CN115100195A - 一种用于片材检测的一体化工业相机 - Google Patents
一种用于片材检测的一体化工业相机 Download PDFInfo
- Publication number
- CN115100195A CN115100195A CN202211015341.7A CN202211015341A CN115100195A CN 115100195 A CN115100195 A CN 115100195A CN 202211015341 A CN202211015341 A CN 202211015341A CN 115100195 A CN115100195 A CN 115100195A
- Authority
- CN
- China
- Prior art keywords
- defect
- unit
- image
- module
- data
- 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
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
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于片材检测的一体化工业相机,包括:图像传感器、FPGA模块以及DDR模块,所述FPGA模块包括图像解码单元、缺陷检测单元、循环存储驱动单元以及测宽单元;所述图像传感器用于采集待测片材的图像数据并发送至图像解码单元进行解码,生成图像解码数据,并将所述图像解码数据分别发送至所述缺陷检测单元、循环存储驱动单元以及测宽单元;该方法能够将图像处理、缺陷检测以及测宽的功能集成在对片材图像数据进行采集的工业相机中,只需将缺陷检测及测宽结果上传至上位机,片材检测较为全面,检测效率高。
Description
技术领域
本发明涉及片材检测技术领域,尤其涉及一种用于片材检测的一体化工业相机。
背景技术
现有的片材检测或表面缺陷检测装置及系统中,用于采集待测片材图像的图像采集装置和用于对图像进行分析处理的智能处理装置通常是两个独立的装置,采用工业相机进行片材图像采集,再将采集到的图像数据上传至上位机,在上位机中进行缺陷检测。
例如,专利文献CN111912854A公开了一种基于振镜快速扫描的大面积表面缺陷光学检测系统及方法,包括硬件部分和软件部分,其中:硬件部分包括相机成像模块和扫描振镜模块,相机成像模块用于采集物体表面图像;扫描振镜模块包括两个旋转轴相互垂直的振镜;软件部分包括扫描振镜控制模块、相机成像控制模块、缺陷智能检测模块、判断输出模块,扫描振镜控制模块用于控制振镜的旋转角度;相机成像控制模块用于设置相机成像模块参数;缺陷智能检测模块用于进行图像缺陷检测;判断输出模块用于对缺陷图像中缺陷类型进行标注和分类。
该方案能够完成对待检测对象的缺陷检测,但是缺少高度的集成化设计,装置中需要传输的数据量较大,缺陷检测效率不够高;同时,在对片材进行检测的实际生产应用中,有对片材同时进行测宽操作的需求,该方案也未能满足。
发明内容
本发明提供了一种用于片材检测的一体化工业相机,将图像处理、缺陷检测以及测宽的功能集成在对片材图像数据进行采集的工业相机中,只需将缺陷检测及测宽结果上传至上位机,片材检测较为全面,检测效率高。
一种用于片材检测的一体化工业相机,包括:图像传感器、FPGA模块以及DDR模块,所述FPGA模块包括图像解码单元、缺陷检测单元、循环存储驱动单元以及测宽单元;
所述图像传感器用于采集待测片材的图像数据并发送至图像解码单元进行解码,生成图像解码数据,并将所述图像解码数据分别发送至所述缺陷检测单元、循环存储驱动单元以及测宽单元;所述循环存储驱动单元用于将所述图像解码数据写入所述DDR模块,所述缺陷检测单元用于基于所述图像解码数据进行缺陷定位,并从所述DDR模块中查找对应的缺陷图像数据,再通过所述缺陷图像数据进行缺陷分类,获得缺陷分类信息;所述测宽单元用于基于所述图像解码数据进行片材的宽度检测,获得片材宽度信息。
进一步地,所述DDR模块为双倍速率同步动态随机存储器。
进一步地,所述FPGA模块还包括第一以太网单元,所述相机还包括第一通信端口模块;
所述第一以太网单元还用于将所述缺陷图像数据和所述缺陷分类信息进行打包,形成缺陷包数据并发送至所述第一通信端口模块,所述第一通信端口模块用于将所述缺陷包数据发送至上位机。
所述FPGA模块还包括第二以太网单元;所述相机还包括第二通信端口模块;
所述第二以太网单元用于将所述片材宽度信息进行组包处理得到宽度包数据,并将所述宽度包数据发送至第二通信端口模块,所述第二通信端口模块用于将所述宽度包数据发送至上位机。
进一步地,所述FPGA模块还包括车速与曝光控制单元以及事务处理单元;
所述车速与曝光控制单元用于接收外部输入的车速信号并进行解析,获得车速值和车速方向,根据车速信号的信号周期、所述车速值、FPGA模块内部的时钟频率、图像的纵向分辨率计算车速系数,根据所述车速系数计算图像的曝光频率,并生成曝光触发同步信号;所述曝光触发同步信号用于控制所述图像传感器的曝光频率;
所述事务处理单元用于接收所述车速值和车速方向的数据进行格式处理并发送至所述第一以太网单元;
所述第一以太网单元还用于接收上位机发送的配置参数并传输至所述事务处理单元,所述事务处理单元还用于根据所述配置参数对各个单元进行配置。
进一步地,所述缺陷检测单元包括缺陷定位单元、缺陷上传单元以及缺陷分类单元;所述缺陷定位单元对所述解码图像数据进行缺陷定位,并将缺陷定位信息发送至所述缺陷上传单元,所述缺陷上传单元用于根据所述缺陷定位信息生成请求信息并发送至所述循环存储驱动单元,所述循环存储驱动单元根据所述请求信息从所述DDR模块提取对应于所述缺陷定位信息的缺陷图像数据并发送至所述缺陷分类单元,所述缺陷分类单元用于根据接收的缺陷图像数据,基于预先训练的神经网络模型识别片材的缺陷类型。
进一步地,所述缺陷定位单元用于对所述图像解码数据进行滑动滤波,对滑动滤波后的图像解码数据分别进行灰度阈值处理、几何算法阈值处理、变尺度阈值处理,分别获得灰度二值化图像、几何二值化图像以及变尺度二值化图像,将所述灰度二值化图像、几何二值化图像以及变尺度二值化图像进行叠加,获得叠加图像,将所述叠加图像中的亮斑或者黑暗区域确定为缺陷区域,并获取所述缺陷区域的横向尺寸、横向列地址、纵向尺寸、纵向行地址。
进一步地,所述循环存储驱动单元根据所述缺陷区域的横向列地址和纵向行地址,从所述DDR模块中查找对应的横向列地址和纵向行地址,并根据所述横向尺寸和纵向尺寸确定提取区域,读取相关的图像解码数据作为缺陷图像数据。
进一步地,所述相机还包括MCU和温度传感器;所述温度传感器用于采集相机内部的温度信号,并将所述温度信号发送至所述MCU;
所述MCU用于接收所述温度信号并进行解析发送至所述事务处理单元,所述事务处理单元用于将解析后的温度信号传输至所述第一以太网模块并通过所述第一通信端口模块发送至上位机。
进一步地,所述相机还包括高速隔离输入模块、高速隔离输出模块以及插座模块;
所述插座模块用于接收来自相机外部的车速信号并发送至所述高速隔离输入模块,所述车速信号经所述高速隔离输入模块隔离处理之后发送至所述车速与曝光控制单元,所述高速隔离输出模块用于接收FPGA模块生成的控制信号并经隔离处理之后发送至所述插座模块;所述控制信号包括采集图像数据时的行扫描同步信号、宽度检测时的纵向同步信号。
本发明提供的用于片材检测的一体化工业相机,至少包括如下有益效果:
(1)将图像处理、缺陷检测以及测宽的功能集成在对片材图像数据进行采集的工业相机中,只需将缺陷检测及测宽结果上传至上位机,在工业相机内部进行缺陷检测和测宽处理,实现了整个系统的边缘计算,检测效率高。
(2)接收外部输入的车速信号,根据工业相机实时运行的车速信息对图像采集曝光频率进行灵活调节,使得采集到的图像数据更好地反映片材情况,实现了更好的缺陷检测及测宽效果。
(3)缺陷检测单元中,在通过神经网络模型对缺陷类型进行识别之前,首先采用缺陷定位单元对解码后的图像解码数据进行了滤波、阈值处理、叠加等一系列操作进行缺陷定位,根据定位到的图像进行缺陷识别,减少了神经网络模型中的运算量,从而实现了工业相机多个功能的一体化集成,在相机内部实现了缺陷检测的功能。
附图说明
图1为本发明提供的用于片材检测的一体化工业相机第一实施例的结构示意图。
图2为本发明提供的用于片材检测的一体化工业相机第二实施例的结构示意图。
图3为本发明提供的用于片材检测的一体化工业相机第三实施例的结构示意图。
图4为本发明提供的用于片材检测的一体化工业相机第四实施例的结构示意图。
图5为本发明提供的用于片材检测的一体化工业相机中缺陷检测单元一种实施例的结构示意图。
图6为本发明提供的用于片材检测的一体化工业相机第五实施例的结构示意图。
图7为本发明提供的用于片材检测的一体化工业相机第六实施例的结构示意图。
图8为本发明提供的采用上述一体化工业相机进行片材检测的方法一种实施例的流程图。
附图标记:1-图像传感器,2-FPGA模块,201-图像解码单元,202-缺陷检测单元,2021-缺陷定位单元,2022-缺陷上传单元,2023-缺陷分类单元,203-循环存储驱动单元,204-测宽单元,205-第一以太网单元,206-第二以太网单元,207-车速与曝光控制单元,208-事务处理单元,3-DDR模块,4-第一通信端口模块,5-第二通信端口模块,6-MCU,7-温度传感器,8-高速隔离输入模块,9-高速隔离输出模块,10-插座模块。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
参考图1,在一些实施例中,提供一种用于片材检测的一体化工业相机,包括:图像传感器1、FPGA模块2以及DDR模块3,FPGA模块2包括图像解码单元201、缺陷检测单元202、循环存储驱动单元203以及测宽单元204;
图像传感器1用于采集待测片材的图像数据并发送至图像解码单元201进行解码,生成图像解码数据,并将所述图像解码数据分别发送至缺陷检测单元202、循环存储驱动单元203以及测宽单元204;循环存储驱动单元203用于将所述图像解码数据写入DDR模块3,缺陷检测单元202用于基于所述图像解码数据进行缺陷定位,并从DDR模块3中查找对应的缺陷图像数据,再通过所述缺陷图像数据进行缺陷分类,获得缺陷分类信息;测宽单元204用于基于所述图像解码数据进行片材的宽度检测,获得片材宽度信息。
其中,图像解码单元201用于接收图像传感器1的图像数据,并对其进行暗电平矫正、数字偏移调节以及数字增益调节,最后将解码后的图像数据输出至缺陷检测单元202、循环存储驱动单元203以及测宽单元204。
测宽单元204不但能够检测出片材的两个边沿计算其宽度,还可以对电池极片斑马涂时多条边沿的同时跟踪计算能力。
作为一种较优的实施方式,DDR模块3为双倍速率同步动态随机存储器,存储的图像数据从0至最大地址循环写入,始终保存最新的一定长度的图像解码数据。
参考图2,在一些实施例中,FPGA模块2还包括第一以太网单元205,所述相机还包括第一通信端口模块4;
第一以太网单元205还用于将缺陷图像数据和缺陷分类信息进行打包,形成缺陷包数据并发送至第一通信端口模块4,第一通信端口模块4用于将所述缺陷包数据发送至上位机。
参考图3,在一些实施例中,FPGA模块2还包括第二以太网单元206;相机还包括第二通信端口模块5;
第二以太网单元206用于将所述片材宽度信息进行组包处理得到宽度包数据,并将所述宽度包数据发送至第二通信端口模块5,第二通信端口模块5用于将所述宽度包数据发送至上位机。
参考图4,在一些实施例中,FPGA模块2还包括车速与曝光控制单元207以及事务处理单元208;
车速与曝光控制单元207用于接收外部输入的车速信号并进行解析,获得车速值和车速方向,根据车速信号的信号周期、所述车速值、FPGA模块内部的时钟频率、图像的纵向分辨率计算车速系数,根据所述车速系数计算图像的曝光频率,并生成曝光触发同步信号;所述曝光触发同步信号用于控制所述图像传感器1的曝光频率;
具体地,车速与曝光控制单元采用测量两次车速信号的间隔时钟周期数N来表示实际车速S(米/分钟)的大小,两者关系通过如下公式表示:
k*(N/U) =J / (S*1000/60) ;
其中,U表示时钟频率,N/U为输入车速信号的周期T,U/N为输入车速的频率F,J(单位为毫米)表示获取图像的纵向分辨率,k的意义是输入车速信号频率与实际车速的系数,公式可变为k=F*J / (S*1000/60))。由上面公式可以获得准确的k值。
相机行间隔时间H= k*N/U,行间隔计数值Z/U= H,即 Z= k*N,根据实际输入车速信号与车速值的系数k的大小,需要对输入的车速信号进行倍频或分频,包括非整数系数的处理。进而,通过频率U的时钟计数Z,就可以获得行曝光信号的周期。
事务处理单元208用于接收所述车速值和车速方向的数据进行格式处理并发送至第一以太网单元205;
第一以太网单元205还用于接收上位机发送的配置参数并传输至事务处理单元208,事务处理单元208还用于根据所述配置参数对各个单元进行配置。
作为一种较优的实施方式,第一通信端口模块4和第二通信端口模块5均采用网络PHY芯片。
参考图5,在一些实施例中,缺陷检测单元202包括缺陷定位单元2021、缺陷上传单元2022以及缺陷分类单元2023;缺陷定位单元2021对所述解码图像数据进行缺陷定位,并将缺陷定位信息发送至缺陷上传单元2022,缺陷上传单元2022用于根据所述缺陷定位信息生成请求信息并发送至循环存储驱动单元203,循环存储驱动单元203根据所述请求信息从DDR模块3提取对应于所述缺陷定位信息的缺陷图像数据并发送至缺陷分类单元2023,缺陷分类单元2023用于根据接收的缺陷图像数据,基于预先训练的多层神经网络模型识别片材的缺陷类型。
其中,缺陷定位单元2021内部采用8路并行处理结构,每路包含并行多模式缺陷检测功能,检出的缺陷定位信息发送至缺陷上传单元2022。
缺陷定位单元2021用于对所述图像解码数据进行滑动滤波,对滑动滤波后的图像解码数据分别进行灰度阈值处理、几何算法阈值处理、变尺度阈值处理,分别获得灰度二值化图像、几何二值化图像以及变尺度二值化图像,将所述灰度二值化图像、几何二值化图像以及变尺度二值化图像进行叠加,获得叠加图像,将所述叠加图像中的亮斑或者黑暗区域确定为缺陷区域,并获取所述缺陷区域的横向尺寸、横向列地址、纵向尺寸、纵向行地址。
循环存储驱动单元203根据所述缺陷区域的横向列地址和纵向行地址,从DDR模块3中查找对应的横向列地址和纵向行地址,并根据所述横向尺寸和纵向尺寸确定提取区域,读取相关的图像解码数据作为缺陷图像数据。
具体地,双倍速率同步动态随机存储器具有固定容量,例如容量为512M字节。假设相机是8192点,则双倍速率同步动态随机存储器最多能保存65536行相机数据。目前,双倍速率同步动态随机存储器内图像存储采用动态更新原则,即始终循环写最新数据到双倍速率同步动态随机存储器中,以保证最新的65536行数据都能随时读取出来。FPGA模块2内部有一个64位的图像行计数器,作为整个系统的图像纵向位置的公共参考行地址值。
缺陷定位单元2021能将定位到缺陷的行地址值、纵向行数和横向位置、横向点数,一般取图像的位置要根据缺陷定位范围进行扩展,比如缺陷是在100050行,纵向持续100行,横向位置3100,横向持续30点,取图的话纵向各扩展50行就从100000行到100200,横向两边各扩展100行,横向取图从3000到3230。根据所述缺陷定位信息生成请求信息并发送至所述循环存储驱动单元203,DDR模块3根据当前写入的行地址,可以得到需要读取图片的位置,按照给定的尺寸进行读取。
第一以太网单元205用于接收缺陷上传单元2022和事务处理单元208的数据后进行UDP层/IP层/MAC层组包,最后将包数据发送到FPGA模块2外部的第一通信端口模块4上。同时,接收第一通信端口模块4的包数据,经过解包校验后获取上位机数据到事务数据处理单元208。
第二以太网单元206用于接收缺陷上传单元2022和事务处理单元208的数据后进行UDP层/IP层/MAC层组包,最后将包数据发送到FPGA模块2外部的第二通信端口模块5上。同时,接收第二通信端口模块5的包数据,经过解包校验后获取上位机数据到测宽单元204。
在一些实施例中,测宽单元204将测宽数据按固定格式进行组包后发送到第二以太网单元206,同时接收来自第二以太网单元206的上位机数据包,对来自第二以太网单元206的上位机数据包进行解码后,得到测宽命令和参数数据进行16通道测宽。
参考图6,在一些实施例中,相机还包括MCU6和温度传感器7;温度传感器7用于采集相机内部的温度信号,并将所述温度信号发送至MCU6,用于防止相机温度过高,及时进行报警和断电保护。
MCU6用于接收所述温度信号并进行解析发送至事务处理单元208,事务处理单元208用于将解析后的温度信号传输至所述第一以太网模块205并通过第一通信端口模块4发送至上位机。
参考图7,在一些实施例中,所述相机还包括高速隔离输入模块8、高速隔离输出模块9以及插座模块10;
插座模块10用于接收来自相机外部的车速信号并发送至高速隔离输入模块8,车速信号经高速隔离输入模块8隔离处理之后发送至车速与曝光控制单元207,高速隔离输出模块9用于接收FPGA模块2生成的控制信号并经隔离处理之后发送至插座模块10,所述控制信号包括采集图像数据时的行扫描同步信号、宽度检测时的纵向同步信号。
其中,插座模块10采用DB15插座,用于接入外部的车速、按钮、光电等同步控制信号到高速隔离输入模块8,同时输出高速隔离输出的控制信号,比如报警信号、贴标信号以及同步信号等。
在一些实施例中,相机还包括电源模块以及电源插座,六芯电源插座接入5-24伏相机供电电压后,转到电源模块;相机接入电源模块的输入后,经过多组多级电源芯片,产生FPGA模块2、图像传感器1以及其他元件需要的供电。
在一些实施例中,相机还包括Flash模块,在相机上电后自动对FPGA进行初始工作配置。
参考图8,在一些实施例中,提供一种采用上述一体化工业相机进行片材检测的方法,包括:
S1、采集待测片材的图像数据并发送至图像解码单元进行解码,生成图像解码数据;
S2、将所述图像解码数据分别发送至所述缺陷检测单元、循环存储驱动单元以及测宽单元;
S3、所述循环存储驱动单元将所述图像解码数据写入所述DDR模块;
S4、所述缺陷检测单元基于所述图像解码数据进行缺陷定位,并从所述DDR模块中查找对应的缺陷图像数据,再通过所述缺陷图像数据进行缺陷分类,获得缺陷分类信息;
S5、所述测宽单元基于所述图像解码数据进行片材的宽度检测,获得片材宽度信息。
本实施例提供的用于片材检测的一体化工业相机,将图像处理、缺陷检测以及测宽的功能集成在对片材图像数据进行采集的工业相机中,只需将缺陷检测及测宽结果上传至上位机,在工业相机内部进行缺陷检测和测宽处理,实现了整个系统的边缘计算,检测效率高;接收外部输入的车速信号,根据工业相机实时运行的车速信息对图像采集曝光频率进行灵活调节,使得采集到的图像数据更好地反映片材情况,实现了更好的缺陷检测及测宽效果;缺陷检测单元中,在通过神经网络模型对缺陷类型进行识别之前,首先采用缺陷定位单元对解码后的图像解码数据进行了滤波、阈值处理、叠加等一系列操作进行缺陷定位,根据定位到的图像进行缺陷识别,减少了神经网络模型中的运算量,从而实现了工业相机多个功能的一体化集成,在相机内部实现了缺陷检测的功能。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种用于片材检测的一体化工业相机,其特征在于,包括:图像传感器、FPGA模块以及DDR模块,所述FPGA模块包括图像解码单元、缺陷检测单元、循环存储驱动单元以及测宽单元;
所述图像传感器用于采集待测片材的图像数据并发送至图像解码单元进行解码,生成图像解码数据,并将所述图像解码数据分别发送至所述缺陷检测单元、循环存储驱动单元以及测宽单元;所述循环存储驱动单元用于将所述图像解码数据写入所述DDR模块,所述缺陷检测单元用于基于所述图像解码数据进行缺陷定位,并从所述DDR模块中查找对应的缺陷图像数据,再通过所述缺陷图像数据进行缺陷分类,获得缺陷分类信息;所述测宽单元用于基于所述图像解码数据进行片材的宽度检测,获得片材宽度信息。
2.根据权利要求1所述的相机,其特征在于,所述DDR模块为双倍速率同步动态随机存储器。
3.根据权利要求1所述的相机,其特征在于,所述FPGA模块还包括第一以太网单元,所述相机还包括第一通信端口模块;
所述第一以太网单元还用于将所述缺陷图像数据和所述缺陷分类信息进行打包,形成缺陷包数据并发送至所述第一通信端口模块,所述第一通信端口模块用于将所述缺陷包数据发送至上位机。
4.根据权利要求1所述的相机,其特征在于,所述FPGA模块还包括第二以太网单元;所述相机还包括第二通信端口模块;
所述第二以太网单元用于将所述片材宽度信息进行组包处理得到宽度包数据,并将所述宽度包数据发送至第二通信端口模块,所述第二通信端口模块用于将所述宽度包数据发送至上位机。
5.根据权利要求3所述的相机,其特征在于,所述FPGA模块还包括车速与曝光控制单元以及事务处理单元;
所述车速与曝光控制单元用于接收外部输入的车速信号并进行解析,获得车速值和车速方向,根据车速信号的信号周期、所述车速值、FPGA模块内部的时钟频率、图像的纵向分辨率计算车速系数,根据所述车速系数计算图像的曝光频率,并生成曝光触发同步信号;所述曝光触发同步信号用于控制所述图像传感器的曝光频率;
所述事务处理单元用于接收所述车速值和车速方向的数据进行格式处理并发送至所述第一以太网单元;
所述第一以太网单元还用于接收上位机发送的配置参数并传输至所述事务处理单元,所述事务处理单元还用于根据所述配置参数对各个单元进行配置。
6.根据权利要求3所述的相机,其特征在于,所述缺陷检测单元包括缺陷定位单元、缺陷上传单元以及缺陷分类单元;所述缺陷定位单元对所述解码图像数据进行缺陷定位,并将缺陷定位信息发送至所述缺陷上传单元,所述缺陷上传单元用于根据所述缺陷定位信息生成请求信息并发送至所述循环存储驱动单元,所述循环存储驱动单元根据所述请求信息从所述DDR模块提取对应于所述缺陷定位信息的缺陷图像数据并发送至所述缺陷分类单元,所述缺陷分类单元用于根据接收的缺陷图像数据,基于预先训练的神经网络模型识别片材的缺陷类型。
7.根据权利要求6所述的相机,其特征在于,所述缺陷定位单元用于对所述图像解码数据进行滑动滤波,对滑动滤波后的图像解码数据分别进行灰度阈值处理、几何算法阈值处理、变尺度阈值处理,分别获得灰度二值化图像、几何二值化图像以及变尺度二值化图像,将所述灰度二值化图像、几何二值化图像以及变尺度二值化图像进行叠加,获得叠加图像,将所述叠加图像中的亮斑或者黑暗区域确定为缺陷区域,并获取所述缺陷区域的横向尺寸、横向列地址、纵向尺寸、纵向行地址。
8.根据权利要求7所述的相机,其特征在于,所述循环存储驱动单元根据所述缺陷区域的横向列地址和纵向行地址,从所述DDR模块中查找对应的横向列地址和纵向行地址,并根据所述横向尺寸和纵向尺寸确定提取区域,读取相关的图像解码数据作为缺陷图像数据。
9.根据权利要求5所述的相机,其特征在于,所述相机还包括MCU和温度传感器;所述温度传感器用于采集相机内部的温度信号,并将所述温度信号发送至所述MCU;
所述MCU用于接收所述温度信号并进行解析发送至所述事务处理单元,所述事务处理单元用于将解析后的温度信号传输至所述第一以太网模块并通过所述第一通信端口模块发送至上位机。
10.根据权利要求5所述的相机,其特征在于,所述相机还包括高速隔离输入模块、高速隔离输出模块以及插座模块;
所述插座模块用于接收来自相机外部的车速信号并发送至所述高速隔离输入模块,所述车速信号经所述高速隔离输入模块隔离处理之后发送至所述车速与曝光控制单元,所述高速隔离输出模块用于接收FPGA模块生成的控制信号并经隔离处理之后发送至所述插座模块;所述控制信号包括采集图像数据时的行扫描同步信号、宽度检测时的纵向同步信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015341.7A CN115100195B (zh) | 2022-08-24 | 2022-08-24 | 一种用于片材检测的一体化工业相机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015341.7A CN115100195B (zh) | 2022-08-24 | 2022-08-24 | 一种用于片材检测的一体化工业相机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115100195A true CN115100195A (zh) | 2022-09-23 |
CN115100195B CN115100195B (zh) | 2022-11-22 |
Family
ID=83301390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211015341.7A Active CN115100195B (zh) | 2022-08-24 | 2022-08-24 | 一种用于片材检测的一体化工业相机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115100195B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040105001A1 (en) * | 2002-12-03 | 2004-06-03 | Og Technologies, Inc., A Michigan Corporation, | Apparatus and method for detecting surface defects on a workpiece such as a rolled/drawn metal bar |
CN110779937A (zh) * | 2019-10-11 | 2020-02-11 | 上海航天精密机械研究所 | 一种铸件产品内部缺陷智能检测装置 |
CN112083017A (zh) * | 2020-09-10 | 2020-12-15 | 上海航天精密机械研究所 | 焊缝内部缺陷智能检测装置、方法及介质 |
CN113034341A (zh) * | 2021-05-25 | 2021-06-25 | 浙江双元科技股份有限公司 | 一种用于Cameralink高速工业相机的数据采集处理电路 |
CN113313711A (zh) * | 2021-07-29 | 2021-08-27 | 浙江双元科技股份有限公司 | 一种用于锂电池极片宽度检测的相机、系统及检测方法 |
CN113516656A (zh) * | 2021-09-14 | 2021-10-19 | 浙江双元科技股份有限公司 | 一种基于ACGAN和Cameralink相机的缺陷图像数据处理仿真方法 |
CN114594162A (zh) * | 2022-03-07 | 2022-06-07 | 北京工业大学 | 高密度聚乙烯管道热熔对接接头缺陷检测系统及方法 |
-
2022
- 2022-08-24 CN CN202211015341.7A patent/CN115100195B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040105001A1 (en) * | 2002-12-03 | 2004-06-03 | Og Technologies, Inc., A Michigan Corporation, | Apparatus and method for detecting surface defects on a workpiece such as a rolled/drawn metal bar |
CN110779937A (zh) * | 2019-10-11 | 2020-02-11 | 上海航天精密机械研究所 | 一种铸件产品内部缺陷智能检测装置 |
CN112083017A (zh) * | 2020-09-10 | 2020-12-15 | 上海航天精密机械研究所 | 焊缝内部缺陷智能检测装置、方法及介质 |
CN113034341A (zh) * | 2021-05-25 | 2021-06-25 | 浙江双元科技股份有限公司 | 一种用于Cameralink高速工业相机的数据采集处理电路 |
CN113313711A (zh) * | 2021-07-29 | 2021-08-27 | 浙江双元科技股份有限公司 | 一种用于锂电池极片宽度检测的相机、系统及检测方法 |
CN113516656A (zh) * | 2021-09-14 | 2021-10-19 | 浙江双元科技股份有限公司 | 一种基于ACGAN和Cameralink相机的缺陷图像数据处理仿真方法 |
CN114594162A (zh) * | 2022-03-07 | 2022-06-07 | 北京工业大学 | 高密度聚乙烯管道热熔对接接头缺陷检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
宋俊男: "基于嵌入式GPU的工业检测智能相机系统硬件设计", 《知网》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115100195B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7442560B2 (ja) | 事象ベースの視覚センサのためのデータ速度制御 | |
US11805224B2 (en) | Image transmission device and method including an image data receiver and a processor | |
CN108037138A (zh) | 一种用于检测纸张双面缺陷的纸病检测系统及检测方法 | |
CN104089697A (zh) | 一种基于线程池并发技术的实时在线的视觉振动测量方法 | |
CN109490320A (zh) | 一种基于机器视觉的动力电池组正负极异常检测系统和方法 | |
CN101929859B (zh) | 一种基于图像全帧扫描的空间碎片检测方法 | |
CN116660270B (zh) | 电力电缆的检测方法、装置及存储介质 | |
CN104613869A (zh) | 一种基于最大内切圆的椭圆孔组检测方法和系统 | |
CN212649581U (zh) | 一种基于fpga的全景运动目标检测与识别装置 | |
CN107238727A (zh) | 基于动态视觉传感器芯片的光电式转速传感器及探测方法 | |
CN105991997A (zh) | 一种电容式图像传感器坏点实时定位的方法 | |
CN106628475A (zh) | 一种基于机器视觉的镜面成像瓶盖表面贴标检测系统及方法 | |
CN115100195B (zh) | 一种用于片材检测的一体化工业相机 | |
CN109086643B (zh) | 一种基于机器视觉的彩盒标签检测方法及系统 | |
CN107478218B (zh) | 一种星敏感器可变更新率图像采集处理单元及方法 | |
CN112432953A (zh) | 一种基于机器视觉技术的烟包缺支、反支检测方法 | |
CN210256167U (zh) | 智能避障系统及机器人 | |
CN203772754U (zh) | 卷烟外观真假检测设备 | |
WO2020194650A1 (ja) | 異物検出装置、異物検出方法、およびプログラム | |
CN103413170B (zh) | 用于点钞机纸币边缘的实时定位方法 | |
CN202486064U (zh) | 一种用于无纺布成品表面污渍检测的数字图像处理系统 | |
CN109101917A (zh) | 用于行人重识别的标注方法、训练方法、装置及系统 | |
CN101644919A (zh) | 工业人机界面视觉检测系统和方法 | |
CN207851839U (zh) | 基于嵌入式的物体检测识别仪和物体检测识别仪系统 | |
CN107597608B (zh) | 一种用于衣物智能回收的方法及智能衣物回收装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |