CN108855971B - 一种鞋底智能分拣方法 - Google Patents
一种鞋底智能分拣方法 Download PDFInfo
- Publication number
- CN108855971B CN108855971B CN201810288743.1A CN201810288743A CN108855971B CN 108855971 B CN108855971 B CN 108855971B CN 201810288743 A CN201810288743 A CN 201810288743A CN 108855971 B CN108855971 B CN 108855971B
- Authority
- CN
- China
- Prior art keywords
- sole
- shoe
- station
- tail
- coordinates
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/04—Sorting according to size
- B07C5/10—Sorting according to size measured by light-responsive means
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种鞋底智能分拣方法,在经过第一个工位时,光电开关感应到信号,触发相机进行拍照,然后对鞋尾标识符进行识别,计算鞋尾标志位坐标;鞋底经过第二个工位,完成对鞋头标识符检测,计算鞋头标志位坐标。从而由鞋头和鞋尾坐标计算整只鞋底实际长度。将计算出来的实际长度和经字典查询的标准长度比对,判断鞋底尺码是否有误。经过这两个工位后,鞋底进入第三工位,对鞋底进行目标定位,并将不同ID发送给机器人,机器人根据ID号将鞋底抓取至不同的尺码筐。本发明经过鞋底测距、尺码判断及定位分拣工序,使鞋底的分拣效率和分拣正确率大大提高,节省人力的同时保证了鞋底的质量,具有广阔的市场空间。
Description
技术领域
本发明涉及鞋类生产制造的技术领域,尤其涉及到一种鞋底智能分拣方法。
背景技术
中国是一个成品鞋生产和贸易出口大国,每年成品鞋产量及出口量位居世界前列。然而当前,我国的成品鞋制造行业仍以传统的人工操作为主,行业自动化普及率还很低,严重影响我国从成品鞋生产大国到生产强国的转变。众所周知,鞋类生产之后,有一道必不可少的工序-分拣。但是,当前绝大多数制鞋厂商对鞋子的分拣以人工为主,依靠操作工人的经验将不同尺码的鞋子分拣归类。这种操作方式存在很多弊端,例如:人工评价标准不一;长时间的劳作造成注意力不集中,使得产品质量难以得到保证;对工人的身体健康有很大危害等等。针对当前情况,提出一种鞋底智能分拣方法,将具有广阔的市场空间,对于成品鞋行业的智能自动化具有强力推动作用。
发明内容
本发明的目的在于克服现有技术的不足,提供一种经过鞋底测距、尺码判断及定位分拣工序且分拣效率高、分拣正确率高的鞋底智能分拣方法。
为实现上述目的,本发明所提供的技术方案为:
包括以下步骤:
S1、通过第一工位进行鞋底鞋尾标志位定位,通过第二工位进行鞋底鞋头标志位定位以及鞋码字符识别;
S2、依据步骤S1得到的鞋底鞋尾标志位坐标和鞋底鞋头标志位坐标计算鞋底长度;
S3、通过步骤S2计算得出的鞋底长度与识别出的鞋码字符所对应的标准长度作对比,判断鞋底尺码是否有误;
S4、通过第三工位进行鞋底的跟踪定位,机器人依据ID值将鞋底分拣至不同的尺码筐。
优选地,所述第一、二、三工位的相机均为面阵相机。
优选地,所述第二工位的相机曝光方式为全局曝光;所述第一工位采用环形高角度蓝色光源;第二工位采用蓝色开孔背光源;第三工位采用白色开孔背光源以及白色条形灯管组合的成像方式;且第一、二、三工位的工作距离相等。
优选地,所述第一、二工位相机采用同步触发方式,第一工位相机拍摄鞋尾部位,第二工位相机拍摄鞋头部分;所述第三工位相机采用编码器模拟信号触发方式,拍摄整只鞋底。
优选地,所述第一工位鞋底鞋尾标志位定位和第二工位鞋底鞋头标志位定位均采用金字塔模板匹配算法,步骤包括:创建模板图像和匹配目标图像。
