CN115830011B - 一种无声胶带生产过程的视觉检测方法 - Google Patents
一种无声胶带生产过程的视觉检测方法 Download PDFInfo
- Publication number
- CN115830011B CN115830011B CN202310076743.6A CN202310076743A CN115830011B CN 115830011 B CN115830011 B CN 115830011B CN 202310076743 A CN202310076743 A CN 202310076743A CN 115830011 B CN115830011 B CN 115830011B
- Authority
- CN
- China
- Prior art keywords
- value
- chain code
- edge
- silent
- target
- 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.)
- Active
Links
- 239000002390 adhesive tape Substances 0.000 title claims abstract description 78
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title abstract description 15
- 230000000007 visual effect Effects 0.000 title abstract description 9
- 239000000463 material Substances 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 32
- 239000000758 substrate Substances 0.000 claims description 67
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000011179 visual inspection Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000003708 edge detection Methods 0.000 description 5
- 238000005452 bending Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000012780 transparent material Substances 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种无声胶带生产过程的视觉检测方法,该方法包括:获取无声胶带的基材在输送过程中的每帧视频图像,获取每个边缘对应的链码值序列,获取目标类别,获取目标类别对应的边缘中的无声胶带的基材边缘,获取相邻两帧视频图像中对应的基材边缘的方向值差值,并对无声胶带的基材进行纠偏,本发明通过提取边缘中的基材边缘,在基于边缘进行霍夫检测,从而减少霍夫检测过程中的计算量,进而提高基材偏移的检测效率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种无声胶带生产过程的视觉检测方法。
背景技术
无声胶带是生活中常见的消费品之一,在无声胶带智能化生产时,需要对胶带的基材边缘进行检测,用于胶带生产工艺优化,防止基材边缘出现位移偏差。
现有通过计算机视觉的方法进行采集无声胶带生产过程中的监控视频图像,通过对采集图像利用边缘检测算法和hough直线算法,实现无声胶带生产中基材边缘检测。
然而,生产过程中无声胶带表面可能产生折痕或者划痕,故利用现有技术的边缘检测算法和hough直线算法进行无声胶带的基材边缘检测时,会受折痕或者划痕对应的边缘的影响,导致检测效率不高,然而无声胶带基材的运动的速度快,速度快则需要能够快速检测出偏差,如果计算能力无法满足,则导致无法及时完成基材偏移的检测,故需要提供一种无声胶带生产过程的视觉检测方法。
发明内容
本发明提供一种无声胶带生产过程的视觉检测方法,以解决现有基材偏移的检测效率低的问题。
本发明的一种无声胶带生产过程的视觉检测方法采用如下技术方案:
获取无声胶带的基材在输送过程中的每帧视频图像;
获取每帧视频图像的边缘图像,利用链码算法获取边缘图像中每个边缘上的边缘点对应的链码值,并获取每个边缘对应的链码值序列;
