CN103134757A - 一种基于双目异质机器视觉的检测系统及其检测方法 - Google Patents
一种基于双目异质机器视觉的检测系统及其检测方法 Download PDFInfo
- Publication number
- CN103134757A CN103134757A CN2013100475538A CN201310047553A CN103134757A CN 103134757 A CN103134757 A CN 103134757A CN 2013100475538 A CN2013100475538 A CN 2013100475538A CN 201310047553 A CN201310047553 A CN 201310047553A CN 103134757 A CN103134757 A CN 103134757A
- Authority
- CN
- China
- Prior art keywords
- under test
- object under
- edge
- image
- pixel
- 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)
- Image Processing (AREA)
Abstract
本发明公开了一种基于双目异质机器视觉的检测系统及其检测方法,本发明检测系统包括采集模块和处理模块,其中采集模块包括图像采集单元和图线采集单元,构成双目异质机器视觉的检测系统;处理模块包括滤波单元、边缘检测单元、几何参数单元、合成单元、特征提取单元和评测单元。本发明还公开了基于双目异质机器视觉的检测系统的检测方法,利用双目异质机器视觉采集待测物体的图像和图线,并通过处理模块检测出待测物体的几何参数和物性参数,用于精确检测待测物体的品质。本发明基于双目异质机器视觉,保证了具有较高的检测速度和精度。
Description
技术领域
本发明属于机器视觉检测技术领域,具体涉及一种基于双目异质机器视觉的检测系统及其检测方法。
背景技术
现代几乎所有的粗铜都经过电解精炼,以除去火法精炼难于除去的杂质,铜的电解精炼,是将火法精炼的铜浇铸成阳极板,用纯铜薄作为阴极片,相间地装入电解槽中,用硫酸铜和硫酸的水溶液作电解液,在直流电的作用下,阳极上的铜和电位较负的贱金属溶解进入溶液,而贵金属和某些金属(如硒,碲)不溶,成为阳极泥沉于电解槽底。溶液中的铜在阴极上优先析出,而其他电位较负的贱金属不能在阴极上析出,留于电解液定期净化时除去,这样,阴极上析出的金属铜纯度很高,称为阴极铜或电解铜,简称电铜。铜电解工艺对装槽阳极板的要求主要是三方面:物理规格、化学成分、以及物理外观和垂直度,物理规格包括阳极板的长宽、厚度等几何参数,化学成分包括阳极板的主成分含量等物性参数,物理规格、化学成分等越标准,越有利于降低电解过程的电能损耗,因此对其进行几何参数和物性参数的检测显得尤为重要。国外现代铜电解厂以及国内大型铜厂大多采用大阳极板,但由于大阳极板体型大,所以难以同时对其进行几何参数和物性参数的检测,若要实现对于流水生产线上的阳极板进行几何参数和物性参数的检测,则是难上加难。
机器视觉具有非接触、高精度、自动化程度高、全视场检测的特点,因此对于流水生产线上产品的检测有着巨大的优势。但是,传统的机器视觉检测往往检测功能单一,难以满足多检测功能要求,不能同时对阳极板进行几何参数和物性参数的检测,这将严重影响阳极板产品的可靠性和使用性能。
发明内容
针对现有技术所存在的上述技术缺陷,本发明提供了一种基于双目异质机器视觉的检测系统及其检测方法,实现了阳极板品质的实时精确检测。
一种基于双目异质机器视觉的检测系统,包括采集模块和处理模块,所述采集模块包括:
图像采集单元,用于对待测物体进行图像采集;
图线采集单元,用于对待测物体进行图线采集;
所述处理模块包括:
滤波单元,用于接收所述图像采集单元采集到的图像并进行滤波;
边缘检测单元,用于接收所述滤波单元输出的滤波图像,对滤波后的滤波图像进行边缘的粗提取,得到待测物体的边缘梯度图像,对边缘梯度图像中各边缘像素进行亚像素边缘检测,得到各边缘像素的亚像素坐标;
几何参数单元,用于接收边缘检测单元输出的边缘像素的亚像素坐标,计算出待测物体的几何参数,并生成AutoCAD矢量图;
合成单元,用于接收所述图线采集单元采集到的待测物体的图线并合成特征图像立方体;
特征提取单元用于从所述特征图像立方体中提取出待测物体各成分的光谱信息,进而得到待测物体的物性参数;
评测单元,用于接收所述几何参数单元和所述合成单元的输出,评价出待测物体的品质。
其中,所述的处理模块采用千兆以太网接口分别与所述的图像采集单元和所述的图线采集单元实现连接。
所述的图像采集单元为工业CCD(Charge-coupled Device)相机;所述的图线采集单元为高光谱成像仪;所述的处理模块为工业控制计算机。
所述检测系统还包括用于确定待测物体位置并触发所述采集模块进行采集的传感器,所述传感器为光电传感器;还包括用于照射待测物体的光源,所述光源为卤钨灯。本发明不限于采用的传感器和光源的种类,本技术领域的技术人员可以根据实际情况自由选择。
本发明同时还提出了一种基于双目异质机器视觉的检测方法,基于双目异质机器视觉的检测系统对待测物体进行检测,所述基于双目异质机器视觉的检测系统的采集模块包括图像采集单元和图线采集单元,所述检测方法包括如下步骤:
(1)将图像采集单元和图线采集单元组成双目异质机器视觉,对待测物体进行图像采集和图线采集;
(2)将采集到的图像进行亚像素边缘检测,获取待测物体边缘的亚像素坐标,根据待测物体边缘的亚像素坐标,获取待测物体的几何参数,并生成待测物体边缘的AutoCAD矢量图;
(3)将采集到的图线合成特征图像立方体,从该立方体中提取出待测物体各成分的光谱信息,获取待测物体的物性参数;
(4)将待测物体的几何参数和物性参数与标准模板的几何参数和物性参数进行比对,评价出待测物体的品质。
进一步地,所述的步骤(1)还包括步骤:
对图像采集单元进行标定,得到像素当量系数。
进一步地,所述的步骤(2)包括步骤:
(2.1)、对采集到的图像进行中值滤波处理,利用索贝尔(sobel)算子对处理后的待测物体图像进行边缘的粗提取,得到待测物体的边缘梯度图像;
(2.2)、对所述的边缘梯度图像中各边缘像素进行基于插值法的亚像素边缘检测,根据以下公式对边缘像素进行亚像素边缘检测:
其中:X和Y分别为边缘像素的亚像素横坐标值和纵坐标值,x和y分别为边缘像素在边缘梯度图像中的横坐标值和纵坐标值,θ为边缘像素的梯度方向对应的角度,w为边缘梯度图像中相邻像素的间距,G0为边缘像素的梯度值,G-1和G1分别为边缘像素沿其梯度方向的两个相邻像素的梯度值;
(2.3)、根据像素当量系数以及各边缘像素的亚像素坐标,计算出待测物体的几何参数;
(2.4)、根据待测物体的边缘梯度图像,利用AutoCAD二次开发软件,并根据待测物体的几何参数自动生成AutoCAD矢量图。
进一步地,所述的步骤(3)包括步骤:
(3.1)、将采集到的图线对应转换为CCD分光图像,将所述的CCD分光图像合成特征图像立方体;
(3.2)、利用基于粒子群优化的非平滑约束非负矩阵分解算法对所述的特征图像立方体进行特征提取,提取出最优端元光谱矩阵和最优丰度矩阵,最优端元光谱矩阵的每个元素值为各端元在不同波段上的光谱值,最优丰度矩阵每个元素值为各像元中的各端元的含量值;
(3.3)、根据以下公式对特征图像立方体的最优丰度矩阵进行归一化处理,得到待测物体各成分的含量:
其中:m(i)为M中第i行的元素值,即待测物体各成分的含量,M为p×1维的向量,p为待测物体的各成分种数;D为p×n维的特征图像立方体的最优丰度矩阵,n为图线的像元个数,d(i,j)为D中第i行第j列的元素值。
本发明公开的一种基于双目异质机器视觉的检测系统及其检测方法,将工业CCD相机和高光谱成像仪组成双目异质机器视觉进行阳极板几何参数和物性参数的检测。利用基于插值法的亚像素边缘检测方法得到阳极板的几何参数,利用AutoCAD二次开发软件自动生成阳极板的AutoCAD矢量图,便于与标准阳极板进行对比,发现需要修正的地方,初步评价阳极板的品质,从而便于下一段电解工序的省电节能;利用高光谱技术获取待测阳极板各成分的光谱特征,并利用融合后根据待测阳极板各成分的光谱信息,提取出待测阳极板各成分的含量,获取待测阳极板的物性参数;将待测阳极板的几何参数和物性参数与标准阳极板的几何参数和物性参数进行比对,评价出待测阳极板的品质。本双目异质机器视觉对待测阳极板进行在线采集、处理数据,保证了具有较高的检测速度和精度。
附图说明
图1为本发明检测系统的结构及其应用示意图;
图2为高光谱成像仪的组成结构示意图;
图3为本发明检测系统处理模块内部结构示意图;
图4为本发明检测方法流程示意图。
具体实施方式
下面结合附图和实施例对本发明技术方案做进一步详细说明,以下实施例不构成对本发明的限定。
如图1所示,一种基于双目异质机器视觉的检测系统主要包括:一台工业控制计算机1,与工业控制计算机1相连的一台工业CCD相机2和一台高光谱成像仪3,以及与工业控制计算机1相连的光电传感器5,以及提供光亮的光源4。
本实施例中的待测对象为流水生产线上的阳极板7,传送带6以恒定的速度运转带动其上的阳极板7以恒定的速度运动,光电传感器5安装在传送带6的转轴上,通过光电传感器5和工业控制计算机1获取待测阳极板7的精确位置,当阳极板7到达检测位置时,光电传感器5触发工业控制计算机1命令工业CCD相机2对阳极板7进行图像采集,命令高光谱成像仪3对阳极板7进行图线采集,把采集到的图像和图线传输给工业控制计算机1,工业控制计算机1对图像和图线进行处理。
本实施例中,工业CCD相机2的型号为:DFK/DMK5151BG02.H,高光谱成像仪3采用的型号为IST-VIS,光电传感器5采用的型号为DR12-15N/15D0.38-1.0。
光源4固定于传送带6上方,发出的光照在阳极板7上产生反射光线,使阳极板7成像。本实施例中,光源采用的型号为光谱全波段均匀分布的卤钨灯C35。
工业CCD相机2固定于传送带6上方,用于对流动的待测阳极板7进行图像采集,并将采集到的阳极板图像传送给工业控制计算机1;高光谱成像仪3固定于传送带6上方,用于对流动的待测阳极板7进行图线采集,并将采集到的阳极板图像传送给工业控制计算机1。一台高光谱成像仪3由物镜11、入射狭缝12、准直系统13、光栅14、图像传感器15构成,如图2所示。光源4为卤钨灯,其发出的光照在阳极板7上产生反射光线10,反射光线10经过物镜11聚焦到入射狭缝12处,然后通过准直系统13进入光栅14,经过光栅14分光后在后面的图像传感器15上产生光谱图像。本实施例中,图像传感器15采用的型号为MV-VE200SM。
工业控制计算机1通过千兆以太网接口与工业CCD相机2、高光谱成像仪3相连,当待测阳极板7到达检测位置时,光电传感器5触发工业控制计算机1命令工业CCD相机2对阳极板7进行图像采集,命令高光谱成像仪3对阳极板7进行图线采集,把采集到的图像和图线传输给工业控制计算机1。本实施例中,工业控制计算机采用的型号为RICH-300A。需要说明的是,本实施例中采用的采集单元为常用的图像和图线采集设备,光源和传感器也不仅仅限于本实施例所采用的设备,本技术领域的技术人员能够根据本发明的原理进行相应的变通,这里不再赘述。
工业控制计算机1包括滤波单元31、边缘检测单元32、几何参数单元33、合成单元34、特征提取单元45和评测单元36,如图3所示:
滤波单元31,用于对采集到的阳极板图像进行中值滤波;
边缘检测单元32,应用对滤波后的待测阳极板图像进行边缘的粗提取,得到待测阳极板的边缘梯度图像,对边缘梯度图像中各边缘像素进行亚像素边缘检测,得到各边缘像素的亚像素坐标;
几何参数单元33,用于根据边缘像素的亚像素坐标和相机的像素当量系数计算出阳极板的几何参数,并生成AutoCAD矢量图,利用AutoCAD二次开发软件ObjectARX软件自动生成阳极板的AutoCAD矢量图,便于与标准阳极板进行对比,发现需要修正的地方,初步评价阳极板的品质,从而便于下一段电解工序的省电节能;
合成单元34,用于将采集到的图线合成特征图像立方体;
特征提取单元35,用于从所述的特征图像立方体中提取出待测阳极板各成分的光谱信息,进而得到待测阳极板各成分的含量,获取待测阳极板的物性参数;
评测单元36,用于根据待测阳极板的几何参数和物性参数与标准阳极板的几何参数和物性参数进行比对,评价出待测阳极板的品质。
需要说明的是,本实施例中标准阳极板是指是指事先制定的标准的几何参数和物性参数的标准模板,通过与标准阳极板的对比可以判定待测阳极板的品质。
如图4所示,本实施方式检测系统对应的检测方法如下,仍然以阳极板为待测物体为例进行说明:
步骤41、将图像采集单元和图线采集单元组成双目异质机器视觉,对待物体进行图像采集和图线采集。
首先,利用工业CCD相机对一个已知尺寸的标准件进行图像采集、数据处理,将标准件的实际尺寸除以标准件图像中的像素尺寸,得到像素当量系数;本实施方式中,采集到的图像大小为1024×1024,求得的像素当量系数为0.004mm/pixel。
然后,利用工业CCD相机对待测阳极板进行图像采集,得到待测阳极板的图像;利用高光谱成像仪对待测阳极板进行图线采集,得到待测阳极板的图线,一条图线由n个像元构成;本实施例中,n=1000。
步骤42将采集到的图像进行亚像素边缘检测,获取待测物体边缘的亚像素坐标,根据待测物体边缘的亚像素坐标,获取待测物体的几何参数,并生成待测物体边缘的AutoCAD矢量图。
具体包括如下步骤:
a.对采集到的图像进行中值滤波处理,利用sobel算子对处理后的待测阳极板图像进行边缘的粗提取,得到待测阳极板的边缘梯度图像;本实施例中,采用的中值滤波为窗口大小为3×3的中值滤波。
b.对所述的边缘梯度图像中各边缘像素进行基于插值法的亚像素边缘检测,根据以下公式对边缘像素进行亚像素边缘检测:
其中:X和Y分别为边缘像素的亚像素横坐标值和纵坐标值,x和y分别为边缘像素在边缘梯度图像中的横坐标值和纵坐标值,θ为边缘像素的梯度方向对应的角度,w为边缘梯度图像中相邻像素的间距,G0为边缘像素的梯度值,G-1和G1分别为边缘像素沿其梯度方向的两个相邻像素的梯度值;本实施方式中,w=1。
c.根据像素当量系数以及各边缘像素的亚像素坐标,计算出待测物体的几何参数;
d.根据待测物体的边缘梯度图像,利用AutoCAD二次开发软件,并根据待测物体的几何参数自动生成AutoCAD矢量图。
具体地,根据公式L=sl计算出阳极板的几何参数,其中,L为阳极板的几何参数,s为像素当量系数,l为阳极板在图像中的像素长度(其根据边缘像素的亚像素坐标可求得)。如表1所示,第二列为对主成分为铜的阳极板进行几何参数(阳极板长度)的检测结果。
在计算出待测阳极板的几何参数后,根据阳极板的边缘梯度图像,利用AutoCAD二次开发软件ObjectARX软件自动生成阳极板的AutoCAD矢量图,并自动对该矢量图进行几何参数标注:首先,创建AutoCAD图形数据库,获得当前图形数据库块表指针,获得当前图形块表记录指针;然后根据阳极板的边缘梯度图像创建对应的AutoCAD矢量图,存储到AutoCAD数据库的块表记录中;最后创建标注对象,获得指向块表的指针,获取指向模型空间的块表记录,将标注对象添加到块表记录,即可在创建的AutoCAD矢量图中自动标注阳极板的几何参数。
需要说明的是基于粒子群优化的非平滑约束非负矩阵分解算法,见中国专利申请号为CN201110350365.3公开的一种基于高光谱分析的铜品质检测方法及其检测系统,这里不再赘述。
步骤43、将采集到的图线合成特征图像立方体,从该立方体中提取出待测物体各成分的光谱信息,获取待测物体的物性参数。
具体包括如下步骤:
a.将采集到的p张图线对应转换为p张CCD分光图像,将p张所述的CCD分光图像合成特征图像立方体;
b.利用基于粒子群优化的非平滑约束非负矩阵分解算法对所述的特征图像立方体进行特征提取,提取出最优端元光谱矩阵和最优丰度矩阵。本实施方式中,p=5,最优端元光谱矩阵的每个元素值为各端元在不同波段上的光谱值,最优丰度矩阵每个元素值为各像元中的各端元的含量值。
c.根据以下公式对特征图像立方体的最优丰度矩阵进行归一化处理,得到待测阳极板各成分的含量:
其中:m(i)为M中第i行的元素值,即待测阳极板各成分的含量,M为p×1维的向量,p为阳极板的各成分种数;D为p×n维的特征图像立方体的最优丰度矩阵,n为图线的像元个数,d(i,j)为D中第i行第j列的元素值。本实施方式中,m3为M向量中第3行的元素值,即待测阳极板铜的含量。
如表1所示,第三列为对主成分为铜的阳极板进行物性参数(铜含量)的检测。
表1:待测阳极板的检测数据
从表1可见,本实施方式检测得到的阳极板长度、铜含量与真实值相差无几,故验证了本实施方式能实时准确进行阳极板检测。
以上实施例仅用以说明本发明的技术方案而非对其进行限制,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明做出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (9)
1.一种基于双目异质机器视觉的检测系统,包括采集模块和处理模块,其特征在于,所述采集模块包括:
图像采集单元,用于对待测物体进行图像采集;
图线采集单元,用于对待测物体进行图线采集;
所述处理模块包括:
滤波单元,用于接收所述图像采集单元采集到的图像并进行滤波;
边缘检测单元,用于接收所述滤波单元输出的滤波图像,对滤波后的滤波图像进行边缘的粗提取,得到待测物体的边缘梯度图像,对边缘梯度图像中各边缘像素进行亚像素边缘检测,得到各边缘像素的亚像素坐标;
几何参数单元,用于接收边缘检测单元输出的边缘像素的亚像素坐标,计算出待测物体的几何参数,并生成AutoCAD矢量图;
合成单元,用于接收所述图线采集单元采集到的待测物体的图线并合成特征图像立方体;
特征提取单元,用于从所述特征图像立方体中提取出待测物体各成分的光谱信息,进而得到待测物体的物性参数;
评测单元,用于接收所述几何参数单元和所述合成单元的输出,评价出待测物体的品质。
2.根据权利要求1所述的基于双目异质机器视觉的检测系统,其特征在于:所述的处理模块采用千兆以太网接口分别与所述的图像采集单元和所述的图线采集单元实现连接。
3.根据权利要求1或2所述的基于双目异质机器视觉的检测系统,其特征在于:所述的图像采集单元为工业CCD相机;所述的图线采集单元为高光谱成像仪;所述的处理模块为工业控制计算机。
4.根据权利要求1所述的基于双目异质机器视觉的检测系统,其特征在于:所述检测系统还包括用于确定待测物体位置并触发所述采集模块进行采集的传感器,所述传感器为光电传感器。
5.根据权利要求1所述的基于双目异质机器视觉的检测系统,其特征在于:所述检测系统还包括用于照射待测物体的光源,所述光源为卤钨灯。
6.一种基于双目异质机器视觉的检测方法,基于双目异质机器视觉的检测系统对待测物体进行检测,其特征在于,所述基于双目异质机器视觉的检测系统的采集模块包括图像采集单元和图线采集单元,所述检测方法包括如下步骤:
(1)将图像采集单元和图线采集单元组成双目异质机器视觉,对待测物体进行图像采集和图线采集;
(2)将采集到的图像进行亚像素边缘检测,获取待测物体边缘的亚像素坐标,根据待测物体边缘的亚像素坐标,获取待测物体的几何参数,并生成待测物体边缘的AutoCAD矢量图;
(3)将采集到的图线合成特征图像立方体,从该立方体中提取出待测物体各成分的光谱信息,获取待测物体的物性参数;
(4)将待测物体的几何参数和物性参数与标准模板的几何参数和物性参数进行比对,评价出待测物体的品质。
7.根据权利要求6所述的基于双目异质机器视觉的检测方法,其特征在于:所述的步骤(1)还包括步骤:
对图像采集单元进行标定,得到像素当量系数。
8.根据权利要求7所述的一种基于双目异质机器视觉的检测方法,其特征在于:所述的步骤(2)包括步骤:
(2.1)、对采集到的图像进行中值滤波处理,利用索贝尔算子对处理后的待测物体图像进行边缘的粗提取,得到待测物体的边缘梯度图像;
(2.2)、对所述的边缘梯度图像中各边缘像素进行基于插值法的亚像素边缘检测,根据以下公式对边缘像素进行亚像素边缘检测:
其中:X和Y分别为边缘像素的亚像素横坐标值和纵坐标值,x和y分别为边缘像素在边缘梯度图像中的横坐标值和纵坐标值,θ为边缘像素的梯度方向对应的角度,w为边缘梯度图像中相邻像素的间距,G0为边缘像素的梯度值,G-1和G1分别为边缘像素沿其梯度方向的两个相邻像素的梯度值;
(2.3)、根据像素当量系数以及各边缘像素的亚像素坐标,计算出待测物体的几何参数;
(2.4)、根据待测物体的边缘梯度图像,利用AutoCAD二次开发软件并根据待测物体的几何参数生成AutoCAD矢量图。
9.根据权利要求6所述的一种基于双目异质机器视觉的检测方法,其特征在于:所述的步骤(3)包括步骤:
(3.1)、将采集到的图线对应转换为CCD分光图像,将所述的CCD分光图像合成特征图像立方体;
(3.2)、利用基于粒子群优化的非平滑约束非负矩阵分解算法对所述的特征图像立方体进行特征提取,提取出最优端元光谱矩阵和最优丰度矩阵,最优端元光谱矩阵的每个元素值为各端元在不同波段上的光谱值,最优丰度矩阵每个元素值为各像元中的各端元的含量值;
(3.3)、根据以下公式对特征图像立方体的最优丰度矩阵进行归一化处理,得到待测物体各成分的含量:
其中:m(i)为M中第i行的元素值,即待测物体各成分的含量,M为p×1维的向量,p为待测物体的各成分种数;D为p×n维的特征图像立方体的最优丰度矩阵,n为图线的像元个数,d(i,j)为D中第i行第j列的元素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100475538A CN103134757A (zh) | 2013-02-01 | 2013-02-01 | 一种基于双目异质机器视觉的检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100475538A CN103134757A (zh) | 2013-02-01 | 2013-02-01 | 一种基于双目异质机器视觉的检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103134757A true CN103134757A (zh) | 2013-06-05 |
Family
ID=48494871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100475538A Pending CN103134757A (zh) | 2013-02-01 | 2013-02-01 | 一种基于双目异质机器视觉的检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103134757A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323209A (zh) * | 2013-07-02 | 2013-09-25 | 清华大学 | 基于双目立体视觉的结构模态参数识别系统 |
CN103698335A (zh) * | 2013-12-11 | 2014-04-02 | 大连运明自动化技术有限公司 | 一种无接触测试的方法和系统 |
CN106680443A (zh) * | 2016-11-14 | 2017-05-17 | 山东省科学院海洋仪器仪表研究所 | 一种基于双目视觉技术的海洋水质毒性生物监测设备 |
CN112105898A (zh) * | 2018-05-11 | 2020-12-18 | 索尼公司 | 分光测量装置和分光测量方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6640132B1 (en) * | 1999-11-17 | 2003-10-28 | Hypermed, Inc. | Forensic hyperspectral apparatus and method |
US20050286770A1 (en) * | 2004-06-29 | 2005-12-29 | Nec Corporation | Endmember spectrum database construction method, endmember spectrum database construction apparatus and endmember spectrum database construction program |
US6998614B2 (en) * | 2003-05-23 | 2006-02-14 | Institute For Technology Development | Hyperspectral imaging workstation having visible/near-infrared and ultraviolet image sensors |
CN101403704A (zh) * | 2007-12-07 | 2009-04-08 | 东华大学 | 氟塑料薄膜在线疵点检测系统和方法 |
CN102183524A (zh) * | 2011-01-10 | 2011-09-14 | 哈尔滨工业大学 | 用于土木工程结构表观缺陷评定的双ccd检测方法及系统 |
CN102331430A (zh) * | 2011-06-23 | 2012-01-25 | 南京林业大学 | 不规则形状肉异物检测系统 |
CN102507462A (zh) * | 2011-11-08 | 2012-06-20 | 浙江大学 | 一种基于高光谱分析的铜品质检测方法及其检测系统 |
CN102901444A (zh) * | 2012-08-29 | 2013-01-30 | 浙江大学 | 一种基于mp小波滤波的零件尺寸检测方法及其检测系统 |
-
2013
- 2013-02-01 CN CN2013100475538A patent/CN103134757A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6640132B1 (en) * | 1999-11-17 | 2003-10-28 | Hypermed, Inc. | Forensic hyperspectral apparatus and method |
US6998614B2 (en) * | 2003-05-23 | 2006-02-14 | Institute For Technology Development | Hyperspectral imaging workstation having visible/near-infrared and ultraviolet image sensors |
US20050286770A1 (en) * | 2004-06-29 | 2005-12-29 | Nec Corporation | Endmember spectrum database construction method, endmember spectrum database construction apparatus and endmember spectrum database construction program |
CN101403704A (zh) * | 2007-12-07 | 2009-04-08 | 东华大学 | 氟塑料薄膜在线疵点检测系统和方法 |
CN102183524A (zh) * | 2011-01-10 | 2011-09-14 | 哈尔滨工业大学 | 用于土木工程结构表观缺陷评定的双ccd检测方法及系统 |
CN102331430A (zh) * | 2011-06-23 | 2012-01-25 | 南京林业大学 | 不规则形状肉异物检测系统 |
CN102507462A (zh) * | 2011-11-08 | 2012-06-20 | 浙江大学 | 一种基于高光谱分析的铜品质检测方法及其检测系统 |
CN102901444A (zh) * | 2012-08-29 | 2013-01-30 | 浙江大学 | 一种基于mp小波滤波的零件尺寸检测方法及其检测系统 |
Non-Patent Citations (1)
Title |
---|
王耀南等: "多传感器信息融合及其应用综述", 《控制与决策》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103323209A (zh) * | 2013-07-02 | 2013-09-25 | 清华大学 | 基于双目立体视觉的结构模态参数识别系统 |
CN103323209B (zh) * | 2013-07-02 | 2016-04-06 | 清华大学 | 基于双目立体视觉的结构模态参数识别系统 |
CN103698335A (zh) * | 2013-12-11 | 2014-04-02 | 大连运明自动化技术有限公司 | 一种无接触测试的方法和系统 |
CN103698335B (zh) * | 2013-12-11 | 2016-01-13 | 大连运明自动化技术有限公司 | 一种无接触测试的方法 |
CN106680443A (zh) * | 2016-11-14 | 2017-05-17 | 山东省科学院海洋仪器仪表研究所 | 一种基于双目视觉技术的海洋水质毒性生物监测设备 |
CN112105898A (zh) * | 2018-05-11 | 2020-12-18 | 索尼公司 | 分光测量装置和分光测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578409B (zh) | 一种太阳能电池片外观断栅缺陷检测的方法 | |
CN106935683B (zh) | 一种太阳能电池片高速视觉定位及矫正系统及其方法 | |
CN103528534B (zh) | 一种基于图像监测的输电线路覆冰厚度检测方法 | |
CN102508110A (zh) | 基于纹理的绝缘子缺陷诊断方法 | |
CN105160654A (zh) | 基于特征点提取的毛巾标签缺陷检测方法 | |
CN103134757A (zh) | 一种基于双目异质机器视觉的检测系统及其检测方法 | |
WO2023193213A1 (zh) | 电池极片绝缘涂层缺陷的检测方法、装置和计算机设备 | |
CN109115800B (zh) | 一种产品毛刺的快速检测及长度精确测量方法 | |
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 | |
CN113313677B (zh) | 一种卷绕锂电池x光图像的质量检测方法 | |
CN107481237B (zh) | 一种基于多帧温度特性的红外阵列图像热斑检测方法 | |
CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
CN110738205B (zh) | 一种基于机器视觉的电芯正负极识别设备及方法 | |
CN111266315A (zh) | 基于视觉分析的矿石物料在线分拣系统及其方法 | |
CN112991264B (zh) | 一种单晶硅光伏电池裂纹缺陷的检测方法 | |
CN107490583A (zh) | 一种基于机器视觉的夹片缺陷检测方法 | |
CN104537650A (zh) | 一种铝电解电容器的极性方向判定方法及装置 | |
CN106097380A (zh) | 一种基于图像的绝缘子芯棒缺陷在线检测的系统和方法 | |
CN110443278A (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN112215825A (zh) | 新能源电池制造中基于机器视觉的质量分析方法及系统 | |
CN115331000A (zh) | 一种基于orb算法的弓网运行状态检测方法 | |
CN115115643A (zh) | 一种光伏电池板生产缺陷检测方法 | |
CN112415013A (zh) | 一种铜箔缺陷检测系统 | |
CN115187969B (zh) | 一种基于视觉识别的铅酸电池回收系统和方法 | |
CN110610474A (zh) | 一种基于红外图像的太阳能板缺陷实时检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130605 |