CN109521029B - 一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 - Google Patents
一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 Download PDFInfo
- Publication number
- CN109521029B CN109521029B CN201811453963.1A CN201811453963A CN109521029B CN 109521029 B CN109521029 B CN 109521029B CN 201811453963 A CN201811453963 A CN 201811453963A CN 109521029 B CN109521029 B CN 109521029B
- Authority
- CN
- China
- Prior art keywords
- lamp
- lamp holder
- edge
- line
- detecting
- 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
-
- 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
- G01N21/94—Investigating contamination, e.g. dust
-
- 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)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提出了一种卡口式汽车车灯灯头侧面外观缺陷的检测方法。本发明步骤:一、卡口式汽车车灯灯头侧面图像获取;二、灯头侧面区域定位:包括使用canny算子检测灯头侧面区域边缘和hough变换寻找线段;三、对灯头侧面外观缺陷进行检测:包括检测灯头侧面脏污及压伤、歪头缺陷、印字缺陷和边丝外露缺陷。本发明具有自动化程度高、无需人工干预、检测速度快、检测精度高、可同时检测多种缺陷等优点。
Description
技术领域
本发明涉及视觉检测领域,尤其涉及一种卡口式汽车车灯灯头侧面外观缺陷的检测方法。
背景技术
汽车车灯是汽车的必备部件,主要起到照明和信号指示的作用,使驾驶者可以在夜间和阴雨雾天安全行车。卡口式灯泡广泛应用于车灯,该类型的灯泡通常包括三个部分:灯体的玻璃外壳(简称玻壳)、灯体内的灯丝和灯头。灯头侧面的表面印有字,标识出灯泡的相关信息,便于车灯装配时识别。由于卡口式汽车车灯复杂的结构及其系列生产过程,机械控制系统的精度限制,灯泡制品不可避免的出现各种缺陷。卡口式汽车车灯灯头侧面主要检测项目为灯头侧面的脏污压伤、歪头、印字有无、边丝外露四类。这些可能的缺陷在后续车灯组装和行车使用中将导致严重的安全问题。因此,在车灯出厂前必须强制检测灯泡的外观缺陷。
目前,对于卡口式车灯外观缺陷的检测仍然需要人工目测处理,即设置多个不同检测工位,引入大量灯检工进行人工检测。然而,人工检测已不能满足产品质量安全和高速大规模自动化生产的要求,主要表现在:(1)人工检测精度低,主观性强,可重复性差,无法提供持续一致性检测结果,漏检误检率高;(2)检测项目的增多和检测标准逐步提高,人工存在检测盲点;(3)人工检测效率低,工作强度大,一个工人每小时只能检测500-800个,难以满足生产线高速生产需求。因此,研究替代人工检测的车灯外观缺陷自动化检测技术具有重大的经济和社会意义。
本发明以当前机器视觉检测原理为基础,针对卡口式汽车车灯灯头侧面不同外观缺陷提出了不同的视觉检测方法,以满足车灯质量检测的多样化需求。本发明研发的检测方法在检测精度、准确度和可靠性方面完全达到当前人工检测标准,且在检测效率方面具有巨大优势。
发明内容
针对现有技术的不足,本发明提出一种卡口式汽车车灯灯头侧面外观缺陷的检测方法,该方法能高效地检测出卡口式汽车车灯灯头侧面外观缺陷。
本发明通过以下方案实现:
步骤一、卡口式汽车车灯灯头侧面图像获取;灯头侧面包括了环绕灯头的360°范围,由于一个相机的成像范围有限,故采用四个环绕在灯头四周的相机对灯头侧面成像;为每一个相机设计一组呈一定角度的条形光源作为侧面光源,并在灯头的上方设计了低角度环形光源,侧面光源关闭和顶部环形光源打开时所获取的图像称为暗图Idark,侧面光源和顶部环形光源同时打开时获取的图像称为亮图Ibright;
步骤二、对亮图Ibright中的灯头侧面区域定位;包括使用canny算子提取灯头侧面区域边缘和使用hough变换寻找线段;
步骤三、对灯头侧面外观缺陷进行检测;包括对灯头侧面脏污及压伤进行检测,对灯头的歪头缺陷进行检测,对灯头侧面印字缺陷进行检测,对灯头侧面边丝外露缺陷进行检测。
本发明具有以下优点:
