CN115218790A - 棒材检测方法、装置和系统 - Google Patents

棒材检测方法、装置和系统 Download PDF

Info

Publication number
CN115218790A
CN115218790A CN202210737716.4A CN202210737716A CN115218790A CN 115218790 A CN115218790 A CN 115218790A CN 202210737716 A CN202210737716 A CN 202210737716A CN 115218790 A CN115218790 A CN 115218790A
Authority
CN
China
Prior art keywords
bar
detected
actual
attribute parameters
acquiring
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
Application number
CN202210737716.4A
Other languages
English (en)
Inventor
周道利
陈涛
马东星
李伟
姚佳俊
阮学武
张治凡
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.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202210737716.4A priority Critical patent/CN115218790A/zh
Publication of CN115218790A publication Critical patent/CN115218790A/zh
Pending legal-status Critical Current

Links

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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • 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
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
    • G01N9/02—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity by measuring weight of a known volume
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
    • G01N9/02—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity by measuring weight of a known volume
    • G01N2009/022—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity by measuring weight of a known volume of solids
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种棒材检测方法、装置和系统，其中，该棒材检测方法包括：获取待检测棒材的实际属性参数；根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；获取所述棒材类型对应的标准属性参数；将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。通过本申请，解决了棒材检测结果准确度较低的问题，实现了准确检测棒材质量的技术效果。

Description

棒材检测方法、装置和系统
技术领域
本申请涉及自动化检测领域，特别是涉及一种棒材检测方法、装置和系统。
背景技术
目前常见的棒材流水线多为人为操作，工作人员需要在固定位置上观察流水线生产的棒材，将有缺陷的棒材挑拣出去，既消耗时间，又难以保证准确率，且工作环境较为恶劣，对工作人员的身体伤害较大。所以，要将这项工作自动化势在必行，而要实现自动化工作，首先要完成检测自动化。
现有技术主要采用机器视觉技术，基于预训练的棒材识别模型，对摄像机采集的图像进行识别和计数。该方法主要侧重于对棒材的表面瑕疵或棒材数量进行识别。在实际的棒材生产过程如棒材冷却、剪切过程中，部分棒材会出现外形尺寸偏差、表面质量偏差、重量偏差、机械性能偏差等问题，特别是在优质棒材出厂阶段对棒材的质量要求较高时，会出现棒材通过图像检测后仍然达不到质量要求的情况。
针对相关技术中存在棒材检测结果准确度较低的问题，目前还没有提出有效的解决方案。
发明内容
在本实施例中提供了一种棒材检测方法、装置和系统，以解决相关技术中棒材检测结果准确度较低的问题。
第一个方面，在本实施例中提供了一种棒材检测方法，包括：
获取待检测棒材的实际属性参数；
根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；
获取所述棒材类型对应的标准属性参数；
将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
在其中的一个实施例中，所述获取待检测棒材的实际属性参数包括：通过图像传感器获取所述待检测棒材的图像数据；通过重量传感器获取所述待检测棒材的重量数据；根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数。
在其中的一个实施例中，所述实际属性参数包括实际棒材密度，所述根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数包括：根据所述图像数据获取所述待检测棒材的实际棒材长度和实际截面面积；根据所述实际棒材长度和所述实际截面面积确定所述待检测棒材的实际棒材体积；根据所述实际棒材体积和所述重量数据确定所述待检测棒材的实际棒材密度。
在其中的一个实施例中，所述实际属性参数包括实际棒材密度，所述根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型包括：获取标准密度区间；若所述实际棒材密度不处于所述标准密度区间，则将所述待检测棒材确定为次品。
在其中的一个实施例中，所述根据所述标准属性参数和所述实际属性参数对所述待检测棒材进行检测包括：将所述待检测棒材的所述实际属性参数与所述待检测棒材所属棒材类型对应的所述标准属性参数进行比对，确定参数差值；将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品。
在其中的一个实施例中，所述将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品还包括：获取每一所述参数差值对应的计算权重；根据多个所述参数差值以及对应的所述计算权重确定所述待检测棒材的实际总误差；若所述实际总误差大于预设总误差，则将所述待检测棒材确定为次品。
在其中的一个实施例中，所述将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果还包括：将所述待检测棒材的图像数据输入表面瑕疵识别模型，得到表面瑕疵识别结果，所述表面瑕疵识别模型为预先训练的深度学习模型；若所述表面瑕疵识别结果为存在表面瑕疵，则将所述待检测棒材判定为次品。
第二个方面，在本实施例中提供了一种棒材检测装置，包括：
第一获取模块，用于获取待检测棒材的实际属性参数；
分类模块，用于根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；
第二获取模块，用于获取所述棒材类型对应的标准属性参数；
检测模块，用于将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
第三个方面，在本实施例中提供了一种棒材检测系统，包括摄像机、重量传感器、传送带以及控制模块，其中所述控制模块分别与所述摄像机、重量传感器以及传送带连接；所述摄像机用于采集待检测棒材的图像数据；所述重量传感器用于采集待检测棒材的重量数据；所述传送带用于将所述待检测棒材传送到预设区域，所述控制模块用于实现上述第一个方面所述的棒材检测方法。
第四个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述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第一个方面所述的棒材检测方法。
与相关技术相比，在本实施例中提供的棒材检测方法，通过获取待检测棒材的实际属性参数；根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；获取所述棒材类型对应的标准属性参数；将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果，解决了现有技术中棒材检测结果准确度较低的问题，实现了准确检测棒材质量的技术效果。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本实施例的棒材检测方法的终端的硬件结构框图；
图2是本实施例的棒材检测方法的流程图；
图3是本实施例的棒材检测装置的结构框图；
图4是本实施例的另一棒材检测装置的优选结构框图；
图5是根据本申请实施例的棒材检测系统的示意图；
图6是根据本申请另一实施例的棒材检测方法。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。
除另作定义外，本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制，它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体，其目的是涵盖不排他的包含；例如，包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元)，而可包括未列出的步骤或模块(单元)，或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接，而可以包括电气连接，无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。通常情况下，字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等，只是对相似对象进行区分，并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。比如在终端上运行，图1是本实施例的棒材检测方法的终端的硬件结构框图。如图1所示，终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104，其中，处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限制。例如，终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如在本实施例中的棒材检测方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(NetworkInterface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
棒材一般是指长度与截面周长之比较大且横截面无明显的凸凹部分的金属塑性加工的直条制品，也称普通断面型材，包括方形、圆形、扁形和六角形型材。在棒材的生产和销售过程中，棒材的数量和质量都是非常重要的指标，然而由于棒材例如不锈钢棒材、铜棒材、钢筋等的直径普遍较小，截面不规整，棒材的数量众多又参差不齐的分散在传送机构上，如何在线快速计数、准确分类以及进行质量检测是业界迫切需要解决的问题。
目前的棒材的分类手段主要有两种，一种是利用摄像头和图像传感器联动识别棒材类别，然后针对不同的棒材调整到不同的接料板角度，从而达到计算作用；另一种是利用棒材断面的三维立体图像提取二维深度图像，并利用预训练的棒材识别模型对二维深度图像进行分类识别。而对于检测手段，目前在流水线上对棒材进行次品检测处理主要是人工检测，这种方式耗时长、劳动强度高且效率偏低。
在本实施例中提供了一种棒材检测方法，图2是本实施例的棒材检测方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，获取待检测棒材的实际属性参数。
具体地，待检测棒材是需要进行检测的棒材。实际属性参数是指能体现棒材属性的各项指标，例如棒材截面面积、棒材长度、棒材重量、棒材密度等。当棒材为圆柱形时，棒材截面面积还可通过截面半径或截面直径进行表征。待检测棒材的实际数据参数可通过一种或多种传感器获取，例如通过图像传感器，例如CCD相机、二维深度相机等摄像设备采集，然后通过图像分析得到棒材截面面积和棒材长度。通过重量传感器或者压力传感器获取棒材重量，结合棒材体积可计算得到棒材密度。通过一种或多种传感器的结合使用，可得到待检测棒材的实际属性参数。
步骤S202，根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型。
具体地，根据待检测棒材的实际属性参数对待检测棒材进行分类。分类标准可根据棒材的生产规格进行设置和调整。例如，根据棒材长度、棒材截面面积、棒材截面直径、棒材重量、棒材密度等参数中的一种或多种设定分类标准。
步骤S203，获取所述棒材类型对应的标准属性参数。
具体地，在实际的生产过程中，棒材根据设置的标准规格进行生产加工，这一标准规格就是本实施例中的标准属性参数，包括标准棒材截面面积、标准棒材长度、标准棒材重量、标准棒材密度等。
步骤S204，将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
具体地，受到加工设备以及生产工艺的限制，生产出来的待检测棒材的各项实际属性参数可能与预设的标准数据参数存在一定的误差。当误差在可接受的范围内时，棒材也是合格的，一般来说，误差越小，棒材的质量越好。通过将标准属性参数与实际属性参数进行比对，即可对待检测棒材进行检测、分类以及对不同类型的棒材数量进行计数。
通过本申请实施例的棒材检测方法，本申请获取了待检测棒材的各项实际属性参数，其中除了根据图像可以采集到的棒材长度和棒材截面面积，还结合重量传感器获取了棒材的实际棒材重量，通过获取棒材的标准属性参数，对待检测棒材进行分类和检测。相对于现有技术仅仅依靠图像获取棒材体貌特征，难以检测出棒材重量偏差、机械性能偏差的痛点，采取了一种多维度的棒材检测方法，通过对待检测棒材的分类，获取到不同类型的棒材对应的标准属性参数，实现对棒材的分类以及各项棒材属性参数的检测，提高了棒材检测结果的准确性。
在其中的一个实施例中，所述获取待检测棒材的实际属性参数包括：通过图像传感器获取所述待检测棒材的图像数据；通过重量传感器获取所述待检测棒材的重量数据；根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数。
具体地，图像传感器是图像采集设备，例如CCD相机，深度相机等。通过对相机坐标系的待检测棒材所处区域坐标系的标定，实现待检测棒材的实际属性参数采集。在其中的一个实施例中，还可通过对摄像头设置刻度线，实现对实际属性参数的采集。例如，在棒材检测区域附近设置三个前端摄像头，其中一个前端摄像头为俯瞰摄像头，其余两个为水平摄像头。俯瞰摄像头设置在棒材检测区域的正上方，其拍摄角度为俯瞰角度，可获取待检测板材的俯视图，并针对指定检测区域预先在俯瞰摄像头上设置刻度规则线，用以测量待检测棒材的实际棒材长度。两个水平摄像头分布在指定检测区域的左右两侧，正对待检测棒材的横截面，并针对指定检测区域预先在水平摄像头上设置刻度规则线，用于测量棒材直径，基于棒材直径获取棒材截面积。重量传感器设置在所述指定检测区域的下方，待检测棒材进入指定检测区域后，即可获取待检测棒材的重量数据。根据摄像头采集的图像数据和重量数据，即可得到待检测棒材的实际属性参数，包括待检测棒材的实际棒材长度、实际截面直径、实际截面面积、实际棒材重量和实际棒材密度等。
在其中的一个实施例中，所述实际属性参数包括实际棒材密度，所述根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数包括：根据所述图像数据获取所述待检测棒材的实际棒材长度和实际截面面积；根据所述实际棒材长度和所述实际截面面积确定所述待检测棒材的实际棒材体积；根据所述实际棒材体积和所述重量数据确定所述待检测棒材的实际棒材密度。
具体地，以圆柱形棒材为例，待检测棒材进入指定检测区域后，可通过摄像头采集指定检测区域的图像，根据图像以及摄像头上预先划定的刻度规则线得到待检测棒材的棒材截面直径h和棒材实际长度h，根据棒材截面直径和棒材长度计算得到待检测棒材的体积。通过重量传感器获取待检测棒材的重量w，根据物体密度等于质量与体积的比值，计算得到待检测棒材的实际棒材密度ρ，其中：
Figure BDA0003716567110000071
在其中的一个实施例中，所述实际属性参数包括实际棒材密度，所述根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型包括：获取标准密度区间；若所述实际棒材密度不处于所述标准密度区间，则将所述待检测棒材确定为次品。
具体地，根据预先录入的不同规格的各项密度指标数据对棒材进行分类，若待检测棒材的实际棒材密度能在上述密度指标数据中找到对应的类别标准，则将待检测棒材归入该类别，若不能在上述密度指标数据中找到对应的类别标准，则说明当前待检测棒材的棒材密度不符合生产要求，属于次品。基于本实施例的棒材检测方法，在基于棒材密度对棒材进行分类的过程中，实现了对次品棒材的初步检测和筛选，该方法方便快捷，提高了次品的检测效率和检测精度。
在其中的一个实施例中，所述将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果包括：将所述待检测棒材的所述实际属性参数与所述待检测棒材所属棒材类型对应的所述标准属性参数进行比对，确定参数差值；将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品。
具体地，确定待检测棒材类别之后，则可以对应获取到该棒材类型对应的棒材标准规格，也就是标准属性参数。将标准属性参数与待检测棒材的实际属性参数进行比对，若误差在预设的可接受范围内，则待检测棒材的检测结果为合格。在其中的一个实施例中，标准数据参数可以标准棒材长度、标准截面面积、标准截面直径、标准棒材重量、标准棒材密度等参数中的一种或多种，可根据实际生产需要进行调整。可以理解的，可设置多个预设阈值，通过将参数差值与每个预设阈值进行比对，按照参数差值由小到大的顺序确定待检测棒材的产品质量等级，参数差值越小，产品质量越高。
在其中的一个实施例中，所述将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品还包括：获取每一所述参数差值对应的计算权重；根据多个所述参数差值以及对应的所述计算权重确定所述待检测棒材的实际总误差；若所述实际总误差大于预设总误差，则将所述待检测棒材确定为次品。
具体地，获取棒材类型对应的多项参数作为标准属性参数，将标准属性参数与待检测棒材进行比对，得到多项参数对应的参数差值。获取每项参数差值的计算权重，确定待检测棒材最终的属性差异评分，也就是实际总误差。属性差异评分越高，产品质量越低。属性差异评分的计算公式如下：
Figure BDA0003716567110000081
其中，δ表示属性差异评分，ki表示属性i的权重占比。wi表示属性i的实际属性参数，
Figure BDA0003716567110000082
表示预先录入的属性i的标准属性参数。一般的，标准属性参数包括但不限于棒材长度、截面直径、棒材重量、棒材密度等属性参数，棒材属性参数可根据生产业务情况适当增删，例如，若同一种类型的棒材本身就存在多种长度要求，则不将棒材长度作为属性参考。
在其中的一个具体的实施例中，选取进行比对的棒材属性包括棒材的直径、长度和密度，以标准属性参数作为标准数据，以实际属性参数作为真实数据，其中，直径属性的计算权重为30％，长度属性的计算权重为30％，密度属性的计算权重为40％。本实施例的待检测棒材的标准数据与真实数据的对比情况如下表所示：
Figure BDA0003716567110000083
Figure BDA0003716567110000091
可计算得到该棒材的属性差异评分为δA＝0.006+0.009+0.0053＝0.0203，若预设评分阈值为0.02，即预设总误差为0.02，则经检测可确定该棒材为次品。
在其中的另一个具体的实施例中，取进行比对的棒材属性包括棒材的直径、长度和密度，以标准属性参数作为标准数据，以实际属性参数作为真实数据，其中，直径属性的计算权重为30％，长度属性的计算权重为30％，密度属性的计算权重为40％。待检测棒材的标准数据与真实数据的对比情况如下表所示：
Figure BDA0003716567110000092
可计算得到该棒材的属性差异评分为δB＝0.006+0.0045+0.0053＝0.0158。若预设评分阈值为0.02，即预设总误差为0.02，则经检测可确定该棒材为非次品，质量合格。
在其中的一个实施例中，所述将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果还包括：将所述待检测棒材的图像数据输入表面瑕疵识别模型，得到表面瑕疵识别结果，所述表面瑕疵识别模型为预先训练的深度学习模型；若所述表面瑕疵识别结果为存在表面瑕疵，则将所述待检测棒材判定为次品。
具体地，在本实施例中还对棒材的表面瑕疵进行检测。表面瑕疵识别模型可以是卷积神经网络、fast-RNN模型等深度模型以及向量机等深度学习模型通过预训练得到。在训练表面瑕疵识别模型时，可将提前收集的包括裂纹、折叠、耳子、结痂、划痕、凹坑等瑕疵的次品棒材图片输入原始深度学习模型进行预训练，获得表面瑕疵识别模型。该模型还可在后续出现频繁误报情况或收获新的训练素材时持续迭代更新。表面瑕疵识别模型可以通过接口技术进行封装，在使用时通过加载表面瑕疵识别模型的服务，可将获取到的棒材表面图像进行检测。若识别到棒材表面图像中瑕疵则认定该棒材为次品。可以理解的，表面瑕疵包括但不限于裂纹、折叠、耳子、结痂、划痕、凹坑等特征，其余可根据客户业务情况适当增删。在其中的一个实施例中，可将表面瑕疵分为多个等级，根据待检测棒材被识别出的瑕疵的等级和数量，对待检测棒材做质量分级。
通过上述步骤，本申请实施例提供的棒材检测方法，根据获得的棒材实际属性参数计算出棒材密度，对棒材进行分类。通过将棒材实际属性参数和标准属性参数进行比对以对棒材进行次品检测，提升了棒材检测结果的准确度，进而提升了最终生产的棒材产品的整体质量。通过预训练表面瑕疵检测模型，对棒材表面瑕疵属性进行次品检测，对棒材的表面形貌做了进一步的检测，从多维度对棒材进行了较为全面的异常数据检测，提升对棒材产品的质量把控效果。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中还提供了一种棒材检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是本实施例的棒材检测装置的结构框图，如图3所示，该装置包括：
第一获取模块10，用于获取待检测棒材的实际属性参数；
分类模块20，用于根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；
第二获取模块30，用于获取所述棒材类型对应的标准属性参数；
检测模块40，用于将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
第一获取模块10，还用于通过图像传感器获取所述待检测棒材的图像数据；通过重量传感器获取所述待检测棒材的重量数据；根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数。
分类模块20，还用于根据所述图像数据获取所述待检测棒材的实际棒材长度和实际截面面积；根据所述实际棒材长度和所述实际截面面积确定所述待检测棒材的实际棒材体积；根据所述实际棒材体积和所述重量数据确定所述待检测棒材的实际棒材密度。
分类模块20，还用于获取标准密度区间；若所述实际棒材密度不处于所述标准密度区间，则将所述待检测棒材确定为次品。
检测模块40，还用于将所述待检测棒材的所述实际属性参数与所述待检测棒材所述棒材类型对应的所述标准属性参数进行比对，确定参数差值；将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品。
检测模块40，还用于获取每一所述参数差值对应的计算权重；根据多个所述参数差值以及对应的所述计算权重确定所述待检测棒材的实际总误差；若所述实际总误差大于预设总误差，则将所述待检测棒材确定为次品。
检测模块40，还用于将所述待检测棒材的图像数据输入表面瑕疵识别模型，得到表面瑕疵识别结果，所述表面瑕疵识别模型为预先训练的深度学习模型；若所述表面瑕疵识别结果为存在表面瑕疵，则将所述待检测棒材判定为次品。
图4是本实施例的另一棒材检测装置的优选结构框图，如图4所示，该装置包括棒材数据获取模块401、棒材分类计数模块402、次品检测模块403以及结果上报模块404，其中：
棒材数据获取模块401主要采集两种数据，即图像数据和重量数据。图像数据通过前端摄像机采集，重量数据通过重量传感器采集。其中，前端摄像机可根据提前划定的刻度规则线测量得到的待检测棒材的棒材直径R、长度h以及棒材表面图像信息，在其中的一个实施例中，可通过边缘提取以及高斯背景分离等手段去除原始图像中的背景信息，仅保留待检测棒材的图像作为棒材表面图像信息。重量数据主要包括棒材重量w。
棒材分类计数模块402主要用于接收棒材数据获取模块中采集的棒材信息并据此计算棒材密度ρ，根据密度对棒材进行分类。进一步的，棒材密度ρ的计算公式如下：
Figure BDA0003716567110000111
根据预先录入的不同棒材的各项密度指标数据将棒材进行分类，若当前棒材的棒材密度存在对应的类别标准，则将当前棒材归入该类别，反之则纳为次品。随着棒材的检测，统计并记录归入不同类别的棒材数量。
次品检测模块403主要是对棒材在两方面进行检测，其一是常规数据属性，包括棒材的直径、长度、重量和密度等；其二是表面瑕疵属性，包括棒材表面形貌存在的裂纹、折叠、耳子、结痂、划痕和凹坑等。常规数据属性的检测主要通过将棒材的标准属性参数和实际属性参数进行比对并计算质量属性评分实现。表面瑕疵属性检测主要通过将棒材表面图像信息输入预先训练好的深度学习模型进行识别检测来实现。
检测结果上报模块404，主要用于接收棒材分类计数模块和棒材次品检测模块的数据信息，统计棒材分类情况以及对应棒材类型下的次数数量，并上报至对应服务器和质检员。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本申请还提供了一种棒材检测系统，包括：摄像机、重量传感器、传送带以及控制模块，其中所述控制模块分别与所述摄像机、重量传感器以及传送带连接；所述摄像机用于采集待检测棒材的图像数据；所述重量传感器用于采集待检测棒材的重量数据；所述传送带用于将所述待检测棒材传送到预设区域，所述控制模块用于获取待检测棒材的实际属性参数；根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；获取所述棒材类型对应的标准属性参数；将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
在其中的一个实施例中，该控制器还用于通过图像传感器获取所述待检测棒材的图像数据；通过重量传感器获取所述待检测棒材的重量数据；根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数。
在其中的一个实施例中，该控制器还用于根据所述图像数据获取所述待检测棒材的实际棒材长度和实际截面面积；根据所述实际棒材长度和所述实际截面面积确定所述待检测棒材的实际棒材体积；根据所述实际棒材体积和所述重量数据确定所述待检测棒材的实际棒材密度。
在其中的一个实施例中，该控制器还用于获取标准密度区间；若所述实际棒材密度不处于所述标准密度区间，则将所述待检测棒材确定为次品。
在其中的一个实施例中，该控制器还用于将所述待检测棒材的所述实际属性参数与所述待检测棒材所属棒材类型对应的所述标准属性参数进行比对，确定参数差值；将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品。
在其中的一个实施例中，该控制器还用于获取每一所述参数差值对应的计算权重；根据多个所述参数差值以及对应的所述计算权重确定所述待检测棒材的实际总误差；若所述实际总误差大于预设总误差，则将所述待检测棒材确定为次品。
在其中的一个实施例中，该控制器还用于将所述待检测棒材的图像数据输入表面瑕疵识别模型，得到表面瑕疵识别结果，所述表面瑕疵识别模型为预先训练的深度学习模型；若所述表面瑕疵识别结果为存在表面瑕疵，则将所述待检测棒材判定为次品。
在其中的一个实施例中，所述传送带上设置有可伸缩停滞点，用于将待检测棒材停滞在所述预设区域。
在其中的一个具体的实施例中，图5是根据本申请实施例的棒材检测系统的示意图，如图5所示，该系统包括：棒材传送带、前端摄像头、伸缩停滞点。
其中，棒材传送带主要用于传送棒材。指定检测区域为虚线框内合围区域。指定检测区域内传送带下方设置有重量传感器，可称重指定检测区域内的棒材的重量。设置三个前端摄像头，包括一个俯瞰摄像头和两个水平摄像头。俯瞰摄像头设置在传送带正上方，用于拍摄俯视图。此外，针对指定检测区域为俯瞰摄像头设置刻度规则线，用于测量棒材长度。两个水平摄像头分布在传送带左右两侧，正对着传送带横截面，用于拍摄棒材左侧和右侧的截面图像。此外，针对指定检测区域为水平摄像头设置刻度规则线，用于测量棒材直径。伸缩停滞点包括伸缩停滞点A和伸缩停滞点B，其中，伸缩停滞点A用于伸缩控制保证进入指定检测区域内的棒材只有一根；伸缩停滞点B用于伸缩控制保证进入指定检测区域内的棒材平稳停滞。
图6是根据本申请另一实施例的棒材检测方法，该方法应用于上述棒材检测系统，如图6所示，传送带正常工作，停滞点凸起，将一根待检测棒材停滞在指定检测区域内；前端摄像机采集指定检测区域内的棒材数据，重量传感器采集棒材重量；根据采集的棒材数据和棒材重量计算棒材密度，判断该棒材密度是否在合规误差内，若不在，则判定为次品，若在，则根据棒材密度对棒材进行分类；根据棒材的属性数据和棒材的标准数据进行计算，检测棒材各属性数据得分，并结合表面瑕疵识别模型检测棒材表面图像是否存在图像缺陷特征目标；计算棒材综合得分并分析棒材是否为次品，最终将棒材分类数据与次品数据上报。
在本实施例中还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取待检测棒材的实际属性参数。
S2，根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型。
S3，获取所述棒材类型对应的标准属性参数。
S4，将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
需要说明的是，在本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，在本实施例中不再赘述。
此外，结合上述实施例中提供的棒材检测方法，在本实施例中还可以提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种棒材检测方法。
应该明白的是，这里描述的具体实施例只是用来解释这个应用，而不是用来对它进行限定。根据本申请提供的实施例，本领域普通技术人员在不进行创造性劳动的情况下得到的所有其它实施例，均属本申请保护范围。
显然，附图只是本申请的一些例子或实施例，对本领域的普通技术人员来说，也可以根据这些附图将本申请适用于其他类似情况，但无需付出创造性劳动。另外，可以理解的是，尽管在此开发过程中所做的工作可能是复杂和漫长的，但是，对于本领域的普通技术人员来说，根据本申请披露的技术内容进行的某些设计、制造或生产等更改仅是常规的技术手段，不应被视为本申请公开的内容不足。
“实施例”一词在本申请中指的是结合实施例描述的具体特征、结构或特性可以包括在本申请的至少一个实施例中。该短语出现在说明书中的各个位置并不一定意味着相同的实施例，也不意味着与其它实施例相互排斥而具有独立性或可供选择。本领域的普通技术人员能够清楚或隐含地理解的是，本申请中描述的实施例在没有冲突的情况下，可以与其它实施例结合。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种棒材检测方法，其特征在于，包括：
获取待检测棒材的实际属性参数；
根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；
获取所述棒材类型对应的标准属性参数；
将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
2.根据权利要求1所述的棒材检测方法，其特征在于，所述获取待检测棒材的实际属性参数包括：
通过图像传感器获取所述待检测棒材的图像数据；
通过重量传感器获取所述待检测棒材的重量数据；
根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数。
3.根据权利要求2所述的棒材检测方法，其特征在于，所述实际属性参数包括实际棒材密度，所述根据所述图像数据和所述重量数据获取所述待检测棒材的所述实际属性参数包括：
根据所述图像数据获取所述待检测棒材的实际棒材长度和实际截面面积；
根据所述实际棒材长度和所述实际截面面积确定所述待检测棒材的实际棒材体积；
根据所述实际棒材体积和所述重量数据确定所述待检测棒材的实际棒材密度。
4.根据权利要求1所述的棒材检测方法，其特征在于，所述实际属性参数包括实际棒材密度，所述根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型包括：
获取标准密度区间；
若所述实际棒材密度不处于所述标准密度区间，则将所述待检测棒材确定为次品。
5.根据权利要求1所述的棒材检测方法，其特征在于，所述将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果包括：
将所述待检测棒材的所述实际属性参数与所述待检测棒材所属棒材类型对应的所述标准属性参数进行比对，确定参数差值；
将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品。
6.根据权利要求5所述的棒材检测方法，其特征在于，所述将所述参数差值与预设阈值进行比对，若所述参数差值大于所述预设阈值，则将所述待检测棒材确定为次品还包括：
获取每一所述参数差值对应的计算权重；
根据多个所述参数差值以及对应的所述计算权重确定所述待检测棒材的实际总误差；
若所述实际总误差大于预设总误差，则将所述待检测棒材确定为次品。
7.根据权利要求1所述的棒材检测方法，其特征在于，所述将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果还包括：
将所述待检测棒材的图像数据输入表面瑕疵识别模型，得到表面瑕疵识别结果，所述表面瑕疵识别模型为预先训练的深度学习模型；
若所述表面瑕疵识别结果为存在表面瑕疵，则将所述待检测棒材判定为次品。
8.一种棒材检测装置，其特征在于，包括：
第一获取模块，用于获取待检测棒材的实际属性参数；
分类模块，用于根据所述待检测棒材的实际属性参数确定所述待检测棒材的棒材类型；
第二获取模块，用于获取所述棒材类型对应的标准属性参数；
检测模块，用于将所述标准属性参数和所述实际属性参数进行比对，确定所述待检测棒材的检测结果。
9.一种棒材检测系统，其特征在于，包括：摄像机、重量传感器、传送带以及控制模块，其中所述控制模块分别与所述摄像机、重量传感器以及传送带连接；
所述摄像机用于采集待检测棒材的图像数据；
所述重量传感器用于采集待检测棒材的重量数据；
所述传送带用于将所述待检测棒材传送到预设区域；
所述控制模块用于执行如权利要求1至7任一项所述的棒材检测方法。
10.一种电子装置，包括存储器和处理器，其上存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的棒材检测方法。
CN202210737716.4A 2022-06-27 2022-06-27 棒材检测方法、装置和系统 Pending CN115218790A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210737716.4A CN115218790A (zh) 2022-06-27 2022-06-27 棒材检测方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210737716.4A CN115218790A (zh) 2022-06-27 2022-06-27 棒材检测方法、装置和系统

Publications (1)

Publication Number Publication Date
CN115218790A true CN115218790A (zh) 2022-10-21

Family

ID=83609844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210737716.4A Pending CN115218790A (zh) 2022-06-27 2022-06-27 棒材检测方法、装置和系统

Country Status (1)

Country Link
CN (1) CN115218790A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117606566A (zh) * 2024-01-22 2024-02-27 吉林省柏汇物联科技有限公司 一种基于检斤数据的钢铁生产评测系统
CN117870567A (zh) * 2024-01-22 2024-04-12 南昌航空大学 一种丝材应变测量方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117606566A (zh) * 2024-01-22 2024-02-27 吉林省柏汇物联科技有限公司 一种基于检斤数据的钢铁生产评测系统
CN117870567A (zh) * 2024-01-22 2024-04-12 南昌航空大学 一种丝材应变测量方法及系统

Similar Documents

Publication Publication Date Title
CN115218790A (zh) 棒材检测方法、装置和系统
CN110286124B (zh) 基于机器视觉的耐火砖测量系统
Deng et al. A carrot sorting system using machine vision technique
Ali et al. Automated fruit grading system
CN116188475A (zh) 一种外观缺陷自动光学检测的智慧控制方法、系统及介质
CN109934297B (zh) 一种基于深度学习卷积神经网络的水稻考种方法
TW202242390A (zh) 缺陷檢查裝置、缺陷檢查方法以及製造方法
CN110715928A (zh) 影像式皮革检测设备
Kuo et al. Improving defect inspection quality of deep-learning network in dense beans by using hough circle transform for coffee industry
Deulkar et al. An automated tomato quality grading using clustering based support vector machine
CN117237747B (zh) 基于人工智能的五金件缺陷分类识别方法
CN118045773A (zh) 一种基于机器视觉的中药饮片质量检测分析系统及方法
CN113793322A (zh) 一种对磁性材料自动检测的方法、电子设备和存储介质
CN117351472A (zh) 烟叶信息检测方法、装置及电子设备
CN110458231B (zh) 一种陶瓷产品检测方法、装置和设备
CN115359412B (zh) 一种盐酸中和实验评分方法、装置、设备及可读存储介质
CN114972234B (zh) 一种食用菌品质监测方法及系统
CN115830403A (zh) 一种基于深度学习的自动缺陷分类系统及方法
CN116309471A (zh) 一种质量缺陷预警方法、装置、电子设备以及介质
Sun et al. A novel method for multi-feature grading of mango using machine vision
CN111103629A (zh) 一种目标检测方法、装置、nvr设备及安检系统
CN112215149B (zh) 基于视觉检测的配件分拣系统及方法
TW202232400A (zh) 智能物流資料採集系統
CN113516328A (zh) 数据处理方法、服务提供方法、装置、设备和存储介质
Pandey et al. FoodExpert: Portable Intelligent Device for Rapid Screening of Pulse Quality and Adulteration

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