CN117745706A - 轮胎的帘布密度的确定方法、装置、处理器及电子设备 - Google Patents
轮胎的帘布密度的确定方法、装置、处理器及电子设备 Download PDFInfo
- Publication number
- CN117745706A CN117745706A CN202311862722.3A CN202311862722A CN117745706A CN 117745706 A CN117745706 A CN 117745706A CN 202311862722 A CN202311862722 A CN 202311862722A CN 117745706 A CN117745706 A CN 117745706A
- Authority
- CN
- China
- Prior art keywords
- image information
- density
- curtain
- channel
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 148
- 239000004744 fabric Substances 0.000 claims abstract description 201
- 238000004519 manufacturing process Methods 0.000 claims abstract description 58
- 230000008569 process Effects 0.000 claims abstract description 51
- 238000001514 detection method Methods 0.000 claims description 78
- 238000012545 processing Methods 0.000 claims description 66
- 239000011159 matrix material Substances 0.000 claims description 48
- 239000012535 impurity Substances 0.000 claims description 45
- 230000004044 response Effects 0.000 claims description 28
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000001816 cooling Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008030 elimination Effects 0.000 claims description 11
- 238000003379 elimination reaction Methods 0.000 claims description 11
- 239000000835 fiber Substances 0.000 description 35
- 238000004422 calculation algorithm Methods 0.000 description 23
- 229910000831 Steel Inorganic materials 0.000 description 18
- 239000010959 steel Substances 0.000 description 18
- 238000007689 inspection Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 8
- 238000005070 sampling Methods 0.000 description 8
- 238000011897 real-time detection Methods 0.000 description 7
- 208000003464 asthenopia Diseases 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003490 calendering Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000003628 erosive effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000001739 density measurement Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种轮胎的帘布密度的确定方法、装置、处理器及电子设备。其中,该方法包括:在制作轮胎的过程中,获取轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色;对通道信息进行合并,得到单通道图像信息,其中,单通道图像信息为帘布与帘布所处背景二者之间区分明显的图像信息;从单通道图像信息中,识别帘布的边缘图像信息;基于边缘图像信息,确定帘布的帘布密度。本发明解决了确定轮胎的帘布密度的效率低的技术问题。
Description
技术领域
本发明涉及轮胎的帘布密度检测技术领域,具体而言,涉及一种轮胎的帘布密度的确定方法、装置、处理器及电子设备。
背景技术
目前,在车辆的轮胎生产过程中,由压延工序生产出来的纤维帘布和钢丝帘布的产品质量是轮胎骨架材料性能好坏的主要影响因素,从而决定了成品轮胎的诸多性能。帘布内的纤维密度或钢丝密度作为纤维帘布和钢丝帘布的核心参数,其决定了轮胎的刚性、耐久性和均匀性。而在生产过程中,帘布的质量难以得到实时有效的检测。
在相关技术中,在帘布生产完成后通过人工抽检的方式对帘布密度进行检测,由于人工抽检是在产品生产结束后进行,不能及时对产品进行有效检测,且其检测结果不能代表整个帘布的生产质量,仅具有限的参考价值。然而,通过人工抽检的方式所确定的帘布密度的准确性无法得到保证,且人工抽检的检查强度较高,因此,仍存在确定轮胎的帘布密度的效率低的技术问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种轮胎的帘布密度的确定方法、装置、处理器及电子设备,以至少解决确定轮胎的帘布密度的效率低的技术问题。
根据本发明实施例的一个方面,提供了一种轮胎的帘布密度的确定方法,包括:在制作轮胎的过程中,获取轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色;对通道信息进行合并,得到单通道图像信息,其中,单通道图像信息为帘布与帘布所处背景二者之间区分明显的图像信息;从单通道图像信息中,识别帘布的边缘图像信息;基于边缘图像信息,确定帘布的帘布密度。
可选地,帘布密度的确定方法应用于帘布密度检测系统,帘布密度检测系统至少包括:图像采集设备和图像采集系统,在获取轮胎的帘布的图像信息之前,该方法还包括:在帘布所处的压延机冷却辊前部署图像采集设备,其中,图像采集设备包括至少一个光源、至少一个光源控制器和至少一个图像采集设备,将至少一个图像采集子设备接入图像采集系统;该方法还可以包括:获取帘布的标定比例。
可选地,在制作轮胎的过程中,获取轮胎的帘布的图像信息,包括:在制作轮胎的过程中,通过图像采集系统控制图像采集设备,在压延机冷却辊上采集图像信息;该方法还包括:将通道信息转换为通道矩阵信息。
可选地,该方法还包括:响应于图像采集设备未采集到图像信息,向图像采集系统发送提示信息,其中,提示信息用于提示存在设备异常状况。
可选地,帘布密度检测系统还包括杂质消除系统,对通道信息进行合并,得到单通道图像信息,包括:响应于将通道信息对应的通道矩阵信息传输至杂质消除系统,对通道矩阵信息进行合并,得到单通道图像信息;该方法还包括:将单通道图像信息对应的通道矩阵中的元素进行二值化处理,得到处理结果,其中,处理结果为对单通道图像信息中的杂质去除后得到的单通道图像信息。
可选地,帘布密度检测系统还包括计数系统,从单通道图像信息中,识别帘布的边缘图像信息,包括:响应于处理结果传输至计数系统,从处理结果中识别出边缘图像信息;从边缘图像信息中识别出所述帘布的边缘的第一个帘布子部分;该方法还包括:通过标定比例,截取帘布子部分向内目标宽度,得到截取结果;将截取结果横向分为目标数量的分段,并在分段内进行计数。
可选地,帘布密度检测系统还包括异常处理系统,基于边缘图像信息,确定帘布的帘布密度,包括:响应于边缘图像信息传输至异常处理系统,对边缘图像信息中帘布的边缘之间的缝隙密度进行检测,得到检测结果,其中,检测结果用于表示缝隙密度的数量;响应于检测结果中缝隙密度小于缝隙密度阈值,确定帘布存在细小劈缝;将细小劈缝从检测结果中剔除,从剔除了细小劈缝的检测结果中,确定帘布密度。
可选地,在基于边缘图像信息,确定帘布的帘布密度之后,该方法还包括:确定帘布密度与密度标准数据二者之间的差值;响应于差值的绝对值小于等于目标数据,显示帘布密度;响应于差值的绝对值大于目标数据,发出报警信息,其中,报警信息用于提示帘布生产异常。
根据本发明实施例的另一方面,还提供了一种轮胎的帘布密度的确定装置,包括:获取单元,用于在制作轮胎的过程中,获取轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色;合并单元,用于对通道信息进行合并,得到单通道图像信息,其中,单通道图像信息为帘布与帘布所处背景二者之间区分明显的图像信息;识别单元,用于从单通道图像信息中,识别帘布的边缘图像信息;确定单元,用于基于边缘图像信息,确定帘布的帘布密度。
根据本发明实施例的另一方面,还提供了一种处理器。该处理器可以用于运行程序,其中,程序运行时执行任意一种上述的轮胎的帘布密度的确定方法。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,上述计算机可读存储介质存储有多条指令,上述指令适于由处理器加载并执行任意一项上述的轮胎的帘布密度的确定方法。
根据本发明实施例的另一方面,还提供了一种电子设备,包括存储器和处理器,上述存储器中存储有计算机程序,上述处理器被设置为运行上述计算机程序以执行任意一项上述的轮胎的帘布密度的确定方法。
在本发明实施例中,若需要确定轮胎的帘布密度,则可以通过实时自动采集生产的帘布的图像信息,将所采集的图像信息中的三个通道对应的通道信进行合并,得到一个合并后的单通道图像信息,并且在合并的过程中,可以对图像中的帘布和所处背景处理,来使二者进行明显区分,便于提高确定帘布密度的准确性。可以从单通道图像信息中,识别出帘布的边缘图像信息。通过边缘图像信息来确定帘布的帘布密度。由于考虑到传统人工抽检过程容易造成视觉疲劳导致确定帘布密度不准确,且难以快速检测,然而本申请可以通过机器视觉的计算方法和一套用于图像采集的硬件配套方案,从而达到实时准确地检测帘布密度,并且运算速度快,运算结果准确稳定的目的,进而解决了确定轮胎的帘布密度的效率低的技术问题,实现了提高确定轮胎的帘布密度的效率的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种轮胎的帘布密度的确定方法的流程图;
图2是根据本发明实施例的一种帘布密度的实时检测方法的流程图;
图3是根据本发明实施例的一种部署图像采集设备的示意图;
图4是根据本发明实施例的一种轮胎的帘布密度的确定装置的结构示意图;
图5是根据本发明实施例的一种用于轮胎的帘布密度的确定方法的电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种轮胎的帘布密度的确定方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种轮胎的帘布密度的确定方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,在制作轮胎的过程中,获取轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色;
步骤S104,对通道信息进行合并,得到单通道图像信息,其中,单通道图像信息为帘布与帘布所处背景二者之间区分明显的图像信息;
步骤S106,从单通道图像信息中,识别帘布的边缘图像信息;
步骤S108,基于边缘图像信息,确定帘布的帘布密度。
在本发明实施例上述步骤所提供的技术方案中,在制作轮胎的过程中,可以获取帘布的图像信息,并可以确定出图像信息汇总的通道信息,可以对通道信息进行合并,得到合并后的一个单通道图像信息,从单通道图像信息中,识别出帘布的边缘图像信息,并可以基于该边缘图像信息来确定帘布密度,其中,轮胎可以为橡胶轮胎。轮胎的帘布可以为纤维帘布,也可以为钢丝帘布。需要说明的是,上述帘布的材质仅为举例说明,此处不做具体限制。图像信息可以为在帘布生产过程中通过图像采集设备所获取的图像数据,也可以称为二维图像,若该二维图像的通道信息为三通道,则可以将二维图像称为三通道二维图像。图像信息中可以包括通道信息(颜色通道)。通道信息可以用于表征图像信息的颜色,可以包括三个通道的通道信息,红色(Red)、绿色(Green)和蓝色(Blue)。单通道图像信息可以为对图像信息中所包含的通道信息进行合并后的,并且将图像中的帘布与帘布所处背景二者之间进行明显区分的图像信息,也可以称为单通道图像。边缘图像信息中可以包括帘布的边缘(边缘),也可以包括除帘布之外的背景,边缘图像信息可以用于从包含背景的图像中识别出帘布的边缘。边缘可以为帘布中第一根纤维或者第一根钢丝。
可选地,在对轮胎的帘布密度进行确定之前,可以部署用于确定帘布密度的帘布密度实时检测系统,该系统中可以至少包括图像采集设备、图像采集系统、杂质消除系统、计数系统和异常处理系统。
举例而言,通过所部属的图像采集设备,可以对生产过程中的帘布进行图像采集。若图像采集设备中包括三个相机,则可以对三个方向上进行图像采集,比如,可以将三个相机部署在压延机冷却辊上的三个位置,比如,最左端,最右端和中间,来对图像信息进行采集。若图像采集设备中包括一个相机,则可以在压延机冷却辊上的一个位置上进行图像采集。
需要说明的是,在本发明实施例中,不对图像采集设备的个数进行限制,可以为一个,也可以为多个,此处只要是相机的视野中包括帘布的边缘,且能够利用机器视觉识别出用于确定帘布密度的图像信息,不限于图像采集设备的数量,均在本发明实施例的保护范围之内。
在本发明实施例中,通过上述的帘布密度实时检测系统,可以提出一种快速准确测量帘布密度的机器视觉以及配套的图像采集设备部署方案,是第一个解决帘布密度测量难题的方法,既能够实时监测帘布密度以确保全部帘布质量,也能够减轻质检人员的工作强度。从而无需人工干预,来实现确定帘布密度的自动化,进而实现了提高解决确定轮胎的帘布密度的效率的技术效果。
可选地,本发明实施例中的图像采集设备,可以在压延机冷却辊前部署图像采集设备,图像采集设备由线光源、光源控制器与工业相机组成。放置线光源时,需要其光照方向与帘布形成固定夹角,线光源斜打光使帘布表面由纤维或者钢丝形成的起伏造成阴影。可以将图像采集设备与图像采集系统进行连接。
为了保图像识别来确保帘布密度确定的准确性所部属的相机个数,均在本发明实施例的保护范围之内。
可选地,在图像采集设备获取到帘布的图像信息之后,可以上传至图像采集系统。图像采集系统通过图像采集设备得到和相机数目相同的三个通道的图像信息,将此图像传输至杂质消除系统中。
可选地,在杂质消除系统中,可以对通过图像采集设备所获取的图像信息进行处理,来使其合并成一个单通道图像信息。
举例而言,在杂质消除系统中,可以通过对图像信息进行灰度的方法,使得其转换为单通道图像信息。
可选地,在杂质消除系统中,可以对单通道图像信息进行进一步处理,使得图像信息中的帘布与帘布所处背景进行明显区分,比如,可以对图像信息进行二值化处理,使得帘布对应的像素值为255,帘布所处背景的像素值为0,来对二者进行区分。需要说明的是,上述使得图像信息中帘布和帘布所处背景明显区分的方法和过程仅为举例说明,此处不做具体限制。
可选地,在杂质消除系统中,若考虑到需要单通道图像的质量更好,使得基于此所确定出的帘布密度的准确性更好,还可以对单通道图像信息进行处理,来降低单通道图像信息中的杂质,比如,可以通过图像形态学中的图像腐蚀运算和图像的杂质消除算法来消除单通道图像信息中除了帘布中的纤维或钢丝之外的杂质。需要说明的是,上述消除单通道图像信息中杂质的算法和过程仅为举例说明,此处不做具体限制,只要是能够消除除帘布之外的杂质的过程和方法,均在本发明实施例的保护范围之内。
可选地,将单通道图像信息可以发送至计数系统中,可以通过计数系统来从单通道图像信息中识别出边缘图像信息。
举例而言,计数系统会首先识别出帘布的边部的第一根纤维或钢丝,由第一根向内截取一英寸宽度的帘布,截取后的帘布横向分为M段,参数M会影响计算效率和计数准确率。每段内随机选择一行进行纤维或者钢丝计数。
可选地,计数的同时会记录钢丝或纤维边缘的位置,异常处理系统通过边缘与边缘的缝隙宽度来确定该帘布是否有细小劈缝的异常情况,并能够计算出劈缝数量,最终将劈缝数量返回至计数系统。
可选地,M个密度值分别减去其对应的劈缝数量后选择最大值作为该帘布的密度值。左中右三个检测相机同时进行上述过程,并进行实时展示,若检测值超过标准值1根/英寸时进行报警提示,并保存当前图像。
在本发明实施例中,若需要确定轮胎的帘布密度,则可以通过实时自动采集生产的帘布的图像信息,将所采集的图像信息中的三个通道对应的通道信进行合并,得到一个合并后的单通道图像信息,并且在合并的过程中,可以对图像中的帘布和所处背景处理,来使二者进行明显区分,便于提高确定帘布密度的准确性。可以从单通道图像信息中,识别出帘布的边缘图像信息。通过边缘图像信息来确定帘布的帘布密度。由于考虑到传统人工抽检过程容易造成视觉疲劳导致确定帘布密度不准确,且难以快速检测,然而本申请可以通过机器视觉的计算方法和一套用于图像采集的硬件配套方案,从而达到实时准确地检测帘布密度,并且运算速度快,运算结果准确稳定的目的,进而解决了确定轮胎的帘布密度的效率低的技术问题,实现了提高确定轮胎的帘布密度的效率的技术效果。
下面结合上述各步骤对本发明实施例进行详细说明。
作为一种可选的实施例,帘布密度的确定方法应用于帘布密度检测系统,帘布密度检测系统至少包括:图像采集设备和图像采集系统,在获取轮胎的帘布的图像信息之前,该方法还包括:在帘布所处的压延机冷却辊前部署图像采集设备,其中,图像采集设备包括至少一个光源、至少一个光源控制器和至少一个图像子采集设备,将至少一个图像采集设备接入图像采集系统;该方法还可以包括:获取帘布的标定比例。
在该实施例中,在获取轮胎的帘布的图像信息之前,可以在帘布所处的压延冷却辊前来部署图像采集设备,并可以将图像采集设备中的至少一个图像采集设备接入图像采集系统中。在此过程中,还可以确定帘布的标定比例,其中,帘布密度的确定方法可以应用于帘布密度检测系统,帘布密度检测系统中可以至少包括图像采集设备和图像采集系统。帘布密度检测系统也可以称为帘布密度实时检测系统。图像采集设备中可以包括至少一个光源、至少一个光源控制器和至少一个相机。图像采集子设备可以为相机,比如,可以为工业相机。光源可以为线光源。需要说明的是,上述图像采集设备中所包含的东西仅为举例说明,此处不做具体限制,只要是能够采集包含帘布的边缘在内的图像信息的设备,均在本发明实施例的保护范围之内。
可选地,在压延机冷却辊前部署图像采集设备,图像采集设备由线光源、光源控制器与工业相机组成。放置线光源时,需要其光照方向与帘布形成固定夹角,线光源斜打光使帘布表面由纤维或者钢丝形成的起伏造成阴影。
可选地,在本申请实施例中,以三个图像采集设备为例,可以包括三个线光源、三个光源控制器和三个相机。在部署上述的图像采集设备中,可以分别确定三个图像采集设备所要部署在压延机冷却辊上的位置,一个图像采集设备可以部署在压延机冷却辊前端,一个图像采集设备可以部署在压延机冷却辊中部,一个图像采集设备可以部署在压延机冷却辊后端,部署过程中,调整线光源摆放角度、使用光源控制器调整光源亮度、调整相机摆设位置。并可以将三台相机接入图像采集系统。
可选地,图像采集设备部署光源和工业相机,选择生产密度最大的帘布时进行光源的角度、亮度和位置的调整,实现最佳的打光效果。部署左右两侧相机时,需要相机拍摄的图像中留有三分之二的帘布,使算法能够从帘布最边侧进行截取,也消除了帘布生产过程中左右偏移带来的影响。相机位置确认完成后调整好焦距进行标定,得到实际范围与相机拍摄范围的比例。
可选地,在部署图像采集设备的过程中,可以获取帘布的标定比例。
举例而言,将三台相机接入现场工控机,工控机内部署的图像采集系统会自动扫描网口通讯的工业相机,并根据配置文件确定三个相机的位置信息。
作为一种可选的实施例,步骤S102,在制作轮胎的过程中,获取轮胎的帘布的图像信息,包括:在制作轮胎的过程中,通过图像采集系统控制图像采集设备,在压延机冷却辊上采集图像信息;该方法还包括:将通道信息转换为通道矩阵信息。
在该实施例中,在获取轮胎的帘布的图像信息的过程中,可以通过图像采集系统来控制相机在相应的方向上采集图像信息,并可以将图像信息所对应的通道信息转换为通道矩阵信息,其中,通道矩阵信息可以用于表示将通道信息转为数字矩阵表达形式。
可选地,图像采集系统通过图像采集设备得到三通道的二维图像,将此二维图像转为数字矩阵表达形式。
可选地,分别启用三个线程从三个相机中取得拍摄帘布的三通道二维图像,通过图像采集系统将其变换为矩阵形式,设三通道矩阵分别为R、G、B。
作为一种可选的实施例,该方法还包括:响应于图像采集设备未采集到图像信息,向图像采集系统发送提示信息,其中,提示信息用于提示存在设备异常状况。
在该实施例中,当检测到相机并未采集到图像信息,可以向图像采集系统发送提示信息,其中,提示信息可以用于提示存在设备异常状况。
可选地,在通过图像采集系统向图像采集设备发送采集帘布的图像信息的指令之后,可以检测图像采集设备是否按照该指令采集图像信息,并需要向图像采集系统反馈所采集到的图像信息。若图像采集系统接收到图像信息,则可以对所采集到的图像信息进行合并。若图像采集系统未接收到图像信息,则需要向图像采集系统反馈相应的提示信息,来进行设备异常提示。
可选地,若根据确定帘布密度的需求部署了一个图像采集设备,可以检测该图像采集设备是否正常采集到图像信息,并发送给图像采集系统,若图像采集系统未接收到图像信息,则需要发送相应的提示信息,来提示设备异常。
可选地,若根据确定帘布密度的需求部署了至少两个图像采集设备,可以检测上述的至少来年各个采集设备是否正常采集到图像信息,若存在至少其中一个并未采集到图像信息,则需要发送相应的提示信息,来提示设备异常,并可以在提示信息中标记异常的图像采集设备具体是哪一个。
作为一种可选的实施例,帘布密度检测系统还包括杂质消除系统,步骤S104,对通道信息进行合并,得到单通道图像信息,包括:响应于将通道信息对应的通道矩阵信息传输至杂质消除系统,对通道矩阵信息进行合并,得到单通道图像信息;该方法还包括:将单通道图像信息对应的通道矩阵中的元素进行二值化处理,得到处理结果,其中,处理结果为对单通道图像信息中的杂质去除后得到的单通道图像信息。
在该实施例中,在对通道信息进行合并,得到单通道图像信息的过程中,可以将通道矩阵信息传输至杂质消除系统,通过杂质消除系统可以对通道矩阵信息进行合并,得到单通道图像信息,并可以将单通道图像信息对应的通道矩阵中的元素进行二值化处理,得到处理结果,其中,帘布密度检测系统还可以包括杂质消除系统。杂质消除系统中可以包括杂质消除算法,也可以包括图像腐蚀运算和图像膨胀运算等算法。处理结果可以为对单通道图像信息中的杂质去除后的单通道图像信息,比如,可以为通过图像腐蚀运算和图像膨胀运算等进行杂质去除,且二值化处理所得到的处理结果。
需要说明的是,上述杂质消除系统中所包含的算法仅为举例说明,此处不做具体限制。只要是能够对多个图像信息合并成单通道图像信息,以及可以去除图像中杂质的算法和系统,均在本发明实施例的保护范围之内。
可选地,杂质消除算法对图像进行二值化,使得图像由三通道转换成单通道,再通过图像形态学中的图像腐蚀运算和图像膨胀运算消除纤维或钢丝之外的杂质。将杂质去除后的图像传入计数系统。
举例而言,通过下列公式对其进行灰度转换,得到单通道图像对应的数字矩阵Q:
其中,R、G和B分别用于表示各个相机所采集的图像信息对应的数字矩阵。
再举例而言,经过单通道转化的矩阵Q使用下列公式确定图像中的二值化转化阈值K:
K=arg max(HA(k)+HB(k))
经实验证明q=2时,图像二值化效果最好。确定阈值后通过下列公式对单通道图像信息Q进行二值化转换:
其中,QTij可以用于表示转换后的单通道图像的第i行第j列元素;Qij可以用于表示转换前矩阵Q的第i行第j列元素。
举例而言,当前得到的QT中仍然存在有细微杂质会影响纤维或钢丝计数,设定尺寸为3×3的单元矩阵作A为算子,使用滑动窗口的方式,通过下列公式对QT进行杂质消除操作得到QG,也即,得到处理结果:
作为一种可选的实施例,帘布密度检测系统还包括计数系统,步骤S106,从单通道图像信息中,识别帘布的边缘图像信息,包括:响应于处理结果传输至计数系统,从处理结果中识别出边缘图像信息;从边缘图像信息中识别出帘布的边缘的第一个帘布子部分该方法还包括:通过标定比例,截取帘布子部分向内目标宽度,得到截取结果;将截取结果横向分为目标数量的分段,并在分段内进行计数。
在该实施例中,在处理结果传输至计数系统之后,可以从处理结果中识别出边缘图像信息,从边缘图像信息中识别出帘布的边缘的第一个帘布子部分。并可以通过标定比例,截取边缘图像信息向内目标宽度,得到截取结果。可以将截取结果横向分为目标数量的分段,并在分段内进行计数,其中,第一个帘布子部分可以为帘布的第一个钢丝或纤维。目标宽度可以为一英寸宽。目标数量可以表示为M段。需要说明的是,上述的目标宽度和目标数量仅为举例说明,此处不做具体限制。
可选地,计数算法会首先从边缘图像信息中识别出帘布的边部第一根纤维或钢丝,由第一根向内截取一英寸宽度的帘布,截取后的帘布横向分为M段,参数M会影响计算效率和计数准确率。每段内随机选择一行进行纤维或者钢丝计数。
可选地,将杂质去除后的图像QG传入计数算法。计数算法会首先识别边部第一根纤维或钢丝,即该行中第一个值为255的元素。利用步骤1中的标定比例确认帘布由第一根纤维或钢丝向内一英寸的宽度进行截取,截取后的帘布横向分为M段,参数M会影响计算效率和计数准确率。每段内随机选择一行进行纤维或者钢丝计数,经实验证明M=40时达到最优状态。
作为一种可选的实施例,帘布密度检测系统还包括异常处理系统,步骤S108,基于边缘图像信息,确定帘布的帘布密度,包括:响应于边缘图像信息传输至异常处理系统,对边缘图像信息中帘布的边缘之间的缝隙密度进行检测,得到检测结果,其中,检测结果用于表示缝隙密度的数量;响应于检测结果中缝隙密度小于缝隙密度阈值,确定帘布存在细小劈缝;将细小劈缝从检测结果中剔除,从剔除了细小劈缝的检测结果中,确定帘布密度。
在该实施例中,基于边缘图像信息,确定帘布的帘布密度的过程中,可以将边缘图像信息传输至异常处理系统中,可以在异常处理系统中对其中的帘布的边缘之间的缝隙密度进行检测结果。当检测结果中缝隙密度小于缝隙密度阈值,可以确定帘布中存在细小劈缝。可以将细小劈缝从检测结果中提出,从剔除细小劈缝的检测结果中,确定帘布密度。
可选地,帘布密度检测系统中还可以包括异常处理系统,异常处理系统中可以包括异常处理机制。检测结果可以用于表示缝隙密度的数量。缝隙密度阈值可以为缝隙密度的众数的0.4倍。需要说明的是,上述缝隙密度阈值的大小仅为举例说明,此处不做具体限制。
可选地,计数的同时会记录钢丝或纤维边缘的位置,异常处理机制通过边缘与边缘的缝隙宽度来确定该帘布是否有细小劈缝的异常情况,并能够计算出劈缝数量,最终将劈缝数量返回至计数算法。
可选地,计数的同时会记录所有钢丝或纤维边缘的位置,即从255与0相邻的位置。异常处理机制通过边缘与边缘的缝隙宽度来确定该帘布是否有细小劈缝,取所有缝隙宽度的众数的0.4倍作为临界值,大于临界值则视为缝隙,小于临界值则视为细小劈缝,计算出劈缝数量后将其返回至计数算法。
可选地,M个密度值分别减去其对应的劈缝数量后选择最大值作为该帘布的密度值。左中右三个检测相机同时进行上述过程,并进行实时展示,若检测值超过标准值1根/英寸时进行报警提示,并保存当前图像。
作为一种可选的实施例,在基于边缘图像信息,确定帘布的帘布密度之后,该方法还包括:确定帘布密度与密度标准数据二者之间的差值;响应于差值的绝对值小于等于目标数据,显示帘布密度;响应于差值的绝对值大于目标数据,发出报警信息,其中,报警信息用于提示帘布生产异常。
在该实施例中,可以确定帘布密度与帘布标准数据二者之间的差值,当差值的绝对值小于等于目标数据,可以对帘布密度进行展示,当差值的绝对值大于目标数据,则发出报警信息,其中,密度标准数据额可以为帘布的生产标准。目标数据可以为1。报警信息可以用于提示帘布生产异常。
可选地,在确定出帘布密度之后,可以计算帘布密度减去生产标准的绝对值是否大于1。
可选地,若该值大于1,则可以触发生产异常报警,需要发出报警信息,来进行提示。若该值小于等于1,则可以实时展示帘布密度。
举例而言,期间图像采集系统实时监测硬件设备连接状态,若有通讯中断情况则会异常提示。
在本申请实施例中,根据帘布本身特征,创造性的给出了图像采集设备的硬件部署方案,并且首次实现在生产过程中实时进行帘布密度检测。帘布密度检测由人工抽检改进为算法实时全检,并且准确及时的提供报警信息,能够及时挽回不必要的经济损失,改善了生产过程中的产品监督机制,有效的控制住帘布的生产质量。
在本发明实施例中,若需要确定轮胎的帘布密度,则可以通过实时自动采集生产的帘布的图像信息,将所采集的图像信息中的三个通道对应的通道信进行合并,得到一个合并后的单通道图像信息,并且在合并的过程中,可以对图像中的帘布和所处背景处理,来使二者进行明显区分,便于提高确定帘布密度的准确性。可以从单通道图像信息中,识别出帘布的边缘图像信息。通过边缘图像信息来确定帘布的帘布密度。由于考虑到传统人工抽检过程容易造成视觉疲劳导致确定帘布密度不准确,且难以快速检测,然而本申请可以通过机器视觉的计算方法和一套用于图像采集的硬件配套方案,从而达到实时准确地检测帘布密度,并且运算速度快,运算结果准确稳定的目的,进而解决了确定轮胎的帘布密度的效率低的技术问题,实现了提高确定轮胎的帘布密度的效率的技术效果。
实施例2
下面结合另一种可选的具体实施方式进行详细说明。
目前,在橡胶轮胎生产过程中,由压延工序生产出来的纤维帘布和钢丝帘布的产品质量是轮胎骨架材料性能好坏的主要影响因素,从而决定了成品轮胎的诸多性能。帘布内的纤维密度或钢丝密度作为纤维帘布和钢丝帘布的核心参数,其决定了轮胎的刚性、耐久性和均匀性。而在生产过程中,帘布的质量难以得到实时有效的检测。
目前行业内仍然在帘布生产完成后通过人工抽检的方式对帘布密度进行检测,由于人工抽检是在产品生产结束后进行,不能及时对产品进行有效检测,且其检测结果不能代表整个帘布的生产质量,仅具有限的参考价值。而且帘布密度一般每英寸在12根到32根之间,不论是纤维还是钢丝都是极其细微,现场生产人员每5分钟进行一次的人工抽检是一种具有强重复性、枯燥、易疲劳且无法监督的工作,难以保证现场抽检人员的检查强度是否能够保持一致,这一点一直以来都是产品检测的隐患。
在上述的相关技术中,管理方式难以实现帘布密度地实时、快速、准确、稳定的进行检测,并且人工抽检过程易造成视觉疲劳导致检测不准确,枯燥的检测过程易使人产生厌烦情绪导致检查强度难以保持一致,且人工抽检作为压延生产中的最后一道工序,难以有效地对这一环节进行有效的监督。
本发明提出了一种帘布密度实时检测方法。该方法提出一种基于机器视觉的计算方法和一套用于图像采集的硬件配套方案。可以在压延工序生产过程中实时准确的检测帘布密度,且运算速度快,运算结果准确稳定。提出快速准确测量帘布密度的视觉算法以及配套的图像采集设备部署方案,是第一个解决帘布密度测量难题的方法,既能够实时监测帘布密度以确保全部帘布质量,也能够减轻质检人员的工作强度。整套方案由图像采集设备、图像采集系统、杂质消除算法、计数算法以及异常处理机制五个部分组成。由于考虑到传统人工抽检过程容易造成视觉疲劳导致确定帘布密度不准确,且难以快速检测,然而本申请可以通过机器视觉的计算方法和一套用于图像采集的硬件配套方案,从而达到实时准确地检测帘布密度,并且运算速度快,运算结果准确稳定的目的,进而解决了确定轮胎的帘布密度的效率低的技术问题,实现了提高确定轮胎的帘布密度的效率的技术效果。
下面对该方法进行进一步的介绍。
在本发明实施例中,以下将以帘布密度实时检测系统中部署三个图像采集设备为例进行进一步解释说明。但本发明不仅仅针对三个图像采集设备,还包括部署其他数量的图像采集设备。在该实施例中,图2是根据本发明实施例的一种帘布密度的实时检测方法的流程图,如图2所示,该方法可以包括如下步骤:
步骤S201,部署图像采集设备,并获取标定比例。
在该实施例中,在压延机冷却辊前部署图像采集设备,图像采集设备由线光源、光源控制器与工业相机组成。放置线光源时,需要其光照方向与帘布形成固定夹角,线光源斜打光使帘布表面由纤维或者钢丝形成的起伏造成阴影。
可选地,图3是根据本发明实施例的一种部署图像采集设备的示意图,如图3所示,图像采集设备部署方案部署光源和工业相机,选择生产密度最大的帘布时进行光源的角度、亮度和位置的调整,实现最佳的打光效果。部署左右两侧相机时,需要相机拍摄的图像中留有三分之二的帘布,使算法能够从帘布最边侧进行截取,也消除了帘布生产过程中左右偏移带来的影响。相机位置确认完成后调整好焦距进行标定,得到实际范围与相机拍摄范围的比例。比如,图像采集设备中可以包括三个方向的光源和相机,光源1、光源2和光源3,相机a、相机b和相机c。
步骤S202,对图像采集设备与图像采集系统进行连接。
在该实施例中,调整线光源摆放角度、使用光源控制器调整光源亮度、调整相机摆设位置;将三台相机接入图像采集系统。
步骤S203,是否获取图像数据。
在该实施例中,可以检测图像采集系统是否获取到来自图像采集设备的图像数据,若是,则可以执行步骤S204,反之,则可以执行步骤S213。
步骤S204,对图像数据进行二值化。
在该实施例中,图像采集系统通过图像采集设备得到三通道的二维图像,将此二维图像转为数字矩阵表达形式,传入杂质消除算法。
可选地,将三台相机接入现场工控机,工控机内部署的图像采集系统会自动扫描网口通讯的工业相机,并根据配置文件确定三个相机的位置信息。并且分别启用三个线程从三个相机中取得拍摄帘布的三通道二维图像,通过图像采集系统将其变换为矩阵形式,设三通道矩阵分别为R、G、B,并通过下列公式对其进行灰度转换,得到单通道图像:
可选地,经过单通道转化的矩阵Q使用下列公式确定图像中的二值化转化阈值KK:
K=arg max(HA(k)+HB(k))
经实验证明q=2时,图像二值化效果最好。确定阈值后通过下列公式对图像Q进行二值化转换:
其中,QTij可以用于表示转换后的图像矩阵的第i行第j列元素;Qij可以用于表示转换前矩阵Q的第i行第j列元素。
步骤S205,对图像数据进行杂质消除。
在该实施例中,可以通过图像腐蚀运算和图像膨胀运算等消除纤维或钢丝之外的杂质。
可选地,当前得到的QTij中仍然存在有细微杂质会影响纤维或钢丝计数,设定尺寸为3×3的单元矩阵作A为算子,使用滑动窗口的方式,通过下列公式对QTij进行杂质消除操作得到QG,也即,得到处理结果:
步骤S206,是否为左右两侧相机。
在该实施例中,可以确定是否为左右两侧相机,若是,则可以执行步骤S214,反之,则可以执行步骤S207。
步骤S207,根据标定比例截取1英寸宽度的图像数据。
在该实施例中,计数算法会首先识别边部第一根纤维或钢丝,由第一根向内截取一英寸宽度的帘布。
可选地,将杂质去除后的图像QG传入计数算法。计数算法会首先识别边部第一根纤维或钢丝,即该行中第一个值为255的元素。利用步骤1中的标定比例确认帘布由第一根纤维或钢丝向内一英寸的宽度进行截取。
步骤S208,对截取后的图像数据进行分段。
在该实施例中,截取后的帘布横向分为M段,参数M会影响计算效率和计数准确率。每段内随机选择一行进行纤维或者钢丝计数。
可选地,截取后的帘布横向分为M段,参数M会影响计算效率和计数准确率。每段内随机选择一行进行纤维或者钢丝计数,经实验证明M=40时达到最优状态。
步骤S209,返回值是否为0。
在该实施例中,可以确定异常处理机制返回值是否等于0。若是,则可以执行步骤S210,反之,则可以执行步骤S215。
可选地,计数的同时会记录钢丝或纤维边缘的位置,异常处理机制通过边缘与边缘的缝隙宽度来确定该帘布是否有细小劈缝的异常情况,并能够计算出劈缝数量,最终将劈缝数量返回至计数算法。
步骤S210,确定帘布密度。
在该实施例中,M个密度值分别减去其对应的劈缝数量后选择最大值作为该帘布的密度值。
可选地,计数的同时会记录所有钢丝或纤维边缘的位置,即从255与0相邻的位置。异常处理机制通过边缘与边缘的缝隙宽度来确定该帘布是否有细小劈缝,取所有缝隙宽度的众数的0.4倍作为临界值,大于临界值则视为缝隙,小于临界值则视为细小劈缝,计算出劈缝数量后将其返回至计数算法。
步骤S211,绝对值是否大于1。
在该实施例中,在确定出帘布密度之后,可以计算帘布密度减去生产标准的绝对值是否大于1。若是,则可以执行步骤S216,反之,则可以执行步骤S212。
可选地,若该值大于1,则可以触发生产异常报警,需要发出报警信息,来进行提示。若该值小于等于1,则可以实时展示帘布密度。
步骤S212,实时展示帘布密度。
在该实施例中,左中右三个检测相机同时进行上述过程,并进行实时展示,若检测值超过标准值1根/英寸时进行报警提示,并保存当前图像。
可选地,M个密度值分别减去其对应的劈缝数量后选择最大值作为该帘布该时刻的密度值。左中右三个检测相机同时进行上述过程,并进行实时展示。
步骤S213,设备异常提示。
在该实施例中,若未获取到图像数据,可以向图像采集系统发送设备异常提示。
步骤S214,识别帘布边部位置。
在该实施例中,若为左右两侧相机,则可以识别帘布边部位置。
步骤S215,对应减去异常劈缝数据。
在该实施例中,若返回值不为0,则可以对应减去异常劈缝数据。
步骤S216,生产异常报警。
在该实施例中,若绝对值大于1,则说明帘布生产异常,则可以进行生产异常报警。
可选地,期间图像采集系统实时监测硬件设备连接状态,若有通讯中断情况则会异常提示。
在本发明实施例中,若需要确定轮胎的帘布密度,则可以通过实时自动采集生产的帘布的图像信息,将所采集的图像信息中的三个通道对应的通道信进行合并,得到一个合并后的单通道图像信息,并且在合并的过程中,可以对图像中的帘布和所处背景处理,来使二者进行明显区分,便于提高确定帘布密度的准确性。可以从单通道图像信息中,识别出帘布的边缘图像信息。通过边缘图像信息来确定帘布的帘布密度。由于考虑到传统人工抽检过程容易造成视觉疲劳导致确定帘布密度不准确,且难以快速检测,然而本申请可以通过机器视觉的计算方法和一套用于图像采集的硬件配套方案,从而达到实时准确地检测帘布密度,并且运算速度快,运算结果准确稳定的目的,进而解决了确定轮胎的帘布密度的效率低的技术问题,实现了提高确定轮胎的帘布密度的效率的技术效果。
实施例3
本发明实施例提供了一种轮胎的帘布密度的确定装置,需要说明的是,本发明实施例的轮胎的帘布密度的确定装置可以用于执行图1中本发明实施例所提供的轮胎的帘布密度的确定方法。以下对本发明实施例提供的轮胎的帘布密度的确定装置进行介绍。
图4是根据本发明实施例的一种轮胎的帘布密度的确定装置的示意图,如图4所示,该装置可以包括:获取单元402、合并单元404、识别单元406和确定单元408。
获取单元402,用于在制作轮胎的过程中,获取所述轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色。
合并单元404,用于对所述通信信息进行合并,得到单通道图像信息,其中,所述单通道图像信息为所述帘布与所述帘布所处背景二者之间区分明显的图像信息。
识别单元406,用于从所述单通道图像信息中,识别所述帘布的边缘图像信息。
确定单元408,用于基于所述边缘图像信息,确定所述帘布的帘布密度。
可选地,该装置还可以包括:部署单元,用于在帘布所处的压延机冷却辊前部署图像采集设备,其中,图像采集设备包括至少一个光源、至少一个光源控制器和至少一个图像采集子设备;接入单元,用于将至少一个图像采集设备接入图像采集系统;转换单元,用于将图像信息转换为图像矩阵信息。
可选地,获取单元402可以包括:采集模块,用于在制作轮胎的过程中,通过图像采集系统控制图像采集设备,在压延机冷却辊上采集图像信息。该装置还可以包括:转换单元,用于将通道信息转换为通道矩阵信息。
可选地,该装置还可以包括:提示单元,用于响应于图像采集设备未采集到图像信息,向图像采集系统发送提示信息,其中,提示信息用于表示至少两个图像采集设备异常。
可选地,合并单元404可以包括:合并模块,用于响应于将通道信息对应的通道矩阵信息传输至杂质消除系统,对通道矩阵信息进行合并,得到单通道图像信息;第一处理模块,用于将单通道图像信息对应的通道矩阵中的元素进行二值化处理,得到处理结果,其中,处理结果为对单通道图像信息中的杂质去除后得到的单通道图像信息。
可选地,识别单元406可以包括:第一识别模块,用于响应于处理结果传输至计数系统,从处理结果中识别出边缘图像信息;第二识别模块,用于从边缘图像信息中识别出帘布的边缘的第一个帘布子部分;截取单元,用于通过标定比例,截取帘布子部分向内目标宽度,得到截取结果;分段单元,用于将截取结果横向分为目标数量的分段,并在分段内进行计数。
可选地,确定单元408可以包括:检测模块,用于响应于边缘图像信息传输至异常处理系统,对边缘图像信息中的帘布的边缘之间的缝隙密度进行检测,得到检测结果,其中,检测结果用于表示缝隙密度的数量;第一确定模块,用于响应于检测结果中缝隙密度小于缝隙密度阈值,确定帘布存在细小劈缝;第二确定模块,用于将细小劈缝从检测结果中剔除,从剔除了细小劈缝的检测结果中,确定帘布密度。
可选地,该装置还可以包括:第一确定单元,用于确定帘布密度与密度标准数据二者之间的差值;展示单元,用于响应于差值的绝对值小于等于目标数据,显示帘布密度;报警单元,用于响应于差值的绝对值大于目标数据,发出报警信息,其中,报警信息用于提示帘布生产异常。
本发明实施例提供的轮胎的帘布密度的确定装置,通过获取单元在制作轮胎的过程中,获取轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色;通过合并单元对通道信息进行合并,得到单通道图像信息,其中,单通道图像信息为帘布与帘布所处背景二者之间区分明显的图像信息;通过识别单元从单通道图像信息中,识别帘布的边缘图像信息;通过确定单元基于边缘图像信息,确定帘布的帘布密度,从而解决了确定轮胎的帘布密度的效率低的技术问题,实现了提高确定轮胎的帘布密度的效率的技术效果。
上述终端的信息处理装置还可以包括处理器和存储器,上述单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来控制相同设备类型的待停机设备进行优雅停机。
上述存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来提高交易人员的工作效率。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
实施例4
根据本发明实施例,还提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实施轮胎的帘布密度的确定方法。
实施例5
根据本发明实施例,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行轮胎的帘布密度的确定方法。
实施例6
图5是根据本发明实施例的一种用于轮胎的帘布密度的确定方法的电子设备的示意图,如图5所示,本发明实施例,还提供了一种电子设备500,设备包括处理器502、存储器504及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:在制作轮胎的过程中,获取轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色;对通道信息进行合并,得到单通道图像信息,其中,单通道图像信息为帘布与帘布所处背景二者之间区分明显的图像信息;从单通道图像信息中,识别帘布的边缘图像信息;基于边缘图像信息,确定帘布的帘布密度。
处理器执行程序时还实现以下步骤:在帘布所处的压延机冷却辊前部署图像采集设备,其中,图像采集设备包括至少一个光源、至少一个光源控制器和至少一个图像采集设备,将至少一个图像采集子设备接入图像采集系统;该方法还可以包括:获取帘布的标定比例。
处理器执行程序时还实现以下步骤:在制作轮胎的过程中,通过图像采集系统控制图像采集设备,在压延机冷却辊上采集图像信息;将通道信息转换为通道矩阵信息。
处理器执行程序时还实现以下步骤:响应于图像采集设备未采集到图像信息,向图像采集系统发送提示信息,其中,提示信息用于提示存在设备异常状况。
处理器执行程序时还实现以下步骤:响应于将通道信息对应的通道矩阵信息传输至杂质消除系统,对通道矩阵信息进行合并,得到单通道图像信息;将单通道图像信息对应的通道矩阵中的元素进行二值化处理,得到处理结果,其中,处理结果为对单通道图像信息中的杂质去除后得到的单通道图像信息。
处理器执行程序时还实现以下步骤:响应于处理结果传输至计数系统,从处理结果中识别出边缘图像信息;从边缘图像信息中识别出所述帘布的边缘的第一个帘布子部分;通过标定比例,截取帘布子部分向内目标宽度,得到截取结果;将截取结果横向分为目标数量的分段,并在分段内进行计数。
处理器执行程序时还实现以下步骤:响应于边缘图像信息传输至异常处理系统,对边缘图像信息中帘布的边缘之间的缝隙密度进行检测,得到检测结果,其中,检测结果用于表示缝隙密度的数量;响应于检测结果中缝隙密度小于缝隙密度阈值,确定帘布存在细小劈缝;将细小劈缝从检测结果中剔除,从剔除了细小劈缝的检测结果中,确定帘布密度。
处理器执行程序时还实现以下步骤:确定帘布密度与密度标准数据二者之间的差值;响应于差值的绝对值小于等于目标数据,显示帘布密度;响应于差值的绝对值大于目标数据,发出报警信息,其中,报警信息用于提示帘布生产异常。
本文中的设备可以是服务器、PC、PAD、手机等。
本发明还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:在制作轮胎的过程中,获取轮胎的帘布的图像信息,其中,图像信息包括通道信息,通道信息用于表示图像信息的颜色;对通道信息进行合并,得到单通道图像信息,其中,单通道图像信息为帘布与帘布所处背景二者之间区分明显的图像信息;从单通道图像信息中,识别帘布的边缘图像信息;基于边缘图像信息,确定帘布的帘布密度。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:在帘布所处的压延机冷却辊前部署图像采集设备,其中,图像采集设备包括至少一个光源、至少一个光源控制器和至少一个图像采集设备,将至少一个图像采集子设备接入图像采集系统;获取帘布的标定比例。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:在制作轮胎的过程中,通过图像采集系统控制图像采集设备,在压延机冷却辊上采集图像信息;该方法还包括:将通道信息转换为通道矩阵信息。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:响应于图像采集设备未采集到图像信息,向图像采集系统发送提示信息,其中,提示信息用于提示存在设备异常状况。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:响应于将通道信息对应的通道矩阵信息传输至杂质消除系统,对通道矩阵信息进行合并,得到单通道图像信息;将单通道图像信息对应的通道矩阵中的元素进行二值化处理,得到处理结果,其中,处理结果为对单通道图像信息中的杂质去除后得到的单通道图像信息。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:响应于处理结果传输至计数系统,从处理结果中识别出边缘图像信息;从边缘图像信息中识别出所述帘布的边缘的第一个帘布子部分;该方法还包括:通过标定比例,截取帘布子部分向内目标宽度,得到截取结果;将截取结果横向分为目标数量的分段,并在分段内进行计数。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:响应于边缘图像信息传输至异常处理系统,对边缘图像信息中帘布的边缘之间的缝隙密度进行检测,得到检测结果,其中,检测结果用于表示缝隙密度的数量;响应于检测结果中缝隙密度小于缝隙密度阈值,确定帘布存在细小劈缝;将细小劈缝从检测结果中剔除,从剔除了细小劈缝的检测结果中,确定帘布密度。
当在数据处理设备上执行时,还适于执行初始化有如下方法步骤的程序:确定帘布密度与密度标准数据二者之间的差值;响应于差值的绝对值小于等于目标数据,对帘布密度进行展示;响应于差值的绝对值大于目标数据,发出报警信息,其中,报警信息用于提示帘布生产异常。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(trans itory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种轮胎的帘布密度的确定方法,其特征在于,包括:
在制作轮胎的过程中,获取所述轮胎的帘布的图像信息,其中,所述图像信息包括通道信息,所述通道信息用于表示所述图像信息的颜色;
对所述通道信息进行合并,得到单通道图像信息,其中,所述单通道图像信息为所述帘布与所述帘布所处背景二者之间区分明显的图像信息;
从所述单通道图像信息中,识别所述帘布的边缘图像信息;
基于所述边缘图像信息,确定所述帘布的帘布密度。
2.根据权利要求1所述的轮胎的帘布密度的确定方法,其特征在于,所述帘布密度的确定方法应用于帘布密度检测系统,所述帘布密度检测系统至少包括:图像采集设备和图像采集系统,在获取所述轮胎的帘布的图像信息之前,所述方法还包括:
在所述帘布所处的压延机冷却辊前部署所述图像采集设备,其中,所述图像采集设备包括至少一个光源、至少一个光源控制器和至少一个图像采集子设备;
将至少一个所述图像采集设备接入所述图像采集系统;
所述方法还包括:获取所述帘布的标定比例。
3.根据权利要求2所述的轮胎的帘布密度的确定方法,其特征在于,在制作轮胎的过程中,获取所述轮胎的帘布的图像信息,包括:
在所述制作所述轮胎的过程中,通过所述图像采集系统控制所述图像采集设备,在压延机冷却辊上采集所述图像信息;
所述方法还包括:将所述通道信息转换为通道矩阵信息。
4.根据权利要求3所述的轮胎的帘布密度的确定方法,其特征在于,所述方法还包括:
响应于所述图像采集设备未采集到所述图像信息,向所述图像采集系统发送提示信息,其中,所述提示信息用于提示存在设备异常状况。
5.根据权利要求2所述的轮胎的帘布密度的确定方法,其特征在于,所述帘布密度检测系统还包括杂质消除系统,对所述通道信息进行合并,得到单通道图像信息,包括:
响应于将所述通道信息对应的通道矩阵信息传输至所述杂质消除系统,对所述通道矩阵信息进行合并,得到所述单通道图像信息;
所述方法还包括:将所述单通道图像信息对应的通道矩阵中的元素进行二值化处理,得到处理结果,其中,所述处理结果为对所述单通道图像信息中的杂质去除后得到的单通道图像信息。
6.根据权利要求5所述的轮胎的帘布密度的确定方法,其特征在于,所述帘布密度检测系统还包括计数系统,从所述单通道图像信息中,识别所述帘布的边缘图像信息,包括:
响应于所述处理结果传输至所述计数系统,从所述处理结果中识别出所述边缘图像信息;
从所述边缘图像信息中识别出所述帘布的边缘的第一个帘布子部分;
所述方法还包括:通过所述标定比例,截取所述帘布子部分向内目标宽度,得到截取结果;
将所述截取结果横向分为目标数量的分段,并在所述分段内进行计数。
7.根据权利要求6所述的轮胎的帘布密度的确定方法,其特征在于,所述帘布密度检测系统还包括异常处理系统,基于所述边缘图像信息,确定所述帘布的帘布密度,包括:
响应于所述边缘图像信息传输至所述异常处理系统,对所述边缘图像信息中所述帘布的边缘之间的缝隙密度进行检测,得到检测结果,其中,所述检测结果用于表示所述缝隙密度的数量;
响应于所述检测结果中所述缝隙密度小于缝隙密度阈值,确定所述帘布存在细小劈缝;
将所述细小劈缝从所述检测结果中剔除,从剔除了所述细小劈缝的所述检测结果中,确定所述帘布密度。
8.根据权利要求1所述的轮胎的帘布密度的确定方法,其特征在于,在基于所述边缘图像信息,确定所述帘布的帘布密度之后,所述方法还包括:
确定所述帘布密度与所述密度标准数据二者之间的差值;
响应于所述差值的绝对值小于等于目标数据,显示所述帘布密度;
响应于所述差值的绝对值大于所述目标数据,发出报警信息,其中,所述报警信息用于提示所述帘布生产异常。
9.一种轮胎的帘布密度的确定装置,其特征在于,包括:
获取单元,用于在制作轮胎的过程中,获取所述轮胎的帘布的图像信息,其中,所述图像信息包括通道信息,所述通道信息用于表示图像信息的颜色;
合并单元,用于对所述通道信息进行合并,得到单通道图像信息,其中,所述单通道图像信息为所述帘布与所述帘布所处背景二者之间区分明显的图像信息;
识别单元,用于从所述单通道图像信息中,识别所述帘布的边缘图像信息;
确定单元,用于基于所述边缘图像信息,确定所述帘布的帘布密度。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序被所述处理器运行时执行权利要求1至8中任意一项所述的轮胎的帘布密度的确定方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至8中任意一项所述的轮胎的帘布密度的确定方法。
12.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任意一项所述的轮胎的帘布密度的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311862722.3A CN117745706A (zh) | 2023-12-29 | 2023-12-29 | 轮胎的帘布密度的确定方法、装置、处理器及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311862722.3A CN117745706A (zh) | 2023-12-29 | 2023-12-29 | 轮胎的帘布密度的确定方法、装置、处理器及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117745706A true CN117745706A (zh) | 2024-03-22 |
Family
ID=90254573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311862722.3A Pending CN117745706A (zh) | 2023-12-29 | 2023-12-29 | 轮胎的帘布密度的确定方法、装置、处理器及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745706A (zh) |
-
2023
- 2023-12-29 CN CN202311862722.3A patent/CN117745706A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN114549522B (zh) | 基于目标检测的纺织品质量检测方法 | |
US20180340962A1 (en) | Apparatus and method for diagnosing electric power equipment using thermal imaging camera | |
CN113646801B (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
CN110458157B (zh) | 一种电力电缆生产过程智能监控系统 | |
CN109788205B (zh) | 图像调整方法、装置及电子设备 | |
CN115100200B (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN112291551A (zh) | 一种基于图像处理的视频质量检测方法、存储设备及移动终端 | |
CN109724993A (zh) | 图像识别设备的污损程度的检测方法、装置和存储介质 | |
CN114463296B (zh) | 基于单样本学习的轻量化部件缺陷检测方法 | |
KR102470422B1 (ko) | 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템 | |
CN114519696B (zh) | 基于光学智能化的pvc热收缩膜检测方法及系统 | |
CN111398292A (zh) | 一种基于gabor滤波和CNN的布匹瑕疵检测方法、系统及设备 | |
CN117089977B (zh) | 一种坯布生产动态监测方法、系统及介质 | |
CN117351472A (zh) | 烟叶信息检测方法、装置及电子设备 | |
CN115861315B (zh) | 缺陷检测方法和装置 | |
CN117745706A (zh) | 轮胎的帘布密度的确定方法、装置、处理器及电子设备 | |
KR101536693B1 (ko) | 다파장 영상구현 및 영상분석을 통한 흑색종판별방법 및 흑색종판별시스템 | |
CN113935966B (zh) | 金属物料的渣点检测方法、装置、设备和存储介质 | |
CN116152220A (zh) | 一种基于机器视觉的种子计数和尺寸测量方法 | |
US11631183B2 (en) | Method and system for motion segmentation | |
CN111928944B (zh) | 激光光线检测方法、装置和系统 | |
CN112132139A (zh) | 字符识别方法和装置 |
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 |