CN108982514A - 一种铸件表面缺陷仿生视觉检测系统 - Google Patents

一种铸件表面缺陷仿生视觉检测系统 Download PDF

Info

Publication number
CN108982514A
CN108982514A CN201810767784.9A CN201810767784A CN108982514A CN 108982514 A CN108982514 A CN 108982514A CN 201810767784 A CN201810767784 A CN 201810767784A CN 108982514 A CN108982514 A CN 108982514A
Authority
CN
China
Prior art keywords
detection
image
module
industrial computer
surface defect
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
CN201810767784.9A
Other languages
English (en)
Inventor
张屹
余双
吴鹏
张润泽
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.)
Changzhou University
Original Assignee
Changzhou University
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 Changzhou University filed Critical Changzhou University
Priority to CN201810767784.9A priority Critical patent/CN108982514A/zh
Publication of CN108982514A publication Critical patent/CN108982514A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
    • G01N2021/8918—Metal

Landscapes

  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种铸件表面缺陷检测系统，特别是一种铸件表面缺陷仿生视觉检测系统。基于人眼双目前庭动眼复合运动控制机理，采用类似于人眼自适应调焦的液体镜头的双目相机获取待检测铸件样本的图像信息，并对图像信息进行自主获取、传输、处理、存储与理解；充分结合计算机图像技术，将所述图像信息进行处理与存储，运用机器学习技术，采用高级神经网络检测算法将获得的产品图像信息与合格品数据库中的样本信息特征参数进行比对，有效区分合格品与次品；该系统无需工作人员到车间现场作业，解决了人工检测效率低、精度差及传统表面视觉检测存在盲区、图像模糊等问题，使检测作业更加智能化，提高检测效率和精度，降低劳动成本。

Description

一种铸件表面缺陷仿生视觉检测系统
技术领域
本发明涉及一种铸件表面缺陷检测系统，特别是一种铸件表面缺陷仿生视觉检测系统。
背景技术
在铸件生产过程中，铸件产品表面不可避免地会产生气孔、裂纹、划痕等缺陷，这些缺陷不仅影响产品表面质量，而且会造成较严重的生产事故，给企业带来人力和经济损失，因此，长期以来，铸造企业都对铸件表面进行必要的缺陷检测，以此保证产品质量。当前，国内铸造车间多采用人工抽样和传统机器视觉方法对铸件表面进行检测。人工抽样检测需要质检人员用肉眼对抽样产品进行外观检测，对合格和不合格的产品用手工进行逐一分拣，需要大量的劳动力，给企业增加了巨大的人工成本和管理成本，此外，人工抽样检测法主要依赖于人工经验，存在主观判断误差以及疲劳的问题，极易造成检测质量不稳定，导致漏检、误检等情况的发生，因而，人工方法缺乏安全性、准确性、规范性。目前普遍使用的传统表面视觉检测系统，采用普通双目相机对铸件表面进行视觉检测，该方法相比人工方法，提升了铸件检测的自动化水平和生产效率，但该检测系统存在一些固有问题：1)双目相机机械调焦速度慢，容易受产品外形限制，普遍存在检测盲区；2)受环境扰动影响大，获取的图像模糊、精度较差。随着市场对铸件质量要求的日益提高，以及企业劳动力成本的提升，依赖于人工目视检测和采用普通双目相机的传统视觉检测系统，已无法适应现代铸造业生产发展的要求。
因此，本发明提供一种铸件表面缺陷仿生视觉检测系统，可满足企业提高铸件产品质量检测效率及检测精度、降低成本等要求。
发明内容
本发明主要是针对现有技术的不足，提供一种铸件表面缺陷仿生视觉检测系统，该系统采用人眼双目前庭动眼复合运动控制机理，采用表面检测高级算法对铸件产品表面进行自主检测，该系统无需工作人员到车间现场作业，解决了人工检测效率低、精度差及传统表面视觉检测存在盲区、图像模糊等问题，使检测作业更加智能化，提高检测效率和精度，降低劳动成本。
本发明的构思是：基于人眼双目前庭动眼复合运动控制机理，采用类似于人眼自适应调焦的液体镜头的双目相机获取待检测铸件样本的图像信息，并对图像信息进行自主获取、传输、处理、存储与理解；充分结合计算机图像技术，将所述图像信息进行处理与存储，运用机器学习技术，采用高级神经网络检测算法将获得的产品图像信息与合格品数据库中的样本信息特征参数进行比对，有效区分合格品与次品；采用工业计算机控制产品传送平台、图像采集模块和检测模块，检测完成后将检测结果和数据上传至系统服务器中，技术人员可通过中控室中的HMI操作界面实时监控检测过程，并对检测图像数据进行分析及管理。
根据上述发明构思，本发明采用下述技术方案：
一种基于人眼机理的铸件表面缺陷视觉检测系统，包括图像采集处理模块，检测模块和控制执行模块。其特征在于：所述图像采集处理模块由LED照明、采用液体镜头的双目相机、图像采集卡和图像处理系统组成。LED照明和采用液体镜头的双目相机与工业计算机以网络线缆相连，图像采集卡与图像处理系统置于工业计算机内部。所述LED照明为采用液体镜头的双目相机提供光源；所述图像采集卡的作用是将图像采样、量化，转换成数字图像；图像处理系统对接受到的数字图像进行图像降噪、边缘锐化等预处理后，提取图像参数特征构成待检测样本图像信息。
所述检测模块置于工业计算机中，由合格品数据库和缺陷检测算法构成。所述合格品数据库由合格品的几何特征参数、灰度特征参数和纹理特征参数组成；所述缺陷检测算法为两级神经网络算法。两级人工神经网络算法由一级神经网络算法和二级神经网络算法组成，所述一级神经网络算法用于检测铸件表面图像是否存在缺陷，若没有缺陷，输出结果；若存在缺陷，利用二级神经网络算法再次对该图像进行处理分析，根据图像特征将缺陷按照气孔、裂纹和划痕分类。
所述控制执行模块主要由工业计算机、仿生双目前庭复合运动控制系统、工业服务器和HMI操作界面组成。工业计算机控制传送平台、图像处理模块和检测模块的执行操作；所述仿生双目前庭复合运动控制系统是从控制理论角度分析了眼球运动相关的主要神经回路和神经元以及它们对视觉信息处理的机制，建立了仿生人眼的双目前庭动眼反射、视动反射、眼球急动、眼球平滑追踪运动等双目前庭复合运动的控制系统，该仿生双目前庭复合运动控制系统置于工业计算机中，用于调节LED照明的亮度、控制采用液体镜头的双目相机的运动与拍摄，自主获得完整高质量的图像信息；工业服务器用于存储所有产品的检测数据；HMI操作界面供工作人员实时查看和控制检测过程，并对检测图像数据进行分析及管理。
本发明与现有技术相比较，具有如下突出实质性特点和显著优点：
本发明采用类人眼的液体镜头，自适应调焦更快速精准，抗扰动性能好，可获取高质量的图像；
本发明采用仿生双目前庭复合运动控制系统，协调LED照明的亮度和双目相机的运动与拍摄，快速获取完整且高质量的铸件表面图像信息。
本发明采用两级神经网络算法，检测表面是否存在缺陷的同时还将缺陷分类，检测过程更加智能高效。
本发明将图像处理系统、检测模块和仿生双目前庭复合运动控制系统集成于工业计算机中，结构简单，操作方便，自动化程度高，降低了劳动力成本；
附图说明
附图1为系统模块图
附图2为检测过程硬件结构示意图
附图3为液体镜头内部结构示意图
附图4为缺陷检测算法流程图
具体实施方式
以下结合附图对本发明实施例作进一步的说明。
图1为系统模块图，包括图像采集处理模块(1)、检测模块(8)和控制执行模块(9)。所述图像采集模块(1)由LED照明(2)、采用液体镜头的双目相机(3)、图像采集卡(4)、和图像处理系统(5)组成，所述检测模块(8)由合格品数据库(6)和缺陷检测算法(7)构成；所述控制执行模块(9)由工业计算机(10)、仿生双目前庭复合运动控制系统(11)、工业服务器(12)和HMI操作界面(13)组成。
图2为检测过程硬件结构示意图，检测过程硬件包括：LED照明(2)、网络线缆(14)、工业计算机(10)、采用液体镜头的双目相机(3)、工业服务器(12)、执行机构(15)、工作板(16)、待检测样品(17)、位置传感器(18)、传动平台(20)和合格品出口(21)。
图3为液体镜头内部结构示意图，液体镜头由高分子材料的透明薄膜(21)、导电水溶液(22)、绝缘油溶液(23)、导电片(24)和导电圆环(25)组成。其工作原理是：透明薄膜(21)将导电水溶液(22)和绝缘油溶液(23)密封在容器中，导电片(24)对称的安装在容器内侧，导电圆环(25)贴在容器底部。通过所述导电片(24)和导电圆环(25)形成的电回路对导电水溶液(22)施以电压，改变绝缘油溶液(23)在容器中的形状来变焦。
图4为缺陷检测算法流程图，缺陷检测算法由一级神经网络(27)和二级神经网络(28)构成，检测时一级神经网络(27)将待检测样品图像信息(26)与合格品数据库(6)进行特征比对，检测铸件表面是否存在缺陷，若合格则输出合格信号；若检测出缺陷，利用二级神经网络(28)再次对该图像进行处理分析，根据图像特征将缺陷按照气孔、裂纹和划痕归类，并输出次品类型。
结合图1和图2，一种铸件表面缺陷检测系统，包括图像采集处理模块(1)，检测模块(8)和控制执行模块(9)。所述图像采集处理模块(1)由LED照明(2)、采用液体镜头的双目相机(3)、图像采集卡(4)和图像处理系统(5)组成。LED照明(2)和采用液体镜头的双目相机(3)固定在传送平台(19)正上方的工作板(16)上，并与工业计算机(10)以网络线缆(14)相连，位置传感器(18)固定在LED照明(2)下方的传送平台边框上，图像采集卡(4)与图像处理系统(5)置于工业计算机(10)内部。所述检测模块(8)内置于工业计算机(10)中，由合格品数据库(6)和缺陷检测算法(7)构成。所述合格品数据库(6)由合格品的几何特征参数、灰度特征参数和纹理特征参数组成；所述缺陷检测算法(7)采用两级神经网络算法，一级神经网络(27)检测是否存在缺陷，二级神经网络(28)将缺陷分类。所述控制执行模块主要由工业计算机(10)、仿生双目前庭复合运动控制系统(11)、工业服务器(12)和HMI操作界面(13)组成，工业计算机(10)控制传送平台(19)运动、图像处理模块(1)和检测模块(8)的执行操作；仿生双目前庭复合运动控制系统(11)置于工业计算机(10)中，用于调节LED照明(2)的亮度、控制采用液体镜头的双目相机(3)的运动与拍摄，自主获得完整高质量的图像信息；工业服务器(12)与工业计算机(10)以网络线缆(14)连接，用于存储所有产品的检测数据；HMI操作界面(13)供工作人员实时查看和控制检测过程，并对检测图像数据进行分析及管理。
当待检测样品(17)经传送平台(19)移动至位置传感器(18)处，位置传感器(18)发送信号给工业计算机(10)，工业计算机(10)接收信号后启动仿生双目前庭复合运动控制系统(11)控制LED照明(2)提供光源，控制采用液体镜头的双目相机(3)拍摄待检测样品(17)的图像，拍摄的图像经图像采集卡(4)采样、量化，转换成数字图像传送至图像处理系统(5)，图像处理系统(5)对接收到的数字图像进行图像降噪、边缘锐化等处理后，提取图像参数特征生成待检测样本图像信息(26)发送至工业计算机(12)中，进一步地，工业计算机(10)控制检测模块(9)将待检测样本图像信息(26)与合格品数据库(6)中的信息通过缺陷检测算法(7)进行检测，采用一级神经(27)和二级神经(28)通过几何特征参数如面积、周长、区域占空比，灰度特征如灰度平均值、灰度方差，和纹理特征参数这三个方面的多个参数的比较，区分出合格品和次品并将次品按缺陷种类分类，并将得出的检测结果输出给工业计算机(10)，工业计算机(10)控制传送平台(19)和执行机构(15)，合格品将从合格品出口(20)输运出，执行机构(15)将判定为次品的待检测样品(20)按次品类别取出。检测完成后，所有的检测图像信息和检测结果上传并保存至工业服务器(12)，工作人员可在HIM操作界面(13)实时查看和控制检测过程，并对检测图像数据进行分析及管理。

Claims (4)

1.一种铸件表面缺陷检测系统，包括图像采集处理模块(1)，检测模块(8)和控制执行模块(9)。所述图像采集处理模块(1)由LED照明(2)、采用液体镜头的双目相机(3)、图像采集卡(4)和图像处理系统(5)组成；所述检测模块(8)内置于工业计算机(10)中，由合格品数据库(6)和缺陷检测算法(7)构成；所述控制执行模块主要由工业计算机(10)、仿生双目前庭复合运动控制系统(11)、工业服务器(12)和HMI操作界面(13)组成。
2.根据权利要求1所述铸件表面缺陷检测系统，其特征在于图像采集模块(1)是：LED照明(2)和采用液体镜头的双目相机(3)固定在传送平台(19)正上方的工作板(16)上，并与工业计算机(10)以网络线缆(14)相连，位置传感器(18)固定在LED照明(2)下方的传送平台边框上，图像采集卡(4)与图像处理系统(5)置于工业计算机(10)内部。
3.根据权利要求1所述铸件表面缺陷检测系统，其特征在于检测模块(8)是：所述检测模块(8)内置于工业计算机(10)中，由合格品数据库(6)和缺陷检测算法(7)构成。所述合格品数据库(6)由合格品的几何特征参数、灰度特征参数和纹理特征参数组成；所述缺陷检测算法(7)采用两级神经网络算法，一级神经网络(27)检测是否存在缺陷，二级神经网络(28)将缺陷分类。
4.根据权利要求1所述铸件表面缺陷检测系统，其特征在于检测模块(9)是：工业计算机(10)控制传送平台(19)运动、图像处理模块(1)和检测模块(8)的执行操作；仿生双目前庭复合运动控制系统(11)置于工业计算机(10)中，用于调节LED照明(2)的亮度、控制采用液体镜头的双目相机(3)的运动与拍摄，自主获得完整高质量的图像信息；工业服务器(12)与工业计算机(10)以网络线缆(14)连接，用于存储所有产品的检测数据；HMI操作界面(13)供工作人员实时查看和控制检测过程，并对检测图像数据进行分析及管理。
CN201810767784.9A 2018-07-12 2018-07-12 一种铸件表面缺陷仿生视觉检测系统 Pending CN108982514A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810767784.9A CN108982514A (zh) 2018-07-12 2018-07-12 一种铸件表面缺陷仿生视觉检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810767784.9A CN108982514A (zh) 2018-07-12 2018-07-12 一种铸件表面缺陷仿生视觉检测系统

Publications (1)

Publication Number Publication Date
CN108982514A true CN108982514A (zh) 2018-12-11

Family

ID=64537126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810767784.9A Pending CN108982514A (zh) 2018-07-12 2018-07-12 一种铸件表面缺陷仿生视觉检测系统

Country Status (1)

Country Link
CN (1) CN108982514A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613694A (zh) * 2019-01-28 2019-04-12 长治医学院 使用变焦距液体透镜的验光装置
CN109772724A (zh) * 2019-03-14 2019-05-21 溧阳市新力机械铸造有限公司 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN110458807A (zh) * 2019-07-09 2019-11-15 常州大学 一种铁路轨道缺陷机器视觉检测系统
CN111539952A (zh) * 2020-05-15 2020-08-14 南京工程学院 一种划痕检测物联网系统及划痕检测与结果共享方法
CN112070728A (zh) * 2020-08-24 2020-12-11 西安理工大学 基于目标检测算法的钢绳表面缺陷识别方法
CN112465761A (zh) * 2020-11-23 2021-03-09 刘诗文 一种智能制造用产品检测系统
CN112485259A (zh) * 2020-11-13 2021-03-12 湖南交通工程学院 一种自适应强的金属表面智能缺陷视觉检测装备及检测方法
WO2021143343A1 (zh) * 2020-01-15 2021-07-22 歌尔股份有限公司 一种产品质量检测方法及装置
CN113155865A (zh) * 2021-01-06 2021-07-23 天津大学 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法
CN113237895A (zh) * 2021-06-02 2021-08-10 宝鸡高新智能制造技术有限公司 一种基于机器视觉的金属表面缺陷检测系统
CN113322653A (zh) * 2021-06-01 2021-08-31 苏州中科飞梭智能技术有限公司 一种自动定位纺织品缺陷检测系统
CN113554605A (zh) * 2021-07-07 2021-10-26 常州大学 一种基于特征匹配的织物异常区域检测方法
CN114113143A (zh) * 2022-01-25 2022-03-01 济宁市中蒜网络科技有限公司 一种用于大蒜仓储的可调节式实时监测装置
CN114577165A (zh) * 2022-05-06 2022-06-03 菲特（天津）检测技术有限公司 压铸件外观检测系统、方法及电子设备
RU2795303C1 (ru) * 2022-08-02 2023-05-02 Общество с ограниченной ответственностью "Объединенная Компания РУСАЛ Инженерно-технологический центр" Способ автоматического непрерывного контроля качества поверхности
CN117092116A (zh) * 2023-10-20 2023-11-21 上海嘉朗实业南通智能科技有限公司 基于机器视觉的汽车铝合金铸件缺陷检测系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1873439A (zh) * 2006-06-27 2006-12-06 上海大学 基于仿生人眼控制的地面运动目标低空自动跟踪系统
CN200962150Y (zh) * 2006-09-30 2007-10-17 宁波舜宇光电信息有限公司 液体镜头
CN101729783A (zh) * 2009-12-22 2010-06-09 上海大学 基于类人眼球前庭动眼反射的双目视觉系统在颠簸环境中的图像稳定方法
CN102507592A (zh) * 2011-11-01 2012-06-20 河海大学常州校区 表面缺陷仿蝇视觉在线检测装置及检测方法
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
CN106979974A (zh) * 2017-05-27 2017-07-25 汉正检测技术有限公司 一种磁粉检测装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1873439A (zh) * 2006-06-27 2006-12-06 上海大学 基于仿生人眼控制的地面运动目标低空自动跟踪系统
CN200962150Y (zh) * 2006-09-30 2007-10-17 宁波舜宇光电信息有限公司 液体镜头
CN101729783A (zh) * 2009-12-22 2010-06-09 上海大学 基于类人眼球前庭动眼反射的双目视觉系统在颠簸环境中的图像稳定方法
CN102507592A (zh) * 2011-11-01 2012-06-20 河海大学常州校区 表面缺陷仿蝇视觉在线检测装置及检测方法
CN106409711A (zh) * 2016-09-12 2017-02-15 佛山市南海区广工大数控装备协同创新研究院 一种太阳能硅晶片缺陷检测系统及方法
CN106979974A (zh) * 2017-05-27 2017-07-25 汉正检测技术有限公司 一种磁粉检测装置

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109613694A (zh) * 2019-01-28 2019-04-12 长治医学院 使用变焦距液体透镜的验光装置
CN109772724A (zh) * 2019-03-14 2019-05-21 溧阳市新力机械铸造有限公司 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN109772724B (zh) * 2019-03-14 2024-04-09 溧阳市新力机械铸造有限公司 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN110458807A (zh) * 2019-07-09 2019-11-15 常州大学 一种铁路轨道缺陷机器视觉检测系统
WO2021143343A1 (zh) * 2020-01-15 2021-07-22 歌尔股份有限公司 一种产品质量检测方法及装置
CN111539952A (zh) * 2020-05-15 2020-08-14 南京工程学院 一种划痕检测物联网系统及划痕检测与结果共享方法
CN112070728B (zh) * 2020-08-24 2022-04-22 西安理工大学 基于目标检测算法的钢绳表面缺陷识别方法
CN112070728A (zh) * 2020-08-24 2020-12-11 西安理工大学 基于目标检测算法的钢绳表面缺陷识别方法
CN112485259A (zh) * 2020-11-13 2021-03-12 湖南交通工程学院 一种自适应强的金属表面智能缺陷视觉检测装备及检测方法
CN112465761A (zh) * 2020-11-23 2021-03-09 刘诗文 一种智能制造用产品检测系统
CN113155865A (zh) * 2021-01-06 2021-07-23 天津大学 基于多相机的铝压铸件孔洞内壁缺陷检测系统及检测方法
CN113322653A (zh) * 2021-06-01 2021-08-31 苏州中科飞梭智能技术有限公司 一种自动定位纺织品缺陷检测系统
CN113322653B (zh) * 2021-06-01 2022-08-30 苏州精梭智能技术有限公司 一种自动定位纺织品缺陷检测系统
CN113237895A (zh) * 2021-06-02 2021-08-10 宝鸡高新智能制造技术有限公司 一种基于机器视觉的金属表面缺陷检测系统
CN113554605A (zh) * 2021-07-07 2021-10-26 常州大学 一种基于特征匹配的织物异常区域检测方法
CN113554605B (zh) * 2021-07-07 2023-09-26 常州大学 一种基于特征匹配的织物异常区域检测方法
CN114113143A (zh) * 2022-01-25 2022-03-01 济宁市中蒜网络科技有限公司 一种用于大蒜仓储的可调节式实时监测装置
CN114577165A (zh) * 2022-05-06 2022-06-03 菲特（天津）检测技术有限公司 压铸件外观检测系统、方法及电子设备
RU2795303C1 (ru) * 2022-08-02 2023-05-02 Общество с ограниченной ответственностью "Объединенная Компания РУСАЛ Инженерно-технологический центр" Способ автоматического непрерывного контроля качества поверхности
CN117092116A (zh) * 2023-10-20 2023-11-21 上海嘉朗实业南通智能科技有限公司 基于机器视觉的汽车铝合金铸件缺陷检测系统及方法

Similar Documents

Publication Publication Date Title
CN108982514A (zh) 一种铸件表面缺陷仿生视觉检测系统
CN106226325B (zh) 一种基于机器视觉的座椅表面缺陷检测系统及其方法
CN102221559B (zh) 基于机器视觉的织物疵点在线自动检测方法及其装置
CN108760747A (zh) 一种3d打印模型表面缺陷视觉检测方法
CN108711148B (zh) 一种基于深度学习的轮胎缺陷智能检测方法
CN106140648B (zh) 一种基于机器视觉的鸡胴体重量自动分级系统及分级方法
CN109499908A (zh) 一种用于机械零件的视觉检测系统
CN108537154A (zh) 基于hog特征和机器学习的输电线路鸟巢识别方法
CN102967586B (zh) 基于单目多视角机器视觉的珍珠颜色光泽度在线自动分级装置
CN106875373A (zh) 基于卷积神经网络剪枝算法的手机屏幕mura缺陷检测方法
CN109772724A (zh) 一种铸件重点表面及内部缺陷的柔性检测分析系统
CN107999910B (zh) 一种电火花线切割机的控制方法和一种电火花线切割机
CN109782707A (zh) 一种适用于工业互联网的工业现场监测方法
CN101456159A (zh) 火花识别对刀方法及磨削加工自动化系统
CN104458749A (zh) 基于机器视觉的铝型材表面缺陷实时检测系统
CN106918594A (zh) 一种在线分析籽棉色特征和杂质的方法
CN109711322A (zh) 一种基于rfcn的人车分离方法
CN110070526A (zh) 基于深度神经网络热度图预测的缺陷检测方法
CN108318494B (zh) 红提果粉的在线视觉检测分级装置及其方法
CN110503638A (zh) 螺旋胶质量在线检测方法
CN103344583A (zh) 一种基于机器视觉的镨-钕(Pr/Nd)组分含量检测系统及方法
CN104792789A (zh) 化纤纸管外观检测装置及方法
CN113723325A (zh) 一种装配式预制构件的工装缺陷检测系统
CN112268910A (zh) 一种烟支外观缺陷视觉检测系统及其检测方法
CN201820244U (zh) 一种条烟装箱机缺条在线视觉检测装置

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181211

WD01 Invention patent application deemed withdrawn after publication