CN107025653A - 一种基于机器视觉的磁环检测方法 - Google Patents

一种基于机器视觉的磁环检测方法 Download PDF

Info

Publication number
CN107025653A
CN107025653A CN201710460275.7A CN201710460275A CN107025653A CN 107025653 A CN107025653 A CN 107025653A CN 201710460275 A CN201710460275 A CN 201710460275A CN 107025653 A CN107025653 A CN 107025653A
Authority
CN
China
Prior art keywords
magnet ring
image
data processor
magnetic loop
pixel
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
CN201710460275.7A
Other languages
English (en)
Inventor
陈元星
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.)
DANFENG RONGYI ELECTRONIC Co Ltd
Original Assignee
DANFENG RONGYI ELECTRONIC 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 DANFENG RONGYI ELECTRONIC Co Ltd filed Critical DANFENG RONGYI ELECTRONIC Co Ltd
Priority to CN201710460275.7A priority Critical patent/CN107025653A/zh
Publication of CN107025653A publication Critical patent/CN107025653A/zh
Pending legal-status Critical Current

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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于机器视觉的磁环检测方法，包括：步骤一、磁环图像的采集及上传；步骤二、标定物图像的采集及上传；步骤三、磁环图像单位像素尺寸的计算；步骤四、磁环图预处理；步骤五、判断磁环目标图像是否存在缺陷；步骤六、裂缝大小的计算并同步输出；步骤七、磁环内径和外径的计算并同步输出。本发明检测方法简便、设计合理且使用效果好的基于机器视觉的磁环检测方法，实现对磁环内径、磁环外径和磁环裂缝宽度的自动检测，并得到裂缝缺陷等级，解决人工劳动强度大和人力成本高等问题，实用性强，便于推广使用。

Description

一种基于机器视觉的磁环检测方法
技术领域
本发明属于磁环检测技术领域，尤其是涉及一种基于机器视觉的磁环检测方法。
背景技术
磁环是电子电路中常用的抗干扰元件，对于高频噪声有很好的抑制作用，一般使用铁氧体材料制成。但是磁环表面一般存在裂缝等缺陷，这样缺陷就会导致线圈缠绕过程中出现的误差，不满足电感量生产稳定性要求，且降低磁环的使用寿命。然而目前磁环的检测较多是工人完成，这样不仅使工人的劳动强度增加，而且由于人为因素还会存在一些漏检和误检；另外，因为人工参与检测，使得磁环不能不能连续、大批量检测，降低了检测效率；其次，磁环直径等参数需要游标卡尺在正常光照条件下进行检测，检测过程复杂，且速度低。因此，现如今缺少一种检测方法简便、设计合理且使用效果好的基于机器视觉的磁环检测方法，实现对磁环内径、磁环外径和磁环裂缝宽度的自动检测，并得到裂缝缺陷等级，解决人工劳动强度大和人力成本高等问题。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种磁环裂缝检测装置，其检测方法简便、设计合理且使用效果好的基于机器视觉的磁环检测方法，实现对磁环内径、磁环外径和磁环裂缝宽度的自动检测，并得到裂缝缺陷等级，解决人工劳动强度大和人力成本高等问题，实用性强，便于推广使用。
为解决上述技术问题，本发明采用的技术方案是：一种基于机器视觉的磁环检测方法，其特征在于，该方法包括以下步骤：
步骤一、磁环图像的采集及上传：采用摄像机分别对待检测磁环顶面和待检测磁环底面进行拍摄，获取磁环图像，并将获取的磁环图像通过图像采集模块上传至数据处理器，其中，所述待检测磁环为环形，且所述磁环图像包括磁环顶面图像和磁环底面图像；
步骤二、标定物图像的采集及上传：采用摄像机对标定物进行拍摄，获取标定物图像，并将获取的标定物图像通过图像采集模块上传至数据处理器，其中，所述标定物为正方形；
步骤三、磁环图像单位像素尺寸的计算：采用所述数据处理设备调用图像像素计算模块对步骤二中所述标定物图像进行处理，得到所述标定物图像的宽度像素个数，并根据所述标定物的真实宽度尺寸，得到所述单位像素尺寸，则单位像素尺寸为磁环图像单位像素尺寸；
步骤四、磁环图预处理：采用所述数据处理器对步骤一中所述磁环图像进行图像预处理，包括以下步骤：
步骤401、图像滤波：采用所述数据处理器对步骤一中所述磁环图像进行图像滤波处理，获得滤波后的磁环图像；
步骤402、图像二值化处理：采用所述数据处理器对步骤401得到的滤波后的磁环图像进行二值化处理，获得二值化图像；
步骤403、图像腐蚀和膨胀处理：采用所述数据处理器对步骤402得到的二值化图像进行腐蚀和膨胀处理，获得磁环目标图像；其中，所述磁环目标图像包括背景区域和目标区域，所述目标区域为白色区域，所述背景区域为黑色区域；
步骤五、判断磁环目标图像是否存在缺陷：采用所述数据处理器对步骤403中所述磁环目标图像中目标区域进行判断，当所述磁环目标图像存在裂缝缺陷时，所述数据处理器控制报警器报警提示，执行步骤六；当所述磁环目标图像不存在裂缝缺陷时，执行步骤七；
步骤六、裂缝大小的计算并同步输出：首先，采用所述数据处理器调用图像像素计算模块对步骤403中所述磁环目标图像进行处理，得到所述磁环目标图像中裂缝区域宽度像素个数，再采用所述据处理设备将所述裂缝区域宽度像素个数与步骤三中得到磁环图像单位像素尺寸进行乘积运算，得到裂缝区域宽度，并通过与所述据处理设备相接的显示器进行同步显示；然后，采用数据处理器将得到的裂缝区域宽度与裂缝设定值进行比较，当裂缝区域宽度大于裂缝设定值则为严重裂缝缺陷，当裂缝区域宽度小于裂缝设定值则为轻微裂缝缺陷，并通过所述显示器同步输出缺陷等级；其中，所述缺陷等级包括严重裂缝缺陷和轻微裂缝缺陷；
步骤七、磁环内径和外径的计算并同步输出：首先，采用所述数据处理器调用边缘检测算法模块对对所述磁环目标图像进行处理，得到磁环边缘图像；然后，采用所述数据处理器调用Hough变换算法模块对所述磁环边缘图像进行处理，得到所述磁环边缘图像中小圆所在半径和所述磁环边缘图像中大圆所在半径，则所述磁环边缘图像中小圆所在半径为待检测磁环的内径，所述磁环边缘图像中大圆所在半径为待检测磁环的外径，并通过所述显示器同步输出待检测磁环的内径和外径。
上述的一种基于机器视觉的磁环检测方法，其特征在于：步骤401中采用7×7邻域窗口的中值滤波对所述磁环图像进行图像滤波处理，得到滤波后的磁环图像。
上述的一种基于机器视觉的磁环检测方法，其特征在于：步骤402中采用OTSU阈值法对步骤401得到的滤波后的磁环图像进行二值化处理，获得二值化图像。
上述的一种基于机器视觉的磁环检测方法，其特征在于：步骤六中裂缝设定值的取值范围为0.15mm～0.25mm。
上述的一种基于机器视觉的磁环检测方法，其特征在于：步骤五中采用所述数据处理器对步骤403中所述磁环目标图像中目标区域进行判断，具体过程为：采用所述数据处理器对所述目标区域中灰度值为0的像素点用矩形框标注，并统计矩形框内的灰度值为0的像素点的个数，并采用所述数据处理器将矩形框内的灰度值为0的像素点的个数与像素设定值进行比较，当矩形框内的灰度值为0的像素点的个数不小于像素设定值时，则所述磁环目标图像存在裂缝缺陷；当矩形框内的灰度值为0的像素点的个数小于像素设定值时，则所述磁环目标图像不存在裂缝缺陷。
本发明与现有技术相比具有以下优点：
1、所采用的机器视觉的磁环检测方法步骤简单、设计合理且实现方便，投入成本较低。
2、所采用的基于机器视觉的磁环检测方法数据处理速度快，能同步得到磁环裂缝的宽度、磁环的内径、磁环的外径等信息并同步显示，还可得到裂缝缺陷等级，解决人工劳动强度大和人力成本高等问题，检测速度快且检测准确度高。
3、所采用的基于机器视觉的磁环检测方法步骤简单且使用效果好，通过对标定物图像进行标定，得到磁环裂缝图像单位像素尺寸，从而获取裂缝区域宽度，并通过与所述据处理设备相接的显示器进行同步显示，且通过Hough变换算法模块，获得磁环的内径、磁环的外径等参数，提高磁环裂缝缺陷检测的效率和测量数据的可靠度。
综上所述，本发明检测方法简便、设计合理且使用效果好的基于机器视觉的磁环检测方法，实现对磁环内径、磁环外径和磁环裂缝宽度的自动检测，并得到裂缝缺陷等级，解决人工劳动强度大和人力成本高等问题，实用性强，便于推广使用。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的电路原理框图。
图2为本发明的方法流程框图。
附图标记说明:
1—摄像机； 2—图像采集模块； 3—数据处理器；
4—报警器； 5—显示器。
具体实施方式
如图1和图2所示的一种基于机器视觉的磁环检测方法，包括以下步骤：
步骤一、磁环图像的采集及上传：采用摄像机1分别对待检测磁环顶面和待检测磁环底面进行拍摄，获取磁环图像，并将获取的磁环图像通过图像采集模块2上传至数据处理器3，其中，所述待检测磁环为环形，且所述磁环图像包括磁环顶面图像和磁环底面图像；
步骤二、标定物图像的采集及上传：采用摄像机1对标定物进行拍摄，获取标定物图像，并将获取的标定物图像通过图像采集模块2上传至数据处理器3，其中，所述标定物为正方形；
步骤三、磁环图像单位像素尺寸的计算：采用所述数据处理3设备调用图像像素计算模块对步骤二中所述标定物图像进行处理，得到所述标定物图像的宽度像素个数，并根据所述标定物的真实宽度尺寸，得到所述单位像素尺寸，则单位像素尺寸为磁环图像单位像素尺寸；
步骤四、磁环图预处理：采用所述数据处理器3对步骤一中所述磁环图像进行图像预处理，包括以下步骤：
步骤401、图像滤波：采用所述数据处理器3对步骤一中所述磁环图像进行图像滤波处理，获得滤波后的磁环图像；
步骤402、图像二值化处理：采用所述数据处理器3对步骤401得到的滤波后的磁环图像进行二值化处理，获得二值化图像；
步骤403、图像腐蚀和膨胀处理：采用所述数据处理器3对步骤402得到的二值化图像进行腐蚀和膨胀处理，获得磁环目标图像；其中，所述磁环目标图像包括背景区域和目标区域，所述目标区域为白色区域，所述背景区域为黑色区域；
步骤五、判断磁环目标图像是否存在缺陷：采用所述数据处理器3对步骤403中所述磁环目标图像中目标区域进行判断，当所述磁环目标图像存在裂缝缺陷时，所述数据处理器3控制报警器4报警提示，执行步骤六；当所述磁环目标图像不存在裂缝缺陷时，执行步骤七；
步骤六、裂缝大小的计算并同步输出：首先，采用所述数据处理器3调用图像像素计算模块对步骤403中所述磁环目标图像进行处理，得到所述磁环目标图像中裂缝区域宽度像素个数，再采用所述据处理设备3将所述裂缝区域宽度像素个数与步骤三中得到磁环图像单位像素尺寸进行乘积运算，得到裂缝区域宽度，并通过与所述据处理设备3相接的显示器5进行同步显示；然后，采用数据处理器3将得到的裂缝区域宽度与裂缝设定值进行比较，当裂缝区域宽度大于裂缝设定值则为严重裂缝缺陷，当裂缝区域宽度小于裂缝设定值则为轻微裂缝缺陷，并通过所述显示器5同步输出缺陷等级；其中，所述缺陷等级包括严重裂缝缺陷和轻微裂缝缺陷；
步骤七、磁环内径和外径的计算并同步输出：首先，采用所述数据处理器3调用边缘检测算法模块对对所述磁环目标图像进行处理，得到磁环边缘图像；然后，采用所述数据处理器3调用Hough变换算法模块对所述磁环边缘图像进行处理，得到所述磁环边缘图像中小圆所在半径和所述磁环边缘图像中大圆所在半径，则所述磁环边缘图像中小圆所在半径为待检测磁环的内径，所述磁环边缘图像中大圆所在半径为待检测磁环的外径，并通过所述显示器5同步输出待检测磁环的内径和外径。
本实施例中，步骤401中采用7×7邻域窗口的中值滤波对所述磁环图像进行图像滤波处理，得到滤波后的磁环图像。
本实施例中，步骤402中采用OTSU阈值法对步骤401得到的滤波后的磁环图像进行二值化处理，获得二值化图像。
本实施例中，步骤六中裂缝设定值的取值范围为0.15mm～0.25mm。
本实施例中，实际使用过程中，所述裂缝设定值也可根据磁环检测要求进行设定。
本实施例中，步骤五中采用所述数据处理器3对步骤403中所述磁环目标图像中目标区域进行判断，具体过程为：采用所述数据处理器3对所述目标区域中灰度值为0的像素点用矩形框标注，并统计矩形框内的灰度值为0的像素点的个数，并采用所述数据处理器3将矩形框内的灰度值为0的像素点的个数与像素设定值进行比较，当矩形框内的灰度值为0的像素点的个数不小于像素设定值时，则所述磁环目标图像存在裂缝缺陷；当矩形框内的灰度值为0的像素点的个数小于像素设定值时，则所述磁环目标图像不存在裂缝缺陷。
本实施例中，实际使用过程中，所述像素设定值和矩形区域的长度和宽度均可根据磁环检测要求进行设定。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (5)

1.一种基于机器视觉的磁环检测方法，其特征在于，该方法包括以下步骤：
步骤一、磁环图像的采集及上传：采用摄像机(1)分别对待检测磁环顶面和待检测磁环底面进行拍摄，获取磁环图像，并将获取的磁环图像通过图像采集模块(2)上传至数据处理器(3)，其中，所述待检测磁环为环形，且所述磁环图像包括磁环顶面图像和磁环底面图像；
步骤二、标定物图像的采集及上传：采用摄像机(1)对标定物进行拍摄，获取标定物图像，并将获取的标定物图像通过图像采集模块(2)上传至数据处理器(3)，其中，所述标定物为正方形；
步骤三、磁环图像单位像素尺寸的计算：采用所述数据处理(3)设备调用图像像素计算模块对步骤二中所述标定物图像进行处理，得到所述标定物图像的宽度像素个数，并根据所述标定物的真实宽度尺寸，得到所述单位像素尺寸，则单位像素尺寸为磁环图像单位像素尺寸；
步骤四、磁环图预处理：采用所述数据处理器(3)对步骤一中所述磁环图像进行图像预处理，包括以下步骤：
步骤401、图像滤波：采用所述数据处理器(3)对步骤一中所述磁环图像进行图像滤波处理，获得滤波后的磁环图像；
步骤402、图像二值化处理：采用所述数据处理器(3)对步骤401得到的滤波后的磁环图像进行二值化处理，获得二值化图像；
步骤403、图像腐蚀和膨胀处理：采用所述数据处理器(3)对步骤402得到的二值化图像进行腐蚀和膨胀处理，获得磁环目标图像；其中，所述磁环目标图像包括背景区域和目标区域，所述目标区域为白色区域，所述背景区域为黑色区域；
步骤五、判断磁环目标图像是否存在缺陷：采用所述数据处理器(3)对步骤403中所述磁环目标图像中目标区域进行判断，当所述磁环目标图像存在裂缝缺陷时，所述数据处理器(3)控制报警器(4)报警提示，执行步骤六；当所述磁环目标图像不存在裂缝缺陷时，执行步骤七；
步骤六、裂缝大小的计算并同步输出：首先，采用所述数据处理器(3)调用图像像素计算模块对步骤403中所述磁环目标图像进行处理，得到所述磁环目标图像中裂缝区域宽度像素个数，再采用所述据处理设备(3)将所述裂缝区域宽度像素个数与步骤三中得到磁环图像单位像素尺寸进行乘积运算，得到裂缝区域宽度，并通过与所述据处理设备(3)相接的显示器(5)进行同步显示；然后，采用数据处理器(3)将得到的裂缝区域宽度与裂缝设定值进行比较，当裂缝区域宽度大于裂缝设定值则为严重裂缝缺陷，当裂缝区域宽度小于裂缝设定值则为轻微裂缝缺陷，并通过所述显示器(5)同步输出缺陷等级；其中，所述缺陷等级包括严重裂缝缺陷和轻微裂缝缺陷；
步骤七、磁环内径和外径的计算并同步输出：首先，采用所述数据处理器(3)调用边缘检测算法模块对对所述磁环目标图像进行处理，得到磁环边缘图像；然后，采用所述数据处理器(3)调用Hough变换算法模块对所述磁环边缘图像进行处理，得到所述磁环边缘图像中小圆所在半径和所述磁环边缘图像中大圆所在半径，则所述磁环边缘图像中小圆所在半径为待检测磁环的内径，所述磁环边缘图像中大圆所在半径为待检测磁环的外径，并通过所述显示器(5)同步输出待检测磁环的内径和外径。
2.按照权利要求1所述的一种基于机器视觉的磁环检测方法，其特征在于：步骤401中采用7×7邻域窗口的中值滤波对所述磁环图像进行图像滤波处理，得到滤波后的磁环图像。
3.按照权利要求1或2所述的一种基于机器视觉的磁环检测方法，其特征在于：步骤402中采用OTSU阈值法对步骤401得到的滤波后的磁环图像进行二值化处理，获得二值化图像。
4.按照权利要求1或2所述的一种基于机器视觉的磁环检测方法，其特征在于：步骤六中裂缝设定值的取值范围为0.15mm～0.25mm。
5.按照权利要求1或2所述的一种基于机器视觉的磁环检测方法，其特征在于：步骤五中采用所述数据处理器(3)对步骤403中所述磁环目标图像中目标区域进行判断，具体过程为：采用所述数据处理器(3)对所述目标区域中灰度值为0的像素点用矩形框标注，并统计矩形框内的灰度值为0的像素点的个数，并采用所述数据处理器(3)将矩形框内的灰度值为0的像素点的个数与像素设定值进行比较，当矩形框内的灰度值为0的像素点的个数不小于像素设定值时，则所述磁环目标图像存在裂缝缺陷；当矩形框内的灰度值为0的像素点的个数小于像素设定值时，则所述磁环目标图像不存在裂缝缺陷。
CN201710460275.7A 2017-06-17 2017-06-17 一种基于机器视觉的磁环检测方法 Pending CN107025653A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710460275.7A CN107025653A (zh) 2017-06-17 2017-06-17 一种基于机器视觉的磁环检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710460275.7A CN107025653A (zh) 2017-06-17 2017-06-17 一种基于机器视觉的磁环检测方法

Publications (1)

Publication Number Publication Date
CN107025653A true CN107025653A (zh) 2017-08-08

Family

ID=59531393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710460275.7A Pending CN107025653A (zh) 2017-06-17 2017-06-17 一种基于机器视觉的磁环检测方法

Country Status (1)

Country Link
CN (1) CN107025653A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697712A (zh) * 2017-10-23 2019-04-30 中国石油化工股份有限公司 发动机气门密封带的检测方法及设备
CN112435210A (zh) * 2019-08-26 2021-03-02 银河水滴科技（北京）有限公司 一种环形器件的质量检测方法及装置
CN112745114A (zh) * 2020-12-23 2021-05-04 东阳富仕特磁业有限公司 一种基于在线检测的微波旋磁铁氧体制备方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007278964A (ja) * 2006-04-11 2007-10-25 Matsushita Electric Ind Co Ltd 回転角度およびトルク検出装置
CN103090804A (zh) * 2013-01-15 2013-05-08 中国计量学院 成品磁环图像自动检测系统及检测方法
CN104535586A (zh) * 2014-11-18 2015-04-22 华东理工大学 带钢边部缺陷检测识别方法
CN106296687A (zh) * 2016-08-10 2017-01-04 浙江理工大学 基于掩模技术的磁环表面缺陷提取方法
CN106596562A (zh) * 2016-12-23 2017-04-26 广东锐视智能检测有限公司 基于机器视觉的磁环外观质量在线检测装置及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007278964A (ja) * 2006-04-11 2007-10-25 Matsushita Electric Ind Co Ltd 回転角度およびトルク検出装置
CN103090804A (zh) * 2013-01-15 2013-05-08 中国计量学院 成品磁环图像自动检测系统及检测方法
CN104535586A (zh) * 2014-11-18 2015-04-22 华东理工大学 带钢边部缺陷检测识别方法
CN106296687A (zh) * 2016-08-10 2017-01-04 浙江理工大学 基于掩模技术的磁环表面缺陷提取方法
CN106596562A (zh) * 2016-12-23 2017-04-26 广东锐视智能检测有限公司 基于机器视觉的磁环外观质量在线检测装置及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
俞甫: "《基于机器视觉的磁环多表面缺陷检测系统研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
容观澳: "《计算机图象处理》", 29 February 2000, 清华大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109697712A (zh) * 2017-10-23 2019-04-30 中国石油化工股份有限公司 发动机气门密封带的检测方法及设备
CN112435210A (zh) * 2019-08-26 2021-03-02 银河水滴科技（北京）有限公司 一种环形器件的质量检测方法及装置
CN112435210B (zh) * 2019-08-26 2024-03-01 银河水滴科技（北京）有限公司 一种环形器件的质量检测方法及装置
CN112745114A (zh) * 2020-12-23 2021-05-04 东阳富仕特磁业有限公司 一种基于在线检测的微波旋磁铁氧体制备方法

Similar Documents

Publication Publication Date Title
CN104809422B (zh) 基于图像处理的qr码识别方法
CN104978748B (zh) 一种基于局部像素值的液晶屏缺陷检测方法
CN104749184B (zh) 自动光学检测方法和系统
CN107025653A (zh) 一种基于机器视觉的磁环检测方法
CN108921176A (zh) 一种基于机器视觉的指针式仪表定位与识别方法
CN109507192A (zh) 一种基于机器视觉的磁芯表面缺陷检测方法
CN103582310B (zh) 一种贴片机贴装元件的贴装控制方法及系统
CN111080634A (zh) 基于巡检机器人和Cascade RCNN算法的变压器外观缺陷识别方法
CN105139386A (zh) 一种快速自动检测电气接插件焊点不合格品的图像处理方法
CN113706495B (zh) 一种在传送带上自动检测锂电池参数的机器视觉检测系统
CN106599890B (zh) 变电站巡检机器人数字式仪表识别算法
CN205538710U (zh) 一种基于机器视觉的电感质量自动检测系统
CN101324427A (zh) 绿叶面积自动测量装置及方法
CN103544524A (zh) 棒材复核计数方法和装置
CN104535589A (zh) 一种低压电流互感器在线检测方法和装置
CN108665464A (zh) 一种基于形态学的高压电塔及高压电线的异物检测方法
CN110717909A (zh) 一种金属表面划痕检测方法与装置
CN107490582A (zh) 一种流水线工件检测系统
CN103245666B (zh) 一种蓄电池极板外观缺陷自动检测方法
CN108133488A (zh) 一种红外图像前景检测方法及设备
CN108280838A (zh) 一种基于边缘检测的夹片牙型缺陷检测方法
CN105096305A (zh) 绝缘子状态分析的方法及装置
CN110007493A (zh) 液晶显示屏中碎亮点检测方法
CN109724776A (zh) 一种烧结机台车的篦条损坏程度的确定方法及装置
CN109636793A (zh) 显示器的检测系统及其检测方法

Legal Events

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

Application publication date: 20170808

RJ01 Rejection of invention patent application after publication