CN101645136A - 图像识别检测系统 - Google Patents
图像识别检测系统 Download PDFInfo
- Publication number
- CN101645136A CN101645136A CN200910112428A CN200910112428A CN101645136A CN 101645136 A CN101645136 A CN 101645136A CN 200910112428 A CN200910112428 A CN 200910112428A CN 200910112428 A CN200910112428 A CN 200910112428A CN 101645136 A CN101645136 A CN 101645136A
- Authority
- CN
- China
- Prior art keywords
- image
- control module
- processing platform
- image processing
- flow process
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种图像识别检测系统,包括图像采集控制模块、图像处理平台,以及制程控制模块,所述图像采集控制模块、图像处理平台,以及制程控制模块分别独立设置,图像采集控制模块与图像处理平台之间以及图像处理平台与制程控制模块分别通过网络通讯设备进行通讯。该图像处理平台采用基于数据库技术和面向对象技术设计,系统的底层是按系统处理框架设计的各类图像对象处理函数库;系统提供图形化的全中文配置界面供用户使用,系统采用模块化设计。本发明的优点在于:采用该系统,用户可灵活增加特定的功能模块以确保用户需求得以实现,同时使得系统功能可随着应用的增加而不断扩展。
Description
【技术领域】
本发明涉及检测领域,特别是关于图像识别检测系统。
【背景技术】
一、图像识别检测系统概述:
图像识别检测系统就是用机器代替人眼来做测量和判断,所以也称为机器视觉系统。机器视觉技术是一门综合了光电、机械、计算机软硬件等方面的技术,涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域的交叉学科。自起步发展至今,仅有10多年的历史。
机器视觉主要用计算机来模拟人的视觉功能,通过机器视觉产品将被摄取目标转换成图像信号,传送给专用的图像处理系统,图像处理系统具有人脑的一部分功能一一根据目标图像像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行处理并加以理解,执行各种运算来抽取目标的尺寸、形状、颜色等特征,进而根据判别的结果来控制现场的设备动作。最终用于实际检测、测量和控制。
二、图像识别检测系统组成及应用模式:
典型的机器视觉系统可以分为:图像采集部分、图像处理部分和制程控制部分。图像采集部分包括了各类照明系统、镜头、摄像系统,可根据用户不同需要进行配置。图像处理软件是整个系统的核心。制程控制部分接收图像处理软件发出的指令,通过各种信号控制生产线上的机械装置。
一个完整的机器视觉系统的主要工作过程如下:
1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心,向图像采集部分发送触发脉冲。
2、图像采集部分按照事先设定的程序和延时,分别向摄像机和照明系统发出启动脉冲进行拍照。
3、摄像机曝光后,正式开始一帧图像的扫描和输出。
4、图像采集部分接收模拟视频信号通过A/D将其数字化,或者是直接接收摄像机数字化后的数字视频数据。
5、图像采集部分将数字图像存放在处理器或计算机的内存中。并对图像进行处理、分析、识别,获得测量结果或逻辑控制值。
6、处理结果通过制程控制部分控制流水线的动作、进行定位、纠正运动的误差、报警等。
三、机器视觉与人眼检测比较如下表一所示:
表一机器视觉与人眼检测比较
人工 | 机器视觉 | |
成本 | 持续投入,工人需培训和累积经验 | 一次性投入,重复使用,成本低 |
效率 | 效率低,可能成为生产线瓶颈 | 效率高ms-s级,可匹配生产线速度 |
长时间稳定性 | 稳定性差,人长时间会疲劳,精力不集中并带来误判结果。结果可能因人而异。 | 稳定性高,每次都精确执行标准化设定,不知疲倦。 |
精度 | 低 | 高,采集的图像具有放大功能。 |
非接触性 | 可用于不适合人工作业的危险环境。 | |
扩展性 | 有较宽的光谱响应范围,如可使用人眼看不见的红外测量,扩展了人眼的视觉范围。 | |
信息采集 | 低 | 高,可自动纪录各类信息 |
四、机器视觉在工业上的广泛应用
4.1国内外应用情况
在国外,机器视觉的应用普及主要体现在半导体及电子行业,其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路:各类生产印刷电路板组装技术、设备;单、双面、多层线路板,覆铜板及所需的材料及辅料;辅助设施以及耗材、油墨、药水药剂、配件;电子封装技术与设备;丝网印刷设备及丝网周边材料等。SMT表面贴装:SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等;再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备:电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用,并且其产品在应用中占据着举足轻重的地位。除此之外,机器视觉还用于其他各个领域。
而在中国,以上行业本身就属于新兴的领域,再加之机器视觉产品技术的普及不够,导致以上各行业的应用几乎空白,即便是有,也只是低端方面的应用。目前在我国随着配套基础建设的完善,技术、资金的积累,各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现,国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试,逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少,因此,以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。
中国机器视觉未来发展趋势:在机器视觉赖以普及发展的诸多因素中,有技术层面的,也有商业层面的,但制造业的需求是决定性的。制造业的发展,带来了对机器视觉需求的提升;也决定了机器视觉将由过去单纯的采集、分析、传递数据,判断动作,逐渐朝着开放性的方向发展,这一趋势也预示着机器视觉将与自动化更进一步的融合。
4.2从功能上分类
(1)、模式匹配功能:模式匹配是机器视觉最基本最核心的功能,通过各种特征,在图像中找寻匹配的点、线、角、圆等几何形状或商标、斑点、零部件、瑕疵、药品、液面等各类复杂物体。通过模式匹配可解决缺漏件检测、有无检测、表面质量检测(瑕疵、斑点、裂痕等)、色彩检测、外观检测等。
(2)、几何测量功能:在模式匹配的基础上,进一步进行几何测量功能,包括面积、周长、角度、边缘、节距、内外径等数据计算。
(3)、OCR识别功能:可自动识别数字、文字和各类条码;
(4)、操作标准化识别:通过连续多帧图像的检测处理来判定是否按照符合标准的工序操作。如安装螺丝的顺序。
4.3从行业上分类
机器视觉伴随计算机技术、现场总线技术的发展,技术日臻成熟。由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、印刷、汽车制造等现代加工制造业中已是提高效率、质量不可或缺产品
五、当前机器视觉产品在国内推广应用存在的问题
每个企业对检测的需求千变万化,生产环境也多种多样,需检测的物品更是多种多样,满足某一种需求的软件无法满足另外的需求。
国外的产品相对国内产品成熟度高,往往针对国外已成熟行业应用和严格的流水线标准做好了流程封装,功能强大,产品化强,支持用户根据自身情况做一定的流程设置以实现快速应用。
但国外产品价格昂贵,只支持已成熟的行业应用,对生产线的要求比较高。产品往往是英文界面,不易操作使用。此外国外模块封装度比较高,如核心模式匹配模块是封装好的,用户无法根据自己实际情况进行模式匹配过程的干预,如果模式匹配算法不适合企业应用现状,则整个产品就无法应用了。而一般情况下国外产品不会根据企业特殊情况做二次开发(二次开发费用极其昂贵),不适应国内大多数企业的生产现状。
国内产品价格低廉,往往可以针对企业需求做特定开发,国产化程度较高,更适合国内企业使用,但也存在如下问题:
从应用开发模式看:
目前国内的机器视觉厂家往往是提供底层的标准图像处理算法的动态链接库产品,在此基础上供第三方或自行针对不同的应用进行二次开发,开发应用周期长。而开发的系统又往往是针对特定应用的,无法适应变化,导致重复开发。
从需求分析看:由于现场人员对需求和技术实现的抽象理解能力差,开发人员又往往不熟悉生产工艺,双方沟通困难,即使反复多次,有时也无法保证对需求准确的把握。
从测试使用看:由于现场情况千变万化,在系统开发完成后,必须经过一段时间的严格的线上测试,并根据现场情况不断进行改进。由于测试时间长,而现场人员又不能根据现场情况自行快速调整不同方案以获得最佳测试效果,需要频繁联系开发人员改动,造成长时间测试修改而效果不理想。
此外,国内企业正处于高速发展过程中,生产工艺流程或检测标准经常发生变化,现有国内外产品往往无法适应这一特点,售后服务费用也非常高昂。
【发明内容】
本发明所要解决的技术问题在于提供一种具有全中文配置界面、用户可方便灵活地配置各种处理过程,且系统功能可随着应用的增加而不断扩展的图像识别检测系统。
本发明是通过以下技术方案解决上述技术问题的:一种图像识别检测系统,包括图像采集控制模块、图像处理平台,以及制程控制模块,所述图像采集控制模块将采集结果送至图像处理平台,图像处理平台将采集的图像进行处理后输出给所述制程控制模块,所述图像采集控制模块、图像处理平台,以及制程控制模块分别独立设置,图像采集控制模块与图像处理平台之间以及图像处理平台与制程控制模块分别通过网络通讯设备进行通讯。
该图像识别检测系统还包括底层的图像对象处理函数库、流程控制函数库、数据库系统、图像标准对象类、样图自动采集分析模块,以及流程配置界面;
所述图像识别检测系统的底层是按系统处理框架设计的图像对象处理函数库,所述图像处理平台通过流程控制函数库灵活控制对不同图像对象调用相应的图像对象处理函数库进行处理的过程,处理的中间数据记录在图像标准对象类中,流程控制和参数配置保存在数据库系统中,最终结果导入数据库系统或按EXCEL文件进行导出;
用户通过所述流程配置界面配置图像处理平台的各种处理过程;
所述样图自动采集分析模块一方面快速采集经图像处理平台处理过的现场图片,另一方面,样图自动采集分析模块输出采集分析结果至流程配置界面,为用户设置相应处理过程提供准确的参数参考,同时对用户设定的流程自动做有效性分析。
所述流程配置界面采用全中文流程配置界面。
所述流程配置界面采用所见即所得技术。
所述图像对象处理函数库包括图像预处理函数库、定位分割函数库、特征判定函数库,以及几何计算函数库。
所述样图自动采集分析模块具有离线测试功能。
本发明图像识别检测系统的优点在于:
1、流程化配置快速搭建应用系统:系统采用流程化配置,相对国内产品基于动态链接库二次开发的模式,可根据用户需要在现有系统框架内,以极短时间内快速搭建一个完整的应用系统;
2、系统灵活度高,应用面广:
相对于国外产品往往针对十余种具体应用分类并且封装度高而带来的应用局限性,本系统针对具体对象处理过程进行封装,可由此可组合出千变万化的应用,改变了国外产品往往需要用户应用及环境必须适应产品的局限性。
如国外产品的模式匹配功能往往只能让用户配置匹配模板,而对匹配具体算法已经封装,用户无法干预,并对物体大小或位置精度要求非常严格,要求用户保证每次采集图像的稳定性。可实际应用情况千变万化,如目标物的背景可能相当复杂,如每次采集的图片可能发生抖动、旋转、缩放、平移,如不同目标物可能根据色彩、形状、纹理等不同特性进行不同的匹配,一种算法显然是无法通用的。而本系统并不封装一个标准的模式匹配功能,而是根据底层各类函数对子过程进行灵活配置从而可根据用户实际情况实现多种多样的模式匹配应用;
3、系统具有极强的易用性,企业易于导入:
系统采用全中文界面,并实现了所见即所得的技术,使得具备基本计算机应用技能的用户在短短十几分钟即可掌握理解和使用,并可根据自身对需求的理解开始进行流程设置测试,极好地解决了用户与技术人员之间的需求理解和沟通问题;
系统设计采用独有的离线测试功能提供的样图自动采集分析模块使得繁琐复杂的在线测试、评估和调整工作变得简单快速,甚至都无需技术人员到达现场而由用户自行完成。
此外,随着用户对系统使用的熟练程度增加,用户可迅速加深对图像处理技术的理解,并可轻易自行挖掘在本企业越来越多的机器视觉应用场合,以全面提高企业自动化水平;
4、系统扩展性强
系统可针对用户的特殊情况,灵活增加特定的底层处理过程以确保用户需求得以实现,同时每次增加的处理过程均是底层模块化的,能重复使用,使得系统功能和适应面随着应用的增加而不断扩展。
此外,图像采集控制模块和制程控制模块与图像处理平台的相对独立性,可使系统灵活选择匹配不同的图像采集方式(不同的采集硬件和光源)和现场控制要求。此外,根据不同的网络通讯模式,系统可灵活实现不同的组网方式,将传统的单机应用拓展为网络级应用。而数据库的使用也使得系统产生的数据可以以通用的接口为外部系统使用,从而更好地融入企业的整体信息化系统。
【附图说明】
下面参照附图结合实施例对本发明作进一步的描述。
图1是本发明图像识别检测系统的结构框图。
【具体实施方式】
请参阅图1所示,本发明图像识别检测系统包括图像采集控制模块、图像处理平台、制程控制模块、底层的图像对象处理函数库、流程控制函数库、数据库系统、图像标准对象类、样图自动采集分析模块,以及流程配置界面。
该图像识别检测系统的核心是图像处理平台,该图像处理平台基于数据库技术和面向对象技术设计。由于计算机处理能力和数据库网络技术的迅猛发展,硬件成本不断降低,使得处理效率在得以保证的前提下,通过复杂架构搭建灵活应用的系统成为可能。该图像识别检测系统的底层是按系统处理框架设计的各类图像对象处理函数库。图像对象处理函数库可以包括图像预处理函数库、定位分割函数库、特征判定函数库,以及几何计算函数库。
所述图像处理平台通过流程控制函数库灵活控制对不同图像对象调用相应的图像对象处理函数库进行处理的过程,处理的中间数据记录在图像标准对象类中,流程控制和参数配置保存在数据库系统中,最终结果可导入数据库系统或按EXCEL文件进行导出。
该图像识别检测系统提供图形化的全中文流程配置界面供用户使用,用户可方便灵活地通过该流程配置界面配置图像处理平台的各种处理过程。同时采用所见即所得技术,使得用户可即时动态掌握每步配置后的处理效果和整体测试结果,可直观地快速掌握理解复杂抽象的图像处理技术,因此无需技术人员参与,即可自行完成对所需视觉处理效果的分析和设定。
所述样图自动采集分析模块一方面可帮助用户快速采集经图像处理平台处理过的现场图片以便用户做到离线测试,避免对正常生产的影响。另一方面,样图自动采集分析模块输出采集分析结果至流程配置界面,可为用户设置相应处理过程提供准确的参数参考,同时对用户设定的流程自动做有效性分析,帮助用户快速确定最佳处理流程。
所述图像采集控制模块可灵活配置不同的摄像头,并根据需要对摄像头拍照处理进行控制设定。
所述制程控制模块对输出控制做设定,可灵活输出不同信号以对生产线动作做到有效控制,也可进行报警设置。
综上所述,本发明具有如下特点:
1.基于数据库技术和面向对象技术设计;
2.系统的底层是按系统处理框架设计的各类图像处理函数库;
3.系统提供图形化的全中文配置界面供用户使用,用户可方便灵活地配置各种处理过程;
4.软件采用模块化设计:采用这种方式,系统就可针对用户的特殊情况,灵活增加特定的功能模块以确保用户需求得以实现,同时使得系统功能可随着应用的增加而不断扩展。
本发明图像识别检测系统具有如下主要功能:
1、多相机系统:系统支持多个摄像机和多种类型的摄像机(数字或者模拟);
2、模式匹配功能:通过各种特征,在图像中找寻匹配的点、线、角、等几何形状或商标、斑点、零部件、瑕疵、液面等各类复杂物体;
3、几何测量功能:包括面积、周长、角度、边缘、节距、直径等数据计算;
4、行为标准化识别:通过连续多帧图像的检测处理来判定是否按照符合标准的工序操作。
采用本发明图像识别检测系统可以达到的指标如下所述:
1、批量识别率:≥99.9%;
2、功能模块处理速度:≤10ms;
3、支持多种图像输入格式:数字信号、模拟信号;
4、支持图像路数:≤4路;
5、检测精度:0.04mm;
6、输入/输出控制:支持DIDO;
7、支持离线批量测试;
8、通信:TCP/IP、RS232/RS485;
9、图像处理模块数:≥68个;
10、模式匹配功能:支持;
11、流程配置功能:支持。
Claims (6)
1、一种图像识别检测系统,包括图像采集控制模块、图像处理平台,以及制程控制模块,所述图像采集控制模块将采集结果送至图像处理平台,图像处理平台将采集的图像进行处理后输出给所述制程控制模块,其特征在于:所述图像采集控制模块、图像处理平台,以及制程控制模块分别独立设置,图像采集控制模块与图像处理平台之间以及图像处理平台与制程控制模块分别通过网络通讯设备进行通讯。
2、如权利要求1所述的图像识别检测系统,其特征在于:还包括底层的图像对象处理函数库、流程控制函数库、数据库系统、图像标准对象类、样图自动采集分析模块,以及流程配置界面;
所述图像识别检测系统的底层是按系统处理框架设计的图像对象处理函数库,所述图像处理平台通过流程控制函数库灵活控制对不同图像对象调用相应的图像对象处理函数库进行处理的过程,处理的中间数据记录在图像标准对象类中,流程控制和参数配置保存在数据库系统中,最终结果导入数据库系统或按EXCEL文件进行导出;
用户通过所述流程配置界面配置图像处理平台的各种处理过程;
所述样图自动采集分析模块一方面快速采集经图像处理平台处理过的现场图片,另一方面,样图自动采集分析模块输出采集分析结果至流程配置界面,为用户设置相应处理过程提供准确的参数参考,同时对用户设定的流程自动做有效性分析。
3、如权利要求2所述的图像识别检测系统,其特征在于:所述流程配置界面采用全中文流程配置界面。
4、如权利要求2所述的图像识别检测系统,其特征在于:所述流程配置界面采用所见即所得技术。
5、如权利要求2所述的图像识别检测系统,其特征在于:所述图像对象处理函数库包括图像预处理函数库、定位分割函数库、特征判定函数库,以及几何计算函数库。
6、如权利要求2所述的图像识别检测系统,其特征在于:所述样图自动采集分析模块具有离线测试功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910112428A CN101645136A (zh) | 2009-08-26 | 2009-08-26 | 图像识别检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910112428A CN101645136A (zh) | 2009-08-26 | 2009-08-26 | 图像识别检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101645136A true CN101645136A (zh) | 2010-02-10 |
Family
ID=41657017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910112428A Pending CN101645136A (zh) | 2009-08-26 | 2009-08-26 | 图像识别检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101645136A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102116610A (zh) * | 2010-11-29 | 2011-07-06 | 科达斯特恩(常州)汽车塑件系统有限公司 | 基于机器视觉的汽车配件尺寸在线自动检测方法及装置 |
CN103246509A (zh) * | 2013-04-03 | 2013-08-14 | 北京迪文科技有限公司 | 一种微处理器数据操作定义方法及装置 |
CN105335861A (zh) * | 2015-09-06 | 2016-02-17 | 肖大林 | 一种防替代方法 |
CN105740496A (zh) * | 2014-12-31 | 2016-07-06 | 东方晶源微电子科技(北京)有限公司 | 一种大规模集成电路设计和制造的综合优化设备及方法 |
CN106094827A (zh) * | 2016-07-01 | 2016-11-09 | 蔡雄 | 一种能够自主导航电力设备巡逻车 |
CN107818582A (zh) * | 2017-11-22 | 2018-03-20 | 航天科工智能机器人有限责任公司 | 全自动识别载带卷盘角度和条码信息的检测系统和方法 |
CN108921158A (zh) * | 2018-06-14 | 2018-11-30 | 众安信息技术服务有限公司 | 图像校正方法、装置及计算机可读存储介质 |
CN109190692A (zh) * | 2018-08-21 | 2019-01-11 | 北京师范大学 | 基于生物大脑认知和抉择机理的运动物体识别方法及系统 |
CN110470349A (zh) * | 2019-09-20 | 2019-11-19 | 深圳市鑫荣精工科技有限公司 | 一种精密cnc加工产品质量检测方法 |
CN113419480A (zh) * | 2021-06-01 | 2021-09-21 | 镇江港务集团有限公司 | 一种基于机器视觉的港口用圆木识别与智能理货系统 |
CN115034735A (zh) * | 2022-04-13 | 2022-09-09 | 成都秦川物联网科技股份有限公司 | 天然气能量计量图像数据分级管理物联网系统和方法 |
-
2009
- 2009-08-26 CN CN200910112428A patent/CN101645136A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102116610B (zh) * | 2010-11-29 | 2012-10-17 | 科达斯特恩(常州)汽车塑件系统有限公司 | 基于机器视觉的汽车配件尺寸在线自动检测方法及装置 |
CN102116610A (zh) * | 2010-11-29 | 2011-07-06 | 科达斯特恩(常州)汽车塑件系统有限公司 | 基于机器视觉的汽车配件尺寸在线自动检测方法及装置 |
CN103246509A (zh) * | 2013-04-03 | 2013-08-14 | 北京迪文科技有限公司 | 一种微处理器数据操作定义方法及装置 |
CN105740496B (zh) * | 2014-12-31 | 2019-03-29 | 东方晶源微电子科技(北京)有限公司 | 一种大规模集成电路设计和制造的综合优化设备及方法 |
CN105740496A (zh) * | 2014-12-31 | 2016-07-06 | 东方晶源微电子科技(北京)有限公司 | 一种大规模集成电路设计和制造的综合优化设备及方法 |
CN105335861A (zh) * | 2015-09-06 | 2016-02-17 | 肖大林 | 一种防替代方法 |
CN106094827A (zh) * | 2016-07-01 | 2016-11-09 | 蔡雄 | 一种能够自主导航电力设备巡逻车 |
CN107818582A (zh) * | 2017-11-22 | 2018-03-20 | 航天科工智能机器人有限责任公司 | 全自动识别载带卷盘角度和条码信息的检测系统和方法 |
CN107818582B (zh) * | 2017-11-22 | 2020-02-28 | 航天科工智能机器人有限责任公司 | 全自动识别载带卷盘角度和条码信息的检测系统和方法 |
CN108921158A (zh) * | 2018-06-14 | 2018-11-30 | 众安信息技术服务有限公司 | 图像校正方法、装置及计算机可读存储介质 |
CN109190692A (zh) * | 2018-08-21 | 2019-01-11 | 北京师范大学 | 基于生物大脑认知和抉择机理的运动物体识别方法及系统 |
CN110470349A (zh) * | 2019-09-20 | 2019-11-19 | 深圳市鑫荣精工科技有限公司 | 一种精密cnc加工产品质量检测方法 |
CN113419480A (zh) * | 2021-06-01 | 2021-09-21 | 镇江港务集团有限公司 | 一种基于机器视觉的港口用圆木识别与智能理货系统 |
CN115034735A (zh) * | 2022-04-13 | 2022-09-09 | 成都秦川物联网科技股份有限公司 | 天然气能量计量图像数据分级管理物联网系统和方法 |
CN115034735B (zh) * | 2022-04-13 | 2024-07-05 | 成都秦川物联网科技股份有限公司 | 天然气能量计量图像数据分级管理物联网系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101645136A (zh) | 图像识别检测系统 | |
CN103706568B (zh) | 基于机器视觉的机器人分拣方法 | |
Chen et al. | Applying a 6-axis mechanical arm combine with computer vision to the research of object recognition in plane inspection | |
CN101912847B (zh) | 基于dsp机器视觉的水果分级系统及方法 | |
CN103776841B (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN201662537U (zh) | 一种开放式视觉检测装置 | |
CN101750419B (zh) | 基于特征匹配的开放式视觉检测方法 | |
CN105690393A (zh) | 一种基于机器视觉的四轴并联机器人分拣系统及其分拣方法 | |
CN102034098A (zh) | 螺钉自动分类系统以及螺钉自动分类方法 | |
CN104385282A (zh) | 一种视觉智能数控系统及其视觉计测方法 | |
CN106501708A (zh) | 在线检测电路板上器件漏插、插偏的方法 | |
CN207123259U (zh) | 一种自动化工件测量与喷涂流水线 | |
CN101628489B (zh) | 一种纸盒成型定位加工的控制方法及定位控制系统 | |
Labudzki et al. | The essence and applications of machine vision | |
CN203519505U (zh) | 机器人涂胶质量组合式无影无盲在线视觉检测系统 | |
CN114004815A (zh) | 一种pcba外观检测方法及装置 | |
CN208092786U (zh) | 一种以深度卷积神经网络为基础的零件分拣系统 | |
CN106938463A (zh) | 一种大型板料定位抓取的方法 | |
CN112718552A (zh) | 一种用于led电路板质量缺陷自动检验装置及其工作方法 | |
Gao et al. | An automatic assembling system for sealing rings based on machine vision | |
CN109894763B (zh) | 一种太阳能组件接线盒定位组装系统及其定位组装方法 | |
CN205552536U (zh) | 一种基于机器视觉的四轴并联机器人分拣系统 | |
CN203221514U (zh) | 一种用于工业机器人定位引导的机器视觉系统 | |
CN113465505B (zh) | 一种视觉检测定位系统和方法 | |
CN107584488A (zh) | 一种机器人的视觉引导方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100210 |