CN113763350A - 一种胶线检测方法、装置、胶线检测设备及存储介质 - Google Patents
一种胶线检测方法、装置、胶线检测设备及存储介质 Download PDFInfo
- Publication number
- CN113763350A CN113763350A CN202111033177.8A CN202111033177A CN113763350A CN 113763350 A CN113763350 A CN 113763350A CN 202111033177 A CN202111033177 A CN 202111033177A CN 113763350 A CN113763350 A CN 113763350A
- Authority
- CN
- China
- Prior art keywords
- glue line
- glue
- information
- line
- determining
- 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
- 239000003292 glue Substances 0.000 title claims abstract description 1040
- 238000001514 detection method Methods 0.000 title claims abstract description 115
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 239000000463 material Substances 0.000 claims abstract description 157
- 230000007547 defect Effects 0.000 claims abstract description 145
- 238000009826 distribution Methods 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 239000007787 solid Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000005070 sampling Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 6
- 208000003464 asthenopia Diseases 0.000 description 4
- 230000009194 climbing Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 1
- 239000004831 Hot glue Substances 0.000 description 1
- 238000004026 adhesive bonding Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000012943 hotmelt Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
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
本发明实施例公开了一种胶线检测方法、装置、胶线检测设备及存储介质。该胶线检测方法包括：采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。本发明实施例的技术方案，以实现对胶线缺陷的准确检测，提高电子类产品产线胶线检测效率，并降低人工成本。
Description
技术领域
本发明实施例涉及胶线缺陷检测技术领域，尤其涉及一种胶线检测方法、装置、胶线检测设备及存储介质。
背景技术
在消费能力、生活水平日益变好的今天，大众对电子类产品轻量化，工艺要求程度越来越高，为了减少机械带来的空间浪费以及重量增大，电子产品固定所采用的螺丝等机械结构的固定方式越来越少，代替电子产品固定所采用的是固体胶粘和等方式，其中，当前可选择的胶类型较多，例如液体流动胶、热熔胶、AB胶等胶工艺。
目前，在电子类产品的固定通常使用热熔胶这类固体胶水，基于对电子类产品贴合质量的把控，在电子类产品涂胶后需要对胶线位置进行检测，避免出现溢胶(即爬墙)、少胶、断胶或塌胶等现象。以往对胶线的检测方式均以人工结合高放大倍率相机来判断胶线是否存在异常，该判断手段基本依靠人工经验以及肉眼分辩的方式来进行胶线缺陷分类和缺陷位置的标注，当前检测方法误差较大，人工肉眼疲劳等情况可能导致胶线缺陷判定的漏检或过检现象，同时增加人工成本。
发明内容
本发明实施例提供一种胶线检测方法、装置、胶线检测设备及存储介质，以实现对胶线缺陷的准确检测，提高电子类产品产线胶线检测效率，并降低人工成本。
第一方面，本发明实施例提供了一种胶线检测方法，该胶线检测方法包括：
采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；
获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；
基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
可选的，根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值，包括：
确定所述胶线深度图像的胶线基准平面，并基于所述胶线深度图像确定所述待检测胶线物料的胶线深度数据；
根据所述胶线深度数据和所述胶线基准平面确定所述待检测胶线物料的多个胶线位置信息和各个胶线位置的胶线位置落差值。
可选的，根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息，包括：
根据所述胶线位置信息和所述胶线边缘位置信息生成待检测胶线物料的胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域；
根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域对应的候选参考点位置；
根据所述候选参考点位置确定胶线轮廓信息。
可选的，根据所述候选参考点位置确定胶线轮廓信息，包括：
若所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，且所述候选参考点位置处的位置高度值大于预设高度值阈值，则将所述候选参考点位置对应的胶线轮廓数据确定为所述胶线轮廓信息。
可选的，基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，还包括：
根据所述候选参考点位置确定其对应的感兴趣胶线区域中的实际胶线位置，并根据所述实际胶线位置确定所述待检测胶线物料的胶线轮廓特征信息。
可选的，所述胶线轮廓特征信息包括胶宽信息、胶高信息和胶位置信息；
根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷，包括：
判断所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值，则确定所述待检测胶线物料内的胶线存在缺陷。
可选的，在根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷之前，还包括：
根据所述胶线轮廓特征信息对胶线存在的缺陷进行分类，确定胶线缺陷对应的胶线缺陷类型；
所述胶线检测方法还包括：
在确定所述待检测胶线物料内的胶线存在缺陷后，根据判断出的所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值的胶线缺陷，确定所述待检测胶线物料内的胶线存在缺陷对应的胶线缺陷类型。
第二方面，本发明实施例还提供了一种胶线检测装置，该胶线检测装置包括：
胶线信息确定模块，用于采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；
轮廓信息确定模块，用于获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；
缺陷信息确定模块，用于基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
第三方面，本发明实施例还提供了一种胶线检测设备，该胶线检测设备包括：
一个或多个处理器；
存储装置，用于存储多个程序，
当所述多个程序中的至少一个被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本发明第一方面实施例所提供的一种胶线检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明第一方面实施例所提供的一种胶线检测方法。
本发明实施例的技术方案，通过采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。解决了当前检测方法误差较大，人工肉眼疲劳等情况可能导致胶线缺陷判定的漏检或过检现象，同时增加人工成本的问题，以实现对胶线缺陷的准确检测，提高电子类产品产线胶线检测效率，并降低人工成本。
附图说明
图1是本发明实施例一提供的一种胶线检测方法的流程图；
图2是本发明实施例二提供的一种胶线检测方法的流程图；
图3是本发明实施例三提供的一种胶线检测方法的流程图；
图4是本发明实施例四提供的一种胶线检测方法的流程图；
图5为本发明实施例五提供的一种胶线检测装置的结构图；
图6是本发明实施例六提供的一种胶线检测设备的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种胶线检测方法的流程图，本实施例可适用于对固体胶线类的通用缺陷进行准确检测的情况，该方法可以由胶线检测装置来执行，该胶线检测装置可以通过软件和/或硬件的形式实现。该胶线检测方法具体包括如下步骤：
S110、采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值。
其中，待检测胶线物料可以为采用固体胶粘的电子类产品，本实施例中的电子类产品可以为但不限于为手机、耳机、VR眼镜等电子设备。
可以理解的是，待检测胶线物料可以为电子类产品的屏幕与壳体的固体胶粘，也可以为电子类产品内部所需固体胶粘的部位，本实施例对待检测胶线物料的具体位置不作任何限制。
待检测胶线物料的胶线深度图像为3D类图像，其可以展示出待检测胶线物料的实际胶线深度。
胶线深度图像的采集可以采用目前技术能生成目标深度图像的扫描相机等图像采集设备，在采集得到胶线深度图像后，可采用线扫设备、DLP数字光处理设备或双目摄像机等常用点云深度采集工具，将接收到的胶线深度图像的点云数据，转换成基于相机靶面的距离数据，进一步的得到待检测胶线物料的胶线深度信息；也可以采用能输出深度信息的扫描相机或者激光距离传感器等相关器件，直接对待检测胶线物料的胶线深度信息进行输出。本实施例对胶线深度图像的采集方式不作任何硬件或是软件上的限制。
需要说明的是，由于图像采集设备是通过反射原理输出深度数值按照灰度值方式映射到图像中，则接收到的胶线深度图像需要进行滤波、除去干扰点等处理，以消除对后续结果的影响，本实施例中可以采用常规的中值、均值滤波算法来处理胶线深度图像，在此不再累述。
在上述实施例的基础上，根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值，包括：确定所述胶线深度图像的胶线基准平面，并基于所述胶线深度图像确定所述待检测胶线物料的胶线深度数据；根据所述胶线深度数据和所述胶线基准平面确定所述待检测胶线物料的多个胶线位置信息和各个胶线位置的胶线位置落差值。
其中，胶线深度数据反映待检测胶线物料的点胶路径提取固体胶线形态以及深度分布信息。
胶线基准平面在本实施例中可以选取为承接胶的点胶平台，可以选择其他有助于各位置胶线落差值计算基准条件的平面。
具体的，在确定胶线深度图像的胶线基准平面后，按照待检测胶线物料的点胶路径提取固体胶线形态以及深度分布信息，对待检测胶线物料的所有深度信息按照胶线基准平面进行转换，从而计算出待检测胶线物料的各个胶线位置的落差值，即胶线位置落差值。
S120、获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息。
其中，胶线边缘位置信息为确定待检测胶线物料的胶线所在的实际点胶平台的位置，胶线边缘位置信息也可以通过上述胶线深度图像进行获取，也可以通过其他位置获取方式得到。
胶线边缘位置信息用于在确定胶线轮廓信息时，可以助于沿着点胶平台去提取准确的胶线轮廓。
在上述实施例的基础上，根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息，包括：根据所述胶线位置信息和所述胶线边缘位置信息生成待检测胶线物料的胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域；根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域对应的候选参考点位置；根据所述候选参考点位置确定胶线轮廓信息。
具体的，根据所述胶线位置信息和所述胶线边缘位置信息拟合出点胶平台的落差高度值的曲线或直线，曲线或直线是视点胶路径而定，沿拟合出的曲线或直线的垂直方向，按一定间隔提取落差分布来提取胶线轮廓数据，并按提取到的胶线轮廓数据建立坐标系，绘制关于x-z胶线轮廓数据分布图。
进一步的，可以通过形态定位或是参考点定位的方式，确定胶线轮廓信息。本实施例以参考点定位方式为例进行说明，基于所述胶线轮廓数据分布图选取参考点位置，并确定所述参考点位置对应的感兴趣胶线区域，通过感兴趣胶线区域确定参考点在检测前的位置信息。
根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域内最高点位置，即为候选参考点位置，根据所述候选参考点位置确定胶线轮廓信息。
