[发明专利]一种物料掉落的检测方法、装置、设备及存储介质有效
| 申请号: | 201910218007.3 | 申请日: | 2019-03-21 |
| 公开(公告)号: | CN110047063B | 公开(公告)日: | 2023-05-16 |
| 发明(设计)人: | 吴黄子桑 | 申请(专利权)人: | 深圳市燕麦科技股份有限公司 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/136;G06T7/12 |
| 代理公司: | 深圳鼎合诚知识产权代理有限公司 44281 | 代理人: | 郭燕;彭家恩 |
| 地址: | 518055 广东省深圳市南山区南*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 物料 掉落 检测 方法 装置 设备 存储 介质 | ||
1.一种物料掉落的检测方法,其特征在于,包括:
获取待检测工位的检测图像;
获取所述检测图像的检测区域;
计算所述检测图像与其对应的模板图像之间的差分,得到差分图像;
对所述差分图像进行分割,获取物料掉落区域;
在所述物料掉落区域与所述检测图像的检测区域重合面积高于预设阈值时,确定所述待检测工位掉落物料;
所述获取所述检测图像的检测区域包括:
将所述检测图像输入预先建立的一形状匹配模型中,以定位所述检测图像的检测区域;
在定位失败时,确定所述待检测工位掉落物料;
在定位成功时,得到所述检测图像的检测区域;
所述形状匹配模型通过以下方式建立:
获取训练集,其中,所述训练集为所述待检测工位无物料遮挡的图像集合;
基于所述训练集,获取各个标识轮廓及各个标识轮廓之间的相对位置;
基于各个标识轮廓之间的相对位置,建立轮廓搜索树;
基于所述轮廓搜索树,定位出所述检测区域,完成所述形状匹配模型的训练。
2.如权利要求1所述的物料掉落的检测方法,其特征在于,所述基于所述训练集,获取各个标识轮廓及各个标识轮廓之间的相对位置包括:
使用模板匹配算法,逐个定位各个标识轮廓在其对应图像中的位置,以获取各个标识轮廓;
将其一标识轮廓确定为根节点,基于所述根节点,使用水平、垂直偏移及旋转角范围中的一种或多种来描述各个标识轮廓的相对位置。
3.如权利要求1所述的物料掉落的检测方法,其特征在于,所述计算所述检测图像与所述模板图像之间的差分,得到差分图像包括:
将所述检测图像的角点与所述模板图像的角点进行投影匹配,计算出单应性矩阵;
使用所述单应性矩阵将所述模板图像配准到所述检测图像,并计算所述检测图像和配准后的所述模板图像之间的差分,得到差分图像。
4.如权利要求1-3任一项所述的物料掉落的检测方法,其特征在于,所述对所述差分图像进行分割,获取物料掉落区域,包括:
对差分结果取绝对值,并进行滤波去噪;
使用区域生长算法或基于固定阈值、均值、最大值乘以一比例作为阈值、最大类间方差法中的任一种方法的二值化算法对所述差分图像进行分割,获取二值图;
对所述二值图进行翻转获得前景区域,以得到所述物料掉落区域。
5.如权利要求1-3任一项所述的物料掉落的检测方法,其特征在于,还包括:
分别对所述检测图像和所述模板图像进行预处理,其中,所述预处理包括:图像降采样、颜色空间转换、直方图均衡化、图像平滑滤波中的任一种或多种。
6.一种物料掉落的检测装置,其特征在于,包括:
摄像单元,用于对待检测工位进行图像采集;
处理器,用于获取检测图像和模板图像,计算所述检测图像与所述模板图像之间的差分,得到差分图像,对所述差分图像进行分割,获取物料掉落区域,在所述物料掉落区域与所述检测图像的检测区域重合面积高于预设阈值时,确定所述待检测工位掉落物料;
所述检测图像的检测区域通过以下方式获取:将所述检测图像输入预先建立的一形状匹配模型中,以定位所述检测图像的检测区域;在定位失败时,确定所述待检测工位掉落物料;在定位成功时,得到所述检测图像的检测区域;
所述形状匹配模型通过以下方式建立:获取训练集,其中,所述训练集为所述待检测工位无物料遮挡的图像集合;基于所述训练集,获取各个标识轮廓及各个标识轮廓之间的相对位置;基于各个标识轮廓之间的相对位置,建立轮廓搜索树;基于所述轮廓搜索树,定位出所述检测区域,完成所述形状匹配模型的训练。
7.一种物料掉落的检测设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于通过执行所述存储器存储的程序以实现如权利要求1-5任一项所述的物料掉落的检测方法。
8.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-5任一项所述的物料掉落的检测方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市燕麦科技股份有限公司,未经深圳市燕麦科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910218007.3/1.html,转载请声明来源钻瓜专利网。





