CN118225789A - 一种红外对射式边缘检测系统 - Google Patents

一种红外对射式边缘检测系统 Download PDF

Info

Publication number
CN118225789A
CN118225789A CN202410643210.6A CN202410643210A CN118225789A CN 118225789 A CN118225789 A CN 118225789A CN 202410643210 A CN202410643210 A CN 202410643210A CN 118225789 A CN118225789 A CN 118225789A
Authority
CN
China
Prior art keywords
defect
value
receiving time
infrared receiving
module
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
Application number
CN202410643210.6A
Other languages
English (en)
Other versions
CN118225789B (zh
Inventor
杨牧
李慧东
侯庆亮
马利伟
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.)
Techmach Corp
Original Assignee
Techmach Corp
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 Techmach Corp filed Critical Techmach Corp
Priority to CN202410643210.6A priority Critical patent/CN118225789B/zh
Publication of CN118225789A publication Critical patent/CN118225789A/zh
Application granted granted Critical
Publication of CN118225789B publication Critical patent/CN118225789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本发明涉及缺陷检测技术领域，公开了一种红外对射式边缘检测系统，包括：图像获取模块将待检测物品划分为多个待检测区域，获取实时图像；聚类划分模块获取实时图像的像素点，确定聚类中心点，根据每个像素点和聚类中心点对像素点进行聚类集合划分，红外确定模块将高聚类集合和中聚类集合中的像素点作为红外对射接收点，确定红外对射发射点；缺陷计算模块根据红外对射接收点和红外对射发射点确定每个像素点的红外接收时间，根据红外接收时间计算目标缺陷值；缺陷判断模块基于目标缺陷值和预设目标缺陷值判断是否存在缺陷，可以避免人工参与存在的漏判、误判等情况，提高了缺陷检测效率和准确性，为后续的加工生产提供优化依据和数据支撑。

Description

一种红外对射式边缘检测系统
技术领域
本发明涉及缺陷检测技术领域，具体而言，涉及一种红外对射式边缘检测系统。
背景技术
缺陷检测在工业生产中扮演着至关重要的角色，它涉及到产品质量控制和安全性能的确保。缺陷检测的主要目的是识别和定位产品或材料中的不完美之处，这些不完美可能会影响产品的外观、功能或使用寿命。因此，缺陷检测不仅是确保产品质量的重要环节，也是提升生产效率和降低人力成本的关键。随着人工智能技术的不断发展，未来缺陷检测的方法将更加智能化、自动化，为工业生产带来更多的可能性。
当前的缺陷检测一般通过无损检测的方式进行检测，无损检测包括X射线、超声波、涡流及磁粉等多种检测方式。虽然这些方法能够识别待检测物品的各类缺陷，但其判别过程仍依赖于人工评定，因此存在漏判、误判等情况。无法消除主观意识对结果产生的影响，从而降低了检测效率和准确性，且这种缺陷检测方式无法对存在缺陷的物品生成缺陷等级，也就无法为后续的加工生产提供优化依据。
发明内容
本发明实施例提供一种红外对射式边缘检测系统，用以解决现有技术仍依赖于人工评定，因此存在漏判、误判等情况，降低了缺陷检测效率和准确性，且无法为后续的加工生产提供优化依据的技术问题。
为了实现上述目的，本发明提供了一种红外对射式边缘检测系统，包括：
图像获取模块，用于将待检测物品划分为多个待检测区域，并获取待检测区域的实时图像；
聚类划分模块，用于获取每个实时图像的像素点，并确定所述实时图像的聚类中心点，根据每个像素点和聚类中心点对所有的像素点进行聚类集合划分，其中，所述聚类集合包括高聚类集合、中聚类集合和低聚类集合；
红外确定模块，用于将所述高聚类集合和所述中聚类集合中的所有像素点作为红外对射接收点，并确定对应的红外对射发射点；
缺陷计算模块，用于根据所述红外对射接收点和所述红外对射发射点确定每个像素点的红外接收时间，根据所述红外接收时间计算所述待检测物品的目标缺陷值；
缺陷判断模块，用于基于所述目标缺陷值和预设目标缺陷值之间的关系判断所述待检测物品是否存在缺陷。
进一步地，所述聚类划分模块用于确定每个像素点和所述聚类中心点之间的聚类距离；
所述聚类划分模块用于获取预先设定的第一预设聚类距离和第二预设聚类距离；
所述聚类划分模块用于将聚类距离小于所述第一预设聚类距离的像素点划分至低聚类集合；
所述聚类划分模块用于将聚类距离大于或等于所述第一预设聚类距离且小于所述第二预设聚类距离的像素点划分至中聚类集合；
所述聚类划分模块用于将聚类距离大于或等于所述第二预设聚类距离的像素点划分至高聚类集合。
进一步地，所述缺陷计算模块用于获取标准红外接收时间，基于所述标准红外接收时间分别对所述高聚类集合和所述中聚类集合进行评分；其中，
所述缺陷计算模块在根据所述标准红外接收时间对所述中聚类集合进行评分时，包括：
所述缺陷计算模块用于剔除所述中聚类集合中所有红外接收时间等于所述标准红外接收时间的像素点；
所述缺陷计算模块用于对所述中聚类集合中所有红外接收时间小于所述标准红外接收时间的像素点生成第一评分值A1；
所述缺陷计算模块用于对所述中聚类集合中所有红外接收时间大于所述标准红外接收时间的像素点生成第二评分值A2；
所述缺陷计算模块在根据所述标准红外接收时间对所述高聚类集合进行评分时，包括：
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间小于所述标准红外接收时间的像素点生成第一评分值A1；
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间大于所述标准红外接收时间的像素点生成第二评分值A2；
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间等于所述标准红外接收时间的像素点生成第三评分值A3；
所述缺陷计算模块用于根据所述第一评分值A1、所述第二评分值A2和所述第三评分值A3计算所述待检测物品的目标缺陷值；
所述缺陷计算模块用于根据下式计算所述待检测物品的目标缺陷值：
；
其中，B为待检测物品的目标缺陷值，C1为第一评分值A1的数量，C2为第二评分值A2的数量，C3为第三评分值A3的数量，ln为对数函数符号。
进一步地，所述缺陷判断模块用于根据所述目标缺陷值和所述预设目标缺陷值之间的关系判断所述待检测物品是否存在缺陷；
所述缺陷判断模块用于当所述目标缺陷值小于或等于所述预设目标缺陷值时，则判断所述待检测物品不存在缺陷；
所述缺陷判断模块用于当所述目标缺陷值大于所述预设目标缺陷值时，则判断所述待检测物品存在缺陷。
进一步地，还包括：
差值计算模块，用于计算所述目标缺陷值和所述预设目标缺陷值之间的目标缺陷差值；
