CN109187567A - 一种聚晶金刚石复合片表面白点缺陷检测系统 - Google Patents
一种聚晶金刚石复合片表面白点缺陷检测系统 Download PDFInfo
- Publication number
- CN109187567A CN109187567A CN201810890938.3A CN201810890938A CN109187567A CN 109187567 A CN109187567 A CN 109187567A CN 201810890938 A CN201810890938 A CN 201810890938A CN 109187567 A CN109187567 A CN 109187567A
- Authority
- CN
- China
- Prior art keywords
- module
- workpiece
- image
- spot defects
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 91
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 241000519995 Stachys sylvatica Species 0.000 title claims abstract description 33
- 229910003460 diamond Inorganic materials 0.000 title claims abstract description 20
- 239000010432 diamond Substances 0.000 title claims abstract description 20
- 239000002131 composite material Substances 0.000 title claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 230000033001 locomotion Effects 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims abstract description 5
- 230000002950 deficient Effects 0.000 claims abstract description 3
- 238000001914 filtration Methods 0.000 claims description 16
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 239000000956 alloy Substances 0.000 description 3
- 229910045601 alloy Inorganic materials 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 229910017052 cobalt Inorganic materials 0.000 description 1
- 239000010941 cobalt Substances 0.000 description 1
- GUTLYIVDDKVIGB-UHFFFAOYSA-N cobalt atom Chemical compound [Co] GUTLYIVDDKVIGB-UHFFFAOYSA-N 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000004575 stone Substances 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature 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
- G01N21/8851—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
- G01N21/8851—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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
- G01N2021/8864—Mapping zones of defects
-
- 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
- G01N2021/8887—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 based on image processing techniques
-
- 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
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N2021/8924—Dents; Relief flaws
Landscapes
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Textile Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种聚晶金刚石复合片表面白点缺陷检测系统，图像采集模块用于拍摄工件表面图像并将其输出与图像处理模块的输入连接，工件旋转运动模块用于带动工件旋转，使得图像采集模块对工件侧面一周的进行图像采集；图像处理模块用于识别图像采集模块采集的图像中的缺陷，并将只含有缺陷的图像作为输出与缺陷测量模块的输入连接；缺陷测量模块用于提取缺陷特征量并进行缺陷尺寸测量与数量统计，将检测结果送至工件分拣模块，工件分拣模块用于将不同等级的缺陷进行分类并放置在相应的不同位置。从而克服现有PDC表面白点缺陷检测方法的不足，实现PDC表面白点缺陷自动识别、测量及分类。
Description
技术领域
本发明涉及一种基于机器视觉的聚晶金刚石复合片表面白点缺陷检测系统，用于工件在线缺陷检测及自动分拣，属于图像处理技术领域，涉及机器视觉的智能检测方法。
背景技术
聚晶金刚石复合片(polycrystalline diamond compact，以下简称PDC)是由金刚石微粉和硬质合金在高温高压下经六面顶压机烧结，再经后道数步工序加工后才成为成品。其成品由聚晶金刚石层(polycrystalline diamond，以下简称 PCD)和硬质合金层(WC-Co)组成。在产品烧结时，硬质合金处的钴易排挤到PCD区域，进而形成白点缺陷，在实际生产中需要对其进行量化并进行缺陷等级分类。
对于PDC的表面白点缺陷，由于技术条件的限制，目前行业内大都使用人工目视或借助显微镜进行检测，人工检测员凭借感知能力检测到产品的缺陷，并判断缺陷大小、缺陷个数及缺陷等级。存在检测准确度低、主观性强、效率低等问题。在PDC产品大批量生产中，依赖于人工的质量检测体系已不适应现代生产发展的需求。因此，一种在线、快速、准确、非接触的自动化检测系统是非常有必要的。
发明内容
本发明所解决的技术问题:克服现有PDC表面白点缺陷检测方法的不足，实现PDC表面白点缺陷自动识别、测量及分类。
为解决上述技术问题，本发明提供如下技术方案：一种聚晶金刚石复合片表面白点缺陷检测系统，包括：图像采集模块、工件旋转运动模块、图像处理模块、缺陷测量模块和工件分拣模块；
所述图像采集模块用于拍摄工件表面图像并将其输出与图像处理模块的输入连接，所述工件旋转运动模块用于带动工件旋转，使得图像采集模块对工件侧面一周的进行图像采集；
所述图像处理模块用于识别图像采集模块采集的图像中的缺陷，并将只含有缺陷的图像作为输出与缺陷测量模块的输入连接；所述缺陷测量模块用于提取缺陷特征量并进行缺陷尺寸测量与数量统计，将检测结果送至工件分拣模块，工件分拣模块用于将不同等级的缺陷进行分类并放置在相应的不同位置。
在一较佳实施例中：所述图像采集模块包括面阵CCD相机、镜头、光源；所述光源采用球积分光源和同轴光源共同作用于样品表面；所述同轴光源和球积分光源依次设置在镜头和工件之间。
在一较佳实施例中：所述工件旋转运动模块包括直流吸盘式电磁铁，用于吸附工件，并由电机通过联轴器带动工件旋转。
在一较佳实施例中：所述图像处理模块包括图像滤波子模块、图像分割子模块和形态学处理子模块。
在一较佳实施例中：所述图像滤波子模块采用自适应滤波，所述图像分割子模块采用局部自适应分割算法，所述形态学处理子模块采用开运算进行操作。
在一较佳实施例中：所述缺陷测量模块包括白点缺陷特征提取子模块；所述白点缺陷形状为圆形，对于存在缺陷的工件，图像上包含的缺陷数量n≥1；所述特征提取子模块，选取缺陷特征量为缺陷最小外接矩形的长L/短W以及缺陷连通域的个数n。
在一较佳实施例中：所述缺陷测量模块还包括缺陷尺寸测量和数量统计子模块；所述尺寸测量缺陷尺寸最大的量，即长L；数量统计子模块统计含有缺陷图像中连通域的数量n；缺陷尺寸与数量共同决定缺陷等级。
在一较佳实施例中：所述缺陷等级为三个等级，分别为合格品、让步品和次品。
在一较佳实施例中：所述工件分拣模块包括真空吸盘、TN气缸和电动滑台；所述真空吸盘用于吸附检测完成后的工件，所述TN气缸用于带动真空吸盘实现短距离的移动，方便工件从电磁吸附装置转移到真空吸盘上，所述电动滑台可将工件从检测区域移动至相应的缺陷分类区域。
在一较佳实施例中：所述工件分拣模块还包括三通道出料输送带，所述三通道具有一定的倾斜角度，便于出料。三输送带分别放置合格品、让步品以及次品。
本技术方案与背景技术相比，它具有如下优点：
本发明针对PDC表面白点缺陷图像的特点，采用球积分光源和同轴光源共同作用于样品表面，可提高缺陷目标与背景的对比度，较佳地突出缺陷，有助于后续的图像处理。像素精度满足最小检测缺陷等级的要求。经维纳滤波后的图像均方误差较小、峰值信噪比较大，滤波效果好且接近于原始图像。采用基于最大类间方差法的自适应局部阈值分割法，可将图像进行二值化并最大限度的提取出缺陷区域。通过形态学开运算使最终处理的图像只含有缺陷信息，保证缺陷识别的准确性。通过提取每个白点缺陷连通域的长轴与个数，并根据量化指标自动判断缺陷等级。最终，工件分拣装置可将工件根据等级运送到相应的区域，实现自动分类。故本发明所设计的检测系统可对PDC白点缺陷进行自动识别、准确测量与分类。
附图说明
图1为本发明系统整体结构示意图。
图2为本发明工件分拣装置示意图。
图3为本发明图像采集机构示意图。
图4为本发明电磁吸附装置示意图
图5为本发明所检测的白点缺陷原始图像。
图6为本发明提取的一幅图像中白点缺陷尺寸及数量。
具体实施方式
为了进一步的解释本发明专利的技术方案，接下来通过具体的实例，进行详细的阐述。
结合图1，一种聚晶金刚石复合片表面白点缺陷检测系统，包括图像采集模块1、电磁吸附装置2和工件分拣模块3。所述图像采集模块1用于拍摄工件表面图像，电磁吸附装置2用于吸附工件底部，并带动工件旋转一周，工件分拣模块3用于将不同等级的缺陷进行分类并放置在相应的不同位置。
结合图2至图4，图像采集模块1包括CMOS面阵相机4、镜头5、同轴光源6、球积分光源7。光源配合相机镜头共同作用于工件表面，用于获取对比度高，缺陷清晰的图像。电磁吸附装置2包括直流吸盘式电磁铁9，通电后用于吸附工件8底部，并由电机11通过联轴器10带动工件8旋转一周，配合图像采集模块1实现侧面一周的图像采集。检测完成后，工件分拣模块3中的真空吸盘12吸附工件端面，同时直流吸盘式电磁铁9断电停止吸附。TN气缸13 用于带动真空吸盘12实现短距离的移动，方便工件从电磁吸附装置2转移到真空吸盘12上，电动滑台14根据指令信号将工件从检测区域移动至三通道输送带15。
其检测过程，包括以下步骤：
放置样品至检测区域，通过CMOS相机和高清镜头配合光源拍摄PDC白点缺陷图像，并转化为数字信号存入计算机中；
对存入计算机的白点缺陷原始图像，如图5所示，进行处理，首先进行图像滤波。图像滤波要求在不损坏图像的轮廓及边缘等重要信息的前提下，抽出对象的特征作为图像识别的特征模式，消除图像中混入的噪声。图像滤波总体上包括空域滤波和频域滤波，为选择出较佳的滤波方法，本发明选用空域滤波的中值滤波和自适应滤波、频域滤波中的巴特沃斯低通滤波进行处理，经计算选择均方误差较小，信噪比较高的自适应滤波器。
经滤波后的图像，目标对象与背景仍融合在一起，为了准确提取缺陷，需要将缺陷目标从其背景当中分离开来，这一关键步骤即为图像分割。同样的，本发明选用全局固定阈值分割和局部自适应阈值分割两种分割方法进行缺陷分割，经试验，采用全局阈值分割法不仅将裂纹区域分割出来，也将一部分背景信息作为目标分割出来。而局部自适应阈值分割法可将裂纹区域完整的进行分割，误分的区域极少，效果显著优于全局阈值分割法。因此，最终选取局部自适应分割法进行图像分割。
经分割后的图像中可能会存在许多细小斑点或区域边缘有许多毛刺，把这些细小的类似斑点或者不连续的区域归类为缺陷噪声。而这些缺陷噪声对图像识别结果会产生干扰，需要将其去除，研究发现数学形态学处理可以解决这个问题。对于缺陷检测来说，如果采集的图像中一个像素点代表要求检测的最小缺陷时，任何一个干扰像素点都有可能会被误判为缺陷，检测结果很容易受噪声干扰，这样就造成该检测系统极度不稳定。为了提高系统的精确度和稳定性，最好选取代表最小缺陷的像素点在3个像素以上。
由上所述，所采集的图像一个像素值的大小约为0.012mm，在满足缺陷检测精度为0.05mm的情况下，最终选取大小为3×3的圆盘形结构元素对分割后的图像做开运算操作。经开运算操作后的图像消除了细小缺陷噪声的干扰，图像中只存在缺陷信息。
下面将对只含有缺陷信息的图像进行特征提取、尺寸测量及数量统计，特征提取是指从目标本身获取各种对于分类有用的度量或属性，其目的是针对识别目标的特点提取出一组尽量精简的、最有效的特征，从而提高分类的识别精度和速度。
本发明中，首先计算图像中连通域的个数n，即一幅图像中白点的个数，并将连通域的个数n存入矩阵I中。根据白点缺陷特征，对图像中的每个缺陷连通域作最小外接矩形，并将每个矩形的长L存入矩阵J中。最后，通过白点缺陷分类量化指标对矩阵I和J中的元素进行判断，实现缺陷等级分类。图6 为检测完成后缺陷标记后的图像，根据判断准则为让步品。最后，通过工件分拣装置3将工件从检测区域移动至三通道输送带15相应位置。
以上所述，仅为本发明较佳的具体实施方式，但本发明的设计构思并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，利用此构思对本发明进行非实质性的改动，均属于侵犯本发明保护范围的行为。
Claims (10)
1.一种聚晶金刚石复合片表面白点缺陷检测系统，其特征在于包括：图像采集模块、工件旋转运动模块、图像处理模块、缺陷测量模块和工件分拣模块；
所述图像采集模块用于拍摄工件表面图像并将其输出与图像处理模块的输入连接，所述工件旋转运动模块用于带动工件旋转，使得图像采集模块对工件侧面一周的进行图像采集；
所述图像处理模块用于识别图像采集模块采集的图像中的缺陷，并将只含有缺陷的图像作为输出与缺陷测量模块的输入连接；所述缺陷测量模块用于提取缺陷特征量并进行缺陷尺寸测量与数量统计，将检测结果送至工件分拣模块，工件分拣模块用于将不同等级的缺陷进行分类并放置在相应的不同位置。
2.根据权利要求1所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述图像采集模块包括面阵CCD相机、镜头、光源；所述光源采用球积分光源和同轴光源共同作用于样品表面；所述同轴光源和球积分光源依次设置在镜头和工件之间。
3.根据权利要求1所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述工件旋转运动模块包括直流吸盘式电磁铁，用于吸附工件，并由电机通过联轴器带动工件旋转。
4.根据权利要求1所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述图像处理模块包括图像滤波子模块、图像分割子模块和形态学处理子模块。
5.根据权利要求4所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述图像滤波子模块采用自适应滤波，所述图像分割子模块采用局部自适应分割算法，所述形态学处理子模块采用开运算进行操作。
6.根据权利要求1所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述缺陷测量模块包括白点缺陷特征提取子模块；所述白点缺陷形状为圆形，对于存在缺陷的工件，图像上包含的缺陷数量n≥1；所述特征提取子模块，选取缺陷特征量为缺陷最小外接矩形的长L/短W以及缺陷连通域的个数n。
7.根据权利要求6所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述缺陷测量模块还包括缺陷尺寸测量和数量统计子模块；所述尺寸测量缺陷尺寸最大的量，即长L；数量统计子模块统计含有缺陷图像中连通域的数量n；缺陷尺寸与数量共同决定缺陷等级。
8.根据权利要求7所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述缺陷等级为三个等级，分别为合格品、让步品和次品。
9.根据权利要求1所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述工件分拣模块包括真空吸盘、TN气缸和电动滑台；所述真空吸盘用于吸附检测完成后的工件，所述TN气缸用于带动真空吸盘实现短距离的移动，方便工件从电磁吸附装置转移到真空吸盘上，所述电动滑台可将工件从检测区域移动至相应的缺陷分类区域。
10.根据权利要求9所述的聚晶金刚石复合片表面白点缺陷检测系统，其特征在于：所述工件分拣模块还包括三通道出料输送带，所述三通道具有一定的倾斜角度，便于出料。三输送带分别放置合格品、让步品以及次品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810890938.3A CN109187567A (zh) | 2018-08-07 | 2018-08-07 | 一种聚晶金刚石复合片表面白点缺陷检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810890938.3A CN109187567A (zh) | 2018-08-07 | 2018-08-07 | 一种聚晶金刚石复合片表面白点缺陷检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109187567A true CN109187567A (zh) | 2019-01-11 |
Family
ID=64920875
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810890938.3A Pending CN109187567A (zh) | 2018-08-07 | 2018-08-07 | 一种聚晶金刚石复合片表面白点缺陷检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109187567A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109663755A (zh) * | 2019-01-30 | 2019-04-23 | 郑州华晶金刚石股份有限公司 | 一种大单晶分选方法 |
| CN110111321A (zh) * | 2019-05-10 | 2019-08-09 | 四川大学 | 一种非接触式多尺度裂纹识别方法 |
| CN110760816A (zh) * | 2019-12-02 | 2020-02-07 | 长沙新材料产业研究院有限公司 | 金刚石在线检测生长装置及生长缺陷处理方法 |
| CN111415343A (zh) * | 2020-03-18 | 2020-07-14 | 珠海市奥德维科技有限公司 | 一种基于人工智能的片式多层陶瓷电容六面外观检测方法 |
| CN111539939A (zh) * | 2020-04-27 | 2020-08-14 | 扬州哈工科创机器人研究院有限公司 | 一种基于机器视觉的缺陷检测方法及装置 |
| CN114113119A (zh) * | 2021-12-03 | 2022-03-01 | 浙江伟星实业发展股份有限公司 | 基于缺陷等级的产品视觉质检方法、系统、设备及介质 |
| CN116883394A (zh) * | 2023-09-06 | 2023-10-13 | 山东融泽新材料有限公司 | 一种基于图像数据处理的金刚石质量检测方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004354226A (ja) * | 2003-05-29 | 2004-12-16 | Ricoh Co Ltd | 表面欠陥検査方法及び検査装置 |
| CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
| CN106770331A (zh) * | 2017-02-10 | 2017-05-31 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测系统 |
| CN107315012A (zh) * | 2017-06-22 | 2017-11-03 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片端面崩角的智能检测方法 |
| CN107369136A (zh) * | 2017-06-22 | 2017-11-21 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片表面裂纹视觉检测方法 |
-
2018
- 2018-08-07 CN CN201810890938.3A patent/CN109187567A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004354226A (ja) * | 2003-05-29 | 2004-12-16 | Ricoh Co Ltd | 表面欠陥検査方法及び検査装置 |
| CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
| CN106770331A (zh) * | 2017-02-10 | 2017-05-31 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测系统 |
| CN107315012A (zh) * | 2017-06-22 | 2017-11-03 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片端面崩角的智能检测方法 |
| CN107369136A (zh) * | 2017-06-22 | 2017-11-21 | 福建省万龙新材料科技有限公司 | 聚晶金刚石复合片表面裂纹视觉检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李慧慧等: ""聚晶金刚石复合片表面裂纹视觉检测技术研究"" * |
| 陈琛;郭桦;李慧慧;黄莹祥;: "聚晶金刚石复合片崩角缺陷视觉检测技术研究" * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109663755A (zh) * | 2019-01-30 | 2019-04-23 | 郑州华晶金刚石股份有限公司 | 一种大单晶分选方法 |
| CN109663755B (zh) * | 2019-01-30 | 2024-01-12 | 郑州华晶金刚石股份有限公司 | 一种大单晶分选方法 |
| CN110111321A (zh) * | 2019-05-10 | 2019-08-09 | 四川大学 | 一种非接触式多尺度裂纹识别方法 |
| CN110760816A (zh) * | 2019-12-02 | 2020-02-07 | 长沙新材料产业研究院有限公司 | 金刚石在线检测生长装置及生长缺陷处理方法 |
| CN111415343A (zh) * | 2020-03-18 | 2020-07-14 | 珠海市奥德维科技有限公司 | 一种基于人工智能的片式多层陶瓷电容六面外观检测方法 |
| CN111415343B (zh) * | 2020-03-18 | 2020-10-27 | 珠海市奥德维科技有限公司 | 一种基于人工智能的片式多层陶瓷电容六面外观检测方法 |
| CN111539939A (zh) * | 2020-04-27 | 2020-08-14 | 扬州哈工科创机器人研究院有限公司 | 一种基于机器视觉的缺陷检测方法及装置 |
| CN114113119A (zh) * | 2021-12-03 | 2022-03-01 | 浙江伟星实业发展股份有限公司 | 基于缺陷等级的产品视觉质检方法、系统、设备及介质 |
| CN116883394A (zh) * | 2023-09-06 | 2023-10-13 | 山东融泽新材料有限公司 | 一种基于图像数据处理的金刚石质量检测方法 |
| CN116883394B (zh) * | 2023-09-06 | 2023-11-17 | 山东融泽新材料有限公司 | 一种基于图像数据处理的金刚石质量检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109187567A (zh) | 一种聚晶金刚石复合片表面白点缺陷检测系统 | |
| CN106053479B (zh) | 一种基于图像处理的工件外观缺陷的视觉检测系统 | |
| CN103090804B (zh) | 成品磁环图像自动检测系统及检测方法 | |
| CN110570393A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
| CN102495069B (zh) | 一种基于数字图像处理的拉链链带缺陷检测方法 | |
| CN109115785A (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
| CN104034638B (zh) | 基于机器视觉的金刚线颗粒在线质检方法 | |
| CN110261391A (zh) | 一种led芯片外观检测系统及方法 | |
| CN106295705B (zh) | 一种运动背景下的多颜色物料筛选计数系统 | |
| CN110987886B (zh) | 一种全自动显微影像荧光扫描系统 | |
| CN110146516A (zh) | 基于正交双目机器视觉的水果分级装置 | |
| CN110288584A (zh) | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 | |
| CN113723325B (zh) | 一种装配式预制构件的工装缺陷检测系统 | |
| CN109540904A (zh) | 一种衬底表面宏观缺陷检测及分类系统 | |
| CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
| CN112474387B (zh) | 一种原粮不完善粒的图像识别和自动分拣装置 | |
| CN112560941A (zh) | 基于图像检测的煤矸识别方法 | |
| JP4949024B2 (ja) | 縁部垂直部分処理 | |
| CN106680293A (zh) | 一种基于机器视觉的电机转子钩槽缺陷检测系统及检测方法 | |
| CN111709919B (zh) | 玻璃缺陷视觉检测算法 | |
| CN116674091B (zh) | 一种混凝土搅拌站后料场骨料自动上料方法 | |
| CN110470670A (zh) | 一种基于图像处理的磁芯缺陷检测系统及方法 | |
| CN105405137A (zh) | 基于机器视觉的轴质量检测方法 | |
| CN106370673A (zh) | 一种镜片疵病自动检测方法 | |
| Chow et al. | Automated visual inspection system for mass production of hard disk drive media |
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: 20190111 |