CN116452595B - 一种基于图像处理的控制方法及设备 - Google Patents

一种基于图像处理的控制方法及设备 Download PDF

Info

Publication number
CN116452595B
CN116452595B CN202310720782.5A CN202310720782A CN116452595B CN 116452595 B CN116452595 B CN 116452595B CN 202310720782 A CN202310720782 A CN 202310720782A CN 116452595 B CN116452595 B CN 116452595B
Authority
CN
China
Prior art keywords
image
folding
dough
standard
area
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
Application number
CN202310720782.5A
Other languages
English (en)
Other versions
CN116452595A (zh
Inventor
翟健
董雷永
李志杰
卜统一
吴炜奇
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.)
Golden Monkey Food Co ltd
Yantai Snub Nosed Monkey Food Technology Co ltd
Original Assignee
Golden Monkey Food Co ltd
Yantai Snub Nosed Monkey Food Technology 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 Golden Monkey Food Co ltd, Yantai Snub Nosed Monkey Food Technology Co ltd filed Critical Golden Monkey Food Co ltd
Priority to CN202310720782.5A priority Critical patent/CN116452595B/zh
Publication of CN116452595A publication Critical patent/CN116452595A/zh
Application granted granted Critical
Publication of CN116452595B publication Critical patent/CN116452595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Folding Of Thin Sheet-Like Materials, Special Discharging Devices, And Others (AREA)

Abstract

本发明涉及图像处理技术领域。更具体地,本发明涉及一种基于图像处理的控制方法及设备。所述控制方法及设备可以通过RGB摄像头拍摄折叠装置的工作图像,对上一时刻折叠装置的工作图像进行处理,得到第一标准折叠区域,对当前时刻折叠装置的工作图像进行处理,得到第二标准折叠区域,将第二标准折叠区域与第一标准折叠区域进行比较,调整当前时刻物料折叠装置传送带的传送速度。本发明可以识别物料的折叠区域,并对物料的折叠区域进行调整,从而提高物料的均匀度和精度,保证物料的质量,提高物料的生产效率。

