CN113792711A - 端子板接线视觉检测方法和装置 - Google Patents
端子板接线视觉检测方法和装置 Download PDFInfo
- Publication number
- CN113792711A CN113792711A CN202111344852.9A CN202111344852A CN113792711A CN 113792711 A CN113792711 A CN 113792711A CN 202111344852 A CN202111344852 A CN 202111344852A CN 113792711 A CN113792711 A CN 113792711A
- Authority
- CN
- China
- Prior art keywords
- target detection
- terminal board
- detection image
- information
- position 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种端子板接线视觉检测方法和装置,其中,该方法包括:在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像;在目标检测图像满足预设条件时,从目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息;对第一外貌特征信息进行检测以获取导线标签在目标检测图像中的第一位置信息,并将第一位置信息与对应的导线关联记录;根据第一位置信息对相应的导线标签进行识别,以获取相应的标签信息;对第二外貌特征信息进行检测以获取端子板插孔在目标检测图像中的第二位置信息;根据第二位置信息以及与标签信息检测端子板的接线状态。由此,大大降低了检测时间,提高了检测效率和准确性。
Description
技术领域
本发明涉及视觉检测技术领域,具体涉及一种端子板接线视觉检测方法和一种端子板接线视觉检测装置。
背景技术
接线端子是电气设备中用于实现电气连接的一种配件产品,在工业上被划分为连接器的范畴。它推出一种全新的控制柜装配概念,将控制柜内的接线电气附件设计成模块化结构的系列产品。接线端子板包括各种模拟及数字信号的输入输出、电源分配等,采用统一的标准安装尺寸,元器件透明化设计,指示一目了然。它每排接线端点数的数量是不同的,可根据工程技术参数的需要而确定其型号。
在工业领域,设备控制系统包含各式各样的端子板导线的应用,每个端子板可能有近百个插孔,来自不同外设的导线线束应该按照电气设计图与板上的插孔一一对应的接入。
相关技术中,接线端子板和导线的连接需要通过人工目视来检测,在质检环节,检验员需要参照设计图纸对端子板、插孔和导线逐个进行检查,保证接线插孔都按设计接入了正确的导线,并且没有多余的导线和插孔的连接。然而,人工目视检测的方式需要频繁的对照图纸,对插孔和导线逐个进行检测,导致检测时间长,效率低下,漏检错检频发,并且耗费大量的人力资源。
发明内容
本发明为解决上述技术问题,提供了一种端子板接线视觉检测方法,能够自动对端子板接线进行视觉检测,无需人工目视检测,从而大大降低了检测时间,提高了检测效率和准确性,并且无需耗费过多的人力资源。
本发明采用的技术方案如下:
一种端子板接线视觉检测方法,包括以下步骤:在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像;判断所述目标检测图像是否满足预设条件;如果所述目标检测图像满足预设条件,则从所述目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息;采用字符定位网络模型对所述第一外貌特征信息进行检测以获取导线标签在所述目标检测图像中的第一位置信息,并将所述第一位置信息与对应的导线关联记录;根据所述第一位置信息对相应的导线标签进行识别,以获取相应的标签信息;采用所述字符定位网络模型对所述第二外貌特征信息进行检测以获取所述端子板插孔在所述目标检测图像中的第二位置信息;根据所述第二位置信息以及与所述标签信息检测所述端子板的接线状态。
所述根据所述第一位置信息对相应的导线标签进行识别,以获取相应的标签信息,包括:采用神经网络模型根据所述第一位置信息对相应的导线标签进行形变校正;采用OCR识别方式对形变校正后的导线标签进行识别解析,以获取所述标签信息。
所述采用神经网络模型根据所述第一位置信息对相应的导线标签进行形变校正,包括:采用所述神经网络模型根据所述第一位置信息获取所述导线标签对应的形变网格,并对所述形变网格进行形变校正以对所述导线标签进行形变校正。
所述判断所述目标检测图像是否满足预设条件,包括:判断所述目标检测图像的清晰度是否达到第一预设清晰度;如果所述目标检测图像的清晰度达到所述第一预设清晰度,则判断所述目标检测图像的对比度是否大于预设对比度;如果所述目标检测图像的对比度大于所述预设对比度,则判断所述目标检测图像中所述导线的标签的清晰度是否达到第二预设清晰度;如果所述目标检测图像中所述导线的标签的清晰度达到第二预设清晰度,则判断所述目标检测图像满足预设条件。
一种端子板接线视觉检测装置,包括:第一获取模块,所述第一获取模块用于在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像;判断模块,所述判断模块用于判断所述目标检测图像是否满足预设条件;信息识别提取模块,所述信息识别提取模块用于在所述目标检测图像满足预设条件时,从所述目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息;第二获取模块,所述第二获取模块用于采用字符定位网络模型对所述第一外貌特征信息进行检测以获取导线标签在所述目标检测图像中的第一位置信息,并将所述第一位置信息与对应的导线关联记录;第三获取模块,所述第三获取模块用于根据所述第一位置信息对相应的导线标签进行识别,以获取相应的标签信息;第四获取模块,所述第四获取模块用于采用所述字符定位网络模型对所述第二外貌特征信息进行检测以获取所述端子板插孔在所述目标检测图像中的第二位置信息;检测模块,所述检测模块用于根据所述第二位置信息以及与所述标签信息检测所述端子板的接线状态。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述的端子板接线视觉检测方法。
一种非临时性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上述的端子板接线视觉检测方法。
本发明的有益效果:
本发明能够自动对端子板接线进行视觉检测,无需人工目视检测,从而大大降低了检测时间,提高了检测效率和准确性,并且无需耗费过多的人力资源。
附图说明
图1为本发明实施例的端子板接线视觉检测方法的流程图;
图2为本发明一个实施例的对导线标签进行形变校正的逻辑示意图;
图3为本发明实施例的端子板接线视觉检测装置的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是根据本发明实施例的端子板接线视觉检测方法的流程图。
如图1所示,本发明实施例的端子板接线视觉检测方法可包括以下步骤:
S1,在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像。
其中,可通过视觉采集单元(例如,相机等)在多个角度采集待检测端子板的多张图像,以获取目标检测图像。
S2,判断目标检测图像是否满足预设条件。
根据本发明的一个实施例,判断目标检测图像是否满足预设条件,包括:判断目标检测图像的清晰度是否达到第一预设清晰度;如果目标检测图像的清晰度达到第一预设清晰度,则判断目标检测图像的对比度是否大于预设对比度;如果目标检测图像的对比度大于预设对比度,则判断目标检测图像中导线的标签的清晰度是否达到第二预设清晰度;如果目标检测图像中导线的标签的清晰度达到第二预设清晰度,则判断目标检测图像满足预设条件。
具体而言,在获取到目标检测图像后,可对目标检测图像进行图片质量评估,其中,可依据目标检测图像的清晰度、对比度以及目标检测图像中导线的标签的清晰度来进行图片质量评估。
具体地,可先判断目标检测图像的清晰度是否达到第一预设清晰度,如果目标检测图像的清晰度未达到第一预设清晰度,则判断目标检测图像不满足预设条件,即目标检测图像的质量未达到要求,此时,需重新对待检测端子板进行图像采集;如果目标检测图像的清晰度达到第一预设清晰度,则继续判断目标检测图像的对比度是否大于预设对比度。如果目标检测图像的对比度小于或等于预设对比度,则判断目标检测图像不满足预设条件,即目标检测图像的质量未达到要求,此时,需重新对待检测端子板进行图像采集;如果目标检测图像的对比度大于预设对比度,则继续判断目标检测图像中导线的标签的清晰度是否达到第二预设清晰度。如果目标检测图像中导线的标签的清晰度未达到第二预设清晰度,则判断目标检测图像不满足预设条件,即目标检测图像的质量未达到要求,此时,需重新对待检测端子板进行图像采集;如果目标检测图像中导线的标签的清晰度达到第二预设清晰度,则判断目标检测图像满足预设条件,即目标检测图像的质量达到要求。
S3,如果目标检测图像满足预设条件,则从目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息。
具体而言,在目标检测图像满足预设条件时,可先从目标检测图像中识别并提取出导线在目标检测图像中的外貌特征信息(即,第一外貌特征信息)以检测目标检测图像中所有的导线,并从目标检测图像中识别并提取出端子板插孔在目标检测图像中的外貌特征信息(即,第二外貌特征信息)以检测目标检测图像中所有的端子板插孔。
S4,采用字符定位网络模型对第一外貌特征信息进行检测以获取导线标签在目标检测图像中的第一位置信息,并将第一位置信息与对应的导线关联记录。
具体而言,可采用字符定位网络模型对第一外貌特征信息进行检测以获取导线标签(导线上的字符)在目标检测图像中的第一位置信息,并将其与对应的标签进行关联记录。其中,字符定位网络模型可预先通过训练获取,也就是说,可预先对字符定位网络进行训练,以获取字符定位网络模型。
S5,根据第一位置信息对相应的导线标签进行识别,以获取相应的标签信息。
具体而言,可通过OCR(Optical Character Recognition,光学字符识别)识别方式对相应的导线标签进行识别,以获取相应的标签信息。
可以理解是,导线在实际工作中往往是弯折的,导线标签也会因弯折而产生变形,这导致识别导线上标签的任务变得更加困难,采用OCR识别方式进行识别的效果不理想。为此,本发明在进行识别之前,可对导线标签进行变形校正,采用OCR识别方式对校正后的导线标签进行识别解析,以获取标签信息。
具体地,根据本发明的一个实施例,根据第一位置信息对相应的导线标签进行识别,以获取相应的标签信息,包括:采用神经网络模型根据第一位置信息对相应的导线标签进行形变校正;采用OCR识别方式对形变校正后的导线标签进行识别解析,以获取标签信息。
在本发明的一个实施例中,采用神经网络模型根据第一位置信息对相应的导线标签进行形变校正,包括:采用神经网络模型根据第一位置信息获取导线标签对应的形变网格,并对形变网格进行形变校正以对导线标签进行形变校正。
具体而言,可先采用神经网络模型根据第一位置信息获取导线标签对应的形变网格,也就是说,先将导线标签定位在具体的形变网格中,以提取导线标签,然后,通过对形变网格进行形变校正,同时起到对导线标签进行形变校正的作用。其中,神经网络模型可通过预先训练获取。
可以理解的是,导线标签定位在形变网格中,对形变网格进行形变校正就相当于对导线标签进行形变校正,因此,可通过对形变网格进行形变校正以实现对导线标签进行形变校正。
举例而言,如图2所示,可先获取导线标签(带有字符MOON的标签)在目标检测图像中的第一位置信息,即定位网络,再以该位置的导线标签作为基准点获取导线标签对应的形变网络,即进行网络化,然后可通过对形变网格进行形变校正以实现对导线标签进行形变校正。
由此,能够有效地提高对导线标签识别的效率和准确性,进而提高端子板接线检测的准确性和效率。
S6,采用字符定位网络模型对第二外貌特征信息进行检测以获取端子板插孔在目标检测图像中的第二位置信息。
S7,根据第二位置信息以及与标签信息检测端子板的接线状态。
具体而言,可先采用字符定位网络模型对端子板插孔的第二外貌特征信息进行检测以获取端子板插孔在目标检测图像中的第二位置信息。根据第二位置信息以及标签信息可检测出端子板插孔是否与导线相连,并在端子板插孔与导线相连时查询并记录导线的标签信息,然后导入系统数据库(存储有端子板准确的连接状态)中进行比对,以检测端子板的连接状态。其中,当端子板插孔处连接了与设计要求相符的导线时,端子板的接线状态为正确连接状态;当端子板插孔处连接了与设计要求不符的导线时,端子板的接线状态为错误连接状态;当端子板插孔处按照设计要求应当有导线连接但却未连接有导线时,端子板的接线状态为漏失状态;当端子板插孔处按照设计要求应当控制但却连接有导线时,端子板的接线状态为多接状态。
由此,端子板接线检测利用机器视觉取代人工目测,实现了端子板接线应用的全自动检测,减少该工序的人工投入和检测时间,有效提高检测效率,并且基于深度神经网络的检测技术具有良好的通用性和可扩展性,能够适应各式各样的接线端子板及其接线要求,实现准确的接线检测判断,提升检测精度。
综上所述,根据本发明实施例的端子板接线视觉检测方法,在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像,并判断目标检测图像是否满足预设条件,以及在目标检测图像满足预设条件时,从目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息,以及采用字符定位网络模型对第一外貌特征信息进行检测以获取导线标签在目标检测图像中的第一位置信息,并将第一位置信息与对应的导线关联记录,以及根据第一位置信息对相应的导线标签进行识别,以获取相应的标签信息,并采用字符定位网络模型对第二外貌特征信息进行检测以获取端子板插孔在目标检测图像中的第二位置信息,以及根据第二位置信息以及与标签信息检测端子板的接线状态。由此,能够自动对端子板接线进行视觉检测,无需人工目视检测,从而大大降低了检测时间,提高了检测效率和准确性,并且无需耗费过多的人力资源。
对应上述实施例,本发明还提出一种端子板接线视觉检测装置。
如图3所示,本发明实施例的端子板接线视觉检测装置可包括:第一获取模块100、判断模块200、信息识别提取模块300、第二获取模块400、第三获取模块500、第四获取模块600和检测模块700。
其中,第一获取模块100用于在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像;判断模块200用于判断目标检测图像是否满足预设条件;信息识别提取模块300用于在目标检测图像满足预设条件时,从目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息;第二获取模块400用于采用字符定位网络模型对第一外貌特征信息进行检测以获取导线标签在目标检测图像中的第一位置信息,并将第一位置信息与对应的导线关联记录;第三获取模块500用于根据第一位置信息对相应的导线标签进行识别,以获取相应的标签信息;第四获取模块600用于采用字符定位网络模型对第二外貌特征信息进行检测以获取端子板插孔在目标检测图像中的第二位置信息;检测模块700用于根据第二位置信息以及与标签信息检测端子板的接线状态。
根据本发明的一个实施例,第三获取模块500具体用于:采用神经网络模型根据第一位置信息对相应的导线标签进行形变校正;采用OCR识别方式对形变校正后的导线标签进行识别解析,以获取标签信息。
根据本发明的一个实施例,第三获取模块500具体用于:采用神经网络模型根据第一位置信息获取导线标签对应的形变网格,并对形变网格进行形变校正以对导线标签进行形变校正。
根据本发明的一个实施例,判断模块200具体用于:判断目标检测图像的清晰度是否达到第一预设清晰度;如果目标检测图像的清晰度达到第一预设清晰度,则判断目标检测图像的对比度是否大于预设对比度;如果目标检测图像的对比度大于预设对比度,则判断目标检测图像中导线的标签的清晰度是否达到第二预设清晰度;如果目标检测图像中导线的标签的清晰度达到第二预设清晰度,则判断目标检测图像满足预设条件。
需要说明的是,本发明实施例的端子板接线视觉检测装置可参照上述端子板接线视觉检测方法的实施例,在此不再赘述。
根据本发明实施例的端子板接线视觉检测装置,通过第一获取模块在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像,以及通过判断模块判断目标检测图像是否满足预设条件,并通过信息识别提取模块在目标检测图像满足预设条件时,从目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息,以及通过第二获取模块采用字符定位网络模型对第一外貌特征信息进行检测以获取导线标签在目标检测图像中的第一位置信息,并将第一位置信息与对应的导线关联记录,以及通过第三获取模块根据第一位置信息对相应的导线标签进行识别,以获取相应的标签信息,并通过第四获取模块采用字符定位网络模型对第二外貌特征信息进行检测以获取端子板插孔在目标检测图像中的第二位置信息,以及通过检测模块根据第二位置信息以及与标签信息检测端子板的接线状态。由此,能够自动对端子板接线进行视觉检测,无需人工目视检测,从而大大降低了检测时间,提高了检测效率和准确性,并且无需耗费过多的人力资源。
对应上述实施例,本发明还提出一种计算机设备。
本发明实施例的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现上述实施例的端子板接线视觉检测方法。
根据本发明实施例的计算机设备,能够自动对端子板接线进行视觉检测,无需人工目视检测,从而大大降低了检测时间,提高了检测效率和准确性,并且无需耗费过多的人力资源。
对应上述实施例,本发明还提出一种非临时性计算机可读存储介质。
本发明实施例的非临时性计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述实施例的端子板接线视觉检测方法。
根据本发明实施例的非临时性计算机可读存储介质,能够自动对端子板接线进行视觉检测,无需人工目视检测,从而大大降低了检测时间,提高了检测效率和准确性,并且无需耗费过多的人力资源。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种端子板接线视觉检测方法,其特征在于,包括以下步骤:
在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像;
判断所述目标检测图像是否满足预设条件;
如果所述目标检测图像满足预设条件,则从所述目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息;
采用字符定位网络模型对所述第一外貌特征信息进行检测以获取导线标签在所述目标检测图像中的第一位置信息,并将所述第一位置信息与对应的导线关联记录;
根据所述第一位置信息对相应的导线标签进行识别,以获取相应的标签信息;
采用所述字符定位网络模型对所述第二外貌特征信息进行检测以获取所述端子板插孔在所述目标检测图像中的第二位置信息;
根据所述第二位置信息以及与所述标签信息检测所述端子板的接线状态。
2.根据权利要求1所述的端子板接线视觉检测方法,其特征在于,所述根据所述第一位置信息对相应的导线标签进行识别,以获取相应的标签信息,包括:
采用神经网络模型根据所述第一位置信息对相应的导线标签进行形变校正;
采用OCR识别方式对形变校正后的导线标签进行识别解析,以获取所述标签信息。
3.根据权利要求2所述的端子板接线视觉检测方法,其特征在于,所述采用神经网络模型根据所述第一位置信息对相应的导线标签进行形变校正,包括:
采用所述神经网络模型根据所述第一位置信息获取所述导线标签对应的形变网格,并对所述形变网格进行形变校正以对所述导线标签进行形变校正。
4.根据权利要求3所述的端子板接线视觉检测方法,其特征在于,所述判断所述目标检测图像是否满足预设条件,包括:
判断所述目标检测图像的清晰度是否达到第一预设清晰度;
如果所述目标检测图像的清晰度达到所述第一预设清晰度,则判断所述目标检测图像的对比度是否大于预设对比度;
如果所述目标检测图像的对比度大于所述预设对比度,则判断所述目标检测图像中所述导线的标签的清晰度是否达到第二预设清晰度;
如果所述目标检测图像中所述导线的标签的清晰度达到第二预设清晰度,则判断所述目标检测图像满足预设条件。
5.一种端子板接线视觉检测装置,其特征在于,包括:
第一获取模块,所述第一获取模块用于在多个角度对待检测端子板进行图像采集,以获取相应的目标检测图像;
判断模块,所述判断模块用于判断所述目标检测图像是否满足预设条件;
信息识别提取模块,所述信息识别提取模块用于在所述目标检测图像满足预设条件时,从所述目标检测图像中识别并提取出导线的第一外貌特征信息以及端子板插孔的第二外貌特征信息;
第二获取模块,所述第二获取模块用于采用字符定位网络模型对所述第一外貌特征信息进行检测以获取导线标签在所述目标检测图像中的第一位置信息,并将所述第一位置信息与对应的导线关联记录;
第三获取模块,所述第三获取模块用于根据所述第一位置信息对相应的导线标签进行识别,以获取相应的标签信息;
第四获取模块,所述第四获取模块用于采用所述字符定位网络模型对所述第二外貌特征信息进行检测以获取所述端子板插孔在所述目标检测图像中的第二位置信息;
检测模块,所述检测模块用于根据所述第二位置信息以及与所述标签信息检测所述端子板的接线状态。
6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现根据权利要求1-4中任一项所述的端子板接线视觉检测方法。
7.一种非临时性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根据权利要求1-4中任一项所述的端子板接线视觉检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111344852.9A CN113792711A (zh) | 2021-11-15 | 2021-11-15 | 端子板接线视觉检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111344852.9A CN113792711A (zh) | 2021-11-15 | 2021-11-15 | 端子板接线视觉检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113792711A true CN113792711A (zh) | 2021-12-14 |
Family
ID=78955210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111344852.9A Pending CN113792711A (zh) | 2021-11-15 | 2021-11-15 | 端子板接线视觉检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792711A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763383A (zh) * | 2021-11-09 | 2021-12-07 | 常州微亿智造科技有限公司 | 钢筋延伸率测量方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3425742A1 (en) * | 2017-07-07 | 2019-01-09 | Morsettitalia S.p.A. | Electric switchboard terminal block with multiple label-holder seats |
CN109753971A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 扭曲文字行的矫正方法及装置、字符识别方法及装置 |
CN112633343A (zh) * | 2020-12-16 | 2021-04-09 | 国网江苏省电力有限公司检修分公司 | 一种电力设备端子排接线校核方法及装置 |
-
2021
- 2021-11-15 CN CN202111344852.9A patent/CN113792711A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3425742A1 (en) * | 2017-07-07 | 2019-01-09 | Morsettitalia S.p.A. | Electric switchboard terminal block with multiple label-holder seats |
CN109753971A (zh) * | 2017-11-06 | 2019-05-14 | 阿里巴巴集团控股有限公司 | 扭曲文字行的矫正方法及装置、字符识别方法及装置 |
CN112633343A (zh) * | 2020-12-16 | 2021-04-09 | 国网江苏省电力有限公司检修分公司 | 一种电力设备端子排接线校核方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113763383A (zh) * | 2021-11-09 | 2021-12-07 | 常州微亿智造科技有限公司 | 钢筋延伸率测量方法和装置 |
CN113763383B (zh) * | 2021-11-09 | 2022-02-11 | 常州微亿智造科技有限公司 | 钢筋延伸率测量方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8131055B2 (en) | System and method for assembly inspection | |
CN109523527B (zh) | 图像中脏污区域的检测方法、装置和电子设备 | |
CN116109635B (zh) | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 | |
CN113792711A (zh) | 端子板接线视觉检测方法和装置 | |
CN113310997A (zh) | Pcb板缺陷确认方法、装置、自动光学检测设备及储存介质 | |
CN113793429A (zh) | 目标巡检方法和装置 | |
CN112070155A (zh) | 时间序列数据标注方法和装置 | |
CN111421954B (zh) | 智能判定回馈方法及装置 | |
KR20200006028A (ko) | 인쇄 회로 기판 검사 장치, 스크린 프린터의 결함 유형 결정 방법 및 컴퓨터 판독 가능한 기록 매체 | |
CN113920057A (zh) | 一种产品指示灯颜色的识别方法、装置及系统 | |
CN116718600B (zh) | 一种用于对线束产品进行智能化检测的检测装置 | |
CN111854939B (zh) | 一种用于led软灯条的在线检测方法 | |
CN113554645A (zh) | 基于wgan的工业异常检测方法和装置 | |
CN115496894A (zh) | 针对pcba的检测方法以及检测终端 | |
CN114998194A (zh) | 产品缺陷检测方法、系统和存储介质 | |
CN112288017B (zh) | 图像缺陷标注模型的标注准确率识别方法、识别装置 | |
CN114638792A (zh) | 一种用于插件电路板电解电容极性缺陷检测的方法 | |
CN112785100B (zh) | 产品检测阈值设定装置、方法及计算机可读存储介质 | |
CN111157921A (zh) | 接线端子的检测方法、设备、存储介质及处理器 | |
CN112508930A (zh) | 基于深度学习的食品异物检测方法和装置 | |
EP4361554A1 (en) | Automotive wiring inspection method | |
CN116843602B (zh) | 一种缺陷检测方法及视觉检测设备 | |
CN113256615B (zh) | 线形缺陷的检测方法和装置 | |
CN116664551B (zh) | 基于机器视觉的显示屏检测方法、装置、设备及存储介质 | |
CN116342590B (zh) | 晶圆测试针痕的检测方法以及检测装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211214 |
|
RJ01 | Rejection of invention patent application after publication |