CN106093051A - 基于机器视觉的纸卷切面毛刺检测方法及装置 - Google Patents

基于机器视觉的纸卷切面毛刺检测方法及装置 Download PDF

Info

Publication number
CN106093051A
CN106093051A CN201610391998.1A CN201610391998A CN106093051A CN 106093051 A CN106093051 A CN 106093051A CN 201610391998 A CN201610391998 A CN 201610391998A CN 106093051 A CN106093051 A CN 106093051A
Authority
CN
China
Prior art keywords
paper roll
tangent plane
image
machine vision
roll tangent
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
Application number
CN201610391998.1A
Other languages
English (en)
Inventor
陈炳富
王受芬
关键和
冯家亮
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.)
Foshan Homo Sapiens Robot Co Ltd
Original Assignee
Foshan Homo Sapiens Robot Co Ltd
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 Foshan Homo Sapiens Robot Co Ltd filed Critical Foshan Homo Sapiens Robot Co Ltd
Priority to CN201610391998.1A priority Critical patent/CN106093051A/zh
Publication of CN106093051A publication Critical patent/CN106093051A/zh
Pending legal-status Critical Current

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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (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)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明实施例公开了一种基于机器视觉的纸卷切面毛刺检测方法，包括：采集纸卷切面的彩色图像；将所述彩色图像转换为灰度图像；对所述灰度图像进行二值化处理，形成二值化图像；根据所述二值化图像计算阴影面积；将所述阴影面积与预设面积控制阈值进行比对，判断纸卷切面的毛刺程度。本发明实施例还公开了一种基于机器视觉的纸卷切面毛刺检测装置。采用本发明，可有效实现纸卷切面毛刺检测环节的高效率、高速度、高精度，同时，由于本发明不需要接触纸卷，具有较高的准确度、较宽的光谱响应。

Description

基于机器视觉的纸卷切面毛刺检测方法及装置
技术领域
本发明涉及机器视觉技术，尤其涉及一种基于机器视觉的纸卷切面毛刺检测方法及一种基于机器视觉的纸卷切面毛刺检测装置。
背景技术
在纸卷的生产过程中和纸卷的成卷切片过程中，由于环境、生产线、切刀的磨损等各方面因素的影响，纸卷切面会出现毛刺等瑕疵，严重影响了产品的质量。
目前，普遍采用人工检测的方式对毛刺进行检测，即通过人工用手触摸和肉眼辨别来识别。但是，长期的人工检测，会使人产生劳累，而且人工检测的速度远没有机器检索的速率快，导致效率低下；同时，由于纸卷的切面毛刺非常轻微，大小为0.01mm-0.1mm，人眼识别很难且很辛苦，所以稳定性不高，经常出现漏检和错检。
另外，也有采用机器视觉技术对毛刺进行检测，但是，现有的机器视觉都是针对单张纸张进行识别，由于光源的选取和摄像头的选取问题和图形图像的算法处理不一样，从而导致对纸卷的切面毛刺进行检测。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于机器视觉的纸卷切面毛刺检测方法及装置，可有效实现纸卷切面毛刺检测环节的高效率、高速度、高精度。
为了解决上述技术问题，本发明实施例提供了一种基于机器视觉的纸卷切面毛刺检测方法，包括：
S1，采集纸卷切面的彩色图像；
S2，将所述彩色图像转换为灰度图像；
S3，对所述灰度图像进行二值化处理，形成二值化图像；
S4，根据所述二值化图像计算阴影面积；
S5，将所述阴影面积与预设面积控制阈值进行比对，判断纸卷切面的毛刺程度。
作为上述方案的改进，所述步骤S1中，通过镜头、图像传感器及光源采集纸卷切面的彩色图像。
作为上述方案的改进，采集纸卷切面的彩色图像时，光源从纸卷切面的侧面进行照射。
作为上述方案的改进，采集纸卷切面的彩色图像时，所述镜头为可测40cm幅度的镜头。
作为上述方案的改进，采集纸卷切面的彩色图像时，所述图像传感器的像素至少为500万。
相应地，本发明实施例还提供了一种基于机器视觉的纸卷切面毛刺检测装置，包括：
采集单元，用于采集纸卷切面的彩色图像；
灰度单元，用于将所述彩色图像转换为灰度图像；
二值化单元，用于对所述灰度图像进行二值化处理，形成二值化图像；
阴影计算单元，用于根据所述二值化图像计算阴影面积；
比对单元，用于将所述阴影面积与预设面积控制阈值进行比对，判断纸卷切面的毛刺程度。
作为上述方案的改进，所述采集单元包括镜头设备、图像传感器、及光源设备。
作为上述方案的改进，所述光源设备的光源从纸卷切面的侧面进行照射。
作为上述方案的改进，所述镜头设备为可测40cm幅度的镜头。
作为上述方案的改进，所述图像传感器的像素至少为500万。
实施本发明实施例，具有如下有益效果：
本发明结合计算机、机器视觉技术及其图像处理相关算法，设计并提出一种基于机器视觉的纸卷切面毛刺检测方法，从而实现对压实卷纸的切面进行质量分析和不良品检测。
本发明基于机器视觉的纸卷切面毛刺检测方法结合“采集彩色图像”、“转换灰度图像”、“二值化处理”、“计算阴影面积”、“面积控制阈值比对”等步骤，对纸卷切面毛刺的质量进行量化，与现有技术相比，本发明可有效实现纸卷切面毛刺检测环节的高效率、高速度、高精度，同时，由于本发明不需要接触纸卷，具有较高的准确度、较宽的光谱响应范围，可长时间稳定工作，节省大量劳动力资源，极大地提高了工作效率。
附图说明
图1是本发明基于机器视觉的纸卷切面毛刺检测方法的流程图；
图2是本发明基于机器视觉的纸卷切面毛刺检测装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。仅此声明，本发明在文中出现或即将出现的上、下、左、右、前、后、内、外等方位用词，仅以本发明的附图为基准，其并不是对本发明的具体限定。
图1是本发明基于机器视觉的纸卷切面毛刺检测方法的流程图，包括：
S101，采集纸卷切面的彩色图像。
所述步骤S1中，通过镜头、图像传感器（CCD）及光源采集纸卷切面的彩色图像。
需要说明的是，高质量的图像信息是纸卷切面毛刺状况正确判断和决策的原始依据，也是纸卷切面毛刺检测成功与否的关键所在，因此，镜头、图像传感器（CCD）及光源都是非常重要的。
采集纸卷切面的彩色图像时，所述图像传感器的像素至少为500万。由于毛刺在0.01和0.1mm范围内，因此，在可视范围上CCD像素需要在500万以上。
采集纸卷切面的彩色图像时，所述镜头为可测40cm幅度的镜头。由于CCD采用500万像素的工业CCD，结合被测纸卷的截面直径为55cm，而且纸卷是在运动过程中被检测的，因此图像采集过程中对暴光时间和通光率都有要求，所以根据运运速率和通过时间及测试直径计算，镜头采用可测40cm幅度的镜头。
采集纸卷切面的彩色图像时，光源从纸卷切面的侧面进行照射。光源是图像采集过程中很重要的一部分，由于纸卷的切面毛刺是非常细小的突出部分，光源如果从上往下打，由于纸卷色泽都是一样的，则在光的反射作用下会使得切面的细微部分被忽略，因此需要将光源从侧面方向打，这样使得突出毛刺会档住光源往另一面照射，所形成的彩色图像的突出毛刺就会构成一个阴影面积，该阴影面积与纸卷色泽有着明显区分。
S102，将所述彩色图像转换为灰度图像。
图像灰度化：将彩色图像转化成为灰度图像的过程，即为图像的灰度化处理。
彩色图像中的每个像素的颜色由R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理中，需先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
图像的灰度化处理方法为：根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。
S103，对所述灰度图像进行二值化处理，形成二值化图像。
二值化：设置一个像素值，此值可以作为其中一个阈值设置，此值表示纸卷经大量实验后所得到的经验值，将灰度图像中的每个像素与此值比较，大于它的标记为255， 小于它的标记为0。
S104，根据所述二值化图像计算阴影面积。
计算阴影面积：二值化图像中255的像素值则为阴影，相应地，所有255像素之和即为阴影面积。
S105，将所述阴影面积与预设面积控制阈值进行比对，判断纸卷切面的毛刺程度。
根据大量实验经验值，预设面积控制阈值，将所述阴影面积与预设面积控制阈值进行比对，当判定出阴影面积大于预设面积控制阈值时，则表示产品是不合格品。
由上可知，本发明结合计算机、机器视觉技术及其图像处理相关算法，设计并提出一种基于机器视觉的纸卷切面毛刺检测方法，从而实现对压实卷纸的切面进行质量分析和不良品检测。
与现有技术相比，本发明可有效实现纸卷切面毛刺检测环节的高效率、高速度、高精度，同时，由于本发明不需要接触纸卷，具有较高的准确度、较宽的光谱响应范围，可长时间稳定工作，节省大量劳动力资源，极大地提高了工作效率。
参见图2，图2显示了本发明基于机器视觉的纸卷切面毛刺检测装置100的具体结构，其包括依次相连的采集单元1、灰度单元2、二值化单元3、阴影计算单元4及比对单元5，具体地：
采集单元1，用于采集纸卷切面的彩色图像。其中，所述采集单元1包括镜头设备、图像传感器（CCD）、及光源设备。
需要说明的是，高质量的图像信息是纸卷切面毛刺状况正确判断和决策的原始依据，也是纸卷切面毛刺检测成功与否的关键所在，因此，镜头设备、图像传感器（CCD）及光源设备都是非常重要的。
采集纸卷切面的彩色图像时，所述图像传感器的像素至少为500万。由于毛刺在0.01和0.1mm范围内，因此，在可视范围上CCD像素需要在500万以上。
采集纸卷切面的彩色图像时，所述镜头设备为可测40cm幅度的镜头。由于CCD采用500万像素的工业CCD，结合被测纸卷的截面直径为55cm，而且纸卷是在运动过程中被检测的，因此图像采集过程中对暴光时间和通光率都有要求，所以根据运运速率和通过时间及测试直径计算，镜头采用可测40cm幅度的镜头。
采集纸卷切面的彩色图像时，光源设备的光源从纸卷切面的侧面进行照射。光源是图像采集过程中很重要的一部分，由于纸卷的切面毛刺是非常细小的突出部分，光源如果从上往下打，由于纸卷色泽都是一样的，则在光的反射作用下会使得切面的细微部分被忽略，因此需要将光源从侧面方向打，这样使得突出毛刺会档住光源往另一面照射，所形成的彩色图像的突出毛刺就会构成一个阴影面积，该阴影面积与纸卷色泽有着明显区分。
灰度单元2，用于将所述彩色图像转换为灰度图像。
图像灰度化：将彩色图像转化成为灰度图像的过程，即为图像的灰度化处理。彩色图像中的每个像素的颜色由R、G、B三个分量决定，而每个分量有255中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理中，需先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理方法为：根据YUV的颜色空间中，Y的分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y=0.3R+0.59G+0.11B，以这个亮度值表达图像的灰度值。
二值化单元3，用于对所述灰度图像进行二值化处理，形成二值化图像。
二值化：设置一个像素值，此值可以作为其中一个阈值设置，此值表示纸卷经大量实验后所得到的经验值，将灰度图像中的每个像素与此值比较，大于它的标记为255， 小于它的标记为0。
阴影计算单元4，用于根据所述二值化图像计算阴影面积。
计算阴影面积：二值化图像中255的像素值则为阴影，相应地，所有255像素之和即为阴影面积。
比对单元5，用于将所述阴影面积与预设面积控制阈值进行比对，判断纸卷切面的毛刺程度。
根据大量实验经验值，预设面积控制阈值，将所述阴影面积与预设面积控制阈值进行比对，当判定出阴影面积大于预设面积控制阈值时，则表示产品是不合格品。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种基于机器视觉的纸卷切面毛刺检测方法，其特征在于，包括：
S1，采集纸卷切面的彩色图像；
S2，将所述彩色图像转换为灰度图像；
S3，对所述灰度图像进行二值化处理，形成二值化图像；
S4，根据所述二值化图像计算阴影面积；
S5，将所述阴影面积与预设面积控制阈值进行比对，判断纸卷切面的毛刺程度。
2.如权利要求1所述的基于机器视觉的纸卷切面毛刺检测方法，其特征在于，所述步骤S1中，通过镜头、图像传感器及光源采集纸卷切面的彩色图像。
3.如权利要求2所述的基于机器视觉的纸卷切面毛刺检测方法，其特征在于，采集纸卷切面的彩色图像时，光源从纸卷切面的侧面进行照射。
4.如权利要求2所述的基于机器视觉的纸卷切面毛刺检测方法，其特征在于，采集纸卷切面的彩色图像时，所述镜头为可测40cm幅度的镜头。
5.如权利要求2所述的基于机器视觉的纸卷切面毛刺检测方法，其特征在于，采集纸卷切面的彩色图像时，所述图像传感器的像素至少为500万。
6.一种基于机器视觉的纸卷切面毛刺检测装置，其特征在于，包括：
采集单元，用于采集纸卷切面的彩色图像；
灰度单元，用于将所述彩色图像转换为灰度图像；
二值化单元，用于对所述灰度图像进行二值化处理，形成二值化图像；
阴影计算单元，用于根据所述二值化图像计算阴影面积；
比对单元，用于将所述阴影面积与预设面积控制阈值进行比对，判断纸卷切面的毛刺程度。
7.如权利要求1所述的基于机器视觉的纸卷切面毛刺检测装置，其特征在于，所述采集单元包括镜头设备、图像传感器、及光源设备。
8.如权利要求1所述的基于机器视觉的纸卷切面毛刺检测装置，其特征在于，所述光源设备的光源从纸卷切面的侧面进行照射。
9.如权利要求1所述的基于机器视觉的纸卷切面毛刺检测装置，其特征在于，所述镜头设备为可测40cm幅度的镜头。
10.如权利要求1所述的基于机器视觉的纸卷切面毛刺检测装置，其特征在于，所述图像传感器的像素至少为500万。
CN201610391998.1A 2016-06-06 2016-06-06 基于机器视觉的纸卷切面毛刺检测方法及装置 Pending CN106093051A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610391998.1A CN106093051A (zh) 2016-06-06 2016-06-06 基于机器视觉的纸卷切面毛刺检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610391998.1A CN106093051A (zh) 2016-06-06 2016-06-06 基于机器视觉的纸卷切面毛刺检测方法及装置

Publications (1)

Publication Number Publication Date
CN106093051A true CN106093051A (zh) 2016-11-09

Family

ID=57448582

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610391998.1A Pending CN106093051A (zh) 2016-06-06 2016-06-06 基于机器视觉的纸卷切面毛刺检测方法及装置

Country Status (1)

Country Link
CN (1) CN106093051A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107990834A (zh) * 2017-11-21 2018-05-04 中山市电赢科技有限公司 一种锂电池极片的毛刺检测方法
WO2018144437A1 (en) * 2017-01-31 2018-08-09 Oakland University 3d digital image correlation using single, color camera pseudo-stereo system
CN111598884A (zh) * 2020-05-21 2020-08-28 北京世纪好未来教育科技有限公司 图像数据处理方法、设备及计算机存储介质
CN112858312A (zh) * 2021-01-20 2021-05-28 上海工程技术大学 一种笔帽硅珠安装视觉检测装置及方法
CN113310999A (zh) * 2021-07-30 2021-08-27 布鲁希斯纺织用品(南通)有限公司 一种可用于除杂丝的服饰生产用检测装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102053093A (zh) * 2010-11-08 2011-05-11 北京大学深圳研究生院 一种晶圆表面切割芯片的表面缺陷检测方法
CN102735689A (zh) * 2012-06-20 2012-10-17 太仓博天网络科技有限公司 一种基于图形模式识别的纸张纸病检测系统
CN103207185A (zh) * 2012-01-11 2013-07-17 宝山钢铁股份有限公司 钢卷端部质量检测系统及方法
CN103954634A (zh) * 2014-05-08 2014-07-30 昆明瑞丰印刷有限公司 一种印刷品在线质量检测系统
CN104677908A (zh) * 2015-02-02 2015-06-03 广东工业大学 基于机器视觉的冲裁断面质量检测系统及方法
CN204514276U (zh) * 2015-04-02 2015-07-29 四川圣凯利电气设备有限公司 一种三角形立体卷铁芯卷绕毛刺检测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102053093A (zh) * 2010-11-08 2011-05-11 北京大学深圳研究生院 一种晶圆表面切割芯片的表面缺陷检测方法
CN103207185A (zh) * 2012-01-11 2013-07-17 宝山钢铁股份有限公司 钢卷端部质量检测系统及方法
CN102735689A (zh) * 2012-06-20 2012-10-17 太仓博天网络科技有限公司 一种基于图形模式识别的纸张纸病检测系统
CN103954634A (zh) * 2014-05-08 2014-07-30 昆明瑞丰印刷有限公司 一种印刷品在线质量检测系统
CN104677908A (zh) * 2015-02-02 2015-06-03 广东工业大学 基于机器视觉的冲裁断面质量检测系统及方法
CN204514276U (zh) * 2015-04-02 2015-07-29 四川圣凯利电气设备有限公司 一种三角形立体卷铁芯卷绕毛刺检测装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018144437A1 (en) * 2017-01-31 2018-08-09 Oakland University 3d digital image correlation using single, color camera pseudo-stereo system
US10841560B2 (en) 2017-01-31 2020-11-17 Oakland University 3D digital image correlation using single, color camera pseudo-stereo system
CN107990834A (zh) * 2017-11-21 2018-05-04 中山市电赢科技有限公司 一种锂电池极片的毛刺检测方法
CN107990834B (zh) * 2017-11-21 2019-11-08 中山市电赢科技有限公司 一种锂电池极片的毛刺检测方法
CN111598884A (zh) * 2020-05-21 2020-08-28 北京世纪好未来教育科技有限公司 图像数据处理方法、设备及计算机存储介质
CN112858312A (zh) * 2021-01-20 2021-05-28 上海工程技术大学 一种笔帽硅珠安装视觉检测装置及方法
CN113310999A (zh) * 2021-07-30 2021-08-27 布鲁希斯纺织用品(南通)有限公司 一种可用于除杂丝的服饰生产用检测装置
CN113310999B (zh) * 2021-07-30 2022-02-08 布鲁希斯纺织用品(南通)有限公司 一种可用于除杂丝的服饰生产用检测装置

Similar Documents

Publication Publication Date Title
CN106093051A (zh) 基于机器视觉的纸卷切面毛刺检测方法及装置
TWI603074B (zh) 光學薄膜缺陷辨識方法及其系統
CN104574353B (zh) 基于视觉显著性的表面缺陷判定方法
CN102221559B (zh) 基于机器视觉的织物疵点在线自动检测方法及其装置
CN102735695B (zh) 一种镜片瑕疵快速检测方法及装置
CN109490316A (zh) 一种基于机器视觉的表面缺陷检测算法
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
CN109816644A (zh) 一种基于多角度光源影像的轴承缺陷自动检测系统
CN111047655B (zh) 基于卷积神经网络的高清摄像机布料疵点检测方法
CN105158258A (zh) 一种基于计算机视觉的竹条表面缺陷检测方法
CN110044910B (zh) 一种汽车置杯盒零部件检测系统及检测方法
JP4309927B2 (ja) まぶた検出装置及びプログラム
CN109307675A (zh) 一种产品外观检测方法和系统
CN111667455A (zh) 一种刷具多种缺陷的ai检测方法
CN104535004B (zh) 一种基于图像处理的纱线直径检测方法
CN106780464A (zh) 一种基于改进阈值分割的织物疵点检测方法
CN104048966B (zh) 一种基于大律法的布面疵点检测及分类方法
CN110434090A (zh) 一种胡萝卜表面瑕疵检测方法
CN106228541A (zh) 视觉检测中屏幕定位的方法及装置
Chen et al. Evaluating fabric pilling with light-projected image analysis
CN110174404A (zh) 一种药粒在线缺陷检测装置及系统
CN112862744A (zh) 一种基于超声图像的电容内部缺陷智能检测方法
CN109507205A (zh) 一种视觉检测系统及其检测方法
CN108961331A (zh) 一种绞合线节距的测量方法和装置
CN111426693A (zh) 一种质量缺陷检测系统及其检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161109

RJ01 Rejection of invention patent application after publication