CN116168041A - 一种应用于贴合装置的实时检测方法及其系统 - Google Patents
一种应用于贴合装置的实时检测方法及其系统 Download PDFInfo
- Publication number
- CN116168041A CN116168041A CN202310462182.3A CN202310462182A CN116168041A CN 116168041 A CN116168041 A CN 116168041A CN 202310462182 A CN202310462182 A CN 202310462182A CN 116168041 A CN116168041 A CN 116168041A
- Authority
- CN
- China
- Prior art keywords
- dispensing
- area
- detected
- contour
- information
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
本申请适用于设备检测的技术领域,提供了一种应用于贴合装置的实时检测方法及其系统,其方法包括获取目标工件的待检测区域,其中,待检测区域包括至少一个第一点胶区域;分割待检测区域,得到包含有第一点胶区域的点胶区域图像;对点胶区域图像进行检测,得到目标工件的点胶检测结果。本申请能够大幅度提高检测效率和检测精度,有利于提高七合一片对片贴合线等贴合设备的智能化程度,满足当下智能制造的需求,具有较高的实际应用价值。
Description
技术领域
本申请涉及设备检测的技术领域,具体而言,涉及一种应用于贴合装置的实时检测方法及其系统。
背景技术
目前,在贴合装置(譬如:七合一片对片贴合线)对工件进行点胶加工后,通常需要检测工件的点胶质量,以确保工件的合格率;而传统的点胶质量检测都是通过人工进行判断或者抽检,存在检测效率较低的问题,有待进一步改进。
发明内容
基于此,本申请实施例提供了一种应用于贴合装置的实时检测方法及其系统,以解决现有技术中检测效率较低的问题。
第一方面,本申请实施例提供了一种应用于贴合装置的实时检测方法,所述方法包括:
获取目标工件的待检测区域,其中,所述待检测区域包括至少一个第一点胶区域;
分割所述待检测区域,得到包含有所述第一点胶区域的点胶区域图像;
对所述点胶区域图像进行检测,得到所述目标工件的点胶检测结果;
其中,所述分割所述待检测区域,得到包含有所述第一点胶区域的点胶区域图像,包括:
针对每一个所述第一点胶区域:
获取所述待检测区域中所述第一点胶区域的轮廓信息,所述轮廓信息包括轮廓点位置信息和轮廓形状信息;
分割所述待检测区域成多个待检测区域块;
基于所述轮廓信息,从所述多个待检测区域块中确定点胶区域图像块;
合并所述点胶区域图像块,生成包含有所述第一点胶区域的点胶区域图像。
与现有技术相比存在的有益效果是:本申请实施例提供的应用于贴合装置的实时检测方法,终端设备可以先获取目标工件的待检测区域,然后分割待检测区域,得到包含有第一点胶区域的点胶区域图像,再对点胶区域图像进行检测,基于点胶区域图像得到目标工件准确的点胶检测结果,从而减少人工进行判断或者抽检的步骤,提高检测效率,在一定程度上解决了当前检测效率较低的问题。
第二方面,本申请实施例提供了一种应用于贴合装置的实时检测系统,所述系统包括:
待检测区域获取模块:用于获取目标工件的待检测区域,其中,所述待检测区域包括至少一个第一点胶区域;
点胶区域图像生成模块:用于分割所述待检测区域,得到包含有所述第一点胶区域的点胶区域图像;
点胶检测结果确定模块:用于对所述点胶区域图像进行检测,得到所述目标工件的点胶检测结果;
其中,所述点胶区域图像生成模块包括:
轮廓信息获取子模块:用于针对每一个第一点胶区域:获取所述待检测区域中所述第一点胶区域的轮廓信息,所述轮廓信息包括轮廓点位置信息和轮廓形状信息;
待检测区域块生成子模块:用于分割所述待检测区域成多个待检测区域块;
点胶区域图像块确定子模块:用于基于所述轮廓信息,从所述多个待检测区域块中确定点胶区域图像块;
点胶区域图像生成子模块:用于合并所述点胶区域图像块,生成包含有所述第一点胶区域的点胶区域图像。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面的方法的步骤。
第四方面,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存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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。
图1是本申请一实施例提供的实时检测方法的流程示意图;
图2是本申请一实施例提供的待检测区域的示意图;
图3是本申请一实施例提供的实时检测方法中步骤S200的流程示意图;
图4是本申请一实施例提供的待检测区域块的示意图;
图5是本申请一实施例提供的点胶区域图像的示意图;
