CN105158268A - 精冲零部件缺陷智能在线检测方法、系统及装置 - Google Patents
精冲零部件缺陷智能在线检测方法、系统及装置 Download PDFInfo
- Publication number
- CN105158268A CN105158268A CN201510607834.3A CN201510607834A CN105158268A CN 105158268 A CN105158268 A CN 105158268A CN 201510607834 A CN201510607834 A CN 201510607834A CN 105158268 A CN105158268 A CN 105158268A
- Authority
- CN
- China
- Prior art keywords
- parts
- defect
- essence
- defects
- diagram picture
- 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
Abstract
本发明公开了一种精冲零部件缺陷智能在线检测方法、系统及装置,其中方法包括以下步骤:当传送带上的精冲零部件到达相机拍摄区域时,触发光电开关,启动相机进行拍照;对零部件图像进行预处理,包括像素级边缘检测,并初步判断该零部件是否存在缺陷,若是,则将该零部件图像转移给图像缓冲区;将图像缓存区的图像提取出来进行后处理并判断,若有缺陷则算出缺陷的大小、面积和相应的位置,并算出缺陷撕裂带的最大高度,若缺陷撕裂带的最大高度超过预设值,则认为该零部件有缺陷,否则认为该零部件合格。本发明将机器视觉技术与精冲零部件技术相结合,能识别出精冲零部件的表面缺陷,在很大程度上提高了检测效率和准确度。
Description
技术领域
本发明涉及精冲零部件检测领域,尤其涉及一种精冲零部件缺陷智能在线检测方法、系统及装置。
背景技术
近几年来,随着精冲技术的发展,在机械、汽车、电子、航空航天等领域得到了广泛的应用。尤其是在汽车领域,一辆桥车上精冲零件就高达200到300个,特别是汽车上一些关键的部件比如无级变速器,它包括的精冲零件就有30多个。精冲零件能在汽车行业上得到广泛应用,得益于它能降低生产成品、节约能耗、提高效率等优点。
如今随着计算机互联网技术的不断发展,智能化生产的概念得到了广泛的普及。精冲零部件在生产过程中,难免会出现不合格的产品。精冲零件断面特征主要包括塌角、光亮带、撕裂带和毛刺。对于理想的精冲零件,希望能获得100%光亮带,但是实际生产中很难达到全光亮带,断面上容易产生撕裂带,但是只要撕裂带控制在一定的比例一下,则也认为是合格产品。以前都是通过工人凭借人眼来观察判断零部件表面是否有缺陷,但仅凭肉眼检测难免会有很多不足之处,比如人眼观察判断错误率很高,对于细小的缺陷不容易检测出来,在一些有危险的生产环境下不能凭肉眼观测。
发明内容
本发明要解决的技术问题在于针对现有技术中现在精冲零件中出现的表面缺陷无法进行高效自动识别的缺陷,提供一种可以代替人眼观察的精冲零部件缺陷智能在线检测方法、系统及装置。
本发明解决其技术问题所采用的技术方案是:
提供一种精冲零部件缺陷智能在线检测方法,包括以下步骤:
S1、将待检测的精冲零部件放置在传送带上,当精冲零部件到达相机拍摄区域时,触发光电开关,启动相机进行拍照;
S2、对零部件图像进行预处理,对预处理后的图像利用数学形态学边缘检测方法进行像素级边缘检测,检测出零部件的表面轮廓,并初步判断该零部件是否存在缺陷,若否,则删除该零部件图像,若是,则将该零部件图像转移给图像缓冲区;
S3、将图像缓存区的图像提取出来进行后处理并判断,若无缺陷则直接删除,若有缺陷则算出缺陷的大小、面积和相应的位置,并算出缺陷撕裂带的最大高度,若缺陷撕裂带的最大高度超过预设值,则认为该零部件有缺陷,否则认为该零部件合格。
本发明所述的方法中,步骤S2中对零部件图像进行预处理具体为:
将彩色的零部件图像转换成黑白照片,之后对转化后的黑白照片进行标定,再使用图像分割技术提取照片中有零部件的部分,再进行中值滤波,去除照片中的噪声点,
本发明所述的方法中,该方法还包括步骤:
S4、若该零部件有缺陷,则将不合格的零部件数据进行保存,存入数据库以便进行后续研究,若无缺陷则直接删除照片。
本发明所述的方法中,步骤S2中数学形态学边缘检测方法具体是使用Sobel算子,该算子使用两组3×3矩阵,分别为横向和纵向,与预处理后零部件图像做卷积积分,再进行滤波操作。
本发明所述的方法中,步骤S3具体为:
使用阈值法对图像缓存区的图像进行二值化,经中值滤波后,进行数学形态学运算提取边缘;
对提取的边缘进行粒子分析,滤除低于阈值的粒子,若有大于阈值的粒子则判定为缺陷;根据粒子分析的结果计算缺陷大小、面积和相应的位置;
若存在缺陷撕裂带,则提取出缺陷撕裂带的最大高度与零件高度对比,若缺陷撕裂带的最大高度占零件高度的百分比不超过预设值时,则认为零件是合格的,否则,认定零件不合格。
本发明所述的方法中,步骤S1中,当精冲零部件到达相机拍摄区域时,光电开关输出模拟信号,计算机接收到该模拟信号时会触发相机进行拍照。
本发明还提供了一种精冲零部件缺陷智能在线检测处理系统,包括:
预处理单元,用于对零部件图像进行预处理;
边缘检测单元,用于对预处理后的图像利用数学形态学边缘检测方法进行像素级边缘检测,检测出零部件的表面轮廓;
初步判断单元,用于根据检测出零部件的表面轮廓初步判断该零部件是否存在缺陷,若否,则删除该零部件图像,若是,则将该零部件图像转移给图像缓冲区;
后处理单元,用于将图像缓存区的图像提取出来进行后处理;
最终判断单元,用于根据后处理的结果进行判断,若无缺陷则直接删除,若有缺陷则算出缺陷的大小、面积和相应的位置,并算出缺陷撕裂带的最大高度,若缺陷撕裂带的最大高度超过预设值,则认为该零部件有缺陷,否则认为该零部件合格。
本发明所述的系统中,该系统还包括:
数据存储单元,用于若该零部件有缺陷,则将不合格的零部件数据进行保存,存入数据库以便进行后续研究,若无缺陷则直接删除照片。
本发明所述的系统中,边缘检测单元中数学形态学边缘检测具体是使用Sobel算子,该算子使用两组3×3矩阵,分别为横向和纵向,与预处理后零部件图像做卷积积分,再进行滤波操作。
本发明还提供了一种精冲零部件缺陷智能在线检测装置,包括:
传送带,用于放置将待检测的精冲零部件;
光源,用于为工业相机提供恒定的光照条件。
工业相机,用于拍摄待检测的精冲零部件照片。
光电触发开关,与工业相机连接,用于当精冲零部件传来时,触发工业相机进行拍照;
精冲零部件缺陷智能在线检测处理系统,该系统为上述实施例的任一项所述的系统。
本发明产生的有益效果是:本发明利用计算机模拟人眼的视觉功能,从精冲零件图像中提取信息,进行分析和处理,最后得出结论和信息。本发明可取代传统的依靠人的视觉功能的检测精冲零部件的方法,提高生产效率,可以在一些危险环境下工作,检测精度高,机器视觉易于实现信息集成,是计算机集成制造的基础。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例精冲零部件缺陷智能在线检测装置结构示意图;
图2是本发明实施例精冲零部件缺陷智能在线检测处理系统的结构示意图;
图3是本发明精冲零部件缺陷智能在线检测方法流程图;
图4是标定后提取图像感兴趣区域;
图5是预处理阶段轮廓提取图;
图6是数学形态学边缘检测提取精冲零部件轮廓;
图7是图像后处理中进行粒子分析的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明通过对精冲零件拍照,提取零件表面信息,替代了传统的靠人的视觉来检测零件表面缺陷,大大提高了生产效率和生产线的自动化程度,另外此套视觉在线检测系统易于实现信息化集成,便于进行数据处理,是计算机集成制造的基础。
(1)如图1所示,整套在线检测装置包括以下几个设备:
传送带,用于放置将待检测的精冲零部件;
光源:为相机提供恒定的光照条件。
工业相机:包括CCD传感器和镜头,功能是拍摄精冲零部件照片。其中镜头主要用于调整合适的镜头参数如焦距、光圈系数、最大相对孔径等。
光电开关:光电开关的主要作用是当精冲零部件传来时,触发相机进行拍照。
精冲零部件缺陷智能在线检测处理系统:用来完成图像的采集、图像的处理和分析以及结果的保存。在下面实施例中会详细描述。该检测处理系统可通过计算机软件来实现。
(2)装置的技术要求
本装置可针对许多常见的精冲零件,比如汽车变速箱拨叉、法兰盘等。此外,整套装置需满足工业上连续生产的要求,保证在生产过程中不出错,保证装置的流畅运行。
其中,如图2所示,上述实施例中的精冲零部件缺陷智能在线检测处理系统具体包括:
预处理单元,用于对零部件图像进行预处理;
边缘检测单元,用于对预处理后的图像利用数学形态学边缘检测方法进行像素级边缘检测,检测出零部件的表面轮廓;
初步判断单元,用于根据检测出零部件的表面轮廓初步判断该零部件是否存在缺陷,若否,则删除该零部件图像,若是,则将该零部件图像转移给图像缓冲区;
后处理单元,用于将图像缓存区的图像提取出来进行后处理;
