CN109584239B - 一种基于反射光的高光物体表面缺陷检测系统及方法 - Google Patents

一种基于反射光的高光物体表面缺陷检测系统及方法 Download PDF

Info

Publication number
CN109584239B
CN109584239B CN201811521895.8A CN201811521895A CN109584239B CN 109584239 B CN109584239 B CN 109584239B CN 201811521895 A CN201811521895 A CN 201811521895A CN 109584239 B CN109584239 B CN 109584239B
Authority
CN
China
Prior art keywords
reflected light
image
workpiece
detected
light
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
Application number
CN201811521895.8A
Other languages
English (en)
Other versions
CN109584239A (zh
Inventor
杜娟
赵欢
胡跃明
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201811521895.8A priority Critical patent/CN109584239B/zh
Publication of CN109584239A publication Critical patent/CN109584239A/zh
Priority to PCT/CN2019/111534 priority patent/WO2020119246A1/zh
Application granted granted Critical
Publication of CN109584239B publication Critical patent/CN109584239B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/0008Industrial image inspection checking presence/absence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • G06T2207/20032Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于反射光的高光物体表面缺陷检测系统及方法,包括控制器、反射光接收板、线性光源及摄像头,将待测工件运送至检测位,使线性光源的出射光直射待测工件的表面,此时反射光接收板接收待测工件表面的反射光线,反射光接收板在摄像头的采集视野内,调整待测工件,使线性光能够遍历整个待检测区域,摄像头采集包含反射光线的图像序列输入控制器。本发明利用反射光线对高光物体表面的检测,能够通过增加反射点到反射接收平面的距离实现对物体表面缺陷的放大,检测结果更为精确。

