系統(tǒng)包括:噴碼檢測相機、噴碼檢測光源及設置在紙盒上部的外形檢測相機；至少一個激光光源,設置在紙盒上部,用于發(fā)射激光線,以在所述紙盒表面的端到第二端形成所述激光線；至少一個第二激光光源,設置在紙盒上部,用于發(fā)射第二激光線,以在所述紙盒表面的側(cè)到第二側(cè)形成所述第二激光線；圖像處理裝置,分別與外形檢測相機及噴碼檢測相機連接,用于接收外形檢測相機及噴碼檢測相機采集到的紙盒圖像,根據(jù)紙盒圖像判斷當前紙盒是否封裝完好及噴碼是否合格。其可配合現(xiàn)有紙盒封裝噴碼生產(chǎn)線,實現(xiàn)對紙盒封裝及表面噴碼的實時在線檢測,降低了漏檢率,提高了檢測精度。

時間碼缺陷檢測依然以人力主導.目前的用以檢驗時間碼缺陷的算法受制于算法復雜度和準確度,沒法在工業(yè)領域得到很大范疇的運用.對于那樣的狀況,明確提出了一種新的根據(jù)迭代更新配準的t-rotate iterative closest point(PRICP)算法.該算法把時間碼抽象性為點特點,根據(jù)對模版和特點點開展配準來快速檢測時間碼的缺陷,引進深度學習進一步提高了該算法的性,魯棒性及缺陷歸類能力.該算法早已取得成功運用于青島啤酒廠生產(chǎn)流水線條碼時間的缺陷檢測中,當場運作數(shù)據(jù)顯示該算法在魯棒性和層面顯著好于別的方式 ,適用好幾個連通域信息內(nèi)容碼的迅速缺陷檢測,另外不會受到標準及情況管束,抗噪音能力強,可立即運用于別的的視覺效果行業(yè).

字符識別技術性是用機器視覺技術開展系統(tǒng)識別的關鍵研究內(nèi)容之一.生產(chǎn)制造的工業(yè)生產(chǎn)當場環(huán)境惡劣,會造成所拍攝的圖像失幀,模糊不清,含噪音及字符造成放縮,平移變換轉(zhuǎn)動等情況.對于之上情況,對圖像開展了早期預備處理,并對字符特征開展了獲取;以后,對于二種字符特征,用改善的BP算法設計方案了2個神經(jīng)元網(wǎng)絡識別技術.字符識別技術性是用機器視覺技術開展系統(tǒng)識別的關鍵研究內(nèi)容之一.生產(chǎn)制造的工業(yè)生產(chǎn)當場環(huán)境惡劣,會造成所拍攝的圖像失幀,模糊不清,含噪音及字符造成放縮,平移變換轉(zhuǎn)動等情況.對于之上情況,對圖像開展了早期預備處理,并對字符特征開展了獲取;以后,對于二種字符特征,用改善的BP算法設計方案了2個神經(jīng)元網(wǎng)絡識別技術.