本發明屬于檢測設備，尤其涉及一種面膜瑕疵自動檢測機構。

背景技術：

1、傳統的面膜瑕疵檢測依賴人工肉眼判斷，這種方法不僅耗時耗力，而且缺乏統一的標準。這種人工檢測方式存在多個問題：

2、1、生產效率低下：由于需要人工揀選，這直接影響了流水線的效率。面膜裁切后，需要先人工分揀，才能進入自動折疊裝袋的流水線。這種分揀過程不僅增加了人力成本，還降低了整體的生產效率。

3、2、質量控制困難：管理者無法實時了解面膜布的質量情況。這種信息的滯后性可能導致質量問題的延誤處理，進而影響產品的整體質量控制。

4、3、檢測結果不一致：人工檢測受到主觀意愿、情緒、視覺疲勞等人為因素的影響，導致檢測結果誤差大、速度慢。

5、4、缺乏標準化：由于缺乏統一的檢測標準，人工檢測的結果難以量化和標準化，這使得產品質量難以保證。

技術實現思路

1、本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種面膜瑕疵自動檢測機構，利用機器視覺檢測設備可以替代人工檢測，避免人工檢測標準人工主觀干擾的缺點，將檢測結果標準化、量化，進一步提高整個生產系統的自動化程度，節約人力成本，實現企業降本增效。這種檢測機構不僅提高了檢測的準確性和效率，還使得管理者能夠實時監控產品質量。

2、為解決上述技術問題，本發明采用的技術方案是：一種面膜瑕疵自動檢測機構，包括傳送帶裝置、電子感應裝置、視覺檢測裝置、自動剔除裝置、控制裝置和上位機；

3、所述傳送帶裝置，用于運輸面膜經過視覺檢測裝置；

4、所述電子感應裝置，用于檢測面膜是否進入視覺檢測裝置，當檢測到面膜進入視覺檢測裝置后，向控制裝置發送感應信號；

5、所述控制裝置，用于接收到感應信號后，控制視覺檢測裝置采集圖像信息；

6、所述視覺檢測裝置，用于采集面膜圖像；

7、所述上位機，用于接收視覺檢測裝置采集的面膜圖像，并基于面膜圖像檢測面膜的瑕疵，還用于向控制裝置發送剔除指令；

8、所述控制裝置，還用于接收到上位機的剔除指令后，向自動剔除裝置發送剔除信號；

9、所述自動剔除裝置，用于在接受到剔除信號后，將從視覺檢測裝置運出的面膜進行剔除。

10、上述面膜瑕疵自動檢測機構，所述傳送裝置優選的為兩節傳送帶，其中一節傳送帶位于視覺檢測裝置內部，所述視覺檢測裝置包括面陣相機和線掃相機，所述面陣相機用于從上向下拍攝采集面膜的正面圖像，所述線掃相機用于從下向上拍攝采集面膜的反面圖像。

11、位于視覺檢測裝置內部的傳送帶可以優選為透明傳送帶。

12、上述面膜瑕疵自動檢測機構，所述自動剔除裝置安裝在視覺檢測裝置的出口處，所述視覺檢測裝置的正下方設置有廢料斗。

13、上述面膜瑕疵自動檢測機構，所述上位機基于面膜圖像檢測面膜的瑕疵時，包括以下步驟：

14、步驟1、對面膜圖像進行預處理，減少噪聲并凸顯面膜本身特征；

15、步驟2、對面膜圖像進行邊緣提取操作，剔除面膜外部的傳送帶圖像；

16、步驟3、將經過步驟2處理后的面膜圖像輸入預先訓練好的深度學習模型中進行特征識別，識別出面膜的瑕疵特征。

17、上述面膜瑕疵自動檢測機構，步驟1中對圖像預處理包括通過高斯模糊減少圖像噪聲，然后通過多級閾值分割將圖像轉換為多級灰度圖像。

18、上述面膜瑕疵自動檢測機構，步驟2中對面膜圖像進行邊緣提取操作，采用sobel算子實現邊緣提取。

19、上述面膜瑕疵自動檢測機構，步驟3中所述深度學習模型為卷積神經網絡(cnn)，所述深度學習模型在預先訓練時，采用數據增強技術增加訓練數據的多樣性，所述數據增強技術包括對訓練數據進行鏡像、旋轉和/或平移操作，增加訓練數據的多樣性。

20、上述面膜瑕疵自動檢測機構，步驟3中，將經過步驟2處理后的面膜圖像輸入預先訓練好的深度學習模型中進行特征識別時，采用滑動窗口方法，用滑動窗口在面膜圖像上進行冗余滑動，將每個窗口的圖像輸入到深度學習模型中進行特征識別。

21、上述面膜瑕疵自動檢測機構，還包括工作臺，所述傳送帶裝置工作臺上方，所述傳送帶裝置的上方和下方各有一個拍攝倉，所述面陣相機安裝在上方的拍攝倉內，所述線掃相機安裝在下方的拍攝倉內。

22、上述面膜瑕疵自動檢測機構，電子感應裝置包括兩個光電感應器，兩個所述光電感應器對稱安裝在傳送帶裝置起始端的兩側，所述光電感應器的底面和傳送帶裝置的帶表面之間具有供面膜通行的間隙。

23、兩個所述光電感應器可以采用板形結構，板形結構便于更好的感應到面膜。

24、本發明與現有技術相比具有以下優點：該面膜瑕疵自動檢測機構的創新點在于其集成化設計和自動化流程。通過結合傳送帶裝置、電子感應裝置、視覺檢測裝置、自動剔除裝置、控制裝置和上位機，實現了從面膜運輸、感應、圖像采集、瑕疵檢測到自動剔除的全自動化操作。這種集成化系統提高了檢測效率和準確性，減少了人工干預，提升了生產效率和產品質量。該系統通過電子感應與自動控制的聯動，提高了檢測的響應速度和準確性。視覺檢測與上位機的智能分析相結合，能夠識別微小瑕疵，提升了檢測的精確度。自動剔除裝置減少了人工操作，提高了剔除效率和準確性，降低了人工成本。此外，系統的靈活性和適應性增強，能夠適應不同規格面膜的檢測需求，減少了生產中的浪費，提高了材料利用率。同時，自動化操作降低了生產過程中的安全風險，提升了生產安全性。總體而言，該檢測機構通過技術創新，實現了面膜生產的高效率、高質量和低成本，增強了產品的市場競爭力。

25、下面通過附圖和實施例，對本發明的技術方案做進一步的詳細描述。

技術特征：

1.一種面膜瑕疵自動檢測機構，其特征在于，包括傳送帶裝置、電子感應裝置、視覺檢測裝置、自動剔除裝置、控制裝置和上位機；

2.按照權利要求1所述的一種面膜瑕疵自動檢測機構，其特征在于，所述傳送裝置位于視覺檢測裝置內部的傳送帶為兩節傳送帶，所述視覺檢測裝置包括面陣相機和線掃相機，所述面陣相機用于從上向下拍攝采集面膜的正面圖像，所述線掃相機用于從下向上拍攝采集面膜的反面圖像。

3.按照權利要求1所述的一種面膜瑕疵自動檢測機構，其特征在于，所述自動剔除裝置安裝在視覺檢測裝置的出口處，所述視覺檢測裝置的正下方設置有廢料斗。

4.按照權利要求1所述的一種面膜瑕疵自動檢測機構，其特征在于，所述上位機基于面膜圖像檢測面膜的瑕疵時，包括以下步驟：

5.按照權利要求4所述的一種面膜瑕疵自動檢測機構，其特征在于，步驟1中對圖像預處理包括通過高斯模糊減少圖像噪聲，然后通過多級閾值分割將圖像轉換為多級灰度圖像。

6.按照權利要求4所述的一種面膜瑕疵自動檢測機構，其特征在于，步驟2中對面膜圖像進行邊緣提取操作，采用sobel算子實現邊緣提取。

7.按照權利要求4所述的一種面膜瑕疵自動檢測機構，其特征在于，步驟3中所述深度學習模型為卷積神經網絡(cnn)，所述深度學習模型在預先訓練時，采用數據增強技術增加訓練數據的多樣性，所述數據增強技術包括對訓練數據進行鏡像、旋轉和/或平移操作，增加訓練數據的多樣性。

8.按照權利要求4所述的一種面膜瑕疵自動檢測機構，其特征在于，步驟3中，將經過步驟2處理后的面膜圖像輸入預先訓練好的深度學習模型中進行特征識別時，采用滑動窗口方法，用滑動窗口在面膜圖像上進行冗余滑動，將每個窗口的圖像輸入到深度學習模型中進行特征識別。

9.按照權利要求2所述的一種面膜瑕疵自動檢測機構，其特征在于，還包括工作臺，所述傳送帶裝置工作臺上方，所述傳送帶裝置的上方和下方各有一個拍攝倉，所述面陣相機安裝在上方的拍攝倉內，所述線掃相機安裝在下方的拍攝倉內。

10.按照權利要求2所述的一種面膜瑕疵自動檢測機構，其特征在于，電子感應裝置包括兩個光電感應器，兩個所述光電感應器對稱安裝在傳送帶裝置起始端的兩側，所述光電感應器的底面和傳送帶裝置的帶表面之間具有供面膜通行的間隙。

技術總結
本發明公開了一種面膜瑕疵自動檢測機構，包括傳送帶裝置、電子感應裝置、視覺檢測裝置、自動剔除裝置、控制裝置和上位機；所述傳送帶裝置，用于運輸面膜經過視覺檢測裝置；所述電子感應裝置，用于檢測面膜是否進入視覺檢測裝置；所述控制裝置，用于接收到感應信號后，控制視覺檢測裝置采集圖像信息；所述視覺檢測裝置，用于采集面膜圖像；所述上位機，用于基于面膜圖像檢測面膜的瑕疵；所述控制裝置，還用于接收到上位機的剔除指令后，向自動剔除裝置發送剔除信號；所述自動剔除裝置，用于在接受到剔除信號后，將從視覺檢測裝置運出的面膜進行剔除。本發明提高了面膜瑕疵檢測的準確性和效率。

技術研發人員：周強,方明,黃敏
受保護的技術使用者：上海同溫層信息科技有限公司
技術研發日：
技術公布日：2025/4/24