CN117576102A - 一种基于反射光谱的汽车缺陷检测方法及系统 - Google Patents
一种基于反射光谱的汽车缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN117576102A CN117576102A CN202410064549.0A CN202410064549A CN117576102A CN 117576102 A CN117576102 A CN 117576102A CN 202410064549 A CN202410064549 A CN 202410064549A CN 117576102 A CN117576102 A CN 117576102A
- Authority
- CN
- China
- Prior art keywords
- reflection spectrum
- defect
- spectrum data
- information
- component
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 221
- 238000001228 spectrum Methods 0.000 title claims abstract description 199
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 238000010586 diagram Methods 0.000 claims description 48
- 238000004519 manufacturing process Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 25
- 238000012423 maintenance Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000985 reflectance spectrum Methods 0.000 claims description 3
- 238000001055 reflectance spectroscopy Methods 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000003068 static 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G01N2021/8854—Grading and classifying of flaws
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Biochemistry (AREA)
- Computing Systems (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Immunology (AREA)
- Evolutionary Computation (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Factory Administration (AREA)
Abstract
本发明适用于缺陷检测技术领域,提供了一种基于反射光谱的汽车缺陷检测方法及系统,首先根据多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库,然后采集任一零部件的反射光谱数据图,并在零部件的反射光谱数据图上标记有零部件编号,接着将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息,所述零部件缺损信息包括缺损等级、缺损原因和维修信息,最后识别零部件缺陷原因,便于生产部门、物流公司和用户及时收到零部件缺损信息的目的,也有助于及时从生产工艺、物流运输和维修三个层面解决零部件缺陷,具备获取缺损信息效率高和解决零部件缺陷效率高的特点。
Description
技术领域
本发明涉及缺陷检测技术领域,具体是涉及一种基于反射光谱的汽车缺陷检测方法及系统。
背景技术
汽车在加工生产之后以及汽车使用过程中,相应的质检检测部门和汽车4S店会对汽车零部件表面进行检测,随着科学技术的进步,光谱仪利用红外反射原理检测汽车零部件表面缺陷的技术已经越来越成熟,光谱仪对汽车零部件表面检测完成后会生成相应的反射光谱数据图,反射光谱数据图中会显示零部件是否存在缺陷以及缺陷类型。
由于造成缺陷的原因有很多种,例如:生产部门生产工艺原因、物流公司运输不当原因以及使用过程中用户操作不当原因等,因此现有的利用反射光谱检测汽车缺陷的技术还存在以下缺陷:一方面无法根据缺陷类型自动获取以及分析识别缺陷原因,另一方面无法将具体的缺陷信息分别发送给生产部门、物流公司和用户。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于反射光谱的汽车缺陷检测方法及系统,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种基于反射光谱的汽车缺陷检测方法,所述方法包括以下步骤:
根据多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库;
采集任一零部件的反射光谱数据图,并在零部件的反射光谱数据图上标记有零部件编号;
将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息,所述零部件缺损信息包括缺损等级、缺损原因和维修信息;
识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机。
作为本发明进一步的方案:所述基于多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库的步骤,具体包括:
采集多个存在不同缺陷的零部件反射光谱数据图;
基于零部件反射光谱数据图,获取对应的零部件缺陷信息,输出零部件反射光谱数据图模板;
根据零部件反射光谱数据图模板建立零部件反射光谱图数据库,每一个零部件反射光谱数据图模板对应一个零部件编号。
作为本发明进一步的方案:所述将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息的步骤,具体包括:
将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库;
将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配;
输出对应的零部件缺损信息。
作为本发明进一步的方案:所述将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配的步骤,具体包括:
用基于DCT的hash方法分别计算零部件的反射光谱数据图与部件反射光谱数据图模板的hash值,得到h_1和h_2;
计算h_1和h_2之间的汉明距离dis_h;
根据汉明距离dis_h计算得到零部件的反射光谱数据图与零部件反射光谱数据图模板之间的相似度,相似度即为匹配值。
作为本发明进一步的方案:所述识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机的步骤,具体包括:
根据零部件缺损信息识别不同的零部件缺陷原因;
当缺陷原因为加工工艺或产品材料不合格时,将零部件缺损等级和缺损原因信息发送给生产部门;
当缺陷原因为物流运输防护不当时,将零部件缺损等级和缺损原因信息发送给物流公司;
当缺陷原因为用户个人操作不当时,将缺损等级、缺损原因和维修信息发送给用户个人手机。
一种基于反射光谱的汽车缺陷检测系统,所述系统包括:
数据库建立模块,用于根据多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库;
采集模块,用于采集任一零部件的反射光谱数据图,并在零部件的反射光谱数据图上标记有零部件编号;
匹配模块,用于将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息;
识别模块,用于识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机。
作为本发明进一步的方案:所述数据库建立模块包括:
采集单元,用于采集多个存在不同缺陷的零部件反射光谱数据图;
信息获取单元,用于基于零部件反射光谱数据图,获取对应的零部件缺陷信息,输出零部件反射光谱数据图模板;
数据存储单元,用于根据零部件反射光谱数据图模板建立零部件反射光谱图数据库,每一个零部件反射光谱数据图模板对应一个零部件编号。
作为本发明进一步的方案:所述匹配模块包括:
输入单元,用于将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库;
匹配单元,用于将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配;
输出单元,输出对应的零部件缺损信息,所述零部件缺损信息包括缺损等级、缺损原因和维修信息。
作为本发明进一步的方案:所述匹配单元包括:
hash值计算子单元,用基于DCT的hash方法分别计算零部件反射光谱数据图与部件反射光谱数据图模板的hash值,得到h_1和h_2;
汉明距离计算子单元,用于计算h_1和h_2之间的汉明距离dis_h;
相似度计算子单元,用于根据汉明距离dis_h计算得到零部件反射光谱数据图与部件反射光谱数据图模板之间的相似度,相似度即为匹配值。
作为本发明进一步的方案:所述识别模块包括:
识别单元,根据零部件缺损信息识别不同的零部件缺陷原因;
第一信息输出单元,当缺陷原因为加工工艺或产品材料不合格时,将零部件缺损等级和缺损原因信息发送给生产部门;
第二信息输出单元,当缺陷原因为物流运输防护不当时,将零部件缺损等级和缺损原因信息发送给物流公司;
第三信息输出单元,当缺陷原因为用户个人操作不当时,将缺损等级、缺损原因和维修信息发送给用户个人手机。
与现有技术相比,本发明的有益效果是:本申请先是通过将采集到的零部件反射光谱数据图与零部件反射光谱数据图模板进行匹配的方式达到了快速获取零部件缺损信息的目的,然后再根据识别缺陷原因的方式达到了将零部件缺损信息分别发送给生产部门、物流公司和用户个人手机的目的,从而便于生产部门、物流公司和用户及时收到零部件缺损信息的目的,也有助于及时从生产工艺、物流运输和维修三个层面解决零部件缺陷,具备获取缺损信息效率高和解决零部件缺陷效率高的特点。
附图说明
图1为一种基于反射光谱的汽车缺陷检测方法的流程图。
图2为一种基于反射光谱的汽车缺陷检测方法中基于多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库的流程图。
图3为一种基于反射光谱的汽车缺陷检测方法中将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息的流程图。
图4为一种基于反射光谱的汽车缺陷检测方法中将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配的流程图。
图5为一种基于反射光谱的汽车缺陷检测方法中识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机的流程图。
图6为一种基于反射光谱的汽车缺陷检测系统的结构示意图。
图7为一种基于反射光谱的汽车缺陷检测系统中数据库建立模块的结构示意图。
图8为一种基于反射光谱的汽车缺陷检测系统中匹配模块的结构示意图。
图9为一种基于反射光谱的汽车缺陷检测系统中匹配单元的结构示意图。
图10为一种基于反射光谱的汽车缺陷检测系统中识别模块的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,本发明实施例提供了一种基于反射光谱的汽车缺陷检测方法,所述方法包括以下步骤:
S100,根据多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库;
S200,采集任一零部件的反射光谱数据图,并在零部件的反射光谱数据图上标记有零部件编号;
S300,将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息,所述零部件缺损信息包括缺损等级、缺损原因和维修信息;
S400,识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机。
本发明实施例中,采集任一零部件的反射光谱数据图是利用。
如图2所示,作为本发明一个优选的实施例,所述基于多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库的步骤,具体包括:
S110,采集多个存在不同缺陷的零部件反射光谱数据图;
S120,基于零部件反射光谱数据图,获取对应的零部件缺陷信息,输出零部件反射光谱数据图模板;
S130,根据零部件反射光谱数据图模板建立零部件反射光谱图数据库,每一个零部件反射光谱数据图模板对应一个零部件编号。
本发明实施例中,首先事先对多个存在不同缺陷的零部件一一采集反射光谱数据图,然后从汽车品检部门、汽车维修部门等获取与该反射光谱数据图对应的缺陷信息,接着将每一种缺陷类型的零部件对应的零部件反射光谱数据图和对应的缺陷信息相结合制作一个零部件反射光谱数据图模板,最后将每一个零部件反射光谱数据图模板都存储在零部件反射光谱图数据库内,在每一个零部件反射光谱数据图模板上都标记有零部件编号。
如图3所示,作为本发明一个优选的实施例,所述将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息的步骤,具体包括:
S310,将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库;
S320,将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配;
S330,输出对应的零部件缺损信息。
本发明实施例中,标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库之后,首先会按照零部件编号匹配到相应的若干个零部件反射光谱数据图模板,然后该零部件的反射光谱数据图再与若干个零部件反射光谱数据图模板进行匹配,从而输出与该零部件的反射光谱数据图相匹配的零部件反射光谱数据图模板。
如图4所示,作为本发明一个优选的实施例,所述将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配的步骤,具体包括:
S3201,用基于DCT的hash方法分别计算零部件的反射光谱数据图与部件反射光谱数据图模板的hash值,得到h_1和h_2;
S3202,计算h_1和h_2之间的汉明距离dis_h;
S3203,根据汉明距离dis_h计算得到零部件的反射光谱数据图与零部件反射光谱数据图模板之间的相似度,相似度即为匹配值。
本发明实施例中,基于DCT的hash方法对图片进行识别为现有技术中的一种AI图片识别方法,所述基于DCT的hash方法使用离散余弦变换提取图片的低频成分,先将图片转换成标准大小的灰度图,然后对灰度图做DCT变换,再从系数矩阵中提取出64位的hash值作为指纹,然后计算h_1和h_2之间的汉明距离dis_h,并根据汉明距离dis_h计算得到零部件的反射光谱数据图与零部件反射光谱数据图模板的相似度,这种计算两张图片之间相似度的方法为现有技术,这里不再详细描述。
如图5所示,作为本发明一个优选的实施例,所述识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机的步骤,具体包括:
S410,根据零部件缺损信息识别不同的零部件缺陷原因;
S420,当缺陷原因为加工工艺或产品材料不合格时,将零部件缺损等级和缺损原因信息发送给生产部门;
S430,当缺陷原因为物流运输防护不当时,将零部件缺损等级和缺损原因信息发送给物流公司;
S440,当缺陷原因为用户个人操作不当时,将缺损等级、缺损原因和维修信息发送给用户个人手机。
本发明实施例中,由于零部件缺陷原因有以下三种类型:加工工艺或产品材料不合格、物流运输防护不当和用户个人操作不当,本申请通过识别零部件缺陷原因的方式达到分别向生产部门、物流公司和用户个人手机发送零部件缺损信息的目的,从而便于生产部门、物流公司和用户及时收到零部件缺损信息的目的,也有助于及时从生产工艺、物流运输和维修三个层面解决零部件缺陷的问题。
如图6所示,一种基于反射光谱的汽车缺陷检测系统,所述系统包括:
数据库建立模块100,用于根据多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库;
采集模块200,用于采集任一零部件的反射光谱数据图,并在零部件的反射光谱数据图上标记有零部件编号;
匹配模块300,用于将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息;
识别模块400,用于识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机。
本发明实施例中,数据库建立模块100与匹配模块300和识别模块400之间通信连接,采集模块200为光谱仪,光谱仪的具体型号此处不做限制,便不再进行赘述,光谱仪对零件的整个表面进行测量,从而采集到整个零件表面的反射光谱数据图。
如图7所示,作为本发明一个优选的实施例,所述数据库建立模块100包括:
采集单元101,用于采集多个存在不同缺陷的零部件反射光谱数据图;
信息获取单元102,用于基于零部件反射光谱数据图,获取对应的零部件缺陷信息,输出零部件反射光谱数据图模板;
数据存储单元103,用于根据零部件反射光谱数据图模板建立零部件反射光谱图数据库,每一个零部件反射光谱数据图模板对应一个零部件编号。
本发明实施例中,采集单元101可以是光谱仪现场采集零部件反射光谱数据图,也可以人工整理零部件反射光谱数据图,信息获取单元102能够从汽车品检部门、汽车维修部门等获取与该反射光谱数据图对应的缺陷信息,将若干个零部件反射光谱数据图模板存储到数据存储单元103的方式达到建立零部件反射光谱图数据库的目的。
如图8所示,作为本发明一个优选的实施例,所述匹配模块300包括:
输入单元301,用于将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库;
匹配单元302,用于将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配;
输出单元303,输出对应的零部件缺损信息,所述零部件缺损信息包括缺损等级、缺损原因和维修信息。
本发明实施例中,输入单元301为输入框,可以同时输入图片和文本信息,匹配单元302可以同时对零部件编号和零部件的反射光谱数据图进行匹配,输出单元303输出的零部件缺损信息既可以是文字,也可以是图片或视频。
如图9所示,作为本发明一个优选的实施例,所述匹配单元302包括:
hash值计算子单元3021,用基于DCT的hash方法分别计算零部件反射光谱数据图与部件反射光谱数据图模板的hash值,得到h_1和h_2;
汉明距离计算子单元3022,用于计算h_1和h_2之间的汉明距离dis_h;
相似度计算子单元3023,用于根据汉明距离dis_h计算得到零部件反射光谱数据图与部件反射光谱数据图模板之间的相似度,相似度即为匹配值。
本发明实施例中,零部件反射光谱数据图具体为曲线图,通过分析两个曲线图之间的相似度达到获取两者之间匹配度的目的。
如图10所示,作为本发明一个优选的实施例,所述识别模块400包括:
识别单元401,根据零部件缺损信息识别不同的零部件缺陷原因;
第一信息输出单元402,当缺陷原因为加工工艺或产品材料不合格时,将零部件缺损等级和缺损原因信息发送给生产部门;
第二信息输出单元403,当缺陷原因为物流运输防护不当时,将零部件缺损等级和缺损原因信息发送给物流公司;
第三信息输出单元404,当缺陷原因为用户个人操作不当时,将缺损等级、缺损原因和维修信息发送给用户个人手机。
本发明实施例中,识别单元401通过捕捉关键字或关键词的方式达到识别缺陷原因的目的,第一信息输出单元402、第二信息输出单元403和第三信息输出单元404分别通过无线传输或有线传输的方式将零部件缺损信息分别发送给生产部门、物流公司和用户个人手机,生产部门、物流公司和用户个人手机接收到零部件缺损信息之后。
综上所述,本申请先是通过将采集到的零部件反射光谱数据图与零部件反射光谱数据图模板进行匹配的方式达到了快速获取零部件缺损信息的目的,然后再根据识别缺陷原因的方式达到了将零部件缺损信息分别发送给生产部门、物流公司和用户个人手机的目的,从而便于生产部门、物流公司和用户及时收到零部件缺损信息的目的,也有助于及时从生产工艺、物流运输和维修三个层面解决零部件缺陷,具备获取缺损信息效率高和解决零部件缺陷效率高的特点。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (10)
1.一种基于反射光谱的汽车缺陷检测方法,其特征在于,所述方法包括以下步骤:
根据多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库;
采集任一零部件的反射光谱数据图,并在零部件的反射光谱数据图上标记有零部件编号;
将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息,所述零部件缺损信息包括缺损等级、缺损原因和维修信息;
识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机。
2.根据权利要求1所述的一种基于反射光谱的汽车缺陷检测方法,其特征在于,所述基于多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库的步骤,具体包括:
采集多个存在不同缺陷的零部件反射光谱数据图;
基于零部件反射光谱数据图,获取对应的零部件缺陷信息,输出零部件反射光谱数据图模板;
根据零部件反射光谱数据图模板建立零部件反射光谱图数据库,每一个零部件反射光谱数据图模板对应一个零部件编号。
3.根据权利要求2所述的一种基于反射光谱的汽车缺陷检测方法,其特征在于,所述将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息的步骤,具体包括:
将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库;
将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配;
输出对应的零部件缺损信息。
4.根据权利要求3所述的一种基于反射光谱的汽车缺陷检测方法,其特征在于,所述将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配的步骤,具体包括:
用基于DCT的hash方法分别计算零部件的反射光谱数据图与部件反射光谱数据图模板的hash值,得到h_1和h_2;
计算h_1和h_2之间的汉明距离dis_h;
根据汉明距离dis_h计算得到零部件的反射光谱数据图与零部件反射光谱数据图模板之间的相似度,相似度即为匹配值。
5.根据权利要求4所述的一种基于反射光谱的汽车缺陷检测方法,其特征在于,所述识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机的步骤,具体包括:
根据零部件缺损信息识别不同的零部件缺陷原因;
当缺陷原因为加工工艺或产品材料不合格时,将零部件缺损等级和缺损原因信息发送给生产部门;
当缺陷原因为物流运输防护不当时,将零部件缺损等级和缺损原因信息发送给物流公司;
当缺陷原因为用户个人操作不当时,将缺损等级、缺损原因和维修信息发送给用户个人手机。
6.一种基于反射光谱的汽车缺陷检测系统,其特征在于,所述系统包括:
数据库建立模块,用于根据多个存在不同缺陷的零部件反射光谱数据图,建立零部件反射光谱图数据库;
采集模块,用于采集任一零部件的反射光谱数据图,并在零部件的反射光谱数据图上标记有零部件编号;
匹配模块,用于将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库进行匹配,输出对应的零部件缺损信息;
识别模块,用于识别零部件缺陷原因,根据零部件缺陷原因的不同,分别将零部件缺损信息发送给生产部门、物流公司和用户个人手机。
7.根据权利要求6所述的一种基于反射光谱的汽车缺陷检测系统,其特征在于,所述数据库建立模块包括:
采集单元,用于采集多个存在不同缺陷的零部件反射光谱数据图;
信息获取单元,用于基于零部件反射光谱数据图,获取对应的零部件缺陷信息,输出零部件反射光谱数据图模板;
数据存储单元,用于根据零部件反射光谱数据图模板建立零部件反射光谱图数据库,每一个零部件反射光谱数据图模板对应一个零部件编号。
8.根据权利要求7所述的一种基于反射光谱的汽车缺陷检测系统,其特征在于,所述匹配模块包括:
输入单元,用于将标记有零部件编号的零部件的反射光谱数据图输入零部件反射光谱图数据库;
匹配单元,用于将零部件的反射光谱数据图与零部件反射光谱数据图模板进行匹配;
输出单元,输出对应的零部件缺损信息,所述零部件缺损信息包括缺损等级、缺损原因和维修信息。
9.根据权利要求8所述的一种基于反射光谱的汽车缺陷检测系统,其特征在于,所述匹配单元包括:
hash值计算子单元,用基于DCT的hash方法分别计算零部件反射光谱数据图与部件反射光谱数据图模板的hash值,得到h_1和h_2;
汉明距离计算子单元,用于计算h_1和h_2之间的汉明距离dis_h;
相似度计算子单元,用于根据汉明距离dis_h计算得到零部件反射光谱数据图与部件反射光谱数据图模板之间的相似度,相似度即为匹配值。
10.根据权利要求9所述的一种基于反射光谱的汽车缺陷检测系统,其特征在于,所述识别模块包括:
识别单元,根据零部件缺损信息识别不同的零部件缺陷原因;
第一信息输出单元,当缺陷原因为加工工艺或产品材料不合格时,将零部件缺损等级和缺损原因信息发送给生产部门;
第二信息输出单元,当缺陷原因为物流运输防护不当时,将零部件缺损等级和缺损原因信息发送给物流公司;
第三信息输出单元,当缺陷原因为用户个人操作不当时,将缺损等级、缺损原因和维修信息发送给用户个人手机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410064549.0A CN117576102A (zh) | 2024-01-17 | 2024-01-17 | 一种基于反射光谱的汽车缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410064549.0A CN117576102A (zh) | 2024-01-17 | 2024-01-17 | 一种基于反射光谱的汽车缺陷检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117576102A true CN117576102A (zh) | 2024-02-20 |
Family
ID=89862982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410064549.0A Pending CN117576102A (zh) | 2024-01-17 | 2024-01-17 | 一种基于反射光谱的汽车缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117576102A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389689A (zh) * | 2017-07-26 | 2017-11-24 | 武汉精测电子技术股份有限公司 | 一种用于缺陷检测的aoi管理系统及管理方法 |
CN111127699A (zh) * | 2019-11-25 | 2020-05-08 | 爱驰汽车有限公司 | 汽车缺陷数据自动录入方法、系统、设备及介质 |
CN111707692A (zh) * | 2020-07-17 | 2020-09-25 | 碳升技术服务(北京)有限公司 | 汽车零部件的缺陷检测方法、系统及电子设备 |
CN113588656A (zh) * | 2021-07-02 | 2021-11-02 | 江苏恒裕泰智能装备有限公司 | 一种新型螺栓外观尺寸检测方法 |
CN115937177A (zh) * | 2022-12-27 | 2023-04-07 | 中国万宝工程有限公司 | 零部件表面缺陷识别方法及装置 |
CN116165280A (zh) * | 2023-03-29 | 2023-05-26 | 中北大学 | 一种对激光熔覆过程内部缺陷实时监测方法与系统 |
CN117271534A (zh) * | 2023-11-23 | 2023-12-22 | 长春汽车工业高等专科学校 | 一种汽车零部件的光谱检测方法及系统 |
-
2024
- 2024-01-17 CN CN202410064549.0A patent/CN117576102A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107389689A (zh) * | 2017-07-26 | 2017-11-24 | 武汉精测电子技术股份有限公司 | 一种用于缺陷检测的aoi管理系统及管理方法 |
CN111127699A (zh) * | 2019-11-25 | 2020-05-08 | 爱驰汽车有限公司 | 汽车缺陷数据自动录入方法、系统、设备及介质 |
CN111707692A (zh) * | 2020-07-17 | 2020-09-25 | 碳升技术服务(北京)有限公司 | 汽车零部件的缺陷检测方法、系统及电子设备 |
CN113588656A (zh) * | 2021-07-02 | 2021-11-02 | 江苏恒裕泰智能装备有限公司 | 一种新型螺栓外观尺寸检测方法 |
CN115937177A (zh) * | 2022-12-27 | 2023-04-07 | 中国万宝工程有限公司 | 零部件表面缺陷识别方法及装置 |
CN116165280A (zh) * | 2023-03-29 | 2023-05-26 | 中北大学 | 一种对激光熔覆过程内部缺陷实时监测方法与系统 |
CN117271534A (zh) * | 2023-11-23 | 2023-12-22 | 长春汽车工业高等专科学校 | 一种汽车零部件的光谱检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘瑞媛;王泽源;刘晓敏;陆文超;: "基于机器视觉的汽车精密零件缺陷检测", 软件, no. 03, 15 March 2020 (2020-03-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6452186B2 (ja) | 複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体 | |
US10373262B1 (en) | Image processing system for vehicle damage | |
EP3848888A1 (en) | Method and apparatus for generating vehicle damage image based on gan network | |
CN108323209B (zh) | 信息处理方法、系统、云处理设备以及计算机存储介质 | |
CN108427959A (zh) | 基于图像识别的机台状态采集方法及系统 | |
CN110544231A (zh) | 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法 | |
CN111695609A (zh) | 目标物损伤程度判定方法、装置、电子设备及存储介质 | |
CN111461101A (zh) | 工服标志的识别方法、装置、设备及存储介质 | |
CN113656864B (zh) | 一种基于bim的建筑施工方法、系统、计算机装置及存储介质 | |
CN110969202A (zh) | 基于颜色分量和感知哈希算法的人像采集环境验证方法及系统 | |
CN117237925B (zh) | 一种基于计算机视觉的智慧道路病害巡检方法及系统 | |
CN117576102A (zh) | 一种基于反射光谱的汽车缺陷检测方法及系统 | |
CN116071348B (zh) | 基于视觉检测的工件表面检测方法及相关装置 | |
CN117152094A (zh) | 基于计算机视觉的钢板表面缺陷分析方法、装置及系统 | |
CN116862843A (zh) | 一种施工现场安全风险无感巡检方法及系统 | |
CN116596903A (zh) | 缺陷识别方法、装置、电子设备及可读存储介质 | |
CN113447572B (zh) | 钢轨探伤方法、电子装置、钢轨探伤车及可读存储介质 | |
CN115861927A (zh) | 电力设备巡检图像的图像识别方法、装置和计算机设备 | |
CN113298102B (zh) | 一种目标分类模型的训练方法及装置 | |
CN114913118A (zh) | 工业视觉检测方法、装置、电子设备以及存储介质 | |
CN111783912A (zh) | 一种货物信息采集的方法及系统 | |
CN111768333A (zh) | 标识去除方法、装置、设备及存储介质 | |
Bruni et al. | Radon transform of image monotonic rearrangements as feature for noise sensor signature | |
CN117237310B (zh) | 一种基于图像识别的钢结构件缺陷检测方法及系统 | |
CN116132431B (zh) | 一种数据传输方法及系统 |
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 |