【技术实现步骤摘要】
一种软质印染卷材的高速视觉检测系统
[0001]本专利技术涉及光学检测
,具体的说是一种成套的软质印染卷材的高速视觉检测系统,用于对软质印染卷材表面的各类复杂外观缺陷进行全面检测。
技术介绍
[0002]基于机器视觉的光学检测技术作为一种非接触式检测手段,具有检测速度快、结果稳定客观、不会对待测物造成二次污染的优点。
[0003]自上世纪70年代开始至今,光学检测就一直被视为解决工业制造中检测问题的最具前途的技术之一。在光学检测中,针对不同检测对象和不同检测问题,需要根据实际情况设计相应的光学成像和图像处理方法。
[0004]对于软质印染卷材来说,在生产制造过程中由于材料不均匀,异物夹杂,印染不当等原因容易使其表面形成凹陷或凸起的几何形变缺陷,或出现油墨不均、图案偏移、印刷错误等形貌缺陷。
[0005]自动光学检测在处理这类软质印染卷材表面外观缺陷时依然存在诸多问题。
[0006]首先,由于缺陷小,缺陷种类多,部分检测面大,成像效果受环境影响较大等诸多因素影响,难以找到一种全面、高效、适应性强的检测方法。
[0007]其次,由于软质印染卷材的需求方、生产方和使用方的不同,对各类缺陷的容忍度不同,其质量要求各有差异,用户难以根据自己的检测需求来定制检测方案,从而达到最高生产效益。
[0008]最后,一方面软质印染卷材的生产工艺在逐步发展,产线生产也在不断更新和升级,导致造成缺陷的客观因素可能发生变化;另一方面在软质印染卷材的生产过程中造成缺陷的随机因素众多,缺陷的产 ...
【技术保护点】
【技术特征摘要】
1.一种软质印染卷材的高速视觉检测系统,其特征在于,是由运动与控制模块、图像采集模块和图像处理模块构成;所述运动与控制模块由主动滚筒(101)、从动滚筒(102)、上料滚筒(103)、伺服电机(104)、光电传感器(105)和PLC运动控制器(106)构成;所述主动滚筒(101)与所述伺服电机(104)相连,由所述伺服电机(104)驱动所述主动滚筒(101)收卷已完成检测的软质印染卷材;所述上料滚筒(103)装载有待检软质印染卷材,所述软质印染卷材依次通过若干个从动滚筒,并由卷材与滚筒间的摩擦力带动各个从动滚筒(102)自转;在若干个从动滚筒中一个从动滚筒(102)的上表面设置有检测位置;所述光电传感器(105)与所述PLC运动控制器(106)相连,用于监测所述主动滚筒(101)上收卷的卷材的厚度,当卷材达到一定厚度并到达感应位置时,所述光电传感器(105)发送信号至所述PLC运动控制器(106)以控制所述伺服电机(104)停止运动,并提示下料;所述图像采集模块由彩色扫描相机(201)、条形光源(202)、旋转编码器(203)和光源控制器(204)构成;所述旋转编码器(203)与检测位置处的从动滚筒(102)相连,从而发出编码触发信号;所述旋转编码器(203)与光源控制器(204)相连,所述光源控制器(204)与所述彩色扫描相机(201)相连,所述编码触发信号通过所述光源控制器(204)转发给所述彩色扫描相机(201),以控制相机扫描成像;所述光源控制器(204)与所述条形光源(202)相连,以控制光源照明;所述图像处理模块由下位机(301)、以太网交换机(302)、上位机(303)、显示交互设备(304)连接构成;所述彩色扫描相机(201)与所述下位机(301)相连,用于将图像数据传输到所述下位机(301);所述下位机(301)利用改进金字塔融合算法对图像数据进行色彩异常处理后,再利用深度学习算法对处理后的图像数据进行检测,以识别图像数据中是否存在各类待检缺陷,并将各种缺陷进行标记后一起通过所述以太网交换机(302)发送给所述上位机(303);所述上位机(303)对标记过缺陷的图像数据进行整合,并根据所设定的剔除规则对整合后的缺陷特征进行判断,若符合剔除规则,则将相应缺陷特征剔除,否则,将相应缺陷特征及其图像数据存入数据库中,最后通过所述显示交互设备(304)反馈给用户。2.根据权利要求1所述的一种软质印染卷材的高速视觉检测系统,其特征是:令所述伺服电机(104)驱动所述主动滚筒(101)旋转的角速度α保持恒定;令最小收卷半径为r,即空料时收卷滚筒的半径,此时收卷的最小速度为v
min
=α
×
r;令最大收卷速度记为v
max
,且v
max
=3p
v
/s;其中,s表示彩色扫描相机(201)的曝光时间;p
v
表示彩色扫描相机(201)的像素纵向分辨率;此时的最大收卷半径R=v
max
/α=3p
v
/(s
×
α)。3.根据权利要求2所述的一种软质印染卷材的高速视觉检测系统,其特征是:所述光电传感器(105)的安装位置与收卷滚筒空料时上表面垂直距离为R
‑
r。4.根据权利要求1所述的一种软质印染卷材的高速视觉检测系统,其特征在于,所述改进金字塔融合算法是按如下步骤进行:
步骤1)、将图像数据作为原始的色彩溢出图像I1进行图像增强处理,得到图像增强后的图像I2;步骤2)、对图像增强后的图像I2进行高斯金字塔图像分解;步骤2.1)、定义高斯金字塔的当前层数为c,并初始化c=1;令高斯金字塔的总层数为N;令图像I2为第c
‑
1层高斯金字塔图像G
c
‑1;步骤2.2)、利用式(1)得到第c层高斯金字塔图像G
c
,从而得到高斯金字塔G0,G1…
G
c
…
G
N
;式(1)中,G
c
(i,j)表示第c层高斯金字塔图像G
c
中第i行第j列的像素点,ω()表示具有低通特性的窗口函数,m、n分别窗口函数ω()中遍历像素点的行号和列号,a表示卷积边界,且a=floor(k/2),floor表示向下取整,k表示窗口大小;1≤c≤N,0<i<w,0<j<h;w表示图像的宽,h表示图像的高;步骤2.3)、定义拉普拉斯金字塔的当前层数为c,并初始化c=1;令拉普拉斯金字塔的总层数为N;步骤2.4)、利用式(2)得到第c层拉普拉斯金字塔图像LP
c
,从而得到拉普拉斯金字塔LP1…
LP
c
…
LP
N
;LP
c
(i,j)=expend(G
c
(i,j))
‑
...
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。