CN105092593A - 一种基于高强度照明的钢板缺陷检测方法 - Google Patents
一种基于高强度照明的钢板缺陷检测方法 Download PDFInfo
- Publication number
- CN105092593A CN105092593A CN201510535809.9A CN201510535809A CN105092593A CN 105092593 A CN105092593 A CN 105092593A CN 201510535809 A CN201510535809 A CN 201510535809A CN 105092593 A CN105092593 A CN 105092593A
- Authority
- CN
- China
- Prior art keywords
- steel plate
- image
- gray
- subset
- defect
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种基于高强度照明的钢板缺陷检测方法,该方法包括:1)提供一种基于高强度照明的钢板缺陷检测平台,所述检测平台包括高强度照明光源、CCD相机、缺陷信息获取设备和数字信号处理器,所述CCD相机在所述高强度照明光源的照明下对钢板进行成像,以获得钢板图像,所述缺陷信息获取设备与所述CCD相机连接,用于获取所述钢板图像中的缺陷信息,所述数字信号处理器与所述缺陷信息获取设备连接,基于所述缺陷信息对钢板进行处理;2)使用所述检测平台来进行检测。通过本发明,能够准确地标记出存在缺陷的问题钢板块,为后续钢板块的处理提供了方便。
Description
技术领域
本发明涉及钢板检测领域,尤其涉及一种基于高强度照明的钢板缺陷检测方法。
背景技术
现有的钢板缺陷检测存在以下弊端:(1)普通光照射下检测,检测效果不佳;(2)缺乏自动缺陷标记机构,导致缺陷标记效率低下;(3)图像分割阈值选择困难,钢板背景分割不够干净;(4)缺乏有效的缺陷检测机制。
为此,本发明提出了一种基于高强度照明的钢板缺陷检测方法,能够利用高强度照明光源对待检测钢板进行照明,并且能够实现高效的自动缺陷标记、钢板背景分割和钢板缺陷检测,提高钢板缺陷检测的可靠性。
发明内容
为了解决现有技术存在的技术问题,本发明提供了一种基于高强度照明的钢板缺陷检测方法,采用高强度照明光源对待检测钢板进行照明,搭建流水线的检测和标记结构,使用自适应阈值选择和差值图像缺陷定位的模式,同时,通过EPLD控制电路、高速缓存双口RAM、FPGA芯片和所数字信号处理器进行具体实现,从整体上提高钢板缺陷检测的精度和效率。
根据本发明的一方面,提供了一种基于高强度照明的钢板缺陷检测方法,该方法包括:1)提供一种基于高强度照明的钢板缺陷检测平台,所述检测平台包括高强度照明光源、CCD相机、缺陷信息获取设备和数字信号处理器,所述CCD相机在所述高强度照明光源的照明下对钢板进行成像,以获得钢板图像,所述缺陷信息获取设备与所述CCD相机连接,用于获取所述钢板图像中的缺陷信息,所述数字信号处理器与所述缺陷信息获取设备连接,基于所述缺陷信息对钢板进行处理;2)使用所述检测平台来进行检测。
更具体地,在所述基于高强度照明的钢板缺陷检测平台中,还包括:缺陷标记机构,与所述数字信号处理器连接,用于接收所述数字信号处理器发送的标记信号,对相应的钢板进行缺陷标记;同步机构,与所述缺陷标记机构和所述缺陷信息获取设备连接,用于同步标记信号和存在缺陷信号;传送结构,用于逐块传送待检测的钢板;移动硬盘,用于预先存储钢板灰度阈值范围和预设缺陷阈值,还用于预先存储基准钢板图像,所述基准钢板图像为对基准钢板块进行拍摄而获得的只包括钢板块像素的图像;高速缓存双口RAM,设置在所述缺陷信息获取设备和所述数字信号处理器之间;EPLD控制电路,连接所述高速缓存双口RAM、所述缺陷信息获取设备和所述数字信号处理器,用于控制所述高速缓存双口RAM、所述缺陷信息获取设备和所述数字信号处理器之间的数据交互和时序;供电设备,包括太阳能供电器件、市电接口、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述市电接口分别连接,根据市电接口处的市电电压大小决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;所述高强度照明光源为高频荧光灯,被设置在所述传送结构的正上方;所述CCD相机采用双聚焦系统,与所述高强度照明光源一起被设置在所述传送结构的正上方;所述缺陷信息获取设备包括图像预处理子设备、阈值选择子设备、目标分割子设备和缺陷提取子设备;所述图像预处理子设备与所述CCD相机连接,用于接收所述钢板图像,并对所述钢板图像依次执行边缘增强处理、小波滤波处理、图像膨胀处理、图像腐蚀处理和灰度化处理,以获得灰度化图像;所述阈值选择子设备与所述移动硬盘和所述图像预处理子设备分别连接,用于依次从所述钢板灰度阈值范围中选择一个值作为预选灰度阈值,采用预选灰度阈值将灰度化图像划分为预选背景区域和预选目标区域,计算预选背景区域占据灰度化图像的面积比例作为背景面积比,计算预选背景区域的像素平均灰度值作为背景平均灰度值,计算预选目标区域占据灰度化图像的面积比例作为目标面积比,计算预选目标区域的像素平均灰度值作为目标平均灰度值,将背景平均灰度值减去灰度化图像的总平均灰度值,获得的差的平方乘以背景面积比以获得第一乘积,将目标平均灰度值减去灰度化图像的总平均灰度值,获得的差的平方乘以目标面积比以获得第二乘积,将第一乘积和第二乘积相加以获得和值,选择和值最大的预选灰度阈值作为目标灰度阈值;所述目标分割子设备与所述阈值选择子设备连接,用于采用目标灰度阈值将灰度化图像划分为背景图像和目标图像;所述缺陷提取子设备与所述目标分割子设备和所述移动硬盘分别连接,计算目标图像中所有像素的灰度值总和以作为第一灰度值总和,计算基准钢板图像中所有像素的灰度值总和以作为第二灰度值总和,将第一灰度值总和减去第二灰度值总和所获得的差值的绝对值作为缺陷参考值,当缺陷参考值大于预设缺陷阈值时,判断钢板存在缺陷并输出存在缺陷信号,当缺陷参考值小于等于预设缺陷阈值时,判断钢板不存在缺陷并输出不存在缺陷信号;所述数字信号处理器与所述缺陷信息获取设备和所述缺陷标记机构分别连接,用于在接收到所述存在缺陷信号时,发出标记信号以控制所述缺陷标记机构对相应的钢板进行缺陷标记;其中,所述图像预处理子设备、所述阈值选择子设备、所述目标分割子设备和所述缺陷提取子设备分别采用不同型号的FPGA芯片来实现。
更具体地,在所述基于高强度照明的钢板缺陷检测平台中,所述检测平台还包括:显示设备,与所述目标分割子设备连接,用于实时显示所述目标分割子设备输出的目标图像。
更具体地,在所述基于高强度照明的钢板缺陷检测平台中:所述显示设备为液晶显示屏。
更具体地,在所述基于高强度照明的钢板缺陷检测平台中:所述CCD相机包括线阵CCD摄像头。
更具体地,在所述基于高强度照明的钢板缺陷检测平台中:所述图像预处理子设备、所述阈值选择子设备、所述目标分割子设备和所述缺陷提取子设备被集成在一块集成电路板上。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的基于高强度照明的钢板缺陷检测平台的结构方框图。
附图标记:1高强度照明光源;2CCD相机;3缺陷信息获取设备;4数字信号处理器
具体实施方式
下面将参照附图对本发明的基于高强度照明的钢板缺陷检测平台的实施方案进行详细说明。
钢板是建筑领域的常规材料,其质量好坏直接决定了建筑成品的可靠性。为了对自己刚成品的钢板进行有效检测,各个钢板生产厂商一般采用普通的可见光对待检测钢板进行检测,目前采用的基于图像处理的钢板缺陷检测方案精度都不甚理想。
为了克服上述不足,本发明搭建了一种基于高强度照明的钢板缺陷检测平台,采用高强度照明光源对待检测钢板进行照明,针对钢板和钢板缺陷的外观特征,引入了各种图像处理设备进行有针对性的图像处理,从而解决上述问题。
图1为根据本发明实施方案示出的基于高强度照明的钢板缺陷检测平台的结构方框图,所述检测平台包括高强度照明光源、CCD相机、缺陷信息获取设备和数字信号处理器,所述CCD相机在所述高强度照明光源的照明下对钢板进行成像,以获得钢板图像,所述缺陷信息获取设备与所述CCD相机连接,用于获取所述钢板图像中的缺陷信息,所述数字信号处理器与所述缺陷信息获取设备连接,基于所述缺陷信息对钢板进行处理。
接着,继续对本发明的基于高强度照明的钢板缺陷检测平台的具体结构进行进一步的说明。
所述检测平台还包括:缺陷标记机构,与所述数字信号处理器连接,用于接收所述数字信号处理器发送的标记信号,对相应的钢板进行缺陷标记。
所述检测平台还包括:同步机构,与所述缺陷标记机构和所述缺陷信息获取设备连接,用于同步标记信号和存在缺陷信号。
所述检测平台还包括:传送结构,用于逐块传送待检测的钢板。
所述检测平台还包括:移动硬盘,用于预先存储钢板灰度阈值范围和预设缺陷阈值,还用于预先存储基准钢板图像,所述基准钢板图像为对基准钢板块进行拍摄而获得的只包括钢板块像素的图像。
所述检测平台还包括:高速缓存双口RAM,设置在所述缺陷信息获取设备和所述数字信号处理器之间。
所述检测平台还包括:EPLD控制电路,连接所述高速缓存双口RAM、所述缺陷信息获取设备和所述数字信号处理器,用于控制所述高速缓存双口RAM、所述缺陷信息获取设备和所述数字信号处理器之间的数据交互和时序。
所述检测平台还包括:供电设备,包括太阳能供电器件、市电接口、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述市电接口分别连接,根据市电接口处的市电电压大小决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压。
所述高强度照明光源为高频荧光灯,被设置在所述传送结构的正上方。
所述CCD相机采用双聚焦系统,与所述高强度照明光源一起被设置在所述传送结构的正上方。
所述缺陷信息获取设备包括图像预处理子设备、阈值选择子设备、目标分割子设备和缺陷提取子设备。
所述图像预处理子设备与所述CCD相机连接,用于接收所述钢板图像,并对所述钢板图像依次执行边缘增强处理、小波滤波处理、图像膨胀处理、图像腐蚀处理和灰度化处理,以获得灰度化图像。
所述阈值选择子设备与所述移动硬盘和所述图像预处理子设备分别连接,用于依次从所述钢板灰度阈值范围中选择一个值作为预选灰度阈值,采用预选灰度阈值将灰度化图像划分为预选背景区域和预选目标区域,计算预选背景区域占据灰度化图像的面积比例作为背景面积比,计算预选背景区域的像素平均灰度值作为背景平均灰度值,计算预选目标区域占据灰度化图像的面积比例作为目标面积比,计算预选目标区域的像素平均灰度值作为目标平均灰度值,将背景平均灰度值减去灰度化图像的总平均灰度值,获得的差的平方乘以背景面积比以获得第一乘积,将目标平均灰度值减去灰度化图像的总平均灰度值,获得的差的平方乘以目标面积比以获得第二乘积,将第一乘积和第二乘积相加以获得和值,选择和值最大的预选灰度阈值作为目标灰度阈值。
所述目标分割子设备与所述阈值选择子设备连接,用于采用目标灰度阈值将灰度化图像划分为背景图像和目标图像。
所述缺陷提取子设备与所述目标分割子设备和所述移动硬盘分别连接,计算目标图像中所有像素的灰度值总和以作为第一灰度值总和,计算基准钢板图像中所有像素的灰度值总和以作为第二灰度值总和,将第一灰度值总和减去第二灰度值总和所获得的差值的绝对值作为缺陷参考值,当缺陷参考值大于预设缺陷阈值时,判断钢板存在缺陷并输出存在缺陷信号,当缺陷参考值小于等于预设缺陷阈值时,判断钢板不存在缺陷并输出不存在缺陷信号。
所述数字信号处理器与所述缺陷信息获取设备和所述缺陷标记机构分别连接,用于在接收到所述存在缺陷信号时,发出标记信号以控制所述缺陷标记机构对相应的钢板进行缺陷标记;其中,所述图像预处理子设备、所述阈值选择子设备、所述目标分割子设备和所述缺陷提取子设备分别采用不同型号的FPGA芯片来实现。
可选地,在所述检测平台中:所述检测平台还包括:显示设备,与所述目标分割子设备连接,用于实时显示所述目标分割子设备输出的目标图像;所述显示设备为液晶显示屏;所述CCD相机包括线阵CCD摄像头;以及可以将所述图像预处理子设备、所述阈值选择子设备、所述目标分割子设备和所述缺陷提取子设备集成在一块集成电路板上。
另外,FPGA(Field-ProgrammableGateArray),即现场可编程门阵列,他是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。他是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。
以硬件描述语言(Verilog或VHDL)所完成的电路设计,可以经过简单的综合与布局,快速的烧录至FPGA上进行测试,是现代IC设计验证的技术主流。这些可编辑元件可以被用来实现一些基本的逻辑门电路(比如AND、OR、XOR、NOT)或者更复杂一些的组合功能比如解码器或数学方程式。在大多数的FPGA里面,这些可编辑的元件里也包含记忆元件例如触发器(Flip-flop)或者其他更加完整的记忆块。系统设计师可以根据需要通过可编辑的连接把FPGA内部的逻辑块连接起来,就好像一个电路试验板被放在了一个芯片里。一个出厂后的成品FPGA的逻辑块和连接可以按照设计者而改变,所以FPGA可以完成所需要的逻辑功能。
FPGA一般来说比ASIC(专用集成电路)的速度要慢,实现同样的功能比ASIC电路面积要大。但是他们也有很多的优点比如可以快速成品,可以被修改来改正程序中的错误和更便宜的造价。厂商也可能会提供便宜的但是编辑能力差的FPGA。因为这些芯片有比较差的可编辑能力,所以这些设计的开发是在普通的FPGA上完成的,然后将设计转移到一个类似于ASIC的芯片上。另外一种方法是用CPLD(ComplexProgrammableLogicDevice,复杂可编程逻辑器件)。FPGA的开发相对于传统PC、单片机的开发有很大不同。FPGA以并行运算为主,以硬件描述语言来实现;相比于PC或单片机(无论是冯诺依曼结构还是哈佛结构)的顺序操作有很大区别。
早在1980年代中期,FPGA已经在PLD设备中扎根。CPLD和FPGA包括了一些相对大数量的可编辑逻辑单元。CPLD逻辑门的密度在几千到几万个逻辑单元之间,而FPGA通常是在几万到几百万。CPLD和FPGA的主要区别是他们的系统结构。CPLD是一个有点限制性的结构。这个结构由一个或者多个可编辑的结果之和的逻辑组列和一些相对少量的锁定的寄存器组成。这样的结果是缺乏编辑灵活性,但是却有可以预计的延迟时间和逻辑单元对连接单元高比率的优点。而FPGA却是有很多的连接单元,这样虽然让他可以更加灵活的编辑,但是结构却复杂的多。
采用本发明的基于高强度照明的钢板缺陷检测平台,针对现有技术中普通照明光检测精度不高以及缺乏高效的检测平台的技术问题,通过流水线传输和标记的结构的搭建,采用高强度照明光源对待检测钢板进行照射,更关键的是,引入各种适合钢板外形的图像处理设备,从整体上提高了检测平台的效率和自动化水准。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种基于高强度照明的钢板缺陷检测方法,该方法包括:
1)提供一种基于高强度照明的钢板缺陷检测平台,所述检测平台包括高强度照明光源、CCD相机、缺陷信息获取设备和数字信号处理器,所述CCD相机在所述高强度照明光源的照明下对钢板进行成像,以获得钢板图像,所述缺陷信息获取设备与所述CCD相机连接,用于获取所述钢板图像中的缺陷信息,所述数字信号处理器与所述缺陷信息获取设备连接,基于所述缺陷信息对钢板进行处理;
2)使用所述检测平台来进行检测。
2.如权利要求1所述的方法,其特征在于,所述检测平台还包括:
缺陷标记机构,与所述数字信号处理器连接,用于接收所述数字信号处理器发送的标记信号,对相应的钢板进行缺陷标记;
同步机构,与所述缺陷标记机构和所述缺陷信息获取设备连接,用于同步标记信号和存在缺陷信号;
传送结构,用于逐块传送待检测的钢板;
移动硬盘,用于预先存储钢板灰度阈值范围和预设缺陷阈值,还用于预先存储基准钢板图像,所述基准钢板图像为对基准钢板块进行拍摄而获得的只包括钢板块像素的图像;
高速缓存双口RAM,设置在所述缺陷信息获取设备和所述数字信号处理器之间;
EPLD控制电路,连接所述高速缓存双口RAM、所述缺陷信息获取设备和所述数字信号处理器,用于控制所述高速缓存双口RAM、所述缺陷信息获取设备和所述数字信号处理器之间的数据交互和时序;
供电设备,包括太阳能供电器件、市电接口、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述市电接口分别连接,根据市电接口处的市电电压大小决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;
所述高强度照明光源为高频荧光灯,被设置在所述传送结构的正上方;
所述CCD相机采用双聚焦系统,与所述高强度照明光源一起被设置在所述传送结构的正上方;
所述缺陷信息获取设备包括图像预处理子设备、阈值选择子设备、目标分割子设备和缺陷提取子设备;所述图像预处理子设备与所述CCD相机连接,用于接收所述钢板图像,并对所述钢板图像依次执行边缘增强处理、小波滤波处理、图像膨胀处理、图像腐蚀处理和灰度化处理,以获得灰度化图像;所述阈值选择子设备与所述移动硬盘和所述图像预处理子设备分别连接,用于依次从所述钢板灰度阈值范围中选择一个值作为预选灰度阈值,采用预选灰度阈值将灰度化图像划分为预选背景区域和预选目标区域,计算预选背景区域占据灰度化图像的面积比例作为背景面积比,计算预选背景区域的像素平均灰度值作为背景平均灰度值,计算预选目标区域占据灰度化图像的面积比例作为目标面积比,计算预选目标区域的像素平均灰度值作为目标平均灰度值,将背景平均灰度值减去灰度化图像的总平均灰度值,获得的差的平方乘以背景面积比以获得第一乘积,将目标平均灰度值减去灰度化图像的总平均灰度值,获得的差的平方乘以目标面积比以获得第二乘积,将第一乘积和第二乘积相加以获得和值,选择和值最大的预选灰度阈值作为目标灰度阈值;所述目标分割子设备与所述阈值选择子设备连接,用于采用目标灰度阈值将灰度化图像划分为背景图像和目标图像;所述缺陷提取子设备与所述目标分割子设备和所述移动硬盘分别连接,计算目标图像中所有像素的灰度值总和以作为第一灰度值总和,计算基准钢板图像中所有像素的灰度值总和以作为第二灰度值总和,将第一灰度值总和减去第二灰度值总和所获得的差值的绝对值作为缺陷参考值,当缺陷参考值大于预设缺陷阈值时,判断钢板存在缺陷并输出存在缺陷信号,当缺陷参考值小于等于预设缺陷阈值时,判断钢板不存在缺陷并输出不存在缺陷信号;
所述数字信号处理器与所述缺陷信息获取设备和所述缺陷标记机构分别连接,用于在接收到所述存在缺陷信号时,发出标记信号以控制所述缺陷标记机构对相应的钢板进行缺陷标记;
其中,所述图像预处理子设备、所述阈值选择子设备、所述目标分割子设备和所述缺陷提取子设备分别采用不同型号的FPGA芯片来实现。
3.如权利要求2所述的方法,其特征在于,所述检测平台还包括:显示设备,与所述目标分割子设备连接,用于实时显示所述目标分割子设备输出的目标图像。
4.如权利要求3所述的方法,其特征在于:所述显示设备为液晶显示屏。
5.如权利要求2所述的方法,其特征在于:所述CCD相机包括线阵CCD摄像头。
6.如权利要求2所述的方法,其特征在于:所述图像预处理子设备、所述阈值选择子设备、所述目标分割子设备和所述缺陷提取子设备被集成在一块集成电路板上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510535809.9A CN105092593A (zh) | 2015-08-27 | 2015-08-27 | 一种基于高强度照明的钢板缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510535809.9A CN105092593A (zh) | 2015-08-27 | 2015-08-27 | 一种基于高强度照明的钢板缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105092593A true CN105092593A (zh) | 2015-11-25 |
Family
ID=54573508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510535809.9A Pending CN105092593A (zh) | 2015-08-27 | 2015-08-27 | 一种基于高强度照明的钢板缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105092593A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525813A (zh) * | 2017-09-21 | 2017-12-29 | 常州有恒智能装备科技有限公司 | 钢板缺陷在线智能视觉检测系统 |
CN107764837A (zh) * | 2017-09-25 | 2018-03-06 | 北京首钢股份有限公司 | 一种无取向电工钢表面质量的判定方法及系统 |
CN108073651A (zh) * | 2016-11-15 | 2018-05-25 | 上海宝信软件股份有限公司 | 自动实时识别厚板fqc图像内容的处理方法 |
CN108898576A (zh) * | 2018-05-21 | 2018-11-27 | 安徽集弘物联科技有限公司 | 一种智能机器视觉筛选平台 |
CN109142509A (zh) * | 2017-06-27 | 2019-01-04 | 宝山钢铁股份有限公司 | 圆钢磁粉探伤方法与装置 |
CN109668912A (zh) * | 2018-12-05 | 2019-04-23 | 余姚德诚科技咨询有限公司 | 伴床式x光机质量检验机构 |
CN111402190A (zh) * | 2018-12-28 | 2020-07-10 | 上海尤图智能科技有限公司 | 一种用于线材在线检测的图像处理装置和系统 |
CN114103494A (zh) * | 2020-09-01 | 2022-03-01 | 佳能株式会社 | 图像处理装置、其控制方法和存储介质 |
CN114152626A (zh) * | 2022-02-07 | 2022-03-08 | 盛吉盛(宁波)半导体科技有限公司 | 应用于缺陷高度测量的方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1789990A (zh) * | 2005-12-01 | 2006-06-21 | 渤海船舶重工有限责任公司 | 钢板预处理过程中的上、下表面缺陷在线自动检测方法 |
CN201488954U (zh) * | 2009-08-25 | 2010-05-26 | 周良川 | 板材表面质量检测系统 |
CN103154709A (zh) * | 2010-11-16 | 2013-06-12 | 东洋钢钣株式会社 | 板材检查方法以及板材检查装置 |
CN104720759A (zh) * | 2015-04-16 | 2015-06-24 | 张小磊 | 吊车操作员状态综合检测系统 |
-
2015
- 2015-08-27 CN CN201510535809.9A patent/CN105092593A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1789990A (zh) * | 2005-12-01 | 2006-06-21 | 渤海船舶重工有限责任公司 | 钢板预处理过程中的上、下表面缺陷在线自动检测方法 |
CN201488954U (zh) * | 2009-08-25 | 2010-05-26 | 周良川 | 板材表面质量检测系统 |
CN103154709A (zh) * | 2010-11-16 | 2013-06-12 | 东洋钢钣株式会社 | 板材检查方法以及板材检查装置 |
CN104720759A (zh) * | 2015-04-16 | 2015-06-24 | 张小磊 | 吊车操作员状态综合检测系统 |
Non-Patent Citations (6)
Title |
---|
周晓光等: "《射频识别(RFID)系统设计、仿真与应用》", 31 March 2008, 北京:人民邮电出版社 * |
王荣扬: ""基于机器视觉的钢板表面缺陷在线实时检测系统"", 《科技信息》 * |
王震宇: ""基于机器视觉钢板表面缺陷检测技术研究"", 《计算机与现代化》 * |
胡亮 等: ""钢板表面缺陷计算机视觉在线检测系统的研制"", 《钢铁》 * |
范新南 等: ""一种新的自适应工程图像分割算法"", 《计算机测量与控制》 * |
韩九强等: "《机器视觉技术及应用》", 31 December 2009, 北京:高等教育出版社 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073651A (zh) * | 2016-11-15 | 2018-05-25 | 上海宝信软件股份有限公司 | 自动实时识别厚板fqc图像内容的处理方法 |
CN109142509A (zh) * | 2017-06-27 | 2019-01-04 | 宝山钢铁股份有限公司 | 圆钢磁粉探伤方法与装置 |
CN107525813A (zh) * | 2017-09-21 | 2017-12-29 | 常州有恒智能装备科技有限公司 | 钢板缺陷在线智能视觉检测系统 |
CN107764837A (zh) * | 2017-09-25 | 2018-03-06 | 北京首钢股份有限公司 | 一种无取向电工钢表面质量的判定方法及系统 |
CN108898576A (zh) * | 2018-05-21 | 2018-11-27 | 安徽集弘物联科技有限公司 | 一种智能机器视觉筛选平台 |
CN109668912A (zh) * | 2018-12-05 | 2019-04-23 | 余姚德诚科技咨询有限公司 | 伴床式x光机质量检验机构 |
CN109668912B (zh) * | 2018-12-05 | 2022-01-04 | 马亮 | 伴床式x光机质量检验机构 |
CN111402190A (zh) * | 2018-12-28 | 2020-07-10 | 上海尤图智能科技有限公司 | 一种用于线材在线检测的图像处理装置和系统 |
CN111402190B (zh) * | 2018-12-28 | 2023-06-09 | 上海尤图智能科技有限公司 | 一种用于线材在线检测的图像处理装置和系统 |
CN114103494A (zh) * | 2020-09-01 | 2022-03-01 | 佳能株式会社 | 图像处理装置、其控制方法和存储介质 |
CN114152626A (zh) * | 2022-02-07 | 2022-03-08 | 盛吉盛(宁波)半导体科技有限公司 | 应用于缺陷高度测量的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105092593A (zh) | 一种基于高强度照明的钢板缺陷检测方法 | |
CN105044119A (zh) | 一种基于灰度均值分析的玻璃瑕疵分类方法 | |
CN105181708A (zh) | 纺织机针批次合格检测平台 | |
CN105136810A (zh) | 基于高强度照明的钢板缺陷检测平台 | |
CN102937594B (zh) | 一种缺陷检测系统及方法 | |
CN104700085A (zh) | 一种基于模板匹配的芯片定位方法 | |
CN105044124A (zh) | 基于灰度均值分析的玻璃瑕疵分类装置 | |
CN101710385B (zh) | 高性能二维条形码解码方法 | |
CN103310419B (zh) | 一种小目标图像处理装置 | |
CN109187551B (zh) | 一种对玻璃绝缘子的玻璃件裂缝进行检测的方法及系统 | |
CN103698333A (zh) | 一种自动定量分析煤岩光片裂隙的系统和方法 | |
CN103245666B (zh) | 一种蓄电池极板外观缺陷自动检测方法 | |
CN104614383A (zh) | 一种羽毛缺陷检测系统及方法 | |
CN105139400A (zh) | 基于图像处理的工件缺陷定位系统 | |
CN105096325B (zh) | 基于激光图像的水下设备检测系统 | |
CN103913459A (zh) | 一种灯泡头焊锡触点合格率检测装置及方法 | |
CN104123728A (zh) | 基于Hough变换的圆管检测方法 | |
CN103020622A (zh) | 线阵光学降水降雪测量系统中图像二值化方法 | |
CN105181609A (zh) | 木材颜色识别系统及方法 | |
CN105092591A (zh) | 一种基于图像处理的工件缺陷定位方法 | |
CN101221135B (zh) | 基于fpga的印刷电路板图像骨架化方法 | |
CN105241891A (zh) | 一种基于wifi网络的玻璃缺陷检测方法 | |
CN104346778A (zh) | 图像的边缘增强方法和装置以及数码摄像设备 | |
CN105241890A (zh) | 一种采用双重检测的胶囊实时检验方法 | |
CN105136813A (zh) | 一种纺织机针批次合格检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151125 |
|
WD01 | Invention patent application deemed withdrawn after publication |