CN113959334A - 落料线的板料检测方法、装置及系统 - Google Patents
落料线的板料检测方法、装置及系统 Download PDFInfo
- Publication number
- CN113959334A CN113959334A CN202111220207.6A CN202111220207A CN113959334A CN 113959334 A CN113959334 A CN 113959334A CN 202111220207 A CN202111220207 A CN 202111220207A CN 113959334 A CN113959334 A CN 113959334A
- Authority
- CN
- China
- Prior art keywords
- plate
- graph
- image
- blanking line
- sheet material
- 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 92
- 239000000463 material Substances 0.000 claims abstract description 193
- 238000012545 processing Methods 0.000 claims abstract description 99
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000005070 sampling Methods 0.000 claims description 32
- 238000005259 measurement Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000013139 quantization Methods 0.000 claims description 17
- 238000003711 image thresholding Methods 0.000 claims description 11
- 238000011282 treatment Methods 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000012797 qualification Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 12
- 238000009877 rendering Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003698 laser cutting Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的一种落料线的板料检测方法、装置及系统，为了解决了依靠人工测试速度慢、效率低、准确度不高的问题，本发明的其中一种落料线的板料检测方法包括以下步骤：在线采集落料线上板料的图像；对采集的板料图像进行处理得到待测板料图形；将待测板料图形进行图形对比和测量。本发明解决了人工检测中存在费时费力、效率低的、不能全部检测的问题，而且避免了人工观察判断时存在的误差，提高激光落料生产线板料检测的精确性，提高了加工的合格率。
Description
技术领域
本发明涉及一种落料线的板料检测方法、装置及系统，属于金属加工工艺的视觉识别及测量技术领域。
背景技术
目前，各个行业对于钢板的需求量在增加，落料线的使用也越来越广泛。但是落料线的质量检测均为手动检测，检测精度也依赖于检测人员的水平。并且这个无法现在所有的板料检测，只能是抽检，对于问题也没有办法及时发现，造成废品率较高。
在激光开卷落料生产中，落料的板料是否合格，是否存在尺寸误差超标，激光头自身反馈很难实现这个闭环控制，所以需要人工增加外部设备进行板料尺寸确认。
随着近两年激光落料线的快速发展，落料的形状中弧度更多，依靠人工测试速度慢、效率低、准确度不高的缺点表现日益明显。迫切需要有一种新的识别技术来解决落料线的线尾质量检测和定位问题。
发明内容
本发明的发明目的在于提供一种落料线的板料检测方法、装置及系统，解决了依靠人工测试速度慢、效率低、准确度不高的问题。
本发明解决其技术问题采取的技术方案是：
第一方面，本发明实施例提供的一种落料线的板料检测方法，包括以下步骤：
在线采集落料线上板料的图像；
对采集的板料图像进行处理得到待测板料图形；
将待测板料图形进行图形对比和测量。
作为本实施例一种可能的实现方式，所述在线采集落料线上板料的图像，包括：
采集板料移动的实时速度，根据板料移动的实时速度采集板料的图像。
作为本实施例一种可能的实现方式，所述对采集的板料图像进行处理得到待测板料图形，包括：
对采集的板料图像进行二值化处理和切割处理得到待测板料图形。
作为本实施例一种可能的实现方式，所述将待测板料图形进行图形对比和测量，包括：
将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述将待测板料图形进行图形对比和测量，包括：
对待测板料图形进行边缘绘制并进行图形对比和测量。
作为本实施例一种可能的实现方式，所述在线采集落料线上板料的图像，包括：
设置板料图像的采样周期；
按照采样周期进行采集落料线上板料的图像。
作为本实施例一种可能的实现方式，所述对采集的板料图像进行处理得到待测板料图形，包括：
对采集的板料图像进行k个等间隔量化处理；
对同一采样周期的所有图像进行合并处理。
作为本实施例一种可能的实现方式，所述对待测板料图形进行边缘绘制并进行图形对比和测量，包括：
对合并后的图像进行边缘绘制；
将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述对合并后的图像进行边缘绘制，包括：
对合并后的图像进行边缘图像阈值化处理；
按照8-邻接检测边界得到图像的边界图形。
第二方面，本发明实施例提供的一种落料线的板料检测方法，包括以下步骤：
在线采集落料线上板料的像元；
对采集的板料像元图像进行处理得到待测板料像元图像；
待测板料像元图像进行边缘绘制并进行图形测量。
作为本实施例一种可能的实现方式，所述在线采集落料线上板料的图像，包括：
以设置在落料线移动皮带上编码器的数值作为采集的依据；
按编码器对数进行像元采样，获得落料线上板料的像元图像。
作为本实施例一种可能的实现方式，所述对采集的板料像元图像进行处理得到待测板料像元图像，包括：
对采集的板料像元矩阵向原点进行k个等间隔量化处理；
对同一采样周期的所有图像进行合并处理。
作为本实施例一种可能的实现方式，所述对待测板料像元图像进行边缘绘制并进行图形测量，包括：
对合并后的像元图像进行边缘绘制得到像元图像的边界图形；
对得到的像元图像的边界图形利用设定的特征点进行测量，并计算图形坐标；
将图形坐标与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述对合并后的像元图像进行边缘绘制，包括：
对合并后的像元图像进行边缘图像阈值化处理；
通过边缘识别得到边缘点；
按照8-邻接检测边界得到像元图像的边界图形。
第三方面，本发明实施例提供的一种落料线的板料检测装置，包括：
图像采集模块，用于在线采集落料线上板料的图像；
图像处理模块，用于对采集的板料图像进行处理得到待测板料图形；
板料检测模块，用于将待测板料图形进行图形对比和测量。
作为本实施例一种可能的实现方式，所述板料检测模块，包括：
图形对比模块，用于将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
图形测量模块，用于对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述板料检测模块，还包括：
边缘绘制模块，用于对合并后的图像进行边缘绘制。
第四方面，本发明实施例提供的一种落料线的板料检测装置，包括：
像元采集模块，用于在线采集落料线上板料的像元；
像元处理模块，用于对采集的板料像元图像进行处理得到待测板料像元图像；
板料检测模块，用于待测板料像元图像进行边缘绘制并进行图形测量。
作为本实施例一种可能的实现方式，所述像元采集模块，具体用于：
以设置在落料线移动皮带上编码器的数值作为采集的依据；
按编码器对数进行像元采样，获得落料线上板料的像元图像。
作为本实施例一种可能的实现方式，所述像元处理模块，包括：
间隔量化模块，用于对采集的板料像元矩阵向原点进行k个等间隔量化处理；
图像合并模块，用于对同一采样周期的所有图像进行合并处理。
作为本实施例一种可能的实现方式，所述板料检测模块包括：
边缘绘制模块，用于对合并后的像元图像进行边缘绘制得到像元图像的边界图形；
图形坐标计算模块，用于对得到的像元图像的边界图形利用设定的特征点进行测量，并计算图形坐标；
数据比较模块，用于将图形坐标与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述边缘绘制模块包括：
阈值化处理模块，用于对合并后的像元图像进行边缘图像阈值化处理；
边缘识别模块，用于通过边缘识别得到边缘点；
边界检测模块，用于按照8-邻接检测边界得到像元图像的边界图形。
第五方面，本发明实施例提供的一种落料线的板料检测系统，包括：相机、光源和工控机，所述相机设置在落料线上方，且与工控机电连接，所述光源与相机配套设置为相机进行补光。
作为本实施例一种可能的实现方式，所述工控机安装有图像处理系统程序，所述图像处理系统程序执行上述所述的一种落料线的板料检测方法的步骤。
作为本实施例一种可能的实现方式，该板料检测系统还包括编码器，所述编码器设置在落料线移动皮带上，且与工控机电连接。
作为本实施例一种可能的实现方式，该板料检测系统还包括机器人，所述机器人与工控机电连接，用于抓取落料线移动皮带上的板料。
本发明实施例的技术方案可以具有的有益效果如下：
本发明解决了人工无法在线检测的难题，而且避免了人工测定时存在的误差，提高检测的精确性，提高了加工效率，降低了人力成本。
本发明不仅能够得到板料的尺寸，而且还能确定板料的位置，解决了人工离线检测中存的问题，且可以保证产品的全检测，全纪录，及时发现生产中存在的质量问题。
本发明解决了人工检测中存在费时费力、效率低的、不能全部检测的问题，而且避免了人工观察判断时存在的误差，提高激光落料生产线板料检测的精确性，提高了加工的合格率。
附图说明
图1是根据一示例性实施例示出的一种落料线的板料检测方法的流程图；
图2是根据一示例性实施例示出的一种落料线的板料检测装置的结构图；
图3是根据一示例性实施例示出的一种落料线的板料检测系统中检测装置组成示意图；
图4是根据一示例性实施例示出的一种落料线的板料检测系统中区域分布示意图；
图5是根据一示例性实施例示出的一种落料线的板料检测系统中检测装置安装示意图；
图6是根据一示例性实施例示出的一种落料线的板料检测系统的控制框图；
图7是根据一示例性实施例示出的另一种落料线的板料检测方法的流程图；
图8是根据一示例性实施例示出的另一种落料线的板料检测装置的结构图；
图9是根据一示例性实施例示出的一种落料线的板料检测系统在线检测过程的图形合并示意图；
图10是根据一示例性实施例示出的一种落料线的板料检测系统在线检测过程的检测到边缘图像的示意图；
图11是根据一示例性实施例示出的第三种落料线的板料检测方法的流程图；
图12是根据一示例性实施例示出的第三种落料线的板料检测装置的结构图；
图13是根据一示例性实施例示出的第三种落料线的板料检测装置中板料检测模块的结构图。
具体实施方式
下面结合附图与实施例对本发明做进一步说明：
为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
实施例一
图1是根据一示例性实施例示出的一种落料线的板料检测方法的流程图。如图1所示，本发明实施例提供的一种落料线的板料检测方法，包括以下步骤：
在线采集落料线上板料的图像；
对采集的板料图像进行处理得到待测板料图形；
将待测板料图形进行图形对比和测量。
作为本实施例一种可能的实现方式，所述在线采集落料线上板料的图像，包括：
采集板料移动的实时速度，根据板料移动的实时速度采集板料的图像。
作为本实施例一种可能的实现方式，所述对采集的板料图像进行处理得到待测板料图形，包括：
对采集的板料图像进行二值化处理和切割处理得到待测板料图形。
作为本实施例一种可能的实现方式，所述将待测板料图形进行图形对比和测量，包括：
将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
实施例二
图2是根据一示例性实施例示出的一种落料线的板料检测装置的结构图。如图1所示，本发明实施例提供的一种落料线的板料检测装置，包括：
图像采集模块，用于在线采集落料线上板料的图像；
图像处理模块，用于对采集的板料图像进行处理得到待测板料图形；
板料检测模块，用于将待测板料图形进行图形对比和测量。
作为本实施例一种可能的实现方式，所述图像采集模块，具体用于：采集板料移动的实时速度，根据板料移动的实时速度采集板料的图像。
作为本实施例一种可能的实现方式，所述图像处理模块，具体用于：对采集的板料图像进行二值化处理和切割处理得到待测板料图形。
作为本实施例一种可能的实现方式，所述板料检测模块，包括：
图形对比模块，用于将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
图形测量模块，用于对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
实施例三
如图3-图6所示，本发明实施例提供的一种落料线的板料检测系统，包括：相机、光源和工控机，所述相机设置在落料线上方，且与工控机电连接，所述光源与相机配套设置为相机进行补光。
作为本实施例一种可能的实现方式，所述工控机安装有图像处理系统程序，所述图像处理系统程序执行实施例一所述的一种落料线的板料检测方法的步骤。
作为本实施例一种可能的实现方式，该板料检测系统还包括机器人，所述机器人与工控机电连接，用于抓取落料线移动皮带上的板料。
所述相机采用线扫相机：主要是进行板料的拍照，得到系统的基础数据；所述光源：对板料进行打光，达到快速成像和提高板料的在图片中的识别率。
在该板料检测系统对落料线的板料进行检测过程中，下料区域需要保证相机采集区域和机器人抓了区域的分离，且中间保留一定的安全距离。
在在线采集落料线上板料的图像过程中，自带编码器会反馈实际传送皮带的送料速度，处理系统，会控制线扫相机和光源进行图像采集，本发明实施例中图像采集设备均为线扫像机，但不限于线扫像机，其他图像采集设备均可；图像处理设备均为工控机，但不限于工控机，其他图像处理设备(像PC机等其他计算机)均可，工业相机通过路由器连接处理系统，工业相机通过编程软件把拍摄的照片保存至工控机。
线扫相机的镜头与移动皮带(本发明实施例中使用的是皮带机，但不限于皮带机，其他移动设备均可)正上方放置、即相机镜头中心位置在一条直线上，并且图像采集设备中镜头与板料之间的距离按使用要求进行计算(与要求检测的精度有关)，本发明实施例距离值为360mm，通过工控机控制相机拍摄方管横截面照片。本发明技术方案中光源与相机镜头呈现一定夹角，目的是为了保证相机内镜头视野的亮度，保证了图像处理设备可以自动识别激光切割的缝隙。处理系统依靠缝隙的判断，对图纸进行分析，把闭合切割缝隙内的图形进行截图，然后传送到图形处理程序部分。
在对采集的板料图像进行处理得到待测板料图形过程中，图像处理系统首先进行编码器数据的采集皮带运动信息，根据编码器的脉冲值触发相机拍照，然后对图像进行破解和二值化处理，当判断出一张板料之后，把板料图片发给处理系统。
板料检测分两部分，即定位和测量。
定位：对图纸特征区域的坐标进行识别，根据设定的特征点得出特征点的坐标(x1，y1，θ1)，根据样板点的坐标(x0，y0，θ0)，根据坐标计算出，特征点与样板特征点的偏移量偏差值(x，y，θ)。
测量：根据分离的图形，找图提前预设的图形中需要测量的点，进行测量，然后与预存数据进行比较，从而判断板料是否符合工艺要求。
基于计算机和视觉识别系统应用越来越广泛，例如视觉测量、视觉读码等，就是在装有windows系统的计算机上安装了相关识别软件，进行所需方向的识别。
本实施例不仅能够得到板料的尺寸，而且还能确定板料的位置，解决了人工检测中存在费时费力、效率低的、不能全部检测的问题，而且避免了人工观察判断时存在的误差，提高激光落料生产线板料检测的精确性，提高了加工的合格率。
实施例四
图7是根据一示例性实施例示出的另一种落料线的板料检测方法的流程图。如图7所示，本发明实施例提供的一种落料线的板料检测方法，其特征是，包括以下步骤：
在线采集落料线上板料的图像；
对采集的板料图像进行处理得到待测板料图形；
对待测板料图形进行边缘绘制并进行图形对比和测量。
作为本实施例一种可能的实现方式，所述在线采集落料线上板料的图像，包括：
将编码器设置在落料线移动皮带上，并设置板料图像的采样周期；
按照采样周期进行采集落料线上板料的图像。
作为本实施例一种可能的实现方式，所述对采集的板料图像进行处理得到待测板料图形，包括：
对采集的板料图像进行k个等间隔量化处理；
对同一采样周期的所有图像进行合并处理。
作为本实施例一种可能的实现方式，所述对待测板料图形进行边缘绘制并进行图形对比和测量，包括：
对合并后的图像进行边缘绘制；
将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述对合并后的图像进行边缘绘制，包括：
对合并后的图像进行边缘图像阈值化处理；
按照8-邻接检测边界得到图像的边界图形。
实施例五
图8是根据一示例性实施例示出的另一种落料线的板料检测装置的结构图。如图8所示，本发明实施例提供的一种落料线的板料检测装置，包括：
图像采集模块，用于在线采集落料线上板料的图像；
图像处理模块，用于对采集的板料图像进行处理得到待测板料图形；
板料检测模块，用于对待测板料图形进行边缘绘制并进行图形对比和测量。
作为本实施例一种可能的实现方式，所述图像采集模块，具体用于：将编码器设置在落料线移动皮带上，并设置板料图像的采样周期；按照采样周期进行采集落料线上板料的图像。
作为本实施例一种可能的实现方式，所述图像处理模块，具体用于：对采集的板料图像进行k个等间隔量化处理；对同一采样周期的所有图像进行合并处理。
作为本实施例一种可能的实现方式，所述板料检测模块，包括：
边缘绘制模块，用于对合并后的图像进行边缘绘制；
图形对比模块，用于将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
图形测量模块，用于对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述边缘绘制模块包括：
阈值化处理模块，用于对合并后的图像进行边缘图像阈值化处理；
边界检测模块，用于按照8-邻接检测边界得到图像的边界图形。
实施例六
如图3-图6所示，本发明实施例提供的一种落料线的板料检测系统，包括：相机、光源、工控机和编码器，所述相机设置在落料线上方，且与工控机电连接，所述光源与相机配套设置为相机进行补光；所述编码器设置在落料线移动皮带上，且与工控机电连接。
作为本实施例一种可能的实现方式，所述工控机安装有图像处理系统程序，所述图像处理系统程序执行实施例四所述的一种落料线的板料检测方法的步骤。
作为本实施例一种可能的实现方式，还包括机器人，所述机器人与工控机电连接，用于抓取落料线移动皮带上的板料。
本实施例的一种落料线的板料检测系统的硬件安装设置与实施例三相同，利用本实施例的板料检测系统进行落料线的板料检测过程中，安装支架，多台线性视觉相机、光源、编码器和工控机及相关附件。
本实施例的一种落料线的板料检测系统以编码器的数值作为采集的依据，按编码器对数进行像元采样；图像处理系统将采集的像元图像进行处理，得到一个像元图像；对得到的像元图像进行软件识别部分对设定的特征点进行测量，并计算图形坐标；把得到的数值传送给数据存储系统。
以8个相机测量为例进行说明，本实施例的一种落料线的板料检测系统的具体工作过程如下：
首先根据8个相机的安装位置，对相机进行编号。比如左向右依次为1到8。
在移动皮带上安装编码器，且保证编码器的在稳定运动时与皮带速度一致，确保不能存在相对的位置移动。首先需要计算相机采样的周期，本实施例选择的编码器为2000脉冲/转，编码器上按照的带轮的周长为100mm，即2000脉冲对应100mm，从而得出20脉冲/mm，因为本次测量的精度需要达到0.1mm，所以要求1个脉冲采样一次。
连续图像在采样点处被数字化，这些采样点是在平面上排列的，它们的几何关系为栅格。因此数字图像就是一个数据结构，通常是矩阵。本项目中随着板料的移动，每个相机会采集一个MxN的矩阵像元点。
根据安装位置，首先把采样区域划分为8个区域，为了杜绝像元的丢失，每个相邻区域之间存在5mm的重叠区域。
单相机图像的处理：
先对每个像元是的矩阵向原点进行量化处理，为了更好的分别图像的边缘，量化采用k个等间隔的方法，如果用b为来表示像素亮度的值，那么亮度阶就是k＝2b，本实施例采用每个像元通道(红、绿、蓝各一个)8位的表示方法，及每个图像存储字节中存在8个像元的亮度。量化级别不够时图像的边缘会出现伪轮廓，这就要求量化的级别一定不能太低。
图像合并处理：
因为本实施例8个相机得按照位置已经确定，所以图像的排列顺序是确定的，并且在相机拍摄区域上按照拍摄区域的大学进行了相机重叠安装。图像中采样点是x＝jΔx，y＝kΔy，j＝1,…,M，k＝1,…,N，两个相邻的采样点在x轴上相差Δx，y轴上相差Δy。其中Δx和Δy就是在采样周期内移动的距离，所以最终形成了f(jΔx，kΔy)一个采样。第一个相机形成的矩阵本实施例定义为f1(jΔx1，kΔy1)，第二个为f2(jΔx2，kΔy2)，……，第八个为第二个为f8(jΔx8，kΔy8)。
本实施例选择的为线阵相机，所以采样的矩阵的一个相机的Δx是固定值，但是两个图像叠加的坐标很难完全重合。但是Δy得知项相同的，这是因为本实施例使用的同一个编码器触发采样信号。
如图9所示：假设每个相机可以采样可以得到10x6的像元矩阵，像元的重叠为2。因为是矩阵数据，所以简单的方式是使用矩阵加法直接进行数据的叠加，但是该方法会增加程序的处理速度，所以本实施例采用最简单的方式，直接对相邻的两个点，进行平均法。使用此方法的前提是本实施例此次进行计算的目的是板料测量，本实施例要求的精度为±1mm，而本实施例像元的精度是0.1mm，所以这种方式引起的图形失真对本实施例的测量精度不会造成影响。
边缘绘制：
通过图像的叠加本实施例可以得到一个数字化的图像，它可以使用一个二维矩阵进行表示，并且矩阵的元素是自然数。并且图像中的像元存在邻接性，这里本实施例使用8-邻接性，这不要是考虑本实施例在处理中可能会存在特殊图纸，虽然帮其可以使用相通性进行处理，但是还是会增加计算机的处理程序。
首先对图形进行边缘图像阈值化，因为在图形中不存在0值得像元，所以本实施例需要通过阈值化去掉小像元点(因为本实施例检测的钢板，所以反光明显)。然后开始边界的跟踪。
然后本实施例从矩阵的左上方开始搜索图像纸质遭到一个新区域的第一个像元点，P01，它是这个新区域的所有像元中具有最小行数值的最小的列数的其实像素。定义一个变量dir，存储从前一个边界元素到当然边界元素沿着边界的前一个移动方向，按照8-邻接检测边界如图10所示，由此得出了图像的边界图形。
然后对图像进行测量：
第一会把相关的信息进行截取，之后工控机会对板料图形与标准图形模板进行对比得出现在板料与模板图形的偏差值(x、y、θ)，并把此偏差值传送给机器人系统，机器人安装偏差值进行移动和板料的抓取。第二会对图形进行测量，按照模板中设置的测量点进行尺寸测量和比较，确认该零件是否满足精度要求。
本实施例首先进行编码器数据的采集皮带运动信息，根据编码器的脉冲值触发相机拍照，然后对图像进行像元合并处理和图像边缘绘制，当判断出一张板料之后，把板料图片发给处理系统进行图像处理。
图像处理分两部分，即定位和测量。
定位：对图纸特征区域的坐标进行识别，根据设定的特征点得出特征点的坐标(x1，y1，θ1)，根据样板点的坐标(x0，y0，θ0)，根据坐标计算出，特征点与样板特征点的偏移量偏差值(x，y，θ)。
测量：根据步骤5分离的图形，找图提前预设的图形中需要测量的点，进行测量，然后与预存数据进行比较；或者按标准图形模板进行边缘对比，从而判断板料是否符合工艺要求。
本实施例不仅能够得到板料的尺寸，而且还能确定板料的位置，解决了人工无法在线检测的难题，而且避免了人工测定时存在的误差，提高检测的精确性，提高了加工效率，降低了人力成本。本实施例检测工作在静态测量时比较好用。
实施例七
图11是根据一示例性实施例示出的第三种落料线的板料检测方法的流程图。如图11所示，本发明实施例提供的一种落料线的板料检测方法，其特征是，包括以下步骤：
在线采集落料线上板料的像元；
对采集的板料像元图像进行处理得到待测板料像元图像；
待测板料像元图像进行边缘绘制并进行图形测量。
作为本实施例一种可能的实现方式，所述在线采集落料线上板料的图像，包括：
以设置在落料线移动皮带上编码器的数值作为采集的依据；
按编码器对数进行像元采样，获得落料线上板料的像元图像。
作为本实施例一种可能的实现方式，所述对采集的板料像元图像进行处理得到待测板料像元图像，包括：
对采集的板料像元矩阵向原点进行k个等间隔量化处理；
对同一采样周期的所有图像进行合并处理。
作为本实施例一种可能的实现方式，所述对待测板料像元图像进行边缘绘制并进行图形测量，包括：
对合并后的像元图像进行边缘绘制得到像元图像的边界图形；
对得到的像元图像的边界图形利用设定的特征点进行测量，并计算图形坐标；
将图形坐标与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述对合并后的像元图像进行边缘绘制，包括：
对合并后的像元图像进行边缘图像阈值化处理；
通过边缘识别得到边缘点；
按照8-邻接检测边界得到像元图像的边界图形。
实施例八
图12是根据一示例性实施例示出的第三种一种落料线的板料检测装置的结构图。如图12所示，本发明实施例提供的一种落料线的板料检测装置，包括：
像元采集模块，用于在线采集落料线上板料的像元；
像元处理模块，用于对采集的板料像元图像进行处理得到待测板料像元图像；
板料检测模块，用于待测板料像元图像进行边缘绘制并进行图形测量。
作为本实施例一种可能的实现方式，所述像元采集模块，具体用于：
以设置在落料线移动皮带上编码器的数值作为采集的依据；
按编码器对数进行像元采样，获得落料线上板料的像元图像。
所述像元处理模块，包括：
间隔量化模块，用于对采集的板料像元矩阵向原点进行k个等间隔量化处理；
图像合并模块，用于对同一采样周期的所有图像进行合并处理。
作为本实施例一种可能的实现方式，如图13所示，所述板料检测模块包括：
边缘绘制模块，用于对合并后的像元图像进行边缘绘制得到像元图像的边界图形；
图形坐标计算模块，用于对得到的像元图像的边界图形利用设定的特征点进行测量，并计算图形坐标；
数据比较模块，用于将图形坐标与标准板料数据进行比较，确认该待测板料是否满足精度要求。
作为本实施例一种可能的实现方式，所述边缘绘制模块包括：
阈值化处理模块，用于对合并后的像元图像进行边缘图像阈值化处理；
边缘识别模块，用于通过边缘识别得到边缘点；
边界检测模块，用于按照8-邻接检测边界得到像元图像的边界图形。
实施例九
如图3-图6所示，本发明实施例提供的一种落料线的板料检测系统，包括：相机、光源、工控机和编码器，所述相机设置在落料线上方，且与工控机电连接，所述光源与相机配套设置为相机进行补光；所述编码器设置在落料线移动皮带上，且与工控机电连接。
所述工控机安装有图像处理系统程序，所述图像处理系统程序执行实施例七所述的一种落料线的板料检测方法的步骤。
作为本实施例一种可能的实现方式，该板料检测系统还包括机器人，所述机器人与工控机电连接，用于抓取落料线移动皮带上的板料。
本实施例的一种落料线的板料检测系统的硬件安装设置与实施例六相同，利用本实施例的板料检测系统进行落料线的板料检测过程中，安装支架，多台线性视觉相机、光源、编码器和工控机及相关附件。
实施例六的检测方法在静态测量时比较好用，但是对于动态测量是存在数据处理慢和动态性差的问题，主要出在图像归并上存在缺陷。因此，提出了本实施例的图像处理方式。
与实施例六的检测相同在移动皮带上安装编码器，且保证编码器的在稳定运动时与皮带速度一致，确保不能存在相对的位置移动。首先需要计算相机采样的周期，本实施例选择的编码器为2000脉冲/转，编码器上按照的带轮的周长为100mm，即2000脉冲对应100mm，从而得出20脉冲/mm，因为本次测量的精度需要达到0.1mm，所以要求1个脉冲采样一次。
采样之后立马对单行像元点进行处理，首先进行量化，与实施例六中的单相机图像的处理、边缘识别过程相同，通过边缘识别得到边缘点并按照8-邻接的方式进行保存。
下一次按照第一次的方式，现在进量化、合并之后进行边缘识别得到边缘点，并与上一次的边缘点，按照8-邻接处理方法进行边缘绘制，以此类推。
根据图形的大小可以提前计算图形的需要采集的脉冲数，当数量达到是就可以把绘制完边缘的图形交给软件的测量系统，进行与实施例六相同的测量。
以上实施例六和实施例九描述的两种方法以8个相机为例，通用适用于4～16个相机的处理系统，其中的图像处理和边缘识别也可以使用与单个线扫相机的图像处理。
本实施例解决了人工检测中存在费时费力、效率低的、不能全部检测的问题，而且避免了人工观察判断时存在的误差，提高激光落料生产线板料检测的精确性，提高了加工的合格率。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视作为本发明的保护范围。
Claims (27)
1.一种落料线的板料检测方法，其特征是，包括以下步骤：
在线采集落料线上板料的图像；
对采集的板料图像进行处理得到待测板料图形；
将待测板料图形进行图形对比和测量。
2.根据权利要求1所述的落料线的板料检测方法，其特征是，所述在线采集落料线上板料的图像，包括：
采集板料移动的实时速度，根据板料移动的实时速度采集板料的图像。
3.根据权利要求1所述的落料线的板料检测方法，其特征是，所述对采集的板料图像进行处理得到待测板料图形，包括：
对采集的板料图像进行二值化处理和切割处理得到待测板料图形。
4.根据权利要求1-3任意一项所述的落料线的板料检测方法，其特征是，所述将待测板料图形进行图形对比和测量，包括：
将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
5.根据权利要求1所述的落料线的板料检测方法，其特征是，所述将待测板料图形进行图形对比和测量，包括：
对待测板料图形进行边缘绘制并进行图形对比和测量。
6.根据权利要求5所述的落料线的板料检测方法，其特征是，所述在线采集落料线上板料的图像，包括：
设置板料图像的采样周期；
按照采样周期进行采集落料线上板料的图像。
7.根据权利要求5所述的落料线的板料检测方法，其特征是，所述对采集的板料图像进行处理得到待测板料图形，包括：
对采集的板料图像进行k个等间隔量化处理；
对同一采样周期的所有图像进行合并处理。
8.根据权利要求5-7任意一项所述的落料线的板料检测方法，其特征是，所述对待测板料图形进行边缘绘制并进行图形对比和测量，包括：
对合并后的图像进行边缘绘制；
将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
9.根据权利要求8所述的落料线的板料检测方法，其特征是，所述对合并后的图像进行边缘绘制，包括：
对合并后的图像进行边缘图像阈值化处理；
按照8-邻接检测边界得到图像的边界图形。
10.一种落料线的板料检测方法，其特征是，包括以下步骤：
在线采集落料线上板料的像元；
对采集的板料像元图像进行处理得到待测板料像元图像；
待测板料像元图像进行边缘绘制并进行图形测量。
11.根据权利要求10所述的落料线的板料检测方法，其特征是，所述在线采集落料线上板料的图像，包括：
以设置在落料线移动皮带上编码器的数值作为采集的依据；
按编码器对数进行像元采样，获得落料线上板料的像元图像。
12.根据权利要求10所述的落料线的板料检测方法，其特征是，所述对采集的板料像元图像进行处理得到待测板料像元图像，包括：
对采集的板料像元矩阵向原点进行k个等间隔量化处理；
对同一采样周期的所有图像进行合并处理。
13.根据权利要求10-12任意一项所述的落料线的板料检测方法，其特征是，所述对待测板料像元图像进行边缘绘制并进行图形测量，包括：
对合并后的像元图像进行边缘绘制得到像元图像的边界图形；
对得到的像元图像的边界图形利用设定的特征点进行测量，并计算图形坐标；
将图形坐标与标准板料数据进行比较，确认该待测板料是否满足精度要求。
14.根据权利要求13所述的落料线的板料检测方法，其特征是，所述对合并后的像元图像进行边缘绘制，包括：
对合并后的像元图像进行边缘图像阈值化处理；
通过边缘识别得到边缘点；
按照8-邻接检测边界得到像元图像的边界图形。
15.一种落料线的板料检测装置，其特征是，包括：
图像采集模块，用于在线采集落料线上板料的图像；
图像处理模块，用于对采集的板料图像进行处理得到待测板料图形；
板料检测模块，用于将待测板料图形进行图形对比和测量。
16.根据权利要求15所述的落料线的板料检测装置，其特征是，所述板料检测模块，包括：
图形对比模块，用于将待测板料图形与标准板料图形进行对比，得到待测板料与标准板料图形的偏差值，所述偏差值用于对板料抓取设备进行移动以及板料的抓取；
图形测量模块，用于对待测板料图形进行测量，按照标准板料图形中设置的测量点进行待测板料尺寸测量，并与标准板料数据进行比较，确认该待测板料是否满足精度要求。
17.根据权利要求16所述的落料线的板料检测装置，其特征是，所述板料检测模块，还包括：
边缘绘制模块，用于对合并后的图像进行边缘绘制。
18.一种落料线的板料检测装置，其特征是，包括：
像元采集模块，用于在线采集落料线上板料的像元；
像元处理模块，用于对采集的板料像元图像进行处理得到待测板料像元图像；
板料检测模块，用于待测板料像元图像进行边缘绘制并进行图形测量。
19.根据权利要求18所述的落料线的板料检测装置，其特征是，所述像元采集模块，具体用于：
以设置在落料线移动皮带上编码器的数值作为采集的依据；
按编码器对数进行像元采样，获得落料线上板料的像元图像。
20.根据权利要求18所述的落料线的板料检测装置，其特征是，所述像元处理模块，包括：
间隔量化模块，用于对采集的板料像元矩阵向原点进行k个等间隔量化处理；
图像合并模块，用于对同一采样周期的所有图像进行合并处理。
21.根据权利要求18-20任意一项所述的落料线的板料检测装置，其特征是，所述板料检测模块包括：
边缘绘制模块，用于对合并后的像元图像进行边缘绘制得到像元图像的边界图形；
图形坐标计算模块，用于对得到的像元图像的边界图形利用设定的特征点进行测量，并计算图形坐标；
数据比较模块，用于将图形坐标与标准板料数据进行比较，确认该待测板料是否满足精度要求。
22.根据权利要求21所述的落料线的板料检测装置，其特征是，所述边缘绘制模块包括：
阈值化处理模块，用于对合并后的像元图像进行边缘图像阈值化处理；
边缘识别模块，用于通过边缘识别得到边缘点；
边界检测模块，用于按照8-邻接检测边界得到像元图像的边界图形。
23.一种落料线的板料检测系统，其特征是，包括：相机、光源和工控机，所述相机设置在落料线上方，且与工控机电连接，所述光源与相机配套设置为相机进行补光。
24.根据权利要求23所述的落料线的板料检测系统，其特征是，所述工控机安装有图像处理系统程序，所述图像处理系统程序执行如权利要求1-4任意一项所述的一种落料线的板料检测方法的步骤。
25.根据权利要求23所述的落料线的板料检测系统，其特征是，还包括编码器，所述编码器设置在落料线移动皮带上，且与工控机电连接。
26.根据权利要求25所述的落料线的板料检测系统，其特征是，所述工控机安装有图像处理系统程序，所述图像处理系统程序执行如权利要求5-14任意一项所述的一种落料线的板料检测方法的步骤。
27.根据权利要求23-26任意一项所述的落料线的板料检测系统，其特征是，还包括机器人，所述机器人与工控机电连接，用于抓取落料线移动皮带上的板料。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111220207.6A CN113959334A (zh) | 2021-10-20 | 2021-10-20 | 落料线的板料检测方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111220207.6A CN113959334A (zh) | 2021-10-20 | 2021-10-20 | 落料线的板料检测方法、装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113959334A true CN113959334A (zh) | 2022-01-21 |
Family
ID=79465565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111220207.6A Pending CN113959334A (zh) | 2021-10-20 | 2021-10-20 | 落料线的板料检测方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113959334A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010078574A (ja) * | 2008-09-29 | 2010-04-08 | Toppan Printing Co Ltd | 板状金属表面自動検査装置 |
| US20120283861A1 (en) * | 2011-05-02 | 2012-11-08 | Autoform Engineering Gmbh | Method and computer system for characterizing a sheet metal part |
| CN104655649A (zh) * | 2015-02-27 | 2015-05-27 | 河南科技大学 | 冲压加工在线视觉检测装置和检测方法 |
| CN105069806A (zh) * | 2015-08-25 | 2015-11-18 | 西安电子科技大学 | 一种三点联合的图像边缘检测方法 |
| CN105674910A (zh) * | 2016-01-14 | 2016-06-15 | 江苏大学 | 一种超大型剪板机板料剪切边缘曲线检测系统及方法 |
| CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
| EP3754333A1 (de) * | 2019-06-19 | 2020-12-23 | Textechno Herbert Stein Gmbh & Co. Kg | Vorrichtung zur messung von kennwerten eines fadenprüfgutes sowie system umfassend eine vorrichtung zur messung von kennwerten eines fadenprüfgutes und ein fadenprüfgerät |
| CN113405530A (zh) * | 2021-07-02 | 2021-09-17 | 菲特（天津）检测技术有限公司 | 冲压工艺板料偏移视觉测量系统、方法、设备、生产线、终端 |
-
2021
- 2021-10-20 CN CN202111220207.6A patent/CN113959334A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010078574A (ja) * | 2008-09-29 | 2010-04-08 | Toppan Printing Co Ltd | 板状金属表面自動検査装置 |
| US20120283861A1 (en) * | 2011-05-02 | 2012-11-08 | Autoform Engineering Gmbh | Method and computer system for characterizing a sheet metal part |
| CN104655649A (zh) * | 2015-02-27 | 2015-05-27 | 河南科技大学 | 冲压加工在线视觉检测装置和检测方法 |
| CN105069806A (zh) * | 2015-08-25 | 2015-11-18 | 西安电子科技大学 | 一种三点联合的图像边缘检测方法 |
| CN105674910A (zh) * | 2016-01-14 | 2016-06-15 | 江苏大学 | 一种超大型剪板机板料剪切边缘曲线检测系统及方法 |
| EP3754333A1 (de) * | 2019-06-19 | 2020-12-23 | Textechno Herbert Stein Gmbh & Co. Kg | Vorrichtung zur messung von kennwerten eines fadenprüfgutes sowie system umfassend eine vorrichtung zur messung von kennwerten eines fadenprüfgutes und ein fadenprüfgerät |
| CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
| CN113405530A (zh) * | 2021-07-02 | 2021-09-17 | 菲特（天津）检测技术有限公司 | 冲压工艺板料偏移视觉测量系统、方法、设备、生产线、终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110596131B (zh) | 一种基于图像采集的片状玻璃边缘瑕疵检测方法 | |
| CN105784716B (zh) | 摩擦片质量检验系统 | |
| CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
| US7495758B2 (en) | Apparatus and methods for two-dimensional and three-dimensional inspection of a workpiece | |
| CN102621156B (zh) | 基于图像处理的微小零件自动分拣系统 | |
| CN105783723B (zh) | 基于机器视觉的精密模具表面加工精度检测装置及方法 | |
| CN108592816B (zh) | 一种用于大尺寸表面的三维测量装置和方法 | |
| CN102506830B (zh) | 视觉定位方法及装置 | |
| CN106525873A (zh) | 一种基于机器视觉的全自动旋转印刷产品缺陷检测装置 | |
| CN1633592A (zh) | 卷筒材料的检查方法和装置 | |
| CN109405755B (zh) | 一种大尺寸管板孔径和节距测量装置与测量方法 | |
| CN111982921A (zh) | 孔缺陷的检测方法、装置、传送平台及存储介质 | |
| CN114034704A (zh) | 一种基于多源数据融合的废旧轧辊三维检测装置及方法 | |
| CN115131268A (zh) | 一种基于图像特征提取与三维模型匹配的自动化焊接系统 | |
| CN110715623A (zh) | 一种瓷砖平整度检测设备及方法 | |
| CN105424721A (zh) | 一种金属应变计缺陷自动检测系统 | |
| CN115791830A (zh) | 一种钢板检测系统、钢板检测方法及电子设备 | |
| CN105023018A (zh) | 一种喷码检测方法及系统 | |
| CN114280073A (zh) | 激光和相机复合检测方式的瓷砖缺陷检测装置及分级方法 | |
| CN116465335A (zh) | 基于点云匹配的自动测厚方法和系统 | |
| CN114119483A (zh) | 基于图像处理技术的建筑用轻质墙板质量检测方法及装置 | |
| CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
| CN205333535U (zh) | 一种金属应变计缺陷自动检测系统 | |
| CN105354855A (zh) | 一种高耸结构外观检测装置及方法 | |
| CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 |
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 |