CN108961331A - 一种绞合线节距的测量方法和装置 - Google Patents

一种绞合线节距的测量方法和装置 Download PDF

Info

Publication number
CN108961331A
CN108961331A CN201810693577.3A CN201810693577A CN108961331A CN 108961331 A CN108961331 A CN 108961331A CN 201810693577 A CN201810693577 A CN 201810693577A CN 108961331 A CN108961331 A CN 108961331A
Authority
CN
China
Prior art keywords
image
twisted
straight line
line
original image
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
CN201810693577.3A
Other languages
English (en)
Inventor
周小勇
柯清
孟伟
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.)
Zhuhai Boming Software Co Ltd
Original Assignee
Zhuhai Boming Software 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 Zhuhai Boming Software Co Ltd filed Critical Zhuhai Boming Software Co Ltd
Priority to CN201810693577.3A priority Critical patent/CN108961331A/zh
Publication of CN108961331A publication Critical patent/CN108961331A/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
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

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)

Abstract

一种绞合线节距的测量方法和装置，该方法包括如下步骤：获取包含绞合线图像的原始图像；依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像；对绞合线图像进行二值化处理，获得包含多个白色区域的二值化图像；基于Hough变换法检测白色区域内的直线，计算各直线在预设角度范围内以像素点为投票对象的Hough投票点数，确定Hough投票点数大于预设数量阈值的直线为合格直线；确定所有合格直线的中心点，将相邻间距小于预设间距的所有中心点集合为一个中心节点；依据相邻两个中心节点之间的间距确定绞合线节距。本发明可提升节距检测效率和检测精度。

Description

一种绞合线节距的测量方法和装置
技术领域
本发明涉及电力线缆检测技术领域，尤其是一种绞合线节距的测量方法和装置。
背景技术
绞合线是电力系统中十分常见的一种线缆，其通过绞合手段将多根单独的线缆铰连在一起，形成螺旋状的线缆结构。在绞合线的生产过程中，会根据不同的通信需求来生产不同的线型，具体会对绞线的根数、换向周期和绞线颜色等作出不同要求。其中，绞线的节距指标对线缆性能的影响至关重要。因此，生产成型的绞合线都需要进行节距的检测。
现有技术中，绞合线节距的检测依赖于人工操作，传统人工检测方式需要离线抽检，一方面这种检测方式增加了人力物力的消耗，影响了生产线的生产效率，另一方面，人工检测的精度不高，且抽检存在遗漏不合格产品的风险。
发明内容
本发明提供一种绞合线节距的测量方法和装置，提升检测效率和检测精度。
根据本发明的第一方面，本发明提供一种绞合线节距的测量方法，包括如下步骤：获取包含绞合线图像的原始图像；依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像；对绞合线图像进行二值化处理，获得包含多个白色区域的二值化图像；基于Hough变换法检测白色区域内的直线，计算各直线在预设角度范围内以像素点为投票对象的Hough投票点数，确定Hough投票点数大于预设数量阈值的直线为合格直线；确定所有合格直线的中心点，将相邻间距小于预设间距的所有中心点集合为一个中心节点；依据相邻两个中心节点之间的间距确定绞合线节距。
优选的，所述依据原始图像的灰度值确定绞合线图像的轮廓区域，具体包括：对灰度图像进行列投影，查找投影值为预设投影阈值的投影列，位于最外侧投影列所围合的范围即为轮廓区域。
优选的，仅在奇数列投影中查找投影值为预设投影阈值的投影列。
优选的，所述依据相邻两个中心节点之间的间距确定绞合线节距，具体包括：计算所有相邻两个中心节点之间的距离，对所求距离值进行排序，取中间值为基准值，滤除超出基准值预设范围外的距离值所对应的中心节点，依据剩余中心节点的距离值确定绞合线节距。
优选的，当所检测的直线具有两种角度时，依据角度将直线分为两组，分别计算两组直线所对应的绞合线节距。
优选的，所述依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像之前，还包括：对原始图像进行下采样，以缩小所述原始图像。
优选的，预设数量阈值Thre＝w/cos(Theta)，其中，w为线缆宽度，theta为Hough矩阵中θ轴方向上单位区间的长度。
根据本发明的第二方面，本发明提供一种绞合线节距的测量装置，包括：图像获取模块，用于获取包含绞合线图像的原始图像；图像提取模块，用于依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像；二值处理模块，用于对绞合线图像进行二值化处理，获得包含多个白色区域的二值化图像；直线确定模块，用于基于Hough变换法检测白色区域内的直线，计算各直线在预设角度范围内以像素点为投票对象的Hough投票点数，确定Hough投票点数大于预设数量阈值的直线为合格直线；节点计算模块，用于确定所有合格直线的中心点，将相邻间距小于预设间距的所有中心点集合为一个中心节点；节距计算模块，用于依据相邻两个中心节点之间的间距确定绞合线节距。
本发明基于对拍摄的绞合线图像的处理，通过算法计算绞合线节距，相比于原有人工测量的方式，测量速度更快，节省了人力成本，提升了生产效率，同时，相比于原有的肉眼识别，这种测量更加精确，并可对所有产品进行检测，有助于降低产品的次品率。
附图说明
图1为本发明一种实施例的原始图像；
图2为本发明一种实施例的绞合线图像；
图3为本发明一种实施例的二值化图像；
图4为本发明一种实施例的一组直线及其中心节点的示意图；
图5为本发明一种实施例的另一组直线及其中心节点的示意图；
图6为本发明一种实施例的绞合线节距的测量方法的流程图；
图7为本发明一种实施例的绞合线节距的测量装置的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
本发明实施例提供一种绞合线节距的测量方法，该方法应用于影像测量仪，具体通过影像测量仪内部的处理器实施，其包括如下步骤：
S11：获取包含绞合线图像的原始图像。
用户可将待测量的绞合线放置在影像测量仪的检测平台上，摄像头将会拍摄原始图像并将原始图像传送至处理器。如图1所示，由于拍摄的图像范围是大于绞合线范围的，原始图像包含绞合线图像以及位于绞合线图像两侧的背景图像。
S21：依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像。
所拍摄的原始图像可以是彩色图像或者是颜色单一的灰度图像，如果是彩色图像，需要对原始图像进行灰度处理，使其转换为单一的灰度图。针对灰度图像，计算各个像素点的灰度值，依据灰度值确定绞合线的外形轮廓，以与背景图像区分，外形轮廓所围合的范围即为轮廓区域，通过图像切割，可以从原始图像中提取出绞合线图像。由于背景区域占据原始图像的范围较大，去除背景可大大提高后续图像处理的速度，也可以杜绝背景图像对后续计算的影响，提升测量精度。如图2所示，即为图1中所提取的绞合线图像，其图像范围大大缩小，有利于后续计算。
S31：对绞合线图像进行二值化处理，获得包含多个白色区域的二值化图像。
由于绞合线具有螺旋状结构，绞合线上个位置到拍摄镜头的距离不同，所拍摄的图像中，靠近拍摄镜头的部分向上凸出，成像亮度更高，而远离拍摄镜头的部分向下凹陷，成像较为暗淡。可确定灰度参考值，将灰度值小于该参考值的区域的灰度值重新调整为0，将灰度值大于该参考值的区域的灰度值调整为255，以进行二值化处理，如图3所示，二值化图像中包含多个白色区域，这些白色区域即为下文中所需检测的目标区域。
S41：基于Hough变换法检测白色区域内的直线，计算各直线在预设角度范围内以像素点为投票对象的Hough投票点数，确定Hough投票点数大于预设数量阈值的直线为合格直线。
绞合线的螺旋状结构较为均匀，其凹陷部分在图像范围内呈直线状分布，本实施例通过Hough变换检测白色区域中的直线，具体将原有的直角坐标系转换为极坐标系，则直角坐标系中的点在极坐标系中转换为线，直角坐标系中的线在极坐标系中形成点。Hough投票将在极坐标的设定角度范围内进行，该角度范围为downTheta<theta<upTheta，白色区域像素即为待投票的点。
分别计算各直线在其相应角度范围内投票点数，并设定一个数量阈值Thre，该数量阈值由theta和线缆宽度w决定，具体的，Thre＝w/cos(Theta)，其中，theta为Hough矩阵中θ轴方向上单位区间的长度。在查找出Hough投票点数大于预设数量阈值的直线，这些直线则为后续计算所需要的合格直线。如3所示，图中的部分直线较为细小，并不是后续所要使用的直线。Hough投票点数体现了直线的距离，直线距离较大的则为合格直线，以与细小直线进行区分。图4中左侧亮度较高的范围即为检测到的直线。
S51：确定所有合格直线的中心点，将相邻间距小于预设间距的所有中心点集合为一个中心节点。
确定所有合格直线的中心点，计算其中心点坐标，由于绞合线呈竖向延伸，具体可取图像宽度的一半为横向坐标x值，再计算每条直线的纵向坐标y值，取y值的一半，即为直线的中心点，得到每个直线上的中心点，再依据就近原则，将相邻间距小于预设间距的所有中心点集合为一个中心节点，该中心节点用作计算节距的参考。如图4右侧所示，白色区域内的节点即为中心节点。
S61：依据相邻两个中心节点之间的间距确定绞合线节距。
相邻两个中心节点之间的间距体现绞合线的节距，可以对多个中心节点之间的间距进行均值计算获取去误差计算，以最终确定绞合线节距。
在一种实施例中，步骤S21依据原始图像的灰度值确定绞合线图像的轮廓区域，具体包括：对灰度图像进行列投影，查找投影值为预设投影阈值的投影列，位于最外侧投影列所围合的范围即为轮廓区域。
绞合线在图像中沿竖直方向延伸，对其灰度图像采用竖直方向的列投影，如果某一列为背景则投影值较小，如果为某一列为线缆则投影值较大，设置合适的投影阈值，大于该投影阈值的投影列为目标列，其位于绞合线图像范围内，否则处于为背景范围内。可遍历整个图像的所有列，位于最外侧的目标列为绞合线的轮廓线，该轮廓线围合的范围即为轮廓区域。
其中，在查找过程中，仅在奇数列投影中查找投影值为预设投影阈值的投影列。这种查找方式对整体结果的影响很小，几乎可以忽略不计，但是，可以带来减少一半工作量的优点，将大大提升检测速度。
在一种实施例中，步骤S61依据相邻两个中心节点之间的间距确定绞合线节距，具体包括：计算所有相邻两个中心节点之间的距离，对所求距离值进行排序，取中间值为基准值，滤除超出基准值预设范围外的距离值所对应的中心节点，依据剩余中心节点的距离值确定绞合线节距。
由于噪声等对图像质量的影响，中心节点的计算可能会出现不准确或错误的点，因此需要对节点进行过滤。具体的，将所有相邻两个中心点之间的距离，对所求距离值按照从大至小或者从小至大的顺序进行排序，取中间值为基准值，找出超出基准值预设范围的距离值，确定这些超出范围的距离值所对应的中心节点，将这些中心节点及其相应的距离值去除，再依据剩余中心点的距离值确定绞合线节距。这种处理方式将大大提升节距的检测精度。
在一种实施例中，当所检测的直线具有两种角度时，依据角度将直线分为两组，分别计算两组直线所对应的绞合线节距。
由于绞合线在绞合的过程中，会存在换向的情况，即其绞合方向会不同，此时，其图像中直线的角度也不同，如4和图5中直线的角度。因此，当图像中的直线具有两种角度时，说明绞合线的绞合方向发生了改变，此时，绞合线节距的计算需要依据其方向不同对待。则可以将两种角度的直线分为两组，第一组如图4所示，朝向左侧，另一组如图5所示，朝向右侧，如图6所示，在进行步骤S41、S51和S61的过程中，分别对两组直线进行计算，具体可以计算左侧节距和右侧节距，并可以同时计算一个周期的长度。周期长度为相邻两个换向点之间间距的两倍。换向点则为相邻两组直线中，彼此靠近的两个中心节点之间的间距。以此针对换向状况分别计算节距，保证计算的准确性。
在一种实施例中，步骤S21依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像之前，还包括：对原始图像进行下采样，以缩小所述原始图像。
在不影响计算精度的前提下，缩小图像可以加快计算速度，另一方面也可以去除部分噪声的干扰。如图1中原始图像宽度为2048Pixe l，而线缆实际直径只有300～500Pixel左右，图2中的缩小后的图像线缆直径仅有70像素，可大大减少计算量。
根据本发明的第二方面，本发明提供一种绞合线节距的测量装置，包括：
图像获取模块11，用于获取包含绞合线图像的原始图像；图像提取模块12，用于依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像；二值处理模块13，用于对绞合线图像进行二值化处理，获得包含多个白色区域的二值化图像；直线确定模块14，用于基于Hough变换法检测白色区域内的直线，计算各直线在预设角度范围内以像素点为投票对象的Hough投票点数，确定Hough投票点数大于预设数量阈值的直线为合格直线；节点计算模块15，用于确定所有合格直线的中心点，将相邻间距小于预设间距的所有中心点集合为一个中心节点；节距计算模块16，用于依据相邻两个中心节点之间的间距确定绞合线节距。
上述测量装置的实施例可以参考上述绞合线节距的测量方法部分的实施例，在此不做赘述。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换。

Claims (8)

1.一种绞合线节距的测量方法，其特征在于，包括如下步骤：
获取包含绞合线图像的原始图像；
依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像；
对绞合线图像进行二值化处理，获得包含多个白色区域的二值化图像；
基于Hough变换法检测白色区域内的直线，计算各直线在预设角度范围内以像素点为投票对象的Hough投票点数，确定Hough投票点数大于预设数量阈值的直线为合格直线；
确定所有合格直线的中心点，将相邻间距小于预设间距的所有中心点集合为一个中心节点；
依据相邻两个中心节点之间的间距确定绞合线节距。
2.根据权利要求1所述的方法，其特征在于，所述依据原始图像的灰度值确定绞合线图像的轮廓区域，具体包括：
对灰度图像进行列投影，查找投影值为预设投影阈值的投影列，位于最外侧投影列所围合的范围即为轮廓区域。
3.根据权利要求2所述的方法，其特征在于：
仅在奇数列投影中查找投影值为预设投影阈值的投影列。
4.根据权利要求1所述的方法，其特征在于，所述依据相邻两个中心节点之间的间距确定绞合线节距，具体包括：
计算所有相邻两个中心节点之间的距离，对所求距离值进行排序，取中间值为基准值，滤除超出基准值预设范围外的距离值所对应的中心节点，依据剩余中心节点的距离值确定绞合线节距。
5.根据权利要求1-4任一项所述的方法，其特征在于：
当所检测的直线具有两种角度时，依据角度将直线分为两组，分别计算两组直线所对应的绞合线节距。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像之前，还包括：
对原始图像进行下采样，以缩小所述原始图像。
7.根据权利要求1-4任一项所述的方法，其特征在于，
预设数量阈值Thre＝w/cos(Theta)，其中，w为线缆宽度，theta为Hough矩阵中θ轴方向上单位区间的长度。
8.一种绞合线节距的测量装置，其特征在于，包括：
图像获取模块，用于获取包含绞合线图像的原始图像；
图像提取模块，用于依据原始图像的灰度值确定绞合线图像的轮廓区域，从原始图像中提取出所述轮廓区域内的绞合线图像；
二值处理模块，用于对绞合线图像进行二值化处理，获得包含多个白色区域的二值化图像；
直线确定模块，用于基于Hough变换法检测白色区域内的直线，计算各直线在预设角度范围内以像素点为投票对象的Hough投票点数，确定Hough投票点数大于预设数量阈值的直线为合格直线；
节点计算模块，用于确定所有合格直线的中心点，将相邻间距小于预设间距的所有中心点集合为一个中心节点；
节距计算模块，用于依据相邻两个中心节点之间的间距确定绞合线节距。
CN201810693577.3A 2018-06-29 2018-06-29 一种绞合线节距的测量方法和装置 Pending CN108961331A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810693577.3A CN108961331A (zh) 2018-06-29 2018-06-29 一种绞合线节距的测量方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810693577.3A CN108961331A (zh) 2018-06-29 2018-06-29 一种绞合线节距的测量方法和装置

Publications (1)

Publication Number Publication Date
CN108961331A true CN108961331A (zh) 2018-12-07

Family

ID=64487764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810693577.3A Pending CN108961331A (zh) 2018-06-29 2018-06-29 一种绞合线节距的测量方法和装置

Country Status (1)

Country Link
CN (1) CN108961331A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613689A (zh) * 2018-12-24 2019-04-12 珠海博明软件有限公司 一种远心平行光源
CN109978832A (zh) * 2019-03-01 2019-07-05 宁波大学 一种基于边缘重建的双绞线绞距检测方法
CN110544242A (zh) * 2019-08-26 2019-12-06 珠海博明软件有限公司 一种实时线缆节距提取方法
CN112862883A (zh) * 2019-11-12 2021-05-28 上海微创医疗器械（集团）有限公司 血管支架尺寸的测量方法、装置、电子设备和存储介质
CN113130141A (zh) * 2021-04-15 2021-07-16 江西富鸿金属有限公司 一种生产镀锡合金线的束线机

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100061637A1 (en) * 2008-09-05 2010-03-11 Daisuke Mochizuki Image processing method, image processing apparatus, program and image processing system
CN104331876A (zh) * 2014-10-09 2015-02-04 北京配天技术有限公司 直线检测、图像处理的方法及相关装置
CN104897071A (zh) * 2015-04-28 2015-09-09 电子科技大学 一种基于机器视觉的双绞线节距测量方法
CN108038839A (zh) * 2017-11-23 2018-05-15 宁波大学 一种流水生产线上双绞线绞距实时检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100061637A1 (en) * 2008-09-05 2010-03-11 Daisuke Mochizuki Image processing method, image processing apparatus, program and image processing system
CN104331876A (zh) * 2014-10-09 2015-02-04 北京配天技术有限公司 直线检测、图像处理的方法及相关装置
CN104897071A (zh) * 2015-04-28 2015-09-09 电子科技大学 一种基于机器视觉的双绞线节距测量方法
CN108038839A (zh) * 2017-11-23 2018-05-15 宁波大学 一种流水生产线上双绞线绞距实时检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613689A (zh) * 2018-12-24 2019-04-12 珠海博明软件有限公司 一种远心平行光源
CN109978832A (zh) * 2019-03-01 2019-07-05 宁波大学 一种基于边缘重建的双绞线绞距检测方法
CN109978832B (zh) * 2019-03-01 2022-11-22 宁波大学 一种基于边缘重建的双绞线绞距检测方法
CN110544242A (zh) * 2019-08-26 2019-12-06 珠海博明软件有限公司 一种实时线缆节距提取方法
CN110544242B (zh) * 2019-08-26 2022-05-13 珠海博明软件有限公司 一种实时线缆节距提取方法
CN112862883A (zh) * 2019-11-12 2021-05-28 上海微创医疗器械（集团）有限公司 血管支架尺寸的测量方法、装置、电子设备和存储介质
CN112862883B (zh) * 2019-11-12 2023-08-04 上海微创卜算子医疗科技有限公司 血管支架尺寸的测量方法、装置、电子设备和存储介质
CN113130141A (zh) * 2021-04-15 2021-07-16 江西富鸿金属有限公司 一种生产镀锡合金线的束线机

Similar Documents

Publication Publication Date Title
CN108961331A (zh) 一种绞合线节距的测量方法和装置
CN110298840B (zh) 一种基于图像的纱线缺陷检测方法
CN115018844B (zh) 一种基于人工智能的塑料薄膜质量评估方法
CN108320280A (zh) 基于视觉清晰度与轮廓提取的熔池图像异常检测方法
CN107392849A (zh) 基于图像细分的靶标识别与定位方法
CN111415339B (zh) 一种复杂纹理工业产品图像缺陷检测方法
CN111179362B (zh) 一种基于动态光照校正算法的试纸颜色均匀性检测方法
CN107358628A (zh) 基于靶标的线阵图像处理方法
CN110910443A (zh) 基于单监控相机的接触网几何参数实时测量方法及装置
CN111257329A (zh) 一种智能手机摄像头缺陷检测方法以及检测系统
CN109387524A (zh) 基于线性偏振光的螺纹缺陷检测方法及装置
CN106093051A (zh) 基于机器视觉的纸卷切面毛刺检测方法及装置
CN112200778A (zh) 一种非接触式多线缆类型参数测量的方法及系统
CN104749801B (zh) 高精度自动光学检测方法和系统
CN114235837A (zh) 基于机器视觉的led封装表面缺陷检测方法、装置、介质及设备
CN110793462A (zh) 基于视觉技术的尼龙齿轮分度圆测量方法
CN114280075A (zh) 一种管类零件表面缺陷在线视觉检测系统及检测方法
CN117808799B (zh) 基于人工智能的倒角设备加工质量检测方法
CN108932498A (zh) 办公场所指纹识别鉴权机构
CN117455870B (zh) 一种连接线和连接器质量视觉检测方法
CN111369497B (zh) 一种行走式树上果实连续计数方法及装置
CN116563276B (zh) 一种化纤长丝在线缺陷检测方法及检测系统
CN106767566B (zh) 一种工件质量在线监测评估方法及监测系统
CN108537106A (zh) 指纹检测方法及其电路
CN107153072A (zh) 一种镜片疵病检测方法及装置

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

Application publication date: 20181207

RJ01 Rejection of invention patent application after publication