CN116206266B - 一种基于封口机的视觉对位系统 - Google Patents
一种基于封口机的视觉对位系统 Download PDFInfo
- Publication number
- CN116206266B CN116206266B CN202310497582.8A CN202310497582A CN116206266B CN 116206266 B CN116206266 B CN 116206266B CN 202310497582 A CN202310497582 A CN 202310497582A CN 116206266 B CN116206266 B CN 116206266B
- Authority
- CN
- China
- Prior art keywords
- early warning
- module
- alignment system
- image
- coefficient
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Nonlinear Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于封口机的视觉对位系统,涉及对位系统技术领域,包括第一采集模块、计算模块、预警模块、控制模块、第二采集模块以及图像处理模块;第一采集模块采集与图像质量相关的多源数据,计算模块对多源数据进行预处理后,综合分析多源数据并建立预警系数,预警系数发送至预警模块,预警模块设定预警阈值,将预警系数与预警阈值进行对比,并依据对比结果判断发出运行信号或预警信号,当收到运行信号时,控制模块通过包装特征信息调节封口机的封口机构位置和角度,当收到预警信号时,则不控制封口机的封口机构运行,并发出警报提示。本发明有效避免产品封口错位,提高产品的加工质量,降低产品加工成本。
Description
技术领域
本发明涉及对位系统技术领域,具体涉及一种基于封口机的视觉对位系统。
背景技术
封口机的视觉对位系统是一种自动化控制系统,用于在包装生产中将袋子或盒子定位到正确的位置,以确保精准的封口和包装,视觉对位系统通常由摄像头、图像处理软件和机器控制系统组成。
在使用视觉对位系统时,摄像头会捕捉袋子或盒子的图像,并将其发送给图像处理软件进行分析,使用图像处理技术来确定包装的准确位置,然后,机器控制系统使用这些信息来调整封口机的位置和角度,以确保封口或包装操作的准确性。
在封口机运行时,对位系统拍摄袋子或盒子的图像,图像处理软件会对图像进行处理和分析,以确定包装的位置和方向,机器控制系统将根据图像处理软件的分析结果,调整封口机的位置和角度,以确保包装在正确的位置,然而,在视觉对位系统实际运行中,存在众多的影响因素,这些影响因素会导致采集图像异常,使得视觉对位系统无法准确的进行对位,此时封口机继续运行时,容易造成产品封口错位,降低产品质量,从而增加产品加工成本。
发明内容
本发明的目的是提供一种基于封口机的视觉对位系统,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:一种基于封口机的视觉对位系统,包括第一采集模块、计算模块、预警模块、控制模块、第二采集模块以及图像处理模块;
第一采集模块:在视觉对位系统使用时,采集与图像质量相关的多源数据;
计算模块:对多源数据进行预处理后,综合分析多源数据并建立预警系数;
预警模块:设定预警阈值,将预警系数与预警阈值进行对比,并依据对比结果判断发出运行信号或预警信号;
控制模块:接收运行信号时,发出采集指令并控制封口机构运行,控制模块接收预警信号时,发出警报提示并不控制封口机的封口机构运行;
第二采集模块:接收采集指令后,在封口机构运行时采集产品的图像;
图像处理模块:通过图像处理技术对图像进行分析,确定产品的包装特征,控制模块依据包装特征信息调节封口机构位置和角度。
在一个优选的实施方式中,所述第一采集模块包括若干摄像头以及传感设备,若干摄像头以及传感设备用于采集与图像质量相关的多源数据,多源数据包括设备参数以及环境参数,设备参数包括摄像头镜头污染度、传输电缆腐蚀度,环境参数包括光照波峰幅值以及环境颗粒物浓度。
在一个优选的实施方式中,所述计算模块将摄像头镜头污染度、传输电缆腐蚀度、光照波峰幅值以及环境颗粒物浓度通过公式建立预警系数,表达式为:
;
式中,为预警系数,/>为光照波峰幅值,/>为环境颗粒物浓度,/>为摄像头镜头污染度,/>为传输电缆腐蚀度,/>分别为光照波峰幅值、环境颗粒物浓度、摄像头镜头污染度以及传输电缆腐蚀度的比例系数,且/>。
在一个优选的实施方式中,所述光照波峰幅值的计算逻辑为:将摄像头拍摄的最佳光照强度标记为/>,摄像头识别图像拍摄光照强度范围标记为/>,且,光照传感器实时获取的光照强度标记为/>;
若,则光照波峰幅值/>;
若,则光照波峰幅值/>;
若或/>,则光照波峰幅值/>。
在一个优选的实施方式中,所述环境颗粒物浓度通过空气颗粒物在线监测仪实时监测;
所述摄像头镜头污染度的计算表达式为:/>;式中,/>表示镜头的初始亮度值,/>表示污染后的镜头亮度值。
在一个优选的实施方式中,所述传输电缆腐蚀度的计算表达式为:/>;式中,/>表示线缆外皮初始截面积,/>表示线缆外皮受腐蚀后的截面积,线缆外皮截面积利用红外测温技术进行在线实时监测。
在一个优选的实施方式中,所述预警模块设定预警阈值,将预警系数/>与预警阈值/>进行对比,并依据对比结果判断发出运行信号或预警信号;
若对比结果为预警系数预警阈值/>,所述预警模块判断系统运行状态优,依据该对比结果发出运行信号;
若对比结果为预警系数预警阈值/>,所述预警模块判断系统运行状态差,预警模块依据该对比结果发出预警信号。
在一个优选的实施方式中,所述控制模块包括控制单元以及评估单元;
控制单元:用于接收运行信号时,结合包装特征调节封口机构位置和角度,接收预警信号时,控制封口机构停机,并发出警报;
评估单元:在封口机构运行完成后,由于预警系数是实时采集的,通过公式计算视觉对位系统的失稳率,表达式为:
;
式中,为失稳率,/>为封口机构运行时间段内所有预警系数/>预警阈值/>的预警系数/>数量,/>为封口机构开始运行时间,/>为封口机构结束运行时间。
在一个优选的实施方式中,所述评估单元计算得到失稳率后,将失稳率/>与维护阈值/>进行对比;
若失稳率维护阈值/>,评估单元评估视觉对位系统的整体运行状态不稳定,则在封口机构运行完成后,对视觉对位系统进行全面维护;
若失稳率维护阈值/>,评估单元评估视觉对位系统的整体运行状态稳定,则采取定期维护的方式维护视觉对位系统。
在一个优选的实施方式中,所述图像处理模块包括处理单元、检测单元、分割单元、识别单元以及定位单元;
处理单元将采集到的图像进行预处理,检测单元对预处理后的图像进行边缘检测,提取出目标物体的边缘信息,分割单元根据预先设置的颜色阈值,将图像分割成不同颜色区域,得到目标物体的颜色信息,识别单元对分割后的图像进行形状识别,提取出目标物体的形状信息,定位单元据提取出的边缘、颜色和形状信息,对目标物体进行定位。
在上述技术方案中,本发明提供的技术效果和优点:
1、本发明通过第一采集模块在视觉对位系统使用时,采集与图像质量相关的多源数据,多源数据发送至计算模块,计算模块对多源数据进行预处理后,综合分析多源数据并建立预警系数,预警系数发送至预警模块,预警模块设定预警阈值,将预警系数与预警阈值进行对比,并依据对比结果判断发出运行信号或预警信号,当收到运行信号时,控制模块通过包装特征信息调节封口机的封口机构位置和角度,当收到预警信号时,则不控制封口机的封口机构运行,并发出警报提示,有效避免产品封口错位,提高产品的加工质量,降低产品加工成本;
2、本发明通过计算模块将摄像头镜头污染度、传输电缆腐蚀度、光照波峰幅值以及环境颗粒物浓度通过公式建立预警系数,将多源数据进行综合分析,有效提高数据的处理效率,并且在预警系数预警阈值/>时,发出预警提示,从而保障封口机的稳定运行;
3、本发明通过评估单元在封口机构运行完成后,由于预警系数是实时采集的,通过公式计算视觉对位系统的失稳率,然后依据失稳率与维护阈值/>的对比结果来判断视觉对位系统是否需要及时维护,有效保障视觉对位系统的运行稳定性。
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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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1:请参阅图1所示,本实施例所述一种基于封口机的视觉对位系统,包括第一采集模块、计算模块、预警模块、控制模块、第二采集模块以及图像处理模块;
第一采集模块在视觉对位系统使用时,采集与图像质量相关的多源数据,多源数据发送至计算模块,计算模块对多源数据进行预处理后,综合分析多源数据并建立预警系数,预警系数发送至预警模块,预警模块设定预警阈值,将预警系数与预警阈值进行对比,并依据对比结果判断发出运行信号或预警信号,并将运行信号或预警信号发送至控制模块,控制模块接收运行信号时,向第二采集模块发出采集指令,第二采集模块在封口机构运行时,采集产品的图像,并将图像信息发送至图像处理模块,图像处理模块通过图像处理技术对图像进行分析,确定产品的包装特征,包装特征发送至控制模块,包装特征包括包装位置和包装方向,图像处理技术包括边缘检测、颜色分割和形状识别等,控制模块接收运行信号后,通过包装特征信息调节封口机构位置和角度,调节合适后,封口机构对产品进行封口处理,控制模块接收预警信号,则不控制封口机构运行,并发出警报提示,待检修人员对封口机以及视觉对位系统检修和维护后,封口工序继续进行。
本申请通过第一采集模块在视觉对位系统使用时,采集与图像质量相关的多源数据,多源数据发送至计算模块,计算模块对多源数据进行预处理后,综合分析多源数据并建立预警系数,预警系数发送至预警模块,预警模块设定预警阈值,将预警系数与预警阈值进行对比,并依据对比结果判断发出运行信号或预警信号,当收到运行信号时,控制模块通过包装特征信息调节封口机的封口机构位置和角度,当收到预警信号时,则不控制封口机的封口机构运行,并发出警报提示,有效避免产品封口错位,提高产品的加工质量,降低产品加工成本。
实施例2:第一采集模块在视觉对位系统使用时,采集与图像质量相关的多源数据,多源数据发送至计算模块,计算模块对多源数据进行预处理后,综合分析多源数据并建立预警系数,预警系数发送至预警模块,预警模块设定预警阈值,将预警系数与预警阈值进行对比,并依据对比结果判断发出运行信号或预警信号,并将运行信号或预警信号发送至控制模块。
第一采集模块包括若干摄像头以及传感设备,若干摄像头以及传感设备用于采集与图像质量相关的多源数据,多源数据包括设备参数以及环境参数,设备参数包括摄像头镜头污染度、传输电缆腐蚀度,环境参数包括光照波峰幅值以及环境颗粒物浓度;
计算模块将摄像头镜头污染度、传输电缆腐蚀度、光照波峰幅值以及环境颗粒物浓度通过公式建立预警系数,表达式为:
;
式中,为预警系数,/>为光照波峰幅值,/>为环境颗粒物浓度,/>为摄像头镜头污染度,/>为传输电缆腐蚀度,/>分别为光照波峰幅值、环境颗粒物浓度、摄像头镜头污染度以及传输电缆腐蚀度的比例系数,且/>。
本实施例中,光照波峰幅值的计算逻辑为:将摄像头拍摄的最佳光照强度标记为/>,摄像头识别图像拍摄光照强度范围标记为/>,且/>,光照传感器实时获取的光照强度标记为/>,若/>,则光照波峰幅值/>,若,则光照波峰幅值/>,若/>或/>,则光照波峰幅值,综上所述,光照传感器实时获取的光照强度/>越接近摄像头拍摄的最佳光照强度,光照波峰幅值/>越大,当光照波峰幅值/>时,表面在当前光照强度下摄像头无法采集图像。
环境颗粒物浓度通过空气颗粒物在线监测仪来实时监测。
摄像头镜头污染度的计算表达式为:/>;式中,/>表示镜头的初始亮度值,/>表示污染后的镜头亮度值,镜头亮度值通过相机采集到的图像进行处理和分析,比如可以采用图像分割、亮度直方图等方法,计算出图像的亮度值,该方法属于现有技术,在此不做过多介绍。
传输电缆腐蚀度的计算表达式为:/>;式中,/>表示线缆外皮初始截面积,/>表示线缆外皮受腐蚀后的截面积,线缆外皮截面积利用红外测温技术进行在线实时监测,该方法属于现有技术,在此不做过多介绍。
预警模块设定预警阈值,将预警系数/>与预警阈值/>进行对比,并依据对比结果判断发出运行信号或预警信号;
若对比结果为预警系数预警阈值/>,预警模块判断系统运行状态优,依据该对比结果发出运行信号;
若对比结果为预警系数预警阈值/>,预警模块判断系统运行状态差,预警模块依据该对比结果发出预警信号。
本申请通过计算模块将摄像头镜头污染度、传输电缆腐蚀度、光照波峰幅值以及环境颗粒物浓度通过公式建立预警系数,将多源数据进行综合分析,有效提高数据的处理效率,并且在预警系数预警阈值/>时,发出预警提示,从而保障封口机的稳定运行。
实施例3:控制模块接收运行信号时,向第二采集模块发出采集指令,第二采集模块在封口机构运行时,采集产品的图像,并将图像信息发送至图像处理模块,图像处理模块通过图像处理技术对图像进行分析,确定产品的包装特征,包装特征发送至控制模块,包装特征包括包装位置和包装方向,图像处理技术包括边缘检测、颜色分割和形状识别等,控制模块接收运行信号后,通过包装特征信息调节封口机构位置和角度,调节合适后,封口机构对产品进行封口处理,控制模块接收预警信号,则不控制封口机构运行,并发出警报提示,待检修人员对封口机以及视觉对位系统检修和维护后,封口工序继续进行。
图像处理模块包括处理单元、检测单元、分割单元、识别单元以及定位单元;
处理单元将采集到的图像进行预处理,包括灰度化、平滑滤波、图像增强等操作;
检测单元对预处理后的图像进行边缘检测,提取出目标物体的边缘信息,边缘检测算法包括Sobel、Canny等;
分割单元根据预先设置的颜色阈值,将图像分割成不同颜色区域,得到目标物体的颜色信息;
识别单元对分割后的图像进行形状识别,提取出目标物体的形状信息,形状识别算法包括霍夫变换、轮廓检测等;
定位单元据提取出的边缘、颜色和形状信息,对目标物体进行定位,可以根据定位结果,进行后续的图像处理和控制操作,如跟踪、检测、分类等。
处理单元将采集到的图像进行灰度化、平滑滤波、图像增强包括以下步骤:
1)灰度化:将彩色图像转换为灰度图像,去除颜色信息,只保留亮度信息;
2)平滑滤波:采用滤波器对图像进行平滑处理,去除噪声和图像中的细节信息;
3)图像增强:增强图像的对比度、亮度、清晰度等,使得图像更加清晰、鲜明,方便后续的处理和分析。
检测单元通过Sobel算法对预处理后的图像进行边缘检测,提取出目标物体的边缘信息包括以下步骤:
1)采用Sobel算子对图像进行卷积运算,提取图像中的边缘信息,即梯度值;
2)对梯度图像进行二值化处理,将梯度值大于一定阈值的像素标记为目标物体的边缘像素,而将小于该阈值的像素去除;
3)通过边缘连接算法,将离散的边缘像素点连接成为连续的边缘线,进一步提取出目标物体的边缘信息;
4)对边缘线进行精化处理,去除一些不必要的锯齿状的边缘点,使得边缘线更加平滑。
识别单元通过轮廓检测算法对分割后的图像进行形状识别,提取出目标物体的形状信息包括以下步骤:
A、对边缘图像进行二值化处理,得到二值化图像;
B、对二值化图像进行连通域分析,提取出目标物体的轮廓;
C、对提取出的轮廓进行形状拟合,例如拟合矩形、椭圆等;
D、根据形状特征对物体进行分类和识别,例如判断物体是圆形还是方形等。
实施例4:上述实施例2中,主要是通过对视觉对位系统进行故障预测,来提前进行管理,从而避免产品加工过程中,由于视觉对位系统故障导致封口失败的问题发生。
在封口机实际情况中,当视觉对位系统的预警系数预警阈值/>时,预警模块判断系统运行状态差,预警模块依据该对比结果发出预警信号,控制模块接收预警信号,则不控制封口机构运行,并发出警报提示,待检修人员对封口机以及视觉对位系统检修和维护后,封口工序继续进行;
因此,控制模块包括控制单元以及评估单元;
控制单元:用于接收运行信号时,结合包装特征调节封口机构位置和角度,接收预警信号时,控制封口机构停机,并发出警报;
评估单元:在封口机构运行完成后,由于预警系数是实时采集的,通过公式计算视觉对位系统的失稳率,表达式为:
;
式中,为失稳率,/>为封口机构运行时间段内所有预警系数/>预警阈值/>的预警系数/>数量,/>为封口机构开始运行时间,/>为封口机构结束运行时间。
计算得到失稳率后,将失稳率/>与维护阈值/>进行对比;
若失稳率维护阈值/>,评估单元评估视觉对位系统的整体运行状态不稳定,则在封口机构运行完成后,需要对视觉对位系统进行全面维护;
若失稳率维护阈值/>,评估单元评估视觉对位系统的整体运行状态稳定,则采取定期维护的方式维护视觉对位系统。
本申请通过评估单元在封口机构运行完成后,由于预警系数是实时采集的,通过公式计算视觉对位系统的失稳率,然后依据失稳率与维护阈值/>的对比结果来判断视觉对位系统是否需要及时维护,有效保障视觉对位系统的运行稳定性。
实施例5:由于不同的包装工厂设置的封口机数量不同,对于大型的包装工厂而言,会设置多台封口机,以提高产品的加工效率;
然而,由于设置多台封口机,就需要为每台封口机单独配套视觉对位系统,为了提高对视觉对位系统的管理效率,我们提出以下方案:
所述视觉对位系统还包括排序模块;
排序模块对每套视觉对位系统进行初始化标记,分别为{d1、d2、d3、...、dn},其中,n为大于0的正整数,设视觉对位系统的维护周期间隔时长为jg,随机抽取二十次jg时间段内视觉对位系统的预警系数,并计算出每套视觉对位系统的预警系数平均值/>,然后将多套视觉对位系统通过预警系数平均值/>由小到大进行排序,生成管理表;
定期对包装工厂内部的视觉对位系统进行管理维护时,依据管理表正序选择视觉对位系统的管理顺序,从而提高对视觉对位系统的管理效率。
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。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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 (8)
1.一种基于封口机的视觉对位系统,其特征在于:包括第一采集模块、计算模块、预警模块、控制模块、第二采集模块以及图像处理模块;
第一采集模块:在视觉对位系统使用时,采集与图像质量相关的多源数据;
所述第一采集模块包括若干摄像头以及传感设备,若干摄像头以及传感设备用于采集与图像质量相关的多源数据,多源数据包括设备参数以及环境参数,设备参数包括摄像头镜头污染度、传输电缆腐蚀度,环境参数包括光照波峰幅值以及环境颗粒物浓度;
计算模块:对多源数据进行预处理后,综合分析多源数据并建立预警系数;
所述计算模块将摄像头镜头污染度、传输电缆腐蚀度、光照波峰幅值以及环境颗粒物浓度通过公式建立预警系数,表达式为:
;
式中,为预警系数,/>为光照波峰幅值,/>为环境颗粒物浓度,/>为摄像头镜头污染度,/>为传输电缆腐蚀度,/>分别为光照波峰幅值、环境颗粒物浓度、摄像头镜头污染度以及传输电缆腐蚀度的比例系数,且/>;
预警模块:设定预警阈值,将预警系数与预警阈值进行对比,并依据对比结果判断发出运行信号或预警信号;
控制模块:接收运行信号时,发出采集指令并控制封口机构运行,控制模块接收预警信号时,发出警报提示并不控制封口机的封口机构运行;
第二采集模块:接收采集指令后,在封口机构运行时采集产品的图像;
图像处理模块:通过图像处理技术对图像进行分析,确定产品的包装特征,控制模块依据包装特征信息调节封口机构位置和角度。
2.根据权利要求1所述的一种基于封口机的视觉对位系统,其特征在于:所述光照波峰幅值的计算逻辑为:将摄像头拍摄的最佳光照强度标记为/>,摄像头识别图像拍摄光照强度范围标记为/>,且/>,光照传感器实时获取的光照强度标记为;
若,则光照波峰幅值/>;
若,则光照波峰幅值/>;
若或/>,则光照波峰幅值/>。
3.根据权利要求2所述的一种基于封口机的视觉对位系统,其特征在于:所述环境颗粒物浓度通过空气颗粒物在线监测仪实时监测;
所述摄像头镜头污染度的计算表达式为:/>;式中,/>表示镜头的初始亮度值,/>表示污染后的镜头亮度值。
4.根据权利要求3所述的一种基于封口机的视觉对位系统,其特征在于:所述传输电缆腐蚀度的计算表达式为:/>;式中,/>表示线缆外皮初始截面积,/>表示线缆外皮受腐蚀后的截面积,线缆外皮截面积利用红外测温技术进行在线实时监测。
5.根据权利要求1所述的一种基于封口机的视觉对位系统,其特征在于:所述预警模块设定预警阈值,将预警系数/>与预警阈值/>进行对比,并依据对比结果判断发出运行信号或预警信号;
若对比结果为预警系数预警阈值/>,所述预警模块判断系统运行状态优,依据该对比结果发出运行信号;
若对比结果为预警系数预警阈值/>,所述预警模块判断系统运行状态差,预警模块依据该对比结果发出预警信号。
6.根据权利要求1所述的一种基于封口机的视觉对位系统,其特征在于:所述控制模块包括控制单元以及评估单元;
控制单元:用于接收运行信号时,结合包装特征调节封口机构位置和角度,接收预警信号时,控制封口机构停机,并发出警报;
评估单元:在封口机构运行完成后,由于预警系数是实时采集的,通过公式计算视觉对位系统的失稳率,表达式为:
;
式中,为失稳率,/>为封口机构运行时间段内所有预警系数/>预警阈值/>的预警系数/>数量,/>为封口机构开始运行时间,/>为封口机构结束运行时间。
7.根据权利要求6所述的一种基于封口机的视觉对位系统,其特征在于:所述评估单元计算得到失稳率后,将失稳率/>与维护阈值/>进行对比;
若失稳率维护阈值/>,评估单元评估视觉对位系统的整体运行状态不稳定,则在封口机构运行完成后,对视觉对位系统进行全面维护;
若失稳率维护阈值/>,评估单元评估视觉对位系统的整体运行状态稳定,则采取定期维护的方式维护视觉对位系统。
8.根据权利要求1-7任一项所述的一种基于封口机的视觉对位系统,其特征在于:所述图像处理模块包括处理单元、检测单元、分割单元、识别单元以及定位单元;
处理单元将采集到的图像进行预处理,检测单元对预处理后的图像进行边缘检测,提取出目标物体的边缘信息,分割单元根据预先设置的颜色阈值,将图像分割成不同颜色区域,得到目标物体的颜色信息,识别单元对分割后的图像进行形状识别,提取出目标物体的形状信息,定位单元据提取出的边缘、颜色和形状信息,对目标物体进行定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310497582.8A CN116206266B (zh) | 2023-05-06 | 2023-05-06 | 一种基于封口机的视觉对位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310497582.8A CN116206266B (zh) | 2023-05-06 | 2023-05-06 | 一种基于封口机的视觉对位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116206266A CN116206266A (zh) | 2023-06-02 |
CN116206266B true CN116206266B (zh) | 2023-08-15 |
Family
ID=86515070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310497582.8A Active CN116206266B (zh) | 2023-05-06 | 2023-05-06 | 一种基于封口机的视觉对位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116206266B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116527876B (zh) * | 2023-06-30 | 2023-09-12 | 深圳市中农网有限公司 | 一种基于物联网技术的智能物流管理系统 |
CN116916166B (zh) * | 2023-09-12 | 2023-11-17 | 湖南湘银河传感科技有限公司 | 一种基于ai图像解析的遥测终端机 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102275657A (zh) * | 2010-06-12 | 2011-12-14 | 中国科学院沈阳自动化研究所 | 一种条烟外观缺陷视觉在线检测装置 |
CN106981064A (zh) * | 2017-03-16 | 2017-07-25 | 亿信标准认证集团有限公司 | 基于机器视觉技术的药品瓶包装标准认证在线检测系统 |
CN108382665A (zh) * | 2018-02-27 | 2018-08-10 | 刘弘业 | 一种食品真空包装机全自动控制系统 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN112623919A (zh) * | 2020-12-18 | 2021-04-09 | 安徽理工大学 | 一种基于计算机视觉的自动扶梯智能监控管理系统 |
CN115015286A (zh) * | 2022-06-13 | 2022-09-06 | 中大智能科技股份有限公司 | 基于机器视觉的芯片检测方法及系统 |
CN115432243A (zh) * | 2021-06-01 | 2022-12-06 | 中国航发商用航空发动机有限责任公司 | 真空密封包装的控制装置及其控制方法 |
CN115953627A (zh) * | 2022-12-19 | 2023-04-11 | 合肥高晶光电科技有限公司 | 一种可对辣椒进行品级分类的图像识别系统 |
CN115953367A (zh) * | 2022-12-16 | 2023-04-11 | 华联机械集团有限公司 | 基于视觉识别的封口机异常检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6933608B2 (ja) * | 2018-06-01 | 2021-09-08 | ファナック株式会社 | 視覚センサのレンズまたはレンズカバーの異常検出システム |
-
2023
- 2023-05-06 CN CN202310497582.8A patent/CN116206266B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102275657A (zh) * | 2010-06-12 | 2011-12-14 | 中国科学院沈阳自动化研究所 | 一种条烟外观缺陷视觉在线检测装置 |
CN106981064A (zh) * | 2017-03-16 | 2017-07-25 | 亿信标准认证集团有限公司 | 基于机器视觉技术的药品瓶包装标准认证在线检测系统 |
CN108382665A (zh) * | 2018-02-27 | 2018-08-10 | 刘弘业 | 一种食品真空包装机全自动控制系统 |
WO2020199538A1 (zh) * | 2019-04-04 | 2020-10-08 | 中设设计集团股份有限公司 | 基于图像监控数据的桥梁关键构件病害预警系统及方法 |
CN112623919A (zh) * | 2020-12-18 | 2021-04-09 | 安徽理工大学 | 一种基于计算机视觉的自动扶梯智能监控管理系统 |
CN115432243A (zh) * | 2021-06-01 | 2022-12-06 | 中国航发商用航空发动机有限责任公司 | 真空密封包装的控制装置及其控制方法 |
CN115015286A (zh) * | 2022-06-13 | 2022-09-06 | 中大智能科技股份有限公司 | 基于机器视觉的芯片检测方法及系统 |
CN115953367A (zh) * | 2022-12-16 | 2023-04-11 | 华联机械集团有限公司 | 基于视觉识别的封口机异常检测方法及系统 |
CN115953627A (zh) * | 2022-12-19 | 2023-04-11 | 合肥高晶光电科技有限公司 | 一种可对辣椒进行品级分类的图像识别系统 |
Non-Patent Citations (1)
Title |
---|
"视觉对位系统在封帽机中的应用";王瑞鹏,郝鹏飞,阴增光;《山西电子技术》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116206266A (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116206266B (zh) | 一种基于封口机的视觉对位系统 | |
CN110930357B (zh) | 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统 | |
Yang et al. | On-line conveyor belts inspection based on machine vision | |
CN107782733B (zh) | 金属表面缺陷的图像识别无损检测装置及方法 | |
CN101907453B (zh) | 基于机器视觉的块状农产品尺寸在线测量方法与装置 | |
CN110403232B (zh) | 一种基于二级算法的烟支质量检测方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测系统 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN104056790A (zh) | 一种马铃薯智能分选方法与装置 | |
CN106651893A (zh) | 一种基于边缘检测的墙体裂缝识别方法 | |
WO2023168984A1 (zh) | 一种基于面阵相机的阴极铜质量检测方法及系统 | |
CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
Prabuwono et al. | Development of intelligent visual inspection system (IVIS) for bottling machine | |
CN113673614B (zh) | 基于机器视觉的地铁隧道异物入侵检测装置及方法 | |
Wang et al. | Belt vision localization algorithm based on machine vision and belt conveyor deviation detection | |
CN117635565A (zh) | 一种基于图像识别的半导体表面缺陷检测系统 | |
CN113487538A (zh) | 一种多目标分割缺陷检测方法、装置及其计算机存储介质 | |
CN112098428A (zh) | 片状建材制造中基于机器视觉的智能瑕疵识别系统 | |
CN117214178A (zh) | 一种用于包装生产线上包装件外观缺陷智能识别方法 | |
CN116664512A (zh) | 一种基于视觉识别的veh连接器组装安全监测报警系统 | |
CN113705487B (zh) | 精密工件识别及工艺参数关联系统以及识别方法 | |
CN114937015A (zh) | 一种锂电池极片制造中智能视觉识别方法和系统 | |
CN108401142B (zh) | 一种流水线上的工件计数装置及方法 | |
CN111811437A (zh) | 一种带锯条焊接质量检测方法及装置 | |
Shah et al. | Bottling line inspection system using digital image processing |
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 |