3C行业|字符缺陷检测及字符识别
该项目是检测激光镭射在铁片上的字符,通过深度学习检测字符的缺陷,无缺陷的字符通过字符识别输出字符。符合要求的将通过机械手嵌到手表带中。

1. 案例背景

(1)项目需求

客户想通过机器视觉去检测字符的缺陷,以及识别无缺陷的字符进行结果输出。

● 检测字符的缺陷,发送结果给PLC

● 识别无缺陷字符,发送结果给PLC

(2)项目痛点

每次镭射的字符不相同,使用传统算法检测字符缺陷误判率高,所需的的算子多且整体耗时较长。


2. 方案描述

(1)项目配单表


(2)方案示意图


(3)搭建与调试

● VM搭建流程:

DL字符定位:通过该模块,精准定位出需检测的字符区域,输出目标检测区域供后续BLOB分析和DL字符识别模块订阅。能够减少搜索区域,减少后续模块的算法耗时。

DL图像分割:通过自己训练的模型,然后配置参数检测出前景物体,缺陷会以白斑形式出现,供后续BLOB分析模块订阅。

Blob分析:订阅DL图像分割的缺陷概率图,通过面积以及阈值等条件,筛选符合要求白斑。

条件检测:作为一个总结果的判断,订阅的是BLOB的模块状态。

分支字符:订阅条件检测结果,NG时将通过发送NG结果给PLC。OK时先进行字符识别,识别出当前字符信息,然后将字符信息和OK结果发送给PLC。

● 字符缺陷检测:

使用字符定位工具,定位需检测字符的位置,再使用图像分割工具加BLOB分析工具来检测字符缺陷。如出现字符缺少,留白等现象,图像分割会输出缺陷概率图,缺陷会以亮斑呈现,BLOB分析则会捕获到白色区域,从而输出缺陷的面积,位置。

结论:可满足字符缺陷缺失的检测。

● 字符识别:

字符识别条件检测是使用BLOB分析的状态作为结果判断,当条件检测的结果为OK时,代表该字符无缺陷,通过分支字符进入到字符识别工具进行字符识别,识别字符信息并输出字符结果到PLC。

结论:可满足对无缺陷字符识别的要求。


3、方案优势

(1)与传统算法相比,字符缺陷识别准确率从97%提升到99.5%,字符识别准确率100%。

(2)本方案搭配RTX 2080Ti显卡,方案整体耗时在150ms,能满足客户的节拍需求。

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

V社区一周年“心仪祝福”揭晓

下一篇

每日分享|镜头基本光学参数第一弹!

评论请先登录 登录
全部评论 0
Lv.0
1
关注
375
粉丝
75
创作
862
获赞
相关阅读
  • [共享学习]VM之角度纠正问题
    2024-03-07 浏览 0
  • 机器视觉菜鸟指南
    2024-02-29 浏览 0
  • 基于C++OpenCV实现VisionMaster中的“直线边缘缺陷检测”
    2024-03-04 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