在上述基础上，进一步的，根据所述候选参考点位置确定胶线轮廓信息，包括：若所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，且所述候选参考点位置处的位置高度值大于预设高度值阈值，则将所述候选参考点位置对应的胶线轮廓数据确定为所述胶线轮廓信息。
具体的，在统计完所有被等分后的感兴趣胶线区域对应的候选参考点位置后，并对各个候选参考点位置所在的感兴趣胶线区域内的周围数据分布情况进行了解，即确定候选参考点位置处胶线轮廓数据的分布均匀度以及候选参考点位置处的位置高度值。
若所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，且所述候选参考点位置处的位置高度值大于预设高度值阈值，则将该候选参考点位置作为最终求得的参考点位置，根据最终求得参考点位置摆放感兴趣区域对应的胶线轮廓数据确定为所述胶线轮廓信息。
S130、基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
其中，所述胶线轮廓特征信息包括胶宽信息、胶高信息和胶位置信息中的一个、两个或多个信息，具体胶线轮廓信息包含的特征信息数量由本领域技术人员根据实际需要进行选择获取。
在上述基础上，基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，包括：根据所述候选参考点位置确定其对应的感兴趣胶线区域中的实际胶线位置，并根据所述实际胶线位置确定所述待检测胶线物料的胶线轮廓特征信息。
可以理解的是，根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷，包括：判断所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值，则确定所述待检测胶线物料内的胶线存在缺陷。
具体的，针对设置好的预设阈值来逐个对所述胶宽信息、所述胶高信息和所述胶位置信息进行是否异常标记，即至少判断出所述胶宽信息、所述胶高信息和所述胶位置信息中一个信息超出预设阈值，则可以认为待检测胶线物料内的胶线存在缺陷，进一步的，根据标记完后的结果待检测胶线物料内的胶线是否存在缺陷，即通过胶线对应包含的异常标记判断胶线可能存在的缺陷类型。
在上述实施例的基础上，在根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷之前，还包括：根据所述胶线轮廓特征信息对胶线存在的缺陷进行分类，确定胶线缺陷对应的胶线缺陷类型；
其中，胶线缺陷类型按照工艺要求分类包括爬墙、塌胶、断胶等缺陷，依据每个胶线缺陷类型的特点来统计异常胶线轮廓的分布情况。
进一步的，所述胶线检测方法还包括：在确定所述待检测胶线物料内的胶线存在缺陷后，根据判断出的所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值的胶线缺陷，确定所述待检测胶线物料内的胶线存在缺陷对应的胶线缺陷类型。
需要说明的是，在确定所述待检测胶线物料内的胶线存在缺陷对应的胶线缺陷类型后，从胶线检测起始位置开始缺陷检测，判断当前胶线检测位置是否为最后一条胶线轮廓，若是，则判定当前胶线缺陷检测完成，并对待检测胶线物料内的胶线存在缺陷确定对应的胶线缺陷类型；若否，则继续提取下一条胶线轮廓，直至当前胶线缺陷检测完成。
在上述实施例的基础上，所述胶线检测方法还包括：对胶线缺陷检测完成，且待检测胶线物料内的胶线存在缺陷确定完对应的胶线缺陷类型，对待检测胶线物料内的胶线的实际缺陷位置进行实时标注，标注可以在原胶线深度图像中完成，也可以通过坐标数据形式进行文档反馈，本实施例对此不作任何限制。
另外需要说明的是，为方便本领域技术人员对已检测完成的胶线情况进行实时查看，对待检测胶线物料内的胶线的实时标注情况可以通过胶线检测设备自带的显示屏进行图像或数据形式显示，也可以通过胶线检测设备单独连接显示设备进行图像或数据形式显示，本实施例对胶线实时标注情况的具体显示方式不作任何限制。
本发明实施例的技术方案，通过采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。解决了当前检测方法误差较大，人工肉眼疲劳等情况可能导致胶线缺陷判定的漏检或过检现象，同时增加人工成本的问题，以实现对胶线缺陷的准确检测，提高电子类产品产线胶线检测效率，并降低人工成本。
实施例二
图2为本发明实施例二提供的一种胶线检测方法的流程图，本实施例以上述实施例为基础进行优化。
相应的，本实施例的胶线检测方法具体包括：
S210、采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值。
在上述实施例的基础上，根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值，包括：确定所述胶线深度图像的胶线基准平面，并基于所述胶线深度图像确定所述待检测胶线物料的胶线深度数据；根据所述胶线深度数据和所述胶线基准平面确定所述待检测胶线物料的多个胶线位置信息和各个胶线位置的胶线位置落差值。
示例性的，在胶线深度图像采集完成后，设定胶线深度图像的取样窗口大小，通过取样窗口实现对胶线深度图像中异常深度值进行去除、填充处理。可以理解的是，每一个取样窗口对应的深度图像值做统计处理，求出深度图像值的平均值或中值来替换为当前窗口的深度值，处理完胶线深度图像所有的取样窗口，则对整体胶线深度图像中异常深度值完成去除、填充处理。
其中，取样窗口的大小可由本领域技术人员根据实际需要进行选择设定，由于n的数值太大可能导致胶线深度图像中部分特征被磨掉，可选的，取样窗口的大小(2n+1)*(2n+1)，n为正整数，n可以取值为5。
具体胶线深度图像的坐标深度计算去除异常深度值的公式如下：
其中，P(x,y)表示最终取样窗口内(x,y)坐标下对应的深度值；P(i,j)表示取样窗口内单个元素对应深度值信息；x表示当前取样窗口左上起点的横向坐标，y表示当前胶线深度图像中左上起点的纵向坐标，i表示当前取样窗口内遍历元素的横向坐标，j表示当前取样窗口内遍历元素的纵向坐标。
可以理解的是，通过上述示例性方法实现对胶线深度图像的滤波，以消除对后续胶线深度图像分析的结果。
进一步的，对胶线深度图像滤波后，进入胶线深度图像的基准平面校正阶段，在上述基础上，首先确定所述胶线深度图像的胶线基准平面，具体的通过制定点胶平台位置拟合最佳平面作为当前的零平面基准，即胶线基准平面，然后，基于所述胶线深度图像确定所述待检测胶线物料的胶线深度数据，将胶线深度图像中的所有胶线深度数据按当前的零平面基准做投影处理，确定所述待检测胶线物料的多个胶线位置信息和各个胶线位置的胶线位置落差值。
具体通过下式确定在胶线基准平面下的胶线位置落差值为：
H胶线＝Horigin*sinθ
其中，H胶线为胶线位置落差值；Horigin为胶线深度数据；sinθ为图像采集设备(3D相机)的相机靶面法线与点胶平台面法线的夹角。
S220、获取待检测胶线物料的胶线边缘位置信息，根据所述胶线位置信息和所述胶线边缘位置信息生成待检测胶线物料的胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域。
