CN114235831B - 一种基于图像检测的注塑工件的缩痕检测方法及装置 - Google Patents

一种基于图像检测的注塑工件的缩痕检测方法及装置 Download PDF

Info

Publication number
CN114235831B
CN114235831B CN202210185047.4A CN202210185047A CN114235831B CN 114235831 B CN114235831 B CN 114235831B CN 202210185047 A CN202210185047 A CN 202210185047A CN 114235831 B CN114235831 B CN 114235831B
Authority
CN
China
Prior art keywords
injection molding
sink mark
information
detection
contour
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.)
Active
Application number
CN202210185047.4A
Other languages
English (en)
Other versions
CN114235831A (zh
Inventor
晋刚
曹永军
梁佳楠
陈樱
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.)
South China University of Technology SCUT
South China Robotics Innovation Research Institute
Institute of Intelligent Manufacturing of Guangdong Academy of Sciences
Original Assignee
South China University of Technology SCUT
South China Robotics Innovation Research Institute
Institute of Intelligent Manufacturing of Guangdong Academy of Sciences
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 South China University of Technology SCUT, South China Robotics Innovation Research Institute, Institute of Intelligent Manufacturing of Guangdong Academy of Sciences filed Critical South China University of Technology SCUT
Priority to CN202210185047.4A priority Critical patent/CN114235831B/zh
Publication of CN114235831A publication Critical patent/CN114235831A/zh
Application granted granted Critical
Publication of CN114235831B publication Critical patent/CN114235831B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N2021/8909—Scan signal processing specially adapted for inspection of running sheets
    • G01N2021/891—Edge discrimination, e.g. by signal filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N2021/8924—Dents; Relief flaws
    • 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
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Textile Engineering (AREA)
  • Immunology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像检测的注塑工件的缩痕检测方法及装置，所述方法包括：将注塑工件按照预设方式放置在检测传送带上，并使检测传送带带动所述注塑工件匀速运动；基于固定设置在检测传送带上的多个摄像头设备对通过的注塑工件进行图像采集处理，获得多张采集图像；分别对多张采集图像进行轮廓提取处理，并进行融合，获得融合轮廓信息；分别对多张采集图像进行像素特征提取处理，并进行融合，获得融合像素特征信息；基于融合轮廓信息和融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果。在本发明实施例中，可以快速准确的检测出注塑工件的缩痕情况，使得技术人员可以根据缩痕情况调整注塑时的工艺参数，保证注塑工件的良率。

Description

一种基于图像检测的注塑工件的缩痕检测方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于图像检测的注塑工件的缩痕检测方法及装置。
背景技术
注塑制品（Injection molding products）是指用注塑成型机把塑料加热塑化熔融，然后再注射到成型模具空腔内成型，经冷却降温，熔体固化后脱模，注塑成型机注射成型的制品；塑料用注塑成型机注塑成型制品品种比较繁多，应用范围也比较广，特别是在纺织设备和汽车制造业中，有多种形状注塑制品作配件；注塑产品常见的工艺问题中包含了注塑缩痕问题，现有的技术中对注塑产品的缩痕检测一般通过人工抽样检测的方式或者计算视觉的方式进行，在人工抽样的方式上无法有效的将具有缩痕的注塑产品从成品中剔除，只能控制其在一定的概率上；而现有的计算视觉的方式上，一般通过单一的摄像头设备进行识别的方式，但由于角度和光照等特殊情况下往往无法精确的识别出相关的缩痕，就无法实现精确的缩痕检测。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于图像检测的注塑工件的缩痕检测方法及装置，可以快速准确的检测出注塑工件的缩痕情况，使得技术人员可以根据缩痕情况调整注塑时的工艺参数，保证注塑工件的良率。
为了解决上述技术问题，本发明实施例提供了一种基于图像检测的注塑工件的缩痕检测方法，所述方法包括：
将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动；
基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像；
分别对所述多张采集图像进行轮廓提取处理，并将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息；
分别对所述多张采集图像进行像素特征提取处理，并将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息；
基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果。
可选的，所述将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动，包括：
将所述注塑工件按照待检测面向上的方式放置在所述检测传送带上，并通过传感器触发所述检测传送带带动所述注塑工件匀速运动。
可选的，所述基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像，包括：
在所述检测传送带带动所述注塑工件匀速通过固定设置在所述检测传送带上的多个摄像头设备下方时，同时触发所述多个摄像头设备对所述注塑工件进行图像采集处理，并根据采集时间和摄像头的编号分别对采集到的采集图像进行标注，形成多种采集图像；
其中所述多个摄像头设备为三个摄像头设备，其中一个摄像头设备垂直设置在所述检测传送带的正上方，另外两个摄像头设备分别设置在所述检测传送带的两侧，分别与所述检测传送带边缘之间的夹角为45度，且所述多个摄像头设备聚焦均为同一点上。
可选的，所述分别对所述多张采集图像进行轮廓提取处理，包括：
分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；
基于Canny边缘检测算法分别对灰度化后的多张采集图像进行缩痕轮廓提取处理，分别获得多张采集图像的缩痕轮廓信息。
可选的，所述将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：
基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息。
可选的，所述基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：
分别对多张采集图像对应的轮廓信息进行轮廓像素信息矩阵构建处理，形成多个轮廓像素矩阵；
基于预设加权融合比例将多个轮廓像素矩阵进行融合处理，获得加权融合轮廓像素矩阵；
基于所述加权融合轮廓像素矩阵获得所述注塑工件对应缩痕的融合轮廓信息。
可选的，所述分别对所述多张采集图像进行像素特征提取处理，包括：
分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；
对灰度化后的每一张采集图像按照预设比例平均划分为若干个待提取区域；
并计算若干个待提取区域内的灰度像素平均值和标准差，并基于灰度像素平均值和标准差确定对应待提取区域的二值化算法；
基于所述二值化算法对对应的待提取区域进行二值化处理，并基于二值化处理结果进行像素特征提取处理。
可选的，所述将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息，包括：
将提取到的多张采集图像的像素特征数据按照预设加权阈值进行加权融合，获得融合像素特征信息。
可选的，所述基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果，包括：
