[發(fā)明專利]一種物料掉落的檢測方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910218007.3
• 申請日: 2019-03-21
• 公開（公告）號: CN110047063B
• 公開（公告）日: 2023-05-16
• 發(fā)明（設(shè)計）人: 吳黃子桑
• 申請（專利權(quán)）人: 深圳市燕麥科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T7/12
• 代理公司: 深圳鼎合誠知識產(chǎn)權(quán)代理有限公司 44281
• 代理人: 郭燕;彭家恩

一種物料掉落的檢測方法、裝置、設(shè)備及存儲介質(zhì)，首先獲取待檢測工位的檢測圖像及所述檢測圖像的檢測區(qū)域，然后計算所述檢測圖像與其對應(yīng)的模板圖像之間的差分，得到差分圖像，對所述差分圖像進(jìn)行分割，獲取物料掉落區(qū)域，在所述物料掉落區(qū)域與所述檢測圖像的檢測區(qū)域重合面積高于預(yù)設(shè)閾值時，確定所述待檢測工位掉落物料，準(zhǔn)確性高，能避免誤檢，在工位上剛性部件多且背景復(fù)雜時，也能將物料與背景區(qū)域分開來。

技術(shù)領(lǐng)域

本發(fā)明涉及檢測領(lǐng)域，具體涉及一種物料掉落的檢測方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著電子行業(yè)的迅速發(fā)展，F(xiàn)PC(Flexible?Printed?Circuit，柔性電路板)的需求量越來越大，線路板廠在生產(chǎn)完FPC柔性線路板產(chǎn)品之后，往往都需要對FPC柔性線路板進(jìn)行質(zhì)量檢測，從而確保線路板的品質(zhì)，F(xiàn)PC柔性線路板的質(zhì)量檢測是電子行業(yè)中不可或缺的環(huán)節(jié)。在檢測設(shè)備投入運行初期，由于電氣模塊不夠穩(wěn)定，時常會將FPC柔性線路板產(chǎn)品掉在載板上，此時需要操作人員打開柜門，取出載板上的產(chǎn)品，否則當(dāng)檢測下一片F(xiàn)PC柔性線路板產(chǎn)品，檢測設(shè)備的天板下壓時，會壓壞物料掉落，造成FPC柔性線路板物料的浪費。

在進(jìn)行物料掉落的檢測時，通過將機器視覺技術(shù)應(yīng)用到工業(yè)檢測領(lǐng)域，為每一個工位配備一臺相機，根據(jù)相機拍攝的圖片判斷是否有物料掉落，如果發(fā)現(xiàn)物料掉落機臺自動停機并提示操作員取出產(chǎn)品，可以避免物料浪費，降低生產(chǎn)成本，提高生產(chǎn)效率。

發(fā)明人在研究物料掉落檢測時，發(fā)現(xiàn)現(xiàn)有方法基于傳統(tǒng)Blob分析進(jìn)行物料掉落的檢測，其通過對圖片進(jìn)行二值化、形態(tài)學(xué)運算和形狀選擇將掉落的物料從背景中分割出來，進(jìn)而判斷是否存在物料掉落，其依賴打光，易受燈光變化，人影竄動，機械手動作等造成的光照變化的影響，從而造成誤檢，依賴物料的形狀，在工位上剛性部件多，背景復(fù)雜時，無法將物料與背景區(qū)域分開來，導(dǎo)致檢測失敗。

綜上所述，現(xiàn)在亟需一種適用于工業(yè)生產(chǎn)的剛性背景物上的物料掉落的檢測方法。

發(fā)明內(nèi)容

本發(fā)明主要解決的技術(shù)問題是提供適用于工業(yè)生產(chǎn)的剛性背景物上的物料掉落的檢測方案，以避免在工位上剛性部件多，背景復(fù)雜時，無法將物料與背景區(qū)域分開來，導(dǎo)致檢測失敗。

根據(jù)本申請的第一方面，一種物料掉落的檢測方法，其特征在于，包括：

獲取待檢測工位的檢測圖像；

獲取所述檢測圖像的檢測區(qū)域；

計算所述檢測圖像與其對應(yīng)的模板圖像之間的差分，得到差分圖像；

對所述差分圖像進(jìn)行分割，獲取物料掉落區(qū)域；

在所述物料掉落區(qū)域與所述檢測圖像的檢測區(qū)域重合面積高于預(yù)設(shè)閾值時，確定所述待檢測工位掉落物料。

在一種實施方式中，所述獲取所述檢測圖像的檢測區(qū)域包括：

將所述檢測圖像輸入預(yù)先建立的一形狀匹配模型中，以定位所述檢測圖像的檢測區(qū)域；

在定位失敗時，確定所述待檢測工位掉落物料；

在定位成功時，得到所述檢測圖像的檢測區(qū)域。

在另一種實施方式中，所述形狀匹配模型通過以下方式建立：

獲取訓(xùn)練集，其中，所述訓(xùn)練集為所述待檢測工位無物料遮擋的圖像集合；

基于所述訓(xùn)練集，獲取各個標(biāo)識輪廓及各個標(biāo)識輪廓之間的相對位置；

基于各個標(biāo)識輪廓之間的相對位置，建立輪廓搜索樹；

基于所述輪廓搜索樹，定位出所述檢測區(qū)域，完成所述形狀匹配模型的訓(xùn)練。

在另一種實施方式中，所述基于所述訓(xùn)練集，獲取各個標(biāo)識輪廓及各個標(biāo)識輪廓之間的相對位置包括：