喷墨字符缺陷检测案例分享
喷墨字符打印在工业生产中是非常常见的一种打印工艺,由于油墨的质量和喷印表面的影响,打印的内容会存在一定的瑕疵,本案例就是分享如何解决这类瑕疵的检测

项目需求:

某集成商有一个牛奶包装生产日期打印质量的检测需求,内容为检测牛奶包装上的生产日期打印质量,判断是否有打花,缺码,污点的情况,设备根据检测结果,将打印质量不良的包装剔除。


检测对象:



方案设计:

                                                                                                  视觉方案


成像方案部分:

相机:MV-CA013-20GM               镜头:MVL-HF3528M-6MP

光源:MV-LLES-175-30-W            视场范围:60 mm  *  40mm

工作距离:350mm                       光源距离:180mm


需求难点:

作为检查对象,字符信息实时在变化,位置也不固定,有一定的波动,包装个体之间的差异导致字符的背景也有明暗变化的情况,因此使用传统的缺陷检测算法很难实现


算法实现:

考虑到项目的难点,利用深度学习缺陷检测的方式搭建算法方案,首先通过特征匹配和仿射变换定位字符位置,并将原图裁剪成260*160大小的图片。流程如下:

图像预处理流程

                                                                       原图                                                  裁剪后的图片


通过图像预处理,将原始图像裁剪成260*160分辨率的小图,一方面可以使得样本的的背景更加简单,较少干扰。同时,低分辨率的样本可以较少算法对硬件的依赖。提升检测效率。模型训练时,选择300张NG的样本和300张OK的样本,保证NG的样本中包含所有缺陷的纹理。具体模型训练的过程略。得到缺陷检测的模型后,进行测试,测试的算法流程如下:

                                                                                                  缺陷检测流程


通过测试发现,OK的样本和NG的样本在概率图的呈现形式上有明显的差异,通过blob工具,开启面积和阈值使能,过滤干扰项,达到字符缺陷检测的效果。测试样本集中,OK的样本为800张,NG的样本为400张,OK的全部识别正常,NG的误识别为4张,综合识别率为99.7%。


总结:

在实际的应用环节发现,终端客户对字符缺陷的需求要大于字符识别的需求,实际的喷码过程中,喷码错误的可能性非常低,往往会有设备异常导致的喷码缺陷,这类缺陷是客户需要剔除的,深度学习缺陷检测技术刚好可以应对这类复杂的缺陷检测需求。

版权声明:本文为V社区用户原创内容,转载时必须标注文章的来源(V社区),文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:v-club@hikrobotics.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
上一篇
已经是第一篇啦~
下一篇

深度学习和传统算法在缺陷检测应用中的特点

评论请先登录 登录
全部评论 0
Lv.0
0
关注
13
粉丝
4
创作
25
获赞
相关阅读
  • 海康移动机器人技术资料目录
    2024-09-21 浏览 0
  • VM算法平台-PLCS7通讯-二维码字符串接收及发送至S7的string类型相关问题-二维码命名存图
    2024-09-13 浏览 0
  • usb共享网络更改路由
    2024-09-24 浏览 0
  • 【MVS4.0新功能一览】第三篇采集卡相关功能
    2024-08-29 浏览 0

请升级浏览器版本

您正在使用的浏览器版本过低,请升级最新版本以获得更好的体验。

推荐使用以下浏览器