CN116342602A - 一种塑料管生产质量的精细化检测方法及系统 - Google Patents

一种塑料管生产质量的精细化检测方法及系统 Download PDF

Info

Publication number
CN116342602A
CN116342602A CN202310619701.2A CN202310619701A CN116342602A CN 116342602 A CN116342602 A CN 116342602A CN 202310619701 A CN202310619701 A CN 202310619701A CN 116342602 A CN116342602 A CN 116342602A
Authority
CN
China
Prior art keywords
plastic pipe
module
model
groups
finished
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
CN202310619701.2A
Other languages
English (en)
Inventor
李洪斌
蒋辉
邵海波
王红
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.)
Sichuan Dudeli Pipe Industry Co ltd
Original Assignee
Sichuan Dudeli Pipe Industry Co ltd
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 Sichuan Dudeli Pipe Industry Co ltd filed Critical Sichuan Dudeli Pipe Industry Co ltd
Priority to CN202310619701.2A priority Critical patent/CN116342602A/zh
Publication of CN116342602A publication Critical patent/CN116342602A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/44—Resins; Plastics; Rubber; Leather
    • G01N33/442—Resins; Plastics
    • 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
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Biochemistry (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，具体涉及一种塑料管生产质量的精细化检测方法及系统，包括：控制终端，是系统的主控端，用于发出执行命令；储存模块，用于储存塑料管标准模型；采集模块，用于采集生产设备上输出的塑料管成品的图像数据；本发明通过系统中储存的塑料管标准模型来提供系统所需检测的塑料管成品以精准的比对判定依据，在比对判定阶段，以构建塑料管的三维模型，再转换为二维模型的方式来获取平面图像，进一步以平面图像的相似度来判定塑料管是否合格，相比于现有的基于视觉检测来判定塑料管是否合格而言，于塑料管中获取的数据更多，从而以此使得通过该系统所求得的检测结果更精确。

