CN105548210B - 基于机器视觉的美标电源延长线的检测方法 - Google Patents

基于机器视觉的美标电源延长线的检测方法 Download PDF

Info

Publication number
CN105548210B
CN105548210B CN201511033331.6A CN201511033331A CN105548210B CN 105548210 B CN105548210 B CN 105548210B CN 201511033331 A CN201511033331 A CN 201511033331A CN 105548210 B CN105548210 B CN 105548210B
Authority
CN
China
Prior art keywords
detection
image processing
processing center
machine vision
standard power
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
Application number
CN201511033331.6A
Other languages
English (en)
Other versions
CN105548210A (zh
Inventor
蔡述庭
王雪岩
贾凯
张宝强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201511033331.6A priority Critical patent/CN105548210B/zh
Publication of CN105548210A publication Critical patent/CN105548210A/zh
Application granted granted Critical
Publication of CN105548210B publication Critical patent/CN105548210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Textile Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于机器视觉的美标电源延长线的检测方法，在机器视觉检测平台上对美标电源延长线进行检测，包括步骤：照明光源的布设，1号工位、2号工位、3号工位检测，处理结果显示等，本发明的检测速度快、效率高，能实现美标电源延长线的6项性能进行在线自动检测，极大地提高了对产品的检测效果，实现了最终成品质量的严格把控。

Description

基于机器视觉的美标电源延长线的检测方法
技术领域
本发明涉及自动检测技术领域，具体为基于机器视觉的美标电源延长线的检测方法。
背景技术
现有的美标电源延长线缺陷检测方法是批量检测，即人工离线检测批量产品中的抽样样品，用样品的质量特征来代替产品的质量特征。该检测方法存在着生产者风险和消费者风险，生产者风险是指由于样品中存在多个次品而拒绝一批产品中的正品。消费者风险是指由于样品中存在大量的正品，使得生产者把样品中的次品认为是正品从而给消费者造成损失。而且由于检测者的疲劳和非一致性等人为因素引起的误差，也会降低检测结果的可靠性。
发明内容
本发明的目的在于提供一种基于机器视觉的美标电源延长线的检测方法，以实现产品的全检，提升检测效率和准确率。
为实现上述目的，本发明采用以下技术方案：
基于机器视觉的美标电源延长线的检测方法，在机器视觉检测平台上对美标电源延长线进行检测，所述的机器视觉检测平台包括显示器、计算机图像处理中心及三个工位装置，所述的三个工位装置上均设置有图像采集模块、照明光源、工业相机、控制模块及运动控制装置，包括以下步骤：
S1.将待检测的美标电源延长线编号，依次通过平台的1号工位，2号工位，3号工位，所述的1号工位上的照明光源为背光光源， 2号工位上的照明光源为同轴光源，3号工位上的照明光源为背光光源及同轴光源。
S2. 1号工位的图像采集模块通过外触发或者软触发控制工业相机对美标电源延长线进行拍照，完成图像采集，并传输至计算机图像处理中心进行盒盖pin脚数量及pin脚间距离的特征提取；计算机图像处理中心对1号工位特征进行识别与判断，1号工位中pin脚数量为指定值，且pin脚间距离符合pin脚的正向设定，则判定为合格，否则为不合格；计算机图像处理中心得出“不合格”结论时将指令传输至控制模块，控制运动控制装置将产品清理出流水线；当得出“合格”结论，检测产品流入下一个工位。
S3. 2号工位的采集图像传输至计算机图像处理中心进行电线正负极的特征提取，即对采集到的图像进行阈值处理后，获得图像检测区域内黑白相间的数目；计算机图像处理中心对2号工位特征进行识别与判断，2号工位中，图像检测区域内黑白相间的数目大于4时，判定为螺纹边，电线为正极，否则为光滑边，电线为负极。
S4. 3号工位采集图像传输至计算机图像处理中心，与计算机图像处理中心事先创建好的模版匹配，通过仿射变换算法进行端子正负错位、端子铆合电线长度及铜线外漏的三项特征提取；计算机图像处理中心对3号工位特征进行识别与判断，3号工位中，端子无错位，铆合电线长度适中，及铜线无外漏时判定为合格，否则为不合格；计算机图像处理中心得出“不合格”结论时将指令传输至控制模块，控制运动控制装置将产品清理出流水线；当得出“合格”结论，检测产品完成检测。
S5.计算机图像处理中心将检测产品的各工位的处理结果显示在显示器上，并输出合格产品的编号及相对应的电线正负极的特征。
其中，步骤S2中，图像处理中心使用中值滤波算法，对采集来的图像去噪，再使用阈值分割算法，得出pin脚的坐标数量及pin脚的坐标；通过pin脚的坐标数量，从而得到pin脚数量，通过pin脚的坐标，计算pin脚之间的距离。
其中，步骤S4中，端子正负错位的特征提取的过程为：对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换算法找到上、下两个端子的参考点和参考线，并计算二者之间的距离；计算机图像处理中心识别与判断过程为：当上端子距离在0～0.2mm内，下端子距离在0.5～1mm内，判定端子无错位，合格，否则判定端子正负错位，不合格。
其中，步骤S4中，端子铆合电线长度特征提取的过程为：对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换找到铜线位置和参考点，并计算二者之间的距离；计算机图像处理中心识别与判断过程为：当铜线位置和参考点距离小于3.1mm，说明端子铆合电线过短，判定为不合格；当铜线位置和参考点距离大于3.9mm，说明端子铆合电线过长，判定为不合格；当铜线位置和参考点距离在这两个值之间时，判定为合格。
其中，步骤S4中，铜线外漏特征提取的过程为:利用运动控制装置将端子对折，对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换算法得到图像的检测区域，通过阈值分割算法得到该区域与铜线灰度值相同的像素点，计算机图像处理中心识别与判断过程为： 检测指定区域是否有与铜线灰度值相同的像素点，有的话则判为铜线外漏，判定为不合格；否则判定为合格。
进一步地，当检测产品进入机器视觉检测平台时，计算机图像处理中心发出拍摄信号通知开始检测，同时打开忙碌信号；当机器视觉检测平台上无检测产品时，“忙碌”信号关闭。
采用上述技术方案后，本发明具有如下优点：本发明检测速度快、效率高，能实现美标电源延长线的：盒盖pin脚的数量、pin脚的正反、电线的正负极、端子的正负错位、端子铆合电线的长度、铜线外漏情况的6项性能进行在线自动检测，实现了流水线的“无人化”自动检测，极大地提高了产品的检测效果，确保最终成品的可靠性，最大程度的降低生产者风险和消费者风险。
附图说明
图1为本发明机器视觉检测平台的结构示意图。
图2为本发明的具体实施流程图。
图3 为盒盖pin脚数量及正反检测流程图。
图4为盒盖pin脚正反检测原理图。
图5为电线正反检测流程图。
图6为本发明实施例中2#美标电源延长线电线正反检测图。
图7为本发明实施例中9#美标电源延长线电线正反检测图。
图8为端子正负错位检测流程图。
图9为本发明实施例中3#美标电源延长线端子正负错位检测图。
图10为端子铆合电线长度检测流程图。
图11为外漏铜线检测流程图。
图12为本发明实施例中4#美标电源延长线外漏铜线检测图。
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。
本发明公开了基于机器视觉的美标电源延长线的检测方法，在机器视觉检测平台上对美标电源延长线盒盖pin脚的数量、pin脚的正反、电线的正负极、端子的正负错位、端子铆合电线的长度、铜线外漏情况的6项性能进行在线自动检测。
如图1所示，机器视觉检测平台包括显示器、计算机图像处理中心及三个工位装置，三个工位装置上均设置有图像采集模块、照明光源、工业相机、控制模块及运动控制装置，本实施例选取10条事先经人工检测部分存在不同缺陷的美标电源延长线依次通过本方法进行检测，检测过程包括以下步骤：
S1.将待检测的美标电源延长线编号 (# 1~#10)，并依次通过平台的1号工位，2号工位，3号工位， 1号工位上的照明光源为背光光源， 2号工位上的照明光源为同轴光源，3号工位上的照明光源为背光光源及同轴光源。如图2所示，当检测产品进入机器视觉检测平台时，计算机图像处理中心发出“拍摄信号”，同时打开“忙碌信号”并在显示器上显示，以防止多件产品同时进入平台，从而影响计算机处理中心对检测结果的判定。
S2. 1号工位的图像采集模块通过外触发或者软触发控制工业相机对美标电源延长线进行拍照，完成图像采集，并传输至计算机图像处理中心进行盒盖pin脚数量及pin脚间距离的特征提取。
如图3所示，图像处理中心使用中值滤波算法，对采集来的图像去噪，再使用阈值分割算法，得出pin脚的坐标数量及pin脚的坐标。通过pin脚的坐标数量，从而得到pin脚数量，通过pin脚的坐标，计算pin脚之间的距离。如图4所示盒盖pin脚正反检测原理图，将得到的图像中pin脚从左到右依次排序，从1号pin脚到7号pin脚，图像处理中心通过计算1、3号pin脚的距离L1和3、6号pin脚的距离L2，若L1小于L2，则pin脚设置为正，反之，则pin脚设置为反。
计算机图像处理中心对1号工位特征进行识别与判断，1号工位中pin脚数量为指定值，且pin脚间距离符合pin脚的正向设定，则判定为合格，否则为不合格。
计算机图像处理中心得出“不合格”结论时将指令传输至控制模块，控制运动控制装置将产品清理出流水线；当得出“合格”结论，检测产品流入下一个工位。
S3. 2号工位的图像采集模块同样通过控制工业相机对美标电源延长线进行拍照，完成图像采集，并传输至计算机图像处理中心进行电线正负极的特征提取。电线正负极的特征是美标电源延长线的重要特征，需要在生产线上提取并统一标识获得。
特征提取的具体过程如图5所示：对采集到的图像进行阈值处理后，获得图像检测区域内黑白相间的数目；计算机图像处理中心对2号工位特征进行识别与判断，2号工位中，图像检测区域内黑白相间的数目大于4时，判定为螺纹边，电线为正极，否则为光滑边，电线为负极。图6为本实施例#2样品的图像，从图像可看出墨白相间的数目大于4因此为螺纹边，电线为正极。图7为本实施例#9样品的图像，从图像可以看出黑白相间的数目为1，因此为光滑边，电线为负极。计算机图像处理中心输出产品的编号及相对应的电线正负极的特征。
S4. 3号工位采集图像传输至计算机图像处理中心，与计算机图像处理中心事先创建好的模版匹配，通过仿射变换算法进行端子正负错位、端子铆合电线长度及铜线外漏的三项特征提取。
(1). 端子正负错位的特征提取的过程如图8所示，对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换算法找到上、下两个端子的参考点和参考线，并计算二者之间的距离。计算机图像处理中心识别与判断过程为：当上端子距离a在0～0.2mm内，下端子距离b在0.5～1mm内，判定端子无错位，合格，否则判定端子正负错位，不合格。如图9所示，在本实施例检测中，#3号美标电源延长线的上端子的参考点与参考线间的距离a为0.1mm，下端子的参考点与参考线距离b为0.7mm，因此判定合格。
(2).端子铆合电线长度特征提取的过程如图10所示，创建模版，对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换找到铜线位置和参考点，并计算二者之间的距离。计算机图像处理中心识别与判断过程为：当铜线位置和参考点距离c或c’(如图9示)大于3.9mm，说明端子铆合电线过长，判定为不合格；当铜线位置和参考点距离c或c’小于3.1mm，说明端子铆合电线过短，判定为不合格；当铜线位置和参考点距离c和c’在这两个值之间时，判定为合格。如本实施中，#1号检测产品的端子铆合电线长度c为4.5mm，过长，判定为不合格。#6号检测产品的端子铆合电线长度c为2.8mm，过短，判定为不合格。
(3).铜线外漏特征提取的过程如图11所示:利用运动控制装置将端子对折，对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换算法得到图像的检测区域，通过阈值分割算法得到该区域与铜线灰度值相同的像素点，计算机图像处理中心识别与判断过程为： 检测指定区域是否有与铜线灰度值相同的像素点，有的话则判为铜线外漏，判定为不合格；否则判定为合格。如图12，#7号检测品的图像指定区域内发现了像素点，判定不合格。
在3号工位中，计算机图像处理中心得出任一“不合格”结论时将指令传输至控制模块，控制运动控制装置将产品清理出流水线；当得出“合格”结论，检测产品完成检测。
S5.计算机图像处理中心将检测产品的各工位的处理结果显示在显示器上，并输出合格产品的编号及相对应的电线正负极的特征。
如图2所示，一项产品完成检测后，机器视觉检测平台上无检测产品时，“忙碌”信号关闭。下一个检测产品进入工位，重复步骤S1-S5。
本实例的10条美标电源延长线的检测结果如下表所示。
本实施例中，#5，#4，#1，#6，#7号检测品不合格，从流水线上剔除。最终得到了各合格产品的编号及相对应的电线正负极。
综上，本发明方法实现美标电源延长线的自动全检，效率高，且避免了人工检测中由于人为原因造成的错检，漏检，实现了最终成品质量的严格把控，适合普遍推广。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (6)

1.基于机器视觉的美标电源延长线的检测方法，在机器视觉检测平台上对美标电源延长线进行检测，所述的机器视觉检测平台包括显示器、计算机图像处理中心及三个工位装置，所述的三个工位装置上均设置有图像采集模块、照明光源、工业相机、控制模块及运动控制装置，其特征在于，包括以下步骤：
S1.将待检测的美标电源延长线编号，依次通过平台的1号工位，2号工位，3号工位，所述的1号工位上的照明光源为背光光源，2号工位上的照明光源为同轴光源，3号工位上的照明光源为背光光源及同轴光源；
S2.1号工位的图像采集模块通过外触发或者软触发控制工业相机对美标电源延长线进行拍照，完成图像采集，并传输至计算机图像处理中心进行盒盖pin脚数量及pin脚间距离的特征提取；计算机图像处理中心对1号工位特征进行识别与判断，1号工位中pin脚数量为指定值，且pin脚间距离符合pin脚的正向设定，则判定为合格，否则为不合格；计算机图像处理中心得出“不合格”结论时将指令传输至控制模块，控制运动控制装置将产品清理出流水线；当得出“合格”结论，检测产品流入下一个工位；
S3.2号工位的采集图像传输至计算机图像处理中心进行电线正负极的特征提取，即对采集到的图像进行阈值处理后，获得图像检测区域内黑白相间的数目；计算机图像处理中心对2号工位特征进行识别与判断，2号工位中，图像检测区域内黑白相间的数目大于4时，判定为螺纹边，电线为正极，否则为光滑边，电线为负极；
S4.3号工位采集图像传输至计算机图像处理中心，与计算机图像处理中心事先创建好的模版匹配，通过仿射变换算法进行端子正负错位、端子铆合电线长度及铜线外漏的三项特征提取；计算机图像处理中心对3号工位特征进行识别与判断，3号工位中，端子无错位，铆合电线长度适中，及铜线无外漏时判定为合格，否则为不合格；计算机图像处理中心得出“不合格”结论时将指令传输至控制模块，控制运动控制装置将产品清理出流水线；当得出“合格”结论，检测产品完成检测；
S5.计算机图像处理中心将检测产品的各工位的处理结果显示在显示器上，并输出合格产品的编号及相对应的电线正负极的特征。
2.如权利要求1所述的基于机器视觉的美标电源延长线的检测方法，其特征在于：步骤S2中，计算机图像处理中心使用中值滤波算法，对采集来的图像去噪，再使用阈值分割算法，得出pin脚的坐标数量及pin脚的坐标；通过pin脚的坐标数量，从而得到pin脚数量，通过pin脚的坐标，计算pin脚之间的距离。
3.如权利要求1所述的基于机器视觉的美标电源延长线的检测方法，其特征在于：步骤S4中，端子正负错位的特征提取的过程为：对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换算法找到上、下两个端子的参考点和参考线，并计算二者之间的距离；计算机图像处理中心识别与判断过程为：当上端子距离在0～0.2mm内，下端子距离在0.5～1mm内，判定端子无错位，合格，否则判定端子正负错位，不合格。
4.如权利要求1所述的基于机器视觉的美标电源延长线的检测方法，其特征在于：步骤S4中，端子铆合电线长度特征提取的过程为：对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换找到铜线位置和参考点，并计算二者之间的距离；计算机图像处理中心识别与判断过程为：当铜线位置和参考点距离小于3.1mm，说明端子铆合电线过短，判定为不合格；当铜线位置和参考点距离大于3.9mm，说明端子铆合电线过长，判定为不合格；当铜线位置和参考点距离在这两个值之间时，判定为合格。
5.如权利要求1所述的基于机器视觉的美标电源延长线的检测方法，其特征在于：步骤S4中，铜线外漏特征提取的过程为：利用运动控制装置将端子对折，对采集到的图像进行模版匹配，在匹配区域内，通过仿射变换算法得到图像的检测区域，通过阈值分割算法得到该区域与铜线灰度值相同的像素点，计算机图像处理中心识别与判断过程为：检测指定区域是否有与铜线灰度值相同的像素点，有的话则判为铜线外漏，判定为不合格；否则判定为合格。
6.如权利要求1～5任一项所述基于机器视觉的美标电源延长线的检测方法，其特征在于：当检测产品进入机器视觉检测平台时，计算机图像处理中心发出拍摄信号通知开始检测，同时打开忙碌信号；当机器视觉检测平台上无检测产品时，“忙碌”信号关闭。
CN201511033331.6A 2015-12-31 2015-12-31 基于机器视觉的美标电源延长线的检测方法 Active CN105548210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511033331.6A CN105548210B (zh) 2015-12-31 2015-12-31 基于机器视觉的美标电源延长线的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511033331.6A CN105548210B (zh) 2015-12-31 2015-12-31 基于机器视觉的美标电源延长线的检测方法

Publications (2)

Publication Number Publication Date
CN105548210A CN105548210A (zh) 2016-05-04
CN105548210B true CN105548210B (zh) 2018-05-08

Family

ID=55827547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511033331.6A Active CN105548210B (zh) 2015-12-31 2015-12-31 基于机器视觉的美标电源延长线的检测方法

Country Status (1)

Country Link
CN (1) CN105548210B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108391415B (zh) * 2018-05-30 2024-07-30 上海索广映像有限公司 一种面板模组组装流水线用自动检查治具
CN110597106A (zh) * 2019-08-15 2019-12-20 浙江工业大学之江学院 一种检测线自动控制模块、系统及其产品检测线
CN113058875B (zh) * 2021-04-22 2022-07-26 慕贝尔汽车部件（太仓）有限公司 工件表面瑕疵自动检测系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5058177A (en) * 1988-01-04 1991-10-15 Motorola, Inc. Method for inspection of protruding features
CN102253048A (zh) * 2011-04-29 2011-11-23 惠州市钧悦科技有限公司 可用于多种产品检测的机器视觉检测方法及系统
CN202189021U (zh) * 2011-07-22 2012-04-11 格兰达技术（深圳）有限公司 一种全自动三次光检机的光照系统
CN104111029A (zh) * 2013-04-19 2014-10-22 延锋伟世通汽车电子有限公司 用于电子产品加工检验的机器视觉检测系统
CN204630829U (zh) * 2015-05-25 2015-09-09 上海竟田电器检测技术有限公司 一种电源线拉扭试验机

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020057830A1 (en) * 1998-12-16 2002-05-16 James Sherill Akin Method and apparatus for inspection of assemblies

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5058177A (en) * 1988-01-04 1991-10-15 Motorola, Inc. Method for inspection of protruding features
CN102253048A (zh) * 2011-04-29 2011-11-23 惠州市钧悦科技有限公司 可用于多种产品检测的机器视觉检测方法及系统
CN202189021U (zh) * 2011-07-22 2012-04-11 格兰达技术（深圳）有限公司 一种全自动三次光检机的光照系统
CN104111029A (zh) * 2013-04-19 2014-10-22 延锋伟世通汽车电子有限公司 用于电子产品加工检验的机器视觉检测系统
CN204630829U (zh) * 2015-05-25 2015-09-09 上海竟田电器检测技术有限公司 一种电源线拉扭试验机

Also Published As

Publication number Publication date
CN105548210A (zh) 2016-05-04

Similar Documents

Publication Publication Date Title
KR102102874B1 (ko) 자동 광학 검사 시스템 및 그 동작 방법
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
CN103776841A (zh) 合成革缺陷自动检测装置及检测方法
CN105548210B (zh) 基于机器视觉的美标电源延长线的检测方法
CN109870463B (zh) 一种电子芯片故障检测装置
WO2017071406A1 (zh) 金针类元件的引脚检测方法和系统
CN106706656A (zh) 一种基于机器视觉的拉链检测装置及方法
CN107833843A (zh) 缺陷来源的分析方法及分析系统、缺陷检测装置
CN106248680A (zh) 一种基于机器视觉的电机换向器质量检测系统及检测方法
CN103389312A (zh) 铜管检测系统
CN112630230A (zh) 一种基于光度立体法的在线表面缺陷检测方法
WO2017107529A1 (zh) 一种并排二极管的定位方法及装置
CN105023018A (zh) 一种喷码检测方法及系统
CN207081666U (zh) 一种基于机器视觉的拉链检测装置
CN109387524A (zh) 基于线性偏振光的螺纹缺陷检测方法及装置
CN108776966A (zh) 一种磁体外观缺陷检测的方法及系统
CN105844282A (zh) 一种运用线扫描相机检测喷油嘴O-Ring缺陷的方法
CN115980067A (zh) 一种用于注塑物的智能视觉检测方法
CN112802017B (zh) 一种基于工作台的产品外部合格性检测方法及装置
CN109719056A (zh) 一种基于机器视觉的摄像头模块调焦流水线及其方法
CN112967224A (zh) 一种基于人工智能的电子电路板检测系统、方法及介质
CN111127462B (zh) 基于多曝光成像的成衣印花缺陷检测系统及检测方法
CN107248151A (zh) 一种基于机器视觉的液晶片智能检测方法及系统
CN105424708B (zh) 玻璃保险丝管可熔体质量缺陷检测方法
CN107907546A (zh) 一种基于智能移动终端的视觉缺陷检测方法与系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant