CN206925022U - 一种鞋面logo多方位视觉检测系统 - Google Patents
一种鞋面logo多方位视觉检测系统 Download PDFInfo
- Publication number
- CN206925022U CN206925022U CN201720447265.5U CN201720447265U CN206925022U CN 206925022 U CN206925022 U CN 206925022U CN 201720447265 U CN201720447265 U CN 201720447265U CN 206925022 U CN206925022 U CN 206925022U
- Authority
- CN
- China
- Prior art keywords
- module
- shoes
- logo
- image processing
- vamp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本实用新型涉及一种鞋面logo多方位视觉检测系统，包括分流模块、图像采集模块、图像处理模块、合流模块以及分拣模块；其中，所述图像处理模块包括软件界面显示模块，图像处理算法单元以及数据库单元；图像采集模块包括LED光源、多个CCD工业相机、Z轴伺服模组以及伺服电机。本实用新型用机械视觉检测代替人工检测，大大降低了劳动成本以及工作量，无需有经验的人员检测也能进行，客观性强；另外，将两只鞋子分开，每只鞋子单独采用多个CCD工业相机多方位检测，保证了鞋子logo的误检率和漏检率较低。
Description
技术领域
本实用新型涉及鞋子检测的技术领域，尤其涉及到一种鞋面logo多方位视觉检测系统。
背景技术
中国是一个鞋类贸易大国，每年鞋类出口量占总产量的30％左右，是鞋出口量最多的国家，而且呈现逐年增长趋势。作为中国传统行业，鞋子的质量检测一直是该行业的痛点。logo的缺失和错位都会对鞋子的外观和质量造成严重影响，阻碍其销售。长期以来，鞋类logo检测一般由人工完成，人工检测主要依赖检验人员的经验，主观性强，造成评价标准不一致，经常会产生误检和漏检，即使熟练的检验人员也只能发现约70％的logo缺陷。另外，鞋类logo缺陷检测对工人来说是一项繁重的体力劳动，极大损害检验工人的视力。因此，利用视觉代替人眼对鞋类进行缺陷检测，成为中国制鞋业发展的必然趋势。
然而，不同于其他行业的缺陷检测，鞋面logo分布多且不规律，如果分别对鞋面每个部位单独检测logo缺陷，则工作量异常庞大，且硬件很难布局。
发明内容
本实用新型的目的在于克服现有技术的不足，提供一种劳动成本低、能大大降低工作量、客观性强、误检率和漏检率低的鞋面logo多方位视觉检测系统。
为实现上述目的，本实用新型所提供的技术方案为：包括分流模块、图像采集模块、图像处理模块、合流模块以及分拣模块；
分流模块，将一双待检测成品鞋的左右两只鞋子分流至两个不同的检测工位；
图像采集模块，实时采集两个检测工位上所对应鞋子的鞋面图像；
图像处理模块，对两个检测工位上采集到的鞋面图像进行缺陷检测和分类，并将检测结果生成报告；
合流模块，将分开的两只检测完的鞋子合流在一起；
分拣模块，根据图像处理模块的检测结果将不同logo缺陷的成品鞋分拣出来并归类；
其中，所述图像处理模块包括软件界面显示模块，图像处理算法单元和数据库单元；
软件界面显示模块，用于人机交互并最后将鞋子logo缺陷的位置和类型生成检测报告；
图像处理算法单元，通过算法对采集到的鞋面图像进行缺陷检测和分类；
数据库单元，储存关于鞋子logo缺陷位置和类型的检测报告。
进一步地，所述图像采集模块包括包括LED光源、多个CCD工业相机、Z轴伺服模组以及伺服电机；其中，LED光源为球形半封闭箱，底部开放，光源侧壁开有多个用于固定CCD工业相机的固定孔，分别对应成品鞋的多个检测位；所述Z轴伺服模组与LED光源连接，置于Z轴伺服模组上方的伺服电机驱动该Z轴伺服模组带动LED光源实现竖直方向升降运动。
与现有技术相比，本方案原理和优点如下：
用机械视觉检测代替人工检测，大大降低了劳动成本以及工作量，无需有经验的人员检测也能进行，客观性强；另外，将两只鞋子分开，每只鞋子单独采用多个CCD工业相机多方位检测，保证了鞋子logo的误检率和漏检率较低。
附图说明
图1为本实用新型实施例一种鞋面logo多方位视觉检测系统的结构示意图；
图2为本实用新型实施例一种鞋面logo多方位视觉检测系统中图像采集模块的结构图；
图3为本实用新型实施例一种鞋面logo多方位视觉检测系统的工作流程图。
具体实施方式
下面结合具体实施例对本实用新型作进一步说明：
参见附图1-2所示，本实施例所述的一种鞋面logo多方位视觉检测系统，包括分流模块1、图像采集模块2、图像处理模块3、合流模块4以及分拣模块5。其中，
图像采集模块2包括包括LED光源9、五个CCD工业相机10、Z轴伺服模组11以及伺服电机12；LED光源9为球形半封闭箱，底部开放，光源侧壁开有五个用于固定CCD工业相机10的固定孔，分别对应成品鞋的五个检测位；Z轴伺服模组11与LED光源9连接，置于Z轴伺服模组11上方的伺服电机12驱动该Z轴伺服模组11带动LED光源9实现竖直方向升降运动。
图像处理模块3包括软件界面显示模块6，图像处理算法单元7和数据库单元8。
工作流程如图3所示，具体如下：
(1)分流模块1将一双待检测成品鞋的左右两只鞋子a、b分流至两个不同的检测工位；
(2)两个检测工位上的图像采集模块2实时采集所对应鞋子的鞋面图像：
当鞋子a、b分流后到达检测工位时，触发光电传感器(图中没有显示)，伺服电机12接收信号后，使固定有CCD工业相机10的LED光源9下降，待完全罩住鞋子后选择性触发各个检测位CCD工业相机10进行拍照；五个CCD工业相机10(CCD1、CCD2、CCD3、CCD4、CCD5)分别对应鞋子前后侧鞋头和鞋跟、左右两侧鞋面、上侧鞋帮和鞋面，从而达到鞋子全方位缺陷检测的目的(鞋子b一侧的一个CCD工业相机由于角度被遮挡)；拍照完成后，伺服电机12驱动Z轴伺服模组11带动LED光源9上升；
(3)两个检测工位上的图像处理模块3对采集到的鞋面图像进行缺陷检测和分类，将检测结果生成报告并储存；具体步骤如下：
先通过软件界面显示模块6进行人机交互，再由图像处理算法单元7进行缺陷检测，图像检测的具体步骤如下：
1)模版选取：
A)颜色空间转换：
将图像从RGB颜色空间转换到HSV颜色空间.公式为：
v＝max
其中，(r，g，b)分别为一个颜色的红、绿、蓝坐标，r、g、b的值均在(0，1)之间，max为r，g，b中的最大值，min为r，g，b中的最小值，h∈[0，360°]为角度的色相角，s，l∈[0，1]为饱和度和亮度；
B)选取鞋面所有logo所在的ROI区域，生成模板，logo占ROI区域的比例为40％；
C)将所选模板保存至PC模板库，作为后续匹配的标准模板：
初始化过程中，模板选取后，将其保存至PC模型库，作为后续匹配的标准模板；初始化的模板选取只进行一次，后续logo检测不需要再选取；
2)模版匹配：
A)颜色空间转换，该转换步骤与模版选取中的颜色空间转换步骤一致；
B)度量子区域和目标模板的相似程度：
模版匹配中度量子区域和目标模板相似程度的计算如下：
将模板T(m×n个像素)叠放在被搜索图S(W×H个像素)上下平移，模板覆盖搜索图的子图区域Sij,其中，i，j为子图Sij左上角在搜索图S上的坐标；通过比较T与S的相似性，度量子区域和目标模板的相似程度；
C)优化搜索策略：
根据度量子区域和目标模板相似程度得到的相关系数，在搜索时，若当前位置的相关系数小于一定阈值或者该位置离上一帧的目标中心很远，搜索的步长将加大，反之则减小搜索步长；
D)提高计算速度：
取误差阈值E0,当E(i，j)＞E0时，停止该点的计算，继续下一点计算，从而得到想要的结果；所述误差计算公式如下：其中，模版T具有m×n个像素，Sij为模板覆盖搜索图的子图区域，i，j为子图Sij左上角在搜索图S上的坐标；
数据库单元8储存鞋子logo缺陷位置和类型的检测报告。
(4)检测分类后合流模块4将分开的两只检测完的鞋子合流在一起；
(5)分拣模块5根据图像处理模块的检测结果将不同logo缺陷的成品鞋分拣出来并归类。
本实施例用机械视觉检测代替人工检测，大大降低劳动成本以及工作量，无需有经验的人员检测也能进行，客观性强；另外，将两只鞋子分开，每只鞋子单独采用多个CCD工业相机多方位检测，保证鞋子logo的误检率和漏检率较低。
以上所述之实施例子只为本实用新型之较佳实施例，并非以此限制本实用新型的实施范围，故凡依本实用新型之形状、原理所作的变化，均应涵盖在本实用新型的保护范围内。
Claims (2)
1.一种鞋面logo多方位视觉检测系统，其特征在于：包括分流模块(1)、图像采集模块(2)、图像处理模块(3)、合流模块(4)以及分拣模块(5)；
分流模块(1)，将一双待检测成品鞋的左右两只鞋子分流至两个不同的检测工位；
图像采集模块(2)，实时采集两个检测工位上所对应鞋子的鞋面图像；
图像处理模块(3)，对两个检测工位上采集到的鞋面图像进行缺陷检测和分类，并将检测结果生成报告；
合流模块(4)，将分开的两只检测完的鞋子合流在一起；
分拣模块(5)，根据图像处理模块的检测结果将不同logo缺陷的成品鞋分拣出来并归类；
其中，所述图像处理模块(3)包括软件界面显示模块(6)，图像处理算法单元(7)和数据库单元(8)；
软件界面显示模块(6)，用于人机交互并最后将鞋子logo缺陷的位置和类型生成检测报告；
图像处理算法单元(7)，通过算法对采集到的鞋面图像进行缺陷检测和分类；
数据库单元(8)，储存关于鞋子logo缺陷位置和类型的检测报告。
2.根据权利要求1所述的一种鞋面logo多方位视觉检测系统，其特征在于：所述图像采集模块(2)包括包括LED光源(9)、多个CCD工业相机(10)、Z轴伺服模组(11)以及伺服电机(12)；其中，LED光源(9)为球形半封闭箱，底部开放，光源侧壁开有多个用于固定CCD工业相机(10)的固定孔，分别对应成品鞋的多个检测位；所述Z轴伺服模组(11)与LED光源(9)连接，置于Z轴伺服模组(11)上方的伺服电机(12)驱动该Z轴伺服模组(11)带动LED光源(9)实现竖直方向升降运动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720447265.5U CN206925022U (zh) | 2017-04-26 | 2017-04-26 | 一种鞋面logo多方位视觉检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201720447265.5U CN206925022U (zh) | 2017-04-26 | 2017-04-26 | 一种鞋面logo多方位视觉检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN206925022U true CN206925022U (zh) | 2018-01-26 |
Family
ID=61351062
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201720447265.5U Active CN206925022U (zh) | 2017-04-26 | 2017-04-26 | 一种鞋面logo多方位视觉检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN206925022U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106903075A (zh) * | 2017-04-26 | 2017-06-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种鞋面logo多方位视觉检测方法及系统 |
-
2017
- 2017-04-26 CN CN201720447265.5U patent/CN206925022U/zh active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106903075A (zh) * | 2017-04-26 | 2017-06-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种鞋面logo多方位视觉检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106903075A (zh) | 一种鞋面logo多方位视觉检测方法及系统 | |
| Liu et al. | Improved kiwifruit detection using pre-trained VGG16 with RGB and NIR information fusion | |
| Gongal et al. | Apple crop-load estimation with over-the-row machine vision system | |
| Bac et al. | Stem localization of sweet-pepper plants using the support wire as a visual cue | |
| CN109239076B (zh) | 一种基于机器视觉的缝纫线迹缺陷检测方法 | |
| CN108470339A (zh) | 一种基于信息融合的重叠苹果视觉识别与定位方法 | |
| Liu et al. | A method of segmenting apples at night based on color and position information | |
| CN107804514B (zh) | 一种基于图像识别的牙刷分拣方法 | |
| CN103076288B (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
| WO2019067641A1 (en) | SYSTEMS AND METHODS FOR VISUAL INSPECTION BASED ON INCREASED REALITY | |
| CN108053449A (zh) | 双目视觉系统的三维重建方法、装置及双目视觉系统 | |
| CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
| Nguyen et al. | Apple detection algorithm for robotic harvesting using a RGB-D camera | |
| CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
| CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
| CN106140648A (zh) | 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法 | |
| CN106548480A (zh) | 一种基于机器视觉的农产品体积快速测量装置及测量方法 | |
| CN110070571B (zh) | 一种基于深度相机的毛竹形态参数检测方法 | |
| CN105069816B (zh) | 一种进出口人流量统计的方法及系统 | |
| CN107301634A (zh) | 一种机器人自动分拣方法及系统 | |
| CN102879404B (zh) | 工业结构化场景中医用胶囊缺陷自动检测的系统 | |
| CN206925022U (zh) | 一种鞋面logo多方位视觉检测系统 | |
| Yang et al. | Recognition and localization system of the robot for harvesting Hangzhou White Chrysanthemums | |
| CN107016699A (zh) | 一种自动识别杂色粒子的彩色编码方法 | |
| Hu et al. | Recognition and localization of strawberries from 3D binocular cameras for a strawberry picking robot using coupled YOLO/Mask R-CNN |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |