CN103399016A - 冷轧铝板表面缺陷在线检测系统及其检测方法 - Google Patents
冷轧铝板表面缺陷在线检测系统及其检测方法 Download PDFInfo
- Publication number
- CN103399016A CN103399016A CN2013103187551A CN201310318755A CN103399016A CN 103399016 A CN103399016 A CN 103399016A CN 2013103187551 A CN2013103187551 A CN 2013103187551A CN 201310318755 A CN201310318755 A CN 201310318755A CN 103399016 A CN103399016 A CN 103399016A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- aluminum plate
- industrial computer
- camera
- 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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及铝板表面缺陷高速检测技术领域,特别公开了一种冷轧铝板表面缺陷在线检测系统及其检测方法。该冷轧铝板表面缺陷在线检测系统,包括铝板生产线,其特征在于:所述铝板生产线上下两侧均安装有LED光源和横向并排的高速相机阵列,高速相机阵列由若干路线阵CCD相机组成,各路相机通过GigE接口连接到各自对应的工控机处理器,各工控机处理器内的以太网接口控制单元通过千兆网连接到交换机,再由以太网交换机连接到中心服务器或现场计算机。本发明通过GigE接口和以太网络连接线阵CCD相机实现了缺陷图像的快速采集;利用工控机阵列式处理器实现了铝板缺陷快速检测与定位,有效防止数据拥堵。
Description
(一) 技术领域
本发明涉及铝板表面缺陷高速检测技术领域,特别涉及一种冷轧铝板表面缺陷在线检测系统及其检测方法。
(二) 背景技术
近几年,铝加工行业在国内兴起迅速,企业产品逐渐高端化,用于飞机、汽车、高端电子产品等对表面质量要求较高的铝板开始火热,但铝板表面质量问题十分严峻,国内目前针对于铝板的检测方式主要通过肉眼人工检测的方法。肉眼检测容易出现较高的误检和漏检率,尤其是现在生产线速度越来越快,这种检测方式很难达到生产要求。
随着计算机和数字图像处理技术的发展,基于机器视觉的国外检测系统在一些大型铝加工企业得到了使用,虽然该微型、单一处理器上的图像处理软件存在缺陷,这种检测方案一方面不利于实现高速、高精确度在线检测,另一方面由于国外产品的引进成本较高,在中小规模的铝加工企业的应用受到限制。在这些基于机器视觉的检测系统中,大多采用单PC机或者嵌入式处理器作为缺陷图像分析的核心,一定程度上满足了铝板生产线检测的要求。但由于检测过程中,缺陷图像的采集、预处理以及缺陷判定等所有的处理操作都由这种单一处理器协调相机等设备来完成,使得处理器运输负荷较大,而且一旦处理设备出现问题,没有后备措施继续保证监测的进行,因此采用这种方案,很难达到生产线的稳定、高速的检测要求和品质保障。
(三) 发明内容
本发明为了弥补现有技术的不足,提供了一种高速检测、检测精度高的冷轧铝板表面缺陷在线检测系统及其检测方法。
本发明是通过如下技术方案实现的:
一种冷轧铝板表面缺陷在线检测系统,包括铝板生产线,其特征在于:所述铝板生产线上下两侧均安装有LED光源和横向并排的高速相机阵列,高速相机阵列由若干路线阵CCD相机组成,各路相机通过GigE接口连接到各自对应的工控机处理器,各工控机处理器内的以太网接口控制单元通过千兆网连接到交换机,再由以太网交换机连接到中心服务器或现场计算机。
本发明采用高速相机阵列和工控机阵列的分布式在线铝板缺陷检测系统设计。高速图像采集是实现在线铝板缺陷检测的首要环节。本发明采用线阵CCD网络相机,此类相机符合GigE Vision标准,以网络作为输出,不需要额外配备图像采集卡,只需要一个千兆网卡就可完成数据的传输与接收,无中继的传输距离可达100米,信号稳定,CPU资源占用少,足以保证图像的精确处理。为了提高图像的实时采集精度,决定采用高速相机阵列,单相机采集图像单行像素可达4096,可克服现场环境噪声对铝板实时图像采集造成的影响。
为实现对高速相机阵列实时采集的图像进行快速处理,在铝板缺陷检测系统上采用多工控机对多相机模式,一个工控机作为处理器,只接收、处理两个高速相机阵列的所传来的实时图像,并将处理数据发送至中心服务器或现场计算机,各设备由交换机连接,进而满足图像信息高速处理的要求,有效的避免数据拥堵。为了保证传输的快速性,本发明采用千兆以太网实现图像及数据传输。
本发明的更优方案为:
所述工控机处理器内设置有工控机缺陷检测模块,工控机缺陷检测模块主要由图像采集单元、缺陷图像预处理单元、以太网接口控制单元、图像处理单元和PCI接口芯片组成。
所述中心服务器和现场计算机均由计算机及运行在计算机上的前台检测软件及后台数据库组成。
上述检测系统的检测方法,包括如下步骤:
(1)现场计算机的前台检测软件将用户设置各路高速相机的设置参数打包,通过以太网直接传送至高速相机阵列;
(2)通过软件界面发出缺陷检测命令,该命令通过以太网传送至工控机处理器阵列,启动在线铝板表面缺陷检测,相机阵列进入工作状态;
(3)高速相机输出的图像数据经GigE接口经千兆网络传送至工控机数据采集模块;
(4)当采集到一帧图像数据后,工控机处理器内的图像预处理单元读取动态数据库的图像数据,进行程序内数据交换,对图像数据据处理后,预处理结果存入到另一动态数据库,图像预处理单元储存信息传送至检测软件的缺陷检测模块;
(5)缺陷检测模块与采集模块完成数据交换以后,读取动态数据库中的图像数据,并进行缺陷检测与定位;
(6)缺陷检测模块完成图像检测后,将缺陷经分类器进行精确分类后将各缺陷的数据打包,经千兆以太网传送至现场计算机和中心服务器,现场计算机或中心服务器将详细缺陷参数、缺陷图像以及所述的高速相机编号进行存储;
(7)中心服务器或现场计算机通过多个子窗口对多路检测结果及铝板缺陷图像进行更新显示,同时将其保存到总数据库中;
(8)检测模块检测发现缺陷后,在发送缺陷信息的同时,对缺陷进行精确定位,生产质量报告,发送至中心服务器或供客户打印。
步骤(1)中,工控机处理器内的图像采集单元在对相机进行调节的同时,通过网络发送相机控制信号,相机控制信号以矩形波脉冲的形式,通过高速网络传送至各路高速相机的GigE接口。
步骤(4)中,图像预处理过程为先根据图像尺寸对图像进行边界裁剪处理,再利用像素3×3的十字形模板进行中值滤波,然后利用分段线性灰度变换对缺陷区域进行增强处理。
步骤(5)中,缺陷检测模块接收到存储信息后,读取预处理后的图像数据;先利用各种阈值分割法将图像的各种缺陷识别出来;然后计算各各缺陷图像区域的特征数据,根据结果计算缺陷面积进而分类、统计各缺陷。
中心服务器实现工控机的整体控制。在个别工控机出现故障时,通过调整相机和工控机处理器的对应关系,协调工控机阵列的工作状态,系统网络由交换机作为中继,硬件之间替换无间断,可实现冗余控制,保证检测的稳定性。
本发明采用了并排的多路工业用线阵CCD相机组合采集铝板生产线产品的图像数据,图像数据经Gige接口通过千兆网传送至各自对应的工控机处理器,由于本发明采用千兆以太网进行数据交互,传输速率高、传输距离远,以交换机作为中继,硬件之间替换无间断,可以保证数据采集的高速性和稳定性。
以往单一处理器对铝板缺陷图像进行分析处理实现缺陷检测,PC处理器是整个检测系统的核心,也是制约整个检测系统速度的瓶颈。为了保证图像分析处理的高速性,本发明的处理单元由多台工控机协作实现,充分利用工控机的稳定、高速数据处理能力并有效防止数据拥堵。本发明使用多工控机对应至多线阵相机,即一台相机采集的图像经对应检测处理器得到的检测结果及缺陷图像通过千兆以太网传送至中心服务器,可有选择性的保存全部图像或只保存缺陷图像。中心服务器由计算机及运行在计算机上的前台检测软件及后台数据库组成。
本发明通过GigE接口和以太网络连接线阵CCD相机实现了缺陷图像的快速采集;利用工控机阵列式处理器实现了铝板缺陷快速检测与定位,有效防止数据拥堵;在快速连续检测的情况下,一台工控机处理问题后可通过现场计算机或中心服务器来调配其它工控机完成其检测任务,防止漏检或误工,实现智能、无间断检测;利用千兆以太网保证了检测结果和缺陷图像的快速传输。构建的铝板缺陷在线检测系统具有检测精度高、检测速度提升空间大、易于实现分布式检测优点,可应用于国内绝大多数铝板生产线,可以有效进行气泡、孔洞、油斑、异物压入、烙痕、辊印、复合层剥离等复杂铝板缺陷的高速在线检测。
(四) 附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明检测系统的结构示意图;
图2为工控机检测处理过程原理框图;
图3为铝板缺陷检测算法总体流程图;
图4为缺陷分类器原理流程图。
图中,1铝板生产线,2 LED光源,3高速相机阵列,4工控机处理器,5中心服务器,6现场计算机,7编码器,8以太网交换机。
(五) 具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,冷轧铝板表面缺陷在线检测系统主要包含LED光源2、铝板生产线1、高速网络相机、工控机处理器阵列、以太网交换机、现场计算机6和中心服务器5。LED光源2安装在铝板生产线1的上下两侧,高速相机阵列3由多路线阵CCD相机组成,横向并排安装在生产线1的上下两侧。每路相机通过GigE接口连接到各自对应的工控机处理器4。
如图2所示,工控机缺陷检测系统主要由图像采模块、图像处理模块组成,图像采集模块包括高速网络相机3、以太网接口控制单元、图像采集单元;工控机图像处理模块包括图像预处理单元、图像曲线采集单元、图像处理单元和缺陷分类器组成。其中,中心服务器5通过千兆网连接到交换机,再由以太网交换机连接到工控机4和高速网络相机3。现场计算机6和中心服务器5由计算机及运行在计算机上的前台检测软件及后台数据库组成。此外,整个系统还包括编码器脉冲计数板卡等PCI接口芯片。
本发明的缺陷检测方法为:
(1)参数设置。现场计算机的前台检测软件将用户设置(各路高速相机的行频、曝光时间、图像大小等设置)参数打包,通过以太网直接传送至高速网络相机阵列。如图2所示,工控机内的图像采集单元在对相机进行调节的时候也可通过网络发送相机控制信号。相机控制信号以矩形波脉冲的形式,通过高速网络传送至各路高速相机的GigE接口。
(2)检测启动。通过软件界面发出缺陷检测命令,该命令通过以太网传送至工控机处理器阵列,启动在线铝板表面缺陷检测,相机阵列进入工作状态。
(3)图像数据采集。如图2所示,高速相机输出的图像数据经Gige接口经千兆网络传送至工控机数据采集单元。该单元作用是将相机传送过来的图像数据进行整理和保存,由原来的单行像素格式整合为像素4096×600的图像。采集模块将原始图像保存至临时动态数据库,存储的数据位是8位灰度图像,共256个灰度等级。
(4)图像预处理。当采集到一帧图像数据后,工控机处理器内的图像预处理单元读取动态数据库的图像数据,进行程序内数据交换,如图2所示,先根据图像尺寸对图像进行边界裁剪处理,再利用像素3×3的十字形模板进行中值滤波,然后利用分段线性灰度变换对缺陷区域进行增强处理。预处理后的图像数据存入到另一动态数据库。
(5)缺陷检测和分类。缺陷检测模块与采集模块完成数据交换以后,读取动态数据库中的图像数据,并进行缺陷检测与定位。由于铝板具有强反光特性,则针对光源的反射特性,异物压入等只能将少部分光线反射到相机当中,属于图像中的低对比度、非连续的缺陷区域。如图3所示,利用经验阈值T 1分割出异物压入痕迹等高对比度缺陷区域。由于孔洞缺陷没有任何反射光线,但是铝板下侧光源的强光照会直接照射到上侧相机中,则采集到的图像灰度值很高,利用经验阈值,极易分离。再利用开运算去除噪声,通过波纹阈值标记连通域确定缺陷位置、面积,然后计算各个区域的圆形度,进行特点标记,然后通过缺陷分类器判断,由于油斑等缺陷具有纵向连续性特征,可根据特点学习、对比进行此类缺陷与其他缺陷的区分,如图4所示。如图3所示,利用经验阈值T 2分割出图像中烙痕、辊印等低对比度缺陷区域。
(6)检测结果传送。缺陷检测模块完成图像检测后,如果缺陷的个数不为零,则将缺陷经分类器进行精确分类后将各缺陷的类型、面积、位置等数据进行打包,经千兆以太网传送至现场计算机和中心服务器,现场计算机或中心服务器将详细缺陷参数、缺陷图像以及所属的高速相机号进行存储。
(7)中心服务器或现场计算机通过多个子窗口对多路检测结果及铝板缺陷图像进行更新显示,同时将其保存到总数据库中。
(8)检测模块检测发现缺陷后,在发送缺陷信息的同时,对缺陷进行精确定位,由客户选定一侧和铝卷开始处记为横、纵坐标起始点,统计缺陷的横、纵坐标,生成质量报告,发送至中心服务器或供客户打印。
(9)在检测过程中,如果出现个别工控机处理器出现问题,中心服务器将发送工控机控制信号,调用空闲工控机将故障工控机替换出来,保证检测的连贯性。
Claims (7)
1.一种冷轧铝板表面缺陷在线检测系统,包括铝板生产线(1),其特征在于:所述铝板生产线(1)上下两侧均安装有LED光源(2)和横向并排的高速相机阵列(3),高速相机阵列(3)由若干路线阵CCD相机组成,各路相机通过GigE接口连接到各自对应的工控机处理器(4),各工控机处理器(4)内的以太网接口控制单元通过千兆网连接到交换机(8),再由以太网交换机(8)连接到中心服务器(5)或现场计算机(6)。
2.根据权利要求1所述的冷轧铝板表面缺陷在线检测系统,其特征在于:所述工控机处理器(4)内设置有工控机缺陷检测模块,工控机缺陷检测模块主要由图像采集单元、缺陷图像预处理单元、以太网接口控制单元、图像处理单元和PCI接口芯片组成。
3.根据权利要求1所述的冷轧铝板表面缺陷在线检测系统,其特征在于:所述中心服务器(5)和现场计算机(6)均由计算机及运行在计算机上的前台检测软件及后台数据库组成。
4.根据权利要求1所述的冷轧铝板表面缺陷在线检测系统的检测方法,其特征为,包括如下步骤:
(1)现场计算机的前台检测软件将用户设置的各路高速相机的设置参数打包,通过以太网直接传送至高速相机阵列;
(2)通过软件界面发出缺陷检测命令,该命令通过以太网传送至工控机处理器阵列,启动在线铝板表面缺陷检测,相机阵列进入工作状态;
(3)高速相机输出的图像数据经GigE接口经千兆网络传送至工控机数据采集模块;
(4)当采集到一帧图像数据后,工控机处理器内的图像预处理单元读取动态数据库的图像数据,进行程序内数据交换,对图像数据据处理后,预处理结果存入到另一动态数据库,图像预处理单元储存信息传送至检测软件的缺陷检测模块;
(5)缺陷检测模块与采集模块完成数据交换以后,读取动态数据库中的图像数据,并进行缺陷检测与定位;
(6)缺陷检测模块完成图像检测后,将缺陷经分类器进行精确分类后将各缺陷的数据打包,经千兆以太网传送至现场计算机和中心服务器,现场计算机或中心服务器将详细缺陷参数、缺陷图像以及所述的高速相机编号进行存储;
(7)中心服务器或现场计算机通过多个子窗口对多路检测结果及铝板缺陷图像进行更新显示,同时将其保存到总数据库中;
(8)检测模块检测发现缺陷后,在发送缺陷信息的同时,对缺陷进行精确定位,生产质量报告,发送至中心服务器或供客户打印。
5.根据权利要求1所述的冷轧铝板表面缺陷在线检测系统的检测方法,其特征在于:步骤(1)中,工控机处理器内的图像采集单元在对相机进行调节的同时,通过网络发送相机控制信号,相机控制信号以矩形波脉冲的形式,通过高速网络传送至各路高速相机的GigE接口。
6.根据权利要求1所述的冷轧铝板表面缺陷在线检测系统的检测方法,其特征在于:步骤(4)中,图像预处理过程为先根据图像尺寸对图像进行边界裁剪处理,再利用像素3×3的十字形模板进行中值滤波,然后利用分段线性灰度变换对缺陷区域进行增强处理。
7.根据权利要求1所述的冷轧铝板表面缺陷在线检测系统的检测方法,其特征在于:步骤(5)中,缺陷检测模块接收到存储信息后,读取预处理后的图像数据;先利用各种阈值分割法将图像的各种缺陷识别出来;然后计算各各缺陷图像区域的特征数据,根据结果计算缺陷面积进而分类、统计各缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103187551A CN103399016A (zh) | 2013-07-26 | 2013-07-26 | 冷轧铝板表面缺陷在线检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013103187551A CN103399016A (zh) | 2013-07-26 | 2013-07-26 | 冷轧铝板表面缺陷在线检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103399016A true CN103399016A (zh) | 2013-11-20 |
Family
ID=49562682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013103187551A Pending CN103399016A (zh) | 2013-07-26 | 2013-07-26 | 冷轧铝板表面缺陷在线检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103399016A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044126A (zh) * | 2015-07-22 | 2015-11-11 | 瑞安市质量技术监督检测院 | 宽幅连续表面缺陷视觉检测系统 |
CN105092591A (zh) * | 2015-08-27 | 2015-11-25 | 任红霞 | 一种基于图像处理的工件缺陷定位方法 |
CN105139400A (zh) * | 2015-08-27 | 2015-12-09 | 任红霞 | 基于图像处理的工件缺陷定位系统 |
CN105136804A (zh) * | 2014-05-28 | 2015-12-09 | 宝山钢铁股份有限公司 | 高速带钢表面图像采集及图像处理装置和方法 |
CN106524942A (zh) * | 2016-12-24 | 2017-03-22 | 大连日佳电子有限公司 | 一种焊锡三维表面扫描装置 |
CN107202797A (zh) * | 2017-07-06 | 2017-09-26 | 天津电气科学研究院有限公司 | 非接触式连续热镀锌生产线带钢焊缝检测系统及其方法 |
CN107310795A (zh) * | 2017-07-04 | 2017-11-03 | 上海烟草机械有限责任公司 | 基于机器视觉技术的产品外包装检测器及检测系统 |
CN107402221A (zh) * | 2017-08-08 | 2017-11-28 | 广东工业大学 | 一种基于机器视觉的显示面板缺陷识别方法及系统 |
CN108016840A (zh) * | 2017-11-28 | 2018-05-11 | 天津工业大学 | 一种基于led的多视点输送带纵向撕裂图像采集方法 |
CN108206829A (zh) * | 2017-12-28 | 2018-06-26 | 中国科学院西安光学精密机械研究所 | 基于FPGA实现GigE Vision协议进行网络通信的方法 |
CN108548822A (zh) * | 2018-06-21 | 2018-09-18 | 无锡旭锠智能科技有限公司 | 一种宽幅连续表面缺陷视觉检测系统 |
CN108564104A (zh) * | 2018-01-09 | 2018-09-21 | 北京百度网讯科技有限公司 | 产品缺陷检测方法、装置、系统、服务器及存储介质 |
CN108921841A (zh) * | 2018-07-02 | 2018-11-30 | 北京百度网讯科技有限公司 | 钢铁连铸坯质量检测方法、装置、设备及存储介质 |
CN109446953A (zh) * | 2018-10-17 | 2019-03-08 | 福州大学 | 一种基于轻量化卷积神经网络的行人重识别方法 |
CN109692877A (zh) * | 2018-12-29 | 2019-04-30 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面质量管理系统及方法 |
US10769774B2 (en) | 2018-01-09 | 2020-09-08 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting a defect in a steel plate, as well as apparatus and server therefor |
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 |
CN112986260A (zh) * | 2021-02-08 | 2021-06-18 | 菲特(珠海横琴)智能科技有限公司 | 基于相机矩阵的检测系统、控制系统、终端、介质及应用 |
CN113155865A (zh) * | 2021-01-06 | 2021-07-23 | 天津大学 | 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 |
CN113256615A (zh) * | 2021-06-22 | 2021-08-13 | 常州微亿智造科技有限公司 | 线形缺陷的检测方法和装置 |
CN113446942A (zh) * | 2021-08-11 | 2021-09-28 | 镇江龙源铝业有限公司 | 一种冷轧铝合金板带吹胀成型性能的快速检测方法 |
CN114136992A (zh) * | 2021-11-25 | 2022-03-04 | 陕西金之力电子科技有限公司 | 新型的带钢表面缺陷实时在线检测系统及方法 |
CN114589108A (zh) * | 2022-01-21 | 2022-06-07 | 厦门聚视智创科技有限公司 | 一种结构简单的高速柔性循环检测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5944644A (ja) * | 1982-09-08 | 1984-03-13 | Citizen Watch Co Ltd | メツキ膜中ピンホ−ルの定量測定方法 |
JP2001281155A (ja) * | 2000-03-29 | 2001-10-10 | Kyowakiden Industry Co Ltd | 金属表面欠陥ライン検査装置 |
JP2002005845A (ja) * | 2000-06-20 | 2002-01-09 | Mitsubishi Rayon Co Ltd | 欠陥検査装置 |
CN102721702A (zh) * | 2012-06-27 | 2012-10-10 | 山东轻工业学院 | 基于嵌入式处理器的分布式纸病检测系统及方法 |
CN203365339U (zh) * | 2013-07-26 | 2013-12-25 | 齐鲁工业大学 | 冷轧铝板表面缺陷在线检测系统 |
-
2013
- 2013-07-26 CN CN2013103187551A patent/CN103399016A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5944644A (ja) * | 1982-09-08 | 1984-03-13 | Citizen Watch Co Ltd | メツキ膜中ピンホ−ルの定量測定方法 |
JP2001281155A (ja) * | 2000-03-29 | 2001-10-10 | Kyowakiden Industry Co Ltd | 金属表面欠陥ライン検査装置 |
JP2002005845A (ja) * | 2000-06-20 | 2002-01-09 | Mitsubishi Rayon Co Ltd | 欠陥検査装置 |
CN102721702A (zh) * | 2012-06-27 | 2012-10-10 | 山东轻工业学院 | 基于嵌入式处理器的分布式纸病检测系统及方法 |
CN203365339U (zh) * | 2013-07-26 | 2013-12-25 | 齐鲁工业大学 | 冷轧铝板表面缺陷在线检测系统 |
Non-Patent Citations (2)
Title |
---|
沈昱明等: "机器视觉在铜带表面缺陷检测系统中的应用", 《电子测量技术》, vol. 33, no. 4, 30 April 2010 (2010-04-30) * |
盛仲曦等: "一种基于被动视觉的焊缝图像实时获取与处理方法", 《上海交通大学学报》, vol. 42, 30 November 2008 (2008-11-30), pages 84 - 86 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105136804B (zh) * | 2014-05-28 | 2018-11-06 | 宝山钢铁股份有限公司 | 高速带钢表面图像采集及图像处理装置和方法 |
CN105136804A (zh) * | 2014-05-28 | 2015-12-09 | 宝山钢铁股份有限公司 | 高速带钢表面图像采集及图像处理装置和方法 |
CN105044126A (zh) * | 2015-07-22 | 2015-11-11 | 瑞安市质量技术监督检测院 | 宽幅连续表面缺陷视觉检测系统 |
CN105092591A (zh) * | 2015-08-27 | 2015-11-25 | 任红霞 | 一种基于图像处理的工件缺陷定位方法 |
CN105139400A (zh) * | 2015-08-27 | 2015-12-09 | 任红霞 | 基于图像处理的工件缺陷定位系统 |
CN106524942A (zh) * | 2016-12-24 | 2017-03-22 | 大连日佳电子有限公司 | 一种焊锡三维表面扫描装置 |
CN107310795A (zh) * | 2017-07-04 | 2017-11-03 | 上海烟草机械有限责任公司 | 基于机器视觉技术的产品外包装检测器及检测系统 |
CN107202797A (zh) * | 2017-07-06 | 2017-09-26 | 天津电气科学研究院有限公司 | 非接触式连续热镀锌生产线带钢焊缝检测系统及其方法 |
CN107402221A (zh) * | 2017-08-08 | 2017-11-28 | 广东工业大学 | 一种基于机器视觉的显示面板缺陷识别方法及系统 |
CN108016840A (zh) * | 2017-11-28 | 2018-05-11 | 天津工业大学 | 一种基于led的多视点输送带纵向撕裂图像采集方法 |
CN108206829A (zh) * | 2017-12-28 | 2018-06-26 | 中国科学院西安光学精密机械研究所 | 基于FPGA实现GigE Vision协议进行网络通信的方法 |
CN108206829B (zh) * | 2017-12-28 | 2020-06-16 | 中国科学院西安光学精密机械研究所 | 基于FPGA实现GigE Vision协议进行网络通信的方法 |
CN108564104A (zh) * | 2018-01-09 | 2018-09-21 | 北京百度网讯科技有限公司 | 产品缺陷检测方法、装置、系统、服务器及存储介质 |
US10769774B2 (en) | 2018-01-09 | 2020-09-08 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for detecting a defect in a steel plate, as well as apparatus and server therefor |
CN108548822A (zh) * | 2018-06-21 | 2018-09-18 | 无锡旭锠智能科技有限公司 | 一种宽幅连续表面缺陷视觉检测系统 |
CN108921841A (zh) * | 2018-07-02 | 2018-11-30 | 北京百度网讯科技有限公司 | 钢铁连铸坯质量检测方法、装置、设备及存储介质 |
CN109446953A (zh) * | 2018-10-17 | 2019-03-08 | 福州大学 | 一种基于轻量化卷积神经网络的行人重识别方法 |
CN109692877A (zh) * | 2018-12-29 | 2019-04-30 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面质量管理系统及方法 |
CN109692877B (zh) * | 2018-12-29 | 2020-11-10 | 中冶南方工程技术有限公司 | 一种冷轧带钢表面质量管理系统及方法 |
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 |
CN113155865A (zh) * | 2021-01-06 | 2021-07-23 | 天津大学 | 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法 |
CN112986260A (zh) * | 2021-02-08 | 2021-06-18 | 菲特(珠海横琴)智能科技有限公司 | 基于相机矩阵的检测系统、控制系统、终端、介质及应用 |
CN113256615A (zh) * | 2021-06-22 | 2021-08-13 | 常州微亿智造科技有限公司 | 线形缺陷的检测方法和装置 |
CN113256615B (zh) * | 2021-06-22 | 2021-10-19 | 常州微亿智造科技有限公司 | 线形缺陷的检测方法和装置 |
CN113446942A (zh) * | 2021-08-11 | 2021-09-28 | 镇江龙源铝业有限公司 | 一种冷轧铝合金板带吹胀成型性能的快速检测方法 |
CN113446942B (zh) * | 2021-08-11 | 2022-03-29 | 镇江龙源铝业有限公司 | 一种冷轧铝合金板带吹胀成型性能的快速检测方法 |
CN114136992A (zh) * | 2021-11-25 | 2022-03-04 | 陕西金之力电子科技有限公司 | 新型的带钢表面缺陷实时在线检测系统及方法 |
CN114589108A (zh) * | 2022-01-21 | 2022-06-07 | 厦门聚视智创科技有限公司 | 一种结构简单的高速柔性循环检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103399016A (zh) | 冷轧铝板表面缺陷在线检测系统及其检测方法 | |
CN204924967U (zh) | 全自动aoi整机的图像采集机构 | |
CN106327496B (zh) | 基于aoi的pcb裸板盲孔缺陷的检测系统及方法 | |
CN108037138A (zh) | 一种用于检测纸张双面缺陷的纸病检测系统及检测方法 | |
CN105044126A (zh) | 宽幅连续表面缺陷视觉检测系统 | |
CN101661004B (zh) | 一种基于支持向量机的电路板焊接质量视觉检测方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN102721702A (zh) | 基于嵌入式处理器的分布式纸病检测系统及方法 | |
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 | |
CN101105459A (zh) | 一种空瓶瓶口缺陷的检测方法及装置 | |
CN107014819A (zh) | 一种太阳能电池板表面缺陷检测系统和方法 | |
CN203376271U (zh) | 基于机器视觉的非连续性产品在线检测系统 | |
CN102928441B (zh) | 一种扫描式自动光学检测系统 | |
CN106934800A (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
CN112651966A (zh) | 一种基于acyolov4_csp的印刷电路板微小缺陷检测方法 | |
CN104132945A (zh) | 一种基于光纤传导的棒材表面质量在线视觉检测装置 | |
CN103913460A (zh) | 一种在线纸病检测系统 | |
CN101807061B (zh) | 集成电路切筋系统的视觉检测控制系统及方法 | |
CN207850304U (zh) | 一种电气化铁路接触网检测系统 | |
CN110186375A (zh) | 智能化高铁白车身焊接装配特征检测装置及检测方法 | |
CN203365339U (zh) | 冷轧铝板表面缺陷在线检测系统 | |
CN103473778A (zh) | 一种led发光芯片插偏缺陷的检测算法 | |
CN202444572U (zh) | 一种无参考的视频监控图像模糊质量检测装置 | |
CN102538661A (zh) | 一种快速检测型材平面度系统及其方法 | |
CN105424721A (zh) | 一种金属应变计缺陷自动检测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131120 |