本技術(shù)涉及圖像處理，尤其涉及一種基于圖像識別的產(chǎn)品質(zhì)量檢測方法及系統(tǒng)。

背景技術(shù)：

1、在傳統(tǒng)的質(zhì)量檢測流程中，人工檢測方法由于其主觀性和易疲勞性，往往難以保證檢測的一致性和準(zhǔn)確性。隨著自動化技術(shù)的發(fā)展，機器視覺系統(tǒng)開始被廣泛應(yīng)用于產(chǎn)品質(zhì)量檢測中。

2、對于非限定形狀產(chǎn)品，在生產(chǎn)線開始生產(chǎn)后才能得到其具體的產(chǎn)品形狀，因此對同一批產(chǎn)品進(jìn)行質(zhì)量檢測的過程中，往往難以采用先前制定的檢測標(biāo)準(zhǔn)，通常在一批產(chǎn)品生產(chǎn)完成后，將尺寸與該批產(chǎn)品存在較大差異的產(chǎn)品判定為不合格產(chǎn)品。檢測的方式通常采用對每一個產(chǎn)品進(jìn)行實際測量，得到平均尺寸后，剔除與平均尺寸差異較大的產(chǎn)品，檢測的速度較慢，人工成本較高。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供一種基于圖像識別的產(chǎn)品質(zhì)量檢測方法及系統(tǒng)，以改善上述問題。

2、為達(dá)到上述目的，本技術(shù)采用如下技術(shù)方案：

3、第一方面，本技術(shù)實施例提出了一種基于圖像識別的產(chǎn)品質(zhì)量檢測方法，適用于一種基于圖像識別的產(chǎn)品質(zhì)量檢測系統(tǒng)，系統(tǒng)包括控制器、檢測平面、傳送裝置以及視覺傳感器，傳送裝置用于將j個待檢測產(chǎn)品依次送往檢測平面，其中，j自然數(shù)且j≥2，方法包括：

4、控制器基于視覺傳感器獲取第1、2...j張檢測圖像，一張檢測圖像與一個待檢測產(chǎn)品一一對應(yīng)；

5、控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型；

6、控制器在目標(biāo)模型上確定多個固定于目標(biāo)模型上的虛擬靶點，并獲取多個虛擬靶點之間的位置關(guān)系；

7、控制器獲取第i張檢測圖像，并基于第i張檢測圖像獲取目標(biāo)區(qū)域圖像，目標(biāo)區(qū)域圖像為第i張檢測圖像中待檢測產(chǎn)品的實際圖像，i為自然數(shù)且i≥1;

8、控制器基于目標(biāo)區(qū)域圖像，確定位于多個目標(biāo)區(qū)域圖像上的多個實際靶點，一個實際靶點與一個虛擬靶點一一對應(yīng)；

9、控制器獲取多個實際靶點之間的位置關(guān)系，并將多個實際靶點之間的位置關(guān)系與多個與實際靶點對應(yīng)的虛擬靶點之間的位置關(guān)系相比對，根據(jù)比對的結(jié)果，確定第m個待檢測產(chǎn)品是否合格。

10、結(jié)合第一方面，在一些實施方式中，控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型，包括：

11、控制器基于第k張檢測圖像，獲取模型特征，并將模型特征填充至原始模型，k為自然數(shù)且k≥1;

12、控制器判斷原始模型是否填充完成，若原始模型還具有未填充特征，則控制器從j張檢測圖像中再選擇一張不為第k張的檢測圖像，并基于檢測圖像獲取模型特征，并將模型特征填充至原始模型。

13、結(jié)合第一方面，在一些實施方式中，控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型，包括：

14、控制器判斷原始模型是否填充完成，若原始模型已經(jīng)成為具有完整模型特征的虛擬模型，則確定原始模型為目標(biāo)模型。

15、結(jié)合第一方面，在一些實施方式中，控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型，包括：

16、控制器將n張檢測圖像進(jìn)行分割，以使n張檢測圖像分為n張第一檢測圖像與n張第二檢測圖像，其中，第一檢測圖像為視覺傳感器直接獲取的待檢測產(chǎn)品直接圖像，第二檢測圖像為視覺傳感器獲取的待檢測產(chǎn)品在檢測平面形成的反射圖像；

17、控制器根據(jù)n張第一檢測圖像與n張第二檢測圖像獲取多個模型特征。

18、結(jié)合第一方面，在一些實施方式中，控制器在目標(biāo)模型上確定多個固定于目標(biāo)模型上的虛擬靶點，并獲取多個虛擬靶點之間的位置關(guān)系，包括：

19、控制器獲取目標(biāo)模型的邊緣特征，邊緣特征包括模型頂點位置以及模型上每個面邊緣位置；

20、控制器將每一個模型頂點作為虛擬靶點；

21、控制器在每個邊緣位置選擇至少一個點作為虛擬靶點。

22、結(jié)合第一方面，在一些實施方式中，控制器基于目標(biāo)區(qū)域圖像，確定位于多個目標(biāo)區(qū)域圖像上的多個實際靶點，一個實際靶點與一個虛擬靶點一一對應(yīng)，包括：

23、控制器確定目標(biāo)區(qū)域圖像中包含的特征圖像，特征圖像包括頂點圖像；

24、控制器將頂點圖像所在位置標(biāo)記為實際靶點，并將特征圖像與邊緣特征進(jìn)行匹配，根據(jù)匹配的結(jié)果，確定實際靶點與虛擬靶點之間的對應(yīng)關(guān)系。

25、結(jié)合第一方面，在一些實施方式中，控制器基于目標(biāo)區(qū)域圖像，確定位于多個目標(biāo)區(qū)域圖像上的多個實際靶點，一個實際靶點與一個虛擬靶點一一對應(yīng)，包括：

26、控制器確定目標(biāo)區(qū)域圖像中包含的特征圖像，特征圖像包括邊緣圖像；

27、控制器將邊緣圖像與邊緣特征進(jìn)行匹配，根據(jù)匹配的結(jié)果，確定邊緣圖像與邊緣特征的對應(yīng)關(guān)系；

28、控制器根據(jù)邊緣圖像與邊緣特征的對應(yīng)關(guān)系，在邊緣圖像中確定與虛擬靶點對應(yīng)的實際靶點。

29、結(jié)合第一方面，在一些實施方式中，控制器獲取多個實際靶點之間的位置關(guān)系，并將多個實際靶點之間的位置關(guān)系與多個與實際靶點對應(yīng)的虛擬靶點之間的位置關(guān)系相比對，根據(jù)比對的結(jié)果，確定第m個待檢測產(chǎn)品是否合格，包括：

30、控制器獲取多個實際靶點之間的位置關(guān)系，位置關(guān)系包括每一個實際靶點之間的距離；

31、控制器獲取多個虛擬靶點之間的位置關(guān)系，位置關(guān)系包括每一個虛擬靶點之間的距離；

32、控制器基于虛擬靶點與實際靶點之間的對應(yīng)關(guān)系，將每一個實際靶點之間的距離每一個虛擬靶點之間的距離進(jìn)行比較，并根據(jù)比較的結(jié)果，第m個待檢測產(chǎn)品是否合格。

33、第二方面，本技術(shù)實施例提出了一種基于圖像識別的產(chǎn)品質(zhì)量檢測系統(tǒng)，系統(tǒng)包括控制器、檢測平面、傳送裝置以及視覺傳感器，傳送裝置用于將j個待檢測產(chǎn)品依次送往檢測平面，其中，j自然數(shù)且j≥2，該系統(tǒng)被配置為：

34、控制器基于視覺傳感器獲取第1、2...j張檢測圖像，一張檢測圖像與一個待檢測產(chǎn)品一一對應(yīng)；

35、控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型；

36、控制器在目標(biāo)模型上確定多個固定于目標(biāo)模型上的虛擬靶點，并獲取多個虛擬靶點之間的位置關(guān)系；

37、控制器獲取第i張檢測圖像，并基于第i張檢測圖像獲取目標(biāo)區(qū)域圖像，目標(biāo)區(qū)域圖像為第i張檢測圖像中待檢測產(chǎn)品的實際圖像，i為自然數(shù)且i≥1;

38、控制器基于目標(biāo)區(qū)域圖像，確定位于多個目標(biāo)區(qū)域圖像上的多個實際靶點，一個實際靶點與一個虛擬靶點一一對應(yīng)；

39、控制器獲取多個實際靶點之間的位置關(guān)系，并將多個實際靶點之間的位置關(guān)系與多個與實際靶點對應(yīng)的虛擬靶點之間的位置關(guān)系相比對，根據(jù)比對的結(jié)果，確定第m個待檢測產(chǎn)品是否合格。

40、結(jié)合第二方面，在一些實施方式中，該系統(tǒng)被配置為：

41、控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型，包括：

42、控制器基于第k張檢測圖像，獲取模型特征，并將模型特征填充至原始模型，k為自然數(shù)且k≥1;

43、控制器判斷原始模型是否填充完成，若原始模型還具有未填充特征，則控制器從j張檢測圖像中再選擇一張不為第k張的檢測圖像，并基于檢測圖像獲取模型特征，并將模型特征填充至原始模型。

44、結(jié)合第二方面，在一些實施方式中，控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型，包括：

45、控制器判斷原始模型是否填充完成，若原始模型已經(jīng)成為具有完整模型特征的虛擬模型，則確定原始模型為目標(biāo)模型。

46、結(jié)合第二方面，在一些實施方式中，該系統(tǒng)被配置為：

47、控制器基于n張檢測圖像獲取多個模型特征，n為自然數(shù)且n≥1，并基于模型特征構(gòu)建目標(biāo)模型，目標(biāo)模型為待檢測產(chǎn)品的虛擬模型，包括：

48、控制器將n張檢測圖像進(jìn)行分割，以使n張檢測圖像分為n張第一檢測圖像與n張第二檢測圖像，其中，第一檢測圖像為視覺傳感器直接獲取的待檢測產(chǎn)品直接圖像，第二檢測圖像為視覺傳感器獲取的待檢測產(chǎn)品在檢測平面形成的反射圖像；

49、控制器根據(jù)n張第一檢測圖像與n張第二檢測圖像獲取多個模型特征。

50、結(jié)合第二方面，在一些實施方式中，該系統(tǒng)被配置為：

51、控制器在目標(biāo)模型上確定多個固定于目標(biāo)模型上的虛擬靶點，并獲取多個虛擬靶點之間的位置關(guān)系，包括：

52、控制器獲取目標(biāo)模型的邊緣特征，邊緣特征包括模型頂點位置以及模型上每個面邊緣位置；

53、控制器將每一個模型頂點作為虛擬靶點；

54、控制器在每個邊緣位置選擇至少一個點作為虛擬靶點。

55、結(jié)合第二方面，在一些實施方式中，該系統(tǒng)被配置為：

56、控制器基于目標(biāo)區(qū)域圖像，確定位于多個目標(biāo)區(qū)域圖像上的多個實際靶點，一個實際靶點與一個虛擬靶點一一對應(yīng)，包括：

57、控制器確定目標(biāo)區(qū)域圖像中包含的特征圖像，特征圖像包括頂點圖像；

58、控制器將頂點圖像所在位置標(biāo)記為實際靶點，并將特征圖像與邊緣特征進(jìn)行匹配，根據(jù)匹配的結(jié)果，確定實際靶點與虛擬靶點之間的對應(yīng)關(guān)系。

59、結(jié)合第二方面，在一些實施方式中，該系統(tǒng)被配置為：

60、控制器基于目標(biāo)區(qū)域圖像，確定位于多個目標(biāo)區(qū)域圖像上的多個實際靶點，一個實際靶點與一個虛擬靶點一一對應(yīng)，包括：

61、控制器確定目標(biāo)區(qū)域圖像中包含的特征圖像，特征圖像包括邊緣圖像；

62、控制器將邊緣圖像與邊緣特征進(jìn)行匹配，根據(jù)匹配的結(jié)果，確定邊緣圖像與邊緣特征的對應(yīng)關(guān)系；

63、控制器根據(jù)邊緣圖像與邊緣特征的對應(yīng)關(guān)系，在邊緣圖像中確定與虛擬靶點對應(yīng)的實際靶點。

64、結(jié)合第二方面，在一些實施方式中，該系統(tǒng)被配置為：

65、控制器獲取多個實際靶點之間的位置關(guān)系，并將多個實際靶點之間的位置關(guān)系與多個與實際靶點對應(yīng)的虛擬靶點之間的位置關(guān)系相比對，根據(jù)比對的結(jié)果，確定第m個待檢測產(chǎn)品是否合格，包括：

66、控制器獲取多個實際靶點之間的位置關(guān)系，位置關(guān)系包括每一個實際靶點之間的距離；

67、控制器獲取多個虛擬靶點之間的位置關(guān)系，位置關(guān)系包括每一個虛擬靶點之間的距離；

68、控制器基于虛擬靶點與實際靶點之間的對應(yīng)關(guān)系，將每一個實際靶點之間的距離每一個虛擬靶點之間的距離進(jìn)行比較，并根據(jù)比較的結(jié)果，第m個待檢測產(chǎn)品是否合格。

69、本發(fā)明實施例第三方面提出一種電子設(shè)備，電子設(shè)備包括：

70、至少一個處理器；以及，與至少一個處理器通信連接的存儲器；其中，存儲器存儲有可被至少一個處理器執(zhí)行的指令，指令被至少一個處理器執(zhí)行，以使至少一個處理器能夠執(zhí)行本發(fā)明實施例第一方面提出方法。

71、本發(fā)明實施例第四方面提出一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明實施例第一方面提出方法。

72、綜上，上述方法及系統(tǒng)具有如下技術(shù)效果：

73、本技術(shù)實施例提出的一種基于圖像識別的產(chǎn)品質(zhì)量檢測方法及系統(tǒng)，控制器基于視覺傳感器獲取多張檢測圖像，然后，從多張檢測圖像中獲取多個模型特征，并基于模型特征構(gòu)建目標(biāo)模型，然后，控制器在目標(biāo)模型上確定多個固定于目標(biāo)模型上的虛擬靶點，并獲取多個虛擬靶點之間的位置關(guān)系，然后，需要檢測的待檢測產(chǎn)品的檢測圖像，并基于第i張檢測圖像獲取目標(biāo)區(qū)域圖像，然后，控制器基于目標(biāo)區(qū)域圖像，確定位于多個目標(biāo)區(qū)域圖像上的多個實際靶點，一個實際靶點與一個虛擬靶點一一對應(yīng)，最后，控制器獲取多個實際靶點之間的位置關(guān)系，并將多個實際靶點之間的位置關(guān)系與多個與實際靶點對應(yīng)的虛擬靶點之間的位置關(guān)系相比對，根據(jù)比對的結(jié)果，確定第待檢測產(chǎn)品是否合格。本技術(shù)實施例提出的一種基于圖像識別的產(chǎn)品質(zhì)量檢測方法，對于生產(chǎn)線上的生產(chǎn)出的產(chǎn)品，可以快速建立模型，并根據(jù)建立的模型，在某一個產(chǎn)品存在形狀瑕疵時，其模型形狀與其他產(chǎn)品存在較大差異，因此產(chǎn)品上的實際靶點位置與模型中的虛擬靶點位置存在較大的差異，通過差異的大小可以判斷產(chǎn)品是否合格，對產(chǎn)品模型的建立較為快速，且無需對每一個產(chǎn)品進(jìn)行詳細(xì)的尺寸測量，檢測速度較快。