最终判断单元,用于根据后处理的结果进行判断,若无缺陷则直接删除,若有缺陷则算出缺陷的大小、面积和相应的位置,并算出缺陷撕裂带的最大高度,若缺陷撕裂带的最大高度超过预设值,则认为该零部件有缺陷,否则认为该零部件合格。
该系统还包括数据存储单元,用于若该零部件有缺陷,则将不合格的零部件数据进行保存,存入数据库以便进行后续研究,若无缺陷则直接删除照片。
其中,边缘检测单元中数学形态学边缘检测具体是使用Sobel算子,该算子使用两组3×3矩阵,分别为横向和纵向,与预处理后零部件图像做卷积积分,再进行滤波操作。
上述系统可基于Labview进行图像采集、图像预处理和后处理程序。
如图3所示,上述整套装置的进行精冲零部件缺陷智能在线检测方法的步骤如下:
(1)传送带带动精冲零部件运行,当精冲零部件到达工业相机的拍摄区域时,光电开关捕捉到精冲零部件,进而触发工业相机进行拍照。
(2)工业相机拍照后,将图像传递给在线检测处理系统(如安装了相关处理软件的计算机)进行预处理阶段。预处理的目的是检测精冲零部件是否有可疑目标,如果图像没有可疑目标,则直接删除,若有可疑目标,图像转移给图像缓存区。
(3)在后处理流程中,计算机图像处理程序提取图像中有可疑目标的区域进行后处理。后处理流程中,图像进行二值化、滤波、增强、粒子分析,可得出图像中精冲零部件是否有缺陷。若无缺陷则直接删除,若有缺陷则算出缺陷的高度、面积和相应的位置。
(4)后处理结束后,还可以对有缺陷的精冲零部件数据需进行保存,存入数据库以便进行后续研究。
本发明的一个实施例中,上述方法中的步骤(1)中光电开关触发工业相机进行拍照的方法为:
光电开关分发射部分和接收部分,当没有精冲零部件时,发射部分发射的红外线会被接收部分接收,光电开关输出的信号是“1”,计算机接收到模拟信号“1”时不会触发相机拍照。当精冲零部件到来时,精冲零部件会挡住发射部分发出的红外线光,接收部分接收不到红外线时,光电开关输出的信号是“0”,计算机接收到的模拟信号“0”时会触发工业相机进行拍照。
步骤(2)中图像预处理阶段的方法为:
相机拍摄的图片传递给在线检测处理系统(如计算机),预处理流程是先将彩色照片转换成黑白照片,转化后的黑白照片共有256个灰度级。之后对转化后的黑白照片进行标定,再进行图像分割,找到图片中有兴趣的区域(如图4所示),即在图片中将有精冲零部件的部分提取出来(如果是彩色相机,需先将图片进行灰度处理),之后再进行图像去噪处理,可利用数学形态学边缘检测方法进行像素级边缘检测,此时会检测出精冲零部件的表面轮廓,如图5所示。
之后再检测精冲零部件表面轮廓内是否有灰度突变的点或线。如果精冲零部件表面无缺陷,则轮廓内不会检测出有灰度突变的点或线,此时初步判定精冲零部件表面无缺陷,图像删除。若轮廓内检测出有灰度突变的点或线,则初步判定精冲零部件表面有缺陷,图像会被保存在内存内设定好的一块图像缓存区,以便进行图像后处理。
步骤(3)中图像后处理阶段的方法为:
图像从缓存区提取出来进行后处理,主要包括图像二值化、特征提取、滤波去除噪声、边缘提取、粒子分析。如果经粒子分析发生无缺陷,则删除图像,若有缺陷,则会在计算机中显示缺陷的位置、大小等特征。如图6所示,此时需计算出零件的高度,再使用模式匹配去掉表面轮廓,剩下的再使用粒子分析功能进行分析,通过计算缺陷撕裂带高度占整个零件高度的百分比来判断零件是否合格,可以规定当撕裂带高度不超过零件高度的10%时,则判定零件合格,否则零件是不合格的。对于合格的零件图像直接删除,对不合格的零件则算出缺陷的高度、面积和相应的位置,如图6所示。如具体使用Sobel算子,该算子是使用两组3×3矩阵,分别为横向和纵向,与图像做卷积积分,这种算法简单有效,但不足之处是有时候可能不能将背景与主体有效的区别出来,所以之后还需要进行滤波操作。如图7所示,是图像后处理中进行粒子分析。粒子分析是将设定好的阈值范围内的粒子筛选出来,通过粒子在图像中所占像素的大小,可以推算出缺陷的面积、位置、数目等参数。
步骤(4)所述的结果保存方法为:
可在在线检测处理系统(即计算机)中创建一个数据库,将检测出有缺陷零件的信息(如零件编号,缺陷大小面积等)保存在数据库中,以便后续分析。
工业生产中,绝大多数精冲零件都是合格的,只有一少部分表面会存在缺陷,通过简单的预处理流程就可以筛选排除掉大多数合格的精冲零部件图像,而不需要对每个精冲零部件图像进行一整套的预处理和后处理流程,这样可以节省检测时间,提高工作效率。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种精冲零部件缺陷智能在线检测方法,其特征在于,包括以下步骤:
S1、将待检测的精冲零部件放置在传送带上,当精冲零部件到达相机拍摄区域时,触发光电开关,启动相机进行拍照;
S2、对零部件图像进行预处理,对预处理后的图像利用数学形态学边缘检测方法进行像素级边缘检测,检测出零部件的表面轮廓,并初步判断该零部件是否存在缺陷,若否,则删除该零部件图像,若是,则将该零部件图像转移给图像缓冲区;
S3、将图像缓存区的图像提取出来进行后处理并判断,若无缺陷则直接删除,若有缺陷则算出缺陷的大小、面积和相应的位置,并算出缺陷撕裂带的最大高度,若缺陷撕裂带的最大高度超过预设值,则认为该零部件有缺陷,否则认为该零部件合格。
2.根据权利要求1所述的方法,其特征在于,步骤S2中对零部件图像进行预处理具体为:
将彩色的零部件图像转换成黑白照片,之后对转化后的黑白照片进行标定,再使用图像分割技术提取照片中有零部件的部分,再进行中值滤波,去除照片中的噪声点。
3.根据权利要求1所述的方法,其特征在于,该方法还包括步骤:
S4、若该零部件有缺陷,则将不合格的零部件数据进行保存,存入数据库以便进行后续研究,若无缺陷则直接删除照片。
4.根据权利要求1所述的方法,其特征在于,步骤S2中数学形态学边缘检测方法具体是使用Sobel算子,该算子使用两组3×3矩阵,分别为横向和纵向,与预处理后零部件图像做卷积积分,再进行滤波操作。
5.根据权利要求1所述的方法,其特征在于,步骤S3具体为:
使用阈值法对图像缓存区的图像进行二值化,经中值滤波后,进行数学形态学运算提取边缘;
对提取的边缘进行粒子分析,滤除低于阈值的粒子,若有大于阈值的粒子则判定为缺陷;根据粒子分析的结果计算缺陷大小、面积和相应的位置;
若存在缺陷撕裂带,则提取出缺陷撕裂带的最大高度与零件高度对比,若缺陷撕裂带的最大高度占零件高度的百分比不超过预设值时,则认为零件是合格的,否则,认定零件不合格。
6.根据权利要求1所述的方法,其特征在于,步骤S1中,当精冲零部件到达相机拍摄区域时,光电开关输出模拟信号,计算机接收到该模拟信号时会触发相机进行拍照。
7.一种精冲零部件缺陷智能在线检测处理系统,其特征在于,包括:
预处理单元,用于对零部件图像进行预处理;
边缘检测单元,用于对预处理后的图像利用数学形态学边缘检测方法进行像素级边缘检测,检测出零部件的表面轮廓;
初步判断单元,用于根据检测出零部件的表面轮廓初步判断该零部件是否存在缺陷,若否,则删除该零部件图像,若是,则将该零部件图像转移给图像缓冲区;
后处理单元,用于将图像缓存区的图像提取出来进行后处理;
最终判断单元,用于根据后处理的结果进行判断,若无缺陷则直接删除,若有缺陷则算出缺陷的大小、面积和相应的位置,并算出缺陷撕裂带的最大高度,若缺陷撕裂带的最大高度超过预设值,则认为该零部件有缺陷,否则认为该零部件合格。
8.根据权利要求7所述的系统,其特征在于,该系统还包括:
数据存储单元,用于若该零部件有缺陷,则将不合格的零部件数据进行保存,存入数据库以便进行后续研究,若无缺陷则直接删除照片。
9.根据权利要求7所述的系统,其特征在于,边缘检测单元中数学形态学边缘检测具体是使用Sobel算子,该算子使用两组3×3矩阵,分别为横向和纵向,与预处理后零部件图像做卷积积分,再进行滤波操作。
10.一种精冲零部件缺陷智能在线检测装置,其特征在于,包括:
传送带,用于放置将待检测的精冲零部件;
光源,用于为工业相机提供恒定的光照条件。
工业相机,用于拍摄待检测的精冲零部件照片。
光电触发开关,与工业相机连接,用于当精冲零部件传来时,触发工业相机进行拍照;
精冲零部件缺陷智能在线检测处理系统,该系统为权利要求7-9中任一项所述的系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510607834.3A CN105158268A (zh) | 2015-09-21 | 2015-09-21 | 精冲零部件缺陷智能在线检测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510607834.3A CN105158268A (zh) | 2015-09-21 | 2015-09-21 | 精冲零部件缺陷智能在线检测方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105158268A true CN105158268A (zh) | 2015-12-16 |
Family
ID=54799197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510607834.3A Pending CN105158268A (zh) | 2015-09-21 | 2015-09-21 | 精冲零部件缺陷智能在线检测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105158268A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776877A (zh) * | 2016-11-28 | 2017-05-31 | 常州市星网计算机技术有限公司 | 摩托车零件型号自动识别方法 |
CN106807801A (zh) * | 2016-12-30 | 2017-06-09 | 武汉理工大学 | 一种高速精冲机模具表面废料智能在线检测方法及装置 |
CN109596621A (zh) * | 2018-11-13 | 2019-04-09 | 大同新成新材料股份有限公司 | 一种碳刷磨损检测方法及检测装置 |
CN109612993A (zh) * | 2018-11-29 | 2019-04-12 | 合肥常青机械股份有限公司 | 一种零件质量检测系统及方法 |
CN110186929A (zh) * | 2019-04-24 | 2019-08-30 | 南京邮电大学 | 一种实时的产品瑕疵定位方法 |
CN110517233A (zh) * | 2019-08-15 | 2019-11-29 | 浙江赤霄智能检测技术有限公司 | 一种基于人工智能的缺陷分类学习系统及其分类方法 |
CN110632086A (zh) * | 2019-11-04 | 2019-12-31 | 大连中启伟创科技有限公司 | 一种基于机器视觉的注塑件表面缺陷的检测方法及系统 |
CN110706182A (zh) * | 2019-10-10 | 2020-01-17 | 普联技术有限公司 | 一种屏蔽罩平面度检测方法、装置、终端设备及存储介质 |
CN111307833A (zh) * | 2019-11-25 | 2020-06-19 | 山东新恒汇电子科技有限公司 | 一种智能卡芯片贴装视觉检测系统及检测方法 |
CN111380875A (zh) * | 2018-12-29 | 2020-07-07 | 深圳中科飞测科技有限公司 | 一种缺陷检测方法及系统 |
CN111476782A (zh) * | 2020-04-10 | 2020-07-31 | 南通大学 | 一种汽车后摄像头延长线端子图像检测系统 |
CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
CN111591715A (zh) * | 2020-05-28 | 2020-08-28 | 华中科技大学 | 一种皮带纵向撕裂检测方法及装置 |
CN112304964A (zh) * | 2020-12-01 | 2021-02-02 | 南京理学工程数据技术有限公司 | 一种保险丝盒视觉检测系统 |
CN113066087A (zh) * | 2021-04-29 | 2021-07-02 | 中奥智能工业研究院(南京)有限公司 | 一种零部件智能检测与标签系统及方法 |
CN116718607A (zh) * | 2023-06-13 | 2023-09-08 | 通用技术齐齐哈尔二机床有限责任公司 | 一种基于视觉监测的纤维料带在线质量监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5245424A (en) * | 1991-01-24 | 1993-09-14 | Hajime Industries Ltd. | Defect detection method |
CN102221556A (zh) * | 2011-03-15 | 2011-10-19 | 中国计量学院 | 基于机器视觉的小型连接件外观缺陷在线检测装置与方法 |
-
2015
- 2015-09-21 CN CN201510607834.3A patent/CN105158268A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5245424A (en) * | 1991-01-24 | 1993-09-14 | Hajime Industries Ltd. | Defect detection method |
CN102221556A (zh) * | 2011-03-15 | 2011-10-19 | 中国计量学院 | 基于机器视觉的小型连接件外观缺陷在线检测装置与方法 |
Non-Patent Citations (4)
Title |
---|
AHMED ABOUELELA等: "Automated vision system for localizing structural defects intextile fabrics", 《PATTERN RECOGNITION LETTERS》 * |
厉晓飞: "基于机器视觉的汽车零件缺陷检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
易子豐: "基于机器视觉的小型精冲连接件外观质量检测的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
贾玉哲: "模锻叶片切边成型过程模拟及模具优化设计", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106776877B (zh) * | 2016-11-28 | 2020-05-01 | 常州市星网计算机技术有限公司 | 摩托车零件型号自动识别方法 |
CN106776877A (zh) * | 2016-11-28 | 2017-05-31 | 常州市星网计算机技术有限公司 | 摩托车零件型号自动识别方法 |
CN106807801A (zh) * | 2016-12-30 | 2017-06-09 | 武汉理工大学 | 一种高速精冲机模具表面废料智能在线检测方法及装置 |
CN106807801B (zh) * | 2016-12-30 | 2019-01-25 | 武汉理工大学 | 一种高速精冲机模具表面废料智能在线检测方法及装置 |
CN109596621A (zh) * | 2018-11-13 | 2019-04-09 | 大同新成新材料股份有限公司 | 一种碳刷磨损检测方法及检测装置 |
CN109612993A (zh) * | 2018-11-29 | 2019-04-12 | 合肥常青机械股份有限公司 | 一种零件质量检测系统及方法 |
CN111380875B (zh) * | 2018-12-29 | 2023-09-12 | 深圳中科飞测科技股份有限公司 | 一种缺陷检测方法及系统 |
CN111380875A (zh) * | 2018-12-29 | 2020-07-07 | 深圳中科飞测科技有限公司 | 一种缺陷检测方法及系统 |
CN110186929A (zh) * | 2019-04-24 | 2019-08-30 | 南京邮电大学 | 一种实时的产品瑕疵定位方法 |
CN110517233A (zh) * | 2019-08-15 | 2019-11-29 | 浙江赤霄智能检测技术有限公司 | 一种基于人工智能的缺陷分类学习系统及其分类方法 |
CN110706182A (zh) * | 2019-10-10 | 2020-01-17 | 普联技术有限公司 | 一种屏蔽罩平面度检测方法、装置、终端设备及存储介质 |
CN110632086A (zh) * | 2019-11-04 | 2019-12-31 | 大连中启伟创科技有限公司 | 一种基于机器视觉的注塑件表面缺陷的检测方法及系统 |
CN111307833A (zh) * | 2019-11-25 | 2020-06-19 | 山东新恒汇电子科技有限公司 | 一种智能卡芯片贴装视觉检测系统及检测方法 |
CN111307833B (zh) * | 2019-11-25 | 2023-05-23 | 新恒汇电子股份有限公司 | 一种智能卡芯片贴装视觉检测方法 |
CN111476782A (zh) * | 2020-04-10 | 2020-07-31 | 南通大学 | 一种汽车后摄像头延长线端子图像检测系统 |
CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
CN111537517B (zh) * | 2020-05-18 | 2022-12-13 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
CN111591715A (zh) * | 2020-05-28 | 2020-08-28 | 华中科技大学 | 一种皮带纵向撕裂检测方法及装置 |
CN112304964A (zh) * | 2020-12-01 | 2021-02-02 | 南京理学工程数据技术有限公司 | 一种保险丝盒视觉检测系统 |
CN113066087A (zh) * | 2021-04-29 | 2021-07-02 | 中奥智能工业研究院(南京)有限公司 | 一种零部件智能检测与标签系统及方法 |
WO2022227103A1 (zh) * | 2021-04-29 | 2022-11-03 | 中奥智能工业研究院(南京)有限公司 | 一种零部件智能检测与标签系统及方法 |
CN116718607A (zh) * | 2023-06-13 | 2023-09-08 | 通用技术齐齐哈尔二机床有限责任公司 | 一种基于视觉监测的纤维料带在线质量监测方法 |
CN116718607B (zh) * | 2023-06-13 | 2024-01-26 | 通用技术齐齐哈尔二机床有限责任公司 | 一种基于视觉监测的纤维料带在线质量监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105158268A (zh) | 精冲零部件缺陷智能在线检测方法、系统及装置 | |
CN111951237B (zh) | 外观视觉检测方法 | |
CN110314854B (zh) | 一种基于视觉机器人的工件检测分拣的装置及方法 | |
CN106053479B (zh) | 一种基于图像处理的工件外观缺陷的视觉检测系统 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN105891233B (zh) | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 | |
Liu et al. | Automatic detection technology of surface defects on plastic products based on machine vision | |
CN104392224A (zh) | 一种公路路面裂纹检测方法 | |
CN108665458A (zh) | 透明体表面缺陷提取及识别方法 | |
CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
CN106780464A (zh) | 一种基于改进阈值分割的织物疵点检测方法 | |
CN108133488A (zh) | 一种红外图像前景检测方法及设备 | |
CN108827979A (zh) | 一种模组镜头外观检测方法 | |
CN105741244A (zh) | 一种室内巡检机器人弱光下去除阴影和光晕的方法 | |
Bush et al. | Static and dynamic pedestrian detection algorithm for visual based driver assistive system | |
CN102610104A (zh) | 一种车载的前方车辆检测方法 | |
Sulehria et al. | Mathematical morphology methodology for extraction of vehicle number plates | |
CN111426693A (zh) | 一种质量缺陷检测系统及其检测方法 | |
CN104822055A (zh) | 一种针对雾天的红外热像监控系统及方法 | |
Tang et al. | Surface inspection system of steel strip based on machine vision | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN113673614A (zh) | 基于机器视觉的地铁隧道异物入侵检测装置及方法 | |
CN105510339A (zh) | 一种基于机器视觉的饮料瓶满箱检测方法 | |
CN105973903B (zh) | 一种口服液瓶盖检测方法 | |
Park et al. | Patch-based crack detection in black box road images using deep learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151216 |
|
RJ01 | Rejection of invention patent application after publication |