等级设定模块，用于根据所述目标缺陷差值设定所述待检测物品的缺陷等级因子。
进一步地，所述等级设定模块用于设定目标缺陷差值集合，其中，所述目标缺陷差值集合包括第一预设目标缺陷差值p1和第二预设目标缺陷差值p2，且p1<p2；
所述等级设定模块用于设定缺陷等级因子集合，其中，所述缺陷等级因子集合包括第一预设缺陷等级因子q1、第二预设缺陷等级因子q2和第三预设缺陷等级因子q3，且q1<q2<q3；
所述等级设定模块用于根据所述目标缺陷差值和所述目标缺陷差值集合之间的关系从所述缺陷等级因子集合中选定对应的预设缺陷等级因子作为所述待检测物品的缺陷等级因子。
进一步地，还包括：
第一生成模块，用于根据所有大于所述标准红外接收时间的红外接收时间生成上限红外接收时间集合；
第二生成模块，用于根据所有小于所述标准红外接收时间的红外接收时间生成下限红外接收时间集合；
第一构建模块，用于根据所述上限红外接收时间集合和所述标准红外接收时间之间的关系，构建得到上限红外接收时间差值集合；
第二构建模块，用于根据所述下限红外接收时间集合和所述标准红外接收时间之间的关系，构建得到下限红外接收时间差值集合；
均值计算模块，用于计算所述上限红外接收时间差值集合的第一平均值，计算所述下限红外接收时间差值集合的第二平均值；
综合计算模块，用于根据所述第一平均值和所述第二平均值计算所述待检测物品的综合缺陷程度值。
进一步地，所述综合计算模块用于根据下式计算所述待检测物品的综合缺陷程度值：
；
其中，D为待检测物品的综合缺陷程度值，e1为第一计算权重，e2为第二计算权重，且e1+e2=1，f为第一平均值，g1为上限红外接收时间差值集合中上限红外接收时间差值的数量，k1为下限红外接收时间差值集合中下限红外接收时间差值的数量，h为第二平均值，n=g1+k1。
进一步地，还包括：
等级补偿模块，用于根据所述待检测物品的综合缺陷程度值对所述待检测物品的缺陷等级因子进行补偿，得到目标缺陷等级因子。
进一步地，所述等级补偿模块用于设定综合缺陷程度值集合，其中，所述综合缺陷程度值集合包括第一预设综合缺陷程度值r1和第二预设综合缺陷程度值r2，且r1<r2；
所述等级补偿模块用于设定等级补偿系数集合，其中，所述等级补偿系数集合包括第一预设等级补偿系数s1、第二预设等级补偿系数s2和第三预设等级补偿系数s3，且0.8<s1<s2<s3<1.2；
所述等级补偿模块用于根据所述综合缺陷程度值和所述综合缺陷程度值集合之间的关系从所述等级补偿系数集合中选定对应的等级补偿系数对所述缺陷等级因子进行补偿。
与现有技术相比，本发明的有益效果在于：
本发明公开了一种红外对射式边缘检测系统，包括：图像获取模块将待检测物品划分为多个待检测区域，获取实时图像；聚类划分模块获取实时图像的像素点，确定聚类中心点，根据每个像素点和聚类中心点对像素点进行聚类集合划分，红外确定模块将高聚类集合和中聚类集合中的像素点作为红外对射接收点，确定红外对射发射点；缺陷计算模块根据红外对射接收点和红外对射发射点确定每个像素点的红外接收时间，根据红外接收时间计算目标缺陷值；缺陷判断模块基于目标缺陷值和预设目标缺陷值判断是否存在缺陷，可以避免人工参与存在的漏判、误判等情况，提高了缺陷检测效率和准确性，为后续的加工生产提供优化依据和数据支撑。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例中一种红外对射式边缘检测系统的结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式做进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
在本申请的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。
下文是结合附图对本发明的优选的实施例说明。
如图1所示，本发明的实施例公开了一种红外对射式边缘检测系统，包括：图像获取模块、聚类划分模块、红外确定模块、缺陷计算模块和缺陷判断模块。
在本申请的一些实施例中，图像获取模块用于将待检测物品划分为多个待检测区域，并获取待检测区域的实时图像。
本实施例中，在将待检测物品划分为多个待检测区域时，根据待检测物品的表面积大小进行划分即可，保证每一个待检测区域的完整。
在本申请的一些实施例中，聚类划分模块用于获取每个实时图像的像素点，并确定所述实时图像的聚类中心点，根据每个像素点和聚类中心点对所有的像素点进行聚类集合划分，其中，所述聚类集合包括高聚类集合、中聚类集合和低聚类集合。
优选的，所述聚类划分模块用于确定每个像素点和所述聚类中心点之间的聚类距离；
所述聚类划分模块用于获取预先设定的第一预设聚类距离和第二预设聚类距离；
所述聚类划分模块用于将聚类距离小于所述第一预设聚类距离的像素点划分至低聚类集合；
所述聚类划分模块用于将聚类距离大于或等于所述第一预设聚类距离且小于所述第二预设聚类距离的像素点划分至中聚类集合；
所述聚类划分模块用于将聚类距离大于或等于所述第二预设聚类距离的像素点划分至高聚类集合。
本实施例中，聚类中心点的确定可以使用以下几种算法：K-means算法，层次聚类算法、密度聚类算法、谱聚类算法等，具体根据实际需求设定即可，在此不作具体限定。
本实施例中，聚类距离的确定方法冗长且成熟，此处不做过多介绍。
本实施例中，第一预设聚类距离和第二预设聚类距离根据确定的聚类距离进行灵活性设置，本实施例不作具体限定。满足第一预设聚类距离小于第二预设聚类距离。
上述技术方案的有益效果是：本发明根据聚类距离、第一预设聚类距离和第二预设聚类距离之间的关系将聚类集合划分为高聚类集合、中聚类集合和低聚类集合，进而为待检测物品的缺陷检测奠定基础。
在本申请的一些实施例中，红外确定模块用于将所述高聚类集合和所述中聚类集合中的所有像素点作为红外对射接收点，并确定对应的红外对射发射点。
本实施例中，不对低聚类集合中的像素点进行处理，当聚类距离小于第一预设聚类距离时，对应的像素点不存在缺陷。
本实施例中，红外对射接收点和红外对射发射点均设置有红外发射器，用于发射红外光。
在本申请的一些实施例中，缺陷计算模块用于根据所述红外对射接收点和所述红外对射发射点确定每个像素点的红外接收时间，根据所述红外接收时间计算所述待检测物品的目标缺陷值。
优选的，所述缺陷计算模块用于获取标准红外接收时间，基于所述标准红外接收时间分别对所述高聚类集合和所述中聚类集合进行评分；其中，
所述缺陷计算模块在根据所述标准红外接收时间对所述中聚类集合进行评分时，包括：
所述缺陷计算模块用于剔除所述中聚类集合中所有红外接收时间等于所述标准红外接收时间的像素点；
所述缺陷计算模块用于对所述中聚类集合中所有红外接收时间小于所述标准红外接收时间的像素点生成第一评分值A1；
所述缺陷计算模块用于对所述中聚类集合中所有红外接收时间大于所述标准红外接收时间的像素点生成第二评分值A2；
所述缺陷计算模块在根据所述标准红外接收时间对所述高聚类集合进行评分时，包括：
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间小于所述标准红外接收时间的像素点生成第一评分值A1；
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间大于所述标准红外接收时间的像素点生成第二评分值A2；
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间等于所述标准红外接收时间的像素点生成第三评分值A3；
所述缺陷计算模块用于根据所述第一评分值A1、所述第二评分值A2和所述第三评分值A3计算所述待检测物品的目标缺陷值；
所述缺陷计算模块用于根据下式计算所述待检测物品的目标缺陷值：
；
其中，B为待检测物品的目标缺陷值，C1为第一评分值A1的数量，C2为第二评分值A2的数量，C3为第三评分值A3的数量，ln为对数函数符号。
本实施例中，标准红外接收时间是根据没有缺陷的待检测物品得到的。
本实施例中，中聚类集合中所有红外接收时间等于标准红外接收时间的像素点是不存在缺陷的。
本实施例中，第一评分值A1等于1，第二评分值A2等于2。
本实施例中，第三评分值A3等于0。
本实施例中，当红外接收时间小于标准红外接收时间时，对应的缺陷可能为凹缺陷，凹缺陷通常指的是待检测物品表面出现的凹陷或低于正常表面水平的部分，以下是一些常见的凹缺陷类型：凹坑、咬边、根部内凹等。
本实施例中，当红外接收时间大于标准红外接收时间时，对应的缺陷可能为凸缺陷，凸缺陷通常指的是待检测物品表面或结构中突出的部分，以下是一些常见的凸缺陷类型：凸起、焊缝凸起、翘曲等。
上述技术方案的有益效果是：本发明根据第一评分值A1、第二评分值A2和第三评分值A3计算待检测物品的目标缺陷值，可以为判断待检测物品是否存在缺陷，提高可靠的判断数据，保证判断精度，避免人工参与存在的误判、漏判，且保证了缺陷检测效率。
缺陷判断模块，用于基于所述目标缺陷值和预设目标缺陷值之间的关系判断所述待检测物品是否存在缺陷。
在本申请的一些实施例中，所述缺陷判断模块用于根据所述目标缺陷值和所述预设目标缺陷值之间的关系判断所述待检测物品是否存在缺陷；
所述缺陷判断模块用于当所述目标缺陷值小于或等于所述预设目标缺陷值时，则判断所述待检测物品不存在缺陷；
所述缺陷判断模块用于当所述目标缺陷值大于所述预设目标缺陷值时，则判断所述待检测物品存在缺陷。
本实施例中，预设目标缺陷值是一个预设值，每个待检测物品的预设目标缺陷值都不相同，在此不做具体限定。
在本申请的一些实施例中，还包括：
差值计算模块，用于计算所述目标缺陷值和所述预设目标缺陷值之间的目标缺陷差值；
等级设定模块，用于根据所述目标缺陷差值设定所述待检测物品的缺陷等级因子。
优选的，所述等级设定模块用于设定目标缺陷差值集合，其中，所述目标缺陷差值集合包括第一预设目标缺陷差值p1和第二预设目标缺陷差值p2，且p1<p2；
所述等级设定模块用于设定缺陷等级因子集合，其中，所述缺陷等级因子集合包括第一预设缺陷等级因子q1、第二预设缺陷等级因子q2和第三预设缺陷等级因子q3，且q1<q2<q3；
所述等级设定模块用于根据所述目标缺陷差值和所述目标缺陷差值集合之间的关系从所述缺陷等级因子集合中选定对应的预设缺陷等级因子作为所述待检测物品的缺陷等级因子。
本实施例中，第一预设目标缺陷差值p1和第二预设目标缺陷差值p2与目标缺陷差值的结果有关，可根据实际情况进行设定，本实施例不做具体限定。
本实施例中，第一预设缺陷等级因子q1、第二预设缺陷等级因子q2和第三预设缺陷等级因子q3可根据实际情况进行设定，本实施例不做具体限定。
本实施例中，当目标缺陷差值小于第一预设目标缺陷差值时，则将第一预设缺陷等级因子作为待检测物品的缺陷等级因子。
本实施例中，当目标缺陷差值大于或等于第一预设目标缺陷差值且小于第二预设目标缺陷值时，则将第二预设缺陷等级因子作为待检测物品的缺陷等级因子。
本实施例中，当目标缺陷差值大于或等于第二预设目标缺陷值时，则将第三预设缺陷等级因子作为待检测物品的缺陷等级因子。
本实施例中，缺陷等级因子可以作为后续的生产制造流程调整依据，当缺陷等级因子越大时，说明待检测物品的缺陷越大，对应的生产制造流程问题越多，需根据缺陷等级因子对对应的生产制造流程进行调节。
上述技术方案的有益效果是：本发明根据目标缺陷差值和目标缺陷差值集合之间的关系从缺陷等级因子集合中选定对应的预设缺陷等级因子作为待检测物品的缺陷等级因子，可以为后续的生产制造流程提供依据，及时对对应的生产制造参数进行调整，避免生产更多的缺陷物品。
在本申请的一些实施例中，还包括：
第一生成模块，用于根据所有大于所述标准红外接收时间的红外接收时间生成上限红外接收时间集合；
第二生成模块，用于根据所有小于所述标准红外接收时间的红外接收时间生成下限红外接收时间集合；
第一构建模块，用于根据所述上限红外接收时间集合和所述标准红外接收时间之间的关系，构建得到上限红外接收时间差值集合；
第二构建模块，用于根据所述下限红外接收时间集合和所述标准红外接收时间之间的关系，构建得到下限红外接收时间差值集合；
均值计算模块，用于计算所述上限红外接收时间差值集合的第一平均值，计算所述下限红外接收时间差值集合的第二平均值；
综合计算模块，用于根据所述第一平均值和所述第二平均值计算所述待检测物品的综合缺陷程度值。
本实施例中，根据上限红外接收时间集合中的红外接收时间与标准红外接收时间之间的差值构建得到上限红外接收时间差值集合，根据标准红外接收时间与下限红外接收时间集合中的红外接收时间之间的差值构建得到下限红外接收时间差值集合。
本实施例中，综合缺陷程度值可以综合反映待检测物品的缺陷程度，当综合缺陷程度值越大时，待检测物品的缺陷程度越大。
上述技术方案的有益效果是：本发明根据第一平均值和第二平均值计算待检测物品的综合缺陷程度值，可以综合反映待检测物品的缺陷程度，同时为缺陷等级因子的补偿奠定基础。
在本申请的一些实施例中，所述综合计算模块用于根据下式计算所述待检测物品的综合缺陷程度值：
；
其中，D为待检测物品的综合缺陷程度值，e1为第一计算权重，e2为第二计算权重，且e1+e2=1，f为第一平均值，g1为上限红外接收时间差值集合中上限红外接收时间差值的数量，k1为下限红外接收时间差值集合中下限红外接收时间差值的数量，h为第二平均值，n=g1+k1。
在本申请的一些实施例中，还包括：
等级补偿模块，用于根据所述待检测物品的综合缺陷程度值对所述待检测物品的缺陷等级因子进行补偿，得到目标缺陷等级因子。
优选的，所述等级补偿模块用于设定综合缺陷程度值集合，其中，所述综合缺陷程度值集合包括第一预设综合缺陷程度值r1和第二预设综合缺陷程度值r2，且r1<r2；
所述等级补偿模块用于设定等级补偿系数集合，其中，所述等级补偿系数集合包括第一预设等级补偿系数s1、第二预设等级补偿系数s2和第三预设等级补偿系数s3，且0.8<s1<s2<s3<1.2；
所述等级补偿模块用于根据所述综合缺陷程度值和所述综合缺陷程度值集合之间的关系从所述等级补偿系数集合中选定对应的等级补偿系数对所述缺陷等级因子进行补偿。
本实施例中，第一预设综合缺陷程度值r1和第二预设综合缺陷程度值r2与综合缺陷程度值的结果有关，可根据实际情况进行设定，本实施例不做具体限定。
本实施例中，第一预设等级补偿系数s1、第二预设等级补偿系数s2和第三预设等级补偿系数s3可根据实际情况进行设定，本实施例不做具体限定。
本实施例中，当综合缺陷程度值小于第一预设综合缺陷程度值时，则基于第一预设等级补偿系数s1对缺陷等级因子进行补偿。
本实施例中，当综合缺陷程度值大于或等于第一预设综合缺陷程度值且小于第二预设综合缺陷程度时，则基于第二预设等级补偿系数s2对缺陷等级因子进行补偿。
本实施例中，当综合缺陷程度值大于或等于第二预设综合缺陷程度时，则基于第三预设等级补偿系数s3对缺陷等级因子进行补偿。
本实施例中，将预设等级补偿系数与缺陷等级因子的乘积值作为目标缺陷等级因子。
上述技术方案的有益效果是：本发明根据综合缺陷程度值和综合缺陷程度值集合之间的关系从等级补偿系数集合中选定对应的等级补偿系数对缺陷等级因子进行补偿，进而实现了对缺陷等级因子的动态化调整，有效避免后续生产制造出更多的缺陷物品，提高产品质量，避免原材料浪费，降低经济损失。
在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
虽然在上文中已经参考实施例对本发明进行了描述，然而在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，本发明所披露的实施例中的各项特征均可通过任意方式相互结合起来使用，在本说明书中未对这些组合的情况进行全部的描述仅仅是出于省略篇幅和节约资源的考虑。因此，本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。
本领域普通技术人员可以理解：以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种红外对射式边缘检测系统，其特征在于，包括：
图像获取模块，用于将待检测物品划分为多个待检测区域，并获取待检测区域的实时图像；
聚类划分模块，用于获取每个实时图像的像素点，并确定所述实时图像的聚类中心点，根据每个像素点和聚类中心点对所有的像素点进行聚类集合划分，其中，所述聚类集合包括高聚类集合、中聚类集合和低聚类集合；
红外确定模块，用于将所述高聚类集合和所述中聚类集合中的所有像素点作为红外对射接收点，并确定对应的红外对射发射点；
缺陷计算模块，用于根据所述红外对射接收点和所述红外对射发射点确定每个像素点的红外接收时间，根据所述红外接收时间计算所述待检测物品的目标缺陷值；
缺陷判断模块，用于基于所述目标缺陷值和预设目标缺陷值之间的关系判断所述待检测物品是否存在缺陷。
2.根据权利要求1所述的红外对射式边缘检测系统，其特征在于，
所述聚类划分模块用于确定每个像素点和所述聚类中心点之间的聚类距离；
所述聚类划分模块用于获取预先设定的第一预设聚类距离和第二预设聚类距离；
所述聚类划分模块用于将聚类距离小于所述第一预设聚类距离的像素点划分至低聚类集合；
所述聚类划分模块用于将聚类距离大于或等于所述第一预设聚类距离且小于所述第二预设聚类距离的像素点划分至中聚类集合；
所述聚类划分模块用于将聚类距离大于或等于所述第二预设聚类距离的像素点划分至高聚类集合。
3.根据权利要求1所述的红外对射式边缘检测系统，其特征在于，
所述缺陷计算模块用于获取标准红外接收时间，基于所述标准红外接收时间分别对所述高聚类集合和所述中聚类集合进行评分；其中，
所述缺陷计算模块在根据所述标准红外接收时间对所述中聚类集合进行评分时，包括：
所述缺陷计算模块用于剔除所述中聚类集合中所有红外接收时间等于所述标准红外接收时间的像素点；
所述缺陷计算模块用于对所述中聚类集合中所有红外接收时间小于所述标准红外接收时间的像素点生成第一评分值A1；
所述缺陷计算模块用于对所述中聚类集合中所有红外接收时间大于所述标准红外接收时间的像素点生成第二评分值A2；
所述缺陷计算模块在根据所述标准红外接收时间对所述高聚类集合进行评分时，包括：
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间小于所述标准红外接收时间的像素点生成第一评分值A1；
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间大于所述标准红外接收时间的像素点生成第二评分值A2；
所述缺陷计算模块用于对所述高聚类集合中所有红外接收时间等于所述标准红外接收时间的像素点生成第三评分值A3；
所述缺陷计算模块用于根据所述第一评分值A1、所述第二评分值A2和所述第三评分值A3计算所述待检测物品的目标缺陷值；
所述缺陷计算模块用于根据下式计算所述待检测物品的目标缺陷值：
；
其中，B为待检测物品的目标缺陷值，C1为第一评分值A1的数量，C2为第二评分值A2的数量，C3为第三评分值A3的数量，ln为对数函数符号。
4.根据权利要求3所述的红外对射式边缘检测系统，其特征在于，
所述缺陷判断模块用于根据所述目标缺陷值和所述预设目标缺陷值之间的关系判断所述待检测物品是否存在缺陷；
所述缺陷判断模块用于当所述目标缺陷值小于或等于所述预设目标缺陷值时，则判断所述待检测物品不存在缺陷；
所述缺陷判断模块用于当所述目标缺陷值大于所述预设目标缺陷值时，则判断所述待检测物品存在缺陷。
5.根据权利要求4所述的红外对射式边缘检测系统，其特征在于，还包括：
差值计算模块，用于计算所述目标缺陷值和所述预设目标缺陷值之间的目标缺陷差值；
等级设定模块，用于根据所述目标缺陷差值设定所述待检测物品的缺陷等级因子。
6.根据权利要求5所述的红外对射式边缘检测系统，其特征在于，
所述等级设定模块用于设定目标缺陷差值集合，其中，所述目标缺陷差值集合包括第一预设目标缺陷差值p1和第二预设目标缺陷差值p2，且p1<p2；
所述等级设定模块用于设定缺陷等级因子集合，其中，所述缺陷等级因子集合包括第一预设缺陷等级因子q1、第二预设缺陷等级因子q2和第三预设缺陷等级因子q3，且q1<q2<q3；
所述等级设定模块用于根据所述目标缺陷差值和所述目标缺陷差值集合之间的关系从所述缺陷等级因子集合中选定对应的预设缺陷等级因子作为所述待检测物品的缺陷等级因子。
7.根据权利要求6所述的红外对射式边缘检测系统，其特征在于，还包括：
第一生成模块，用于根据所有大于所述标准红外接收时间的红外接收时间生成上限红外接收时间集合；
第二生成模块，用于根据所有小于所述标准红外接收时间的红外接收时间生成下限红外接收时间集合；
第一构建模块，用于根据所述上限红外接收时间集合和所述标准红外接收时间之间的关系，构建得到上限红外接收时间差值集合；
第二构建模块，用于根据所述下限红外接收时间集合和所述标准红外接收时间之间的关系，构建得到下限红外接收时间差值集合；
均值计算模块，用于计算所述上限红外接收时间差值集合的第一平均值，计算所述下限红外接收时间差值集合的第二平均值；
综合计算模块，用于根据所述第一平均值和所述第二平均值计算所述待检测物品的综合缺陷程度值。
8.根据权利要求7所述的红外对射式边缘检测系统，其特征在于，
所述综合计算模块用于根据下式计算所述待检测物品的综合缺陷程度值：
；
其中，D为待检测物品的综合缺陷程度值，e1为第一计算权重，e2为第二计算权重，且e1+e2=1，f为第一平均值，g1为上限红外接收时间差值集合中上限红外接收时间差值的数量，k1为下限红外接收时间差值集合中下限红外接收时间差值的数量，h为第二平均值，n=g1+k1。
9.根据权利要求8所述的红外对射式边缘检测系统，其特征在于，还包括：
等级补偿模块，用于根据所述待检测物品的综合缺陷程度值对所述待检测物品的缺陷等级因子进行补偿，得到目标缺陷等级因子。
10.根据权利要求9所述的红外对射式边缘检测系统，其特征在于，
所述等级补偿模块用于设定综合缺陷程度值集合，其中，所述综合缺陷程度值集合包括第一预设综合缺陷程度值r1和第二预设综合缺陷程度值r2，且r1<r2；
所述等级补偿模块用于设定等级补偿系数集合，其中，所述等级补偿系数集合包括第一预设等级补偿系数s1、第二预设等级补偿系数s2和第三预设等级补偿系数s3，且0.8<s1<s2<s3<1.2；
所述等级补偿模块用于根据所述综合缺陷程度值和所述综合缺陷程度值集合之间的关系从所述等级补偿系数集合中选定对应的等级补偿系数对所述缺陷等级因子进行补偿。
CN202410643210.6A 2024-05-23 2024-05-23 一种红外对射式边缘检测系统 Active CN118225789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410643210.6A CN118225789B (zh) 2024-05-23 2024-05-23 一种红外对射式边缘检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410643210.6A CN118225789B (zh) 2024-05-23 2024-05-23 一种红外对射式边缘检测系统

Publications (2)

Publication Number Publication Date
CN118225789A true CN118225789A (zh) 2024-06-21
CN118225789B CN118225789B (zh) 2024-08-27

Family

ID=91498239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410643210.6A Active CN118225789B (zh) 2024-05-23 2024-05-23 一种红外对射式边缘检测系统

Country Status (1)

Country Link
CN (1) CN118225789B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019045303A (ja) * 2017-09-01 2019-03-22 パナソニックＩｐマネジメント株式会社 撮像制御装置、撮像制御方法、撮像制御プログラムおよび撮像制御プログラムを記録した記録媒体
CN112884716A (zh) * 2021-01-28 2021-06-01 中国空气动力研究与发展中心超高速空气动力研究所 一种超高速撞击损伤区域特征强化方法
US20210383563A1 (en) * 2021-06-21 2021-12-09 University Of Electronic Science And Technology Of China Method for quantitatively identifying the defects of large-size composite material based on infrared image sequence
CN113777030A (zh) * 2021-07-08 2021-12-10 杭州信畅信息科技有限公司 一种基于机器视觉的布料表面缺陷检测装置及方法
CN115131576A (zh) * 2022-06-22 2022-09-30 宁波国琅机器人科技有限公司 一种基于边缘提取的光斑识别方法以及系统
CN117647526A (zh) * 2023-10-27 2024-03-05 中国长江三峡集团有限公司 一种风力发电机叶片表面缺陷检测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019045303A (ja) * 2017-09-01 2019-03-22 パナソニックＩｐマネジメント株式会社 撮像制御装置、撮像制御方法、撮像制御プログラムおよび撮像制御プログラムを記録した記録媒体
CN112884716A (zh) * 2021-01-28 2021-06-01 中国空气动力研究与发展中心超高速空气动力研究所 一种超高速撞击损伤区域特征强化方法
US20210383563A1 (en) * 2021-06-21 2021-12-09 University Of Electronic Science And Technology Of China Method for quantitatively identifying the defects of large-size composite material based on infrared image sequence
CN113777030A (zh) * 2021-07-08 2021-12-10 杭州信畅信息科技有限公司 一种基于机器视觉的布料表面缺陷检测装置及方法
CN115131576A (zh) * 2022-06-22 2022-09-30 宁波国琅机器人科技有限公司 一种基于边缘提取的光斑识别方法以及系统
CN117647526A (zh) * 2023-10-27 2024-03-05 中国长江三峡集团有限公司 一种风力发电机叶片表面缺陷检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张彩霞 等: "玻璃表面缺陷检测系统研究", 包装工程, vol. 41, no. 13, 31 July 2020 (2020-07-31), pages 216 - 222 *

Also Published As

Publication number Publication date
CN118225789B (zh) 2024-08-27

Similar Documents

Publication Publication Date Title
CN115511889B (zh) 一种太阳能电池板支架表面焊接缺陷检测方法
CN114897898B (zh) 一种基于图像处理的木板质量分类方法
CN115184368B (zh) 一种铸件缺陷检测控制系统
CN102147402A (zh) 机器视觉技术快速检测鸡蛋新鲜度的方法
CN110458839A (zh) 一种有效的电线电缆监测系统
CN114972343A (zh) 一种激光焊接产品生产异常检测方法
CN116523913B (zh) 一种丝杆质量智能检测方法
CN115063400B (zh) 利用视觉手段的乐器生产缺陷检测方法
CN114757954A (zh) 基于人工智能系统的纸盒印刷色差缺陷检测方法
CN118225789B (zh) 一种红外对射式边缘检测系统
CN114387272A (zh) 基于图像处理的电缆桥架残次品检测方法
CN110008947A (zh) 一种基于卷积神经网络的粮仓粮食数量监测方法及装置
CN115830022A (zh) 基于机器视觉的过滤机滤网缺陷检测方法
CN116304963B (zh) 一种适用于地质灾害预警的数据处理系统
CN117635604A (zh) 一种建筑工程钢结构焊接质量检测方法
CN110221312A (zh) 一种基于激光雷达快速检测地面点云的方法
CN116152236B (zh) 一种锂电池胶带视觉检测方法及系统
CN116071883A (zh) 一种用于光伏电站的火灾报警系统与方法
CN115797361A (zh) 一种铝模板表面缺陷检测方法
CN116228765A (zh) 一种口罩耳带焊接质量的检测方法
CN115656182A (zh) 基于张量投票主成分分析的板材点云缺陷检测方法
CN108983194B (zh) 一种基于地面监视雷达系统的目标提取及凝聚方法
CN113592811B (zh) 一种基于图像处理的熔喷布厚度一致性检测方法
CN117252866B (zh) 基于图像识别的数控冲压成型自调节作业检测方法
CN114529536A (zh) 一种实木质量检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant