CN101297192A - 用于直观监测物体的方法和设备 - Google Patents

用于直观监测物体的方法和设备 Download PDF

Info

Publication number
CN101297192A
CN101297192A CNA200580051960XA CN200580051960A CN101297192A CN 101297192 A CN101297192 A CN 101297192A CN A200580051960X A CNA200580051960X A CN A200580051960XA CN 200580051960 A CN200580051960 A CN 200580051960A CN 101297192 A CN101297192 A CN 101297192A
Authority
CN
China
Prior art keywords
image
main body
equipment
video camera
subordinated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA200580051960XA
Other languages
English (en)
Other versions
CN101297192B (zh
Inventor
S·卡罗里
D·莱科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sacmi Imola SC
Original Assignee
Sacmi Imola SC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sacmi Imola SC filed Critical Sacmi Imola SC
Publication of CN101297192A publication Critical patent/CN101297192A/zh
Application granted granted Critical
Publication of CN101297192B publication Critical patent/CN101297192B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
    • G01N21/9036—Investigating the presence of flaws or contamination in a container or its contents using arrays of emitters or receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
    • G01N21/9081—Inspection especially designed for plastic containers, e.g. preforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/42—Analysis of texture based on statistical description of texture using transform domain methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8829—Shadow projection or structured background, e.g. for deflectometry
    • G01N2021/8832—Structured background, e.g. for transparent objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8896—Circuits specially adapted for system specific signal conditioning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)
  • Instruments For Viewing The Inside Of Hollow Bodies (AREA)

Abstract

一种方法，包括通过主体(3)投射由预设的光学参数(P，S)限定的光影图案，检测通过所述主体(3)的所述光影图案的图像以得到被检测图像(12；18)，处理所述被检测图像(12；18)以在所述被检测图像(12；18)中突显所述光影图案的任何不规则部分(19；24)；一种设备，包括用于通过主体投射由预设的光学参数限定的光影图案的光源装置，用于检测通过所述主体的所述光影图案的图像以得到被检测图像的图像检测装置，用于以在所述被检测图像中突显所述光影图案的任何不规则部分的方式处理所述被检测图像的装置。