为准确确定胶线实际位置，即当前的胶线轮廓位置，由于胶线比环境中的其他特征位置突出，在高度变化上相对均匀，则从胶线深度图像中映射出的2D图像往往存在一定灰度边沿特征，该特征可以通过曲线或直线的方式拟合出来。本实施例可以通过胶线深度图像的2D特征直线或曲线定位的方式来确认胶线的具体位置，即得到待检测胶线物料的胶线边缘位置信息。
进一步，通过胶线边缘位置信息放置提取胶线轮廓的卡尺位置沿2D特征曲线或直线的垂直方向来提取对应的胶线轮廓数据。具体的，提取的胶线轮廓数据均需按照各自数据范围来自定义x-z坐标系，在x-z坐标系中绘制胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域，在上述基础上，可以再通过参考点定位的方式找到胶线实际位置，即胶线轮廓信息，具体参见下述。
S230、根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域对应的候选参考点位置。
在上述基础上，示例性的，根据所述胶线位置落差值按照一定间隔提取落差分布，等分所述感兴趣胶线区域。在等分后的感兴趣胶线区域查找最稳定的最大高度值来做胶线最高点，即为候选参考点位置，具体求取候选参考点位置通过下述公式得到：
其中，Hstable-max为候选参考点位置；size为统计候选参考点位置邻域深度值大小；Hmax为候选参考点位置邻域深度最大值；i为候选参考点位置邻域深度值索引。
具体的，求取候选参考点位置邻域深度最大值，再通过对候选参考点位置前后邻域深度值大小的高度数值求平均值，得到平均高度值，将平均高度值再与感兴趣胶线区域最大高度值比较做差，若两者差值超出设定的候选参考点位置到胶线最高点位置的实际距离差时，则将该候选参考点位置舍弃，若两者差值在范围内时，则确定为候选参考点位置。
S240、根据所述候选参考点位置确定其对应的感兴趣胶线区域中的实际胶线位置，并根据所述实际胶线位置确定所述待检测胶线物料的胶线轮廓特征信息。
在上述基础上，粗筛选完成后，再通过各个候选参考点位置所在的感兴趣胶线区域内的最大高度值周围数据分布情况，对比来选取最终候选参考点位置。
具体的，在候选参考点位置确定后，若所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，且所述候选参考点位置处的位置高度值大于预设高度值阈值，则将所述候选参考点位置对应的胶线轮廓数据确定为所述胶线轮廓信息。若所述候选参考点位置处胶线轮廓数据的分布均匀度不大于预设分布均匀度阈值，或所述候选参考点位置处的位置高度值不大于预设高度值阈值，则再次通过各个候选参考点位置确定所在的感兴趣胶线区域内的最大高度值周围数据分布情况。
S250、根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
在上述实施例的基础上，所述胶线轮廓特征信息包括胶宽信息、胶高信息和胶位置信息；进一步的，根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷，包括：判断所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值，则确定所述待检测胶线物料内的胶线存在缺陷。
进一步的，在根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷之前，还包括：根据所述胶线轮廓特征信息对胶线存在的缺陷进行分类，确定胶线缺陷对应的胶线缺陷类型。
在确定所述待检测胶线物料内的胶线存在缺陷后，根据判断出的所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值的胶线缺陷，确定所述待检测胶线物料内的胶线存在缺陷对应的胶线缺陷类型。
在本实施例中，通过胶线轮廓特征信息所包含的各个信息，与设定的阈值来标记当前特征是否为异常数据，标记完后统一分类，按照工艺要求对爬墙、塌胶、断胶等胶线缺陷类型进行分类整理，然后按照每个胶线缺陷类型区分的特点来统计异常胶线轮廓的分布情况。
示例性的，可以选择通过滑窗法统计的方式来查询异常的胶线密度分布情况，其中，滑窗法为在滑动过程中对每个胶线轮廓进行分类判别，以确定滑过的胶线轮廓是否存在缺陷。例如爬墙类缺陷，当连续检测长度0.5mm的轮廓缺陷出现，则判定待检测胶线物料内存在爬墙类缺陷区域，而连续检测低于0.5mm长度的轮廓缺陷出现，则认为是正常现象。
另外需要说明的是，在统计连续缺陷轮廓计数时，为了防止误判现象，设置在胶线轮廓连续缺陷轮廓计数时，出现正常轮廓的数量阈值ThLimit，例如，如一段连续胶线轮廓缺陷后有小于ThLimit条连续正常轮廓，则忽略这部分正常胶线轮廓，接着上个胶线缺陷轮廓的计数继续向后统计，如有大于ThLimit条连续正常胶线轮廓，则重新统计胶线轮廓缺陷，之前的胶线轮廓缺陷计数清零。具体可以通过下式表示胶线轮廓总缺陷数量为：
其中，D(i)为胶线轮廓总缺陷数量；Continuedefect为胶线轮廓连续检测正常胶线轮廓长度；Continuenormal为胶线轮廓连续检测缺陷胶线轮廓长度；ThLimit为胶线轮廓缺陷统计中可忽略的连续正常轮廓条数阈值；ThNum为胶线轮廓缺陷统计中可忽略的连续缺陷轮廓条数阈值；i为连续胶线缺陷轮廓阈值，超出该值则任务该段胶线轮廓存在缺陷。
本发明实施例的技术方案，可根据胶线不同设置不同的运动路径或施教点，利用相机硬件采集胶线深度图像，并通过胶线深度图像得到胶线深度信息，进一步描绘出胶线形态位置，并按固定间隔提取胶线轮廓线，计算出胶线轮廓特征信息，最后对胶线轮廓特征信息进行密度分析，标记出实际胶线缺陷类型及位置，在保障高标准的工艺要求下，为固体胶线缺陷检测提供一种可靠、高效的通用型判定方法，大大提高电子类产品产线胶线检测效率，并降低人工成本。
实施例三
图3为本发明实施例三提供的一种胶线检测方法的流程图，本实施例以上述实施例为基础进行优化。
相应的，本实施例的胶线检测方法具体包括：
S310、采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值。
在上述实施例的基础上，根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值，包括：确定所述胶线深度图像的胶线基准平面，并基于所述胶线深度图像确定所述待检测胶线物料的胶线深度数据；根据所述胶线深度数据和所述胶线基准平面确定所述待检测胶线物料的多个胶线位置信息和各个胶线位置的胶线位置落差值。
在本实施例中，胶线深度图像的采集，对硬件要求无严格要求，仅需满足实际测量需求精度的3D类采集相机即可，胶线深度信息按照灰度值的方式映射至胶线深度图像中，将转换的胶线深度图像进行中值、均值滤波，去除干扰点等处理，避免对胶线深度信息获取结果的影响，之后，指定胶线基准平面作为落差计算标准，为后面计算出实际胶线位置对应的胶线轮廓信息做好胶线深度图像准备。
S320、获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息。
在上述实施例的基础上，根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息，包括：根据所述胶线位置信息和所述胶线边缘位置信息生成待检测胶线物料的胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域；根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域对应的候选参考点位置；根据所述候选参考点位置确定胶线轮廓信息。
进一步的，根据所述候选参考点位置确定胶线轮廓信息，包括：若所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，且所述候选参考点位置处的位置高度值大于预设高度值阈值，则将所述候选参考点位置对应的胶线轮廓数据确定为所述胶线轮廓信息。
在上述实施例的基础上，基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，包括：根据所述候选参考点位置确定其对应的感兴趣胶线区域中的实际胶线位置，并根据所述实际胶线位置确定所述待检测胶线物料的胶线轮廓特征信息。
具体的，采集到的深度胶线图像需要先将实际点胶位置的胶线提取出来，拟合点胶平台的边缘，这里的边缘可以是胶线边缘曲线或直线，视点胶路径而定，即获取待检测胶线物料的胶线边缘位置信息。沿拟合的胶线边缘曲线或直线垂直方向来提取轮廓数据吗，即得到胶线轮廓数据。在提取到胶线轮廓数据之后，包括以下步骤：步骤1，按提取的胶线位置信息来绘制关于x-z胶线轮廓数据分布图；步骤2，胶线轮廓数据分布的x-z坐标系中，选取参考点位置检测的感兴趣胶线区域，感兴趣胶线区域用于对定位前的胶线位置信息检测；步骤3，按照固定间隔来等分感兴趣胶线区域，查找对应感兴趣胶线区域的最高点位置作为候选参考点位置；步骤4：对所有候选参考点周围的数据分布情况进行统计，主要判定候选参考点位置处胶线轮廓数据的分布是否均匀，即判定候选参考点位置处胶线轮廓数据的分布是否无陡增或陡降点的存在，以及判定候选参考点位置处的位置高度值是否符合高度阈值，选取最稳定的候选点作为最终参考点位置；步骤5：得到最终参考点位置后，按照最终参考点位置摆放感兴趣胶线区域测量实际胶线位置，并确定实际胶线位置对应的胶线轮廓特征信息，如胶宽、胶高、胶位置信息。
S330、基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，所述胶线轮廓特征信息包括胶宽信息、胶高信息和胶位置信息。
S340、根据所述胶线轮廓特征信息对胶线存在的缺陷进行分类，确定胶线缺陷对应的胶线缺陷类型。
S350、判断所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值，则确定所述待检测胶线物料内的胶线存在缺陷。
S360、在确定所述待检测胶线物料内的胶线存在缺陷后，根据判断出的所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值的胶线缺陷，确定所述待检测胶线物料内的胶线存在缺陷对应的胶线缺陷类型。
在本实施例中，在确定所述待检测胶线物料内的胶线存在缺陷后，对胶线轮廓特征信息进行统计判定，具体判定流程如下：步骤1，初始化胶线检测方法的连续缺陷计数变量、标准容差值计算变量等关键统计参数，即将胶线检测方法的关键统计参数置零，关键统计参数用于后期缺陷指标判定；步骤2，按照预设阈值对待检测胶线物料内的整体异常胶线轮廓进行标记暂存；步骤3，收集到所有异常胶线轮廓的分布后，从当前胶线位置开始(即当为首次判定则从胶线轮廓开始处)，对所述胶宽信息、所述胶高信息和所述胶位置信息进行一次判定，若超出预设阈值，则连续缺陷计数变量加一，进入步骤4，若未超出阈值则判定当前位置的标准值容差范围是否在正常范围内，若超出标准值容差范围，则返回步骤1，若在标准值容差范围内，则继续检测下一个胶线轮廓，进入步骤3；步骤4，统计连续缺陷计数加一后，刷新记录起始检测位置，且把当前缺陷位置暂作为连续缺陷结束位置；步骤5，判定当前胶线位置是否为最后一条胶线轮廓位置，若是，则跳出判断，进入步骤6，若否，则提取下一条胶线轮廓，进入步骤3；步骤6，全部胶线轮廓判定结束后，依据实际的缺陷分类标准进行准确判定分类，并实时标注真实胶线缺陷位置。
本发明实施例的技术方案，能够大幅度提高胶线检测效率，并降低人力成本，同时，将胶线缺陷类型按胶线缺陷特征进行精确分类，有助于提高、改善点胶工艺输出质量问题，并可从源头补偿、修改对应胶嘴位置和出胶量等可变参数。本发明实施例利用轮廓检测加胶线缺陷统计判定的方式，解决当前固体胶线检测重复性精度低、缺陷分类不明确等的关键问题。
实施例四
图4为本发明实施例四提供的一种胶线检测方法的流程图。本发明实施例的技术方案是在上述实施例的基础上进行进一步的优化。本实施例的胶线检测方法具体包括：
S410、采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值。
S411、获取待检测胶线物料的胶线边缘位置信息，根据所述胶线位置信息和所述胶线边缘位置信息生成待检测胶线物料的胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域。
S412、根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域对应的候选参考点位置。
S413、通过各个候选参考点位置所在的感兴趣胶线区域内的最大高度值周围数据分布情况，对比来选取最终候选参考点位置。
S414、判断所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，若是，则执行步骤S415，若否，则执行步骤S413。
S415、判断所述候选参考点位置处的位置高度值大于预设高度值阈值，若是，则执行步骤S416，若否，则执行步骤S413。
S416、根据所述候选参考点位置确定其对应的感兴趣胶线区域中的实际胶线位置，并根据所述实际胶线位置确定所述待检测胶线物料的胶线轮廓特征信息，所述胶线轮廓特征信息包括胶宽信息、胶高信息和胶位置信息。
S417、初始化胶线检测方法的连续缺陷计数变量、标准容差值计算变量等关键统计参数，即将胶线检测方法的关键统计参数置零。
S418、按照预设阈值对待检测胶线物料内的整体异常胶线轮廓进行标记暂存。
S419、收集到所有异常胶线轮廓的分布后，从当前胶线位置开始(即当为首次判定则从胶线轮廓开始处)，对所述胶宽信息、所述胶高信息和所述胶位置信息进行一次判定，判断所述胶宽信息、所述胶高信息和所述胶位置信息中任意一个信息是否超过预设阈值，若是，则连续缺陷计数变量加一，执行步骤S421，若否，则判定当前位置的标准值容差范围是否在正常范围内，执行步骤S420。
S420、判定当前位置的标准值容差范围是否在正常范围内，若是，则执行步骤S419，若否，则执行步骤S417
S421、刷新记录起始检测位置，且把当前缺陷位置暂作为连续缺陷结束位置。
S422、判定当前胶线位置是否为最后一条胶线轮廓位置，若是，则执行步骤S423，若否，则提取下一条胶线轮廓，执行步骤S419。
S423、全部胶线轮廓判定结束后，依据实际的缺陷分类标准进行准确判定分类，并实时标注真实胶线缺陷位置。
实施例五
图5为本发明实施例五提供的一种胶线检测装置的结构图，本实施例可适用于对固体胶线类的通用缺陷进行准确检测的情况。
如图5所示，所述胶线检测装置包括：胶线信息确定模块510、轮廓信息确定模块520和缺陷信息确定模块530，其中：
胶线信息确定模块510，用于采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；
轮廓信息确定模块520，用于获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；
缺陷信息确定模块530，用于基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
本实施例的胶线检测装置，通过采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。解决了当前检测方法误差较大，人工肉眼疲劳等情况可能导致胶线缺陷判定的漏检或过检现象，同时增加人工成本的问题，以实现对胶线缺陷的准确检测，提高电子类产品产线胶线检测效率，并降低人工成本。
在上述各实施例的基础上，根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值，包括：
确定所述胶线深度图像的胶线基准平面，并基于所述胶线深度图像确定所述待检测胶线物料的胶线深度数据；
根据所述胶线深度数据和所述胶线基准平面确定所述待检测胶线物料的多个胶线位置信息和各个胶线位置的胶线位置落差值。
在上述各实施例的基础上，根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息，包括：
根据所述胶线位置信息和所述胶线边缘位置信息生成待检测胶线物料的胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域；
根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域对应的候选参考点位置；
根据所述候选参考点位置确定胶线轮廓信息。
在上述各实施例的基础上，根据所述候选参考点位置确定胶线轮廓信息，包括：
若所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，且所述候选参考点位置处的位置高度值大于预设高度值阈值，则将所述候选参考点位置对应的胶线轮廓数据确定为所述胶线轮廓信息。
在上述各实施例的基础上，基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，还包括：
根据所述候选参考点位置确定其对应的感兴趣胶线区域中的实际胶线位置，并根据所述实际胶线位置确定所述待检测胶线物料的胶线轮廓特征信息。
在上述各实施例的基础上，所述胶线轮廓特征信息包括胶宽信息、胶高信息和胶位置信息；
根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷，包括：
判断所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值，则确定所述待检测胶线物料内的胶线存在缺陷。
在上述各实施例的基础上，在根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷之前，还包括：
根据所述胶线轮廓特征信息对胶线存在的缺陷进行分类，确定胶线缺陷对应的胶线缺陷类型；
所述胶线检测装置还包括：
在确定所述待检测胶线物料内的胶线存在缺陷后，根据判断出的所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值的胶线缺陷，确定所述待检测胶线物料内的胶线存在缺陷对应的胶线缺陷类型。
上述各实施例所提供的胶线检测装置可执行本发明任意实施例所提供的胶线检测方法，具备执行胶线检测方法相应的功能模块和有益效果。
实施例六
图6为本发明实施例六提供的一种胶线检测设备的结构示意图，如图6所示，该胶线检测设备包括处理器610、存储器620、输入装置630和输出装置640；胶线检测设备中处理器610的数量可以是一个或多个，图6中以一个处理器610为例；胶线检测设备中的处理器610、存储器620、输入装置630和输出装置640可以通过总线或其他方式连接，图6中以通过总线连接为例。
存储器620作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的胶线检测方法对应的程序指令/模块(例如，胶线检测装置中的胶线信息确定模块510、轮廓信息确定模块520和缺陷信息确定模块530)。处理器610通过运行存储在存储器620中的软件程序、指令以及模块，从而执行胶线检测设备的各种功能应用以及数据处理，即实现上述的胶线检测方法。
存储器620可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至胶线检测设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可用于接收输入的数字或字符信息，以及产生与胶线检测设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。
实施例七
本发明实施例七还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种胶线检测方法，该胶线检测方法包括：
采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；
获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；
基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的胶线检测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述胶线检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种胶线检测方法，其特征在于，包括：
采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；
获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；
基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
2.根据权利要求1所述的胶线检测方法，其特征在于，根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值，包括：
确定所述胶线深度图像的胶线基准平面，并基于所述胶线深度图像确定所述待检测胶线物料的胶线深度数据；
根据所述胶线深度数据和所述胶线基准平面确定所述待检测胶线物料的多个胶线位置信息和各个胶线位置的胶线位置落差值。
3.根据权利要求1所述的胶线检测方法，其特征在于，根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息，包括：
根据所述胶线位置信息和所述胶线边缘位置信息生成待检测胶线物料的胶线轮廓数据分布图，并基于所述胶线轮廓数据分布图选取参考点位置和所述参考点位置对应的感兴趣胶线区域；
根据所述胶线位置落差值等分所述感兴趣胶线区域，并查找等分后的所述感兴趣胶线区域对应的候选参考点位置；
根据所述候选参考点位置确定胶线轮廓信息。
4.根据权利要求3所述的胶线检测方法，其特征在于，根据所述候选参考点位置确定胶线轮廓信息，包括：
若所述候选参考点位置处胶线轮廓数据的分布均匀度大于预设分布均匀度阈值，且所述候选参考点位置处的位置高度值大于预设高度值阈值，则将所述候选参考点位置对应的胶线轮廓数据确定为所述胶线轮廓信息。
5.根据权利要求4所述的胶线检测方法，其特征在于，基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，包括：
根据所述候选参考点位置确定其对应的感兴趣胶线区域中的实际胶线位置，并根据所述实际胶线位置确定所述待检测胶线物料的胶线轮廓特征信息。
6.根据权利要求1所述的胶线检测方法，其特征在于，所述胶线轮廓特征信息包括胶宽信息、胶高信息和胶位置信息；
根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷，包括：
判断所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值，则确定所述待检测胶线物料内的胶线存在缺陷。
7.根据权利要求6所述的胶线检测方法，其特征在于，在根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷之前，还包括：
根据所述胶线轮廓特征信息对胶线存在的缺陷进行分类，确定胶线缺陷对应的胶线缺陷类型；
所述胶线检测方法还包括：
在确定所述待检测胶线物料内的胶线存在缺陷后，根据判断出的所述胶宽信息、所述胶高信息和所述胶位置信息中的一个或多个信息超出预设阈值的胶线缺陷，确定所述待检测胶线物料内的胶线存在缺陷对应的胶线缺陷类型。
8.一种胶线检测装置，其特征在于，包括：
胶线信息确定模块，用于采集待检测胶线物料的胶线深度图像，并根据所述胶线深度图像确定所述待检测胶线物料的胶线深度信息，所述胶线深度信息包括多个胶线位置信息和各个胶线位置的胶线位置落差值；
轮廓信息确定模块，用于获取待检测胶线物料的胶线边缘位置信息，并根据所述胶线位置信息、所述胶线位置落差值和所述胶线边缘位置信息确定胶线轮廓信息；
缺陷信息确定模块，用于基于所述胶线轮廓信息确定所述待检测胶线物料的胶线轮廓特征信息，并根据所述胶线轮廓特征信息确定所述待检测胶线物料内的胶线是否存在缺陷。
9.一种胶线检测设备，其特征在于，所述胶线检测设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的胶线检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的胶线检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111033177.8A CN113763350B (zh) | 2021-09-03 | 2021-09-03 | 一种胶线检测方法、装置、胶线检测设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111033177.8A CN113763350B (zh) | 2021-09-03 | 2021-09-03 | 一种胶线检测方法、装置、胶线检测设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113763350A true CN113763350A (zh) | 2021-12-07 |
| CN113763350B CN113763350B (zh) | 2024-05-21 |
Family
ID=78792917
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111033177.8A Active CN113763350B (zh) | 2021-09-03 | 2021-09-03 | 一种胶线检测方法、装置、胶线检测设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113763350B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115131344A (zh) * | 2022-08-25 | 2022-09-30 | 泉州华中科技大学智能制造研究院 | 一种通过光强数据实现制鞋成型胶线提取的方法 |
| CN115365088A (zh) * | 2022-09-05 | 2022-11-22 | 苏州光宝科技股份有限公司 | 一种基于视觉引导的点胶方法及装置 |
| CN115830096A (zh) * | 2022-08-19 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 深度图像的校正方法及装置、电池外壳组件焊接检测方法 |
| CN117788475A (zh) * | 2024-02-27 | 2024-03-29 | 中国铁路北京局集团有限公司天津供电段 | 一种基于单目深度估计的铁路危树检测方法、系统及设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111097664A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于机器人涂胶的实时纠偏方法 |
| CN111161263A (zh) * | 2020-04-02 | 2020-05-15 | 北京协同创新研究院 | 一种包装平整度检测方法、系统、电子设备和存储介质 |
| WO2020133046A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
| CN111640131A (zh) * | 2020-05-29 | 2020-09-08 | 广东利元亨智能装备股份有限公司 | 电芯涂胶检测方法、装置和电子设备 |
| EP3815864A1 (en) * | 2019-11-04 | 2021-05-05 | SCM Group S.p.A. | An edging quality control process and an edge banding machine |
| CN113284113A (zh) * | 2021-05-27 | 2021-08-20 | 西安闻泰信息技术有限公司 | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 |
-
2021
- 2021-09-03 CN CN202111033177.8A patent/CN113763350B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020133046A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
| EP3815864A1 (en) * | 2019-11-04 | 2021-05-05 | SCM Group S.p.A. | An edging quality control process and an edge banding machine |
| CN111097664A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于机器人涂胶的实时纠偏方法 |
| CN111161263A (zh) * | 2020-04-02 | 2020-05-15 | 北京协同创新研究院 | 一种包装平整度检测方法、系统、电子设备和存储介质 |
| CN111640131A (zh) * | 2020-05-29 | 2020-09-08 | 广东利元亨智能装备股份有限公司 | 电芯涂胶检测方法、装置和电子设备 |
| CN113284113A (zh) * | 2021-05-27 | 2021-08-20 | 西安闻泰信息技术有限公司 | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王亚运: "基于机器视觉的机器人涂胶质量在线检测技术研究", 《中国优秀硕士学位论文全文数据库》, 15 February 2016 (2016-02-15) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115830096A (zh) * | 2022-08-19 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 深度图像的校正方法及装置、电池外壳组件焊接检测方法 |
| CN115830096B (zh) * | 2022-08-19 | 2023-08-25 | 宁德时代新能源科技股份有限公司 | 深度图像的校正方法及装置、电池外壳组件焊接检测方法 |
| WO2024036951A1 (zh) * | 2022-08-19 | 2024-02-22 | 宁德时代新能源科技股份有限公司 | 深度图像的校正方法及装置、电池外壳组件焊接检测方法 |
| CN115131344A (zh) * | 2022-08-25 | 2022-09-30 | 泉州华中科技大学智能制造研究院 | 一种通过光强数据实现制鞋成型胶线提取的方法 |
| CN115131344B (zh) * | 2022-08-25 | 2022-11-08 | 泉州华中科技大学智能制造研究院 | 一种通过光强数据实现制鞋成型胶线提取的方法 |
| CN115365088A (zh) * | 2022-09-05 | 2022-11-22 | 苏州光宝科技股份有限公司 | 一种基于视觉引导的点胶方法及装置 |
| CN115365088B (zh) * | 2022-09-05 | 2024-05-10 | 苏州光宝科技股份有限公司 | 一种基于视觉引导的点胶方法及装置 |
| CN117788475A (zh) * | 2024-02-27 | 2024-03-29 | 中国铁路北京局集团有限公司天津供电段 | 一种基于单目深度估计的铁路危树检测方法、系统及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113763350B (zh) | 2024-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113763350A (zh) | 一种胶线检测方法、装置、胶线检测设备及存储介质 | |
| CN112326673B (zh) | 基于机器视觉的注塑件表面缺陷检测方法和装置 | |
| CN107064170B (zh) | 一种检测手机外壳轮廓度缺陷方法 | |
| CN103020970B (zh) | 玉米果穗图像籽粒分割方法 | |
| CN103994786B (zh) | 圆弧标尺线指针式仪表刻度的图像检测方法 | |
| CN102914545A (zh) | 一种基于计算机视觉的齿轮缺陷检测方法及系统 | |
| CN108711148B (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
| CN113674273B (zh) | 一种基于产品缺陷的光学检测方法、系统和可读存储介质 | |
| CN104846054A (zh) | 一种基于形态学特征的白带中霉菌的自动检测方法 | |
| CN110334760B (zh) | 一种基于resUnet的光学元器件损伤检测方法及系统 | |
| CN107169957A (zh) | 一种基于机器视觉的玻璃瑕疵在线检测系统及方法 | |
| CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
| CN116703911B (zh) | 一种led灯生产质量检测系统 | |
| CN111310835A (zh) | 目标对象的检测方法及装置 | |
| CN111242899A (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
| CN104915943A (zh) | 用于在视差图中确定主要视差值的方法和装置 | |
| CN114494274A (zh) | 建筑施工评估方法、装置、电子设备及存储介质 | |
| CN110458809B (zh) | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 | |
| CN109492544B (zh) | 一种通过增强光学显微镜对动物纤维进行分类的方法 | |
| CN109102486B (zh) | 基于机器学习的表面缺陷检测方法及装置 | |
| CN116539619B (zh) | 产品缺陷检测方法、系统、装置及存储介质 | |
| CN116030013A (zh) | 多目标多类别破损缺陷检测方法、系统及计算机存储介质 | |
| CN116205880A (zh) | 基于3d点云的网纱缺陷检测方法 | |
| CN113538556B (zh) | 基于ir图的体积测量装置 | |
| CN102937592B (zh) | 陶瓷天线罩气孔及材质疏松缺陷自动检测方法 |
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 | ||
| GR01 | Patent grant |