CN117152153A - 一种塑料包装瓶身瑕疵检测方法及系统 - Google Patents
一种塑料包装瓶身瑕疵检测方法及系统 Download PDFInfo
- Publication number
- CN117152153A CN117152153A CN202311424199.6A CN202311424199A CN117152153A CN 117152153 A CN117152153 A CN 117152153A CN 202311424199 A CN202311424199 A CN 202311424199A CN 117152153 A CN117152153 A CN 117152153A
- Authority
- CN
- China
- Prior art keywords
- bottle
- identification
- result
- acquisition
- network
- 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 77
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 40
- 238000005192 partition Methods 0.000 claims abstract description 75
- 230000011218 segmentation Effects 0.000 claims abstract description 61
- 230000008859 change Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 230000007547 defect Effects 0.000 claims description 22
- 230000001360 synchronised effect Effects 0.000 claims description 19
- 230000006978 adaptation Effects 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012937 correction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本公开提供了一种塑料包装瓶身瑕疵检测方法及系统,涉及塑料瑕疵检测技术领域,该方法包括:建立塑料瓶的瓶体特征集;对瓶体特征集进行解析,基于解析结果配置定位特征;以相机采集点与塑料瓶的垂直接触点建立零点平面;将深度变化因子、基础参数和采样参数输入分割区域网络,生成区域分割结果;执行对应中心聚焦位置下的分区采集,以分区采集结果建立分区图像集;进行分区图像集的瑕疵认证,生成瑕疵检测结果。通过本公开可以解决现有技术中存在由于塑料包装瓶身瑕疵检测效率和精确度较低,导致塑料包装产品质量较低的技术问题,实现提高塑料包装瓶身瑕疵检测效率和精确度的目标,达到提高塑料包装产品质量的技术效果。
Description
技术领域
本公开涉及塑料瑕疵检测技术领域,具体涉及一种塑料包装瓶身瑕疵检测方法及系统。
背景技术
近年来食品、医药等行业包装技术的迅猛发展,对产品包装质量检测的要求也越来越高。当瓶身的破损、飞边、缺胶、气泡、杂质等情况存在时,导致包装产品不合格,进而浪费材料和能源。目前,现有的塑料包装瓶身大多通过人工检测筛选可见异物,对检查人员视力和效率要求较高,而且容易发生误检和漏检,因此需要一种方法改善这种情况。
综上所述,现有技术中存在由于塑料包装瓶身瑕疵检测效率和精确度较低,导致塑料包装产品质量较低的技术问题。
发明内容
本公开提供了一种塑料包装瓶身瑕疵检测方法及系统,用以解决现有技术中存在由于塑料包装瓶身瑕疵检测效率和精确度较低,导致塑料包装产品质量较低的技术问题。
根据本公开的第一方面,提供了一种塑料包装瓶身瑕疵检测方法,包括:建立塑料瓶的瓶体特征集,所述瓶体特征集包括尺寸特征、结构特征和标签位置特征;对所述瓶体特征集进行解析,基于解析结果配置定位特征,并确定CCD相机的相机采集点;以所述相机采集点与塑料瓶的垂直接触点建立零点平面,其中,所述零点平面与CCD相机的采集图像平面平行,通过所述尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子;读取所述CCD相机的基础参数和采样参数,将所述深度变化因子、所述基础参数和所述采样参数输入分割区域网络,生成区域分割结果,其中,所述区域分割结果带有中心聚焦位置标识;建立瓶体识别特征集,并将所述瓶体识别特征集执行采集视角下的区域分割适配,生成局部认证特征;当塑料瓶通过定位特征完成定位后,控制所述CCD相机执行对应中心聚焦位置下的分区采集,分区大小依据所述区域分割结果设定,以分区采集结果建立分区图像集;通过所述局部认证特征进行所述分区图像集的瑕疵认证,生成瑕疵检测结果。
