CN101696943B - 机器视觉系统对医用手术刀瑕疵的在线检测方法 - Google Patents
机器视觉系统对医用手术刀瑕疵的在线检测方法 Download PDFInfo
- Publication number
- CN101696943B CN101696943B CN 200910210889 CN200910210889A CN101696943B CN 101696943 B CN101696943 B CN 101696943B CN 200910210889 CN200910210889 CN 200910210889 CN 200910210889 A CN200910210889 A CN 200910210889A CN 101696943 B CN101696943 B CN 101696943B
- Authority
- CN
- China
- Prior art keywords
- image
- surgical knife
- medical surgical
- flaws
- flaw
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明机器视觉系统对医用手术刀瑕疵的在线检测方法，将氧化斑的直径、霉点的单位面积数和划痕的长度设为检测参量，根据用户要求设置所述不同检测参量的检测精度以及合格范围，由外部触发与控制信号启动所述相机实时拍摄在线运行医用手术刀的图像，并将拍摄的图像传输至计算机供检测，计算机通过图像算法处理，提取医用手术刀出现瑕疵的图像，并对所述的三种瑕疵尺寸或单位面积数量进行计算，通过计算出的瑕疵尺寸或数量判断该产品是属于合格品、还是废品，通过外部触发与控制信号将两类产品从不同的出料口进行分拣。本发明对医用手术刀的检测精度高、速度快，可以有效保证产品的合格率。
Description
技术领域
本发明涉及利用机器视觉系统进行在线检测的技术领域，尤其涉及在医用手术刀生产现场，利用机器视觉系统对医用手术刀瑕疵进行在线检测的方法。
背景技术
在流水作业的医用手术刀生产车间现场，对医用手术刀的瑕疵进行在线检测。现有技术中，对医用手术刀瑕疵的在线检测依靠人工目测进行检测，在医用手术刀生产机旁设约30人进行医用手术刀瑕疵的检测和处理，将检测结果分为合格品(如氧化斑直径＜1mm，且霉点单位面积数＜3个/cm2，且划痕长度＜0.5mm，及没有其他瑕疵)和不合格品(如氧化斑直径≥1mm，或霉点单位面积数≥3个/cm2，或划痕长度≥0.5mm，或有以上三种以外的其他瑕疵)。
人工检测存在的缺点主要有：生产车间现场生产速度快、噪声大，工人检测工作环境恶劣，劳动强度大；正常人眼在不间断观测运动物体30min左右，即会眼花、眼胀等不适，检测人员无法长时间不间断工作，无法保证产品出厂合格率；医用手术刀瑕疵检测是带数量和精度的检测，人眼很难准确判断，误差大，出错机会很多，无法保证检测质量；专业人员检测医用手术刀的速度最高为3个/s，对生产速率有极大限制。
发明的内容
针对现有技术对医用手术刀瑕疵的在线检测依靠人工进行检测，工人容易产生视觉疲劳，劳动强度大，无法保证产品合格率以及检测质量，监测速度低等问题，本发明提供一种机器视觉系统对医用手术刀瑕疵的在线检测方法，其大大降低工人的检测劳动强度，检测精度高、速度快，可以有效保证出厂产品的合格率。
本发明的技术方案如下：
一种机器视觉系统对医用手术刀瑕疵的在线检测方法，包括以下步骤：
(1)准备一拍摄在线运行医用手术刀瑕疵的图像的北京大恒200VM型工业相机，所述的相机由外部触发信号控制；
(2)根据待检测医用手术刀的尺寸大小调整拍摄相机的参数，包括光圈大小、曝光时间，以便获取清晰的拍摄图像；
(3)设定检测参量，包括氧化斑的直径、霉点的单位面积数和划痕的长度，并根据用户要求设置所述检测参量的检测精度以及合格范围；
(4)由外部触发与控制信号启动所述相机实时拍摄在线运行医用手术刀瑕疵的图像，并将拍摄的图像传输至计算机供检测；
(5)计算机通过图像算法处理，提取医用手术刀瑕疵的图像；
(6)计算机对所述医用手术刀瑕疵的形状和瑕疵的尺寸或数量进行计算；
(7)通过计算出的瑕疵形状和瑕疵尺寸，与步骤(3)设定的合格范围进行比较，判断该产品是属于合格品/废品，通过外部触发与控制信号将两类产品从不同的出料口进行分拣。
进一步的技术方案是：
对步骤(5)，若经过图像算法处理后发现不存在瑕疵图像，属于合格品，从合格品分拣口拣出。
以及，进一步的技术方案是：
对所述第(7)步，首先判断瑕疵是深色斑块、多个深色斑点或线形，若是深色斑块则转向第(7A)步，若是多个深色斑点则转向第(7B)步，若是线形则转向第(7C)步：
(7A)判断深色斑块瑕疵图像直径是否在合格范围(＜1mm)，如在合格范围则转向第(8A)步，若大于规定范围(≥1mm)则转向第(8B)步；
(7B)判断深色斑点单位数量是否在合格范围(＜3个/cm2)，如在合格范围则转向第(8A)步，若大于规定范围(≥3个/cm2)则转向第(8B)步；
(7C)判断线形瑕疵图像长度是否在合格范围(＜0.5mm)，如在合格范围则转向第(8A)步，若大于规定范围(≥0.5mm)则转向第(8B)步；
(8)根据前面各步骤的检测结果分别进行以下操作：
(8A)作为合格品进行分拣；
(8B)直接作为废品剔除。
以及，进一步的技术方案是：
对所述第(7)步，当检测到产品为废品时，计算机将通过人机界面进行图像提示，并启动报警装置。
本发明的有益技术效果是：
本发明采用机器视觉系统对医用手术刀瑕疵进行在线检测，取代人工检测，用户可自动进行检测精度的调节。具有对产品检测合格品、废品这两类产品的记录、分类、统计、存储、查询功能。并通过友好人机界面在图像中提示不合格品情况，并给予声、光报警提示，大大降低工人的检测劳动强度。
人工检测速度一般为3个/s，而机器视觉系统检测速度可达25个/s左右，机器视觉系统的产品检测速度是人工的8～9倍，极大提高了生产效率。
人工检测由于环境和生理的原因，无法24小时不间断进行产品质量检测，而采用机器视觉系统检测则使其成为可能。设备的生产时间可最大限度地延长，提高了设备的利用率。
人为检测由于环境噪声大、视觉易疲劳，很难连续跟踪产品质量。数值化检测靠人工很难保证，非正常次品率一般在5～10％左右，造成了生产资源和生产成本的极大浪费；机器视觉系统的检测尺寸精度最高为0.1mm，精度可每0.1mm度为一个梯度进行调整，设置为0.1、0.2、0.3、0.4、0.5....1.1、1.2度等几个精度等级，从而大大提高产品合格率以及检测质量。
附图说明
图1是有氧化斑的医用手术刀图像。
图2是有霉点的医用手术刀图像。
图3是划痕的医用手术刀图像。
图4是本发明的工艺步骤图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
图1、2、3是从医用手术刀正上方拍摄并经过处理后的图像。
在图1、2、3所示的拍摄图像中，为了更好的区分图形，图中瑕疵部分采用非标准的斑状图、点状图和线条表示瑕疵类别；四周空白部分为医用手术刀图像经过去噪软件处理后的洁净空间。
实施例一，对有氧化斑瑕疵产品的检测：
如图1所示的氧化斑瑕疵图像，其中深色部分为氧化斑形成的视觉图形。
将北京大恒200VM型工业相机固定在医用手术刀的垂直正上方，相机距手术刀表面的距离为20cm，使用4.5mm COMPUTAR手动变焦变倍镜头，光圈调到最大值，曝光时间调为0.38ms。氧化斑检测精度设置为0.1mm，设定合格品正常氧化斑直径为1mm。采用专用紫蓝色LED穹形正面光源，从医用手术刀正上方进行照射，将相机置于穹形光源的中心位置，并使用封闭遮挡金属框体，以便比较稳定地取得视觉图像，体现医用手术刀氧化斑的明显特征。照明光源的电源为恒压恒流，为不具频变或高频变的稳定光源，以便能比较稳定地拍摄到清晰的图像，并显示于计算机的屏幕。采用生产线上的专用传输系统进行手术刀输送，保证手术刀按一定的方向和速度进入检测装置。
计算机根据不同生产厂商所生产设备的不同控制系统，取得相机与生产进程同步的触发与控制信号，启动所述工业相机拍摄在线运行的医用手术刀的图像，并将获取的手术刀氧化斑图像，贮存于计算机中。
计算机对所拍摄的图像通过边缘提取、平滑去噪、二值化处理、傅利叶变换等算法进行图像处理，使图像更清晰，更符合医用手术刀氧化斑的真实情况。上述图像处理过程中所采用的算法均为现有技术中的常规算法。
计算机对手术刀氧化斑的直径进行计算。该直径是所述氧化斑最远边缘两点之间的距离，该距离值也是所述氧化斑的直径值。
如检测出的直径值为0.6mm，则该产品为合格品；如检测出的直径值为1.2mm，则该产品为不合格品。计算机对该类合格品进行记录、分类、统计入库。
实施例二，对有霉点瑕疵产品的检测：
如图2所示的霉点瑕疵图像，其中深色点状部分为霉点形成的视觉图形。
将北京大恒200VM型工业相机固定在医用手术刀的垂直正上方，相机手术刀表面的距离为30cm，使用4.5mm COMPUTAR手动变焦变倍镜头，光圈调到最大值，曝光时间调为0.38ms。设定合格品正常霉点单位面积数为3个/cm2。采用专用紫蓝色LED穹形正面光源，从医用手术刀正上方进行照射，将相机置于穹形光正中心，并使用封闭遮挡金属框体，以便比较稳定地取得视觉图像，体现医用手术刀霉点的明显特征。照明光源的电源为恒压恒流，为不具频变或高频变的稳定光源，以便能比较稳定地拍摄到清晰的图像，并显示于计算机的屏幕。采用生产线上的专用传输系统进行手术刀输送，保证手术刀按一定的方向和速度进入检测装置。
计算机根据不同生产厂商所生产设备的不同控制系统，取得相机与生产进程同步的触发与控制信号，启动所述工业相机拍摄在线运行的医用手术刀的图像，并将获取的手术刀霉点图像，贮存于计算机中。
计算机对所拍摄的图像通过边缘提取、平滑去噪、二值化处理、傅利叶变换等算法进行图像处理，使图像更清晰，更符合医用手术刀霉点的真实情况。上述图像处理过程中所采用的算法均为现有技术中的常规算法。
计算机对手术刀霉点的单位面积数量进行计算。该单位面积数量是所述图像中任何每平方厘米出现霉点的数量，该数量值也是所述霉点单位面积的数量值。
如检测出的数量值为2个/cm2，则该产品为合格品；如检测出的数量值为5个/cm2，则该产品为不合格品。计算机对该类合格品进行记录、分类、统计入库。
实施例三，对有划痕瑕疵产品的检测：
如图3所示的划痕瑕疵图像，其中黑色部分为划痕形成的视觉图形。
将北京大恒200VM型工业相机固定在医用手术刀的垂直正上方，相机距手术刀表面的距离为30cm，使用4.5mm COMPUTAR手动变焦变倍镜头，光圈调到最大值，曝光时间调为0.38ms。内部划痕检测精度设置为0.1mm，设定合格品正常划痕长度为0.5mm。采用专用紫蓝色LED穹形正面光源，从医用手术刀正上方进行照射，将相机置于穹形光源的正中心，并使用封闭遮挡金属框体，以便比较稳定地取得视觉图像，体现医用手术刀划痕的明显特征。显示光源的电源为恒压恒流，为不具频变或高频变的稳定光源，以便能比较稳定地拍摄到清晰的图像，并显示于计算机的屏幕。采用生产线上的专用传输系统进行手术刀输送，保证手术刀按一定的方向和速度进入检测装置。
计算机根据不同生产厂商所生产设备的不同控制系统，取得相机与生产进程同步的触发与控制信号，启动所述工业相机拍摄在线运行的医用手术刀的图像，并将获取的手术刀划痕图像，贮存于计算机中。
计算机对所拍摄的图像通过边缘提取、平滑去噪、二值化处理、傅利叶变换等算法进行图像处理，使图像更清晰，更符合医用手术刀划痕的真实情况。上述图像处理过程中所采用的算法均为现有技术中的常规算法。
计算机对手术刀划痕的长度进行计算。该长度是所述划痕最远端两点之间的距离，该距离值也是所述划痕的长度值。
如检测出的长度值为0.4mm，则该产品为合格品；如检测出的长度值为0.6mm，则该产品为不合格品。计算机对该类合格品进行记录、分类、统计入库。
在上述3个实施例中，若经过图像算法处理发现还有其他未知的瑕疵图像出现，则认为该医用手术刀为不合格品，将该医用手术刀作为废品进行剔除。
以上所有实施例中使用的图像采集设备(相机、照射光源、电源、图像采集卡等)及存贮设备(硬盘、光盘、软盘等)、图像处理设备(图像处理器的硬件及软件)、图像显示设备(硬件及软件)、报警装置以及上述各部分的控制系统(硬件及软件)皆采用已有技术设计制作或直接采用相关市售产品。
以上所述的本发明的工艺步骤示于图4。具体包括以下步骤：
(1)准备一拍摄在线运行医用手术刀瑕疵的图像的工业相机，所述的相机由外部触发信号控制；
(2)根据待检测医用手术刀的尺寸大小调整拍摄相机的参数，包括光圈大小、曝光时间，以便获取清晰的拍摄图像；
(3)设定检测参量，包括氧化斑的直径、霉点的单位面积数和划痕的长度，并根据用户要求设置所述检测参量的检测精度以及合格范围；
(4)由外部触发与控制信号启动所述相机实时拍摄在线运行医用手术刀瑕疵的图像，并将拍摄的图像传输至计算机供检测；
(5)计算机通过图像算法处理，提取医用手术刀瑕疵的图像，并提取手术刀瑕疵的图像；
对所述第(5)步，若不存在瑕疵图像，则认为该产品为合格品，直接从合格品分拣口拣出；
(6)计算机对所述医用手术刀瑕疵的形状和瑕疵的尺寸或数量进行计算；
(7)通过计算出的瑕疵形状和瑕疵尺寸，与步骤(3)设定的合格范围进行比较，判断该产品是属于合格品/废品，通过外部触发与控制信号将两类产品从不同的出料口进行分拣。
对所述第(7)步，首先判断瑕疵是否是深色斑块？若是深色斑块则转向第(7A)步；否则判断是否多个深色斑点？若是多个深色斑点则转向第(7B)步；否则判断是否是线形瑕疵？若是线形则转向第(7C)步；否则属于其他类型的瑕疵，直接转向第(8B)步：
(7A)判断深色斑块瑕疵图像直径是否在合格范围(＜1mm)，如在合格范围则转向第(8A)步，若大于规定范围(≥1mm)则转向第(8B)步；
(7B)判断深色斑点单位数量是否在合格范围(＜3个/cm2)，如在合格范围则转向第(8A)步，若大于规定范围(≥3个/cm2)则转向第(8B)步；
(7C)判断线形瑕疵图像长度是否在合格范围(＜0.5mm)，如在合格范围则转向第(8A)步，若大于规定范围(≥0.5mm)则转向第(8B)步；
(8)根据前面各步骤的检测结果分别进行以下操作：
(8A)作为合格品进行分拣；
(8B)直接作为废品剔除。
对所述第(7)步，当检测到产品为废品时，计算机将通过人机界面进行图像提示，并启动报警装置。
最后需要注意的是，以上所述的仅是本发明的优选实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围之内。
Claims (2)
1.一种机器视觉系统对医用手术刀瑕疵的在线检测方法，其特征在于，包括以下步骤：
(1)准备一拍摄在线运行医用手术刀瑕疵的图像的北京大恒200VM型工业相机，所述的相机由外部触发信号控制；
(2)根据待检测医用手术刀的尺寸大小调整拍摄相机的参数，包括光圈大小、曝光时间，以便获取清晰的拍摄图像；
(3)设定检测参量，包括氧化斑的直径、霉点的单位面积数和划痕的长度，并根据用户要求设置所述检测参量的检测精度以及合格范围；
(4)由外部触发与控制信号启动所述相机实时拍摄在线运行医用手术刀瑕疵的图像，并将拍摄的图像传输至计算机供检测；
(5)计算机通过图像算法处理，提取医用手术刀瑕疵的图像；
在该步骤(5)中，若经过图像算法处理后发现不存在瑕疵图像，则认为属于合格品，从合格品分拣口拣出；
(6)计算机对所述医用手术刀瑕疵的形状和瑕疵的尺寸或数量进行计算；
(7)通过计算出的瑕疵形状和瑕疵尺寸或数量，与步骤(3)设定的合格范围进行比较，判断该产品是属于合格品/废品，通过外部触发与控制信号将两类产品从不同的出料口进行分拣；具体为：
首先判断瑕疵是否为深色斑块，若是深色斑块，则转向第(7A)步，若否，则继续判断是否多个深色斑点；若是多个深色斑点，则转向第(7B)步，若否，则继续判断是否线形；若是线形则转向第(7C)步，若否，则直接转向第(8B)步：
(7A)判断深色斑块瑕疵图像直径是否在小于1mm的合格范围，如在合格范围则转向第(8A)步，若在大于等于1mm的范围则转向第(8B)步；
(7B)判断深色斑点单位面积内的数量是否在小于3个/cm2的合格范围，如在合格范围则转向第(8A)步，若在大于等于3个/cm2的范围则转向第(8B)步；
(7C)判断线形瑕疵图像长度是否在小于0.5mm的合格范围，如在合格范围则转向第(8A)步，若在大于等于0.5mm的范围则转向第(8B)步；
(8)根据前面各步骤的检测结果分别进行以下操作：
(8A)作为合格品进行分拣；
(8B)直接作为废品剔除。
2.根据权利要求1所述的机器视觉系统对医用手术刀瑕疵的在线检测方法，其特征在于，对所述第(7)步，当检测到产品为废品时，计算机将通过人机界面进行图像提示，并启动报警装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200910210889 CN101696943B (zh) | 2009-11-13 | 2009-11-13 | 机器视觉系统对医用手术刀瑕疵的在线检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200910210889 CN101696943B (zh) | 2009-11-13 | 2009-11-13 | 机器视觉系统对医用手术刀瑕疵的在线检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101696943A CN101696943A (zh) | 2010-04-21 |
| CN101696943B true CN101696943B (zh) | 2012-12-26 |
Family
ID=42142059
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200910210889 Expired - Fee Related CN101696943B (zh) | 2009-11-13 | 2009-11-13 | 机器视觉系统对医用手术刀瑕疵的在线检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101696943B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102305950A (zh) * | 2011-04-29 | 2012-01-04 | 无锡众望四维科技有限公司 | 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 |
| CN102495075A (zh) * | 2011-11-14 | 2012-06-13 | 无锡众望四维科技有限公司 | 机器视觉系统对注射针剖面方向的自动检测方法 |
| CN102495077A (zh) * | 2011-11-14 | 2012-06-13 | 无锡众望四维科技有限公司 | 机器视觉系统对输液瓶瓶身瑕疵的自动检测方法 |
| CN102495074A (zh) * | 2011-11-14 | 2012-06-13 | 无锡众望四维科技有限公司 | 机器视觉系统对输液袋瑕疵的自动检测方法 |
| KR101416383B1 (ko) * | 2012-11-16 | 2014-07-16 | 현대자동차 주식회사 | 차량용 도어 검사 시스템 및 그 제어방법 |
| CN104785454B (zh) * | 2015-03-18 | 2017-05-03 | 浙江野马电池有限公司 | 一种锌膏视觉检测方法及其装置 |
| KR102058427B1 (ko) * | 2017-12-21 | 2019-12-23 | 동우 화인켐 주식회사 | 검사 장치 및 방법 |
| US10758309B1 (en) | 2019-07-15 | 2020-09-01 | Digital Surgery Limited | Methods and systems for using computer-vision to enhance surgical tool control during surgeries |
| CN116148268A (zh) * | 2023-04-21 | 2023-05-23 | 创新奇智(青岛)科技有限公司 | 瑕疵检测的方法、装置、电子设备及计算机可读存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2795852Y (zh) * | 2005-05-12 | 2006-07-12 | 佛山市德科机电设备有限公司 | 瓷砖表面质量自动检测装置 |
| CN1908638A (zh) * | 2006-08-24 | 2007-02-07 | 上海交通大学 | 玻璃缺陷的光学检测装置 |
| CN101509766A (zh) * | 2009-03-13 | 2009-08-19 | 无锡众望四维科技有限公司 | 机器视觉系统对弹簧端面角度的在线检测方法 |
-
2009
- 2009-11-13 CN CN 200910210889 patent/CN101696943B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2795852Y (zh) * | 2005-05-12 | 2006-07-12 | 佛山市德科机电设备有限公司 | 瓷砖表面质量自动检测装置 |
| CN1908638A (zh) * | 2006-08-24 | 2007-02-07 | 上海交通大学 | 玻璃缺陷的光学检测装置 |
| CN101509766A (zh) * | 2009-03-13 | 2009-08-19 | 无锡众望四维科技有限公司 | 机器视觉系统对弹簧端面角度的在线检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| JP特开2007-132757A 2007.05.31 |
| JP特开2008-286646A 2008.11.27 |
| JP特开2009-68889A 2009.04.02 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101696943A (zh) | 2010-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101696943B (zh) | 机器视觉系统对医用手术刀瑕疵的在线检测方法 | |
| CN101696945B (zh) | 机器视觉系统对光伏玻璃瑕疵的在线检测方法 | |
| CN101509766B (zh) | 机器视觉系统对弹簧端面角度的在线检测方法 | |
| CN102303017B (zh) | 机器视觉系统对注射器钢针弯针的自动检测方法 | |
| CN103831253B (zh) | 基于dsp机器视觉的太阳能硅片表面检测装置及方法 | |
| CN1515895B (zh) | 监控条带材料边缘的装置 | |
| CN110044910B (zh) | 一种汽车置杯盒零部件检测系统及检测方法 | |
| CN102494773A (zh) | 机器视觉系统对按扣色差的自动检测方法 | |
| CN108333188A (zh) | 一种电池极片在线外观视觉检测设备 | |
| TWI747686B (zh) | 缺陷檢測方法及檢測裝置 | |
| CN104198497A (zh) | 一种基于视觉显著图和支持向量机的表面缺陷检测方法 | |
| CN102303018A (zh) | 机器视觉系统对注射器钢针毛刺的自动检测方法 | |
| CN106770330A (zh) | 一种物体表面划痕检测装置及其检测方法 | |
| WO2024055796A1 (zh) | 一种缺陷检测系统、方法、装置、电子设备及存储介质 | |
| CN109115775B (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
| CN112819844A (zh) | 一种图像边缘检测方法及装置 | |
| CN102305597A (zh) | 机器视觉系统对注射器部件异形的自动检测方法 | |
| CN116441190A (zh) | 一种龙眼检测系统、方法、设备及存储介质 | |
| CN102305603B (zh) | 机器视觉系统对注射器钢针倾斜的自动检测方法 | |
| CN102305797A (zh) | 机器视觉系统对医疗产品包装异物的自动检测方法 | |
| CN102495072A (zh) | 机器视觉系统对输液导管瑕疵的自动检测方法 | |
| CN102495077A (zh) | 机器视觉系统对输液瓶瓶身瑕疵的自动检测方法 | |
| CN102507602A (zh) | 机器视觉系统对输液瓶瓶口破裂的自动检测方法 | |
| CN102303019B (zh) | 机器视觉系统对注射器针筒刻度的自动检测方法 | |
| CN102305950A (zh) | 机器视觉系统对注射器自动化装配配件缺失的自动检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121226 Termination date: 20151113 |
|
| EXPY | Termination of patent right or utility model |