Description

一种基于反射光的高光物体表面缺陷检测系统及方法
技术领域
本发明涉及数字图像处理领域,具体涉及一种基于反射光的高光物体表面缺陷检测系统及方法。
背景技术
机器视觉技术是利用图像采集系统将图像转换成数字信号,再利用上位机通过分析数字图像之间的数字关系,最终通过提取、分析图像特征,实现人类目的的过程。但是高光物体由于其表面对光线有极强的反射作用,一定程度上遮盖了所需的物体特征。现在比较通用的方法是通过偏振镜片等滤镜加之以有效的光源消除高光区域进行检测,但是消除高光区域的同时易造成缺陷特征的弱化,对于一些细微的缺陷难以检测,这成为制约一些行业引入机器视觉设备进行自动化检测的重要瓶颈。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于反射光的高光物体表面缺陷检测系统及方法。
本发明采用如下技术方案:
一种基于反射光的高光物体表面缺陷检测系统,其特征在于,包括控制器、反射光接收板、线性光源及摄像头,将待测工件运送至检测位,使线性光源的出射光直射待测工件的表面,此时反射光接收板接收待测工件表面的反射光线,反射光接收板在摄像头的采集视野内,调整待测工件,使线性光源的出射光能够遍历整个待检测区域,摄像头采集包含反射光线的图像序列输入控制器。
进一步的,还包括传动设备,所述传动设备包括皮带、传动齿轮及直流电机,所述直流电机分别与传动齿轮及控制器连接。
进一步的,还包括夹取设备,所述夹取设备包括夹取待测工件并进行旋转的夹具及控制夹具旋转的旋转步进电机。
进一步的,还包括挡光板,所述挡光板设置在反射光接收板的正前方。
进一步的,所述反射光接收板是不透明的。
进一步的,所述挡光板开有一个孔。
一种基于反射光的高光物体表面缺陷检测系统的方法,包括如下:
S1读取包含反射光线的图像,通过灰度值加权和与限定阈值相比较,找出有效图像;
S2对灰度图像进行滤波处理,根据图片像素特征选取上界阈值及下界阈值,剔除低于下界阈值及高于上界阈值的灰度区域,保留待测工件边缘及缺陷造成的光线散射的灰度区域;
S3进行二值化处理,对二值化图像进行上下边缘的局部均值滤波;
S4对滤波后的图像计算每一列不为零的像素点的个数和,选取阈值,判断表面缺陷存在的位置;
S5计算均值滤波后图像中直线边缘的扭曲程度,找出直线形变区域,判断出待测工件表面是否存在形变区域;
S6计算出所有缺陷位置,并标记出来,再将标记后的图像进行显示。
所述S3中均值滤波为,
S3.1找到图像的上下边缘,即每一列第一个以及最后一个不为零的像素点,并将其记录下来;
S3.2对图像的上下边缘进行局部均值滤波,其具体方法如下式所示:
其中,Edge(i)对应上下边缘的第i列,而n是局部滤波程度系数,该值越大滤波能力越强。
所述S5计算均值滤波后图像中直线边缘的扭曲程度,找出直线形变区域,判断出待测工件表面是否存在形变区域;
S5.1中投影值为0的像素点,用斜率为line_k的直线拟合,其中line_k的计算方法如下:
其中left和right为左边和右边出现的第一个列灰度值和不为零的具体列数;
用于拟合的直线方程f(x)如下:
f(x)=line_k·x+edge(left);
S5.2对上下两边缘进行均值滤波,再通过相邻像素点之间的减法以及判断条件的设置找出每个极点,并记录下来;
S5.3根据霍夫直线的基本原理,将二值化图像的每一行进行加权求和,寻找该值最大的点作为参考直线g(x)的纵坐标值,其中直线方程如下:
其中是一组列向量,表示二值图像的每一行的加权和;
S5.4对每个极点进行形变程度的判断;
S5.5根据阈值判断极点是否属于形变点及形变的程度。
所述形变点还包括沿图像竖直方向的投影值为0的点。
本发明的有益效果:
(1)本发明对环境、光源、图像采集系统等的要求不高,硬件成本很低,且检测效果较好,在工业生产环境中进行推广具有较大优势;
(2)本发明利用反射光线对高光物体表面的检测,能够通过增加反射点到反射接收平面的距离实现对物体表面缺陷的放大,检测结果更为精确;
(3)本发明采用的算法均为简单的加权求和取值以及简单的逻辑运算,计算量低、运算速度块;
(4)本发明还具有可扩展性,通过提高摄像头的帧率及像素、增强线性光源稳定性等方法可以为检测提供更加精确有效的信息,进一步提高检测的准确性;
(5)本发明可具有多种实施形式,可根据实际应用环境与待测工件的不同应用不同的硬件结构进行实施;
(6)本发明能够将规则曲面转化为类平面进行处理,并且对复杂曲面能够通过增加mask(掩模)的方法进行检测。
(7)本发明应用范围广,只需要调节表面缺陷阈值上下限,直线灰度阈值上下限及表面形变缺陷阈值上下限等,便可实现不同物体的检测,参数的调节简单,适合作为模块嵌入不同的检测系统之中;
附图说明
图1是本发明实施例1的结构示意图;
图2是本发明实施例2的结构示意图;
图3是本发明的工作流程图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种基于反射光的高光物体表面缺陷检测系统,包括控制器、反射光接收板、线性光源2、传动设备、夹取设备4及摄像头1,该实施例中摄像头位于反射光接收板的下方,反射光接收板在摄像头的视野范围内。本发明中的线性光源、摄像头、反射光接收板6的位置均不固定,可通过具体情况具体设置,只要满足当待测工件运送至检测位的时候,使线性光源的出射光3直射到待测工件的表面,由于待测工件为高光物体,此时反射光接收板接收待测工件表面的反射光线5,调整待测工件,使线性光能够遍历整个待检测区域,然后采用高帧率的摄像头获取序列图像,输入控制器进行分析得到表面缺陷。
所述夹取设备包括夹具、防滑胶、旋转步进电机以及压力传感器,待测工件进入缺陷检测设备后放入夹具中,夹具与待测工件之间设置压力传感器,当压力传感器检测到夹紧压力达到指定压力,确认夹具夹紧工件,则夹具传动电机停止工作,实现对工件的夹紧过程。
所述传动设备,所述传动设备包括皮带、传动齿轮及直流电机,所述直流电机分别与传动齿轮及控制器连接,控制器向传动设备发送信号,控制器驱动旋转电机让夹具带着待测工件旋转指定角度,再利用传动设备移动待测工件,使线性光线能够遍历整个待测物体表面。
所述反射光接收板是不透明的,本实施例中由纸质材料构成,反射光接收板在黑暗条件下接收效果比较好,因此在反射光接收板的正前方设置挡光板。
本实施例中线性光源为红色光源。
本发明可以通过延长反射距离,将反射线变为几倍于待测工件物体表面缺陷的线。
如图3所示,控制器接收到包含反射光线的序列图像后,对图像进行处理得到表面缺陷,进行标记后显示。
具体步骤为:
S1由于本实施例采用的红色的线性光源,因此单独提取出图像的R通道进行分析,通过灰度值加权和寻找出第一张有效图像,进一步找出大于指定阈值的所有有效图像。
S2对有效图像进行滤波处理,根据图片像素特征选取上界阈值及下界阈值,剔除低于下界阈值及高于上界阈值的灰度区域,只保留中低灰度区域部分,即保留待测工件边缘及缺陷造成的光线散射的低灰度区域,便于后续的缺陷分析;
S3选取适当阈值,对反射光线进行二值化处理,再对二值化图像的上下边缘进行局部均值滤波,以防止噪声对检测结果的影响,具体步骤为:
S3.1找到图像的上下边缘,即每一列第一个以及最后一个不为零的像素点,并将其记录下来;
S3.2对图像的上下边缘进行局部均值滤波,其具体方法如下式所示:
其中,Edge(i)对应上下边缘的第i列,而n是局部滤波程度系数,该值越大滤波能力越强,可由使用者根据实际情况进行选用;
S4计算图像每一列不为零的像素点的个数和,并根据该值选取阈值,判断表面缺陷存在的位置;
S5根据公式计算出直线边缘的扭曲程度,选取合适阈值,找出直线形变区域,从而判断出待测工件表面是否存在形变区域;
S5.1对步骤S4中投影值为0的像素点,用斜率为line_k的直线拟合,其中line_k的计算方法如下:
其中left和right为左边和右边出现的第一个列灰度值和不为零的具体列数。
用于拟合的直线方程f(x)如下:
f(x)=line_k·x+edge(left)
S5.2对上下两边缘进行均值滤波,再通过相邻像素点之间的减法以及判断条件的设置找出每个极点,并记录下来;
S5.3根据霍夫直线的基本原理,将二值化图像的每一行进行加权求和,寻找该值最大的点作为参考直线g(x)的纵坐标值,其中直线方程如下:
其中是一组列向量,表示二值图像的每一行的加权和;
S5.4对每个极点进行形变程度的判断,可以由以下几个式子表述:
1)极点到参考直线的距离distance的计算方法如下:
distance(i)=|Edge(i)-g(x)|
2)直线的形变程度shrink的计算方法如下:
3)结合上述两式,形变程度的最终判断方法可由下式表示:
distortion(i)=1.2|distance(i)|×0.001+shrink(i)
其中i为每个极点的横坐标的值,使用指数函数的形式去描述这个偏离值的意义在于当distance(i)较小的时候对形变程度的影响较小,此时主要通过落差值shrink(i)进行判断。该值如若过大,则证明该点偏离标准直线过远,是形变点的概率增大,此时主要通过偏离值distance(i)进行判断。
S5.5根据实际情况选取阈值,判断该极点是否属于形变点以及形变的严重程度;
S5.6将沿竖直方向投影值为0的点也算作是形变点。
S6计算出所有缺陷位置,并标记出来,再将标记后的图像传送至控制器进行显示。
实施例2
如图2所示,一种基于反射光的高光物体表面缺陷检测系统,其包括反射光接收板、线性光源和摄像头,该实施例中线性光源以小角度射出,直射至待测工件9表面,在挡光板合适的位置开有一个孔,反射光线通过孔8反射至后方不透明的反射光接收板之上,通过摄像头采集具有完整反射光线的图片序列并输入控制器进行检测。
本实施例采用低角度出射光进行反射,因此只要待测工件表面弧度连续,反射光线将以近似直线的形式显示,实现了化曲为直的效果,更加有利于后续检测的进行。
其它特征与实施例1相同。
本实施例通常作用于工业流水线两端,利用流水线的传动结构实现对待测工件的自动检测。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (8)