根据本公开的第二方面,提供了一种塑料包装瓶身瑕疵检测系统,包括:瓶体特征集获得模块,所述瓶体特征集获得模块用于建立塑料瓶的瓶体特征集,所述瓶体特征集包括尺寸特征、结构特征和标签位置特征;相机采集点获得模块,所述相机采集点获得模块用于对所述瓶体特征集进行解析,基于解析结果配置定位特征,并确定CCD相机的相机采集点;零点平面获得模块,所述零点平面获得模块用于以所述相机采集点与塑料瓶的垂直接触点建立零点平面,其中,所述零点平面与CCD相机的采集图像平面平行,通过所述尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子;区域分割结果获得模块,所述区域分割结果获得模块用于读取所述CCD相机的基础参数和采样参数,将所述深度变化因子、所述基础参数和所述采样参数输入分割区域网络,生成区域分割结果,其中,所述区域分割结果带有中心聚焦位置标识;局部认证特征获得模块,所述局部认证特征获得模块用于建立瓶体识别特征集,并将所述瓶体识别特征集执行采集视角下的区域分割适配,生成局部认证特征;分区图像集获得模块,所述分区图像集获得模块用于当塑料瓶通过定位特征完成定位后,控制所述CCD相机执行对应中心聚焦位置下的分区采集,分区大小依据所述区域分割结果设定,以分区采集结果建立分区图像集;瑕疵检测结果获得模块,所述瑕疵检测结果获得模块用于通过所述局部认证特征进行所述分区图像集的瑕疵认证,生成瑕疵检测结果。
本公开中提供的一个或多个技术方案,至少具有如下技术效果或优点:根据本公开采用的通过建立塑料瓶的瓶体特征集,所述瓶体特征集包括尺寸特征、结构特征和标签位置特征;对所述瓶体特征集进行解析,基于解析结果配置定位特征,并确定CCD相机的相机采集点;以所述相机采集点与塑料瓶的垂直接触点建立零点平面,其中,所述零点平面与CCD相机的采集图像平面平行,通过所述尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子;读取所述CCD相机的基础参数和采样参数,将所述深度变化因子、所述基础参数和所述采样参数输入分割区域网络,生成区域分割结果,其中,所述区域分割结果带有中心聚焦位置标识;建立瓶体识别特征集,并将所述瓶体识别特征集执行采集视角下的区域分割适配,生成局部认证特征;当塑料瓶通过定位特征完成定位后,控制所述CCD相机执行对应中心聚焦位置下的分区采集,分区大小依据所述区域分割结果设定,以分区采集结果建立分区图像集;通过所述局部认证特征进行所述分区图像集的瑕疵认证,生成瑕疵检测结果,解决了现有技术中存在由于塑料包装瓶身瑕疵检测效率和精确度较低,导致塑料包装产品质量较低的技术问题,实现提高塑料包装瓶身瑕疵检测效率和精确度的目标,达到提高塑料包装产品质量的技术效果。
应当理解,本部分所描述的内容并非旨在标示本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本公开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的介绍,显而易见地,下面描述中的附图仅仅是示例性的,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为本公开实施例提供的一种塑料包装瓶身瑕疵检测方法的流程示意图;
图2为本公开实施例一种塑料包装瓶身瑕疵检测方法中生成区域分割结果的流程示意图;
图3为本公开实施例提供的一种塑料包装瓶身瑕疵检测系统的结构示意图。
附图标记说明:瓶体特征集获得模块11,相机采集点获得模块12,零点平面获得模块13,区域分割结果获得模块14,局部认证特征获得模块15,分区图像集获得模块16,瑕疵检测结果获得模块17。
具体实施方式
以下结合附图对本公开的示范性实施例作出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
实施例一
本公开实施例提供的一种塑料包装瓶身瑕疵检测方法,兹参照图1作说明,所述方法包括:
本公开实施例提供的方法中包括:
建立塑料瓶的瓶体特征集,所述瓶体特征集包括尺寸特征、结构特征和标签位置特征;
具体地,建立塑料瓶的瓶体特征集,瓶体特征集包括尺寸特征、结构特征和标签位置特征。例如,塑料瓶尺寸特征包括瓶口、瓶颈、瓶身和瓶底的尺寸等。塑料瓶瓶体的结构特征包括瓶口、瓶颈、瓶身和瓶底等结构。塑料瓶标签位置包括瓶身标签位置和瓶底标签位置等。
对所述瓶体特征集进行解析,基于解析结果配置定位特征,并确定CCD相机的相机采集点;
具体地,根据瓶体特征集的尺寸特征、结构特征和标签位置特征进行解析,获得瓶体参数,作为解析结果。例如解析结果为瓶体的瓶高、瓶颈直径参数等。根据解析结果配置瓶体的定位特征。例如,瓶体轮廓。将定位特征作为CCD相机的相机采集点,用于对采集点之内的数据进行检测。
以所述相机采集点与塑料瓶的垂直接触点建立零点平面,其中,所述零点平面与CCD相机的采集图像平面平行,通过所述尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子;
具体地,塑料瓶的垂直接触点为当瓶体轮廓曲线的切线在垂直方向上时该切线经过曲线的点。塑料瓶至少具有一个垂直接触点。在相机采集点中将与垂直接触点对应的相机采集点进行连接,连接获得平面,将平面作为零点平面。将CCD相机的采集图像平面与零点平面进行平行对齐。通过塑料瓶的尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子。例如,塑料瓶为圆柱体,根据靠近CCD相机和远离CCD相机的结构,获取圆柱体的靠近面和远离面,作为深度变化因子。
读取所述CCD相机的基础参数和采样参数,将所述深度变化因子、所述基础参数和所述采样参数输入分割区域网络,生成区域分割结果,其中,所述区域分割结果带有中心聚焦位置标识;
具体地,读取CCD相机用于拍摄的基础参数和采样参数。例如,光圈、感光度和焦距等。将深度变化因子、基础参数和采样参数输入分割区域网络,生成区域分割结果。分割区域网络用于对输入数据进行分割,分区进行图像检测。其中,区域分割结果带有多个中心聚焦位置标识。
建立瓶体识别特征集,并将所述瓶体识别特征集执行采集视角下的区域分割适配,生成局部认证特征;
具体地,建立瓶体识别特征集。例如,瓶体识别特征集包括瓶口识别特征、瓶颈识别特征、瓶身识别特征等。将瓶体识别特征集执行采集视角下的区域分割适配,即当进行识别时,自动适配瓶体识别特征集中特征,生成局部认证特征。
当塑料瓶通过定位特征完成定位后,控制所述CCD相机执行对应中心聚焦位置下的分区采集,分区大小依据所述区域分割结果设定,以分区采集结果建立分区图像集;
具体地,当塑料瓶瓶体特征集的定位特征完成定位后,确定塑料瓶的特征。获取定位特征对应中心聚焦位置下的分区,控制CCD相机执行对应分区的采集。分区大小依据区域分割结果设定。根据多个分区采集结果获得多个分区图像,以分区采集结果建立分区图像集。
通过所述局部认证特征进行所述分区图像集的瑕疵认证,生成瑕疵检测结果。
具体地,建立瓶体识别特征库。例如,瓶体识别特征库包括瓶口识别特征、瓶颈识别特征、瓶底识别特征等。通过同时比对局部认证特征,将分区图像集和瓶体识别特征库进行比对,生成瑕疵检测结果。
其中,通过本实施例可以解决现有技术中存在由于塑料包装瓶身瑕疵检测效率和精确度较低,导致塑料包装产品质量较低的技术问题,实现提高塑料包装瓶身瑕疵检测效率和精确度的目标,达到提高塑料包装产品质量的技术效果。
本公开实施例提供的方法中还包括:
建立需求约束,所述需求约束通过解析用户的检测需求信息获得,所述检测需求信息通过建立用户交互获得;
依据所述需求约束进行精度约束提取,并依据所述精度约束对所述分割区域网络参数校正;
将所述深度变化因子、所述基础参数和所述采样参数输入参数校正后的分割区域网络,生成区域分割结果。
如图2所示,具体地,通过所述系统建立用户交互,获得用户的检测需求信息。例如,检测需求信息为塑料包装瓶身瑕疵检测需求。通过对检测需求信息进行解析,获得检测需求信息的需求约束。需求约束为检测的条件。例如,需求约束包括精度约束等。
进一步地,从需求约束中提取精度约束,依据精度约束对分割区域网络参数校正,调整参数的精度。例如,参数为分割区域网络的光圈、感光度和焦距等参数。
进一步地,将深度变化因子、基础参数和采样参数输入参数校正后的分割区域网络,生成区域分割结果,提高分割区域网络的区域分割结果获得精确度。
其中,生成区域分割结果以提高进行瑕疵识别的精确度。
本公开实施例提供的方法中还包括:
获取塑料瓶的设计数据,基于所述设计数据进行3D拟合,并在所述相机采集点进行同步拟合提取;
基于同步拟合提取结果建立瓶体识别特征库,其中,所述瓶体识别特征库中的每一特征均带有位置标识;
基于同步拟合结果确定包装边界特征,将所述包装边界特征和所述瓶体识别特征库作为瓶体识别特征集的视角特征适配调整,并执行分割适配,以获得局部认证特征。
具体地,获取塑料瓶的设计数据,设计数据为塑料瓶的瓶体结构造型数据。基于设计数据进行3D拟合,获取虚拟的塑料瓶设计数据。在3D拟合结果中相机采集点进行同步拟合提取。
进一步地,同步拟合提取结果包括瓶口、瓶颈、瓶身和瓶底特征,根据多个特征进行组合,建立瓶体识别特征库,其中,瓶体识别特征库中的每一特征均带有位置标识。
进一步地,基于同步拟合结果区分瓶体和背景,确定包装边界特征。将包装边界特征和瓶体识别特征库作为瓶体识别特征集的相机采集视角特征适配调整,并执行分割适配,确认识别是否匹配包装边界特征,作为局部认证特征。例如,根据瓶口特征,对识别对象进行匹配,当匹配成功时,确定识别对象为塑料瓶的瓶口。
其中,获得局部认证特征,以提高识别塑料瓶的效率和精确度。
本公开实施例提供的方法中还包括:
当进行分区图像集的瑕疵认证时,先通过所述包装边界特征进行边界匹配,生成边界偏离值;
以所述边界偏离值对所述局部认证特征内的瓶体识别特征库进行认证位置更新;
基于认证位置更新结果进行对应位置的瑕疵认证检测,基于认证检测结果生成瑕疵认证值;
根据所述边界偏离值和所述瑕疵认证值生成瑕疵检测结果。
具体地,当进行分区图像集的瑕疵认证时,先通过包装边界特征对分区图像集进行边界匹配,生成边界偏离值。边界偏离值为瓶体结构变形或残缺所获得。
进一步地,当瓶体变形时,与变形部位连接的其他瓶体部位发生变形位移。因此,以边界偏离值对局部认证特征内的瓶体识别特征库进行认证位置更新。例如,对瓶颈位置、瓶身位置进行更新。
进一步地,基于认证位置更新结果进行对应位置的瑕疵认证检测,基于认证检测结果生成瑕疵认证值。其中,对更新后的瓶口、瓶颈、瓶身位置进行检测。进一步地,将边界偏离值和瑕疵认证值进行组合生成瑕疵检测结果。其中,通过获得边界偏离值和瑕疵认证值获得瑕疵检测结果以提高瑕疵检测准确程度。
本公开实施例提供的方法中还包括:
建立识别网络,所述识别网络包括第一识别子网络和第二识别子网络,其中,所述第一识别子网络和第二识别子网络具有共享权值,且所述第一识别子网络和所述第二识别子网络的结构相同;
将位置更新结果对应的瓶体识别特征库和分区图像集输入所述识别网络,分别通过所述第一识别子网络和所述第二识别子网络进行输入数据处理,并通过共享权值执行同位置比对,生成损失比对结果;
根据所述损失比对结果获得瑕疵认证值。
具体地,建立识别网络,识别网络包括第一识别子网络和第二识别子网络,第一识别子网络和第二识别子网络具有共享权值,且第一识别子网络和第二识别子网络的结构相同。其中,分别将两个相同输入数据,输入第一识别子网络和第二识别子网络,生成两个输出结果用于进行损失比对。
进一步地,将位置更新结果对应的瓶体识别特征库和分区图像集输入识别网络,分别通过第一识别子网络和第二识别子网络进行输入数据处理,分别对瓶体识别特征库和分区图像集进行识别比对,并通过共享权值执行同位置比对,当第一识别子网络比对瓶口时,第二识别子网络也对瓶口进行比对,进而生成损失比对结果。其中,损失比对结果为第一识别子网络和第二识别子网络比对差值。当损失比对结果越小时,识别网络的比对结果准确性越高。
进一步地,根据损失比对结果,当损失比对结果小于预设损失比对结果阈值时,表示瑕疵识别准确率较高,获得瑕疵认证值。其中,预设损失比对结果阈值为基于本领域技术人员根据实际情况自定义设置,例如,5%。
其中,根据损失比对结果获得瑕疵认证值,提高获得瑕疵认证值的精确性。
本公开实施例提供的方法中还包括:
记录共享权值的异常值,并基于所述异常值映射异常位置;
基于所述异常位置对所述分区图像集进行特征异常识别,生成异常标识结果;
将所述异常标识结果添加至所述瑕疵检测结果。
具体地,当获得共享权值的异常值时,表示第一识别子网络和第二识别子网络的识别位置不同步,则识别的瓶体结构不一致,记录共享权值的异常值,并基于异常值映射瓶体的异常位置。
进一步地,基于异常位置对分区图像集进行特征异常识别,生成异常标识结果。其中,当识别结果异常,表示具有瓶体瑕疵,则对异常位置进行标识。
进一步地,将异常标识结果添加至瑕疵检测结果。其中,瑕疵检测结果包括具有瑕疵和不具有瑕疵。将异常标识结果划分为具有瑕疵。
其中,通过识别网络的异常识别获得瑕疵检测结果,提高获得瑕疵检测的精确度和效率。
本公开实施例提供的方法中还包括:
建立非连续分区的分区关联;
依据所述分区关联合并对应分区的中心聚焦位置,保留唯一中心聚焦位置;
当进行带有关联的分区图像采集时,通过唯一中心聚焦位置聚焦完成后,执行当前分区和带有分区关联分区的同步图像采集。
具体地,建立非连续分区的分区关联。分区关联为分区之间的通信连接。
进一步地,若将分区关联进行连线,将连线经过密集的点作为居中位置,对居中位置中进行筛选,获得所有分区的中心点,作为中心聚焦位置,将剩余的中心聚焦位置进行删除,保留唯一中心聚焦位置。
进一步地,当进行带有关联的分区图像采集时,通过唯一中心聚焦位置聚焦完成后,执行当前分区和带有分区关联分区的同步图像采集,采集获得当前分区图像和同步图像。
其中,进行带有关联的分区图像采集,以提高获得图像采集的效率和精确度。
实施例二
基于与前述实施例中一种塑料包装瓶身瑕疵检测方法同样的发明构思,兹参照图3作说明,本公开还提供了一种塑料包装瓶身瑕疵检测系统,所述系统包括:
瓶体特征集获得模块11,所述瓶体特征集获得模块11用于建立塑料瓶的瓶体特征集,所述瓶体特征集包括尺寸特征、结构特征和标签位置特征;
相机采集点获得模块12,所述相机采集点获得模块12用于对所述瓶体特征集进行解析,基于解析结果配置定位特征,并确定CCD相机的相机采集点;
零点平面获得模块13,所述零点平面获得模块13用于以所述相机采集点与塑料瓶的垂直接触点建立零点平面,其中,所述零点平面与CCD相机的采集图像平面平行,通过所述尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子;
区域分割结果获得模块14,所述区域分割结果获得模块14用于读取所述CCD相机的基础参数和采样参数,将所述深度变化因子、所述基础参数和所述采样参数输入分割区域网络,生成区域分割结果,其中,所述区域分割结果带有中心聚焦位置标识;
局部认证特征获得模块15,所述局部认证特征获得模块15用于建立瓶体识别特征集,并将所述瓶体识别特征集执行采集视角下的区域分割适配,生成局部认证特征;
分区图像集获得模块16,所述分区图像集获得模块16用于当塑料瓶通过定位特征完成定位后,控制所述CCD相机执行对应中心聚焦位置下的分区采集,分区大小依据所述区域分割结果设定,以分区采集结果建立分区图像集;
瑕疵检测结果获得模块17,所述瑕疵检测结果获得模块17用于通过所述局部认证特征进行所述分区图像集的瑕疵认证,生成瑕疵检测结果。
进一步地,所述系统还包括:
需求约束获得模块,所述需求约束获得模块用于建立需求约束,所述需求约束通过解析用户的检测需求信息获得,所述检测需求信息通过建立用户交互获得;
分割区域网络参数校正模块,所述分割区域网络参数校正模块用于依据所述需求约束进行精度约束提取,并依据所述精度约束对所述分割区域网络参数校正;
区域分割结果获得模块,所述区域分割结果获得模块用于将所述深度变化因子、所述基础参数和所述采样参数输入参数校正后的分割区域网络,生成区域分割结果。
进一步地,所述系统还包括:
同步拟合提取模块,所述同步拟合提取模块用于获取塑料瓶的设计数据,基于所述设计数据进行3D拟合,并在所述相机采集点进行同步拟合提取;
瓶体识别特征库获得模块,所述瓶体识别特征库获得模块用于基于同步拟合提取结果建立瓶体识别特征库,其中,所述瓶体识别特征库中的每一特征均带有位置标识;
局部认证特征获得模块,所述局部认证特征获得模块用于基于同步拟合结果确定包装边界特征,将所述包装边界特征和所述瓶体识别特征库作为瓶体识别特征集的视角特征适配调整,并执行分割适配,以获得局部认证特征。
进一步地,所述系统还包括:
边界偏离值获得模块,所述边界偏离值获得模块用于当进行分区图像集的瑕疵认证时,先通过所述包装边界特征进行边界匹配,生成边界偏离值;
认证位置更新模块,所述认证位置更新模块用于以所述边界偏离值对所述局部认证特征内的瓶体识别特征库进行认证位置更新;
瑕疵认证值获得模块,所述瑕疵认证值获得模块用于基于认证位置更新结果进行对应位置的瑕疵认证检测,基于认证检测结果生成瑕疵认证值;
边界偏离值处理模块,所述边界偏离值处理模块用于根据所述边界偏离值和所述瑕疵认证值生成瑕疵检测结果。
进一步地,所述系统还包括:
识别网络获得模块,所述识别网络获得模块用于建立识别网络,所述识别网络包括第一识别子网络和第二识别子网络,其中,所述第一识别子网络和第二识别子网络具有共享权值,且所述第一识别子网络和所述第二识别子网络的结构相同;
损失比对结果获得模块,所述损失比对结果获得模块用于将位置更新结果对应的瓶体识别特征库和分区图像集输入所述识别网络,分别通过所述第一识别子网络和所述第二识别子网络进行输入数据处理,并通过共享权值执行同位置比对,生成损失比对结果;
瑕疵认证值获得模块,所述瑕疵认证值获得模块用于根据所述损失比对结果获得瑕疵认证值。
进一步地,所述系统还包括:
异常位置获得模块,所述异常位置获得模块用于记录共享权值的异常值,并基于所述异常值映射异常位置;
异常标识结果获得模块,所述异常标识结果获得模块用于基于所述异常位置对所述分区图像集进行特征异常识别,生成异常标识结果;
瑕疵检测结果获得模块,所述瑕疵检测结果获得模块用于将所述异常标识结果添加至所述瑕疵检测结果。
进一步地,所述系统还包括:
分区关联模块,所述分区关联模块用于建立非连续分区的分区关联;
唯一中心聚焦位置获得模块,所述唯一中心聚焦位置获得模块用于依据所述分区关联合并对应分区的中心聚焦位置,保留唯一中心聚焦位置;
分区图像采集模块,所述分区图像采集模块用于当进行带有关联的分区图像采集时,通过唯一中心聚焦位置聚焦完成后,执行当前分区和带有分区关联分区的同步图像采集。
前述实施例一中的一种塑料包装瓶身瑕疵检测方法具体实例同样适用于本实施例的一种塑料包装瓶身瑕疵检测系统,通过前述对一种塑料包装瓶身瑕疵检测方法的详细描述,本领域技术人员可以清楚地知道本实施例中一种塑料包装瓶身瑕疵检测系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合和替代。任何在本公开的精神和原则之内所做的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (8)
1.一种塑料包装瓶身瑕疵检测方法,其特征在于,所述方法包括:
建立塑料瓶的瓶体特征集,所述瓶体特征集包括尺寸特征、结构特征和标签位置特征;
对所述瓶体特征集进行解析,基于解析结果配置定位特征,并确定CCD相机的相机采集点;
以所述相机采集点与塑料瓶的垂直接触点建立零点平面,其中,所述零点平面与CCD相机的采集图像平面平行,通过所述尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子;
读取所述CCD相机的基础参数和采样参数,将所述深度变化因子、所述基础参数和所述采样参数输入分割区域网络,生成区域分割结果,其中,所述区域分割结果带有中心聚焦位置标识;
建立瓶体识别特征集,并将所述瓶体识别特征集执行采集视角下的区域分割适配,生成局部认证特征;
当塑料瓶通过定位特征完成定位后,控制所述CCD相机执行对应中心聚焦位置下的分区采集,分区大小依据所述区域分割结果设定,以分区采集结果建立分区图像集;
通过所述局部认证特征进行所述分区图像集的瑕疵认证,生成瑕疵检测结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
建立需求约束,所述需求约束通过解析用户的检测需求信息获得,所述检测需求信息通过建立用户交互获得;
依据所述需求约束进行精度约束提取,并依据所述精度约束对所述分割区域网络参数校正;
将所述深度变化因子、所述基础参数和所述采样参数输入参数校正后的分割区域网络,生成区域分割结果。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取塑料瓶的设计数据,基于所述设计数据进行3D拟合,并在所述相机采集点进行同步拟合提取;
基于同步拟合提取结果建立瓶体识别特征库,其中,所述瓶体识别特征库中的每一特征均带有位置标识;
基于同步拟合结果确定包装边界特征,将所述包装边界特征和所述瓶体识别特征库作为瓶体识别特征集的视角特征适配调整,并执行分割适配,以获得局部认证特征。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
当进行分区图像集的瑕疵认证时,先通过所述包装边界特征进行边界匹配,生成边界偏离值;
以所述边界偏离值对所述局部认证特征内的瓶体识别特征库进行认证位置更新;
基于认证位置更新结果进行对应位置的瑕疵认证检测,基于认证检测结果生成瑕疵认证值;
根据所述边界偏离值和所述瑕疵认证值生成瑕疵检测结果。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
建立识别网络,所述识别网络包括第一识别子网络和第二识别子网络,其中,所述第一识别子网络和第二识别子网络具有共享权值,且所述第一识别子网络和所述第二识别子网络的结构相同;
将位置更新结果对应的瓶体识别特征库和分区图像集输入所述识别网络,分别通过所述第一识别子网络和所述第二识别子网络进行输入数据处理,并通过共享权值执行同位置比对,生成损失比对结果;
根据所述损失比对结果获得瑕疵认证值。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
记录共享权值的异常值,并基于所述异常值映射异常位置;
基于所述异常位置对所述分区图像集进行特征异常识别,生成异常标识结果;
将所述异常标识结果添加至所述瑕疵检测结果。
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
建立非连续分区的分区关联;
依据所述分区关联合并对应分区的中心聚焦位置,保留唯一中心聚焦位置;
当进行带有关联的分区图像采集时,通过唯一中心聚焦位置聚焦完成后,执行当前分区和带有分区关联分区的同步图像采集。
8.一种塑料包装瓶身瑕疵检测系统,其特征在于,用于实施权利要求1-7中任意一项所述的一种塑料包装瓶身瑕疵检测方法,所述系统包括:
瓶体特征集获得模块,所述瓶体特征集获得模块用于建立塑料瓶的瓶体特征集,所述瓶体特征集包括尺寸特征、结构特征和标签位置特征;
相机采集点获得模块,所述相机采集点获得模块用于对所述瓶体特征集进行解析,基于解析结果配置定位特征,并确定CCD相机的相机采集点;
零点平面获得模块,所述零点平面获得模块用于以所述相机采集点与塑料瓶的垂直接触点建立零点平面,其中,所述零点平面与CCD相机的采集图像平面平行,通过所述尺寸特征进行单位距离的深度变化数据分析,生成深度变化因子;
区域分割结果获得模块,所述区域分割结果获得模块用于读取所述CCD相机的基础参数和采样参数,将所述深度变化因子、所述基础参数和所述采样参数输入分割区域网络,生成区域分割结果,其中,所述区域分割结果带有中心聚焦位置标识;
局部认证特征获得模块,所述局部认证特征获得模块用于建立瓶体识别特征集,并将所述瓶体识别特征集执行采集视角下的区域分割适配,生成局部认证特征;
分区图像集获得模块,所述分区图像集获得模块用于当塑料瓶通过定位特征完成定位后,控制所述CCD相机执行对应中心聚焦位置下的分区采集,分区大小依据所述区域分割结果设定,以分区采集结果建立分区图像集;
瑕疵检测结果获得模块,所述瑕疵检测结果获得模块用于通过所述局部认证特征进行所述分区图像集的瑕疵认证,生成瑕疵检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424199.6A CN117152153B (zh) | 2023-10-31 | 2023-10-31 | 一种塑料包装瓶身瑕疵检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424199.6A CN117152153B (zh) | 2023-10-31 | 2023-10-31 | 一种塑料包装瓶身瑕疵检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117152153A true CN117152153A (zh) | 2023-12-01 |
CN117152153B CN117152153B (zh) | 2024-01-26 |
Family
ID=88901171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311424199.6A Active CN117152153B (zh) | 2023-10-31 | 2023-10-31 | 一种塑料包装瓶身瑕疵检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152153B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018077097A (ja) * | 2016-11-08 | 2018-05-17 | 大同特殊鋼株式会社 | 超音波探傷方法および超音波探傷装置 |
CN115201208A (zh) * | 2022-08-04 | 2022-10-18 | 扬州安睿自动化科技有限公司 | 一种平面包在线瑕疵检测方法及装置 |
CN116754484A (zh) * | 2023-06-19 | 2023-09-15 | 江苏省特种设备安全监督检验研究院 | 一种非金属内胆纤维缠绕容器的无损检测方法 |
-
2023
- 2023-10-31 CN CN202311424199.6A patent/CN117152153B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018077097A (ja) * | 2016-11-08 | 2018-05-17 | 大同特殊鋼株式会社 | 超音波探傷方法および超音波探傷装置 |
CN115201208A (zh) * | 2022-08-04 | 2022-10-18 | 扬州安睿自动化科技有限公司 | 一种平面包在线瑕疵检测方法及装置 |
CN116754484A (zh) * | 2023-06-19 | 2023-09-15 | 江苏省特种设备安全监督检验研究院 | 一种非金属内胆纤维缠绕容器的无损检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117152153B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767418B (zh) | 检査装置、数据生成装置、数据生成方法及存储介质 | |
CN109961421B (zh) | 数据生成装置、数据生成方法以及数据生成记录介质 | |
CN111709948B (zh) | 容器瑕疵检测方法和装置 | |
CN109308700A (zh) | 一种基于印刷品字符的视觉识别缺陷检测方法 | |
CN111160301B (zh) | 基于机器视觉的隧道病害目标智能识别及提取方法 | |
CN111814850A (zh) | 缺陷检测模型训练方法、缺陷检测方法及相关装置 | |
CN109508664B (zh) | 一种基于深度学习的菜品识别计价方法 | |
EP3223019B1 (en) | Method, computer program product, and system for establishing a sample tube set | |
CN105021628A (zh) | 一种用于光纤倒像器表面缺陷的检测方法 | |
BR112020022645A2 (pt) | sistema e método para detecção de defeitos em itens imageados | |
CN109389594B (zh) | 一种宫颈癌组织显微图像处理方法 | |
CN111486797B (zh) | 一种地铁圆形盾构隧道横向直径的自动提取方法 | |
TW202127371A (zh) | 基於圖像的瑕疵檢測方法及電腦可讀存儲介質 | |
CN103366176A (zh) | 光学元件缺陷批量自动识别装置和方法 | |
JP2020106461A (ja) | 画像生成装置及び外観検査装置 | |
KR101643713B1 (ko) | 학습형 스마트 카메라를 이용한 검사 대상 물품의 검사방법 | |
KR20160120641A (ko) | 부품의 자동식별을 이용한 모듈 자동 설계/공정 시스템 및 그 방법 | |
CN115035092A (zh) | 基于图像的瓶体检测方法、装置、设备及存储介质 | |
CN117152153B (zh) | 一种塑料包装瓶身瑕疵检测方法及系统 | |
WO2014103617A1 (ja) | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム | |
CN114170168A (zh) | 显示模组缺陷检测方法、系统及计算机可读存储介质 | |
CN110827263A (zh) | 基于视觉识别技术的磁瓦表面缺陷检测系统及检测方法 | |
JP2018081629A (ja) | 判定装置、判定方法および判定プログラム | |
CN109626302A (zh) | 一种啤酒瓶内异物的在线检测方法 | |
CN105825182A (zh) | 一种在线识别裂颖稻种的双面分析方法 |
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 |