1、本发明利用机器视觉技术,对卡口式汽车车灯灯头侧面的外观缺陷进行全自动检测,无需人工干预,大量节省了人力资源;
2、本发明可同时对多种缺陷进行检测,检测速度快,精度高,系统稳定可靠。
附图说明
图1是本发明的实施流程图;
图2是卡口式汽车车灯灯头检测区域示意图;
图3是一组卡口式汽车车灯灯头左侧待检测面的检测结果展示图;
图4是灯头侧面搜索区域设置示意图;
图5是灯头侧面的定位示意图;
图6是脏污及压伤检测示意图;
图7是拓展信号示意图;
图8是峰值检测结果示意图;
图9是玻壳边缘与灯头边缘的夹角示意图;
具体实施方式
实施例1
卡口式汽车车灯灯头侧面包括了环绕灯头的360°范围,由于一个相机的成像范围有限,故采用四个环绕在灯头四周的相机对灯头侧面成像,分别对四个相机获取的图像分析,根据分析结果判断灯头侧面是否存在外观缺陷。
以卡口式汽车车灯灯头一个侧待检测面为例进行说明,其他待检测面的检测过程与之一致。卡口式汽车车灯灯头检测区域如图2所示。
如图3所示,展示了一组卡口式汽车车灯灯头一个待检测面的检测结果。
结合图1,本发明的具体实现步骤如下:
步骤一、卡口式汽车车灯灯头侧面图像获取:
由于要能满足凸显灯头边缘(包括边丝检测、灯头边缘、玻壳边缘)和防止灯体的玻璃表面反光的要求,可以选择呈一定角度的环形光源或条形光源,再考虑到灯头侧面脏污与压伤直接成像的特征与背景区别不大,采用条纹光源在灯头表面形成间隔的高亮度明条纹与暗条纹,脏污或压伤的出现会改变明暗条纹,即其对应位置的灰度发生突变,从而能将脏污或压伤与背景区分开,因此本发明设计下述成像方案来获取灯头侧面图像:
灯头侧面包括了环绕灯头的360°范围,由于一个相机的成像范围有限,故采用四个环绕在灯头四周的相机对灯头侧面成像;为每一个相机设计一组呈一定角度的条形光源作为侧面光源,并在灯头的上方设计了低角度环形光源,侧面光源关闭和顶部环形光源打开时所获取的图像称为暗图Idark,侧面光源和顶部环形光源同时打开时获取的图像称为亮图Ibright;
本实施例中,相机获取的卡口式汽车车灯灯头左侧待检测面的暗图Idark和亮图Ibright如图3所示(图3b,图3d,图3e为暗图Idark,其他为亮图Ibright);
步骤二、对亮图Ibright中的灯头侧面区域定位:
1)在亮图Ibright中,针对灯头侧面的底边设置搜索区域,在搜索区域内,用canny算子提取灯头侧面底边边缘,然后采用hough变换寻找线段,得到该线段的端点得到该线段的端点(x1,y1)和(x2,y2),该线段所在直线Line1的方程在图像坐标系下表示为:
以该直线作为灯头侧面的底边;
2)针对灯头侧面的顶边设置搜索区域,在搜索区域内,用canny算子提取灯头侧面顶边边缘,然后采用hough变换寻找线段,得到该线段的端点(x3,y3)和(x4,y4),该线段所在直线Line2的方程在图像坐标系下表示为:
以该直线作为灯头侧面的顶边;
3)针对灯头侧面的右边设置搜索区域,在搜索区域内,用canny算子提取灯头侧面右边边缘,然后采用hough变换寻找线段,得到该线段的端点(x5,y5)和(x6,y6),该线段所在直线Line3的方程在图像坐标系下表示为:
以该直线作为灯头侧面的右边;
4)上述三条直线两两相交,联立直线Line1和Line3的方程解得直线Line1和Line3的交点A的坐标为(xA,yA),联立直线Line2和Line3的方程解得Line2和Line3的交点B的坐标为(xB,yB);
5)灯头侧面底边的另一顶点D的坐标(xD,yD)为:
灯头侧面顶边的另一顶点C的坐标(xC,yC)为:
本实施例中,灯头侧面搜索区域设置如图4,灯头侧面的定位如图5;
步骤三、对灯头侧面外观缺陷进行检测:
1)对灯头侧面脏污及压伤进行检测:
①如图6所示,在亮图Ibright中,对于每个条纹,预先设置若干根水平线ai(i=1,2,...,n),直线ai上的像素与垂直方向ωa(3≤ωa≤7)邻域内像素累加,扩展为新的一维信号Fi,信号的起点为1,信号长度为n2-n1;
②用多尺度高斯形状探测法检测信号Fi中的峰值:
以σ为尺度参数,利用归一化系数γ=1保证尺度不变性;
在峰值检测中:
hr(x,σ)=-h(x,σ)
在波谷检测过程中:
尺度σmin和σmax分别对应图像中缺陷宽度最小和最大的一半,Fi及其峰值检测结果分别如图7和图8所示;
③对信号Fi中的峰值根据阈值,判定车灯是否存在脏污及压伤;
本实施例中,脏污检测结果如图3f所示,压伤检测结果如图3g所示;
2)对灯头侧面歪头缺陷进行检测:
①在亮图Ibright中,针对车灯玻壳上边缘设置搜索区域,在搜索区域内,用canny算子提取灯头侧面边缘,然后采用hough变换寻找线段,得到该线段的端点(x7,y7)和(x8,y8);
②如图9所示,确定玻壳边缘与灯头边缘的夹角γ:
γ=180°-γ1-γ2
γ1=arctan|y8-y7/x8-x7|
γ2=arctan|y4-y3/x4-x3|;
③对玻壳边缘与灯头边缘的夹角γ采用阈值判断法,判定车灯是否存在歪头缺陷;
本实施例中,歪头缺陷检测结果如图3a所示;
3)对灯头侧面印字缺陷进行检测:
①在暗图Idark中,针对车灯灯头印字区域设置检测区域,用中值滤波对检测区域进行滤波得到待检测区域;
③印字部分的灰度级远高于背景部分的灰度级,且集中在某一特定灰度值处,对Li>Tword(Tword为标准印字灰度级)的灰度级对应的像素数量取最大值;
阈值Tword和Tnum预先通过实验确定:取100个完好印字的标准灯头,每个灯头成像5次,获得500幅暗图;按上述流程,对每幅图像的灯头印字的检测区域进行中值滤波和灰度值方图统计,得到第j幅图像中灰度级较大(对应印字)且其对应像素数量最多的灰度级Lj(j=1,2,...,500)及其像素数量NumLj,一共得到500组数据;对500组数据中的Lj和NumLj分别取平均值得到和考虑到灯头印字本身及其成像的差异,需留有一定的余量,最终将阈值Tword和Tnum分别定义如下:
本实施例中,印字缺陷检测结果如图3b所示;
4)对灯头侧面边丝外露缺陷进行检测:
①在亮图Ibright中,针对车灯边丝设置搜索区域,在搜索区域内,用canny算子提取灯头与玻壳连接处边缘,然后采用hough变换寻找线段,确定搜索区域内是否存在边丝;
②如果存在边丝,采用SURF算法对灯头与玻壳连接处区域提取斑点,得到斑点面积;
a.构建Hessian矩阵:
每个像素的Hessian矩阵行列式的近似值:
det(Happrox)=Dxx*Dyy-(0.9*Dxy)2
b.构建尺度金字塔图像模型,SURF算法中的金字塔模型通过改变高斯滤波器大小,进行高斯模糊得到每层待检测图片;
c.利用非极大值抑制初步确定特征点:
将经过hessian矩阵处理过的每个像素点与其尺度金字塔图像模型内的3维邻域的26个点进行大小比较,如果它是这26个点中的最大值或者最小值,则保留下来,作为初步的特征点;
d.精确定位极值点:
采用3维线性插值法得到亚像素级的特征点,同时也去掉那些值小于一定阈值的点;
e.统计特征点邻域内的harr小波特征,选取特征点的主方向;
f.生成特征点描述子:
在特征点周围取一个正方形框,框的边长为20s(s是所检测到该特征点所在的尺度),然后把该框分为16个子区域,每个子区域统计25个像素的水平方向和垂直方向的haar小波特征,得到特征向量,即特征点描述子;
g.计算两个特征点间的欧式距离和Hessian矩阵迹,达到特征点的匹配,所匹配区域即边丝区域,提取边丝斑点,得到斑点面积;
③对斑点面积采用阈值判断法,判定车灯是否存在边丝外露缺陷;
本实施例中,边丝外露缺陷检测结果如图3c所示。
Claims (2)
1.一种卡口式汽车车灯灯头侧面外观缺陷的检测方法,所述方法至少包含以下几个步骤:
步骤一、获取卡口式汽车车灯灯头侧面图像,包括一幅暗图像和一幅亮图像;
步骤二、对图像中卡口式汽车车灯的灯头侧面区域定位,包括使用canny算子检测灯头侧面区域边缘和使用hough变换寻找灯头侧面底边、顶边和右侧上的线段,具有包括以下步骤:
1)针对灯头侧面的底边设置搜索区域,在搜索区域内,用canny算子提取灯头侧面底边边缘,然后采用hough变换在提取的边缘中寻找线段,得到该线段的端点(x1,y1)和(x2,y2),该线段所在直线Line1的方程在图像坐标系下表示为:
以该直线作为灯头侧面的底边;
2)针对灯头侧面的顶边设置搜索区域,在搜索区域内,用canny算子提取灯头侧面顶边边缘,然后采用hough变换寻找线段,得到该线段的端点(x3,y3)和(x4,y4),该线段所在直线Line2的方程在图像坐标系下表示为:
以该直线作为灯头侧面的顶边;
3)针对灯头侧面的右边设置搜索区域,在搜索区域内,用canny算子提取灯头侧面右边边缘,然后采用hough变换寻找线段,得到该线段的端点(x5,y5)和(x6,y6),该线段所在直线Line3的方程在图像坐标系下表示为:
以该直线作为灯头侧面的右边;
4)上述三条直线两两相交,联立直线Line1和Line3的方程解得直线Line1和Line3的交点A的坐标为(xA,yA),联立直线Line2和Line3的方程解得Line2和Line3的交点B的坐标为(xB,yB);
5)灯头侧面底边的另一顶点D的坐标(xD,yD)为:
灯头侧面顶边的另一顶点C的坐标(xC,yC)为:
从而确定灯头侧面的检测区域;
步骤三、对灯头侧面外观缺陷进行检测,包括检测灯头侧面脏污及压伤、歪头缺陷、印字缺陷和边丝外露缺陷,具有包括以下步骤:
1)对灯头侧面脏污及压伤进行检测:
①在亮图Ibright中,对于每个条纹,预先设置若干根水平线αi且1≤i≤n,直线ai上的像素与垂直方向ωa邻域内像素累加,3≤ωa≤7,扩展为新的一维信号Fi,信号的起点为1,信号长度为n2-n1;
②用多尺度高斯形状探测法检测信号Fi中的峰值;
③对信号Fi中的峰值采用阈值判断法,判定车灯是否存在脏污及压伤;
2)对灯头侧面歪头缺陷进行检测:
①在图像中,针对车灯玻壳上边缘设置搜索区域,在搜索区域内,用canny算子提取车灯玻壳上边缘,然后采用hough变换寻找线段,得到该线段的端点(x7,y7)和(x8,y8);
②确定玻壳边缘与灯头边缘的夹角γ:
γ=180°-γ1-γ2
其中,γ1=arctan|y8-y7/x8-x7|
γ2=arcta|ny4-y3/x4-x3|;
③对玻壳边缘与灯头边缘的夹角γ采用阈值判断法,判定车灯是否存在歪头缺陷;
3)对灯头侧面印字缺陷进行检测:
①在暗图Idark中,针对车灯灯头印字区域设置检测区域,用中值滤波对检测区域进行滤波得到待检测区域;
②对待检测区域统计灰度分布情况,灰度级Li=m且0≤i≤255,m为某一灰度值且0≤m≤255,其对应的像素数量为NumLi;
③印字部分的灰度级远高于背景部分的灰度级,且集中在某一特定灰度值处,对Li>Tword的灰度级对应的像素数量取最大值,且Tword为标准印字灰度级;
4)对灯头侧面边丝外露缺陷进行检测:
①在图像中,针对车灯边丝设置搜索区域,在搜索区域内,用canny算子提取灯头与玻壳连接处边缘,然后采用hough变换寻找线段,确定搜索区域内是否存在边丝;
②如果存在边丝,采用SURF算法对灯头与玻壳连接处区域提取斑点,得到斑点面积;
③对斑点面积采用阈值判断法,判定车灯是否存在边丝外露缺陷。
2.根据权利要求1所述的卡口式汽车车灯灯头侧面外观缺陷的 检测方法,其特征在于获取卡口式汽车车灯灯头侧面图像包括以下步骤:
1)侧面光源关闭和顶部环形光源打开,相机获取暗图Idark;
2)侧面光源和顶部环形光源同时打开,相机获取亮图Ibright。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453963.1A CN109521029B (zh) | 2018-11-30 | 2018-11-30 | 一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811453963.1A CN109521029B (zh) | 2018-11-30 | 2018-11-30 | 一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109521029A CN109521029A (zh) | 2019-03-26 |
CN109521029B true CN109521029B (zh) | 2021-07-13 |
Family
ID=65794103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811453963.1A Active CN109521029B (zh) | 2018-11-30 | 2018-11-30 | 一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109521029B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW202200989A (zh) | 2020-03-13 | 2022-01-01 | 美商應用材料股份有限公司 | 用於檢查燈的設備及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110103088A (ko) * | 2010-03-12 | 2011-09-20 | 신용호 | 프로브 이탈 감지 기능을 구비한 매연측정기 |
CN102221557A (zh) * | 2011-03-31 | 2011-10-19 | 南京航空航天大学 | 一种基于机器视觉的灯头质量自动检测装置和检测方法 |
CN203929012U (zh) * | 2014-01-21 | 2014-11-05 | 图灵视控(北京)科技有限公司 | 汽车车灯灯珠检测系统 |
CN104698010A (zh) * | 2013-12-09 | 2015-06-10 | 三星电机株式会社 | 用于检查芯片组件的外观的装置 |
JP2016142525A (ja) * | 2015-01-29 | 2016-08-08 | 京セラ株式会社 | 塗装面検査用光源および塗装面検査用照明装置 |
CN207516273U (zh) * | 2017-11-20 | 2018-06-19 | 泰兴市新永诚车灯塑件有限公司 | 一种汽车灯罩检测设备 |
CN108564631A (zh) * | 2018-04-03 | 2018-09-21 | 上海理工大学 | 车灯光导色差检测方法、装置及计算机可读存储介质 |
-
2018
- 2018-11-30 CN CN201811453963.1A patent/CN109521029B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110103088A (ko) * | 2010-03-12 | 2011-09-20 | 신용호 | 프로브 이탈 감지 기능을 구비한 매연측정기 |
CN102221557A (zh) * | 2011-03-31 | 2011-10-19 | 南京航空航天大学 | 一种基于机器视觉的灯头质量自动检测装置和检测方法 |
CN104698010A (zh) * | 2013-12-09 | 2015-06-10 | 三星电机株式会社 | 用于检查芯片组件的外观的装置 |
CN203929012U (zh) * | 2014-01-21 | 2014-11-05 | 图灵视控(北京)科技有限公司 | 汽车车灯灯珠检测系统 |
JP2016142525A (ja) * | 2015-01-29 | 2016-08-08 | 京セラ株式会社 | 塗装面検査用光源および塗装面検査用照明装置 |
CN207516273U (zh) * | 2017-11-20 | 2018-06-19 | 泰兴市新永诚车灯塑件有限公司 | 一种汽车灯罩检测设备 |
CN108564631A (zh) * | 2018-04-03 | 2018-09-21 | 上海理工大学 | 车灯光导色差检测方法、装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的车用灯泡检测系统研究;王佳炎;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20171015(第10期);论文第23-24页及第33-43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109521029A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022062812A1 (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
CN106709436B (zh) | 面向轨道交通全景监控的跨摄像头可疑行人目标跟踪系统 | |
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
CN109239076B (zh) | 一种基于机器视觉的缝纫线迹缺陷检测方法 | |
CN111951237A (zh) | 外观视觉检测方法 | |
CN104597057B (zh) | 一种基于机器视觉的柱状二极管表面缺陷检测装置 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
CN108256521B (zh) | 用于车身颜色识别的有效区域定位方法 | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
CN104881665A (zh) | 一种芯片字符识别与校验方法及装置 | |
CN112304957A (zh) | 一种基于机器视觉的外观缺陷智能检测方法及系统 | |
CN110427979B (zh) | 基于K-Means聚类算法的道路水坑识别方法 | |
CN111524101A (zh) | 一种基于机器视觉技术的电子屏幕缺陷检测方法 | |
CN116559183A (zh) | 一种提高缺陷判定效率的方法及系统 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN110412055A (zh) | 一种基于多光源暗场照明的透镜白雾缺陷检测方法 | |
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 | |
CN115830359A (zh) | 复杂场景下基于目标检测和模板匹配的工件识别计数方法 | |
CN110705553B (zh) | 一种适用于车辆远景图像的划痕检测方法 | |
CN109521029B (zh) | 一种卡口式汽车车灯灯头侧面外观缺陷的检测方法 | |
CN111426693A (zh) | 一种质量缺陷检测系统及其检测方法 | |
CN113139943B (zh) | 开口圆环工件外观缺陷检测方法、系统及计算机存储介质 | |
CN109086643B (zh) | 一种基于机器视觉的彩盒标签检测方法及系统 | |
CN112863194B (zh) | 一种图像处理方法、装置、终端及介质 |
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 |