CN105531581B - 对用于识别表面缺陷的检查系统进行检验的方法和设备 - Google Patents
对用于识别表面缺陷的检查系统进行检验的方法和设备 Download PDFInfo
- Publication number
- CN105531581B CN105531581B CN201480049898.XA CN201480049898A CN105531581B CN 105531581 B CN105531581 B CN 105531581B CN 201480049898 A CN201480049898 A CN 201480049898A CN 105531581 B CN105531581 B CN 105531581B
- Authority
- CN
- China
- Prior art keywords
- defect
- digitized
- surface defect
- diagram
- image processing
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 244
- 238000007689 inspection Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010586 diagram Methods 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 42
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 14
- 238000004519 manufacturing process Methods 0.000 claims abstract description 14
- 239000010959 steel Substances 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims description 8
- 230000003647 oxidation Effects 0.000 claims description 4
- 238000007254 oxidation reaction Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 241001270131 Agaricus moelleri Species 0.000 claims description 3
- 239000003344 environmental pollutant Substances 0.000 claims description 2
- 231100000719 pollutant Toxicity 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims 2
- 238000000275 quality assurance Methods 0.000 abstract description 11
- 238000001514 detection method Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 4
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005098 hot rolling Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N21/896—Optical defects in or on transparent materials, e.g. distortion, surface flaws in conveyed flat sheet or rod
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/93—Detection standards; Calibrating baseline adjustment, drift correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
- G01N2021/8918—Metal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Textile Engineering (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种对用于识别产品的表面缺陷的检查系统进行检验的方法，该产品优选为扁钢制品。为了能以非常高的品质实现质量保障，而并不对具有待检查的表面的产品的生产过程产生显著影响，建议这样一种方法，其中至少一个相机，优选为数码相机，生成至少一个产品的至少一个表面的至少一个照片，其中数字化地将该照片传送给图像处理装置，其中将表面缺陷的至少一个数字化的图示合成到数字化的照片中，其中图像处理装置根据包含了表面缺陷的数字化图示的数字化的照片来进行缺陷识别，并且其中确定图像处理装置是否将表面缺陷的数字化的图示作为已检测的表面中的缺陷而识别出。
Description
技术领域
本发明涉及一种对用于识别产品(优选扁钢制品)的表面缺陷的检查系统进行检验的方法。此外，本发明还涉及一种能够以这样的方法而受到检验的检查系统，该检查系统包括相机，优选为数码相机，用于生成对至少一个产品的至少一个表面的至少一个照片；以及用于数字化该照片的数字化单元。
背景技术
在对表面提出特别的质量要求的产品的制造中，根据需求而以一种方式实施质量保障，即，通过检查系统来对产品的表面的质量进行检测。如果在检测中确定了不能允许的瑕疵，可以将产品筛出。相应的产品例如涉及到金属产品，例如扁钢制品或扁平轻金属制品。在此，扁平产品通常理解为所有以带、薄板、块或扁坯的形式存在的热轧或冷轧状态下的辊轧制品。特别涉及到的是覆层的或未覆层的钢带。
钢带以较大的长度以及较高的速度而制造，其中把制成的钢带卷成卷材。如果应该在流水线上(inline)且无干扰地检测钢带或类似产品的表面质量,那么对表面的质量检测必须非常快速地且可靠地进行。
为了实现自动的且无干扰的质量检测，已知多种方法和检查系统，其中至少一个相机生成产品的表面的照片并且将该照片以数字化的形式转发至图像处理装置。该图像处理装置随后检查照片中的表面缺陷并且将这些表面缺陷根据表面缺陷的类型而分类。根据在产品的表面的一个确定区段上的表面缺陷的数量和类型能够自动地决定，该区域是否符合质量标准或者适当情况下必须将产品的相应区域或整个产品废弃。
为了使自动化的质量保障带来满意的成果，在初步的训练阶段，向检查系统引入有缺陷的产品表面的不同的数字化的照片。在这个训练阶段的期间内在缺陷识别和缺陷分类方面来校准该检查系统。在成功的训练和完成校准后能够将该检查系统用于质量保障。然而在工作中必须以规律的间隔来检验，该检查系统是否还能够继续令人满意地工作或者是否需要调整或重新校准。以这种方式应该避免了，未发现相关的表面缺陷或者使不相关的表面缺陷无意地归类为相关的表面缺陷。
为了对检查系统的工作方式进行检验而已知多种不同的方法。在一些方法中待检查的表面以规律性的时间间隔而有目的性地设有表面缺陷，其中所检验的是，这些表面缺陷是否能够由检查系统识别为缺陷。为了避免为了检查系统的检验而必须损坏待检查的表面，在其他的方法中以规律性的时间间隔而在待检查的表面上粘贴表面缺陷的图像。随后检验是否识别出这些表面缺陷。就此并没有损坏待检查的表面，因为所粘贴的图像能够再次从已检查的表面上揭下。尽管如此通常必须中断产品的生产过程，以便于在待检查的表面上粘贴表面缺陷的图像。这在非常快速移动的金属带的制造中特别是这样，因为金属带具有对于在移动的金属带表面上粘贴表面缺陷的图像而言过高的给进速度。为了不必须中断制造过程，用于检验所述检查系统的已知方法基于，代替由至少一个相机拍摄的数字化的图片而向检查系统的图像处理装置传送事先拍摄的检测表面的数字化图片并且由该图像处理装置分析该图片。根据分析结果能够检验出，是否缺陷识别和缺陷分类是令人满意地完成的。
然而在最后一种方法中存在的缺陷在于，图像处理装置在其对参照表面的参照图片进行检测的期间并不能够对产品的实时表面进行缺陷检测。因此可能使表面缺陷保持为未识别的。此外，在实际应用中已证实，根据参照图片而进行的校准并不总能得到检查系统的令人满意的精确度。
发明内容
因此本发明的目的在于，这样设计且改进一种对用于识别产品的表面缺陷的检查系统进行检验的方法以及一种前文所述的和已详细描述类型的、能够受到检验的检查系统，即，能够以非常高的品质实现质量确保，而不会对具有待检查的表面的产品的生产过程产生显著影响。
该目的在根据权利要求1所述的方法中达到，其中至少一个相机(优选数码相机)生成至少一个产品的表面的至少一个照片，其中数字化地将至少一个照片传送给图像处理装置，其中将表面缺陷的至少一个数字化的图像整合到数字化的照片中，其中图像处理装置根据包括表面缺陷的数字化图示的数字化的照片实施缺陷识别并且其中确定出，图像处理装置是否将表面缺陷的数字化图示作为已检查的表面的缺陷而识别出。
前述的目的另外在一种根据权利要求13的前序部分所述的检查系统中这样达到，即，设置一种用于将表面缺陷的数字化图示合成到数字化的照片中的整合单元，设置一种用于根据包括表面缺陷的数字化图示的数字化的照片识别缺陷的图像处理装置，并且设置一种测定单元，用于测定是否通过图像处理装置将表面缺陷的数字化的图示识别为已检测的表面的缺陷。
本发明因此基于，首先借助于相机来生成产品待检查的表面的照片并且随后将该照片以数字化的形式传送至图像处理装置，其中将测试缺陷或参照缺陷的意义上的表面缺陷的数字化图示整合(也就是所谓插入)到照片中。图像处理装置这样处理相应的图片，就像这个图片是待检查的表面的数字化映像一样，即，就像表面实质上或实际上也具有相应的表面缺陷一样。因此能够检验出，是否图像处理装置也将表面缺陷识别为这种缺陷。在此，优选的这样选出表面缺陷，即，使得该缺陷能够由图像处理装置作为表面缺陷而识别出。然而也能够选择一种不应识别出的表面缺陷，以便于检验是否该表面缺陷能够实际保持为未识别的。
这个设置方式使得产品的生产过程(特别也在制造非常快速地移动经过相机的钢带的情况下)的中断变得不必要。此外，对质量保障的实施几乎并不受到对检查系统的检验的影响。因为仅必须将相对小的表面缺陷的特别限于局部的数字化图示整合到待检查的表面的实际照片中，能够以无关于对检查系统的检验的方式由图像处理装置来为实际待检查的表面的图像的剩余部分检查缺陷。此外，在对检查系统的检验中对实际表面的顾及促使补充性的校准能明显更可靠地且明显更适合在实际表面上进行，其中代替实际图像与检测表面的参照图示的替换，将表面缺陷的图示整合到为待检查的表面实际拍摄的照片中。
由于本发明的上述优点，此外实现了能够经济地以非常短的时间间隔(根据需要而几乎连续地)对检查系统进行检验，从而当必需调整的情况下能够立刻识别出。此外非常短的时间间隔的检验允许了，得到对于非常可靠的统计分析而言足够的数据库。
替代性地或者额外地实现了，能够同时地和/或前后地将不同的表面缺陷的数字化的图示用于检查系统的检验。因此能够得到关于质量保障的品质的差别性结论，该结论例如取决于表面缺陷的特性和/或强度。在此，强度例如是通过缺陷的高度或深度而确定，以及通过其尺寸和/或范围确定。
作为所述的至少一个相机基本上涉及到各种类型的相机。然而优选为数码相机，因为数码相机直接生成数字化的图像并且能够免除了将照片转换为数字化的图像的单独的步骤。因此，数字化单元已经集成在相机中。此外，也能够设置多个相机，以便于生成具有令人满意的质量的待检查的表面的图像。在此，能够为一个相机的或多个相机的图像而提供表面缺陷的至少一个数字化的图示并且同时地或前后地进行检测。然而也能够设置为，首先例如通过照片的叠加而由多个照片生成一个唯一的数字化的图像，随后将表面缺陷的数字化图示整合到该唯一的数字化的图像中。
基本上，通过使待检查的表面的数字化的图示在一个位置上与实际表面的数字化的照片重叠，由此借助于整合单元而将表面缺陷的数字化的图示整合到待检查的表面的数字化照片中。但是优选的是，使表面缺陷的数字化图示在图示的区域内替换实际表面的数字化照片。换言之，能够在实际表面的图像中相应的位置处以表面缺陷的图示的像素来代替待检测的表面的图像的像素。
根据产品的尺寸而定地或者在对于多个产品同时进行质量保障的情况下，在检查系统中以及相应的检测方法中也能够设置多个相机，这些相机生成不同的表面的、不同的产品的和/或表面不同的区段的照片。这些照片例如能够根据需求同时地由一个图像处理装置或者由多个图像处理装置来检查表面缺陷。
就所述至少一个相机方面当然优选的是，当该相机既生成其中合成了实际的和/或合成的表面缺陷的数字化图示的照片，又生成除此以外(非操控性的)为了在连续的质量保障过程中查找缺陷而传递到图像处理装置的照片。因此，优选地并不需要为了对检查系统的检验设置用于生成借助表面缺陷的数字化图示而操控的照片的单独的相机。
至少一个表面缺陷的数字化的图示不一定是实际表面缺陷的图像。也能够是人工生成的(即例如编程的)表面缺陷。该表面缺陷也不需要模拟实际感知到的表面缺陷。依据需要，表面缺陷能够以并不参考实际的表面缺陷的方式而构造。尽管如此，为了便于理解，在下文中将这样的情况也描述为表面缺陷，因为在各种情况下，该表面缺陷都区别于理想的产品表面。此外，表面缺陷的数字化图示到数字化的、由相机生成的照片的合成促成了与实际图像有区别的合成的照片。
另外，方法或检查系统都不限制于此，表面缺陷的数字化的图示仅表现出表面的缺陷。依据需要可以为这样的，即，相应的图示表现出无缺陷的表面区段。以这种方式，在传送到图像处理装置的照片中实现无缺陷的表面与缺陷之间的可再复制的过渡。然而该过渡也能为了实际表面到表面缺陷的数字化的图示中的缺陷的过渡而免除。
此外，表面缺陷的数字化的图示优选地仅在由相机生成的照片的比例较小的区段内整合到该照片中，以便于由此对连续的质量保障产生尽可能小的影响。
原则上，进一步优选的是，使上述对检查系统进行检验的方法自动地实施并且仅当手动的校准、非自动化的调整或类似情况下才需要手动的操纵。
在下文中对本方法以及用于实施该方法的设备的优选的设计方案共同进行描述，而并不逐一地在设备与方法间进行详细地区分。然而专业人员根据上下文能够辨识出优选的设备特征以及方法特征。
在本方法和本设备的第一种优选的设计方案中设置为，使由图像处理装置识别的缺陷借助于分类装置而分类。该分类能够根据相关于表面缺陷而预设的参数来实施。在此识别出的表面缺陷能够例如根据其类别而分类并且因此划分为刮痕、凹陷、凸起、表面裂缝、氧化、污染和/或异物。替代性地或额外地，所识别的表面缺陷也能够根据其强度来分类，强度能够通过高度、深度、尺寸和/或范围来确定。因此例如能够区分，是否是轻度的、中度的或重度的表面缺陷，例如意义上为轻度的、中度的或深度的刮痕。在进行表面缺陷的分类的情况下，优选的是确定出分类装置是否将根据表面缺陷的数字化的图示而识别的缺陷如预设那样地分类。以这种方式能够对校准进行优化或者更好地对质量确保的性能进行评估。对分类的检验能够额外地或替代性地确定出，是否能够在待检查的表面的照片中识别出整合的表面缺陷。如果检验了分类是否准确地完成，也就能够得出结论，究竟这些表面缺陷是否以这种表面缺陷的形式而被识别出。
为了能够评估，是否能够将源于表面缺陷的至少一个数字化的图示的至少一个缺陷识别出和/或是否该缺陷如预设地那样得以分类，建议的是，对这些进行显示、以信号通知和/或存储。能够直接地或者根据要求地进行显示，而信号通知则能够光学地和/或声学地实现。相应信息的存储的好处在于，能够实现计算机支持的分析和/或时间偏移的分析。
通过适当地选择一个表面缺陷的数字化图示或不同表面缺陷的数字化图示，基于对于是否识别出和/或正确分类这些表面缺陷的认识，能够这样实现对于是否超出检查系统的预先确定的公差标准的确认。通常能够允许与缺陷识别的标准的小幅度的差别。如果差别变得过大并且因此超出公差标准那么则对此不同地处理。此外能够根据需要地来显示、以信号来通知和/或存储公差标准的超出。以这种方式监督人员能够得到关于公差标准超出的反馈并能够相应地处理。
替代性地或额外地能够依照需要通过识别出的和/或未识别出的缺陷(所述缺陷源于至少一个表面缺陷的至少一个数字化的图示)而确定出至少一个性能参数，该性能参数表示出检查系统在对表面缺陷的识别中的特性。以这种方式，能够更好地量化检查系统的特性。替代性地或额外地能够根据如预设地或不同于预设地对于缺陷(所述缺陷源于至少一个表面缺陷的至少一个数字化的图示)进行的分类来确定出至少一个性能参数。能够尽可能地自由选择或与使用目的相适应地根据哪种算法来确定性能参数。
根据需要，能够在方法方面以及在设备方面设置为，当一个表面缺陷的一个数字化图示或至少一个表面缺陷的多个数字化图示并没有被识别为缺陷和/或没有如预设一样地得以分类时，那么将校准图像处理装置和/或分类装置。以这种方式确保了，检查系统总是能以足够品质实现质量保障。就此，能够手动地进行校准。然而只要是可能，则优选为自动地进行校准，即，根据通过对检查系统的检验而事先获得的数据来进行校准。替代性地或相对于检查系统的校准额外地，为了关于质量保障的质量控制的评审目的而能使用通过对检查系统的检验而得到的数据。
为了保持对于待检查的产品的质量保障能够尽可能地不受对检查系统的检验的影响，能够将根据已检查的表面的实际的表面缺陷而由图像处理装置识别出的缺陷作为这样的缺陷而存储，而根据表面缺陷的至少一个数字化的图示而由图像处理装置识别出的缺陷则不能存储或者仅能够差别性地存储，例如在不同于能够溯源于实际的表面缺陷的其他位置。根据是否这些缺陷是源于表面的实际的照片或者源于所添加的表面缺陷的数字化图示而随后通过对所识别的缺陷的不同的处理使这两种缺陷类型都能够得以区分。能够就此有效地利用这点，即，在对产品的再加工中切除或舍弃具有实际缺陷的位置，而由于表面缺陷的数字化图示而识别出的缺陷(即非真实存在的缺陷)则不会导致对产品部分的切除和/或舍弃。只要不能够轻易地切掉产品的一部分，例如在钢带的情况下就是这样，那么就能够在有实际缺陷的情况下也废弃例如以扁坯的形式的整个产品。
特别适合的是，将根据表面缺陷的数字化图示而由图像处理装置所识别的缺陷这样地存储，即，使得该缺陷能够自动从源于实际表面缺陷的缺陷中区分出。因此能够自动地根据缺陷的类型进行区分。相应的数据因此能够既用于校准又用于决定产品的进一步用途。
替代性地或额外地能够使根据实际的表面缺陷而识别出的缺陷与至少一个对应的分类信息共同存储。因此能够更容易地决定，是否所识别的缺陷能够辨别出应废弃的产品或产品的一部分。
如果将根据实际的表面缺陷而识别出的缺陷与显示出所检查的表面上的实际表面缺陷的位置的位置信息关联地存储起来，能够简单地且可靠地、依据需要而自动地去除或舍弃包含该表面缺陷的位置的区域。在钢带的情况下，这也能够在当钢带为了进一步的用途而由卷材再次展开时才进行。就此，特别优选地，使这个信息与至少一个分类信息共同地存储。因此能够简单地确定出在相应的位置上的表面缺陷是否需要采取措施或能够接受。
为了检验出，是否确定的表面缺陷由检查系统识别出或者那些表面缺陷由检查系统识别为缺陷，能够例如将人工合成制作的图示作为表面缺陷的数字化图示而使用。该图示例如能够显示特定的对比度变化。表面缺陷的人工合成制作的图示因此不需要显现为与实际出现的表面缺陷相类似。以这种方式能够在适当情况下通过检查系统而更精确地确定缺陷识别的性能和/或为了对检查系统的检验而“定制”出至少一个特别适合的表面缺陷。
替代性地或额外地能够将实际表面缺陷的至少一个数字化图示作为表面缺陷的数字化图示而使用，该实际表面缺陷优选以刮痕、凹痕、突起、表面裂缝、氧化、氧化夹渣、污染物质和/或异物的形式。以这种方式能够在适当情况下更精确地通过检查系统来确定缺陷分类的性能。
附图说明
随后根据仅示出一种实施例的图示来进一步说明本发明。其中：
图1示出了根据本发明的用于识别表面缺陷的检查系统的示意图；
图2示出了根据本发明的方法的多个方法步骤的示意图；以及
图3示出了根据图2的方法的另外的方法步骤的示意图。
具体实施方式
在图1中示出了检查系统1，该检查系统应该识别出以扁钢制品的形式的产品5的表面4上的表面缺陷2、3。就此该检查系统1包括相机6，引导产品5的待检查的表面4沿由箭头示出的生产方向经过该相机。在所示出的并且就此优选的检查系统1中，相机6拍摄产品5的表面4的整个宽度。相机6是直接生成表面4的数字化的照片的数码相机。
将由相机6生成的数字化的照片传送至图像处理装置7，该图像处理装置检测该照片的可能的表面缺陷2、3，当该表面缺陷例如在自身于照片中以足够的对比度区分于表面4的无缺陷的区域，则该表面缺陷由图像处理装置7识别为表面4的缺陷。在图1中所示出的照片中，含有凹陷，只要图像处理装置7准确地设置，特别是校准，那么该凹陷就应该由图像处理装置7识别出。在表面4的另一个位置处存在刮痕。
与图像处理装置7所识别的缺陷相关的信息能够转发至分类装置8，该分类装置根据预设的标准将缺陷分类。能够例如这样进行划分，即，是否缺陷为刮痕、凹痕、突起、表面裂缝、氧化、氧化夹渣、污染物和/或异物。替代性地或额外地能够这样进行划分，即相应的缺陷相对于产品5的进一步使用而言有多严重。
关于各个缺陷和各个缺陷的分类的信息与关于缺陷出现在表面4上何处的位置信息共同地存储在存储器9中。存储的信息能够随后与产品5一起提供给产品5的进一步使用，从而能够在所述的进一步使用中顾及到这些缺陷。能够例如舍弃具有不能容忍的缺陷的表面区段。
在图2中示出了，如何以规律性的间隔而自动检验根据图1中所示的检查系统。示意性示出的是如何由相机拍摄出产品的表面4的区段，其中该相机由表面4生成数字化的照片10。借助于未示出的整合单元而将人工合成的表面缺陷的数字化的图示11整合到该数字化的照片10中。数字化的图示11占据了所生成的照片10的非常小的区域。在图2中，为了可识别性，使表面缺陷的数字化图示11相对于照片10而言大幅度放大地示出。人工合成的表面缺陷的数字化的图示11涉及具有不同灰度以及对比度的表面。相应的表面缺陷因此称为合成的，因为在实际应用中这种形式的表面缺陷不会出现。
将由实际照片与人工合成的表面缺陷结合而产生的照片10传送给图像处理装置7，在所示出的并且就此优选的实施例中将该图像处理装置与分类装置8合并。图像处理装置7对包括人工合成的表面缺陷的数字化的图示11在内的照片10进行检测。如果将人工合成的表面缺陷的数字化的图示11或者实际的表面缺陷作为表面4的缺陷而识别出，则由分类装置8对该缺陷分类。同时控制，是否将人工合成的表面缺陷的数字化的图示11作为缺陷而识别出以及是否根据标准而正确地进行分类。此外，将由于人工合成的表面缺陷的数字化的图示11而发现的缺陷与分类信息以及位置信息一同删除。这意味着，将由于人工合成的表面缺陷的数字化的图示11而可能被发现的缺陷信息删除并且仅对于源于实际缺陷的缺陷信息作为缺陷而进一步处理。源于表面缺陷的数字化的图示11的缺陷信息能够根据需要而单独地存储或者进一步处理。因此确保了，产品5的质量保障并不受到对检查系统1的检验的影响。
根据需要也能够不对人工合成的表面缺陷的数字化的图示11进行分类或者仅有限制地进行分类，因为该表面缺陷并不类似于实际上预期的表面缺陷。因此或者也无关于此地能够借助于整合单元而根据需要地额外将模拟或对应于实际的表面缺陷的表面缺陷的一个或多个数字化的图示12整合到由相机6所生成的产品5的表面的照片10中。当前，这些表面缺陷为凹痕以及刮痕。在这种情况下也由图像处理装置7来对产生的照片10进行缺陷检查。如果发现缺陷，那么借助于集成的分类装置8来分类这些缺陷。因为表面缺陷的数字化的图示12或多或少地对应于实际的表面缺陷，与同时受检的人工合成的表面缺陷的情况下相比，能够更好地评估分类装置的特性。
并没有细节示出的是，以规律的时间间隔来对检查系统1进行检验并且根据需要能够触发对检查系统1的自动校准。此外，根据所识别的、非实际的缺陷以及对其的分类能够得出用于量化检查系统1的质量的性能参数，并且此外只要是超出了预设的公差标准就会触发显示。
Claims (18)
1.一种用于对检查系统(1)进行检验的方法，所述检查系统用于识别产品(5)的表面缺陷(2，3)，所述产品(5)被引导经过至少一个相机(6)，其中所述至少一个相机(6)生成至少一个产品(5)的至少一个表面(4)的至少一个照片(10)，其中以数字化的形式将至少一个照片(10)传送给图像处理装置(7)，其中将表面缺陷(2，3)的至少一个数字化的图示(11，12)合成到数字化的照片(10)中，其中所述图像处理装置(7)通过使用包含了表面缺陷(2，3)的所述数字化的图示(11，12)的数字化的照片(10)来进行缺陷识别，并且其中确定所述图像处理装置(7)是否将表面缺陷(2，3)的所述数字化的图示(11，12)作为已检测的表面(4)的缺陷而识别出；其中，表面缺陷的数字化的图示为用人工合成制作的图示，并且所述人工合成的表面缺陷的数字化的图示为具有不同灰度以及对比度的区域。
2.根据权利要求1所述的方法，其中，由所述图像处理装置(7)所识别出的缺陷借助于分类装置(8)而分类，并且其中确定出所述分类装置(8)是否将根据表面缺陷(2，3)的所述数字化的图示(11，12)而识别出的缺陷如预设一样地进行分类。
3.根据权利要求1或2所述的方法，其中，显示、信号通知和/或存储：是否识别出和/或如预设地分类出溯源于表面缺陷(2，3)的至少一个数字化的图示(11，12)的缺陷。
4.根据权利要求1所述的方法，其中对预设公差标准的超出进行显示、信号通知和/或存储。
5.根据权利要求1所述的方法，其中根据所识别出的和/或未识别出的、源于至少一个表面缺陷(2，3)的至少一个数字化的图示(11，12)的缺陷而确定出至少一个性能参数，和/或根据与预设一致或与预设有偏差地对源于至少一个表面缺陷(2，3)的至少一个数字化的图示(11，12)的缺陷所进行的分类而确定出至少一个性能参数，所述性能参数表示出所述检查系统(1)的性能。
6.根据权利要求1所述的方法，其中，当一个表面缺陷(2，3)的一个数字化的图示(11，12)或者至少一个表面缺陷(2,3)的多个数字化的图示(11，12)没有被识别为缺陷和/或没有如预设地分类时，手动地和/或自动地对所述图像处理装置(7)和/或所述分类装置(8)进行校准。
7.根据权利要求1所述的方法，其中将根据已检查的表面(4)的实际的表面缺陷(2，3)而由所述图像处理装置(7)所识别出的缺陷作为一类缺陷而存储，并且其中并不存储或者以不同于源于实际的表面缺陷(2，3)的缺陷的方式来存储根据表面缺陷(2，3)的至少一个数字化的图示(11，12)而由所述图像处理装置(7)所识别出的缺陷。
8.根据权利要求1所述的方法，其中，这样对根据表面缺陷(2，3)的数字化的图示(11，12)而由所述图像处理装置(7)所识别出的缺陷进行存储，即，使得所述缺陷能够自动地从源于实际的表面缺陷(2，3)的缺陷中区分出来。
9.根据权利要求1所述的方法，其中，根据实际的表面缺陷(2，3)而识别出来的缺陷与至少一个相应的类别信息共同存储。
10.根据权利要求1所述的方法，其中根据实际的表面缺陷(2，3)而识别出的缺陷，与至少一个类别信息共同地以关联于位置信息的方式进行存储，所述位置信息表示实际的表面缺陷(2，3)在已检查的表面(4)上的位置。
11.根据权利要求1所述的方法，其中，所使用的表面缺陷(2，3)的数字化的图示(11，12)是实际的表面缺陷(2，3)的至少一个数字化的图示(11，12)，所述表面缺陷为刮痕、凹处、突起、表面裂缝、氧化、污染物和/或异物的形式。
12.根据权利要求1所述的方法，其中，所述产品为扁钢制品。
13.根据权利要求1所述的方法，其中，所述相机为数码相机。
14.一种能够受到检验的、用于识别产品(5)的表面缺陷(2，3)的检查系统(1)，所述产品(5)被引导经过至少一个相机(6)，所述检查系统用于实施根据权利要求1至12中任意一项所述的方法，所述检查系统具有所述至少一个用于生成至少一个产品(5)的至少一个表面(4)的至少一个照片(10)的相机(6)以及用于将至少一个照片(10)数字化的数字化单元，
其特征在于，
设置一种用于将表面缺陷(2，3)的数字化的图示(11，12)合成到数字化的照片(10)中的整合单元，设置一种图像处理装置(7)，所述图像处理装置用于通过使用包含表面缺陷(2,3)的数字化的图示(11，12)的数字化的照片(10)识别缺陷，并且设置一种测定单元，所述测定单元用于测定是否通过所述图像处理装置(7)而将表面缺陷(2，3)的数字化的图示(11，12)识别为已检测的表面(4)的缺陷；其中，表面缺陷的数字化的图示为用人工合成制作的图示，并且所述人工合成的表面缺陷的数字化的图示为具有不同灰度以及对比度的区域。
15.根据权利要求14所述的系统，其特征在于，设置一种用于对于由所述图像处理装置(7)所识别出的缺陷进行分类的分类装置(8)，并且，所述测定单元构造为用于确定，所述分类装置(8)是否如预设地那样对根据表面缺陷(2，3)的数字化的图示(11，12)而识别出的缺陷进行分类。
16.根据权利要求14或15所述的系统，其特征在于，设置一种用于对信息进行显示、信号通知和/或存储的显示装置、信号装置和/或存储装置(9)，所述信息是关于是否对源于至少一个表面缺陷(2，3)的数字化的图示(11，12)的至少一个缺陷进行识别和/或如所预设地那样进行分类的信息。
17.根据权利要求14所述的系统，其中，所述产品为扁钢制品。
18.根据权利要求14所述的系统，其中，所述相机为数码相机。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102013109915.7A DE102013109915B4 (de) | 2013-09-10 | 2013-09-10 | Verfahren und Vorrichtung zur Überprüfung eines Inspektionssystems zur Erkennung von Oberflächendefekten |
| DE102013109915.7 | 2013-09-10 | ||
| PCT/EP2014/068306 WO2015036261A1 (de) | 2013-09-10 | 2014-08-28 | Verfahren und vorrichtung zur überprüfung eines inspektionssystems zur erkennung von oberflächendefekten |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105531581A CN105531581A (zh) | 2016-04-27 |
| CN105531581B true CN105531581B (zh) | 2019-07-12 |
Family
ID=51483399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480049898.XA Active CN105531581B (zh) | 2013-09-10 | 2014-08-28 | 对用于识别表面缺陷的检查系统进行检验的方法和设备 |
Country Status (9)
| Country | Link |
|---|---|
| US (1) | US20160203593A1 (zh) |
| EP (1) | EP3044571B1 (zh) |
| JP (1) | JP6560220B2 (zh) |
| KR (1) | KR20160054543A (zh) |
| CN (1) | CN105531581B (zh) |
| DE (1) | DE102013109915B4 (zh) |
| RU (1) | RU2665806C2 (zh) |
| TR (1) | TR201820176T4 (zh) |
| WO (1) | WO2015036261A1 (zh) |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102016224307A1 (de) * | 2015-12-15 | 2017-06-22 | Heidelberger Druckmaschinen Ag | Verfahren zur Überprüfung eines Bildinspektionssystems |
| JP6333871B2 (ja) | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
| WO2017198348A1 (en) * | 2016-05-17 | 2017-11-23 | Abb Schweiz Ag | Real-time, full web image processing method and system for web manufacturing supervision |
| US10031087B2 (en) | 2016-09-22 | 2018-07-24 | SSAB Enterprises, LLC | Methods and systems for the quantitative measurement of internal defects in as-cast steel products |
| DE102017006566B3 (de) | 2017-07-12 | 2018-10-31 | Inlevel Gmbh | Vorrichtung und Verfahren zur optischen Überwachung von Oberflächen eines Körpers |
| CN110915193B (zh) * | 2017-08-09 | 2022-06-24 | 富士胶片株式会社 | 图像处理系统、服务器装置、图像处理方法及记录介质 |
| DE102017008383A1 (de) * | 2017-09-07 | 2019-03-07 | Heuft Systemtechnik Gmbh | Inspektionsvorrichtung mit optischem Wasserzeichen |
| CN109685756A (zh) * | 2017-10-16 | 2019-04-26 | 乐达创意科技有限公司 | 影像特征自动辨识装置、系统及方法 |
| 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 |
| 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 |
| CN109765245B (zh) * | 2019-02-25 | 2021-08-13 | 武汉精立电子技术有限公司 | 大尺寸显示屏缺陷检测定位方法 |
| DE102019204346A1 (de) * | 2019-03-28 | 2020-10-01 | Volkswagen Aktiengesellschaft | Verfahren und System zum Überprüfen einer optischen Beanstandung an einem Kraftfahrzeug |
| CN110116138B (zh) * | 2019-06-13 | 2020-04-07 | 沈阳建筑大学 | 一种轧制过程中热态钢板长度及侧弯测量方法 |
| CN110220730A (zh) * | 2019-06-27 | 2019-09-10 | 宜兴硅谷电子科技有限公司 | 一种应用于字符喷印机的质量异常检出方法 |
| EP3767403B1 (de) * | 2019-07-16 | 2022-09-07 | Carl Zeiss Industrielle Messtechnik GmbH | Machine-learning gestützte form- und oberflächenmessung zur produktionsüberwachung |
| CN111629205B (zh) * | 2020-07-28 | 2020-11-20 | 天津美腾科技股份有限公司 | 一种应用于工业相机模拟测试的系统和方法 |
| JP7501264B2 (ja) * | 2020-09-15 | 2024-06-18 | 株式会社アイシン | 異常検出装置、異常検出プログラム、および異常検出システム |
| DE102020129040A1 (de) | 2020-11-04 | 2022-05-05 | Speira Gmbh | Verfahren und Vorrichtung zur Erkennung von Oberflächenstrukturen |
| CN113032919B (zh) * | 2021-03-12 | 2022-03-04 | 奥特斯科技(重庆)有限公司 | 部件承载件制造方法、处理系统、计算机程序和系统架构 |
| CN113281341A (zh) * | 2021-04-19 | 2021-08-20 | 唐山学院 | 热镀锌带钢的双传感器表面质量检测系统的检测优化方法 |
| DE102021116868B4 (de) | 2021-06-30 | 2023-06-29 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zum Bestimmen der Sensorgüte eines bildgebenden Sensorsystems sowie Verfahren und Vorrichtung zum Erkennen von Fehlstellen |
| CN114565314B (zh) * | 2022-03-09 | 2024-06-18 | 武汉科技大学 | 一种基于数字孪生的热轧钢卷端面质量管控系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10065321A1 (de) * | 2000-12-30 | 2002-07-11 | Krones Ag | Inspektionsvorrichtung und -verfahren |
| EP1901230A1 (de) * | 2006-09-13 | 2008-03-19 | Thyssenkrupp Nirosta GmbH | Verfahren zur automatischen Oberflächeninspektion eines bewegten Körpers |
| DE102010043632A1 (de) * | 2010-11-09 | 2012-05-10 | Krones Aktiengesellschaft | Verfahren zur Funktionskontrolle einer Inspektionsvorrichtung und Vorrichtung zur Inspektion eines Produktsstroms |
| CN102628814A (zh) * | 2012-02-28 | 2012-08-08 | 西南交通大学 | 一种基于数字图像处理的钢轨光带异常自动检测方法 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3712513A1 (de) * | 1987-04-13 | 1988-11-03 | Roth Electric Gmbh | Verfahren und vorrichtung zur erkennung von oberflaechenfehlern |
| JPH07261372A (ja) * | 1994-03-18 | 1995-10-13 | Fujitsu Ltd | パターン検証方法および検証装置 |
| JPH08136471A (ja) * | 1994-11-11 | 1996-05-31 | Nkk Corp | 表面欠陥計の自己診断装置 |
| EP0880023A1 (de) * | 1997-05-23 | 1998-11-25 | Siemag Transplan Gmbh | Verfahren und Vorrichtung zur automatischen Detektion von Oberflächenfehlern beim kontinuierlichen mechanischem Abtragen von Material von Stranggiessprodukten |
| JPH1114553A (ja) * | 1997-06-23 | 1999-01-22 | Omron Corp | 視覚欠陥検査装置における欠陥サンプルデータ出力方法および装置 |
| DE10031978A1 (de) * | 2000-06-30 | 2002-01-10 | Sms Demag Ag | Verfahren und Vorrichtung zur automatischen Zundererkennung aus Oberflächen von metallischem Bandgut, insbesondere von warmgewalztem Stahlband und Edelstahlband |
| US7043071B2 (en) * | 2002-09-13 | 2006-05-09 | Synopsys, Inc. | Soft defect printability simulation and analysis for masks |
| US7333650B2 (en) * | 2003-05-29 | 2008-02-19 | Nidek Co., Ltd. | Defect inspection apparatus |
| CN100371939C (zh) * | 2003-08-27 | 2008-02-27 | 上海宏力半导体制造有限公司 | 在缺陷管理系统中使用的方法 |
| US7599050B2 (en) * | 2003-10-21 | 2009-10-06 | Daihatsu Motor Co., Ltd. | Surface defect inspecting method and device |
| JP2006220644A (ja) * | 2005-01-14 | 2006-08-24 | Hitachi High-Technologies Corp | パターン検査方法及びその装置 |
| US7848561B2 (en) * | 2005-12-30 | 2010-12-07 | Honeywell International Inc. | Determining capability of an on-line sensor |
| JP4982213B2 (ja) * | 2007-03-12 | 2012-07-25 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置及び欠陥検査方法 |
| JP5156452B2 (ja) * | 2008-03-27 | 2013-03-06 | 東京エレクトロン株式会社 | 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置 |
| JP5255953B2 (ja) * | 2008-08-28 | 2013-08-07 | 株式会社日立ハイテクノロジーズ | 欠陥検査方法及び装置 |
| US8175373B2 (en) * | 2009-02-16 | 2012-05-08 | Kla-Tencor Corporation | Use of design information and defect image information in defect classification |
| US8406919B1 (en) * | 2010-03-12 | 2013-03-26 | Key Technology, Inc. | Quality regulating apparatus and method |
| US9858658B2 (en) * | 2012-04-19 | 2018-01-02 | Applied Materials Israel Ltd | Defect classification using CAD-based context attributes |
-
2013
- 2013-09-10 DE DE102013109915.7A patent/DE102013109915B4/de not_active Expired - Fee Related
-
2014
- 2014-08-28 TR TR2018/20176T patent/TR201820176T4/tr unknown
- 2014-08-28 US US14/916,536 patent/US20160203593A1/en not_active Abandoned
- 2014-08-28 KR KR1020167009081A patent/KR20160054543A/ko not_active Application Discontinuation
- 2014-08-28 WO PCT/EP2014/068306 patent/WO2015036261A1/de active Application Filing
- 2014-08-28 RU RU2016113558A patent/RU2665806C2/ru active
- 2014-08-28 EP EP14758522.8A patent/EP3044571B1/de active Active
- 2014-08-28 CN CN201480049898.XA patent/CN105531581B/zh active Active
- 2014-08-28 JP JP2016539483A patent/JP6560220B2/ja not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10065321A1 (de) * | 2000-12-30 | 2002-07-11 | Krones Ag | Inspektionsvorrichtung und -verfahren |
| EP1901230A1 (de) * | 2006-09-13 | 2008-03-19 | Thyssenkrupp Nirosta GmbH | Verfahren zur automatischen Oberflächeninspektion eines bewegten Körpers |
| DE102010043632A1 (de) * | 2010-11-09 | 2012-05-10 | Krones Aktiengesellschaft | Verfahren zur Funktionskontrolle einer Inspektionsvorrichtung und Vorrichtung zur Inspektion eines Produktsstroms |
| CN102628814A (zh) * | 2012-02-28 | 2012-08-08 | 西南交通大学 | 一种基于数字图像处理的钢轨光带异常自动检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016532121A (ja) | 2016-10-13 |
| RU2016113558A (ru) | 2017-10-16 |
| DE102013109915B4 (de) | 2015-04-02 |
| RU2016113558A3 (zh) | 2018-05-30 |
| DE102013109915A1 (de) | 2015-03-12 |
| RU2665806C2 (ru) | 2018-09-04 |
| TR201820176T4 (tr) | 2019-01-21 |
| WO2015036261A1 (de) | 2015-03-19 |
| KR20160054543A (ko) | 2016-05-16 |
| EP3044571B1 (de) | 2018-10-10 |
| CN105531581A (zh) | 2016-04-27 |
| JP6560220B2 (ja) | 2019-08-14 |
| US20160203593A1 (en) | 2016-07-14 |
| EP3044571A1 (de) | 2016-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105531581B (zh) | 对用于识别表面缺陷的检查系统进行检验的方法和设备 | |
| EP3610986B1 (en) | Apparatus and method for shot peening evaluation | |
| JP2007501942A (ja) | 好適に円形エッジを有する物体の品質を光学的に制御する光学的試験方法及び光学的試験装置 | |
| JP6371044B2 (ja) | 表面欠陥検査装置および表面欠陥検査方法 | |
| TW200906508A (en) | Method for the identification and classification of surface defects on continuously cast slabs | |
| WO2010024064A1 (ja) | 欠陥検査方法及びその装置 | |
| US20070117225A1 (en) | Integrated inspection system and defect correction method | |
| US8633419B2 (en) | Laser welding quality evaluation method and apparatus | |
| JP2005292146A (ja) | 透明材料の光学品質の定量的測定方法及び装置 | |
| CN103257061A (zh) | 显微镜检验用试样的制备方法及检查试样覆盖质量的装置 | |
| TWI410606B (zh) | 用於高解析度處理具有欲成像微觀形體之大體平坦工件之裝置，用於蒐集具有微觀形體之工件影像之方法，及用於檢驗微觀物件之系統 | |
| CN108445008A (zh) | 一种带钢表面缺陷的检测方法 | |
| KR102000907B1 (ko) | 페라이트 외관 비전 검사방법 | |
| CN117529652A (zh) | 高速自动检测薄膜异物质的装置 | |
| JP2010139379A (ja) | 欠陥検出方法、欠陥検出装置、これらを用いたフィルムの製造方法及び装置 | |
| JP2017207288A (ja) | 表面検査装置用校正板及び表面検査装置の校正方法 | |
| JP2003302349A (ja) | 画像処理による（表面）検査方法の客観化方法 | |
| JP2009264882A (ja) | 外観検査装置 | |
| CN113155862B (zh) | 一种偏光膜卷材良率的模拟方法 | |
| CN114240896A (zh) | 一种基于卷积神经网络对螺柱焊焊接质量的检测方法 | |
| Aminzadeh et al. | In-situ quality inspection of laser powder-bed fusion using high-resolution visual camera images | |
| CN106706641B (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
| WO2019171474A1 (ja) | 表面性状検査装置、表面性状検査方法及びプログラム | |
| JPH10267858A (ja) | ガラス基板の欠陥の良否判定方法 | |
| Santos et al. | Rule-based Machine Vision System on Clear Empty Glass Base Inspection of Foreign Materials for Philippine MSMEs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |