CN108122227B - 用于泡沫镍表面缺陷的检测方法 - Google Patents
用于泡沫镍表面缺陷的检测方法 Download PDFInfo
- Publication number
- CN108122227B CN108122227B CN201711380463.5A CN201711380463A CN108122227B CN 108122227 B CN108122227 B CN 108122227B CN 201711380463 A CN201711380463 A CN 201711380463A CN 108122227 B CN108122227 B CN 108122227B
- Authority
- CN
- China
- Prior art keywords
- nickel
- sub
- foam
- blocks
- block
- 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
Links
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 title claims abstract description 320
- 229910052759 nickel Inorganic materials 0.000 title claims abstract description 160
- 230000007547 defect Effects 0.000 title claims abstract description 75
- 238000001514 detection method Methods 0.000 title claims description 19
- 239000006260 foam Substances 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 230000002950 deficient Effects 0.000 claims abstract description 14
- 238000003708 edge detection Methods 0.000 claims description 13
- 239000011148 porous material Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 238000007747 plating Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000009713 electroplating Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000005240 physical vapour deposition Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000005245 sintering Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种用于泡沫镍表面缺陷的检测方法。该方法包括：获取泡沫镍的表面图像。利用第一分割，将该表面图像分割为多个第一子块。若该多个第一子块中的每一个第一子块中包括至少一个泡沫镍孔洞，则利用该第一分割，将该多个第一子块中的每一个第一子块分割为多个第二子块。若该多个第一子块中的至少一第一子块中不包括泡沫镍孔洞，则判断该至少一第一子块是否为缺陷子块。本发明提供的用于泡沫镍表面缺陷的检测方法，可快速定位泡沫镍表面上的缺陷位置。
Description
技术领域
本发明涉及一种检测技术，且更具体而言，涉及一种用于泡沫镍表面缺陷的检测方法。
背景技术
泡沫镍是通过对镍金属进行一系列物理化学加工后得到的一种新型功能材料，作为车用电池的基材，泡沫镍对电池性能的影响极大。泡沫镍表面呈银灰色的金属光泽，形态类似于金属海绵，质量上要求表面平整、无划伤、无裂纹、无破损、无油污和无氧化。
然而，在泡沫镍制备过程中，由于原料，加工工艺(PVD、电镀、烧结等)等方面因素，导致泡沫镍表面出现污染，压痕，折痕，镍皮，裂纹，划线，漏镀等多种不同类型的缺陷，这些缺陷严重影响最终成品的性能和质量。
目前对泡沫镍表面缺陷的检测和识别主要采用人工检测手段，即在制备过程中操作人员通过肉眼观察传送带上的泡沫镍，凭经验对泡沫镍的缺陷进行人工判决，进而进行相应的手动处理。该方式存在劳动强度大，效率低，主观性强和检错率高。由于质量检测分析滞后，也难以有效在线优化泡沫镍的生产过程。
发明内容
本发明主要解决的技术问题是提供用于泡沫镍表面缺陷的检测方法，能够解决现有技术中的问题，以快速定位出泡沫镍上的缺陷，并检测出其上的缺陷。
为了解决上述技术问题，本发明一方面提供了一种用于泡沫镍表面缺陷的检测方法。该方法包括：获取泡沫镍的表面图像；利用第一分割，将该表面图像分割为多个第一子块；若该多个第一子块中的每一个第一子块中包括至少一个泡沫镍孔洞，则利用该第一分割，将该多个第一子块中的每一个第一子块分割为多个第二子块；若该多个第一子块中的至少一第一子块中不包括泡沫镍孔洞，则判断该至少一第一子块是否为缺陷子块。
本发明的有益效果是：通过对表面图像进行递归分割，并且通过至少一个子块中不存在泡沫镍孔洞时即检测其是否为缺陷子块，快速检测出表面图像中是否存在缺陷，并准确获取泡沫镍上的缺陷特征，为后续处理提供有利依据。
附图说明
图1a、图1b、图1c和图1d分别是无表面缺陷的泡沫镍表面示意图、表面有裂纹缺陷的泡沫镍表面示意图、表面有漏镀缺陷的泡沫镍表面示意图以及表面有污染缺陷的泡沫镍表面示意图。
图2是本发明第一实施例的用于泡沫镍表面缺陷的检测方法的流程图。
图3a-图3c是将预处理后的泡沫镍的表面图像进行一次分割之后的示意图。
图4是泡沫镍表面图像所呈现的泡沫镍孔洞的示意图。
图5是本发明第二实施例的用于泡沫镍表面缺陷的检测方法的流程图。
图6是本发明第三实施例的用于泡沫镍表面缺陷的检测方法的流程图。
图7是本发明第四实施例的用于泡沫镍表面缺陷的检测方法的流程图。
图8是本发明第五实施例的用于泡沫镍表面缺陷的检测方法的流程图。
图9是本发明第一实施例的用于泡沫镍表面缺陷的检测装置的示意图。
图10是本发明第二实施例的用于泡沫镍表面缺陷的检测装置的示意图。
具体实施方式
图1a、图1b、图1c和图1d分别是无表面缺陷的泡沫镍表面示意图、表面有裂纹缺陷的泡沫镍表面示意图、表面有漏镀缺陷的泡沫镍表面示意图以及表面有污染缺陷的泡沫镍表面示意图。如图1a、图1b、图1c和图1d所示，泡沫镍表面形态类似于金属海绵。质量上要求泡沫镍表面平整、无划伤、无裂纹、无破损、无油污和无氧化。然而，由于原料，加工工艺(PVD、电镀、烧结等)等方面因素，导致泡沫镍表面出现污染，压痕，折痕，镍皮，裂纹，划线，漏镀等多种不同类型的缺陷，这些缺陷严重影响最终成品的性能和质量。根据泡沫镍的缺陷的特点，本发明的提出了一种用于泡沫镍表面缺陷的检测方法，快速检测出表面图像中是否存在缺陷，为后续处理提供有利依据。
图2是本发明第一实施例的用于泡沫镍表面缺陷的检测方法的流程图。该方法包括以下步骤：
步骤202：获取泡沫镍的表面图像。
步骤204：利用第一分割，将预处理后的表面图像分割为多个第一子块。
第一分割可以是水平分割和垂直分割的组合。如图3a-图3c所示，图3a-图3c是将泡沫镍表面图像进行一次分割之后的示意图。在图3a中，将泡沫镍表面图像分割为9个第一子块。在图3b中，将泡沫镍表面图像分割为16个第一子块。在图3c中，将泡沫镍表面图像分割为25个第一子块。然而，需说明的是，图3a～图3c的示例仅用于说明本发明，其他利用水平分割或垂直分割的分割方法均落入本发明的保护范围。以上描述仅用于解释本发明，而并非用于限制本发明。
通过第一分割，预处理后的表面图像被分割成多个第一子块，其中第一子块的形状可以是正方形或长宽比与其相似(即，长宽比近似等于1)的矩形。
步骤206：若多个第一子块中的每一个第一子块中包括至少一个泡沫镍孔洞，则利用第一分割，将多个第一子块中的每一个第一子块分割为多个第二子块。
如图4所示，泡沫镍孔洞1002可以近似看作为不规则的多边形或封闭图形，在每个第一子块中存在泡沫镍孔洞时，通过第一分割，将每个第一子块分割成多个第二子块。这样，在通过第一分割将泡沫镍表面图像分割成多个第一子块，随后通过第一分割将每个第一子块分割成多个第二子块，若至少一个第二子块中也包括至少一个泡沫镍孔洞，再将每个第二子块进行分割，依次分割，形成递归分割。
步骤208：若多个第一子块中的至少一第一子块中不包括泡沫镍孔洞，则判断至少一第一子块是否为缺陷子块。
在使用第一分割进行一次分割之后，若第一子块中不包括泡沫镍孔洞，则判断第一子块是否为缺陷子块。在使用第一分割进行二次分割之后，若某个第二子块中不包括泡沫镍孔洞，则判断第二子块是否为缺陷子块，也就是说，在使用第一分割每进行一次分割，即检测分割之后的子块中是否包括泡沫镍孔洞。
在本实施例中，步骤208可以在步骤206之后执行，也可以在步骤206之前执行。在其他实施例中，可以同时执行步骤206和步骤208。
通过上述实施例的实施，通过对表面图像进行递归分割，并且通过至少一个子块中不存在泡沫镍孔洞时即检测其是否为缺陷子块，快速检测出表面图像中是否存在缺陷，并准确获取泡沫镍上的缺陷特征，为后续处理提供有利依据。
如图5所示，是本发明第二实施例的用于泡沫镍表面缺陷的检测方法。在本实施例中，是在第一实施例的用于泡沫镍表面缺陷的检测方法的基础上，若至少一个第一子块中不包括泡沫镍孔洞，判断至少一个第一子块是否为缺陷子块。在本实施例中，该方法包括：
步骤502：若多个第一子块中的至少一第一子块中不包括泡沫镍孔洞，则记录第一分割的分割次数。
第一分割的分割次数是指在检测到至少一第一子块不包括泡沫镍孔洞时，第一分割的使用次数。
步骤504：若分割次数不在预定范围内，则判断至少一第一子块为缺陷子块。
根据发明的一实施方式，可以将多个子块的第一分割的分割次数当作样本，并对其进行分析、预测。例如，在多个子块的中判定为缺陷子块和非缺陷子块之后，将这些子块的第一分割的分割次数作为极限学习机的分类器的输入样本，构建概率极限学习机策略，建立泡沫镍缺陷分类模型。根据发明的另一实施方式，在泡沫镍缺陷分类模型建立之后，可以对这些子块的第一分割的分割次数实时进行分类，并依据分类结果，确定这些子块是否为缺陷子块。
如图6所示，是本发明第三实施例的用于泡沫镍表面缺陷的检测方法。在本实施例中，是在第二实施例的用于泡沫镍表面缺陷的检测方法的基础上。在本实施例中，该方法包括：
步骤602：利用第一分割，将多个没有缺陷的泡沫镍表面图像分割为多个第二子块。
根据本发明的一实施方式，采集多个没有缺陷的泡沫镍表面图像，将这些图像分割成多个第二子块。
步骤604：在一个没有缺陷的泡沫镍表面图像中，当多个第二子块中的至少一第二子块中不包括泡沫镍孔洞时，记录第一分割的分割次数为第一分割次数。
步骤606：依据第一分割次数的分布范围确定预定范围。
根据本发明的一实施方式，依据第一分割次数的概率分布，确定预定范围。也就是说，分析没有缺陷的泡沫镍表面图像的分割次数的概率分布，来确定预定范围。若某一泡沫镍表面图像的分割次数落入该确定出来的与此概率分布相关的预定范围，则认为该泡沫镍表面图像没有缺陷。反之，若某一泡沫镍表面图像的分割次数小于确定出来的与此概率分布相关的预定范围，则认为该泡沫镍表面图像存在缺陷。即，认为该泡沫镍表面图像与正常的泡沫镍表面图像存在明显差异。例如，假设没有缺陷的泡沫镍表面图像分割X1至X2次检测不到泡沫镍孔洞，以及泡沫镍图像A分割Y次检测不到泡沫镍孔洞，若Y大于X1，且小于X2，则泡沫镍图像A为没有缺陷，若Y小于X1，则泡沫镍图像A存在缺陷，缺陷位置为检测不到泡沫镍孔洞的子块的位置。
如图7所示，是本发明第四实施例的用于泡沫镍表面缺陷的检测方法。在本实施例中，是在第一实施例的用于泡沫镍表面缺陷的检测方法的基础上，检测子块上的泡沫孔洞。在本实施例中，该方法包括：
步骤702：检测多个第一子块中的泡沫镍丝体。
在本实施例中，通过对第一子块进行边缘检测，随后利用曲线检测算法，检测泡沫镍丝体。如此一来，检测出第一子块中的泡沫镍丝体。其中，如图4所示，泡沫镍丝体1004是指泡沫镍中呈现为丝状的镍金属，其在图4中显示为白色。
在一实施例中，边缘检测包括图像滤波，图形增强，图像检测，以及图像定位等步骤。在图形增强步骤中，确定子块中各像素点领域强度的变化值，检测出领域强度值有显著变化的像素点。边缘检测方法包括，基于灰度直方图的边缘检测、基于梯度的边缘检测等边缘检测方法。在基于梯度的边缘检测中，可以利用Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子、Robinson边缘检测算子等。本发明提出的泡沫镍缺陷检测并不限制边缘检测方法的种类，任何能检测出泡沫镍子块中的边缘信息的边缘检测方法均落入本发明的保护范围。
根据本发明的另一实施方式，在第一子块中，若检测出的边缘像素经过变换后近似符合一预定曲线模型的分布，则该检测出的边缘像素为泡沫镍丝体。在一个示例中，预定曲线模型是通过机器学习分析多个泡沫镍孔径样本而得到的。
步骤704：判断泡沫镍丝体是否连续。
判断检测出的泡沫镍丝体是否连续，若连续，则执行步骤706，若不连续，则舍弃该泡沫镍丝体。根据本发明的一实施方式，在检测出的一条泡沫镍丝体中，若位置最近的两个像素之间的距离不超过一预定阈值，则这两像素是连续的。其中，该预定阈值与检测精度相关，并且该预定阈值可以为一距离值或者为其他表示距离的参数。例如，预定阈值可以为0.2mm。
步骤706：依据泡沫镍丝体的形状，确定是否存在泡沫镍孔洞。
若泡沫镍丝体是连续的，则根据泡沫镍丝体的形状，确定是否存在泡沫镍孔洞。
在另一实施例中，如果泡沫镍丝体为封闭形状(即，泡沫镍丝体首尾相连成一个封闭形状)，则判断存在泡沫镍孔洞。本发明并非限于上述描述的实施方式，其他能检测出泡沫镍孔洞的方法，也落入发明的保护范围。需要说明的是，封闭形状可以是不规则的多边形，也可以是近似的圆形或其他形状。
根据本发明的一实施方式，在确定缺陷子块之后，统计相邻缺陷子块的数量，依据相邻缺陷子块的数目和尺寸，计算缺陷的尺寸。
如图8所示，是本发明第五实施例的用于泡沫镍表面缺陷的检测方法。
步骤802：利用第二分割，将该多个子块分割为前景图像和背景图像。
第二分割的分割方法和第一分割的分割方法不同。第一分割用于将图像分割为子块，第二分割用于将子块中的前景图像和背景图像的提取。根据本发明的一实施方式，第二分割依据基于区域增长或多个尺度聚类的图像分割方法。在一个实施方式中，分别对多个第一子块构造基本层和增强层；在增强层中，选择代表性的多个像素点作为多个种子点，根据连接权值聚集多个种子点周围的多个像素点，计算多个区域块的属性值(例如，灰度值、灰度变化值、色度值、及/或色度值等)，并根据多个区域块的属性，将子块图像由增强层更新过度到基本层；评估每个区域块的突出度，决定第二分割的多个分割区的边界；依据分割区的深度值确定前景图像和背景图像。
然而上述实施方式仅用于解释说明本发明，而并非用于限制本发明。
步骤804：在前景图像中，检测泡沫镍丝体。由于此步骤相似于图7中的步骤702，为求简洁，在此省略对其的详细说明。
步骤806：若泡沫镍丝体是连续的，则依据泡沫镍丝体的形状，确定是否存在泡沫镍孔洞。
由于步骤804和步骤806相似于图7中的步骤702和步骤704，为求简洁，在此省略对其的详细说明。
如图9所示，是本发明第一实施例的用于泡沫镍表面缺陷的检测装置。该装置包括一个或多个电子电路710。
电子电路710控制检测装置的操作，其可以由处理器来实现，处理器还可以称为CPU(Central Processing Unit，中央处理单元)。电子电路710可能是一种集成电路芯片，具有信号的处理能力。电子电路710还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
电子电路710用于执行计算机指令以实现本发明第一实施例至第五实施例中任一个以及任意不冲突的组合所提供的检测方法。
如图10所示，是本发明第二实施例的用于泡沫镍表面缺陷的检测装置。该装置包括存储器810，存储器810存储有计算机指令，该计算机指令被执行时实现本发明第一实施例至第五实施例中任一个以及任意不冲突的组合所提供的检测方法。
存储器810可以包括只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、闪存(Flash Memory)、硬盘、光盘等。
所属领域的技术人员易知，可在保持本发明的教示内容的同时对装置及方法作出诸多修改及变动。因此，以上公开内容应被视为仅受随附权利要求书的范围的限制。
Claims (8)
1.一种用于泡沫镍表面缺陷的检测方法，其特征在于，该方法包括：
获取泡沫镍的表面图像；
利用第一分割，将该表面图像分割为多个第一子块；
若该多个第一子块中的每一个第一子块中包括至少一个泡沫镍孔洞，则利用该第一分割，将该多个第一子块中的每一个第一子块分割为多个第二子块；
若该多个第一子块中的至少一第一子块中不包括泡沫镍孔洞，则判断该至少一第一子块是否为缺陷子块；
其中，若该多个第一子块中的至少一第一子块中不包括泡沫镍孔洞，则判断该至少一第一子块是否为缺陷子块的步骤包括：
若在该多个第一子块中的至少一第一子块中不包括泡沫镍孔洞，则记录该第一分割的分割次数；
若该分割次数不在预定范围内，则判断该至少一第一子块为缺陷子块；
其中，
利用该第一分割，将多个没有缺陷的表面图像分割为该多个第二子块；
当该多个第二子块中的至少一第二子块中不包括泡沫镍孔洞时，记录该第一分割的分割次数为第一分割次数，并依据该第一分割次数的分布范围确定该预定范围。
2.根据权利要求1所述的用于泡沫镍表面缺陷的检测方法，其特征在于，
该第一分割为水平分割和垂直分割的组合。
3.根据权利要求1所述的用于泡沫镍表面缺陷的检测方法，其特征在于，
依据相邻缺陷子块的数目和尺寸，计算缺陷的尺寸。
4.根据权利要求1所述的用于泡沫镍表面缺陷的检测方法，其特征在于，
检测泡沫镍孔洞的步骤包括：
检测该多个第一子块中的泡沫镍丝体；
判断该泡沫镍丝体是否连续；
若该泡沫镍丝体连续，则确定是否存在泡沫镍孔洞。
5.根据权利要求4所述的用于泡沫镍表面缺陷的检测方法，其特征在于，
对该多个第一子块做边缘检测；
利用曲线检测算法，检测该泡沫镍丝体；
若该泡沫镍丝体是连续的，则确定是否存在泡沫镍孔洞。
6.根据权利要求4所述的用于泡沫镍表面缺陷的检测方法，其特征在于，
利用第二分割，将该多个子块分割为前景图像和背景图像；
在该前景图像中，检测该泡沫镍丝体；
若该泡沫镍丝体是连续的，则确定是否存在泡沫镍孔洞。
7.根据权利要求6所述的用于泡沫镍表面缺陷的检测方法，其特征在于，
该利用第二分割，将该多个子块分割为前景图像和背景图像的步骤包括：
分别对该多个第一子块构造基本层和增强层；
在该增强层中，选择代表性的多个像素点作为多个种子点，根据连接权值聚集该多个种子点周围的多个像素点，计算多个区域块的属性值，并根据该多个区域块的属性，将图由该增强层更新过度到该基本层；
评估每个区域块的突出度，决定第二分割的多个分割区的边界；以及
依据分割区的深度值确定该前景图像和该背景图像。
8.根据权利要求5-7中任一项所述的用于泡沫镍表面缺陷的检测方法，其特征在于，
确定是否存在泡沫镍孔洞的步骤包括：
如果泡沫镍丝体为封闭形状，则该泡沫镍丝体对应一个泡沫镍孔洞。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711380463.5A CN108122227B (zh) | 2017-12-20 | 2017-12-20 | 用于泡沫镍表面缺陷的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711380463.5A CN108122227B (zh) | 2017-12-20 | 2017-12-20 | 用于泡沫镍表面缺陷的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108122227A CN108122227A (zh) | 2018-06-05 |
| CN108122227B true CN108122227B (zh) | 2021-04-16 |
Family
ID=62230485
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711380463.5A Active CN108122227B (zh) | 2017-12-20 | 2017-12-20 | 用于泡沫镍表面缺陷的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108122227B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0816825A2 (en) * | 1996-06-26 | 1998-01-07 | Toshiba Engineering Corporation | Method and apparatus for inspecting streak |
| CN101710081A (zh) * | 2009-12-07 | 2010-05-19 | 杭州电子科技大学 | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 |
| CN105606619A (zh) * | 2016-01-19 | 2016-05-25 | 北京鼎新时代科技有限公司 | 一种铸坯修磨机的检测及优化修磨方法 |
-
2017
- 2017-12-20 CN CN201711380463.5A patent/CN108122227B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0816825A2 (en) * | 1996-06-26 | 1998-01-07 | Toshiba Engineering Corporation | Method and apparatus for inspecting streak |
| CN101710081A (zh) * | 2009-12-07 | 2010-05-19 | 杭州电子科技大学 | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 |
| CN105606619A (zh) * | 2016-01-19 | 2016-05-25 | 北京鼎新时代科技有限公司 | 一种铸坯修磨机的检测及优化修磨方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于机器视觉的泡沫镍金属皮自动检测;何金镁;《信息与电脑》;20161231;第146-150页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108122227A (zh) | 2018-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
| CN110286124B (zh) | 基于机器视觉的耐火砖测量系统 | |
| CN111310558B (zh) | 一种基于深度学习和图像处理法的路面病害智能提取方法 | |
| CN111179225B (zh) | 一种基于灰度梯度聚类的试纸表面纹理缺陷检测方法 | |
| CN109377485B (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
| CN105784713B (zh) | 基于机器视觉的密封圈表面缺陷检测方法 | |
| CN114926463B (zh) | 一种适用于芯片电路板的生产质量检测方法 | |
| CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
| CN109239073B (zh) | 一种用于汽车车身的表面缺陷检测方法 | |
| CN109215009B (zh) | 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法 | |
| CN103175844A (zh) | 一种金属零部件表面划痕缺陷检测方法 | |
| CN112132153B (zh) | 基于聚类和形态学处理的番茄果实识别方法及系统 | |
| CN115861320B (zh) | 一种汽车零件加工信息智能检测方法 | |
| CN111060442B (zh) | 一种基于图像处理的油液颗粒检测方法 | |
| CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
| CN107240086B (zh) | 一种基于积分图算法的织物瑕疵检测方法 | |
| CN103267764A (zh) | 基于邻域信息评估的热轧钢板表面缺陷图像识别方法 | |
| CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
| CN109507193A (zh) | 一种基于局部对比度增强与二值模式的织物瑕疵检测方法 | |
| CN111161233A (zh) | 一种用于冲孔皮革缺陷检测方法及系统 | |
| CN107862693B (zh) | 用于泡沫镍表面缺陷的检测方法及装置 | |
| CN108122227B (zh) | 用于泡沫镍表面缺陷的检测方法 | |
| CN115619799B (zh) | 一种基于迁移学习的晶粒图像分割方法及系统 | |
| Ouyang et al. | The classification of pavement crack image based on beamlet algorithm | |
| CN109615630A (zh) | 基于图像处理技术的半连续铸造铝硅合金微观组织分析方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180605 Assignee: CHANGDE LYRUN MATERIAL Co.,Ltd. Assignor: HUNAN University OF ARTS AND SCIENCE Contract record no.: X2023980036342 Denomination of invention: Detection method for surface defects of foam nickel Granted publication date: 20210416 License type: Common License Record date: 20230608 |
|
| EE01 | Entry into force of recordation of patent licensing contract |