CN116263413A - 检查容器的设备和方法 - Google Patents

检查容器的设备和方法 Download PDF

Info

Publication number
CN116263413A
CN116263413A CN202211613593.XA CN202211613593A CN116263413A CN 116263413 A CN116263413 A CN 116263413A CN 202211613593 A CN202211613593 A CN 202211613593A CN 116263413 A CN116263413 A CN 116263413A
Authority
CN
China
Prior art keywords
container
image
model
data
inspection
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
Application number
CN202211613593.XA
Other languages
English (en)
Inventor
T·格特
T·博克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Krones AG
Original Assignee
Krones AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Krones AG filed Critical Krones AG
Publication of CN116263413A publication Critical patent/CN116263413A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • 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
    • G06T7/001—Industrial image inspection using an image reference approach
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/3404—Sorting according to other particular properties according to properties of containers or receptacles, e.g. rigidity, leaks, fill-level
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608—Height gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0691—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of objects while moving
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G01B11/10—Measuring arrangements characterised by the use of optical techniques for measuring diameters of objects while moving
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • 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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/564—Depth or shape recovery from multiple images from contours
    • 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
    • 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
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/845—Objects on a conveyor
    • G01N2021/8455—Objects on a conveyor and using position detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N2021/8909—Scan signal processing specially adapted for inspection of running sheets
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Textile Engineering (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

检查容器的方法，其中所述容器通过运输装置沿预定的运输路径运输，并通过检查装置进行检查，其中所述检查装置通过图像采集装置拍摄待检查的容器的至少一个空间分辨率图像，及图像评估装置评估所述图像。根据本发明，所述容器的模型数据被用来评估所述图像。

Description

检查容器的设备和方法
技术领域
本发明涉及一种检查容器的设备和方法，其中容器通过运输装置沿预定的运输路径运输，并通过检查装置进行检查。
背景技术
现有技术中，检查容器的设备和方法早已为人所知。通常情况下，检查装置至少拍摄一张待检容器的空间分辨率图像，图像评估装置对所述图像进行评估。
在各种检测系统中，有必要在软件中创建2D或3D的瓶子轮廓。虽然这对二维轮廓(透射光中的瓶子轮廓)来说还是相当“简单”，但对三维数据来说，计算量就变得非常大了，例如，在对瓶子表面进行360°标签检查时就需要这样做。
目前的系统要么扫描一个真正的瓶子，要么必须从图像记录中提取轮廓(通过亮度差异)，或者必须通过线条手动“追踪”。出发点始终是一个真正的瓶子。由此可能将其它的误差带入所需的“参考轮廓”中。
专利WO 2019/185184 A1中公开了一种用于识别运输容器的光学位置的设备。为此，提供了一种用于采集空间分辨率图像和设置有预定图案的背景元素的图像采集装置。
发明内容
本发明基于的目的是克服现有技术中已知的缺点，并提供一种客户和用户友好的检查容器的设备和方法，所述设备和方法通过在瓶子检测系统中使用真正的参考瓶，尽可能地减少误差。
根据本发明，所述目的通过独立权利要求的主题得以实现。本发明的优选实施方式和进一步实施方式是从属权利要求的主题。
在根据本发明的检查容器的方法，其中容器通过运输装置沿预定的运输路径运输，并通过检查装置进行检查，检查装置通过图像采集装置采集待检查的容器的至少一个空间分辨率的图像，并通过图像评估装置评估所述图像。其中，所述运输装置可以是传送带或运输链。
根据本发明，所述容器的模型数据被用来评估所述图像。
换句话说，容器的真实图像不被用来作为评估拍摄图像的参考，而是使用容器模型中的可用数据。通过这种方式，可以消除读取参考轮廓的误差。
容器可以理解为特别是由玻璃、塑料、纸浆、金属或塑料预制件制成的瓶子。
优选是拍摄所述图像，优选在运输过程中拍摄所述图像。优选地，所述图像是在容器沿运输路径移动时拍摄的。优选的是，所述容器至少不是在图像被拍摄的部分过程中，且优选是在图像被拍摄的整个过程中，静止在拍摄位置。
优选是拍摄几张图像，且优选是使用所述容器的模型数据来评估所述图像。优选地，容器被曝光以进行图像拍摄，其中，优选的是可以为此目的提供至少一个、优选是几个照明装置。
容器的模型特别是指容器的虚拟模型，优选不是(也不是部分地)由真实的容器生成的。这样做的优点是，不必为了生成一个参考模型，而首先用相机等拍摄一个真实的容器。优选地，所述模型是容器的至少一个区域的外壁模型，特别优选是整个容器的模型。
这样做的优点是，可以更清楚简单地设置用于检查容器的设备的装置，其也可以事先在制造检查设备的厂房里进行，而不是在客户或运营商的场所才使用真实的容器。
优选的是，为了评估拍摄的图像，没有使用参考模型的数据，所述数据是在真实的容器收集的，或者是由其衍生出来的。
此外，这有利地消除了对瓶子轮廓的半自动或手动取得的需要，例如在瓶子分拣或异常检测中，或对展开的半自动或手动取得，例如在360°标签检测中。
所提出的方法进一步提供了在客户现场或在容器检查设备的供应商现场轻松改造新瓶型的优势。改造可以通过用新容器类型的容器模型的数据替换旧容器类型的先前模型的数据来完成。因此，在改造过程中也可以避免耗时的新瓶型的取得。
此外，可以有利地避免投诉。
优选地，所述容器的模型是一个(纯计算机生成的)，特别是三维的容器结构模型，且特别优选的是一个为了(至少间接地)创建(待检查的)容器的模型。例如，所述模型可以是一个CAD模型(CAD是“计算机辅助设计”的缩写)。同样可以想到的是，模型的所述数据是(特别是只有)来自设计模型的数据或纯粹通过基于计算机的设计产生的数据，其中特别是没有通过探测真实容器或物体产生的数据。所述模型可以是线框模型、表面模型和/或实体模型和/或三角形网格。
优选地，可以使用用于设计和/或开发容器和/或容器生产设备的制造和/或容器处理设备的制造的数据。例如，与所述容器相关的模型数据可用作待检查的容器的模型数据，例如，需要用于为吹塑机制造所述容器的吹塑模具的数据和/或用于注塑与所述容器相对应的塑料预制件的注塑模具的制造数据。例如，用于吹塑机的吹塑模具的内轮廓与要用其生产的容器的外轮廓相一致。
同样可以想到的是，模型的数据，除了虚拟模型(如CAD模型)的数据外，也包括真实的模型数据或通过探测真实物体或容器的一部分产生的数据，如逼真的数据。例如，模型的数据可以由(在其他或专有的情况下)容器的三维CAD模型的数据和与容器的标签有关的逼真数据组成。
优选地，提供一个数据库，其上存储多个容器的模型的各个数据。数据库可以存储在与检查容器的设备有关的外部和/或非易失性存储装置上。所述存储装置可以是基于云的。可以想到，用于检查容器的所述设备特别是通过互联网(和/或通过特别是至少部分有线的和/或无线的公共和/或私人网络)访问存储装置，以检索模型的数据。
外部服务器例如是一个后台，特别是容器检测设备制造商或服务供应商的后台，其中所述服务器适于管理模型的数据或容器模型的数据，且特别适于管理多个模型或(特别是不同)容器的多个模型的数据。
所述模型和/或所述模型的数据还可以包含容器的配件，如容器的标签和/或封口，或其特征数据。
所述模型的数据可以是与整个模型(包括其配件和/或容器的部分配件或不包括容器的配件)有关的数据。
然而，也可以想到，所述模型的数据仅仅涉及零件(如一个配件)或部件或容器的一个区域，如容器的口部区域或底部区域或容器的侧壁区域。
优选地，模型的标签可以与真实标签进行比较。
特别是，所述模型是容器的至少一个区域的模型。可以想到，所述模型不是整个容器和/或其所有配件的模型，而仅仅是容器的一个区域和/或容器的一个配件的模型。同样可以想到的是，所述模型是由容器的不同区域和/或容器的不同配件元件的多个模型组成。例如，可以为容器提供第一个模型，为标签提供另一个模型。上述两个模型可以结合起来，为待检查的容器提供一个模型。
换句话说，模型的数据可以是(包括或不包括)一个容器类型和/或一个配件和/或待检查的容器的每个配件的特征。同样可以想到的是，图像的评估只使用模型部分的数据，特别是基本上与待检查的区域相一致的数据。
在一个优选的方法中，模型的数据是三维数据，其是所述容器模型的特征。所述模型可以是(特别是完全地)通过用于虚拟产品开发的应用程序创建或生成的模型，例如CAD模型。优选地，所述模型的至少部分是完全的虚拟生成的数据，且特别优选的是，所述容器的整个模型是完全的虚拟生成的数据(即通过用于虚拟产品开发的应用程序生成的模型)。
这提供了一个优势，即所述数据可以用于各种不同的容器控制或不同的检测单元中。特别是，这提供了一个优势，即容器控制可以迅速改变，如当配件改变时，而不必以多次高成本的方式生成一个模型，其至少在操作员监控和/或陪同下进行。
优选地，所述模型和/或模型的所述数据是容器参数的特征，所述参数选自一组，包括容器的(总)高度、容器的(底部和/或基体和/或口缘)直径、容器的(标称)体积、容器的几何形状，特别是容器颈部的走向、底部面积、容器材料、容器的材料(基体和/或容器的配件)、(至少或正好)一种与容器相关的填充材料、容器的配件、容器的封口、容器的口器、容器的标签分类、容器的配件分类和类似的特征及其组合。
在一个优选的方法中，在数据的基础上创建一个容器的参考模型(优选通过一个特别是基于处理器的模型制造装置)，所述模型被用来评估所拍摄的图像。所述容器的参考模型可以是一个三维和/或二维模型。例如，参考模型可以是二维或三维瓶子轮廓的参考模型，或者是瓶子表面(至少部分和/或优选是完全)展开的参考模型(例如用于360°标签检查)。同样可以想到的是，二维参考模型是三维模型的俯视图和/或透视图，和/或三维模型的横截面和/或投影和/或侧视图。
优选地，参考模型与拍摄的图像，特别是与所述图像的数据进行比较。
在一个优选的方法中，至少有一个用于评估拍摄的图像的评估参数是在模型的数据基础上自动确定的。特别地，可以借助模型数据进行自动参数化，并且可以通过所述参数化或使用至少一个评估参数来评估每个拍摄的图像。优选地，自动参数化可以借助三维瓶子模型进行。
也可以想到，几个评估参数被确定并被用于评价拍摄的图像。因此，评价参数优选仅通过模型的数据来确定，而不使用真实容器的数据。
评估参数可以是如下参数，其特征是用于(预期的)容器检查和/或配件检查和/或容器分拣的参数化，例如，对于待检查的轮廓(沿着与容器的预定空间方向有关的优选的预定截面平面)，选择一个ROI(“感兴趣区域”的缩写)，一个颜色值或几个颜色值等等。
这样做的优点是，与现有技术中已知的方法相比，不必首先采集与真实参考容器有关的数据，也不必为了进行参数化而分析真实参考容器的拍摄图像，并在此基础上，由用户进行参数化。
与此相反，建议如下，至少一个，优选是所有用于评估所拍摄图像的评估参数是在模型数据的基础上自动确定的，特别是不需要任何必要的用户输入。然而，也可以想到，自动确定的评估参数被建议给用户或安装员，如通过输出装置将建议输出给用户或安装员，用户或安装员可以改变评估参数，并因此进行比如重新调整。
例如，在基于容器轮廓的容器分拣或容器检查的情况下，已经可以预定至少一个评价参数是容器轮廓的特征参数，其是根据容器的模型数据自动确定的。如果要改变待检查的容器(例如通过改变容器和/或配件的类型)，或者例如要增加待检查的另一种类型的容器，至少一个(新的)评估参数可以根据与改变的待检查的容器有关的模型数据自动确定。
因此，优选评价的类型(例如检查任务)可以独立于特定的容器(例如由安装员或操作员)来预定。为此，评估参数可以预定(例如由安装员或操作员，例如通过处理容器模型数据的可归档指令，特别是以可改变的方式，可以存储在一个特别的非易失性存储装置上)，以这种方式根据待检查的容器模型的预定数据来确定评估参数。这样做的优点是，当一个容器类型改变时，相应的图像评估(通过改变模型的数据)也可以自动适应。
优选地，所述评估参数或所述评估参数组存储在一个非易失性存储装置上。优选地，非易失性存储装置是图像评估装置的一个(特别是固定和/或非破坏性可拆卸的)组件。然而，也可以想到，提供一个数据传输装置，其特别是(至少部分或全部)无线和/或(至少部分或全部)有线的，通过所述数据传输装置，评估参数和/或容器模型的数据从存储装置传输(或可以传输)到图像评估装置。
在一个优选的方法中，(至少)一个容器的(二维和/或)三维模型的合成图像是在空间的一个预定的位置，特别是一个可以选择的位置(由安装员或操作员)创建。优选地，创建多个这样的合成图像，并特别用于评估拍摄的图像。
优选地，检查区域和特别是检查位置(特别是相对于运输装置和/或图像采集装置和/或相对于绝对坐标系)可以被固定设置(由安装员或操作员)。优选地，合成图像是依赖于空间位置和/或检查区域和/或检查位置创建的。
优选地，(至少一个)合成图像(或多个合成图像)用于至少部分地和/或作为参考模型的计算基础和/或用于评估拍摄的图像。
优选地，用于生成至少一个合成图像或多个合成图像的至少一个图像生成参数且特别优选的是多个图像生成参数，可以被预定或被调整(由安装员或操作员)。例如，可以提供一个输入装置，通过所述输入装置可以输入或选择所述图像生成参数。
图像生成参数可以是一个照明参数，如照明装置的数量(如光源的数量)和/或一个(各自的)位置和/或一个发射的光谱和/或一个照明区域和/或一个照明类型和/或一个(特别是虚拟)照明装置(如光源)的照明角度。
图像生成参数可以是图像采集参数，如类型(如黑/白或彩色)和/或数字和/或位置和/或(各自)拍摄角度和/或拍摄方向和/或(特别是虚拟)照明装置的视野。
例如，通过图像生成参数可设置，用哪些和多少个照明装置对(虚拟)容器进行照明，以及用哪些虚拟摄像机和从哪里生成(虚拟)容器的合成图像。
这样做的优点是，可以通过选择图像生成参数来模拟检查装置的结构和图像采集的类型。这可以有利于将合成图像用于与检查装置的拍摄图像直接比较，特别是在没有重新缩放和/或(透视)变形或矫正的情况下。
优选地，基于容器模型的数据渲染至少一个图像，其中所渲染的图像被用来评估拍摄的图像。优选地，渲染是基于(预定义的，优选是操作员可选择的或可预定的)材料参数(与容器和/或容器的一个配件有关)和/或至少一个或多个图像生成参数(如上述图像照明参数和/或图像采集参数，例如光源的数量和位置)。
优选地，(对于渲染图像的生成)可以从一个(预定义的或由操作员预定义的或可选择的)三维场景中生成一个(合成的和/或透视的)照片或图像，并用于图像的评估。优选地，(虚拟)运输装置和/或其它的检查装置的(虚拟)组件可以是三维场景的一部分。
也可以想到，一个逼真的(特别是二维的)背景图像被用来生成(合成和/或渲染的)图像。在这种情况下，可以使由图像采集装置拍摄的背景图像的示意图尽可能地接近现实。
优选地，用相机的参数创建3D模型的人工图像(并用于评估拍摄的图像)。将会得到一个具有所有相同效果(镜头失真等......)的人造图像，就像所述图像真的是用相机拍摄的。
优选的是，基于容器模型的数据，生成尽可能接近现实的模型示意图和/或尽可能接近照片现实的模型示意图，优选地将其作为评估拍摄图像的参考模型。为此，可以对容器的模型进行纹理处理(特别是在可预先定义的纹理参数的基础上)。优选地，图像的评估是基于容器模型的(至少是截面)纹理设计。特别地，至少有一个纹理图像是在模型数据的基础上，且优选是在进一步的纹理参数的基础上为此目的而生成的。可以使用照片般真实的和/或合成的纹理进行纹理设计。
这种纹理设计的优点是，即使是不太详细的三维模型也可以尽可能真实地表现出来，从而可以以一种特别有效的计算方式和特别快速的方式与要评估的拍摄图像进行比较。这一点特别重要，这种情况下优选使用一种运输装置，其每小时至少运输5000个待检查容器(往返于图像采集装置)，或者其适合并用于这一目的。
优选地，所述容器模型的数据包括用于所述容器方向(或方位)的特征参数。优选地，在评估拍摄的图像时，考虑到了容器的方向。例如，容器的模型可以被转换，如转变、缩放、旋转和/或变形(如锥形、扭曲、剪切等)，特别是根据其方向。
优选地，将容器模型的方向与待检查的容器的方向(相对于运输装置和/或相机位置和/或相机方向)进行比较，以评估图像。
优选的是，模型的方向(或方位)和被检查容器的方向或从其获取的图像相互一致。特别地，为了评估拍摄的图像，(三维)模型和相关(或拍摄的)图像的方向(或方位)必须参考同一坐标系。
可以想到，例如，模型的数据是以这样的方式处理的(特别是在进行评估之前)，即模型的方向或方位与待检查的容器的方向或方位或从容器中拍摄的图像的方向或方位相适应，特别是使其一致。
因此可以将拍摄的图像与模型的数据进行基本的直接比较。
为了在摄像机图像中获得正确的图像尺寸，优选每毫米有一个校准像素。
在一个优选的方法中，对图像拍摄或拍摄的图像进行校准，特别是尺寸校准。优选地，在所拍摄的图像中，基本上(正确或真实)的图像尺寸可以根据所进行的校准来确定。例如，图像采集装置的成像比例可以通过校准来确定。例如，校准可用于确定拍摄的图像中描绘的物体(如所述容器)的(预定义)像素数所对应的真实尺寸。
优选地，在校准的基础上，可以从拍摄的容器图像中确定容器的至少一个空间或几何尺寸参数(如高度和/或宽度和/或直径)。
此外，校准可以特别地通过多种方式进行：
优选地使用一个(预定义的)校准体进行校准，所述校准体的一个感兴趣的尺寸参数，如高度，是已知的。优选地，在这种情况下图像采集装置(例如照相机)拍摄校准体的图像。通过用各自的图像采集装置(如照相机)进行评估，且特别是通过将拍摄的图像中描述的校准体与所述尺寸参数或真实校准体的尺寸进行比较，可以确定成像比例(特别是相对于图像采集装置和待检查的容器的预定相对布置而言)。
可以想到，容器模型的数据和/或(反之亦然)所拍摄的图像(至少在区域上)是基于校准和/或基于确定的成像比例而缩放的。
此外，或者说，可以对所拍摄的图像或真实的图像与(模型的)(三维)数据进行比较，优选是在高度上进行比较，以进行校准。优选地，例如，用识别单元(或图像采集装置)拍摄真实的瓶子的真实图像，然后优选地将三维瓶子图的理想值在高度上“放大”。
此外，或者说，可以根据典型特征(如传送带链)的测量结果作为参考值进行校准。优选地，用图像采集装置拍摄检查装置的一个元件(例如，运输装置)的图像，用于校准。所拍摄的图像优选与(实际)元件的(预定义的或测量的)尺寸参数进行比较，优选从中确定一个成像比例，所述比例可以用于，且特别是用于校准。优选地，所述元件可以是检查装置的一个元件，所述元件在拍摄被检查容器的图像时也被(至少部分)成像。例如，所述元件可以是检查装置的一个元件，其在拍摄的图像的背景中是可见的。
在一个优选的方法中，使用了一个经过校准的图像采集装置(例如照相机)。还可以想到，对图像采集装置进行校准。优选地，可以从图像采集装置的校准(和/或通过图像采集装置的校准)中得出图像采集装置与待检查的容器和/或被检容器之间的位置，特别是相对布置和/或相对方向(特别是在图像拍摄的时候)。特别优选的是，可以确定图像采集装置在绝对坐标系中的位置。
这样做的优点是可以确定拍摄的图像中描述的容器的方向或方位。由此，可以根据预先确定的，特别是先前已知的容器模型的方向或方位，对拍摄的图像进行更精确的评估，在这种情况下在评估拍摄的图像时就可以考虑到被检查的容器(或拍摄的图像中描述的容器)和容器模型(或模型的数据)之间的尺寸比和/或相对方向。这样就能更好、更简单地逐个像素或逐个区域地比较所拍摄的图像和如基于模型数据确定的(合成)图像。
优选地，通过使用经过校准的图像采集装置(如相机)，图像采集装置(如相机)在绝对坐标系中的位置是已知的，例如，可以在空间的任何位置创建容器的(三维)模型的合成图像。例如，这样得到的轮廓线就可以作为参考。
在一个优选的方法中，在数据的基础上(参考)模型的校准是相对于拍摄的图像而确定的。
优选地，根据校准和/或根据校准的基础上确定的成像比例和/或确定的(真实)被检查的容器和拍摄的图像中描述的容器之间的相对(角度和/或距离)布置，对成像的容器和/或模型和/或参考模型和/或模型的数据进行透视变形和/或旋转和/或缩放。优选地，容器模型的方向和/或尺寸也被考虑在内。
在一个优选的方法中，被用于评估所拍摄的图像(例如，特别是作为一个评估参数)的容器模型的尺寸在空间操作中是不变的，特别是在缩放、旋转和/或平移方面。这样做的优点是不需要校准(如图像采集装置)。例如，容器的轮廓可以直接从三维模型中生成，并通过适当的方法进行评估，所述方法对缩放、旋转和平移是不变的。因此不需要校准。轮廓识别将是一个这方面的例子。
在一个优选的方法中，检查装置输出至少一个被检查容器的特征值。所述特征值可以是一个轮廓值，例如用于异常容器检测，一个容器类型的值，一个标签和/或一个标签检查的值，一个配件的值，一个配件检查的值，一个口部的值，一个侧壁的值，其检查结果和其组合。这样做的优点是，可以从所述数值中得出容器的进一步处理步骤(如剔除和/或包装)。
在一个优选的方法中，通过图像评估实现容器分拣和/或容器检测，所述检测选自一组容器检测(或检测任务)，其包括异常容器检测、配件检测、标签检测、口部检测、侧壁检测、塑料预制件的侧壁识别等等。
同样可以想到的是，(另外地或可选地)通过检查装置的错误曝光(“过度照射”)来确定被检查容器的轮廓。
在一个优选的方法中，从数据中获得容器360°展开的尺寸，其中优选地所述尺寸选自一组尺寸，其包括容器的高度、容器的直径、容器的口部横截面、容器的侧向轮廓、容器口部区域的侧向轮廓、容器颈部的侧向轮廓和/或类似尺寸，以及它们的组合。
然后，由此得到的轮廓可以作为一个参考。例如，拍摄的图像可以通过获得的轮廓作为参考进行评估，例如通过对比由拍摄的图像确定的轮廓(对应于参考轮廓)和获得的(参考)轮廓。
在一个优选的方法中，数据从一个存储装置加载到评估装置中。所述存储装置尤其可以是根据上述实施方式之一的存储装置。
可以想到的是，多个容器的模型(每个都不同)被(在数据库中)存储在存储装置上。可以想到，图像评估装置根据拍摄的图像，特别是自动地从多个模型中选择(恰好)一个模型或模型的数据，并在此基础上评估图像(以确定被检查容器的特征值)。
可以想到，在拍摄的图像的基础上，从多个模型(或多个模型的数据)中进行(自动)分配一个模型(或所述模型)的数据。换句话说，优选从拍摄的图像中确定和/或识别(恰好)一个模型，特别是优选随后用于图像的评估。
然而，也可以想到(另外地或可选地)，操作员，特别是通过一个输入装置，从众多存储的模型中选择(正好一个模型)或预选几个模型。可以想到，这样的(预)选择会使各个模型数据或各个模型的转移或加载到图像评估装置中。这种情况下，所述输入装置可以是位于检查装置现场的固定或移动输入装置。然而，也可以想到，所述输入装置位于不同的地方，且特别是与所述检查装置不在同一个大厅，且操作员通过远程访问(远程控制)触发或设置模型的选择和/或模型的加载或转移和/或由检查装置执行的检查任务。
在一个优选的方法中，3D模型的对象点被投射回图像采集装置(例如照相机)，优选地为对象点分配一个特征值，且特别是一个(尤其真实的)颜色值。通过这种方式，三维模型可以被赋予真实的颜色，以及，如可以由此生成一个展开(360°ETK)。
在一个优选的方法中，容器的轮廓是由容器的三维模型生成的。例如，所述轮廓可用于评估所拍摄的图像，例如通过逐个像素和/或逐个区段的比较。使用容器的轮廓提供了一个优势，特别是在(基本上)旋转对称的容器的情况下，其尺寸相对于容器的旋转(围绕其纵轴)是不变的。
本发明进一步涉及一种检查容器的设备，其包括一个沿预定运输路径运输容器的运输装置和一个检查容器的检查装置，其中所述检查装置具有一个图像采集装置，所述图像采集装置拍摄待检查容器的至少一个空间分辨率的图像，并具有一个图像评估装置，其评估所述图像。
根据本发明，所述图像评估装置使用所述容器模型的数据评估所述图像。
优选地，具有一个数据传输装置，其将所述数据输入所述图像评估装置(优选的是至少部分通过私人网络和/或公共网络，如互联网)。
在这种情况下，所述检查容器的设备可以因此被配置，适合和/或确定用于执行上述与检查容器的方法有关的所有方法步骤或特征，可以是单独的，也可以是相互结合的。相反，上述方法，特别是在所述方法背景下描述的用于检查容器的设备，可以具有和/或使用与所述设备有关的所有描述的特征，单独或相互结合。
在一个有利的实施方式中，所述设备具有一个模型创建装置，特别是基于处理器的，所述模型创建装置利用数据创建参考容器的三维模型。优选地，所述三维模型和/或所述三维模型的(二维)投影或剖面或视图被用来评估所拍摄的图像(如通过比较)。
因此，在根据本发明的设备的背景下，还建议在容器模型数据的基础上，对图像评估和/或将由所述设备执行的检查任务(特别是完全地)进行自动参数化或自动设置。特别是，没有真实的图像被用来生成一个参考模型(用于进行其它的容器的图像评估)。因此，特别地，在图像评估设备或与其相连的用于数据交换的存储装置中，没有存储用于作为被检查容器的图像评估的参考模型的真实容器的数据。
本发明进一步涉及一种计算机程序或计算机程序产品，其包括程序手段，特别是程序代码，其表示或编码根据本发明的方法的至少单个方法步骤，特别是通过模型创建装置和/或图像评估装置进行的方法步骤，并且优选为所述优选实施例之一，并被设计为由处理器装置执行。
本发明还涉及一种数据存储器，根据本发明的计算机程序的至少一个实施例或计算机程序的优选实施例被存储在所述数据存储器上。
在附图中示出了进一步的优点和实施方式。
附图说明
图1为一个根据本发明的一个实施方式的用于检查容器的设备的示意图；
图2为一个容器的模型及一个存储了几个容器的模型数据的数据库的示意图；
图3为一个带有模型方向的容器模型的示意图；以及
图4为一张用以说明对所述图像的评价而拍摄的图像。
附图标记列表
1设备
2运输装置
4检查装置
10容器
20拍摄的图像
22待检查的容器像
24a-c容器轮廓
26成像的背景
42图像采集装置
44图像评估装置
50照明装置
100参考标识符
101-105数据集
M模型
具体实施方式
图1显示了根据本发明实施方式的一种用于检查容器10的设备1。附图标记2表示一个运输装置，其引导待检的容器10沿着(预定的)运输路径到达检查装置4，并引导容器离开检查装置。
检查装置4可以具有一个或多个图像采集装置42，如照相机。例如，在图1中，设置了12个图像采集装置，这里所述装置被设置在两个不同的检查平面上，其中，一个检查平面的图像采集装置拍摄下部容器区域的图像，而另一个检查平面的图像采集装置42拍摄待检查的容器10的上部容器区域的图像。
图像采集装置42可以按下述方式设置，即当容器基本上处于至少一个检查位置或处于一个(固定的)预定的检查区域时，几个或所有所述图像采集装置42分别拍摄待检查容器的至少一个图像。优选在图像采集装置42拍摄图像时，待检查的容器处于(运输)运动状态。优选地，待检查的容器10的运输速度不会降低或不会因为图像拍摄而明显降低，特别是，容器不会因此而停止。
此外，所述设备1包括一个图像评估装置44，特别是基于处理器的，其根据容器10的模型数据评估所拍摄的图像。
所述设备1可以进一步包括至少一个或多个照明装置50，用于照亮待检查的容器。
图2显示了容器10的模型M和数据库的示意图，在所述数据库中存储了几个容器的模型数据。例如，容器模型的(可用)数据可以存储在数据库中，如SAP数据库。例如，其可以是吹塑机制造商和/或吹塑模具制造商和/或检测装置制造商或其服务供应商的数据库，其中客户对象(例如用于管理)以三维模型的形式存储。
例如，可以将数字方式，且特别是三维方式表示的瓶子直接导入评估软件(或转移到图像评估装置)，优选在各自的检测单元中进行处理。
典型的检测可以是：
-用于瓶子分拣和/或异常瓶子检测的轮廓线。
-侧壁检查
目前的侧壁检查是由几个视图组成的评估图像。然而，为了这个目的，在第一步必须通过错误曝光(“过度照射”)来确定一个轮廓线。有了理想的数据，轮廓和/或评估图像的确定明显更准确，而且误差更小。
-360°标签检查
容器的正确尺寸(高度、直径、侧面轮廓)可以直接从3D数据中获得，以便后续360°展开。
-预制件侧壁检测
所述预制件也有三维版本，也可以作为目标轮廓加载到评估软件中。
容器的一个(或多个)模型或数据的“加载”尤其是通过相应的软件库完成，如Halcon、PatMax(康耐视)等。所述软件对三维数据进行相应的处理，从而可以用于以下的评估算法。
所述数据库中可以存储大量与(每个)(待制造和/或检查)容器有关的数据集。例如，在图2所示的数据库中，数据集101、102、103、104和105是为不同的(客户)容器而存储的。与容器相关的数据集可以被唯一地识别，特别是通过参考标记100和/或名称。
此外，与(待制造和/或检查)容器相关的数据集可包括容器的客户名称和/或客户标识，如客户号码。
优选地，与(待制造和/或检查)容器相关的数据集除了容器模型的数据外，还包括(待制造和/或鉴定)容器的属性和/或特征，所述属性和/或特征可以从包括(标称)体积、(标称)重量、材料、(总)高度、(外)和/或(内)直径等，以及它们的组合中选择。
与(待制造和/或检查)容器相关的数据集，除了容器的模型数据外，还可以包括填充材料、容器的配件如标签、闭合件、喷嘴、货板、预制件、包装、包装材料、包装助剂、填充材料说明、配件说明如标签说明和/或预制件说明等的特征数据。
图3显示了一个容器的模型M以及模型的方向的示意图，所述方向由一个坐标系示出。这使得对所拍摄图像的运用能够精确地适合待检查的容器的方向。例如，为此可以对模型的数据进行处理，例如通过旋转，使模型的方向与待检查的容器的方向或拍摄图像上的容器方向相适应。这使得模型与拍摄的图像可直接比较，而不必旋转图像数据或类似的操作。
图4显示了由检查装置4拍摄的图像20，特别是由图像采集装置42如照相机拍摄的图像，以说明所述图像20的评估。
这种拍摄的图像20通常被参数化以进行评估，例如，通过比较图像前景中的容器22与拍摄的图像20的(这里是条纹状的)成像背景26，生成一条轮廓线24a、24b和24c。
通过确定节点24b的(相对)位置和/或轮廓线24a、24c的各个部分相互之间的延伸和/或相对(角度)关系和/或长度，并与轮廓线进行比较，所述轮廓线大致是由容器的模型数据生成的，例如，可以得出某种类型的容器。
申请人保留对申请文件中披露的所有对发明至关重要的特征提出权利，只要所述特征与现有技术相比是单独或组合的新特征。进一步指出的是，各个附图也描述了本身可能是有优势的特征。本领域技术人员可以毫无疑义确认，图中描述的某个特征也可以是有利的特征，而不需要采用所述图中的其它特征。此外，本领域技术人员知道，将单个图或不同图中所示的几个特征结合起来，也能产生优势。

Claims (15)

1.检查容器(10)的方法，其中所述容器(10)通过运输装置(2)沿预定的运输路径运输，并通过检查装置(4)进行检查，其中，所述检查装置(4)通过图像采集装置(42)拍摄待检查的容器(10)的至少一个空间分辨率的图像，且图像评估装置(44)评估所述图像，其特征在于，所述容器(10)的模型(M)的数据被用于评估所述图像。
2.根据权利要求1所述的方法，其特征在于，所述模型(M)的数据是所述容器(10)的模型的三维数据特征。
3.根据权利要求1所述的方法，其特征在于，在所述数据的基础上创建容器的参考模型，用于评估拍摄的图像。
4.根据权利要求1所述的方法，其特征在于，在所述模型(M)的数据的基础上，自动确定至少一个评估参数，用于评估拍摄的图像。
5.根据权利要求1所述的方法，其特征在于，在空间中一个预定的可选择的位置上创建所述容器的三维模型的一个合成图像。
6.根据权利要求1所述的方法，其特征在于，所述容器(10)的模型的一个在空间操作中不变的尺寸被用于评估拍摄的所述图像。
7.根据权利要求1所述的方法，其特征在于，所述检查装置(4)输出至少一个被检查容器的特征值。
8.根据权利要求1所述的方法，其特征在于，通过图像评估进行容器分拣和/或容器检查，所述容器检查选自一组容器检查，包括异常容器检查、配件检查、标签检查、口部检查、侧壁检查、塑料预制件的侧壁检查。
9.根据权利要求1所述的方法，其特征在于，从数据中获得所述容器360°展开的尺寸，其中所述尺寸选自一组尺寸，包括容器的高度、容器的直径、容器的口部横截面、容器的侧向轮廓、容器口部的侧向轮廓、容器颈部的侧向轮廓。
10.根据权利要求1所述的方法，其特征在于，在所述数据的基础上确定已明确的模型与拍摄的图像的校准。
11.根据权利要求1所述的方法，其特征在于，所述数据从存储装置加载到所述评估装置。
12.根据权利要求5所述的方法，其特征在于，所述三维模型的对象点被投射回所述图像采集装置(42)。
13.根据权利要求5所述的方法，其特征在于，所述容器的轮廓是由所述容器的三维模型生成的。
14.用于检查容器(10)的设备(1)，具有沿预定运输路径运输容器(10)的运输装置(2)，并具有检查容器的检查装置(4)，其中所述检查装置(4)具有采集待检查容器(10)的至少一个空间分辨率图像的图像采集装置(42)，并具有评估所述图像的图像评估装置(44)，其特征在于，所述图像评估装置(44)使用所述容器(10)的模型(M)数据来评估所述图像。
15.根据权利要求14所述的设备(1)，其特征在于，所述设备(1)具有一个模型创建装置，所述模型创建装置利用所述数据创建一个参考容器的三维模型。
CN202211613593.XA 2021-12-15 2022-12-15 检查容器的设备和方法 Pending CN116263413A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021133276.1A DE102021133276A1 (de) 2021-12-15 2021-12-15 Vorrichtung und Verfahren zum Inspizieren von Behältnissen
DE102021133276.1 2021-12-15

Publications (1)

Publication Number Publication Date
CN116263413A true CN116263413A (zh) 2023-06-16

Family

ID=84487552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211613593.XA Pending CN116263413A (zh) 2021-12-15 2022-12-15 检查容器的设备和方法

Country Status (4)

Country Link
US (1) US20230186462A1 (zh)
EP (1) EP4198888A1 (zh)
CN (1) CN116263413A (zh)
DE (1) DE102021133276A1 (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3611536A1 (de) 1986-04-05 1987-10-15 Battelle Institut E V Vorrichtung zur automatischen ueberpruefung von transparenten objekten, insbesondere von glasflaschen
DE102015218356A1 (de) 2015-09-24 2017-03-30 Krones Ag Inspektionsverfahren und -vorrichtung zur optischen Durchlichtinspektion von unetikettierten Behältern
US10147176B1 (en) 2016-09-07 2018-12-04 Applied Vision Corporation Automated container inspection system
DE102017114081B4 (de) 2017-06-26 2022-03-10 Krones Aktiengesellschaft Vorrichtung und Verfahren zum Rundum-Inspizieren von Behältnissen am Transportband
WO2019067641A1 (en) * 2017-09-26 2019-04-04 Aquifi, Inc. SYSTEMS AND METHODS FOR VISUAL INSPECTION BASED ON INCREASED REALITY
FR3073044B1 (fr) * 2017-10-27 2020-10-02 Tiama Procede et dispositif de mesure de dimensions par rayons x, sur des recipients en verre vide defilant en ligne
DE102018107305A1 (de) 2018-03-27 2019-10-02 Krones Ag Vorrichtung und Verfahren zur optischen Positionserkennung transportierter Objekte

Also Published As

Publication number Publication date
EP4198888A1 (de) 2023-06-21
DE102021133276A1 (de) 2023-06-15
US20230186462A1 (en) 2023-06-15

Similar Documents

Publication Publication Date Title
US11313677B2 (en) Automated surveying of real world objects
US11042146B2 (en) Automated 360-degree dense point object inspection
US11953451B2 (en) Item inspection by dynamic selection of projection angle
CN107408297B (zh) 自动检查
US20180211373A1 (en) Systems and methods for defect detection
CN114041168A (zh) 自动化360度密集点对象检验
CN111373437A (zh) 自动化的在线对象检验
US11982628B2 (en) System and method for detecting defects on imaged items
JP5218723B2 (ja) 蛍光探傷方法および蛍光探傷装置
US20230196096A1 (en) Deep Learning Platforms for Automated Visual Inspection
CN111527396A (zh) 设置生产线检查的系统和方法
Eshkevari et al. Automatic dimensional defect detection for glass vials based on machine vision: A heuristic segmentation method
CN115345822A (zh) 一种面向航空复杂零件的面结构光自动化三维检测方法
Galantucci et al. Photogrammetry applied to small and micro scaled objects: a review
WO2020079694A1 (en) Optimizing defect detection in an automatic visual inspection process
Xiong et al. The development of optical fringe measurement system integrated with a CMM for products inspection
Lavecchia et al. The influence of software algorithms on photogrammetric micro-feature measurement’s uncertainty
CN116263413A (zh) 检查容器的设备和方法
Morgan et al. Selection and installation of high resolution imaging to monitor the PBFAM process, and synchronization to post-build 3D computed tomography
RU2797717C1 (ru) Способ контроля и измерений образцов с помощью оптических средств
Yang et al. A Vision-Based Framework for Enhanced Quality Control in a Smart Manufacturing System
EP4019894B1 (en) Method of measuring a workpiece by using a coordinate measuring machine, and arrangement comprising a coordinate measuring machine
CN116580026B (zh) 精密零部件外观缺陷自动光学检测方法、设备及存储介质
KR20220075309A (ko) 차량 부품의 갭 및 플러시의 측정 방법 및 측정 터널
Chawla et al. A computer-aided inspection methodology for mechanical parts based on machine vision

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