其中,第一工位鞋底鞋尾标志位定位时,创建模板图像的具体步骤如下:
A1、采集传送带背景图像;
A2、在同等条件下,采集鞋尾图像;
A3、将两幅图像灰度相减,分割出鞋尾区域;
A4、对分割出的鞋尾区域进行平滑滤波;
A5、标记鞋尾ROI矩形区域,选择区域内特征点;
A6、生成模板图像文件;
所述第一工位鞋底鞋尾标志位定位时,匹配目标图像的具体步骤如下:
B1、采集待测鞋尾图像并进行平滑滤波;
B2、读取步骤A6生成的模板图像文件,然后对待测鞋底鞋尾标志位进行目标匹配;
B3、计算鞋尾标志位Row_end和Column_end坐标。
所述第二工位鞋底鞋头标志位定位时,创建模板图像的具体步骤如下:
C1、采集鞋底鞋头图像;
C2、选取ROI区域;
C3、对ROI区域进行局部阈值处理,分割出鞋头标志位;
C4、标记鞋头ROI矩形区域,选择区域内特征点;
C5、生成模板图像文件;
所述第二工位鞋底鞋头标志位定位时,匹配目标图像的具体步骤如下:
D1、采集待测鞋底鞋头图像并进行平滑滤波;
D2、选取ROI区域;
D3、对ROI区域进行局部阈值处理,分割出鞋头标志位;
D4、读取步骤C5生成的模板图像文件,然后对待测鞋底鞋头标志位进行目标匹配;
D5、计算鞋底鞋头标志位Row_head和Column_head坐标。
优选地,所述步骤S2计算鞋底长度的具体步骤如下:
S21、将鞋底鞋头标志位坐标(Row_head,Column_head)转化为世界坐标(x_head,y_head);
S22、将鞋底鞋尾标志位坐标(Row_end,Column_end)转化为世界坐标(x_end,y_end);
S23、计算鞋底长度,计算公式为:
其中,Dis为第一工位相机和第二工位相机之间的距离。
优选地,所述步骤S4的具体步骤如下:
S41、阈值分割出鞋底区域,并求其外接最小矩形,求外接矩形的质心(row,column)和角度angle;
S42、将坐标(row,column)转化为世界坐标(x,y);
S43、对鞋底赋予ID值;
S44、将x,y,angle,ID发送给机器人,对鞋底进行分拣。
与现有技术相比,本方案原理如下:
第一、二工位相机均采用同步触发方式,第一工位相机拍摄鞋尾部位,第二工位相机拍摄鞋头部位;第三工位相机采用编码器模拟信号触发方式,拍摄整只鞋底。在经过第一个工位时,光电开关感应到信号,触发相机进行拍照,然后对鞋尾标识符进行识别,计算鞋尾标志位坐标;跟着,鞋底经过第二个工位,完成对鞋头标识符检测,计算鞋头标志位坐标。从而由鞋头和鞋尾坐标计算整只鞋底实际长度。将计算出来的实际长度和经字典查询的标准长度比对,判断鞋底尺码是否有误。经过这两个工位后,鞋底进入第三工位,对前述鞋底进行目标定位,并将不同ID发送给后端机器人,从而后端的机器人根据ID号将鞋底抓取至不同的尺码筐。
与现有技术相比,本方案经过鞋底测距、尺码判断及定位分拣工序,使鞋底的分拣效率和分拣正确率大大提高,节省人力的同时保证了鞋底的质量,具有广阔的市场空间。
附图说明
图1为本发明一种鞋底智能分拣方法的流程图;
图2为本发明一种鞋底智能分拣方法中第一、二工位相机对鞋底进行定位的示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
本实施例所述的一种鞋底智能分拣方法,需要用到三个工位,第一、二、三工位的相机均采用200W像素面阵相机;其中,第二工位相机曝光方式为全局曝光;第一工位采用环形高角度蓝色光源,固定高度为300mm,第二工位采用蓝色开孔背光源,固定高度为150mm;第三工位采用白色开孔背光源以及白色条形灯管组合的成像方式,白色开孔背光源固定高度为800mm,白色条形灯管固定高度为400mm;三个工位工作距离相等,均为200mm。
参见附图1-2所示,具体分拣步骤如下:
S1、通过第一工位进行鞋底鞋尾标志位定位,通过第二工位进行鞋底鞋头标志位定位以及鞋码字符识别;该第一、二工位的相机采用同步触发方式。
在经过第一个工位时,光电开关感应到信号,触发相机进行拍照;软件对鞋尾标识符进行识别,并计算鞋尾标志位坐标;过程分为创建模板图像和匹配目标图像两部分:
创建模板图像的具体步骤如下:
A1、采集传送带背景图像;
A2、在同等条件下,采集鞋尾图像;
A3、将两幅图像灰度相减,分割出鞋尾区域;
A4、对分割出的鞋尾区域进行平滑滤波;
A5、标记鞋尾ROI矩形区域,选择区域内特征点;
A6、生成模板图像文件;
匹配目标图像的具体步骤如下:
B1、采集待测鞋尾图像并进行平滑滤波;
B2、读取步骤A6生成的模板图像文件,然后对待测鞋底鞋尾标志位进行目标匹配;
B3、计算鞋尾标志位Row_end和Column_end坐标。
第二工位尺码判断采用字典比对方式,由鞋底OCR字符查找鞋底标准尺寸;且在鞋底经过第二个工位时,软件完成对鞋底鞋头标识位检测,并计算鞋头标志位坐标;过程同样分为创建模板图像和匹配目标图像两部分:
创建模板图像的具体步骤如下:
C1、采集鞋底鞋头图像;
C2、选取ROI区域;
C3、对ROI区域进行局部阈值处理,分割出鞋头标志位;
C4、标记鞋头ROI矩形区域,选择区域内特征点;
C5、生成模板图像文件;
匹配目标图像的具体步骤如下:
D1、采集待测鞋底鞋头图像并进行平滑滤波;
D2、选取ROI区域;
D3、对ROI区域进行局部阈值处理,分割出鞋头标志位;
D4、读取步骤C5生成的模板图像文件,然后对待测鞋底鞋头标志位进行目标匹配;
D5、计算鞋底鞋头标志位Row_head和Column_head坐标。
S2、依据步骤S1得到的鞋底鞋尾标志位坐标和鞋底鞋头标志位坐标计算鞋底长度;具体过程为:
S21、将鞋底鞋头标志位坐标(Row_head,Column_head)转化为世界坐标(x_head,y_head);
公式为:
x_head=512-Row_head;
y_head=512-Column_head;
S22、将鞋底鞋尾标志位坐标(Row_end,Column_end)转化为世界坐标(x_end,y_end);
公式为:
x_end=512-Row_end;
y_end=512-Column_end;
S23、计算鞋底长度,计算公式为:
其中,200为第一工位相机和第二工位相机之间的距离,上述已告知;
S3、通过步骤S2计算得出的鞋底长度与识别出的鞋码字符所对应的标准长度作对比,判断鞋底尺码是否有误;
如所检测鞋底从M3-M5不等,以M3为例,标准M3尺码鞋底长度为213,将上述标准尺码和与之对应的标准长度添加至数据库,以供后期比对查询。由第二工位OCR字符识别即可得到鞋底尺码,将上述计算得到的该尺码的distance与标准长度作差,若差值绝对值≤2mm,则判断该只鞋底尺码没有误,反之,该鞋底尺寸存在错误,需要重做。
S4、通过第三工位进行鞋底的跟踪定位,机器人依据ID值将鞋底分拣至不同的尺码筐。具体步骤如下:
S41、阈值分割出鞋底区域:
1)采集传送带背景图像;
2)采集待检测鞋底图像;
3)将待检测鞋底图像和传送带背景图像灰度相减;
4)对灰度相减后的图像局部阈值分割,分割出鞋底;本步骤4)具体过程为:
a.求取鞋底图像区域每个像素点的9x9窗口领域的平均值g(x,y);
b.求取鞋底图像区域中局部较亮的区域,具体如下公式所示:
s2={(x,y)∈R|f(x,y)-g(x,y)≥g1};
其中,f(x,y)为当前像素的灰度值,g1为设定的阈值;
c.求取鞋底图像区域中局部较暗的区域,具体如下公式所示:
s2={(x,y)∈R|f(x,y)-g(x,y)<-g2};
其中,f(x,y)为当前像素的灰度值,g2为设定的阈值;
d.对区域s1和区域s2进行或操作,合并较亮和较暗区域,得到最后的鞋底分割图像。
S42、求出鞋底区域的外接最小矩形,求外接矩形的质心(row,column)和角度angle;
S43、将坐标(row,column)转化为世界坐标(x,y);
计算公式为:
x=512-row;
y=512-column;
S44、对鞋底赋予ID值;例如,M3,ID号就为3,以此类推。对需要重做的鞋底,ID值设为0;
S45、将x,y,angle,ID发送给机器人,机器人依据ID值将鞋底分拣至不同的尺码筐。
本实施例二工位相机均采用同步触发方式,第一工位相机拍摄鞋尾部位,第二工位相机拍摄鞋头部位;第三工位相机采用编码器模拟信号触发方式,拍摄整只鞋底。在经过第一个工位时,光电开关感应到信号,触发相机进行拍照,然后对鞋尾标识符进行识别,计算鞋尾标志位坐标;跟着,鞋底经过第二个工位,完成对鞋头标识符检测,计算鞋头标志位坐标。从而由鞋头和鞋尾坐标计算整只鞋底实际长度。将计算出来的实际长度和经字典查询的标准长度比对,判断鞋底尺码是否有误。经过这两个工位后,鞋底进入第三工位,对前述鞋底进行目标定位,并将不同ID发送给后端机器人,从而后端的机器人根据ID号将鞋底抓取至不同的尺码筐。
本实施例经过鞋底测距、尺码判断及定位分拣工序,使鞋底的分拣效率和分拣正确率大大提高,节省人力的同时保证了鞋底的质量,具有广阔的市场空间。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (9)
1.一种鞋底智能分拣方法,其特征在于,包括以下步骤:
S1、通过第一工位的相机进行鞋底鞋尾标志位定位,通过第二工位的相机进行鞋底鞋头标志位定位以及鞋码字符识别;
S2、依据步骤S1得到的鞋底鞋尾标志位坐标和鞋底鞋头标志位坐标计算鞋底长度;
S3、通过步骤S2计算得出的鞋底长度与识别出的鞋码字符所对应的标准长度作对比,判断鞋底尺码是否有误;
S4、通过第三工位的相机进行鞋底的跟踪定位,机器人依据ID值将鞋底分拣至不同的尺码筐。
2.根据权利要求1所述的一种鞋底智能分拣方法,其特征在于,所述第一、二、三工位的相机均为面阵相机。
3.根据权利要求2所述的一种鞋底智能分拣方法,其特征在于,所述第二工位的相机曝光方式为全局曝光;所述第一工位采用环形高角度蓝色光源;第二工位采用蓝色开孔背光源;第三工位采用白色开孔背光源以及白色条形灯管组合的成像方式;且第一、二、三工位的工作距离相等。
4.根据权利要求2所述的一种鞋底智能分拣方法,其特征在于,所述第一、二工位相机采用同步触发方式,第一工位相机拍摄鞋尾部位,第二工位相机拍摄鞋头部分;所述第三工位相机采用编码器模拟信号触发方式,拍摄整只鞋底。
5.根据权利要求1所述的一种鞋底智能分拣方法,其特征在于,所述第一工位鞋底鞋尾标志位定位和第二工位鞋底鞋头标志位定位均采用金字塔模板匹配算法,步骤包括:创建模板图像和匹配目标图像。
6.根据权利要求5所述的一种鞋底智能分拣方法,其特征在于,所述第一工位鞋底鞋尾标志位定位时,创建模板图像的具体步骤如下:
A1、采集传送带背景图像;
A2、在同等条件下,采集鞋尾图像;
A3、将两幅图像灰度相减,分割出鞋尾区域;
A4、对分割出的鞋尾区域进行平滑滤波;
A5、标记鞋尾ROI矩形区域,选择区域内特征点;
A6、生成模板图像文件;
所述第一工位鞋底鞋尾标志位定位时,匹配目标图像的具体步骤如下:
B1、采集待测鞋尾图像并进行平滑滤波;
B2、读取步骤A6生成的模板图像文件,然后对待测鞋底鞋尾标志位进行目标匹配;
B3、计算鞋尾标志位Row_end和Column_end坐标。
7.根据权利要求5所述的一种鞋底智能分拣方法,其特征在于,所述第二工位鞋底鞋头标志位定位时,创建模板图像的具体步骤如下:
C1、采集鞋底鞋头图像;
C2、选取ROI区域;
C3、对ROI区域进行局部阈值处理,分割出鞋头标志位;
C4、标记鞋头ROI矩形区域,选择区域内特征点;
C5、生成模板图像文件;
所述第二工位鞋底鞋头标志位定位时,匹配目标图像的具体步骤如下:
D1、采集待测鞋底鞋头图像并进行平滑滤波;
D2、选取ROI区域;
D3、对ROI区域进行局部阈值处理,分割出鞋头标志位;
D4、读取步骤C5生成的模板图像文件,然后对待测鞋底鞋头标志位进行目标匹配;
D5、计算鞋底鞋头标志位Row_head和Column_head坐标。
9.根据权利要求1所述的一种鞋底智能分拣方法,其特征在于,所述步骤S4的具体步骤如下:
S41、阈值分割出鞋底区域,并求其外接最小矩形,求外接矩形的质心(row,column)和角度angle;
S42、将坐标(row,column)转化为世界坐标(x,y);
S43、对鞋底赋予ID值;
S44、将x,y,angle,ID发送给机器人,对鞋底进行分拣。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810288743.1A CN108855971B (zh) | 2018-03-30 | 2018-03-30 | 一种鞋底智能分拣方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810288743.1A CN108855971B (zh) | 2018-03-30 | 2018-03-30 | 一种鞋底智能分拣方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108855971A CN108855971A (zh) | 2018-11-23 |
CN108855971B true CN108855971B (zh) | 2020-04-17 |
Family
ID=64326713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810288743.1A Active CN108855971B (zh) | 2018-03-30 | 2018-03-30 | 一种鞋底智能分拣方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108855971B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110466249A (zh) * | 2019-08-05 | 2019-11-19 | 惠州市思凯鞋业有限公司 | 一种鞋码印刷方法、设备及其控制系统 |
CN112329774B (zh) * | 2020-11-10 | 2023-07-28 | 广州探域科技有限公司 | 基于图像的商品尺码表自动生成方法 |
CN114308718A (zh) * | 2021-11-16 | 2022-04-12 | 江汉大学 | 一种按照衣物尺寸进行分拣的方法及分拣装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2654955A1 (fr) * | 1989-11-28 | 1991-05-31 | Escribano Carmen | Identification des chaussures de securite. |
CN2525067Y (zh) * | 2002-01-10 | 2002-12-11 | 良将制鞋机械有限公司 | 鞋盒输送分类装置 |
CN201385024Y (zh) * | 2008-11-07 | 2010-01-20 | 齐齐哈尔四达铁路设备有限责任公司 | 铁路车辆微控承载鞍全尺寸测量机 |
CN102829726A (zh) * | 2012-08-13 | 2012-12-19 | 上海交通大学 | 铆钉机器视觉自动检测系统 |
CN204583707U (zh) * | 2015-04-29 | 2015-08-26 | 赵怀平 | 一种鞋帽、服装饰物类质量分拣装置 |
CN205236449U (zh) * | 2015-12-14 | 2016-05-18 | 刘春雪 | 鞋底尺寸分选机 |
CN106428821A (zh) * | 2016-10-25 | 2017-02-22 | 温州通尔自动化有限公司 | 智能鞋业后道包装系统及方法 |
CN107649402A (zh) * | 2017-10-24 | 2018-02-02 | 温州明创科技有限公司 | 鞋楦自动分拣机 |
-
2018
- 2018-03-30 CN CN201810288743.1A patent/CN108855971B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2654955A1 (fr) * | 1989-11-28 | 1991-05-31 | Escribano Carmen | Identification des chaussures de securite. |
CN2525067Y (zh) * | 2002-01-10 | 2002-12-11 | 良将制鞋机械有限公司 | 鞋盒输送分类装置 |
CN201385024Y (zh) * | 2008-11-07 | 2010-01-20 | 齐齐哈尔四达铁路设备有限责任公司 | 铁路车辆微控承载鞍全尺寸测量机 |
CN102829726A (zh) * | 2012-08-13 | 2012-12-19 | 上海交通大学 | 铆钉机器视觉自动检测系统 |
CN204583707U (zh) * | 2015-04-29 | 2015-08-26 | 赵怀平 | 一种鞋帽、服装饰物类质量分拣装置 |
CN205236449U (zh) * | 2015-12-14 | 2016-05-18 | 刘春雪 | 鞋底尺寸分选机 |
CN106428821A (zh) * | 2016-10-25 | 2017-02-22 | 温州通尔自动化有限公司 | 智能鞋业后道包装系统及方法 |
CN107649402A (zh) * | 2017-10-24 | 2018-02-02 | 温州明创科技有限公司 | 鞋楦自动分拣机 |
Also Published As
Publication number | Publication date |
---|---|
CN108855971A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
CN108855971B (zh) | 一种鞋底智能分拣方法 | |
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
Chen et al. | Three-dimensional perception of orchard banana central stock enhanced by adaptive multi-vision technology | |
CN109239076B (zh) | 一种基于机器视觉的缝纫线迹缺陷检测方法 | |
CN109978940B (zh) | 一种sab安全气囊尺寸视觉测量方法 | |
CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
CN105225225B (zh) | 一种基于机器视觉的皮革自动划线方法和装置 | |
CN110651686B (zh) | 一种基于割胶机械臂的割胶方法及系统 | |
CN112304957A (zh) | 一种基于机器视觉的外观缺陷智能检测方法及系统 | |
CN106903075A (zh) | 一种鞋面logo多方位视觉检测方法及系统 | |
CN112581452A (zh) | 工业配件表面缺陷检测方法、系统、智能设备和存储介质 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN110334727B (zh) | 一种隧道裂缝智能匹配检测方法 | |
CN112345534B (zh) | 一种基于视觉的泡罩板中颗粒的缺陷检测方法及系统 | |
CN115830018B (zh) | 基于深度学习与双目视觉的碳素块检测方法及系统 | |
CN111652069A (zh) | 移动机器人的目标识别与定位方法 | |
CN110060231A (zh) | 一种活塞环图像快速计数方法 | |
CN103279953A (zh) | 一种基于LabVIEW平台的机器视觉标定系统 | |
CN111091086B (zh) | 一种利用机器视觉技术提高物流面单特征信息识别率的方法 | |
KR20190119801A (ko) | 차량 헤드라이트 얼라인먼트 보정 및 분류 방법 및 이를 이용한 차량 헤드라이트 불량검사 방법 | |
CN110428430B (zh) | 一种区域内的直线定位拟合方法及应用 | |
CN109919926A (zh) | 一种活塞环图像快速计数方法 | |
CN109521029B (zh) | 一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |