[发明专利]堆叠生产过程中的异物检测方法、系统、设备及介质

说明书

本发明公开了一种堆叠生产过程中的异物检测方法、系统、设备及介质，堆叠生产过程用于将固定样式或尺寸的堆叠目标按照预设规则逐层堆放；异物检测方法包括：针对从第二层开始的每一层，获取该层堆叠目标堆放完成时的检测图像；将检测图像与参考图像进行特征对比以判断该层堆叠目标是否存在异物，参考图像为上一层的堆叠目标对应的图像。本发明通过直接利用上一层的堆叠目标对应的图像作为参考图像，与该层堆叠目标的检测图像进行特征对比，以判断该层堆叠目标是否存在异物，基于上一层历史数据进行特征比较，相比于现有的机器学习算法，检测过程更简单，软件开发成本更低，开发周期更短，更加高效。

技术领域

本发明涉及图像处理领域，尤其涉及一种堆叠生产过程中的异物检测方法、系统、设备及介质。

背景技术

在工业生产过程中，经常涉及堆叠生产过程。堆叠生产过程是指将预备的固定样式或尺寸的原材料或者半成品按照设计规则逐层完成堆放或拼接，以实现设计方案或者生产工艺的应用。在堆叠生产过程中通常要求零异物参与生产过程，即不属于堆叠过程的材料或者硬件不允许参与堆叠，尤其是拒绝外来物件出现在关键接触面。

目前针对堆叠过程的异物检测方法主要包括传感器设备方法和智能图像处理方法。传感器设备方法是指在堆叠生产过程的产线周边布置诸如激光传感、接近传感等各类传感器并配合逻辑控制器以实现对堆叠过程的异物检测。智能图像处理方法则通过采图相机和机器学习算法结合对堆叠过程的每一个关键接触面进行拍照和检测。

传感器设备方法检测用时较低，可以实现实时检测，但是该方法针对性比较局限，在复杂工艺、复杂环境、大尺寸堆叠生产过程的异物检测上应用困难，且一次性投入成本较高。智能图像处理方法需要根据检测需求配置相应尺寸和精度的采图相机并开发满足目标的异物检测算法，以适应各种复杂异物检测需求，虽然硬件投入相对较小，但是需结合机器学习等高级算法，导致软件开发成本较高，开发周期较长，效率偏低。

发明内容

本发明要解决的技术问题是为了克服现有技术中智能图像处理方法需要结合机器学习等高级算法导致软件开发成本较高，开发周期较长，效率偏低的缺陷，提供一种堆叠生产过程中的异物检测方法、系统、设备及介质。

本发明是通过下述技术方案来解决上述技术问题：

一种堆叠生产过程中的异物检测方法，所述堆叠生产过程用于将固定样式或尺寸的堆叠目标按照预设规则逐层堆放；

所述异物检测方法包括：

针对从第二层开始的每一层，获取该层堆叠目标堆放完成时的检测图像；

将所述检测图像与参考图像进行特征对比以判断该层堆叠目标是否存在异物，所述参考图像为上一层的堆叠目标对应的图像。

较佳地，所述将所述检测图像与参考图像进行特征对比以判断该层堆叠目标是否存在异物的步骤具体包括：

使用包围盒算法获取所述检测图像的包围盒数据；

判断所述包围盒数据是否满足第一预设条件；

若是，则将所述检测图像与所述参考图像进行特征对比以判断该层堆叠目标是否存在异物；

若否，则将所述检测图像与所述参考图像进行位置配准；

将配准后的所述检测图像与所述参考图像进行特征对比以判断该层堆叠目标是否存在异物。

较佳地，所述判断所述包围盒数据是否满足第一预设条件的步骤具体包括：

预存包围盒-第一转置矩阵的关系表，所述关系表包括每一层对应的堆叠层参数、检测图像对应的包围盒数据和检测图像与参考图像对应的第一转置矩阵；

判断所述包围盒数据与所述关系表中对应的包围盒标准数据的差值是否小于阈值；