CN102601131A - 一种钢坯表面质量在线检测装置 - Google Patents
一种钢坯表面质量在线检测装置 Download PDFInfo
- Publication number
- CN102601131A CN102601131A CN2012100619012A CN201210061901A CN102601131A CN 102601131 A CN102601131 A CN 102601131A CN 2012100619012 A CN2012100619012 A CN 2012100619012A CN 201210061901 A CN201210061901 A CN 201210061901A CN 102601131 A CN102601131 A CN 102601131A
- Authority
- CN
- China
- Prior art keywords
- line
- billet surface
- image
- digital camera
- scan digital
- 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
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种钢坯表面质量在线检测装置,包括:图像采集单元,用于通过线阵相机对高速运行的钢坯表面进行图像采集;处理单元,用于接收图像采集单元采集的图像信号,计算出该图像信号的特征值,并与正常图像的标准特征值区间进行比较,在图像信号特征值超出标准特征值区间时,认定该图像指定的部位存在缺陷;上位机,包括用于提供用于输入标准特征值区间的人机交互模块;存储钢坯表面的缺陷程度和品次分级关系数据表的图像缺陷存储模块;根据钢坯表面的缺陷特征,对处理单元认定存在缺陷的图像自动分类的缺陷图像分类器。本发明提高了钢坯生产的自动化程度,在保证钢坯质量的前提下提高了生产效率。
Description
技术领域
本发明涉及钢坯表面质量检测技术领域,特别涉及一种钢坯表面质量在线检测装置。
背景技术
钢铁连轧和连铸过程中,钢坯表面质量检测是自动化轧钢铸钢的关键技术之一,而“在线”钢坯表面质量检测的重点和难点。
在众多钢铁行业的连轧和连铸工艺中,由于生产线拉速较快、轧/铸机故障、环境变化、操作工人熟练度不够、导轨滚轴老化等诸多原因,造成生产出的钢坯表面存在辊印、夹杂、结疤、划痕和斑点等缺陷,对钢板品质和成品率构成严重的威胁,并引发相应的经济索赔事件,严重影响钢坯生产方的经济效益和品牌声誉。为了实现轧钢/铸钢的自动检测和控制,国内外开发了许多检测技术,常用的方法为人工经验法。
在实际生产和理论研究中发现:人工经验法,这和现场工人的经验及工作状态有着密切的关系,具有缺陷识别率低,工人劳动强度大,人工识别时间长,检测员个体差异大等问题,不仅加大了工人的劳动强度,开支了多余的工时,检测效果得不到保证,且无法根据检测的故障对轧/铸机故障进行实时处理。
因此,如何实现钢坯表面质量的在线故障检测,在保证钢坯质量的前提下提高生产效率,是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种钢坯表面质量在线检测装置,以实现钢坯表面质量的在线故障检测,在保证钢坯质量的前提下提高生产效率。
为实现上述目的,本发明提供如下技术方案:
一种钢坯表面质量在线检测装置,包括:
图像采集单元,用于通过线阵相机对高速运行的钢坯表面进行图像采集;
处理单元,用于接收所述图像采集单元采集的图像信号,并计算出该图像信号的特征值,并与正常图像的标准特征值区间进行比较,在图像信号特征值超出所述标准特征值区间时,认定该图像指定的部位存在缺陷;
上位机,包括用于提供用于输入所述标准特征值区间的人机交互模块;存储钢坯表面的缺陷程度和品次分级的关系数据表图像缺陷存储模块;根据钢坯表面的缺陷特征,对所述处理单元认定存在缺陷的图像自动分类的缺陷图像分类器。
优选地,在上述钢坯表面质量在线检测装置中,所述标准特征值区间包括方差区间、熵值区间和频谱区间。
优选地,在上述钢坯表面质量在线检测装置中,所述图像采集单元包括:
所述线阵相机;
可变焦镜头,用于使所述线阵相机所感知的钢坯表面落于所述人机交互模块的图像显示界面的正中央且布满95%以上;
相机恒温保护筒罩,用于所述线阵相机的固定、保护和降温;
光源系统,用于钢坯表面的照明,配合所述可变焦镜头的光圈参数调节使所述线阵相机充分曝光。
优选地,在上述钢坯表面质量在线检测装置中,所述线阵相机和所述可变焦镜头的参数满足如下公式:
其中,f为可变焦镜头的焦距,h为可变焦镜头距离钢坯表面的垂直高度,k为线阵相机的像元尺寸,N为线阵相机的分辨率,w为钢坯宽度。
优选地,在上述钢坯表面质量在线检测装置中,所述线阵相机满足如下公式:
其中,F为线阵相机的行频,v为钢坯的拉速,n为目标分辨率。
优选地,在上述钢坯表面质量在线检测装置中,所述图像采集单元的感光阵列将采集的钢坯表面图像的钢坯表面光强转化成由全黑到全白的0~255的数字量,其中0代表全黑,255代表全白。
优选地,在上述钢坯表面质量在线检测装置中,所述处理单元包括:
视频采集板,用于将图像采集单元采集的串行的LVDS图像信号转换成并行的CMOS图像信号;
嵌入式信号处理板卡,采用FPGA作为主处理器,运用SOPC技术,计算出并行的CMOS图像信号的特征值,并与正常图像的标准特征值区间进行比较,在图像信号特征值超出所述标准特征值区间时,认定该图像指定的部位存在缺陷。
优选地,在上述钢坯表面质量在线检测装置中,所述处理单元在检测出缺陷图像时,还用于向所述上位机发送故障的坐标信息以及缺陷图片,并完成声光报警。
优选地,在上述钢坯表面质量在线检测装置中,所述人机交互模块还用于对所述线阵相机进行参数配置,浏览所述线阵相机的工作状态,并实时显示钢坯图像,对缺陷域放大显示并报警。
优选地,在上述钢坯表面质量在线检测装置中,所述线阵相机的参数包括模式选择、行频设置、增益补偿和像素时钟设置。
从上述的技术方案可以看出,本发明实施例提供的钢坯表面质量在线检测装置,通过以算法硬件实现为在线检测的根据,能准确高效的识别钢坯表面诸如辊印、夹杂、结疤、划痕和斑点等质量缺陷,以事实和数据作根据,提高了钢坯生产的自动化程度,在保证钢坯质量的前提下提高了生产效率。
附图说明
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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它的附图。
图1为本发明实施例提供的钢坯表面质量在线检测装置的结构示意图;
图2为本发明实施例提供的钢坯表面质量在线检测装置实施过程的结构示意图。
具体实施方式
本发明公开了一种钢坯表面质量在线检测装置,以实现钢坯表面质量的在线故障检测,在保证钢坯质量的前提下提高生产效率。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例提供的钢坯表面质量在线检测装置的结构示意图。
本发明实施例公开的钢坯表面质量在线检测装置,包括图像采集单元1、处理单元2和上位机3。
其中,图像采集单元1用于通过线阵相机11对高速运行的钢坯表面进行图像采集。线阵相机11的典型应用领域是检测连续的材料,例如金属、塑料、纸和纤维等。被检测的物体通常匀速运动,利用一台或多台线阵相机对其逐行连续扫描,以达到对其整个表面均匀检测。可以对其图像一行一行进行处理,或者对由多行组成的面阵图像进行处理。另外线阵相机非常适合测量场合,这要归功于传感器的高分辨率,它可以准确测量到微米。
处理单元2用于接收图像采集单元1采集的图像信号,并计算出该图像信号的特征值,并与正常图像的标准特征值区间进行比较,在图像信号特征值超出标准特征值区间(即图像信号特征值低于所述标准特征值区间的最小标准特征值,或高于所述标准特征值区间的最大标准特征值)时,认定该图像指定的部位存在缺陷。处理单元2上设有线阵相机驱动接口和图像数据通信链路(以接收图像采集单元1采集的图像信号),能够完成特定图像处理算法的并行处理和硬件实现。
上位机3包括用于提供用于输入标准特征值区间的人机交互模块31;存储钢坯表面的缺陷程度和品次分级的关系数据表图像缺陷存储模块32;根据钢坯表面的缺陷特征,对处理单元2认定存在缺陷的图像自动分类的缺陷图像分类器33。
本发明实施例提供的钢坯表面质量在线检测装置,通过以算法硬件实现为在线检测的根据,能准确高效的识别钢坯表面诸如辊印、夹杂、结疤、划痕和斑点等质量缺陷,以事实和数据作根据,提高了钢坯生产的自动化程度,在保证钢坯质量的前提下提高了生产效率。
上述实施例公开的标准特征值区间包括方差区间、熵值区间和频谱区间等特征值,处理单元2用于接收图像采集单元1采集的图像信号,并计算出该图像信号的方差、熵值和频谱等特征值。并与标准特征值区间的方差区间、熵值区间和频谱区间等特征值区间进行比较,若满足缺陷条件,则认定该位置存在缺陷。
在本实施例中,图像采集单元包括线阵相机11、可变焦镜头12、相机恒温保护筒罩13和光源系统14。
其中,可变焦镜头12用于使线阵相机11所感知的钢坯表面落于人机交互模块31的图像显示界面的正中央且布满95%以上。相机恒温保护筒罩13用于线阵相机11的固定、保护和降温;光源系统14用于钢坯表面的照明,配合可变焦镜头12的光圈参数调节使线阵相机11充分曝光。
在本实施例中,线阵相机11和可变焦镜头12的参数满足如下公式:
其中,f为可变焦镜头的焦距,h为可变焦镜头距离钢坯表面的垂直高度,k为线阵相机的像元尺寸,N为线阵相机的分辨率,w为钢坯宽度。
线阵相机11满足如下公式:
其中,F为线阵相机的行频,v为钢坯的拉速,n为目标分辨率。
图像采集单元1的感光阵列将采集的钢坯表面图像的钢坯表面光强转化成由全黑到全白的0~255的数字量,其中0代表全黑,255代表全白。处理单元2根据这些表示钢坯表面光强的数字量,计算出该图像信号的特征值。线阵相机11和处理单元2之间的数据传输,采用Camera Link协议规范。
在本实施例中,处理单元2包括视频采集板22和嵌入式信号处理板卡21。
其中,视频采集板22用于将图像采集单元1采集的串行的LVDS(Low-Voltage Differential Signaling低压差分信号)图像信号转换成并行的CMOS(Complementary Metal Oxide Semiconductor,互补金属氧化物半导体)图像信号。嵌入式信号处理板卡21采用FPGA(Field-Programmable GateArray,现场可编程门阵列)作为主处理器,运用SOPC(System-on-a-Programmable-Chip,可编程片上系统)技术,计算出并行的CMOS图像信号的特征值,并与正常图像的标准特征值区间进行比较,在图像信号特征值超出标准特征值区间时,认定该图像指定的部位存在缺陷。嵌入式信号处理板卡21和视频采集板22之间的接口符合RGI(Ramon GeneralInterface)接口规范。视频采集板22采用所述Camera Link协议,和线阵相机11之间采用Full型硬件配置,向下可兼容Medium和Base型。
处理单元2在检测出缺陷图像时,还用于向上位机3发送故障的坐标信息以及缺陷图片,并完成声光报警。人机交互模块31还用于对线阵相机11进行参数配置,浏览线阵相机11的工作状态,并实时显示钢坯图像,对缺陷域放大显示并报警。在本实施例中,线阵相机11的参数包括模式选择、行频设置、增益补偿和像素时钟设置。处理单元2的算法分析可完成钢坯表面辊印、夹杂、结疤、划痕和斑点等缺陷的提取,向上位机发送故障的坐标信息以及缺陷图片,并完成声光报警。
参照附图2,图2为本发明实施例提供的钢坯表面质量在线检测装置实施过程的结构示意图。
本发明针对连轧和连铸生产线的实地考察,依据择优原则,选择最佳钢坯表面图片获取处,进行钢坯表面质量在线检测装置的安装和调试。择优原则具体为:有充足的安装维护空间给图像采集单元05的支撑臂01和调试台02;图像采集单元05所感知的钢坯表面06,尽可能的避免分布诸如水珠、水雾、烟尘、振动等影响图像采集的干扰因素;图像采集单元05安装处和上位机07的控制柜03就近且操作便利即可。支撑臂01能够水平旋转90度至调试台02,便于图像采集单元05的安装和测试;图像采集单元05和上位机07之间通过专用通信线缆04连接,构成图像和指令传输的信道,传输可根据专利实施现场情况选择Camera Link、以太网、光纤等通信方式。
如图2所示,本发明工作过程为:
1、依据择优原则,在最佳钢坯表面图片获取处安装支撑臂01、调试台02和上位机控制柜03,在本实施例中,调试台02和上位机控制柜03分别位于安装支撑臂01的两侧;
2、将支撑臂01旋转90度至调试台02处,工作人员于调试台02上,安装图像采集单元05至支撑臂01;
3、安装处理单元于上位机07的主板PCIe插槽上,将处理单元安装至上位机07;
4、安装专用通信线缆04于图像采集单元05和上位机07之间;
5、开启上位机07的电源,运行相机测试模式程序;
6、图像采集单元05初次安装需要进行标定和校准。具体操作为:操作人员于调试台02上,调整图像采集单元05中可变焦镜头的变焦环,使图像采集单元05所感知的钢坯表面06落于上位机07的图像显示界面的正中央且布满图像的95%以上;调整图像采集单元05中可变焦镜头的对焦环和光源系统入射的角度和光照的强度,使上位机07的图像显示界面的图像清晰可见;
7、开启上位机07的主程序,进行钢坯表面质量在线检测;
8、检测过程中,操作人员可于上位机07的人机交互模块中,根据具体的分析需求,设定实时图像处理算法的阈值(即标准特征值区间);
9、钢坯表面质量在线检测过程中,人机交互模块将会对缺陷进行相应的报警,新的图像缺陷将更新至所述图像缺陷数据库中,缺陷图像分类器将缺陷进行分类。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种钢坯表面质量在线检测装置,其特征在于,包括:
图像采集单元(1),用于通过线阵相机(11)对高速运行的钢坯表面进行图像采集;
处理单元(2),用于接收所述图像采集单元(1)采集的图像信号,并计算出该图像信号的特征值,并与正常图像的标准特征值区间进行比较,在图像信号特征值超出所述标准特征值区间时,认定该图像指定的部位存在缺陷;
上位机(3),包括用于提供用于输入所述标准特征值区间的人机交互模块(31);存储钢坯表面的缺陷程度和品次分级关系数据表的图像缺陷存储模块(32);根据钢坯表面的缺陷特征,对所述处理单元(2)认定存在缺陷的图像自动分类的缺陷图像分类器(33)。
2.如权利要求1所述的钢坯表面质量在线检测装置,其特征在于,所述标准特征值区间包括方差区间、熵值区间和频谱区间。
3.如权利要求1所述的钢坯表面质量在线检测装置,其特征在于,所述图像采集单元包括:
所述线阵相机(11);
可变焦镜头(12),用于使所述线阵相机(11)所感知的钢坯表面落于所述人机交互模块(31)的图像显示界面的正中央且布满95%以上;
相机恒温保护筒罩(13),用于所述线阵相机(11)的固定、保护和降温;
光源系统(14),用于钢坯表面的照明,配合所述可变焦镜头(12)的光圈参数调节使所述线阵相机(11)充分曝光。
4.如权利要求3所述的钢坯表面质量在线检测装置,其特征在于,所述线阵相机(11)和所述可变焦镜头(12)的参数满足如下公式:
其中,f为可变焦镜头的焦距,h为可变焦镜头距离钢坯表面的垂直高度,k为线阵相机的像元尺寸,N为线阵相机的分辨率,w为钢坯宽度。
5.如权利要求4所述的钢坯表面质量在线检测装置,其特征在于,所述线阵相机(11)满足如下公式:
其中,F为线阵相机的行频,v为钢坯的拉速,n为目标分辨率。
6.如权利要求1所述的钢坯表面质量在线检测装置,其特征在于,所述图像采集单元(1)的感光阵列将采集的钢坯表面图像的钢坯表面光强转化成由全黑到全白的0~255的数字量,其中0代表全黑,255代表全白。
7.如权利要求1所述的钢坯表面质量在线检测装置,其特征在于,所述处理单元(2)包括:
视频采集板,用于将图像采集单元(1)采集的串行的LVDS图像信号转换成并行的CMOS图像信号;
嵌入式信号处理板卡(21),采用FPGA作为主处理器,运用SOPC技术,计算出并行的CMOS图像信号的特征值,并与正常图像的标准特征值区间进行比较,在图像信号特征值超出所述标准特征值区间时,认定该图像指定的部位存在缺陷。
8.如权利要求1所述的钢坯表面质量在线检测装置,其特征在于,所述处理单元(2)在检测出缺陷图像时,还用于向所述上位机(3)发送故障的坐标信息以及缺陷图片,并完成声光报警。
9.如权利要求1所述的钢坯表面质量在线检测装置,其特征在于,所述人机交互模块(31)还用于对所述线阵相机(11)进行参数配置,浏览所述线阵相机(11)的工作状态,并实时显示钢坯图像,对缺陷域放大显示并报警。
10.如权利要求9所述的钢坯表面质量在线检测装置,其特征在于,所述线阵相机(11)的参数包括模式选择、行频设置、增益补偿和像素时钟设置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210061901.2A CN102601131B (zh) | 2012-03-09 | 2012-03-09 | 一种钢坯表面质量在线检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210061901.2A CN102601131B (zh) | 2012-03-09 | 2012-03-09 | 一种钢坯表面质量在线检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102601131A true CN102601131A (zh) | 2012-07-25 |
CN102601131B CN102601131B (zh) | 2016-01-13 |
Family
ID=46519114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210061901.2A Active CN102601131B (zh) | 2012-03-09 | 2012-03-09 | 一种钢坯表面质量在线检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102601131B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102873108A (zh) * | 2012-10-12 | 2013-01-16 | 湖南镭目科技有限公司 | 一种线阵相机调节方法及装置 |
CN104461682A (zh) * | 2014-10-31 | 2015-03-25 | 武汉钢铁(集团)公司 | 一种轧钢钢板仿真分切质量判定系统及方法 |
CN104535584A (zh) * | 2014-12-30 | 2015-04-22 | 天津市日津科技有限公司 | 一种视觉检测方法 |
CN107730486A (zh) * | 2017-09-15 | 2018-02-23 | 首钢京唐钢铁联合有限责任公司 | 一种酸连轧生产线轧机保护方法及装置 |
CN108445008A (zh) * | 2018-02-27 | 2018-08-24 | 首钢京唐钢铁联合有限责任公司 | 一种带钢表面缺陷的检测方法 |
WO2018214054A1 (zh) * | 2017-05-24 | 2018-11-29 | 深圳配天智能技术研究院有限公司 | 一种视觉检测方法、设备、系统及具有存储功能的装置 |
CN109000887A (zh) * | 2018-05-25 | 2018-12-14 | 京东方科技集团股份有限公司 | 一种图案检测装置及方法、图案化控制系统及方法 |
CN109239076A (zh) * | 2018-08-29 | 2019-01-18 | 西安理工大学 | 一种基于机器视觉的缝纫线迹缺陷检测方法 |
CN110308157A (zh) * | 2019-08-06 | 2019-10-08 | 凌云光技术集团有限责任公司 | 一种检测透明印刷品模切质量的方法及装置 |
CN111982919A (zh) * | 2020-08-25 | 2020-11-24 | 上海上创超导科技有限公司 | 涂层导体金属基带表面缺陷的动态监测装置及检测方法 |
CN114235816A (zh) * | 2021-12-17 | 2022-03-25 | 中国船舶重工集团公司第七一一研究所 | 表面质量检查装置及表面质量检查方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1151877A (ja) * | 1997-05-23 | 1999-02-26 | Siemag Transplan Gmbh | 連続鋳造製品の材料を機械的に連続除去する場合に表面の欠陥を自動的に検出する方法とその装置 |
CN1696675A (zh) * | 2005-05-31 | 2005-11-16 | 哈尔滨工业大学 | 线阵图像式带钢表面在线缺陷检测装置及其检测方法 |
KR20080058915A (ko) * | 2006-12-22 | 2008-06-26 | 주식회사 포스코 | 연연속 열간 압연 설비에서의 접합부 검출 방법 |
CN101349558A (zh) * | 2008-09-11 | 2009-01-21 | 首钢总公司 | 手持便携式带钢平直度检测仪及其检测方法 |
CN102253049A (zh) * | 2011-06-30 | 2011-11-23 | 东北大学 | 带钢生产过程表面质量在线精准检测方法 |
-
2012
- 2012-03-09 CN CN201210061901.2A patent/CN102601131B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1151877A (ja) * | 1997-05-23 | 1999-02-26 | Siemag Transplan Gmbh | 連続鋳造製品の材料を機械的に連続除去する場合に表面の欠陥を自動的に検出する方法とその装置 |
CN1696675A (zh) * | 2005-05-31 | 2005-11-16 | 哈尔滨工业大学 | 线阵图像式带钢表面在线缺陷检测装置及其检测方法 |
KR20080058915A (ko) * | 2006-12-22 | 2008-06-26 | 주식회사 포스코 | 연연속 열간 압연 설비에서의 접합부 검출 방법 |
CN101349558A (zh) * | 2008-09-11 | 2009-01-21 | 首钢总公司 | 手持便携式带钢平直度检测仪及其检测方法 |
CN102253049A (zh) * | 2011-06-30 | 2011-11-23 | 东北大学 | 带钢生产过程表面质量在线精准检测方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102873108B (zh) * | 2012-10-12 | 2015-07-29 | 湖南镭目科技有限公司 | 一种线阵相机调节方法及装置 |
CN102873108A (zh) * | 2012-10-12 | 2013-01-16 | 湖南镭目科技有限公司 | 一种线阵相机调节方法及装置 |
CN104461682A (zh) * | 2014-10-31 | 2015-03-25 | 武汉钢铁(集团)公司 | 一种轧钢钢板仿真分切质量判定系统及方法 |
CN104461682B (zh) * | 2014-10-31 | 2017-10-27 | 武汉武钢众鹏信息系统有限公司 | 一种轧钢钢板仿真分切质量判定系统及方法 |
CN104535584A (zh) * | 2014-12-30 | 2015-04-22 | 天津市日津科技有限公司 | 一种视觉检测方法 |
CN109564632A (zh) * | 2017-05-24 | 2019-04-02 | 深圳配天智能技术研究院有限公司 | 一种视觉检测方法、设备、系统及具有存储功能的装置 |
WO2018214054A1 (zh) * | 2017-05-24 | 2018-11-29 | 深圳配天智能技术研究院有限公司 | 一种视觉检测方法、设备、系统及具有存储功能的装置 |
CN107730486A (zh) * | 2017-09-15 | 2018-02-23 | 首钢京唐钢铁联合有限责任公司 | 一种酸连轧生产线轧机保护方法及装置 |
CN108445008A (zh) * | 2018-02-27 | 2018-08-24 | 首钢京唐钢铁联合有限责任公司 | 一种带钢表面缺陷的检测方法 |
CN109000887A (zh) * | 2018-05-25 | 2018-12-14 | 京东方科技集团股份有限公司 | 一种图案检测装置及方法、图案化控制系统及方法 |
US11270152B2 (en) | 2018-05-25 | 2022-03-08 | Boe Technology Group Co., Ltd. | Method and apparatus for image detection, patterning control method |
CN109239076A (zh) * | 2018-08-29 | 2019-01-18 | 西安理工大学 | 一种基于机器视觉的缝纫线迹缺陷检测方法 |
CN110308157A (zh) * | 2019-08-06 | 2019-10-08 | 凌云光技术集团有限责任公司 | 一种检测透明印刷品模切质量的方法及装置 |
CN110308157B (zh) * | 2019-08-06 | 2022-04-22 | 凌云光技术股份有限公司 | 一种检测透明印刷品模切质量的方法及装置 |
CN111982919A (zh) * | 2020-08-25 | 2020-11-24 | 上海上创超导科技有限公司 | 涂层导体金属基带表面缺陷的动态监测装置及检测方法 |
CN114235816A (zh) * | 2021-12-17 | 2022-03-25 | 中国船舶重工集团公司第七一一研究所 | 表面质量检查装置及表面质量检查方法 |
CN114235816B (zh) * | 2021-12-17 | 2024-03-29 | 中国船舶集团有限公司第七一一研究所 | 表面质量检查装置及表面质量检查方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102601131B (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102601131A (zh) | 一种钢坯表面质量在线检测装置 | |
CN100535647C (zh) | 一种基于机器视觉的浮法玻璃缺陷在线检测装置 | |
CN202002894U (zh) | 基于机器视觉的快速在线纸病检测系统 | |
CN102735695B (zh) | 一种镜片瑕疵快速检测方法及装置 | |
CN100394166C (zh) | 一种印刷品质量在线检测装置 | |
CN209300267U (zh) | 一种烟支外观图像处理控制系统及其在线检测装置 | |
CN104567680B (zh) | 一种电线电缆结构的测量系统 | |
CN103913468A (zh) | 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法 | |
CN103543161A (zh) | 一种连铸坯表面质量在线检测方法 | |
CN102131101A (zh) | 智能视频图像质量自动分析系统及其分析方法 | |
CN104614380A (zh) | 一种板带表面质量检测系统和方法 | |
CN103913460A (zh) | 一种在线纸病检测系统 | |
CN203376276U (zh) | 一种印刷产品的离线检测设备 | |
CN104215179A (zh) | 使用激光位移传感器动态测量钢坯宽度的方法 | |
CN111966034B (zh) | 一种智能水务系统 | |
CN201041552Y (zh) | 一种基于机器视觉的浮法玻璃缺陷在线检测装置 | |
CN110796754A (zh) | 一种基于图像处理技术的机房巡检方法 | |
CN103434268A (zh) | 用于印刷设备的检测系统 | |
CN204287062U (zh) | Wis在线缺陷检测系统 | |
CN100493145C (zh) | 基于线阵ccd采集大幅面工业产品图像的装置 | |
CN114708584A (zh) | 基于大数据的卷烟产品质量缺陷防控学习系统及方法 | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN102735689A (zh) | 一种基于图形模式识别的纸张纸病检测系统 | |
CN204128554U (zh) | 钟表业精密零部件质量快速自动化检测系统 | |
CN104096686A (zh) | 一种产品包装盒表面印刷质量自动检测装置 |
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 |