基于深度学习的瓶底喷码视觉检测方案.pdf

视觉检测方案

瓶底喷码视觉检测方案

一、现场功能需求
在线检测喷码机喷印的批号和日期，对喷印不合格品进行自动剔除。

二、检测系统设计方案
1.系统结构及工作流程

在原输送线体靠近喷码孔附近开孔，开孔大小与喷码孔大小相同。在开孔
位置底部安装相机和光源，在输送线末端安装剔除装置，在输送线旁合适位
置安放检测主机和显示屏。当产品喷码后进入检测工位，视觉检测系统开始
工作，检测到喷码合格品自动放行，检测到喷码不合格品声光报警并在末端
自动剔除。

2.系统模块介绍
视觉检测方案
检测主机
TNP-01主机使用AI技术，操作简便、更加智能。嵌入式架构，体积小、
功耗低、响应快、稳定性好。自带无线远程模块，支持远程软件升级和快速
售后服务。

相机
根据现场环境和产品情况，应使用全局曝光相机，高信噪比，可突出字
符，同时为了满足精度和视野要求，使用130万像素彩色相机，变焦范围
大，确保取图清晰：

镜头
考虑到产品的多样性和安装空间，镜头需要更大的视野和更小的空间，
应选取6mm镜头。

光源
本次使用碗光源，碗光源因其连续漫反射的特性，能够有效避免反光对
取图的影响：
视觉检测方案
算法软件
检测软件针对触摸屏进行了优化，操作简单。可针对每个品类设置检测
模板，检测模板保存有相机参数、剔除位置、特征提取参数等。选择品类后
自动加载对应品类的参数，无需频繁设置即可生产。实时显示检测总数、产
能、合格数和缺陷数。自动保存缺陷产品图片，方便回放和优化参数。
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人
脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，在图形算法领
域深度学习能把传统视觉算法不能很好识别的问题识别出来。传统机器视觉
算法通常处理容易提取、容易量化的特征（颜色、面积、圆度、角度、长度
等），而深度学习算法用于处理很难提取的特征（颜色相近、尺寸面积相
近、特征相近、图像形变、姿态不一致等）。深度学习算法往往还需要依靠
传统的图像处理算法对图像进行预处理（消除由于拍摄、光源、对焦等一系
列问题带来的噪声和影响，增强图像的一致性）两种算法相结合，可解决一
些复杂需求。

三、软件演示图

四、主要部件清单

序号名称数量品牌/型号备注
硬件设备清单
视觉检测方案
工业相机TS1MV-CA013-20GC

镜头Computar16mm
光源TS1碗光源
嵌入式控制器TS1TS-12V
相机及光源支架TS1定制
网络通讯线TS1配套
I/O数据线TS1配套

视觉检测主机TS1TNP-01含键鼠

显示屏TS1定制
声光报警模块报警提示112VLED
远程协助模块TS1TL725
剔除机构TS1定制

安装调试现场安装、调试1

软件清单
喷码OCR识别检测系统TS1V2.0
系统价格共XXXX元

备注：1、配置清单可能会根据现场具体情况做相应调整，但不影响产品品质和使用。
2、本配置和系统报价不含线体改造，如需线体改造，客户负责按照要求改造线体。

五、视觉架构原理及使用技术
缺陷检测系统是由CCD摄像头、照明系统、图像采集卡、机械装置、主控
计算机等部件组成，如图为系统结构:

其工作过程是：首先将工件通过输送到CCD摄像头视场内；然后由成像系
统和图像采集卡将图像采集到计算机内部；运用图像处理技术对采集到的原始
视觉检测方案
图像进行预处理以改善图像质量，从中提取感兴趣的特征量；最后运用模式识
别技术对取到得特征量进行分类整理以完成系统的检测,以下为一次视觉检测
的过程：

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的
信息对诸如文字，图像等数据的解释有很大的帮助。它的最终目标是让机器能
够像人一样具有分析学习能力，能够识别文字、图像等数据。深度学习是一
种复杂的机器学习算法。

六、系统性能
✓自动检测喷码有无、喷码内容等；
✓检验合格率：99.99%；
✓激光打码产品检测速度平均每小时不小于4000；
✓检测到打码不合格时声光报警并自动剔除不合格品；
✓系统采用深度学习AI算法，能适应多品种复杂背景的产品打码检测；
✓产品检测模板数量1000，可记录每个品种的使用参数，更换产品时无需重
新设置参数；
✓可设置对缺陷或正常产品的图像进行自动存储，可进行历史查询，图像保存
天数自定义，保存数量≥3000；
✓系统自带统计界面，实时显示生产速度、检测总数、合格数量、缺陷数量、
合格率等；
✓系统具备连续异常提醒功能，即当检测到连续多个不合格品时（数量自定
义），软件在主界面有连续报警提示，报警灯自动开启声光报警；
✓系统自带GE、RS232和USB等多种接口，并配有远程联网协助模块，方便进
行远程维护。
视觉检测方案

七、后期可扩展功能