CN116481585A - 基于机器视觉的产品全检系统及检测方法 - Google Patents
基于机器视觉的产品全检系统及检测方法 Download PDFInfo
- Publication number
- CN116481585A CN116481585A CN202310755602.7A CN202310755602A CN116481585A CN 116481585 A CN116481585 A CN 116481585A CN 202310755602 A CN202310755602 A CN 202310755602A CN 116481585 A CN116481585 A CN 116481585A
- Authority
- CN
- China
- Prior art keywords
- detection
- product
- module
- workpiece
- unit
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 190
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012797 qualification Methods 0.000 claims abstract description 7
- 238000007689 inspection Methods 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 17
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及工件检测技术领域,具体涉及基于机器视觉的产品全检系统及检测方法,包括:控制终端,是系统的主控端,用于发出控制命令;写入模块,用于写入所需检测工件产品的规格参数、选择所需检测的项目及检测项目配置参数;摄像头模组,用于采集系统应用检测设备上所有检测工位的实时图像数据;本发明通过对待检测产品的参数数据进行获取作为基础的对照数据,并进一步的对检测设备的工位部件进行同步检测,在检测设备对待检测产品进行检测的过程中,能够采用检测设备上工位部件的运行数据与待检测产品的实时参数数据进行实时的检测,以此来进一步优化系统对待检测产品进行合格判定时的准确性。
Description
技术领域
本发明涉及工件检测技术领域,具体涉及基于机器视觉的产品全检系统及检测方法。
背景技术
机器视觉是人工智能正在快速发展的一个分支,简单说来,机器视觉就是用机器代替人眼来做测量和判断,机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号,图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。
针对于金属工件的检测,绝大多数检测内容为抗压、弯折、弹性等,用于这类检测的金属工件检测设备目前大都由人工对检测设备的检测数据进行判定来判断金属工件是否合格,此种方式效率较低,且存在一定量的人工劳动力输出,无法承担工程量较大的检测任务。
发明内容
针对现有技术所存在的上述缺点,本发明提供了基于机器视觉的产品全检系统及检测方法,解决了上述背景技术中提出的技术问题。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,基于机器视觉的产品全检系统,包括:
控制终端,是系统的主控端,用于发出控制命令;
写入模块,用于写入所需检测工件产品的规格参数、选择所需检测的项目及检测项目配置参数;
摄像头模组,用于采集系统应用检测设备上所有检测工位的实时图像数据;
捕捉模块,用于捕捉检测设备上检测工位对工件产品进行检测时的图像数据;
识别模块,用于识别捕捉模块中捕捉到的图像数据中工件产品规格比例参数;
判定模块,用于判定检测设备上经检测工位检测的工件产品是否合格;
其中,所述判定模块运行结果实时向控制终端反馈。
更进一步地,所述写入模块下级设置有子模块,包括:
储存单元,用于储存检测设备可执行检测工序;
协调单元,用于接收写入模块中写入的检测工件产品规格参数,参考检测工件产品规格参数协调检测设备上检测工位的参数配置;
其中,储存单元中储存的检测设备可执行检测工序在系统配置于检测设备时,通过用户端手动输入。
更进一步地,所述摄像头模组下级设置有子模块,包括:
定点单元,用于获取检测设备中于检测工位上传输的工件产品由摄像头模组捕捉的图像数据,在图像数据中工件产品图像上选择检测点位;
所述定点单元在协调单元运行时同步运行,定点单元跟随协调单元运行时至少选择一组检测点位,定点单元在协调单元运行后根据用户选择自定义运行若干次,定点单元在图像数据中工件产品图像上选择检测点位时由用户端自主选择。
更进一步地,所述捕捉模块运行时同步获取定点单元中选择的检测点位,根据检测点位捕捉对应检测工位上产生的图像数据;
其中,根据检测点位捕捉对应检测工位上产生的图像数据包含图像数据内容为:工件产品图像数据及检测工位图像数据。
更进一步地,所述识别模块还用于识别图像数据中检测工位图像的变更参数;
检测设备上检测工位在对工件产品进行检测时,根据协调单元提供的参数配置在工件产品到达该检测工位时控制检测工位上检测部件运行,检测工位上检测部件根据参数配置运行最终状态数据记作变更参数。
更进一步地,所述判定模块下级设置有子模块,包括:
初始判定单元,用于判定识别模块识别到的检测工位图像变更参数是否与检测工位初始参数在通过协调单元进行参数配置后的参数一致;
进阶判定单元,用于判定识别模块识别的工件产品规格比例参数与写入模块写入的工件产品规格参数比对差值是否处于设定单元所设定的合格阈值范围内;
设定单元,用于设定工件产品检测合格阈值范围;
其中,初始判定单元运行时捕捉识别模块中是否存在变更参数,在捕捉到变更参数时运行,在未捕捉到变更参数时跳转进阶判定单元运行。
更进一步地,所述进阶判定单元在进行判定时,同步对比对差值在合格阈值范围内的精度损耗进行计算,公式为:
;
式中,为第i组工件产品相邻工件产品的比对差值在合格阈值范围内的离散值;
为第i组工件产品比对差值在合格阈值范围内的离散值;
为/>与/>各自对应工件产品的精度损耗变化趋势系数。
更进一步地,所述控制终端通过介质电性连接有写入模块,所述写入模块下级通过介质电性连接有储存单元及协调单元,所述写入模块通过介质电性连接有摄像头模组,所述摄像头模组下级通过介质电性连接有定点单元,所述定点单元通过介质电性与协调单元相连接,所述摄像头模组通过介质电性连接有捕捉模块、识别模块及判定模块,所述判定模块下级通过介质电性连接有初始判定单元及进阶判定单元,所述进阶判定单元内部通过介质电性连接有设定单元。
第二方面,基于机器视觉的产品检测方法,包括以下步骤:
步骤1:分析检测设备的检测工位,获取工件产品规格参数数据及检测工位参数数据;
步骤2:在检测设备上部署摄像头,检测设备的检测工位配置工件产品,应用检测工位对工件产品进行检测,通过摄像头实时获取检测工位上工件产品的图像数据;
步骤3:获取图像数据中工件产品规格参数数据比例,计算步骤1中工件产品规格参数数据的比例,将获取到的工件产品规格参数数据比例与计算所得工件产品的规格参数数据比例进行比对获取比例差值;
步骤4:设定工件产品规格参数数据合格比例阈值,判定步骤3中比例差值结果是否处于合格比例阈值范围内;
步骤5:步骤4判定结果为是,接收比例差值,以每一工件产品的检测作为储存周期对比例差值进行储存,设定检测设备在检测工件产品时产出检测数据的有效周期,判定有效周期内比例差值是否呈递增趋势;
步骤6:步骤4判定结果为否,控制检测设备停止运行,将当前工件产品处于检测设备上的工位位置向用户端反馈。
更进一步地,所述步骤5判定有效周期内比例差值是否呈递增趋势,在判定结果为否时,检测设备继续执行当前工件产品检测任务,判定结果为是时跳转步骤6执行。
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、本发明提供一种基于机器视觉的产品全检系统,该系统通过对待检测产品的参数数据进行获取作为基础的对照数据,并进一步的对检测设备的工位部件进行同步检测,在检测设备对待检测产品进行检测的过程中,能够采用检测设备上工位部件的运行数据与待检测产品的实时参数数据进行实时的检测,以此来进一步优化系统对待检测产品进行合格判定时的准确性。
2、本发明中系统,通过对待检测产品的图像捕捉及进一步的在捕捉图像中自定义选择检测点位的方式优化了系统对待检测产品的兼容性、适配性,并且通过用户设定,系统能够根据待检测产品的合格指标来自主设定系统对待检测产品在检测时的合格判定阈值,使系统更趋于智能化。
3、本发明提供一种基于机器视觉的产品检测方法,通过该方法中的步骤执行能够进一步的维护本发明中系统运行的稳定,此外在该方法的步骤执行过程中,还能够借助系统运行对待检测产品的误差差值数据的储存来预测检测设备的工作状态,以此有利于用户端对检测设备及待检测产品的综合管理,且确保检测设备的功能性是否完善或需要调整能够被用户端实时了解,确保检测设备能够更加稳定地工作。