Description

一种塑料管生产质量的精细化检测方法及系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种塑料管生产质量的精细化检测方法及系统。
背景技术
塑料管一般是以合成树脂，也就是聚酯为原料、加入稳定剂、润滑剂、增塑剂等，以“塑”的方法在制管机内经挤压加工而成。
目前的塑料管在生成的过程中，往往通过图像采集，并进一步对图像进行视觉检测来实现塑料管的合格判定，此种检测方式，由于塑料管图像采集视角存在一定局限，导致检测结果精度欠佳。
发明内容
解决的技术问题：
针对现有技术所存在的上述缺点，本发明提供了一种塑料管生产质量的精细化检测方法及系统，解决了目前的塑料管在生成的过程中，往往通过图像采集，并进一步对图像进行视觉检测来实现塑料管的合格判定，此种检测方式，由于塑料管图像采集视角存在一定局限，导致检测结果精度欠佳的问题。
技术方案：
为实现以上目的，本发明通过以下技术方案予以实现：
第一方面，一种塑料管生产质量的精细化检测系统，包括：
控制终端，是系统的主控端，用于发出执行命令；
储存模块，用于储存塑料管标准模型；
采集模块，用于采集生产设备上输出的塑料管成品的图像数据；
查询与构建模块，用于获取采集模块中采集图像数据时的目标塑料管成品在制造时所使用的规格参数，应用获取的规格参数于储存模块中查找与规格参数相同的塑料管标准模型；
形态比对模块，用于获取由采集模块采集到的塑料管成品的图像数据生成的模型与查询与构建模块中输出的塑料管标准模型，对两组模型进行相似度比对；
判定模块，用于设定判定阈值，以判定阈值判定形态比对模块输出的相似度是否处于判定阈值内，判定结果为是，则生产设备上当前输出的塑料管成品为合格，判定结果为否，则生产设备上当前输出的塑料管成品为不合格。
更进一步地，所述储存模块中储存的塑料管标准模型，通过系统端用户根据指定规格参数于三维制图软件中手动绘制获得，储存模块中储存的塑料管标准模型供查询与构建模块调取。
更进一步地，所述采集模块采集的塑料管成品图像数据有六组，六组塑料管成品图像数据的采集来源方向为：正上、正下、正左、正右、正上及正下；
其中，采集模块下级设置有子模块，包括：
输入单元，用于输入生产设备在制造塑料管时所使用的规格参数，并反馈至查询与构建模块。
更进一步地，所述查询与构建模块在储存模块中查找到与规格参数相同的塑料管标准模型时，将查询到的塑料管标准模型于储存模块中调取并进一步向形态比对模块发送，在未查询到与规格参数相同的塑料管标准模型时，将规格参数向储存模块发送，系统端用户于储存模块中对规格参数进行读取，并通过手动绘制获取对应模型，模型与规格参数的比例为1；1，模型于储存模块中储存，记作塑料管标准模型，并同步向形态比对模块发送。
更进一步地，所述查询与构建模块下级设置有子模块，包括：
识别单元，用于识别采集模块采集的塑料管成品图像数据中塑料管成品图像的轮廓线条；
协调单元，用于选择查询与构建模块中输出的塑料管标准模型上的一条轮廓线条及识别单元识别到的轮廓线条中的一条，求取两组轮廓线条的比例，以求取到的比例，对识别单元识别到的塑料管成品图像的轮廓线条根据求取到的比例进行放大或缩小的协调处理；
其中，所述协调单元中协调得到的塑料管成品图像的轮廓线条向形态比对模块发送，形态比对模块应用三维制图软件对协调单元发送的塑料管成品图像的轮廓线条进行读取及塑料管成品图像对应的模型生成。
更进一步地，由三维制图软件制得的模型均基于同一平面及同一基点进行构建。
更进一步地，所述形态比对模块中，在对两组模型进行相似度比对时，使两组模型均转动指定角度，在完成转动后，获取任意两组正方向上两组模型的平面图像，对两组模型各自对应的两组平面图像中模型图像进行相似度求取，并求取均值向判定模块发送；
其中，两组模型在转动时所应用的角度，通过系统端用户手动设定。
更进一步地，所述形态比对模块中模型的平面图像的相似度通过下式进行求取，公式为：
Figure SMS_1
；
式中：
Figure SMS_4
为相似度；/>
Figure SMS_6
及/>
Figure SMS_9
为两组平面图像各自的面积；/>
Figure SMS_3
及/>
Figure SMS_7
为两组平面图像各自的周长；/>
Figure SMS_10
及/>
Figure SMS_11
为两组平面图像各自的对应边的边长；/>
Figure SMS_2
、/>
Figure SMS_5
及/>
Figure SMS_8
为两组平面图像的面积、周长及对应边的边长的权重。
更进一步地，所述控制终端通过介质电性连接有储存模块及采集模块，所述采集模块下级通过介质电性连接有输入单元，所述采集模块通过介质电性连接有查询与构建模块，所述查询与构建模块通过介质电性与输入单元及储存模块相连接，所述查询与构建模块通过介质电性连接有形态比对模块，所述查询与构建模块下级通过介质电性连接有识别单元及协调单元，所述识别单元通过介质电性与采集模块相连接，所述形态比对模块通过介质电性连接有判定模块。
第二方面，一种塑料管生产质量的精细化检测方法，包括以下步骤：
步骤1：通过三维制图软件构建塑料管标准模型，并对塑料管标准模型进行储存；
步骤2：采集生产设备上输出的塑料管成品图像，应用塑料管成品图像构建塑料管成品模型；
步骤3：使塑料管成品模型与对应塑料管标准模型均根据指定角度转动，获取两组不同正方向上的两组模型的平面图像；
步骤4：比对平面图像相似度，设定相似判定阈值，判定平面图像相似度是否处于判定阈值内。
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
1、本发明提供一种塑料管生产质量的精细化检测系统，该系统在运行过程中，通过系统中储存的塑料管标准模型来提供系统所需检测的塑料管成品以精准的比对判定依据，在比对判定阶段，以构建塑料管的三维模型，再转换为二维模型的方式来获取平面图像，进一步以平面图像的相似度来判定塑料管是否合格，相比于现有的基于视觉检测来判定塑料管是否合格而言，于塑料管中获取的数据更多，从而以此使得通过该系统所求得的检测结果更精确。
2、本发明中系统在运行时，通过对获取的模型的协调，使得模型得以进行角度调节，从而使得在进一步对平面图像获取时，获取的平面图像中能够包含更多信息，从而借此来提升系统所求得的检测结果精确度的目的。
3、本发明中，通过储存塑料管标准模型的方式，使得系统能够适用于不同规格的塑料管的合格检测，从而以此进一步的提升该系统在具体实施时的综合性能。
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为一种塑料管生产质量的精细化检测系统的结构示意图；
图2为一种塑料管生产质量的精细化检测方法的流程示意图；
图中的标号分别代表：1、控制终端；2、储存模块；3、采集模块；31、输入单元；4、查询与构建模块；41、识别单元；42、协调单元；5、形态比对模块；6、判定模块。
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。
下面结合实施例对本发明作进一步的描述。
实施例1：
本实施例的一种塑料管生产质量的精细化检测系统，如图1所示，包括：
控制终端1，是系统的主控端，用于发出执行命令；
储存模块2，用于储存塑料管标准模型；
采集模块3，用于采集生产设备上输出的塑料管成品的图像数据；
查询与构建模块4，用于获取采集模块3中采集图像数据时的目标塑料管成品在制造时所使用的规格参数，应用获取的规格参数于储存模块2中查找与规格参数相同的塑料管标准模型；
形态比对模块5，用于获取由采集模块3采集到的塑料管成品的图像数据生成的模型与查询与构建模块4中输出的塑料管标准模型，对两组模型进行相似度比对；
判定模块6，用于设定判定阈值，以判定阈值判定形态比对模块5输出的相似度是否处于判定阈值内，判定结果为是，则生产设备上当前输出的塑料管成品为合格，判定结果为否，则生产设备上当前输出的塑料管成品为不合格；
查询与构建模块4下级设置有子模块，包括：
识别单元41，用于识别采集模块3采集的塑料管成品图像数据中塑料管成品图像的轮廓线条；
协调单元42，用于选择查询与构建模块4中输出的塑料管标准模型上的一条轮廓线条及识别单元41识别到的轮廓线条中的一条，求取两组轮廓线条的比例，以求取到的比例，对识别单元41识别到的塑料管成品图像的轮廓线条根据求取到的比例进行放大或缩小的协调处理；
其中，协调单元42中协调得到的塑料管成品图像的轮廓线条向形态比对模块5发送，形态比对模块5应用三维制图软件对协调单元42发送的塑料管成品图像的轮廓线条进行读取及塑料管成品图像对应的模型生成；
由三维制图软件制得的模型均基于同一平面及同一基点进行构建；
形态比对模块5中模型的平面图像的相似度通过下式进行求取，公式为：
Figure SMS_12
；
式中：
Figure SMS_15
为相似度；/>
Figure SMS_17
及/>
Figure SMS_20
为两组平面图像各自的面积；/>
Figure SMS_14
及/>
Figure SMS_18
为两组平面图像各自的周长；/>
Figure SMS_21
及/>
Figure SMS_22
为两组平面图像各自的对应边的边长；/>
Figure SMS_13
、/>
Figure SMS_16
及/>
Figure SMS_19
为两组平面图像的面积、周长及对应边的边长的权重；
控制终端1通过介质电性连接有储存模块2及采集模块3，采集模块3下级通过介质电性连接有输入单元31，采集模块3通过介质电性连接有查询与构建模块4，查询与构建模块4通过介质电性与输入单元31及储存模块2相连接，查询与构建模块4通过介质电性连接有形态比对模块5，查询与构建模块4下级通过介质电性连接有识别单元41及协调单元42，识别单元41通过介质电性与采集模块3相连接，形态比对模块5通过介质电性连接有判定模块6。
在本实施例中，系统通过储存模块2储存塑料管标准模型，控制终端1控制采集模块3采集生产设备上输出的塑料管成品的图像数据，查询与构建模块4后置运行获取采集模块3中采集图像数据时的目标塑料管成品在制造时所使用的规格参数，应用获取的规格参数于储存模块2中查找与规格参数相同的塑料管标准模型，再由形态比对模块5获取由采集模块3采集到的塑料管成品的图像数据生成的模型与查询与构建模块4中输出的塑料管标准模型，对两组模型进行相似度比对，最后通过判定模块6设定判定阈值，以判定阈值判定形态比对模块5输出的相似度是否处于判定阈值内，判定结果为是，则生产设备上当前输出的塑料管成品为合格，判定结果为否，则生产设备上当前输出的塑料管成品为不合格；
通过上述记载中的相似度求取公式计算，求取了模型相互之间平面图像的相似度，该公式在运算过程中，应用了平面图像的面积、周长及边长，从而使得公式涵盖的平面图像中的信息较为全面，进而使得系统进一步输出的相似度判定结果更加精确；
此外，应用查询与构建模块4下级设置的子模块，进一步而当为查询与构建模块4带来了另一塑料管标准模型获取的途径，并且借此在塑料管标准模型获取的过程中，对塑料管标准模型进行了储存，以便于系统的后续使用，从而实现系统在使用过程中，功能性更趋于全面的目的。
实施例2：
在具体实施层面，在实施例1的基础上，本实施例参照图1对实施例1中一种塑料管生产质量的精细化检测系统做进一步具体说明：
如图1所示，储存模块2中储存的塑料管标准模型，通过系统端用户根据指定规格参数于三维制图软件中手动绘制获得，储存模块2中储存的塑料管标准模型供查询与构建模块4调取。
如图1所示，采集模块3采集的塑料管成品图像数据有六组，六组塑料管成品图像数据的采集来源方向为：正上、正下、正左、正右、正上及正下；
其中，采集模块3下级设置有子模块，包括：
输入单元31，用于输入生产设备在制造塑料管时所使用的规格参数，并反馈至查询与构建模块4。
通过上述设置，为塑料管图像数据在采集时带来采集方向的限定，从而以此作为形态比对模块5在构建塑料管成品图像对应塑料管模型时的数据支持，确保系统当前检测的目标塑料管的模型顺利构建生成。
如图1所示，查询与构建模块4在储存模块2中查找到与规格参数相同的塑料管标准模型时，将查询到的塑料管标准模型于储存模块2中调取并进一步向形态比对模块5发送，在未查询到与规格参数相同的塑料管标准模型时，将规格参数向储存模块2发送，系统端用户于储存模块2中对规格参数进行读取，并通过手动绘制获取对应模型，模型与规格参数的比例为1；1，模型于储存模块2中储存，记作塑料管标准模型，并同步向形态比对模块5发送。
通过上述设置，使得系统在运行的过程为储存模块2中储存的塑料管标准模型带来了一定程度拓展，使得储存模块2随系统的运行，其内部储存的可用塑料管标准模型增多。
如图1所示，形态比对模块5中，在对两组模型进行相似度比对时，使两组模型均转动指定角度，在完成转动后，获取任意两组正方向上两组模型的平面图像，对两组模型各自对应的两组平面图像中模型图像进行相似度求取，并求取均值向判定模块6发送；
其中，两组模型在转动时所应用的角度，通过系统端用户手动设定。
通过上述设置，可以使得用于判定塑料管相似度的平面图像能够在通过模型角度协调后再进行获取，使得平面图像中能够包含更多的信息，从而达到提升系统检测判定塑料管是否合格结果的准确性。
实施例3：
在具体实施层面，在实施例1的基础上，本实施例参照图2对实施例1中一种塑料管生产质量的精细化检测系统做进一步具体说明：
一种塑料管生产质量的精细化检测方法，包括以下步骤：
步骤1：通过三维制图软件构建塑料管标准模型，并对塑料管标准模型进行储存；
步骤2：采集生产设备上输出的塑料管成品图像，应用塑料管成品图像构建塑料管成品模型；
步骤3：使塑料管成品模型与对应塑料管标准模型均根据指定角度转动，获取两组不同正方向上的两组模型的平面图像；
步骤4：比对平面图像相似度，设定相似判定阈值，判定平面图像相似度是否处于判定阈值内。
综上而言，上述实施例中系统在运行过程中，通过系统中储存的塑料管标准模型来提供系统所需检测的塑料管成品以精准的比对判定依据，在比对判定阶段，以构建塑料管的三维模型，再转换为二维模型的方式来获取平面图像，进一步以平面图像的相似度来判定塑料管是否合格，相比于现有的基于视觉检测来判定塑料管是否合格而言，于塑料管中获取的数据更多，从而以此使得通过该系统所求得的检测结果更精确；并且，系统在运行时，通过对获取的模型的协调，使得模型得以进行角度调节，从而使得在进一步对平面图像获取时，获取的平面图像中能够包含更多信息，从而借此来提升系统所求得的检测结果精确度的目的；同时，通过储存塑料管标准模型的方式，使得系统能够适用于不同规格的塑料管的合格检测，从而以此进一步的提升该系统在具体实施时的综合性能。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种塑料管生产质量的精细化检测系统，其特征在于，包括：
控制终端（1），是系统的主控端，用于发出执行命令；
储存模块（2），用于储存塑料管标准模型；
采集模块（3），用于采集生产设备上输出的塑料管成品的图像数据；
查询与构建模块（4），用于获取采集模块（3）中采集图像数据时的目标塑料管成品在制造时所使用的规格参数，应用获取的规格参数于储存模块（2）中查找与规格参数相同的塑料管标准模型；
形态比对模块（5），用于获取由采集模块（3）采集到的塑料管成品的图像数据生成的模型与查询与构建模块（4）中输出的塑料管标准模型，对两组模型进行相似度比对；
判定模块（6），用于设定判定阈值，以判定阈值判定形态比对模块（5）输出的相似度是否处于判定阈值内，判定结果为是，则生产设备上当前输出的塑料管成品为合格，判定结果为否，则生产设备上当前输出的塑料管成品为不合格。
2.根据权利要求1所述的一种塑料管生产质量的精细化检测系统，其特征在于，所述储存模块（2）中储存的塑料管标准模型，通过系统端用户根据指定规格参数于三维制图软件中手动绘制获得，储存模块（2）中储存的塑料管标准模型供查询与构建模块（4）调取。
3.根据权利要求1所述的一种塑料管生产质量的精细化检测系统，其特征在于，所述采集模块（3）采集的塑料管成品图像数据有六组，六组塑料管成品图像数据的采集来源方向为：正上、正下、正左、正右、正上及正下；
其中，采集模块（3）下级设置有子模块，包括：
输入单元（31），用于输入生产设备在制造塑料管时所使用的规格参数，并反馈至查询与构建模块（4）。
4.根据权利要求1所述的一种塑料管生产质量的精细化检测系统，其特征在于，所述查询与构建模块（4）在储存模块（2）中查找到与规格参数相同的塑料管标准模型时，将查询到的塑料管标准模型于储存模块（2）中调取并进一步向形态比对模块（5）发送，在未查询到与规格参数相同的塑料管标准模型时，将规格参数向储存模块（2）发送，系统端用户于储存模块（2）中对规格参数进行读取，并通过手动绘制获取对应模型，模型与规格参数的比例为1；1，模型于储存模块（2）中储存，记作塑料管标准模型，并同步向形态比对模块（5）发送。
5.根据权利要求1所述的一种塑料管生产质量的精细化检测系统，其特征在于，所述查询与构建模块（4）下级设置有子模块，包括：
识别单元（41），用于识别采集模块（3）采集的塑料管成品图像数据中塑料管成品图像的轮廓线条；
协调单元（42），用于选择查询与构建模块（4）中输出的塑料管标准模型上的一条轮廓线条及识别单元（41）识别到的轮廓线条中的一条，求取两组轮廓线条的比例，以求取到的比例，对识别单元（41）识别到的塑料管成品图像的轮廓线条根据求取到的比例进行放大或缩小的协调处理；
其中，所述协调单元（42）中协调得到的塑料管成品图像的轮廓线条向形态比对模块（5）发送，形态比对模块（5）应用三维制图软件对协调单元（42）发送的塑料管成品图像的轮廓线条进行读取及塑料管成品图像对应的模型生成。
6.根据权利要求1所述的一种塑料管生产质量的精细化检测系统，其特征在于，由三维制图软件制得的模型均基于同一平面及同一基点进行构建。
7.根据权利要求1所述的一种塑料管生产质量的精细化检测系统，其特征在于，所述形态比对模块（5）中，在对两组模型进行相似度比对时，使两组模型均转动指定角度，在完成转动后，获取任意两组正方向上两组模型的平面图像，对两组模型各自对应的两组平面图像中模型图像进行相似度求取，并求取均值向判定模块（6）发送；
其中，两组模型在转动时所应用的角度，通过系统端用户手动设定。
8.根据权利要求7所述的一种塑料管生产质量的精细化检测系统，其特征在于，所述形态比对模块（5）中模型的平面图像的相似度通过下式进行求取，公式为：
Figure QLYQS_1
；
式中：
Figure QLYQS_4
为相似度；/>
Figure QLYQS_6
及/>
Figure QLYQS_9
为两组平面图像各自的面积；/>
Figure QLYQS_3
及/>
Figure QLYQS_7
为两组平面图像各自的周长；/>
Figure QLYQS_10
及/>
Figure QLYQS_11
为两组平面图像各自的对应边的边长；/>
Figure QLYQS_2
、/>
Figure QLYQS_5
及/>
Figure QLYQS_8
为两组平面图像的面积、周长及对应边的边长的权重。
9.根据权利要求1所述的一种塑料管生产质量的精细化检测系统，其特征在于，所述控制终端（1）通过介质电性连接有储存模块（2）及采集模块（3），所述采集模块（3）下级通过介质电性连接有输入单元（31），所述采集模块（3）通过介质电性连接有查询与构建模块（4），所述查询与构建模块（4）通过介质电性与输入单元（31）及储存模块（2）相连接，所述查询与构建模块（4）通过介质电性连接有形态比对模块（5），所述查询与构建模块（4）下级通过介质电性连接有识别单元（41）及协调单元（42），所述识别单元（41）通过介质电性与采集模块（3）相连接，所述形态比对模块（5）通过介质电性连接有判定模块（6）。
10.一种塑料管生产质量的精细化检测方法，所述方法是对如权利要求1-9中任意一项所述一种塑料管生产质量的精细化检测系统的实施方法，其特征在于，包括以下步骤：
步骤1：通过三维制图软件构建塑料管标准模型，并对塑料管标准模型进行储存；
步骤2：采集生产设备上输出的塑料管成品图像，应用塑料管成品图像构建塑料管成品模型；
步骤3：使塑料管成品模型与对应塑料管标准模型均根据指定角度转动，获取两组不同正方向上的两组模型的平面图像；
步骤4：比对平面图像相似度，设定相似判定阈值，判定平面图像相似度是否处于判定阈值内。
CN202310619701.2A 2023-05-30 2023-05-30 一种塑料管生产质量的精细化检测方法及系统 Pending CN116342602A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310619701.2A CN116342602A (zh) 2023-05-30 2023-05-30 一种塑料管生产质量的精细化检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310619701.2A CN116342602A (zh) 2023-05-30 2023-05-30 一种塑料管生产质量的精细化检测方法及系统

Publications (1)

Publication Number Publication Date
CN116342602A true CN116342602A (zh) 2023-06-27

Family

ID=86880808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310619701.2A Pending CN116342602A (zh) 2023-05-30 2023-05-30 一种塑料管生产质量的精细化检测方法及系统

Country Status (1)

Country Link
CN (1) CN116342602A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116862322A (zh) * 2023-09-05 2023-10-10 青岛金王应用化学股份有限公司 一种蜡烛生产质量监测系统以及监测方法
CN116934719A (zh) * 2023-07-26 2023-10-24 苏州德斯米尔智能科技有限公司 一种用于带式输送设备的自动检测系统
CN117029921A (zh) * 2023-08-09 2023-11-10 青岛信驰电子科技有限公司 一种电子元件智能检测设备、方法
CN117649396A (zh) * 2023-12-14 2024-03-05 上海迪塔班克数据科技有限公司 用于化塑智能管理平台的数据传输方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870267A (zh) * 2021-12-03 2021-12-31 深圳市奥盛通科技有限公司 缺陷检测方法、装置、计算机设备及可读存储介质
CN115077425A (zh) * 2022-08-22 2022-09-20 深圳市超准视觉科技有限公司 一种基于结构光三维视觉的产品检测设备及方法
CN115290001A (zh) * 2022-10-09 2022-11-04 江门健维自动化设备有限公司 一种产品测试方法及系统
CN115283296A (zh) * 2022-10-08 2022-11-04 烟台台芯电子科技有限公司 基于igbt生产的视觉检测系统及方法
CN115452841A (zh) * 2022-10-19 2022-12-09 深圳市力琪新材料科技有限公司 一种塑料制品的出厂质量检测设备及系统
CN115582637A (zh) * 2022-11-22 2023-01-10 长春森酉科技有限公司 一种激光切割漏工序自动检测系统
CN115780290A (zh) * 2022-11-28 2023-03-14 南阳理工学院 一种基于机器视觉识别的注塑制品快速检验方法及设备
CN115908432A (zh) * 2023-03-13 2023-04-04 单县龙宇生物科技有限公司 一种物料输出品质检测系统及预测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870267A (zh) * 2021-12-03 2021-12-31 深圳市奥盛通科技有限公司 缺陷检测方法、装置、计算机设备及可读存储介质
CN115077425A (zh) * 2022-08-22 2022-09-20 深圳市超准视觉科技有限公司 一种基于结构光三维视觉的产品检测设备及方法
CN115283296A (zh) * 2022-10-08 2022-11-04 烟台台芯电子科技有限公司 基于igbt生产的视觉检测系统及方法
CN115290001A (zh) * 2022-10-09 2022-11-04 江门健维自动化设备有限公司 一种产品测试方法及系统
CN115452841A (zh) * 2022-10-19 2022-12-09 深圳市力琪新材料科技有限公司 一种塑料制品的出厂质量检测设备及系统
CN115582637A (zh) * 2022-11-22 2023-01-10 长春森酉科技有限公司 一种激光切割漏工序自动检测系统
CN115780290A (zh) * 2022-11-28 2023-03-14 南阳理工学院 一种基于机器视觉识别的注塑制品快速检验方法及设备
CN115908432A (zh) * 2023-03-13 2023-04-04 单县龙宇生物科技有限公司 一种物料输出品质检测系统及预测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116934719A (zh) * 2023-07-26 2023-10-24 苏州德斯米尔智能科技有限公司 一种用于带式输送设备的自动检测系统
CN116934719B (zh) * 2023-07-26 2024-02-13 苏州德斯米尔智能科技有限公司 一种用于带式输送设备的自动检测系统
CN117029921A (zh) * 2023-08-09 2023-11-10 青岛信驰电子科技有限公司 一种电子元件智能检测设备、方法
CN117029921B (zh) * 2023-08-09 2024-05-31 深圳市丰华日昇科技有限公司 一种电子元件智能检测设备、方法
CN116862322A (zh) * 2023-09-05 2023-10-10 青岛金王应用化学股份有限公司 一种蜡烛生产质量监测系统以及监测方法
CN116862322B (zh) * 2023-09-05 2023-11-21 青岛金王应用化学股份有限公司 一种蜡烛生产质量监测系统以及监测方法
CN117649396A (zh) * 2023-12-14 2024-03-05 上海迪塔班克数据科技有限公司 用于化塑智能管理平台的数据传输方法
CN117649396B (zh) * 2023-12-14 2024-06-04 上海迪塔班克数据科技有限公司 用于化塑智能管理平台的数据传输方法

Similar Documents

Publication Publication Date Title
CN116342602A (zh) 一种塑料管生产质量的精细化检测方法及系统
JP5385105B2 (ja) 画像検索方法およびシステム
CN110297232A (zh) 基于计算机视觉的单目测距方法、装置及电子设备
CN106897990B (zh) 轮胎模具的字符缺陷检测方法
JP2013025799A (ja) 画像検索方法、システム、及びプログラム
CN113822247B (zh) 基于航拍影像的违章建筑识别方法及系统
CN108830888B (zh) 基于改进的多尺度协方差矩阵特征描述子的粗匹配方法
CN112396641B (zh) 一种基于全等二基线匹配的点云全局配准方法
CN113763350A (zh) 一种胶线检测方法、装置、胶线检测设备及存储介质
CN104834894B (zh) 一种结合二进制编码和类-Hausdorff距离的手势识别方法
WO2022110862A1 (zh) 地面导向箭头的构建方法及其装置、电子设备及存储介质
CN109118529B (zh) 一种基于视觉的螺孔图像快速定位方法
CN115205470B (zh) 续扫重定位方法、装置、设备、存储介质及三维续扫方法
Huang et al. A coarse-to-fine algorithm for registration in 3D street-view cross-source point clouds
CN101630407A (zh) 基于两视几何和图分割的伪造区域定位方法
CN111143489A (zh) 基于图像的定位方法及装置、计算机设备和可读存储介质
CN114529610A (zh) 一种基于rgb-d相机的毫米波雷达数据标注方法
CN109255042A (zh) 基于大规模街景数据的实时图片匹配地理定位方法和系统
CN101122950A (zh) 指纹弹性形变矫正的方法及装置
CN117495891A (zh) 点云边缘检测方法、装置和电子设备
CN117095754A (zh) 一种利用机器学习进行蛋白质分类的方法
CN116681912A (zh) 铁路道岔的轨距检测方法及装置
CN115311526A (zh) 基于改进的Cycle GAN网络的缺陷样本生成方法和系统
CN116030013A (zh) 多目标多类别破损缺陷检测方法、系统及计算机存储介质
CN115457130A (zh) 一种基于深度关键点回归的电动汽车充电口检测定位方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230627

RJ01 Rejection of invention patent application after publication