基于布匹的视觉检测方法及检测系统

    公开(公告)号:CN114674826A

    公开(公告)日:2022-06-28

    申请号:CN202210200805.5

    申请日:2022-03-01

    IPC分类号: G01N21/88 G06T7/00 G06N3/08

    摘要: 本发明公开了一种基于布匹的视觉检测方法及检测系统,其中,基于布匹的视觉检测方法包括:获取布匹图像,其中,布匹图像基于移动过程中的布匹拍摄得到;对布匹图像进行图像处理,并以条纹状区域显示布匹图像的多个缺陷区域;对多个缺陷区域的分布进行定位,基于多个缺陷区域的分布确定缺陷区域的拉扯方向;将缺陷区域的拉扯方向作为第一参考因素,缺陷区域的花纹作为第二参考因素,基于第一参考因素和第二参考因素确定缺陷区域的缺陷类型;将缺陷区域进行分割,并对分割图形进行特征获取,以基于神经网络进行特征分类;基于以往数据构建缺陷学习模型,并以递进式算法构造缺陷学习模型的框架,结合神经网络和缺陷学习模型形成自适应增强算法。

    一种基于太赫兹技术对塑料产品检测的方法及系统

    公开(公告)号:CN114414577B

    公开(公告)日:2023-12-22

    申请号:CN202111608600.2

    申请日:2021-12-24

    IPC分类号: G01N21/88

    摘要: 本发明公开了一种基于太赫兹技术对塑料产品检测的方法及系统,其方法包括:启动塑料挤出生产线产生塑料产品,并同时触发位于塑料挤出生产线上的太赫兹光谱数据采集系统采集塑料产品的太赫兹光谱数据;基于塑料产品的太赫兹光谱数据获取塑料产品的三维层析结构图像;对塑料产品的三维层析结构图像进行缺陷分析,判断所述塑料产品内部是否存在缺陷;将存在缺陷的三维层析结构图像进行溯源标记,并基于溯源标记的三维层析结构图像追溯塑料产品。本发明通过对塑料产品的太赫兹光谱数据进行三维层析结构图像,使得对塑料产品的合格性和准确性得到快速追踪。

    一种基于太赫兹技术对塑料产品检测的方法及系统

    公开(公告)号:CN114414577A

    公开(公告)日:2022-04-29

    申请号:CN202111608600.2

    申请日:2021-12-24

    IPC分类号: G01N21/88

    摘要: 本发明公开了一种基于太赫兹技术对塑料产品检测的方法及系统,其方法包括:启动塑料挤出生产线产生塑料产品,并同时触发位于塑料挤出生产线上的太赫兹光谱数据采集系统采集塑料产品的太赫兹光谱数据;基于塑料产品的太赫兹光谱数据获取塑料产品的三维层析结构图像;对塑料产品的三维层析结构图像进行缺陷分析,判断所述塑料产品内部是否存在缺陷;将存在缺陷的三维层析结构图像进行溯源标记,并基于溯源标记的三维层析结构图像追溯塑料产品。本发明通过对塑料产品的太赫兹光谱数据进行三维层析结构图像,使得对塑料产品的合格性和准确性得到快速追踪。

    一种基于视觉检测的包装产品表面缺陷检测方法及装置

    公开(公告)号:CN114609141A

    公开(公告)日:2022-06-10

    申请号:CN202210194807.8

    申请日:2022-02-28

    IPC分类号: G01N21/88 G06T7/00

    摘要: 本发明公开了一种基于视觉检测的包装产品表面缺陷检测方法及装置,其中,所述方法包括:基于预设在传送带上的图像采集设备依次采集包装产品的各个表面图像信息;对所述包装产品的各个表面图像信息按照预设顺序进行拼接处理,形成拼接表面图像信息;对所述拼接编码图像信息进行降噪预处理,获得降噪图像信息;对所述降噪图像信息进行感兴趣区域提取处理,获得感兴趣提取区域图像信息;对所述感兴趣提取区域图像信息进行包装表面缺陷检测处理,获得包装表面缺陷检测结果。在本发明实施例中,可以在传送带传送过程中对包装产品的表面缺陷进行检测,并且自动完成,无需人工参与,提升检测效率并且降低检测成本。

    一种生产线上物品完整性检测方法及装置

    公开(公告)号:CN114399720B

    公开(公告)日:2024-10-15

    申请号:CN202111618382.0

    申请日:2021-12-27

    摘要: 本发明公开了一种生产线上物品完整性检测方法及装置,所述检测方法包括以下步骤:采集生产线现场图片,获取原始图片数据集;对所述原始图片数据集进行标记,获得标记图片数据集;将所述标记图片数据集输入至YOLOv3检测模型中进行目标检测,所述YOLOv3算法模型的主干网络采用Mobilenetv2架构对标记图片数据集进行深度可卷积处理;对深度可卷积处理的标记图片数据采用双向融合BiFPN进行特征信息融合;采用图像增强技术对特性信息融合后的标记图像数据集进行图像数据增强;将目标检测结果输出,并得出生产线物品的完整性信息。所述检测方法响应速度快,加强特征提取,提高小物品识别精度,在模型训练时,通过图片增强技术丰富训练样本,提高所述检测模型的检测精确度。