本发明专利技术公开了包含型材内筋检测的在线AI质量检测方法及系统，其中方法包括下列步骤：步骤1、从两端端面采集包含内筋图像在内的型材端部图像；步骤2、从顶部和左右两侧采集型材表面图像；步骤3、对采集的图像进行分析识别以检测缺陷；分析识别方法包括识别判断内筋弯曲以及弯曲朝向的方法、识别判断断筋的方法和识别检测内筋卡料的方法。本发明专利技术引入应用AI算法，检测更精准，同时实现多个项目的实时检测，因此检测效率远高于传统的人工检测；能有效控制不良品的流出，保证型材出场合格率。保证型材出场合格率。
【技术实现步骤摘要】
一种包含型材内筋检测的在线AI质量检测方法及系统
[0001]本专利技术属于塑钢型材制造检测
，具体涉及一种包含型材内筋检测的在线AI质量检测方法及系统。
技术介绍
[0002]现有技术中，对型材质量的把控依托于人工抽检，存在劳动强度大、检测不全面、检测尺度不一、问题发现不及时等问题。在生产中型材的内部结构(如内筋)可能产生多种缺陷，但是内筋在外部比较难监测，因此只能通过从端部观察内筋结构，查看是否存在缺陷。内筋可能存在的缺陷包括内筋弯曲、内筋存在断筋以及内筋处发生卡料等缺陷，这些缺陷依靠人眼在端部观察，很容易因观测角度，人眼分辨能力等人为问题造成漏查，无法全面及时地发现上述缺陷。尤其是在大批量型材生产检测过程中，人为检查的方式在效率和可靠性上均无法满足要求，不能有效控制不良品的流出，型材出厂的合格率难以保证。
技术实现思路
[0003]本专利技术的目的是提供一种包含型材内筋检测的在线AI质量检测方法，用于解决现有技术中人为检查型材的内筋部分效率和可靠性都不能满足要求，导致型材出厂的合格率无法保证的技术问题。
[0004]所述的一种包含型材内筋检测的在线AI质量检测方法，包括下列步骤：
[0005]步骤1、从两端端面采集包含内筋图像在内的型材端部图像；
[0006]步骤2、从顶部和左右两侧采集型材表面图像；
[0007]步骤3、对采集的图像进行分析识别以检测缺陷；
[0008]分析识别方法包括识别判断内筋弯曲以及弯曲朝向的方法、识别判断断筋的方法和识别检测内筋卡料的方法。
[0009]优选的，识别判断内筋弯曲以及弯曲朝向的方法包括：首先设定阈值分割参数，在操作界面上对显示的型材端部图像进行内筋检测区域的绘制，以此确定内筋检测区域，系统读取型材端部图像和相应的内筋检测区域；在内筋检测区域中通过已设定阈值分割参数的阈值算法提取内筋的轮廓，之后对提取的内筋求得最小外接矩形，并对最小外接矩形所在区域和内筋的轮廓区域求差集；设定判断阈值，如果差集面积大于该判断阈值，表示内筋弯曲，并需要判断弯曲朝向。
[0010]优选的，设定拐点容忍度，判断弯曲朝向首先利用设定拐点容忍度求取轮廓上的所有拐点，考虑到拐点一般都会在内筋中间位置，因此为提高效率采用拐点筛选对两头的拐点做了过滤；之后将经过过滤得到的拐点与轮廓最小外接矩形中心点比较，如果拐点在中心点的左侧，则内筋朝左，如果拐点在中心点的右侧，则内筋朝右。
[0011]优选的，识别判断断筋的方法包括：设定阈值分割参数，在操作界面上对显示的型材端部图像进行内筋检测区域的绘制，以此确定内筋检测区域；系统读取型材端部图像和相应的内筋检测区域；之后在内筋检测区域中通过已设定阈值分割参数的阈值算法提取内
筋的轮廓，判断各部分是横向内筋还是竖向内筋，然后计算轮廓的高度和宽度，并计算检测区域的高度和宽度；对于横向内筋，如果轮廓的宽度小于检测区域的宽度，输出NG，即存在断筋；否则输出OK，即合格；对于竖向内筋，如果轮廓的高度小于检测区域的高度，输出NG，即存在断筋；否则输出OK，即合格。
[0012]优选的，识别检测内筋卡料的方法包括：设定阈值分割参数，在操作界面上对显示的型材端部图像进行内筋检测区域的绘制，以此确定内筋检测区域；系统读取型材端部图像和相应的内筋检测区域，并设置卡料面积过滤的参数；之后在内筋检测区域中通过已设定阈值分割参数的阈值算法提取内筋的轮廓，接着对对内筋轮廓先进行开运算，用于过滤一些毛刺，再对开运算结果进行闭运算；然后对闭运算的结果和之前阈值算法提取的轮廓求差集，再依据卡料面积过滤的参数对差集进行面积大小过滤，如果在指定范围内过滤到了面积，输出NG，表明存在卡料；否则输出OK，表明合格。
[0013]优选的，分析识别方法还包括字符识别方法，字符识别方法包括：在操作界面上绘制好字符搜索区域，将型材表面图片和搜索区域传给字符识别算法，设定判断汉字有无的阈值参数一、判断汉字是否完整的阈值参数二以及最小自信度，之后读取型材表面图像和搜索区域；首先用模板匹配判断字符中是否存在汉字，如果存在汉字，再用完整度模板判断汉字是否完整，如果不存在汉字或者完整度匹配得分很低再次进行OCR识别；根据上述字符识别算法依据参数阈值一进行判断，如果结果为有汉字，则用完整度匹配得分和我们设定的参数阈值一进行比较，若大于参数阈值二表示OK，即有汉字并识别输出汉字内容；其他情况表示NG，即无汉字；在结果为NG，即无汉字的情况下，对自信度求平均值，如果这个平均值大于我们指定的最小自信度表示字符完整，反之字符不完整。
[0014]优选的，OCR识别有两套算法，一套对应大字符和实体字符，一套对应点阵小字符；大字符和实体字符我们采用HALCON软件自带分类器，点阵小字符我们采用专门训练的分类器；根据采集的图像中字符的大小对上述两种算法进行切换，同时在自动运行时一种算法无法识别时会切换到另一种算法再次进行识别。
[0015]本专利技术还提供了一种包含型材内筋检测的在线AI质量检测系统，采用上述的一种包含型材内筋检测的在线AI质量检测方法，该在线AI质量检测系统包括输送线、端面柜、表面柜、屏幕和型材在线检测平台，输送线通过所述端面柜和所述表面柜，所述端面柜控制相机采集型材端面图像，所述表面柜用于采集型材表面图像，型材端面图像和型材表面图像传输到所述型材在线检测平台，型材在线检测平台进行分析识别以检测缺陷，屏幕用于显示型材在线检测平台的检测结果。
[0016]优选的，端面柜由电机、相机、灯光、红外传感器组成，通过线体翻板信号触发电机转动，电机转动将相机置于正对型材端部的位置，通过红外传感器触发相机拍照；表面柜由三个相机、灯光组成，分别拍摄型材的顶部与两边的照片。
[0017]本专利技术具有以下优点：本专利技术建立对型材进行图像采集、分析、检测的质量检测系统，引入应用AI算法，检测更精准，检测尺度把控更合理。该系统可做到对内筋相关的内筋弯曲、断筋和内筋卡料的功能检测。此外还可以同时对型材的色差、划痕、表面字符等多个项目进行检测，由于能同时实现多个项目的实时检测，因此检测效率远高于传统的人工检测。对比之前的人工抽检，能有效控制不良品的流出，保证型材出场合格率在99％以上。同时通过AI质量检测系统检测得到的数据能进一步用于分析统计，数据统计结果能够输出产
线产量、不良率、瑕疵占比，平台汇总检测结果，通过回归模型计算分析输出质量检测指导意见，优化产线生产工艺。
附图说明
[0018]图1为本专利技术一种包含型材内筋检测的在线AI质量检测系统的结构图。
[0019]图2为本专利技术一种包含型材内筋检测的在线AI质量检测方法的流程图。
[0020]图3为本专利技术对型材端面图像检测内筋弯曲朝向的结果图。
[0021]图4为本专利技术对型材表面图像检测色差的图片。
[0022]图5为本专利技术对型材表面图像检测划痕的结果图。
具体实施方式
[0023]下面对照附图，通过对实施例的描述，对本专利技术具体实施方式本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种包含型材内筋检测的在线AI质量检测方法，其特征在于：包括下列步骤：步骤1、从两端端面采集包含内筋图像在内的型材端部图像；步骤2、从顶部和左右两侧采集型材表面图像；步骤3、对采集的图像进行分析识别以检测缺陷；分析识别方法包括识别判断内筋弯曲以及弯曲朝向的方法、识别判断断筋的方法和识别检测内筋卡料的方法。2.根据权利要求1所述的一种包含型材内筋检测的在线AI质量检测方法，其特征在于：识别判断内筋弯曲以及弯曲朝向的方法包括：首先设定阈值分割参数，在操作界面上对显示的型材端部图像进行内筋检测区域的绘制，以此确定内筋检测区域，系统读取型材端部图像和相应的内筋检测区域；在内筋检测区域中通过已设定阈值分割参数的阈值算法提取内筋的轮廓，之后对提取的内筋求得最小外接矩形，并对最小外接矩形所在区域和内筋的轮廓区域求差集；设定判断阈值，如果差集面积大于该判断阈值，表示内筋弯曲，并需要判断弯曲朝向。3.根据权利要求2所述的一种包含型材内筋检测的在线AI质量检测方法，其特征在于：设定拐点容忍度，判断弯曲朝向首先利用设定拐点容忍度求取轮廓上的所有拐点，考虑到拐点一般都会在内筋中间位置，因此为提高效率采用拐点筛选对两头的拐点做了过滤；之后将经过过滤得到的拐点与轮廓最小外接矩形中心点比较，如果拐点在中心点的左侧，则内筋朝左，如果拐点在中心点的右侧，则内筋朝右。4.根据权利要求1所述的一种包含型材内筋检测的在线AI质量检测方法，其特征在于：识别判断断筋的方法包括：设定阈值分割参数，在操作界面上对显示的型材端部图像进行内筋检测区域的绘制，以此确定内筋检测区域；系统读取型材端部图像和相应的内筋检测区域；之后在内筋检测区域中通过己设定阈值分割参数的阈值算法提取内筋的轮廓，判断各部分是横向内筋还是竖向内筋，然后计算轮廓的高度和宽度，并计算检测区域的高度和宽度；对于横向内筋，如果轮廓的宽度小于检测区域的宽度，输出NG，即存在断筋；否则输出OK，即合格；对于竖向内筋，如果轮廓的高度小于检测区域的高度，输出NG，即存在断筋；否则输出OK，即合格。5.根据权利要求1所述的一种包含型材内筋检测的在线AI质量检测方法，其特征在于：识别检测内筋卡料的方法包括：设定阈值分割参数，在操作界面上对显示的型材端部图像进行内筋检测区域的绘制，以此确定内筋检测区域；系统读取型材端部图像和相应的内筋检测区域，并设置卡料面积过滤的参数；之后在内筋检测区域中通过己设定阈值分割参数的阈值算法提取内筋的轮廓，接着对对内筋轮廓先进行...
【专利技术属性】
技术研发人员：曹桂红，程建军，慈文荣，柳正顶，张翔宇，刘智慧，
申请(专利权)人：安徽海螺信息技术工程有限责任公司，
类型：发明
国别省市：
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。