Description

一种基于图像处理的控制方法及设备
技术领域
本发明一般地涉及图像处理技术领域。更具体地,本发明涉及一种基于图像处理的控制方法及设备。
背景技术
在工业化控制中,可以采用图像处理使各个环节自动地、相互配合地工作,是节省人力成本、提高生产效率的主要方式。
在物料折叠装置控制中,为了实现图像处理,一般需要对物料的折叠区域进行识别。可以通过识别的折叠区域使自动折叠装置对物料进行反复折叠,进而提高折叠装置的折叠均匀度和精度。例如,单层物料连续压延工艺和双层反复折叠工艺重可以作为物料折叠装置的控制方法,用于自动折叠物料,以及反复折叠物料,进而控制物料的折叠次数,以保证满足物料的折叠需要。
然而,这种控制方法需要工作人员根据经验预先设定好折叠装置的折叠速度,且每当物料的使用场景发生变化时,需要对折叠装置的折叠速度进行重新调整;同时,在多次折叠的过程中,折叠装置会出现误差,不能根据折叠的具体情况对折叠次数以及折叠时间进行调节,使得折叠的均匀度和精度较低。
发明内容
为解决上述一个或多个技术问题,本发明提出一种基于图像处理的控制方法及设备。本发明在如下的多个方面中提供方案。
在一个实施例中,一种基于图像处理的控制方法包括以下步骤:获取上一时刻折叠装置的工作图像,其中所述上一时刻是指与当前时刻相比的上一时刻;对上一时刻折叠装置的工作图像进行处理,得到第一标准折叠区域,所述第一标准折叠区域为上一时刻面坯的标准折叠区域;获取当前时刻折叠装置的工作图像;对当前时刻折叠装置的工作图像进行处理,得到第二标准折叠区域,所述第二标准折叠区域为当前时刻面坯的标准折叠区域;将第二标准折叠区域与第一标准折叠区域进行比较;调整当前时刻物料折叠装置传送带的传送速度,其中所述第二标准折叠区域小于所述第一标准折叠区域时,提高当前时刻物料折叠装置传送带的传送速度;所述第二标准折叠区域大于所述第一标准折叠区域时,降低当前时刻物料折叠装置传送带的传送速度。
上述实施例的一种基于图像处理的控制方法的有益效果为可以通过上一时刻折叠装置的工作图像和当前时刻折叠装置的工作图像得到第一标准折叠区域和第二标准折叠区域,并根据第二标准折叠区域与第一标准折叠区域的比较结果,调整当前时刻物料折叠装置传送带的传送速度,从而确保折叠装置的均匀度和精度,提高生产效率。
在一个实施例中,所述的一种基于图像处理的控制方法对折叠装置工作图像的处理过程包括:对折叠装置的工作图像进行遮罩处理,分割出对应的传送带图像,所述传送带图像包括传送带和面坯;将传送带图像灰度化为灰度图像,根据灰度图像确定面坯图像,所述面坯图像仅包括面坯;利用边缘检测获取面坯图像的面坯边缘图像,所述面坯边缘图像包括面坯轮廓和面坯折叠线;根据霍夫变换直线获取面坯边缘图像的面坯折叠图像,并确定面坯折叠图像的面坯折叠区域;将面坯折叠区域进行仿射变换和融合,得到标准折叠区域。
在一个实施例中,所述一种基于图像处理的控制方法确定面坯图像的过程包括:将传送带图像灰度化得到灰度图像,所述灰度图像包括传送带和面坯;根据灰度图像的灰度值确定面坯图像,其中灰度图像中灰度值小的为面坯图像,灰度图像中灰度值大的为传送带图像。
在一个实施例中,所述霍夫变换直线确定面坯折叠图像中面坯折叠区域的过程包括:遍历面坯折叠图像中的所有直线;获取任意三条直线在所述面坯折叠图像中进行封闭连接时的最短边缘长度,得到三条直线;确定三条直线封闭连接构成的三角区域为面坯折叠图像中的面坯折叠区域。
在一个实施例中,所述标准折叠区域的计算过程包括:选定任一面坯折叠区域作为参考区域;对其他面坯折叠区域进行仿射变换;将所有面坯折叠区域进行融合,得到平均后的面坯折叠区域;将平均后的面坯折叠区域作为标准折叠区域。
根据上述所提出的实施例,一种基于图像处理的控制方法的有益效果为可以对折叠装置的工作图像进行处理,从而排除干扰区域,得到所需的面坯折叠区域,从而确保计算的准确性和高效性。
在一个实施例中,一种基于图像处理的控制设备包括:处理器、存储器、图像采集设备和传送带控制设备,所述处理器通过网络连接所述图像采集设备和传送带控制设备;所述存储器存储有计算机程序,当所述计算机程序由所述处理器执行时,完成上述实施例中所述的基于图像处理的控制方法。
在一个实施例中,所述图像采集设备为RGB摄像头;所述传送带控制设备为PC。
上述实施例中,一种基于图像处理的控制设备的有益效果为可以通过RGB摄像头拍摄物料折叠装置的工作图像进行处理,并发送对应的控制命令到传送带控制设备,提高或者降低传送带的传送速度,从而调整物料的折叠区域,提高物料折叠的均匀度。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是根据本实施例的一种基于图像处理的控制方法的步骤图;
图2是根据本实施例的一种基于图像处理的控制方法处理折叠装置工作图像的步骤图;
图3是根据本实施例的一种基于图像处理的控制方法的第一面坯折叠图像;
图4是根据本实施例的一种基于图像处理的控制方法的第二面坯折叠图像;
图5是根据本实施例的一种基于图像处理的控制设备的示意框图。
具体实施方式
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,本领域技术人员在没有做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,以面包的制备过程为例对本发明进行说明。
在面包的生成过程中,需要多次擀薄面坯来使面坯之间包入黄油,然后对包入黄油的面片进行多次折叠从而形成多层结构,这样做的好处是最终出炉的面包能够更加柔软而有嚼劲,更加松软和富有层次感。即多次折叠面坯可以使面筋发展得更好,从而增强面团的弹性和延展性。此外,折叠还可以将面团中的气体均匀分布,避免出现空洞或不均匀膨胀的情况。折叠的过程一般是需要工人根据经验和感觉来进行判断,并且需要掌握正确的折叠技巧。目前面包面坯机械加工多采用压辊粗浅的单层面坯连续压延工艺和双层反复折叠工艺对上述人工折叠方法进行替代,但是并没有解决如何识别控制面坯折叠是否均匀的问题。而面坯在折叠时是否均匀会直接影响到面包的质量和口感,也会影响到生产效率,因此保证面坯在折叠过程中的均匀程度是值得解决的技术问题。
下面结合附图来详细描述本发明的具体实施方式。
图1是根据本实施例的一种基于图像处理的控制方法的步骤图。图4是根据本实施例的一种基于图像处理的控制方法的第二面坯折叠图像,其中,D图像为上一时刻的面坯折叠图像,E图像为当前时刻的面坯折叠图像,图像中的直线为边缘检测获取的折叠线和轮廓线,虚线为霍夫变换直线确定折叠区域所做的折叠线的延长线。如图1所示和图4所示,一种基于图像处理的控制方法包括以下步骤:
步骤S1,获取上一时刻折叠装置的工作图像。其中,所述上一时刻是指与当前时刻相比的上一时刻。
步骤S2,对上一时刻折叠装置的工作图像进行处理,得到第一标准折叠区域。所述第一标准折叠区域为上一时刻面坯的标准折叠区域。其中对工作图像的处理过程包括遮罩、灰度化、边缘检测等,在这里不对处理过程做详细说明,在后面的实施例中会对处理过程进一步说明。
在一个实施例中,如图4所示,D图像为上午十点时(即上一时刻为上午十点)得到的面皮折叠图像,此时刻的标准折叠区域为第一标准折叠区域,其中,D图像中S12的虚线部分为控制方法预测的当前时刻的面坯折叠区域,S5、S6、S7、S8、S9、S10、S11为上一时刻面坯的折叠区域,第一标准折叠区域为S5、S6、S7、S8、S9、S10、S11、S12平均融合后的区域。
步骤S3,获取当前时刻折叠装置的工作图像。
步骤S4,对当前时刻折叠装置的工作图像进行处理,得到第二折叠区域。所述第二标准折叠区域为当前时刻面坯的标准折叠区域。其中对当前时刻折叠装置的工作图像的处理过程与上一时刻的处理过程相同。
在一个实施例中,如图4所示,E图像为上午十点零一秒时(即当前时刻为上午十点零一秒,其中,上一时刻与当前时刻的间隔时间可任意设定,在此为了说明设定为一秒钟)得到的面坯折叠图像,此时刻的标准折叠区域为第二标准折叠区域,其中,D图像中S14的虚线部分为一种基于图像处理的控制方法预测的下一时刻的面坯折叠区域,S5、S6、S7、S8、S9、S10、S11为当前时刻面坯的折叠区域,第二标准折叠区域为S5、S6、S7、S8、S9、S10、S11、S12平均融合后的区域。
步骤S5,将第二标准折叠区域与第一标准折叠区域进行比较。
步骤S6,调整当前时刻物料折叠装置传送带的传送速度。
在一个实施例中,在步骤S6中,若第二标准折叠区域小于第一标准折叠区域,则提高当前时刻物料折叠装置传送带的传送速度,从而增加S14的面积;若第二标准折叠区域大于第一标准折叠区域,则降低当前时刻物料折叠装置传送带的传送速度,从而减小S14的面积。
通过上述步骤,一种基于图像处理的控制方法可以对上一时刻折叠装置的工作图像进行处理,得到第一标准折叠区域,对当前时刻折叠装置的工作图像进行处理,得到第二标准折叠区域,将所述第二标准折叠区域与第一折叠标准折叠区域比较,若第二标准折叠区域小于第一标准折叠区域时,则提高当前时刻物料折叠装置传送带的速度以增大下一时刻面坯的折叠区域;若第二标准折叠区域大于第一标准折叠区域,则降低当前时刻物料折叠装置传送带的速度以减小下一时刻面坯的折叠区域。基于此,可以检测物料折叠的是否均匀并进行调整,从而减小折叠误差,提高生产效率。
图2是根据本实例的一种基于图像处理的控制方法对折叠装置工作图像的处理过程。
如图2所示对折叠装置工作图像的处理过程包括以下步骤:
步骤S21,对折叠装置的工作图像进行遮罩处理,分割出对应的传送带图像。其中,所述遮罩处理是指对所述工作图像进行局部调整,从而排除干扰图像,分割出所需的传送带图像。所述传送带图像仅包括传送带和面坯。
步骤S22,将传送带图像灰度化为灰度图,所述灰度图通过灰度值确定面坯图形。由于传送带图像仅包括面坯和传送带,因此将传送带图像转换为灰度图后,根据图像的灰度值即可区分出面坯图像。
步骤S23,利用边缘检测获取面坯图像的面坯边缘图像。所述边缘检测通过Canny边缘检测算法检测所述面坯图像,从而得到面坯边缘图像。所述面坯边缘图像包括面坯轮廓与面坯折叠线。
步骤S24,根据霍夫变换直线得到面坯边缘图像的面坯折叠图像,并确定面坯折叠图像的面坯折叠区域。所述霍夫变换直线遍历所有的直线,获取任三条直线在所述面坯边缘图像中进行封闭连接时具有的最短的边缘长度,其中所述三条直线封闭连接构成的三角区域为面坯折叠图像中的面坯折叠区域。
例如,所述霍夫变换直线遍历得到n条直线,其中有3条时,三条直线进行封闭连接时具有最短的边缘长度,则三条直线进行封闭连接时构成的三角区域为所述的面坯折叠区域;三条直线进行封闭连接时无最短的边缘长度,则此三条直线内不存在面坯折叠区域;其中有5条时,5条直线任意连接,得到其中任三条直线进行封闭连接时具有的最短的边缘长度,确定其中的多条直线,多条直线封闭连接构成的三角区域为所述的面坯折叠区域;其中有七条时,七条直线任意连接,得到其中任三条直线进行封闭连接时具有的最短的边缘长度,确定其中的多条直线,其中多条直线封闭连接构成的三角区域为所述的面坯折叠区域。
步骤S25,将面坯折叠区域进行仿射变换和融合,得到标准折叠区域。所述标准折叠区域在上一时刻时为第一标准折叠区域,所述标准折叠区域在当前时刻时为第二标准折叠区域。其中仿射变换的具体过程为确定变换矩阵,根据需要对图像进行的变换,确定相应的变换矩阵;构建变换矩阵,将变换矩阵与原始图像中每个像素的坐标进行乘法运算,得到变换后的像素坐标;对像素进行插值处理,以获取其灰度值;输出变换后的图像,将变换后的像素灰度值的坐标位置输出到新的图像中,完成仿射变换。仿射变换的具体过程针对不同的对象有不同的处理过程,在此仅对仿射过程做简要说明,不对所有过程进行描述。
通过上述步骤,一种基于图像处理的控制方法可以根据当前折叠装置的工作图像得到当前时刻的标准折叠区域,所述当前时刻的标准折叠区域为第一标准折叠区域,还可以根据下一时刻折叠装置的工作图像得到下一时刻的标准折叠区域,所述下一时刻的标准折叠区域为第二标准折叠区域。
图3是根据本实施例的一种基于图像处理的控制方法的第一面坯折叠图像。
如图3所示,A图像为当前时刻的面坯折叠图像,B图像为降低传送带速度后下一时刻的面坯折叠图像,C图像为提高传送带速度后下一时刻的面坯折叠图像,A图像中的直线为边缘检测获取的折叠线和轮廓线,虚线为霍夫变换直线确定折叠区域所做的折叠线的延长线。其中A图像中的S1为当前时刻通过霍夫变换直线预测的下一时刻的面坯折叠区域,S2为降低传送带速度后下一时刻的面坯折叠区域,S3为提高传送带速度后下一时刻的面坯折叠区域。
在一个实施例中,如图3所示,所述一种基于图像处理的控制方法利用霍夫变换直线对下一时刻的面坯折叠区域进行预测,预测折叠区域为A图像中包含虚线的三角形区域S1,第二折叠区域为所述A图像中三角区域进行平均后的折叠区域,第一标准折叠区域为上一时刻的标准折叠区域。第二标准折叠区域大于第一标准折叠区域时,降低当前时刻传送带的传送速度,从而减小下一时刻的面坯折叠区域。此时下一时刻的面坯折叠图像为B图像,B图像中的面坯折叠区域S2小于预测折叠区域S1。
在一个实施例中,如图3所示,所述一种基于图像处理的控制方法利用霍夫变换直线对下一时刻的面坯折叠区域进行预测,预测折叠区域为A图像中包含虚线的三角形区域S1,第二折叠区域为所述A图像中三角区域进行平均后的折叠区域,第一标准折叠区域为上一时刻的标准折叠区域。第二标准折叠区域小于第一标准折叠区域时,提高当前时刻传送带的传送速度,从而增加下一时刻的面坯折叠区域。此时下一时刻的面坯折叠图像为C图像,C图像中的面坯折叠区域S3大于预测折叠区域S1。
通过上述说明,一种基于图像处理的控制方法可以在当前时刻对下一时刻面坯的折叠区域进行预测,并将当前时刻的标准折叠区域与上一时刻的标准折叠区域进行比较,从而通过调整传送带的传送速度,增加或者减小下一时刻的面坯折叠区域,使面坯折叠更加均匀。
图5是根据本实例的一种基于图像处理的控制设备。
如图5所示一种基于图像处理的控制设备包括:处理器、存储器、图像采集设备和传送带控制设备。处理器和存储器通过网络连接图像采集设备和传送带控制设备,图像采集设备通过网络将采集到的图像发送到处理器和存储器;处理器和存储器接收到对应的图像后,对图像进行处理,获取对应的图像信息,同时处理器还通过网络连接传送带控制器,用于发送对应的控制命令到传送带控制器。
在一个实施例中,所述图像采集设备为RGB摄像头,所述传送带控制设备为PC。
在一个实施例中,在上一时刻时,所述RGB摄像头拍摄折叠装置的工作图像,并发送工作图像到处理器和存储器,所述处理器对所述工作图像进行处理,得到第一标准折叠区域。其中,所述第一标准折叠区域为上一时刻的标准折叠区域。所述存储器存储所述第一标准折叠区域。
在一个实施例中,在当前时刻时,所述RGB摄像头拍摄折叠装置的工作图像,并通过发送到处理器和存储器,所述处理器对所述工作图像进行处理,得到第二标准折叠区域。其中,所述第二标准折叠区域为当前时刻的标准折叠区域。所述存储器存储所述第二标准折叠区域。
在一个实施例中,在当前时刻时,所述控制设备将所述第二标准折叠区域与所述第一标准折叠区域进行比较,从而调整当前时刻物料折叠装置传送带的传送速度。若第二折叠区域小于第一折叠区域,则控制设备发送控制命令到传送带控制设备,传送带控制设备响应于控制命令,提高当前时刻传送带的传送速度;若第二折叠区域大于第一折叠区域,则控制设备发送控制命令到传送带控制设备,传送带控制设备响应于控制命令,降低当前时刻传送带的传送速度。
虽然本说明书已经示出和描述了本发明的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中,可以采用对本文所描述的本发明实施例的各种替代方案。

Claims (3)

1.一种基于图像处理的控制方法,其特征在于,所述控制方法包括以下步骤:
获取上一时刻折叠装置的工作图像,其中所述上一时刻是指与当前时刻相比的上一时刻;
对上一时刻折叠装置的工作图像进行处理,得到第一标准折叠区域,所述第一标准折叠区域为上一时刻面坯的标准折叠区域;
获取当前时刻折叠装置的工作图像;
对当前时刻折叠装置的工作图像进行处理,得到第二标准折叠区域,所述第二标准折叠区域为当前时刻面坯的标准折叠区域;
将第二标准折叠区域与第一标准折叠区域进行比较;
调整当前时刻物料折叠装置传送带的传送速度,其中所述第二标准折叠区域小于所述第一标准折叠区域时,提高当前时刻物料折叠装置传送带的传送速度;所述第二标准折叠区域大于所述第一标准折叠区域时,降低当前时刻物料折叠装置传送带的传送速度;
所述一种基于图像处理的控制方法对折叠装置工作图像的处理过程包括:
对折叠装置的工作图像进行遮罩处理,分割出对应的传送带图像,所述传送带图像包括传送带和面坯;
将传送带图像灰度化为灰度图像,根据灰度图像确定面坯图像,所述面坯图像仅包括面坯;
利用边缘检测获取面坯图像的面坯边缘图像,所述面坯边缘图像包括面坯轮廓和面坯折叠线;
根据霍夫变换直线获取面坯边缘图像的面坯折叠图像,并确定面坯折叠图像的面坯折叠区域;
将面坯折叠区域进行仿射变换和融合,得到标准折叠区域;
所述一种基于图像处理的控制方法确定面坯图像的过程包括:
将传送带图像灰度化得到灰度图像,所述灰度图像包括传送带和面坯;
根据灰度图像的灰度值确定面坯图像,其中灰度图像中灰度值小的为面坯图像,灰度图像中灰度值大的为传送带图像;
所述霍夫变换直线确定面坯折叠图像中面坯折叠区域的过程包括:
遍历面坯折叠图像中的所有直线;
获取任意三条直线在所述面坯折叠图像中进行封闭连接时的最短边缘长度,得到三条直线;
确定三条直线封闭连接构成的三角区域为面坯折叠图像中的面坯折叠区域;
所述标准折叠区域的计算过程包括:
选定任一面坯折叠区域作为参考区域;
对其他面坯折叠区域进行仿射变换;
将所有面坯折叠区域进行融合,得到平均后的面坯折叠区域;
将平均后的面坯折叠区域作为标准折叠区域。
2. 一种基于图像处理的控制设备,其特征在于,包括:处理器、存储器、图像采集设备和传送带控制设备,所述处理器通过网络连接所述图像采集设备和传送带控制设备;所述存储器存储有计算机程序,当所述计算机程序由所述处理器执行时,完成权利要求1 的任意一项所述的基于图像处理的控制方法。
3. 根据权利要求2所述的一种基于图像处理的控制设备,其特征在于,所述图像采集设备为RGB 摄像头;所述传送带控制设备为PC。
CN202310720782.5A 2023-06-19 2023-06-19 一种基于图像处理的控制方法及设备 Active CN116452595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310720782.5A CN116452595B (zh) 2023-06-19 2023-06-19 一种基于图像处理的控制方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310720782.5A CN116452595B (zh) 2023-06-19 2023-06-19 一种基于图像处理的控制方法及设备

Publications (2)

Publication Number Publication Date
CN116452595A CN116452595A (zh) 2023-07-18
CN116452595B true CN116452595B (zh) 2023-08-18

Family

ID=87120541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310720782.5A Active CN116452595B (zh) 2023-06-19 2023-06-19 一种基于图像处理的控制方法及设备

Country Status (1)

Country Link
CN (1) CN116452595B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117546887B (zh) * 2024-01-12 2024-03-29 武汉市巽皇食品有限公司 一种基于物联网的自动和面控制方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003109014A (ja) * 2001-09-28 2003-04-11 Nissan Motor Co Ltd 移動速さ指標検出装置及び方法
CN101670715A (zh) * 2009-09-23 2010-03-17 上海市激光技术研究所 基于机器视觉识别的轮胎激光标刻装置与方法
JP3179862U (ja) * 2012-09-10 2012-11-22 博伸 熊谷 健康状態チェックシート及びこれが印刷された印刷物
CN107367310A (zh) * 2017-07-11 2017-11-21 华南理工大学 一种基于计算机视觉的河流水位远程监测方法
WO2020010620A1 (zh) * 2018-07-13 2020-01-16 深圳市大疆创新科技有限公司 波浪识别方法、装置、计算机可读存储介质和无人飞行器
CN110706258A (zh) * 2019-10-10 2020-01-17 北京百度网讯科技有限公司 对象追踪方法及装置
CN111402225A (zh) * 2020-03-13 2020-07-10 浙江工业大学 一种布匹折叠误检疵点判别方法
CN112209053A (zh) * 2020-09-21 2021-01-12 山东科技大学 一种基于线激光的带式输送机运行状态检测系统
CN112857219A (zh) * 2021-01-14 2021-05-28 青岛大学威海创新研究院 基于tof深度相机的体积测量方法及装置
CN112990140A (zh) * 2021-04-29 2021-06-18 南昌虚拟现实研究院股份有限公司 手势轮廓提取方法、装置、可读存储介质及电子设备
CN113052816A (zh) * 2021-03-24 2021-06-29 湖南镭目科技有限公司 一种炉口图像识别方法、装置、设备及存储介质
CN113269046A (zh) * 2021-04-28 2021-08-17 深圳市海清视讯科技有限公司 一种高空坠物识别方法及系统
CN113724258A (zh) * 2021-11-02 2021-11-30 山东中都机器有限公司 一种基于图像处理的传送带撕裂检测方法及系统
WO2022148192A1 (zh) * 2021-01-07 2022-07-14 新东方教育科技集团有限公司 图像处理方法、图像处理装置以及非瞬时性存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040027618A1 (en) * 2002-06-03 2004-02-12 Fuji Photo Film Co., Ltd. Image defect detecting method

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003109014A (ja) * 2001-09-28 2003-04-11 Nissan Motor Co Ltd 移動速さ指標検出装置及び方法
CN101670715A (zh) * 2009-09-23 2010-03-17 上海市激光技术研究所 基于机器视觉识别的轮胎激光标刻装置与方法
JP3179862U (ja) * 2012-09-10 2012-11-22 博伸 熊谷 健康状態チェックシート及びこれが印刷された印刷物
CN107367310A (zh) * 2017-07-11 2017-11-21 华南理工大学 一种基于计算机视觉的河流水位远程监测方法
WO2020010620A1 (zh) * 2018-07-13 2020-01-16 深圳市大疆创新科技有限公司 波浪识别方法、装置、计算机可读存储介质和无人飞行器
CN110706258A (zh) * 2019-10-10 2020-01-17 北京百度网讯科技有限公司 对象追踪方法及装置
CN111402225A (zh) * 2020-03-13 2020-07-10 浙江工业大学 一种布匹折叠误检疵点判别方法
CN112209053A (zh) * 2020-09-21 2021-01-12 山东科技大学 一种基于线激光的带式输送机运行状态检测系统
WO2022148192A1 (zh) * 2021-01-07 2022-07-14 新东方教育科技集团有限公司 图像处理方法、图像处理装置以及非瞬时性存储介质
CN112857219A (zh) * 2021-01-14 2021-05-28 青岛大学威海创新研究院 基于tof深度相机的体积测量方法及装置
CN113052816A (zh) * 2021-03-24 2021-06-29 湖南镭目科技有限公司 一种炉口图像识别方法、装置、设备及存储介质
CN113269046A (zh) * 2021-04-28 2021-08-17 深圳市海清视讯科技有限公司 一种高空坠物识别方法及系统
CN112990140A (zh) * 2021-04-29 2021-06-18 南昌虚拟现实研究院股份有限公司 手势轮廓提取方法、装置、可读存储介质及电子设备
CN113724258A (zh) * 2021-11-02 2021-11-30 山东中都机器有限公司 一种基于图像处理的传送带撕裂检测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于HALCON的印花鞋面剪裁图像处理系统设计;谢瑶;孙以泽;;计算机测量与控制(第08期);183-187 *

Also Published As

Publication number Publication date
CN116452595A (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN116452595B (zh) 一种基于图像处理的控制方法及设备
CN114549519B (zh) 一种汽车喷涂生产线视觉检测方法、系统和可读存储介质
CN106296578B (zh) 一种图像处理方法及装置
CN109926817B (zh) 基于机器视觉的变压器自动装配方法
KR100465862B1 (ko) 대상체의 품질측정방법, 캠버억제방법, 대상체의품질측정장치, 압연장치 및 트림장치
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
US6490369B1 (en) Method of viewing and identifying a part for a robot manipulator
WO1999003026A1 (en) Bending simulation method and apparatus therefor
CN117232396B (zh) 一种高速生产线产品质量视觉检测系统及方法
US20130039585A1 (en) Image measurement apparatus and image measurement method
CN109916346A (zh) 一种基于视觉系统的工件平整度的检测装置及检测方法
KR101379438B1 (ko) 벤딩 설비의 실시간 곡률 보정 시스템 및 그 방법
JP2023106393A (ja) 画像判定装置、画像検査装置、端子付き電線製造システム、および画像判定方法
CN110967851B (zh) 一种液晶面板array图像的线路提取方法及系统
CN117415194A (zh) 基于机器视觉的钣金折弯加工精度检测与补偿方法
US20110142326A1 (en) Pattern inspection method, pattern inspection apparatus and pattern processing apparatus
CN110515966B (zh) 缺陷扫描机台间高匹配度扫描程式的快速建立方法
CN112361985B (zh) 一种基于机器视觉的坯料弯曲度检测方法
JP5441764B2 (ja) ドット集合検出装置及びドット集合検出方法
Davila et al. A singleton type-1 fuzzy logic controller for on-line error compensation during robotic welding
JP4073670B2 (ja) 画像検査システム
CN115464661B (zh) 一种基于数字孪生的机器人控制系统
JPH0731533B2 (ja) 三次元座標変換装置
JP7333546B2 (ja) 物体認識装置及びこれを用いた物体搬送システム
CN116309337B (zh) 基于图像识别的包装盒质量检测系统

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