CN116934719A - 一种用于带式输送设备的自动检测系统 - Google Patents
一种用于带式输送设备的自动检测系统 Download PDFInfo
- Publication number
- CN116934719A CN116934719A CN202310925180.3A CN202310925180A CN116934719A CN 116934719 A CN116934719 A CN 116934719A CN 202310925180 A CN202310925180 A CN 202310925180A CN 116934719 A CN116934719 A CN 116934719A
- Authority
- CN
- China
- Prior art keywords
- module
- image data
- product
- camera
- acquisition
- 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 60
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000012797 qualification Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 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
- 239000013307 optical fiber Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Abstract
本发明涉及图像处理技术领域,具体涉及一种用于带式输送设备的自动检测系统,包括采集层、分析层及判定层;产品的图像数据通过采集层获取,于采集层中储存,并根据产品检测精度需求选择相应组数向分析层发送,分析层基于产品检测精度进一步于接收到的产品图像数据中获取检测点位,应用检测点位对产品进行误差分析,误差分析结果向判定层发送,由判定层完成合格判定后,本发明能够以产品于输送设备上传输时所采集的图像数据作为基础数据,进一步通过获取产品轮廓图像,以产品轮廓图像获取轮廓线条转折点,以轮廓线条转折点获取连接线段的方式得到检测数据支持,从而最终实现对产品的外观检测,确保系统输出的检测结果精度更趋于精确。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种用于带式输送设备的自动检测系统。
背景技术
带式输送识别是一种摩擦驱动以连续方式运输物料的机械。主要由机架、输送带、托辊、滚筒、张紧装置、传动装置等组成,它可以将物料在一定的输送线上,从最初的供料点到最终的卸料点间形成一种物料的输送流程。
现有申请号为201921365960.2的发明专利,其公开了一种基于视觉AI的带式输送机安全监测及控制系统,其特征在于,包括监控中心、专家经验分析主机、信息分析处理主机、监控主机、视频拾取终端、语音拾取终端、喷雾喷淋装置、调偏装置、急停装置、声光报警装置;监控主机布置在带式输送机沿线,包括视频拾取终端和语音拾取终端,用于视频图像及语音信息采集;监控中心包括信息分析处理主机和专家经验分析主机;通过交换机和光纤与监控主机相连接;喷雾喷淋装置、调偏装置、急停装置、声光报警装置布置在带式输送机沿线;所述视频拾取终端通过视频摄像头完成输送机现场工作状态和工作环境的视频信息采集,并将采集的信息传输至信息分析处理主机。
该申请的目的在于解决:国内的带式输送机监控系统在监测过程中各类设备信息独立,不能实现多源信息的综合智能诊断,且整个监测系统是建立在传感器与控制器完全正常的基础上,而带式输送机工作环境恶劣,长期在恶劣环境下使用,检测所用的传感器设备容易故障,任意一个检测传感器故障都会对整个监测系统的可靠性受到影响,带式输送机一旦发生故障,检测设备故障,不仅会损坏设备,还有可能出现人身事故的问题。
然而,针对目前常用的输送设备上的检测设备或装置,其一贯采用简单的图像采集及图像分析来判定输送设备上传输的产品是否合格,其分析判定精度较差。
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,本发明提供了一种用于带式输送设备的自动检测系统,解决了目前常用的输送设备上的检测设备或装置,其一贯采用简单的图像采集及图像分析来判定输送设备上传输的产品是否合格,其分析判定精度较差的问题。
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:
一种用于带式输送设备的自动检测系统,包括采集层、分析层及判定层;
产品的图像数据通过采集层获取,于采集层中储存,并根据产品检测精度需求选择相应组数向分析层发送,分析层基于产品检测精度进一步于接收到的产品图像数据中获取检测点位,应用检测点位对产品进行误差分析,误差分析结果向判定层发送,由判定层完成合格判定后,于判定层中完成合格判定结果的输出;
所述分析层包括接收模块、识别模块及计算模块,接收模块用于接收储存模块中储存的产品图像数据,识别模块用于获取接收模块接收到的产品图像数据,对产品图像数据进行轮廓图像识别,进一步获取轮廓图像线条上的线条转折点,以转折点相互连接组成线段并向计算模块发送,计算模块中储存有标准产品三维模型,计算模块根据接收模块接收的产品图像数据的来源摄像头获取该产品图像数据在采集时的摄像头拍摄角度,计算模块应用摄像头拍摄角度于标准产品三维模型上获取对应视角的标准产品图像数据,并将标准产品图像数据向识别模块发送,于识别模块中完成与产品图像数据相同的操作,计算模块进一步计算产品图像数据对应线段与标准产品图像数据对应线段中,各相互对应位置线段长度差值;
所述识别模块中对于产品图像数据的轮廓图像识别结果通过下式进行求取,公式为:
G″(x,y)=[∑(|G0|+|G45|+|G90|+|G135|)]/2;
式中:G0、G45、G90及G135均为轮廓图像信息;G″(x,y)为产品图像数据中各图像点的灰度值集合;TH为判定阈值;E′(x,y)为经过阈值运算后图像点(x,y)处的灰度值,在求取G″(x,y)后,通过对G″(x,y)中的各图像点的灰度值与TH进行比对判定,判定处于TH中的灰度值对应图像点的集合即轮廓图像。
更进一步地,所述采集层包括采集模组及储存模块,采集模组由若干组摄像头组成,若干组所述摄像头以环绕式分布于输送设备的上方,若干组所述摄像头实时对输送设备上传输的产品进行图像数据的采集,储存模块用于接收采集模组采集到的产品图像数据,对产品图像数据进行储存;
其中,摄像头的图像采集频率不小于10帧/秒,储存模块中储存的各产品图像数据均标记有图像数据来源摄像头。
更进一步地,所述采集模组内部设置有子模块,包括控制单元,控制单元用于控制摄像头及输送设备协调运行,使输送设备上传输的产品到达摄像头图像数据采集区域时,控制传输设备暂停运行;
其中,控制单元控制传输设备暂停运行时间通过系统端用户手动设定,控制单元控制传输设备暂停运行时间初始默认设定为一秒,控制单元控制传输设备停止运行时,同步触发所有采集模组中摄像头运行,通过摄像头完成产品图像数据的采集。
更进一步地,所述采集模组中各摄像头在进行产品图像数据采集时,通过下式求取对焦距离,并以求取的对焦距离对摄像头进行调节,最终完成产品图像数据的采集,公式为:
式中:a为物距;x为摄像头捕捉到产品目标时的移动距离;b为像距;α为产品与摄像头所在平面法线夹角;β为产品与光源所在平面法线夹角;θ为光源与摄像头所在平面法线夹角;
其中;摄像头的调节操作于摄像头运行阶段重复运行,摄像头的调节操作持续时间不大于κ为摄像头的图像采集频率。
更进一步地,所述接收模块运行接收储存模块中储存的产品图像数据时,接收的产品图像数据数量根据系统端用户自定义选择,接收模块接收的产品图像数据数量与产品检测精度成正比。
更进一步地,所述识别模块中转折点相互连接组成的线段中各线段,均不与产品图像数据中轮廓图像线条重合。
更进一步地,所述识别模块中转折点相互连接组成的线段中各线段中点,通过系统端用户设定为轮廓图像线条上的线条转折点。
更进一步地,所述识别模块在对产品图像数据的轮廓图像进行识别时,应用方向模板对产品图像数据进行卷积运算,从而得到产品图像数据各方向的图像轮廓信息。
更进一步地,所述判定层包括求和模块及设定模块,求和模块用于接收计算模块计算得到的相互对应位置各线段长度差值,对各差值进行求和,设定模块用于设定产品合格判定阈值,应用判定阈值与求和模块输出结果进行比对,判定产品是否合格;
其中,求和模块在对各差值进行求和时,引入各差值对应线段的权重,各差值对应线段的权重通过系统端用户参考设定模块设定的合格判定阈值进行手动设定,差值对应线段的权重与线段的长度成正比,各差值求和的计算公式为:
式中:i为线段的组数;n″为线段的集合;Li为第i组来源产品图像数据的线段的长度L′;Li为第i组来源标准产品图像数据的线段的长度L″;ω1、ω2…ωu为线段差值的权重。
更进一步地,所述采集模组内部通过介质电性连接有控制单元,所述采集模组通过介质电性连接有储存模块,所述储存模块通过介质电性连接有接收模块、识别模块及计算模块,所述计算模块通过介质电性连接有求和模块,所述求和模块通过介质电性连接有设定模块。
有益效果
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、本发明提供一种用于带式输送设备的自动检测系统,该系统在运行过程中能够以产品于输送设备上传输时所采集的图像数据作为基础数据,进一步通过获取产品轮廓图像,以产品轮廓图像获取轮廓线条转折点,以轮廓线条转折点获取连接线段的方式得到检测数据支持,从而最终实现对产品的外观检测,确保系统输出的检测结果精度更趋于精确。
2、本发明中系统以来源于产品图像的连接线段作为检测依据数据,可以适用于不同形状结构的产品,产品类型受限较小,且可通过提升来源于产品图像的连接线段数量的方式,进一步提升该系统的输出检测结果精度。
3、本发明中系统输出的检测结果以数字化数据进行输出,能够便于用户快捷的读取检测结果,对产品是否合格进行快捷断定。
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为一种用于带式输送设备的自动检测系统的结构示意图;
图2为本发明中产品图像数据的轮廓图像求取时所使用的八个方向卷积因子示意图;
图3为本发明中摄像头与带式输送设备的分布位置关系示例图;
图4为本发明中轮廓图像线条转折点所组成线段产生过程演示示意图(图中未示尽);
图中的标号分别代表:1、带式输送设备;2、摄像头。
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。
实施例一
本实施例的一种用于带式输送设备的自动检测系统,如图1和3所示,包括采集层、分析层及判定层;
产品的图像数据通过采集层获取,于采集层中储存,并根据产品检测精度需求选择相应组数向分析层发送,分析层基于产品检测精度进一步于接收到的产品图像数据中获取检测点位,应用检测点位对产品进行误差分析,误差分析结果向判定层发送,由判定层完成合格判定后,于判定层中完成合格判定结果的输出;
分析层包括接收模块、识别模块及计算模块,接收模块用于接收储存模块中储存的产品图像数据,识别模块用于获取接收模块接收到的产品图像数据,对产品图像数据进行轮廓图像识别,进一步获取轮廓图像线条上的线条转折点,以转折点相互连接组成线段并向计算模块发送,计算模块中储存有标准产品三维模型,计算模块根据接收模块接收的产品图像数据的来源摄像头获取该产品图像数据在采集时的摄像头拍摄角度,计算模块应用摄像头拍摄角度于标准产品三维模型上获取对应视角的标准产品图像数据,并将标准产品图像数据向识别模块发送,于识别模块中完成与产品图像数据相同的操作,计算模块进一步计算产品图像数据对应线段与标准产品图像数据对应线段中,各相互对应位置线段长度差值;
识别模块中对于产品图像数据的轮廓图像识别结果通过下式进行求取,公式为:
G″(x,y)=[∑(|G0|+|G45|+|G90|+|G135|)]/2;
式中:G0、G45、G90及G135均为轮廓图像信息;G″(x,y)为产品图像数据中各图像点的灰度值集合;TH为判定阈值;E′(x,y)为经过阈值运算后图像点(x,y)处的灰度值,在求取G″(x,y)后,通过对G″(x,y)中的各图像点的灰度值与TH进行比对判定,判定处于TH中的灰度值对应图像点的集合即轮廓图像;
采集层包括采集模组及储存模块,采集模组由若干组摄像头组成,若干组摄像头以环绕式分布于输送设备的上方,若干组摄像头实时对输送设备上传输的产品进行图像数据的采集,储存模块用于接收采集模组采集到的产品图像数据,对产品图像数据进行储存;
其中,摄像头的图像采集频率不小于10帧/秒,储存模块中储存的各产品图像数据均标记有图像数据来源摄像头;
判定层包括求和模块及设定模块,求和模块用于接收计算模块计算得到的相互对应位置各线段长度差值,对各差值进行求和,设定模块用于设定产品合格判定阈值,应用判定阈值与求和模块输出结果进行比对,判定产品是否合格;
其中,求和模块在对各差值进行求和时,引入各差值对应线段的权重,各差值对应线段的权重通过系统端用户参考设定模块设定的合格判定阈值进行手动设定,差值对应线段的权重与线段的长度成正比,各差值求和的计算公式为:
式中:i为线段的组数;n″为线段的集合;Li为第i组来源产品图像数据的线段的长度L′;Li为第i组来源标准产品图像数据的线段的长度L″;ω1、ω2…ωu为线段差值的权重;
识别模块在对产品图像数据的轮廓图像进行识别时,应用方向模板对产品图像数据进行卷积运算,从而得到产品图像数据各方向的图像轮廓信息;
采集模组内部通过介质电性连接有控制单元,采集模组通过介质电性连接有储存模块,储存模块通过介质电性连接有接收模块、识别模块及计算模块,计算模块通过介质电性连接有求和模块,求和模块通过介质电性连接有设定模块。
在本实施例中,输送设备在输送产品的过程中采集模块实时对输送设备上传输的产品进行图像数据的采集,并通过储存模块实时对输送设备上传输的产品进行图像数据的采集,接收模块后置运行接收储存模块中储存的产品图像数据,同步的识别模块获取接收模块接收到的产品图像数据,对产品图像数据进行轮廓图像识别,进一步获取轮廓图像线条上的线条转折点,以转折点相互连接组成线段并向计算模块发送,再由计算模块根据接收模块接收的产品图像数据的来源摄像头获取该产品图像数据在采集时的摄像头拍摄角度,应用摄像头拍摄角度于标准产品三维模型上获取对应视角的标准产品图像数据,并将标准产品图像数据向识别模块发送,于识别模块中完成与产品图像数据相同的操作,进一步计算产品图像数据对应线段与标准产品图像数据对应线段中,各相互对应位置线段长度差值,最后通过求和模块接收计算模块计算得到的相互对应位置各线段长度差值,对各差值进行求和,并由设定模块设定产品合格判定阈值,应用判定阈值与求和模块输出结果进行比对,判定产品是否合格;
上述实施例中记载的求和公式中,通过引入的各差值对应线段的权重,能够进一步对系统输出的差值求和结果进行一定程度的修正,使得修正后输出的差值求和结果与产品合格判定阈值比对,能够更加真实的反映产品的外观情况;
需要注意的是,各差值对应线段的权重通过系统端用户手动进行设定,且遵循线段越长对应权重越大的设定逻辑;
对于上述记载的产品图像数据的轮廓图像求取,参见图2及图4;
图4中(1)为产品图像数据,求取的轮廓图像以图4中的(2)为示例,(2)中示出了轮廓图像线条上的线条转折点,线条转折点于(3)中进行互连,即(3)中虚线所示,进而得到了(4),计算模块中储存的标准产品三维模型同样经过(1)~(4)的处理后,即可得到标准产品三维模型对应的(4),以作为比对目标集;
结合图2所示,产品图像数据与八个方向卷积因子进行卷积运算,由此可得到八个方向的图像轮廓信息记作:
G0、G45、G90、G135、G180、G225、G270、G315;
进一步将计算得到的图像轮廓信息进行加权求和,由此可进一步获取图像中任意图像点的灰度值,再由系统端用户来设定一个阈值,若图像点的灰度值不小于阈值,则判定该点为轮廓点;
至此,以判定为轮廓点的图像点组成了产品图像的图像轮廓。
实施例二
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中一种用于带式输送设备的自动检测系统做进一步具体说明:
采集模组内部设置有子模块,包括控制单元,控制单元用于控制摄像头及输送设备协调运行,使输送设备上传输的产品到达摄像头图像数据采集区域时,控制传输设备暂停运行;
其中,控制单元控制传输设备暂停运行时间通过系统端用户手动设定,控制单元控制传输设备暂停运行时间初始默认设定为一秒,控制单元控制传输设备停止运行时,同步触发所有采集模组中摄像头运行,通过摄像头完成产品图像数据的采集。
通过上述设置,可以使得采集模组能够与传输设备同步运行,从而以此达到降低采集模组持续运行时间的目的。
如图1所示,采集模组中各摄像头在进行产品图像数据采集时,通过下式求取对焦距离,并以求取的对焦距离对摄像头进行调节,最终完成产品图像数据的采集,公式为:
式中:a为物距;x为摄像头捕捉到产品目标时的移动距离;b为像距;α为产品与摄像头所在平面法线夹角;β为产品与光源所在平面法线夹角;θ为光源与摄像头所在平面法线夹角;
其中;摄像头的调节操作于摄像头运行阶段重复运行,摄像头的调节操作持续时间不大于κ为摄像头的图像采集频率。
通过上述设置,可实现采集模组中摄像头快速对焦,进而提升采集模组采集的产品图像数据的品质。
如图1所示,接收模块运行接收储存模块中储存的产品图像数据时,接收的产品图像数据数量根据系统端用户自定义选择,接收模块接收的产品图像数据数量与产品检测精度成正比。
通过上述设置,为系统端用户提供了一定程度的操作权限,使系统输出合格检测结果精度能够被系统端自定义控制。
如图1所示,识别模块中转折点相互连接组成的线段中各线段,均不与产品图像数据中轮廓图像线条重合。
通过上述设置,规避了系统以产品图像数据的轮廓图像线条作为比对目标线段的情况出现。
如图1所示,识别模块中转折点相互连接组成的线段中各线段中点,通过系统端用户设定为轮廓图像线条上的线条转折点。
通过上述设置,可以实现进一步的合格检测用比对线段的资源拓展,确保系统中能够无限的生成线段用以产品合格检测,以达到系统检测精度可调的目的。
综上而言,上述实施例中系统在运行过程中能够以产品于输送设备上传输时所采集的图像数据作为基础数据,进一步通过获取产品轮廓图像,以产品轮廓图像获取轮廓线条转折点,以轮廓线条转折点获取连接线段的方式得到检测数据支持,从而最终实现对产品的外观检测,确保系统输出的检测结果精度更趋于精确;并且,系统以来源于产品图像的连接线段作为检测依据数据,可以适用于不同形状结构的产品,产品类型受限较小,且可通过提升来源于产品图像的连接线段数量的方式,进一步提升该系统的输出检测结果精度;此外,系统输出的检测结果以数字化数据进行输出,能够便于用户快捷的读取检测结果,对产品是否合格进行快捷断定。
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)
1.一种用于带式输送设备的自动检测系统,其特征在于,包括采集层、分析层及判定层;
产品的图像数据通过采集层获取,于采集层中储存,并根据产品检测精度需求选择相应组数向分析层发送,分析层基于产品检测精度进一步于接收到的产品图像数据中获取检测点位,应用检测点位对产品进行误差分析,误差分析结果向判定层发送,由判定层完成合格判定后,于判定层中完成合格判定结果的输出;
所述分析层包括接收模块、识别模块及计算模块,接收模块用于接收储存模块中储存的产品图像数据,识别模块用于获取接收模块接收到的产品图像数据,对产品图像数据进行轮廓图像识别,进一步获取轮廓图像线条上的线条转折点,以转折点相互连接组成线段并向计算模块发送,计算模块中储存有标准产品三维模型,计算模块根据接收模块接收的产品图像数据的来源摄像头获取该产品图像数据在采集时的摄像头拍摄角度,计算模块应用摄像头拍摄角度于标准产品三维模型上获取对应视角的标准产品图像数据,并将标准产品图像数据向识别模块发送,于识别模块中完成与产品图像数据相同的操作,计算模块进一步计算产品图像数据对应线段与标准产品图像数据对应线段中,各相互对应位置线段长度差值;
所述识别模块中对于产品图像数据的轮廓图像识别结果通过下式进行求取,公式为:
G″(x,y)=[∑(G0|+|G45|+|G90|+|G135|)]/2;
式中:G0、G45、G90及G135均为轮廓图像信息;G″(x,y)为产品图像数据中各图像点的灰度值集合;TH为判定阈值;E′(x,y)为经过阈值运算后图像点(x,y)处的灰度值,在求取G″(x,y)后,通过对G″(x,y)中的各图像点的灰度值与TH进行比对判定,判定处于TH中的灰度值对应图像点的集合即轮廓图像。
2.根据权利要求1所述的一种用于带式输送设备的自动检测系统,其特征在于,所述采集层包括采集模组及储存模块,采集模组由若干组摄像头组成,若干组所述摄像头以环绕式分布于输送设备的上方,若干组所述摄像头实时对输送设备上传输的产品进行图像数据的采集,储存模块用于接收采集模组采集到的产品图像数据,对产品图像数据进行储存;
其中,摄像头的图像采集频率不小于10帧/秒,储存模块中储存的各产品图像数据均标记有图像数据来源摄像头。
3.根据权利要求2所述的一种用于带式输送设备的自动检测系统,其特征在于,所述采集模组内部设置有子模块,包括控制单元,控制单元用于控制摄像头及输送设备协调运行,使输送设备上传输的产品到达摄像头图像数据采集区域时,控制传输设备暂停运行;
其中,控制单元控制传输设备暂停运行时间通过系统端用户手动设定,控制单元控制传输设备暂停运行时间初始默认设定为一秒,控制单元控制传输设备停止运行时,同步触发所有采集模组中摄像头运行,通过摄像头完成产品图像数据的采集。
4.根据权利要求1所述的一种用于带式输送设备的自动检测系统,其特征在于,所述采集模组中各摄像头在进行产品图像数据采集时,通过下式求取对焦距离,并以求取的对焦距离对摄像头进行调节,最终完成产品图像数据的采集,公式为:
式中:a为物距;x为摄像头捕捉到产品目标时的移动距离;b为像距;α为产品与摄像头所在平面法线夹角;β为产品与光源所在平面法线夹角;θ为光源与摄像头所在平面法线夹角;
其中;摄像头的调节操作于摄像头运行阶段重复运行,摄像头的调节操作持续时间不大于κ为摄像头的图像采集频率。
5.根据权利要求1所述的一种用于带式输送设备的自动检测系统,其特征在于,所述接收模块运行接收储存模块中储存的产品图像数据时,接收的产品图像数据数量根据系统端用户自定义选择,接收模块接收的产品图像数据数量与产品检测精度成正比。
6.根据权利要求1所述的一种用于带式输送设备的自动检测系统,其特征在于,所述识别模块中转折点相互连接组成的线段中各线段,均不与产品图像数据中轮廓图像线条重合。
7.根据权利要求6所述的一种用于带式输送设备的自动检测系统,其特征在于,所述识别模块中转折点相互连接组成的线段中各线段中点,通过系统端用户设定为轮廓图像线条上的线条转折点。
8.根据权利要求1所述的一种用于带式输送设备的自动检测系统,其特征在于,所述识别模块在对产品图像数据的轮廓图像进行识别时,应用方向模板对产品图像数据进行卷积运算,从而得到产品图像数据各方向的图像轮廓信息。
9.根据权利要求1所述的一种用于带式输送设备的自动检测系统,其特征在于,所述判定层包括求和模块及设定模块,求和模块用于接收计算模块计算得到的相互对应位置各线段长度差值,对各差值进行求和,设定模块用于设定产品合格判定阈值,应用判定阈值与求和模块输出结果进行比对,判定产品是否合格;
其中,求和模块在对各差值进行求和时,引入各差值对应线段的权重,各差值对应线段的权重通过系统端用户参考设定模块设定的合格判定阈值进行手动设定,差值对应线段的权重与线段的长度成正比,各差值求和的计算公式为:
式中:i为线段的组数;n为线段的集合;Li′为第i组来源产品图像数据的线段的长度L′;Li″为第i组来源标准产品图像数据的线段的长度L″;ω1、ω2…ωu为线段差值的权重。
10.根据权利要求1所述的一种用于带式输送设备的自动检测系统,其特征在于,所述采集模组内部通过介质电性连接有控制单元,所述采集模组通过介质电性连接有储存模块,所述储存模块通过介质电性连接有接收模块、识别模块及计算模块,所述计算模块通过介质电性连接有求和模块,所述求和模块通过介质电性连接有设定模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310925180.3A CN116934719B (zh) | 2023-07-26 | 2023-07-26 | 一种用于带式输送设备的自动检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310925180.3A CN116934719B (zh) | 2023-07-26 | 2023-07-26 | 一种用于带式输送设备的自动检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116934719A true CN116934719A (zh) | 2023-10-24 |
CN116934719B CN116934719B (zh) | 2024-02-13 |
Family
ID=88384061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310925180.3A Active CN116934719B (zh) | 2023-07-26 | 2023-07-26 | 一种用于带式输送设备的自动检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116934719B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117250200A (zh) * | 2023-11-07 | 2023-12-19 | 山东恒业金属制品有限公司 | 一种基于机器视觉的方管生产质量检测系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62269287A (ja) * | 1986-05-16 | 1987-11-21 | Toyota Central Res & Dev Lab Inc | 視覚認識装置 |
CN114240944A (zh) * | 2022-02-25 | 2022-03-25 | 杭州安脉盛智能技术有限公司 | 一种基于点云信息的焊接缺陷检测方法 |
CN114998306A (zh) * | 2022-06-30 | 2022-09-02 | 马鞍山久泰渔具有限公司 | 渔具箱包的品质自动监测系统 |
CN115244542A (zh) * | 2020-03-10 | 2022-10-25 | 罗伯特·博世有限公司 | 用于验证产品真伪的方法和装置 |
CN115248605A (zh) * | 2022-09-22 | 2022-10-28 | 深圳市巨力方视觉技术有限公司 | 运动控制视觉对位方法及系统 |
CN115535187A (zh) * | 2022-11-24 | 2022-12-30 | 中国船舶重工集团公司第七一九研究所 | 一种船舶轴系状态监测与故障智能诊断系统 |
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 |
CN115841484A (zh) * | 2022-12-30 | 2023-03-24 | 武汉誉城千里建工有限公司 | 一种基于三维激光扫描的钢结构焊接质量检测系统 |
CN116342602A (zh) * | 2023-05-30 | 2023-06-27 | 四川都得利管业有限公司 | 一种塑料管生产质量的精细化检测方法及系统 |
CN116416250A (zh) * | 2023-06-12 | 2023-07-11 | 山东每日好农业发展有限公司 | 一种速食罐装产品产线的成品检测系统 |
CN116448760A (zh) * | 2023-03-21 | 2023-07-18 | 上海华维可控农业科技集团股份有限公司 | 一种基于机器视觉的农业智能监测系统及方法 |
CN116481585A (zh) * | 2023-06-26 | 2023-07-25 | 广州晨安网络科技有限公司 | 基于机器视觉的产品全检系统及检测方法 |
-
2023
- 2023-07-26 CN CN202310925180.3A patent/CN116934719B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62269287A (ja) * | 1986-05-16 | 1987-11-21 | Toyota Central Res & Dev Lab Inc | 視覚認識装置 |
CN115244542A (zh) * | 2020-03-10 | 2022-10-25 | 罗伯特·博世有限公司 | 用于验证产品真伪的方法和装置 |
CN114240944A (zh) * | 2022-02-25 | 2022-03-25 | 杭州安脉盛智能技术有限公司 | 一种基于点云信息的焊接缺陷检测方法 |
CN114998306A (zh) * | 2022-06-30 | 2022-09-02 | 马鞍山久泰渔具有限公司 | 渔具箱包的品质自动监测系统 |
CN115248605A (zh) * | 2022-09-22 | 2022-10-28 | 深圳市巨力方视觉技术有限公司 | 运动控制视觉对位方法及系统 |
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 |
CN115535187A (zh) * | 2022-11-24 | 2022-12-30 | 中国船舶重工集团公司第七一九研究所 | 一种船舶轴系状态监测与故障智能诊断系统 |
CN115841484A (zh) * | 2022-12-30 | 2023-03-24 | 武汉誉城千里建工有限公司 | 一种基于三维激光扫描的钢结构焊接质量检测系统 |
CN116448760A (zh) * | 2023-03-21 | 2023-07-18 | 上海华维可控农业科技集团股份有限公司 | 一种基于机器视觉的农业智能监测系统及方法 |
CN116342602A (zh) * | 2023-05-30 | 2023-06-27 | 四川都得利管业有限公司 | 一种塑料管生产质量的精细化检测方法及系统 |
CN116416250A (zh) * | 2023-06-12 | 2023-07-11 | 山东每日好农业发展有限公司 | 一种速食罐装产品产线的成品检测系统 |
CN116481585A (zh) * | 2023-06-26 | 2023-07-25 | 广州晨安网络科技有限公司 | 基于机器视觉的产品全检系统及检测方法 |
Non-Patent Citations (1)
Title |
---|
陆峰 等: "复杂曲面三维轮廓精度数字化比对检测与误差分析", 《制造业自动化》, pages 46 - 50 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117250200A (zh) * | 2023-11-07 | 2023-12-19 | 山东恒业金属制品有限公司 | 一种基于机器视觉的方管生产质量检测系统 |
CN117250200B (zh) * | 2023-11-07 | 2024-02-02 | 山东恒业金属制品有限公司 | 一种基于机器视觉的方管生产质量检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116934719B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765416B (zh) | 基于快速几何对准的pcb表面缺陷检测方法及装置 | |
CN112179910B (zh) | 一种锂电池极片瑕疵实时检测处理方法和系统 | |
CN116934719B (zh) | 一种用于带式输送设备的自动检测系统 | |
US5934220A (en) | Teat location for milking | |
CN110031477A (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN111189837B (zh) | 一种烟支外观在线检测方法及其装置 | |
CN106767518A (zh) | 一种基于线激光扫描的手机外壳质量在线检测装置与方法 | |
CN103901040A (zh) | 一种基于机器视觉的三维网状物缺陷在线检测系统 | |
CN206563560U (zh) | 一种基于线激光扫描的手机外壳质量在线检测装置 | |
WO2019114380A1 (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
CN108174111B (zh) | 巡检机器人目标图像抓取方法 | |
CN106778713A (zh) | 一种动态人眼跟踪的虹膜识别装置及方法 | |
CN106896110A (zh) | 基于单目机器视觉的产品质量检测装置及方法 | |
CN209745832U (zh) | 一种单相机多角度检测的印刷产品检测设备 | |
CN102879404B (zh) | 工业结构化场景中医用胶囊缺陷自动检测的系统 | |
CN108234897A (zh) | 控制夜视系统的方法及装置、存储介质、处理器 | |
CN115953719A (zh) | 一种多目标识别的计算机图像处理系统 | |
CN111208146B (zh) | 一种隧道线缆检测系统及检测方法 | |
CN114705691B (zh) | 一种工业机器视觉控制方法及装置 | |
CN211292638U (zh) | 一种笔管印刷快速自动检测装置 | |
CN114910483B (zh) | 超晶板质量检测装置、方法及系统 | |
CN111002349A (zh) | 一种机器人跟随转向方法及采用该方法的机器人系统 | |
CN111650211A (zh) | 一种空调外机底座焊接缺陷检测系统 | |
CN109596627B (zh) | 一种单相机多角度检测的印刷产品检测系统 | |
CN113723841B (zh) | 一种装配式预制构件中工装缺失的在线检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |