CN111157537A - 一种基于仿生机器视觉的带钢缺陷检测装置及系统 - Google Patents
一种基于仿生机器视觉的带钢缺陷检测装置及系统 Download PDFInfo
- Publication number
- CN111157537A CN111157537A CN202010068835.6A CN202010068835A CN111157537A CN 111157537 A CN111157537 A CN 111157537A CN 202010068835 A CN202010068835 A CN 202010068835A CN 111157537 A CN111157537 A CN 111157537A
- Authority
- CN
- China
- Prior art keywords
- light source
- machine vision
- strip steel
- defect detection
- control system
- 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
- 238000001514 detection method Methods 0.000 title abstract description 48
- 230000007547 defect Effects 0.000 title abstract description 46
- 239000011664 nicotinic acid Substances 0.000 title abstract description 24
- 229910000831 Steel Inorganic materials 0.000 abstract description 61
- 239000010959 steel Substances 0.000 abstract description 61
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 9
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000010354 integration Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 13
- 230000003993 interaction Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000010365 information processing Effects 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010039509 Scab Diseases 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
Images
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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
- G01N21/8903—Optical details; Scanning details using a multiple detector array
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
- G01N2021/8918—Metal
Landscapes
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Textile Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于检测装置领域，特别涉及一种基于仿生机器视觉的带钢缺陷检测装置及系统，一种基于仿生机器视觉的带钢缺陷检测装置包括机械运动平台，所述机械运动平台包括两组纵向运动装置、两组竖向运动装置和反向设置的两组横向运动装置；一种基于仿生机器视觉的带钢缺陷检测系统，包括主控系统，所述主控系统通过驱动器模块对机械运动平台实现控制，所述主控系统通过图像采集模块对摄像头实现控制，所述主控系统通过光源控制器模块对光源实现控制。本发明可以大大的减少图像信息的冗余，提高图像检测效率、减少资源浪费，实时带钢生产过程中的整体质量把控，提高带钢自动化加工检测一体化，总体实现带钢检测的无人化、智能化。
Description
技术领域
本发明属于检测装置领域，特别涉及一种基于仿生机器视觉的带钢缺陷检测装置及系统。
背景技术
在机械行业中广泛使用的垫片、五金冲压件、各类钣金件等，基本都是以带钢作为原材料，将生产出来的成品带钢进行加工，再制造形成需要的各类产品，带钢质量的好坏决定了这些产品的好坏。随着全球资源紧张、产品品质要求的提高，对带钢成品的优质率、成品率要求越来越高，在生产这些带钢过程中往往由于材料、加工工艺、系统控制等主客观原因，会在加工带钢过程中造成带钢表面的缺陷，其中主要的缺陷包结疤、压痕、麻点、凸起、划痕、贴片、裂纹。这些缺陷导致成品带钢品质不好，从而导致以带钢作为基础加工材料的其他零部件、钣金等产品容易出现抗疲劳、抗腐蚀性等特性的下降。这些产品应用在大型仪器设备中时就会造成设备易老化、不安全，特别是一些特殊安全设备，如电梯、起重机等造成严重的事故。因此需要从这些产品原材料就需要进行产品质量的把控，对带钢生产的过程进行实时检测，通过实时检测数据及时的进行加工工艺修改、质量等级划分等。对出产带钢进行严格的质量把控，保证质量过关。
传统的带钢检测方法主要为人工检验，该方法速度慢、效率低。同时，人工方法需要检测人员具有一定的专业技能。这导致人工检测的存在主观性，检测结果缺乏可靠性。长时间用眼容易造成眼睛疲劳，使检测效果不好。随着一体化钣金加工的发展，带钢尺寸也在逐渐变大，人工也难以在大面积的带钢上找到缺陷，无法保证带钢生产加工质量。
目前大多数的带钢检测方法主要是源于机器视觉的检测方法，大都采用基本的图像处理方法来进行带钢的缺陷检测。机器视觉的检测方法的确能够有效避免人工检测中出现的弊端，也大大的提高了带钢检测的效率与稳定性。然而，现有主流方式采用采用线阵CCD摄像机的机器视觉检测方法，该相机只带有一行感光器件，在带钢生产和滚筒成卷的时候匀速运动，一台或多台线阵相机进行逐行扫描，将成像的条状图进行拼接后形成最终的带钢成像图，之后再对所成的像图进行缺陷检测，线阵相机虽然能够适应带钢这样细长连续的带状检测，但是线阵相机较为昂贵，在大视野下或者在高精度检测条件下，检测速度就会较传统的面阵CCD相机速度慢，另外，随着带钢尺寸逐渐变大，单个线阵相机不足以图像采集，采用多个线阵相机就会造成成本过高，同时图像信息带来太多的冗余，影响在线检测效率，这成为了目前针对于机器视觉在带钢检测上的局限性。
发明内容
本发明要解决的技术问题是克服以上技术问题，提供一种可以大大的减少图像信息的冗余，提高图像检测效率、减少资源浪费，实时带钢生产过程中的整体质量把控，提高带钢自动化加工检测一体化，总体实现带钢检测的无人化、智能化的基于仿生机器视觉的带钢缺陷检测装置及系统。
一种基于仿生机器视觉的带钢缺陷检测装置，包括机械运动平台，所述机械运动平台包括两组纵向运动装置、两组竖向运动装置和反向设置的两组横向运动装置，所述纵向运动装置、竖向运动装置和横向运动装置均包括固定型材，所述固定型材的一端连接有第一丝杆连接板，另一端固定有用于安装驱动电机的驱动电机安装板，所述固定型材1顶部靠近驱动电机安装板安装有第二丝杆连接板，所述第一丝杆连接板和第二丝杆连接板均通过轴承连接有丝杆，所述丝杆的一端通过轴连接件与驱动电机的输出轴连接，所述丝杆上同轴套接有第一滑块，所述第一滑块的底部设有第一导向件，所述固定型材顶部位于第一丝杆连接板与第二丝杆连接板之间设有与第一导向件匹配的滑块导轨；
两个所述纵向运动装置之间通过第一型材连接，且两个所述纵向运动装置摆放位置方向相同，两个所述竖向运动装置通过第二型材连接，且两个所述竖向运动装置摆放位置方向相同；
每个所述纵向运动装置的第一滑块顶部通过第一连接板连接于竖向远动装置无驱动电机一端，每个所述竖向运动装置的第一滑块通过第二连接板连接于反向设置的两组横向运动装置的固定型材，每个所述横向运动装置的丝杆上位于第一滑块与第二丝杆连接板之间还设有第二滑块，所述第二滑块的底部设有第二导向件扣接于滑块导轨，一个所述横向运动装置的第一滑块与另一个反向设置的横向运动装置的第二滑块通过第三连接板连接。
进一步，所述驱动电机采用了40模组的步进电机。
进一步，所述第三连接板上安装有摄像头与光源，所述光源安装于摄像头下方。
一种基于仿生机器视觉的带钢缺陷检测系统，包括主控系统，所述主控系统通过驱动器模块对机械运动平台实现控制，所述主控系统通过图像采集模块对摄像头实现控制，所述主控系统通过光源控制器模块对光源实现控制，所述主控系统包括机械运动平台控制系统、图像信息处理系统、最优图像成像系统、视觉仿生感知系统和数据信息管理系统；
所述图像信息处理系统、最优图像成像系统通过控制摄像头和光源进行获取图像，并调整参数获得最佳图像信息；
所述视觉仿生感知系统为自底向上的感知机制和自顶向下的感知机制；
所述主控系统连接有人机交互界面，用户通过人机交互界面对主控系统进行操作。
进一步，所述主控系统与驱动器模块的连接方式为串口通信方式或网口通信方式。
进一步，所述主控系统上还设有软件功能接口，所述软件功能接口包括机械运动平台运动接口、视觉成像接口、成像优化接口和算法运行接口。
进一步，所述人机交互界面为台式电脑。
进一步，所述摄像头采用面阵相机，分辨率为2448×2050，芯片尺寸为2/3英寸，镜头采用定焦距镜头，焦距为35mm。
进一步，所述光源选用环形光源或同轴光源，所述光源控制器通过串口通信控制光源照度大小。
进一步，所述驱动器模块的型号为AMC4030，所述图像采集模块采用型号为DH-VT142的图像采集卡，所述光源控制器模块采用型号为LTS-2FT的光源控制器。
本发明具有如下有益效果：本发明通过模仿人类视觉成像特性从获取的冗余视觉信息系中，找到感兴趣的区域的特点，在保证高速有效的对带钢缺陷进行实时在线检测同时，根据人眼视觉注意机制直接提取出注意点缺陷区域后，再进行检测工作这样可以大大的减少图像信息的冗余，提高图像检测效率、减少资源浪费；
在带钢生产制造过程中使用带钢表面缺陷检测仿生机器视觉后，可以实现在带钢生成过程中，对带钢表面进行高速快捷的缺陷检测，实现带钢缺陷检测的自动化、无人化的转换，通过大视野的带钢缺陷，能够高速、快捷的对缺陷进行显著性的选择，机械运动平台再自动的通过小视野进行再次成像，实现对缺陷的再次缺陷检测，从而对缺陷等级、缺陷类别进行再一次的判断，从而全面的对带钢进行等级划分、质量把控，实现在带钢生产制造中产生的进行准确的质量监管把控，提高带钢生产的成品率、优质率。
附图说明
图1是本发明一种基于仿生机器视觉的带钢缺陷检测装置第一立体结构示意图；
图2是本发明一种基于仿生机器视觉的带钢缺陷检测装置第二立体结构示意图；
图3是本发明一种基于仿生机器视觉的带钢缺陷检测装置的运动装置结构示意图；
图4是本发明一种基于仿生机器视觉的带钢缺陷检测装置的横向运动装置第一立体结构示意图；
图5是本发明一种基于仿生机器视觉的带钢缺陷检测装置的横向运动装置第二立体结构示意图；
图6是本发明一种基于仿生机器视觉的带钢缺陷检测系统的体系结构图；
图7是本发明一种基于仿生机器视觉的带钢缺陷检测系统的主控体统的软件功能接口结构图；
图8是本发明一种基于仿生机器视觉的带钢缺陷检测系统的实施使用流程图。
如图所示：1、固定型材；2、第一丝杆连接板；3、驱动电机安装板；4、第二丝杆连接板；5、轴承；6、丝杆；7、轴连接件；8、驱动电机；9、第一滑块；10、第一导向件；11、滑块导轨；12、第一型材；13、第二型材；14、第一连接板；15、第二连接板；16、第二滑块；17、第二导向件；18、第三连接板；19、摄像头；20、光源；101、纵向运动装置；102、竖向运动装置；103、横向运动装置。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
如图1至图5所示，一种基于仿生机器视觉的带钢缺陷检测装置，包括机械运动平台，所述机械运动平台包括两组纵向运动装置101、两组竖向运动装置102和反向设置的两组横向运动装置103，所示所述纵向运动装置101、竖向运动装置102和横向运动装置103均包括固定型材1，所述固定型材1的一端连接有第一丝杆连接板2，另一端固定有用于安装驱动电机8的驱动电机安装板3，所述固定型材1顶部靠近驱动电机安装板3安装有第二丝杆连接板4，所述第一丝杆连接板2和第二丝杆连接板4均通过轴承5连接有丝杆6，所述丝杆6的一端通过轴连接件7与驱动电机8的输出轴连接，所述丝杆6上同轴套接有第一滑块9，所述第一滑块9的底部设有第一导向件10，所述固定型材1顶部位于第一丝杆连接板2与第二丝杆连接板4之间设有与第一导向件10匹配的滑块导轨11；
两个所述纵向运动装置101之间通过第一型材12连接，且两个所述纵向运动装置101摆放位置方向相同，两个所述竖向运动装置102通过第二型材13连接，且两个所述竖向运动装置102摆放位置方向相同；
每个所述纵向运动装置101的第一滑块9顶部通过第一连接板14连接于竖向远动装置102无驱动电机8一端，每个所述竖向运动装置102的第一滑块9通过第二连接板15连接于反向设置的两组横向运动装置103的固定型材1，每个所述横向运动装置103的丝杆6上位于第一滑块9与第二丝杆连接板4之间还设有第二滑块16，所述第二滑块16的底部设有第二导向件17扣接于滑块导轨11，一个所述横向运动装置103的第一滑块9与另一个反向设置的横向运动装置103的第二滑块16通过第三连接板18连接。
所述第一滑块9随所套接的丝杆6转动而移动，所述第二滑块16不随所套接的丝杆6转动而移动，所述第二滑块16跟随通过第三连接板18连接的第一滑块19的移动而移动。
所述驱动电机8采用了40模组的步进电机。
所述第三连接板18上安装有摄像头19与光源20，所述光源20安装于摄像头19下方。
所述固定型材1、第一型材12和第二型材13均采用铝型材制作。
如图6、图7所示，一种基于仿生机器视觉的带钢缺陷检测系统，包括主控系统，所述主控系统通过驱动器模块对机械运动平台实现控制，所述主控系统通过图像采集模块对摄像头实现控制，所述主控系统通过光源控制器模块对光源实现控制，所述主控系统包括机械运动平台控制系统、图像信息处理系统、最优图像成像系统、视觉仿生感知系统和数据信息管理系统；
所述图像信息处理系统、最优图像成像系统通过控制摄像头和光源进行获取图像，并调整参数获得最佳图像信息；
所述视觉仿生感知系统为自底向上的感知机制和自顶向下的感知机制；
所述主控系统连接有人机交互界面，用户通过人机交互界面对主控系统进行操作。
所述主控系统与驱动器模块的连接方式为串口通信方式或网口通信方式。
所述主控系统上还设有软件功能接口，所述软件功能接口包括机械运动平台运动接口、视觉成像接口、成像优化接口和算法运行接口，所涉及算法采用现有技术，计算智能领域中的一种优化方法粒子群算法。
所述人机交互界面为台式电脑。
所述摄像头采用面阵相机，分辨率为2448×2050，芯片尺寸为2/3英寸，镜头采用定焦距镜头，焦距为35mm。
所述光源选用环形光源或同轴光源，所述光源控制器通过串口通信控制光源照度大小。
所述驱动器模块的型号为AMC4030，所述图像采集模块采用型号为DH-VT142的图像采集卡，所述光源控制器模块采用型号为LTS-2FT的光源控制器。
所述机械运动平台的驱动电机与驱动器模块电性连接，摄像头与图像采集模块电性连接，光源与光源控制模块电性连接，所述驱动器模块、图像采集模块和光源控制模块与主控系统信号连接，人机交互界面与主控系统信号连接，本发明装置还连接有供电模块，为个用电部件进行供电。
如图8所示，为本发明的实施流程图，本发明系统所有的功能在统一的一个应用程序中运行，本系统操作步骤以获取当前场景下的显著性目标为例，来对本系统操作流程进行总体的说明。
检测时，平台搭载相机在大视野下多带钢进行一个整体的全局缺陷搜索，能够得到全局的最大视觉信息，通过筛选带钢缺陷视觉如颜色、亮度、方向等特征，有效的去除视觉存在的冗余视觉信息，通过预设值不同比重权值，找到大视野环境下最“感兴趣的区域”，即特征显著区域，运动平台移动高度精度视觉相机，将显著区域移动到视野中心，调用高分辨率相机对指定特征显著区域进行再一次的视觉成像判断，判断是否缺陷及缺陷类型，同时判断该缺陷类型。实现带钢表面的初视觉缺陷搜索到精细缺陷搜索的过程，由此实现对带钢表面缺陷的高速快捷的缺陷检测。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (10)
1.一种基于仿生机器视觉的带钢缺陷检测装置，其特征在于：包括机械运动平台，所述机械运动平台包括两组纵向运动装置(101)、两组竖向运动装置(102)和反向设置的两组横向运动装置(103)，所述纵向运动装置(101)、竖向运动装置(102)和横向运动装置(103)均包括固定型材(1)，所述固定型材(1)的一端连接有第一丝杆连接板(2)，另一端固定有用于安装驱动电机(8)的驱动电机安装板(3)，所述固定型材(1)顶部靠近驱动电机安装板(3)安装有第二丝杆连接板(4)，所述第一丝杆连接板(2)和第二丝杆连接板(4)均通过轴承(5)连接有丝杆(6)，所述丝杆(6)的一端通过轴连接件(7)与驱动电机(8)的输出轴连接，所述丝杆(6)上同轴套接有第一滑块(9)，所述第一滑块(9)的底部设有第一导向件(10)，所述固定型材(1)顶部位于第一丝杆连接板(2)与第二丝杆连接板(4)之间设有与第一导向件(10)匹配的滑块导轨(11)；
两个所述纵向运动装置(101)之间通过第一型材(12)连接，且两个所述纵向运动装置(101)摆放位置方向相同，两个所述竖向运动装置(102)通过第二型材(13)连接，且两个所述竖向运动装置(102)摆放位置方向相同；
每个所述纵向运动装置(101)的第一滑块(9)顶部通过第一连接板(14)连接于竖向远动装置(102)无驱动电机(8)一端，每个所述竖向运动装置(102)的第一滑块(9)通过第二连接板(15)连接于反向设置的两组横向运动装置(103)的固定型材(1)，每个所述横向运动装置(103)的丝杆(6)上位于第一滑块(9)与第二丝杆连接板(4)之间还设有第二滑块(16)，所述第二滑块(16)的底部设有第二导向件(17)扣接于滑块导轨(11)，一个所述横向运动装置(103)的第一滑块(9)与另一个反向设置的横向运动装置(103)的第二滑块(16)通过第三连接板(18)连接。
2.根据权利要求1所述的一种基于仿生机器视觉的带钢缺陷检测装置，其特征在于：所述驱动电机(8)采用了40模组的步进电机。
3.根据权利要求1所述的一种基于仿生机器视觉的带钢缺陷检测装置，其特征在于：所述第三连接板(18)上安装有摄像头与光源，所述光源安装于摄像头下方。
4.一种基于仿生机器视觉的带钢缺陷检测系统，其特征在于：包括主控系统，所述主控系统通过驱动器模块对机械运动平台实现控制，所述主控系统通过图像采集模块对摄像头实现控制，所述主控系统通过光源控制器模块对光源实现控制，所述主控系统包括机械运动平台控制系统、图像信息处理系统、最优图像成像系统、视觉仿生感知系统和数据信息管理系统；
所述图像信息处理系统、最优图像成像系统通过控制摄像头和光源进行获取图像，并调整参数获得最佳图像信息；
所述视觉仿生感知系统为自底向上的感知机制和自顶向下的感知机制；
所述主控系统连接有人机交互界面，用户通过人机交互界面对主控系统进行操作。
5.根据权利要求4所述的一种基于仿生机器视觉的带钢缺陷检测系统，其特征在于：所述主控系统与驱动器模块的连接方式为串口通信方式或网口通信方式。
6.根据权利要求4所述的一种基于仿生机器视觉的带钢缺陷检测系统，其特征在于：所述主控系统上还设有软件功能接口，所述软件功能接口包括机械运动平台运动接口、视觉成像接口、成像优化接口和算法运行接口。
7.根据权利要求4所述的一种基于仿生机器视觉的带钢缺陷检测系统，其特征在于：所述人机交互界面为台式电脑。
8.根据权利要求4所述的一种基于仿生机器视觉的带钢缺陷检测系统，其特征在于：所述摄像头采用面阵相机，分辨率为2448×2050，芯片尺寸为2/3英寸，镜头采用定焦距镜头，焦距为35mm。
9.根据权利要求4所述的一种基于仿生机器视觉的带钢缺陷检测系统，其特征在于：所述光源选用环形光源或同轴光源，所述光源控制器通过串口通信控制光源照度大小。
10.根据权利要求4所述的一种基于仿生机器视觉的带钢缺陷检测系统，其特征在于：所述驱动器模块的型号为AMC4030，所述图像采集模块采用型号为DH-VT142的图像采集卡，所述光源控制器模块采用型号为LTS-2FT的光源控制器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068835.6A CN111157537A (zh) | 2020-01-21 | 2020-01-21 | 一种基于仿生机器视觉的带钢缺陷检测装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010068835.6A CN111157537A (zh) | 2020-01-21 | 2020-01-21 | 一种基于仿生机器视觉的带钢缺陷检测装置及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111157537A true CN111157537A (zh) | 2020-05-15 |
Family
ID=70564809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010068835.6A Pending CN111157537A (zh) | 2020-01-21 | 2020-01-21 | 一种基于仿生机器视觉的带钢缺陷检测装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111157537A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111458342A (zh) * | 2020-05-21 | 2020-07-28 | 佛山职业技术学院 | 一种基于机器视觉的pet瓶坯缺陷检测平台 |
| CN112147073A (zh) * | 2020-09-27 | 2020-12-29 | 佛山职业技术学院 | 一种基于双目视觉的瓷砖表面缺陷检测装置 |
| CN112798620A (zh) * | 2020-12-07 | 2021-05-14 | 上海辛玮智能科技有限公司 | 微观自动智能三合一检测系统 |
| CN113012539A (zh) * | 2021-02-08 | 2021-06-22 | 河源职业技术学院 | 一种基于四轴联动位置追踪多功能机器视觉检测试验装置 |
| CN113899745A (zh) * | 2021-09-29 | 2022-01-07 | 上海卫星装备研究所 | 多遮蔽位置航天器热控喷涂质量检测装置及方法 |
| CN114160448A (zh) * | 2021-12-03 | 2022-03-11 | 昆山市钮派克机械有限公司 | 一种精密电子冲压件视觉检测装备及检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2501076Y (zh) * | 2001-11-05 | 2002-07-17 | 上海中建实业有限公司 | 多镜头数码立体拍摄仪 |
| CN106066333A (zh) * | 2016-08-04 | 2016-11-02 | 西南交通大学 | 曲面零件表面轮廓损伤分析装置及其方法 |
| CN110231344A (zh) * | 2019-07-17 | 2019-09-13 | 佛山市清极能源科技有限公司 | 一种膜电极缺陷快速筛拣方法及设备 |
| CN209613598U (zh) * | 2018-12-20 | 2019-11-12 | 常州轻工职业技术学院 | 一种电连接器用外形和插拔力自动测试装置 |
| CN214894918U (zh) * | 2020-01-21 | 2021-11-26 | 张培江 | 一种基于仿生机器视觉的带钢缺陷检测装置 |
-
2020
- 2020-01-21 CN CN202010068835.6A patent/CN111157537A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2501076Y (zh) * | 2001-11-05 | 2002-07-17 | 上海中建实业有限公司 | 多镜头数码立体拍摄仪 |
| CN106066333A (zh) * | 2016-08-04 | 2016-11-02 | 西南交通大学 | 曲面零件表面轮廓损伤分析装置及其方法 |
| CN209613598U (zh) * | 2018-12-20 | 2019-11-12 | 常州轻工职业技术学院 | 一种电连接器用外形和插拔力自动测试装置 |
| CN110231344A (zh) * | 2019-07-17 | 2019-09-13 | 佛山市清极能源科技有限公司 | 一种膜电极缺陷快速筛拣方法及设备 |
| CN214894918U (zh) * | 2020-01-21 | 2021-11-26 | 张培江 | 一种基于仿生机器视觉的带钢缺陷检测装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张培江: "基于人眼视觉认知机制的仿生感知方法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 7, 15 July 2019 (2019-07-15), pages 54 - 55 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111458342A (zh) * | 2020-05-21 | 2020-07-28 | 佛山职业技术学院 | 一种基于机器视觉的pet瓶坯缺陷检测平台 |
| CN112147073A (zh) * | 2020-09-27 | 2020-12-29 | 佛山职业技术学院 | 一种基于双目视觉的瓷砖表面缺陷检测装置 |
| CN112798620A (zh) * | 2020-12-07 | 2021-05-14 | 上海辛玮智能科技有限公司 | 微观自动智能三合一检测系统 |
| CN113012539A (zh) * | 2021-02-08 | 2021-06-22 | 河源职业技术学院 | 一种基于四轴联动位置追踪多功能机器视觉检测试验装置 |
| CN113899745A (zh) * | 2021-09-29 | 2022-01-07 | 上海卫星装备研究所 | 多遮蔽位置航天器热控喷涂质量检测装置及方法 |
| CN114160448A (zh) * | 2021-12-03 | 2022-03-11 | 昆山市钮派克机械有限公司 | 一种精密电子冲压件视觉检测装备及检测方法 |
| CN114160448B (zh) * | 2021-12-03 | 2024-06-04 | 昆山市钮派克机械有限公司 | 一种精密电子冲压件视觉检测装备及检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111157537A (zh) | 一种基于仿生机器视觉的带钢缺陷检测装置及系统 | |
| US10718721B2 (en) | Powder spreading quality test method and additive manufacturing device | |
| CN108956645A (zh) | 一种多视觉系统的光学镜片缺陷检测装置及方法 | |
| CN108982514A (zh) | 一种铸件表面缺陷仿生视觉检测系统 | |
| CN109840900B (zh) | 一种应用于智能制造车间的故障在线检测系统及检测方法 | |
| CN106248686A (zh) | 基于机器视觉的玻璃表面缺陷检测装置及方法 | |
| CN108647677A (zh) | 基于视觉计算的电表外观和性能智能检测方法及装置 | |
| CN108890652A (zh) | 一种变电站巡检机器人及变电站设备巡检方法 | |
| CN105675610A (zh) | 一种物体表面质感特征在线检测系统及工作原理 | |
| CN105651782A (zh) | 一种发动机缸盖表面缺陷机器视觉自动检测设备 | |
| CN102854194A (zh) | 基于线阵ccd的物件表面缺陷检测方法及装置 | |
| CN206818154U (zh) | 一种齿环内外径外观检测装置 | |
| CN115184359A (zh) | 一种自动调参的表面缺陷检测系统与方法 | |
| CN104458749A (zh) | 基于机器视觉的铝型材表面缺陷实时检测系统 | |
| CN104034638A (zh) | 基于机器视觉的金刚线颗粒在线质检方法 | |
| CN103076345A (zh) | 一种ito导电玻璃的检测方法及其全自动光学检测系统 | |
| CN104034637B (zh) | 基于机器视觉的金刚线颗粒在线质检装置 | |
| CN113751920B (zh) | 一种锁孔tig焊焊接质量实时检测的嵌入式装置及方法 | |
| CN107036542A (zh) | 一种齿环内外径外观检测方法及装置 | |
| Yang et al. | An automatic aperture detection system for LED cup based on machine vision | |
| CN108387178A (zh) | 高精度幅宽自动化测量装置 | |
| CN116908107A (zh) | 一种基于机器视觉的漆面瑕疵检测系统 | |
| CN112485257A (zh) | 一种基于机器视觉的辊压机辊面磨损检测方法及装置 | |
| CN214894918U (zh) | 一种基于仿生机器视觉的带钢缺陷检测装置 | |
| CN207832129U (zh) | 基于机器视觉的发动机连杆尺寸测量装置 |
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 |