CN115638742A - 一种基于影像识别的钢筋形状质检系统 - Google Patents
一种基于影像识别的钢筋形状质检系统 Download PDFInfo
- Publication number
- CN115638742A CN115638742A CN202211245541.1A CN202211245541A CN115638742A CN 115638742 A CN115638742 A CN 115638742A CN 202211245541 A CN202211245541 A CN 202211245541A CN 115638742 A CN115638742 A CN 115638742A
- Authority
- CN
- China
- Prior art keywords
- semi
- steel bar
- finished product
- image
- control
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于影像识别的钢筋形状质检系统，包括图像采集模块，用以采集半成品钢筋的图像；图像识别模块，用以将半成品钢筋的图像转化为半成品钢筋的矢量图形数据；质检数据对比模块，用以判断半成品钢筋的形状是否合格；质检结果显示模块，用以呈现半成品钢筋的形状的质检结果；控制调节模块，其与图像采集模块、图像识别模块、质检数据对比模块连接，用以在对半成品钢筋的形状进行质检时对各模块的参数进行控制或调节。本发明可实现对半成品钢筋形状的智能化质检，提高了质检系统在质检过程中的整体控制精度且质检范围能够覆盖全部待检半成品钢筋，避免了人力负担的同时提高了质检效率。
Description
技术领域
本发明涉及建筑工程钢筋质量检测技术领域，尤其涉及一种基于影像识别的钢筋形状质检系统。
背景技术
钢筋作为建筑工程最常用的建筑材料之一，种类繁多、尺寸规格各异，且使用规模庞大。钢筋原材料通过切段、滚丝、弯曲等工艺后形成半成品钢筋，并绑扎于建筑构建中，半成品钢筋的质量对建筑质量产生直接影响。目前，半成品钢筋质检工作大多数仍是通过人工测量然后与设计参数对比，结合规范允许的偏差来判断半成品钢筋的合规性。其工作量大、效率低且人为因素不可控，故使用工业化新技术提高质检工作效率、质检数据留痕成为研究方向。
中国专利公开号CN114373123A公开了一种检测钢筋质量的系统及方法，该系统使用目标检测网络和分割网络分割并检测钢筋表面的缺陷、以及使用立体视觉部件估算钢筋的数量、间距、直径和长度，实现对钢筋质量检查的智能化处理，同时减轻人力负担，但仍存在以下问题：
1、现有的半成品钢筋质检系统在质检过程中对待检测半成品钢筋无法做到一一检查，多为批量检查或抽样检查，导致数据结果存在较大偏差；
2、现有的半成品钢筋质检系统在质检过程中对质检系统的整体控制精度不高，导致质检效率不高。
发明内容
为此，本发明提供一种基于影像识别的钢筋形状质检系统，用以克服现有技术中以人力检测为主、质检范围无法覆盖全部半成品钢筋及质检系统的整体控制精度不高的问题。
为实现上述目的，本发明提供一种基于影像识别的钢筋形状质检系统，包括：
图像采集模块，用以采集工业相机拍摄半成品钢筋的图像；
图像识别模块，其与所述图像采集模块连接，用以将所述半成品钢筋的图像转化为半成品钢筋的矢量图形，并生成所述半成品钢筋的矢量图形的矢量数据；
质检数据对比模块，其与所述图像识别模块连接，用以判断所述半成品钢筋的形状是否合格；
质检结果显示模块，其与所述图像识别模块和所述质检数据对比模块连接，用以呈现所述半成品钢筋的形状的质检结果；
控制调节模块，其与所述图像采集模块、所述图像识别模块、所述质检数据对比模块连接，用以在所述半成品钢筋加工完成时驱动工业相机完成拍摄，用以在对所述半成品钢筋的形状进行质检时对所述图像采集模块、所述图像识别模块、所述质检数据对比模块的参数进行控制或调节；所述控制调节模块通过判断所述半成品钢筋的图像热区面积是否达标对所述工业相机的拍摄延时时长进行调节；所述控制调节模块通过判断所述半成品钢筋的矢量模型坐标点的抽样合格率是否达标对所述半成品钢筋的矢量模型的随机抽样的坐标点的数量进行调节。
与现有技术相比，本发明的有益效果在于，本发明通过采集半成品钢筋的图像，并对该图像进行矢量转化，根据所得矢量数据判断半成品钢筋的形状是否合格并将结果呈现，将钢筋形状质检工作由人工质检转变成智能化质检；
尤其，本发明能够对每一个加工完成的半成品钢筋的形状进行质检，质检范围覆盖全部半成品钢筋，将半成品钢筋的质检率提高至100％；
尤其，本发明通过控制调节模块智能控制或调节质检过程，避免了人力负担，提高了质检效率。
进一步地，所述控制调节模块根据可编程逻辑控制器记录的所述钢筋加工设备已经执行的加工动作的次数判断所述半成品钢筋是否加工完成，提高了质检系统的整体控制精度，进一步提高了质检效率。
