[实用新型]一种基于检测产品特性的图像处理与检测系统有效

专利信息
申请号: 201720382285.9 申请日: 2017-04-12
公开(公告)号: CN206897873U 公开(公告)日: 2018-01-19
发明(设计)人: 程旗凯;俞兴;洪灵;陈源通;陈卸件;王京;余晓春;朱振;潘浩雷;张庆权;黄小健;陈艳丽;金璐;洪丰 申请(专利权)人: 浙江硕和机器人科技有限公司
主分类号: B07C5/34 分类号: B07C5/34;G01N21/88;G06T7/00;G06K9/62
代理公司: 浙江纳祺律师事务所33257 代理人: 朱德宝
地址: 321000 浙江省*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 检测 产品 特性 图像 处理 系统
【说明书】:

技术领域

实用新型涉及工业机器人技术领域,更具体的说是涉及一种基于检测产品特性的图像处理与检测系统。

背景技术

现代工业中,许多产品(如电子与器件、五金器件零部件等)的生产在自动线上完成,各生产环节都涉及到产品的质量检测,一些企业投入大量人力,采用肉眼检测的方式来控制产品质量,但由于一些人为因素,产品质量难以保证。为提高检测效率和保证产品质量,采用机器视觉技术代替人的视觉进行产品质量的自动检测是解决问题的有效方法。

机器视觉由于可快速获取大量信息,且易于同设计信息和控制信息进行集成,因此在现代制造生产过程中,机器视觉被广泛的用于质量检测、生产控制等。相对于人眼视觉,机器视觉具有很大的优势和发展前景,因此近年来机器视觉得以迅速发展,其广泛应用于医疗、工业、农业、军事、交通等各个领域。

在我国,直到90年代中后期机器视觉技术才逐渐被人们认识和了解,目前,用在制造业中机器视觉仍存在产品质量检测效率低下的问题,因此难以推广。

实用新型内容

针对现有技术存在的不足,本实用新型的目的在于提供基于检测产品特性的图像处理与检测系统,可以提高产品质量检测效率。

为实现上述目的,本实用新型提供了如下技术方案:

一种基于检测产品特性的图像处理与检测系统,包括依次连接的图像预处理模块、特征抽取模块、数据预处理模块、以及神经网络检测模块;

所述图像预处理模块用于在原始图像的灰度级大于预设值时修正所述原始图像的灰度级,并且发送相应的修正信号至所述特征抽取模块;

所述特征抽取模块用于接收所述修正信号,并且在所述修正后的图像的灰度大于预设值时发送相应的特征向量信号至所述数据预处理模块;

所述数据预处理模块用于接收所述特征向量信号,将所述特征向量信号和预设值进行比较,并且发送相应的预处理信号至所述神经网络检测模块;

所述神经网络检测模块用于响应于所述预处理信号对产品进行分类。

作为一种可实施方式,所述图像预处理模块包括比较单元,所述比较单元用于在原始图像的灰度级大于预设值时修正所述原始图像的灰度级,并且发送相应的修正信号至所述特征抽取模块。

作为一种可实施方式,所述特征抽取模块包括比较单元,所述比较单元用于接收所述修正信号,并且在所述修正后的图像的灰度大于预设值时发送相应的特征向量信号至所述数据预处理模块。

作为一种可实施方式,所述数据预处理模块包括比较单元,所述比较单元用于接收所述特征向量信号,将所述特征向量信号和预设值进行比较,并且发送相应的预处理信号至所述神经网络检测模块。

作为一种可实施方式,所述神经网络检测模块包括比较单元,所述比较单元用于将所述预处理信号和预设值进行比较,并且根据比较的结果对产品进行分类。

本实用新型相比于现有技术的有益效果在于:

本实用新型提供了一种基于检测产品特性的图像处理与检测系统,包括图像预处理模块、特征抽取模块、数据预处理模块、以及神经网络检测模块;这四个模块分别将一个要素和预设值进行比较,例如,图像预处理模块将原始图像的灰度级和预设值进行比较;最终对产品进行分类,从而可以提高产品质量检测效率。

附图说明

图1为本实用新型提供的基于检测产品特性的图像处理与检测系统的一框图;

图2为本实用新型提供的基于检测产品特性的图像处理与检测系统的另一框图。

图中:100、图像预处理模块;200、图像分割模块;300、特征抽取模块;400、数据预处理模块;500、神经网络学习模块;600、神经网络检测模块。

具体实施方式

以下结合附图,对本实用新型上述的和另外的技术特征和优点进行清楚、完整地描述,显然,所描述的实施例仅仅是本实用新型的部分实施例,而不是全部实施例。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江硕和机器人科技有限公司,未经浙江硕和机器人科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201720382285.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top