CN114627049A - 一种注塑产品表面缺陷检测方法 - Google Patents
一种注塑产品表面缺陷检测方法 Download PDFInfo
- Publication number
- CN114627049A CN114627049A CN202210104092.2A CN202210104092A CN114627049A CN 114627049 A CN114627049 A CN 114627049A CN 202210104092 A CN202210104092 A CN 202210104092A CN 114627049 A CN114627049 A CN 114627049A
- Authority
- CN
- China
- Prior art keywords
- gray
- defects
- different
- injection molding
- injection
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 56
- 238000001746 injection moulding Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 title description 7
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000002347 injection Methods 0.000 claims description 40
- 239000007924 injection Substances 0.000 claims description 40
- 230000002950 deficient Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种注塑产品表面缺陷检测方法，其步骤为：(1)对合格的注塑产品表面图像进行灰度处理，得到合格注塑产品表面在不同光线方向上每一条光线条件下对应的灰度图像；(2)根据不同光线方向上每一条光线条件下对应的合格注塑产品的灰度图像像素值，得到灰度曲线；(3)对有不同缺陷的注塑产品表面图像进行灰度处理；(4)得到不同方向中的每一条光线下对应的不同缺陷注塑产品灰度曲线；(5)对合格注塑产品灰度曲线和有不同缺陷注塑产品灰度曲线进行分类并生成样本；(6)将采集的实测注塑产品的图像经过图像灰度化处理。本发明对注塑产品表面缺陷进行检测和提取，得到灰度信息，对缺陷进行归类。
Description
技术领域
本发明涉及注塑产品生产技术领域，尤其涉及一种注塑产品表面缺陷检测方法。
背景技术
注塑产品生产过程中往往会产生类似变形、缺料或有气泡等类型的缺陷，注塑产品形成缺陷的原因很多，尤其是生产时原料物性参数的变化、工艺参数的不合理以及注塑机性能不足等因素，会使注塑产品出现短射、飞边、裂纹、翘曲、气泡或熔接纹等缺陷，这些缺陷不仅影响注塑产品的外观，还严重影响注塑产品的使用性能，但是，传统上对注塑产品缺陷的检查方法普遍采用人工离线抽样检测，这样的检测方法效率低下，检测标准因检测人员的不同而有异，准确率不高。
发明内容
本发明为解决上述问题，提供了一种注塑产品表面缺陷检测方法。
本发明所采取的技术方案：
一种注塑产品表面缺陷检测方法，其步骤为：
(1)对合格的注塑产品表面图像进行灰度处理，得到合格注塑产品表面在不同光线方向上每一条光线条件下对应的灰度图像；
(2)根据不同光线方向上每一条光线条件下对应的合格注塑产品的灰度图像像素值，得到不同方向中的每一条光线下对应的合格注塑产品灰度曲线；
(3)对有不同缺陷的注塑产品表面图像进行灰度处理，得到不同缺陷注塑产品表面在不同光线方向上每一条光线条件下对应的灰度图像；
(4)根据不同光线方向上每一条光线条件下对应的有不同缺陷注塑产品的灰度图像像素值，得到不同方向中的每一条光线下对应的不同缺陷注塑产品灰度曲线；
(5)对合格注塑产品灰度曲线和有不同缺陷注塑产品灰度曲线进行分类并生成样本，记录有缺陷注塑产品的每一条光线条件下对应的灰度曲线中的波峰波谷在获得在该光线条件下灰度图像中缺陷的位置和缺陷凹陷率；
(6)将采集的实测注塑产品的图像经过图像灰度化处理后，比对每一条光线条件下对应的灰度曲线中的波峰及波谷的重叠程度，得到每组光线条件下缺陷的凹陷率，从而判断注塑产品是否存在注塑缺陷。
所述的灰度曲线处理时要进行平滑去噪，得到去噪后的灰度曲线。
去噪后的所述灰度曲线中的波峰及波谷进行分组，根据每组内波峰及波谷像素值及每组与相邻组之间的灰度值的重叠程度，得到每组的凹陷率。
所述的去噪后的灰度曲线中的波峰及波谷进行分组的方法：根据去噪后的灰度曲线从左往右找到第一个波谷，将该第一个波谷与该第一个波谷后的波峰分为一组，按照波谷在前波峰在后的顺序将相邻波谷及波峰划分为同一组。
本发明的有益效果：本发明对注塑产品表面缺陷进行检测和提取，得到灰度信息，利用缺陷区域自身的特点对注塑产品表面缺陷进行检测，得到更加准确的缺陷区域信息，从而对缺陷进行归类。
具体实施方式
一种注塑产品表面缺陷检测方法，其步骤为：
(1)对合格的注塑产品表面图像进行灰度处理，得到合格注塑产品表面在不同光线方向上每一条光线条件下对应的灰度图像；
(2)根据不同光线方向上每一条光线条件下对应的合格注塑产品的灰度图像像素值，得到不同方向中的每一条光线下对应的合格注塑产品灰度曲线；
(3)对有不同缺陷的注塑产品表面图像进行灰度处理，得到不同缺陷注塑产品表面在不同光线方向上每一条光线条件下对应的灰度图像；
(4)根据不同光线方向上每一条光线条件下对应的有不同缺陷注塑产品的灰度图像像素值，得到不同方向中的每一条光线下对应的不同缺陷注塑产品灰度曲线；
(5)对合格注塑产品灰度曲线和有不同缺陷注塑产品灰度曲线进行分类并生成样本，记录有缺陷注塑产品的每一条光线条件下对应的灰度曲线中的波峰波谷在获得在该光线条件下灰度图像中缺陷的位置和缺陷凹陷率；
(6)将采集的实测注塑产品的图像经过图像灰度化处理后，所述的灰度曲线处理时要进行平滑去噪，得到去噪后的灰度曲线，去噪后的所述灰度曲线中的波峰及波谷进行分组，根据每组内波峰及波谷像素值及每组与相邻组之间的灰度值的重叠程度，得到每组的凹陷率，比对每一条光线条件下对应的灰度曲线中的波峰及波谷的重叠程度，得到每组光线条件下缺陷的凹陷率，从而判断注塑产品是否存在注塑缺陷。
所述的去噪后的灰度曲线中的波峰及波谷进行分组的方法：根据去噪后的灰度曲线从左往右找到第一个波谷，将该第一个波谷与该第一个波谷后的波峰分为一组，按照波谷在前波峰在后的顺序将相邻波谷及波峰划分为同一组。
应用时，当注塑产品表面存在缺陷时，对注塑产品表面图像进行灰度处理，得到缺陷产品表面在不同光线方向上每一条光线条件下对应的灰度图像，根据不同光线方向上每一条光线条件下对应的有不同缺陷注塑产品的灰度图像像素值，得到不同方向中的每一条光线下对应的不同缺陷注塑产品灰度曲线；比对每组内波峰及波谷像素值及每组与相邻组之间的灰度值的重叠程度，得到每组的凹陷率，得到的灰度曲线与有不同缺陷注塑产品灰度曲线的样本比对，缺陷位置和凹陷率最接近的一组为相同的缺陷类型。
以上对本发明的实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
Claims (4)
1.一种注塑产品表面缺陷检测方法，其特征在于，其步骤为：
(1)对合格的注塑产品表面图像进行灰度处理，得到合格注塑产品表面在不同光线方向上每一条光线条件下对应的灰度图像；
(2)根据不同光线方向上每一条光线条件下对应的合格注塑产品的灰度图像像素值，得到不同方向中的每一条光线下对应的合格注塑产品灰度曲线；
(3)对有不同缺陷的注塑产品表面图像进行灰度处理，得到不同缺陷注塑产品表面在不同光线方向上每一条光线条件下对应的灰度图像；
(4)根据不同光线方向上每一条光线条件下对应的有不同缺陷注塑产品的灰度图像像素值，得到不同方向中的每一条光线下对应的不同缺陷注塑产品灰度曲线；
(5)对合格注塑产品灰度曲线和有不同缺陷注塑产品灰度曲线进行分类并生成样本，记录有缺陷注塑产品的每一条光线条件下对应的灰度曲线中的波峰波谷在获得在该光线条件下灰度图像中缺陷的位置和缺陷凹陷率；
(6)将采集的实测注塑产品的图像经过图像灰度化处理后，比对每一条光线条件下对应的灰度曲线中的波峰及波谷的重叠程度，得到每组光线条件下缺陷的凹陷率，从而判断注塑产品是否存在注塑缺陷。
2.根据权利要求1所述是注塑产品表面缺陷检测方法，其特征在于，所述的灰度曲线处理时要进行平滑去噪，得到去噪后的灰度曲线。
3.根据权利要求2所述是注塑产品表面缺陷检测方法，其特征在于，去噪后的所述灰度曲线中的波峰及波谷进行分组，根据每组内波峰及波谷像素值及每组与相邻组之间的灰度值的重叠程度，得到每组的凹陷率。
4.根据权利要求3所述是注塑产品表面缺陷检测方法，其特征在于，所述的去噪后的灰度曲线中的波峰及波谷进行分组的方法：根据去噪后的灰度曲线从左往右找到第一个波谷，将该第一个波谷与该第一个波谷后的波峰分为一组，按照波谷在前波峰在后的顺序将相邻波谷及波峰划分为同一组。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210104092.2A CN114627049A (zh) | 2022-01-28 | 2022-01-28 | 一种注塑产品表面缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210104092.2A CN114627049A (zh) | 2022-01-28 | 2022-01-28 | 一种注塑产品表面缺陷检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114627049A true CN114627049A (zh) | 2022-06-14 |
Family
ID=81898280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210104092.2A Pending CN114627049A (zh) | 2022-01-28 | 2022-01-28 | 一种注塑产品表面缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114627049A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116977333A (zh) * | 2023-09-22 | 2023-10-31 | 山东恒海钢结构有限公司 | 基于图像数据的装配式钢结构构件质量检测方法 |
-
2022
- 2022-01-28 CN CN202210104092.2A patent/CN114627049A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116977333A (zh) * | 2023-09-22 | 2023-10-31 | 山东恒海钢结构有限公司 | 基于图像数据的装配式钢结构构件质量检测方法 |
| CN116977333B (zh) * | 2023-09-22 | 2023-12-22 | 山东恒海钢结构有限公司 | 基于图像数据的装配式钢结构构件质量检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106952250B (zh) | 一种基于Faster R-CNN网络的金属板带表面缺陷检测方法及装置 | |
| CN106934800B (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
| CN109682839B (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
| CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
| CN107490582B (zh) | 一种流水线工件检测系统 | |
| CN107328787A (zh) | 一种基于深度卷积神经网络的金属板带表面缺陷检测系统 | |
| CN112907561A (zh) | 一种基于深度学习的笔记本外观瑕疵检测方法 | |
| CN110111301A (zh) | 基于频域变换的金属氧化表面缺陷视觉检测方法 | |
| CN114723705A (zh) | 一种基于图像处理的布匹瑕疵的检测方法 | |
| CN115100199A (zh) | 一种晶圆低纹理缺陷的检测方法 | |
| CN117132844B (zh) | 一种基于图像处理的光伏板裂纹与划痕的分类方法 | |
| CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
| CN115115625B (zh) | 基于图像处理的电缆生产异常检测方法 | |
| CN114627049A (zh) | 一种注塑产品表面缺陷检测方法 | |
| CN117517325B (zh) | 一种基于机器视觉的铝单板喷涂质量检测分析系统 | |
| CN115690387A (zh) | 一种基于图像识别的合金表面检测系统 | |
| CN107256549B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
| CN113177925B (zh) | 一种无损检测水果表面缺陷的方法 | |
| CN114155226A (zh) | 一种微小缺陷边缘计算方法 | |
| CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
| CN115222735B (zh) | 一种基于麻点缺陷的金属模具质量检测方法 | |
| CN111815575A (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
| CN114166849B (zh) | 一种湿度传感器印刷碳线缺陷和感湿膜缺陷的检测方法 | |
| Si et al. | Deep learning-based defect detection for hot-rolled strip steel | |
| CN114937015A (zh) | 一种锂电池极片制造中智能视觉识别方法和系统 |
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 |