CN117036344B - 外观缺陷检测方法、装置、设备及存储介质 - Google Patents

外观缺陷检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117036344B
CN117036344B CN202311282045.8A CN202311282045A CN117036344B CN 117036344 B CN117036344 B CN 117036344B CN 202311282045 A CN202311282045 A CN 202311282045A CN 117036344 B CN117036344 B CN 117036344B
Authority
CN
China
Prior art keywords
detected
product
appearance
plane
recognition algorithm
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
CN202311282045.8A
Other languages
English (en)
Other versions
CN117036344A (zh
Inventor
黄耀
苏文彦
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.)
Beijing Aqrose Robot Technology Co ltd
Original Assignee
Beijing Aqrose Robot 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 Beijing Aqrose Robot Technology Co ltd filed Critical Beijing Aqrose Robot Technology Co ltd
Priority to CN202311282045.8A priority Critical patent/CN117036344B/zh
Publication of CN117036344A publication Critical patent/CN117036344A/zh
Application granted granted Critical
Publication of CN117036344B publication Critical patent/CN117036344B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及数据处理技术领域，公开了一种外观缺陷检测方法、装置、设备及存储介质，所述方法包括：在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；在所述移动平台运动过程中，实时采集所述待检测产品的外观图像；获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；根据所述缺陷识别算法对所述外观图像进行缺陷检测；通过上述方式，在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动，根据采集方位确定缺陷识别算法对实时采集待检测产品的外观图像，从而能够有效提高检测外观缺陷的准确性和效率。

Description

外观缺陷检测方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及外观缺陷检测方法、装置、设备及存储介质。
背景技术
为了大额的占据市场，大多数厂商在产品出厂前都会进行检测，尤其是对给用户第一感觉的外壳外观的检测，而目前检测外观缺陷的常用方式是运用多套光学系统，例如，侧面使用2套线扫相机系统和2套面阵相机系统，菱边使用4套面阵相机系统，但是面阵相机系统与识别算法部分搭配性较为复杂，以及多套光学系统均需要支持检测功能，故用于检测的设备的体积也会相当庞大，造成产线布置面积的难度较高，进而导致成像系统复杂调适困难，且在菱边上面阵相机系统容易遇到景深不足与边缘视野打光不均匀的问题，因此，上述方式检测外观缺陷的准确性和效率较低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种外观缺陷检测方法、装置、设备及存储介质，旨在解决现有技术检测外观缺陷的准确性和效率较低的技术问题。
为实现上述目的，本发明提供了一种外观缺陷检测方法，所述外观缺陷检测方法包括以下步骤：
在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；
在所述移动平台运动过程中，实时采集所述待检测产品的外观图像；
获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；
根据所述缺陷识别算法对所述外观图像进行缺陷检测。
可选地，所述在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动，包括：
在检测到待检测产品入料时，定位所述待检测产品的当前位置；
获取待检测产品的形状数据；
根据所述当前位置和所述形状数据确定待检测产品的取图起始位置；
在检测到移动平台到达所述待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动。
可选地，所述在检测到移动平台到达所述待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动之前，还包括：
获取待检测产品的直线线段和菱边线段；
通过目标移动差补和旋转动作对多个所述直线线段进行拟合，得到直线运动路径；
对多个所述菱边线段进行拟合，得到近似圆形线段；
通过目标微量补差对所述近似圆形线段进行规划，得到菱边运动路径；
根据所述线运动路径和菱边运动路径生成目标规划路径。
可选地，所述在所述移动平台运动过程中，实时采集所述待检测产品的外观图像，包括：
在所述移动平台运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品进行拍摄，得到待检测产品的各平面图像和各曲面图像；
获取所述移动平台到达的当前位置；
在所述当前位置为取图结束位置时，根据待检测产品的各平面图像和各曲面图像生成待检测产品的外观图像。
可选地，所述在所述移动平台运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品进行拍摄，得到待检测产品的各平面图像和各曲面图像，包括：
获取待检测产品的直线平面和弧角平面；
在控制所述移动平台沿X轴和Y轴进行直线运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的直线平面进行拍摄，得到各平面图像；
在控制所述移动平台沿X轴和Y轴进行直线运动且沿轴进行旋转运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的弧角平面进行拍摄，得到各曲面图像，所述X轴、Y轴以及/>轴相互垂直。
可选地，所述获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法，包括：
获取所述外观图像的采集方位，根据所述采集方位得到平面采集方位和曲面采集方位；
分别对所述平面采集方位和曲面采集方位进行特征提取，得到平面采集方位特征信息和曲面采集方位特征信息；
根据所述平面采集方位特征信息和初始缺陷识别算法配置平面缺陷识别算法，以及根据所述曲面采集方位特征信息和初始缺陷识别算法配置曲面缺陷识别算法；
根据所述平面缺陷识别算法和曲面缺陷识别算法生成缺陷识别算法。
可选地，所述根据所述缺陷识别算法对所述外观图像进行缺陷检测之后，还包括：
确定待检测产品的外观缺陷检测结果和缺陷检测时间；
对所述外观缺陷检测结果进行一致性校核，得到当前校核结果；
在所述当前校核结果为校核通过时，判断所述缺陷检测时间是否小于预设时间阈值；
在所述缺陷检测时间小于预设时间阈值时，通过缺陷识别算法对与待检测产品同类型的产品的外观进行缺陷检测。
此外，为实现上述目的，本发明还提出一种外观缺陷检测装置，所述外观缺陷检测装置包括：
控制模块，用于在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；
采集模块，用于在所述移动平台运动的过程中，实时采集所述待检测产品的外观图像；
确定模块，用于获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；
检测模块，用于根据所述缺陷识别算法对所述外观图像进行缺陷检测。
此外，为实现上述目的，本发明还提出一种外观缺陷检测设备，所述外观缺陷检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的外观缺陷检测程序，所述外观缺陷检测程序配置为实现如上文所述的外观缺陷检测方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有外观缺陷检测程序，所述外观缺陷检测程序被处理器执行时实现如上文所述的外观缺陷检测方法。
本发明提出的外观缺陷检测方法，通过在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；在所述移动平台运动过程中，实时采集所述待检测产品的外观图像；获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；根据所述缺陷识别算法对所述外观图像进行缺陷检测；通过上述方式，在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动，根据采集方位确定缺陷识别算法对实时采集待检测产品的外观图像，从而能够有效提高检测外观缺陷的准确性和效率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的外观缺陷检测设备的结构示意图；
图2为本发明外观缺陷检测方法第一实施例的流程示意图；
图3为本发明外观缺陷检测方法第二实施例的流程示意图；
图4为本发明外观缺陷检测方法一实施例的整体运动示意图；
图5为本发明外观缺陷检测方法一实施例的整体流程示意图；
图6为本发明外观缺陷检测装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的外观缺陷检测设备结构示意图。
如图1所示，该外观缺陷检测设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对外观缺陷检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及外观缺陷检测程序。
在图1所示的外观缺陷检测设备中，网络接口1004主要用于与网络一体化平台工作站进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明外观缺陷检测设备中的处理器1001、存储器1005可以设置在外观缺陷检测设备中，所述外观缺陷检测设备通过处理器1001调用存储器1005中存储的外观缺陷检测程序，并执行本发明实施例提供的外观缺陷检测方法。
基于上述硬件结构，提出本发明外观缺陷检测方法实施例。
参照图2，图2为本发明外观缺陷检测方法第一实施例的流程示意图。
在第一实施例中，所述外观缺陷检测方法包括以下步骤：
步骤S10，在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动。
需要说明的是，本实施例的执行主体为外观缺陷检测设备，还可为其他可实现相同或相似功能的设备，例如缺陷检测控制器等，本实施例对此不作限制，在本实施例中，以缺陷检测控制器为例进行说明。
应当理解的是，取图起始位置指的是单组线扫摄像设备开始采集待检测产品的图像的位置，该取图起始位置可以当前位置和所述形状数据确定，例如，设置在目标规划路径中的直线运动路径上，目标规划路径指的是控制固定有待检测产品的移动平台进行运动的路径，将待检测产品固定在移动平台的方式可以为夹持、粘贴以及磁吸等，该待检测产品可以为新能源电池的外壳。
进一步地，步骤S10，包括：在检测到待检测产品入料时，定位所述待检测产品的当前位置；获取待检测产品的形状数据；根据所述当前位置和所述形状数据确定待检测产品的取图起始位置；在检测到移动平台到达所述待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动。
可以理解的是，当前位置指的是在入料时待检测产品所在的位置，该形状数据可以为圆角的立方体，然后结合当前位置和所述形状数据综合确定待检测产品的取图起始位置，例如，该取图起始位置可以设置在直线运动路径上的D点处，为了保证采集的待检测产品的外观图像的清晰度和连续性，在在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动，即在整体的移动轨迹运动中，并无移动断点且在路径上都呈现均速且稳定顺畅的状态。
进一步地，所述在检测到移动平台到达所述待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动之前，还包括：获取待检测产品的直线线段和菱边线段；通过目标移动差补和旋转动作对多个所述直线线段进行拟合，得到直线运动路径；对多个所述菱边线段进行拟合，得到近似圆形线段；通过目标微量补差对所述近似圆形线段进行规划，得到菱边运动路径；根据所述线运动路径和菱边运动路径生成目标规划路径。
应当理解的是，直线线段指的是待检测产品的平面的线段，菱边线段指的是待检测产品的弧角平面的线段，在得到直线线段后，通过目标移动差补和旋转动作将多个直线线段拟合成同一平面的线段，该目标移动差补可以为X轴和Y轴的移动差补，以及在得到菱边线段后，将多个菱边线段拟合成近似圆形线段，再通过目标微量补差将近似圆形线段规划出菱边运动路径，该目标微量补差可以为X轴和Y轴微量差补，然后根据线运动路径和菱边运动路径生成目标规划路径，即本实施例是通过三个轴向(X，Y，)的同动搭配，来达成非线性的轨迹拟合路径规划，以生成目标规划路径。
需要说明的是，上述生成目标规划路径的流程是在量身定制的软件系统中完成的，具体是定制专用的软件系统和输入输出接口，其中，包含人性化的路径教导接口、路径拟合与回归推算的接口功能，即在确定待检测产品的直线线段和菱边线段后，就可以按照上述逻辑自动生成目标规划路径。
步骤S20，在所述移动平台运动过程中，实时采集所述待检测产品的外观图像。
可以理解的是，外观图像指的是待检测产品多面的外观的图像，该外观图像可以通过单组线扫摄像设备采集得到，相较于现有技术利用多套线扫相机系统和多套面阵相机系统进行图像采集，本实施例采集外观图像效率和准确率均更高。
步骤S30，获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法。
应当理解的是，采集方位指的是单组线扫摄像设备采集待检测产品的外观图像的方位，在实际情况中，不同的采集方位所对应的缺陷识别算法是不同的，如果均采集统一的缺陷识别算法进行缺陷检测，那么最终的外观缺陷检测结果必然是不准确的，因此，本实施例在确定缺陷识别算法时考虑了采集方位这一重要因素。
进一步地，步骤S30，包括：获取所述外观图像的采集方位，根据所述采集方位得到平面采集方位和曲面采集方位；分别对所述平面采集方位和曲面采集方位进行特征提取，得到平面采集方位特征信息和曲面采集方位特征信息；根据所述平面采集方位特征信息和初始缺陷识别算法配置平面缺陷识别算法，以及根据所述曲面采集方位特征信息和初始缺陷识别算法配置曲面缺陷识别算法；根据所述平面缺陷识别算法和曲面缺陷识别算法生成缺陷识别算法。
可以理解的是，平面缺陷识别算法指的是适用于平面采集方位的缺陷检测，同样，曲面缺陷识别算法指的是适用于曲面采集方位的缺陷检测，在确定平面采集方位特征信息和曲面采集方位特征信息后，根据平面采集方位特征信息对初始缺陷识别算法的参数进行调整，以配置出平面缺陷识别算法，以及根据曲面采集方位特征信息对初始缺陷识别算法进行调整，以配置曲面缺陷识别算法，达到缺陷识别算法与外观图像专用的目的，进而提高缺陷检测的准确性。
步骤S40，根据所述缺陷识别算法对所述外观图像进行缺陷检测。
可以理解的是，在得到缺陷识别算法后，利用平面缺陷识别算法对平面外观图像进行缺陷检测，以及利用曲面缺陷识别算法对曲面外观图像进行缺陷检测。
进一步地，步骤S40之后，还包括：确定待检测产品的外观缺陷检测结果和缺陷检测时间；对所述外观缺陷检测结果进行一致性校核，得到当前校核结果；在所述当前校核结果为校核通过时，判断所述缺陷检测时间是否小于预设时间阈值；在所述缺陷检测时间小于预设时间阈值时，通过缺陷识别算法对与待检测产品同类型的产品的外观进行缺陷检测。
应当理解的是，外观缺陷检测结果指的是待检测产品的多面外观缺陷的检测结果，缺陷检测时间指的是将待检测产品的多面外观检测完所耗费的时间，在得到外观缺陷检测结果后，利用该待检测产品的标准外观缺陷检测结果对外观缺陷检测结果进行一致性校核，在当前校核结果为校核通过时，表明本实施例进行缺陷检测的准确性高，此时继续判断缺陷检测时间是否小于预设时间阈值，若是，则表明本实施进行缺陷检测的效率高，此时可以通过缺陷识别算法对与待检测产品同类型的产品的外观进行缺陷检测，并将外观存在缺陷的产品进行分仓。
本实施例通过在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；在所述移动平台运动过程中，实时采集所述待检测产品的外观图像；获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；根据所述缺陷识别算法对所述外观图像进行缺陷检测；通过上述方式，在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动，根据采集方位确定缺陷识别算法对实时采集待检测产品的外观图像，从而能够有效提高检测外观缺陷的准确性和效率。
在一实施例中，如图3所述，基于第一实施例提出本发明外观缺陷检测方法第二实施例，所述步骤S20，包括：
步骤S201，在所述移动平台运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品进行拍摄，得到待检测产品的各平面图像和各曲面图像。
应当理解的是，采用分时频闪策略可以实现同一次运动过程中实现多种光源的打光效果，在拍摄过程中还需要借助多光源成像模组，实现在一个视野下实现五光源打光组合，一次拍摄出多种光源投射的图像效果。
进一步地，步骤S201，包括：获取待检测产品的直线平面和弧角平面；在控制所述移动平台沿X轴和Y轴进行直线运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的直线平面进行拍摄，得到各平面图像；在控制所述移动平台沿X轴和Y轴进行直线运动且沿轴进行旋转运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的弧角平面进行拍摄，得到各曲面图像，所述X轴、Y轴以及/>轴相互垂直。
需要说明的是，参考图4，图4为整体运动示意图，具体为：待检测产品的直线平面包括A面、B面、C面以及D面，弧角平面包括AB菱边对应的平面、BC菱边对应的平面、CD菱边对应的平面、AD菱边对应的平面，且固定有待检测产品的移动平台的运动方向可以为①->②->③->④->⑤->⑥->⑦->⑧->①。
应当理解的是，在控制移动平台沿X轴和Y轴进行直线运动过程中，采用分时频闪策略通过单组线扫摄像设备拍摄的图像为各平面图像，包括A面、B面、C面以及D面的图像，在控制所述移动平台沿X轴和Y轴进行直线运动且沿轴进行旋转运动过程中，采用分时频闪策略通过单组线扫摄像设备拍摄的图像为各曲面图像，包括AB菱边对应的平面、BC菱边对应的平面、CD菱边对应的平面、AD菱边对应的平面的图像，即在拍摄过程中，配合三轴的差补与加减速控制，达成待检测产品轨迹的顺畅性，具体是①->②的直线运动过程中编码器做X轴固定距离等间距的输出讯号，②->③的弧角平面运动轨迹中编码器做/>轴固定距离等间距的输出讯号，而③->④的直线运动轨迹中编码器做Y轴固定距离等间距的输出讯号，依此类推；在轨迹移动的同时，并利用X轴和Y轴微量补间的方式让单组线扫摄像设备到待检测产品的边界的工作距离保持一致。
可以理解的是，为了精确控制图像采集位置与目标规划路径的迭合，使用单组线扫摄像设备与运动上的搭配实现多维度空间上的图像采集，可以保证图像效果的一致性与硬件结构的简化。
步骤S202，获取所述移动平台到达的当前位置。
可以理解的是，当前位置指的是移动平台在当前时刻所到达的位置。
步骤S203，在所述当前位置为取图结束位置时，根据待检测产品的各平面图像和各曲面图像生成待检测产品的外观图像。
应当理解的是，在移动平台到达的当前位置为取图结束位置时，表明采集待检测产品的外观图像的工作结束，此时根据待检测产品的各平面图像和各曲面图像生成待检测产品的外观图像，该平面图像的数量可以为4个，该曲面图像的数量也可以为4个。
具体地，参考图5，图5为整体流程示意图，具体为：在检测到待检测产品入料时，定位所述待检测产品的当前位置，并根据当前位置和形状数据确定待检测产品的取图起始位置，在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动，具体流程是沿X轴和Y轴进行直线运动过程中，采集A面、B面、C面以及D面的平面图像、沿X轴和Y轴进行直线运动且沿轴进行旋转运动过程中采集BC菱边对应的平面、CD菱边对应的平面、AD菱边对应的平面的图像，然后实时判断移动平台到达的当前位置是否为取图结束位置，若是，则利用平面缺陷识别算法对平面外观图像进行缺陷检测，以及利用曲面缺陷识别算法对曲面外观图像进行缺陷检测，根据两者的检测结果确定待检测产品的外观缺陷检测结果。
本实施例通过在所述移动平台运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品进行拍摄，得到待检测产品的各平面图像和各曲面图像；获取所述移动平台到达的当前位置；在所述当前位置为取图结束位置时，根据待检测产品的各平面图像和各曲面图像生成待检测产品的外观图像；通过上述方式，在固定有待检测产品的移动平台进行无中断匀速运动过程中，采用分时频闪策略通过单组线扫摄像设备对待检测产品进行拍摄，然后实时判断移动平台到达的当前位置是否为取图结束位置，若是，则待检测产品的各平面图像和各曲面图像生成待检测产品的外观图像，从而能够有效提高得到外观图像的准确性。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有外观缺陷检测程序，所述外观缺陷检测程序被处理器执行时实现如上文所述的外观缺陷检测方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，参照图6，本发明实施例还提出一种外观缺陷检测装置，所述外观缺陷检测装置包括：
控制模块10，用于在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；
采集模块20，用于在所述移动平台运动的过程中，实时采集所述待检测产品的外观图像；
确定模块30，用于获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；
检测模块40，用于根据所述缺陷识别算法对所述外观图像进行缺陷检测。
本实施例通过在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；在所述移动平台运动过程中，实时采集所述待检测产品的外观图像；获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；根据所述缺陷识别算法对所述外观图像进行缺陷检测；通过上述方式，在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动，根据采集方位确定缺陷识别算法对实时采集待检测产品的外观图像，从而能够有效提高检测外观缺陷的准确性和效率。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的外观缺陷检测方法，此处不再赘述。
在一实施例中，所述控制模块10，还用于在检测到待检测产品入料时，定位所述待检测产品的当前位置；获取待检测产品的形状数据；根据所述当前位置和所述形状数据确定待检测产品的取图起始位置；在检测到移动平台到达所述待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动。
在一实施例中，所述控制模块10，还用于获取待检测产品的直线线段和菱边线段；通过目标移动差补和旋转动作对多个所述直线线段进行拟合，得到直线运动路径；对多个所述菱边线段进行拟合，得到近似圆形线段；通过目标微量补差对所述近似圆形线段进行规划，得到菱边运动路径；根据所述线运动路径和菱边运动路径生成目标规划路径。
在一实施例中，所述采集模块20，还用于在所述移动平台运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品进行拍摄，得到待检测产品的各平面图像和各曲面图像；获取所述移动平台到达的当前位置；在所述当前位置为取图结束位置时，根据待检测产品的各平面图像和各曲面图像生成待检测产品的外观图像。
在一实施例中，所述采集模块20，还用于获取待检测产品的直线平面和弧角平面；在控制所述移动平台沿X轴和Y轴进行直线运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的直线平面进行拍摄，得到各平面图像；在控制所述移动平台沿X轴和Y轴进行直线运动且沿轴进行旋转运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的弧角平面进行拍摄，得到各曲面图像，所述X轴、Y轴以及/>轴相互垂直。
在一实施例中，所述确定模块30，还用于获取所述外观图像的采集方位，根据所述采集方位得到平面采集方位和曲面采集方位；分别对所述平面采集方位和曲面采集方位进行特征提取，得到平面采集方位特征信息和曲面采集方位特征信息；根据所述平面采集方位特征信息和初始缺陷识别算法配置平面缺陷识别算法，以及根据所述曲面采集方位特征信息和初始缺陷识别算法配置曲面缺陷识别算法；根据所述平面缺陷识别算法和曲面缺陷识别算法生成缺陷识别算法。
在一实施例中，所述确定模块30，还用于确定待检测产品的外观缺陷检测结果和缺陷检测时间；对所述外观缺陷检测结果进行一致性校核，得到当前校核结果；在所述当前校核结果为校核通过时，判断所述缺陷检测时间是否小于预设时间阈值；在所述缺陷检测时间小于预设时间阈值时，通过缺陷识别算法对与待检测产品同类型的产品的外观进行缺陷检测。
本发明所述外观缺陷检测装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不再赘余。
此外，需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，一体化平台工作站，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种外观缺陷检测方法，其特征在于，所述外观缺陷检测方法包括以下步骤：
在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；
在所述移动平台运动过程中，实时采集所述待检测产品的外观图像；
获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；
根据所述缺陷识别算法对所述外观图像进行缺陷检测；
所述在检测到移动平台到达所述待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动之前，还包括：
获取待检测产品的直线线段和菱边线段；
通过目标移动差补和旋转动作对多个所述直线线段进行拟合，得到直线运动路径；
对多个所述菱边线段进行拟合，得到近似圆形线段；
通过目标微量补差对所述近似圆形线段进行规划，得到菱边运动路径；
根据所述线运动路径和菱边运动路径生成目标规划路径；
所述获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法，包括：
获取所述外观图像的采集方位，根据所述采集方位得到平面采集方位和曲面采集方位；
分别对所述平面采集方位和曲面采集方位进行特征提取，得到平面采集方位特征信息和曲面采集方位特征信息；
根据所述平面采集方位特征信息和初始缺陷识别算法配置平面缺陷识别算法，以及根据所述曲面采集方位特征信息和初始缺陷识别算法配置曲面缺陷识别算法；
根据所述平面缺陷识别算法和曲面缺陷识别算法生成缺陷识别算法。
2.如权利要求1所述的外观缺陷检测方法，其特征在于，所述在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动，包括：
在检测到待检测产品入料时，定位所述待检测产品的当前位置；
获取待检测产品的形状数据；
根据所述当前位置和所述形状数据确定待检测产品的取图起始位置；
在检测到移动平台到达所述待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行无中断匀速运动。
3.如权利要求1所述的外观缺陷检测方法，其特征在于，所述在所述移动平台运动过程中，实时采集所述待检测产品的外观图像，包括：
在所述移动平台运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品进行拍摄，得到待检测产品的各平面图像和各曲面图像；
获取所述移动平台到达的当前位置；
在所述当前位置为取图结束位置时，根据待检测产品的各平面图像和各曲面图像生成待检测产品的外观图像。
4.如权利要求3所述的外观缺陷检测方法，其特征在于，所述在所述移动平台运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品进行拍摄，得到待检测产品的各平面图像和各曲面图像，包括：
获取待检测产品的直线平面和弧角平面；
在控制所述移动平台沿X轴和Y轴进行直线运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的直线平面进行拍摄，得到各平面图像；
在控制所述移动平台沿X轴和Y轴进行直线运动且沿轴进行旋转运动过程中，采用分时频闪策略通过单组线扫摄像设备对所述待检测产品的弧角平面进行拍摄，得到各曲面图像，所述X轴、Y轴以及/>轴相互垂直。
5.如权利要求1至4中任一项所述的外观缺陷检测方法，其特征在于，所述根据所述缺陷识别算法对所述外观图像进行缺陷检测之后，还包括：
确定待检测产品的外观缺陷检测结果和缺陷检测时间；
对所述外观缺陷检测结果进行一致性校核，得到当前校核结果；
在所述当前校核结果为校核通过时，判断所述缺陷检测时间是否小于预设时间阈值；
在所述缺陷检测时间小于预设时间阈值时，通过缺陷识别算法对与待检测产品同类型的产品的外观进行缺陷检测。
6.一种外观缺陷检测装置，其特征在于，所述外观缺陷检测装置包括：
控制模块，用于在检测到移动平台到达待检测产品的取图起始位置时，控制固定有待检测产品的移动平台按照目标规划路径进行运动；
采集模块，用于在所述移动平台运动的过程中，实时采集所述待检测产品的外观图像；
确定模块，用于获取所述外观图像的采集方位，并根据所述采集方位确定缺陷识别算法；
检测模块，用于根据所述缺陷识别算法对所述外观图像进行缺陷检测；
所述控制模块，还用于获取待检测产品的直线线段和菱边线段；通过目标移动差补和旋转动作对多个所述直线线段进行拟合，得到直线运动路径；对多个所述菱边线段进行拟合，得到近似圆形线段；通过目标微量补差对所述近似圆形线段进行规划，得到菱边运动路径；根据所述线运动路径和菱边运动路径生成目标规划路径；
所述确定模块，还用于获取所述外观图像的采集方位，根据所述采集方位得到平面采集方位和曲面采集方位；分别对所述平面采集方位和曲面采集方位进行特征提取，得到平面采集方位特征信息和曲面采集方位特征信息；根据所述平面采集方位特征信息和初始缺陷识别算法配置平面缺陷识别算法，以及根据所述曲面采集方位特征信息和初始缺陷识别算法配置曲面缺陷识别算法；根据所述平面缺陷识别算法和曲面缺陷识别算法生成缺陷识别算法。
7.一种外观缺陷检测设备，其特征在于，所述外观缺陷检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的外观缺陷检测程序，所述外观缺陷检测程序配置有实现如权利要求1至5中任一项所述的外观缺陷检测方法。
8.一种存储介质，其特征在于，所述存储介质上存储有外观缺陷检测程序，所述外观缺陷检测程序被处理器执行时实现如权利要求1至5中任一项所述的外观缺陷检测方法。
CN202311282045.8A 2023-10-07 2023-10-07 外观缺陷检测方法、装置、设备及存储介质 Active CN117036344B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311282045.8A CN117036344B (zh) 2023-10-07 2023-10-07 外观缺陷检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311282045.8A CN117036344B (zh) 2023-10-07 2023-10-07 外观缺陷检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN117036344A CN117036344A (zh) 2023-11-10
CN117036344B true CN117036344B (zh) 2024-01-30

Family

ID=88635785

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311282045.8A Active CN117036344B (zh) 2023-10-07 2023-10-07 外观缺陷检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117036344B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107677678A (zh) * 2017-09-20 2018-02-09 广州视源电子科技股份有限公司 基于自动路径规划的外观检测方法和装置
CN113588562A (zh) * 2021-09-30 2021-11-02 高视科技(苏州)有限公司 应用多轴机械臂的锂电池外观检测方法
CN115616068A (zh) * 2022-11-04 2023-01-17 深圳技术大学 面向表面异形磁性材料缺陷检测的磁场成像工业机器人成像方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118044B (zh) * 2015-06-16 2017-11-07 华南理工大学 一种轮形铸造产品缺陷自动检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107677678A (zh) * 2017-09-20 2018-02-09 广州视源电子科技股份有限公司 基于自动路径规划的外观检测方法和装置
CN113588562A (zh) * 2021-09-30 2021-11-02 高视科技(苏州)有限公司 应用多轴机械臂的锂电池外观检测方法
CN115616068A (zh) * 2022-11-04 2023-01-17 深圳技术大学 面向表面异形磁性材料缺陷检测的磁场成像工业机器人成像方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴星宇 ; 张祺 ; 姚涛 ; 陈重雨 ; 周志武.《DELTA并联机器人在纽扣电池分拣环节中的应用》.《工业控制计算机》.2021,第1-4页. *

Also Published As

Publication number Publication date
CN117036344A (zh) 2023-11-10

Similar Documents

Publication Publication Date Title
KR102461093B1 (ko) 깊이 영상 제공 장치 및 방법
US8660362B2 (en) Combined depth filtering and super resolution
WO2012053521A1 (ja) 光学情報処理装置、光学情報処理方法、光学情報処理システム、光学情報処理プログラム
US9429418B2 (en) Information processing method and information processing apparatus
US9118823B2 (en) Image generation apparatus, image generation method and storage medium for generating a target image based on a difference between a grip-state image and a non-grip-state image
JPH09187038A (ja) ３次元形状抽出装置
WO2012020696A1 (ja) 点群位置データ処理装置、点群位置データ処理システム、点群位置データ処理方法、および点群位置データ処理プログラム
US20150134303A1 (en) Three-dimensional scanning system and method with hole-filling function for point cloud using contact probe
US20080037874A1 (en) System and method for scanning edges of a workpiece
JP2007129709A (ja) イメージングデバイスをキャリブレートするための方法、イメージングデバイスの配列を含むイメージングシステムをキャリブレートするための方法およびイメージングシステム
CN107220954B (zh) 一种基于移动终端的3d扫描系统
CN104424662A (zh) 立体扫描装置
RU2628420C1 (ru) Устройство вычисления собственного местоположения и способ вычисления собственного местоположения
WO2019177539A1 (en) Method for visual inspection and apparatus thereof
CN109974623B (zh) 基于线激光和双目视觉的三维信息获取方法和装置
US10607397B2 (en) Generating three dimensional models
CN111080776B (zh) 人体动作三维数据采集和复现的处理方法及系统
CN111189415A (zh) 一种基于线结构光的多功能三维测量重建系统及方法
CN111815707A (zh) 点云确定方法、点云筛选方法、装置、计算机设备
US20110150300A1 (en) Identification system and method
CN101865667A (zh) 线束外观检查用图像的生成装置及生成方法
CN112171666A (zh) 视觉机器人的位姿标定方法及装置、视觉机器人、介质
WO2020075768A1 (ja) 三次元走査装置、三次元モデルの生成方法、訓練用データ、及び機械学習モデル
CN117036344B (zh) 外观缺陷检测方法、装置、设备及存储介质
CN110084880A (zh) 三维图像处理的装置及方法

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