CN108257171A - 基于光视觉的汽车雷达装配孔径检测方法 - Google Patents
基于光视觉的汽车雷达装配孔径检测方法 Download PDFInfo
- Publication number
- CN108257171A CN108257171A CN201810018276.0A CN201810018276A CN108257171A CN 108257171 A CN108257171 A CN 108257171A CN 201810018276 A CN201810018276 A CN 201810018276A CN 108257171 A CN108257171 A CN 108257171A
- Authority
- CN
- China
- Prior art keywords
- image
- circle
- edge
- car radar
- formula
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30268—Vehicle interior
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于光视觉的汽车雷达装配孔径检测方法,包括以下步骤:采集汽车雷达装配孔图像;对采集到的目标图像进行增强处理和颜色平衡;对预处理后的图像采用LOG算法进行检测边缘,来平滑图像和降低噪声;采用Hough变换检测出图像中圆形目标的边缘轮廓;利用开运算对圆形边缘进行处理;采用最小二乘法拟合圆重新生成各个方向测量直径都相同的标准圆形来检测雷达装配孔径的直径是否合格。本发明能够解决汽车零部件装备生产线人工检测生产效率低、把控不严而设计的问题,具有较高的检测精度。
Description
技术领域
本发明属于特定目标检测技术,具体涉及一种基于光视觉的汽车雷达装配孔径检测方法。
背景技术
汽车零部件制造业的市场需求越来越大,同时行业之间的竞争也日趋白热化。近些年,零件制造成本的不断下降与人力成本的逐年提高,国内零部件加工制造企业开始把降低成本的焦点转移到产品的装配上。目前,在雷达组件装配生产中,装配虽然在流水线上完成,但是大部分的工作都是由操作工人来完成,只是部分实现了装配的机械化、自动化。其装配质量主要依赖人工目测的方法,每个装配工位配备一到两个工人,在流水线上对雷达组件装配质量进行检测、判断,但人工检测劳动强度大,生产效率低,特别是对一些颜色相近或形状相似的零部件进行检测时很容易出现错误,导致流出不合格工件,而且人工检测的方法没有严格统一的标准,极易受到人主观因素的影响,产品检测一致性很难保证,检测数据也无法及时准确的纳入到企业的质量管理系统中,不利于企业对产品质量的溯源。
在汽车领域,机器视觉用于零部件缺陷检测及尺寸测量是机器视觉、图像处理、模式识别等领域的典型应用。目前,汽车雷达装配孔径的检测主要基于图像分割、边缘检测、边缘提取以及特征提取等算法来实现。图像分割算法通常存在边缘分割不完整现象,而汽车雷达装配孔径图受光照影响,单纯用边缘检测算法进行圆检测,检测难度较大,边缘提取与特征提取算法受环境光和噪声等影响,提取的边缘信息不完整,因此,上述这些传统方法对被检测的图像要求较高,不能有效检测出圆形孔径大小。
发明内容
发明目的:本发明的目的在于解决现有技术中存在的不足,提供一种基于光视觉的汽车雷达装配孔径检测方法,将机器视觉技术引入汽车雷达装配孔径检测中,实现对雷达装配孔径质量进行在线检测,能过解决现有技术中对采集到的汽车雷达图像进行分割处理时,分割出的圆形孔径发生形变孔径很难准确确定,产品合格率判断受影响等问题。
技术方案:本发明一种基于光视觉的汽车雷达装配孔径检测方法,包括以下步骤:
(1)采集汽车雷达装配孔图像:采用工业视觉设备实时采集目标图像;
(2)图像预处理,即是指对步骤(1)中采集到的目标图像进行增强处理和颜色平衡;
(3)目标边缘检测:对预处理后的图像采用LOG算法进行检测边缘,来平滑图像和降低噪声;
(3)圆检测:采用Hough变换检测出图像中圆形目标的边缘轮廓;
(4)数学形态学处理:利用开运算对圆形边缘进行处理;
(5)采用最小二乘法拟合圆重新生成各个方向测量直径都相同的标准圆形来检测雷达装配孔径的直径是否合格。
进一步的,所述步骤(1)中采用工业视觉设备实时采集汽车雷达装配孔的目标图像,此处的工业视觉设备包括高性能工业计算机、高分辨率线扫描摄像机 (2K-16K)、LED长寿命光源和汽车雷达装配钣金件。
进一步的,所述步骤(2)对采集到的目标图像首先用直方图均衡化算法对图像进行增强处理,提高图像亮度,提高图像颜色对比度;接着使用灰度世界算法进行颜色平衡,去除人工光源对图像的影响。
进一步的,所述目标边缘检测的详细过程为:
LOG算子通过寻找影像灰度值中二阶微分的过零点来检查目标边缘,其首先使用高斯滤波将孤立的噪声点和较小的结构组织滤除,然后用无方向性的拉普拉斯算子实现边缘检测;LOG算子计算公式为如式(1)所示:
边缘检测即求的零点,为了计算方便,通常函数的LOG算子是借助模板来实现的。
进一步的,所述圆检测的具体过程如下:
设圆孔的圆的一般方程为:
(x-a)2+(y-b)2=r2 (2)
式中:(a,b)为圆心,r为半径。
进一步的,所述数学形态学处理是指用开运算可去除目标边缘轮廓附近的孤立点,开运算是先对目标轮廓进行腐蚀再进行膨胀,开运算的公式如式(3)所示:
其中,AΘS表示腐蚀运算,即Hough变换检测出图像中圆形目标边缘轮廓的图像A被结构元素S腐蚀,表示原始图像A被结构元素S腐蚀后再被结构元素S膨胀。
进一步的,所述最小二乘拟合的想法方法为:
根据Hough圆检测结果,圆边缘点集合点坐标为(xi,yi),设圆的半径为r,圆心坐标为(a,b),如果没有误差,则圆的方程如式(4)所示:
(xi-a)2+(yi-b)2=r2 (4)
由于随机误差的影响,因此pi点可能没有落在圆周上,按最小二乘法的计算方法,将pi点的误差用ε表示,如式(5)所示:
εi=(xi-a)2+(yi-b)2-r2 (5)
由于误差值可能为正或负,因此以误差的平方和度量整体误差大小,求误差平方和最小时各个参数的值,如式(6)所示:
其中,Ω表示圆边缘区域的像素点集。根据最小二乘原理,可得式(7):
求解上述线性方程组,可求得参数圆心参数(a,b)和半径参数r;将r与标定时确定的厘米像素间的标定系数k相乘,就能得到零件的实际半径,并判断实际的汽车雷达装配孔径是否合格。
上述所有过程中,首先对采集到的汽车雷达装配孔图像首先用直方图均衡化算法对图像进行增强处理,提高图像亮度,提高图像颜色对比度,再用灰度世界算法进行颜色平衡,去除人工光源对图像的影响。预处理后的图像颜色区分度有了明显的提升,使后续的目标分割更完整,减少了边缘检测出的轮廓断点。
对于用Hough圆检测后的图像,目标边缘轮廓附近有许多孤立的点,利用数学形态学方法进行处理,即用开运算去除目标边缘轮廓附近的孤立点,开运算是先对目标轮廓进行腐蚀再进行膨胀,开运算后的圆形目标轮廓比较平滑,有利于后续圆直径的检测。
有益效果:与现有技术相比,本发明具有以下优点:
(1)本发明对采集到的汽车雷达装配孔图像用直方图均衡化算法进行增强处理,提高图像亮度,提高图像颜色对比度,再用灰度世界算法进行颜色平衡,去除人工光源对图像的影响,保证了轮廓提取精度。
(2)图像预处理后,本发明对图像采用LOG算法进行边缘检测,检测出边缘轮廓外形,再利用Hough算法检测出圆形目标的边缘轮廓,定位出圆孔,定位精度高。
(3)因Hough圆检测后的图像,目标边缘轮廓附近有许多孤立的点,本发明用开运算去除目标边缘轮廓附近的孤立点,再采用最小二乘法拟合圆重新生成各个方向测量直径都相同的标准圆来检测雷达装配孔径的直径是否合格,不仅形状轮廓提取准确,而且检测精度高。
(4)本发明采用最小二乘法拟合圆重新生成各个方向测量直径都相同的标准圆来检测雷达装配孔径的直径是否合格,直接得出检测结果,避免人员误判,提高检测效率。
附图说明
图1为本发明的具体流程示意图;
图2为实施例中采集到的原始图像;
图3为实施例中预处理后的图像;
图4为实施例中边缘检测后的图像。
具体实施方式
下面对本发明技术方案进行详细说明,但是本发明的保护范围不局限于所述实施例。
如图1所示,本发明的一种基于光视觉的汽车雷达装配孔径检测方法,包括以下步骤:对采集到的汽车雷达安装孔图像采用直方图均衡化算法进行增强处理,再用灰度世界算法进行颜色平衡,去除人工光源对图像的影响。对预处理后的汽车雷达安装孔图像用LOG算法检测边缘,因所检测出的边缘会掺杂其他非目标的边缘,为了更加精确地检测出汽车雷达安装孔径,用Hough变换进行圆形目标检测。又因Hough圆检测后的图像,目标边缘轮廓附近有许多孤立的点,则用形态学算子开运算去除目标边缘轮廓附近的孤立点,最后用最小二乘拟合圆重新生成各个方向测量直径都相同的标准圆形来检测汽车雷达装配孔径的直径是否合格。
实施例1:
对采集到的汽车雷达装配孔图像进行孔径检测的详细内容如下:
如图2至图4所示,用直方图均衡化算法对采集到的汽车雷达装配孔图像进行增强处理,凸出纹理细节、增强颜色对比度,用灰度世界算法进行颜色平衡,去除人工光源对图像的影响,增强图像边缘细节。
汽车雷达装配孔图像预处理完成后,对图像依次进行边缘检测、圆检测、形态学开运算和最小二乘拟合处理。
利用LOG算法对预处理后的汽车雷达装配孔图像进行目标边缘检测,再用 Hough变换进行圆形目标检测,又因Hough圆检测后的图像,目标边缘轮廓附近有许多孤立的点,因开运算可以把比结构元素小的突刺滤掉,则用开运算去除目标轮廓附近的孤立点,开运算是先对目标轮廓进行腐蚀再进行膨胀,开运算的公式如式(1)所示:
其中,AΘS表示腐蚀运算,即原始图像A被结构元素S腐蚀,表示原始图像A被结构元素S腐蚀后再被结构元素S膨胀。
在图像完整的圆形检测基础之上,研究了基于最小二乘法拟合圆重新生成各个方向测量直径都相同的标准圆形,具体过程为:
采用最小二乘法拟合圆重新生成各个方向测量直径都相同的标准圆形,此方法也可以应用于只拍摄部分圆弧线的情况。
根据边缘检测结果,边缘点集合点坐标为(xi,yi),设圆的半径为r,圆心坐标为(a,b)。如果没有误差,则圆的方程如式(2)所示:
(xi-a)2+(yi-b)2=r2 (2)
由于随机误差的影响,因此pi点可能没有落在圆周上,按最小二乘法的计算方法,将pi点的误差用ε表示,如式(3)所示:
εi=(xi-a)2+(yi-b)2-r2 (3)
由于误差值可能为正或负,因此以误差的平方和度量整体误差大小,求误差平方和最小时各个参数的值,如式(4)所示:
其中,Ω表示圆边缘区域的像素点集。根据最小二乘原理,可得式(5):
求解上述线性方程组,得到圆心参数(a,b)和半径参数r,将r与标定时确定的厘米像素间的标定系数k相乘,就能得到零件的实际半径,再将零件的实际半径和零件的标准半径进行比较,判断圆孔径的合格性。
本发明将机器视觉技术应用到汽车雷达装配孔径的检测上,对雷达装配孔径的质量进行检测。首先,采集安装汽车雷达的部件图像,应用滤波算法和图像边缘检测算法进行雷达孔径检测。本发明针对汽车零部件装备生产线人工检测生产效率低、把控不严而设计,具有较高的检测精度。
Claims (7)
1.一种基于光视觉的汽车雷达装配孔径检测方法,其特征在于:包括以下步骤:
(1)采集汽车雷达装配孔图像:采用工业视觉设备实时采集目标图像;
(2)图像预处理,即是指对步骤(1)中采集到的目标图像进行增强处理和颜色平衡;
(3)目标边缘检测:对预处理后的图像采用LOG算法进行检测边缘,来平滑图像和降低噪声;
(3)圆检测:采用Hough变换检测出图像中圆形目标的边缘轮廓;
(4)数学形态学处理:利用开运算对圆形边缘进行处理;
(5)采用最小二乘法拟合圆重新生成各个方向测量直径都相同的标准圆形来检测雷达装配孔径的直径是否合格。
2.根据权利要求1所述的基于光视觉的汽车雷达装配孔径检测方法,其特征在于:所述步骤(1)中采用工业视觉设备实时采集汽车雷达装配孔的目标图像,此处的工业视觉设备包括高性能工业计算机、高分辨率线扫描摄像机、LED长寿命光源和汽车雷达装配钣金件,用LED长寿命光源进行打光,并通过高分辨率线扫描摄像机捕捉汽车雷达装配钣金件上的雷达装配孔径,将摄像机捕捉到的图像传送到高性能工业计算机中进行实时处理与检测。
3.根据权利要求1所述的基于光视觉的汽车雷达装配孔径检测方法,其特征在于:所述步骤(2)对采集到的目标图像首先用直方图均衡化算法对图像进行增强处理,接着使用灰度世界算法进行颜色平衡。
4.根据权利要求1所述的基于光视觉的汽车雷达装配孔径检测方法,其特征在于:所述目标边缘检测的详细过程为:
LOG算子通过寻找影像灰度值中二阶微分的过零点来检查目标边缘,其首先使用高斯滤波将孤立的噪声点和较小的结构组织滤除,然后用无方向性的拉普拉斯算子实现边缘检测;LOG算子计算公式为如式(1)所示:
边缘检测即求的零点,其中,f(x,y)是灰度图像函数,δ是高斯滤波器标准方差,反映图像的平滑程度。
5.根据权利要求1所述的基于光视觉的汽车雷达装配孔径检测方法,其特征在于:所述圆检测的具体过程如下:
设圆孔的圆的一般方程为:
(x-a)2+(y-b)2=r2 (2)
式中:(a,b)为圆心,r为半径。
6.根据权利要求1所述的基于光视觉的汽车雷达装配孔径检测方法,其特征在于:所述数学形态学处理是指用开运算可去除目标边缘轮廓附近的孤立点,开运算是先对目标轮廓进行腐蚀再进行膨胀,开运算的公式如式(3)所示:
其中,AΘS表示腐蚀运算,即Hough变化检测出图像中圆形目标边缘轮廓的图像A被结构元素S腐蚀,表示图像A被结构元素S腐蚀后再被结构元素S膨胀。
7.根据权利要求1所述的基于光视觉的汽车雷达装配孔径检测方法,其特征在于:所述最小二乘拟合的想法方法为:
根据Hough圆检测结果,圆边缘点集合点坐标为(xi,yi),设圆的半径为r,圆心坐标为(a,b),如果没有误差,则圆的方程如式(4)所示:
(xi-a)2+(yi-b)2=r2 (4)
由于随机误差的影响,因此pi点可能没有落在圆周上,按最小二乘法的计算方法,将pi点的误差用ε表示,如式(5)所示:
εi=(xi-a)2+(yi-b)2-r2 (5)
由于误差值可能为正或负,因此以误差的平方和度量整体误差大小,求误差平方和最小时各个参数的值,如式(6)所示:
其中,Ω表示圆边缘区域的像素点集,根据最小二乘原理,可得式(7):
求解上述线性方程组,可求得参数圆心参数(a,b)和半径参数r;将r与标定时确定的厘米像素间的标定系数k相乘,就能得到零件的实际半径,并判断实际的汽车雷达装配孔径是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018276.0A CN108257171A (zh) | 2018-01-09 | 2018-01-09 | 基于光视觉的汽车雷达装配孔径检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810018276.0A CN108257171A (zh) | 2018-01-09 | 2018-01-09 | 基于光视觉的汽车雷达装配孔径检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108257171A true CN108257171A (zh) | 2018-07-06 |
Family
ID=62724835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810018276.0A Pending CN108257171A (zh) | 2018-01-09 | 2018-01-09 | 基于光视觉的汽车雷达装配孔径检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108257171A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109470162A (zh) * | 2018-11-07 | 2019-03-15 | 上海第二工业大学 | 一种基于机器视觉的喷油嘴微孔孔形智能检测系统和方法 |
CN110211110A (zh) * | 2019-05-31 | 2019-09-06 | 河北省送变电有限公司 | 一种构件尺寸的检测方法、系统及终端设备 |
CN110906875A (zh) * | 2019-11-26 | 2020-03-24 | 湖北工业大学 | 一种孔径测量的视觉处理方法 |
CN113066087A (zh) * | 2021-04-29 | 2021-07-02 | 中奥智能工业研究院(南京)有限公司 | 一种零部件智能检测与标签系统及方法 |
CN113284097A (zh) * | 2021-05-11 | 2021-08-20 | 南京理工大学 | 一种基于力觉与视觉的避雷器自适应寻孔装配方法 |
CN113610815A (zh) * | 2021-08-10 | 2021-11-05 | 宿迁旺春机械制造有限公司 | 基于图像处理的结构件生产安全预警方法与系统 |
CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
CN114463254A (zh) * | 2021-12-22 | 2022-05-10 | 广州元丰自动化设备有限公司 | 一种保险杆钻孔方法、系统、计算机设备及存储介质 |
CN114913140A (zh) * | 2022-04-29 | 2022-08-16 | 合肥工业大学 | 一种用于孔轴装配的图像处理方法 |
CN116309589A (zh) * | 2023-05-22 | 2023-06-23 | 季华实验室 | 钣金件表面缺陷检测方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102589435A (zh) * | 2012-03-02 | 2012-07-18 | 中南大学 | 噪声环境下激光束中心高效精确检测方法 |
CN103712555A (zh) * | 2013-07-10 | 2014-04-09 | 湖北工业大学 | 汽车大梁装配孔视觉在线测量系统及其方法 |
CN107016700A (zh) * | 2017-04-14 | 2017-08-04 | 中国科学院合肥物质科学研究院 | 一种基于数字图像的圆形物体检测方法 |
-
2018
- 2018-01-09 CN CN201810018276.0A patent/CN108257171A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102589435A (zh) * | 2012-03-02 | 2012-07-18 | 中南大学 | 噪声环境下激光束中心高效精确检测方法 |
CN103712555A (zh) * | 2013-07-10 | 2014-04-09 | 湖北工业大学 | 汽车大梁装配孔视觉在线测量系统及其方法 |
CN107016700A (zh) * | 2017-04-14 | 2017-08-04 | 中国科学院合肥物质科学研究院 | 一种基于数字图像的圆形物体检测方法 |
Non-Patent Citations (3)
Title |
---|
余义德等: "基于限制对比度颜色校正的水下图像增强", 《无线电工程》 * |
张晶: "《多媒体信息与通信》", 31 December 2017 * |
黎明安等: "《Matlab/Simulink动力学系统建模与仿真》", 31 July 2015 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109470162B (zh) * | 2018-11-07 | 2020-11-10 | 上海第二工业大学 | 一种基于机器视觉的喷油嘴微孔孔形智能检测系统和方法 |
CN109470162A (zh) * | 2018-11-07 | 2019-03-15 | 上海第二工业大学 | 一种基于机器视觉的喷油嘴微孔孔形智能检测系统和方法 |
CN110211110B (zh) * | 2019-05-31 | 2022-02-08 | 河北省送变电有限公司 | 一种构件尺寸的检测方法、系统及终端设备 |
CN110211110A (zh) * | 2019-05-31 | 2019-09-06 | 河北省送变电有限公司 | 一种构件尺寸的检测方法、系统及终端设备 |
CN110906875A (zh) * | 2019-11-26 | 2020-03-24 | 湖北工业大学 | 一种孔径测量的视觉处理方法 |
CN110906875B (zh) * | 2019-11-26 | 2021-07-06 | 湖北工业大学 | 一种孔径测量的视觉处理方法 |
CN113066087A (zh) * | 2021-04-29 | 2021-07-02 | 中奥智能工业研究院(南京)有限公司 | 一种零部件智能检测与标签系统及方法 |
CN113284097A (zh) * | 2021-05-11 | 2021-08-20 | 南京理工大学 | 一种基于力觉与视觉的避雷器自适应寻孔装配方法 |
CN113284097B (zh) * | 2021-05-11 | 2022-08-12 | 南京理工大学 | 一种基于力觉与视觉的避雷器自适应寻孔装配方法 |
CN113610815A (zh) * | 2021-08-10 | 2021-11-05 | 宿迁旺春机械制造有限公司 | 基于图像处理的结构件生产安全预警方法与系统 |
CN114463254A (zh) * | 2021-12-22 | 2022-05-10 | 广州元丰自动化设备有限公司 | 一种保险杆钻孔方法、系统、计算机设备及存储介质 |
CN114219806A (zh) * | 2022-02-22 | 2022-03-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
CN114219806B (zh) * | 2022-02-22 | 2022-04-22 | 成都数联云算科技有限公司 | 一种汽车雷达检测方法、装置、设备、介质及产品 |
CN114913140A (zh) * | 2022-04-29 | 2022-08-16 | 合肥工业大学 | 一种用于孔轴装配的图像处理方法 |
CN116309589A (zh) * | 2023-05-22 | 2023-06-23 | 季华实验室 | 钣金件表面缺陷检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108257171A (zh) | 基于光视觉的汽车雷达装配孔径检测方法 | |
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN110659660B (zh) | 利用深度学习系统的自动光学检测分类设备及其训练设备 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN109900719B (zh) | 一种叶片表面刀纹的视觉检测方法 | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
JP6371044B2 (ja) | 表面欠陥検査装置および表面欠陥検査方法 | |
CN107895362A (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
CN108896577A (zh) | 一种刹车片轮廓缺陷的自动检测方法 | |
CN114719749B (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
CN102901735B (zh) | 利用计算机对工件缺损、裂变、变形进行自动检测的系统 | |
CN107388991A (zh) | 一种端面多圆角轴类零件圆角半径测量方法 | |
CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN117649404A (zh) | 一种基于图像数据分析的药品包装盒质量检测方法及系统 | |
CN106556606B (zh) | 基于机器视觉的大型机械产品总成件的在线质量控制方法 | |
CN113778091A (zh) | 一种风电场升压站设备巡检方法 | |
CN111024715B (zh) | 一种胶路底平面提取方法及装置 | |
CN113139943A (zh) | 开口圆环工件外观缺陷检测方法、系统及计算机存储介质 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
Cai et al. | PCB defect detection system based on image processing | |
CN116258838A (zh) | 一种用于管片模具合模系统的智能视觉引导方法 | |
CN115761257A (zh) | 基于计算机视觉技术的零部件角度检测方法及装置 | |
CN114187269B (zh) | 小零器件表面缺陷边缘快速检测方法 | |
KR20190119801A (ko) | 차량 헤드라이트 얼라인먼트 보정 및 분류 방법 및 이를 이용한 차량 헤드라이트 불량검사 방법 |
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: 20180706 |
|
RJ01 | Rejection of invention patent application after publication |