CN116908106A - 一种基于视觉的产品检测方法及装置 - Google Patents
一种基于视觉的产品检测方法及装置 Download PDFInfo
- Publication number
- CN116908106A CN116908106A CN202310990319.2A CN202310990319A CN116908106A CN 116908106 A CN116908106 A CN 116908106A CN 202310990319 A CN202310990319 A CN 202310990319A CN 116908106 A CN116908106 A CN 116908106A
- Authority
- CN
- China
- Prior art keywords
- product
- detected
- image
- detection model
- target
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 220
- 238000000034 method Methods 0.000 claims abstract description 173
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 72
- 238000012360 testing method Methods 0.000 claims description 41
- 238000002372 labelling Methods 0.000 claims description 29
- 238000010276 construction Methods 0.000 claims description 9
- 238000012797 qualification Methods 0.000 claims description 3
- 230000006855 networking Effects 0.000 abstract description 20
- 230000000007 visual effect Effects 0.000 abstract description 19
- 230000006698 induction Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011179 visual inspection Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于视觉的产品检测方法及装置,针对每一工序装配完成的待测产品,当接收到PLC控制器发送的表征待测产品到达检测位置的到位信号时,控制目标工序对应的相机采集待测产品的待测图像,利用目标工序对应的检测模型,对待测图像进行分析处理,若待测产品合格,则向PLC控制器发送放行信号将检测合格的产品放行,若待测产品不合格,则生成报警信息。在本方案中,视觉防错组网系统由PC机,以及与PC机分别连接的PLC控制器和各个相机构成,根据待测产品当前的工序利用相应的相机采集待测图像,然后利用检测模型对待测产品质量分析处理,从而实现一个视觉防错组网系统对多个工序装配的产品检测,充分利用资源降低成本的目的。
Description
技术领域
本发明涉及图像识别技术领域,具体涉及一种基于视觉的产品检测方法及装置。
背景技术
随着社会的发展和科学技术的不断进步,车间对零部件装配的要求越来越高,但是车间中漏装、错装的情况时常发生,最终造成产品质量不合格。
现有技术中,一个视觉检测系统控制一个工业相机的方式来进行视觉检测的,因此一个视觉检测系统只能检测一个工序装配的产品质量,没有充分利用资源,成本较高。
综上,如何对多个工序装配的产品质量进行检测是目前急需解决的问题。
发明内容
有鉴于此,本发明实施例提供一种基于视觉的产品检测方法及装置,以实现一个视觉防错组网系统对多个工序装配的产品检测,充分利用资源降低成本的目的。
为实现上述目的,本发明实施例提供如下技术方案:
本发明实施例第一方面公开了一种基于视觉的产品检测方法,应用于视觉防错组网系统中的PC机,所述视觉防错组网系统由所述PC机,以及与所述PC机分别连接的PLC控制器和各个工序对应的相机构成,所述PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,所述方法包括:
针对每一工序装配完成的待测产品,当接收到所述PLC控制器发送的表征所述待测产品到达检测位置的到位信号时,基于所述到位信号得到所述待测产品对应的目标工序;
控制所述目标工序对应的相机采集所述待测产品的待测图像;
利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果;
若所述分析结果表征所述待测产品合格,则向所述PLC控制器发送放行信号,使得所述PLC控制器控制流水线设备将检测合格的产品放行;
若所述分析结果表征所述待测产品不合格,则生成报警信息。
优选的,所述利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果,包括:
对所述待测图像进行图像增强处理,得到并提取出所述待测产品关键部位的特征点;
利用所述目标工序对应的检测模型,对所述待测产品关键部位的特征点进行分析处理,输出分析结果。
优选的,每一检测模型的构建过程,包括:
针对每一工序,获取所述工序对应产品的图像集;
利用图片标注工具,在所述图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;
构建包含检测算法的待训练的检测模型;
将所述训练集中的图像输入到待训练的检测模型中进行训练,得到训练完成的检测模型;
将所述测试集中的图像输入到待训练的检测模型中进行测试;
若待训练的检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的检测模型中进行训练,直到待训练的检测模型符合要求。
优选的,所述目标工序对应配置有用于采集待测产品各个角度图像的相机,所述PC机配置有所述目标工序对应的各个角度待测图像的目标检测模型,相应的,所述控制所述目标工序对应的相机采集所述待测产品的待测图像,包括:
控制所述目标工序对应的各个相机采集所述待测产品各个角度的待测图像;
相应的,所述利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果,包括:
利用所述目标工序对应的各个角度待测图像的目标检测模型,分别对所述待测产品各个角度待测图像进行分析处理;
若每一待测图像的分析结果都为合格,则确定所述待测产品的分析结果为合格,输出表征所述待测产品合格的分析结果;
若任一待测图像的分析结果为不合格,则确定所述待测产品的分析结果为不合格,输出表征所述待测产品不合格的分析结果。
优选的,各个目标检测模型的构建过程,包括:
获取所述目标工序对应的产品的图像集;
将所述图像集按照各个不同角度划分为各个子图像集;
针对每一子图像集,利用图片标注工具,在所述子图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;
构建包含检测算法并对应各个不同角度图像的待训练的目标检测模型;
针对每一待训练的目标检测模型,将相应的训练集中的图像输入到待训练的目标检测模型中进行训练,得到训练完成的检测模型;
将相应的测试集中的图像输入到待训练的目标检测模型中进行测试;
若待训练的目标检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的目标检测模型中进行训练,直到待训练的目标检测模型符合要求。
本发明实施例第二方面公开了一种基于视觉的产品检测装置,应用于视觉防错组网系统中的PC机,所述视觉防错组网系统由所述PC机,以及与所述PC机分别连接的PLC控制器和各个工序对应的相机构成,所述PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,所述装置包括:
获取单元,用于针对每一工序装配完成的待测产品,当接收到所述PLC控制器发送的表征所述待测产品到达检测位置的到位信号时,基于所述到位信号得到所述待测产品对应的目标工序;
控制单元,用于控制所述目标工序对应的相机采集所述待测产品的待测图像;
检测单元,用于利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果;若所述分析结果表征所述待测产品合格,则向所述PLC控制器发送放行信号,使得所述PLC控制器控制流水线设备将检测合格的产品放行;若所述分析结果表征所述待测产品不合格,则生成报警信息。
优选的,用于利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果的检测单元,具体用于:
对所述待测图像进行图像增强处理,得到并提取出所述待测产品关键部位的特征点;利用所述目标工序对应的检测模型,对所述待测产品关键部位的特征点进行分析处理,输出分析结果。
优选的,还包括:
第一构建单元,用于针对每一工序,获取所述工序对应产品的图像集;利用图片标注工具,在所述图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;构建包含检测算法的待训练的检测模型;将所述训练集中的图像输入到待训练的检测模型中进行训练,得到训练完成的检测模型;将所述测试集中的图像输入到待训练的检测模型中进行测试;若待训练的检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的检测模型中进行训练,直到待训练的检测模型符合要求。
优选的,所述目标工序对应配置有用于采集待测产品各个角度图像的相机,所述PC机配置有所述目标工序对应的各个角度待测图像的目标检测模型,相应的,所述控制单元,具体用于:
控制所述目标工序对应的各个相机采集所述待测产品各个角度的待测图像;
相应的,所述利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果的检测单元,具体用于:
利用所述目标工序对应的各个角度待测图像的目标检测模型,分别对所述待测产品各个角度待测图像进行分析处理;若每一待测图像的分析结果都为合格,则确定所述待测产品的分析结果为合格;若任一待测图像的分析结果为不合格,则确定所述待测产品的分析结果为不合格。
优选的,还包括:
第二构建单元,用于获取所述目标工序对应的产品的图像集;将所述图像集按照各个不同角度划分为各个子图像集;针对每一子图像集,利用图片标注工具,在所述子图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;构建包含检测算法并对应各个不同角度图像的待训练的目标检测模型;针对每一待训练的目标检测模型,将相应的训练集中的图像输入到待训练的目标检测模型中进行训练,得到训练完成的检测模型;将相应的测试集中的图像输入到待训练的目标检测模型中进行测试;若待训练的目标检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的目标检测模型中进行训练,直到待训练的目标检测模型符合要求。
基于上述本发明实施例提供的一种基于视觉的产品检测方法及装置,针对每一工序装配完成的待测产品,当接收到所述PLC控制器发送的表征所述待测产品到达检测位置的到位信号时,基于所述到位信号得到所述待测产品对应的目标工序;控制所述目标工序对应的相机采集所述待测产品的待测图像;利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果;若所述分析结果表征所述待测产品合格,则向所述PLC控制器发送放行信号,使得所述PLC控制器控制流水线设备将检测合格的产品放行;若所述分析结果表征所述待测产品不合格,则生成报警信息。在本方案中,视觉防错组网系统由PC机,以及与PC机分别连接的PLC控制器和各个工序对应的相机构成,PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,根据待测产品当前的工序,利用相应的相机采集待测图像,然后利用检测模型对待测产品质量分析处理,从而实现一个视觉防错组网系统对多个工序装配的产品检测,充分利用资源,降低成本的目的。
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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种视觉防错组网系统的架构图;
图2为本发明实施例公开的一种基于视觉的产品检测方法的流程图;
图3为本发明实施例公开的一种基于视觉的产品检测装置的结构图。
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。
在本申请中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
由背景技术可知,现有技术中,一个视觉检测系统控制一个工业相机的方式来进行视觉检测的,因此一个视觉检测系统只能检测一个工序装配的产品质量,没有充分利用资源,成本较高。
因此,本发明实施例公开了一种基于视觉的产品检测方法及装置,在本方案中,视觉防错组网系统由PC机,以及与PC机分别连接的PLC控制器和各个工序对应的相机构成,PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,根据待测产品当前的工序,利用相应的相机采集待测图像,然后利用检测模型对待测产品质量分析处理,从而实现一个视觉防错组网系统对多个工序装配的产品检测,充分利用资源,降低成本的目的。
如图1所示,为本发明实施例公开的一种视觉防错组网系统的架构图,该系统包括:PC机1、PLC控制器2和n个与各个工序对应的相机3,n为正整数。
其中,视觉防错组网系统由PC机1,以及与PC机1分别连接的PLC控制器2和n个相机3构成,PLC控制器2与流水线设备连接。
PC机1中配置有分别用于检测各个工序装配产品图像的各个检测模型,相机3优选使用工业相机,但不限于工业相机。
需要说明的是,PC机1、PLC控制器2和n个相机3处于同一局域网下,且三者之间的连接方式为TCP连接。
具体的,PC机1用于控制各个相机3采集待测产品的图像,PLC控制器用于接收流水线设备发送的待测产品到达检测位置的感应信号,以及控制流水线设备放行检测合格的产品。
如图2所示,为本发明实施例公开的一种基于视觉的产品检测方法的流程图,该方法应用于上述本发明实施例公开的一种视觉防错组网系统,该方法包括以下步骤:
步骤S201:针对每一工序装配完成的待测产品,当接收到PLC控制器发送的表征待测产品到达检测位置的到位信号时,基于到位信号得到待测产品对应的目标工序。
在步骤S201中,每一工序装配完成的产品,都会通过流水线设备传送到对应的检测位置,该检测位置设置有与该工序对应的相机,流水线设备中包含与PLC控制器连接的感应装置,响应于感应装置感应到待测产品到达检测位置后,PLC控制器向PC机发送到位信号。
需要说明的是,由于产品装配为流水线装配,每个工序对应的检测位置不一样,每个检测位置都设置有感应装置,因此,PLC控制器通过感应装置检测到待测产品到达检测位置后,根据检测位置即可得到待测产品所对应的工序。
步骤S202:控制目标工序对应的相机采集待测产品的待测图像。
在步骤S202中,PC机向目标工序对应的相机发送拍照信号,相机完成拍摄后,将待测图像返回给PC机,由于PC机和相机都处于同一局域网下,两者之间的信号和待测图像传递,都是通过TCP通讯的方式传递。
在步骤S202另一种实施方式中,由于目标工序装配完成的产品,需要多角度的图像来识别其质量,因此,该目标工序的检测位置对应设置有多个相机,用于采集多角度的待测图像,此时,控制目标工序对应的各个相机采集待测产品各个角度的待测图像。
步骤S203:利用目标工序对应的检测模型,对待测图像进行分析处理,输出分析结果。
在步骤S203中,分析结果包括表征待测产品合格或者不合格的结果。
每一工序装配完成的产品进度都不一样,例如,第一工序装配完成车辆的车门,第二工序装配完成车辆的轮胎,因此,各个工序对应不同的检测模型,分别对不同工序装配完成的待测图像进行检测。
其中,各个检测模型都是预先构建并训练完成后,配置在PC机中的。
在步骤S203的具体实现过程中,对待测图像进行图像增强处理,得到并提取出待测产品关键部位的特征点。
然后,利用目标工序对应的检测模型,对待测产品关键部位的特征点进行分析处理,输出分析结果。
需要说明的是,检测模型的分析处理原理是通过提取待测图像中的特征信息,判断是否存在特定的物体,检测模型既可以通过待测产品的图像直接判断待测产品是否合格,也可以通过提取关键部位的特征点再利用检测模型进行分析,从而提高检测模型分析处理的效率和准确率。
各个工序对应的检测模型的构建及训练过程如下:
针对每一工序,获取工序对应产品的图像集。
需要说明的是,图像集中包含过往采集的该工序装配完成的合格以及不合格产品的图像。
利用图片标注工具,在图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集。
构建包含检测算法的待训练的检测模型。
将训练集中的图像输入到待训练的检测模型中进行训练,得到训练完成的检测模型。
将测试集中的图像输入到待训练的检测模型中进行测试。
需要说明的是,若将测试集中的图像输入到待训练的检测模型中进行测试,检测模型输出的分析结果与该图像中的标注信息不一致,则认为检测模型不符合要求。
若待训练的检测模型不符合要求,则继续将训练集中的图像输入到待训练的检测模型中进行训练,直到待训练的检测模型符合要求。
在一实施例中,由于目标工序装配完成的产品,需要多角度的图像来识别其质量,因此,该目标工序的检测位置对应设置有多个相机,用于采集多角度的待测图像,此时,控制目标工序对应的各个相机采集待测产品各个角度的待测图像。
相应的,步骤S203的另一种实施方式包括:
利用目标工序对应的各个角度待测图像的目标检测模型,分别对待测产品各个角度待测图像进行分析处理。
若每一待测图像的分析结果都为合格,则确定待测产品的分析结果为合格,输出表征待测产品合格的分析结果。
若任一待测图像的分析结果为不合格,则确定待测产品的分析结果为不合格,输出表征待测产品不合格的分析结果。
例如,四轮车辆的轮胎装配工序,仅通过一侧角度的图像无法判断全部轮胎是否装配到位,因此,需要多个角度进行判断,且每一角度都显示轮胎装配到位,才能说明四轮车辆的轮胎装配工序装配的产品合格。
其中,目标工序对应的各个角度待测图像的目标检测模型,构建过程如下:
获取目标工序对应的产品的图像集。
其中,由于目标工序需多角度判断其装配的产品是否合格,因此图像集中包含目标工序装配完成的产品各个角度合格以及不合格的图像。
将图像集按照各个不同角度划分为各个子图像集。
需要说明的是,相同角度拍摄的图像划分到同一个子图像集中。
针对每一子图像集,利用图片标注工具,在子图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集。
构建包含检测算法并对应各个不同角度图像的待训练的目标检测模型。
针对每一待训练的目标检测模型,将相应的训练集中的图像输入到待训练的目标检测模型中进行训练,得到训练完成的检测模型。
将相应的测试集中的图像输入到待训练的目标检测模型中进行测试。
若待训练的目标检测模型不符合要求,则继续将训练集中的图像输入到待训练的目标检测模型中进行训练,直到待训练的目标检测模型符合要求。
步骤S204:若分析结果表征待测产品合格,则向PLC控制器发送放行信号,使得PLC控制器控制流水线设备将检测合格的产品放行,若分析结果表征待测产品不合格,则生成报警信息。
在步骤S204中,PLC控制器控制流水线设备将检测合格的产品放行,检测合格的产品离开检测位置,使得下一个待测产品到达检测位置。
报警信息中包含不合格产品对应的工序,以及不合格产品的不合格部位。
可以理解的是,由于检测模型是根据待测产品关键部位的特征点进行合格与不合格的判断,因此,根据不合格的特征点对应的关键部位,即为不合格部位。
基于上述本发明实施例公开的一种基于视觉的产品检测方法,针对每一工序装配完成的待测产品,当接收到PLC控制器发送的表征待测产品到达检测位置的到位信号时,基于到位信号得到待测产品对应的目标工序,控制目标工序对应的相机采集待测产品的待测图像,利用目标工序对应的检测模型,对待测图像进行分析处理,输出分析结果,若分析结果表征待测产品合格,则向PLC控制器发送放行信号,使得PLC控制器控制流水线设备将检测合格的产品放行,若分析结果表征待测产品不合格,则生成报警信息。在本方案中,视觉防错组网系统由PC机,以及与PC机分别连接的PLC控制器和各个工序对应的相机构成,PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,根据待测产品当前的工序,利用相应的相机采集待测图像,然后利用检测模型对待测产品质量分析处理,从而实现一个视觉防错组网系统对多个工序装配的产品检测,充分利用资源,降低成本的目的。
基于上述本发明实施例公开的一种基于视觉的产品检测方法,相应的,如图3所示,为本发明实施例公开的一种基于视觉的产品检测装置的结构图,该装置适用于上述本发明实施例公开的一种视觉防错组网系统,该装置包括:获取单元301、控制单元302和检测单元303。
其中,获取单元301,用于针对每一工序装配完成的待测产品,当接收到PLC控制器发送的表征待测产品到达检测位置的到位信号时,基于到位信号得到待测产品对应的目标工序。
控制单元302,用于控制目标工序对应的相机采集待测产品的待测图像。
检测单元303,用于利用目标工序对应的检测模型,对待测图像进行分析处理,输出分析结果,若分析结果表征待测产品合格,则向PLC控制器发送放行信号,使得PLC控制器控制流水线设备将检测合格的产品放行,若分析结果表征待测产品不合格,则生成报警信息。
在一实施例中,用于利用目标工序对应的检测模型,对待测图像进行分析处理,输出分析结果的检测单元303,具体用于:
对待测图像进行图像增强处理,得到并提取出待测产品关键部位的特征点,利用目标工序对应的检测模型,对待测产品关键部位的特征点进行分析处理,输出分析结果。
在一实施例中,基于视觉的产品检测装置还包括:
第一构建单元,用于针对每一工序,获取工序对应产品的图像集,利用图片标注工具,在图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集,构建包含检测算法的待训练的检测模型,将训练集中的图像输入到待训练的检测模型中进行训练,得到训练完成的检测模型,将测试集中的图像输入到待训练的检测模型中进行测试,若待训练的检测模型不符合要求,则继续将训练集中的图像输入到待训练的检测模型中进行训练,直到待训练的检测模型符合要求。
在一实施例中,目标工序对应配置有用于采集待测产品各个角度图像的相机,PC机配置有目标工序对应的各个角度待测图像的目标检测模型,相应的,控制单元302,具体用于:
控制目标工序对应的各个相机采集待测产品各个角度的待测图像。
相应的,利用目标工序对应的检测模型,对待测图像进行分析处理,输出分析结果的检测单元303,具体用于:
利用目标工序对应的各个角度待测图像的目标检测模型,分别对待测产品各个角度待测图像进行分析处理,若每一待测图像的分析结果都为合格,则确定待测产品的分析结果为合格,若任一待测图像的分析结果为不合格,则确定待测产品的分析结果为不合格。
在一实施例中,基于视觉的产品检测装置还包括:
第二构建单元,用于获取目标工序对应的产品的图像集,将图像集按照各个不同角度划分为各个子图像集,针对每一子图像集,利用图片标注工具,在子图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集,构建包含检测算法并对应各个不同角度图像的待训练的目标检测模型,针对每一待训练的目标检测模型,将相应的训练集中的图像输入到待训练的目标检测模型中进行训练,得到训练完成的检测模型,将相应的测试集中的图像输入到待训练的目标检测模型中进行测试,若待训练的目标检测模型不符合要求,则继续将训练集中的图像输入到待训练的目标检测模型中进行训练,直到待训练的目标检测模型符合要求。
基于上述本发明实施例公开的一种基于视觉的产品检测装置,针对每一工序装配完成的待测产品,当接收到PLC控制器发送的表征待测产品到达检测位置的到位信号时,基于到位信号得到待测产品对应的目标工序,控制目标工序对应的相机采集待测产品的待测图像,利用目标工序对应的检测模型,对待测图像进行分析处理,输出分析结果,若分析结果表征待测产品合格,则向PLC控制器发送放行信号,使得PLC控制器控制流水线设备将检测合格的产品放行,若分析结果表征待测产品不合格,则生成报警信息。在本方案中,视觉防错组网系统由PC机,以及与PC机分别连接的PLC控制器和各个工序对应的相机构成,PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,根据待测产品当前的工序,利用相应的相机采集待测图像,然后利用检测模型对待测产品质量分析处理,从而实现一个视觉防错组网系统对多个工序装配的产品检测,充分利用资源,降低成本的目的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于视觉的产品检测方法,其特征在于,应用于视觉防错组网系统中的PC机,所述视觉防错组网系统由所述PC机,以及与所述PC机分别连接的PLC控制器和各个工序对应的相机构成,所述PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,所述方法包括:
针对每一工序装配完成的待测产品,当接收到所述PLC控制器发送的表征所述待测产品到达检测位置的到位信号时,基于所述到位信号得到所述待测产品对应的目标工序;
控制所述目标工序对应的相机采集所述待测产品的待测图像;
利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果;
若所述分析结果表征所述待测产品合格,则向所述PLC控制器发送放行信号,使得所述PLC控制器控制流水线设备将检测合格的产品放行;
若所述分析结果表征所述待测产品不合格,则生成报警信息。
2.根据权利要求1所述的方法,其特征在于,所述利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果,包括:
对所述待测图像进行图像增强处理,得到并提取出所述待测产品关键部位的特征点;
利用所述目标工序对应的检测模型,对所述待测产品关键部位的特征点进行分析处理,输出分析结果。
3.根据权利要求1所述的方法,其特征在于,每一检测模型的构建过程,包括:
针对每一工序,获取所述工序对应产品的图像集;
利用图片标注工具,在所述图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;
构建包含检测算法的待训练的检测模型;
将所述训练集中的图像输入到待训练的检测模型中进行训练,得到训练完成的检测模型;
将所述测试集中的图像输入到待训练的检测模型中进行测试;
若待训练的检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的检测模型中进行训练,直到待训练的检测模型符合要求。
4.根据权利要求1所述的方法,其特征在于,所述目标工序对应配置有用于采集待测产品各个角度图像的相机,所述PC机配置有所述目标工序对应的各个角度待测图像的目标检测模型,相应的,所述控制所述目标工序对应的相机采集所述待测产品的待测图像,包括:
控制所述目标工序对应的各个相机采集所述待测产品各个角度的待测图像;
相应的,所述利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果,包括:
利用所述目标工序对应的各个角度待测图像的目标检测模型,分别对所述待测产品各个角度待测图像进行分析处理;
若每一待测图像的分析结果都为合格,则确定所述待测产品的分析结果为合格,输出表征所述待测产品合格的分析结果;
若任一待测图像的分析结果为不合格,则确定所述待测产品的分析结果为不合格,输出表征所述待测产品不合格的分析结果。
5.根据权利要求4所述的方法,其特征在于,各个目标检测模型的构建过程,包括:
获取所述目标工序对应的产品的图像集;
将所述图像集按照各个不同角度划分为各个子图像集;
针对每一子图像集,利用图片标注工具,在所述子图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;
构建包含检测算法并对应各个不同角度图像的待训练的目标检测模型;
针对每一待训练的目标检测模型,将相应的训练集中的图像输入到待训练的目标检测模型中进行训练,得到训练完成的检测模型;
将相应的测试集中的图像输入到待训练的目标检测模型中进行测试;
若待训练的目标检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的目标检测模型中进行训练,直到待训练的目标检测模型符合要求。
6.一种基于视觉的产品检测装置,其特征在于,应用于视觉防错组网系统中的PC机,所述视觉防错组网系统由所述PC机,以及与所述PC机分别连接的PLC控制器和各个工序对应的相机构成,所述PC机中配置有分别用于检测各个工序装配产品图像的各个检测模型,所述装置包括:
获取单元,用于针对每一工序装配完成的待测产品,当接收到所述PLC控制器发送的表征所述待测产品到达检测位置的到位信号时,基于所述到位信号得到所述待测产品对应的目标工序;
控制单元,用于控制所述目标工序对应的相机采集所述待测产品的待测图像;
检测单元,用于利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果;若所述分析结果表征所述待测产品合格,则向所述PLC控制器发送放行信号,使得所述PLC控制器控制流水线设备将检测合格的产品放行;若所述分析结果表征所述待测产品不合格,则生成报警信息。
7.根据权利要求6所述的装置,其特征在于,用于利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果的检测单元,具体用于:
对所述待测图像进行图像增强处理,得到并提取出所述待测产品关键部位的特征点;利用所述目标工序对应的检测模型,对所述待测产品关键部位的特征点进行分析处理,输出分析结果。
8.根据权利要求6所述的装置,其特征在于,还包括:
第一构建单元,用于针对每一工序,获取所述工序对应产品的图像集;利用图片标注工具,在所述图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;构建包含检测算法的待训练的检测模型;将所述训练集中的图像输入到待训练的检测模型中进行训练,得到训练完成的检测模型;将所述测试集中的图像输入到待训练的检测模型中进行测试;若待训练的检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的检测模型中进行训练,直到待训练的检测模型符合要求。
9.根据权利要求6所述的装置,其特征在于,所述目标工序对应配置有用于采集待测产品各个角度图像的相机,所述PC机配置有所述目标工序对应的各个角度待测图像的目标检测模型,相应的,所述控制单元,具体用于:
控制所述目标工序对应的各个相机采集所述待测产品各个角度的待测图像;
相应的,所述利用所述目标工序对应的检测模型,对所述待测图像进行分析处理,输出分析结果的检测单元,具体用于:
利用所述目标工序对应的各个角度待测图像的目标检测模型,分别对所述待测产品各个角度待测图像进行分析处理;若每一待测图像的分析结果都为合格,则确定所述待测产品的分析结果为合格;若任一待测图像的分析结果为不合格,则确定所述待测产品的分析结果为不合格。
10.根据权利要求9所述的装置,其特征在于,还包括:
第二构建单元,用于获取所述目标工序对应的产品的图像集;将所述图像集按照各个不同角度划分为各个子图像集;针对每一子图像集,利用图片标注工具,在所述子图像集中标注表征各个图像中的产品是否合格的标注信息,并划分得到训练集和测试集;构建包含检测算法并对应各个不同角度图像的待训练的目标检测模型;针对每一待训练的目标检测模型,将相应的训练集中的图像输入到待训练的目标检测模型中进行训练,得到训练完成的检测模型;将相应的测试集中的图像输入到待训练的目标检测模型中进行测试;若待训练的目标检测模型不符合要求,则继续将所述训练集中的图像输入到待训练的目标检测模型中进行训练,直到待训练的目标检测模型符合要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990319.2A CN116908106A (zh) | 2023-08-08 | 2023-08-08 | 一种基于视觉的产品检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310990319.2A CN116908106A (zh) | 2023-08-08 | 2023-08-08 | 一种基于视觉的产品检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116908106A true CN116908106A (zh) | 2023-10-20 |
Family
ID=88360169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310990319.2A Pending CN116908106A (zh) | 2023-08-08 | 2023-08-08 | 一种基于视觉的产品检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116908106A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117911411A (zh) * | 2024-03-19 | 2024-04-19 | 南京认知物联网研究院有限公司 | 一种基于图片流并行检测的计算机视觉检测方法及装置 |
-
2023
- 2023-08-08 CN CN202310990319.2A patent/CN116908106A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117911411A (zh) * | 2024-03-19 | 2024-04-19 | 南京认知物联网研究院有限公司 | 一种基于图片流并行检测的计算机视觉检测方法及装置 |
CN117911411B (zh) * | 2024-03-19 | 2024-05-24 | 南京认知物联网研究院有限公司 | 一种基于图片流并行检测的计算机视觉检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102253048B (zh) | 可用于多种产品检测的机器视觉检测方法及系统 | |
CN107179324B (zh) | 检测产品包装的方法、装置和系统 | |
CN116908106A (zh) | 一种基于视觉的产品检测方法及装置 | |
CN109060817B (zh) | 人工智能复检系统及其方法 | |
CN109982037A (zh) | 智能巡检装置 | |
CN113023293A (zh) | 一种皮带机的巡检方法、装置、设备及系统 | |
WO2008124663A1 (en) | Analyzing smoke or other emissions with pattern recognition | |
JP6795562B2 (ja) | 検査装置及び機械学習方法 | |
CN113838480B (zh) | 一种洗衣机异音检测方法、装置及电子设备 | |
CN115331002A (zh) | 一种基于ar眼镜实现热力站故障远程处理方法 | |
US11755007B2 (en) | System and method for determining a health condition and an anomaly of an equipment using one or more sensors | |
JP6823025B2 (ja) | 検査装置及び機械学習方法 | |
KR20210077496A (ko) | 초음파 대역의 음향 신호를 수신하는 다채널 감지 센서를 구비한 설비 고장 예측 시스템 | |
CN113554645A (zh) | 基于wgan的工业异常检测方法和装置 | |
CN107907546A (zh) | 一种基于智能移动终端的视觉缺陷检测方法与系统 | |
CN110243826A (zh) | 一种产品在线检测方法及装置 | |
WO2023053029A1 (en) | Method for identifying and characterizing, by means of artificial intelligence, surface defects on an object and cracks on brake discs subjected to fatigue tests | |
CN113091949B (zh) | 电缆状态检测方法、装置和设备 | |
CN106500831B (zh) | 振动传感器的检测方法和装置 | |
WO2022259380A1 (ja) | 点検支援装置、点検支援システム、点検支援方法および点検支援プログラム | |
CN112802018B (zh) | 分段圆形工件的完整性检测方法、装置、设备及存储介质 | |
CN114878087A (zh) | 一种基于人工智能的压力容器气密性的检测方法及装置 | |
CN113927217A (zh) | 一种智能焊接系统 | |
KR20200099863A (ko) | 대상물의 분석 방법 | |
CN114066799A (zh) | 检测系统和检测方法 |
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 |