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为基于机器视觉的产品全检系统的结构示意图;
图2为基于机器视觉的产品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、写入模块;21、储存单元;22、协调单元;3、摄像头模组;31、定点单元;4、捕捉模块;5、识别模块;6、判定模块;61、初始判定单元;62、进阶判定单元;63、设定单元。
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:本实施例的基于机器视觉的产品全检系统,如图1所示,包括:
控制终端1,是系统的主控端,用于发出控制命令;
写入模块2,用于写入所需检测工件产品的规格参数、选择所需检测的项目及检测项目配置参数;
摄像头模组3,用于采集系统应用检测设备上所有检测工位的实时图像数据;
捕捉模块4,用于捕捉检测设备上检测工位对工件产品进行检测时的图像数据;
识别模块5,用于识别捕捉模块4中捕捉到的图像数据中工件产品规格比例参数;
判定模块6,用于判定检测设备上经检测工位检测的工件产品是否合格;
其中,判定模块6运行结果实时向控制终端1反馈。
在本实施例中,控制终端1控制写入模块2运行写入所需检测工件产品的规格参数、选择所需检测的项目及检测项目配置参数,在系统运行过程中摄像头模组3实时运行采集系统应用检测设备上所有检测工位的实时图像数据,捕捉模块4同步捕捉检测设备上检测工位对工件产品进行检测时的图像数据,识别模块5后置运行识别捕捉模块4中捕捉到的图像数据中工件产品规格比例参数,最后由判定模块6判定检测设备上经检测工位检测的工件产品是否合格,并将运行结果实时向控制终端1反馈。
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所示对实施例1中基于机器视觉的产品全检系统做进一步具体说明:
写入模块2下级设置有子模块,包括:
储存单元21,用于储存检测设备可执行检测工序;
协调单元22,用于接收写入模块2中写入的检测工件产品规格参数,参考检测工件产品规格参数协调检测设备上检测工位的参数配置;
其中,储存单元21中储存的检测设备可执行检测工序在系统配置于检测设备时,通过用户端手动输入。
通过上述写入模块2下级子模块的设置,可以使得系统在载入检测设备后,在每次检测设备对工件产品进行检测前,有上述子模块对工件产品、检测设备及系统间完成配置,使系统下级模块运行得到数据支持稳定运行。
如图1所示,摄像头模组3下级设置有子模块,包括:
定点单元31,用于获取检测设备中于检测工位上传输的工件产品由摄像头模组3捕捉的图像数据,在图像数据中工件产品图像上选择检测点位;
定点单元31在协调单元22运行时同步运行,定点单元31跟随协调单元22运行时至少选择一组检测点位,定点单元31在协调单元22运行后根据用户选择自定义运行若干次,定点单元31在图像数据中工件产品图像上选择检测点位时由用户端自主选择。
如图1所示,捕捉模块4运行时同步获取定点单元31中选择的检测点位,根据检测点位捕捉对应检测工位上产生的图像数据;
其中,根据检测点位捕捉对应检测工位上产生的图像数据包含图像数据内容为:工件产品图像数据及检测工位图像数据。
如图1所示,识别模块5还用于识别图像数据中检测工位图像的变更参数;
检测设备上检测工位在对工件产品进行检测时,根据协调单元22提供的参数配置在工件产品到达该检测工位时控制检测工位上检测部件运行,检测工位上检测部件根据参数配置运行最终状态数据记作变更参数。
如图1所示,判定模块6下级设置有子模块,包括:
初始判定单元61,用于判定识别模块5识别到的检测工位图像变更参数是否与检测工位初始参数在通过协调单元22进行参数配置后的参数一致;
进阶判定单元62,用于判定识别模块5识别的工件产品规格比例参数与写入模块2写入的工件产品规格参数比对差值是否处于设定单元63所设定的合格阈值范围内;
设定单元63,用于设定工件产品检测合格阈值范围;
其中,初始判定单元61运行时捕捉识别模块5中是否存在变更参数,在捕捉到变更参数时运行,在未捕捉到变更参数时跳转进阶判定单元62运行。
通过上述判定模块6下级子模块的设置,可以提供以对工件产品的连续的两次判定,首次通过对检测设备上检测工位的数据判定来对工件产品的判定条件进行判定,确保工件产品在进行合格判定时的判定环境为安全环境,从而使得系统对工件产品的判定结果更加精准。
如图1所示,进阶判定单元62在进行判定时,同步对比对差值在合格阈值范围内的精度损耗进行计算,公式为:
;
式中,为第i组工件产品相邻工件产品的比对差值在合格阈值范围内的离散值;
为第i组工件产品比对差值在合格阈值范围内的离散值;
为/>与/>各自对应工件产品的精度损耗变化趋势系数。
如图1所示,控制终端1通过介质电性连接有写入模块2,写入模块2下级通过介质电性连接有储存单元21及协调单元22,写入模块2通过介质电性连接有摄像头模组3,摄像头模组3下级通过介质电性连接有定点单元31,定点单元31通过介质电性与协调单元22相连接,摄像头模组3通过介质电性连接有捕捉模块4、识别模块5及判定模块6,判定模块6下级通过介质电性连接有初始判定单元61及进阶判定单元62,进阶判定单元62内部通过介质电性连接有设定单元63。
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所示对实施例1中基于机器视觉的产品全检系统做进一步具体说明:
基于机器视觉的产品检测方法,包括以下步骤:
步骤1:分析检测设备检测工位,获取工件产品规格参数数据及检测工位参数数据;
步骤2:在检测设备上部署摄像头,选择检测设备上检测工位配置于工件产品,应用检测工位对工件产品进行检测,通过摄像头实时获取检测工位上工件产品的图像数据;
步骤3:获取图像数据中工件产品规格参数数据比例,计算步骤1中工件产品规格参数数据的比例,将获取到的工件产品规格参数数据比例与计算所得工件产品的规格参数数据比例进行比对获取比例差值;
步骤4:设定工件产品规格参数数据合格比例阈值,判定步骤3中比例差值结果是否处于合格比例阈值范围内;
步骤5:步骤4判定结果为是,接收比例差值,以每一工件产品的检测作为储存周期对比例差值进行储存,设定检测设备在检测工件产品时产出检测数据的有效周期,判定有效周期内比例差值是否呈递增趋势;
步骤6:步骤4判定结果为否,控制检测设备停止运行,将当前工件产品处于检测设备上的工位位置向用户端反馈。
如图1所示,所述步骤5判定有效周期内比例差值是否呈递增趋势,在判定结果为否时,检测设备继续执行当前工件产品检测任务,判定结果为是时跳转步骤6执行。
综上而言,在上述实施例中通过对待检测产品的参数数据进行获取作为基础的对照数据,并进一步的对检测设备的工位部件进行同步检测,在检测设备对待检测产品进行检测的过程中,能够采用检测设备上工位部件的与待检测产品的实时参数数据进行实时的检测,以此来进一步优化系统对待检测产品进行合格判定时的准确性;同时系统,通过对待检测产品的图像捕捉及进一步的在捕捉图像中自定义选择检测点位的方式优化了系统对待检测产品的兼容性、适配性,并且通过用户设定,系统能够根据待检测产品的合格指标来自主设定系统对待检测产品在检测时的合格判定阈值,使系统更趋于智能化;此外,通过该方法中的步骤执行能够进一步的维护本发明中系统运行的稳定,且还能够借助系统运行对待检测产品的误差差值数据的储存来预测检测设备的工作状态,以此有利于用户端对检测设备及待检测产品的综合管理,且确保检测设备的功能性是否完善或需要调整能够被用户端实时了解,确保检测设备能够更加稳定地工作。
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.基于机器视觉的产品全检系统,其特征在于,包括:
控制终端(1),是系统的主控端,用于发出控制命令;
写入模块(2),用于写入所需检测工件产品的规格参数、选择所需检测的项目及检测项目配置参数;
摄像头模组(3),用于采集系统应用检测设备上所有检测工位的实时图像数据;
捕捉模块(4),用于捕捉检测设备上检测工位对工件产品进行检测时的图像数据;
识别模块(5),用于识别捕捉模块(4)中捕捉到的图像数据中工件产品规格比例参数;
判定模块(6),用于判定检测设备上经检测工位检测的工件产品是否合格;
其中,所述判定模块(6)运行结果实时向控制终端(1)反馈。
2.根据权利要求1所述的基于机器视觉的产品全检系统,其特征在于,所述写入模块(2)下级设置有子模块,包括:
储存单元(21),用于储存检测设备可执行检测工序;
协调单元(22),用于接收写入模块(2)中写入的检测工件产品规格参数,参考检测工件产品规格参数协调检测设备上检测工位的参数配置;
其中,储存单元(21)中储存的检测设备可执行检测工序在系统配置于检测设备时,通过用户端手动输入。
3.根据权利要求1所述的基于机器视觉的产品全检系统,其特征在于,所述摄像头模组(3)下级设置有子模块,包括:
定点单元(31),用于获取检测设备中于检测工位上传输的工件产品由摄像头模组(3)捕捉的图像数据,在图像数据中工件产品图像上选择检测点位;
所述定点单元(31)在协调单元(22)运行时同步运行,定点单元(31)跟随协调单元(22)运行时至少选择一组检测点位,定点单元(31)在协调单元(22)运行后根据用户选择自定义运行若干次,定点单元(31)在图像数据中工件产品图像上选择检测点位时由用户端自主选择。
4.根据权利要求1所述的基于机器视觉的产品全检系统,其特征在于,所述捕捉模块(4)运行时同步获取定点单元(31)中选择的检测点位,根据检测点位捕捉对应检测工位上产生的图像数据;
其中,根据检测点位捕捉对应检测工位上产生的图像数据包含图像数据内容为:工件产品图像数据及检测工位图像数据。
5.根据权利要求1所述的基于机器视觉的产品全检系统,其特征在于,所述识别模块(5)还用于识别图像数据中检测工位图像的变更参数;
检测设备上检测工位在对工件产品进行检测时,根据协调单元(22)提供的参数配置在工件产品到达该检测工位时控制检测工位上检测部件运行,检测工位上检测部件根据参数配置运行最终状态数据记作变更参数。
6.根据权利要求1所述的基于机器视觉的产品全检系统,其特征在于,所述判定模块(6)下级设置有子模块,包括:
初始判定单元(61),用于判定识别模块(5)识别到的检测工位图像变更参数是否与检测工位初始参数在通过协调单元(22)进行参数配置后的参数一致;
进阶判定单元(62),用于判定识别模块(5)识别的工件产品规格比例参数与写入模块(2)写入的工件产品规格参数比对差值是否处于设定单元(63)所设定的合格阈值范围内;
设定单元(63),用于设定工件产品检测合格阈值范围;
其中,初始判定单元(61)运行时捕捉识别模块(5)中是否存在变更参数,在捕捉到变更参数时运行,在未捕捉到变更参数时跳转进阶判定单元(62)运行。
7.根据权利要求6所述的基于机器视觉的产品全检系统,其特征在于,所述进阶判定单元(62)在进行判定时,同步对比对差值在合格阈值范围内的精度损耗进行计算,公式为:
;
式中,为第i组工件产品相邻工件产品的比对差值在合格阈值范围内的离散值;
为第i组工件产品比对差值在合格阈值范围内的离散值;
为/>与/>各自对应工件产品的精度损耗变化趋势系数。
8.根据权利要求1所述的基于机器视觉的产品全检系统,其特征在于,所述控制终端(1)通过介质电性连接有写入模块(2),所述写入模块(2)下级通过介质电性连接有储存单元(21)及协调单元(22),所述写入模块(2)通过介质电性连接有摄像头模组(3),所述摄像头模组(3)下级通过介质电性连接有定点单元(31),所述定点单元(31)通过介质电性与协调单元(22)相连接,所述摄像头模组(3)通过介质电性连接有捕捉模块(4)、识别模块(5)及判定模块(6),所述判定模块(6)下级通过介质电性连接有初始判定单元(61)及进阶判定单元(62),所述进阶判定单元(62)内部通过介质电性连接有设定单元(63)。
9.基于机器视觉的产品检测方法,所述方法是对如权利要求1-8中任意一项所述基于机器视觉的产品全检系统的实施方法,其特征在于,包括以下步骤:
步骤1:分析检测设备的检测工位,获取工件产品规格参数数据及检测工位参数数据;
步骤2:在检测设备上部署摄像头,检测设备的检测工位配置工件产品,应用检测工位对工件产品进行检测,通过摄像头实时获取检测工位上工件产品的图像数据;
步骤3:获取图像数据中工件产品规格参数数据比例,计算步骤1中工件产品规格参数数据的比例,将获取到的工件产品规格参数数据比例与计算所得工件产品的规格参数数据比例进行比对获取比例差值;
步骤4:设定工件产品规格参数数据合格比例阈值,判定步骤3中比例差值结果是否处于合格比例阈值范围内;
步骤5:步骤4判定结果为是,接收比例差值,以每一工件产品的检测作为储存周期对比例差值进行储存,设定检测设备在检测工件产品时产出检测数据的有效周期,判定有效周期内比例差值是否呈递增趋势;
步骤6:步骤4判定结果为否,控制检测设备停止运行,将当前工件产品处于检测设备上的工位位置向用户端反馈。
10.根据权利要求9所述的基于机器视觉的产品检测方法,其特征在于,所述步骤5差值是否呈递增趋势在判定结果为否时,检测设备继续执行当前工件产品检测任务,判定结果为是时跳转步骤6执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310755602.7A CN116481585B (zh) | 2023-06-26 | 2023-06-26 | 基于机器视觉的产品全检系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310755602.7A CN116481585B (zh) | 2023-06-26 | 2023-06-26 | 基于机器视觉的产品全检系统及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116481585A true CN116481585A (zh) | 2023-07-25 |
CN116481585B CN116481585B (zh) | 2023-09-12 |
Family
ID=87223619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310755602.7A Active CN116481585B (zh) | 2023-06-26 | 2023-06-26 | 基于机器视觉的产品全检系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116481585B (zh) |
Cited By (1)
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 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263980A (zh) * | 2019-05-29 | 2019-09-20 | 浙江陀曼云计算有限公司 | 生产预警方法和装置 |
US20210390681A1 (en) * | 2020-06-15 | 2021-12-16 | Mitutoyo Corporation | Workpiece inspection and defect detection system including monitoring of workpiece images |
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 |
CN115616374A (zh) * | 2022-09-20 | 2023-01-17 | 重庆鹰谷光电股份有限公司 | 一种基于机器学习的半导体芯片的测试系统 |
CN115616975A (zh) * | 2022-11-11 | 2023-01-17 | 广东理工学院 | 一种数控机械加工用误差检测系统 |
CN115661373A (zh) * | 2022-12-26 | 2023-01-31 | 天津沄讯网络科技有限公司 | 基于边缘算法的旋转设备故障监控和预警系统及方法 |
CN115903669A (zh) * | 2022-11-11 | 2023-04-04 | 广东理工学院 | 一种高稳定性智能机械制造用系统 |
CN115965625A (zh) * | 2023-03-16 | 2023-04-14 | 南京轶诺科技有限公司 | 一种基于视觉识别的仪表检测装置及其检测方法 |
-
2023
- 2023-06-26 CN CN202310755602.7A patent/CN116481585B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263980A (zh) * | 2019-05-29 | 2019-09-20 | 浙江陀曼云计算有限公司 | 生产预警方法和装置 |
US20210390681A1 (en) * | 2020-06-15 | 2021-12-16 | Mitutoyo Corporation | Workpiece inspection and defect detection system including monitoring of workpiece images |
CN115616374A (zh) * | 2022-09-20 | 2023-01-17 | 重庆鹰谷光电股份有限公司 | 一种基于机器学习的半导体芯片的测试系统 |
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 |
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 |
CN115616975A (zh) * | 2022-11-11 | 2023-01-17 | 广东理工学院 | 一种数控机械加工用误差检测系统 |
CN115903669A (zh) * | 2022-11-11 | 2023-04-04 | 广东理工学院 | 一种高稳定性智能机械制造用系统 |
CN115661373A (zh) * | 2022-12-26 | 2023-01-31 | 天津沄讯网络科技有限公司 | 基于边缘算法的旋转设备故障监控和预警系统及方法 |
CN115965625A (zh) * | 2023-03-16 | 2023-04-14 | 南京轶诺科技有限公司 | 一种基于视觉识别的仪表检测装置及其检测方法 |
Cited By (2)
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 |
Also Published As
Publication number | Publication date |
---|---|
CN116481585B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116481585B (zh) | 基于机器视觉的产品全检系统及检测方法 | |
CN102253048B (zh) | 可用于多种产品检测的机器视觉检测方法及系统 | |
CN113706495B (zh) | 一种在传送带上自动检测锂电池参数的机器视觉检测系统 | |
CN111289538A (zh) | 基于机器视觉的pcb板元件检测系统及检测方法 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN110560376B (zh) | 一种产品表面缺陷检测方法及装置 | |
CN113554004B (zh) | 搅拌车溢料检测方法、检测系统、电子设备及搅拌站 | |
CN116900449A (zh) | 基于信号融合的焊接质量监测方法和系统 | |
CN116297199A (zh) | 一种基于机器视觉自动检测锂电池参数的检测系统 | |
CN113269769A (zh) | 一种基于图像配准的缺陷检测方法、系统及设备 | |
CN111665249B (zh) | 一种光强调整方法、系统及光学检测设备 | |
CN108972556B (zh) | 微特电机生产线上复杂光照环境下的导线抓取系统及方法 | |
CN113778091A (zh) | 一种风电场升压站设备巡检方法 | |
CN111654695A (zh) | 摄像头模组检测数据管理系统 | |
CN109407630B (zh) | 参数计算的方法、装置、终端及可读存储介质 | |
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 | |
CN106931946A (zh) | 一种全自动移动终端视觉检测方法 | |
CN216209508U (zh) | 一种检测设备以及检测系统 | |
TWI785579B (zh) | 元件辨識模型之自動模型重建方法及系統 | |
CN114460087A (zh) | 一种基于机器视觉的焊点缺陷检测系统和方法 | |
CN106934791B (zh) | 一种移动终端上fpc的视觉检测方法及控制设备 | |
CN114596255A (zh) | 基于5g+mec的产品检测系统和方法 | |
CN117078620B (zh) | Pcb焊点缺陷检测方法、装置、电子设备和存储介质 | |
GB2626048A (en) | Automatic paper counting control method and system, electronic device, and computer storage medium | |
CN217332186U (zh) | 木板ai视觉缺陷检测装置 |
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 |