CN116026852A - 一种烟标模切凹痕检测装置及方法 - Google Patents
一种烟标模切凹痕检测装置及方法 Download PDFInfo
- Publication number
- CN116026852A CN116026852A CN202211681221.0A CN202211681221A CN116026852A CN 116026852 A CN116026852 A CN 116026852A CN 202211681221 A CN202211681221 A CN 202211681221A CN 116026852 A CN116026852 A CN 116026852A
- Authority
- CN
- China
- Prior art keywords
- sample
- detection
- image
- area
- template
- 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
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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于印刷品模切检测技术领域,公开了一种烟标模切凹痕检测装置及方法,检测箱内具有检测平台,检测平台上具有机械臂、样张放入区、检测区、亚克力板放置区和样张拿出区,样张放入区用于放置待测样张,检测区用于对样张模切进行检测,亚克力板放置区用于放置亚力克板,亚克力板用于覆盖住检测区的样张,样张拿出区用于放置检测完毕的样张;机械臂用于从样张放入区获取样张,将样张放置在检测区并获取将亚克力板覆盖在检测区样张上进行检测,检测完成后将亚克力板放回原位后再将样张放置在样张拿出区。本发明利用烟标模切凹痕检测装置自动取样检测,运用机器学习智能化算法离线进行模板训练,在线进行差异化检测,减少了误检率及人力成本。
Description
技术领域
本发明属于印刷品模切检测技术领域,尤其涉及一种烟标模切凹痕检测装置及方法。
背景技术
在烟标模切的工序中,有一道是对烟标产品边缘折叠处进行镂空模切,过程中需要对切痕进行检测,判断切痕位置是否切到位或是否切坏。现有的监测方式一般通过人工肉眼进行对比观察,而人工肉眼监测经常会出现漏检,无法进行及时预警功能,若无法及时判断出模切切坏情况,导致在该生产时间段,生产的烟标将会全部报废,造成大量的损失,因此印刷生产企业迫切需要烟标模切中途环节的自动化检测设备。
由于烟标纸张类型很多,烟标形状各异,模切压痕生产形状各异,普通方法难以灵活区分缺陷和正常模切烟标,且一般情况下缺陷图像对比度很低,难以稳定地通过边缘检测、灰度值检测到,从而导致检测失败及虚检,造成可靠性不高。
发明内容
本发明目的在于提供一种烟标模切凹痕检测装置及方法,以解决上述的技术问题。
为解决上述技术问题,本发明的一种烟标模切凹痕检测装置及方法的具体技术方案如下:
一种烟标模切凹痕检测装置,包括检测箱,所述检测箱内具有检测平台,所述检测平台上具有机械臂、样张放入区、检测区、亚克力板放置区和样张拿出区,所述样张放入区用于放置待测样张,所述检测区用于对样张模切进行检测,所述亚克力板放置区用于放置亚力克板,所述亚克力板用于覆盖住检测区的样张,样张拿出区用于放置检测完毕的样张;所述机械臂用于从样张放入区获取样张,将样张放置在检测区并获取将亚克力板覆盖在检测区样张上进行检测,检测完成后将亚克力板放回原位后再将样张放置在样张拿出区。
进一步的,所述样张放入区和样张拿出区结构相同,具有多个向上凸起的挡板,挡板围合成适合样张大小的尺寸,用于放置样张,所述亚克力板放置区具有多个挡板,多个挡板围合成合适亚克力板大小的尺寸,用于放置亚克力板,所述亚克力板为透明亚克力板,所述亚克力板面积大于样张。进一步的,所述检测区包括放置在检测平台上的样张放置台,所述样张放置台为磨砂亚力克板,透光不透明,所述样张放置台内具有光源,样张放置在样张放置台上,光源从样张底部透过样张的模切切痕,所述样张放置台上方固定有相机。
进一步的,所述检测平台中间具有控制器,所述控制器上端与机械臂固定连接,所述机械臂与控制器电连接,所述控制器控制机械臂转动,完成机械臂每个方位的移动,所述机械臂的手臂末端具有电机、传动丝杆和滑块,所述电机的电机轴与传动丝杆固定连接,所述滑块与传动丝杆螺纹连接,所述吸盘通过连接件与滑块固定连接,所述吸盘与控制器电连接,所述电机与控制器电连接,所述控制器控制电机转动带动传动丝杆转动,从而带动滑块上下运动,从而控制吸盘吸取样张。
进一步的,所述检测箱上具有报警灯和启停键,所述报警灯、启停键与控制器电连接,所述启停键用于启动整个检测装置,所述报警灯用于检测异常报警。
本发明还公开了一种烟标模切凹痕检测方法,包括如下步骤:
步骤1:按下检测箱上的启停键,启动检测装置;
步骤2:机械手吸取样张放入区的烟标样张放置在检测区底部面光源正上方,机械手吸取透明亚巧克力板压铸在检测区的烟标样张上;机械手复位;步骤3:相机拍摄烟标样张照片,通过模切视觉算法进行切痕检测算法匹配,如果检测结果正常,则通过,如果出现匹配计算异常,则进行电脑软件界面错误提示以及报警灯报警;
步骤4:启动机械臂,拾取亚克力板放回原位;接着把测试完的烟标样张拾取到样张拿出区;
步骤5:重复步骤2-4进行下一张试样的测试。
进一步地,步骤3所述模切视觉算法包括离线模板训练算法和在线差异化检测算法,所述离线模板训练算法首先离线设置模板,即工作人员通过工业相机采集标准烟标模切裁剪区域图像,然后送上位机提取ROI图像并生成配准模板;所述在线差异化检测算法在生产过程中进行在线检测,每次机械臂归位后由传感器触发相机采集图像,并传送到上位机与模板图像配准后进行比较,若判断结果为存在缺陷,则停机报警以提醒工作人员进行处理。
进一步地,所述离线模板训练算法包括如下具体步骤:
步骤A1:采用基于形状的模板匹配方法,将标准烟标模切模板样张放置在面光源之上,利用工业相机采集标准烟标模切图像,先对采集的图片进行灰度处理,通过灰度去除光源环境幅面外的因素,再通过灰度阈值分割,通过借助形状特征像素面积区域选择合适区域,通过腐蚀运算dilation_rectangle1,高宽像素均腐蚀15,去毛边及黑边运算,得到烟标区域图片;
步骤A2:将分割出的ROI区域的图像作为模板图像,光源控制器亮度设定为2000,检测切口位置的透光度,使用create_shape_model算子对模板图像进行卷积以计算各像素的梯度,得到形状模板图像;
步骤A3:当模板图像平均灰度阈值变化不大,即烟标图像较暗时,训练使用模板对比度参数阈值设置为20~30,当模板图像平均灰度阈值变化较大,即烟标图像较亮时,训练使用模板对比度参数阈值设置为50,模板匹配最低灰度阈值对比度设置为10,得到透光部分切痕模板。
进一步地,所述create_shape_model算子包括如下步骤:
S1.设置模板图像;
S2.设置金字塔层数,设为“auto”或0—10的整数,金字塔的层数越大,找到匹配使用的时间就越小,模板不容易识别出来;
S3.设置模板旋转的起始角度、模板旋转角度范围、旋转角度的步长;
S4.设置模板优化和模板创建方法;
S5.匹配方法设置,如果匹配方式设置为忽略全局两极化对比度,在两者对比度完全相反时也能找到目标;
S6.设置对比度、最小对比度;
S7.输出模板句柄。
进一步地,所述在线差异化检测算法包括如下步骤:
步骤B1:通过create_variation_model算子创建差异模型,所述差异模型包含两部分,第一部分是理想的标准图,用于之后compare_variation_model算子的比较,第二部分是一张图片,它包含了训练图中各张之间或者平均的差异信息,差异模型将待检测的图像与一张标准图像作比较,找出待检测图像与标准图像明显差异,训练后得到标准图像和一张variation图像,variation图像中包含了图像中每个像素点灰度值允许变化的范围;
步骤B2:根据差分模板找出不良缺陷:通过循环读取标准图像,根据模板图像进行模板匹配得到匹配值,并对标准图像做仿射旋转变换,将当前图像平移旋转到与模板图像重合,训练得到差异模型;
步骤B3:通过读取差异模型,使用prepare_variation_model算子建立预先差异模型,差异的绝对最小阈值需与模板训练时对比度相同,通过find_shape_model算子对形象模板标准图像相比较,对检测对象进行模板匹配得到旋转角度,对旋转角度进行仿射变换旋转,再通过compare_variation_model算子根据差异模型求差集:
compare_variation_model(Image:Region:ModelID:),设c(x,y)表示输入图像Image和两个阈值图像,然后输出区域Region包含与模型,即满足以下条件的点:c(x,y))>tu(x,y)Vc(x,y)<tl(x,y),将Image图像同准备好的变化模型ModelID去比较,在比较步骤中获得的两个阈值被用来决定一个包含图像中所有异常与模型的点的区域,得到的差集部分的面积及匹配度来判断该烟标是否有缺陷以及折痕是否匹配的算法;
步骤B4:如果匹配出的错误线段面积小于50像素,则表示模切切痕正常,提示ClipOK;
步骤B5:如果匹配出的错误线段面积大于50像素,则表示模切切痕异常,
提示Clip not OK。
本发明的一种烟标模切凹痕检测装置及方法具有以下优点:本发明利用烟标模切凹痕检测装置自动取样检测,运用机器学习智能化算法离线进行模板训练,在线进行差异化检测,节约了系统资源,该方法能够对模切切痕进行自动化检测,识别检模切缺陷,过并及时报警,减少了过程中因人工误检及忽略导致大批量产品在模切工序中的报废,减少了人力检验成本。
附图说明
图1为本发明的烟标模切凹痕检测装置整体结构示意图;
图2为本发明的烟标模切凹痕检测装置检测平台结构示意图;
图3为本发明的烟标区域图片示意图;
图4为本发明的烟标透光部分切痕模板示意图;
图5为本发明的模板匹配实例图;
图6为本发明的差异模型示意图;
图7为模切切痕正常示意图;
图8为模切切痕异常示意图。
图中标记说明:1、检测箱;2、报警灯;3、启停键;4、检测平台;41、样张放置台;42、相机;5、机械臂;51、控制器;52、电机;53、传动丝杆;54、滑块;55、吸盘;56、连接件;6、样张放入区;61、挡板;7、检测区;8、亚克力板放置区;9、样张拿出区;10、柜门。
具体实施方式
为了更好地了解本发明的目的、结构及功能,下面结合附图,对本发明一种烟标模切凹痕检测装置及方法做进一步详细的描述。
如图1所示,一种烟标模切凹痕检测装置,包括检测箱1,检测箱1上具有报警灯2和启停键3,检测箱1内具有检测平台4,检测平台4上具有机械臂5、样张放入区6、检测区7、亚克力板放置区8和样张拿出区9。样张放入区6用于放置待测样张,检测区7用于对样张模切进行检测,亚克力板放置区8用于放置亚力克板,亚克力板用于覆盖住检测区的样张,样张拿出区9用于放置检测完毕的样张。机械臂5用于从样张放入区6获取样张,将样张放置在检测区7并获取将亚克力板覆盖在检测区样张上进行检测,检测完成后将亚克力板放回原位后再将样张放置在样张拿出区9。
如图2所示,机械臂5设置在检测平台4中间,样张放入区6和样张拿出区9分别设置在机械臂5的左右两边,检测区7和亚克力板放置区8分别设置在机械臂5的上下两边,样张放入区6和样张拿出区9结构相同,具有多个向上凸起的挡板61,挡板61围合成适合样张大小的尺寸,用于放置样张,优选的,挡板61高度大于10mm,至少可容纳18张样张叠放。亚克力板放置区8同样也具有多个挡板61,多个挡板61围合成合适亚克力板大小的尺寸,用于放置亚克力板,亚克力板为透明亚克力板,面积大于样张,用于覆盖检测区样张。检测区7包括放置在检测平台4上的样张放置台41,样张放置台41为磨砂亚力克板,透光不透明,样张放置台41内具有光源,样张放置在样张放置台41上,光源从样张底部透过样张的模切切痕。样张放置台41上具有相机42,相机42通过相机固定支架43固定。相机固定支架与检测平台4固定连接。检测平台4中间具有控制器51,控制器51上端与机械臂5固定连接,机械臂5与控制器51电连接,控制器51控制机械臂5转动,完成机械臂5每个方位的移动。机械臂5的手臂末端具有电机52、传动丝杆53和滑块54,电机52的电机轴与传动丝杆53固定连接,滑块54与传动丝杆53螺纹连接,吸盘55通过连接件56与滑块54固定连接,吸盘55与控制器51电连接,电机54与控制器51电连接,控制器51控制电机54转动带动传动丝杆53转动,从而带动滑块54上下运动,从而控制吸盘55吸取样张。
检测箱1上靠近样张放入区6和样张拿出区9的处具有柜门10,用于放置样张和取出样张,报警灯2、启停键3与控制器51电连接,启停键3用于启动整个检测装置,报警灯2用于检测异常报警。
本发明的烟标模切凹痕检测方法,包括如下步骤:
步骤1:按下检测箱1上的启停键3,启动检测装置;
步骤2:机械手5吸取样张放入区6的烟标样张放置在检测区7底部面光源正上方,机械手5吸取透明亚巧克力板压铸在检测区7的烟标样张上;机械手5复位;
步骤3:相机42拍摄烟标样张照片,通过模切视觉算法进行切痕检测算法匹配,如果检测结果正常,则通过,如果出现匹配计算异常,则进行电脑软件界面错误提示以及报警灯2报警;
步骤4:启动机械臂5,拾取亚克力板放回原位;接着把测试完的烟标样张拾取到样张拿出区9;
步骤5:重复步骤2-4进行下一张试样的测试。
具体的,步骤3的模切视觉算法包括离线模板训练算法和在线差异化检测算法。离线模板训练算法首先离线设置模板,即工作人员通过工业相机采集标准烟标模切裁剪区域图像,然后送上位机提取ROI图像并生成配准模板。在线差异化检测算法即在生产过程中进行在线检测,每次机械臂归位后由传感器触发相机42采集图像,面阵相机分辨率为3072x2048,并传送到上位机与模板图像配准后进行比较。若判断结果为存在缺陷,则停机报警以提醒工作人员进行处理。
离线模板训练算法包括如下具体步骤:
采用基于形状的模板匹配方法,工作人员将标准烟标模切模板样张放置在面光源之上,利用工业相机采集标准烟标模切图像,先对采集的图片进行灰度处理,通过灰度去除光源环境幅面外的因素,再通过灰度阈值分割,通过借助形状特征像素面积区域选择合适区域,通过腐蚀运算dilation_rectangle1,高宽像素均腐蚀15,去毛边及黑边运算,得到烟标区域图片如图3所示,
将分割出的ROI区域的图像作为模板图像。切痕检测主要是检测切口位置的透光度,当光源控制器亮度设定为2000时,对模切切口识别效果较好,1000亮度时对较厚烟标纸张光源照射效果较差,使用create_shape_model算子对模板图像进行卷积以计算各像素的梯度,得到形状模板图像。
create_shape_model算子包括如下步骤:
1.设置模板图像;
2.设置金字塔层数,可设为“auto”或0—10的整数,金字塔的层数越大,找到匹配使用的时间就越小,模板不容易识别出来;
3.设置模板旋转的起始角度、模板旋转角度范围(>0)、旋转角度的步长(>=0and<=pi/16);
4.设置模板优化和模板创建方法;
5.匹配方法设置,如果匹配方式设置为忽略全局两极化对比度,在两者对比度完全相反时也能找到目标;
6.设置对比度、最小对比度;
7.输出模板句柄。
当模板图像平均灰度阈值变化不大(烟标图像较暗)时,训练使用模板对比度参数阈值设置为20~30,当模板图像平均灰度阈值变化较大(烟标图像较亮)时,训练使用模板对比度参数阈值设置为50,模板匹配最低灰度阈值对比度设置为10。效果如图4所示,得到透光部分切痕模板;模板匹配实例图如图5所示。
在线差异化检测算法包括如下步骤:
通过create_variation_model算子创建差异模型(VariationModel),差异模型(VariationModel)包含两部分,第一部分是理想的标准图(用于之后compare_variation_model算子的比较),第二部分是一张图片,它包含了训练图中各张之间或者平均的差异信息。Variation Model的主要原理是将待检测的图像与一张标准图像作比较,找出待检测图像与标准图像明显差异(也就是不良),训练后得到标准图像和一张variation图像,variation图像中包含了图像中每个像素点灰度值允许变化的范围。
根据差分模板找出不良缺陷。通过循环读取标准图像,根据模板图像进行模板匹配得到匹配值,并对标准图像做仿射旋转变换,将当前图像平移旋转到与模板图像重合,训练得到差异模型如图6所示(对比度较暗较为不清晰)。
通过读取差异模型,使用prepare_variation_model算子,prepare_variation_model(::ModelID,AbsThreshold,VarThreshold:)建立预先差异模型,算子参数需根据光源及烟标透光程度进行自动匹配调整,ModelID为create_variation_model训练的模型,差异的AbsThreshold绝对最小阈值需与模板训练时对比度相同,通过find_shape_model算子,对形象模板标准图像相比较,对检测对象进行模板匹配得到旋转角度,对旋转角度进行仿射变换旋转,find_shape_model(Image::ModelID,AngleStart,AngleExtent,MinScore,NumMatches,MaxOverlap,SubPixel,NumLevels,Greediness:Row,Column,Angle,Score),Image为原图像,ModelID为训练的行政匹配模板,AngleStart(起始角度),AngleExtent(可匹配旋转角度)角度分别设置在rad(-20),rad(40)适宜,NumMatches匹配数设置为1,NumLevels金字塔极数为1,Greediness为1。再通过compare_variation_model算子根据差异模型求差集,compare_variation_model(Image:Region:ModelID:),设c(x,y)表示输入图像Image和表示两个阈值图像。然后输出区域Region包含与模型,即满足以下条件的点:c(x,y))>tu(x,y)Vc(x,y)<tl(x,y),将Image图像同准备好的变化模型ModelID去比较,在比较步骤中获得的两个阈值(被存储在变化模型中)被用来决定一个包含图像中所有异常与模型的点的区域,得到的差集部分的面积及匹配度来判断该烟标是否有缺陷以及折痕是否匹配的算法。
如图7所示,如果匹配出的错误线段面积小于50像素,则表示模切切痕正常,提示Clip OK。
如果匹配出的错误线段面积大于50像素,则表示模切切痕异常,提示Clip notOK,并以灰色错误线段在图8中作显示。
可以理解,本发明是通过一些实施例进行描述的,本领域技术人员知悉的,在不脱离本发明的精神和范围的情况下,可以对这些特征和实施例进行各种改变或等效替换。另外,在本发明的教导下,可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此,本发明不受此处所公开的具体实施例的限制,所有落入本申请的权利要求范围内的实施例都属于本发明所保护的范围内。
Claims (10)
1.一种烟标模切凹痕检测装置,包括检测箱(1),所述检测箱(1)内具有检测平台(4),其特征在于,所述检测平台(4)上具有机械臂(5)、样张放入区(6)、检测区(7)、亚克力板放置区(8)和样张拿出区(9),所述样张放入区(6)用于放置待测样张,所述检测区(7)用于对样张模切进行检测,所述亚克力板放置区(8)用于放置亚力克板,所述亚克力板用于覆盖住检测区的样张,样张拿出区(9)用于放置检测完毕的样张;所述机械臂(5)用于从样张放入区(6)获取样张,将样张放置在检测区(7)并获取将亚克力板覆盖在检测区样张上进行检测,检测完成后将亚克力板放回原位后再将样张放置在样张拿出区(9)。
2.根据权利要求1所述的烟标模切凹痕检测装置,其特征在于,所述样张放入区(6)和样张拿出区(9)结构相同,具有多个向上凸起的挡板(61),挡板(61)围合成适合样张大小的尺寸,用于放置样张,所述亚克力板放置区(8)具有多个挡板(61),多个挡板(61)围合成合适亚克力板大小的尺寸,用于放置亚克力板,所述亚克力板为透明亚克力板,所述亚克力板面积大于样张。
3.根据权利要求1所述的烟标模切凹痕检测装置,其特征在于,所述检测区(7)包括放置在检测平台(4)上的样张放置台(41),所述样张放置台(41)为磨砂亚力克板,透光不透明,所述样张放置台(41)内具有光源,样张放置在样张放置台(41)上,光源从样张底部透过样张的模切切痕,所述样张放置台(41)上方固定有相机(42)。
4.根据权利要求1所述的烟标模切凹痕检测装置,其特征在于,所述检测平台(4)中间具有控制器(51),所述控制器(51)上端与机械臂(5)固定连接,所述机械臂(5)与控制器(51)电连接,所述控制器(51)控制机械臂(5)转动,完成机械臂(5)每个方位的移动,所述机械臂(5)的手臂末端具有电机(52)、传动丝杆(53)和滑块(54),所述电机(52)的电机轴与传动丝杆(53)固定连接,所述滑块(54)与传动丝杆(53)螺纹连接,所述吸盘(55)通过连接件(56)与滑块(54)固定连接,所述吸盘(55)与控制器(51)电连接,所述电机(54)与控制器(51)电连接,所述控制器(51)控制电机(54)转动带动传动丝杆(53)转动,从而带动滑块(54)上下运动,从而控制吸盘(55)吸取样张。
5.根据权利要求4所述的烟标模切凹痕检测装置,其特征在于,所述检测箱(1)上具有报警灯(2)和启停键(3),所述报警灯(2)、启停键(3)与控制器(51)电连接,所述启停键(3)用于启动整个检测装置,所述报警灯(2)用于检测异常报警。
6.一种如权利要求1-5任一项所述的烟标模切凹痕检测装置的烟标模切凹痕检测方法,其特征在于,包括如下步骤:
步骤1:按下检测箱(1)上的启停键(3),启动检测装置;
步骤2:机械手(5)吸取样张放入区(6)的烟标样张放置在检测区(7)底部面光源正上方,机械手(5)吸取透明亚巧克力板压铸在检测区(7)的烟标样张上;机械手(5)复位;
步骤3:相机(42)拍摄烟标样张照片,通过模切视觉算法进行切痕检测算法匹配,如果检测结果正常,则通过,如果出现匹配计算异常,则进行电脑软件界面错误提示以及报警灯(2)报警;
步骤4:启动机械臂(5),拾取亚克力板放回原位;接着把测试完的烟标样张拾取到样张拿出区(9);
步骤5:重复步骤2-4进行下一张试样的测试。
7.根据权利要求6所述的烟标模切凹痕检测方法,其特征在于,步骤3所述模切视觉算法包括离线模板训练算法和在线差异化检测算法,所述离线模板训练算法首先离线设置模板,即工作人员通过工业相机采集标准烟标模切裁剪区域图像,然后送上位机提取ROI图像并生成配准模板;所述在线差异化检测算法在生产过程中进行在线检测,每次机械臂回原位由传感器触发相机(42)采集图像,并传送到上位机与模板图像配准后进行比较,若判断结果为存在缺陷,则停机报警以提醒工作人员进行处理。
8.根据权利要求7所述的烟标模切凹痕检测方法,其特征在于,所述离线模板训练算法包括如下具体步骤:
步骤A1:采用基于形状的模板匹配方法,将标准烟标模切模板样张放置在面光源之上,利用工业相机采集标准烟标模切图像,先对采集的图片进行灰度处理,通过灰度去除光源环境幅面外的因素,再通过灰度阈值分割,通过借助形状特征像素面积区域选择合适区域,通过腐蚀运算dilation_rectangle1,高宽像素均腐蚀15,去毛边及黑边运算,得到烟标区域图片;
步骤A2:将分割出的ROI区域的图像作为模板图像,光源控制器亮度设定为2000,检测切口位置的透光度,使用create_shape_model算子对模板图像进行卷积以计算各像素的梯度,得到形状模板图像;
步骤A3:当模板图像平均灰度阈值变化不大,即烟标图像较暗时,训练使用模板对比度参数阈值设置为20~30,当模板图像平均灰度阈值变化较大,即烟标图像较亮时,训练使用模板对比度参数阈值设置为50,模板匹配最低灰度阈值对比度设置为10,得到透光部分切痕模板。
9.根据权利要求8所述的烟标模切凹痕检测方法,其特征在于,所述create_shape_model算子包括如下步骤:
S1.设置模板图像;
S2.设置金字塔层数,设为“auto”或0—10的整数,金字塔的层数越大,找到匹配使用的时间就越小,模板不容易识别出来;
S3.设置模板旋转的起始角度、模板旋转角度范围、旋转角度的步长;
S4.设置模板优化和模板创建方法;
S5.匹配方法设置,如果匹配方式设置为忽略全局两极化对比度,在两者对比度完全相反时也能找到目标;
S6.设置对比度、最小对比度;
S7.输出模板句柄。
10.根据权利要求7所述的烟标模切凹痕检测方法,其特征在于,所述在线差异化检测算法包括如下步骤:
步骤B1:通过create_variation_model算子创建差异模型,所述差异模型包含两部分,第一部分是理想的标准图,用于之后compare_variation_model算子的比较,第二部分是一张图片,它包含了训练图中各张之间或者平均的差异信息,差异模型将待检测的图像与一张标准图像作比较,找出待检测图像与标准图像明显差异,训练后得到标准图像和一张variation图像,variation图像中包含了图像中每个像素点灰度值允许变化的范围;
步骤B2:根据差分模板找出不良缺陷:通过循环读取标准图像,根据模板图像进行模板匹配得到匹配值,并对标准图像做仿射旋转变换,将当前图像平移旋转到与模板图像重合,训练得到差异模型;
步骤B3:通过读取差异模型,使用prepare_variation_model算子,建立预先差异模型,差异的绝对最小阈值需与模板训练时对比度相同,通过find_shape_model算子对形象模板标准图像相比较,对检测对象进行模板匹配得到旋转角度,对旋转角度进行仿射变换旋转,再通过compare_variation_model算子根据差异模型求差集:compare_variation_model(Image:Region:ModelID:),设c(x,y)表示输入图像Image和两个阈值图像,然后输出区域Region包含与模型,即满足以下条件的点:c(x,y))>tu(x,y)Vc(x,y)<tl(x,y),将Image图像同准备好的变化模型ModelID去比较,在比较步骤中获得的两个阈值被用来决定一个包含图像中所有异常与模型的点的区域,得到的差集部分的面积及匹配度来判断该烟标是否有缺陷以及折痕是否匹配的算法;
步骤B4:如果匹配出的错误线段面积小于50像素,则表示模切切痕正常,提示Clip OK;
步骤B5:如果匹配出的错误线段面积大于50像素,则表示模切切痕异常,提示Clip notOK。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211681221.0A CN116026852A (zh) | 2022-12-27 | 2022-12-27 | 一种烟标模切凹痕检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211681221.0A CN116026852A (zh) | 2022-12-27 | 2022-12-27 | 一种烟标模切凹痕检测装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116026852A true CN116026852A (zh) | 2023-04-28 |
Family
ID=86077191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211681221.0A Pending CN116026852A (zh) | 2022-12-27 | 2022-12-27 | 一种烟标模切凹痕检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116026852A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117274564A (zh) * | 2023-11-20 | 2023-12-22 | 民航成都电子技术有限责任公司 | 基于图文语义差异的机场跑道异物检测方法及系统 |
-
2022
- 2022-12-27 CN CN202211681221.0A patent/CN116026852A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117274564A (zh) * | 2023-11-20 | 2023-12-22 | 民航成都电子技术有限责任公司 | 基于图文语义差异的机场跑道异物检测方法及系统 |
CN117274564B (zh) * | 2023-11-20 | 2024-03-15 | 民航成都电子技术有限责任公司 | 基于图文语义差异的机场跑道异物检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021179679A1 (zh) | 一种基于机器视觉的汽车仪表盘检测系统和检测方法 | |
CN111929309B (zh) | 一种基于机器视觉的铸造件外观缺陷检测方法及系统 | |
CN113325001B (zh) | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 | |
CN110044910B (zh) | 一种汽车置杯盒零部件检测系统及检测方法 | |
CN108355987A (zh) | 一种基于分块模板匹配的电池丝印质量检测方法 | |
CN109307675A (zh) | 一种产品外观检测方法和系统 | |
CN116026852A (zh) | 一种烟标模切凹痕检测装置及方法 | |
CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
CN110376211B (zh) | 一种湿法涂胶的合成革卷边在线检测装置及方法 | |
CN113111903A (zh) | 智能产线监测系统及监测方法 | |
CN111426693A (zh) | 一种质量缺陷检测系统及其检测方法 | |
CN115436394A (zh) | 一种外观缺陷检测系统及方法 | |
Kunze et al. | Efficient deployment of deep neural networks for quality inspection of solar cells using smart labeling | |
CN114943704A (zh) | 一种电池电极模切件缺陷检测方法、装置和设备 | |
CN113927217A (zh) | 一种智能焊接系统 | |
CN117409005A (zh) | 基于图像的收板机用不良品检测系统及方法 | |
CN111353974B (zh) | 一种检测影像边界缺陷的方法及装置 | |
CN117030612A (zh) | 基于机器视觉的家用膜元件表面缺陷检测系统及检测方法 | |
CN112837285B (zh) | 一种板面图像的边缘检测方法及装置 | |
CN108335283A (zh) | 一种自动检测分类玻璃缺陷的方法 | |
CN114638792A (zh) | 一种用于插件电路板电解电容极性缺陷检测的方法 | |
CN116563194A (zh) | 用于缺陷检测的视觉检查系统 | |
CN113674285A (zh) | 一种电解/电积镍板智能剪切方法 | |
CN115035294B (zh) | 一种冰箱温控器挡位检测方法及装置 | |
CN114115666B (zh) | 半导体结构检测方法及装置 |
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 |