CN115639207A - 一种用于多种产品同时检测的机器视觉检测方法及系统 - Google Patents
一种用于多种产品同时检测的机器视觉检测方法及系统 Download PDFInfo
- Publication number
- CN115639207A CN115639207A CN202211670125.6A CN202211670125A CN115639207A CN 115639207 A CN115639207 A CN 115639207A CN 202211670125 A CN202211670125 A CN 202211670125A CN 115639207 A CN115639207 A CN 115639207A
- Authority
- CN
- China
- Prior art keywords
- fruit
- batch
- value
- production line
- fruits
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 180
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 405
- 238000004519 manufacturing process Methods 0.000 claims abstract description 170
- 230000000007 visual effect Effects 0.000 claims abstract description 149
- 238000004458 analytical method Methods 0.000 claims abstract description 83
- 238000013500 data storage Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 22
- 238000011179 visual inspection Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000010224 classification analysis Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 206010011906 Death Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000019614 sour taste Nutrition 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
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
Abstract
本发明属于果品检测技术领域,具体是一种用于多种产品同时检测的机器视觉检测方法及系统,视觉检测系统包括处理器、数据存储模块、果品视觉分析模块和果品批次反馈模块,处理器与数据存储模块、果品视觉分析模块以及果品批次反馈模块均通信连接,且处理器通信连接各组视觉检测产线所对应的视觉检测设备,处理器通信连接监管终端;本发明通过多组视觉检测产线对各品种果品进行检测,果品视觉分析模块进行果品视觉分析并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,实现对各组视觉检测产线上果品的视觉检测并合理分类,果品批次反馈模块进行批次反馈分析,实现对各组视觉分析产线上每批次产品的批次分级评估。
Description
技术领域
本发明涉及果品检测技术领域,具体是一种用于多种产品同时检测的机器视觉检测方法及系统。
背景技术
水果是指多汁且主要味觉为甜味和酸味并可食用的植物果实,水果不但含有丰富的营养,而且能够促进消化;在对水果进行包装前需要对其进行检测并分类,目前主要通过人工进行肉眼检查水果外观并对其进行品质分类,但仅凭人眼观察检测不仅明显加大工作人员的工作量,费时费力,还不利于提升水果检测的准确性,并且难以实现同时对多种水果的视觉检测并反馈各组品种水果的批次品质信息,有待进行改善;
针对上述的技术缺陷,现提出一种解决方案。
发明内容
本发明的目的在于提供一种用于多种产品同时检测的机器视觉检测方法及系统,解决了目前通过人眼观察检测不仅明显加大工作人员的工作量,费时费力,还不利于提升水果检测的准确性,且难以实现同时对多种水果的视觉检测并反馈各组品种水果的批次品质信息,有待进行改善的问题。
为实现上述目的,本发明提供如下技术方案:
一种用于多种产品同时检测的机器视觉检测方法,包括以下步骤:
步骤一、各组视觉检测产线对果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块;
步骤二、果品视觉分析模块进行果品视觉分析并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,将果品标记信息发送至处理器;
步骤三、处理器接收到果品标记信息后将对应控制指令发送至对应视觉检测产线,视觉检测产线将检测完成的果品通过对应的输送通道分类输送出去;
步骤四、在视觉检测产线上对应果品批次检测完成后,果品批次反馈模块将视觉检测产线上对应果品批次标记为优质批次或非优质批次,将优质批次或非优质批次以及所对应的果品合作厂商发送至处理器;
步骤五、处理器将所接收的批次标记信息和对应果品合作厂商信息发送至监管终端。
进一步的,本发明还提出了一种用于多种产品同时检测的机器视觉检测系统,包括处理器、数据存储模块、果品视觉分析模块和果品批次反馈模块,处理器与数据存储模块、果品视觉分析模块以及果品批次反馈模块均通信连接,且处理器通信连接各组视觉检测产线所对应的视觉检测设备,处理器通信连接监管终端;
对应视觉检测产线所对应的视觉检测设备对果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块;果品视觉分析模块基于果品检测信息进行果品视觉分析并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,将果品标记信息发送至处理器;处理器接收到果品标记信息后,生成对应控制指令并发送至对应视觉检测产线,视觉检测产线将检测完成的果品通过对应的输送通道分类输送出去;
在对应视觉检测产线上对应果品批次检测完成后,处理器生成批次反馈分析信号并将批次反馈分析信号发送至果品批次反馈模块,果品批次反馈模块接收到果品批次反馈信号后将对应视觉检测产线上对应果品批次进行批次反馈分析,通过批次反馈分析将对应视觉检测产线上对应果品批次标记为优质批次或非优质批次,将优质批次或非优质批次以及所对应的果品合作厂商发送至处理器。
进一步的,果品视觉分析模块的具体运行过程如下:
获取到视觉检测产线上的果品品种,以及获取到视觉检测产线所对应视觉检测设备通过检测得到的果品检测信息,果品信息包括果品色差值、果品表体值、果品斑点值和果品斑面值,其中,果品色差值表示所检测果品相较于对应品种标准果品图像的整体色差大小的数据量值,果品表体值表示所检测果品体积大小的数据量值,果品斑点值表示所检测果品外表面斑点数量大小的数据量值,果品斑面值表示所检测果品外表面黑褐色面积大小的数据量值;
将果品斑点值与果品斑面值进行数值计算表面损伤值,通过数据存储模块调取对应果品品种的预设表面损伤阈值,将表面损伤值与表面损伤阈值进行比较,若表面损伤值大于等于预设表面损伤阈值,则将对应果品标记为淘汰果品,若表面损伤值小于预设表面损伤阈值,则将对应果品标记为待分级果品;将待分级果品进行品质分析并标记为优级果品、良级果品或劣级果品。
进一步的,品质分析的具体分析过程如下:
通过数据存储模块调取对应果品品种的预设果品色差阈值和预设果品表体阈值,将待分级果品的果品色差值和果品表体值与预设果品色差阈值和预设果品表体阈值分别进行比较,若待分级果品的果品色差值小于预设果品色差阈值且果品表体值大于预设果品表体阈值,则将对应待分级果品标记为优级果品;
否则,将果品色差值、果品表体值和表面损伤值进行数值计算获取到果品品质值,通过数据存储模块调取对应果品品种的预设果品品质阈值,将果品品质值与预设果品品质阈值进行比较,若果品品质值大于等于预设果品品质阈值,则将待分级果品标记为良级果品;若果品品质值小于预设果品品质阈值,则将待分级果品标记为劣级果品。
进一步的,果品批次反馈模块的具体分析过程如下:
获取到在对应视觉检测产线上对应批次的批次检测信息,批次检测信息包括批次果品数、批次优品数、批次良品数和批次劣品数,将批次优品数、批次良品数和批次劣品数进行数值计算获取到批次分析值,将批次分析值与批次果品数进行比值计算获取到批次品质系数;
通过数据存储模块调取对应果品品种的预设批次品质系数阈值,将批次品质系数与预设批次品质系数阈值进行比较,若批次品质系数大于预设批次品质系数阈值,则将对应批次标记为优质批次,若批次品质系数小于等于预设批次品质系数阈值,则将对应批次标记为非优质批次。
进一步的,处理器接收到优质批次或非优质批次以及所对应的果品合作厂商时,将所接收的批次信息和厂商信息发送至对应监管终端,对应监管终端人员后续可选择加强与优质批次所对应合作厂商的合作,以及减少与非优质批次所对应合作厂商的合作或督促对应合作厂商加强果品选择。
进一步的,还包括视觉检测产线分级模块,处理器与视觉检测产线分级模块通信连接,视觉检测产线分级模块对视觉检测产线进行标记并通过产线分级分析将视觉检测产线标记为一级产线、二级产线或三级产线,且将产线分级信息经处理器发送至对应监管终端,产线分级分析的具体过程如下:
获取到检测监管区域,将检测监管区域内的视觉检测产线标记为u,u={1,2,…,m},m表示视觉检测产线数量且m为大于1的正整数;获取到检视觉检测产线i所对应的视觉检测设备信息,基于视觉检测设备信息并通过设备分级分析将视觉检测产线i标记为一级产线、二级产线或三级产线,且一线产线的产线等级大于二级产线的产线等级,二级产线的产线等级大于三级产线的产线等级。
进一步的,设备分级分析的分析过程如下:
获取到视觉检测产线u所对应视觉检测设备信息中的设备运行值、设备故频值和设备生命值,设备故频值表示对应视觉检测设备单位时间出现故障频率大小的数据量值,设备生命值表示对应设备当前距报废期限的间隔时长大小的数据量值;将设备运行值、设备故频值和设备生命值进行数值计算获取到分级参照值;通过数据存储模块调取预设分级参照范围,将分级参照值与预设分级参照范围进行比较;
若分级参照值小于等于预设分级参照范围的最小值,则将对应视觉检测产线u标记为一级产线,若分级参照值位于预设分级参照范围内,则将对应视觉检测产线u标记为二级产线,若分级参照值大于等于预设分级参照范围的最大值,则将对应视觉检测产线u标记为三级产线;在进行果品视觉检测时,优先选择一级产线,不存在空闲一级产线时选择二级产线,不存在空闲二级产线时选择三级产线。
进一步的,设备运行值的分析获取方法如下:
获取到对应视觉检测设备在历史运行阶段的运行次数和每次运行持续时长,将运行次数和每次运行时长分别标记为设备运频值和运行持续值,通过数据存储模块调取预设持续值阈值,将运行持续值与持续值阈值进行比较,若运行持续值大于等于预设持续值阈值,则将对应运行标记为不良运行,若运行持续值小于预设持续值阈值,则将对应运行标记为良好运行;经过统计分析获取到对应视觉检测设备在历史运行阶段的不良运行次数和良好运行次数并标记为不良运频值和良好运频值,将对应视觉检测设备的设备运频值、不良运频值和良好运频值进行数值计算获取到设备运行值。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过多组视觉检测产线对各品种果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块,果品视觉分析模块进行果品视觉分析,并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,实现对各组视觉检测产线上果品的视觉检测并合理分类,保证果品检测结果准确性的同时降低工作人员的工作量,以及提高果品检测效率;
2、本发明中,通过果品批次反馈模块将对应视觉检测产线上对应果品批次进行批次反馈分析以将对应视觉检测产线上对应果品批次标记为优质批次或非优质批次,实现对各组视觉分析产线上每批次产品的批次分级评估,有助于监管人员后续选择加强或降低与对应合作厂商的合作;
3、本发明中,通过视觉检测产线分级模块对视觉检测产线进行标记并通过产线分级分析将视觉检测产线标记为一级产线、二级产线或三级产线,且将产线分级信息经处理器发送至对应监管终端,方便工作人员进行视觉检测产线选择,以及有助于工作人员针对不同级别产线进行针对性的监管和维护。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的方法流程图;
图2为本发明中实施例二的整体系统框图;
图3为本发明中处理器与视觉检测产线的系统框图;
图4为本发明中实施例三的系统框图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
如图1所示,本发明提出的一种用于多种产品同时检测的机器视觉检测方法,包括以下步骤:
步骤一、各组视觉检测产线对果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块;视觉检测产线主要由视觉检测设备、产品输入设备和多组产品输出设备组成,多组产品输出设备用于对不同品质的产品进行分类输出;
步骤二、果品视觉分析模块进行果品视觉分析并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,将果品标记信息发送至处理器;
步骤三、处理器接收到果品标记信息后将对应控制指令发送至对应视觉检测产线,视觉检测产线将检测完成的果品通过对应的输送通道分类输送出去;
步骤四、在视觉检测产线上对应果品批次检测完成后,果品批次反馈模块将视觉检测产线上对应果品批次标记为优质批次或非优质批次,将优质批次或非优质批次以及所对应的果品合作厂商发送至处理器;
步骤五、处理器将所接收的批次标记信息和对应果品合作厂商信息发送至监管终端。
实施例二:
如图2-3所示,本发明提出的一种用于多种产品同时检测的机器视觉检测系统,包括处理器、数据存储模块、果品视觉分析模块和果品批次反馈模块,处理器与数据存储模块、果品视觉分析模块以及果品批次反馈模块均通信连接,且处理器通信连接各组视觉检测产线所对应的视觉检测设备,处理器通信连接监管终端;对应视觉检测产线所对应的视觉检测设备对果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块;果品视觉分析模块基于果品检测信息进行果品视觉分析,果品视觉分析的具体分析过程如下:
步骤S1、获取到视觉检测产线上的果品品种,以及获取到视觉检测产线所对应视觉检测设备通过检测得到的果品检测信息,果品检测信息包括果品色差值、果品表体值、果品斑点值和果品斑面值,将果品色差值、果品表体值、果品斑点值和果品斑面值分别标记为GS、GT、GD、GM;
其中,果品色差值GS表示所检测果品相较于对应品种标准果品图像的整体色差大小的数据量值,果品表体值GT表示所检测果品体积大小的数据量值,果品斑点值GD表示所检测果品外表面斑点数量大小的数据量值,果品斑面值GM表示所检测果品外表面黑褐色面积大小的数据量值;
步骤S2、通过公式将果品斑点值GD与果品斑面值GM进行数值计算表面损伤值BS,其中,ku1和ku2为预设权重系数,ku1、ku2的取值均大于零且ku1<ku2;表面损伤值BS的数值越大,表明对应果品的品质越差,对应果品被淘汰的可能性越大;
通过数据存储模块调取对应果品品种的预设表面损伤阈值,将表面损伤值BS与表面损伤阈值进行比较,若表面损伤值BS大于等于预设表面损伤阈值,则将对应果品标记为淘汰果品,若表面损伤值BS小于预设表面损伤阈值,则将对应果品标记为待分级果品;
步骤S3、将待分级果品进行品质分析并标记为优级果品、良级果品或劣级果品,品质分析的具体过程如下:
步骤S31、通过数据存储模块调取对应果品品种的预设果品色差阈值和预设果品表体阈值,将待分级果品的果品色差值GS和果品表体值GT与预设果品色差阈值和预设果品表体阈值分别进行比较,若待分级果品的果品色差值GS小于预设果品色差阈值且果品表体值GT大于预设果品表体阈值,则将对应待分级果品标记为优级果品;否则进行下一步;
步骤S32、通过公式并代入果品色差值GS、果品表体值GT和表面损伤值BS进行数值计算,通过数值计算后获取到对应视觉检测产线上对应果品的果品品质值GPz;其中,kv1、kv2、kv3为预设比例系数,kv1、kv2、kv3的取值均大于零且kv1>kv2>kv3;
步骤S33、通过数据存储模块调取对应果品品种的预设果品品质阈值,将果品品质值GPz与预设果品品质阈值进行比较,若果品品质值GPz大于等于预设果品品质阈值,则将待分级果品标记为良级果品;若果品品质值GPz小于预设果品品质阈值,则将待分级果品标记为劣级果品。
通过果品视觉分析模块基于果品检测信息进行果品视觉分析并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,实现对各组视觉检测产线上不同品种果品的视觉检测,将果品标记信息发送至处理器,处理器接收到果品标记信息后,生成对应控制指令并发送至对应视觉检测产线,视觉检测产线将检测完成的果品通过对应的输送通道分类输送出去。
在对应视觉检测产线上对应果品批次检测完成后,处理器生成批次反馈分析信号并将批次反馈分析信号发送至果品批次反馈模块,果品批次反馈模块接收到果品批次反馈信号后将对应视觉检测产线上对应果品批次进行批次反馈分析,批次反馈分析的具体过程如下:
步骤T1、获取到在对应视觉检测产线上对应批次的批次检测信息,批次检测信息包括批次果品数、批次优品数、批次良品数和批次劣品数,将批次果品数、批次优品数、批次良品数和批次劣品数分别标记为PGs、PYs、PLs、PZs;其中,批次果品数PGs表明对应批次水果数量多少的数据量值,批次优品数PYs表示对应批次水果中优级果品数量多少的数据量值,批次良品数PLs表示对应批次水果中良级果品数量多少的数据量值,批次劣品数PZs表示对应批次水果中劣级果品和淘汰果品两者数量和值大小的数据量值;
通过比值公式将批次分析值PFz与批次果品数PGs进行比值计算,通过比值计算后获取到批次品质系数PPs;其中,ey为预设修正因子,ey的取值大于零;需要说明的是,批次品质系数PPs用于反映对应批次的果品整体状况,批次品质系数PPs的数值越大,表明对应批次的果品整体品质越好,反之,则表明对应批次的果品整体品质越差;
步骤T3、通过数据存储模块调取对应果品品种的预设批次品质系数阈值,将批次品质系数PPs与预设批次品质系数阈值进行比较;若批次品质系数PPs大于预设批次品质系数阈值,则将对应批次标记为优质批次;若批次品质系数PPs小于等于预设批次品质系数阈值,则将对应批次标记为非优质批次。
通过果品批次反馈模块将对应视觉检测产线上对应果品批次进行批次反馈分析以将对应视觉检测产线上对应果品批次标记为优质批次或非优质批次,实现对各组视觉分析产线上每批次产品的批次分级评估,将优质批次或非优质批次以及所对应的果品合作厂商发送至处理器;处理器接收到优质批次或非优质批次以及所对应的果品合作厂商时,将所接收的批次信息和厂商信息发送至对应监管终端,对应监管终端人员后续可选择加强与优质批次所对应合作厂商的合作,以及减少与非优质批次所对应合作厂商的合作或督促对应合作厂商加强果品选择,以保证后续对应厂商的果品品质。
实施例三:
如图4所示,本实施例与实施例1、实施例2的区别在于,还包括视觉检测产线分级模块,处理器与视觉检测产线分级模块通信连接,视觉检测产线分级模块对视觉检测产线进行标记并通过产线分级分析将视觉检测产线标记为一级产线、二级产线或三级产线,且将产线分级信息经处理器发送至对应监管终端,产线分级分析的具体过程如下:
步骤Q1、获取到检测监管区域,将检测监管区域内的视觉检测产线标记为u,u={1,2,…,m},m表示视觉检测产线数量且m为大于1的正整数;
步骤Q2、获取到检视觉检测产线i所对应的视觉检测设备信息,基于视觉检测设备信息并通过设备分级分析将视觉检测产线i标记为一级产线、二级产线或三级产线,设备分级分析的分析过程如下:
步骤Q21、获取到对应视觉检测设备在历史运行阶段的运行次数和每次运行持续时长,将运行次数和每次运行时长分别标记为设备运频值SPu和运行持续值YXu,通过数据存储模块调取预设持续值阈值,将运行持续值YXu与持续值阈值进行比较,若运行持续值YXu大于等于预设持续值阈值,则将对应运行标记为不良运行,若运行持续值YXu小于预设持续值阈值,则将对应运行标记为良好运行;
步骤Q22、经过统计分析获取到对应视觉检测设备在历史运行阶段的不良运行次数和良好运行次数并标记为不良运频值BLu和良好运频值LHu,通过公式并代入对应视觉检测设备的设备运频值SPu、不良运频值BLu和良好运频值LHu进行数值计算,通过数值计算后获取到对应视觉检测产线的设备运行值SYu;
其中,b1、b2、b3为预设比例系数,b1、b2、b3的取值均大于零且b3>b1>b2;需要说明的是,设备运行值SYu的数值大小与设备运频值SPu呈正比关系,且与不良运频值BLu和良好运频值LHu两者比值大小呈正比关系;设备运行值SYu的数值越大,表明对应视觉检测产线进行准确检测的可能性越小;
步骤Q23、获取到视觉检测产线u所对应视觉检测设备信息中的设备运行值SYu、设备故频值SGu和设备生命值SMu,设备故频值SGu表示对应视觉检测设备单位时间出现故障频率大小的数据量值,设备生命值SMu表示对应设备当前距报废期限的间隔时长大小的数据量值;
步骤Q24、通过归一化分析公式将设备运行值SYu、设备故频值SGu和设备生命值SMu进行数值计算,通过数值计算后获取到分级参照值FXu;其中,hu1、hu2、hu3为预设比例系数,且hu1>hu2>hu3>0;
步骤Q25、通过数据存储模块调取预设分级参照范围,将分级参照值FXu与预设分级参照范围进行比较;若分级参照值FXu小于等于预设分级参照范围的最小值,则将对应视觉检测产线u标记为一级产线;若分级参照值FXu位于预设分级参照范围内,则将对应视觉检测产线u标记为二级产线;若分级参照值FXu大于等于预设分级参照范围的最大值,则将对应视觉检测产线u标记为三级产线;
且一线产线的产线等级大于二级产线的产线等级,二级产线的产线等级大于三级产线的产线等级,即在进行果品视觉检测时,优先选择一级产线,不存在空闲一级产线时选择二级产线,不存在空闲二级产线时选择三级产线,方便工作人员进行产线选择,并加强对二级产线和三级产线的检修维护频率,以及加强对二级产线和三级产线的运行监管。
本发明的工作原理:使用时,通过多组视觉检测产线对各品种果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块,果品视觉分析模块进行果品视觉分析,并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,实现对各组视觉检测产线上果品的视觉检测并合理分类;在对应视觉检测产线上对应果品批次检测完成后,果品批次反馈模块将对应视觉检测产线上对应果品批次进行批次反馈分析以将对应视觉检测产线上对应果品批次标记为优质批次或非优质批次,实现对各组视觉分析产线上每批次产品的批次分级评估。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (9)
1.一种用于多种产品同时检测的机器视觉检测方法,其特征在于,包括以下步骤:
步骤一、各组视觉检测产线对果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块;
步骤二、果品视觉分析模块进行果品视觉分析并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,将果品标记信息发送至处理器;
步骤三、处理器接收到果品标记信息后将对应控制指令发送至对应视觉检测产线,视觉检测产线将检测完成的果品通过对应的输送通道分类输送出去;
步骤四、在视觉检测产线上对应果品批次检测完成后,果品批次反馈模块将视觉检测产线上对应果品批次标记为优质批次或非优质批次,将优质批次或非优质批次以及所对应的果品合作厂商发送至处理器;
步骤五、处理器将所接收的批次标记信息和对应果品合作厂商信息发送至监管终端。
2.一种用于多种产品同时检测的机器视觉检测系统,其特征在于,包括处理器、数据存储模块、果品视觉分析模块和果品批次反馈模块,处理器与数据存储模块、果品视觉分析模块以及果品批次反馈模块均通信连接,且处理器通信连接各组视觉检测产线所对应的视觉检测设备,处理器通信连接监管终端;
对应视觉检测产线所对应的视觉检测设备对果品进行检测,将果品品种和果品检测信息经处理器发送至果品视觉分析模块;果品视觉分析模块基于果品检测信息进行果品视觉分析并将对应果品标记为淘汰果品、优级果品、良级果品或劣级果品,将果品标记信息发送至处理器;处理器接收到果品标记信息后,生成对应控制指令并发送至对应视觉检测产线,视觉检测产线将检测完成的果品通过对应的输送通道分类输送出去;
在对应视觉检测产线上对应果品批次检测完成后,处理器生成批次反馈分析信号并将批次反馈分析信号发送至果品批次反馈模块,果品批次反馈模块接收到果品批次反馈信号后将对应视觉检测产线上对应果品批次进行批次反馈分析,通过批次反馈分析将对应视觉检测产线上对应果品批次标记为优质批次或非优质批次,将优质批次或非优质批次以及所对应的果品合作厂商发送至处理器。
3.根据权利要求2所述的一种用于多种产品同时检测的机器视觉检测系统,其特征在于,果品视觉分析模块的具体运行过程如下:
获取到视觉检测产线上的果品品种,以及获取到视觉检测产线所对应视觉检测设备通过检测得到的果品检测信息,果品信息包括果品色差值、果品表体值、果品斑点值和果品斑面值,其中,果品色差值表示所检测果品相较于对应品种标准果品图像的整体色差大小的数据量值,果品表体值表示所检测果品体积大小的数据量值,果品斑点值表示所检测果品外表面斑点数量大小的数据量值,果品斑面值表示所检测果品外表面黑褐色面积大小的数据量值;
将果品斑点值与果品斑面值进行数值计算表面损伤值,通过数据存储模块调取对应果品品种的预设表面损伤阈值,将表面损伤值与表面损伤阈值进行比较,若表面损伤值大于等于预设表面损伤阈值,则将对应果品标记为淘汰果品,若表面损伤值小于预设表面损伤阈值,则将对应果品标记为待分级果品;将待分级果品进行品质分析并标记为优级果品、良级果品或劣级果品。
4.根据权利要求3所述的一种用于多种产品同时检测的机器视觉检测系统,其特征在于,品质分析的具体分析过程如下:
通过数据存储模块调取对应果品品种的预设果品色差阈值和预设果品表体阈值,将待分级果品的果品色差值和果品表体值与预设果品色差阈值和预设果品表体阈值分别进行比较,若待分级果品的果品色差值小于预设果品色差阈值且果品表体值大于预设果品表体阈值,则将对应待分级果品标记为优级果品;
否则,将果品色差值、果品表体值和表面损伤值进行数值计算获取到果品品质值,通过数据存储模块调取对应果品品种的预设果品品质阈值,将果品品质值与预设果品品质阈值进行比较,若果品品质值大于等于预设果品品质阈值,则将待分级果品标记为良级果品;若果品品质值小于预设果品品质阈值,则将待分级果品标记为劣级果品。
5.根据权利要求2所述的一种用于多种产品同时检测的机器视觉检测系统,其特征在于,果品批次反馈模块的具体分析过程如下:
获取到在对应视觉检测产线上对应批次的批次检测信息,批次检测信息包括批次果品数、批次优品数、批次良品数和批次劣品数,将批次优品数、批次良品数和批次劣品数进行数值计算获取到批次分析值,将批次分析值与批次果品数进行比值计算获取到批次品质系数;
通过数据存储模块调取对应果品品种的预设批次品质系数阈值,将批次品质系数与预设批次品质系数阈值进行比较,若批次品质系数大于预设批次品质系数阈值,则将对应批次标记为优质批次,若批次品质系数小于等于预设批次品质系数阈值,则将对应批次标记为非优质批次。
6.根据权利要求2所述的一种用于多种产品同时检测的机器视觉检测系统,其特征在于,处理器接收到优质批次或非优质批次以及所对应的果品合作厂商时,将所接收的批次信息和厂商信息发送至对应监管终端,对应监管终端人员后续可选择加强与优质批次所对应合作厂商的合作,以及减少与非优质批次所对应合作厂商的合作或督促对应合作厂商加强果品选择。
7.根据权利要求2所述的一种用于多种产品同时检测的机器视觉检测系统,其特征在于,还包括视觉检测产线分级模块,处理器与视觉检测产线分级模块通信连接,视觉检测产线分级模块对视觉检测产线进行标记并通过产线分级分析将视觉检测产线标记为一级产线、二级产线或三级产线,且将产线分级信息经处理器发送至对应监管终端,产线分级分析的具体过程如下:
获取到检测监管区域,将检测监管区域内的视觉检测产线标记为u,u={1,2,…,m},m表示视觉检测产线数量且m为大于1的正整数;获取到检视觉检测产线i所对应的视觉检测设备信息,基于视觉检测设备信息并通过设备分级分析将视觉检测产线i标记为一级产线、二级产线或三级产线,且一线产线的产线等级大于二级产线的产线等级,二级产线的产线等级大于三级产线的产线等级。
8.根据权利要求7所述的一种用于多种产品同时检测的机器视觉检测系统,其特征在于,设备分级分析的分析过程如下:
获取到视觉检测产线u所对应视觉检测设备信息中的设备运行值、设备故频值和设备生命值,设备故频值表示对应视觉检测设备单位时间出现故障频率大小的数据量值,设备生命值表示对应设备当前距报废期限的间隔时长大小的数据量值;将设备运行值、设备故频值和设备生命值进行数值计算获取到分级参照值;通过数据存储模块调取预设分级参照范围,将分级参照值与预设分级参照范围进行比较;
若分级参照值小于等于预设分级参照范围的最小值,则将对应视觉检测产线u标记为一级产线,若分级参照值位于预设分级参照范围内,则将对应视觉检测产线u标记为二级产线,若分级参照值大于等于预设分级参照范围的最大值,则将对应视觉检测产线u标记为三级产线;在进行果品视觉检测时,优先选择一级产线,不存在空闲一级产线时选择二级产线,不存在空闲二级产线时选择三级产线。
9.根据权利要求8所述的一种用于多种产品同时检测的机器视觉检测系统,其特征在于,设备运行值的分析获取方法如下:
获取到对应视觉检测设备在历史运行阶段的运行次数和每次运行持续时长,将运行次数和每次运行时长分别标记为设备运频值和运行持续值,通过数据存储模块调取预设持续值阈值,将运行持续值与持续值阈值进行比较,若运行持续值大于等于预设持续值阈值,则将对应运行标记为不良运行,若运行持续值小于预设持续值阈值,则将对应运行标记为良好运行;经过统计分析获取到对应视觉检测设备在历史运行阶段的不良运行次数和良好运行次数并标记为不良运频值和良好运频值,将对应视觉检测设备的设备运频值、不良运频值和良好运频值进行数值计算获取到设备运行值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211670125.6A CN115639207B (zh) | 2022-12-26 | 2022-12-26 | 一种用于多种产品同时检测的机器视觉检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211670125.6A CN115639207B (zh) | 2022-12-26 | 2022-12-26 | 一种用于多种产品同时检测的机器视觉检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115639207A true CN115639207A (zh) | 2023-01-24 |
CN115639207B CN115639207B (zh) | 2023-04-11 |
Family
ID=84950000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211670125.6A Active CN115639207B (zh) | 2022-12-26 | 2022-12-26 | 一种用于多种产品同时检测的机器视觉检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115639207B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309378A (zh) * | 2023-02-24 | 2023-06-23 | 杭州珍林网络技术有限公司 | 一种基于人工智能的电子产品智能检测系统 |
CN117309881A (zh) * | 2023-10-07 | 2023-12-29 | 广东省农业科学院设施农业研究所 | 一种基于神经网络的水果缺陷无损检测方法及系统 |
CN116309378B (zh) * | 2023-02-24 | 2024-04-26 | 杭州珍林网络技术有限公司 | 一种基于人工智能的电子产品智能检测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111879781A (zh) * | 2020-06-17 | 2020-11-03 | 西安交通大学 | 一种基于机器视觉的试纸质量检测系统 |
CN111951237A (zh) * | 2020-08-04 | 2020-11-17 | 上海微亿智造科技有限公司 | 外观视觉检测方法 |
CN112560896A (zh) * | 2020-11-19 | 2021-03-26 | 安徽理工大学 | 一种基于图像处理的水果品质筛选分类系统 |
CN114378002A (zh) * | 2022-03-09 | 2022-04-22 | 滁州学院 | 一种基于机器视觉的猴头菇分级系统及分级方法 |
CN115204426A (zh) * | 2022-09-14 | 2022-10-18 | 山东汇泓纺织科技有限公司 | 一种基于物联网的纺织流水线运行监管系统 |
-
2022
- 2022-12-26 CN CN202211670125.6A patent/CN115639207B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111879781A (zh) * | 2020-06-17 | 2020-11-03 | 西安交通大学 | 一种基于机器视觉的试纸质量检测系统 |
CN111951237A (zh) * | 2020-08-04 | 2020-11-17 | 上海微亿智造科技有限公司 | 外观视觉检测方法 |
CN112560896A (zh) * | 2020-11-19 | 2021-03-26 | 安徽理工大学 | 一种基于图像处理的水果品质筛选分类系统 |
CN114378002A (zh) * | 2022-03-09 | 2022-04-22 | 滁州学院 | 一种基于机器视觉的猴头菇分级系统及分级方法 |
CN115204426A (zh) * | 2022-09-14 | 2022-10-18 | 山东汇泓纺织科技有限公司 | 一种基于物联网的纺织流水线运行监管系统 |
Non-Patent Citations (1)
Title |
---|
张庆怡等: "苹果在线分级系统设计与试验" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116309378A (zh) * | 2023-02-24 | 2023-06-23 | 杭州珍林网络技术有限公司 | 一种基于人工智能的电子产品智能检测系统 |
CN116309378B (zh) * | 2023-02-24 | 2024-04-26 | 杭州珍林网络技术有限公司 | 一种基于人工智能的电子产品智能检测系统 |
CN117309881A (zh) * | 2023-10-07 | 2023-12-29 | 广东省农业科学院设施农业研究所 | 一种基于神经网络的水果缺陷无损检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115639207B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115639207B (zh) | 一种用于多种产品同时检测的机器视觉检测方法及系统 | |
CN109976289B (zh) | 生产线kpi监测方法、装置、电子设备及可读介质 | |
CN107767024A (zh) | 一种用于盖板玻璃生产线产品质量实时监测系统及方法 | |
CN116360367A (zh) | 一种工业设备物联网数据采集方法及系统 | |
CN109508895A (zh) | 烟草制丝设备的控制性能评估装置、方法以及存储介质 | |
CN109408793A (zh) | 一种三坐标测量数据处理及信息的交换方法 | |
CN116028887B (zh) | 一种连续性工业生产数据的分析方法 | |
CN114544669A (zh) | 锡膏检测机的不良焊点密集度分析系统及其方法 | |
CN115511367A (zh) | 生产线的质量智能管理系统 | |
CN110320337A (zh) | 一种带钢表面质量自动判级系统和方法 | |
CN110935646A (zh) | 基于图像识别的全自动螃蟹分级系统 | |
CN110717273A (zh) | 一种工艺过程仿真边界条件构建方法 | |
CN107025514A (zh) | 一种动态评估变压器设备状态的评价方法及输变电设备 | |
CN114384872A (zh) | 产品研制过程质量综合管控系统 | |
CN114967628A (zh) | 一种基于5g智能工厂的保健食品生产杀菌管控系统 | |
CN115660288A (zh) | 一种基于互联网大数据的分析管理系统 | |
CN115833928A (zh) | 光纤数据分析方法、装置、设备及存储介质 | |
CN114943465A (zh) | 基于数据分析的企业管理咨询服务系统 | |
CN113962581A (zh) | 一种基于大数据的产业链工厂产能评估方法及系统 | |
CN113570212A (zh) | 一种机器运维服务系统 | |
CN106899449B (zh) | 网络往返延迟时间的展示方法及装置 | |
Rimawan et al. | Analysis of Quality Control to Reduce Defect Products in Steel K-015 Cable Using DMAIC Method at PT. SUCACO, TBK | |
CN116681272B (zh) | 一种自动装配生产线状态监测系统及其方法 | |
CN110534447B (zh) | 一种基于cim的自动变更检量的抽检方法 | |
CN116302763B (zh) | Micro LED显示屏的触控检测方法及系统 |
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 |