一种笔芯质量检测系统技术方案

技术编号:28745311 阅读:32 留言:0更新日期:2021-06-06 18:15
本发明专利技术公开了一种笔芯质量检测系统,包括:笔芯传送模块,包含编码器,所述笔芯传送模块用于载运待检测笔芯且通过所述编码器生成与所述待检测笔芯的顺序对应的编码值;笔芯侦测模块,用于在侦测到所述笔芯传送模块载运所述待检测笔芯经过预定位置时,发出提示信号;图像采集模块,用于在收到所述提示信号时,记录所述编码器当前生成的编码值以及采集所述待检测笔芯的图像;图像分析模块,用于根据所述图像采集模块采集的图像计算所述待检测笔芯的情况,并据以判断所述待检测笔芯是否合格;笔芯筛选模块,用于筛选出检测合格的笔芯以及剔除检测不合格的笔芯。本公开可以一次检测多支笔芯,提升检测效率以及准确性。提升检测效率以及准确性。提升检测效率以及准确性。

【技术实现步骤摘要】
一种笔芯质量检测系统


[0001]本专利技术涉及笔芯质量检测领域,特别涉及一种透明笔芯质量检测系统。

技术介绍

[0002]国内主流的制笔厂,年产笔芯在十亿支以上,尽管笔芯内灌注油墨和尾油的工艺已经十分发达,但是总有2%左右的笔芯油墨和尾塞油灌注量未达到要求,而这些不合格产品将直接影响到笔芯的使用寿命以及是否漏墨。如何将这些不良品剔除,目前采用的方法主要是依靠熟练的技术工人,将笔芯放入标有固定刻度的模具中,采用目测的方式对笔芯尾塞油长度、油墨长度、笔芯总长及笔头是否污染进行检测,将不合格笔芯挑选出来。这一人工目测的方式无疑极易引起视觉疲劳,导致判断不准确。
[0003]机器视觉是用机器人代替人眼来做测量和判断,通过图像摄取装置将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号,图像系统对这些信号进行各种运算来抽取目标的特征,进而判断材料的质量好坏。但是,传统机器视觉相对较慢,准确度不高,且维护费用昂贵。随着工业4.0的快速转型,传统机器视觉系统不能处理的问题越来越多,这个时候,基于深度学习而产生的工业缺陷检测系统出现了,它不仅能够区分视觉相似部分的变化和偏差,还能够区分产品的功能缺陷和外部缺陷(轻微),很好地解决传统机器视觉系统的缺点。
[0004]因此,为了提高笔芯的检测效率和准确率,需要开发一种新型高适应性的笔芯质量检测系统。

技术实现思路

[0005]本专利技术目的是为了提高笔芯的自动化检测的效率和准确率,提供一种基于深度学习的透明笔芯质量在线检测系统。
[0006]为解决上述技术问题,本专利技术采用下述技术方案:
[0007]一种笔芯质量检测系统,包括:笔芯传送模块,包括编码器,所述笔芯传送模块用于载运待检测笔芯且通过所述编码器并生成与所述待检测笔芯的顺序对应的编码值;笔芯侦测模块,用于在侦测到所述笔芯传送模块载运所述待检测笔芯经过预定位置时,发出提示信号;图像采集模块,用于在收到所述提示信号时,记录所述编码器当前生成的编码值以及采集所述待检测笔芯的图像;图像分析模块,用于根据所述图像采集模块采集的图像计算所述待检测笔芯情况并据以判断所述待检测笔芯是否合格;笔芯筛选模块,用于筛选出检测合格的笔芯以及剔除检测不合格的笔芯。
[0008]进一步地,所述笔芯侦测模块包括:光电传感器,设置在所述预定位置,用于感应所述笔芯传送模块载运的所述待检测笔芯经过所述预定位置时发出所述提示信号。
[0009]进一步地,所述图像采集模块包括:图像采集卡,用于接收所述提示信号以及在接收到所述提示信号后记录所述编码器当前生成的编码值;工业相机,设置于所述笔芯传送模块上方,用于在所述图像采集卡接收所述提示信号后采集所述待检测笔芯的图像;光源,
设置于所述笔芯传送模块上方,用于在所述待检测笔芯运行到所述工业相机的视野范围内时,提供稳定强度光线照明。
[0010]进一步地,所述图像分析模块包括:图像处理单元,用于对所述图像采集模块采集的所述待检测笔芯的图像进行预处理;目标检测单元,用于根据所述待检测笔芯的预处理后的图像,采用目标检测模型获取图像中每支所述待检测笔芯的所在位置的外接矩形框坐标,并根据外接矩形框坐标获取每支所述待检测笔芯的图像;关键点检测单元,用于根据每支所述待检测笔芯的图像,采用关键点检测模型获取所述待检测笔芯关键点坐标;图像分类检测单元,用于根据所述关键点检测单元定位的笔头区域图像,采用图像分类模型进行笔头油污判别;检测判断单元,用于根据所述待检测笔芯关键点坐标,计算所述待检测笔芯油墨长度、尾塞油长度、笔芯总长,根据所述图像分类检测单元对所述待检测笔芯的笔头油污情况进行判别,并据以以上结果综合判断所述待检测笔芯是否合格。
[0011]进一步地,所述图像处理单元包括:图像剪裁单元,用于对所述图像采集模块采集的所述待检测笔芯的图像进行边缘剪裁,去除采集到的图像中的噪点,得到第一中间图像;灰度图处理单元,用于对所述第一中间图像进行灰度图处理,通过将三维的RGB图像转化一维的灰度图像,降低深度学习模型计算的算力要求,加快模型推演速度,得到第二中间图像。
[0012]进一步地,所述目标检测单元采用深度学习目标检测模型通过迁移学习获取所述第二中间图像中每支所述待检测笔芯的所在位置的外接矩形框坐标,并根据外接矩形框坐标使用图像剪裁获取每根所述待检测笔芯的图像作为第三中间图像。
[0013]进一步地,所述关键点检测单元利用深度学习关键点检测模型通过迁移学习获取所述第三中间图像中所述待检测笔芯关键点坐标,并根据所述待检测笔芯关键点坐标围成的区域获取笔头图像作为第四中间图像。
[0014]进一步地,所述图像分类检测单元利用深度学习图像分类模型通过迁移学习对所述第四中间图像进行笔头区域油污情况的二分类检测。
[0015]进一步地,所述检测判断单元包括:尺寸计算单元,用于根据所述关键点检测单元获取到的第三中间图像中的所述待检测笔芯关键点坐标计算所述待检测笔芯油墨长度、尾塞油长度、笔芯总长;比较判断单元,用于将所述待检测笔芯的各部件尺寸与预存的标准笔芯各部件外观尺寸进行比较,并根据所述图像分类检测单元对笔头区域油污情况的判定结果,综合判断所述待检测笔芯是否合格;结果记录单元,用于将合格的笔头的所述编码值存入链表中。
[0016]进一步地,所述笔芯筛选模块包括电磁阀分拣装置,当待检测笔芯为不合格产品时电磁阀分拣装置将其分拣入次品收集箱。
[0017]本公开的一种实施例中的基于深度学习的透明笔芯质量检测装置,通过引入深度学习的视觉测量方式,对透明笔芯的油墨、尾塞油注入量、笔芯总长以及笔头油污污染情况进行自动高效地检测可以及时剔除不良品。一方面,相比于人工检测方式,具有操作简便、效率高、准确度高等优点;另一方面,此检测装置可以兼容多款型号,不同长度的透明笔芯检测,相比较传统的视觉检测模板匹配算法需针对不同笔芯设置不同模板的缺陷,兼容性更强大,后期维护成本低等优点。
附图说明
[0018]本专利技术的以上
技术实现思路
以及下面的具体实施方式在结合附图阅读时会得到更好的理解。需要说明的是,附图仅作为所请求保护的技术方案的示例。在附图中,相同的附图标记代表相同或类似的元素。
[0019]图1是本专利技术一实施例一种笔芯质量检测系统的主视图;
[0020]图2是本专利技术一实施例一种笔芯质量检测系统的模块方框图;
[0021]图3是本专利技术一实施例一种笔芯质量检测系统的算法流程图;
[0022]图4是本专利技术一实施例一种笔芯质量检测系统中各步骤的图像处理示例,其中,
[0023]点



为笔芯油管末端关键点,C1为点



的中点;
[0024]点



为尾塞油末端关键点,C2为点



的中点;
[0025]点
...

【技术保护点】

【技术特征摘要】
1.一种笔芯质量检测系统,其特征在于,包括:笔芯传送模块,包括编码器,所述笔芯传送模块用于载运待检测笔芯且通过所述编码器并生成与所述待检测笔芯的顺序对应的编码值;笔芯侦测模块,用于在侦测到所述笔芯传送模块载运所述待检测笔芯经过预定位置时,发出提示信号;图像采集模块,用于在收到所述提示信号时,记录所述编码器当前生成的编码值以及采集所述待检测笔芯的图像;图像分析模块,用于根据所述图像采集模块采集的图像计算所述待检测笔芯情况并据以判断所述待检测笔芯是否合格;笔芯筛选模块,用于筛选出检测合格的笔芯以及剔除检测不合格的笔芯。2.根据权利要求1所述的笔芯质量检测系统,其特征在于,所述笔芯侦测模块包括:光电传感器,设置在所述预定位置,用于感应所述笔芯传送模块载运的所述待检测笔芯经过所述预定位置时发出所述提示信号。3.根据权利要求1所述的笔芯质量检测系统,其特征在于,所述图像采集模块包括:图像采集卡,用于接收所述提示信号以及在接收到所述提示信号后记录所述编码器当前生成的编码值;工业相机(1),设置于所述笔芯传送模块上方,用于在所述图像采集卡接收所述提示信号后采集所述待检测笔芯的图像;光源,设置于所述笔芯传送模块上方,用于在所述待检测笔芯运行到所述工业相机(1)的视野范围内时,提供稳定强度光线照明。4.根据权利要求1所述的笔芯质量检测系统,其特征在于,所述图像分析模块包括:图像处理单元,用于对所述图像采集模块采集的所述待检测笔芯的图像进行预处理;目标检测单元,用于根据所述待检测笔芯的预处理后的图像,采用目标检测模型获取图像中每支所述待检测笔芯的所在位置的外接矩形框坐标,并根据外接矩形框坐标获取每支所述待检测笔芯的图像;关键点检测单元,用于根据每支所述待检测笔芯的图像,采用关键点检测模型获取所述待检测笔芯关键点坐标;图像分类检测单元,用于根据所述关键点检测单元定位的笔头区域图像,采用图像分类模型进行笔头油污判别;检测判断单元,用于根据所述待检测笔芯关键点坐标,计算所述待检测笔芯油墨长度、尾塞油长度、笔芯总长,根据所述...

【专利技术属性】
技术研发人员:郭亨长李冰冰李林康姚鸿俊
申请(专利权)人:上海晨光文具股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1