Description

用于直观监测物体的方法和设备
技术领域
本发明涉及一种用于直观监测物体的方法，具体地说，该物体是由透明的塑料组成的，例如容器(像瓶子)或者容器预制件，这样的直观监测能使物体中的瑕疵被识别出来。
本发明还涉及一种用于直观监测物体的设备。
背景技术
现有的检测透明物体(例如瓶子或者容器预制件)里的瑕疵的方法和装备，提供用来照亮物体的光源和光接收装置(例如视频摄像机)，其中，光接收装置被安排用来接收透过物体的光线，以此来检测物体的图像。从被检查图像和样本图像的比较，可以确定在被监测物体中是否有瑕疵和有哪些瑕疵，样本图像例如是与被监测物体相似但是没有瑕疵的物体的图像。
现有的方法和设备的弊端是它们仅能识别出可能存在于物体中的某些类型的瑕疵，例如气泡、外来夹杂物、颜色偏差和不透光区域。实际上，物体的存在上述某一种瑕疵的区域会以不同于没有这种瑕疵的物体的其他区域的方式吸收光线。
其他不会明显影响物体吸收光线的瑕疵，例如物体表面变形，物体的某些区域的厚度不同于指定厚度，在构成物体的材料里面应力集中的区域，不会明显影响光线的吸收，因此也不能可靠地被上面所提到的方法和装备检测。
此外，也有能使那些不会影响透明物体对光线的吸收的瑕疵得到检查的设备，这样的设备提供了光极化滤波器(a light polarisingfilter)和光接收装置，光极化滤波器被安排在光源和被照亮的物体之间；光接收装置通常是一个被安排在光源对面的用来检测物体的图像的视频摄像机。被检测图像在有瑕疵的地方(例如应力的中心)有变色部分。
尽管使用极化光的该装备能使那些由于构成物体的材料的变形和应力而导致的瑕疵被检测到，但是它们需要操作者定性地分析被检测的图像，这样的分析主要建立在上面所述的操作者的经验和技能的基础上。
也就是说，在极化光的作用下得到的图像不适合用于自动检测。
因此，上面所述的设备不能被用来检验被生产线生产出来的所有产品中的瑕疵，而仅仅可以被用来实施抽样检验。
发明内容
本发明的目的是改进现有的方法和设备以便直观地监测物体。
再一个目的是得到能使得在物体中检测出广泛的瑕疵的方法和设备。
另一个目的是得到监测物体中的瑕疵而无操作者的介入的方法和设备。
还有一个目的是得到一种在物体中检测瑕疵的设备，该设备能被用来检测被生产线或者传送线处理的所有物体。
在本发明的第一个方面，提供了一种方法，包括：
-通过主体投射由预设的光学参数限定的光影图案；
-检测通过所述主体的所述光影图案的图像以得到被检测图像；
-处理所述被检测图像以在所述被检测图像中突显所述光影图案的任何不规则部分。
在本发明的第二个方面，提供了一种设备，包括：
-光源装置，用于通过主体投射由预设的光学参数限定的光影图案；
-图像检测装置，用于检测通过所述主体的所述光影图案的图像以得到被检测图像；
-处理装置，用于处理所述被检测图像，其方式使得在所述被检测图像中突显所述光影图案的任何不规则部分。
由于本发明的这些方面，可以得到能有效地检测物体中的瑕疵的方法和设备。
此外，被处理图像特别地适合于自动分析。
附图说明
通过参考附图，本发明能被更好地理解和实现，该附图通过非限定性例子的方式阐明了实施例。
图1是一个物体(具体说是一个容器预制件)的直观检测装置的图解立体图。
图2是一个部分剖面主视图，其阐明了提供有图1中的装置的设备。
图3是图2中的设备的部分剖面平面图。
图4是被图1中的装置检测到的容器预制件的图像。
图5是类似于图4中的图像的图像，其有关于另外的一个容器预制件。
图6是产生于处理图4中的图像的图像，该处理被图1中的装置进行。
图7是类似于图6中的图像的图像，来源于图5中的图象的处理。
图8是一个流程图，其阐明了得到用于处理图像的滤波器的方法。
图9是一个流程图，其阐明了处理被图1中的装置检测到的图象的方法。
图10是Gabor滤波器的实部和虚部的图像，该Gabor滤波器是根据图8中的流程图所公开的方法制作的，并且被用于图9中的流程图所公开的方法。
具体实施方式
图1所示的装置1用于直观地监测物体，例如可以从中得到容器(具体说可以是瓶子)的预制件2，用这种方式可以识别出物体上的任何瑕疵。
要被监测的物体由基本上能透过可见光的材料组成，这样的材料例如可以是玻璃或者在预制件2情况下可以是塑料，例如聚对苯二甲酸乙二醇酯(PET)。装置1也能被用来监测容器(具体说可以是瓶子)，这种容器可以从预制件2中通过拉伸吹塑成型的方法得到。
预制件2包括基本呈圆柱形的主体3，其沿着纵轴Z延伸，在第一个末端4被一个弯曲壁封闭，在第二个末端5敞开，在末端5处提供一些突出部分以适合来限定容器的颈部的螺纹。
装置1包括光源，具体地说就是照明装置6，最好包括发射表面，例如在前述表面的每一个部分都能用一种相等和均匀的方式发光的表面。
照明装置6被安排来照明预制件2的主体3。
装置1还包括光接收装置，例如照相机或者视频摄像机7，光接收装置被安排成能够接收穿过预制件2的光线，以此来检测预制件2的图像。
在照明装置6和预制件2之间提供有栅格8，栅格8包括栅格状图案9，栅格状图案9带有很多基本上彼此平行的条纹10。栅格8以这样的一种方式被安排：条纹10基本上正交于纵轴Z。
每一个条纹10包括一个对照明装置6发射出来的光基本上不透明的带子(例如颜色是黑的)，带子具有在正交于条纹10的延伸方向的方向(也即平行于纵轴Z轴)上测量出来的厚度S。条纹10有相同的厚度S，并且以基本上恒定的间距P安排在一起。
在照明装置6的发射表面11上得到栅格8，这个发射表面11被安排成在照明装置6的外面引导光源产生的光。栅格状图案9可以通过在发射表面11上打印条形图案(例如根据公知的丝网印刷技术)来设置。
换言之，照明装置6和栅格8合作以投射由预设的光学参数(厚度S和间距P)限定的光影图案穿过主体3。
在一个未示出的具体的实施例中，栅格8是不同于并且是远离照明装置6的。
视频摄像机7检测到从照明装置6通过预制件2投射出的栅格状图案9的图像。
在图4中，预制件2的第一个图像12被示出它是没有瑕疵的，正如装置1所检测到的那样。
第一个图像12包括对应于主体3的轮廓边缘的两条竖直的黑线13和与多条黑线15交错排列的多条白线14，它们限定了被检测的光影图案。白线14和黑线15彼此平行，并且基本上正交于两条竖直的黑线13，也就是正交于纵轴Z。在两条竖直的黑线13的外面，另有多条白线16和多条黑线17，它们互相交错，被安排成彼此平行并基本上正交于两条竖直的黑线13。
多条黑线15限定了通过由主体3形成的柱形透镜被检测到的条纹10的图像；另外的多条黑线17限定了在主体3外面被检测到的条纹10的图像，也即：通过检测穿过栅格8但是没有穿过预制件2的光线所得到的图像。
多条黑线15中的每一条黑线有一个厚度S′，这个厚度对于多条黑线15中的所有的黑线基本上都是一样的，黑线15按照基本上恒定的间距P′来分布。
相似地，另外的多条黑线17中的每一条另外的黑线具有和另外的多条黑线17中所有的另外的黑线基本上一样的厚度S″，这些另外的黑线按照基本上恒定的间距P″排列。
厚度S′和S″相互之间基本上是相同的；间距P′和P″相互之间基本上是相同的。更进一步讲，厚度S′和S″和厚度S基本上是相同的；间距P′和P″和厚度P基本上是相同的。
没有瑕疵的主体3因此表现得基本上像个理想的透镜。
栅格状图案9(也就是带有基本上垂直于主体3的纵轴Z的条纹10的图案9)的优点是：由没有瑕疵的主体3所界定的柱形透镜能使得被得到的条纹10的图像和那些没有在栅格8和视频摄像机7之间加入由主体3所界定的柱形透镜所检测到的条纹10的图像大体上相同。
如果主体3没有瑕疵的话，因此它也不会使条纹10的表象变形，也就是说它使栅格状图案9转变成这样一个图像：这个图像包含多个线条，这些线条的尺寸和分布特征大体上和栅格状图案9的线条相同。另一方面，当预制件2包括诸如主体3的表面变形、主体3有某些厚度不同于指定厚度的区域、在构成预制件2的材料里面应力集中的主体3的某些区域的瑕疵的时候，由主体3所界定的柱形透镜会在有瑕疵的地方使条纹10的表象变形。
图5所示的是包含上面所述类型的瑕疵的预制件2的第二个图像18。
在存在瑕疵的区域，主体3所成的透镜不同于理想的透镜，并且栅格状图案9的图像不再对应于多条厚度基本相同且相互之间基本上等距离分布的基本上平行的线条。实际上，在第二个图像18中，可以识别出变形区域19，其中多个线条是不规则的和变形的。这些变形的区域19表明，预制件2之中存在瑕疵。
为了直观地监测预制件2，把预制件2安排在和栅格8相对的一个参考位置上，在这个位置，纵轴Z和条纹10基本正交。
视频摄像机7被连接到图象处理装置，例如可以是一台计算机(图中未示出的)，在图像处理装置中实现了处理算法，该处理算法可以使被检测图像转变成被处理图像，转变的方式是可以把可能存在于被检测图像之中的任何不规则的地方在光影图案中突显出来。
被检测图像(例如第一图像12或第二图像18)被处理算法滤波以删除多条黑线15和另外的多条黑线17，从而可以从第一图像12中得到图6中所示的第一被处理图像20；从第二图像18中得到图7中所示的第二被处理图像21。
第一被处理图像20和第二被处理图像21分别包含黑色竖直线对22和22′，其间插入具有基本均一颜色的区域23和23′，黑色竖直线对22、22′分别对应于被检测图像、即第一图像12和第二图像18的两条黑色竖直线13。此外，第二被处理图像21在具有基本上均一颜色的区域23′内包含有一些部分24，其颜色区别于具有基本上均一颜色的区域23′的背景颜色。这些部分24在形状和大小上对应于被视频摄像机7检测到的第二图像18上的变形区域。
在第一被处理图像20之中，这些部分24并没有出现，这是因为该被处理图像是和一个没有瑕疵的预制件2联系在一起的。
通过从被检测图像中删除栅格状图案9的图像得到的效果是得到被处理图像，其中，存在于预制件2的主体3之中的瑕疵以斑点的形式被突显。
分析被处理图像20和21的瑕疵识别算法也可以在图像处理装置中应用。
例如，其中有一种含有斑点分析技术(“blob analysis”)的算法，斑点分析技术以分析组成图像的像素为基础；斑点分析技术能得到斑点的尺寸和分布特征并且能把被识别的斑点分类，也即：与斑点相关的瑕疵类型被分类。
另外，通过分析图像的直方图的技术或者通过对比图像和样本图像的方法，都能分析被处理图像。
在对被检测图像进行滤波之外，图像处理装置因此能确认在预制件2中是否存在瑕疵，同时也能给被检测到的瑕疵分类。
图像处理装置也能在被处理图像和储存于图像处理装置中的存储单元中的样本图像之间做比较，因此它能确认被监测的预制件2是否能被认为符合预定的质量水平。
另外，不同于图像处理装置但是和图像处理装置连接在一起的分析装置含有瑕疵识别算法，能对被处理图像进行分析，并能确定被处理图像是否符合样本图像，也即：预制件2是否符合规定的质量水平。
有了装置1，不需要操作者的介入(被需要来分析被检测图像和确定在后续加工步骤中哪些物体不能被加工，就像发生在现有技术设备中的情况一样)，我们能直观地监测出现在物体中的瑕疵。
因此，装置1能被用来对在一个系统线上加工出来的多个物体实施监测。具体地讲，我们能监测沿着一条生产线或者工作线上传送的所有物体。
在一个可替换的实施例中，图像处理装置可能不包括瑕疵识别算法或者可能不提供不同于图像处理装置的分析装置。在这种情况下，操作者检查被图像处理装置处理过的图像，并且在比较被处理图像和样本图像的基础上，识别出不符合预定质量水平的预制件。
有了图像处理装置，尤其是处理算法，被处理图像也更容易被裸眼辨读，也即：和必须分析利用极化光技术得到的变色图像这种情况比较起来，识别被处理图像和样本图像之间的任何差别更加容易。因此，操作者对被处理图像所进行的监测结果较少受制于操作者的个人技能。
当然，被检测图像的颜色，象被处理图像的颜色一样，可能不同于像上面所公开的那样是黑色或者白色。通过选择两种互相之间对比强烈的颜色可以得到对计算机或者分析装置和/或操作者来讲更容易辨读的图像。
图像处理装置可以使用需要利用Gabor滤波器的滤波技术。
查阅列在下面的文件，可以得到Gabor滤波器的详细内容：
-Gabor，D.(1946)；Theory of Communication；J.Inst.Elec.Eng.93，429-441；
-J.Daughman；“Complete discrete 2-D Gabor Transform byneural networks for image analysis and compression”；IEEE trans.Acoustic，Speech，Signal Proc.vol.35，n.7，pp.1169-1179，1988.
Gabor滤波器基本上是被复合的正弦曲线(分别沿着x轴和y轴具有中心频率U和V)调制的高斯滤波器(Gaussian filter)(分别沿着x轴和y轴带有变量sx和变量sy)，该正弦函数可以被描述成下面的方程式：
G real ( x , y , θ , f ) = e ( - 1 2 { ( x ′ sx ′ ) 2 + ( y ′ sy ′ ) 2 } ) · cos ( 2 · π · f · x ′ )
G imm ( x , y , θ , f ) = e ( - 1 2 { ( x ′ sx ′ ) 2 + ( y ′ sy ′ ) 2 } ) · sin ( 2 · π · f · x ′ )
其中：
x′＝x·cos(θ)+y·sin(θ)
y′＝y·cos(θ)-x·sin(θ)
sx′和sy′：分别沿着x轴和y轴的变量；
f：正弦函数的频率(对应栅格状图案9的线条的频率)；
θ：Gabor滤波器的角度(等于0度，因为栅格状图案9的线条是水平的)。
通过仅得到栅格状图案9的图像，我们可以计算出栅格状图案9的周期(作为黑线之间的距离的平均值，也即频率f的倒数)和变量，被定义如下：
如果Si{1...N}是黑线之间的距离，其中N+1是被包含在图像之中的线条的数量，那么周期就是：
S ‾ = Σ i = 1 n Si / N
变量就是：
VarS = Σ i = 1 n ( Si - S ‾ ) 2 N
滤波器的核的尺寸被计算以包括在所有方向上高斯包络线的99.8％。
在图4和图5中的情况下，栅格的周期是5.81个像素，变量的值是15.04，滤波器的尺寸是29×29个像素。滤波器的方程式变为：
G real ( x , y ) = e ( - 1 2 { ( x 15.04 ) 2 + ( y 15.04 ) 2 } ) · cos ( 1.08 · x )
G imm ( x , y ) = e ( - 1 2 { ( x 15.04 ) 2 + ( y 15.04 ) 2 } ) · sin ( 1.08 · x )
图10所示的是Gabor滤波器的实部GaborReal和虚部GaborImm的图像，其方程式被规定在上面。
Gabor滤波器是通过知道栅格状图案9的条纹10的厚度S和间距P被构建的。
Gabor滤波器在有多条规则黑线15的点消除栅格9的图像，并且通常以黑颜色的斑点在变形区域19出现的点表示出瑕疵。
Gabor滤波器和特殊的栅格状图案9的结合很有优势，因为在预制件2之中没有变形瑕疵的时候，和预制件2从参考位置移开很小量的时候(也即：如果纵轴Z相对于预定的平面略微倾斜)，栅格状图案9(也就是说多条黑线15)的图像不会遭受变形。
栅格状图案9的优势是，如果预制件2在稍微不同于参考位置的位置上，被检测图像相对于预制件2位于参考位置得到的图像不会有实质性的变化。这就意味着：装置1在一个确定的限度内不受预制件2的位置的可能移动的影响。
不同于栅格状图案9的栅格8的图案通过被主体3(如果没有瑕疵)限定的柱形透镜提供图像，该图像会被预制件2从参考位置的可能移动明显影响。
例如，如果栅格8包括一个竖直的条纹状图案(也即：带有平行于纵轴Z的条纹)，条纹有恒定的厚度并且彼此之间距离相等，那么主体3(如果没有瑕疵)把上述的图案转变成包括两条黑色竖直线(对应于预制件2的边缘)，和插入两条黑色竖直线之间的中间竖直线(彼此之间有一个更大的距离，比起排列在两条黑色竖直线附近的另外的竖直线)。因此被检测图像与等同和等距离的竖直条纹图案很不相同。在这种情况下，如果预制件2没有正确地位于参考位置，那么在预制件2到达的每一位置上得到的通过主体3的栅格8的图像都会不同。
作为结果，把相同的滤波器系统地用于所有被监测预制件的被检测图像是不可能的，而是必须重新为每一个被分析的预制件和为每一个不同于参考位置的预制件位置计算滤波器参数。该处理算法将相当复杂和难于执行。此外，直观监测的结果将明显不可靠。
该处理算法和瑕疵识别算法能根据下面的步骤操作：第一步骤，Gabor滤波器被定义；第二步，视频摄像机7检测的图像被Gabor滤波器处理，从滤波器里出来的被这样处理的图像被已知的图像分析技术分析，该图像分析技术例如可以是，比较被处理图像和样本图像，或者是分析被处理图像的直方图，或者是图像的分割和斑点分析。对被处理图像的分析能使被处理图像上的任何不一致的区域以下述方式被辨别出来，即明确被监测的预制件是符合或者是不符合预期的质量水平。
在实施例中，第一步还提供储存一连串的没有瑕疵的预制件的图像，从这些储存图像能得到对接下来的瑕疵检测很重要的统计信息。在这样的实施例中，在第二步的过程中，被处理图像被拿来与在第一步中得到的统计信息作比较。
图8图示的是一个流程图，其中一连串过程被指出，这些过程能被包括在第一步中——也被称为“序列(train)”。第一步骤运行一次并且仅运行一次，以限定滤波器(取决于栅格状图案9的厚度S和间距P)，该滤波器接下来被用于处理所有的被检测图像。
这样能得到具有低复杂性的算法，尤其是相比于需要为每一个被监测的物体计算滤波器参数的算法。
第一步为获得栅格8(也即栅格状图案9)的图像，在栅格8和视频摄像机7之间没有插入预制件2。
被检测图像被解释成一个矩阵。接下来，图案的空间周期(也即厚度S和间距P)和限定滤波操作的系数被计算出来，即被称为滤波器的“核心(kernel)”的这些系数的总和。然后，包括实部和虚部的Gabor滤波器的系数被计算出来，也即：分别对应于Gabor滤波器的实部和虚部的两个矩阵的系数被计算出来。最后，为滤波器的虚部和滤波器的实部计算快速傅里叶变换(FFT)；从快速傅里叶变换，得到对应于滤波器的实部的快速傅里叶变换(FFTGaborReal)的图像和对应于滤波器的虚部的快速傅里叶变换(FFTGaborImm)的图像。
在这一点上，滤波器操作被限定并且能被运用于被视频图像7检测的图像。
图9所示的是一个概括图像处理程序的流程图，也被称为“运行(run)”，其被实施于被视频摄像机7获得的每一个图像上。开始，通过将预制件2的图像(img)解释成一个矩阵来获得该图像。然后，被检测图像的快速傅里叶变换(fftImg)被计算。被检测图像的快速傅里叶变换(fftImg)乘以滤波器的实部的快速傅里叶变换(FFTGaborReal)，得到的乘积的反变换(逆FFT)被计算以得到结果图像的实部(imgResReal)。相似地，被检测图像的快速傅里叶变换(fftImg)乘以滤波器的虚部的快速傅里叶变换(FFTGaborImm)，得到的乘积的反变换(逆FFT)再被计算出来以得到结果图像的虚部(imgResImm)。
被检测图像的快速傅里叶变换(fftImg)和滤波器的实部的快速傅里叶变换(FFTGaborReal)之间的乘法和后续的反变换，以及被检测图像的快速傅里叶变换(fftImg)和滤波器的虚部的快速傅里叶变换(FFTGaborImm)之间的乘法和后续的反变换，能使该方法得以简化，这是因为它们避免了计算卷积。
结果处理图像(imgRes)通过计算该图像的实部和该图像的虚部的平方和的平方根得到。
接下来，结果图像(imgRes)按现有技术的图像分析被分析，例如分割结果图像(imgRes)。分割提供图像(imgResBin)，基于该图像确定被监测预制件是否被认为可以接受，也即：基本上符合预期的质量需求或者是被认为是有瑕疵的因此不再可以被加工。
或者，我们能计算上述函数的傅里叶变换而不计算快速傅里叶变换。计算快速傅里叶变换能让上面公开的方法变简单。
图2和图3所示的设备25，提供了上面所公开类型的用于预制件2的直观监测的装置1。实际上，设备25包括装备有栅格8的照明装置6，栅格8包括预制件2周期性面对的上面所揭示的类型的栅格状图案9。设备25包括可以绕着基本竖直的Y轴旋转的转盘28，这个转盘装备有多个抓爪(gripper)29，多个抓爪29依据一个基本恒定的角间距被固定在转盘28的边缘区域。抓爪29适合和每一个预制件2的第二末端5相互作用以支撑预制件2，并将预制件2从未示出的移开位置，通过预制件2需要被直观监测的监测位置，传送到预制件2要被传递到另一个设备或者被放置到收集容器的传递位置。
抓爪29的形状使得：预制件2的纵轴Z基本上平行于Y轴，并且基本上垂直于栅格状图案9的条纹10。
设备25装备有框架30，框架30包括基本上是正方形的底座31和被安排在邻近底座31的顶部的直柱32。转盘28被装配在底座31的中心区域。
照明装置6包括三个照明表面33，照明表面33以这样一种方式——预制件2在每一个检测位置面对三个照明表面33中的至少一个照明表面的中心区域——被装配成基本平行于框架30的两个直柱32c、32d且邻近底座31。栅格8在照明表面33中的一个表面上被得到，具体来说，是插入其他两个表面的中心照明表面。
设备25包括第一视频摄像机A，相对于转盘28，视频摄像机A被安排在照明装置6的对面，以在参考位置Q检测到预制件2的图像，参考位置Q被提供在栅格8的对面并且临近后者。第一视频摄像机A被固定在第一直柱32a上，第一直柱32a被安排在离照明装置6更远的底座31的一边。第一视频摄像机A以第一角度α(锐角)相对于包含三个照明表面33的平面倾斜。
此外，设备25包括第二视频摄像机B，相对于转盘28，视频摄像机B被安排在照明装置6的对面以在参考位置Q检测预制件2的图像。第二视频摄像机B被固定在第二直柱32b上，并以第二角度β(锐角)相对于包含三个照明表面33的平面倾斜。
在实施例中，第一角度α和第二角度β以这样一种方式——第一视频摄像机A和第二视频摄像机B基本对称于经过Y轴和参考位置Q的平面——彼此基本相等。
利用第一视频摄像机A和第二视频摄像机B(其安排使得在参考位置Q处同时作用于预制件2)能使预制件2的主体3的重要部分得到监测。
第一视频摄像机A和第二视频摄像机B被包含在装置1的直观监测的系统之中，因此和能检测出预制件2中是否含有例如——表面变形、厚度不同于预定厚度或者应力集中——这样的瑕疵的图像处理装置(没有示出)连接在一起。
此外，设备25包括另外的视频照相机，用于检测例如气泡、外来物夹杂、颜色偏差、不透光区域等其他类型的瑕疵。具体地讲，提供了适合监测位于邻近第三直柱32c的第一位置Q1的预制件2的主体3的第三视频摄像机C和第四视频摄像机D，另有第五视频摄像机E，当预制件2位于邻近第四直柱32d的第二位置Q2的时候，适合用于监测主体3。
视频摄像机C，D和E被固定于安排在转盘28下面的支撑物34。
设备25包括第六视频摄像机F，当预制件在第一位置Q1的时候，第六视频摄像机F被安排用来监测预制件2的第二末端5，以确定第二末端5的突出物是否完全、是否有缺陷(flaw)或者光晕(flush)或者第二末端5是圆柱形还是椭圆形的。第六视频摄像机F被装配在带有面向第一位置Q1的透镜的第一位置Q1的上面的第三直柱32c上。在第六视频摄像机F和位置Q1之间，加入照明第二末端5的另一个照明装置35。
实际上，设备25包括第七视频摄像机G，当预制件2在第二位置Q2的时候，其被安排用来监测预制件2的第一末端4，以便识别出主体3底部的任何光斑，外来物夹杂，斑点，塑料结晶发生点，注射点处的小孔。第七视频摄像机G被固定于带有面对那个位置的透镜的第二位置Q2之上的第四直柱32d。
此外，设备25包括另外一个照明装置36，照明装置36是以这样一种方式被定位的：预制件2在第二位置Q2的时候，被插入到第七视频摄像机G和另外的照明装置36之间。
因此，设备25能使可能发生在预制件2之中的广泛的瑕疵被识别和分析。

Claims (48)

1、一种方法，包括：
-通过主体(3)投射由预设的光学参数(P，S)限定的光影图案；
-检测通过所述主体(3)的所述光影图案的图像以得到被检测图像(12；18)；
-处理所述被检测图像(12；18)以在所述被检测图像(12；18)中突显所述光影图案的任何不规则部分(19；24)。
2、根据权利要求1的方法，其中所述光影图案包括条纹图案。
3、根据权利要求1或2的方法，其中所述条纹图案包括基本正交于所述主体(3)的纵轴(Z)的条纹。
4、根据权利要求3的方法，其中所述被检测图像包括多个线条(14，15，16，17)，所述多个线条中的所述线条基本正交于所述纵轴(Z)。
5、根据权利要求1～4中的任何一项的方法，其中所述的处理包括对所述被检测图像(12；18)进行滤波以得到被处理图像(20，21)。
6、根据权利要求5的方法，其中所述滤波包括从所述被检测图像(12；18)中删除所述光影图案的另外的图像，其中在缺少所述主体的情况中检测所述光影图案以得到所述另外的图像。
7、根据权利要求5从属于权利要求4时的权利要求6的方法，其中所述的另外的图像包括另外的多个线条(16，17)，所述另外的多个线条中的所述线条基本正交于所述的纵轴(Z)。
8、根据权利要求5～7中的任何一项的方法，其中所述的滤波包括通过Gabor滤波器的滤波。
9、根据权利要求8的方法，其中所述的Gabor滤波器包括实部(GaborReal)和虚部(GaborImm)。
10、根据权利要求1～9中的任何一项的方法，其中所述的处理包括计算所述被检测图像的傅里叶变换(fftImg)。
11、根据从属于权利要求9的权利要求10的方法，其中所述的处理另外包括计算所述实部的傅里叶变换(FFTGaborReal)。
12、根据权利要求11的方法，其中所述的处理包括用所述实部的所述傅里叶变换(FFTGaborReal)乘以所述被检测图像的所述傅里叶变换(fftImg)以得到一个乘积。
13、根据权利要求12的方法，其中所述的处理包括计算所述乘积的反变换以得到所述被处理图像的实部(imgResReal)。
14、根据权利要求9或者根据从属于权利要求9的权利要求10或者根据权利要求11～13中的任何一项的方法，其中所述的处理还包括计算所述虚部的傅里叶变换(FFTGaborImm)。
15、根据权利要求14的方法，其中所述的处理包括用所述虚部的所述傅里叶变换(FFTGaborImm)乘以所述被检测图像的所述傅里叶变换(fftImg)以得到另外一个乘积。
16、根据权利要求15的方法，其中所述的处理包括计算所述另外一个乘积的反变换以得到所述被处理图像的虚部(imgResImm)。
17、根据从属于权利要求13或者当权利要求14从属于权利要求13时的权利要求14和15的权利要求16的方法，其中所述的处理包括求所述被处理图像的所述实部(imgResReal)和所述被处理图像的所述虚部(imgResImm)的平方和的平方根，以得到结果图像(imgRes)。
18、根据权利要求17的方法，另外包括分析所述结果图像(imgRes)。
19、根据权利要求18的方法，其中所述的分析包括运用在下述组中提供的图像分析技术，所述组包括：分割所述结果图像和对所述分割图像进行斑点分析；分析所述结果图像的直方图；比较所述结果图像和样本对象。
20、根据权利要求19的方法，还包括在所述分析的结果的基础上给所述主体(3)分类。
21、根据权利要求8或9、或者根据从属于权利要求8或9的权利要求10～20中的任何一项的方法，其中在所述的通过Gabor滤波器执行所述滤波之前，获得所述Gabor滤波器。
22、根据权利要求8和9从属于权利要求6和7时权利要求21的方法，其中所述的获得步骤包括获得所述另外的图像。
23、根据权利要求22的方法，其中所述的获得步骤包括在所述另外图像的基础上计算所述Gabor滤波器的系数。
24、根据前面任何一项权利要求的方法，其中所述的主体的形状基本上为圆柱形(3)。
25、根据权利要求24的方法，其中所述的圆柱形是空心的(3)。
26、根据前面任何一项的权利要求的方法，其中所述的主体(3)是由基本上能透过可视光的材料构成的。
27、根据权利要求1～26中的任何一项的方法，其中所述的主体(3)限定了容器的预制件(2)的一部分。
28、根据权利要求1～26中的任何一项的方法，其中所述的主体(3)限定了容器的一部分。
29、一种设备，包括：
-光源装置(6)，用于通过主体(3)投射由预设的光学参数(P，S)限定的光影图案；
-图像检测装置(7；A，B)，用于检测通过所述主体(3)的所述光影图案的图像以得到被检测图像(12；18)；
-处理装置，用于以在所述被检测图像中突显所述光影图案的任何不规则部分的方式处理所述被检测图像(12；18)。
30、根据权利要求29的设备，其中所述的光影图案是通过在所述光源装置(6)和所述图像检测装置(7；A，B)之间加入栅格装置(8)得到的。
31、根据权利要求30的设备，其中所述的栅格装置(8)包括多个以基本上正交于所述主体(3)的纵轴(Z)的方式排列的条纹(10)。
32、根据权利要求31的设备，其中所述多个条纹(10)中的所述条纹具有彼此基本上相同的厚度(S)。
33、根据权利要求31或者32的设备，其中所述多个条纹(10)中的所述条纹根据预设间距(P)排列。
34、根据权利要求33的设备，其中所述间距(P)基本上恒定。
35、根据权利要求33从属于权利要求32时的权利要求33或者34的设备，其中所述的预设光学参数(P，S)与所述厚度(S)和所述间距(P)相关联。
36、根据权利要求30～35中的任何一项的设备，其中所述的栅格装置(8)在所述光源装置(6)的发光表面(11；33)上被得到。
37、根据权利要求36的设备，其中所述的发光表面(11；33)基本上是平的。
38、根据权利要求29～37中的任何一项的设备，其中所述的主体(3)是由基本上能透过可见光的材料构成的。
39、根据权利要求29～38中的任何一项的设备，其中所述的主体的形状基本上为圆柱形(3)。
40、根据权利要求39的方法，其中所述的圆柱形是空心的(3)。
41、根据权利要求29～40中的任何一项的设备，其中所述的主体(3)限定了容器预制件(2)的一部分。
42、根据权利要求29～40中的任何一项的设备，其中所述的主体(3)限定了容器的一部分。
43、根据权利要求29～42中的任何一项的设备，其中所述的图像检测装置(7；A，B)包括视频摄像机(7；A)。
44、根据从属于权利要求36或者37的权利要求43、或者根据从属于权利要求36或者37的权利要求38～43中的任何一项的设备，其中所述的视频摄像机(7)包括基本上正交于所述发光表面(11；33)的光轴。
45、根据权利要求43或者44的设备，其中所述图像检测装置(7；A，B)包括另外的视频摄像机(B)，所述视频摄像机(A)和所述另外的视频摄像机(B)以这样的方式被确定方位：当所述主体处于参考位置(Q)的时候，所述第一视频摄像机(A)和所述第二视频摄像机(B)面向所述主体(3)。
46、根据权利要求29～45中的任何一项的设备，其中所述处理装置被连接到所述图像检测装置(7；A，B)。
47、一种程序，包括当该程序在计算机系统中运行的时候，用于实现在权利要求1～28中所述的方法的代码。
48、一种可由运行在权利要求47中被限定的程序的计算机读出的支持。
CN200580051960XA 2005-09-09 2005-09-09 用于直观监测物体的方法和设备 Active CN101297192B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/IB2005/002664 WO2007029048A1 (en) 2005-09-09 2005-09-09 Method and apparatus for visually inspecting an object

Publications (2)

Publication Number Publication Date
CN101297192A true CN101297192A (zh) 2008-10-29
CN101297192B CN101297192B (zh) 2012-05-30

Family

ID=36190736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200580051960XA Active CN101297192B (zh) 2005-09-09 2005-09-09 用于直观监测物体的方法和设备

Country Status (7)

Country Link
US (1) US8254659B2 (zh)
EP (1) EP1931973B1 (zh)
CN (1) CN101297192B (zh)
AT (1) ATE419519T1 (zh)
DE (1) DE602005012163D1 (zh)
TW (1) TW200728712A (zh)
WO (1) WO2007029048A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102472707A (zh) * 2010-05-20 2012-05-23 松下电器产业株式会社 药液判定装置及药液判定方法
CN102519979A (zh) * 2011-12-10 2012-06-27 山东明佳包装检测科技有限公司 Pet瓶检测定位中消除水珠影响的方法
CN103026212A (zh) * 2010-04-13 2013-04-03 法国Iris检测仪器公司 用于检测玻璃器皿物品缺陷的方法，以及用于实施所述方法的装置
CN105444683A (zh) * 2014-08-26 2016-03-30 达观科技有限公司 透光膜的检测系统及其检测方法
CN110243831A (zh) * 2019-06-06 2019-09-17 锐捷网络股份有限公司 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质
CN112955844A (zh) * 2020-06-30 2021-06-11 深圳市大疆创新科技有限公司 目标跟踪方法、设备、系统及存储介质

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2546758C (en) * 2006-05-12 2009-07-07 Alberta Research Council Inc. A system and a method for detecting a damaged or missing machine part
DE102009020920A1 (de) * 2009-05-12 2010-11-18 Krones Ag Inspektionsvorrichtung zur Erkennung von Embossings und/oder Etiketten auf transparenten Gefäßen, insbesondere Getränkeflaschen
DE102009020919A1 (de) * 2009-05-12 2010-11-18 Krones Ag Vorrichtung zum Erkennen von Erhebungen und/oder Vertiefungen auf Flaschen, insbesondere in einer Etikettiermaschine
IT1394886B1 (it) * 2009-07-17 2012-07-20 Sacmi Sistema di ispezione e pesatura di oggetti, in particolare preforme.
GB2482473A (en) * 2010-06-29 2012-02-08 Constar Internat Uk Ltd Inspection of articles
US20120098959A1 (en) * 2010-10-20 2012-04-26 Glasstech, Inc. Method and apparatus for measuring transmitted optical distortion in glass sheets
US20140286563A1 (en) * 2013-03-19 2014-09-25 Industrial Video Solutions, Inc. Accurate detection of low-contrast defects in transparent material
CH707559A2 (de) * 2013-03-22 2014-09-30 Finatec Holding Ag Verfahren und System zur Prüfung der Farbbeschaffenheit von Preforms.
US20160178535A1 (en) * 2014-12-17 2016-06-23 Xerox Corporation Inspection Device And Method
FI20155171A (fi) * 2015-03-13 2016-09-14 Conexbird Oy Kontin tarkastusjärjestely, -menetelmä, -laitteisto ja -ohjelmisto
CH711104A2 (de) * 2015-05-18 2016-11-30 Finatec Holding Ag Prüfverfahren und Prüfsystem zur Prüfung von Werkstücken.
US9851200B2 (en) 2015-06-26 2017-12-26 Glasstech, Inc. Non-contact gaging system and method for contoured panels having specular surfaces
US9470641B1 (en) * 2015-06-26 2016-10-18 Glasstech, Inc. System and method for measuring reflected optical distortion in contoured glass sheets
US9841276B2 (en) 2015-06-26 2017-12-12 Glasstech, Inc. System and method for developing three-dimensional surface information corresponding to a contoured glass sheet
US9933251B2 (en) 2015-06-26 2018-04-03 Glasstech, Inc. Non-contact gaging system and method for contoured glass sheets
US9952037B2 (en) 2015-06-26 2018-04-24 Glasstech, Inc. System and method for developing three-dimensional surface information corresponding to a contoured sheet
US9952039B2 (en) 2015-06-26 2018-04-24 Glasstech, Inc. System and method for measuring reflected optical distortion in contoured panels having specular surfaces
MX2018009909A (es) * 2016-02-24 2018-09-11 Becton Dickinson France Sistema y metodo para inspeccionar un cilindro transparente.
US10422755B2 (en) * 2016-12-07 2019-09-24 Applied Vision Corporation Identifying defects in transparent containers
US20190096057A1 (en) 2017-05-11 2019-03-28 Jacob Nathaniel Allen Object inspection system and method for inspecting an object
DE102019208299A1 (de) 2019-06-06 2020-12-10 Krones Ag Verfahren und Vorrichtung zur optischen Inspektion von Behältern
DE102019208295A1 (de) 2019-06-06 2020-12-10 Krones Ag Verfahren und Vorrichtung zur optischen Inspektion von Behältern
DE102019208296A1 (de) 2019-06-06 2020-12-10 Krones Ag Verfahren und Vorrichtung zur optischen Inspektion von Behältern
CN111107257A (zh) * 2020-01-20 2020-05-05 成都德图福思科技有限公司 针对透明介质表面刻蚀或浮雕图案进行高对比度成像的方法
DE102022104990A1 (de) 2022-03-03 2023-09-07 Emhart Glass Sa VORRICHTUNG UND VERFAHREN ZUM INSPIZIEREN VON GEFÄßEN

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06100555B2 (ja) 1990-12-19 1994-12-12 東洋ガラス株式会社 透明物体の欠陥検査方法とその装置
US5291560A (en) * 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
US5659626A (en) * 1994-10-20 1997-08-19 Calspan Corporation Fingerprint identification system
DE19741384A1 (de) * 1997-09-19 1999-03-25 Heuft Systemtechnik Gmbh Verfahren zum Erkennen von diffus streuenden Materialien, Verunreinigungen und sonstigen Fehlern bei transparenten Gegenständen
EP1006350A1 (en) * 1998-11-30 2000-06-07 Kirin Techno-System Corporation Method for detecting defects in bottles
US6100990A (en) 1999-06-14 2000-08-08 Ford Motor Company Method and apparatus for determining reflective optical quality using gray-scale patterns
US6806951B2 (en) * 2000-09-20 2004-10-19 Kla-Tencor Technologies Corp. Methods and systems for determining at least one characteristic of defects on at least two sides of a specimen
US6424414B1 (en) 2000-10-16 2002-07-23 Agr International, Inc. Method and apparatus for detecting refractive defects in transparent containers
JP2004146782A (ja) * 2002-08-29 2004-05-20 Advanced Lcd Technologies Development Center Co Ltd 結晶化状態のｉｎ−ｓｉｔｕモニタリング方法
AU2003282321A1 (en) * 2002-12-16 2004-07-09 Koninklijke Philips Electronics N.V. Method of filtering an image with bar-shaped structures
ATE367868T1 (de) 2003-05-22 2007-08-15 M & G Polymers U S A Llc Vorrichtung und verfahren zur qualitätsüberprüfung von vorformlingen aus kunststoff
CN1272734C (zh) * 2004-05-20 2006-08-30 上海交通大学 基于非负矩阵分解的相关反馈图像检索方法
US7251033B1 (en) * 2004-06-02 2007-07-31 Advanced Micro Devices, Inc. In-situ reticle contamination detection system at exposure wavelength
US7463367B2 (en) * 2004-07-13 2008-12-09 Micron Technology, Inc. Estimating overlay error and optical aberrations

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103026212A (zh) * 2010-04-13 2013-04-03 法国Iris检测仪器公司 用于检测玻璃器皿物品缺陷的方法，以及用于实施所述方法的装置
CN103026212B (zh) * 2010-04-13 2015-07-22 法国Iris检测仪器公司 用于检测玻璃器皿物品缺陷的方法,以及用于实施所述方法的装置
CN102472707A (zh) * 2010-05-20 2012-05-23 松下电器产业株式会社 药液判定装置及药液判定方法
CN102472707B (zh) * 2010-05-20 2014-03-12 松下电器产业株式会社 药液判定装置及药液判定方法
CN102519979A (zh) * 2011-12-10 2012-06-27 山东明佳包装检测科技有限公司 Pet瓶检测定位中消除水珠影响的方法
CN102519979B (zh) * 2011-12-10 2013-12-04 山东明佳包装检测科技有限公司 Pet瓶检测定位中消除水珠影响的方法
CN105444683A (zh) * 2014-08-26 2016-03-30 达观科技有限公司 透光膜的检测系统及其检测方法
CN105444683B (zh) * 2014-08-26 2018-07-03 达观科技有限公司 透光膜的检测系统及其检测方法
CN110243831A (zh) * 2019-06-06 2019-09-17 锐捷网络股份有限公司 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质
CN110243831B (zh) * 2019-06-06 2022-02-15 锐捷网络股份有限公司 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质
CN112955844A (zh) * 2020-06-30 2021-06-11 深圳市大疆创新科技有限公司 目标跟踪方法、设备、系统及存储介质

Also Published As

Publication number Publication date
ATE419519T1 (de) 2009-01-15
EP1931973B1 (en) 2008-12-31
EP1931973A1 (en) 2008-06-18
DE602005012163D1 (de) 2009-02-12
TW200728712A (en) 2007-08-01
US20080310701A1 (en) 2008-12-18
WO2007029048A1 (en) 2007-03-15
CN101297192B (zh) 2012-05-30
US8254659B2 (en) 2012-08-28

Similar Documents

Publication Publication Date Title
CN101297192B (zh) 用于直观监测物体的方法和设备
CN104118609B (zh) 贴标质量检测方法和装置
CN101566582B (zh) 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统
CN109671058B (zh) 一种大分辨率图像的缺陷检测方法及系统
JP4784555B2 (ja) 形状評価方法、形状評価装置および三次元検査装置
KR20180127995A (ko) 이동하는 유리 웹의 엣지 표면을 검사하기 위한 방법들 및 장비
US7898655B2 (en) Machine for inspecting glass containers
CN105745523A (zh) 用于检查缠绕的光纤的系统和方法
CN110403232A (zh) 一种基于二级算法的烟支质量检测方法
CN114519696B (zh) 基于光学智能化的pvc热收缩膜检测方法及系统
CN110252674A (zh) 一种基于机器视觉的包装盒质量检测的方法及系统
KR20200039047A (ko) 필름 결함 검출 방법 및 시스템
JP6183875B2 (ja) 多孔質炭素繊維シート状物の検査方法および検査装置
CN108414531A (zh) 一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法
JP6360782B2 (ja) ねじ類の検査方法
JP2015004674A (ja) 光学フィルムの欠陥判別方法
Chiou et al. Flaw detection of cylindrical surfaces in PU-packing by using machine vision technique
Yao et al. Exterior quality inspection of rice based on computer vision
CN114813761B (zh) 一种基于双光频闪的薄膜针孔和亮斑缺陷识别系统及方法
JP6168834B2 (ja) 光学フィルムの欠陥判別方法
Yang et al. An automated visual inspection system for foreign fiber detection in lint
KR102260734B1 (ko) 제품 검사 장치 및 이를 이용한 제품 검사 방법
KR101349662B1 (ko) 광학 필름의 결함 판별 방법
JPH04121647A (ja) 金属缶端部の外観検査方法及び装置
JP6194659B2 (ja) 樹脂製容器検査装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant