CN108535278A - 基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 - Google Patents
基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 Download PDFInfo
- Publication number
- CN108535278A CN108535278A CN201810350485.5A CN201810350485A CN108535278A CN 108535278 A CN108535278 A CN 108535278A CN 201810350485 A CN201810350485 A CN 201810350485A CN 108535278 A CN108535278 A CN 108535278A
- Authority
- CN
- China
- Prior art keywords
- punching
- metal plate
- defect
- work product
- machine vision
- 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
- 238000004080 punching Methods 0.000 title claims abstract description 102
- 239000002184 metal Substances 0.000 title claims abstract description 89
- 230000007547 defect Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000005498 polishing Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 23
- 238000007689 inspection Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 230000003628 erosive effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 239000003518 caustics Substances 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 230000003319 supportive effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 238000005452 bending Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000018984 mastication Effects 0.000 description 1
- 238000010077 mastication Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
Landscapes
- 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
本发明公开了一种基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置及方法，装置主要由在线检测端和PC控制端组成。在线检测端内安装着线阵扫描式CCD相机，其下连接了两个相互平行有一定间隔的滑杠，间隔的正下方装有一向上打光的平行光源LED灯，上支架与下支架联合作用可以调节在线检测端的高度并起支撑作用。本发明利用了钣金件与其冲孔部位在可见光下具有不同的颜色空间特征，基于机器视觉技术，自动识别钣金冲孔的形状位置信息，从而判断钣金冲孔是否满足加工要求。利用机器视觉的方法进行检测，较其他方法而言，快捷无污染，对测量物无损，属于无损检测的方式。
Description
技术领域
本发明涉及机器视觉领域，尤其涉及一种基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法。
背景技术
冲孔一直是钣金类材料的主要加工方式。现代的钣金类加工方式基本为自动送料的连续加工，即生产线的方式，所以冲床冲头会长时间在高压状态下工作；且冲压的冲头为适应现代的精加工，一般较小，所以冲压时难免会出现高温软化，或折断的现象，从而导致后续的钣金加工的冲孔出现一定的形位公差，甚至严重不合格等，当生产一定量之后，才可能被察觉，甚至位置公差等很难被工人察觉，容易造成企业严重的经济损失。现有的钣金冲孔检测主要有以下几种：传统目视法即利用肉眼观察的方式检验钣金冲孔是否有缺陷，这种方式对于较小的形状公差和位置公差等就很难察觉，对于一些安装具有一定精确度要求的钣金件来说，这是相当致命的；超声波检测，即借助超声波探头，发出声波检测金属表面，遇到缺陷后产生反射波，在荧屏上形成脉冲波形，然后根据波形特征判断缺陷位置和大小，该方法需要一定的专业性工人去判断，缺乏推广性；扫描电子显微镜检测即利用扫描电子显微镜观察钣金冲孔端口组织，该方法主要用于航天领域与精密加工方面，能观测出极其微观的缺陷，精度极高，然其应用需要较昂贵的仪器设备和专业技术支持，存在操作费用高及要求工作人员的专业素质高等缺陷。基于机器视觉的方法即利用机器视觉技术，通过设计相应的识别算法，能很好得识别钣金冲孔的缺陷，在线实时能力好，精度始终，实现难度低，操作方便。
基于机器视觉的在线检测系统，通过计算机检测产品图像中的异常，达到自动检测的目的。目前对图像缺陷的检测算法有很多，如开运算、闭运算、亚像素边缘检测、几何变换、几何特征匹配、Hu不变矩轮廓匹配等。现有图像识别算法存在以下不足：
上述算法虽然有不错的检测效果，但算法复杂、计算速度慢，不能满足高速运动生产线的实时缺陷检测需求。
上述算法针对钣金冲孔的缺陷类型在检测效果和检测精度方面有较大的滞后性，不适于此类产品的检测。
发明内容
本发明的目的在于克服现有设计的不足，提供了一种基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法。
为实现上述目的，本发明技术解决方案如下：
一种基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置，主要由在线检测端(1)和PC控制端(7)组成，所述在线检测端(1)通过可调节支架支撑，所述在线检测端(1)内安装有线阵扫描式CCD相机(13)，所述线阵扫描式CCD相机(13)下方连接有两个相互平行有一定间隔的滑杠(2)，间隔的正下方装有一向上打光的平行光源LED灯(3)；所述PC控制端(7)内部装有工控机，上部集成有人机交互端；所述在线检测端(1)与工控机相连，所述工控机与人机交互端通信。
优选地，所述人机交互端由键盘(8)、鼠标(9)及显示器(10)组成。
优选地，所述伸缩支架包括上支架(4)和下支架(5)，所述下支架(5)能够在上支架(4)内伸缩调节。
优选地，所述滑杆(2)之间间隔为20-50cm。
一种基于机器视觉的钣金冲孔生产线冲孔缺陷检测方法，包括以下步骤：
S1、在线检测端(1)置于钣金冲孔生产线末端(12)，并调节在线检测端(1)高度，达到滑杠(2)与传送带(6)同高度，使得钣金件(11)平行的由钣金冲孔生产线末端(12)的传送带(6)传送到在线检测端(1)的平行滑杠(2)上；
S2、工控机系统初始化，整个系统启动，相机开始工作；
S3、判断钣金是否为系统已有规格，若为新规格的钣金，则利用相机通过机器学习训练样本，将新的钣金规格纳入系统库；
S4、当系统库中存在钣金规格后，相机开始持续检测冲孔，并将数据传输回PC端的工控机，通过预存算法，判断缺陷是否在可接受范围，从而确定该钣金的冲孔是否合格，若不合格，则抓取当前钣金图片，记录缺陷钣金，并累加全过程的缺陷钣金冲孔，统计频率；
S5、若缺陷钣金冲孔出现频率在不可接受范围，通过PC控制端，控制钣金冲孔生产线，紧急停止，并拉响警报，系统结束。
进一步地，所述S4中预存算法，具体步骤如下：
(1)通过坐标遍历法获得经过线阵CCD相机进行处理累计拼接图像的边缘，并对边缘处的不完整冲孔处理，“封闭”不完整冲孔；
(2)采用数学形态学中腐蚀方法对冲孔预处理，利用腐蚀算法将冲孔进行腐蚀，消除其内部的纹理错行，突出冲孔检测目标；
(3)使用连通域的方法对钣金冲孔进行缺陷判断，通过最大连通域的面积、宽度、长度、重心和连通域个数对钣金冲孔是否存在缺陷进行判断，缺陷的重心确定缺陷的位置信息，连通域的个数确定缺陷的个数；
(4)根据步骤(3)连通域中统计的冲孔个数对冲孔进行逐个遍历，依据统计出的重心点的坐标值，当冲孔重心点的纵坐标满足以下两个条件时：
(Ⅰ)如果最高点在边缘处；
(Ⅱ)如果最高点的横坐标与最低点的横坐标相差在固定的阈值范围内；
则标定为不完整冲孔，从而统计出最终检测的冲孔个数。
优选地，所述步骤(3)中采用8连通域。
与现有技术相比，本发明有益效果是：
1.本发明利用了钣金件与其冲孔部位在可见光下具有不同的颜色空间特征，基于机器视觉技术，自动识别钣金冲孔的形状位置信息，从而判断钣金冲孔是否满足加工要求。
2.本发明在系统中建立了钣金件标准库，利用机器学习主动记录新的钣金件类型及冲孔加工规格，对冲孔生产线适应性强，柔性好。
3.本发明内在的集成程序对每次出现的缺陷孔进行了累加，并计算一定时间内缺陷孔出现的频率，频率过高时控制生产线紧停，这样就防止出现由于冲头折断等故障造成的整个生产线的冲孔不达标的问题，节约了成本，经济性好。
3.本发明光源采用LED平行光，由下至上打光，使得线阵CCD相机检测的更加明显，精确度更高。
4.本发明在线检测端支架可上下伸缩以适应不同钣金冲孔流水生产线的高度要求，适应性好。
5.发明利用机器视觉的方法进行检测，较其他方法而言，快捷无污染，对测量物无损，属于无损检测的方式。
6.本发明全程自动化作业，无需其他专业人员去辅助，集成的操作界面使得操作便捷，更容易推广。
附图说明
图1是本发明钣金冲孔生产线冲孔缺陷检测方法流程图。
图2是本发明钣金冲孔生产线冲孔缺陷检测总体结构示意图。
图3是本发明钣金冲孔生产线冲孔缺陷检测线结构示意图。
图4是本发明钣金冲孔生产线冲孔缺陷检测线侧面剖视图。
图5是本发明实施例一S[x]的状态图。
图6是本发明实施例一图像S示意图。
图7是本发明实施例一结构元素X示意图。
图8是本发明实施例一腐蚀结果示意图。
其中，1：线检测端设备、2：滑杠、3：平行光源LED灯、4：上支架、5：下支架、6：传送带、7：PC控制端、8：键盘、9：鼠标、10：显示器、11：钣金件、12：钣金冲孔生产线末端、13：线阵扫描式CCD相机。
具体实施方式
以下结合实施例及附图对本发明做进一步详述，但并不以此作为对本申请权利要求保护范围的限定。
本发明的具体实施方案如图所示(参见图1-4)。本发明原理在于钣金件表面与其冲孔具有较大的颜色差异，由下方打光时，差异会更加明显，因为可见光对其金属钣金件很难穿透，所以相机的光敏原件接受到的只有透过冲孔的光线，因而只有冲孔区域会形成白色亮斑，而非冲孔区显黑色，通过阈值分割结合一定算法我们能得到冲孔大小形状及其位置信息，通过这些信息我们就能判断钣金的冲孔是否满足要求。
如图2至图4所示，本发明装置主要由在线检测端(1)和PC控制端(7)组成。在线检测端(1)内安装着线阵扫描式CCD相机(13)，其下连接了两个相互平行有一定间隔的滑杠(2)，间隔的正下方装有一向上打光的平行光源LED灯(3)，上支架(4)与下支架(5)联合作用可以调节在线检测端(1)的高度并起支撑作用。PC控制端(7)内部装有工控机，上部集成有人机交互端，由键盘(8)、鼠标(9)及显示器(10)组成。
系统工作时在线检测端(1)置于钣金冲孔生产线末端(12)，并调节在线检测端(1)高度，达到滑杠(2)与传送带(6)同高度，使得钣金件(11)平行的由钣金冲孔生产线末端(12)的传送带(6)传送到在线检测端(1)的平行滑杠(2)上。
所述在线检测端置于钣金冲孔生产线末端，实现对传送带传输的钣金冲孔的接收。线阵扫描式CCD相机位于钣金冲孔接收位置的上方，用于实时的图像提取。向上打光的平行光源LED灯置于钣金冲孔接收位置的下方，提高检测目标和非检测区域之间的对比度，进而简化了钣金冲孔缺陷检测的难度。所述PC控制端内集成有本发明的检测算法，实现对线阵扫描式CCD相机拍摄图像的处理、检测与缺陷的输出。
如图1所示，本发明实施过程为：首先启动系统，线阵扫描式CCD相机(13)开始工作，首先检测钣金型号是否为系统标准库中所有，若为新的钣金，则通过机器学习的方式，自动将钣金型号规格等录入标准库，当系统存在该钣金型号后，则可开始线阵扫描式CCD相机(13)对钣金冲孔件(11)的持续检测，并将每一帧图像传回PC控制端(7)，通过其中集成的算法得出每一帧图像中冲孔的形状尺寸和位置尺寸，比较其是否满足加工要求，当某一帧出现冲孔缺陷时，则抓取该时刻图像，通过算法得出具体钣金的具体部位的具体缺陷，并保存，以方便后续工人处理，且计算缺陷冲孔出现的频率，当出现过频繁的加工不合格时，则PC控制端(7)将紧急停止钣金生产线并警报拉响。
实施例一：本发明所述方法的缺陷检测算法，包括以下步骤：
1、通过坐标遍历法获得经过线阵扫描式CCD相机进行处理累计拼接图像的边缘，并对边缘处的不完整冲孔处理，“封闭”不完整冲孔。
2、采用数学形态学中腐蚀方法对冲孔预处理。
数学形态学是分析几何形状和结构的数学方法，是建立在集合代数基础上，用集合论方法定量描述方法定量描述几何结构的科学。本发明所述方法主要利用腐蚀算法将冲孔进行腐蚀，消除其内部的纹理错行，突出冲孔检测目标。
对一个给定的目标图像X和一个结构元素S，想象一下将S在图像上移动。在每一个当前位置x，S[x]只有三种可能的状态，如图5所示。
图6-图8为腐蚀的几何解释，它相当于一个矩形加上了几个突出点。用图中的形态学算子结构元素X对图像S进行腐蚀，由于三个尖角处(框出位置)都只有三个点，不能与S重合，因此经过腐蚀的图形消去了这些突出部分的点，同时剥去了X的上、右边界。
S对X的腐蚀记为X！S。集合方式的表达式为：X！S＝∩{X[s]|-s∈S}，它把腐蚀表示为图像平移的交。根据此理论，针对需要检测的钣金冲孔的纹理错行特征设计相应的形态学算子，最大程度的消除其内部的纹理错行，将冲孔目标突出。
3、使用连通域的方法，获取冲孔的信息。
经过形态学腐蚀操作后得到清晰的白色冲孔，接下来为对钣金冲孔进行缺陷判断，为了达到良好的效果，本发明采用8连通域方法。
连通区域指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。二值图像分析最重要的方法就是连通区域标记，它通过对二值图像中白色像素(目标)的标记，让每个单独的连通区域形成一个被标识的块，进一步的我们就可以获取这些块的轮廓、外接矩形、质心、不变矩等几何参数。在图像中，最小的单位是像素，每个像素周围有8个邻接像素，常见的邻接关系有2种：4邻接与8邻接。其中中间点为当前像素点，4邻接一共4个点，即上下左右。8邻接的点一共有8个，包括了对角线位置的点。
通过最大连通域的面积、宽度、长度、重心和连通域个数对钣金冲孔是否存在缺陷进行判断。缺陷的重心等可以确定缺陷的位置信息。连通域的个数可以确定缺陷的个数。
4、将边缘的两个不完整冲孔处理，当作一个完整的冲孔，并最终统计检测
到的冲孔个数。
根据(3)连通域中统计的冲孔个数对冲孔进行逐个遍历。依据统计出的重心点的坐标值，当冲孔重心点的纵坐标满足以下两个条件时
(1)如果最高点在边缘处；
(2)如果最高点的横坐标与最低点的横坐标相差在固定的阈值范围内；
则标定为不完整冲孔，从而统计出最终检测的冲孔个数。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。本发明未述及之处适用于现有技术。
Claims (7)
1.基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置，其特征在于：主要由在线检测端(1)和PC控制端(7)组成，所述在线检测端(1)通过可调节支架支撑，所述在线检测端(1)内安装有线阵扫描式CCD相机(13)，所述线阵扫描式CCD相机(13)下方连接有两个相互平行有一定间隔的滑杠(2)，间隔的正下方装有一向上打光的平行光源LED灯(3)；所述PC控制端(7)内部装有工控机，上部集成有人机交互端；所述在线检测端(1)与工控机相连，所述工控机与人机交互端通信。
2.如权利要求1所述的基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置，其特征在于：所述人机交互端由键盘(8)、鼠标(9)及显示器(10)组成。
3.如权利要求1所述的基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置，其特征在于：所述伸缩支架包括上支架(4)和下支架(5)，所述下支架(5)能够在上支架(4)内伸缩调节。
4.如权利要求1所述的基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置，其特征在于：所述滑杆(2)之间间隔为20-50cm。
5.基于机器视觉的钣金冲孔生产线冲孔缺陷检测方法，包括以下步骤：
S1、在线检测端(1)置于钣金冲孔生产线末端(12)，并调节在线检测端(1)高度，达到滑杠(2)与传送带(6)同高度，使得钣金件(11)平行的由钣金冲孔生产线末端(12)的传送带(6)传送到在线检测端(1)的平行滑杠(2)上；
S2、工控机系统初始化，整个系统启动，相机开始工作；
S3、判断钣金是否为系统已有规格，若为新规格的钣金，则利用相机通过机器学习训练样本，将新的钣金规格纳入系统库；
S4、当系统库中存在钣金规格后，相机开始持续检测冲孔，并将数据传输回PC端的工控机，通过预存算法，判断缺陷是否在可接受范围，从而确定该钣金的冲孔是否合格，若不合格，则抓取当前钣金图片，记录缺陷钣金，并累加全过程的缺陷钣金冲孔，统计频率；
S5、若缺陷钣金冲孔出现频率在不可接受范围，通过PC控制端，控制钣金冲孔生产线，紧急停止，并拉响警报，系统结束。
6.如权利要求5所述的基于机器视觉的钣金冲孔生产线冲孔缺陷检测方法，其特征在于：所述S4中预存算法，具体步骤如下：
(1)通过坐标遍历法获得经过线阵CCD相机进行处理累计拼接图像的边缘，并对边缘处的不完整冲孔处理，“封闭”不完整冲孔；
(2)采用数学形态学中腐蚀方法对冲孔预处理，利用腐蚀算法将冲孔进行腐蚀，消除其内部的纹理错行，突出冲孔检测目标；
(3)使用连通域的方法对钣金冲孔进行缺陷判断，通过最大连通域的面积、宽度、长度、重心和连通域个数对钣金冲孔是否存在缺陷进行判断，缺陷的重心确定缺陷的位置信息，连通域的个数确定缺陷的个数；
(4)根据步骤(3)连通域中统计的冲孔个数对冲孔进行逐个遍历，依据统计出的重心点的坐标值，当冲孔重心点的纵坐标满足以下两个条件时：
(Ⅰ)如果最高点在边缘处；
(Ⅱ)如果最高点的横坐标与最低点的横坐标相差在固定的阈值范围内；
则标定为不完整冲孔，从而统计出最终检测的冲孔个数。
7.如权利要求6所述的基于机器视觉的钣金冲孔生产线冲孔缺陷检测方法，其特征在于：所述步骤(3)中采用8连通域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810350485.5A CN108535278A (zh) | 2018-04-18 | 2018-04-18 | 基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810350485.5A CN108535278A (zh) | 2018-04-18 | 2018-04-18 | 基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108535278A true CN108535278A (zh) | 2018-09-14 |
Family
ID=63478328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810350485.5A Pending CN108535278A (zh) | 2018-04-18 | 2018-04-18 | 基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108535278A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110441318A (zh) * | 2019-08-22 | 2019-11-12 | 郑州大学 | 一种基于机器视觉的化纤喷丝头孔缺陷检测方法 |
| CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
| TWI723541B (zh) * | 2019-09-16 | 2021-04-01 | 東海大學 | 板金辨識方法 |
| CN112730253A (zh) * | 2020-12-31 | 2021-04-30 | 常熟市杜尼电子有限责任公司 | 冲压非标准件冲孔的高精检测设备 |
| CN113714391A (zh) * | 2021-09-01 | 2021-11-30 | 深圳市振富源五金电子有限公司 | 一种数控精密膜切机 |
| CN114170132A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 一种基于机器视觉的流量管静压孔质量检测方法及系统 |
| CN114323283A (zh) * | 2021-12-30 | 2022-04-12 | 中铭谷智能机器人(广东)有限公司 | 一种钣金颜色特征智能识别框选方法 |
| CN116008294A (zh) * | 2022-12-13 | 2023-04-25 | 无锡微准科技有限公司 | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 |
| 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 (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008139126A (ja) * | 2006-12-01 | 2008-06-19 | Dainippon Screen Mfg Co Ltd | 欠陥検出装置および欠陥検出方法 |
| CN202330294U (zh) * | 2011-11-08 | 2012-07-11 | 中国科学院深圳先进技术研究院 | 基于机器视觉的表面缺陷检测装置 |
| CN204710950U (zh) * | 2015-04-10 | 2015-10-21 | 上海汽车集团股份有限公司 | 汽车钣金件在线冲孔机构 |
| CN105891228A (zh) * | 2016-06-07 | 2016-08-24 | 江南工业集团有限公司 | 基于机器视觉的光纤外观缺陷检测及外径测量装置 |
| CN106204614A (zh) * | 2016-07-21 | 2016-12-07 | 湘潭大学 | 一种基于机器视觉的工件外观缺陷检测方法 |
| CN107014822A (zh) * | 2017-02-28 | 2017-08-04 | 深圳市维图视技术有限公司 | 一种无纺布口罩缺陷视觉检测系统及方法 |
| US20170345135A1 (en) * | 2016-05-30 | 2017-11-30 | Esko Software Bvba | System and method for detection and removal of thin lines in a graphic image |
-
2018
- 2018-04-18 CN CN201810350485.5A patent/CN108535278A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008139126A (ja) * | 2006-12-01 | 2008-06-19 | Dainippon Screen Mfg Co Ltd | 欠陥検出装置および欠陥検出方法 |
| CN202330294U (zh) * | 2011-11-08 | 2012-07-11 | 中国科学院深圳先进技术研究院 | 基于机器视觉的表面缺陷检测装置 |
| CN204710950U (zh) * | 2015-04-10 | 2015-10-21 | 上海汽车集团股份有限公司 | 汽车钣金件在线冲孔机构 |
| US20170345135A1 (en) * | 2016-05-30 | 2017-11-30 | Esko Software Bvba | System and method for detection and removal of thin lines in a graphic image |
| CN105891228A (zh) * | 2016-06-07 | 2016-08-24 | 江南工业集团有限公司 | 基于机器视觉的光纤外观缺陷检测及外径测量装置 |
| CN106204614A (zh) * | 2016-07-21 | 2016-12-07 | 湘潭大学 | 一种基于机器视觉的工件外观缺陷检测方法 |
| CN107014822A (zh) * | 2017-02-28 | 2017-08-04 | 深圳市维图视技术有限公司 | 一种无纺布口罩缺陷视觉检测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 崔风平 等: "《智能制造的探索与实践》", 西安交通大学出版社, pages: 257 - 260 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110441318A (zh) * | 2019-08-22 | 2019-11-12 | 郑州大学 | 一种基于机器视觉的化纤喷丝头孔缺陷检测方法 |
| TWI723541B (zh) * | 2019-09-16 | 2021-04-01 | 東海大學 | 板金辨識方法 |
| CN111537517B (zh) * | 2020-05-18 | 2022-12-13 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
| CN111537517A (zh) * | 2020-05-18 | 2020-08-14 | 江汉大学 | 一种无人智能化冲压缺陷识别方法 |
| CN112730253A (zh) * | 2020-12-31 | 2021-04-30 | 常熟市杜尼电子有限责任公司 | 冲压非标准件冲孔的高精检测设备 |
| CN113714391A (zh) * | 2021-09-01 | 2021-11-30 | 深圳市振富源五金电子有限公司 | 一种数控精密膜切机 |
| CN113714391B (zh) * | 2021-09-01 | 2023-10-27 | 东莞市钛科光电科技有限公司 | 一种数控精密膜切机 |
| CN114170132B (zh) * | 2021-10-20 | 2023-05-05 | 中国航发四川燃气涡轮研究院 | 一种基于机器视觉的流量管静压孔质量检测方法及系统 |
| CN114170132A (zh) * | 2021-10-20 | 2022-03-11 | 中国航发四川燃气涡轮研究院 | 一种基于机器视觉的流量管静压孔质量检测方法及系统 |
| CN114323283A (zh) * | 2021-12-30 | 2022-04-12 | 中铭谷智能机器人(广东)有限公司 | 一种钣金颜色特征智能识别框选方法 |
| CN116008294A (zh) * | 2022-12-13 | 2023-04-25 | 无锡微准科技有限公司 | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 |
| CN116008294B (zh) * | 2022-12-13 | 2024-03-08 | 无锡微准科技有限公司 | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 |
| 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 |
|---|---|---|
| CN108535278A (zh) | 基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 | |
| CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
| CN110216080A (zh) | 一种基于图像对比的pcb加工产线的质量监控系统 | |
| CN107525768B (zh) | 一种dna倍体分析设备的质量控制方法 | |
| CN106645197B (zh) | 检测精密光学元件表面颗粒物的在线检测系统及应用方法 | |
| CN110096980A (zh) | 字符检测识别系统 | |
| CN108416766A (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
| CN109102497B (zh) | 高分辨率的导光板图像缺陷检测方法 | |
| CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
| CN114705686A (zh) | 圆柱锅表面缺陷检测方法、系统、控制器及工控机 | |
| CN108414531A (zh) | 一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法 | |
| WO2021109011A1 (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
| CN114136975A (zh) | 一种微波裸芯片表面缺陷智能检测系统和方法 | |
| CN111624203A (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
| CN110570412B (zh) | 一种零件误差视觉判断系统 | |
| CN109557098A (zh) | 基于机器视觉的金属表面检测系统 | |
| CN110082356A (zh) | 线材表面缺陷的视觉检测方法及装置 | |
| CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
| CN113763322B (zh) | 一种Pin脚共面度视觉检测方法与装置 | |
| CN116183423B (zh) | 一种基于图像识别的智能刷洗系统 | |
| CN114226262A (zh) | 瑕疵检测方法、瑕疵分类方法及其系统 | |
| CN114332069B (zh) | 一种基于机器视觉的接插件检测方法及装置 | |
| CN116740449A (zh) | 基于ai计算机视觉技术的刨花形态检测方法及系统 | |
| CN110880171A (zh) | 一种显示装置的检测方法及电子设备 | |
| CN107014830A (zh) | Ito导电玻璃检测方法与检测装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |