CN113763323A - 一种基于机器视觉的车载摄像头点胶检测方法 - Google Patents
一种基于机器视觉的车载摄像头点胶检测方法 Download PDFInfo
- Publication number
- CN113763323A CN113763323A CN202110875900.0A CN202110875900A CN113763323A CN 113763323 A CN113763323 A CN 113763323A CN 202110875900 A CN202110875900 A CN 202110875900A CN 113763323 A CN113763323 A CN 113763323A
- Authority
- CN
- China
- Prior art keywords
- image
- contour
- threshold
- outline
- colloid
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 239000000084 colloidal system Substances 0.000 claims abstract description 60
- 239000003292 glue Substances 0.000 claims abstract description 44
- 239000011248 coating agent Substances 0.000 claims abstract description 20
- 238000000576 coating method Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 10
- 239000000853 adhesive Substances 0.000 description 8
- 230000001070 adhesive effect Effects 0.000 description 8
- 238000000926 separation method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001505456 Aloysia gratissima Species 0.000 description 1
- 235000018078 Aloysia gratissima var schulziae Nutrition 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 235000002894 whitebrush Nutrition 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
- B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
- B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
- B05C11/1005—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to condition of liquid or other fluent material already applied to the surface, e.g. coating thickness, weight or pattern
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C5/00—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work
- B05C5/02—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work
- B05C5/0208—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work for applying liquid or other fluent material to separate articles
- B05C5/0212—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work for applying liquid or other fluent material to separate articles only at particular parts of the articles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及光学检测技术领域，提供一种基于机器视觉的车载摄像头点胶检测方法，设置预设曝光时间，可通过充足的曝光时间保证图像质量；将基座点胶前、后的第一图像、第二图像作差值，即可初步确定胶体覆盖区域，而增加图像预处理，则可进一步突出胶体覆盖区域；采用定义的轮廓提取算法对胶体覆盖区域的外轮廓、内轮廓进行识别，可提高胶体区域提取的完整程度；直接以环形胶宽作为胶体涂敷质量的判断标准，也可得到更加准确的检测结果。
Description
技术领域
本发明涉及光学检测技术领域，尤其涉及一种基于机器视觉的车载摄像头点胶检测方法。
背景技术
车载摄像头在装配前分为基座和镜头两个主要组成部分，在制造过程中需要将二者利用胶粘剂进行粘合即胶粘剂涂敷质量决定了车载摄像头的装配效果。
现有的车载摄像头装配工位的胶粘涂敷质量检测方法是：
第一步、机器视觉处理系统分别在基座点胶前、点胶后拍摄俯视图；
第二步、将上述两幅图片作差值，得到粗略的胶体区域；
第三步、使用二值化方法，提取作差结果图中的胶体区域，计算上述胶体区域的面积、胶环宽度、胶环周长等数学参数；
第四步、将上述数学参数与预设值作对比，在预设值范围之内的判定为粘胶涂敷质量合格，否则为不合格。
以上检测方法存在以下缺点：
一、车载摄像头使用的胶粘剂为半透明流体，采用图像作差的方式，无法有效分辨涂敷在基座上的胶体区域；
二、每批次的车载摄像头装配物料(底壳芯片)材质略有差异，因此将在成像过程中出现干扰杂质点，进而无法准确提取胶体区域；
三、机器视觉处理系统的光源设备为单向光，在取图时会使得胶体区域出现极明显的反光区域(白色区域)，严重干扰了胶体区域的筛选与测定；
四、胶体区域提取不准确进一步导致后续计算胶体区域面积、胶环宽度、周长数值不精确；从而出现误判、漏判现象，影响装配质量。
发明内容
本发明提供一种基于机器视觉的车载摄像头点胶检测方法，解决了现有的点胶检测方法无法有效地提取出胶体区域，导致胶粘涂敷质量检测结果不准确的技术问题。
为解决以上技术问题，本发明提供一种基于机器视觉的车载摄像头点胶检测方法，包括步骤：
S1、根据预设曝光时间，采集基座点胶前、后的第一图像、第二图像；
S2、将所述第一图像、所述第二图像作差值，并进行图像预处理，得到确定胶体覆盖区域的待识别图像；
S3、根据轮廓提取算法识别所述待识别图像，获取所述胶体覆盖区域的外轮廓、内轮廓；
S4、根据所述外轮廓、内轮廓计算所述胶体覆盖区域的环形胶宽，并结合预设胶宽范围判断胶体涂敷质量。
本基础方案设置预设曝光时间，可通过充足的曝光时间保证图像质量；将基座点胶前、后的第一图像、第二图像作差值，即可初步确定胶体覆盖区域，而增加图像预处理，则可进一步突出胶体覆盖区域；采用定义的轮廓提取算法对胶体覆盖区域的外轮廓、内轮廓进行识别，可提高胶体区域提取的完整程度；直接以环形胶宽作为胶体涂敷质量的判断标准，也可得到更加准确的检测结果。
在进一步的实施方案中，所述步骤S1包括：
S11、根据预设曝光时间，拍摄点胶前的基座的俯视图，作为第一图像；
S12、根据所述预设曝光时间，拍摄点胶后的所述基座的俯视图，作为第二图像。
在进一步的实施方案中，所述步骤S2包括：
S21、将所述第一图像、所述第二图像作差值，得到作差图；
S22、依次对所述作差图进行盒型图像滤波、伽马光照强度矫正，得到确定胶体覆盖区域的待识别图像。
本方案针对作差值得到的作差图，新增了盒型图像滤波可在确定大致的胶体覆盖区域后，滤除胶体覆盖区域以外的干扰点；新增伽马光照强度矫正，增强了胶体区域与背景的对比度，有利于将胶体覆盖区域从待识别图像中分离、获取。
在进一步的实施方案中，在所述步骤S3中，所述根据轮廓提取算法识别所述待识别图像，获取所述胶体覆盖区域的外轮廓包括：
A、对所述待识别图像进行灰度化后，根据第一阈值进行动态二值化处理，得到第一二值化图像；
B、从所述第一二值化图像中提取外侧轮廓作为外轮廓，并计算其轮廓面积；
C、当判断到所述外轮廓的轮廓面积大于轮廓面积阈值，则计算所述外轮廓的中心点的位置，否则根据第一预设规则重新设定所述第一阈值；
D、判断当前的所述第一阈值是否小于第二阈值，若是则确认本次检测失败，若否则返回步骤A。
本方案对待识别图像进行灰度化，可突出图片中的细节部分，防止图像细节部分的丢失；根据第一阈值进行动态二值化处理，有助于前景/背景的快速分离(即胶体覆盖区域与背景的分离)；而设置轮廓面积阈值作为胶体覆盖区域外轮廓的面积判别值，对第一阈值做动态阈值规划，驱使软件自动地寻找到一个合适的阈值，对图像做二值化处理，从而更加精确地定位到胶体区域的外圈。
在进一步的实施方案中，在所述步骤S3中，所述根据轮廓提取算法识别所述待识别图像，获取所述胶体覆盖区域的内轮廓包括：
a、根据所述外轮廓和所述待识别图像，绘制初步融合图；
b、根据第三阈值对所述初步融合图进行动态二值化处理，得到第二二值化图像；
c、从所述第二二值化图像中提取内侧轮廓作为内轮廓，并计算其轮廓面积；
d、当判断到所述内轮廓的轮廓面积处于轮廓面积范围内时，则保存所述内轮廓，否则根据第二预设规则重新设定所述第三阈值；
e、判断当前的所述第三阈值是否小于第四阈值，若是则确认本次检测失败，若否则返回步骤a。
本方案基于外轮廓和所述待识别图像，绘制初步融合图，根据第三阈值对初步融合图进行动态二值化处理，有助于前景/背景的快速分离(即胶体覆盖区域与背景的分离)；而设置轮廓面积范围作为胶体覆盖区域内轮廓的面积判别值，对第二阈值做动态阈值规划，驱使软件自动地寻找到一个合适的阈值，对图像做二值化处理，从而更加精确地定位到胶体区域的外圈。
在进一步的实施方案中，所述步骤a包括：
a1、初始化一个尺寸与所述待识别图像相同且像素值为0的灰度图；
a2、采用像素值为255的画笔在所述灰度图上绘制所述外轮廓；
a3、将所述灰度图与所述待识别图像作“与运算”，融合得到初步融合图。
本方案将外轮廓使用白色画笔(像素值为255)绘制在一张黑色图(像素值为0)中，然后将其和待识别图像做“与运算”可以提取出更为精确的点胶区域，可有效防止其他区域对后续步骤造成干扰。
在进一步的实施方案中，所述步骤S4包括：
S41、根据所述外轮廓、所述内轮廓分别确定胶环的外圈轮廓、内圈轮廓，进而得到轮廓融合图；
S42、以所述中心点为起点、旋转中心，在所述轮廓融合图上绘制向外发射的多条射线；
S43、计算所述射线与所述外轮廓、所述内轮廓的交点之间的距离，作为所述胶体覆盖区域的环形胶宽；
S44、判断所述环形胶宽是否处于预设胶宽范围内，若是则输出胶体涂敷质量良好，若否则输出胶体涂敷质量差。
本方案以中心点为起点、旋转中心，在所述轮廓融合图上绘制向外发射的多条射线，可精准确定中心点与外轮廓、内轮廓之间的距离，从而确定胶体覆盖区域的实际环形胶宽。
在进一步的实施方案中，所述第一预设规则为，将当前的所述第一阈值作减一处理，重新设定所述第一阈值；所述第二预设规则为，将当前的所述第三阈值作减一处理，重新设定所述第三阈值。
在进一步的实施方案中，所述第一阈值远大于所述第三阈值。
在进一步的实施方案中，所述伽马光照强度矫正的矫正参数为0.2。
附图说明
图1是本发明实施例提供的一种基于机器视觉的车载摄像头点胶检测方法的工作流程图；
图2是本发明实施例提供的本方案与现有技术作差后的图像质量对比图；
图3是本发明实施例提供的本方案与现有技术二值化后的图像质量对比图；
图4是本发明实施例提供的本方案与现有技术最终检测中的图像质量对比图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
本发明实施例提供的一种基于机器视觉的车载摄像头点胶检测方法，如图1所示，在本实施例中，包括步骤S1～S4：
S1、根据预设曝光时间，采集基座点胶前、后的第一图像、第二图像，包括S11～S12：
S11、根据预设曝光时间，拍摄点胶前的基座的俯视图，作为第一图像；
S12、根据预设曝光时间，拍摄点胶后的基座的俯视图，作为第二图像。
在本实施例中，预设曝光时间优选为100毫秒。
S2、将第一图像、第二图像作差值，并进行图像预处理，得到确定胶体覆盖区域的待识别图像，包括步骤S21～S22：
S21、将第一图像、第二图像作差值，得到作差图；
S22、依次对作差图进行盒型图像滤波、伽马光照强度矫正，得到确定胶体覆盖区域的待识别图像。
其中，伽马光照强度矫正的矫正参数为0.2
本实施例针对作差值得到的作差图，新增了盒型图像滤波可在确定大致的胶体覆盖区域后，滤除胶体覆盖区域以外的干扰点；新增伽马光照强度矫正，增强了胶体区域与背景的对比度，有利于将胶体覆盖区域从待识别图像中分离、获取。
S3、根据轮廓提取算法识别待识别图像，获取胶体覆盖区域的外轮廓、内轮廓。
其中，胶体覆盖区域的外轮廓的获取步骤如下：
A、对待识别图像进行灰度化后，根据第一阈值进行动态二值化处理，得到第一二值化图像；
在本实施例中，第一阈值优选为128的“二值化阈值”，第一阈值记为ThresholdValue，简写为TV，此时，开始对灰度化后的待识别图像做动态二值化处理：
i.遍历灰度化后的待识别图像中每个像素点的像素值；
ii.将其中像素值大于TV的像素点的像素值重新设定为255；
iii.将其中像素值小于TV的像素点的像素值重新设定为0；
iv.将重新设定完毕的图记录为第一二值化图像。
B、从第一二值化图像中提取外侧轮廓作为外轮廓，并计算其轮廓面积；
C、当判断到外轮廓的轮廓面积大于轮廓面积阈值，则计算外轮廓的中心点的位置，否则根据第一预设规则重新设定第一阈值；
在本实施例中，第一预设规则为，将当前的第一阈值作减一处理，重新设定第一阈值。
D、判断当前的第一阈值是否小于第二阈值，若是则确认本次检测失败，若否则返回步骤A。
在本实施例中，轮廓面积阈值优选为90000像素点、第二阈值优选为110，当外轮廓的轮廓面积小于90000像素点时，令第一阈值(TV)的值减一；当外轮廓的轮廓面积大于90000像素点时，计算外轮廓中心点的位置，记为Center。
其中，当第一阈值(TV)的值小于110时，仍未找到一个轮廓面积大于90000像素点的外轮廓时，确认检测失败，程序退出。
本实施例对待识别图像进行灰度化，可突出图片中的细节部分，防止图像细节部分的丢失；根据第一阈值进行动态二值化处理，有助于前景/背景的快速分离(即胶体覆盖区域与背景的分离)；而设置轮廓面积阈值作为胶体覆盖区域外轮廓的面积判别值，对第一阈值做动态阈值规划，驱使软件自动地寻找到一个合适的阈值，对图像做二值化处理，从而更加精确地定位到胶体区域的外圈。
其中，胶体覆盖区域的内轮廓的获取步骤如下：
a、根据外轮廓和待识别图像，绘制初步融合图，包括步骤a1～a3：
a1、初始化一个尺寸(长宽)与待识别图像相同且像素值为0的灰度图；
a2、采用像素值为255的画笔在灰度图上绘制外轮廓；
a3、将灰度图与待识别图像作“与运算”，融合得到初步融合图。
本实施例将外轮廓使用白色画笔(像素值为255)绘制在一张黑色图(像素值为0)中，然后将其和待识别图像做“与运算”可以提取出更为精确的点胶区域，可有效防止其他区域对后续步骤造成干扰。
b、根据第三阈值对初步融合图进行动态二值化处理，得到第二二值化图像；
在本实施例中，第三阈值优选为32的“二值化阈值”，第三阈值记为ThresholdValue，简写为TV，此时，开始对灰度化后的初步融合图做动态二值化处理：
i.遍历初步融合图中每个像素点的像素值；
ii.将其中像素值大于TV的像素点的像素值重新设定为255；
iii.将其中像素值小于TV的像素点的像素值重新设定为0；
iv.将重新设定完毕的图记录为第二二值化图像。
c、从第二二值化图像中提取内侧轮廓作为内轮廓，并计算其轮廓面积；
d、当判断到内轮廓的轮廓面积处于轮廓面积范围内时，则保存内轮廓，否则根据第二预设规则重新设定第三阈值；
在本实施例中，第二预设规则为，将当前的第三阈值作减一处理，重新设定第三阈值。
e、判断当前的第三阈值是否小于第四阈值，若是则确认本次检测失败，若否则返回步骤a。
在本实施例中，轮廓面积范围优选为40000～60000像素点之间、第四阈值优选为16，当内轮廓的轮廓面积不处于40000～60000像素点之间时，令第三阈值(TV)的值减一；当内轮廓的轮廓面积处于40000～60000像素点之间时，保存内轮廓。
其中，当第三阈值(TV)的值小于16时，仍未找到一个轮廓面积处于40000～60000像素点之间的内轮廓时，确认检测失败，程序退出。
本实施例基于外轮廓和待识别图像，绘制初步融合图，根据第三阈值对初步融合图进行动态二值化处理，有助于前景/背景的快速分离(即胶体覆盖区域与背景的分离)；而设置轮廓面积范围作为胶体覆盖区域内轮廓的面积判别值，对第二阈值做动态阈值规划，驱使软件自动地寻找到一个合适的阈值，对图像做二值化处理，从而更加精确地定位到胶体区域的外圈。
在本实施例中，第一阈值远大于第三阈值。
S4、根据外轮廓、内轮廓计算胶体覆盖区域的环形胶宽，并结合预设胶宽范围判断胶体涂敷质量，包括步骤S41～S44：
S41、根据外轮廓、内轮廓分别确定胶环的外圈轮廓、内圈轮廓，进而得到轮廓融合图；
S42、以中心点为起点、旋转中心，在轮廓融合图上绘制向外发射的多条射线；
S43、计算射线与外轮廓、内轮廓的交点之间的距离，作为胶体覆盖区域的环形胶宽；
S44、判断环形胶宽是否处于预设胶宽范围内，若是则输出胶体涂敷质量良好，若否则输出胶体涂敷质量差。
具体地，以Center为起点和旋转中心，绘制360条射线Ln，其中n＝0°、1°、2°……359°，分别代表射线的圆心角。记录射线Ln与“外轮廓”的交点为Lna；记录射线Ln与“内轮廓”的交点为Lnb；计算点Lna与Lnb的距离，即为DistanceN；当DistanceN在预设范围内时，证明胶体涂敷质量良好，否则涂敷质量差。
本实施例以中心点为起点、旋转中心，在轮廓融合图上绘制向外发射的多条射线，可精准确定中心点与外轮廓、内轮廓之间的距离，从而确定胶体覆盖区域的实际环形胶宽。
参见图2，其中图I、图II分别为现有技术、本发明在作差后得到的图像质量，本发明实施例针对作差后图像进行了处理，对比现有技术，明显提高了胶体区域清晰度；参见图3，其中图III、图IV分别为现有技术、本发明实现的二值化效果图，可见本发明使用动态二值化效果，对比现有技术，提高了胶体区域提取的完整程度；参见图4，其中图V、图VI分别为现有技术、本发明实现的最终检测结果，本发明对比现有技术，明显得到了范围更加准确的胶体覆盖区域，从能够给出更加准确的胶粘涂敷质量的检测结果。
本发明实施例设置预设曝光时间，可通过充足的曝光时间保证图像质量；将基座点胶前、后的第一图像、第二图像作差值，即可初步确定胶体覆盖区域，而增加图像预处理，则可进一步突出胶体覆盖区域；采用定义的轮廓提取算法对胶体覆盖区域的外轮廓、内轮廓进行识别，可提高胶体区域提取的完整程度；直接以环形胶宽作为胶体涂敷质量的判断标准，也可得到更加准确的检测结果。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (10)
1.一种基于机器视觉的车载摄像头点胶检测方法，其特征在于，包括步骤：
S1、根据预设曝光时间，采集基座点胶前、后的第一图像、第二图像；
S2、将所述第一图像、所述第二图像作差值，并进行图像预处理，得到确定胶体覆盖区域的待识别图像；
S3、根据轮廓提取算法识别所述待识别图像，获取所述胶体覆盖区域的外轮廓、内轮廓；
S4、根据所述外轮廓、内轮廓计算所述胶体覆盖区域的环形胶宽，并结合预设胶宽范围判断胶体涂敷质量。
2.如权利要求1所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于，所述步骤S1包括：
S11、根据预设曝光时间，拍摄点胶前的基座的俯视图，作为第一图像；
S12、根据所述预设曝光时间，拍摄点胶后的所述基座的俯视图，作为第二图像。
3.如权利要求2所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于，所述步骤S2包括：
S21、将所述第一图像、所述第二图像作差值，得到作差图；
S22、依次对所述作差图进行盒型图像滤波、伽马光照强度矫正，得到确定胶体覆盖区域的待识别图像。
4.如权利要求1所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于，在所述步骤S3中，所述根据轮廓提取算法识别所述待识别图像，获取所述胶体覆盖区域的外轮廓包括：
A、对所述待识别图像进行灰度化后，根据第一阈值进行动态二值化处理，得到第一二值化图像；
B、从所述第一二值化图像中提取外侧轮廓作为外轮廓，并计算其轮廓面积；
C、当判断到所述外轮廓的轮廓面积大于轮廓面积阈值，则计算所述外轮廓的中心点的位置，否则根据第一预设规则重新设定所述第一阈值；
D、判断当前的所述第一阈值是否小于第二阈值，若是则确认本次检测失败，若否则返回步骤A。
5.如权利要求4所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于，在所述步骤S3中，所述根据轮廓提取算法识别所述待识别图像，获取所述胶体覆盖区域的内轮廓包括：
a、根据所述外轮廓和所述待识别图像，绘制初步融合图；
b、根据第三阈值对所述初步融合图进行动态二值化处理，得到第二二值化图像；
c、从所述第二二值化图像中提取内侧轮廓作为内轮廓，并计算其轮廓面积；
d、当判断到所述内轮廓的轮廓面积处于轮廓面积范围内时，则保存所述内轮廓，否则根据第二预设规则重新设定所述第三阈值；
e、判断当前的所述第三阈值是否小于第四阈值，若是则确认本次检测失败，若否则返回步骤a。
6.如权利要求5所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于，所述步骤a包括：
a1、初始化一个尺寸与所述待识别图像相同且像素值为0的灰度图；
a2、采用像素值为255的画笔在所述灰度图上绘制所述外轮廓；
a3、将所述灰度图与所述待识别图像作“与运算”，融合得到初步融合图。
7.如权利要求4所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于，所述步骤S4包括：
S41、根据所述外轮廓、所述内轮廓分别确定胶环的外圈轮廓、内圈轮廓，进而得到轮廓融合图；
S42、以所述中心点为起点、旋转中心，在所述轮廓融合图上绘制向外发射的多条射线；
S43、计算所述射线与所述外轮廓、所述内轮廓的交点之间的距离，作为所述胶体覆盖区域的环形胶宽；
S44、判断所述环形胶宽是否处于预设胶宽范围内，若是则输出胶体涂敷质量良好，若否则输出胶体涂敷质量差。
8.如权利要求5所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于：所述第一预设规则为，将当前的所述第一阈值作减一处理，重新设定所述第一阈值；所述第二预设规则为，将当前的所述第三阈值作减一处理，重新设定所述第三阈值。
9.如权利要求5所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于：所述第一阈值远大于所述第三阈值。
10.如权利要求3所述的一种基于机器视觉的车载摄像头点胶检测方法，其特征在于：所述伽马光照强度矫正的矫正参数为0.2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110875900.0A CN113763323A (zh) | 2021-07-30 | 2021-07-30 | 一种基于机器视觉的车载摄像头点胶检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110875900.0A CN113763323A (zh) | 2021-07-30 | 2021-07-30 | 一种基于机器视觉的车载摄像头点胶检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113763323A true CN113763323A (zh) | 2021-12-07 |
Family
ID=78788328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110875900.0A Pending CN113763323A (zh) | 2021-07-30 | 2021-07-30 | 一种基于机器视觉的车载摄像头点胶检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113763323A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114798360A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市欧米加智能科技有限公司 | Pcb板点胶的实时检测方法及相关装置 |
| CN115463806A (zh) * | 2022-08-04 | 2022-12-13 | 东莞市慧视智能科技有限公司 | 一种速度可控的点胶方法及点胶系统 |
| CN116777888A (zh) * | 2023-06-30 | 2023-09-19 | 广州高迪机电工程有限公司 | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 |
| CN116907360A (zh) * | 2023-08-03 | 2023-10-20 | 苏州苏瑞膜纳米科技有限公司 | 基于机器视觉的ro膜胶线宽度检测系统及检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013086360A (ja) * | 2011-10-18 | 2013-05-13 | Dainippon Printing Co Ltd | 糊付け検査装置 |
| CN106493042A (zh) * | 2016-10-18 | 2017-03-15 | 凌云光技术集团有限责任公司 | 点胶方法及点胶系统 |
| CN107883879A (zh) * | 2016-09-29 | 2018-04-06 | 联合汽车电子有限公司 | 涂胶质量3d视觉检测系统及其检测方法 |
| CN109118478A (zh) * | 2018-07-23 | 2019-01-01 | 昆山丘钛微电子科技有限公司 | 一种点胶检测方法、装置、设备及介质 |
| CN111624199A (zh) * | 2020-05-18 | 2020-09-04 | Oppo（重庆）智能科技有限公司 | 检测方法和系统，及存储介质 |
| CN112288732A (zh) * | 2020-11-05 | 2021-01-29 | 昆山丘钛光电科技有限公司 | 一种点胶的检测方法、装置、设备及系统 |
-
2021
- 2021-07-30 CN CN202110875900.0A patent/CN113763323A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013086360A (ja) * | 2011-10-18 | 2013-05-13 | Dainippon Printing Co Ltd | 糊付け検査装置 |
| CN107883879A (zh) * | 2016-09-29 | 2018-04-06 | 联合汽车电子有限公司 | 涂胶质量3d视觉检测系统及其检测方法 |
| CN106493042A (zh) * | 2016-10-18 | 2017-03-15 | 凌云光技术集团有限责任公司 | 点胶方法及点胶系统 |
| CN109118478A (zh) * | 2018-07-23 | 2019-01-01 | 昆山丘钛微电子科技有限公司 | 一种点胶检测方法、装置、设备及介质 |
| CN111624199A (zh) * | 2020-05-18 | 2020-09-04 | Oppo（重庆）智能科技有限公司 | 检测方法和系统，及存储介质 |
| CN112288732A (zh) * | 2020-11-05 | 2021-01-29 | 昆山丘钛光电科技有限公司 | 一种点胶的检测方法、装置、设备及系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114798360A (zh) * | 2022-06-29 | 2022-07-29 | 深圳市欧米加智能科技有限公司 | Pcb板点胶的实时检测方法及相关装置 |
| CN115463806A (zh) * | 2022-08-04 | 2022-12-13 | 东莞市慧视智能科技有限公司 | 一种速度可控的点胶方法及点胶系统 |
| CN116777888A (zh) * | 2023-06-30 | 2023-09-19 | 广州高迪机电工程有限公司 | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 |
| CN116777888B (zh) * | 2023-06-30 | 2024-02-06 | 广州高迪机电工程有限公司 | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 |
| CN116907360A (zh) * | 2023-08-03 | 2023-10-20 | 苏州苏瑞膜纳米科技有限公司 | 基于机器视觉的ro膜胶线宽度检测系统及检测方法 |
| CN116907360B (zh) * | 2023-08-03 | 2024-03-12 | 苏州苏瑞膜纳米科技有限公司 | 基于机器视觉的ro膜胶线宽度检测系统及检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113763323A (zh) | 一种基于机器视觉的车载摄像头点胶检测方法 | |
| CN112348773A (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
| CN111862195A (zh) | 光斑检测方法和装置、终端和存储介质 | |
| CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
| CN115564772B (zh) | 焊球识别方法、焊接设备及存储介质 | |
| CN114813783B (zh) | 芯片表面瑕疵检测方法 | |
| CN112486207A (zh) | 一种基于视觉识别的无人机自主降落方法 | |
| US8462211B2 (en) | Method of detecting objects | |
| CN114820475B (zh) | 边缘识别方法、系统、晶圆加工装置及晶圆与加工台同心状态确定方法 | |
| CN112513676A (zh) | 纵深取得装置、纵深取得方法以及程序 | |
| CN113533350A (zh) | 一种芯片金线缺陷检测方法及系统 | |
| CN114170153A (zh) | 一种晶圆缺陷检测方法、装置、电子设备及存储介质 | |
| CN113112415A (zh) | 一种全站仪影像测量的靶标自动识别方法和装置 | |
| CN115100104A (zh) | 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质 | |
| EP0791822A2 (en) | A cylindrical Containers inner surface tester | |
| CN112770100B (zh) | 一种图像获取方法、摄影装置以及计算机可读存储介质 | |
| CN116051681B (zh) | 一种基于智能手表生成图像数据的处理方法及系统 | |
| CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
| CN115423808B (zh) | 散斑投射器的质量检测方法、电子设备和存储介质 | |
| CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
| CN115564964A (zh) | 一种基于图像多特征匹配的半导体引线键合器件识别方法 | |
| CN115908292A (zh) | 焊接工件的缺陷检测方法、装置及存储介质 | |
| CN113469980A (zh) | 一种基于图像处理的法兰识别方法 | |
| JP2005140655A (ja) | シミ欠陥の検出方法及びその検出装置 | |
| CN114283170A (zh) | 一种光斑提取方法 |
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 |