一种鞋帮入楦质量检测方法、系统、设备及程序产品

技术领域

本发明属于鞋具质量检测技术领域，具体涉及一种鞋帮入楦质量检测方法、系统、设备及程序产品。

背景技术

中国是制鞋业大国，制鞋产量约占全世界产量的55％。在制鞋工序中，鞋帮入楦工序是制鞋品质保障非常重要的一个环节，具体地，鞋帮入楦工序是将鞋帮与鞋楦进行精确配合，以使鞋帮能够紧密贴合鞋楦，进而形成鞋子的基本形状。目前，绝大多数制鞋工序均还是由人工手动完成，在鞋帮入楦工序完成后，通常通过负责品检工序的工作人员手动进行质量检测。

但是，在使用现有技术过程中，发明人发现现有技术中至少存在如下问题：

一方面，人工手动检测需要耗费品检人工成本，导致人力成本较高；另一方面，人工检测通常没有精确的量化标准，主要依赖用户肉眼确认，而鞋帮是三维立体结构，人眼目视的偏差值比较大，使得人工检测存在一定的误检和漏检，这在很大程度上导致成品鞋存在一致性差的问题，影响鞋品的整体质量。

发明内容

本发明旨在至少在一定程度上解决上述技术问题，本发明提供了一种鞋帮入楦质量检测方法、系统、设备及程序产品。

为了实现上述目的，本发明采用以下技术方案：

第一方面，本发明提供了一种鞋帮入楦质量检测方法，包括：

获取待测鞋帮的鞋帮扫描数据；

从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，并根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息；其中，所述模板鞋帮数据集中包括模板特征值；

根据待测特征点位置信息，得到与待测特征点对应的检测特征值；

根据所述检测特征值与所述模板特征值，得到所述待测鞋帮的质量检测结果。

本发明可降低对鞋帮入楦的质量检测的人力成本，检测效率高，同时可提高检测精度。具体地，本发明在实施过程中，先获取待测鞋帮的鞋帮扫描数据；再从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，并根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息；其中，所述模板鞋帮数据集中包括模板特征值；随后，根据待测特征点位置信息，得到与待测特征点对应的检测特征值；最后，根据所述检测特征值与所述模板特征值，得到所述待测鞋帮的质量检测结果。在此过程中，本发明实现了对鞋帮入楦的质量进行自动检测，人力成本低，检测效率高，同时可提高检测精度，经实践证明，采用本发明进行检测的精度可达到0.5mm，同时便于将质量不合格的鞋帮半成品及时进行返工，从而提升整体的制鞋良率。

在一个可能的设计中，所述模板鞋帮数据集中还包括模板鞋帮基本参数；对应地，从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，包括：

获取所述待测鞋帮的鞋帮基本参数；

根据所述待测鞋帮的鞋帮基本参数，从所述模板鞋帮数据集中检索得到与所述待测鞋帮的鞋帮基本参数相同的模板鞋帮数据集，并将该模板鞋帮数据集作为与所述待测鞋帮匹配的模板鞋帮数据集。

在一个可能的设计中，所述鞋帮扫描数据为以所述待测鞋帮外圈的路径环绕所述待测鞋帮一圈，对所述待测鞋帮外圈的外表面进行扫描得到，所述鞋帮扫描数据包括所述待测鞋帮的三维点云数据和二维图像数据；

对应地，所述模板鞋帮数据集中包括模板鞋帮扫描数据和模板特征点位置信息，所述模板鞋帮扫描数据包括三维点云模板数据和二维图像模板数据，根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息，包括：

对所述三维点云数据和所述三维点云模板数据进行点云匹配，以便得到与所述三维点云模板数据之间的误差最小的变换后三维点云数据；其中，所述变换后三维点云数据为对所述三维点云数据进行点云变换后得到；

根据所述三维点云模板数据和所述二维图像模板数据，获取与所述模板特征点位置信息对应的模板特征点的模板特征描述子；

以任一模板特征点的模板特征点位置信息为球心且以r为半径的球内区域为搜索区域，并获取所述变换后三维点云数据位于所述搜索区域内的所有待测点的待测特征描述子；其中，r＞0；

将各待测点的待测特征描述子依次与所述模板特征描述子进行比对，并选择其中与所述模板特征描述子之间的误差最小的待测点作为所述待测鞋帮的待测特征点；

从所述变换后三维点云数据中提取得到所述待测特征点的三维坐标数据，并将该三维坐标数据作为所述待测鞋帮上的待测特征点的待测特征点位置信息。

在一个可能的设计中，对所述三维点云数据和所述三维点云模板数据进行点云匹配，包括：

获取所述三维点云数据和所述三维点云模板数据之间的最佳变换矩阵；

所述三维点云数据根据所述最佳变换矩阵进行点云变换，得到所述变换后三维点云数据；其中，所述变换后三维点云数据与所述三维点云模板数据之间的误差最小；

所述最佳变换矩阵包括最佳旋转矩阵和最佳平移矩阵；对应地，所述变换后三维点云数据与所述三维点云模板数据之间的误差为：

式中，P′指代所述变换后三维点云数据；Q指代所述三维点云模板数据；R指代最佳旋转矩阵；t指代最佳平移矩阵；p

在一个可能的设计中，根据所述三维点云模板数据和所述二维图像模板数据，获取与所述模板特征点位置信息对应的模板特征点的模板特征描述子，包括：

根据所述三维点云模板数据和所述二维图像模板数据，获取与所述模板特征点最近邻的k个样本点，以及k个样本点的三维坐标数据和颜色数据；其中，k为大于0的自然数；

对k个样本点和所述模板特征点组成的点集进行两两配对，得到k(k+1)/2组点对；

根据所述三维点云模板数据，构建每组点对的局部uvw坐标系；任一点对的所述局部uvw坐标系中的坐标值如下：u＝n

使用各局部uvw坐标系中的坐标值，得到对应点对中各点的特征描述向量；其中，与三维坐标数据p

α＝v·n

θ＝tan

d＝‖p

γ＝‖c

式中，α、δ、θ、d和γ均指代描述参数，α、δ和θ为两个点连线构成的坐标系与基坐标系之间的角度变换关系，d为所述局部uvw坐标系对应点对中两点的欧氏距离，γ为所述局部uvw坐标系对应点对中两点的颜色数据之间的欧式距离；·表示内积符号；c

根据点集中所有点的特征描述向量，对所述模板特征点进行编码，得到所述模板特征点的模板特征描述子。

在一个可能的设计中，所述待测特征点设置有多个，与待测特征点对应的检测特征值包括两个指定待测特征点之间的距离；对应地，得到两个指定待测特征点之间的距离，包括：

获取两个指定待测特征点对应的两个指定待测特征点位置信息，并根据两个指定待测特征点位置信息构建切平面；其中，所述切平面为以两个指定待测特征点连成的直线，以及两个指定待测特征点对应的法向量构成的平面；

将所述切平面与所述待测鞋帮的三维点云数据相交，得到交线线段；

对所述交线线段进行离散化处理，得到多个离散后线段；

获取多个离散后线段的长度，并将多个离散后线段的长度进行累加，得到两个指定待测特征点之间的距离。

在一个可能的设计中，得到所述待测鞋帮的质量检测结果如为质量不合格，则输出不合格位置信息至预设的鞋帮划线装置，以便所述鞋帮划线装置对待测鞋帮上与不合格位置信息对应的位置进行划线标记。

第二方面，本发明提供了一种鞋帮入楦质量检测系统，用于实现如上述任意一项所述的鞋帮入楦质量检测方法；所述鞋帮入楦质量检测系统包括：

扫描数据获取模块，用于获取待测鞋帮的鞋帮扫描数据；

位置信息计算模块，与所述扫描数据获取模块通信连接，用于从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，并根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息；其中，所述模板鞋帮数据集中包括模板特征值；

特征值计算模块，与所述扫描数据获取模块通信连接，用于根据待测特征点位置信息，得到与待测特征点对应的检测特征值；

检测结果获取模块，与所述特征值计算模块通信连接，用于根据所述检测特征值与所述模板特征值，得到所述待测鞋帮的质量检测结果。

第三方面，本发明提供了一种电子设备，包括：

存储器，用于存储计算机程序指令；以及，

处理器，用于执行所述计算机程序指令从而完成如上述任意一项所述的鞋帮入楦质量检测方法的操作。

第四方面，本发明提供了一种计算机程序产品，包括计算机程序或指令，所述计算机程序或所述指令在被计算机执行时实现如上述任意一项所述的鞋帮入楦质量检测方法。

附图说明

图1是实施例1中鞋帮入楦质量检测方法的流程图；

图2是实施例1中鞋帮数据采集装置对待测鞋帮进行鞋帮扫描数据采集的结构示意图；

图3是实施例1中扫描得到的鞋帮扫描数据的可视化示意图；

图4是实施例1中标识了示例模板特征值的鞋帮扫描数据的可视化示意图；

图5是实施例1中将所述三维点云数据和所述三维点云模板数据进行全局空间对齐后显示的点云数据示意图；

图6是实施例1中标识了切平面的鞋帮扫描数据的可视化示意图；

图7是实现本实施例1中鞋帮入楦质量检测方法的鞋帮入楦质量检测装置的结构示意图；

图8是实施例2中鞋帮入楦质量检测系统的模块框图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。

实施例1：

本实施例公开了一种鞋帮入楦质量检测方法，可以但不限于由具有一定计算资源的计算机设备或虚拟机执行，例如由个人计算机、智能手机、个人数字助理或可穿戴设备等电子设备执行，或者由虚拟机执行。

如图1所示，一种鞋帮入楦质量检测方法，可以但不限于包括有如下步骤：

S1.获取待测鞋帮的鞋帮扫描数据；本实施例中，所述鞋帮扫描数据为以所述待测鞋帮外圈的路径环绕所述待测鞋帮一圈，对所述待测鞋帮外圈的外表面进行扫描得到，其中的环绕路径如为待测鞋帮外圈的矩形路径，此处不予限制，采用矩形路径可便于进行后续的点坐标计算；所述鞋帮扫描数据包括所述待测鞋帮的三维点云数据和二维图像数据；应当理解的是，本实施例中，鞋帮的三维点云数据通过预设的鞋帮数据采集装置中的线激光三维相机采集得到，鞋帮的二维图像数据通过预设的鞋帮数据采集装置中的线扫二维相机采集得到，线扫二维相机携带有线扫光源，鞋帮数据采集装置可在预设的旋转移动装置的驱动下环绕鞋帮外圈转动；作为示例，图2给出了鞋帮数据采集装置对待测鞋帮进行鞋帮扫描数据采集的结构示意图，图中，101指代线激光三维相机，102指代线扫二维相机，16指代待测鞋帮。图3给出了扫描得到的鞋帮扫描数据的可视化示意图。

此外，在采集鞋帮扫描数据之前，将用于采集鞋帮的三维点云数据的线激光三维相机和用于采集鞋帮的二维图像数据的线扫二维相机进行联合标定，以便鞋帮扫描数据通过三维点云数据和二维图像数据进行联合表示，其中的联合标定通过现有技术实现，此处不予赘述。

具体地，本实施例中，所述鞋帮扫描数据可表示为PC，PC＝{p

S2.从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，并根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息；其中，所述模板鞋帮数据集中包括模板特征值；

具体地，本实施例中，所述鞋帮模板数据库为对待测鞋帮进行质量检测前构建得到，所述鞋帮模板数据库中预存有与多种待测鞋帮匹配的模板鞋帮的模板鞋帮数据集，模板鞋帮数据集包括模板鞋帮基本参数、模板鞋帮扫描数据、模板特征点位置信息以及模板特征值等数据；其中的模板鞋帮基本参数包括鞋型、码数及左右脚标识等信息；模板特征点位置信息包括模板鞋头中轴线位置信息及鞋帮后跟中轴线位置信息等位置信息；作为举例，如图4所示，模板特征值包括鞋头中轴与鞋底头切点到鞋头花样之间的距离、鞋帮侧边LOGO与鞋底切点之间的距离、鞋帮后跟花样与鞋底切点之间的距离161、鞋帮后跟左侧图案与鞋底切点之间距离162(也可称之为鞋帮后跟左侧图案的高度)和/或鞋帮后跟右侧图案与鞋底切点之间距离163(也可称之为鞋帮后跟右侧图案的高度)等数据，此处不予限制。

所述模板鞋帮数据集中还包括模板鞋帮基本参数；对应地，步骤S2中，从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，包括：

获取所述待测鞋帮的鞋帮基本参数；

根据所述待测鞋帮的鞋帮基本参数，从所述模板鞋帮数据集中检索得到与所述待测鞋帮的鞋帮基本参数相同的模板鞋帮数据集，并将该模板鞋帮数据集作为与所述待测鞋帮匹配的模板鞋帮数据集。

本实施例中，所述模板鞋帮数据集中包括模板鞋帮扫描数据和模板特征点位置信息，所述模板鞋帮扫描数据包括三维点云模板数据和二维图像模板数据，步骤S2中，根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息，包括：

S201.对所述三维点云数据和所述三维点云模板数据进行点云匹配，以便得到与所述三维点云模板数据之间的误差最小的变换后三维点云数据；其中，所述变换后三维点云数据为对所述三维点云数据进行点云变换后得到。

具体地，步骤S201中，对所述三维点云数据和所述三维点云模板数据进行点云匹配，包括：

S201a.获取所述三维点云数据和所述三维点云模板数据之间的最佳变换矩阵；

S201b.所述三维点云数据根据所述最佳变换矩阵进行点云变换，得到所述变换后三维点云数据；其中，所述变换后三维点云数据与所述三维点云模板数据之间的误差最小；

具体地，本实施例中，可以但不仅限于采用ICP(Iterative Closest Point,迭代最近点)算法实现所述三维点云数据和所述三维点云模板数据之间点云配准,以将所述三维点云数据和所述三维点云模板数据全局空间对齐到一个统一的坐标系中，进而得到所述三维点云数据和所述三维点云模板数据之间的最佳变换矩阵；其中，ICP算法通过迭代的方式不断改善所述三维点云数据和所述三维点云模板数据之间的对齐效果，其具备简单易懂、容易实现，并且对初始位姿的依赖性交底等优势。作为举例，本实施例的图5给出了将所述三维点云数据和所述三维点云模板数据进行全局空间对齐后显示的点云数据示意图，其中的浅色部分点云数据171指代所述三维点云模板数据，深色部分点云数据172指代所述三维点云数据。

所述最佳变换矩阵包括最佳旋转矩阵R和最佳平移矩阵t；对应地，所述变换后三维点云数据与所述三维点云模板数据之间的误差为：

式中，P′指代所述变换后三维点云数据，所述三维点云数据可表示为P＝{p

需要说明的是，本实施例中，所述三维点云数据根据所述最佳变换矩阵进行点云变换，也即所述三维点云数据根据最佳旋转矩阵R进行旋转，再根据最佳平移矩阵t进行平移，即可得到所述变换后三维点云数据。所述变换后三维点云数据与所述三维点云模板数据之间的误差最小，也即所述变换后三维点云数据P中所有点的三维坐标数据与所述三维点云模板数据Q中所有对应点的三维坐标模板数据之间距离之和最小。

S202.根据所述三维点云模板数据和所述二维图像模板数据，获取与所述模板特征点位置信息对应的模板特征点的模板特征描述子；其中，所述模板特征点设置有多个；本实施例中，通过采用颜色结合的特征描述子描述方法，可便于快速实现对特征点位置的定位。

具体地，步骤S202中，根据所述三维点云模板数据和所述二维图像模板数据，获取与所述模板特征点位置信息对应的模板特征点的模板特征描述子，包括：

S202a.根据所述三维点云模板数据和所述二维图像模板数据，获取与所述模板特征点最近邻的k个样本点，以及k个样本点的三维坐标数据和颜色数据；其中，k为大于0的自然数；应当理解的是，与所述模板特征点最近邻的k个样本点，也即距离与模板特征点小于预设值的样本点；所述二维图像模板数据中包括多个样本点的颜色数据，根据k个样本点的三维坐标数据，即可得到所述二维图像模板数据中与k个样本点对应的颜色数据；

S202b.对k个样本点和所述模板特征点组成的点集进行两两配对，得到k(k+1)/2组点对；具体地，假设k为3，则从k个样本点任选择一个样本点，此时有3种选择，再在剩下的样本点里选择一个样本点，此时有2种选择，因此，点对组合的个数为3*2＝6种；但是，上述6种点对组合中存在样本点A+B以及B+A的选择重复，因此实际的点对组合的个数为3*2/2＝3种；以此类推，如为包括k个样本点和一模板特征点的k+1个点，其点对的组合数量即为(k+1)*k/2个。本实施例中，进行两点的配对，用于构建足够多的点对，以便描述该模板特征点，从而可使得该模板特征点的特征描述子是独一无二的，利于提升后续待测特征点的查找准确度。

S202c.根据所述三维点云模板数据，构建每组点对的局部uvw坐标系；任一点对的所述局部uvw坐标系中的坐标值如下：u＝n

S202d.使用各局部uvw坐标系中的坐标值，得到对应点对中各点的特征描述向量；其中，与三维坐标数据p

α＝v·n

θ＝tan

d＝‖p

γ＝‖c

式中，α、δ、θ、d和γ均指代描述参数，为自定义设置，其中，α、δ和θ为两个点连线构成的坐标系与基坐标系之间的角度变换关系，d为所述局部uvw坐标系对应点对中两点的欧氏距离，γ为所述局部uvw坐标系对应点对中两点的颜色数据之间的欧式距离；·表示内积符号；c

S202e.根据点集中所有点的特征描述向量，对所述模板特征点进行编码，得到所述模板特征点的模板特征描述子。

具体地，本实施例中，通过将所述模板特征点所述点对的特征描述向量放在一个直方图中，每个特征描述向量划分为3个区间，则所述模板特征点的特征矢量有243维。由于特征描述向量中的前三个描述都是角度，因此可以对模板特征点的特征矢量做归一化处理，将每个点对的特征描述向量按所属区间进行投票，即可得到该模板特征点的特征描述向量，也即模板特征描述子，所述模板特征描述子表示如下：

F

式中，N

S203.以任一模板特征点的模板特征点位置信息为球心且以r为半径的球内区域为搜索区域，并获取所述变换后三维点云数据位于所述搜索区域内的所有待测点的待测特征描述子；其中，r＞0；具体地，本实施例中，半径r根据模板鞋帮中所有模板特征点的位置确认，为尽可能减少计算量，本实施例中，所述搜索区域为体积最小，且所有模板特征点均位于所述搜索区域内的球型区域；本实施例中，待测点的待测特征描述子的获取过程与模板特征描述子的获取过程一致，此处不再予以赘述。

S204.将各待测点的待测特征描述子依次与所述模板特征描述子进行比对，并选择其中与所述模板特征描述子之间的误差最小的待测点作为所述待测鞋帮的待测特征点；应当理解的是，任一待测点的待测特征描述子与所述模板特征描述子之间的误差越小，则表明该待测点的位置与所述模板特征描述子对应的模板特征点的位置越接近；此外，本实施例中，所述待测特征点对应所述模板特征点设置有多个，具体地，本实施例中，将各待测点的待测特征描述子逐一分别与多个模板特征描述子进行比对，并选择其中分别与多个模板特征描述子之间的误差最小的特征点作为所述待测鞋帮的待测特征点。

具体地，本实施例中，第i个待测点的待测特征描述子与所述模板特征描述子之间的误差为：

e(F

式中，F

S205.从所述变换后三维点云数据中提取得到所述待测特征点的三维坐标数据，并将该三维坐标数据作为所述待测鞋帮上的待测特征点的待测特征点位置信息。

需要说明的是，本实施例中，先对所述三维点云数据和所述三维点云模板数据进行点云匹配，得到变换后三维点云数据，以使变换后三维点云数据与三维点云模板数据位于可易于进行点云比较的区域内，从而便于根据所述模板鞋帮数据集中的模板特征点位置信息得到所述待测鞋帮的变换后三维点云数据上的待测特征点位置信息。

此外，还需要说明的是，特征描述子是对于给定关键点(如角点、边缘点等特征点)进行描述的向量表示，其目的是为了提取关键点的特征信息，以便进行图像匹配、目标识别等任务；本实施例中，为便于快速找到所述变换后三维点云数据中与模板鞋帮上模板特征点位置对应的待测特征点，通过建立所述模板特征点的模板特征描述子，再划定一搜索区域，以获取所述变换后三维点云数据位于所述搜索区域内的所有待测点的待测特征描述子，最后通过比较各待测点的待测特征描述子依次与所述模板特征描述子，得到所述待测鞋帮上的待测特征点的待测特征点位置信息；在此过程中，由于本实施例基于特征描述子获取待测特征点位置信息，可使得待测特征点的查找速度更快，且查找的准确度更高，且能够实现待测特征点的自动化查找。

S3.根据待测特征点位置信息，得到与待测特征点对应的检测特征值。

本实施例中，所述待测特征点设置有多个，与待测特征点对应的检测特征值包括两个指定待测特征点之间的距离；对应地，步骤S3中，得到两个指定待测特征点之间的距离，包括：

S301.获取两个指定待测特征点对应的两个指定待测特征点位置信息，并根据两个指定待测特征点位置信息构建切平面；其中，所述切平面为以两个指定待测特征点连成的直线，以及两个指定待测特征点对应的法向量构成的平面；如图6所示，181为一切平面。

S302.将所述切平面与所述待测鞋帮的三维点云数据相交，得到交线线段；

S303.对所述交线线段进行离散化处理，得到多个离散后线段；

S304.获取多个离散后线段的长度，并将多个离散后线段的长度进行累加，得到两个指定待测特征点之间的距离。

需要说明的是，基于上述步骤S301至步骤S304，可得到两待测特征点之间沿鞋帮表面的距离，而不是空间直线距离，由此可便于进一步提升鞋帮质量检测的准确度。

应当理解的是，与待测特征点对应的检测特征值还可包括平行度和/或角度等数据，此处不予限制。

S4.根据所述检测特征值与所述模板特征值，得到所述待测鞋帮的质量检测结果。

具体地，本实施例中，所述质量检测结果包括质量合格和质量不合格；对应地，步骤S4中，根据所述检测特征值与所述模板特征值，得到所述待测鞋帮的质量检测结果，包括：

将所述检测特征值与所述模板特征值进行比对，得到比对结果，比对结果为所述检测特征值与所述模板特征值之间的差值，如所述比对结果的绝对值不大于预设值，则判定所述待测鞋帮质量检测合格，得到质量合格的质量检测结果，如所述比对结果的绝对值大于预设值，则判定所述待测鞋帮质量检测不合格，得到质量不合格的质量检测结果。

本实施例中，得到所述待测鞋帮的质量检测结果如为质量不合格，则输出不合格位置信息至预设的鞋帮划线装置，以便所述鞋帮划线装置对待测鞋帮上与不合格位置信息对应的位置进行划线标记。

应当理解的是，本实施例在实施过程中，将包括待测鞋帮的待检测的鞋帮依次放置于鞋帮输送装置上预设的多个鞋帮固定装置上，进行鞋帮扫描数据采集的鞋帮数据采集装置以及在鞋帮质量不合格时对鞋帮进行划线标记的鞋帮划线装置均位于鞋帮输送装置的行程范围内，且鞋帮输送装置在输送鞋帮的过程中，鞋帮先经过鞋帮数据采集装置，再经过鞋帮划线装置。

如图7所示为实现本实施例中鞋帮入楦质量检测方法的鞋帮入楦质量检测装置1的结构示意图；图7中示意了鞋帮数据采集装置10、鞋帮固定装置11、鞋帮输送装置12、鞋帮划线装置13和待测鞋帮14。

本实施例中，通过输出不合格位置信息至预设的鞋帮划线装置，可对待测鞋帮不合格位置进行划线标记，进而可便于用户对鞋帮快速进行返修，由此进一步提升制鞋效率。

进一步地，本实施例中，在得到所述待测鞋帮的质量检测结果后，可通过鞋帮输送装置将该鞋帮输送至下料位，以便于人工下料，并根据质量检测结果进行后续处理，此处亦不再予以赘述。

本实施例可降低对鞋帮入楦的质量检测的人力成本，检测效率高，同时可提高检测精度。具体地，本实施例在实施过程中，先获取待测鞋帮的鞋帮扫描数据；再从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，并根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息；其中，所述模板鞋帮数据集中包括模板特征值；随后，根据待测特征点位置信息，得到与待测特征点对应的检测特征值；最后，根据所述检测特征值与所述模板特征值，得到所述待测鞋帮的质量检测结果。在此过程中，本实施例实现了对鞋帮入楦的质量进行自动检测，人力成本低，检测效率高，同时可提高检测精度，经实践证明，采用本实施例进行检测的精度可达到0.5mm，同时便于将质量不合格的鞋帮半成品及时进行返工，从而提升整体的制鞋良率。

实施例2：

本实施例公开了一种鞋帮入楦质量检测系统，用于实现实施例1中鞋帮入楦质量检测方法；如图8所示，所述鞋帮入楦质量检测系统包括：

扫描数据获取模块，用于获取待测鞋帮的鞋帮扫描数据；

位置信息计算模块，与所述扫描数据获取模块通信连接，用于从预设的鞋帮模板数据库中提取与所述待测鞋帮匹配的模板鞋帮数据集，并根据所述鞋帮扫描数据和所述模板鞋帮数据集，得到所述待测鞋帮上的待测特征点的待测特征点位置信息；其中，所述模板鞋帮数据集中包括模板特征值；

特征值计算模块，与所述扫描数据获取模块通信连接，用于根据待测特征点位置信息，得到与待测特征点对应的检测特征值；

检测结果获取模块，与所述特征值计算模块通信连接，用于根据所述检测特征值与所述模板特征值，得到所述待测鞋帮的质量检测结果。

需要说明的是，本实施例2提供的鞋帮入楦质量检测系统的工作过程、工作细节和技术效果，可以参见实施例1，于此不再赘述。

实施例3：

在实施例1或2的基础上，本实施例公开了一种电子设备，该设备可以是智能手机、平板电脑、笔记本电脑或者台式电脑等。电子设备可能被称为用户终端、便携式终端、台式终端等，电子设备包括：

存储器，用于存储计算机程序指令；以及，

处理器，用于执行所述计算机程序指令从而完成如实施例1中任一所述的鞋帮入楦质量检测方法的操作。

实施例4：

在实施例1至3任意一项实施例的基础上，本实施例公开了一种计算机程序产品，包括计算机程序或指令，所述计算机程序或所述指令在被计算机执行时实现如实施例1中任意一项所述的鞋帮入楦质量检测方法。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

最后应说明的是，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。