CN105699386B - 一种采用接触式图像传感器的自动验布标记方法 - Google Patents

一种采用接触式图像传感器的自动验布标记方法 Download PDF

Info

Publication number
CN105699386B
CN105699386B CN201610112492.2A CN201610112492A CN105699386B CN 105699386 B CN105699386 B CN 105699386B CN 201610112492 A CN201610112492 A CN 201610112492A CN 105699386 B CN105699386 B CN 105699386B
Authority
CN
China
Prior art keywords
standard deviation
fabric
contact
image sensor
denoted
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
CN201610112492.2A
Other languages
English (en)
Other versions
CN105699386A (zh
Inventor
汪军
周建
万贤福
傅婷
张玉泽
王姜
朱方亮
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.)
Donghua University
Original Assignee
Donghua 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 Donghua University filed Critical Donghua University
Priority to CN201610112492.2A priority Critical patent/CN105699386B/zh
Publication of CN105699386A publication Critical patent/CN105699386A/zh
Application granted granted Critical
Publication of CN105699386B publication Critical patent/CN105699386B/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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • D—TEXTILES; PAPER
    • D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
    • D06H—MARKING, INSPECTING, SEAMING OR SEVERING TEXTILE MATERIALS
    • D06H1/00—Marking textile materials; Marking in combination with metering or inspecting
    • D06H1/04—Marking textile materials; Marking in combination with metering or inspecting by attaching threads, tags, or the like
    • D06H1/046—Marking textile materials; Marking in combination with metering or inspecting by attaching threads, tags, or the like by attaching tags
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/888—Marking defects
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Textile Engineering (AREA)
  • Materials Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种采用接触式图像传感器的自动验布标记方法，坯布图像采用接触式图像传感器采集，然后通过CameraLink接口将数据发送到工控计算机，所述工控计算机对坯布图像进行检测，通过计算坯布图像与标准图像的子窗口的像素值的平均值、每行像素值的标准差以及每列像素值的标准差的差值的绝对值之和，判定坯布存在疵点与否；若有疵点，对该疵点位置进行实时标记，即对所述疵点位置贴上标签。本发明采用CIS传感器进行坯布图像采集，成本低，结构简单，所用检测方法速度快，精度高，抗干扰能力强。

Description

一种采用接触式图像传感器的自动验布标记方法
技术领域
本发明属织物图像处理技术领域，涉及一种采用接触式图像传感器的自动验布标记方法。
背景技术
随着传感器技术和纺织加工装备智能化程度的快速发展，传统采用人工的坯布疵点检测方式已经很难适应当前纺织产业升级的需要。为此，结合人工智能技术，采用机器代替人工视觉进行坯布疵点的快速自动检测是当前发展的新方向和新需求。申请号CN201010189591.3，公开了一种自动验布，该发明专利采用4个智能CCD相机进行坯布图像信息采集，然后分析和学习坯布图像特征，从而确定图像中疵点的位置，再将发现的疵点信息传到计算机。然而，该发明虽在一定程度上提高的坯布的检测效率和速度，但所采用的智能CCD相机为专业精密仪器，价格昂贵，且需要高质量镜头和专用光源来辅助坯布图像采集。此外，由于CCD相机采用线扫描方式工作，成像时由于光能损失，采集到的图像会出现中间亮两侧暗的情况，严重影响的疵点检测精度。申请号201410201132.0，公开了一种基于接触式图像传感器的坯布疵点检测系统的发明专利，该发明专利采用接触式图像传感器(CIS)阵列采集坯布图像，然后将图像发送到数字信号处理器中进行疵点识别与分类，从而实现坯布疵点的自动检测。虽然该发明在一定程序上降低了图像采集系统的成本，但未提及具体检测算法与精度。
发明内容
本发明所要解决的技术问题是提供一种采用接触式图像传感器的自动验布标记方法。
本发明的一种采用接触式图像传感器的自动验布标记方法，坯布图像采用接触式图像传感器采集，然后通过CameraLink接口将数据发送到工控计算机，所述工控计算机对坯布图像进行检测，通过计算坯布图像与标准图像的子窗口的像素值的平均值、每行像素值的标准差以及每列像素值的标准差的差值的绝对值之和，判定坯布存在疵点与否；若有疵点，对该疵点位置进行实时标记，即对所述疵点位置贴上标签。
作为优选的技术方案：
如上所述的一种采用接触式图像传感器的自动验布标记方法，所述对疵点位置进行实时标记由一疵点标记装置负责完成，所述疵点标记装置主要包括PLC控制器，电磁阀和标签机，当所述主控计算机发现坯布上存在疵点，根据所述疵点位置计算执行时间后向所述PLC控制器发送标记信号，PLC控制器驱动所述电磁阀和标签机执行标记操作，从而实现疵点位置的实时标记。
如上所述的一种采用接触式图像传感器的自动验布标记方法，所述标签为单面不干胶纸质标签。
如上所述的一种采用接触式图像传感器的自动验布标记方法，所述标签表面设有“+”图案。
如上所述的一种采用接触式图像传感器的自动验布标记方法，所述计算与所述判定的具体步骤为：
步骤1)标准图像即无疵点的坯布图像A的参数计算：
1.1)对无疵点的坯布图像A进行高斯滤波，记为A1。高斯滤波采用有权重的滤波器，且参数可调，能有效去除原坯布图像中的噪声；
1.2)应用4个滤波器M1～M4依次对A1进行滤波，并将滤波结果取绝对值后相加，记为A2；由于疵点的方向随机性强，此处采用的4个不同方向的滤波器，分别用于检测角度为0°，45°，90°，135°的疵点。仅采用M1和M3两个滤波器也能够检测大多数疵点，但对于角度为45°和135°的疵点效果较差，而如果采用更多角度的滤波器进行检测，其检测效果提高不明显，且计算复杂较高；
1.3)将A2连续无重叠地划分成p像素×p像素的子窗口，取值16≤p≤64；
1.4)计算A2中第j个子窗口的像素值的平均值，记为S1(j)；
1.5)计算A2中第j个子窗口每行像素值的标准差，再计算每行标准差值的标准差，记为S2(j)。优选的，可以先计算A2中第j个子窗口每行像素值的平均值，再计算每行平均值的标准差，其目的是突出水平疵点。
1.6)计算A2中第j个子窗口每列像素值的标准差，再计算每列标准差值的标准差，记为S3(j)。优选的，可以先计算A2中第j个子窗口每列像素值的平均值，再计算每列平均值的标准差，其目的是突出垂直疵点。
1.7)计算A2中所有子窗口S1(j)、S2(j)和S3(j)的平均值，记为S1、S2和S3；
步骤2)坯布图像的参数计算：
2.1)对坯布图像B进行高斯滤波，记为B1，记为B1。此处所采用的高斯滤波器参数与步骤1.1)一样。
2.2)应用4个滤波器M1～M4对B1进行处理，并将处理结果取绝对值后相加，记为B2；
2.3)将B2连续无重叠地划分成p像素×p像素的子窗口，取值16≤p≤64；
2.4)计算B2中第j个子窗口的像素值的平均值，记为T1(j)；
2.5)计算B2中第j个子窗口每行像素值的标准差，再计算每行标准差值的标准差，记为T2(j)；
2.6)计算B2中第j个子窗口每列像素值的标准差，再计算每列标准差值的标准差，记为T3(j)；
步骤3)差值计算及判定：
如果当前第j个子窗口满足|T1(j)-S1|+|T2(j)-S2|+|T3(j)-S3|＞δ，则将当前子窗口判定有疵点；δ取值0.05≤δ≤0.2。
如上所述的一种采用接触式图像传感器的自动验布标记方法，所述的4个滤波器M1～M4为：
如上所述的一种采用接触式图像传感器的自动验布标记方法，发现疵点则将疵点信息进行保存，同时通过标记装置在坯布标记疵点。
如上所述的一种采用接触式图像传感器的自动验布标记方法，接触式图像传感器长度为2米，即最大检测坯布幅宽为2米，光学分辨率150～300像素/英寸。
有益效果
1、实现本发明自动验布标记方法的验布机成本低，体积小；
2、检测方法速度快，精度高；
3、软件系统开发灵活，易维护。
附图说明
图1是实现本发明的自动验布标记方法的自动验布机的结构示意图
图2是本发明有疵点的坯布图像
图3是本发明有疵点的坯布图像
图4是本发明对图2坯布图像的检测效果图
图5是本发明对图3坯布图像的检测效果图
图6为本发明中标签的结构示意图
具体实施方式
下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的一种采用接触式图像传感器的自动验布标记方法，坯布图像采用接触式图像传感器采集，然后通过CameraLink接口将数据发送到工控计算机，所述工控计算机对坯布图像进行检测，通过计算坯布图像与标准图像的子窗口的像素值的平均值、每行像素值的标准差以及每列像素值的标准差的差值的绝对值之和，判定坯布存在疵点与否；若有疵点，对该疵点位置进行实时标记，即对所述疵点位置贴上标签。
其中，对疵点位置进行实时标记由一疵点标记装置负责完成，疵点标记装置主要包括PLC控制器，电磁阀和标签机，当所述主控计算机发现坯布上存在疵点，根据所述疵点位置计算执行时间后向所述PLC控制器发送标记信号，PLC控制器驱动所述电磁阀和标签机执行标记操作，从而实现疵点位置的实时标记。
其中，标签为单面不干胶纸质标签；标签表面设有“+”图案，如图6所示。
图1是实现本发明的自动验布标记方法的自动验布机的结构示意图，包括坯布布卷1，CIS传感器2(接触式图像传感器)，疵点标记装置3，工控计算机4。CIS传感器2用于采集坯布图像，并将图像通过CameraLink传输到工控计算机4进行保存，若检测方法发现疵点，则发送信号给疵点标记装置3进行疵点位置标记，即对疵点位置贴上标签。以下结合图2和图3中对本发明所提供的检测方法具体实施步骤进行阐述。
实施例1
步骤一
(1)采集对应于图2的无疵点坯布图像A，对图像A进行高斯滤器，记为A1，所用高斯滤波器大小为5×5，标准差为3；
(2)应用4个滤波器M1～M4对A1进行处理，并将处理结果取绝对值后相加，记为A2；
(3)将A2连续无重叠地划分成40像素×40像素的子窗口；
(4)计算A2中第1个子窗口的像素点值的平均值，S1(1)＝0.097；
(5)计算A2中第1个子窗口每行像素点值的标准差，再计算每行标准差值的标准差，S2(1)＝0.010；
(6)计算A2中第1个子窗口每列像素点值的标准差，再计算每列标准差值的标准差，S3(1)＝0.012；
(7)计算A2中所有子窗口S1(j)，S2(j)和S3(j)的平均值，得到S1＝0.114，S2＝0.012和S3＝0.014
步骤二
(1)对图4应用高斯滤器进行处理，记为B1，所用滤波大小为5×5，标准差为3；
(2)应用4个滤波器M1～M4对B1进行处理，并将处理结果取绝对值后相加，记为B2；
(3)将B2连续无重叠地划分成40像素×40像素的子窗口；
(4)计算B2中第1个子窗口的像素点值的平均值，T1(1)＝0.097；
(5)计算B2中第1个子窗口每行像素点值的标准差，再计算每行标准差值的标准差，T2(1)＝0.011；
(6)计算B2中第1个子窗口每列像素点值的标准差，再计算每列标准差值的标准差，T3(1)＝0.012；
(7)取δ＝0.04，计算|T1(1)-S1|+|T2(1)-S2|+|T3(1)-S3|＝0.021＜0.04，故当前子窗没有疵点。
实施例2
步骤一
(1)采集对应于图3的无疵点坯布图像A，对图像A进行高斯滤器，记为A1，所用高斯滤波器大小为5×5，标准差为3；
(2)应用4个滤波器M1～M4对A1进行处理，并将处理结果取绝对值后相加，记为A2；
(3)将A2连续无重叠地划分成32像素×32像素的子窗口；
(4)计算A2中第10个子窗口的像素点值的平均值，S1(10)＝0.148；
(5)计算A2中第10个子窗口每行像素点值的标准差，再计算每行标准差值的标准差，S2(10)＝0.018；
(6)计算A2中第10个子窗口每列像素点值的标准差，再计算每列标准差值的标准差，S3(10)＝0.026；
(7)计算A2中所有子窗口S1(j)，S2(j)和S3(j)的平均值，得到S1＝0.119，S2＝0.014和S3＝0.016
步骤二
(1)对图4应用高斯滤器进行处理，记为B1，所用滤波大小为5×5，标准差为3；
(2)应用4个滤波器M1～M4对B1进行处理，并将处理结果取绝对值后相加，记为B2；
(3)将B2连续无重叠地划分成32像素×32像素的子窗口；
(4)计算B2中第80个子窗口的像素点值的平均值，T1(80)＝0.196；
(5)计算B2中第80个子窗口每行像素点值的标准差，再计算每行标准差值的标准差，T2(80)＝0.055；
(6)计算B2中第80个子窗口每列像素点值的标准差，再计算每列标准差值的标准差，T3(80)＝0.065；
(7)取δ＝0.06，计算|T1(80)-S1|+|T2(80)-S2|+|T3(80)-S3|＝0.167>0.06，故当前子窗有疵点。
图4和图5分别给出了对图2和图3的检测效果。

Claims (8)

1.一种采用接触式图像传感器的自动验布标记方法，坯布图像采用接触式图像传感器采集，然后通过CameraLink接口将数据发送到工控计算机，其特征是：所述工控计算机对坯布图像进行检测，通过计算坯布图像与标准图像的子窗口的像素值的平均值、每行像素值的标准差以及每列像素值的标准差的差值的绝对值之和，判定坯布存在疵点与否；若有疵点，对该疵点位置进行实时标记，即对所述疵点位置贴上标签。
2.根据权利要求1所述的一种采用接触式图像传感器的自动验布标记方法，其特征在于，所述对疵点位置进行实时标记由一疵点标记装置负责完成，所述疵点标记装置主要包括PLC控制器，电磁阀和标签机，当所述工控计算机发现坯布上存在疵点，根据所述疵点位置计算执行时间后向所述PLC控制器发送标记信号，PLC控制器驱动所述电磁阀和标签机执行标记操作，从而实现疵点位置的实时标记。
3.根据权利要求1所述的一种采用接触式图像传感器的自动验布标记方法，其特征在于，所述标签为单面不干胶纸质标签。
4.根据权利要求1或3所述的一种采用接触式图像传感器的自动验布标记方法，其特征在于，所述标签表面设有“+”图案。
5.根据权利要求1所述的一种采用接触式图像传感器的自动验布标记方法，其特征在于，所述计算与所述判定的具体步骤为：
步骤1)标准图像即无疵点的坯布图像A的参数计算：
1.1)对无疵点的坯布图像A进行高斯滤波，记为A1；
1.2)应用4个滤波器M1～M4依次对A1进行滤波，并将滤波结果取绝对值后相加，记为A2；
1.3)将A2连续无重叠地划分成p像素×p像素的子窗口，取值16≤p≤64；
1.4)计算A2中第j个子窗口的像素值的平均值，记为S1(j)；
1.5)计算A2中第j个子窗口每行像素值的标准差，再计算每行标准差值的标准差，记为S2(j)；
1.6)计算A2中第j个子窗口每列像素值的标准差，再计算每列标准差值的标准差，记为S3(j)；
1.7)计算A2中所有子窗口S1(j)、S2(j)和S3(j)的平均值，记为S1、S2和S3；
步骤2)坯布图像的参数计算：
2.1)对坯布图像B进行高斯滤波，记为B1；
2.2)应用4个滤波器M1～M4对B1进行处理，并将处理结果取绝对值后相加，记为B2；
2.3)将B2连续无重叠地划分成p像素×p像素的子窗口，取值16≤p≤64；
2.4)计算B2中第j个子窗口的像素值的平均值，记为T1(j)；
2.5)计算B2中第j个子窗口每行像素值的标准差，再计算每行标准差值的标准差，记为T2(j)；
2.6)计算B2中第j个子窗口每列像素值的标准差，再计算每列标准差值的标准差，记为T3(j)；
步骤3)差值计算及判定：
如果当前第j个子窗口满足|T1(j)-S1|+|T2(j)-S2|+|T3(j)-S3|＞δ，则将当前子窗口判定有疵点；δ取值0.05≤δ≤0.2。
6.根据权利要求5所述的一种采用接触式图像传感器的自动验布标记方法，其特征在于，所述的4个滤波器M1～M4为：
7.根据权利要求1所述的一种采用接触式图像传感器的自动验布标记方法，其特征在于，发现疵点则将疵点信息进行保存，同时通过标记装置在坯布标记疵点。
8.根据权利要求1所述的一种采用接触式图像传感器的自动验布标记方法，其特征在于，接触式图像传感器长度为2米，即最大检测坯布幅宽为2米，光学分辨率150～300像素/英寸。
CN201610112492.2A 2016-02-29 2016-02-29 一种采用接触式图像传感器的自动验布标记方法 Active CN105699386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610112492.2A CN105699386B (zh) 2016-02-29 2016-02-29 一种采用接触式图像传感器的自动验布标记方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610112492.2A CN105699386B (zh) 2016-02-29 2016-02-29 一种采用接触式图像传感器的自动验布标记方法

Publications (2)

Publication Number Publication Date
CN105699386A CN105699386A (zh) 2016-06-22
CN105699386B true CN105699386B (zh) 2019-02-26

Family

ID=56222608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610112492.2A Active CN105699386B (zh) 2016-02-29 2016-02-29 一种采用接触式图像传感器的自动验布标记方法

Country Status (1)

Country Link
CN (1) CN105699386B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107741430A (zh) * 2017-10-19 2018-02-27 哈尔滨理工大学 一种基于接触式图像传感器的紧凑型结构镜片检测系统
CN108647544B (zh) * 2018-05-28 2024-04-12 深圳市盛世智能装备股份有限公司 一种基于cis的标签检测装置
CN111504203B (zh) * 2020-04-28 2022-03-08 中山市元目图像科技有限公司 布长在线精确计量方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63163150A (ja) * 1986-12-25 1988-07-06 Matsushita Electric Ind Co Ltd プリント基板検査装置
JPH0333262A (ja) * 1989-06-28 1991-02-13 Toyota Autom Loom Works Ltd 検反装置
CN104048966B (zh) * 2014-03-14 2016-08-03 东华大学 一种基于大律法的布面疵点检测及分类方法
CN103954632A (zh) * 2014-03-14 2014-07-30 东华大学 一种基于接触式图像传感器的坯布疵点检测系统
CN105891230B (zh) * 2014-09-05 2018-06-01 熊菊莲 基于光谱图像分析的水果外表检测方法

Also Published As

Publication number Publication date
CN105699386A (zh) 2016-06-22

Similar Documents

Publication Publication Date Title
CN106952257B (zh) 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法
CN108765416B (zh) 基于快速几何对准的pcb表面缺陷检测方法及装置
WO2014139273A1 (zh) 焊缝缺陷检测方法
CN105699386B (zh) 一种采用接触式图像传感器的自动验布标记方法
CN104483320A (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN110991360B (zh) 一种基于视觉算法的机器人巡检点位智能配置方法
CN110084787B (zh) 一种基于机器视觉的合成革涂胶在线监测方法
CN106896115A (zh) 基于面阵相机并联采集系统的涂漆玻璃瑕疵检测装置
CN104056790A (zh) 一种马铃薯智能分选方法与装置
CN106599890A (zh) 变电站巡检机器人数字式仪表识别算法
CN110880184A (zh) 一种基于光流场进行摄像头自动巡检的方法及装置
CN102879404A (zh) 工业结构化场景中医用胶囊缺陷自动检测的系统
CN114113129B (zh) 一种镜片微小缺陷识别抓取系统及方法
CN113780484B (zh) 工业产品缺陷检测方法和装置
CN105738376B (zh) 一种采用接触式图像传感器的自动验布机
CN103091332B (zh) 一种基于机器视觉的u型粉管的检测方法及其检测系统
CN115457276B (zh) 基于视觉检测的输配电变压器高压绕组缠绕角度检测方法
CN208155893U (zh) 基于高速相机的双目视觉划痕检测系统
CN105784712B (zh) 一种采用接触式图像传感器的自动验布方法
CN108663376B (zh) 一种无缝钢管质量检测装置及检测方法
CN114594102B (zh) 一种基于机器视觉的数据线接口自动检测方法
CN104897688B (zh) 一种化纤纸管外观检测过程中图像精确处理方法及系统
CN109345519A (zh) 基于深度学习yolo算法的线束连接器加工型号检测方法
CN104112271A (zh) 移动终端外壳侧面缺陷检测方法和系统
CN104268536A (zh) 一种图像人脸检测方法

Legal Events

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