将每个链码值序列中数量最多且值相同的链码值作为目标链码值,获取目标链码值在链码值序列中目标数量占比;对所有链码值序列对应的目标数量占比进行二分类得到两个类别,并获取两个类别中平均目标数量占比大的类别作为目标类别;
根据目标类别中每两个链码值序列对应的目标链码值的数量、两个目标链码值的数量差值绝对值、两个目标链码值的差值获取目标类别对应的边缘中的无声胶带的基材边缘;
将无声胶带的基材边缘转换至霍夫空间,并获取霍夫空间中的峰值点,根据峰值点对应的极角获取基材边缘的方向值;
根据相邻两帧视频图像中对应的基材边缘的方向值差值获取无声胶带的基材的偏移角度。
优选的,获取目标类别对应的边缘中的无声胶带的基材边缘包括:
获取目标类别中的每两个边缘的链码值序列对应的目标链码值的数量差值绝对值及两个目标链码值的数量中的最小数量;
根据数量差值绝对值、最小数量及目标链码值的差值绝对值获取目标类别中对应的两条边缘为无声胶带的基材边缘的可能性值;
根据可能性值对所有边缘进行二分类,并获取分类后的边缘类别对应的平均可能性值;
将两个平均可能性值中的最大平均可能性值对应的边缘类别中可能值对应的两条边缘作为无声胶带的基材边缘。
优选的,目标类别中两条边缘为无声胶带的基材边缘的可能性值的计算公式为:
式中,表示第帧视频图像对应的目标类别中的第个边缘与第个边缘为无声胶带的基材边缘的可能性值;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中目标链码值的数量;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中目标链码值的数量;
表示第帧视频图像对应的目标类别中的第个边缘与第个边缘对应的链码值序列的目标链码值的数量中的最小数量;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中的目标链码值;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中的目标链码值;
exp表示以自然常数e为底的指数函数。
优选的,获取边缘图像中每个边缘上的边缘点对应的链码值包括:
利用8链码算法获取边缘图像中每个边缘上的边缘点对应的链码值。
优选的,获取基材边缘的方向值包括:
获取霍夫空间中极角相同的峰值点的数量;
当极角相同的峰值点的数量等于基材数量的2倍时,则极角相同的峰值点所对应的极角即为基材边缘的方向值。
优选的,获取无声胶带的基材的偏移角度包括:
将相邻两帧视频图像中的后一帧视频图像对应的峰值点的极角与前一帧视频图像对应的峰值点的极角作差得到相邻两帧视频图像对应的基材边缘的方向值差值,并将方向值差值作为相邻两帧视频图像中无声胶带的基材的偏移角度。
优选的,还包括根据方向值差值对无声胶带的基材进行纠偏,具体步骤为:
当相邻两帧视频图像中对应的基材边缘的方向值差值大于预设的方向值差值阈值时,则将方向值差值作为纠偏角度对无声胶带的基材进行纠偏;
当相邻两帧视频图像中对应的基材边缘的方向值差值小于或者等于预设的方向值差值阈值时,则无声胶带的基材不需要纠偏。
优选的,获取无声胶带的基材在运动过程中的每帧视频图像包括:
倾斜设置朝向无声胶带的基材表面的摄像头,并设置倾斜照射在无声胶带的基材表面的光源,利用摄像头采集无声胶带的基材在运动过程中的每帧视频图像;
其中,光源的光线经无声胶带的基材反射后照射到摄像头的镜头部位。
本发明的一种无声胶带生产过程的视觉检测方法的有益效果是:
通过获取每帧视频图像,利用边缘检测算法和链码算法得到每个边缘对应的链码值序列,根据链码值序列中的数量最大且值相同的目标链码值在链码序列中的数量占比,来反映链码值序列的集中性,然后对线性边缘和弯曲边缘的集中性进行分析,即基材边缘在形成边缘时,不会存在较大弯曲,其对应的为高集中性,而非线性边缘很可能会有较多得弯折,因此,出现弯折时会导致集中性下降,故依据链码值序列中的目标链码值在链码序列中的数量占比来获取数量占比高的目标类别,目标类别中的链码值序列对应的边缘即为线性边缘,即在两个数量占比类别中平均目标数量占比大的目标类别所对应的边缘为线性边缘,从而实现对线性边缘的提取,减少了后续霍夫变换的计算量,提高计算效率;然后对无声胶带的基材边缘进行分析,无声胶带的基材有两个边缘,且其边缘长度在图像中最长,且两个基材边缘对应的长度应基本一致,因此,基于基材边缘的这些特征来分析所有线性边缘中的为基材边缘的线性边缘,从而实现对基材边缘的提取,最后在将基材边缘转换至霍夫空间,根据霍夫空间中的峰值点对应的极角确定基材边缘的方向值,因为基材偏移不会导致基材变宽或者变窄,只是方向偏移,故依据相邻两帧图像的基材边缘的方向值差值来表征基材的偏移角度,本发明通过对非基材边缘线进行去除,从而减少了霍夫检测时的计算量,实现快速获取基材的偏移角度。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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他的附图。
图1为本发明的一种无声胶带生产过程的视觉检测方法的实施例的流程图。
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。
本发明的一种无声胶带生产过程的视觉检测方法的实施例,如图1所示,具体的:
S1、获取无声胶带的基材在输送过程中的每帧视频图像;
具体的,在无声胶带生产过程中,由于无声胶带的基材是不断运动的,在对其边缘进行检测时,由于其是光滑透明材质,如常见的bopp基材,如果不通过打光,则由于基材透明的特点,会使得基材无法被观测,并且由于基材表面光滑,反光效果好,当进行打光时使得基材表面反光更好,更容易检测边缘。
故,本实施例沿着无声胶带的基材的运动方向倾斜设置摄像头,使得摄像头的采集方向为倾斜方向,同时,沿着无声胶带的基材的运动方向设定一个光源,光源距离相机灯光50cm,且光源的光线经无声胶带的基材反射后照射到摄像头的镜头部位,其中,在布置光源时,不能使得相机拍摄到光源产生光晕影响最终检测,所以光源位置可由实施者根据具体实施场景进行调整。
其中,由于在输送无声胶带的基材时,速度往往都是0.5~2m/s,所以在需要对无声胶带进行纠偏时,如果对图像处理过慢,则将不能及时准确的获取无声胶带的基材的偏差,故,为了及时对无声胶带送偏差进行获取,在无声胶带生产中基材的监控视频图像采样时,可由实施者根据具体实施场景进行调整,本实施例选择每秒10帧,即采样间隔为0.1s,0.1秒采集一帧,得到每帧视频图像。
S2、获取每个边缘对应的链码值序列;
具体的,利用灰度化算法对每帧视频图像进行灰度化得到灰度图像,利用canny算法对每帧灰度图像进行边缘检测得到每帧视频图像的边缘图像,然后利用连通域提取算法获取边缘图像中每个边缘点对应的8邻域,利用8链码算法获取边缘图像中每个边缘上的边缘点对应的链码值,根据链码值得到每个边缘对应的链码值序列。
S3、获取目标类别;
将每个链码值序列中数量最多且值相同的链码值作为目标链码值,获取目标链码值在链码值序列中目标数量占比;对所有链码值序列对应的目标数量占比进行二分类得到两个类别,并获取两个类别中平均目标数量占比大的类别作为目标类别。
其中,以第i帧边缘图像中第j个边缘为例,如果第i帧边缘图像中第j个边缘属于基材边缘,而不是伪边缘,即第i帧边缘图像中第j个边缘所对应的链码值序列具有高度集中性,因为,基材边缘在形成边缘时不会存在较大弯曲,但是伪边缘很可能会有较多得弯折,导致集中性下降,故获取每个链码值序列中数量最多且值相同链码值在链码值序列中数量占比来反映链码值序列的集中性,通过每个链码值序列中数量最多且值相同链码值在链码值序列中数量占比的大小来反映第i帧边缘图像中的第j个边缘是近似于一个线性边缘还是弯曲边缘。
具体的,在区分线性边缘还是弯曲边缘时,本实施例中,先获取每个链码值序列中数量最多且值相同链码值作为目标链码值,获取目标链码值在链码值序列中目标数量占比;对所有链码值序列对应的目标数量占比进行二分类得到两个类别,并获取两个类别中平均目标数量占比大的类别作为目标类别,具体的,由于本实施例是通过目标链码值(即链码值序列中数量最多且值相同的链码值)在链码值序列中目标数量占比来反映链码值序列的集中性,其集中性高说明链码值序列所对应的边缘越为线性边缘,即月可能是无声胶带的基材边缘,故通过对所有链码值序列对应的目标数量占比进行二分类得到两个类别,其中,采用k-means聚类,k=2的算法,对目标数量占比进行二分类,k-means聚类为现有技术,本实施例不再赘述,得到两个类别后,需要判断两个类别中平均目标数量占比大类别,即平均集中性高的类别,并将集中性高的类别作为目标类别,即目标类别中每个数量占比对应的链码值序列所对应的边缘为线性边缘。
需要说明的是,S3步骤实现了从所有边缘中挑选出来了线性边缘,由于无声胶带的基材边缘也为线性,故排除了其他边缘对无声胶带的基材边缘的影响。
S4、获取目标类别对应的边缘中的无声胶带的基材边缘;
根据目标类别中每两个链码值序列对应的目标链码值的数量、两个目标链码值的数量差值绝对值、两个目标链码值的差值获取目标类别对应的边缘中的无声胶带的基材边缘。
其中,在步骤S3中从所有边缘中挑选出来了线性边缘,排除了其他边缘,由于在生产过程中无声胶带的基材发生偏斜会导致一些折痕,这些折痕线对应的边缘也为线性边缘,故需要从所有的线性边缘中将这些影响无声胶带的基材边缘的排除,然后提取仅为无声胶带的基材边缘的线性边缘,其中,一个无声胶带的基材有两个基材边缘,对于无声胶带的两个基材边缘来说,两个基材边缘对应的链码值序列中的数量最多且值相同链码值的数量应当一致或者差值绝对值为4,差值绝对值为4是因为直线不分方向,链码分为8个方向,两两对称,且基材边缘的链码值序列长度应当比其他非基材边缘的边缘长,如果两个边缘对应的数量最多且值相同链码值的数量差值越小、两个链码值序列对应的边缘中最短边缘的线性长度也长及链码值一致或者链码值的差值绝对值为4,则表示两个连通域属于基材边缘的可能性越高。
故,本实施例以步骤S3得到的目标类别为基础,将目标类别中对应的链码值序列中相同且数量最多的链码值作为目标链码值,根据每两个链码值序列对应的目标链码值的数量、两个目标链码值的数量差值绝对值、两个目标链码值的差值获取边缘中无声胶带的基材边缘,其中,获取目标类别对应的边缘中的无声胶带的基材边缘的步骤为:获取目标类别中的每两个边缘的链码值序列对应的目标链码值的数量差值绝对值及两个目标链码值的数量中的最小数量,以最小数量来表征链码值序列长度,根据数量差值绝对值、最小数量及目标链码值的差值绝对值获取对应的两条边缘为无声胶带的基材边缘的可能性值;根据可能性值对所有边缘进行二分类,并获取分类后的两个边缘类别对应的平均可能性值;将两个平均可能性值中的最大平均可能性值对应的边缘类别中可能值对应的两条边缘作为无声胶带的基材边缘,其中,目标类别中的两个边缘为无声胶带的基材边缘的可能性值的计算公式:
式中,表示第帧视频图像对应的目标类别中的第个边缘与第个边缘为无声胶带的基材边缘的可能性值;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中目标链码值的数量;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中目标链码值的数量;
表示第帧视频图像对应的目标类别中的第个边缘与第个边缘对应的链码值序列的目标链码值的数量中的最小数量;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中的目标链码值;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中的目标链码值;
exp表示以自然常数e为底的指数函数;
需要说明的是,本实施例以目标类别中的两个边缘对应的链码值序列的目标链码值的数量中的最小数量来表征链码值序列所对应的边缘的线性长度,如果,目标类别中的两个边缘对应的链码值序列的目标链码值的数量中的最小数量越小,则表示其线性长度越短,则目标类别中的两个边缘属于基材边缘的可能性就越低;且如果目标类别中的两个边缘对应的链码值序列的目标链码值的数量之间的数量差值的绝对值越大,则越表示属于基材边缘的可能性越低,所以越大,越大,则目标类别中的两个边缘属于基材边缘的可能性比较高;为了使得的值越小,越大,则对的值进行负相关映射,从而使得的值越小时,越大,来表征两个边缘属于基材边缘的可能性越高,其中,越小,表示边缘对应的链码值序列中的目标链码值应当一致或者差值绝对值为4,即以此来反映目标类别中的两个边缘属于基材边缘的可能性比较高,所以越小,应当越大,故通过进行负相关映射,实现在越小时,越大。
在得到目标类别对应的边缘中的无声胶带的基材边缘的可能性值之后,将每两个边缘作为一组边缘得到每组边缘,通过k-means算法,进行k=2的二分类,得到边缘类别,完成基材边缘筛选,其中,获取分类后的边缘类别对应的平均可能性值,将两个平均可能性值中的最大平均可能性值对应的边缘类别中可能值对应的两个边缘作为无声胶带的基材的两条边缘。
S5、获取无声胶带的基材的偏移角度;
将无声胶带的基材边缘转换至霍夫空间,并获取霍夫空间中的峰值点,根据峰值点对应的极角获取基材边缘的方向值;根据相邻两帧视频图像中对应的基材边缘的方向值差值获取无声胶带的基材的偏移角度。
即,利用hough(霍夫变换)算法,得到所有组边缘在霍夫空间中的分布,由于同一个基材由两个基材边缘形成,所以每组边缘在霍夫空间中,属于一个方向角度,且在霍夫空间中每个点的横坐标为极角,纵坐标为距离值,通过峰值点检测算法,得到霍夫空间中的峰值分布,其中霍夫空间中的在峰值该点对应的直线具有较多的像素点组成,当图像中基材个数已知时,进而在同一个极角上对应有2倍于基材个数的峰值点个数所对应极角即为当前基材方向,同时根据每个前基材方向对应的峰值点坐标得到峰值点,即每个峰值点与霍夫空间中的原点之间的距离值,按照距离值从小到大对峰值点的坐标进行排序得到峰值点的坐标序列,具体的,在霍夫空间中横坐标为极角,纵坐标为距离值,通过峰值点检测算法,得到霍夫空间中的峰值分布。
具体的,以相邻的两帧图像第i帧图像和第i+1帧图像为例:若第i帧图像下属于基材边缘的方向值,并得到第i+1帧图像中与第i帧图像中对应的基材边缘的方向值,将第i+1帧图像中的基材边缘的方向值与第i帧图像对应的方向值差值,通过方向值差值来表示偏差值,通过方向值差值来表示偏差值是因为基材偏移不会导致基材变宽或者变窄,只是方向偏移,且本方案目的在于无声胶带的基材纠偏,故利用方向值差值来对无声胶带的基材纠偏,具体的,设定方向值差值阈值,本实施例中方向值差值阈值设定为2°,当相邻两帧视频图像中对应的基材边缘的方向值差值大于方向值差值阈值时,则将方向值差值作为纠偏角度对无声胶带的基材进行纠偏;当相邻两帧视频图像中对应的基材边缘的方向值差值小于或者等于方向值差值阈值时,则无声胶带的基材不需要纠偏,即将需要纠偏的基材对应的方向值差值输入到基材的PLC控制系统中,完成无声胶带生产纠偏。
本发明一种无声胶带生产过程的视觉检测方法,通过获取每帧视频图像,利用边缘检测算法和链码算法得到每个边缘对应的链码值序列,根据链码值序列中的数量最大且值相同的目标链码值在链码序列中的数量占比,来反映链码值序列的集中性,然后对线性边缘和弯曲边缘的集中性进行分析,即基材边缘在形成边缘时,不会存在较大弯曲,其对应的为高集中性,而非线性边缘很可能会有较多得弯折,因此,出现弯折时会导致集中性下降,故依据链码值序列中的目标链码值在链码序列中的数量占比来获取数量占比高的目标类别,目标类别中的链码值序列对应的边缘即为线性边缘,即在两个数量占比类别中平均目标数量占比大的目标类别所对应的边缘为线性边缘,从而实现对线性边缘的提取,减少了后续霍夫变换的计算量,提高计算效率;然后对无声胶带的基材边缘进行分析,无声胶带的基材有两个边缘,且其边缘长度在图像中最长,且两个基材边缘对应的长度应基本一致,因此,基于基材边缘的这些特征来分析所有线性边缘中的为基材边缘的线性边缘,从而实现对基材边缘的提取,最后在将基材边缘转换至霍夫空间,根据霍夫空间中的峰值点对应的极角确定基材边缘的方向值,因为基材偏移不会导致基材变宽或者变窄,只是方向偏移,故依据相邻两帧图像的基材边缘的方向值差值来表征基材的偏移角度,本发明通过对非基材边缘线进行去除,从而减少了霍夫检测时的计算量,实现快速获取基材的偏移角度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (6)
1.一种无声胶带生产过程的视觉检测方法,其特征在于,包括:
获取无声胶带的基材在输送过程中的每帧视频图像;
获取每帧视频图像的边缘图像,利用链码算法获取边缘图像中每个边缘上的边缘点对应的链码值,并获取每个边缘对应的链码值序列;
将每个链码值序列中数量最多且值相同的链码值作为目标链码值,获取目标链码值在链码值序列中目标数量占比;对所有链码值序列对应的目标数量占比进行二分类得到两个类别,并获取两个类别中平均目标数量占比大的类别作为目标类别;
根据目标类别中每两个链码值序列对应的目标链码值的数量、两个目标链码值的数量差值绝对值、两个目标链码值的差值获取目标类别对应的边缘中的无声胶带的基材边缘;
将无声胶带的基材边缘转换至霍夫空间,并获取霍夫空间中的峰值点,根据峰值点对应的极角获取基材边缘的方向值;
根据相邻两帧视频图像中对应的基材边缘的方向值差值获取无声胶带的基材的偏移角度;
获取目标类别对应的边缘中的无声胶带的基材边缘包括:
获取目标类别中的每两个边缘的链码值序列对应的目标链码值的数量差值绝对值及两个目标链码值的数量中的最小数量;
根据数量差值绝对值、最小数量及目标链码值的差值绝对值获取目标类别中对应的两条边缘为无声胶带的基材边缘的可能性值;
根据可能性值对所有边缘进行二分类,并获取分类后的边缘类别对应的平均可能性值;
将两个平均可能性值中的最大平均可能性值对应的边缘类别中可能值对应的两条边缘作为无声胶带的基材边缘;
目标类别中两条边缘为无声胶带的基材边缘的可能性值的计算公式为:
式中,表示第帧视频图像对应的目标类别中的第个边缘与第个边缘为无声胶带的基材边缘的可能性值;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中目标链码值的数量;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中目标链码值的数量;
表示第帧视频图像对应的目标类别中的第个边缘与第个边缘对应的链码值序列的目标链码值的数量中的最小数量;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中的目标链码值;
表示第帧视频图像对应的目标类别中的第个边缘对应的链码值序列中的目标链码值;
exp表示以自然常数e为底的指数函数。
2.根据权利要求1所述的一种无声胶带生产过程的视觉检测方法,其特征在于,获取边缘图像中每个边缘上的边缘点对应的链码值包括:
利用8链码算法获取边缘图像中每个边缘上的边缘点对应的链码值。
3.根据权利要求1所述的一种无声胶带生产过程的视觉检测方法,其特征在于,获取基材边缘的方向值包括:
获取霍夫空间中极角相同的峰值点的数量;
当极角相同的峰值点的数量等于基材数量的2倍时,则极角相同的峰值点所对应的极角即为基材边缘的方向值。
4.根据权利要求1所述的一种无声胶带生产过程的视觉检测方法,其特征在于,获取无声胶带的基材的偏移角度包括:
将相邻两帧视频图像中的后一帧视频图像对应的峰值点的极角与前一帧视频图像对应的峰值点的极角作差得到相邻两帧视频图像对应的基材边缘的方向值差值,并将方向值差值作为相邻两帧视频图像中无声胶带的基材的偏移角度。
5.根据权利要求1所述的一种无声胶带生产过程的视觉检测方法,其特征在于,还包括根据方向值差值对无声胶带的基材进行纠偏,具体步骤为:
当相邻两帧视频图像中对应的基材边缘的方向值差值大于预设的方向值差值阈值时,则将方向值差值作为纠偏角度对无声胶带的基材进行纠偏;
当相邻两帧视频图像中对应的基材边缘的方向值差值小于或者等于预设的方向值差值阈值时,则无声胶带的基材不需要纠偏。
6.根据权利要求1所述的一种无声胶带生产过程的视觉检测方法,其特征在于,获取无声胶带的基材在运动过程中的每帧视频图像包括:
倾斜设置朝向无声胶带的基材表面的摄像头,并设置倾斜照射在无声胶带的基材表面的光源,利用摄像头采集无声胶带的基材在运动过程中的每帧视频图像;
其中,光源的光线经无声胶带的基材反射后照射到摄像头的镜头部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310076743.6A CN115830011B (zh) | 2023-02-08 | 2023-02-08 | 一种无声胶带生产过程的视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310076743.6A CN115830011B (zh) | 2023-02-08 | 2023-02-08 | 一种无声胶带生产过程的视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830011A CN115830011A (zh) | 2023-03-21 |
CN115830011B true CN115830011B (zh) | 2023-05-09 |
Family
ID=85520840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310076743.6A Active CN115830011B (zh) | 2023-02-08 | 2023-02-08 | 一种无声胶带生产过程的视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830011B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705302A (zh) * | 2017-10-11 | 2018-02-16 | 华中科技大学 | 一种圆形及类圆形视觉检测方法及系统 |
CN110136159A (zh) * | 2019-04-29 | 2019-08-16 | 辽宁工程技术大学 | 面向高分辨率遥感影像的线段提取方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517111B (zh) * | 2013-09-27 | 2018-09-07 | 比亚迪股份有限公司 | 车道线检测方法、系统、车道偏离预警方法及系统 |
CN110059663A (zh) * | 2019-04-24 | 2019-07-26 | 扬州龙科信息科技有限公司 | 一种基于特征点检测的粘连蘑菇视觉识别与测量方法 |
CN112950508B (zh) * | 2021-03-12 | 2022-02-11 | 中国矿业大学(北京) | 一种基于计算机视觉的排水管道视频数据修复方法 |
CN115169375B (zh) * | 2022-07-11 | 2024-03-08 | 南京中车浦镇工业物流有限公司 | 基于ar与枪球联动的高位物料可视化方法 |
-
2023
- 2023-02-08 CN CN202310076743.6A patent/CN115830011B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705302A (zh) * | 2017-10-11 | 2018-02-16 | 华中科技大学 | 一种圆形及类圆形视觉检测方法及系统 |
CN110136159A (zh) * | 2019-04-29 | 2019-08-16 | 辽宁工程技术大学 | 面向高分辨率遥感影像的线段提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115830011A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898610B (zh) | 一种基于mask-RCNN的物体轮廓提取方法 | |
CN106875381B (zh) | 一种基于深度学习的手机外壳缺陷检测方法 | |
CN117351008B (zh) | 一种智能手机面板表面缺陷检测方法 | |
CN116611748B (zh) | 一种钛合金家具生产质量监控系统 | |
CN115082466B (zh) | 一种pcb表面焊点缺陷检测方法及系统 | |
CN110189375B (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN112318485B (zh) | 物体分选系统及其图像处理方法、装置 | |
CN107944354B (zh) | 一种基于深度学习的车辆检测方法 | |
CN115131354B (zh) | 一种基于光学手段的实验室用塑料薄膜缺陷检测方法 | |
CN110288571B (zh) | 一种基于图像处理的高铁接触网绝缘子异常检测方法 | |
CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN116188468B (zh) | 一种hdmi线缆传输分拣智能控制系统 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN116168025B (zh) | 一种油幕式油炸花生生产系统 | |
CN109584239B (zh) | 一种基于反射光的高光物体表面缺陷检测系统及方法 | |
CN108629790A (zh) | 一种基于深度残差网络的光条图像阈值分割方法 | |
CN101315664A (zh) | 用于文字识别的文本图像预处理方法 | |
CN107545565B (zh) | 一种太阳能网版检测方法 | |
CN115830011B (zh) | 一种无声胶带生产过程的视觉检测方法 | |
CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
CN114092682A (zh) | 基于机器学习的小金具类缺陷检测算法 | |
CN112338898B (zh) | 物体分选系统的图像处理方法、装置及物体分选系统 | |
CN113095445A (zh) | 一种目标识别方法及装置 | |
CN103942792A (zh) | 医药检测机器人中基于序列图像时域特征的杂质检测方法 | |
CN116645342A (zh) | 一种基于改进的ConvNeXt V2和Faster-RCNN的焊点缺陷检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Visual Inspection Method for Silent Tape Production Process Granted publication date: 20230509 Pledgee: China postal savings bank, Surabaya County branch, Limited by Share Ltd. Pledgor: Shandong Ruifeng New Material Technology Co.,Ltd. Registration number: Y2024980003952 |