CN105678768A - 一种基于机器视觉的胎面检测方法 - Google Patents

一种基于机器视觉的胎面检测方法 Download PDF

Info

Publication number
CN105678768A
CN105678768A CN201610010854.7A CN201610010854A CN105678768A CN 105678768 A CN105678768 A CN 105678768A CN 201610010854 A CN201610010854 A CN 201610010854A CN 105678768 A CN105678768 A CN 105678768A
Authority
CN
China
Prior art keywords
image
tread
line segment
extract
image processed
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.)
Granted
Application number
CN201610010854.7A
Other languages
English (en)
Other versions
CN105678768B (zh
Inventor
祝磊
阮宇静
何小宇
韩自营
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.)
Beijing Taichu Original Technology Co.,Ltd.
Original Assignee
Hangzhou Dianzi University
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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201610010854.7A priority Critical patent/CN105678768B/zh
Publication of CN105678768A publication Critical patent/CN105678768A/zh
Application granted granted Critical
Publication of CN105678768B publication Critical patent/CN105678768B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • 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
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于机器视觉的胎面检测方法。设计一种基于机器视觉的胎面检测方法，利用机器视觉软件halcon技术和图像处理算法保证系统的可靠性、测量的准确性以及提高生产效率和产品质量，实现胎面检测的智能化，是社会生产的迫切需求。本发明通过提取工业相机拍摄的胎面图像，进行平滑滤波、阈值分割后，利用灰度分布特性提取需要处理的区域；然后对预处理后的图像进行特征选择识别出胎面的长度；用边缘检测算子提取胎面下端线段，求其与水平线段之间的夹角即倾斜角；其中，通过标定获取图像坐标与长度间的映射关系计算出胎面的实际长度。本发明检测速度快，精度较高。

Description

一种基于机器视觉的胎面检测方法
技术领域
本发明属于机器视觉技术领域，具体涉及一种基于机器视觉的胎面检测方法。
背景技术
橡胶轮胎是我国化学工业的重要产品之一，轮胎裁断是轮胎厂半成品生产中的重要环节，其裁断精度直接影响轮胎成型半成品的质量，进而影响轮胎成品的内在质量。现有的轮胎定长裁断系统大多在系统传动辊轮中安装编码器，在系统运动时通过捕获一定数量的脉冲信号来确定长度并发出裁剪信号。由于传送系统运行时与胎面可能出现打滑等不确定因素，上述方式裁断出来的胎面仍然需进行二次测量来保证产品质量，且二次测量的传统方法是通过工人在生产线旁用卷尺抽样测量，这种检测手段不够全面、测量误差较大、效率较低。但是，随着社会生产对定长裁断胎面长度装置的检测效率及其定长剪切长度的精确度等方面提出了更高的要求，这需要具有测量及技术优势的方法来满足。
计算机视觉研究中的机器视觉测量技术在尺寸测量方面与其他测量方式相比具有技术优势，其非接触式测量方式实现了测量工作的高效性，应用在定长裁断胎面长度装置可更有效、精确实现定长裁断胎面长度。因此，设计一种基于机器视觉的胎面检测方法，利用机器视觉软件halcon技术和图像处理算法保证系统的可靠性、测量的准确性以及提高生产效率和产品质量，实现胎面检测的智能化，是社会生产的迫切需求。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种检测速度快、精度高、智能化检测的基于机器视觉的胎面检测方法。
本发明的具体步骤如下：
步骤1：采用工业相机采集胎面图像。
步骤2：对胎面图像进行平滑滤波处理。
步骤3：对平滑滤波处理后的图像根据预设阈值进行阈值分割。
步骤4：对经步骤3处理后的图像计算灰度直方图的平均值和方差，并根据灰度直方图特性提取出作为预处理后的图像，具体为：
4-1：计算经步骤3处理后图像的灰度平均值和方差；
4-2：对经步骤2处理的图像进行全局阈值分割，最小像素值为0，最大像素值为步骤4-1中计算出的灰度平均值与方差相加之和；
4-3：对经步骤4-2处理的图像进行连通域联合，并作为预处理后的图像。
步骤5：提取经步骤4-3处理的图像中满足多个特征参数的区域，获取步骤1图像中胎面的长度，具体为：
5-1：设定经步骤4-3处理的图像左上角为坐标原点，提取满足右下角横坐标为r的区域a，r的数值根据步骤1中胎面图像的宽度W进行选择：0.05W≤r≤0.95W；
5-2：提取步骤5-1中区域a里满足纵坐标为y的区域b，其中，y的数值根据步骤1中胎面图像的高度H进行选择：0.05H≤y≤0.9H；
5-3：提取步骤5-2中区域b里满足像素点数目为s1的区域c，s1的数值根据步骤1中胎面图像的总像素点数目A进行选择：0.15A≤s1≤A；
5-4：提取步骤5-3中区域c里满足方向性为g1的区域d，g1的数值范围为-2～2；
5-5：创建包围步骤5-4中区域d的矩形，获取矩形最左端与矩形最右端的横坐标差值x，差值x即为步骤1图像中胎面的长度；
5-6：由设定的实际尺寸与图像像素比值k，将步骤5-5中的横坐标差值x乘以k作为胎面的实际长度。
步骤6：为提取出胎面下端线段，需对经步骤3处理的图像进行连通域联合、图像求补、形态学开运算及二值化预处理；通过边缘检测算子提取图像的边缘幅值和方向；利用霍夫变换处理图像边缘；
步骤7：对经步骤6处理的图像进行特征选择，提取出胎面下端线段，求胎面下端线段与水平线之间的夹角即倾斜角，具体为：
步骤7-1：计算经步骤6-6处理的图像中所包含的各线段所占像素的面积zi，i＝1,2,3,...,n,n取值为经步骤6-6处理的图像中所包含的线段数量；
步骤7-2：记zi中的最大值为zmax，将经步骤6-6处理的图像中所占像素面积满足0.1zmax≤zi≤zmax这一范围的线段列于线段数组m中；
步骤7-3：提取线段数组m中满足方向性g2这一特征参数的线段AB，g2的数值范围为-0.5～0.5；
步骤7-4：画出步骤7-3中的线段AB，线段AB即为提取出的胎面下端线段，获取线段AB的端点A、B坐标；
步骤7-5：记点C的横坐标为线段AB的终点B的横坐标，点C的纵坐标为线段AB的起点A的纵坐标，画出以点A为起点、点C为终点的水平线段；
步骤7-6：计算步骤7-4中的线段AB与步骤7-5中的水平线段AC之间的夹角，胎面下端线段AB与水平线AC之间的夹角即倾斜角。
所述步骤2中的平滑滤波处理选择Deriche递归平滑滤波器。
所述步骤3中的预设阈值由自动阈值分割算子根据平滑滤波处理后的图像自动设置。
所述的步骤6，具体为：
6-1：对经步骤3处理的图像进行连通域联合；
6-2：对经步骤6-1处理的图像进行图像求补，提取出整个胎面；
6-3：对经步骤6-2处理的图像进行形态学开运算，并进行连通域联合；
6-4：对经步骤6-3处理的图像进行二值化；
6-5：选取3*3模板，滤波器类型选择绝对值之和，用sobel边缘检测算子检测经步骤6-4处理后图像的边缘幅值和方向；
6-6：利用霍夫变换处理步骤6-5中的图像边缘。
本发明具有的有益效果：
本发明通过提取工业相机拍摄的胎面图像，进行平滑滤波、阈值分割后，利用灰度分布特性提取需要处理的区域；然后对预处理后的图像进行特征选择识别出胎面的长度；用边缘检测算子提取胎面下端线段，求其与水平线段之间的夹角即倾斜角；其中，通过标定获取图像坐标与长度间的映射关系计算出胎面的实际长度。本发明检测速度快，精度较高。
附图说明
图1是本发明中检测图像中胎面长度的流程图；
图2是本发明中检测图像中胎面下端线段倾斜角的流程图。
具体实施方式
下面结合附图对本发明进行详细说明。
如图1和2所示，一种基于机器视觉的胎面检测方法，具体步骤如下：
步骤1：采用工业相机采集胎面图像。
步骤2：对胎面图像进行平滑滤波处理，这里，考虑到高斯滤波器及其倒数不能以递归的方式来实现，故平滑滤波处理选择Deriche递归平滑滤波器。
步骤3：对平滑滤波处理后的图像根据预设阈值进行阈值分割，预设阈值由自动阈值分割算子根据平滑滤波处理后的图像自动设置。
步骤4：对经步骤3处理后的图像计算灰度直方图的平均值和方差，并根据灰度直方图特性提取出作为预处理后的图像，具体为：
4-1：计算经步骤3处理后图像的灰度平均值和方差；
4-2：对经步骤2处理的图像进行全局阈值分割，最小像素值为0，最大像素值为步骤4-1中计算出的灰度平均值与方差相加之和；
4-3：对经步骤4-2处理的图像进行连通域联合，并作为预处理后的图像。
步骤5：提取经步骤4-3处理的图像中满足多个特征参数的区域，获取步骤1图像中胎面的长度，具体为：
5-1：设定经步骤4-3处理的图像左上角为坐标原点，提取满足右下角横坐标为r的区域a，r的数值根据步骤1中胎面图像的宽度W进行选择：0.05W≤r≤0.95W；
5-2：提取步骤5-1中区域a里满足纵坐标为y的区域b，其中，y的数值根据步骤1中胎面图像的高度H进行选择：0.05H≤y≤0.9H；
5-3：提取步骤5-2中区域b里满足像素点数目为s1的区域c，s1的数值根据步骤1中胎面图像的总像素点数目A进行选择：0.15A≤s1≤A；
5-4：提取步骤5-3中区域c里满足方向性为g1的区域d，g1的数值范围为-2～2；
5-5：创建包围步骤5-4中区域d的矩形，获取矩形最左端与矩形最右端的横坐标差值x，差值x即为步骤1图像中胎面的长度；
5-6：由设定的实际尺寸与图像像素比值k，将步骤5-5中的横坐标差值x乘以k作为胎面的实际长度。
步骤6：为提取出胎面下端线段，需对经步骤3处理的图像进行连通域联合、图像求补、形态学开运算及二值化预处理；通过边缘检测算子提取图像的边缘幅值和方向；利用霍夫变换处理图像边缘，具体为：
6-1：对经步骤3处理的图像进行连通域联合；
6-2：对经步骤6-1处理的图像进行图像求补，提取出整个胎面；
6-3：对经步骤6-2处理的图像进行形态学开运算，并进行连通域联合；
6-4：对经步骤6-3处理的图像进行二值化；
6-5：选取3*3模板，滤波器类型选择绝对值之和，用sobel边缘检测算子检测经步骤6-4处理后图像的边缘幅值和方向；
6-6：利用霍夫变换处理步骤6-5中的图像边缘。
步骤7：对经步骤6处理的图像进行特征选择，提取出胎面下端线段，求胎面下端线段与水平线之间的夹角即倾斜角，具体为：
步骤7-1：计算经步骤6-6处理的图像中所包含的各线段所占像素的面积zi，i＝1,2,3,...,n,n取值为经步骤6-6处理的图像中所包含的线段数量；
步骤7-2：记zi中的最大值为zmax，将经步骤6-6处理的图像中所占像素面积满足0.1zmax≤zi≤zmax这一范围的线段列于线段数组m中；
步骤7-3：提取线段数组m中满足方向性g2这一特征参数的线段AB，g2的数值范围为-0.5～0.5；
步骤7-4：画出步骤7-3中的线段AB，线段AB即为提取出的胎面下端线段，获取线段AB的端点A、B坐标；
步骤7-5：记点C的横坐标为线段AB的终点B的横坐标，点C的纵坐标为线段AB的起点A的纵坐标，画出以点A为起点、点C为终点的水平线段；
步骤7-6：计算步骤7-4中的线段AB与步骤7-5中的水平线段AC之间的夹角，胎面下端线段AB与水平线AC之间的夹角即倾斜角。

Claims (4)

1.一种基于机器视觉的胎面检测方法，其特征在于：该方法的具体步骤如下：
步骤1：采用工业相机采集胎面图像；
步骤2：对胎面图像进行平滑滤波处理；
步骤3：对平滑滤波处理后的图像根据预设阈值进行阈值分割；
步骤4：对经步骤3处理后的图像计算灰度直方图的平均值和方差，并根据灰度直方图特性提取出作为预处理后的图像，具体为：
4-1：计算经步骤3处理后图像的灰度平均值和方差；
4-2：对经步骤2处理的图像进行全局阈值分割，最小像素值为0，最大像素值为步骤4-1中计算出的灰度平均值与方差相加之和；
4-3：对经步骤4-2处理的图像进行连通域联合，并作为预处理后的图像；
步骤5：提取经步骤4-3处理的图像中满足多个特征参数的区域，获取步骤1图像中胎面的长度，具体为：
5-1：设定经步骤4-3处理的图像左上角为坐标原点，提取满足右下角横坐标为r的区域a，r的数值根据步骤1中胎面图像的宽度W进行选择：0.05W≤r≤0.95W；
5-2：提取步骤5-1中区域a里满足纵坐标为y的区域b，其中，y的数值根据步骤1中胎面图像的高度H进行选择：0.05H≤y≤0.9H；
5-3：提取步骤5-2中区域b里满足像素点数目为s1的区域c，s1的数值根据步骤1中胎面图像的总像素点数目A进行选择：0.15A≤s1≤A；
5-4：提取步骤5-3中区域c里满足方向性为g1的区域d，g1的数值范围为-2～2；
5-5：创建包围步骤5-4中区域d的矩形，获取矩形最左端与矩形最右端的横坐标差值x，差值x即为步骤1图像中胎面的长度；
5-6：由设定的实际尺寸与图像像素比值k，将步骤5-5中的横坐标差值x乘以k作为胎面的实际长度；
步骤6：为提取出胎面下端线段，需对经步骤3处理的图像进行连通域联合、图像求补、形态学开运算及二值化预处理；通过边缘检测算子提取图像的边缘幅值和方向；利用霍夫变换处理图像边缘；
步骤7：对经步骤6处理的图像进行特征选择，提取出胎面下端线段，求胎面下端线段与水平线之间的夹角即倾斜角，具体为：
步骤7-1：计算经步骤6-6处理的图像中所包含的各线段所占像素的面积zi，i＝1,2,3,...,n,n取值为经步骤6-6处理的图像中所包含的线段数量；
步骤7-2：记zi中的最大值为zmax，将经步骤6-6处理的图像中所占像素面积满足0.1zmax≤zi≤zmax这一范围的线段列于线段数组m中；
步骤7-3：提取线段数组m中满足方向性g2这一特征参数的线段AB，g2的数值范围为-0.5～0.5；
步骤7-4：画出步骤7-3中的线段AB，线段AB即为提取出的胎面下端线段，获取线段AB的端点A、B坐标；
步骤7-5：记点C的横坐标为线段AB的终点B的横坐标，点C的纵坐标为线段AB的起点A的纵坐标，画出以点A为起点、点C为终点的水平线段；
步骤7-6：计算步骤7-4中的线段AB与步骤7-5中的水平线段AC之间的夹角，胎面下端线段AB与水平线AC之间的夹角即倾斜角。
2.根据权利要求1所述的一种基于机器视觉的胎面检测方法，其特征在于：所述步骤2中的平滑滤波处理选择Deriche递归平滑滤波器。
3.根据权利要求1所述的一种基于机器视觉的胎面检测方法，其特征在于：所述步骤3中的预设阈值由自动阈值分割算子根据平滑滤波处理后的图像自动设置。
4.根据权利要求1所述的一种基于机器视觉的胎面检测方法，其特征在于：所述的步骤6，具体为：
6-1：对经步骤3处理的图像进行连通域联合；
6-2：对经步骤6-1处理的图像进行图像求补，提取出整个胎面；
6-3：对经步骤6-2处理的图像进行形态学开运算，并进行连通域联合；
6-4：对经步骤6-3处理的图像进行二值化；
6-5：选取3*3模板，滤波器类型选择绝对值之和，用sobel边缘检测算子检测经步骤6-4处理后图像的边缘幅值和方向；
6-6：利用霍夫变换处理步骤6-5中的图像边缘。
CN201610010854.7A 2016-01-08 2016-01-08 一种基于机器视觉的胎面检测方法 Active CN105678768B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610010854.7A CN105678768B (zh) 2016-01-08 2016-01-08 一种基于机器视觉的胎面检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610010854.7A CN105678768B (zh) 2016-01-08 2016-01-08 一种基于机器视觉的胎面检测方法

Publications (2)

Publication Number Publication Date
CN105678768A true CN105678768A (zh) 2016-06-15
CN105678768B CN105678768B (zh) 2018-11-02

Family

ID=56299475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610010854.7A Active CN105678768B (zh) 2016-01-08 2016-01-08 一种基于机器视觉的胎面检测方法

Country Status (1)

Country Link
CN (1) CN105678768B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106169079A (zh) * 2016-06-30 2016-11-30 浙江工业大学 一种基于计算机视觉的压力容器数量识别方法
CN107507181A (zh) * 2017-09-12 2017-12-22 内蒙古工业大学 一种分梳山羊绒长度检测方法
CN109229206A (zh) * 2018-08-02 2019-01-18 长安大学 一种车辆及其转向角度的检测方法和系统
CN110189300A (zh) * 2019-04-22 2019-08-30 中国科学院微电子研究所 孔型结构工艺质量的检测方法、检测装置、存储介质和处理器
CN110220473A (zh) * 2019-06-05 2019-09-10 陈子昂 轮胎花纹沟深度测量方法、装置及设备
CN110230978A (zh) * 2018-03-14 2019-09-13 浙江大学山东工业技术研究院 一种耐火砖几何尺寸测量方法
CN111027530A (zh) * 2019-12-09 2020-04-17 南京工程学院 基于轮胎压印字符识别的预处理方法
CN111735524A (zh) * 2020-08-27 2020-10-02 湖南大学 基于图像识别的轮胎荷载获取方法、车辆称重方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896577A (zh) * 2018-05-30 2018-11-27 昆山睿力得软件技术有限公司 一种刹车片轮廓缺陷的自动检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101193764A (zh) * 2005-06-28 2008-06-04 倍耐力轮胎股份公司 具有用于检测轮胎的至少一个性能参数的检测装置的轮胎和用于检测轮胎中至少一个性能参数的方法
CN105021126A (zh) * 2015-06-18 2015-11-04 中国计量学院 基于机器视觉技术货车侧防护栏安装尺寸测量系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101193764A (zh) * 2005-06-28 2008-06-04 倍耐力轮胎股份公司 具有用于检测轮胎的至少一个性能参数的检测装置的轮胎和用于检测轮胎中至少一个性能参数的方法
CN105021126A (zh) * 2015-06-18 2015-11-04 中国计量学院 基于机器视觉技术货车侧防护栏安装尺寸测量系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘景新 等: "胎面定长及裁断控制系统的改造", 《橡塑技术与装备》 *
周义仁 等: "轮胎外径和内径视觉测量系统", 《微计算机信息》 *
张占兴 等: "轮胎胎面离线断面厚度检测系统", 《橡塑技术与装备》 *
杨凯 等: "基于图像处理的轮胎胎面自动测长系统", 《光学精密工程》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106169079A (zh) * 2016-06-30 2016-11-30 浙江工业大学 一种基于计算机视觉的压力容器数量识别方法
CN107507181A (zh) * 2017-09-12 2017-12-22 内蒙古工业大学 一种分梳山羊绒长度检测方法
CN110230978A (zh) * 2018-03-14 2019-09-13 浙江大学山东工业技术研究院 一种耐火砖几何尺寸测量方法
CN109229206A (zh) * 2018-08-02 2019-01-18 长安大学 一种车辆及其转向角度的检测方法和系统
CN110189300A (zh) * 2019-04-22 2019-08-30 中国科学院微电子研究所 孔型结构工艺质量的检测方法、检测装置、存储介质和处理器
CN110220473A (zh) * 2019-06-05 2019-09-10 陈子昂 轮胎花纹沟深度测量方法、装置及设备
CN111027530A (zh) * 2019-12-09 2020-04-17 南京工程学院 基于轮胎压印字符识别的预处理方法
CN111027530B (zh) * 2019-12-09 2024-03-01 南京工程学院 基于轮胎压印字符识别的预处理方法
CN111735524A (zh) * 2020-08-27 2020-10-02 湖南大学 基于图像识别的轮胎荷载获取方法、车辆称重方法及系统

Also Published As

Publication number Publication date
CN105678768B (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN105678768B (zh) 一种基于机器视觉的胎面检测方法
CN108918526B (zh) 一种柔性ic封装基板线路的缺口缺陷检测方法
CN105784713B (zh) 基于机器视觉的密封圈表面缺陷检测方法
CN107941808B (zh) 基于机器视觉的3d打印成型质量检测系统及方法
CN107424144B (zh) 基于激光视觉的焊缝跟踪图像处理方法
CN106056020B (zh) 一种基于机器视觉系统的条码检测识别方法及系统
CN102654464A (zh) 基于多特征模糊识别的铜带表面缺陷检测系统
CN108960237B (zh) 一种指针式油位计读数识别方法
CN113340909A (zh) 一种基于机器视觉的胶线缺陷检测方法
CN106780526A (zh) 一种铁氧体圆片表面裂痕识别方法
CN103175844A (zh) 一种金属零部件表面划痕缺陷检测方法
CN107192716A (zh) 一种基于轮廓特征的工件缺陷快速检测方法
CN106824806A (zh) 基于机器视觉的小模数塑料齿轮的检测系统及检测方法
CN113506246B (zh) 基于机器视觉的混凝土3d打印构件精细检测方法
CN103886597A (zh) 一种基于边缘检测与拟合曲线聚类的圆检测方法
WO2021135675A1 (zh) 一种棒材自动计数方法及装置
CN106485708A (zh) 一种基于图像识别的圆木计数方法
CN105718916A (zh) 一种基于霍夫变换的车道线检测方法
CN107240088A (zh) 粘连米粒的检测分割方法、系统以及装置
CN104680509A (zh) 一种实时圆形印刷图像缺陷检测方法
CN105184792B (zh) 一种圆锯片磨损量在线测量方法
CN107516315B (zh) 一种基于机器视觉的掘进机出渣监测方法
TWI543117B (zh) 物件辨識與定位方法
CN105631857B (zh) 一种光学元件表面的划痕检测方法和装置
CN104515479A (zh) 中厚板平面板形测量系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201214

Address after: Room 806, building 5, Wuhu navigation Innovation Park, Wanbi Town, Wanbi District, Wuhu City, Anhui Province

Patentee after: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Address before: Room 3003-1, building 1, Gaode land center, Jianggan District, Hangzhou City, Zhejiang Province

Patentee before: Zhejiang Zhiduo Network Technology Co.,Ltd.

Effective date of registration: 20201214

Address after: Room 3003-1, building 1, Gaode land center, Jianggan District, Hangzhou City, Zhejiang Province

Patentee after: Zhejiang Zhiduo Network Technology Co.,Ltd.

Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang

Patentee before: HANGZHOU DIANZI University

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20160615

Assignee: Hangzhou Tiankai Guyu Culture Development Co.,Ltd.

Assignor: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Contract record no.: X2021330000461

Denomination of invention: A tread detection method based on machine vision

Granted publication date: 20181102

License type: Common License

Record date: 20211018

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20160615

Assignee: Hangzhou Qihu Information Technology Co.,Ltd.

Assignor: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Contract record no.: X2021330000547

Denomination of invention: A tread detection method based on machine vision

Granted publication date: 20181102

License type: Common License

Record date: 20211028

EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20160615

Assignee: Hangzhou Julu enterprise management consulting partnership (L.P.)

Assignor: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Contract record no.: X2021330000726

Denomination of invention: A tread detection method based on machine vision

Granted publication date: 20181102

License type: Common License

Record date: 20211109

EE01 Entry into force of recordation of patent licensing contract
EC01 Cancellation of recordation of patent licensing contract
EC01 Cancellation of recordation of patent licensing contract

Assignee: Hangzhou Qihu Information Technology Co.,Ltd.

Assignor: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Contract record no.: X2021330000547

Date of cancellation: 20221103

Assignee: Hangzhou Julu enterprise management consulting partnership (L.P.)

Assignor: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Contract record no.: X2021330000726

Date of cancellation: 20221103

EC01 Cancellation of recordation of patent licensing contract
EC01 Cancellation of recordation of patent licensing contract

Assignee: Hangzhou Tiankai Guyu Culture Development Co.,Ltd.

Assignor: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Contract record no.: X2021330000461

Date of cancellation: 20230529

OL01 Intention to license declared
OL01 Intention to license declared
OL02 Intention to license withdrawn
OL02 Intention to license withdrawn
TR01 Transfer of patent right

Effective date of registration: 20250605

Address after: 102100 Beijing City Yanqing District Zhongguancun Yanqing Park Great Wall Road Building 2 D Building 1083 Room

Patentee after: Beijing Taichu Original Technology Co.,Ltd.

Country or region after: China

Address before: Room 806, building 5, Wuhu navigation Innovation Park, Wanbi Town, Wanbi District, Wuhu City, Anhui Province

Patentee before: Wuhu Qibo Intellectual Property Operation Co.,Ltd.

Country or region before: China