CN116777888B - 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 - Google Patents
带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 Download PDFInfo
- Publication number
- CN116777888B CN116777888B CN202310793412.4A CN202310793412A CN116777888B CN 116777888 B CN116777888 B CN 116777888B CN 202310793412 A CN202310793412 A CN 202310793412A CN 116777888 B CN116777888 B CN 116777888B
- Authority
- CN
- China
- Prior art keywords
- image information
- glue
- compensation correction
- data
- gluing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012937 correction Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 239000000853 adhesive Substances 0.000 title claims abstract description 14
- 230000001070 adhesive effect Effects 0.000 title claims abstract description 14
- 230000000007 visual effect Effects 0.000 title claims abstract description 9
- 238000000576 coating method Methods 0.000 title claims description 21
- 239000011248 coating agent Substances 0.000 title claims description 16
- 239000003292 glue Substances 0.000 claims abstract description 73
- 238000004026 adhesive bonding Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000007480 spreading Effects 0.000 abstract description 3
- 238000010223 real-time analysis Methods 0.000 abstract description 2
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000003708 edge detection Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
Abstract
本发明涉及胶宽自适应补偿修正技术领域。本发明涉及带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法。其包括以下步骤：划定涂胶过程中的特定区域，采集该区域中的图像信息，并对其图像信息进行评估；本发明通过对涂胶过程中图像的实时分析和处理，能够及时检测出胶宽的偏差并进行补偿修正，提高涂胶的准确性和一致性，根据检测到的角度信息，自动计算出胶宽的补偿修正值，使涂胶设备能够根据实际情况进行自适应调整，适应不同角度涂胶的需求，通过使用图像处理算法和补偿修正算法，能够精确计算出胶宽的补偿修正值，提高涂胶的精度和质量，再通过对采集的图像信息进行检测，避免图像信息错误影响计算数据，提高计算的精准性。
Description
技术领域
本发明涉及胶宽自适应补偿修正技术领域，具体地说，涉及带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法。
背景技术
在涂胶工艺中，胶水的宽度是影响涂胶效果和产品质量的重要因素之一。传统的涂胶过程中，由于在涂胶应用中，涂胶的角度、速度和粘度等都可能会引起胶宽的变化，影响产品的装配和性能，无法实时自适应的问题，而且在拍摄图像过程中，由于外界震动造成摄像角度的偏移，导致获取的图像信息错误，降低涂胶过程图像处理的效果，因此，提出带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法。
发明内容
本发明的目的在于提供带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法，以解决上述背景技术中提出的问题。
为实现上述目的，提供了带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法，包括以下步骤：
S1、划定涂胶过程中的特定区域，采集该区域中的图像信息，并对其图像信息进行评估；
S2、基于S1对该图像信息完整度的评估结果，对图像信息在不受外界因素影响下的进行分析，再根据分析结果对胶水轮廓信息进行提取；
S3、根据S2对图像的分析结果进行检测，并将检测结果结合提取的胶水轮廓信息进行比对，根据比对结果将检测结果和胶水轮廓信息进行结合上传至云端；
S4、基于S3上传的云端数据进行计算模拟，并采集现有涂胶工艺数据，根据现有涂胶工艺数据通过云端数据进行计算模拟；
S5、将S4的两次模拟数据进行结合分析，并根据分析结果将计算数据上传至云端，从而对涂胶工艺数据更新。
作为本技术方案的进一步改进，所述S1对图像信息的完整性进行评估步骤如下：
S1.1、根据将要涂胶加工位置划定特定区域；
S1.2、对该区域进行拍摄，从而获取区域的图像信息，并对该获取的图像信息的完整性进行检测评估。
作为本技术方案的进一步改进，所述S1.2对该获取的图像信息进行检测评估步骤如下：
S1.2.1、对该特定区域的光照因素进行评估；
S1.2.2、对该特定区域的震动因素进行评估；
S1.2.3、对该特定区域的污垢因素进行评估；
S1.2.4、对该特定区域的相机设置程序因素进行评估。
作为本技术方案的进一步改进，所述S2对图像信息在不受外界因素影响下的进行分析步骤如下：
S2.1、根据S1.2.1、S1.2.2、S1.2.3、S1.2.4、对该特定区域的不同因素的评估结果，将其进行整合得到图像信息的完整程度；
S2.2、根据S2.1获取的图像信息完整程度判断获取该特定区域采集的图像信息价值。
作为本技术方案的进一步改进，所述S2对胶水轮廓信息进行提取步骤如下：
S2.3、根据S2.2获取的图像信息价值从而对S1.2获取的图像信息进行预处理；
S2.4、根据S2.3预处理完毕的图像信息进行计算转化，从而获取胶水的轮廓图。
作为本技术方案的进一步改进，所述S3将检测结果结合提取的胶水轮廓信息进行比对的步骤如下：
S3.1、对S2.3预处理完毕的图像信息进行检测；
S3.2、结合S3.1的图像信息检测数据和S2.4获取的胶水轮廓图进行比对分析。
作为本技术方案的进一步改进，所述S3将检测结果和胶水轮廓信息进行结合上传至云端步骤如下：
S3.3、根据S3.2的分析结果判断对图像信息进行二次检测以及二次转化；
S3.4、将S3.1的图像信息检测数据和S2.4获取的胶水轮廓图进行打包，并上传至云端网络。
作为本技术方案的进一步改进，所述S4现有涂胶工艺数据对云端数据的分析结果进行结合计算步骤如下：
S4.1、根据S3.4上传云端网络的数据包进行模拟预测；
S4.2、采集现有涂胶补偿修正程序并通过云端网络进行模拟预测。
作为本技术方案的进一步改进，所述S5对涂胶工艺数据更新的步骤如下：
S5.1、将S4.1的预测结果和S4.2的预测结果进行结合比对，并根据比对结果选择保留S3.4上传的数据包。
S5.2、根据S5.1选择保留的数据包进行上传并覆盖现有涂胶补偿修正程序，从而对涂胶检测方案更新自适应补偿修正操作。
与现有技术相比，本发明的有益效果：
该带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法中，通过对涂胶过程中图像的实时分析和处理，能够及时检测出胶宽的偏差并进行补偿修正，提高涂胶的准确性和一致性，根据检测到的角度信息，自动计算出胶宽的补偿修正值，使涂胶设备能够根据实际情况进行自适应调整，适应不同角度涂胶的需求，通过使用图像处理算法和补偿修正算法，能够精确计算出胶宽的补偿修正值，提高涂胶的精度和质量，再通过对采集的图像信息进行检测，避免图像信息错误影响计算数据，提高计算的精准性。
附图说明
图1为本发明的整体流程框图；
图2为本发明的对图像信息的完整性进行评估的流程框图；
图3为本发明的对胶水轮廓信息进行提取的流程框图；
图4为本发明的结合上传至云端的流程框图；
图5为本发明的通过云端数据进行计算模拟的流程框图；
图6为本发明的对涂胶工艺数据更新的流程框图。
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，所描述的实施例仅仅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。
实施例1
请参阅图1-图6所示，本实施例目的在于，因此，提供了带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法，包括以下步骤：
S1、划定涂胶过程中的特定区域，采集该区域中的图像信息，并对其图像信息进行评估；
所述S1对图像信息的完整性进行评估步骤如下：
S1.1、根据将要涂胶加工位置划定特定区域；在涂胶设备中安装摄像头或其他适当的图像采集设备，以实时获取涂胶过程中的图像；
S1.2、对该区域进行拍摄，从而获取区域的图像信息，并对该获取的图像信息的完整性进行检测评估，提高检测的精准度；
所述S1.2对该获取的图像信息进行检测评估步骤如下：
S1.2.1、对该特定区域的光照因素进行评估；拍摄涂胶过程中，光线的强度、角度和光源的位置等都会影响图像的质量。如果光线太强或太弱，会导致图像过度曝光或欠曝光；如果光源的位置不合适，可能会产生影子或干扰；
S1.2.2、对该特定区域的震动因素进行评估；如果在拍摄涂胶过程时机器或相机有轻微的震动，可能会导致图像模糊或失真。这通常可以通过使用防抖设备或固定相机来解决；
S1.2.3、对该特定区域的污垢因素进行评估；当胶涂布料、油脂、污垢等残留在涂布或传送表面上时，可能会造成胶宽偏差或造成胶液的波浪状波动等干扰；
S1.2.4、对该特定区域的相机设置程序因素进行评估。在拍摄涂胶过程中，相机的曝光时间、ISO灵敏度、白平衡等设置都会影响图像的质量。不良的相机设置可能导致图像过度曝光或欠曝光、缺少细节或色彩失真等问题；
S2、基于S1对该图像信息完整度的评估结果，对图像信息在不受外界因素影响下的进行分析，再根据分析结果对胶水轮廓信息进行提取；
所述S2对图像信息在不受外界因素影响下的进行分析步骤如下：
S2.1、根据S1.2.1、S1.2.2、S1.2.3、S1.2.4、对该特定区域的不同因素的评估结果，将其进行整合得到图像信息的完整程度，以上干扰因素可能会降低涂胶过程图像处理的效果，检测过后可以减少这些干扰因素对图像质量造成的影响；
S2.2、根据S2.1获取的图像信息完整程度判断获取该特定区域采集的图像信息价值，下面提供一种常见的通过图像完整程度评估涂胶过程中采集的图像信息检测价值的方法。
首先，通过图像分割/二值化等方法，将采集到的图像转化为胶线和背景两部分，同时需要将背景进行进一步分解，分离出噪声或无销剂背景、销剂背景以及工作背景(主要指对涂布区域而言)，以便针对不同部分的图像信息进行分别处理。
然后，分别计算胶线、噪声或无销剂背景、销剂背景以及工作背景的区域面积，以及采集到的涂布过程总图像的面积。对于采集到的图像的完整程度评估，可以使用公式：
信息完整度＝∑(各部分面积/总图像面积*各部分信息得分权值)
其中，各部分的信息得分权值可以根据涂布过程和所涂胶粘性质等进行设置，比如涂胶胶线信息得分权值高于一般噪声或无销剂背景、销剂背景等得分权值；销剂背景信息得分权高于一般噪声或无销剂背景等得分权值等。
所述S2对胶水轮廓信息进行提取步骤如下：
S2.3、根据S2.2获取的图像信息价值从而对S1.2获取的图像信息进行预处理；使用图像滤波算法对图像进行去噪处理，图像滤波算法，它采用一个固定大小的矩形滑动窗口，计算窗口内像素的平均值，并将该值作为中心像素的新值。该算法通过抽取图像中的细节来平滑整个图像。均值滤波的公式如下：
g(x,y)＝(1/k2)*∑f(i,j)
以消除噪声对胶宽检测的影响。然后，采用直方图均衡化法，增强图像的对比度和清晰度；下面是直方图均衡化的公式：
设原图像的灰度级数为L(一般为256)，其直方图为P_r(r，c)，则视第r行、第c列像点为一个随机变量，其灰度级(即像素值)为X(r，c)，其概率分布函数为：
P(X＝k)＝p_k(k＝0，1，2，…，L-1)
其中，p_k是像素值为k的像素所占图像总像素数量比。则该直方图均衡化方法的计算公式为：
sk＝T(k)×(L-1)
其中T(k)是每个像素值在直方图均衡化操作下的转换函数。转换函数T(k)计算如下：
T(k)＝round((cdf_k-cdf_min)/((M×N)-cdf_min)×(L-1))
其中cdf_k是曲线y＝x(即非归一化累积概率密度函数)的第k个像素值的坐标(即cdf_k＝∑p_j，j∈{0，...，k})，cdf_min是曲线y＝x的第0个像素值的坐标(即cdf_min＝∑p_j，j∈{0，...，L-1})，M与N是图像的行数和列数，即M×N是图像总的像素个数。round函数表示四舍五入取整。最后通过应用转换函数T(k)，来实现直方图均衡化，得到直方图均衡化后的图像。
S2.4、根据S2.3预处理完毕的图像信息进行计算转化，使用阈值分割算法，阈值分割算法采用全局阈值法是一种简单的图像二值化方法，适用于图像前景和背景之间的对比度较高的情况。该方法通过计算灰度图像的直方图并寻找峰值，从而确定前景和背景之间的阈值。具体公式如下：
T＝(T1+T2)/2
其中，T为阈值；T1和T2为最近的左右两个峰值的位置，将图像转化为胶水的轮廓图，从而获取胶水的轮廓图。
S3、根据S2对图像的分析结果进行检测，并将检测结果结合提取的胶水轮廓信息进行比对，根据比对结果将检测结果和胶水轮廓信息进行结合上传至云端；
所述S3将检测结果结合提取的胶水轮廓信息进行比对的步骤如下：
S3.1、对S2.3预处理完毕的图像信息进行检测；采用边缘检测、Hough变换或其他适用的图像处理算法，对预处理后的图像进行处理，以检测涂胶过程中胶水的角度信息。边缘检测算法可用于检测胶水轮廓的边缘信息，而Hough变换可用于检测直线段，从而获取角度信息，边缘检测算法采用Sobel算法，Sobel算法是一种常用的基于梯度的边缘检测算法，其算法利用两个3x3大小的Sobel核计算图像中水平和垂直方向的梯度值，从而检测出图像中的边缘。具体公式如下：
Gx＝[[-1，0，1]，[-2，0，2]，[-1，0，1]]
Gy＝[[-1，-2，-1]，[0，0，0]，[1，2，1]]G＝sqrt(Gx^2+Gy^2)
其中，Gx和Gy分别表示水平和垂直方向上的梯度，G表示最终的梯度值。Sobel算法的优点是计算速度较快，且具有较好的噪声抑制能力。
S3.2、结合S3.1的图像信息检测数据和S2.4获取的胶水轮廓图进行比对分析；图像信息检测数据和获取的胶水轮廓图可以一起用来检测数据是否正确，一般有如下几个步骤：
对图像信息检测数据进行边缘检测，得到一张包含实际边缘的图像。
对获取的胶水轮廓图进行二值化处理，得到一张包含预测边缘的二值化图像。
将两张图像进行比对，可以采用以下两种方式之一：
-直接比较两张二值化图像像素点的值是否相等，如果大部分像素点都相等，则认为预测正确。
-计算两张二值化图像之间的相似度，可以采用结构相似性指数(SSIM)或归一化互相关(NCC)等指标来计算相似度，如果相似度较高，则认为预测正确。
根据比对结果，判断数据是否正确。如果预测的轮廓和实际轮廓比较接近，则认为检测结果正确，否则认为检测结果错误。
所述S3将检测结果和胶水轮廓信息进行结合上传至云端步骤如下：
S3.3、根据S3.2的分析结果判断对图像信息进行二次检测以及二次转化；如果检测结果错误，重新拍摄图像，对图像信息进行重新检测获取胶水轮廓信息和角度信息，并再次进行比对，直至检测结果正确；
S3.4、将S3.1的图像信息检测数据和S2.4获取的胶水轮廓图进行打包，并上传至云端网络。
S4、基于S3上传的云端数据进行计算模拟，并采集现有涂胶工艺数据，根据现有涂胶工艺数据通过云端数据进行计算模拟；
所述S4现有涂胶工艺数据对云端数据的分析结果进行结合计算步骤如下：
S4.1、根据S3.4上传云端网络的数据包进行模拟预测；
S4.2、采集现有涂胶补偿修正程序并通过云端网络进行模拟预测，根据检测到的角度信息，结合预先设定的补偿修正算法，计算出胶宽的补偿修正值。补偿修正值的计算可基于胶水角度的正弦、余弦值等数学模型。例如，可以使用以下公式计算补偿修正值：
修正值＝补偿系数×sin(角度)×胶水宽度
S5、将S4的两次模拟数据进行结合分析，并根据分析结果将计算数据上传至云端，从而对涂胶工艺数据更新。
所述S5对涂胶工艺数据更新的步骤如下：
S5.1、将S4.1的预测结果和S4.2的预测结果进行结合比对，并根据比对结果选择保留S3.4上传的数据包。可以通过比对新计算的补偿修正值和原有补偿修正值两者的优劣来决定是否更新补偿修正值。以下是常见的两种方法及其公式：
方差分析法是一种常用的统计分析方法，可以用来分析两组或多组数据之间的差异。其中，F值(F-statistic)是判断差异是否显著的指标之一，其公式如下：
F＝MS(run)/MS(error)
其中，MS(run)为涂胶过程中新计算的补偿修正值与原有补偿修正值之间，MS(error)为涂胶过程中新计算的补偿修正值与实际涂胶点之间。如果F值大于临界值，则说明新计算的补偿修正值的效果显著，应该更新补偿修正值。
假设检验法也常用于检验两组或多组数据之间的差异。其中，t值(t-statistic)是判断差异是否显著的指标之一，其公式如下：
t＝(mean(run)-mean(error))/(sd(run)/sqrt(N))
其中，mean(run)和mean(error)分别为新计算的补偿修正值和实际涂胶点的平均值，sd(run)为新计算的补偿修正值的标准差，N为样本个数。如果t值大于临界值，则说明新计算的补偿修正值的效果显著，应该更新补偿修正值。
S5.2、根据S5.1选择保留的数据包进行上传并覆盖现有涂胶补偿修正程序，根据计算得到的补偿修正值，对涂胶设备进行相应的调整，实现胶宽的自适应补偿修正。具体而言，可以通过控制涂胶设备的喷嘴位置、角度或流量等参数，使其按照补偿修正值进行调整，以达到期望的胶宽，从而对涂胶检测方案更新自适应补偿修正操作。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法，其特征在于：包括以下步骤：
S1、划定涂胶过程中的特定区域，采集该区域中的图像信息，并对其图像信息的完整度进行评估；
S2、基于S1对该图像信息完整度的评估结果，对图像信息在不受外界因素影响下进行分析，再根据分析结果对胶水轮廓信息进行提取；
S3、根据S2对图像的分析结果进行胶水的角度信息和胶水轮廓的边缘信息的检测，并将检测结果结合提取的胶水轮廓信息进行比对，根据比对结果将检测结果和胶水轮廓信息进行结合上传至云端；
S4、基于S3上传的云端数据进行计算模拟，并采集现有涂胶工艺数据，根据现有涂胶工艺数据通过云端数据进行计算模拟；
S5、将S4的两次模拟数据进行结合分析，并根据分析结果将计算数据上传至云端，从而对涂胶工艺数据更新；
所述S1的具体步骤如下：
S1.1、根据将要涂胶加工位置划定特定区域；
S1.2、对该区域进行拍摄，从而获取区域的图像信息，并对该获取的图像信息的完整度进行检测评估；
所述S1.2的具体步骤如下：
S1.2.1、对该特定区域的光照因素进行评估；
S1.2.2、对该特定区域的震动因素进行评估；
S1.2.3、对该特定区域的污垢因素进行评估；
S1.2.4、对该特定区域的相机设置程序因素进行评估；
所述S2的具体步骤如下：
S2.1、根据S1.2.1、S1.2.2、S1.2.3、S1.2.4对该特定区域的不同因素的评估结果，将其进行整合得到图像信息的完整度；
S2.2、根据S2.1获取的图像信息完整度判断获取该特定区域采集的图像信息价值；
S2.3、根据S2.2获取的图像信息价值从而对S1.2获取的图像信息进行预处理；
S2.4、根据S2.3预处理完毕的图像信息进行计算转化，从而获取胶水的轮廓图；
所述S3的具体步骤如下：
S3.1、对S2.3预处理完毕的图像信息进行检测；
S3.2、结合S3.1的图像信息检测数据和S2.4获取的胶水轮廓图进行比对分析；
S3.3、根据S3.2的分析结果判断是否对图像信息进行二次检测以及二次转化；
S3.4、将S3.1的图像信息检测数据和S2.4获取的胶水轮廓图进行打包，并上传至云端网络；
S4的具体步骤如下：
S4.1、根据S3.4上传云端网络的数据包进行模拟预测；
S4.2、采集现有涂胶补偿修正程序并通过云端数据进行模拟预测，根据检测到的角度信息，结合预先设定的补偿修正算法，计算出胶宽的补偿修正值；
S5的具体步骤如下：
S5.1、将S4.1的预测结果和S4.2的预测结果进行结合比对，并根据比对结果选择保留S3.4上传的数据包；
S5.2、根据S5.1选择保留的数据包进行上传并覆盖现有涂胶补偿修正程序，根据计算得到的补偿修正值，对涂胶设备进行相应的调整，实现胶宽的自适应补偿修正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310793412.4A CN116777888B (zh) | 2023-06-30 | 2023-06-30 | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310793412.4A CN116777888B (zh) | 2023-06-30 | 2023-06-30 | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116777888A CN116777888A (zh) | 2023-09-19 |
| CN116777888B true CN116777888B (zh) | 2024-02-06 |
Family
ID=87992789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310793412.4A Active CN116777888B (zh) | 2023-06-30 | 2023-06-30 | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116777888B (zh) |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005087460A1 (en) * | 2004-03-16 | 2005-09-22 | Kappa Packaging B.V. | Apparatus, method and system for detecting the width and position of adhesives applied to a substrate |
| CN203955433U (zh) * | 2014-04-16 | 2014-11-26 | 广东生益科技股份有限公司 | 涂胶宽度可变的涂胶装置 |
| CN105866136A (zh) * | 2015-01-21 | 2016-08-17 | 苏州兰叶光电科技有限公司 | 摄像头模组滤光片涂胶检测装置和方法 |
| CN106093057A (zh) * | 2016-06-14 | 2016-11-09 | 上海贝特威自动化科技有限公司 | 一种在线涂胶检测方法 |
| CN107702653A (zh) * | 2017-11-13 | 2018-02-16 | 易思维（天津）科技有限公司 | 一种机器人涂胶三维信息视觉检测装置及方法 |
| CN207280385U (zh) * | 2017-11-13 | 2018-04-27 | 易思维（天津）科技有限公司 | 一种机器人涂胶三维信息视觉检测装置 |
| CN108031614A (zh) * | 2017-12-14 | 2018-05-15 | 四川福德机器人股份有限公司 | 一种燃气表的涂胶自动补偿方法及采用该方法的装置 |
| CN110211101A (zh) * | 2019-05-22 | 2019-09-06 | 武汉理工大学 | 一种铁轨表面缺陷快速检测系统及方法 |
| CN110503638A (zh) * | 2019-08-15 | 2019-11-26 | 上海理工大学 | 螺旋胶质量在线检测方法 |
| CN110530273A (zh) * | 2019-09-23 | 2019-12-03 | 易思维（杭州）科技有限公司 | 基于结构光测量的涂胶信息检测方法 |
| CN111097664A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于机器人涂胶的实时纠偏方法 |
| CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
| CN112037161A (zh) * | 2019-05-17 | 2020-12-04 | 上海贝特威自动化科技有限公司 | 一种基于区域自动阈值分析的涂胶分析方法 |
| CN112025677A (zh) * | 2020-07-28 | 2020-12-04 | 武汉象点科技有限公司 | 一种基于视觉检测的自动引导补胶系统及方法 |
| CN113763323A (zh) * | 2021-07-30 | 2021-12-07 | 广东省威汇智能科技有限公司 | 一种基于机器视觉的车载摄像头点胶检测方法 |
| CN114794666A (zh) * | 2022-03-31 | 2022-07-29 | 深圳市如本科技有限公司 | 鞋面涂胶方法、系统、计算机设备及计算机可读存储介质 |
| CN217906545U (zh) * | 2022-03-31 | 2022-11-29 | 深圳市如本科技有限公司 | 一种鞋面涂胶系统 |
| CN115682943A (zh) * | 2021-07-21 | 2023-02-03 | 苏州希盟科技股份有限公司 | 用于胶线检测的方法 |
| WO2023019508A1 (zh) * | 2021-08-19 | 2023-02-23 | 宁德时代新能源科技股份有限公司 | 涂胶面积的检测方法、电子设备和计算机可读存储介质 |
| WO2023092690A1 (zh) * | 2021-11-29 | 2023-06-01 | 歌尔股份有限公司 | 检验胶路状态的装置及其检验方法 |
| CN116297453A (zh) * | 2023-03-15 | 2023-06-23 | 广州高迪机电工程有限公司 | 基于自动化涂胶的品质辅助检测视觉系统 |
-
2023
- 2023-06-30 CN CN202310793412.4A patent/CN116777888B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005087460A1 (en) * | 2004-03-16 | 2005-09-22 | Kappa Packaging B.V. | Apparatus, method and system for detecting the width and position of adhesives applied to a substrate |
| CN203955433U (zh) * | 2014-04-16 | 2014-11-26 | 广东生益科技股份有限公司 | 涂胶宽度可变的涂胶装置 |
| CN105866136A (zh) * | 2015-01-21 | 2016-08-17 | 苏州兰叶光电科技有限公司 | 摄像头模组滤光片涂胶检测装置和方法 |
| CN106093057A (zh) * | 2016-06-14 | 2016-11-09 | 上海贝特威自动化科技有限公司 | 一种在线涂胶检测方法 |
| CN107702653A (zh) * | 2017-11-13 | 2018-02-16 | 易思维（天津）科技有限公司 | 一种机器人涂胶三维信息视觉检测装置及方法 |
| CN207280385U (zh) * | 2017-11-13 | 2018-04-27 | 易思维（天津）科技有限公司 | 一种机器人涂胶三维信息视觉检测装置 |
| CN108031614A (zh) * | 2017-12-14 | 2018-05-15 | 四川福德机器人股份有限公司 | 一种燃气表的涂胶自动补偿方法及采用该方法的装置 |
| CN112037161A (zh) * | 2019-05-17 | 2020-12-04 | 上海贝特威自动化科技有限公司 | 一种基于区域自动阈值分析的涂胶分析方法 |
| CN110211101A (zh) * | 2019-05-22 | 2019-09-06 | 武汉理工大学 | 一种铁轨表面缺陷快速检测系统及方法 |
| CN110503638A (zh) * | 2019-08-15 | 2019-11-26 | 上海理工大学 | 螺旋胶质量在线检测方法 |
| CN110530273A (zh) * | 2019-09-23 | 2019-12-03 | 易思维（杭州）科技有限公司 | 基于结构光测量的涂胶信息检测方法 |
| CN111097664A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于机器人涂胶的实时纠偏方法 |
| CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
| CN112025677A (zh) * | 2020-07-28 | 2020-12-04 | 武汉象点科技有限公司 | 一种基于视觉检测的自动引导补胶系统及方法 |
| CN115682943A (zh) * | 2021-07-21 | 2023-02-03 | 苏州希盟科技股份有限公司 | 用于胶线检测的方法 |
| CN113763323A (zh) * | 2021-07-30 | 2021-12-07 | 广东省威汇智能科技有限公司 | 一种基于机器视觉的车载摄像头点胶检测方法 |
| WO2023019508A1 (zh) * | 2021-08-19 | 2023-02-23 | 宁德时代新能源科技股份有限公司 | 涂胶面积的检测方法、电子设备和计算机可读存储介质 |
| WO2023092690A1 (zh) * | 2021-11-29 | 2023-06-01 | 歌尔股份有限公司 | 检验胶路状态的装置及其检验方法 |
| CN114794666A (zh) * | 2022-03-31 | 2022-07-29 | 深圳市如本科技有限公司 | 鞋面涂胶方法、系统、计算机设备及计算机可读存储介质 |
| CN217906545U (zh) * | 2022-03-31 | 2022-11-29 | 深圳市如本科技有限公司 | 一种鞋面涂胶系统 |
| CN116297453A (zh) * | 2023-03-15 | 2023-06-23 | 广州高迪机电工程有限公司 | 基于自动化涂胶的品质辅助检测视觉系统 |
Non-Patent Citations (3)
| Title |
|---|
| Effect of adhesive thickness, adhesive type and scarf angle on the mechanical properties of scarf adhesive joints;Lijuan Liao 等;《ELSEVIER》;全文 * |
| 基于线阵相机的涂胶质量检测;焦键;《山西电子技术》(第第1期期);全文 * |
| 基于视觉的涂胶质量检测方法;陈甦欣 等;《组合机床与自动化加工技术》(第第7期期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116777888A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110349126B (zh) | 一种基于卷积神经网络带标记的钢板表面缺陷检测方法 | |
| CN104408460B (zh) | 一种车道线检测及跟踪检测方法 | |
| US5949905A (en) | Model-based adaptive segmentation | |
| CN110570435B (zh) | 用于对车辆损伤图像进行损伤分割的方法及装置 | |
| CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
| CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
| CN107490582B (zh) | 一种流水线工件检测系统 | |
| CN111340749B (zh) | 图像质量的检测方法、装置、设备及存储介质 | |
| CN112991193B (zh) | 深度图像修复方法、设备及计算机可读存储介质 | |
| CN110517265A (zh) | 一种产品表面缺陷的检测方法、装置及存储介质 | |
| CN105678245A (zh) | 一种基于哈尔特征的靶位识别方法 | |
| CN116228780B (zh) | 基于计算机视觉的硅片缺陷检测方法及系统 | |
| CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN114199127A (zh) | 基于机器视觉的汽车零件尺寸检测系统及方法 | |
| CN116777888B (zh) | 带角度涂胶时视觉检测系统对胶宽的自适应补偿修正方法 | |
| CN112288726B (zh) | 一种井下带式输送机带面异物检测方法 | |
| CN116485801B (zh) | 基于计算机视觉的胶管质量在线检测方法及系统 | |
| CN110889817B (zh) | 图像融合质量评价方法及装置 | |
| Fursov et al. | Correction of distortions in color images based on parametric identification | |
| CN116758425A (zh) | 一种大基地光伏电站自动验收方法和装置 | |
| CN115661187B (zh) | 用于中药制剂分析的图像增强方法 | |
| CN110853097A (zh) | 一种应用于饼干表面图案打印设备的饼干识别定位方法 | |
| CN112991425B (zh) | 一种水域水位提取方法、系统及存储介质 | |
| CN109448012A (zh) | 一种图像边缘检测方法及装置 | |
| CN115035168A (zh) | 基于多约束的光伏面板多源图像配准方法、装置及系统 |
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 |