CN115791786A - 一种零件缺陷检测方法和相关装置 - Google Patents
一种零件缺陷检测方法和相关装置 Download PDFInfo
- Publication number
- CN115791786A CN115791786A CN202211014177.8A CN202211014177A CN115791786A CN 115791786 A CN115791786 A CN 115791786A CN 202211014177 A CN202211014177 A CN 202211014177A CN 115791786 A CN115791786 A CN 115791786A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- acquisition device
- image acquisition
- instruction
- 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
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了一种零件缺陷检测方法和相关装置,用于检测包括多个被检测面的待检测零件。应用于零件缺陷检测系统中的控制器,该零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构。向翻转机构发送翻转指令,翻转机构根据翻转指令调整待检测零件的被检测面。向图像采集装置发送拍摄指令,在光照装置为待检测零件照明的过程中,图像采集装置根据拍摄指令拍摄待检测零件当前的被检测面的图像。获取该图像,并根据该图像确定被检测面是否存在缺陷,直至待检测零件包括的多个被检测面检测完成。由此,不仅降低了检测耗时,还降低了零件缺陷检测系统的复杂度。
Description
技术领域
本发明涉及检测技术领域,尤其是涉及一种零件缺陷检测方法和相关装置。
背景技术
针对汽车零部件等零件,需要在生产过程中进行外部缺陷(裂纹、崩料、色斑、漏加工等)检测,从而避免由于零件的外部缺陷导致的产品的安全问题。例如,变速器是现代汽车的重要组成部分,自对准环(Self Align Ring,SAR)是汽车变速器的零部件之一。SAR在生产过程中出现的外部缺陷会导致车辆的安全隐患,因此需要进行外部缺陷检测。
零件一般包括多个需要被检测的面,如SAR包括正面和反面,针对包括多个被检测面的零件,不同被检测面通过位于不同工位的装置进行检测,如检测SAR需要两个工位,一个工位用于检测正面,一个工位用于检测反面,通过传输机构实现SAR在不同工位间的传输。
但是,上述方式零件检测的时间较长,而且零件缺陷检测系统的复杂度较高。
发明内容
针对上述问题,本申请提供一种零件缺陷检测方法和相关装置,用于降低了检测耗时,以及零件缺陷检测系统的复杂度。
基于此,本申请实施例公开了如下技术方案:
一方面,本申请实施例提供一种零件缺陷检测方法,所述方法应用于零件缺陷检测系统包括的控制器,所述零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构;
向所述翻转机构发送翻转指令,以便所述翻转机构根据所述翻转指令调整待检测零件的被检测面,所述待检测零件包括多个所述被检测面;
向所述图像采集装置发送拍摄指令,以便在所述光照装置为所述待检测零件照明的过程中,所述图像采集装置根据所述拍摄指令拍摄所述被检测面的图像;
获取所述图像;
根据所述图像确定所述被检测面是否存在缺陷,直至所述待检测零件包括的多个所述被检测面检测完成。
可选的,所述方法还包括:
获取第一图像,所述第一图像为所述图像采集装置在距离所述待检测零件第一高度处拍摄所述被检测面得到的图像;
控制所述图像采集装置从所述第一高度调整为第二高度,所述第二高度为所述图像采集装置距离所述待检测零件的高度;
获取第二图像,所述第二图像为所述图像采集装置在所述第二高度处拍摄所述被检测面得到的图像;
若所述第一图像的清晰度高于所述第二图像的清晰度,将所述第一高度确定为所述图像采集装置与所述待检测零件间的距离;若所述第二图像的清晰度高于所述第一图像的清晰度,将所述第二高度确定为所述图像采集装置与所述待检测零件间的距离。
可选的,所述方法还包括:
获取针对所述待检测零件的缺陷检测种类;
根据所述缺陷检测种类调整成像参数,所述成像参数包括所述光照装置与所述待检测零件间的距离、所述光照装置的照明亮度,以及所述图像采集装置中相机的曝光参数中至少一种。
可选的,所述方法还包括:
根据所述缺陷检测种类确定识别算法;
所述根据所述图像确定所述被检测面是否存在缺陷,包括:
根据所述识别算法和所述图像,确定所述被检测面是否存在缺陷。
可选的,若所述待检测零件为自对准环,所述自对准环包括正面和反面,所述获取所述图像,包括:
获取所述自对准环的第一被检测面的图像,所述第一被检测面为所述正面或所述反面;
所述方法还包括:
根据所述第一被检测面的图像,确定所述第一被检测面的识别结果,所述识别结果用于标识所述第一被检测面是否为所述自对准环的正面;
所述根据所述图像确定所述被检测面是否存在缺陷,包括:
根据所述图像和所述识别结果,确定所述被检测面是否存在缺陷。
可选的,所述根据所述第一被检测面的图像,确定所述第一被检测面的识别结果,包括:
从所述第一被检测面的图像提取第一外观特征;
将所述第一外观特征与所述自对准环的正面特征进行比对,得到第一比对结果;
若所述第一比对结果满足正面比对条件,则所述第一被检测面的识别结果为所述第一被检测面为所述自对准环的正面;
若所述第一比对结果不满足所述正面比对条件,则将所述第一外观特征与所述自对准环的反面特征进行比对,得到第二比对结果;
若所述第二比对结果满足反面比对条件,则所述第一被检测面的识别结果为所述第一被检测面为所述自对准环的反面。
可选的,在所述向所述翻转机构发送翻转指令之前,所述方法还包括:
获取所述待检测零件的外观参数;
根据所述外观参数确定所述翻转指令。
可选的,所述方法还包括:
向所述光照装置发送打光指令,以便所述光照装置根据所述打光指令为所述待检测零件照明。
另一方面,本申请提供了一种零件缺陷检测装置,所述装置内置于零件缺陷检测系统包括的控制器,所述零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构;所述控制器包括第一发送单元、第二发送单元、第一获取单元和第一检测单元;
所述第一发送单元,用于向所述翻转机构发送翻转指令,以便所述翻转机构根据所述翻转指令调整待检测零件的被检测面,所述待检测零件包括多个所述被检测面;
所述第二发送单元,用于向所述图像采集装置发送拍摄指令,以便在所述光照装置为所述待检测零件照明的过程中,所述图像采集装置根据所述拍摄指令拍摄所述被检测面的图像;
所述第一获取单元,用于获取所述图像;
所述第一检测单元,用于根据所述图像确定所述被检测面是否存在缺陷,直至所述待检测零件包括的多个所述被检测面检测完成。
另一方面,本申请提供了一种零件缺陷检测系统,所述零件缺陷检测系统包括控制器、图像采集装置、光照装置和翻转机构;
所述控制器,用于向所述翻转机构发送翻转指令;
所述翻转机构,用于根据所述翻转指令调整待检测零件的被检测面,所述待检测零件包括多个所述被检测面;
所述控制器,还用于向所述图像采集装置发送拍摄指令;
所述图像采集装置,用于在所述光照装置为所述待检测零件照明的过程中,根据所述拍摄指令拍摄所述被检测面的图像;
所述控制器,还用于获取所述图像;
所述控制器,还用于根据所述图像确定所述被检测面是否存在缺陷,直至所述待检测零件包括的多个所述被检测面检测完成。
另一方面,本申请提供了一种计算机设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行上述方面所述的方法。
另一方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行上述方面所述的方法。
另一方面,本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述方面所述的方法。
本申请上述技术方案的优点在于:
本申请实施例提供一种零件缺陷检测方法,用于检测包括多个被检测面的待检测零件。该方法应用于零件缺陷检测系统中的控制器,该零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构。向翻转机构发送翻转指令,翻转机构根据翻转指令调整待检测零件的被检测面。向图像采集装置发送拍摄指令,在光照装置为待检测零件照明的过程中,图像采集装置根据拍摄指令拍摄待检测零件当前的被检测面的图像。获取该图像,并根据该图像确定被检测面是否存在缺陷,直至待检测零件包括的多个被检测面检测完成。由此,通过控制翻转机构不断翻转待检测零件,以便图像采集装置拍摄待检测零件包括的多个被检测面,从而根据各个被检测面的图像确定其是否存在缺陷,实现了零件的自动化检测,而且仅图像采集装置、光照装置和翻转机构即可完成对一个包括多个被检测面的待检测零件的检测,相当于通过一个工位就能完成零件检测,无需多个工位间传输,不仅降低了检测耗时,还降低了零件缺陷检测系统的复杂度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本申请实施例提提供的一种零件缺陷检测系统的示意图;
图2为本申请实施例提供的一种零件缺陷检测方法的流程图;
图3为本申请实施例提供的一种零件缺陷检测装置的示意图;
图4为本申请实施例提供的一种计算机设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
目前,针对零件的检查,多为人工进行离线或在线检测,针对一些的微小的缺陷,如细微的裂纹等人工很难检测出来,且容易造成工人检测的视觉疲劳,造成漏检等问题。随着计算机技术的发展,出现了一门称为“机器视觉”的现代检测技术,它是使用计算机及相关设备对生物视觉的一种模拟,通过对采集的图片或视频进行处理以获得及理解图片信息,提供有用信息,广泛应用于制造业、检验、文档分析、医疗诊断和军事等领域中。故会采用机器视觉的现代检测技术对零件进行缺陷检测。
相关技术中,针对不同的被检测面,会集合机器视觉,采用不同的工位对其负责的被检测面进行检测,多个工位之间通过传输机构连接,从而实现包括多个被检测面的待检测零件的缺陷检测。但是,多工位间传输并分别完成不同表面图像采集与检测耗费时间长,且多工位的图像采集与检测系统以及传输机构和翻转机构导致检测系统整体复杂度高。
不仅零件检测的时间较长,而且零件缺陷检测系统的复杂度较高。
基于此,本申请实施例提供了一种零件缺陷检测方法,用于检测包括多个被检测面的待检测零件。该方法应用于零件缺陷检测系统中的控制器,该零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构。向翻转机构发送翻转指令,翻转机构根据翻转指令调整待检测零件的被检测面。向图像采集装置发送拍摄指令,在光照装置为待检测零件照明的过程中,图像采集装置根据拍摄指令拍摄待检测零件当前的被检测面的图像。通过为待检测零件照明后获取图像,能够避免图像产生的噪声,提高图像的准确性。获取该图像,并根据该图像确定被检测面是否存在缺陷,直至待检测零件包括的多个被检测面检测完成。由此,通过控制翻转机构不断翻转待检测零件,以便图像采集装置拍摄待检测零件包括的多个被检测面,从而根据各个被检测面的图像确定其是否存在缺陷,实现了零件的自动化检测,而且仅图像采集装置、光照装置和翻转机构即可完成对一个包括多个被检测面的待检测零件的检测,相当于通过一个工位就能完成零件检测,无需多个工位间传输,不仅降低了检测耗时,还降低了零件缺陷检测系统的复杂度。
在介绍本申请实施例提供的零件缺陷检测方法之前,先对零件缺陷检测系统进行介绍,参见图1,该图为本申请实施例提提供的一种零件缺陷检测系统的示意图。
本申请实施例提供的零件缺陷检测系统包括图像采集装置101、光照装置102、翻转机构103和控制器104。下面分别进行说明。
控制器104,用于向翻转机构103发送翻转指令;
翻转机构103,用于根据翻转指令调整待检测零件的被检测面,待检测零件包括多个被检测面;
控制器104,还用于向图像采集装置101发送拍摄指令;
图像采集装置101,用于在光照装置102为待检测零件105照明的过程中,根据拍摄指令拍摄被检测面的图像;
控制器104,还用于获取图像;
控制器104,还用于根据图像确定被检测面是否存在缺陷,直至待检测零件105包括的多个被检测面检测完成。
本申请实施例不具体限定图像采集装置101、光照装置102、翻转机构103和控制器104的连接关系。需要说明的是,虽然光照装置102可以给待检测零件105进行光照,但是其不会挡住图像采集装置101拍摄待检测零件105。例如,待检测零件105、光照装置104和图像采集装置101的中心位于同一垂直线上,光照装置104为无影环光,从而降低图片噪声对检测结果的影响,提高了零件缺陷检测的准确性。
作为一种可能的实现方式,图像采集装置101包括相机和镜头,通过灵活配置图像采集装置,实现分别独立调节图像采集装置中的相机和镜头,提高图像的采集精度,进而提高针对待检测零件缺陷检测的准确性。
由此,通过控制翻转机构不断翻转待检测零件,以便图像采集装置拍摄待检测零件包括的多个被检测面,从而根据各个被检测面的图像确定其是否存在缺陷,实现了零件的自动化检测。此外,仅图像采集装置、光照装置和翻转机构即可完成对一个包括多个被检测面的待检测零件的检测,相当于通过一个工位就能完成零件检测,无需多个工位间传输,不仅降低了检测耗时,还降低了零件缺陷检测系统的复杂度。
下面结合图2,对本申请实施例提供的一种零件缺陷检测方法进行介绍。该零件缺陷检测方法应用于图1所示的零件缺陷检测系统包括的控制器。
参见图2,该图为本申请实施例提供的一种零件缺陷检测方法的流程图,该方法可以包括S201-S204。
S201:向翻转机构发送翻转指令,以便翻转机构根据翻转指令调整待检测零件的被检测面。
对于包括多个被检测面的待检测零件,其中,被检测面是待检测零件中需要被检测是否存在缺陷的零件组成部分。例如,若一个零件包括6个面,但是其有5个面需要被检查,则该零件存在5个被检测面。
由于存在多个被检测面,故控制器向翻转机构发送翻转指令,以便翻转机构根据翻转指令调整待检测零件的被检测面,直至翻转机构根据翻转指令控制待检测零件的多个被检测面均被检测到。
作为一种可能的实现方式,可以获取待检测零件的外观参数,外观参数用于标识待检测零件的形状,如待检测零件是正方体,包括6个面,其中6个面均为被检测面。从而根据外观参数确定翻转指令。例如,待检测零件是SAR,包括正面和反面两个被检测面,则翻转指令为控制待检测零件翻转180度。
S202:向图像采集装置发送拍摄指令,以便在光照装置为待检测零件照明的过程中,图像采集装置根据拍摄指令拍摄被检测面的图像。
例如,控制器在等待翻转机构调整好待检测零件的被检测面后,向图像采集装置发送拍摄指令,以便图像采集装置根据拍摄指令拍摄被检测面的图像。
作为一种可能的实现方式,光照装置可以常亮,以便一直为待检测零件照明。又如,控制器可以向光照装置发送打光指令,从而光照装置可以根据打光指令为待检测零件照明。控制器根据打光指令和拍摄指令控制光照装置和图像采集装置,其中,打光指令用于指示光照装置的打光的时间和打光间隔时间,拍摄指令用于指示图像采集装置的曝光时间和曝光时间间隔,从而控制器根据打光指令和拍摄指令使得光源在图像采集装置曝光时间内为待检测圆环表面打光。
作为一种可能的实现方式,打光指令还可以指示光源打光强度,拍摄指令还可以指示相机增益、采集尺寸等,本申请对此不做具体限定。
S203:获取图像。
控制器获取待检测零件的被检测面的图像。
S204:根据图像确定被检测面是否存在缺陷,直至待检测零件包括的多个被检测面检测完成。
控制器根据图像确定被检测面是否存在缺陷,例如,采用机器视觉的方式对图像进行识别,从而确定被检测面是否存在缺陷。
由上述技术方案可知,本申请实施例提供一种零件缺陷检测方法,用于检测包括多个被检测面的待检测零件。该方法应用于零件缺陷检测系统中的控制器,该零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构。向翻转机构发送翻转指令,翻转机构根据翻转指令调整待检测零件的被检测面。向图像采集装置发送拍摄指令,在光照装置为待检测零件照明的过程中,图像采集装置根据拍摄指令拍摄待检测零件当前的被检测面的图像。获取该图像,并根据该图像确定被检测面是否存在缺陷,直至待检测零件包括的多个被检测面检测完成。由此,通过控制翻转机构不断翻转待检测零件,以便图像采集装置拍摄待检测零件包括的多个被检测面,从而根据各个被检测面的图像确定其是否存在缺陷,实现了零件的自动化检测,而且仅图像采集装置、光照装置和翻转机构即可完成对一个包括多个被检测面的待检测零件的检测,相当于通过一个工位就能完成零件检测,无需多个工位间传输,不仅降低了检测耗时,还降低了零件缺陷检测系统的复杂度。
由于图像采集装置的高度会影响拍摄得到的图像的清晰度,从而会影响后续缺陷检测结果的准确性。下面介绍一种确定图像采集装置的高度的方式,具体参见A1-A4:
A1:获取第一图像。
其中,图像采集装置在距离待检测零件第一高度处,拍摄待检测面得到的图像为第一图像。
A2:控制图像采集装置从第一高度调整为第二高度。
其中,第一高度和第二高度不同,第一高度和第二高度均为图像采集装置与待检测零件间的距离。
A3:获取第二图像。
其中,图像采集装置在距离待检测零件的第二高度处,拍摄待检测面得到的图像为第二图像。
A4:若第一图像的清晰度高于第二图像的清晰度,将第一高度确定为图像采集装置与待检测零件间的距离;若第二图像的清晰度高于第一图像的清晰度,将第二高度确定为图像采集装置与待检测零件间的距离。
将第一图像的清晰度和第二图像的清晰度中清晰度更高的图像对应的高度作为图像采集装置与待检测零件间的距离。
作为一种可能的实现方式,继续参见图1,在光源常亮的情况下,调节图像采集装置从上向下移动,即不断调节图像采集装置与待检测零件间的距离,并在每一个高度处拍摄得到待检测零件的图像,从多张待检测零件的图像的清晰度中确定出一张清晰度最高的,进而将其对应的高度作为固定高度,用于调节该类待检测零件。由此,通过不断调整图像采集装置与待检测零件间的距离,并不断拍摄得到图像,根据图像的清晰度确定出最优距离,从而提高后续图像拍摄的清晰度,进而提高待检测零件缺陷检测的准确性。
作为一种可能的实现方式,光照装置与待检测零件间的距离也可以调整,使的光照装置可以清晰无遮挡的为待检测零件的被检测面照明,且亮度合适,即不能造成图像过曝或者欠曝。
作为一种可能的实现方式,若缺陷在图像中的对比度越高,则缺陷在图像中表现的越明显,从而后续识别缺陷的准确率越高。可以理解的是,不同种类的缺陷对应不同的对比度。故可以获取针对待检测零件的缺陷检测种类,根据缺陷检测种类调整成像参数。其中,通过调节成像参数能够调节缺陷在图像中的对比度,成像参数可以包括光照装置与待检测零件间的距离、光照装置的照明亮度,以及图像采集装置中相机的曝光参数中至少一种。由此,通过缺陷种类调整成像参数,以便获得对比度较高的图像,提高后续缺陷检测的准确性。
作为一种可能的实现方式,为了提高缺陷的识别精度,可以获取针对待检测零件的缺陷检测种类,根据缺陷检测种类确定识别算法,从而根据识别算法对图像进行识别,确定待检测零件是否存在缺陷。由此,通过针对不同缺陷采用不同的识别算法,从而有针对性的进行缺陷识别,提高缺陷检测的准确性。
作为一种可能的实现方式,由于待检测零件包括多个被检测面,虽然多个被检测面可能会针对同一种缺陷进行检测,但是不同被检测面的同一种缺陷对缺陷检测的最终结果可能不同,如需要采用不同的识别算法。故可以先确定被检测面属于待检测零件的哪一个面,从而进一步结合缺陷种类对待检测零件进行识别。由此,可以通过结合缺陷种类和被检测面在待检测零件中的位置,提高缺陷检测的准确性。
下面以待检测零件为SAR为例对前述S203和S204进行说明,具体参见B1-B3。其中,SAR包括正面和反面。
B1:获取自对准环的第一被检测面的图像。
第一被检测面为自对准环包括的两个被检测面中的一个,或为正面,或为反面。
B2:根据第一被检测面的图像,确定第一被检测面的识别结果。
其中,识别结果用于标识第一被检测面是否为自对准环的正面,即识别结果为第一被检测面为正面,或识别结果为第一被检测面为反面。
B3:根据图像和识别结果,确定被检测面是否存在缺陷。
以SAR为例,正面缺陷检测包括刻字面字符识别和正面黑皮缺陷检测,反面缺陷检测包括反面缺料缺陷检测和反面黑皮缺陷检测。
其中,用深度学习的方法进行缺陷检测。以字符识别为例,先定位第一被检测面的图像中含有字符的区域,然后进行字符的识别。以黑皮检测为例,使用分割的深度学习模型,使用时输入原图,经过模型推断,会推断出黑皮的图像区域(像素级别)。
由此,可以结合缺陷种类和被检测面在待检测零件中的位置对待检测零件进行识别,确定其是否存在缺陷。
下面介绍一种识别结果的确定方式,具体参见C1-C5:
C1:从第一被检测面的图像提取第一外观特征。
其中,第一外观特征用于标识第一被检测面的图像的图像特征,如轮廓、纹理、颜色、字符、形状等信息。
C2:将第一外观特征与自对准环的正面特征进行比对,得到第一比对结果。
其中,自对准环的正面特征用于标识自对准环正面的特征,将第一外观特征与其进行比对,可以确定第一被检测面是否为正面,从而得到第一比对结果。
C3:若第一比对结果满足正面比对条件,则第一被检测面的识别结果为第一被检测面为自对准环的正面。
例如,第一比对结果大于某一阈值,则说明第一被检测面与SAR的正面比较相似,则可以将第一被检测面确定为正面。
C4:若第一比对结果不满足正面比对条件,则将第一外观特征与自对准环的反面特征进行比对,得到第二比对结果
若第一比对结果不满足正面比对条件,说明第一被检测面与正面不相似,则将第一外观特征与自对准环的反面进行比对,得到第二比对结果。
C5:若第二比对结果满足反面比对条件,则第一被检测面的识别结果为第一被检测面为所述自对准环的反面。
例如,第二比对结果满足某一阈值,说明第一被检测面与SAR的反面比较相似,则可以将第一被检测面确定为反面。
由此,通过将从第一被检测面的图像提取第一外观特征,均与正面特征和反面特征进行比较,从而可以提高第一被检测面所属SAR位置的准确性,同理,还可以将SAR的另一面作为第一被检测面继续采用C1-C5的方式进行检测。
作为一种可能的实现方式,可以使用的深度学习分类(如vimo的分类模型)等方式进行判断,采集多张SAR的正反面的图片,训练分类模型,在实际使用中,将第一被检测面的图像输入至训练好的分类模型,从而得到分类结果,即第一被检测面是正面还是反面。
需要说明的是,图像分类可通过匹配、机器学习、深度学习等方式实现,匹配方法需提取特征(如边缘、纹理、颜色等),与待匹配标准进行对比;机器学习方式同样需要人工提取特征,并对分类数学模型进行训练,应用时导入分类数学模型计算分类;深度学习无需人工提取图像特征,深度学习模型训练已包含自行学习特征的过程,应用时也是导入训练好的模型计算分类。
如果正面、反面都不超过阈值,或深度学习模型推理的结果既不是正面也不是反面,一般的处理结果是报警通知人工干预。在实际中如果出现无法识别正反面的情况,可能会停止缺陷检测,等待人工干预,也可能不停止缺陷检测,而是将当前的待检测零件放到一个集中的地方,工人有时间时才处理这批无法判断正面的产品。
本申请实施例除了提供的零件缺陷检测方法外,还提供了零件缺陷检测装置,所述装置内置于零件缺陷检测系统包括的控制器,所述零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构;如图3所示,所述控制器包括第一发送单元301、第二发送单元302、第一获取单元303和第一检测单元304;
所述第一发送单元301,用于向所述翻转机构发送翻转指令,以便所述翻转机构根据所述翻转指令调整待检测零件的被检测面,所述待检测零件包括多个所述被检测面;
所述第二发送单元302,用于向所述图像采集装置发送拍摄指令,以便在所述光照装置为所述待检测零件照明的过程中,所述图像采集装置根据所述拍摄指令拍摄所述被检测面的图像;
所述第一获取单元303,用于获取所述图像;
所述第一检测单元304,用于根据所述图像确定所述被检测面是否存在缺陷,直至所述待检测零件包括的多个所述被检测面检测完成。
作为一种可能的实现方式,所述装置还包括距离确定单元,用于:
获取第一图像,所述第一图像为所述图像采集装置在距离所述待检测零件第一高度处拍摄所述被检测面得到的图像;
控制所述图像采集装置从所述第一高度调整为第二高度,所述第二高度为所述图像采集装置距离所述待检测零件的高度;
获取第二图像,所述第二图像为所述图像采集装置在所述第二高度处拍摄所述被检测面得到的图像;
若所述第一图像的清晰度高于所述第二图像的清晰度,将所述第一高度确定为所述图像采集装置与所述待检测零件间的距离;若所述第二图像的清晰度高于所述第一图像的清晰度,将所述第二高度确定为所述图像采集装置与所述待检测零件间的距离。
作为一种可能的实现方式,所述装置还包括第二获取单元和调整单元;
所述第二获取单元,用于获取针对所述待检测零件的缺陷检测种类;
所述调整单元,用于根据所述缺陷检测种类调整成像参数,所述成像参数包括所述光照装置与所述待检测零件间的距离、所述光照装置的照明亮度,以及所述图像采集装置中相机的曝光参数中至少一种。
作为一种可能的实现方式,所述第二获取单元,还用于:
根据所述缺陷检测种类确定识别算法;
所述第一检测单元304,具体用于:
根据所述识别算法和所述图像,确定所述被检测面是否存在缺陷。
作为一种可能的实现方式,若所述待检测零件为自对准环,所述自对准环包括正面和反面,所述第一获取单元301,具体用于:
获取所述自对准环的第一被检测面的图像,所述第一被检测面为所述正面或所述反面;
所述装置还包括第二检测单元,用于:
根据所述第一被检测面的图像,确定所述第一被检测面的识别结果,所述识别结果用于标识所述第一被检测面是否为所述自对准环的正面;
所述第一检测单元304,具体用于:
根据所述图像和所述识别结果,确定所述被检测面是否存在缺陷。
作为一种可能的实现方式,所述装置还包括第二检测单元,具体用于:
从所述第一被检测面的图像提取第一外观特征;
将所述第一外观特征与所述自对准环的正面特征进行比对,得到第一比对结果;
若所述第一比对结果满足正面比对条件,则所述第一被检测面的识别结果为所述第一被检测面为所述自对准环的正面;
若所述第一比对结果不满足所述正面比对条件,则将所述第一外观特征与所述自对准环的反面特征进行比对,得到第二比对结果;
若所述第二比对结果满足反面比对条件,则所述第一被检测面的识别结果为所述第一被检测面为所述自对准环的反面。
作为一种可能的实现方式,所述装置还包括确定单元,用于:
在所述向所述翻转机构发送翻转指令之前,获取所述待检测零件的外观参数;
根据所述外观参数确定所述翻转指令。
作为一种可能的实现方式,所述装置还包括第三发送单元,用于:
向所述光照装置发送打光指令,以便所述光照装置根据所述打光指令为所述待检测零件照明。
由上述技术方案可知,本申请实施例提供一种零件缺陷检测装置,用于检测包括多个被检测面的待检测零件。该装置内置于零件缺陷检测系统中的控制器,该零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构。向翻转机构发送翻转指令,翻转机构根据翻转指令调整待检测零件的被检测面。向图像采集装置发送拍摄指令,在光照装置为待检测零件照明的过程中,图像采集装置根据拍摄指令拍摄待检测零件当前的被检测面的图像。通过为待检测零件照明后获取图像,能够避免图像产生的噪声,提高图像的准确性。获取该图像,并根据该图像确定被检测面是否存在缺陷,直至待检测零件包括的多个被检测面检测完成。由此,通过控制翻转机构不断翻转待检测零件,以便图像采集装置拍摄待检测零件包括的多个被检测面,从而根据各个被检测面的图像确定其是否存在缺陷,实现了零件的自动化检测,而且仅图像采集装置、光照装置和翻转机构即可完成对一个包括多个被检测面的待检测零件的检测,相当于通过一个工位就能完成零件检测,无需多个工位间传输,不仅降低了检测耗时,还降低了零件缺陷检测系统的复杂度。
本申请实施例还提供了一种计算机设备,参见图4,该图示出了本申请实施例提供的一种计算机设备的结构图,如图4所示,所述设备包括处理器410以及存储器420:
所述存储器410用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器420用于根据所述程序代码中的指令执行上述实施例提供的任一种零件缺陷检测方法。
本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序于执行上述实施例提供的任一种零件缺陷检测方法。
本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述方面的各种可选实现方式中提供的零件缺陷检测方法。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于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:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种零件缺陷检测方法,其特征在于,所述方法应用于零件缺陷检测系统包括的控制器,所述零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构;
向所述翻转机构发送翻转指令,以便所述翻转机构根据所述翻转指令调整待检测零件的被检测面,所述待检测零件包括多个所述被检测面;
向所述图像采集装置发送拍摄指令,以便在所述光照装置为所述待检测零件照明的过程中,所述图像采集装置根据所述拍摄指令拍摄所述被检测面的图像;
获取所述图像;
根据所述图像确定所述被检测面是否存在缺陷,直至所述待检测零件包括的多个所述被检测面检测完成。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取第一图像,所述第一图像为所述图像采集装置在距离所述待检测零件第一高度处拍摄所述被检测面得到的图像;
控制所述图像采集装置从所述第一高度调整为第二高度,所述第二高度为所述图像采集装置距离所述待检测零件的高度;
获取第二图像,所述第二图像为所述图像采集装置在所述第二高度处拍摄所述被检测面得到的图像;
若所述第一图像的清晰度高于所述第二图像的清晰度,将所述第一高度确定为所述图像采集装置与所述待检测零件间的距离;若所述第二图像的清晰度高于所述第一图像的清晰度,将所述第二高度确定为所述图像采集装置与所述待检测零件间的距离。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取针对所述待检测零件的缺陷检测种类;
根据所述缺陷检测种类调整成像参数,所述成像参数包括所述光照装置与所述待检测零件间的距离、所述光照装置的照明亮度,以及所述图像采集装置中相机的曝光参数中至少一种。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述缺陷检测种类确定识别算法;
所述根据所述图像确定所述被检测面是否存在缺陷,包括:
根据所述识别算法和所述图像,确定所述被检测面是否存在缺陷。
5.根据权利要求1所述的方法,其特征在于,若所述待检测零件为自对准环,所述自对准环包括正面和反面,所述获取所述图像,包括:
获取所述自对准环的第一被检测面的图像,所述第一被检测面为所述正面或所述反面;
所述方法还包括:
根据所述第一被检测面的图像,确定所述第一被检测面的识别结果,所述识别结果用于标识所述第一被检测面是否为所述自对准环的正面;
所述根据所述图像确定所述被检测面是否存在缺陷,包括:
根据所述图像和所述识别结果,确定所述被检测面是否存在缺陷。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一被检测面的图像,确定所述第一被检测面的识别结果,包括:
从所述第一被检测面的图像提取第一外观特征;
将所述第一外观特征与所述自对准环的正面特征进行比对,得到第一比对结果;
若所述第一比对结果满足正面比对条件,则所述第一被检测面的识别结果为所述第一被检测面为所述自对准环的正面;
若所述第一比对结果不满足所述正面比对条件,则将所述第一外观特征与所述自对准环的反面特征进行比对,得到第二比对结果;
若所述第二比对结果满足反面比对条件,则所述第一被检测面的识别结果为所述第一被检测面为所述自对准环的反面。
7.根据权利要求1所述的方法,其特征在于,在所述向所述翻转机构发送翻转指令之前,所述方法还包括:
获取所述待检测零件的外观参数;
根据所述外观参数确定所述翻转指令。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向所述光照装置发送打光指令,以便所述光照装置根据所述打光指令为所述待检测零件照明。
9.一种零件缺陷检测装置,其特征在于,所述装置内置于零件缺陷检测系统包括的控制器,所述零件缺陷检测系统还包括图像采集装置、光照装置和翻转机构;所述控制器包括第一发送单元、第二发送单元、第一获取单元和第一检测单元;
所述第一发送单元,用于向所述翻转机构发送翻转指令,以便所述翻转机构根据所述翻转指令调整待检测零件的被检测面,所述待检测零件包括多个所述被检测面;
所述第二发送单元,用于向所述图像采集装置发送拍摄指令,以便在所述光照装置为所述待检测零件照明的过程中,所述图像采集装置根据所述拍摄指令拍摄所述被检测面的图像;
所述第一获取单元,用于获取所述图像;
所述第一检测单元,用于根据所述图像确定所述被检测面是否存在缺陷,直至所述待检测零件包括的多个所述被检测面检测完成。
10.一种零件缺陷检测系统,其特征在于,所述零件缺陷检测系统包括控制器、图像采集装置、光照装置和翻转机构;
所述控制器,用于向所述翻转机构发送翻转指令;
所述翻转机构,用于根据所述翻转指令调整待检测零件的被检测面,所述待检测零件包括多个所述被检测面;
所述控制器,还用于向所述图像采集装置发送拍摄指令;
所述图像采集装置,用于在所述光照装置为所述待检测零件照明的过程中,根据所述拍摄指令拍摄所述被检测面的图像;
所述控制器,还用于获取所述图像;
所述控制器,还用于根据所述图像确定所述被检测面是否存在缺陷,直至所述待检测零件包括的多个所述被检测面检测完成。
11.一种计算机设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行权利要求1-8任意一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行权利要求1-8任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014177.8A CN115791786A (zh) | 2022-08-23 | 2022-08-23 | 一种零件缺陷检测方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211014177.8A CN115791786A (zh) | 2022-08-23 | 2022-08-23 | 一种零件缺陷检测方法和相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115791786A true CN115791786A (zh) | 2023-03-14 |
Family
ID=85431572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211014177.8A Pending CN115791786A (zh) | 2022-08-23 | 2022-08-23 | 一种零件缺陷检测方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115791786A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664871A (zh) * | 2023-06-27 | 2023-08-29 | 本溪钢铁(集团)信息自动化有限责任公司 | 一种基于深度学习的智能化控制方法及系统 |
-
2022
- 2022-08-23 CN CN202211014177.8A patent/CN115791786A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664871A (zh) * | 2023-06-27 | 2023-08-29 | 本溪钢铁(集团)信息自动化有限责任公司 | 一种基于深度学习的智能化控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102221559B (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
US6531707B1 (en) | Machine vision method for the inspection of a material for defects | |
CN110441316B (zh) | 电池表面缺陷检测方法及检测系统 | |
JP2018506046A (ja) | タイヤ表面の欠陥を検出する方法 | |
KR102308437B1 (ko) | 대상체의 외부의 검사를 최적화하기 위한 장치 및 그 방법 | |
US11203494B2 (en) | System and method for sorting moving objects | |
CN109697716B (zh) | 青光眼图像识别方法、设备和筛查系统 | |
KR20170117600A (ko) | 용융 도금 강판의 표면 결함 검사 장치 및 표면 결함 검사 방법 | |
CN110560376B (zh) | 一种产品表面缺陷检测方法及装置 | |
CN116993682B (zh) | 基于图像数据分析的角膜塑形镜瑕疵区域提取方法 | |
CN115791786A (zh) | 一种零件缺陷检测方法和相关装置 | |
CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
CN108986055A (zh) | 一种鸡蛋蛋壳表面细微裂纹的视觉检测方法 | |
US6765224B1 (en) | Machine vision method and system for the inspection of a material | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN117085969A (zh) | 人工智能工业视觉检测方法、装置、设备及存储介质 | |
CN110334713B (zh) | 一种内衬纸产品类型的智能识别方法 | |
CN114226262A (zh) | 瑕疵检测方法、瑕疵分类方法及其系统 | |
KR101562988B1 (ko) | 열간소재의 표면결함 검출 장치 및 표면 검출 방법 | |
JPH09264856A (ja) | 物品外観検査装置 | |
CN116309307A (zh) | 焊缝缺陷检测方法、装置、可读存储介质及电子设备 | |
CN115100102A (zh) | 镀膜镜片的缺陷检测方法、装置、设备及可读存储介质 | |
Dias et al. | Identification of marks on tires using artificial vision for quality control | |
CN110441315B (zh) | 电子部件测试设备和方法 | |
CN109060831B (zh) | 一种基于底板拟合的自动脏污检测方法 |
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 |