图6是本申请一实施例提供的实时检测方法中步骤S211的流程示意图;
图7是本申请一实施例提供的第一周边区域的示意图;
图8是本申请一实施例提供的第一点胶区域的示意图;
图9是本申请一实施例提供的实时检测方法中步骤S2131的流程示意图;
图10是本申请一实施例提供的优化轮廓点的示意图;
图11是本申请一实施例提供的实时检测方法中步骤S310的流程示意图;
图12是本申请一实施例提供的实时检测系统的模块框图;
图13是本申请一实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本申请实施例提供的应用于贴合装置的实时检测方法的流程示意图。在本实施例中,实时检测方法的执行主体为终端设备。可以理解的是,终端设备的类型包括但不限于手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobilepersonal computer,UMPC)、上网本、个人数字助理(personal digital assistant,PDA)等,本申请实施例对终端设备的具体类型不作任何限制。
请参阅图1,本申请实施例提供的实时检测方法包括但不限于以下步骤:
在S100中,获取目标工件的待检测区域。
具体来说,本申请实施例可以应用于七合一片对片贴合线等贴合装置;在贴合装置对目标工件完成点胶加工后,终端设备可以获取针对目标工件的待检测区域的实时图像,待检测区域包括至少一个第一点胶区域;示例性地,请参阅图2,图2为目标工件的俯视角度,图2中的矩形表示待检测区域,图2中共有六个第一点胶区域。
在S200中,分割待检测区域,得到包含有第一点胶区域的点胶区域图像。
具体来说,在终端设备获取待检测区域之后,终端设备可以分割待检测区域,得到主要包含有第一点胶区域的点胶区域图像,从而减少无关数据信息对检测结果的影响。
在一些可能的实现方式中,为了有利于提高后续检测结果的精度,请参阅图3,步骤S200包括但不限于以下步骤:
在S210中,针对每一个第一点胶区域:获取待检测区域中第一点胶区域的轮廓信息。
具体来说,每一个第一点胶区域均有多个轮廓点所组成;终端设备可以针对每一个第一点胶区域,获取该第一点胶区域的轮廓信息;其中,轮廓信息包括轮廓点位置信息和轮廓形状信息,轮廓点位置信息表示轮廓点的坐标位置信息,轮廓形状信息表示该第一点胶区域的整体形状信息;示例性地,请参阅图2,当该第一点胶区域为图2中带字母“A”且呈水平截面为正圆型的第一点胶区域时,该第一点胶区域对应的轮廓形状信息为正圆型。
在S220中,分割待检测区域成多个待检测区域块。
具体来说,在终端设备获取第一点胶区域的轮廓信息之后,终端设备可以分割待检测区域,生成多个待检测区域块;示例性地,请参阅图4,图4中的最大矩形表示待检测区域的局部,图4中的圆形表示第一点胶区域,图4中任意一个小矩形表示待检测区域块;在终端设备分割待检测区域的时候,第一点胶区域也会被分割。
在S230中,基于轮廓信息,从多个待检测区域块中确定点胶区域图像块。
具体来说,在终端设备分割待检测区域成多个待检测区域块之后,终端设备可以基于轮廓点位置信息和轮廓形状信息,从多个待检测区域块中确定出指定的点胶区域图像块,从而实现剔除信息量较少、甚至没有信息量的待检测区域块,提高检测效率;示例性地,请参阅图4,图4中带字母“A”、“B”、“C”、“D”、“E”、“F”、“G”、“H”和“I”的小矩形均为被分割后的第一点胶区域对应的待检测区域块,即点胶区域图像块。
在S240中,合并点胶区域图像块,生成包含有第一点胶区域点胶区域图像。
具体来说,在终端设备确定点胶区域图像块之后,终端设备可以合并点胶区域图像块,然后生成点胶区域图像;示例性地,请参阅图5,图5中加粗实线所围成的矩形表示点胶区域图像。
在一些可能的实现方式中,为了满足更多的实际应用场景,请参阅图6,在步骤S210之后,该方法还包括但不限于以下步骤:
在S211中,搜索第一点胶区域的第一周边区域内是否存在第二点胶区域。
具体来说,第一周边区域是以第一点胶区域为中心,预设的第一距离值为半径所围成的范围,示例性地,请参阅图7,图7中带字母“A”的圆形表示第一点胶区域,图7中带字母“B”的圆形表示第二点胶区域,图7中的虚线圆表示第一周边区域;终端设备可以搜索第一点胶区域的第一周边区域内是否存在第二点胶区域。
在S212中,若第一周边区域内存在第二点胶区域,则确定第一点胶区域中相对于第二点胶区域距离最近的像素点。
具体来说,在实际应用中,点胶的直径较小,且可能存在两个点胶之间的间隔较短的情况;为了应对该种特殊情况,如果第一点胶区域的第一周边区域内存在第二点胶区域,则终端设备可以确定第一点胶区域中相对于第二点胶区域距离最近的像素点,即第一点胶区域对应的多个轮廓点中与第二点胶区域距离最近的轮廓点。示例性地,请参阅图8,图8为基于图7的示意图;图8中内部填充为黑色的圆点表示组成第一点胶区域轮廓的轮廓点和组成第二点胶区域轮廓的轮廓点;图8中内部填充为黑色的圆点的数量仅作示例而为二十三个,具体的数量不作限定,在其他一些可能的实现方式中,该数量可以是大于或等于2的任意正整数;图8中内部填充为白色的圆点表示像素点。
在S213中,根据像素点的坐标位置信息、轮廓点位置信息和预设的步长计算公式,确定生成步长。
具体来说,在终端设备确定像素点之后,终端设备可以根据像素点的坐标位置信息、轮廓点位置信息和预设的步长计算公式,确定生成步长;需要说明的是,不同应用情景所对应的生成步长并不相同。
在一些可能的实现方式中,为了有利于提高实际应用情景中的识别精度,请参阅图9,步骤S213包括但不限于以下步骤:
在S2131中,获取像素点的坐标位置信息。
具体来说,在终端设备确定像素点之后,终端设备可以先获取像素点的坐标位置信息。
在S2132中,输入像素点的坐标位置信息、轮廓点位置信息至预设的步长计算公式,确定生成步长。
具体来说,在终端设备获取像素点的坐标位置信息之后,终端设备可以输入像素点的坐标位置信息、轮廓点位置信息至预设的步长计算公式,从而精准确定出一个生成步长,该生成步长特别适用于至少两个点胶区域之间的间隔较短且该些点胶区域的尺寸均较小的应用情景,有利于精准界定该应用情景中的每一个点胶区域。
在一些可能的实现方式中,为了有利于精准界定间隔较短的多个点胶区域(即胶点),上述步长计算公式可以为:
式中,表示生成步长的步长值,每种实际的应用情况分别对应一个步长值;为了有利于区分第一点胶区域对应的轮廓点和第二点胶区域对应的轮廓点,故把第二点胶区域对应的轮廓点称为边缘点。/>表示第一周边区域内的第二点胶区域对应的边缘点数量,示例性地,针对图8对应的应用情景,边缘点数量为3个。
式中,表示第一周边区域内的第一点胶区域对应的轮廓点数量,示例性地,针对图8对应的应用情景,轮廓点数量为12个,需要说明的是,像素点本质上为轮廓点。表示第一点胶区域的轮廓点步长,示例性地,针对图8对应的应用情景,轮廓点步长为相邻两个轮廓点之间的距离。/>表示预设的第一权重因子,/>,在一种可能的实现方式中,当边缘点数量小于或等于5的时候,/>可以取1,当边缘点数量大于或等于30的时候,/>可以取10。
式中,表示像素点的坐标位置信息与轮廓点位置信息之间的差值的绝对值,即像素点与第二点胶区域之间的最短距离值。/>表示预设的第二权重因子,/>,在一种可能的实现方式中,当该绝对值小于或等于2毫米的时候,/>可以取8,当边缘点数量大于2毫米的时候,/>可以取2。/>表示预设的修正因子,/>表示大于零的偶数,示例性地,针对图8对应的应用情景,/>可以取2,从而通过灵活调整生成步长以灵活调整轮廓点的数量。轮廓点的数量越多,则第一点胶区域的边缘界定得越精准,同时,通过该步长计算公式生成的步长值能够在计算效率和精准度之间取一个较好的平衡。
在S214中,基于轮廓形状信息和生成步长,在像素点的第二周边区域内生成优化轮廓点。
具体来说,第二周边区域是以像素点为中心点,预设的第二距离值为半径所围成的范围;示例性地,请参阅图10,图10是基于图8的示意图,图10中的虚线框表示第二周边区域,图10中的三角形表示优化轮廓点,终端设备可以基于轮廓形状信息,以像素点为起点,并且以生成步长间隔,在像素点的第二周边区域内生成多个优化轮廓点,从而实现精准增加轮廓点的数量。
相应地,上述步骤S220包括但不限于以下步骤:
在S221中,分割包含有优化轮廓点的待检测区域成多个待检测区域块。
具体来说,终端设备可以分割包含有优化轮廓点的待检测区域成多个待检测区域块,具体的细节可以参考上述步骤S220中的详细描述。
相应地,上述步骤S230包括但不限于以下步骤:
在S231中,基于轮廓点位置信息、轮廓形状信息和优化轮廓点,从多个待检测区域块中确定点胶区域图像块。
具体来说,终端设备可以基于轮廓点位置信息、轮廓形状信息和优化轮廓点,从多个待检测区域块中确定出点胶区域图像块,具体的细节可以参考上述步骤S230中的详细描述。
在S300中,对点胶区域图像进行检测,得到目标工件的点胶检测结果。
具体来说,终端设备可以对点胶区域图像进行检测,得到目标工件的点胶检测结果,从而实现通过点胶检测结果即可评价目标工件的点胶质量。
在一些可能的实现方式中,为了提高检测精度,请参阅图11,步骤S300包括但不限于以下步骤:
在S310中,获取目标工件的目标图像。
具体来说,贴合装置可以是按照目标图像对目标工件进行点胶加工的,实际点胶质量较低甚至不满足需求可能是由设备精度等外界因素所导致的;终端设备可以获取目标工件的目标图像,目标图像包括目标点胶区域的目标轮廓线信息。
在S320中,根据轮廓点位置信息、轮廓形状信息和优化轮廓点生成优化轮廓线信息。
具体来说,在终端设备获取目标图像之后,终端设备可以根据轮廓点位置信息、轮廓形状信息和优化轮廓点生成优化轮廓线信息,通过优化轮廓线信息表征第一点胶区域的实际边缘。
在S330中,比对轮廓线信息与目标轮廓线信息,生成偏差信息。
具体来说,在终端设备生成优化轮廓线信息之后,终端设备可以比对轮廓线信息与目标轮廓线信息,生成偏差信息,偏差信息表示轮廓线信息与目标轮廓线信息之间的偏差程度。
在S340中,若偏差信息大于或等于预设的偏差阈值,则确定点胶检测结果为不合格。
具体来说,如果偏差信息大于或等于预设的偏差阈值,则终端设备可以确定点胶检测结果为不合格,即点胶质量不符合指定需求。
在S350中,若偏差信息小于偏差阈值,则确定点胶检测结果为合格。
具体来说,如果偏差信息小于偏差阈值,则终端设备可以确定点胶检测结果为合格,即点胶质量符合指定需求。
在一些可能的实现方式中,为了有利于分析点胶质量,在步骤S340之后,该方法还包括但不限于以下步骤:
在S341中,上传点胶区域图像、优化轮廓线信息、目标图像、偏差信息和点胶检测结果至指定的服务器。
具体来说,终端设备可以上传点胶区域图像、优化轮廓线信息、目标图像、偏差信息和点胶检测结果至指定的服务器,从而有利于更多的检测人员分析点胶质量不合格的原因;该服务器可以是指定终端和/或远程终端。
本申请实施例应用于贴合装置的实时检测方法的实施原理为:终端设备可以获取目标工件的待检测区域,该待检测区域包括至少一个第一点胶区域,然后针对每一个第一点胶区域:获取待检测区域中第一点胶区域的轮廓点位置信息和轮廓形状信息,分割待检测区域成多个待检测区域块,再基于轮廓信息,从多个待检测区域块中确定点胶区域图像块,然后合并点胶区域图像块,生成包含有第一点胶区域的点胶区域图像,再分割待检测区域,得到包含有第一点胶区域的点胶区域图像,再对点胶区域图像进行检测,得到目标工件的点胶检测结果,从而减少人工进行判断或者抽检的步骤,以及大幅度提高检测效率,适应更多的实际应用情景。
需要说明的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请的实施例还提供了一种应用于贴合装置的实时检测系统,为便于说明,仅示出与本申请相关的部分,如图12所示,该系统12包括:
待检测区域获取模块121:用于获取目标工件的待检测区域,其中,待检测区域包括至少一个第一点胶区域;
点胶区域图像生成模块122:用于分割待检测区域,得到包含有第一点胶区域的点胶区域图像;
点胶检测结果确定模块123:用于对点胶区域图像进行检测,得到目标工件的点胶检测结果。
可选的,上述点胶区域图像生成模块122包括:
轮廓信息获取子模块:用于针对每一个第一点胶区域:获取待检测区域中第一点胶区域的轮廓信息,轮廓信息包括轮廓点位置信息和轮廓形状信息;
待检测区域块生成子模块:用于分割待检测区域成多个待检测区域块;
点胶区域图像块确定子模块:用于基于轮廓信息,从多个待检测区域块中确定点胶区域图像块;
点胶区域图像生成子模块:用于合并点胶区域图像块,生成包含有第一点胶区域的点胶区域图像。
可选的,该系统12还包括:
第二点胶区域搜索子模块:用于搜索第一点胶区域的第一周边区域内是否存在第二点胶区域,其中,第一周边区域是以第一点胶区域为中心,预设的第一距离值为半径所围成的范围;
像素点确定子模块:用于若第一周边区域内存在第二点胶区域,则确定第一点胶区域中相对于第二点胶区域距离最近的像素点;
生成步长确定子模块:用于根据像素点的坐标位置信息、轮廓点位置信息和预设的步长计算公式,确定生成步长;
优化轮廓点生成子模块:用于基于轮廓形状信息和生成步长,在像素点的第二周边区域内生成优化轮廓点,其中,第二周边区域是以像素点为中心点,预设的第二距离值为半径所围成的范围;
相应地,上述待检测区域块生成子模块,包括:
待检测区域块生成单元:用于分割包含有优化轮廓点的待检测区域成多个待检测区域块;
相应地,上述点胶区域图像块确定子模块,包括:
点胶区域图像块确定单元:用于基于轮廓点位置信息、轮廓形状信息和优化轮廓点,从多个待检测区域块中确定点胶区域图像块。
可选的,上述生成步长确定子模块包括:
坐标位置信息获取单元:用于获取像素点的坐标位置信息;
生成步长确定单元:用于输入像素点的坐标位置信息、轮廓点位置信息至预设的步长计算公式,确定生成步长;
其中,步长计算公式为:
式中,为生成步长的步长值;/>为第一周边区域内的第二点胶区域对应的边缘点数量;/>为第一周边区域内的第一点胶区域对应的轮廓点数量;/>为第一点胶区域的轮廓点步长;/>为预设的第一权重因子,/>;/>为像素点的坐标位置信息与轮廓点位置信息之间的差值的绝对值;/>为预设的第二权重因子,/>;/>为预设的修正因子,/>为大于零的偶数。
可选的,上述点胶检测结果确定模块123包括:
目标图像获取子模块:用于获取目标工件的目标图像,目标图像包括目标点胶区域的目标轮廓线信息;
优化轮廓线信息生成子模块:用于根据轮廓点位置信息、轮廓形状信息和优化轮廓点生成优化轮廓线信息;
偏差信息生成子模块:用于比对轮廓线信息与目标轮廓线信息,生成偏差信息;
不合格结果确定子模块:用于若偏差信息大于或等于预设的偏差阈值,则确定点胶检测结果为不合格;
合格结果确定子模块:用于若偏差信息小于偏差阈值,则确定点胶检测结果为合格。
可选的,该系统12还包括:
图像上传模块:用于上传点胶区域图像、优化轮廓线信息、目标图像、偏差信息和点胶检测结果至指定的服务器。
需要说明的是,上述模块之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供了一种终端设备,如图13所示,该实施例的终端设备13包括:处理器131、存储器132以及存储在存储器132中并可在处理器131上运行的计算机程序133。处理器131执行计算机程序133时实现上述流量处理方法实施例中的步骤,例如图1所示的步骤S100至S300;或者,处理器131执行计算机程序133时实现上述装置中各模块的功能,例如图12所示模块121至123的功能。
该终端设备13可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备,该终端设备13包括但不仅限于处理器131、存储器132。本领域技术人员可以理解,图13仅仅是终端设备13的示例,并不构成对终端设备13的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备13还可以包括输入输出设备、网络接入设备、总线等。
其中,处理器131可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等;通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器132可以是终端设备13的内部存储单元,例如终端设备13的硬盘或内存,存储器132也可以是终端设备13的外部存储设备,例如终端设备13上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等;进一步地,存储器132还可以既包括终端设备13的内部存储单元也包括外部存储设备,存储器132还可以存储计算机程序133以及终端设备13所需的其它程序和数据,存储器132还可以用于暂时地存储已经输出或者将要输出的数据。
本申请的一个实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等;计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的方法、原理、结构所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种应用于贴合装置的实时检测方法,其特征在于,所述方法包括:
获取目标工件的待检测区域,其中,所述待检测区域包括至少一个第一点胶区域;
分割所述待检测区域,得到包含有所述第一点胶区域的点胶区域图像;
对所述点胶区域图像进行检测,得到所述目标工件的点胶检测结果;
其中,所述分割所述待检测区域,得到包含有所述第一点胶区域的点胶区域图像,包括:
针对每一个所述第一点胶区域:
获取所述待检测区域中所述第一点胶区域的轮廓信息,所述轮廓信息包括轮廓点位置信息和轮廓形状信息;
分割所述待检测区域成多个待检测区域块;
基于所述轮廓信息,从所述多个待检测区域块中确定点胶区域图像块;
合并所述点胶区域图像块,生成包含有所述第一点胶区域的点胶区域图像。
2.根据权利要求1所述的方法,其特征在于,在所述获取所述待检测区域中所述第一点胶区域的轮廓信息之后,所述方法还包括:
搜索所述第一点胶区域的第一周边区域内是否存在第二点胶区域,其中,所述第一周边区域是以所述第一点胶区域为中心,预设的第一距离值为半径所围成的范围;
若所述第一周边区域内存在第二点胶区域,则确定所述第一点胶区域中相对于所述第二点胶区域距离最近的像素点;
根据所述像素点的坐标位置信息、所述轮廓点位置信息和预设的步长计算公式,确定生成步长;
基于所述轮廓形状信息和所述生成步长,在所述像素点的第二周边区域内生成优化轮廓点,其中,所述第二周边区域是以所述像素点为中心点,预设的第二距离值为半径所围成的范围;
相应地,所述分割所述待检测区域成多个待检测区域块,包括:
分割包含有所述优化轮廓点的所述待检测区域成多个待检测区域块;
相应地,所述基于所述轮廓信息,从所述多个待检测区域块中确定点胶区域图像块,包括:
基于所述轮廓点位置信息、所述轮廓形状信息和所述优化轮廓点,从所述多个待检测区域块中确定点胶区域图像块。
3.根据权利要求2所述的方法,其特征在于,所述根据所述像素点的坐标位置信息、所述轮廓点位置信息和预设的步长计算公式,确定生成步长,包括:
获取所述像素点的坐标位置信息;
输入所述像素点的坐标位置信息、所述轮廓点位置信息至预设的步长计算公式,确定生成步长;
其中,所述步长计算公式为:
4.根据权利要求2所述的方法,其特征在于,所述对所述点胶区域图像进行检测,得到所述目标工件的点胶检测结果,包括:
获取所述目标工件的目标图像,所述目标图像包括目标点胶区域的目标轮廓线信息;
根据所述轮廓点位置信息、所述轮廓形状信息和所述优化轮廓点生成优化轮廓线信息;
比对所述轮廓线信息与所述目标轮廓线信息,生成偏差信息;
若所述偏差信息大于或等于预设的偏差阈值,则确定所述点胶检测结果为不合格;
若所述偏差信息小于所述偏差阈值,则确定所述点胶检测结果为合格。
5.根据权利要求4所述的方法,其特征在于,在所述若所述偏差信息大于或等于预设的偏差阈值,则确定所述点胶检测结果为不合格之后,所述方法还包括:
上传所述点胶区域图像、所述优化轮廓线信息、所述目标图像、所述偏差信息和所述点胶检测结果至指定的服务器。
6.一种应用于贴合装置的实时检测系统,其特征在于,所述系统包括:
待检测区域获取模块:用于获取目标工件的待检测区域,其中,所述待检测区域包括至少一个第一点胶区域;
点胶区域图像生成模块:用于分割所述待检测区域,得到包含有所述第一点胶区域的点胶区域图像;
点胶检测结果确定模块:用于对所述点胶区域图像进行检测,得到所述目标工件的点胶检测结果;
其中,所述点胶区域图像生成模块包括:
轮廓信息获取子模块:用于针对每一个第一点胶区域:获取所述待检测区域中所述第一点胶区域的轮廓信息,所述轮廓信息包括轮廓点位置信息和轮廓形状信息;
待检测区域块生成子模块:用于分割所述待检测区域成多个待检测区域块;
点胶区域图像块确定子模块:用于基于所述轮廓信息,从所述多个待检测区域块中确定点胶区域图像块;
点胶区域图像生成子模块:用于合并所述点胶区域图像块,生成包含有所述第一点胶区域的点胶区域图像。
7.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310462182.3A CN116168041B (zh) | 2023-04-26 | 2023-04-26 | 一种应用于贴合装置的实时检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310462182.3A CN116168041B (zh) | 2023-04-26 | 2023-04-26 | 一种应用于贴合装置的实时检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116168041A true CN116168041A (zh) | 2023-05-26 |
CN116168041B CN116168041B (zh) | 2023-07-11 |
Family
ID=86414987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310462182.3A Active CN116168041B (zh) | 2023-04-26 | 2023-04-26 | 一种应用于贴合装置的实时检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168041B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523908A (zh) * | 2023-06-30 | 2023-08-01 | 湖南隆深氢能科技有限公司 | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 |
CN116883398A (zh) * | 2023-09-06 | 2023-10-13 | 湖南隆深氢能科技有限公司 | 基于电堆装配生产线的检测方法、系统、终端设备及介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5091973A (en) * | 1989-08-30 | 1992-02-25 | Canon Kabushiki Kaisha | Image processing apparatus for reducing visible roughness in contours |
US20080198175A1 (en) * | 2007-02-20 | 2008-08-21 | Microsoft Corporation | Drag-And-Drop Pasting For Seamless Image Composition |
CN107945177A (zh) * | 2017-12-15 | 2018-04-20 | 日照职业技术学院 | 一种用于机器人视觉系统检测判断物料的方法 |
CN109543665A (zh) * | 2017-09-22 | 2019-03-29 | 凌云光技术集团有限责任公司 | 图像定位方法及装置 |
CN110248075A (zh) * | 2019-07-16 | 2019-09-17 | 北京博视智动技术有限公司 | 图像获取装置、方法及系统和点胶质量检测方法及系统 |
CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
JP2020107232A (ja) * | 2018-12-28 | 2020-07-09 | 株式会社デンソーテン | 付着物検出装置および付着物検出方法 |
US20210027473A1 (en) * | 2018-03-27 | 2021-01-28 | Tasmit, Inc. | Pattern edge detection method |
US11120523B1 (en) * | 2020-03-12 | 2021-09-14 | Conduent Business Services, Llc | Vehicle passenger detection system and method |
CN114596221A (zh) * | 2022-02-07 | 2022-06-07 | 厦门美图之家科技有限公司 | 脸部轮廓自动平滑处理方法、装置、电子设备及存储介质 |
CN115439426A (zh) * | 2022-08-24 | 2022-12-06 | 北京京东方技术开发有限公司 | 一种宽度信息确定方法、装置及电子设备 |
CN115797271A (zh) * | 2022-11-17 | 2023-03-14 | 歌尔科技有限公司 | 一种点胶检测方法、装置、设备及介质 |
-
2023
- 2023-04-26 CN CN202310462182.3A patent/CN116168041B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5091973A (en) * | 1989-08-30 | 1992-02-25 | Canon Kabushiki Kaisha | Image processing apparatus for reducing visible roughness in contours |
US20080198175A1 (en) * | 2007-02-20 | 2008-08-21 | Microsoft Corporation | Drag-And-Drop Pasting For Seamless Image Composition |
CN109543665A (zh) * | 2017-09-22 | 2019-03-29 | 凌云光技术集团有限责任公司 | 图像定位方法及装置 |
CN107945177A (zh) * | 2017-12-15 | 2018-04-20 | 日照职业技术学院 | 一种用于机器人视觉系统检测判断物料的方法 |
US20210027473A1 (en) * | 2018-03-27 | 2021-01-28 | Tasmit, Inc. | Pattern edge detection method |
JP2020107232A (ja) * | 2018-12-28 | 2020-07-09 | 株式会社デンソーテン | 付着物検出装置および付着物検出方法 |
CN110248075A (zh) * | 2019-07-16 | 2019-09-17 | 北京博视智动技术有限公司 | 图像获取装置、方法及系统和点胶质量检测方法及系统 |
CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
US11120523B1 (en) * | 2020-03-12 | 2021-09-14 | Conduent Business Services, Llc | Vehicle passenger detection system and method |
CN114596221A (zh) * | 2022-02-07 | 2022-06-07 | 厦门美图之家科技有限公司 | 脸部轮廓自动平滑处理方法、装置、电子设备及存储介质 |
CN115439426A (zh) * | 2022-08-24 | 2022-12-06 | 北京京东方技术开发有限公司 | 一种宽度信息确定方法、装置及电子设备 |
CN115797271A (zh) * | 2022-11-17 | 2023-03-14 | 歌尔科技有限公司 | 一种点胶检测方法、装置、设备及介质 |
Non-Patent Citations (6)
Title |
---|
JIACHEN LI ET AL.: "Fast 3D texture-less object tracking with geometric contour and local region", 《COMPUTERS & GRAPHICS》, vol. 97, pages 225 - 235, XP086619703, DOI: 10.1016/j.cag.2021.04.012 * |
LOUKAS PREZAS ET AL.: "AI-enhanced vision system for dispensing process monitoring and quality control in manufacturing of large parts", 《PROCEDIA CIRP》, vol. 107, pages 1275 - 1280 * |
于保军等: "汽车传感器电路板涂胶质量视觉检测系统研究", 《机械工程师》, no. 12, pages 39 - 42 * |
罗三定等: "髋关节股骨近端CT序列图像外轮廓提取研究", 《计算机工程与应用》, vol. 50, no. 11, pages 167 - 170 * |
薛会民等: "大曲率高精度反射器面板精密成形坯料展开技术", 《塑性工程学报》, vol. 16, no. 4, pages 12 - 16 * |
贾江鸣等: "漆包线缠绕缺陷的实时检测与修正方法研究", 《北京理工大学学报》, vol. 42, no. 3, pages 279 - 288 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523908A (zh) * | 2023-06-30 | 2023-08-01 | 湖南隆深氢能科技有限公司 | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 |
CN116523908B (zh) * | 2023-06-30 | 2023-09-12 | 湖南隆深氢能科技有限公司 | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 |
CN116883398A (zh) * | 2023-09-06 | 2023-10-13 | 湖南隆深氢能科技有限公司 | 基于电堆装配生产线的检测方法、系统、终端设备及介质 |
CN116883398B (zh) * | 2023-09-06 | 2023-11-28 | 湖南隆深氢能科技有限公司 | 基于电堆装配生产线的检测方法、系统、终端设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116168041B (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116168041B (zh) | 一种应用于贴合装置的实时检测方法及其系统 | |
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
EP3690700A1 (en) | Image similarity calculation method and device, and storage medium | |
US20140219569A1 (en) | Image recognition system and method for identifying similarities in different images | |
CN110287831B (zh) | 一种基于地标的控制点的获取方法、装置和电子设备 | |
CN109461133B (zh) | 桥梁螺栓脱落检测方法及终端设备 | |
CN111783844A (zh) | 基于深度学习的目标检测模型训练方法、设备及存储介质 | |
US20210027045A1 (en) | Method and device for face selection, recognition and comparison | |
CN112966711A (zh) | 基于卷积神经网络的指针式仪表示数识别方法及系统 | |
CN111311593B (zh) | 一种多椭圆检测和评估算法、装置及终端 | |
CN112634201A (zh) | 目标检测方法、装置和电子设备 | |
CN116379927B (zh) | 应用于贴合生产线的精准检测方法、系统以及存储介质 | |
CN112036232A (zh) | 一种图像表格结构识别方法、系统、终端以及存储介质 | |
CN115620254A (zh) | 车道线检测的评估方法、装置、设备和存储介质 | |
CN113255671B (zh) | 针对长宽比大物体的目标检测方法、系统、设备及介质 | |
CN116309628A (zh) | 车道线识别方法和装置、电子设备和计算机可读存储介质 | |
CN115728772A (zh) | 激光扫描点的类别检测方法、装置及终端设备 | |
CN114708239A (zh) | 胶宽检测方法、装置、电子设备及存储介质 | |
CN116883398B (zh) | 基于电堆装配生产线的检测方法、系统、终端设备及介质 | |
CN116912634B (zh) | 目标追踪模型的训练方法及装置 | |
US11836914B2 (en) | Information processing method and information processing device for detecting a trace formed on a surface of a workpiece | |
CN116625243B (zh) | 基于边框卷料裁切机的智能检测方法、系统以及存储介质 | |
CN116558519A (zh) | 一种适用于大负荷主变压器的智能检测方法及其系统 | |
CN115661128A (zh) | 点云地图检测方法、装置、电子设备及存储介质 | |
CN114842042A (zh) | 数字pcr图像微滴分割计数方法、装置及电子设备 |
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 |