1.一种基于反射光的高光物体表面缺陷检测系统的方法,其特征在于,
所述高光物体表面缺陷检测系统包括控制器、反射光接收板、线性光源及摄像头,将待测工件运送至检测位,使线性光源的出射光直射待测工件的表面,此时反射光接收板接收待测工件表面的反射光线,反射光接收板在摄像头的采集视野内,调整待测工件,使线性光源的出射光能够遍历整个待检测区域,摄像头采集包含反射光线的图像序列输入控制器;
方法包括如下:
S1读取包含反射光线的图像,通过灰度值加权和与限定阈值相比较,找出有效图像;
S2对灰度图像进行滤波处理,根据图片像素特征选取上界阈值及下界阈值,剔除低于下界阈值及高于上界阈值的灰度区域,保留待测工件边缘及缺陷造成的光线散射的灰度区域;
S3进行二值化处理,对二值化图像进行上下边缘的局部均值滤波;
S4对滤波后的图像计算每一列不为零的像素点的个数和,选取阈值,判断表面缺陷存在的位置;
S5计算均值滤波后图像中直线边缘的扭曲程度,找出直线形变区域,判断出待测工件表面是否存在形变区域;
具体为:
S5.1均值滤波后投影值为0的像素点,用斜率为line_k的直线拟合,其中line_k的计算方法如下:
其中left和right为左边和右边出现的第一个列灰度值和不为零的具体列数;
用于拟合的直线方程f(x)如下:
f(x)=line_k·x+Edge(left);
S5.2对上下两边缘进行均值滤波,再通过相邻像素点之间的减法以及判断条件的设置找出每个极点,并记录下来;
S5.3根据霍夫直线的基本原理,将二值化图像的每一行进行加权求和,寻找加权求和最大的点作为参考直线g(x)的纵坐标值,其中直线方程如下:
其中是一组列向量,表示二值图像的每一行的加权和;
S5.4对每个极点进行形变程度的判断;
S5.5根据阈值判断极点是否属于形变点及形变的程度;
S6计算出所有缺陷位置,并标记出来,再将标记后的图像进行显示。
2.根据权利要求1所述的方法,其特征在于,所述S3中均值滤波算法为,
S3.1找到图像的上下边缘,即每一列第一个以及最后一个不为零的像素点,并将其记录下来;
S3.2对图像的上下边缘进行局部均值滤波,其具体方法如下式所示:
其中,Edge(i)对应上下边缘的第i列,而n是局部滤波程度系数,n越大滤波能力越强。
3.根据权利要求1所述的方法,其特征在于,形变点还包括沿图像竖直方向的投影值为0的点。
4.根据权利要求1所述的方法,其特征在于,所述高光物体表面缺陷检测系统还包括传动设备,所述传动设备包括皮带、传动齿轮及直流电机,所述直流电机分别与传动齿轮及控制器连接。
5.根据权利要求4所述的方法,其特征在于,所述高光物体表面缺陷检测系统还包括夹取设备,所述夹取设备包括夹取待测工件并进行旋转的夹具及控制夹具旋转的旋转步进电机。
6.根据权利要求1所述的方法,其特征在于,所述高光物体表面缺陷检测系统还包括挡光板,所述挡光板设置在反射光接收板的正前方。
7.根据权利要求1所述的方法,其特征在于,所述反射光接收板是不透明的。
8.根据权利要求6所述的方法,其特征在于,所述挡光板开有一个孔。
CN201811521895.8A 2018-12-13 2018-12-13 一种基于反射光的高光物体表面缺陷检测系统及方法 Active CN109584239B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811521895.8A CN109584239B (zh) 2018-12-13 2018-12-13 一种基于反射光的高光物体表面缺陷检测系统及方法
PCT/CN2019/111534 WO2020119246A1 (zh) 2018-12-13 2019-10-16 一种基于反射光的高光物体表面缺陷检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811521895.8A CN109584239B (zh) 2018-12-13 2018-12-13 一种基于反射光的高光物体表面缺陷检测系统及方法

Publications (2)

Publication Number Publication Date
CN109584239A CN109584239A (zh) 2019-04-05
CN109584239B true CN109584239B (zh) 2024-02-06

Family

ID=65927968

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811521895.8A Active CN109584239B (zh) 2018-12-13 2018-12-13 一种基于反射光的高光物体表面缺陷检测系统及方法

Country Status (2)

Country Link
CN (1) CN109584239B (zh)
WO (1) WO2020119246A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584239B (zh) * 2018-12-13 2024-02-06 华南理工大学 一种基于反射光的高光物体表面缺陷检测系统及方法
CN110941916A (zh) * 2019-12-16 2020-03-31 重庆长安汽车股份有限公司 基于铸件仿真软件预测铝合金铸件显微缩孔的方法
CN114140458B (zh) * 2021-12-09 2024-06-14 易思维(杭州)科技股份有限公司 利用光线交会方法定位待测物边缘处缺陷位置的方法
CN114612403B (zh) * 2022-03-04 2024-08-02 中南大学 一种上料皮带破损缺陷智能检测方法及系统
CN117974657B (zh) * 2024-03-29 2024-06-14 浙江高盛输变电设备股份有限公司 一种基于计算机视觉的电缆表面缺陷检测方法
CN118225803B (zh) * 2024-05-27 2024-07-23 山东聚宁机械有限公司 一种推土机刀片表面外观视觉检测方法
CN118570191B (zh) * 2024-07-26 2024-09-27 山东博昂信息科技有限公司 基于强反光抑制的缺陷检测方法和系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393143A (zh) * 2008-10-31 2009-03-25 东莞康视达自动化科技有限公司 基于显微视觉的光学测量和检测方法及其装置
KR20110073158A (ko) * 2009-12-22 2011-06-29 연세대학교 산학협력단 국소 표면 플라즈몬 공명 기반의 초고해상도 전반사 형광 현미경 및 전반사 형광 현미경용 검출 모듈
JP2013083571A (ja) * 2011-10-11 2013-05-09 Daiwa Can Co Ltd 表面欠損検査装置およびその方法
CN105701434A (zh) * 2015-12-30 2016-06-22 广州卓德信息科技有限公司 二维码扭曲图像的图像校正方法
CN106442556A (zh) * 2016-11-16 2017-02-22 哈尔滨理工大学 一种板状带孔工件表面缺陷检测装置和方法
CN106600593A (zh) * 2016-12-19 2017-04-26 福州大学 一种中铝瓷球表面缺陷检测方法
JP2017194425A (ja) * 2016-04-22 2017-10-26 株式会社 東京ウエルズ 欠陥検査方法および欠陥検査システム
CN206832698U (zh) * 2017-05-17 2018-01-02 华南理工大学 一种用于表面光滑高反光物体的缺陷检测装置
CN107618533A (zh) * 2017-09-29 2018-01-23 兰州交通大学 一种钢轨表面离散缺陷的机器视觉检测装置及方法
CN108072664A (zh) * 2017-12-29 2018-05-25 苏州德创测控科技有限公司 一种外观检测系统及方法
CN108375585A (zh) * 2018-05-18 2018-08-07 华南理工大学 一种多角度视觉缺陷检测平台及检测方法
CN108445007A (zh) * 2018-01-09 2018-08-24 深圳市华汉伟业科技有限公司 一种基于图像融合的检测方法及其检测装置
CN108629775A (zh) * 2018-05-14 2018-10-09 华中科技大学 一种热态高速线材表面图像处理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9839946B2 (en) * 2015-02-04 2017-12-12 The Boeing Company System and method for high speed FOD detection
CN109584239B (zh) * 2018-12-13 2024-02-06 华南理工大学 一种基于反射光的高光物体表面缺陷检测系统及方法
CN209281475U (zh) * 2018-12-13 2019-08-20 华南理工大学 一种基于反射光的高光物体表面缺陷检测系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101393143A (zh) * 2008-10-31 2009-03-25 东莞康视达自动化科技有限公司 基于显微视觉的光学测量和检测方法及其装置
KR20110073158A (ko) * 2009-12-22 2011-06-29 연세대학교 산학협력단 국소 표면 플라즈몬 공명 기반의 초고해상도 전반사 형광 현미경 및 전반사 형광 현미경용 검출 모듈
JP2013083571A (ja) * 2011-10-11 2013-05-09 Daiwa Can Co Ltd 表面欠損検査装置およびその方法
CN105701434A (zh) * 2015-12-30 2016-06-22 广州卓德信息科技有限公司 二维码扭曲图像的图像校正方法
JP2017194425A (ja) * 2016-04-22 2017-10-26 株式会社 東京ウエルズ 欠陥検査方法および欠陥検査システム
CN106442556A (zh) * 2016-11-16 2017-02-22 哈尔滨理工大学 一种板状带孔工件表面缺陷检测装置和方法
CN106600593A (zh) * 2016-12-19 2017-04-26 福州大学 一种中铝瓷球表面缺陷检测方法
CN206832698U (zh) * 2017-05-17 2018-01-02 华南理工大学 一种用于表面光滑高反光物体的缺陷检测装置
CN107618533A (zh) * 2017-09-29 2018-01-23 兰州交通大学 一种钢轨表面离散缺陷的机器视觉检测装置及方法
CN108072664A (zh) * 2017-12-29 2018-05-25 苏州德创测控科技有限公司 一种外观检测系统及方法
CN108445007A (zh) * 2018-01-09 2018-08-24 深圳市华汉伟业科技有限公司 一种基于图像融合的检测方法及其检测装置
CN108629775A (zh) * 2018-05-14 2018-10-09 华中科技大学 一种热态高速线材表面图像处理方法
CN108375585A (zh) * 2018-05-18 2018-08-07 华南理工大学 一种多角度视觉缺陷检测平台及检测方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
Bearing defect inspection based on machine vision;Hao Shen 等;《Measurement》;第45卷;719–733 *
Improved illumination for vision-based defect inspection of highly reflective metal surface;Lin Li 等;《CHINESE OPTICS LETTERS》;第11卷(第2期);1-4 *
基于图像灰度梯度特征的钢轨表面缺陷检测;闵永智 等;《仪器仪表学报》(第04期);223-232 *
基于图像轮廓处理及匹配的木节剔除和修复技术;陈凯 等;《林业机械与木工设备》;第38卷(第10期);25-28、33 *
基于局部信息熵迭代的带钢表面缺陷分割;王路 等;《微计算机信息》;第27卷(第06期);208-210 *
基于灰度均衡模型联合Gabor滤波器的钢轨表面缺陷检测方法;刘琴琴 等;《表面技术》(第11期);300-304 *
基于谱残差视觉显著性的带钢表面缺陷检测;陈海永 等;《光学精密工程》;第24卷(第10期);2572-2580 *
轴承表面缺陷检测系统的研究与开发;徐琛 等;《计算机应用与软件》;第30卷(第10期);116-119 *

Also Published As

Publication number Publication date
CN109584239A (zh) 2019-04-05
WO2020119246A1 (zh) 2020-06-18

Similar Documents

Publication Publication Date Title
CN109584239B (zh) 一种基于反射光的高光物体表面缺陷检测系统及方法
CN109490316B (zh) 一种基于机器视觉的表面缺陷检测算法
RU2763417C2 (ru) Система и связанный с ней способ обнаружения мелких дефектов на/в листе стекла на технологической линии
KR102621902B1 (ko) 유리 시트의 광학 특성의 온라인 측정을 위한 시스템 및 연관된 방법
US20180253836A1 (en) Method for automated detection of defects in cast wheel products
CN108896574B (zh) 一种基于机器视觉的瓶装白酒杂质检测方法及系统
CN108267455B (zh) 塑料薄膜印刷字符缺陷检测装置及方法
CN110807355A (zh) 一种基于移动机器人的指针仪表检测与读数识别方法
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
CN102680481B (zh) 棉纤维杂质的检测方法
CN115131354B (zh) 一种基于光学手段的实验室用塑料薄膜缺陷检测方法
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN106709529B (zh) 一种光伏电池色差分类的视觉检测方法
CN112129783A (zh) 基于深度学习的透明药瓶底部缺陷检测装置与检测方法
CN116990323A (zh) 一种高精密印刷版视觉检测系统
CN114359253A (zh) 基于卷积神经网络的影像脏污检测方法及系统
CN111693535A (zh) 基于机器视觉分析的触摸屏缺陷检测设备及方法
CN112484680B (zh) 一种基于圆检测的蓝宝石晶片定位跟踪方法
CN114820529A (zh) 一种橡胶制品气泡检测方法及系统
CN106767467A (zh) 一种基于机器视觉的可转位刀片钝圆检测系统
CN114359155A (zh) 一种覆膜方法及系统
CN107545565B (zh) 一种太阳能网版检测方法
CN111815575B (zh) 一种基于机器视觉的轴承钢珠零件检测方法
CN117761060A (zh) 一种视觉检测系统及其检测方法
CN110516725B (zh) 基于机器视觉的木板条纹间距和颜色的检测方法

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