[发明专利]一种基于人工智能的条包外观检测装置在审
| 申请号: | 202010772981.7 | 申请日: | 2020-08-04 |
| 公开(公告)号: | CN111906049A | 公开(公告)日: | 2020-11-10 |
| 发明(设计)人: | 蔡小五;池敏 | 申请(专利权)人: | 南京文采工业智能研究院有限公司 |
| 主分类号: | B07C5/342 | 分类号: | B07C5/342;G01N21/892;G01N21/01 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 210000 江苏省南*** | 国省代码: | 江苏;32 |
| 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 基于 人工智能 外观 检测 装置 | ||
本发明公开了一种基于人工智能的条包外观检测装置,涉及烟包包装技术领域。该基于人工智能的条包外观检测装置包括照明设备、采像设备和操控设备,所述照明设备和采像设备与操控设备电连接,所述照明设备包括用于照射透明拉线的拉线照明设备,所述采像设备包括用于拍摄透明拉线的拉线采像设备;所述拉线照明设备包括与透明拉线平行设置的灯条和柱状透镜,所述灯条发出的光经所述柱状透镜汇聚后形成具有一定宽度的平行光并照射透明拉线。本发明的基于人工智能的条包外观检测装置通过特殊的灯条和柱状透镜组成的拉线照明设备照射条包的透明拉线,能够会将其微弱的特征增强为明显的灰度对比特征,进而能够稳定可靠地被拉线采像设备识别,提高基于人工智能的条包外观检测装置的可靠性,可靠检测条包外观。
技术领域
本发明涉及包装外观检测装置技术领域,更具体地,涉及一种基于人工智能的条包外观检测装置。
背景技术
在卷烟生产中,条包香烟从包装机组进入提升通道的过程中,会存在露白、盒皮反折、破损、透明纸褶皱、透明纸破损、透明拉线缺失或错牙等缺陷,此类产品流入市场则造成A类质量事故。目前市场上已有封箱机前端的条包输送通道上安装有条包外观检测系统,但是由于安装位置为多条包装机产线对应于一台封箱机,不同包装机生产的条烟除共性外,具有部分个性特征,而现有技术识别个性特征时效果不好,无法可靠检测透明拉线缺失或错牙,导致这些个性特征在封箱机前端的检测装置中被忽略,或者造成较大的误剔,进而影响实际的使用效果。因此,需要开发出能够可靠检测透明拉线缺失或错牙的基于人工智能的条包外观检测装置。
发明内容
为了解决上述现有技术所述的无法可靠检测透明拉线缺失或错牙的缺陷,本发明提出一种基于人工智能的条包外观检测装置,该装置能够将透明拉线微弱的特征增强为明显的灰度对比特征,进而能够稳定可靠地被采像设备识别,提高检测装置的可靠性,能够可靠检测透明拉线缺失或错牙。
为了实现上述目的,本发明采用以下方案,一种基于人工智能的条包外观检测装置,包括照明设备、采像设备和操控设备,所述照明设备和采像设备与操控设备电连接,所述照明设备包括用于照射透明拉线的拉线照明设备,所述采像设备包括用于拍摄透明拉线的拉线采像设备;所述拉线照明设备包括与透明拉线平行设置的灯条和柱状透镜,所述灯条发出的光经所述柱状透镜汇聚后形成具有一定宽度的平行光并照射透明拉线;所述灯条包括个数为三的倍数的呈线性排列的灯珠,所述灯珠发光颜色为蓝、白或红中的一种,相邻的三个灯珠发光颜色互不相同。所述控制器可以采用本领域常规的PLC逻辑控制器。控制器处理图像的算法可采用深度学习算法,通过学习一定数量的良好样本信息,进而形成良品的特征数据库,进而区分出生产线中的不良品。对于透明拉线,现有的基于人工智能的条包外观检测装置不能准确形成明显的特征,无法可靠检测透明拉线缺失或错牙。
发明人研究发现,通过上述特殊的灯条和柱状透镜组成的拉线照明设备照射条包的透明拉线,能够会将其微弱的特征增强为明显的灰度对比特征,进而能够稳定可靠地被拉线采像设备识别,提高基于人工智能的条包外观检测装置的可靠性,可靠检测透明拉线缺失或错牙。
本发明的基于人工智能的条包外观检测装置能够将透明拉线微弱的特征增强为明显的灰度对比特征,进而能够稳定可靠地被采像设备识别,提高检测装置的可靠性,能够可靠检测透明拉线缺失或错牙。
所述拉线照明设备和拉线采像设备与操控设备电连接。所述灯条与柱状透镜的中心线的距离为所述柱状透镜的焦距。所述灯条位于所述柱状透镜的焦点形成的直线上。
进一步地,所述柱状透镜的直径为11~13mm。更优选地,所述柱状透镜的直径为12mm。
进一步地,所述柱状透镜的焦距为7~9mm。更优选地,所述柱状透镜的焦距8mm。
进一步地,所述灯珠的个数为36个。
进一步地,所述灯条一端的灯珠的发光颜色为红色,与其相邻的灯珠为蓝色。
进一步地,所述灯珠为LED灯珠。
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南京文采工业智能研究院有限公司,未经南京文采工业智能研究院有限公司许可,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/202010772981.7/2.html,转载请声明来源钻瓜专利网。