进一步地，所述控制调节模块判定所述半成品钢筋加工完成时，所述控制调节模块根据所述半成品钢筋的加工时长和预设加工时长的对比结果初步确定所述工业相机的初始拍摄延时时长并且驱动所述工业相机执行拍摄，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块判定所述工业相机拍摄完成时，所述控制调节模块根据所述半成品钢筋的图像中所述半成品钢筋的外轮廓第一次圈定出所述半成品钢筋的图像热区，并计算所述半成品钢筋的第一次图像热区面积与标准热区面积的比值，根据该比值与预设热区面积比值的比对结果确定所述半成品钢筋的第一次图像热区面积是否达标，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块判定所述半成品钢筋的第一次图像热区面积不达标时，所述控制调节模块计算所述第一次热区面积比值与预设热区面积比值的差值，并根据该差值和预设差值的比对结果选取对应的调节系数对所述工业相机的拍摄延时时长进行调节，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块将所述工业相机的拍摄延时时长调节后再次驱动所述工业相机执行拍摄，所述控制调节模块根据所述半成品钢筋的图像中所述半成品钢筋的外轮廓第二次圈定出所述半成品钢筋的图像热区，并计算所述半成品钢筋的第二次图像热区面积与标准热区面积的比值，根据该比值与预设热区面积比值的比对结果确定所述半成品钢筋的第二次图像热区面积是否达标，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，当所述控制调节模块判定所述半成品钢筋的第二次图像热区面积不达标时，进而判定所述半成品钢筋的形状不合格，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块判定所述半成品钢筋的第一次或第二次图像热区面积达标时，所述控制调节模块对所述半成品钢筋的图像热区进行二值化且去除背景的处理，当处理完成时，所述控制调节模块计算已完成二值化且去除背景的图像的灰度区域面积与标准灰度区域面积的比值，根据该比值与预设比值的比对结果确定所述半成品钢筋的图像的灰度区域面积是否达标，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，当所述控制调节模块判定所述半成品钢筋的图像的灰度区域面积不达标时，进而判定所述半成品钢筋的形状不合格，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块判定所述半成品钢筋的图像的灰度区域面积达标时，所述控制调节模块根据所述半成品钢筋的图像的灰度区域建立半成品钢筋的矢量模型并生成坐标点，所述控制调节模块随机抽样N个坐标点，将所述N个坐标点与标准矢量模型中相对应抽样位置的坐标点进行比对并计算抽样合格率，根据该抽样合格率与预设抽样合格率的比对结果确定所述半成品钢筋的矢量模型坐标点的抽样合格率是否达标，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块判定所述半成品钢筋的矢量模型坐标点的抽样合格率不达标时，所述控制调节模块计算所述抽样合格率与预设抽样合格率的差值，并根据该差值和预设差值的比对结果选取对应的调节系数对所述半成品钢筋的矢量模型的随机抽样的坐标点的数量进行调节，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，将调节后的随机抽样的坐标点与标准矢量模型中相对应抽样位置的坐标点进行比对并计算调节后的抽样合格率，将调节后的抽样合格率与预设抽样合格率进行比对，根据比对结果确定所述半成品钢筋的矢量模型坐标点调节后的抽样合格率是否达标，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率；
进一步地，当所述控制调节模块判定所述半成品钢筋的矢量模型坐标点调节后的抽样合格率不达标时，进而判定所述半成品钢筋的形状不合格，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块判定所述半成品钢筋的矢量模型坐标点的抽样合格率或调节后的抽样合格率达标时，所述控制调节模块对所述半成品钢筋的矢量模型进行长度和折弯度的测量并生成所述半成品钢筋的实际长度数据和实际折弯角度数据，且以图形公式形式记录，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
进一步地，所述控制调节模块计算所述半成品钢筋的实际长度数据与半成品钢筋设计长度数据的差值，并根据所述半成品钢筋的合格标准设置第一预设长度差和第二预设长度差；所述控制调节模块计算所述半成品钢筋的实际折弯角度数据与半成品钢筋设计折弯角度数据的差值，并根据所述半成品钢筋的合格标准设置第一预设角度差和第二预设角度差；所述控制调节模块同时根据所述长度差值和预设长度差值的比对结果以及所述折弯角度差值和预设角度差值的比对结果判断所述半成品钢筋的形状是否合格，进一步提高了质检系统的整体控制精度，从而进一步提高了质检效率。
附图说明
图1为本发明所述基于影像识别的钢筋形状质检系统的结构框图；
图2为本发明所述基于影像识别的钢筋形状质检系统实施例中所述钢筋加工设备示意图。
图例中，1-钢筋加工设备、2-工业相机、3-半成品钢筋。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1-2所示，图1为本发明基于影像识别的钢筋形状质检系统的结构框图；图2为本发明所述基于影像识别的钢筋形状质检系统实施例中所述钢筋加工设备示意图。
本发明实施例基于影像识别的钢筋形状质检系统，包括：
图像采集模块，用以采集工业相机2拍摄半成品钢筋3的图像；
图像识别模块，其与图像采集模块连接，用以将半成品钢筋3的图像转化为半成品钢筋3的矢量图形，并生成半成品钢筋3的矢量图形的矢量数据；
质检数据对比模块，其与图像识别模块连接，用以判断半成品钢筋3的形状是否合格；
质检结果显示模块，其与图像识别模块和质检数据对比模块连接，用以呈现半成品钢筋3的形状的质检结果；
控制调节模块，其与图像采集模块、图像识别模块、质检数据对比模块连接，用以在所述半成品钢筋3加工完成时驱动工业相机2完成拍摄，用以在对半成品钢筋3的形状进行质检时对图像采集模块、图像识别模块、质检数据对比模块的参数进行控制或调节。
具体而言，控制调节模块通过判断半成品钢筋3的图像热区面积是否达标对工业相机2的拍摄延时时长进行调节；控制调节模块通过判断半成品钢筋3的矢量模型坐标点的抽样合格率是否达标对半成品钢筋3的矢量模型的随机抽样的坐标点的数量进行调节。
本发明实施例基于影像识别的钢筋形状质检系统，控制调节模块根据可编程逻辑控制器记录的钢筋加工设备1已经执行的加工动作的次数判断半成品钢筋3是否加工完成，控制调节模块中设有若干半成品钢筋3对应的加工完成时的加工动作次数。
具体而言，控制调节模块与可编程逻辑控制器相连。对于钢筋加工设备1而言，其在加工完成一根半成品钢筋3时必然执行若干次剪切和/或折弯的动作指令，由可编程逻辑控制器发出这些动作指令并对动作次数进行记录，控制调节模块监控可编程逻辑控制器指示钢筋加工设备1对半成品钢筋3执行若干次动作指令，并在判定半成品钢筋3加工完成时，驱动工业相机2在延时后执行拍摄。
本发明实施例基于影像识别的钢筋形状质检系统，控制调节模块判定半成品钢筋3加工完成时，控制调节模块根据半成品钢筋3的加工时长T和预设加工时长的对比结果初步确定工业相机2的初始拍摄延时时长并且驱动工业相机2执行拍摄，
其中，控制调节模块设置有第一预设加工时长T1、第二预设加工时长T2、第一初始延时时长L1、第二初始延时时长L2、第三初始延时时长L3，其中T1＜T2，L1＜L2＜L3，
当T≤T1时，控制调节模块将工业相机2的初始拍摄延时时长设置为L1；
当TI＜T≤T2时，控制调节模块将工业相机2的初始拍摄延时时长设置为L2；
当T＞T2时，控制调节模块将工业相机2的初始拍摄延时时长设置为L3。
本发明实施例基于影像识别的钢筋形状质检系统，控制调节模块判定工业相机2拍摄完成时，控制调节模块根据半成品钢筋3的图像中半成品钢筋3的外轮廓第一次圈定出半成品钢筋3的图像热区，并计算半成品钢筋3的第一次图像热区面积与标准热区面积的比值Sa，并将该比值Sa与预设热区面积比值进行比对，根据比对结果确定半成品钢筋3第一次图像热区面积是否达标，
其中，控制调节模块设置有第一预设面积比值S1、第二预设面积比值S2，其中S1＜1＜S2，
若Sa＜S1，控制调节模块判定半成品钢筋3的第一次图像热区面积不达标；
若Sa＞S2，控制调节模块判定半成品钢筋3的第一次图像热区面积不达标；
若S1≤Sa≤S2，控制调节模块判定半成品钢筋3的第一次图像热区面积达标。
具体而言，控制调节模块判定半成品钢筋3的第一次图像热区面积不达标时，控制调节模块计算热区面积比值Sa与预设热区面积比值S1或S2的差值△S，设定△S＝S1-Sa或△S＝Sa-S2，并根据差值△S和预设差值的比对结果选取对应的调节系数对工业相机2的拍摄延时时长进行调节，
其中，控制调节模块设置有第一预设差值△S1、第二预设差值△S2、第一延时时长调节系数Y1、第二延时时长调节系数Y2、第三延时时长调节系数Y3，其中△S1＜△S2，1＜Y1＜Y2＜Y3＜5,
当△S≤△S1时，控制调节模块选取第一延时时长调节系数Y1对工业相机2的拍摄延时时长进行调节；
当△S1＜△S≤△S2时，控制调节模块选取第二延时时长调节系数Y2对工业相机2的拍摄延时时长进行调节；
当△S＞△S2时，控制调节模块选取第三延时时长调节系数Y3对工业相机2的拍摄延时时长进行调节；
当控制调节模块选取第j数量调节系数Yj对工业相机2的拍摄延时时长进行调节时，设定j＝1，2，3，控制调节模块将调节后的工业相机2的拍摄延时时长设置为Ry，设定Ry＝Ln×Yj，其中n＝1，2，3；
具体而言，控制调节模块将所述工业相机2的拍摄延时时长调节成Ry时再次驱动工业相机2执行拍摄，控制调节模块根据半成品钢筋3的图像中半成品钢筋3的外轮廓第二次圈定出半成品钢筋3的图像热区，并计算半成品钢筋3的第二次图像热区面积与标准热区面积的比值Sb，并将该比值Sb与预设热区面积比值进行比对，根据比对结果确定半成品钢筋3的第二次图像热区面积是否达标，
若Sb＜S1，控制调节模块判定半成品钢筋3的第二次图像热区面积不达标；
若Sb＞S2，控制调节模块判定半成品钢筋3的第二次图像热区面积不达标；
若S1≤Sb≤S2，控制调节模块判定半成品钢筋3的第二次图像热区面积达标；
当控制调节模块判定半成品钢筋3的第二次图像热区面积不达标时，进而判定半成品钢筋3的形状不合格。
本发明实施例基于影像识别的钢筋形状质检系统，控制调节模块判定半成品钢筋3的第一次或第二次图像热区面积达标时，控制调节模块对半成品钢筋3的图像热区进行二值化且去除背景的处理，当处理完成时，控制调节模块计算已完成二值化且去除背景的图像的灰度区域面积与标准灰度区域面积的比值M，并将该比值M与预设比值进行比对，根据比对结果确定半成品钢筋3的图像的灰度区域面积是否达标，
其中，控制调节模块设置有第三预设面积比值M1、第四预设面积比值M2，其中M1＜1＜M2，
若M＜M1，控制调节模块判定半成品钢筋3的图像的灰度区域面积不达标；
若M＞M2，控制调节模块判定半成品钢筋3的图像的灰度区域面积不达标；
若M1≤M≤M2，控制调节模块判定半成品钢筋3的图像的灰度区域面积达标；
当控制调节模块判定半成品钢筋3的图像的灰度区域面积不达标时，进而判定半成品钢筋3的形状不合格。
本发明实施例基于影像识别的钢筋形状质检系统，控制调节模块判定半成品钢筋3的图像的灰度区域面积达标时，控制调节模块根据半成品钢筋3的图像的灰度区域建立半成品钢筋3的矢量模型并生成坐标点，控制调节模块随机抽样N个坐标点，将N个坐标点与标准矢量模型中相对应抽样位置的坐标点进行比对并计算抽样合格率Wa，设定Wa＝e1/N，其中e1表示N个坐标点与标准矢量模型中对应抽样位置的坐标点重叠的坐标点数量，将该抽样合格率Wa与预设抽样合格率W0进行比对，根据比对结果确定半成品钢筋3的矢量模型坐标点的抽样合格率是否达标，
若Wa＜W0，控制调节模块判定半成品钢筋3的矢量模型坐标点的抽样合格率不达标；
若Wa≥W0，控制调节模块判定半成品钢筋3的矢量模型坐标点的抽样合格率达标。
具体而言，控制调节模块判定半成品钢筋3的矢量模型坐标点的抽样合格率不达标时，控制调节模块计算抽样合格率Wa与预设抽样合格率W0的差值△W，设定△W＝W0-Wa，并根据差值△W和预设差值的比对结果选取对应的调节系数对半成品钢筋3的矢量模型的随机抽样的坐标点的数量进行调节，
其中，控制调节模块设置有第三预设差值△W1、第四预设差值△W2、第一数量调节系数X1、第二数量调节系数X2、第三数量调节系数X3，其中△W1＜△W2，1＜X1＜X2＜X3＜10,各数量调节系数均为整数，
当△W≤△W1时，控制调节模块选取第一数量调节系数X1对半成品钢筋3的矢量模型的随机抽样的坐标点的数量进行调节；
当△W1＜△W≤△W2时，控制调节模块选取第二数量调节系数X2对半成品钢筋3的矢量模型的随机抽样的坐标点的数量进行调节；
当△W＞△W2时，控制调节模块选取第三数量调节系数X3对半成品钢筋3的矢量模型的随机抽样的坐标点的数量进行调节；
当控制调节模块选取第i数量调节系数Xi对随机抽样的坐标点的的数量进行调节时，设定i＝1，2，3，控制调节模块将调节后的调节后的随机抽样的坐标点的数量设置为Nx，设定Nx＝N×Xi；
将调节后的Nx个坐标点与标准矢量模型中相对应抽样位置的坐标点进行比对并计算第二次抽样合格率Wb，设定Wb＝e2/Nx，其中e2表示Nx个坐标点与标准矢量模型中对应抽样位置的坐标点重叠的坐标点数量，将调节后的抽样合格率Wb与预设抽样合格率W0进行比对，根据比对结果确定半成品钢筋3的矢量模型坐标点调节后的抽样合格率是否达标，
若Wb＜W0，控制调节模块判定半成品钢筋3的矢量模型坐标点调节后的抽样合格率不达标；
若Wb≥W0，控制调节模块判定半成品钢筋3的矢量模型坐标点调节后的抽样合格率达标；
当控制调节模块判定半成品钢筋3的矢量模型坐标点调节后的抽样合格率不达标时，进而判定半成品钢筋3的形状不合格。
本发明实施例基于影像识别的钢筋形状质检系统，控制调节模块判定半成品钢筋3的矢量模型坐标点的抽样合格率或调节后的抽样合格率达标时，控制调节模块对半成品钢筋3的矢量模型进行长度和折弯度的测量并生成半成品钢筋3的实际长度数据G和实际折弯角度数据C，将半成品钢筋3加工过程的若干加工动作的实际长度G数据和实际折弯角度数据C形成图形参数集合，该图形参数集合表示为：
E L(G)A(C)；
A(-C)L(G)A(C)；
A(-C)L(G)A(C)；
A(-C)L(G)A(C)；
A(-C)L(G)A(C)；
A(-C)L(G)E；
本发明实施例基于影像识别的钢筋形状质检系统，控制调节模块计算半成品钢筋3的实际长度数据G与半成品钢筋3设计长度数据G0的差值△G，设定△G＝G-G0，并根据半成品钢筋3的合格标准设置第一预设长度差△G1和第二预设长度差△G2，其中△G1＜1＜△G2；
控制调节模块计算半成品钢筋3的实际折弯角度数据C与半成品钢筋3设计折弯角度数据C0的差值△C，设定△C＝C-C0，并根据半成品钢筋3的合格标准设置第一预设角度差△C1和第二预设角度差△C2，其中△C1＜1＜△C2；
控制调节模块同时根据长度差值△G和预设长度差值的比对结果以及折弯角度差值△C和预设角度差值的比对结果判断半成品钢筋3的形状是否合格，
当△G＜△G1或△C＜△C1或△G＞△G2或△C＞△C2时，半成品钢筋3的形状不合格；
当△G1≤△G≤△G2且△C1≤△C≤△C2时，半成品钢筋3的形状合格。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于影像识别的钢筋形状质检系统，其特征在于，包括：
图像采集模块，用以采集工业相机拍摄半成品钢筋的图像；
图像识别模块，其与所述图像采集模块连接，用以将所述半成品钢筋的图像转化为半成品钢筋的矢量图形，并生成所述半成品钢筋的矢量图形的矢量数据；
质检数据对比模块，其与所述图像识别模块连接，用以判断所述半成品钢筋的形状是否合格；
质检结果显示模块，其与所述图像识别模块和所述质检数据对比模块连接，用以呈现所述半成品钢筋的形状的质检结果；
控制调节模块，其与所述图像采集模块、所述图像识别模块、所述质检数据对比模块连接，用以在所述半成品钢筋加工完成时驱动工业相机完成拍摄，用以在对所述半成品钢筋的形状进行质检时对所述图像采集模块、所述图像识别模块、所述质检数据对比模块的参数进行控制或调节；所述控制调节模块通过判断所述半成品钢筋的图像热区面积是否达标对所述工业相机的拍摄延时时长进行调节；所述控制调节模块通过判断所述半成品钢筋的矢量模型坐标点的抽样合格率是否达标对所述半成品钢筋的矢量模型的随机抽样的坐标点的数量进行调节。
2.根据权利要求1所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块根据可编程逻辑控制器记录的所述钢筋加工设备已经执行的加工动作的次数判断所述半成品钢筋是否加工完成。
3.根据权利要求2所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块判定所述半成品钢筋加工完成时，所述控制调节模块根据所述半成品钢筋的加工时长T和预设加工时长的对比结果初步确定所述工业相机的初始拍摄延时时长并且驱动所述工业相机执行拍摄，
其中，控制调节模块设置有第一预设加工时长T1、第二预设加工时长T2、第一初始延时时长L1、第二初始延时时长L2、第三初始延时时长L3，其中T1＜T2，L1＜L2＜L3，
当T≤T1时，控制调节模块将工业相机的初始拍摄延时时长设置为L1；
当TI＜T≤T2时，控制调节模块将工业相机的初始拍摄延时时长设置为L2；
当T＞T2时，控制调节模块将工业相机的初始拍摄延时时长设置为L3。
4.根据权利要求3所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块判定所述工业相机拍摄完成时，所述控制调节模块根据所述半成品钢筋的图像中所述半成品钢筋的外轮廓第一次圈定出所述半成品钢筋的图像热区，并计算所述半成品钢筋的第一次图像热区面积与标准热区面积的比值Sa，并将该比值Sa与预设热区面积比值S1或S2进行比对，根据比对结果确定所述半成品钢筋的第一次图像热区面积是否达标，
其中，控制调节模块设置有第一预设面积比值S1、第二预设面积比值S2，其中S1＜1＜S2，
若Sa＜S1，控制调节模块判定半成品钢筋的第一次图像热区面积不达标；
若Sa＞S2，控制调节模块判定半成品钢筋的第一次图像热区面积不达标；
若S1≤Sa≤S2，控制调节模块判定半成品钢筋的第一次图像热区面积达标。
5.根据权利要求4所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块判定所述半成品钢筋的第一次图像热区面积不达标时，所述控制调节模块计算所述热区面积比值Sa与预设热区面积比值S1或S2的差值△S，设定△S＝S1-Sa或△S＝Sa-S2，并根据差值△S和预设差值的比对结果选取对应的调节系数对所述工业相机的拍摄延时时长进行调节，所述控制调节模块将调节后的工业相机的拍摄延时时长设置为Ry，设定Ry＝Ln×Yj，Yj为调节系数；
所述控制调节模块将所述工业相机的拍摄延时时长调节成Ry时再次驱动所述工业相机执行拍摄，所述控制调节模块根据所述半成品钢筋的图像中所述半成品钢筋的外轮廓第二次圈定出所述半成品钢筋的图像热区，并计算所述半成品钢筋的第二次图像热区面积与标准热区面积的比值Sb，并将该比值Sb与预设热区面积比值S1或S2进行比对，根据比对结果确定所述半成品钢筋的第二次图像热区面积是否达标，
若Sb＜S1，控制调节模块判定半成品钢筋的第二次图像热区面积不达标；
若Sb＞S2，控制调节模块判定半成品钢筋的第二次图像热区面积不达标；
若S1≤Sb≤S2，控制调节模块判定半成品钢筋的第二次图像热区面积达标；
当所述控制调节模块判定所述半成品钢筋的第二次图像热区面积不达标时，进而判定所述半成品钢筋的形状不合格。
6.根据权利要求5所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块判定所述半成品钢筋的第一次或第二次图像热区面积达标时，所述控制调节模块对所述半成品钢筋的图像热区进行二值化且去除背景的处理，当处理完成时，所述控制调节模块计算已完成二值化且去除背景的图像的灰度区域面积与标准灰度区域面积的比值M，并将该比值M与预设比值进行比对，根据比对结果确定所述半成品钢筋的图像的灰度区域面积是否达标，
其中，控制调节模块设置有第三预设面积比值M1、第四预设面积比值M2，其中M1＜1＜M2，
若M＜M1，控制调节模块判定半成品钢筋的图像的灰度区域面积不达标；
若M＞M2，控制调节模块判定半成品钢筋的图像的灰度区域面积不达标；
若M1≤M≤M2，控制调节模块判定半成品钢筋的图像的灰度区域面积达标；
当所述控制调节模块判定所述半成品钢筋的图像的灰度区域面积不达标时，进而判定所述半成品钢筋的形状不合格。
7.根据权利要求6所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块判定所述半成品钢筋的图像的灰度区域面积达标时，所述控制调节模块根据所述半成品钢筋的图像的灰度区域建立半成品钢筋的矢量模型并生成坐标点，所述控制调节模块随机抽样N个坐标点，将所述N个坐标点与标准矢量模型中相对应抽样位置的坐标点进行比对并计算抽样合格率Wa，设定Wa＝e1/N，其中e1表示N个坐标点与标准矢量模型中对应抽样位置的坐标点重叠的坐标点数量，将该抽样合格率Wa与预设抽样合格率W0进行比对，根据比对结果确定所述半成品钢筋的矢量模型坐标点的抽样合格率是否达标，
若Wa＜W0，控制调节模块判定半成品钢筋的矢量模型坐标点的抽样合格率不达标；
若Wa≥W0，控制调节模块判定半成品钢筋的矢量模型坐标点的抽样合格率达标。
8.根据权利要求7所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块判定所述半成品钢筋的矢量模型坐标点的抽样合格率不达标时，所述控制调节模块计算所述抽样合格率Wa与预设抽样合格率W0的差值△W，设定△W＝W0-Wa，并根据差值△W和预设差值的比对结果选取对应的调节系数对所述半成品钢筋的矢量模型的随机抽样的坐标点的数量进行调节，所述控制调节模块将调节后的随机抽样的坐标点的数量设置为Nx，设定Nx＝N×Xi，Xi为调节系数；
将调节后的Nx个坐标点与标准矢量模型中相对应抽样位置的坐标点进行比对并计算调节后的抽样合格率Wb，设定Wb＝e2/N，其中e2表示Nx个坐标点与标准矢量模型中对应抽样位置的坐标点重叠的坐标点数量，将调节后的抽样合格率Wb与预设抽样合格率W0进行比对，根据比对结果确定所述半成品钢筋的矢量模型坐标点调节后的抽样合格率是否达标，
若Wb＜W0，控制调节模块判定半成品钢筋的矢量模型坐标点调节后的抽样合格率不达标；
若Wb≥W0，控制调节模块判定半成品钢筋的矢量模型坐标点调节后的抽样合格率达标；
当所述控制调节模块判定所述半成品钢筋的矢量模型坐标点调节后的抽样合格率不达标时，进而判定所述半成品钢筋的形状不合格。
9.根据权利要求8所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块判定所述半成品钢筋的矢量模型坐标点的抽样合格率或调节后的抽样合格率达标时，所述控制调节模块对所述半成品钢筋的矢量模型进行长度和折弯度的测量并生成所述半成品钢筋的实际长度数据G和实际折弯角度数据C。
10.根据权利要求9所述的基于影像识别的钢筋形状质检系统，其特征在于，所述控制调节模块计算所述半成品钢筋的实际长度数据G与半成品钢筋设计长度数据G0的差值△G，设定△G＝G-G0，并根据所述半成品钢筋的合格标准设置第一预设长度差△G1和第二预设长度差△G2，其中△G1＜1＜△G2；
所述控制调节模块计算所述半成品钢筋的实际折弯角度数据C与半成品钢筋设计折弯角度数据C0的差值△C，设定△C＝C-C0，并根据所述半成品钢筋的合格标准设置第一预设角度差△C1和第二预设角度差△C2，其中△C1＜1＜△C2；
所述控制调节模块同时根据所述长度差值△G和预设长度差值的比对结果以及所述折弯角度差值△C和预设角度差值的比对结果判断所述半成品钢筋的形状是否合格，
当△G＜△G1或△C＜△C1或△G＞△G2或△C＞△C2时，半成品钢筋的形状不合格；
当△G1≤△G≤△G2且△C1≤△C≤△C2时，半成品钢筋的形状合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211245541.1A CN115638742B (zh) | 2022-10-12 | 2022-10-12 | 一种基于影像识别的钢筋形状质检系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211245541.1A CN115638742B (zh) | 2022-10-12 | 2022-10-12 | 一种基于影像识别的钢筋形状质检系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115638742A true CN115638742A (zh) | 2023-01-24 |
| CN115638742B CN115638742B (zh) | 2023-08-15 |
Family
ID=84944922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211245541.1A Active CN115638742B (zh) | 2022-10-12 | 2022-10-12 | 一种基于影像识别的钢筋形状质检系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115638742B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117102392A (zh) * | 2023-09-07 | 2023-11-24 | 广东中外建集团有限公司 | 基于bim的钢筋自动化加工系统及方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001321832A (ja) * | 2000-05-11 | 2001-11-20 | Amada Co Ltd | 折曲げ加工方法及び折曲げ加工システム |
| CN102980892A (zh) * | 2012-11-13 | 2013-03-20 | 上海交通大学 | 钢管在线检测系统及方法 |
| JP2014130062A (ja) * | 2012-12-28 | 2014-07-10 | Eikichi Oshita | 鉄筋画像生成方法と装置、鉄筋腐食性状診断方法と装置、鉄筋画像生成用のプログラム及び当該プログラムを記録する記録媒体 |
| CN111141225A (zh) * | 2019-12-20 | 2020-05-12 | 山东大学 | 一种基于激光阵列的钢筋尺寸测量方法及系统 |
| CN111179232A (zh) * | 2019-12-20 | 2020-05-19 | 山东大学 | 基于图像处理的钢筋尺寸检测系统及方法 |
| CN112465805A (zh) * | 2020-12-11 | 2021-03-09 | 中山亿铭网络科技有限公司 | 用于钢筋冲压折弯的质量检测的神经网络的训练方法 |
| KR102321164B1 (ko) * | 2020-11-20 | 2021-11-03 | 동아대학교 산학협력단 | 가공 철근의 교정 시스템 및 그 방법 |
| CN114580927A (zh) * | 2022-03-09 | 2022-06-03 | 中武(福建)跨境电子商务有限责任公司 | 一种用于大宗商品采销平台的风险控制方法 |
| CN114661786A (zh) * | 2021-12-22 | 2022-06-24 | 珠海采筑电子商务有限公司 | 基于历史检测的大数据分析方法、系统、终端及介质 |
| CN114813314A (zh) * | 2022-04-24 | 2022-07-29 | 抚顺新钢铁有限责任公司 | 一种螺纹钢筋自动拉伸检验时的温度条件监控方法及系统 |
| CN115170041A (zh) * | 2022-09-09 | 2022-10-11 | 江苏州际数码印花有限公司 | 一种纺织产品进出库的智能动态盘点方法及系统 |
-
2022
- 2022-10-12 CN CN202211245541.1A patent/CN115638742B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001321832A (ja) * | 2000-05-11 | 2001-11-20 | Amada Co Ltd | 折曲げ加工方法及び折曲げ加工システム |
| CN102980892A (zh) * | 2012-11-13 | 2013-03-20 | 上海交通大学 | 钢管在线检测系统及方法 |
| JP2014130062A (ja) * | 2012-12-28 | 2014-07-10 | Eikichi Oshita | 鉄筋画像生成方法と装置、鉄筋腐食性状診断方法と装置、鉄筋画像生成用のプログラム及び当該プログラムを記録する記録媒体 |
| CN111141225A (zh) * | 2019-12-20 | 2020-05-12 | 山东大学 | 一种基于激光阵列的钢筋尺寸测量方法及系统 |
| CN111179232A (zh) * | 2019-12-20 | 2020-05-19 | 山东大学 | 基于图像处理的钢筋尺寸检测系统及方法 |
| KR102321164B1 (ko) * | 2020-11-20 | 2021-11-03 | 동아대학교 산학협력단 | 가공 철근의 교정 시스템 및 그 방법 |
| CN112465805A (zh) * | 2020-12-11 | 2021-03-09 | 中山亿铭网络科技有限公司 | 用于钢筋冲压折弯的质量检测的神经网络的训练方法 |
| CN114661786A (zh) * | 2021-12-22 | 2022-06-24 | 珠海采筑电子商务有限公司 | 基于历史检测的大数据分析方法、系统、终端及介质 |
| CN114580927A (zh) * | 2022-03-09 | 2022-06-03 | 中武(福建)跨境电子商务有限责任公司 | 一种用于大宗商品采销平台的风险控制方法 |
| CN114813314A (zh) * | 2022-04-24 | 2022-07-29 | 抚顺新钢铁有限责任公司 | 一种螺纹钢筋自动拉伸检验时的温度条件监控方法及系统 |
| CN115170041A (zh) * | 2022-09-09 | 2022-10-11 | 江苏州际数码印花有限公司 | 一种纺织产品进出库的智能动态盘点方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117102392A (zh) * | 2023-09-07 | 2023-11-24 | 广东中外建集团有限公司 | 基于bim的钢筋自动化加工系统及方法 |
| CN117102392B (zh) * | 2023-09-07 | 2024-02-13 | 广东中外建集团有限公司 | 基于bim的钢筋自动化加工系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115638742B (zh) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108489986B (zh) | 一种增材制造在线检测及修复方法 | |
| CN110751604B (zh) | 一种基于机器视觉的钢管焊缝缺陷在线检测方法 | |
| CN115638742A (zh) | 一种基于影像识别的钢筋形状质检系统 | |
| CN111037062B (zh) | 一种gtaw焊缝成形的自适应控制与自动视觉检测方法 | |
| CN111815555A (zh) | 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置 | |
| CN111645111A (zh) | 一种基于工业机器人的智能制造系统及方法 | |
| CN115255048A (zh) | 一种折弯机智能控制方法及系统 | |
| CN116307289A (zh) | 一种纺织品加工工序参数检测预测方法、系统及存储介质 | |
| US7916140B2 (en) | Method and a system for operating a controllable multi-variable process | |
| US8380328B2 (en) | Method and system for monitoring and controlling a multi-variable process throughout a plurality of distinct phases of the process | |
| Rauch et al. | Repairing Ti-6Al-4V aeronautical components with DED additive manufacturing | |
| CN111922548B (zh) | 一种基于焊缝三维形状检测的3d焊缝扫描系统 | |
| Jayaraman et al. | Multi-response optimization of cutting parameters during end-milling of AA6101 T6 aluminium alloy using grey relational analysis | |
| CN109622926B (zh) | 一种面向铸锭过程的锭块边缘检测方法 | |
| KR102589428B1 (ko) | 중간 금속 제품(들)의 그룹으로부터의 최종 금속 제품(들)의 그룹의 제조를 제어하기 위한 방법 및 전자 장치, 관련 컴퓨터 프로그램, 제조 방법 및 설비 | |
| Zhao et al. | Study on intelligent control technology for forming steel pipe of pipeline with JCO process | |
| CN105195523B (zh) | 一种提高热轧中间坯头部温度计算精度的方法 | |
| CN108363355A (zh) | 基于视觉系统的滚压包边轨迹优化方法及系统 | |
| CN115125532A (zh) | 一种钛合金材料激光熔覆控制方法 | |
| CN113516637A (zh) | 一种基于图像自动识别废钢种类的方法及装置 | |
| Husmann et al. | Online-analysis of process-data to avoid ovality in radial-axial ring rolling processes | |
| Mocci et al. | SOM analysis of IMPOC data in relation to process parameters in strip steel production | |
| CN117371137B (zh) | 基于sqp的球头铣刀多轴铣削表面形貌快速预测方法 | |
| CN118377262B (zh) | 一种线夹装配自动化设备的智能控制方法 | |
| CN112858623B (zh) | 判断带肋钢筋外形是否合理和加强带肋钢筋强度的方法 |
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 |