[go: up one dir, main page]

CN117911365B - 一种基于图像处理技术的工件质量检测方法及系统 - Google Patents

一种基于图像处理技术的工件质量检测方法及系统 Download PDF

Info

Publication number
CN117911365B
CN117911365B CN202410069740.4A CN202410069740A CN117911365B CN 117911365 B CN117911365 B CN 117911365B CN 202410069740 A CN202410069740 A CN 202410069740A CN 117911365 B CN117911365 B CN 117911365B
Authority
CN
China
Prior art keywords
workpiece
image
inspected
quality inspection
defects
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
Application number
CN202410069740.4A
Other languages
English (en)
Other versions
CN117911365A (zh
Inventor
葛春平
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.)
Weinan Normal University
Original Assignee
Weinan Normal University
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 Weinan Normal University filed Critical Weinan Normal University
Priority to CN202410069740.4A priority Critical patent/CN117911365B/zh
Publication of CN117911365A publication Critical patent/CN117911365A/zh
Application granted granted Critical
Publication of CN117911365B publication Critical patent/CN117911365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761Proximity, similarity or dissimilarity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30164Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明适用于工件质检技术领域,提供了一种基于图像处理技术的工件质量检测方法及系统,通过基于图像处理技术,判断待检工件的第一工件图像是否存瑕;在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境;在调控化质检环境下。在利用图像处理、识别技术对工件进行质检时,能够使得工件处于适当的质检环境下被智能检测,避免在利用图像处理技术识别待检工件的图像时,由于受客观环境因素的影响,而导致待检工件的实际表象与真实表象存在偏差,从而提高了本基于图像处理技术的工件质量检测方法对工件质检的准确性。

Description

一种基于图像处理技术的工件质量检测方法及系统
技术领域
本发明属于工件质检技术领域,尤其涉及一种基于图像处理技术的工件质量检测方法及系统。
背景技术
在例如机械零件、塑模产品等各类工件的生产加工过程中,在很多工序完成之后,都需要对成品或者半成品的工件进行质检,以确定其符合标准加工要求。
目前,通过图像处理、识别技术来对工件质检的方式已经逐渐取代了人为的利用眼睛观察的质检方式,上述的基于图像处理技术的工件质量检测方式具有高效率、低误差等技术优点,但是在现有技术中,有很多工件在不同的环境因素的影响下,其被拍摄出的图像会与实际外观存在偏差,这就导致在利用图像处理技术分析上述的图像时,对图像中的工件是否存在瑕疵的判断存在一定误差,导致质检的准确性变低。
发明内容
本发明的目的在于提供一种基于图像处理技术的工件质量检测方法及系统,旨在解决背景技术中提出的问题。
本发明是这样实现的,一种基于图像处理技术的工件质量检测方法,所述方法包括:
基于图像处理技术,判断待检工件的第一工件图像是否存瑕;
在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境;
在调控化质检环境下,判断待检工件的第二工件图像是否存瑕;
若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施。
作为本发明实施例技术方案进一步的限定,基于图像处理技术,判断待检工件的第一工件图像是否存瑕的步骤包括:
获取待检工件的标准件图像数据以及第一工件图像;
根据待检工件的标准件图像数据,获取待检工件的标准件图像;
基于图像处理技术,将待检工件的第一工件图像与标准件图像进行相似度对比,以判断待检工件的第一工件图像是否存瑕。
作为本发明实施例技术方案进一步的限定,在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到标准质检环境的步骤包括:
根据标准件图像数据,获取预设标准质检环境的各类客观环境参数;
获取初始质检环境的各类环境参数,并将初始质检环境与预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
作为本发明实施例技术方案进一步的限定,根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境的步骤包括:
根据各类客观环境参数差异值生成多份趋于标准化调整命令,所述客观环境参数包括温度参数、湿度参数以及光线强度参数;
将多份趋于标准化调整命令分别下发给各自对应的调控元件,以获得调控化质检环境。
作为本发明实施例技术方案进一步的限定,在调控化质检环境下,判断待检工件的第二工件图像是否存瑕的步骤包括:
在调控化质检环境下,获取待检工件的第二工件图像;
基于图像处理技术,将待检工件的第二工件图像与待检工件的标准件图像进行相似度对比;
判断待检工件在调控化质检环境下的第二工件图像是否存瑕。
作为本发明实施例技术方案进一步的限定,若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施的步骤包括:
若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并生成存瑕工件提示信息;
对调控化质检环境的各类客观环境参数进行预设量的调节,且每进行一次客观环境参数的调节,均获取一次第三工件图像;
基于图像处理技术,将第三工件图像与待检工件的标准件图像进行相似度对比,并判断第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度是否升高;
当判定相似度升高时,获取调节的客观环境参数以及调节的预设量之总。
一种基于图像处理技术的工件质量检测系统,所述系统包括:第一图像判断模块、趋于标准化调整命令生成模块、第二图像判断模块以及存瑕工件确定模块,其中:
第一图像判断模块,用于基于图像处理技术,判断待检工件的第一工件图像是否存瑕;
趋于标准化调整命令生成模块,用于在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境;
第二图像判断模块,用于在调控化质检环境下,判断待检工件的第二工件图像是否存瑕;
存瑕工件确定模块,用于若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施。
作为本发明实施例技术方案进一步的限定,所述第一图像判断模块具体包括:
数据获取单元,用于获取待检工件的标准件图像数据以及第一工件图像;
标准件图像获取单元,用于根据待检工件的标准件图像数据,获取待检工件的标准件图像;
第一工件图像判断单元,用于基于图像处理技术,将待检工件的第一工件图像与标准件图像进行相似度对比,以判断待检工件的第一工件图像是否存瑕。
作为本发明实施例技术方案进一步的限定,所述趋于标准化调整命令生成模块具体包括:
相关环境参数获取单元,用于根据标准件图像数据,获取预设标准质检环境的各类客观环境参数;
客观环境参数差异值获得单元,用于获取初始质检环境的各类环境参数,并将初始质检环境与预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
趋于标准化调整命令生成单元,用于根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
作为本发明实施例技术方案进一步的限定,所述第二图像判断模块具体包括:
第二工件图像获取单元,用于在调控化质检环境下,获取待检工件的第二工件图像;
第二工件图像分析单元,用于基于图像处理技术,将待检工件的第二工件图像与待检工件的标准件图像进行相似度对比;
第二工件图像判断单元,用于判断待检工件在调控化质检环境下的第二工件图像是否存瑕。
与现有技术相比,本发明通过基于图像处理技术,判断待检工件的第一工件图像是否存瑕;在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境;在调控化质检环境下,判断待检工件的第二工件图像是否存瑕;若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施。在利用图像处理、识别技术对工件进行质检时,能够使得工件处于适当的质检环境下被智能检测,避免在利用图像处理技术识别待检工件的图像时,由于受客观环境因素的影响,而导致待检工件的实际表象与真实表象存在偏差,从而提高了本基于图像处理技术的工件质量检测方法对工件质检的准确性。
附图说明
图1为本发明实施例提供的方法的流程图;
图2为本发明实施例提供的方法中判断待检工件的第一工件图像是否存瑕的流程图;
图3为本发明实施例提供的方法中生成多份趋于标准化调整命令,并获得标准质检环境的流程图;
图4为本发明实施例提供的方法中生成趋于标准化调整命令的流程图;
图5为本发明实施例提供的方法中判断待检工件的第二工件图像是否存瑕的流程图;
图6为本发明实施例提供的方法中将待检工件划定为存瑕工件的流程图;
图7为本发明实施例提供的系统的应用架构图;
图8为本发明实施例提供的系统中第一图像判断模块的结构框图;
图9为本发明实施例提供的系统中趋于标准化调整命令生成模块的结构框图;
图10为本发明实施例提供的系统中第二图像判断模块的结构框图。
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楚明白,以下结合附图及实施例,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。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx脚本称为第二xx脚本,且类似地,可将第二xx脚本称为第一xx脚本。
图1示出了本发明实施例提供的方法的流程图。
具体的,一种基于图像处理技术的工件质量检测方法,所述方法具体包括以下步骤:
步骤S100,基于图像处理技术,判断待检工件的第一工件图像是否存瑕。
具体的,图2示出了判断待检工件的第一工件图像是否存瑕的流程图。
其中,基于图像处理技术,判断待检工件的第一工件图像是否存瑕具体包括以下步骤:
步骤S101,获取待检工件的标准件图像数据以及第一工件图像;
步骤S102,根据待检工件的标准件图像数据,获取待检工件的标准件图像;
步骤S103,基于图像处理技术,将待检工件的第一工件图像与标准件图像进行相似度对比,以判断待检工件的第一工件图像是否存瑕。
在本发明实施例中,在质检车间内独立设置有专门的工件质检区域,且该工件质检区域是用来检查待检工件的外观是否与工件的标准外观相同,并以检查结果来判断待检工件是否存在质量问题;
工件质检区域内至少安设有一个高清摄像头,该高清摄像头通过无线网或者数据线与后台处理云端相连,后台处理云端中预设有数据模型,且数据模型中储存有各类工件的标准件图像数据;
在待检工件送入工件质检区域内后,高清摄像头即开始拍摄作业,进而获取待检工件的第一工件图像,随后后台处理云端对第一工件图像进行分析,并通过图像处理技术确定待检工件的所属类型,然后后台处理云端根据待检工件的所属类型在数据模型中查找与其对应的标准件图像数据,进而获得待检工件的标准件图像数据;
可以理解的是,在后台处理云端得到了待检工件的标准件图像以及第一工件图像后,利用目前现有技术中成熟的图像处理技术来对待检工件的第一工件图像与标准件图像进行相似度对比,并获取相似度数值,当相似度数值低于后台处理云端预设的相似度阈值时,则说明第一工件图像存瑕,当相似度数值不低于后台处理云端预设的相似度阈值时,则说明第一工件图像不存瑕。
进一步的,所述基于图像处理技术的工件质量检测方法还包括以下步骤:
步骤S200,在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
具体的,图3示出了生成多份趋于标准化调整命令,并获得标准质检环境的流程图。
其中,在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境具体包括以下步骤:
步骤S201,根据标准件图像数据,获取预设标准质检环境的各类客观环境参数;
步骤S202,获取初始质检环境的各类环境参数,并将初始质检环境与预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
步骤S203,根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
在本发明实施例中,在后台处理云端确定了进入工件质检区域内的待检工件的第一工件图像存瑕时,并不代表待检工件一定存在瑕疵,因为工件质检区域的初始质检环境可能会对待检工件的实际表象产生改变,导致高清摄像头捕捉下来的第一工件图像并非待检工件的真实外观,举例说明,工件质检区域内的光线强度相较于正常条件下较弱,这就导致处于工件质检区域内的待检工件的实际表象因较弱的光线强度而发生改变;
可以理解的是,为进一步的提高高清摄像头所能捕捉的待检工件的图像的真实性,工件质检区域内预先安装有光线传感元件、温度传感元件以及湿度传感元件,并且还安装有光线强度调节器、温度调节器以及湿度调节器,且光线传感元件、温度传感元件以及湿度传感元件均与后台处理云端无线连接,后台处理云端通过光线传感元件、温度传感元件以及湿度传感元件,能够实时的获取工件质检区域内的光线强度参数、湿度参数以及温度参数,后台处理云端的数据模型中还储存有不同类型的工件的预设标准质检环境的各类客观环境参数;
在后台处理云端确定了进入工件质检区域内的待检工件的第一工件图像存瑕时,应当尽可能的降低工件质检区域的初始质检环境与预设标准质检环境之间的差异,其具体操作方式为,后台处理云端首先根据标准件图像数据来获取预设标准质检环境的各类客观环境参数,随后通过光线传感元件、温度传感元件以及湿度传感元件来,获取初始质检环境中的各类环境参数,之后后台处理云端将初始质检环境与待检工件对应的预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
举例说明,后台处理云端通过光线传感元件、温度传感元件以及湿度传感元件获取而来的初始质检环境中的光线强度参数为500勒克斯、温度参数为25摄氏度、湿度参数为相对湿度30%,而预设标准质检环境的各类客观环境参数分别为,光线强度参数为1000勒克斯、温度参数为25摄氏度、湿度参数为相对湿度20%,则初始质检环境与待检工件对应的预设标准质检环境之间具有-500勒克斯的光线强度差异以及10%的湿度差异。
具体的,图4示出了生成趋于标准化调整命令的流程图。
其中,根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境具体包括以下步骤:
步骤S2031,根据各类客观环境参数差异值生成多份趋于标准化调整命令,所述客观环境参数包括温度参数、湿度参数以及光线强度参数;
步骤S2032,将多份趋于标准化调整命令分别下发给各自对应的调控元件,以获得调控化质检环境。
在本发明实施例中,在后台处理云端确定了各类客观环境参数差异值后,即可根据各类客观环境参数差异值来生成趋于标准化调整命令,并将趋于标准化调整命令下发给与之对应的调控元件;
举例说明,在后台处理云端确定了初始质检环境存在-500勒克斯以及相对湿度10%的客观环境参数差异值后,即可将根据上述的客观环境参数差异值来生成两份趋于标准化调整命令,并分别发送给光线强度调节器和湿度调节器,从而使得光线强度调节器和湿度调节器进行补偿工作,以得到调控化质检环境,且该调控化质检环境与待检工件对应的预设标准质检环境接近。
进一步的,所述基于图像处理技术的工件质量检测方法还包括以下步骤:
步骤S300,在调控化质检环境下,判断待检工件的第二工件图像是否存瑕。
具体的,图5示出了判断待检工件的第二工件图像是否存瑕的流程图。
其中,在调控化质检环境下,判断待检工件的第二工件图像是否存瑕具体包括以下步骤:
步骤S301,在调控化质检环境下,获取待检工件的第二工件图像;
步骤S302,基于图像处理技术,将待检工件的第二工件图像与待检工件的标准件图像进行相似度对比;
步骤S303,判断待检工件在调控化质检环境下的第二工件图像是否存瑕。
进一步的,所述基于图像处理技术的工件质量检测方法还包括以下步骤:
步骤S400,若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施。
具体的,图6示出了将待检工件划定为存瑕工件的流程图。
其中,若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施具体包括以下步骤:
步骤S601,若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并生成存瑕工件提示信息;
步骤S602,对调控化质检环境的各类客观环境参数进行预设量的调节,且每进行一次客观环境参数的调节,均获取一次第三工件图像;
步骤S603,基于图像处理技术,将第三工件图像与待检工件的标准件图像进行相似度对比,并判断第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度是否升高;
步骤S604,当判定相似度升高时,获取调节的客观环境参数以及调节的预设量之总。
在本发明实施例中,若后台处理云端通过图像处理技术对高清摄像头处于调控化质检环境下的待检工件拍摄的第二工件图像进行分析后,判定第二工件图像仍然存瑕,则可以确定待检工件存瑕,此时后台处理云端将待检工件划定为存瑕工件,并生成存瑕工件提示信息,且可以将存瑕工件提示信息发送给质检人员终端,优选的后台处理云端还可以通过图像处理技术在第二工件图像上标记出存瑕区域;
通过上述技术方案,在利用图像处理、识别技术对工件进行质检时,能够使得工件处于适当的质检环境下被智能检测,避免在利用图像处理技术识别待检工件的图像时,由于受客观环境因素的影响,而导致待检工件的实际表象与真实表象存在偏差,从而提高了本基于图像处理技术的工件质量检测方法对工件质检的准确性;
在确定了第二工件图像仍然存瑕时,还可以对调控化质检环境的各类客观环境参数进行预设量的调节,且每进行一次客观环境参数的调节,均获取一次第三工件图像,并且后台处理云端还基于图像处理技术,将第三工件图像与待检工件的标准件图像进行相似度对比,并判断第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度是否升高,当判定相似度升高时,获取调节的客观环境参数以及调节的预设量之总,上述步骤的目的是,判断工件的质量原因是否与环境因素有关;
举例说明,后台处理云端对工件质检区域内的进行一次升高调节,且调节之后,获取到的第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度处于升高状态,则侧面说明,待检工件的质量原因可能是其加工温度不足导致,从而提高了本基于图像处理技术的工件质量检测方法的智能程度。
进一步的,图7示出了本发明实施例提供的系统的应用架构图。
其中,在本发明提供的又一个优选实施方式中,一种基于图像处理技术的工件质量检测系统,包括:
第一图像判断模块100,用于基于图像处理技术,判断待检工件的第一工件图像是否存瑕。
具体的,图8示出了本发明实施例提供的系统中第一图像判断模块100的结构框图。
其中,在本发明提供的优选实施方式中,所述第一图像判断模块100具体包括:
数据获取单元101,用于获取待检工件的标准件图像数据以及第一工件图像;
标准件图像获取单元102,用于根据待检工件的标准件图像数据,获取待检工件的标准件图像;
第一工件图像判断单元103,用于基于图像处理技术,将待检工件的第一工件图像与标准件图像进行相似度对比,以判断待检工件的第一工件图像是否存瑕。
在本发明实施例中,在质检车间内独立设置有专门的工件质检区域,且该工件质检区域是用来检查待检工件的外观是否与工件的标准外观相同,并以检查结果来判断待检工件是否存在质量问题;
工件质检区域内至少安设有一个高清摄像头,该高清摄像头通过无线网或者数据线与后台处理云端相连,后台处理云端中预设有数据模型,且数据模型中储存有各类工件的标准件图像数据;
在待检工件送入工件质检区域内后,高清摄像头即开始拍摄作业,进而数据获取单元101获取待检工件的第一工件图像,随后数据获取单元101对第一工件图像进行分析,并通过图像处理技术确定待检工件的所属类型,然后数据获取单元101根据待检工件的所属类型在数据模型中查找与其对应的标准件图像数据,进而获得待检工件的标准件图像数据;
可以理解的是,在数据获取单元101得到了待检工件的标准件图像以及第一工件图像后,利用目前现有技术中成熟的图像处理技术来对待检工件的第一工件图像与标准件图像进行相似度对比,并获取相似度数值,当相似度数值低于后台处理云端预设的相似度阈值时,则说明第一工件图像存瑕,当相似度数值不低于后台处理云端预设的相似度阈值时,则说明第一工件图像不存瑕。
进一步的,所述基于图像处理技术的工件质量检测系统还包括:
趋于标准化调整命令生成模块200,用于在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
具体的,图9示出了本发明实施例提供的系统中趋于标准化调整命令生成模块200的结构框图。
其中,在本发明提供的优选实施方式中,所述趋于标准化调整命令生成模块200具体包括:
相关环境参数获取单元201,用于根据标准件图像数据,获取预设标准质检环境的各类客观环境参数;
客观环境参数差异值获得单元202,用于获取初始质检环境的各类环境参数,并将初始质检环境与预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
趋于标准化调整命令生成单元203,用于根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
在本发明实施例中,在第一图像判断模块100确定了进入工件质检区域内的待检工件的第一工件图像存瑕时,并不代表待检工件一定存在瑕疵,因为工件质检区域的初始质检环境可能会对待检工件的实际表象产生改变,导致高清摄像头捕捉下来的第一工件图像并非待检工件的真实外观,举例说明,工件质检区域内的光线强度相较于正常条件下较弱,这就导致处于工件质检区域内的待检工件的实际表象因较弱的光线强度而发生改变;
可以理解的是,为进一步的提高高清摄像头所能捕捉的待检工件的图像的真实性,工件质检区域内预先安装有光线传感元件、温度传感元件以及湿度传感元件,并且还安装有光线强度调节器、温度调节器以及湿度调节器,且光线传感元件、温度传感元件以及湿度传感元件均与后台处理云端无线连接,相关环境参数获取单元201通过光线传感元件、温度传感元件以及湿度传感元件,能够实时的获取工件质检区域内的光线强度参数、湿度参数以及温度参数,后台处理云端的数据模型中还储存有不同类型的工件的预设标准质检环境的各类客观环境参数;
在第一图像判断模块100确定了进入工件质检区域内的待检工件的第一工件图像存瑕时,应当尽可能的降低工件质检区域的初始质检环境与预设标准质检环境之间的差异,其具体操作方式为,相关环境参数获取单元201首先根据标准件图像数据来获取预设标准质检环境的各类客观环境参数,随后通过光线传感元件、温度传感元件以及湿度传感元件来,获取初始质检环境中的各类环境参数,之后客观环境参数差异值获得单元202将初始质检环境与待检工件对应的预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
举例说明,相关环境参数获取单元201通过光线传感元件、温度传感元件以及湿度传感元件获取而来的初始质检环境中的光线强度参数为500勒克斯、温度参数为25摄氏度、湿度参数为相对湿度30%,而预设标准质检环境的各类客观环境参数分别为,光线强度参数为1000勒克斯、温度参数为25摄氏度、湿度参数为相对湿度20%,则初始质检环境与待检工件对应的预设标准质检环境之间具有-500勒克斯的光线强度差异以及10%的湿度差异;
在趋于标准化调整命令生成单元203确定了各类客观环境参数差异值后,即可根据各类客观环境参数差异值来生成趋于标准化调整命令,并将趋于标准化调整命令下发给与之对应的调控元件;
举例说明,在后台处理云端确定了初始质检环境存在-500勒克斯以及相对湿度10%的客观环境参数差异值后,即可将根据上述的客观环境参数差异值来生成两份趋于标准化调整命令,并分别发送给光线强度调节器和湿度调节器,从而使得光线强度调节器和湿度调节器进行补偿工作,以得到调控化质检环境,且该调控化质检环境与待检工件对应的预设标准质检环境接近。
进一步的,所述基于图像处理技术的工件质量检测系统还包括:
第二图像判断模块300,用于在调控化质检环境下,判断待检工件的第二工件图像是否存瑕。
具体的,图10示出了本发明实施例提供的系统中第二图像判断模块300的结构框图。
其中,在本发明提供的优选实施方式中,所述第二图像判断模块300具体包括:
第二工件图像获取单元301,用于在调控化质检环境下,获取待检工件的第二工件图像;
第二工件图像分析单元302,用于基于图像处理技术,将待检工件的第二工件图像与待检工件的标准件图像进行相似度对比;
第二工件图像判断单元303,用于判断待检工件在调控化质检环境下的第二工件图像是否存瑕。
进一步的,所述基于图像处理技术的工件质量检测系统还包括:
存瑕工件确定模块400,用于若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施。
在本发明实施例中,若第二图像判断模块300通过图像处理技术对高清摄像头处于调控化质检环境下的待检工件拍摄的第二工件图像进行分析后,判定第二工件图像仍然存瑕,则可以确定待检工件存瑕,此时存瑕工件确定模块400将待检工件划定为存瑕工件,并生成存瑕工件提示信息,且可以将存瑕工件提示信息发送给质检人员终端,优选的第二图像判断模块300还可以通过图像处理技术在第二工件图像上标记出存瑕区域;
通过上述技术方案,在利用图像处理、识别技术对工件进行质检时,能够使得工件处于适当的质检环境下被智能检测,避免在利用图像处理技术识别待检工件的图像时,由于受客观环境因素的影响,而导致待检工件的实际表象与真实表象存在偏差,从而提高了本基于图像处理技术的工件质量检测方法对工件质检的准确性;
在确定了第二工件图像仍然存瑕时,还可以对调控化质检环境的各类客观环境参数进行预设量的调节,且每进行一次客观环境参数的调节,均获取一次第三工件图像,并且存瑕工件确定模块400还基于图像处理技术,将第三工件图像与待检工件的标准件图像进行相似度对比,并判断第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度是否升高,当判定相似度升高时,获取调节的客观环境参数以及调节的预设量之总,上述步骤的目的是,判断工件的质量原因是否与环境因素有关;
举例说明,存瑕工件确定模块400对工件质检区域内的进行一次升高调节,且调节之后,获取到的第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度处于升高状态,则侧面说明,待检工件的质量原因可能是其加工温度不足导致,从而提高了本基于图像处理技术的工件质量检测方法的智能程度。
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。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于图像处理技术的工件质量检测方法,其特征在于,所述方法包括:
基于图像处理技术,判断待检工件的第一工件图像是否存瑕;
基于图像处理技术,判断待检工件的第一工件图像是否存瑕的步骤包括:
获取待检工件的标准件图像数据以及第一工件图像;
根据待检工件的标准件图像数据,获取待检工件的标准件图像;
基于图像处理技术,将待检工件的第一工件图像与标准件图像进行相似度对比,以判断待检工件的第一工件图像是否存瑕;
在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境;
在调控化质检环境下,判断待检工件的第二工件图像是否存瑕;
若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施;
若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施的步骤包括:
若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并生成存瑕工件提示信息;
对调控化质检环境的各类客观环境参数进行预设量的调节,且每进行一次客观环境参数的调节,均获取一次第三工件图像;
基于图像处理技术,将第三工件图像与待检工件的标准件图像进行相似度对比,并判断第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度是否升高;
当判定相似度升高时,获取调节的客观环境参数以及调节的预设量之总。
2.根据权利要求1所述的基于图像处理技术的工件质量检测方法,其特征在于,在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到标准质检环境的步骤包括:
根据标准件图像数据,获取预设标准质检环境的各类客观环境参数;
获取初始质检环境的各类环境参数,并将初始质检环境与预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
3.根据权利要求2所述的基于图像处理技术的工件质量检测方法,其特征在于,根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境的步骤包括:
根据各类客观环境参数差异值生成多份趋于标准化调整命令,所述客观环境参数包括温度参数、湿度参数以及光线强度参数;
将多份趋于标准化调整命令分别下发给各自对应的调控元件,以获得调控化质检环境。
4.根据权利要求1所述的基于图像处理技术的工件质量检测方法,其特征在于,在调控化质检环境下,判断待检工件的第二工件图像是否存瑕的步骤包括:
在调控化质检环境下,获取待检工件的第二工件图像;
基于图像处理技术,将待检工件的第二工件图像与待检工件的标准件图像进行相似度对比;
判断待检工件在调控化质检环境下的第二工件图像是否存瑕。
5.一种基于图像处理技术的工件质量检测系统,其特征在于,所述系统包括:第一图像判断模块、趋于标准化调整命令生成模块、第二图像判断模块以及存瑕工件确定模块,其中:
第一图像判断模块,用于基于图像处理技术,判断待检工件的第一工件图像是否存瑕;
所述第一图像判断模块具体包括:
数据获取单元,用于获取待检工件的标准件图像数据以及第一工件图像;
标准件图像获取单元,用于根据待检工件的标准件图像数据,获取待检工件的标准件图像;
第一工件图像判断单元,用于基于图像处理技术,将待检工件的第一工件图像与标准件图像进行相似度对比,以判断待检工件的第一工件图像是否存瑕;
趋于标准化调整命令生成模块,用于在确定第一工件图像存瑕时,获取各类客观环境参数差异值,并根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境;
第二图像判断模块,用于在调控化质检环境下,判断待检工件的第二工件图像是否存瑕;
存瑕工件确定模块,用于若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并对调控化质检环境进行模拟调整措施:
若判定第二工件图像存瑕,则将待检工件划定为存瑕工件,并生成存瑕工件提示信息;
对调控化质检环境的各类客观环境参数进行预设量的调节,且每进行一次客观环境参数的调节,均获取一次第三工件图像;
基于图像处理技术,将第三工件图像与待检工件的标准件图像进行相似度对比,并判断第三工件图像与待检工件标准件图像之间的相似度相较于第二工件图像与待检工件之间的标准件图像相似度是否升高;
当判定相似度升高时,获取调节的客观环境参数以及调节的预设量之总。
6.根据权利要求5所述的基于图像处理技术的工件质量检测系统,其特征在于,所述趋于标准化调整命令生成模块具体包括:
相关环境参数获取单元,用于根据标准件图像数据,获取预设标准质检环境的各类客观环境参数;
客观环境参数差异值获得单元,用于获取初始质检环境的各类环境参数,并将初始质检环境与预设标准质检环境的各类客观环境参数一一对比,得到各类客观环境参数差异值;
趋于标准化调整命令生成单元,用于根据各类客观环境参数差异值生成多份趋于标准化调整命令,以得到调控化质检环境。
7.根据权利要求6所述的基于图像处理技术的工件质量检测系统,其特征在于,所述第二图像判断模块具体包括:
第二工件图像获取单元,用于在调控化质检环境下,获取待检工件的第二工件图像;
第二工件图像分析单元,用于基于图像处理技术,将待检工件的第二工件图像与待检工件的标准件图像进行相似度对比;
第二工件图像判断单元,用于判断待检工件在调控化质检环境下的第二工件图像是否存瑕。
CN202410069740.4A 2024-01-17 2024-01-17 一种基于图像处理技术的工件质量检测方法及系统 Active CN117911365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410069740.4A CN117911365B (zh) 2024-01-17 2024-01-17 一种基于图像处理技术的工件质量检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410069740.4A CN117911365B (zh) 2024-01-17 2024-01-17 一种基于图像处理技术的工件质量检测方法及系统

Publications (2)

Publication Number Publication Date
CN117911365A CN117911365A (zh) 2024-04-19
CN117911365B true CN117911365B (zh) 2024-08-23

Family

ID=90697250

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410069740.4A Active CN117911365B (zh) 2024-01-17 2024-01-17 一种基于图像处理技术的工件质量检测方法及系统

Country Status (1)

Country Link
CN (1) CN117911365B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118333472B (zh) * 2024-06-13 2024-09-06 江西艾丽斯日化有限公司 护肤品生产管控方法、系统及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112686322A (zh) * 2020-12-31 2021-04-20 柳州柳新汽车冲压件有限公司 零件差异识别方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5604967B2 (ja) * 2010-05-13 2014-10-15 トヨタ自動車株式会社 欠陥検出方法および欠陥検出装置
CN116500975B (zh) * 2023-06-26 2023-09-15 中科航迈数控软件(深圳)有限公司 数控系统工艺调控方法、装置、数控机床和可读存储介质
CN117225728A (zh) * 2023-09-18 2023-12-15 中科苏州智能计算技术研究院 一种工件的表面缺陷检测方法及系统
CN117350957A (zh) * 2023-09-22 2024-01-05 科大讯飞华南人工智能研究院(广州)有限公司 纺织物质检方法和装置、电子设备、纺织系统及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112686322A (zh) * 2020-12-31 2021-04-20 柳州柳新汽车冲压件有限公司 零件差异识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN117911365A (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
US11940782B2 (en) Product performance prediction modeling to predict final product performance in case of device exception
US20220335589A1 (en) Method for monitoring manufacture of assembly units
US10964004B2 (en) Automated optical inspection method using deep learning and apparatus, computer program for performing the method, computer-readable storage medium storing the computer program, and deep learning system thereof
US11243527B2 (en) Production process control method and production process control device
CN117911365B (zh) 一种基于图像处理技术的工件质量检测方法及系统
CN110969600A (zh) 一种产品缺陷检测方法、装置、电子设备及存储介质
CN114091347A (zh) 一种电子元器件寿命预测方法
CN109919941A (zh) 内螺纹缺陷检测方法、装置、系统、设备及介质
CN113632140B (zh) 用于产品检验的自动学习方法及系统
TW202117664A (zh) 光學檢測二次圖像分類方法
CN109407630B (zh) 参数计算的方法、装置、终端及可读存储介质
TWI647658B (zh) 影像特徵自動辨識裝置、系統及方法
US11068752B2 (en) Inspection systems and methods including image classification module
CN116748352B (zh) 一种金属弯管机加工参数监测控制方法、系统及存储介质
CN114519385B (zh) 一种多维度数据结构集成交互方法
CN115018842B (zh) 基于机器视觉的缺陷检测方法、装置、终端及存储介质
CN115796660A (zh) 一种基于大数据的制造业产品质量监测方法及系统
KR20220095167A (ko) 인공지능 검증 시스템 및 방법
CN112419241A (zh) 一种基于人工智能的物体鉴别方法、装置和可读存储介质
CN114185793B (zh) 一种基于人工智能的金融系统非功能测试方法及系统
TWI745767B (zh) 光學檢測二次圖像分類方法
CN119766323A (zh) 一种防止光缆被外力破坏的智能监测方法及系统
US20240404040A1 (en) Test system and test method to wafers
KR102717943B1 (ko) 플라스틱 사출 공정의 인공지능 이상 탐지 장치 및 방법
KR102146838B1 (ko) 이미지 영사 부품을 테스트하기 위한 장치 및 방법

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