CN109685760A - 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 - Google Patents

一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 Download PDF

Info

Publication number
CN109685760A
CN109685760A CN201811307796.XA CN201811307796A CN109685760A CN 109685760 A CN109685760 A CN 109685760A CN 201811307796 A CN201811307796 A CN 201811307796A CN 109685760 A CN109685760 A CN 109685760A
Authority
CN
China
Prior art keywords
image
convex closure
slm
matlab
powder bed
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.)
Granted
Application number
CN201811307796.XA
Other languages
English (en)
Other versions
CN109685760B (zh
Inventor
计效园
徐晓静
周建新
沈旭
殷亚军
颜秋余
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201811307796.XA priority Critical patent/CN109685760B/zh
Publication of CN109685760A publication Critical patent/CN109685760A/zh
Application granted granted Critical
Publication of CN109685760B publication Critical patent/CN109685760B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P10/00—Technologies related to metal processing
    • Y02P10/25—Process efficiency

Landscapes

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

Abstract

本发明属于选择性激光熔融配套相关图像检测技术领域，并公开了一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其包括：采集SLM粉床铺粉的彩色图像，将其导入至MATLAB系统中作为检测图像，并基于此MATLAB系统对各检测图像进行灰度化、灰度扩展、锐化滤波和平滑滤波等一系列预处理；继续在MATLAB系统中使用局部阈值分割法对预处理后的图像进行分割，并使得凸包凹陷区域与背景区域予以初步区分；使用MATLAB系统中的canny算子执行图像边缘检测，由此识别检测出最终的凸包凹陷缺陷同时给予位置标注。通过本发明，可充分发挥MATLAB系统封装库的功能，高效快捷达到自动识别的目标，而且整个过程便于操控、识别率高，同时具备鲁棒性好和适应性好等优点。

Description

一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法
技术领域
本发明属于选择性激光熔融(Selective Laser Melting，SLM)配套相关图像检测技术领域，更具体地，涉及一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其能较好地适用于SLM技术的应用场合及工艺特征，并针对性提供了适用于其铺粉图像凸包凹陷缺陷的准确及快捷识别方案。
背景技术
自20世纪末期3D打印技术发明以来，3D打印正迅速渗透到各个工业领域。由于选择性激光熔融(Selective Laser Melting，SLM)的制件具有尺寸小、精度高以及表面粗糙度低等特点，其在制造复杂结构的金属零部件方面具有得天独厚的优势，因而在金属增材制造领域有着相当重要的地位，并且获得了越来越广泛的多领域应用。
但SLM在其工艺方面仍有一些重要的技术问题有待优化。例如，由于SLM为粉末激光熔融成型，因此SLM粉床是否存在铺粉缺陷，会直接对制件的性能产生很大的影响。在此情况下，考虑到金属制件SLM制造时间较长，若能够快速识别SLM粉床上的粉末铺层缺陷状态，就意味着可以尽可能快速地终止或适时调整SLM工艺过程，降低失误成本，对3D打印行业的发展有着十分重要的意义。检索发现，现有技术中尚缺乏针对SLM工艺、尤其是结合其粉床铺粉图像的凸包凹陷缺陷开展准确高效识别的方案。相应地，本领域亟需寻找针对性的解决方案，以便更好地满足实际生产实践中面临的以上技术需求。
发明内容
针对现有技术的以上不足或改进需求，本发明提供了一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其中通过结合SLM工艺实况及其铺粉图像自身的数据特点，引入MATLAB系统通过机器替代人眼进行凸包凹陷缺陷的检测识别，并且进一步从多种算法中筛选适当的图像预处理、图像分割和边缘检测方式执行具体操作，相应不仅可充分发挥MATLAB系统封装库的功能，高效快捷达到自动识别的目标，而且整个过程便于操控、识别率高，同时具备鲁棒性好的特征，可针对不同图片自动选取适合的阈值，因而尤其适用于各类SLM制造过程中需要对粉床铺粉图像执行高效率高精度检测的应用场合。
为实现上述目的，按照本发明，提供了一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其特征在于，该方法包括下列步骤：
(a)图像预处理步骤
采集多个SLM粉床铺粉的彩色图像，将其导入至MATLAB系统中作为检测图像，并基于此MATLAB系统对各检测图像进行预处理，该过程包括如下操作：首先使用MATLAB系统将检测图像进行二值化和灰度化处理，由此获得对应的灰度图像；接着，根据灰度分布直方图来判定像素集中的区域，并直接调用系统工具箱中的imadjust函数对其灰度范围进行扩展，由此获得更为清晰的灰度图像；接着，依次对灰度图像执行锐化滤波和平滑滤波，然后输出预处理完毕的图像；
(b)缺陷获取步骤
将步骤(a)预处理后的SLM粉床铺粉图像与SLM制件的当前位置截面图进行差分处理，由此获取反映SLM粉床铺粉凸包凹陷分布的图像；
(c)图像分割步骤
针对步骤(b)获得的图像，进一步使用局部阈值分割法对其进行分割，并使得凸包凹陷区域与背景区域予以初步区分；在此过程中，根据凸包凹陷区域与背景区域之间的灰度值差异，优选采取下列公式来确定合适的局部阈值并得到分割结果：局部阈值＝m*图像中心像素的灰度值+n*图像背景的像素灰度值，其中m、n分别表示可预设的优化系数；
(d)缺陷识别步骤
选取步骤(c)已初步分割区分的凸包凹陷区域，使用MATLAB系统中的canny算子执行图像边缘检测，由此识别检测出最终的凸包凹陷缺陷同时给予位置标注。
作为进一步优选地，在步骤(a)中，优选使用MATLAB系统中的拉普拉斯滤波器自动选择滤波因子，由此执行对应的锐化滤波操作。
作为进一步优选地，在步骤(a)中，优选使用MATLAB系统中的维纳滤波器自动选择滤波窗口，由此执行对应的平滑滤波操作。
作为进一步优选地，在步骤(a)中，采集SLM粉床铺粉的彩色图像的操作优选依照以下方式执行：保持光线等外部因素条件不变，然后使用CDD图像获取设备对图像进行采集。
作为进一步优选地，在步骤(b)中，优选采用形态学方法对图像中类似划痕的细长特征区域进行筛选，由此更为精准地获取反映凸包凹陷分布的区域信息。
作为进一步优选地，在步骤(d)中，所述使用MATLAB系统中的canny算子执行图像边缘检测的过程包括如下操作：首先在canny算子的阈值选区中设定双阈值，并将低于低阈值的点视为非边缘点，高于高阈值的点视为边缘点；与此同时，将处于边缘点与非边缘点二者之间的点通过边缘的连通性来判断：若其相邻有边缘点，则视为边缘点；若为孤立点，则视为非边缘点。
作为进一步优选地，在步骤(d)之后，当识别检测出最终的凸包凹陷缺陷后，优选还配备有相应的监控警报系统，由此实现铺粉缺陷的实时预警。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，针对目前没有较完善的方法通过机器识别SLM粉床凸包凹陷缺陷的技术事实，针对性引入MATLAB系统来实现高效率高精度的SLM粉床凸包凹陷缺陷的自动识别；特别是，本发明还从MATLAB系统中丰富的封装库函数中，结合SLM粉床凸包自身的特征来对其图像预处理的具体操作算法进行了专门的选择设计，同时对后续的图像分割操作和边缘检测操作进行了针对性改进；较多的实际测试结果表明，以上工艺过程不仅能达到很高的识别率，而且鲁棒性好，可以针对不同的SLM粉床图像选取适合的阈值执行算法处理，因而还能够在整体算法的效率与最终可获得的检测精度之间取得很好的平衡，并具备便于操控和计算处理的优点。
附图说明
图1是按照本发明优选实施方式所构建的SLM粉床铺粉图像凸包凹陷缺陷检测方法的整体工艺流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1是按照本发明优选实施方式所构建的SLM粉床铺粉图像凸包凹陷缺陷检测方法的整体工艺流程示意图。如图1中所示，该工艺主要包括下列流程步骤：
步骤一，图像预处理步骤。
采集多个SLM粉床铺粉的彩色图像，将其导入至MATLAB系统中作为检测图像，并基于此MATLAB系统对各检测图像进行预处理。作为本发明的关键改进之一，即在于引入MATLAB系统来作为SLM粉床铺粉图像的检测平台，并凭借其丰富的封装库函数来实现符合本特定应用场合需求的多项功能。
具体而言，该图像预处理过程包括如下操作：首先使用MATLAB系统将检测图像进行二值化和灰度化处理，由此获得对应的灰度图像；接着，根据灰度分布直方图来判定像素集中的区域，并直接调用系统工具箱中的imadjust函数对其灰度范围进行扩展，由此获得更为清晰的灰度图像。此外，依次对灰度图像执行锐化滤波和平滑滤波，然后输出预处理完毕的图像。作为优选的具体操作方式，可以使用MATLAB系统中的拉普拉斯滤波器自动选择滤波因子，由此执行对应的锐化滤波操作；同时使用MATLAB系统中的维纳滤波器自动选择滤波窗口，由此执行对应的平滑滤波操作。
本发明在此预处理步骤中的关键改进之处还在于对上述灰度扩展、锐化滤波和平滑滤波的具体处置方式选择上。通过调用系统工具箱中的imadjust函数来扩展灰度图像，这样不仅更为方便快捷，更重要的是能够针对感兴趣的部分扩大其灰度范围，相应使得SLM分层铺粉图像缺陷部分更加突出容易分辨。此外，之所以先使用拉普拉斯锐化滤波再进行维纳平滑平滑滤波的具体操作，是因为SLM图像整体噪声并不明显，先使用平滑滤波会使原图像变得模糊，抹除了缺陷的特征，再锐化之后对边缘的突出效果并不很好，不利于后续处理。而先使用锐化滤波后，缺陷的特征变得明显，再进行平滑滤波后抹除由于锐化滤波产生的噪点，综合处理效果更好。
步骤二，缺陷获取步骤。
接着，将预处理后的SLM粉床铺粉图像与SLM制件的当前位置截面图进行差分处理，由此获取反映SLM粉床铺粉凸包凹陷分布的图像。在此过程中，由于凸包凹陷多为块状团状，与划痕形态区别较为明显，因而优选可采用形态学方法对图像中类似划痕的细长特征区域进行筛选，从而更好获取凸包凹陷区域。
步骤三，图像分割步骤。
作为本发明的另一关键改进，针对前一步骤获得的图像，在本发明中优选进一步使用局部阈值分割法对其进行分割，并使得凸包凹陷区域与背景区域予以初步区分。按照本发明的一个优选实施方式，该过程可以包括如下操作：
由于凸包凹陷区域对光线的反射不同，其与背景部分有不同的灰度值，因此在本发明中经过较多的实际测试，优选可以取局部阈值为m*图像中心像素灰度值+n*图像背景像素灰度值的计算公式来确定合适的局部阈值，进而得到分割结果。此外，针对结果还可以通过调整m、n的值来优化。而保持外部因素一致时，背景部分(即铺粉正常的区域)灰度值波动不大，保持在一个较稳定的值，因此只需第一次对m、n的值进行调整，后续保持外部因素不改变即可。当然，也可以采取本领域其他合适的算法来执行以上图像分割步骤。
步骤四，缺陷识别步骤。
最后，本发明中选取前一步骤已初步分割区分的凸包凹陷区域，使用MATLAB系统中的canny算子执行图像边缘检测，由此识别检测出最终的凸包凹陷缺陷同时给予位置标注。
在此过程中，按照本发明的另一优选实施方式，该过程具体可包括如下操作：譬如可采取OTSU算法或其他方式，首先在canny算子的阈值选区中设定双阈值，并将低于低阈值的点视为非边缘点，高于高阈值的点视为边缘点；与此同时，将处于二者之间的点通过边缘的连通性来判断：若其相邻有边缘点，则视为边缘点；若为孤立点，则视为非边缘点。以此方式，实际测试表明能够更为全面、精确地获得最终的边缘检测操作，进而得到所需的SLM粉床铺粉图像凸包凹陷缺陷检测结果。
综上，按照本发明的检测方法能够较好地解决现有技术中不能较完善地通过机器识别SLM粉床凸包凹陷缺陷的问题，同时具备识别率高、操作方便快捷和鲁棒性好等优点，因而尤其适用于各类SLM制造过程中的粉床铺粉图像执行高效高精度检测的应用场合。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于MATLAB的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其特征在于，该方法包括下列步骤：
(a)图像预处理步骤
采集多个SLM粉床铺粉的彩色图像，将其导入至MATLAB系统中作为检测图像，并基于此MATLAB系统对各检测图像进行预处理，该过程包括如下操作：首先使用MATLAB系统将检测图像进行二值化和灰度化处理，由此获得对应的灰度图像；接着，根据灰度分布直方图来判定像素集中的区域，并直接调用系统工具箱中的imadjust函数对其灰度范围进行扩展，由此获得更为清晰的灰度图像；接着，依次对灰度图像执行锐化滤波和平滑滤波，然后输出预处理完毕的图像；
(b)缺陷获取步骤
将步骤(a)预处理后的SLM粉床铺粉图像与SLM制件的当前位置截面图进行差分处理，由此获取反映SLM粉床铺粉凸包凹陷分布的图像；
(c)图像分割步骤
针对步骤(b)获得的图像，进一步使用局部阈值分割法对其进行分割，并使得凸包凹陷区域与背景区域予以初步区分；在此过程中，根据凸包凹陷区域与背景区域之间的灰度值差异，优选采取下列公式来确定合适的局部阈值并得到分割结果：局部阈值＝m*图像中心像素的灰度值+n*图像背景的像素灰度值，其中m、n分别表示可预设的优化系数；
(d)缺陷识别步骤
选取步骤(c)已初步分割区分的凸包凹陷区域，使用MATLAB系统中的canny算子执行图像边缘检测，由此识别检测出最终的凸包凹陷缺陷同时给予位置标注，并且该图像边缘检测的过程包括如下操作：首先在canny算子的阈值选区中设定双阈值，并将低于低阈值的点视为非边缘点，高于高阈值的点视为边缘点；与此同时，将处于边缘点与非边缘点二者之间的点通过边缘的连通性来判断：若其相邻有边缘点，则视为边缘点；若为孤立点，则视为非边缘点。
2.如权利要求1所述的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其特征在于，在步骤(a)中，优选使用MATLAB系统中的拉普拉斯滤波器自动选择滤波因子，由此执行对应的锐化滤波操作。
3.如权利要求1或2所述的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其特征在于，在步骤(a)中，优选使用MATLAB系统中的维纳滤波器自动选择滤波窗口，由此执行对应的平滑滤波操作。
4.如权利要求1-3任意一项所述的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其特征在于，在步骤(b)中，优选采用形态学方法对图像中类似划痕的细长特征区域进行筛选，由此更为精准地获取反映凸包凹陷分布的区域信息。
5.如权利要求1-4任意一项所述的SLM粉床铺粉图像凸包凹陷缺陷检测方法，其特征在于，在步骤(c)之后，当识别检测出最终的凸包凹陷缺陷后，优选还配备有相应的监控警报系统，由此实现铺粉缺陷的实时预警。
CN201811307796.XA 2018-11-05 2018-11-05 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 Active CN109685760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811307796.XA CN109685760B (zh) 2018-11-05 2018-11-05 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811307796.XA CN109685760B (zh) 2018-11-05 2018-11-05 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法

Publications (2)

Publication Number Publication Date
CN109685760A true CN109685760A (zh) 2019-04-26
CN109685760B CN109685760B (zh) 2022-05-20

Family

ID=66185773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811307796.XA Active CN109685760B (zh) 2018-11-05 2018-11-05 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法

Country Status (1)

Country Link
CN (1) CN109685760B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119965A (zh) * 2019-05-17 2019-08-13 浙江和也健康科技有限公司 一种床垫信息收集器、床垫售后服务系统及方法
CN110253019A (zh) * 2019-07-25 2019-09-20 阳江市五金刀剪产业技术研究院 一种激光选区熔化的质量监控与控制方法
CN111209908A (zh) * 2019-12-31 2020-05-29 深圳奇迹智慧网络有限公司 更新标注框的方法、装置、存储介质和计算机设备
CN112819746A (zh) * 2019-10-31 2021-05-18 合肥美亚光电技术股份有限公司 坚果籽仁虫蚀缺陷检测方法及装置
CN112819745A (zh) * 2019-10-31 2021-05-18 合肥美亚光电技术股份有限公司 坚果籽仁中心虫蚀缺陷检测方法及装置
CN113441735A (zh) * 2020-03-27 2021-09-28 广东汉邦激光科技有限公司 3d激光成型装置及3d激光成型方法
CN114199893A (zh) * 2021-12-10 2022-03-18 北京航空航天大学 一种slm铺粉过程缺陷识别与熔池状态实时监测装置及方法
CN116984628A (zh) * 2023-09-28 2023-11-03 西安空天机电智能制造有限公司 一种基于激光特征融合成像的铺粉缺陷检测方法
CN117173169A (zh) * 2023-11-02 2023-12-05 泰安金冠宏食品科技有限公司 基于图像处理的预制菜分选方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103175844A (zh) * 2012-03-16 2013-06-26 沈阳理工大学 一种金属零部件表面划痕缺陷检测方法
CN103872983A (zh) * 2014-04-04 2014-06-18 天津市鑫鼎源科技发展有限公司 太阳能电池表面缺陷检测设备及方法
US20150098655A1 (en) * 2013-10-08 2015-04-09 National Tsing Hua University Method of Defect Image Classification through Integrating Image Analysis and Data Mining
CN106353284A (zh) * 2016-08-29 2017-01-25 哈尔滨工业大学（威海） 基于光谱诊断的激光增材制造过程中缺陷的在线诊断方法
CN106881462A (zh) * 2017-01-23 2017-06-23 华中科技大学 一种针对激光选区熔化成形缺陷的在线检测与优化系统
CN107402220A (zh) * 2017-07-01 2017-11-28 华中科技大学 一种激光选区熔化成形铺粉质量视觉在线检测方法及系统
US20180126670A1 (en) * 2016-11-07 2018-05-10 General Electric Company Method and system for x-ray backscatter inspection of additive manufactured parts
CN108230324A (zh) * 2018-01-31 2018-06-29 浙江理工大学 磁瓦表面微缺陷视觉检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103175844A (zh) * 2012-03-16 2013-06-26 沈阳理工大学 一种金属零部件表面划痕缺陷检测方法
US20150098655A1 (en) * 2013-10-08 2015-04-09 National Tsing Hua University Method of Defect Image Classification through Integrating Image Analysis and Data Mining
CN103872983A (zh) * 2014-04-04 2014-06-18 天津市鑫鼎源科技发展有限公司 太阳能电池表面缺陷检测设备及方法
CN106353284A (zh) * 2016-08-29 2017-01-25 哈尔滨工业大学（威海） 基于光谱诊断的激光增材制造过程中缺陷的在线诊断方法
US20180126670A1 (en) * 2016-11-07 2018-05-10 General Electric Company Method and system for x-ray backscatter inspection of additive manufactured parts
CN106881462A (zh) * 2017-01-23 2017-06-23 华中科技大学 一种针对激光选区熔化成形缺陷的在线检测与优化系统
CN107402220A (zh) * 2017-07-01 2017-11-28 华中科技大学 一种激光选区熔化成形铺粉质量视觉在线检测方法及系统
CN108230324A (zh) * 2018-01-31 2018-06-29 浙江理工大学 磁瓦表面微缺陷视觉检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ORHAN YAMAN 等: ""Image processing based fault detection approach for rail surface"", 《2015 23ND SIGNAL PROCESSING AND COMMUNICATIONS APPLICATIONS CONFERENCE (SIU)》 *
胡环星: ""基于机器视觉的磁瓦表面缺陷检测技术研究"", 《中国优秀硕士学位论文全文数据库-信息科技辑》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110119965A (zh) * 2019-05-17 2019-08-13 浙江和也健康科技有限公司 一种床垫信息收集器、床垫售后服务系统及方法
CN110253019A (zh) * 2019-07-25 2019-09-20 阳江市五金刀剪产业技术研究院 一种激光选区熔化的质量监控与控制方法
CN110253019B (zh) * 2019-07-25 2021-07-30 阳江市五金刀剪产业技术研究院 一种激光选区熔化的质量监控与控制方法
CN112819745B (zh) * 2019-10-31 2023-02-28 合肥美亚光电技术股份有限公司 坚果籽仁中心虫蚀缺陷检测方法及装置
CN112819746A (zh) * 2019-10-31 2021-05-18 合肥美亚光电技术股份有限公司 坚果籽仁虫蚀缺陷检测方法及装置
CN112819745A (zh) * 2019-10-31 2021-05-18 合肥美亚光电技术股份有限公司 坚果籽仁中心虫蚀缺陷检测方法及装置
CN112819746B (zh) * 2019-10-31 2024-04-23 合肥美亚光电技术股份有限公司 坚果籽仁虫蚀缺陷检测方法及装置
CN111209908A (zh) * 2019-12-31 2020-05-29 深圳奇迹智慧网络有限公司 更新标注框的方法、装置、存储介质和计算机设备
CN113441735A (zh) * 2020-03-27 2021-09-28 广东汉邦激光科技有限公司 3d激光成型装置及3d激光成型方法
CN114199893A (zh) * 2021-12-10 2022-03-18 北京航空航天大学 一种slm铺粉过程缺陷识别与熔池状态实时监测装置及方法
CN116984628A (zh) * 2023-09-28 2023-11-03 西安空天机电智能制造有限公司 一种基于激光特征融合成像的铺粉缺陷检测方法
CN116984628B (zh) * 2023-09-28 2023-12-29 西安空天机电智能制造有限公司 一种基于激光特征融合成像的铺粉缺陷检测方法
CN117173169A (zh) * 2023-11-02 2023-12-05 泰安金冠宏食品科技有限公司 基于图像处理的预制菜分选方法
CN117173169B (zh) * 2023-11-02 2024-02-06 泰安金冠宏食品科技有限公司 基于图像处理的预制菜分选方法

Also Published As

Publication number Publication date
CN109685760B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
CN109685760A (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
CN114140679B (zh) 一种缺陷融合方法、装置、识别系统及存储介质
CN105894036B (zh) 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法
CN108416766B (zh) 双侧入光式导光板缺陷视觉检测方法
CN109191459A (zh) 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法
Schmugge et al. Detection of cracks in nuclear power plant using spatial-temporal grouping of local patches
Rahaman et al. Automatic defect detection and classification technique from image: a special case using ceramic tiles
CN111047655B (zh) 基于卷积神经网络的高清摄像机布料疵点检测方法
CN105844621A (zh) 一种印刷品质量检测方法
CN106157303A (zh) 一种基于机器视觉对表面检测的方法
CN111028229A (zh) 一种基于图像处理技术的金属或涂层腐蚀检测方法
CN106780526A (zh) 一种铁氧体圆片表面裂痕识别方法
CN116503388B (zh) 缺陷检测方法、装置及存储介质
CN106780464A (zh) 一种基于改进阈值分割的织物疵点检测方法
JP2008175588A (ja) 外観検査装置
CN115100191A (zh) 基于工业检测的金属铸件缺陷识别方法
CN113034488A (zh) 一种喷墨印刷品的视觉检测方法
CN115272335A (zh) 基于显著性检测的冶金金属表面缺陷检测方法
CN106204590A (zh) 一种基于灰度图像标记处理的纸病检测方法
CN109584212A (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
KR101929669B1 (ko) 엔트로피를 이용하여 이미지를 분석하는 방법 및 장치
Xia et al. An automatic machine vision-based algorithm for inspection of hardwood flooring defects during manufacturing
JP2017167047A (ja) 欠陥検査装置、欠陥検査プログラム、欠陥検査方法
CN111210419A (zh) 基于人类视觉特性的微型磁瓦表面缺陷检测方法
CN109001213A (zh) 一种卷到卷超薄柔性ic基板外观检测方法

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