第一时间关注玻璃技术云的独立咨讯
当下人工智能、机器学习已经如火如荼,普通玻璃制造工厂涉及这方面的技术相对比较少。今天谈谈玻璃厂玻瓶二维照片映射成三维图像研究玻璃的逆袭思考。
有的玻璃厂已经使用照相检测机,这个设备就涉及机器视觉技术,或进一步运用人工智能来有效识别玻璃瓶的缺陷。
科学始于测量的观念也慢慢深入人心,作为玻璃方面的技术人员更应该拥抱像照相检测这样的测量技术及方法,从最基础的底层进行玻璃技术的归纳、演绎,从而总结并发展玻璃技术。
好的照相检测技术及设备需要完成三个步骤:
1、第一步能正确识别异常玻璃瓶产生的异常图像,有的异常图像是来自光源、环境、软件系统或者编写的算法代码产生的,需要竭力克服或避免,也有可能出现不是异常图像判断为异常的情况,更需要值得关注。
2、第二步是识别出的异常图像与现有标准或样品对比,能合理准确的进行识别。因为在玻璃制造过程中,缺陷的类型、分布、大小、形状等是各种各样的。如果是固定的算法代码和调整的有限参数去识别,总会出现偏差无法达到较为满意的效果。在这样的基础上对视觉技术的编程和检测人员的参数调试提出了很高的要求,其中可能会运用光学、图像颜色、数学等知识和技术。
3、第三步是对构成缺陷的图像进行准确的缺陷分类。只有准确识别并分类才能知道各种缺陷是否处于稳定受控的范围内,才能对已提升办法或采取的措施的效果进行有效判断。
照相检测是用照相的方式来代替人眼的观察。人是智能的有较好的理解判断能力,但人工目测效率低,容易疲劳产生误判。机器效率高不会疲劳,但需要引入智能,于是带人工智能的深度学习的视觉技术就产生了,我们的照相检测机就可以用这样的方法来提升改进我们的工作。
个人对数学比较热衷,在观察照相检测机的过程中,发现在不增加设备或其他投入的情况下,利用现有的设备和光学、图像、颜色、辅助软件和一定的数学知识,有可能通过照相检测过程中三个方位拍摄的平面照片,通过相关处理转换为带厚度分布的立体三维玻璃瓶模型。可以对玻璃在整个玻瓶上的统计分布和变化规律有全面的了解和掌控,对寻找模具设计、工艺调整、操作管理与玻璃瓶厚度分布之间的相关或因果关系,并根据关系作出相应的预判和优化有较为重要的意义。对下一步各工厂进行轻量化研究提供基础有效的数据和可行的参考方法有积极的意义。
个人思考的技术路线:
1、通过玻璃瓶的CAD尺寸造型图转换为数学上的分段函数,再进行旋转形成三维曲面。
2、把照相机得到的三张二维照片贴合到三维的玻璃瓶曲面上。
3、建立不同部位、光影下,二维照片的对比度、灰度与玻璃厚度的关系模型。
4、将第3条得到的模型关系与第2条整合,得到带厚度分布的三维立体分布图形。
5、建立分布模型的变化与模具设计、工艺调整、操作差异之间的相关或因果关系。
6、通过第5条的关系,建立统计预测模型进行模拟仿真找到最佳的工艺或操作等控制因素。
目前作了一些有效的尝试,但是离宏大目标的终点才算刚刚开始,也许是遥远的不归之路,但是道路上也许能学到更多的东西,希望看到文章且有兴趣的朋友一起探讨、研究。目前只针对圆形的玻璃瓶,具体见下图:
在数学上建立分段函数旋转形成曲面(图一)
把二维照片映射到三维曲面上(图二)
期待微信下方的留言或点赞。。。。谢谢!!!
领取专属 10元无门槛券
私享最新 技术干货