基于所述融合轮廓信息确定第一缩痕信息，并基于所述融合像素特征信息确定第二缩痕信息；
将所述第一缩痕信息与所述第二缩痕信息进行按比例融合处理，并获得融合缩痕信息；
基于缩痕大小匹配方式将所述融合缩痕信息与预留的最大可接受缩痕信息进行缩痕检测处理，获得缩痕检测结果。
另外，本发明实施例还提供了一种基于图像检测的注塑工件的缩痕检测装置，所述装置包括：
放置模块：用于将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动；
图像采集模块：用于基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像；
轮廓提取融合模块：用于分别对所述多张采集图像进行轮廓提取处理，并将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息；
特征提取融合模块：用于分别对所述多张采集图像进行像素特征提取处理，并将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息；
缩痕检测模块：用于基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果。
在本发明实施例中，通过设置多个摄像头设备进行注塑工件的图像采集，并分别进行轮廓提取及融合形成融合轮廓信息，分别进行像素特征提取及融合形成融合像素特征信息；然后通过融合轮廓信息和融合像素特征信息来实现缩痕检测；可以快速准确的检测出注塑工件的缩痕情况，使得技术人员可以根据缩痕情况调整注塑时的工艺参数，保证注塑工件的良率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于图像检测的注塑工件的缩痕检测方法的流程示意图；
图2是本发明实施例中的基于图像检测的注塑工件的缩痕检测装置的结构组成示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
请参阅图1，图1是本发明实施例中的基于图像检测的注塑工件的缩痕检测方法的流程示意图。
如图1所示，一种基于图像检测的注塑工件的缩痕检测方法，所述方法包括：
S11：将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动；
在本发明具体实施过程中，所述将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动，包括：将所述注塑工件按照待检测面向上的方式放置在所述检测传送带上，并通过传感器触发所述检测传送带带动所述注塑工件匀速运动。
具体的，通过相应的机械手或者其他辅助设备将该注塑工件按照待检测面向上的方式放置在检测传送带上，在该检查传送带上设置有相应的视觉摄像头，用于实时监测该监测传送带上是否放置有与待检测注塑工件，在通过视觉摄像头设备检测到检测传送带上放置有注塑工件时，触发该检测传送带带动该注塑工件匀速运动；在检测传送带上没有物品时，该传送带停止运动，减低相应的成本。
S12：基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像；
在本发明具体实施过程中，，所述基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像，包括：在所述检测传送带带动所述注塑工件匀速通过固定设置在所述检测传送带上的多个摄像头设备下方时，同时触发所述多个摄像头设备对所述注塑工件进行图像采集处理，并根据采集时间和摄像头的编号分别对采集到的采集图像进行标注，形成多种采集图像；其中所述多个摄像头设备为三个摄像头设备，其中一个摄像头设备垂直设置在所述检测传送带的正上方，另外两个摄像头设备分别设置在所述检测传送带的两侧，分别与所述检测传送带边缘之间的夹角为45度，且所述多个摄像头设备聚焦均为同一点上。
具体的，在该检测传送带上设置有多个摄像头设备，在本申请中，设置的摄像头设备数量为三个，三个摄像头设备设置在一条直线上，均设置在检测传送带的上方，其中一个垂直设置在检测传送带的正上方，另外两个分别设置在正上方的摄像头设备的两侧，并且拍摄照片的角度与检测传送带的平面形成45度夹角；同时三个摄像头设备的聚焦点在同一点上，即可实现三个摄像头设备在拍摄时，同时拍摄到一个位置上的注塑工件的不同角度的图像照片，方便后续的图像轮廓提取融合和特征提取融合处理。
即在检测传送带带动注塑工件匀速通过固定设置在检测传送带上的多个摄像头设备下方时，通过相关的传感器检测注塑工件是否到达指定位置，比如设置在传送带两侧的红外传感器，在检测到注塑工件到达指定位置时，触发多个摄像头设备同时对注塑工件进行图像采集处理，并且根据采集时间和摄像头的编号分别对采集到的采集图像进行标注，形成多种采集图像。
S13：分别对所述多张采集图像进行轮廓提取处理，并将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息；
在本发明具体实施过程中，所述分别对所述多张采集图像进行轮廓提取处理，包括：分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；基于Canny边缘检测算法分别对灰度化后的多张采集图像进行缩痕轮廓提取处理，分别获得多张采集图像的缩痕轮廓信息。
进一步的，所述将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息。
进一步的，所述基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：分别对多张采集图像对应的轮廓信息进行轮廓像素信息矩阵构建处理，形成多个轮廓像素矩阵；基于预设加权融合比例将多个轮廓像素矩阵进行融合处理，获得加权融合轮廓像素矩阵；基于所述加权融合轮廓像素矩阵获得所述注塑工件对应缩痕的融合轮廓信息。
具体的，需要对多张采集图像中的每一张采集图像都进行灰度化处理，这里可以采用灰度等级直方图处理的方式进行灰度化处理，也可以采用像素加权平均值的方式进行灰度化处理，即可得到灰度化后的多张采集图像；然后通过Canny边缘检测算法分别对灰度化后的多张采集图像进行缩痕轮廓提取处理，分别获得多张采集图像的缩痕轮廓信息；再根据预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息。
即，分别对多张采集图像对应的轮廓信息按照像素值构建轮廓像素信息矩阵构建处理，并形成多个轮廓像素矩阵；然后设置一个预设加权融合比例，根据该预设加权融合比例来将多个轮廓像素矩阵进行融合处理，获得加权融合轮廓像素矩阵；然后根据该加权融合轮廓像素矩阵重新转换为像素值的方式来获得注塑工件对应缩痕的融合轮廓信息。
S14：分别对所述多张采集图像进行像素特征提取处理，并将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息；
在本发明具体实施过程中，所述分别对所述多张采集图像进行像素特征提取处理，包括：分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；对灰度化后的每一张采集图像按照预设比例平均划分为若干个待提取区域；并计算若干个待提取区域内的灰度像素平均值和标准差，并基于灰度像素平均值和标准差确定对应待提取区域的二值化算法；基于所述二值化算法对对应的待提取区域进行二值化处理，并基于二值化处理结果进行像素特征提取处理。
进一步的，所述将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息，包括：将提取到的多张采集图像的像素特征数据按照预设加权阈值进行加权融合，获得融合像素特征信息。
具体的，需要对多张采集图像进行灰度化处理，处理方式可参考上述方式，比如可以采用灰度等级直方图处理的方式进行灰度化处理，也可以采用像素加权平均值的方式进行灰度化处理，即可得到灰度化后的多张采集图像；然后将灰度化后的每一张采集图像按照预设比例平均划分为若干个待提取区域；然后计算每一个待提取区域内的灰度像素平均值和标准差，然后根据该灰度像素平均值和标准差确定每一个待提取区域内的所使用的的二值化算法，并通过该二值化算法对对应待提取区域进行相应的二值化处理，并根据二值化处理结果来实现像素特征提取处理。
最终将提取到的多张采集图像的像素特征数据按照预设加权阈值进行加权融合，获得融合像素特征信息；其中，该加权融合处理为线性加权融合，预设加权阈值之和为1。
S15：基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果。
在本发具体实施过程中，所述基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果，包括：基于所述融合轮廓信息确定第一缩痕信息，并基于所述融合像素特征信息确定第二缩痕信息；将所述第一缩痕信息与所述第二缩痕信息进行按比例融合处理，并获得融合缩痕信息；基于缩痕大小匹配方式将所述融合缩痕信息与预留的最大可接受缩痕信息进行缩痕检测处理，获得缩痕检测结果。
具体的，通过融合轮廓信息确定第一缩痕信息，即通过融合；轮廓信息来获得缩痕轮廓，并通过缩痕轮廓来确定第一缩痕信息；根据融合像素特征信息确定第二缩痕信息，即根据融合像素特征信息确定缩痕像素位置，并根据缩痕像素位置确定第二缩痕信息；然后通过将第一缩痕信息与第二缩痕信息进行按比例融合处理，并获得融合缩痕信息；然后根据缩痕大小匹配方式将融合缩痕信息与预留的最大可接受缩痕信息进行匹配，判断是否在预留的最大可接受缩痕信息内，实现缩痕检测处理，获得缩痕检测结果。
在本发明实施例中，通过设置多个摄像头设备进行注塑工件的图像采集，并分别进行轮廓提取及融合形成融合轮廓信息，分别进行像素特征提取及融合形成融合像素特征信息；然后通过融合轮廓信息和融合像素特征信息来实现缩痕检测；可以快速准确的检测出注塑工件的缩痕情况，使得技术人员可以根据缩痕情况调整注塑时的工艺参数，保证注塑工件的良率。
实施例二
请参阅图2，图2是本发明实施例中的基于图像检测的注塑工件的缩痕检测装置的结构组成示意图。
如图2所示，一种基于图像检测的注塑工件的缩痕检测装置，所述装置包括：
放置模块21：用于将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动；
在本发明具体实施过程中，所述将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动，包括：将所述注塑工件按照待检测面向上的方式放置在所述检测传送带上，并通过传感器触发所述检测传送带带动所述注塑工件匀速运动。
具体的，通过相应的机械手或者其他辅助设备将该注塑工件按照待检测面向上的方式放置在检测传送带上，在该检查传送带上设置有相应的视觉摄像头，用于实时监测该监测传送带上是否放置有与待检测注塑工件，在通过视觉摄像头设备检测到检测传送带上放置有注塑工件时，触发该检测传送带带动该注塑工件匀速运动；在检测传送带上没有物品时，该传送带停止运动，减低相应的成本。
图像采集模块22：用于基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像；
在本发明具体实施过程中，，所述基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像，包括：在所述检测传送带带动所述注塑工件匀速通过固定设置在所述检测传送带上的多个摄像头设备下方时，同时触发所述多个摄像头设备对所述注塑工件进行图像采集处理，并根据采集时间和摄像头的编号分别对采集到的采集图像进行标注，形成多种采集图像；其中所述多个摄像头设备为三个摄像头设备，其中一个摄像头设备垂直设置在所述检测传送带的正上方，另外两个摄像头设备分别设置在所述检测传送带的两侧，分别与所述检测传送带边缘之间的夹角为45度，且所述多个摄像头设备聚焦均为同一点上。
具体的，在该检测传送带上设置有多个摄像头设备，在本申请中，设置的摄像头设备数量为三个，三个摄像头设备设置在一条直线上，均设置在检测传送带的上方，其中一个垂直设置在检测传送带的正上方，另外两个分别设置在正上方的摄像头设备的两侧，并且拍摄照片的角度与检测传送带的平面形成45度夹角；同时三个摄像头设备的聚焦点在同一点上，即可实现三个摄像头设备在拍摄时，同时拍摄到一个位置上的注塑工件的不同角度的图像照片，方便后续的图像轮廓提取融合和特征提取融合处理。
即在检测传送带带动注塑工件匀速通过固定设置在检测传送带上的多个摄像头设备下方时，通过相关的传感器检测注塑工件是否到达指定位置，比如设置在传送带两侧的红外传感器，在检测到注塑工件到达指定位置时，触发多个摄像头设备同时对注塑工件进行图像采集处理，并且根据采集时间和摄像头的编号分别对采集到的采集图像进行标注，形成多种采集图像。
轮廓提取融合模块23：用于分别对所述多张采集图像进行轮廓提取处理，并将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息；
在本发明具体实施过程中，所述分别对所述多张采集图像进行轮廓提取处理，包括：分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；基于Canny边缘检测算法分别对灰度化后的多张采集图像进行缩痕轮廓提取处理，分别获得多张采集图像的缩痕轮廓信息。
进一步的，所述将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息。
进一步的，所述基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：分别对多张采集图像对应的轮廓信息进行轮廓像素信息矩阵构建处理，形成多个轮廓像素矩阵；基于预设加权融合比例将多个轮廓像素矩阵进行融合处理，获得加权融合轮廓像素矩阵；基于所述加权融合轮廓像素矩阵获得所述注塑工件对应缩痕的融合轮廓信息。
具体的，需要对多张采集图像中的每一张采集图像都进行灰度化处理，这里可以采用灰度等级直方图处理的方式进行灰度化处理，也可以采用像素加权平均值的方式进行灰度化处理，即可得到灰度化后的多张采集图像；然后通过Canny边缘检测算法分别对灰度化后的多张采集图像进行缩痕轮廓提取处理，分别获得多张采集图像的缩痕轮廓信息；再根据预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息。
即，分别对多张采集图像对应的轮廓信息按照像素值构建轮廓像素信息矩阵构建处理，并形成多个轮廓像素矩阵；然后设置一个预设加权融合比例，根据该预设加权融合比例来将多个轮廓像素矩阵进行融合处理，获得加权融合轮廓像素矩阵；然后根据该加权融合轮廓像素矩阵重新转换为像素值的方式来获得注塑工件对应缩痕的融合轮廓信息。
特征提取融合模块24：用于分别对所述多张采集图像进行像素特征提取处理，并将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息；
在本发明具体实施过程中，所述分别对所述多张采集图像进行像素特征提取处理，包括：分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；对灰度化后的每一张采集图像按照预设比例平均划分为若干个待提取区域；并计算若干个待提取区域内的灰度像素平均值和标准差，并基于灰度像素平均值和标准差确定对应待提取区域的二值化算法；基于所述二值化算法对对应的待提取区域进行二值化处理，并基于二值化处理结果进行像素特征提取处理。
进一步的，所述将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息，包括：将提取到的多张采集图像的像素特征数据按照预设加权阈值进行加权融合，获得融合像素特征信息。
具体的，需要对多张采集图像进行灰度化处理，处理方式可参考上述方式，比如可以采用灰度等级直方图处理的方式进行灰度化处理，也可以采用像素加权平均值的方式进行灰度化处理，即可得到灰度化后的多张采集图像；然后将灰度化后的每一张采集图像按照预设比例平均划分为若干个待提取区域；然后计算每一个待提取区域内的灰度像素平均值和标准差，然后根据该灰度像素平均值和标准差确定每一个待提取区域内的所使用的的二值化算法，并通过该二值化算法对对应待提取区域进行相应的二值化处理，并根据二值化处理结果来实现像素特征提取处理。
最终将提取到的多张采集图像的像素特征数据按照预设加权阈值进行加权融合，获得融合像素特征信息；其中，该加权融合处理为线性加权融合，预设加权阈值之和为1。
缩痕检测模块25：用于基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果。
在本发具体实施过程中，所述基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果，包括：基于所述融合轮廓信息确定第一缩痕信息，并基于所述融合像素特征信息确定第二缩痕信息；将所述第一缩痕信息与所述第二缩痕信息进行按比例融合处理，并获得融合缩痕信息；基于缩痕大小匹配方式将所述融合缩痕信息与预留的最大可接受缩痕信息进行缩痕检测处理，获得缩痕检测结果。
具体的，通过融合轮廓信息确定第一缩痕信息，即通过融合；轮廓信息来获得缩痕轮廓，并通过缩痕轮廓来确定第一缩痕信息；根据融合像素特征信息确定第二缩痕信息，即根据融合像素特征信息确定缩痕像素位置，并根据缩痕像素位置确定第二缩痕信息；然后通过将第一缩痕信息与第二缩痕信息进行按比例融合处理，并获得融合缩痕信息；然后根据缩痕大小匹配方式将融合缩痕信息与预留的最大可接受缩痕信息进行匹配，判断是否在预留的最大可接受缩痕信息内，实现缩痕检测处理，获得缩痕检测结果。
在本发明实施例中，通过设置多个摄像头设备进行注塑工件的图像采集，并分别进行轮廓提取及融合形成融合轮廓信息，分别进行像素特征提取及融合形成融合像素特征信息；然后通过融合轮廓信息和融合像素特征信息来实现缩痕检测；可以快速准确的检测出注塑工件的缩痕情况，使得技术人员可以根据缩痕情况调整注塑时的工艺参数，保证注塑工件的良率。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，ReadOnly Memory）、随机存取存储器（RAM，Random AccessMemory）、磁盘或光盘等。
另外，以上对本发明实施例所提供的一种基于图像检测的注塑工件的缩痕检测方法及装置进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于图像检测的注塑工件的缩痕检测方法，其特征在于，所述方法包括：
将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动；
基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像；
分别对所述多张采集图像进行轮廓提取处理，并将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息；
分别对所述多张采集图像进行像素特征提取处理，并将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息；
基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果；
所述基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像，包括：
在所述检测传送带带动所述注塑工件匀速通过固定设置在所述检测传送带上的多个摄像头设备下方时，同时触发所述多个摄像头设备对所述注塑工件进行图像采集处理，并根据采集时间和摄像头的编号分别对采集到的采集图像进行标注，形成多张采集图像；
其中所述多个摄像头设备为三个摄像头设备，其中一个摄像头设备垂直设置在所述检测传送带的正上方，另外两个摄像头设备分别设置在所述检测传送带的两侧，分别与所述检测传送带边缘之间的夹角为45度，且所述多个摄像头设备聚焦均为同一点上；
所述基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果，包括：
基于所述融合轮廓信息确定第一缩痕信息，并基于所述融合像素特征信息确定第二缩痕信息；
将所述第一缩痕信息与所述第二缩痕信息进行按比例融合处理，并获得融合缩痕信息；
基于缩痕大小匹配方式将所述融合缩痕信息与预留的最大可接受缩痕信息进行缩痕检测处理，获得缩痕检测结果。
2.根据权利要求1所述的注塑工件的缩痕检测方法，其特征在于，所述将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动，包括：
将所述注塑工件按照待检测面向上的方式放置在所述检测传送带上，并通过传感器触发所述检测传送带带动所述注塑工件匀速运动。
3.根据权利要求1所述的注塑工件的缩痕检测方法，其特征在于，所述分别对所述多张采集图像进行轮廓提取处理，包括：
分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；
基于Canny边缘检测算法分别对灰度化后的多张采集图像进行缩痕轮廓提取处理，分别获得多张采集图像的缩痕轮廓信息。
4.根据权利要求1所述的注塑工件的缩痕检测方法，其特征在于，所述将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：
基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息。
5.根据权利要求4所述的注塑工件的缩痕检测方法，其特征在于，所述基于预设加权融合比例将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息，包括：
分别对多张采集图像对应的轮廓信息进行轮廓像素信息矩阵构建处理，形成多个轮廓像素矩阵；
基于预设加权融合比例将多个轮廓像素矩阵进行融合处理，获得加权融合轮廓像素矩阵；
基于所述加权融合轮廓像素矩阵获得所述注塑工件对应缩痕的融合轮廓信息。
6.根据权利要求1所述的注塑工件的缩痕检测方法，其特征在于，所述分别对所述多张采集图像进行像素特征提取处理，包括：
分别对所述多张采集图像进行灰度化处理，获得灰度化后的多张采集图像；
对灰度化后的每一张采集图像按照预设比例平均划分为若干个待提取区域；
并计算若干个待提取区域内的灰度像素平均值和标准差，并基于灰度像素平均值和标准差确定对应待提取区域的二值化算法；
基于所述二值化算法对对应的待提取区域进行二值化处理，并基于二值化处理结果进行像素特征提取处理。
7.根据权利要求1所述的注塑工件的缩痕检测方法，其特征在于，所述将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息，包括：
将提取到的多张采集图像的像素特征数据按照预设加权阈值进行加权融合，获得融合像素特征信息。
8.一种基于图像检测的注塑工件的缩痕检测装置，其特征在于，所述装置包括：
放置模块：用于将注塑工件按照预设方式放置在检测传送带上，并使所述检测传送带带动所述注塑工件匀速运动；
图像采集模块：用于基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像；
轮廓提取融合模块：用于分别对所述多张采集图像进行轮廓提取处理，并将提取到的多张采集图像对应的轮廓信息进行融合，获得融合轮廓信息；
特征提取融合模块：用于分别对所述多张采集图像进行像素特征提取处理，并将提取到的多张采集图像的像素特征数据进行融合，获得融合像素特征信息；
缩痕检测模块：用于基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果；
所述基于固定设置在所述检测传送带上的多个摄像头设备对通过的所述注塑工件进行图像采集处理，获得多张采集图像，包括：
在所述检测传送带带动所述注塑工件匀速通过固定设置在所述检测传送带上的多个摄像头设备下方时，同时触发所述多个摄像头设备对所述注塑工件进行图像采集处理，并根据采集时间和摄像头的编号分别对采集到的采集图像进行标注，形成多张采集图像；
其中所述多个摄像头设备为三个摄像头设备，其中一个摄像头设备垂直设置在所述检测传送带的正上方，另外两个摄像头设备分别设置在所述检测传送带的两侧，分别与所述检测传送带边缘之间的夹角为45度，且所述多个摄像头设备聚焦均为同一点上；
所述基于所述融合轮廓信息和所述融合像素特征信息进行注塑工件的缩痕检测处理，获得缩痕检测结果，包括：
基于所述融合轮廓信息确定第一缩痕信息，并基于所述融合像素特征信息确定第二缩痕信息；
将所述第一缩痕信息与所述第二缩痕信息进行按比例融合处理，并获得融合缩痕信息；
基于缩痕大小匹配方式将所述融合缩痕信息与预留的最大可接受缩痕信息进行缩痕检测处理，获得缩痕检测结果。
CN202210185047.4A 2022-02-28 2022-02-28 一种基于图像检测的注塑工件的缩痕检测方法及装置 Active CN114235831B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210185047.4A CN114235831B (zh) 2022-02-28 2022-02-28 一种基于图像检测的注塑工件的缩痕检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210185047.4A CN114235831B (zh) 2022-02-28 2022-02-28 一种基于图像检测的注塑工件的缩痕检测方法及装置

Publications (2)

Publication Number Publication Date
CN114235831A CN114235831A (zh) 2022-03-25
CN114235831B true CN114235831B (zh) 2022-08-23

Family

ID=80748226

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210185047.4A Active CN114235831B (zh) 2022-02-28 2022-02-28 一种基于图像检测的注塑工件的缩痕检测方法及装置

Country Status (1)

Country Link
CN (1) CN114235831B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101660894A (zh) * 2009-09-11 2010-03-03 天津大学 基于平行光照明的多目视觉检测装置及方法
CN102288613A (zh) * 2011-05-11 2011-12-21 北京科技大学 一种灰度和深度信息融合的表面缺陷检测方法
JP3197766U (ja) * 2015-03-17 2015-06-04 バイスリープロジェクツ株式会社 表面検査装置
CN108445007A (zh) * 2018-01-09 2018-08-24 深圳市华汉伟业科技有限公司 一种基于图像融合的检测方法及其检测装置
CN110494894A (zh) * 2017-04-07 2019-11-22 科磊股份有限公司 基于轮廓的缺陷检测
CN111272763A (zh) * 2018-12-04 2020-06-12 通用电气公司 用于工件检查的系统和方法
CN113442398A (zh) * 2020-03-24 2021-09-28 住友重机械工业株式会社 成型品检查装置及注射成型系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10027928B2 (en) * 2014-10-28 2018-07-17 Exnodes Inc. Multiple camera computational wafer inspection
WO2019118960A1 (en) * 2017-12-17 2019-06-20 Ramona Optics. Inc. Unscanned optical inspection system using a micro camera array

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101660894A (zh) * 2009-09-11 2010-03-03 天津大学 基于平行光照明的多目视觉检测装置及方法
CN102288613A (zh) * 2011-05-11 2011-12-21 北京科技大学 一种灰度和深度信息融合的表面缺陷检测方法
JP3197766U (ja) * 2015-03-17 2015-06-04 バイスリープロジェクツ株式会社 表面検査装置
CN110494894A (zh) * 2017-04-07 2019-11-22 科磊股份有限公司 基于轮廓的缺陷检测
CN108445007A (zh) * 2018-01-09 2018-08-24 深圳市华汉伟业科技有限公司 一种基于图像融合的检测方法及其检测装置
CN111272763A (zh) * 2018-12-04 2020-06-12 通用电气公司 用于工件检查的系统和方法
CN113442398A (zh) * 2020-03-24 2021-09-28 住友重机械工业株式会社 成型品检查装置及注射成型系统

Also Published As

Publication number Publication date
CN114235831A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN104992449B (zh) 基于机器视觉的信息识别及表面缺陷在线检测方法
CN109974582B (zh) 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法
CN108760747A (zh) 一种3d打印模型表面缺陷视觉检测方法
CN108344743A (zh) 一种基于机器视觉药品泡罩包装缺陷检测方法及系统
CN115122602B (zh) 一种注塑机智能控制方法及系统
CN102441581A (zh) 基于机器视觉的型钢断面尺寸在线检测的装置及方法
CN106706656A (zh) 一种基于机器视觉的拉链检测装置及方法
CN112150439A (zh) 注塑件的自动分拣设备及分拣方法
CN115035092A (zh) 基于图像的瓶体检测方法、装置、设备及存储介质
CN207081666U (zh) 一种基于机器视觉的拉链检测装置
CN114235831B (zh) 一种基于图像检测的注塑工件的缩痕检测方法及装置
CN117124302A (zh) 一种零件分拣方法、装置、电子设备及存储介质
CN103198472A (zh) 一种重型汽车连杆成品质量检测方法及其检测系统
CN110987959A (zh) 一种在线毛刺检测方法
CN116091506B (zh) 一种基于yolov5的机器视觉缺陷质检方法
CN110111317A (zh) 一种基于机器人智能末端的点胶质量视觉检测方法
CN116660281A (zh) 一种基于机器视觉的缺陷检测方法、装置及电子设备
CN114392940B (zh) 一种异型元器件的针脚检测方法及装置
US11878328B2 (en) Color sorting method for small-grain agricultural products combining area scanning photoelectric characteristic and line scanning photoelectric characteristic
CN112837287B (zh) 一种板面缺陷区域的提取方法及装置
CN108401142B (zh) 一种流水线上的工件计数装置及方法
JP2021151744A (ja) 成形品検査装置及び、射出成形システム
CN112184665A (zh) 一种应用于纸塑行业的人工智能缺陷侦测系统
CN111330869A (zh) 一种镜片在线分级的视觉检测方法和系统
CN117455921B (zh) 基于小视野镜头的大景深成像检测方法及系统

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
GR01 Patent grant