一致时，则认定为锯链不存在缺陷，反之，则认定为锯链存在缺陷。
预设的标准值与预定义的特征对应，如，当预定义的特征为铆钉个数时，预设的标准值也为一个数值，该数值为标准的锯链应当具有铆钉的个数。假设一个标准锯链上铆钉的个数应当为7个，那么则将特征数信息与数值7比对，当相等时，则判断锯链不存在缺陷，反之，当不相等时，则判断为锯链存在缺陷。
通过特征数识别模型获取特征数信息，在锯链表面存在少量油污时，依然可以通过只识别预定义特征的方式，获取每张图片中特征的数量，从而与标准值进行对比，判断出锯链是否存在缺陷，无需每次检测时，都将装配完成后的锯链进行清洁，简化了工序。
请参阅图2，步骤S2包括子步骤：
S21，选择预定义特征；
根据锯链所具有的特征，悬在最能体现锯链是否存在缺陷的特征点作为预定义特征。如，当检测锯链的装配是否存在缺陷时，每个装配完成的锯链上所具有的铆钉数量是固定的，改固定值即为标准至，选择以铆钉数量作为判断的依据，则铆钉数量这个特征即为预定义特征。
S22，以预定义特征进行特征数识别模型的训练；
选取多组图片数据，以YOLOV4进行模型的训练，从而形成能够输出预定义特征的特征数识别模型。
S23，向建立好的特征数识别模型中输入待检测锯链的图片信息，并输出特征数信息；
在建立好模型后，即可利用特征数识别模型识别步骤S1中所获取图片的特征数信息。
请参阅图3，步骤S3包括子步骤：
S31，创建共享内存；
创建与图像获取设备数据交互的共享内存，从而使得获取图片并利用特征数识别模型输出特征数信息后，能够将特征数信息输入至共享内存中。
S32，建立独立线程处理共享内存中的交互数据；
创建独立线程专门处理数据的交互，从而能够实现数据处理的实时性。
S33，读取共享内存的标示位；
利用独立线程读取共享内存中标示位。
S34，将特征数信息输入至标示位内；
将特征数识别模型输出的特征数信息存储至标识位内。
请参阅图4，步骤S4还包括子步骤：
S41，即时读取共享内存中的特征数信息；
利用共享内存，在每有一组特征数信息存入后，立即读取该特征数信息。
S42，即时将读取的特征数信息与标准值进行比对；
读取了特征数信息后，立即将特征数信息与标准值进行比对，判断是否一致。
S43，输出比对结果，并对比对结果进行标记；
根据比对结果是否一致，输出判断结构，并对判断结果进行标记。
在一些实施例中，只对不存在缺陷的结果进行标记，而当发现缺陷时，则停止生产线的工作。
请参阅图5，步骤S4之后还包括步骤：
S5，当判断出锯链存在缺陷时，停止锯链生产线的工作；
通过在锯链存在缺陷时直接停止生产线，以便于对有缺陷的锯链进行实时修复。
在本实施例中，对锯链生产线进行缺陷的实时检测时，先初始化上位机，然后将上位机与生产线的机床控制器进行通信连接，以在检测出锯链存在缺陷时，利用机床控制器停止生产线的工作。
在一些实施例中，上位机为具备运算及信息交互功能的终端设备。
本发明还提供一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述方法步骤。存储介质可以包括如软盘、光盘、DVD、硬盘、闪存、U盘、CF卡、SD卡、MMC卡、SM卡、记忆棒(Memory Stick)、XD卡等。
计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可以是个人计算机设备、服务器或其他网络设备等)用以执行本发明方法的全部或部分步骤。
本发明还提供一种锯链缺陷检测系统，锯链缺陷检测系统包括处理器和存储器,存储器上存储有计算机程序，计算机程序被处理器执行时，实现锯链缺陷检测方法。
与现有技术相比，本发明所提供的锯链缺陷检测方法、存储介质及系统具有以下有益效果：
通过根据预定义特征建立特征数识别模型，并利用特征数识别模型输出特征数信息，以根据特征数信息与标准值的比对结果判断锯链是否存在缺陷，从而即使在锯链表面存在少量油污时，也可进行识别判断，省略了清理油污的工序。同时，利用共享内存实现即时存储、读取及比对，可在发现缺陷时，立即停止生产线并进行锯链的修复。
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明的保护范围内。

Claims (10)

1.一种锯链缺陷检测方法，其特征在于，包括：
获取待检测锯链的图片信息；
根据预定义特征建立特征数识别模型，将待检测锯链的图片信息输入特征数识别模型中，并输出图片信息中的特征数信息；
将输出的特征数信息输入至共享内存中，并标识对应的共享内存；
读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷。
2.如权利要求1所述的锯链缺陷检测方法，其特征在于，所述根据预定义特征建立特征数识别模型，将待检测锯链的图片信息输入特征数识别模型中，并输出图片信息中的特征数信息包括：
选择预定义特征；
以预定义特征进行特征数识别模型的训练；
向建立好的特征数识别模型中输入待检测锯链的图片信息，并输出特征数信息。
3.如权利要求1所述的锯链缺陷检测方法，其特征在于，所述将输出的特征数信息输入至共享内存中，并标识对应的共享内存包括：
创建共享内存；
建立独立线程处理共享内存中的交互数据；
读取共享内存的标示位；
将特征数信息输入至标示位内。
4.如权利要求1所述的锯链缺陷检测方法，其特征在于，所述读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷包括：
即时读取共享内存中的特征数信息；
即时将读取的特征数信息与标准值进行比对；
输出比对结果，并对比对结果进行标记。
5.如权利要求1所述的锯链缺陷检测方法，其特征在于，所述读取标识后共享内存中的特征数信息，并根据特征数信息判断锯链是否存在缺陷后，还包括步骤：
当判断出锯链存在缺陷时，停止锯链生产线的工作。
6.如权利要求1所述的锯链缺陷检测方法，其特征在于：
所述待检测锯链图片的获取方式为利用触发相机获取。
7.如权利要求1所述的锯链缺陷检测方法，其特征在于：
通过YOLOV4进行所述特征数识别模型的训练，以建立所述特征数识别模型。
8.如权利要求4所述的锯链缺陷检测方法，其特征在于，所述输出比对结果，并对比对结果进行标记为，只对未检测出缺陷的所述别对结果进行标记，而检测出缺陷时则停止锯链生产线的工作。
9.一种存储介质，其特征在于：
所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1-8中任一项中所述的锯链缺陷检测方法。
10.一种锯链缺陷检测系统，其特征在于，包括：
存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-8中任一项所述的锯链缺陷检测方法。
CN202110768943.9A 2021-07-07 2021-07-07 一种锯链缺陷检测方法、存储介质及系统 Pending CN113486958A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110768943.9A CN113486958A (zh) 2021-07-07 2021-07-07 一种锯链缺陷检测方法、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110768943.9A CN113486958A (zh) 2021-07-07 2021-07-07 一种锯链缺陷检测方法、存储介质及系统

Publications (1)

Publication Number Publication Date
CN113486958A true CN113486958A (zh) 2021-10-08

Family

ID=77941846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110768943.9A Pending CN113486958A (zh) 2021-07-07 2021-07-07 一种锯链缺陷检测方法、存储介质及系统

Country Status (1)

Country Link
CN (1) CN113486958A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116429782A (zh) * 2023-03-29 2023-07-14 南通大学 一种基于残差网络和知识编码的锯链缺陷检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200993170Y (zh) * 2006-07-25 2007-12-19 河南科技大学 轴承滚动体和铆钉缺失在线检测装置
CN103064748A (zh) * 2013-01-05 2013-04-24 浪潮电子信息产业股份有限公司 一种Linux下处理多进程间通讯的方法
CN105092596A (zh) * 2015-09-11 2015-11-25 金华辉煌三联工具实业有限公司 锯链自动检测机
CN110189245A (zh) * 2019-05-27 2019-08-30 武汉中导光电设备有限公司 基于GPUDirect技术的图像检测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN200993170Y (zh) * 2006-07-25 2007-12-19 河南科技大学 轴承滚动体和铆钉缺失在线检测装置
CN103064748A (zh) * 2013-01-05 2013-04-24 浪潮电子信息产业股份有限公司 一种Linux下处理多进程间通讯的方法
CN105092596A (zh) * 2015-09-11 2015-11-25 金华辉煌三联工具实业有限公司 锯链自动检测机
CN110189245A (zh) * 2019-05-27 2019-08-30 武汉中导光电设备有限公司 基于GPUDirect技术的图像检测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
青岛东合信息技术有限公司编著: "《嵌入式Linux开发技术及实践》", 31 January 2014 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116429782A (zh) * 2023-03-29 2023-07-14 南通大学 一种基于残差网络和知识编码的锯链缺陷检测方法
CN116429782B (zh) * 2023-03-29 2024-01-09 南通大学 一种基于残差网络和知识编码的锯链缺陷检测方法

Similar Documents

Publication Publication Date Title
CN109118482B (zh) 一种面板缺陷分析方法、装置及存储介质
CN110570410B (zh) 一种自动识别检测焊缝缺陷的检测方法
CN204479490U (zh) 一种激光打标产品在线检测分析系统
US11080844B2 (en) System and method for testing an electronic device
US10169853B2 (en) Score weights for user interface (UI) elements
US11189019B2 (en) Method for detecting defects, electronic device, and computer readable medium
CN102360328A (zh) 程序监控装置和程序监控方法
JP7331509B2 (ja) ボルト検査装置、ボルト検査システム、ボルト検査方法及びプログラム
CN113222913B (zh) 一种电路板缺陷检测定位方法、装置和存储介质
CN111044149A (zh) 电压互感器的温度异常点检测方法、装置及可读存储介质
WO2017107533A1 (zh) 一种电子元件样本标注方法及装置
CN111951210A (zh) 数据的处理方法、装置及设备
CN113486958A (zh) 一种锯链缺陷检测方法、存储介质及系统
CN115937101A (zh) 质量检测方法、装置、设备及存储介质
CN111581066A (zh) 一种实时报表统计分析方法及装置
US11249890B2 (en) Software defect creation
CN112965852A (zh) 一种基于日志分析的错误定位方法和装置
JP2022083487A5 (zh)
CN116840240A (zh) 电源分配器视觉检测系统
CN111488846A (zh) 一种识别水位的方法及设备
CN105912452A (zh) 一种自动化数据分析方法及装置
CN115829925A (zh) 外观缺陷检测方法、装置、计算机设备及存储介质
CN115827435A (zh) 前端性能测试方法、电子设备及计算机可读存储介质
JP2023047003A (ja) 機械学習システム、学習データ収集方法及び学習データ収集プログラム
CN115048299A (zh) 应用程序的测试方法及装置、存储介质、电子设备

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