CN109772724B - 一种铸件重点表面及内部缺陷的柔性检测分析系统 - Google Patents
一种铸件重点表面及内部缺陷的柔性检测分析系统 Download PDFInfo
- Publication number
- CN109772724B CN109772724B CN201910195149.2A CN201910195149A CN109772724B CN 109772724 B CN109772724 B CN 109772724B CN 201910195149 A CN201910195149 A CN 201910195149A CN 109772724 B CN109772724 B CN 109772724B
- Authority
- CN
- China
- Prior art keywords
- conveyor belt
- detection
- bin
- ray
- casting
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 102
- 238000005266 casting Methods 0.000 title claims abstract description 79
- 230000007547 defect Effects 0.000 title claims abstract description 67
- 238000004458 analytical method Methods 0.000 title claims abstract description 14
- 230000002950 deficient Effects 0.000 claims abstract description 43
- 230000033001 locomotion Effects 0.000 claims description 30
- 238000003062 neural network model Methods 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明属于铸件智能识别和检测技术领域，具体公开了一种铸件重点表面及内部缺陷的柔性检测分析系统，包括硬件系统和控制系统，其特征在于，所述硬件系统包括带边框的传送带，传送带边框上设置有X射线检测仓，X射线检测仓一侧设置有机械手臂，另一侧设置有检测支架，检测支架上设置有CCD相机和环形光源，CCD相机和机械手臂均通过网络电缆连接有计算机终端，环形光源下方的传送带边框上设置有位置传感器；所述机械手臂另一侧设置为合格品出口；所述机械手臂正前方设置有次品箱，次品箱设置在传送带一侧，且与传送带有间隙；所述机械手臂与传送带边框固定连接；所述检测支架与传送带边框固定连接；所述CCD相机设置在环形光源轴心上方。
Description
技术领域
本发明属于铸件智能识别和检测技术领域，具体涉及一种铸件重点表面及内部缺陷的柔性检测分析系统。
背景技术
在铸造生产过程中，由于浇注系统的设计，铸件的表面和内部不可避免地会产生裂纹、缩孔、缩松等缺陷；铸件的质量影响零部件乃至整个机械设备的质量安全与使用寿命，因此铸件的质量检测是生产过程中十分重要的一个环节；目前，国内铸造企业大多采用人工目视检测铸件的缺陷，依赖工人的人眼识别和判断，这种传统检测方法主观性较强，劳动强度大、效率低且精度差；机器视觉检测技术作为当今工业中的一项重要技术，被广泛应用于基于内容的图像检索、汽车安全、视频监控和机器人技术等各大领域，并且随着技术的发展，机器视觉检测技术被应用于越来越多的领域，以满足不断提升的市场需求。
发明内容
为了克服检测铸件的重点表面与内部缺陷时人工主观意识强、效率低、精度差且劳动生产率低的问题，本发明提供了一种提高铸件产品质量检测效率及检测精度的铸件重点表面及内部缺陷的柔性检测分析系统。
基于上述目的，本发明通过如下技术方案实现：
一种铸件重点表面及内部缺陷的柔性检测分析系统，包括硬件系统和控制系统，硬件系统包括带边框的传送带，传送带边框上设置有X射线检测仓，X射线检测仓一侧设置有机械手臂，另一侧设置有检测支架，检测支架上设置有CCD相机和环形光源，CCD相机和机械手臂均通过网络电缆连接有计算机终端，环形光源下方的传送带边框上设置有位置传感器；机械手臂另一侧设置为合格品出口；机械手臂正前方设置有次品箱，次品箱设置在传送带一侧，且与传送带有间隙；机械手臂与传送带边框固定连接；检测支架与传送带边框固定连接；CCD相机设置在环形光源轴心上方。
优选地，控制系统包括上位机和下位机；上位机包括人机交互界面，人机交互界面设置在计算机终端上，计算机终端通过网络通信模块与工业服务器连接，计算机终端通过网络电缆连接机械运动控制模块，计算机终端上设置有铸件缺陷检测算法和产品数据库；计算机终端上设置有图像采集处理模块，计算机终端通过网络电缆连接有高压射线控制模块；下位机包括运动控制PLC和射线控制PLC；运动控制PLC通过网络电缆与机械运动控制模块连接；射线控制PLC通过网络电缆与高压射线控制模块连接。
优选地，射线控制PLC通过网络电缆与X射线检测仓连接；运动控制PLC通过网络电缆与位置传感器、CCD相机、传送带、和机械手臂连接。
优选地，铸件缺陷检测算法设置为神经网络模型，神经网络模型通过产品数据库中的缺陷特征算法形成神经网络检测模型。
优选地，次品箱包括内部缺陷次品箱，内部缺陷次品箱两侧分别设置有表面缺陷次品箱、表面及内部缺陷次品箱。
优选地，X射线检测仓设置为与传送带边框固定连接的n型框架；n型框架顶面、n型框架与传送带边框相连的两侧面均设置有防辐射板，其余两侧面均设置有防辐射帘,防辐射帘与传送带相接触；X射线检测仓内部沿传送带边框一侧固定有射线探伤机，相对一侧设置有射线探测板。
优选地，X射线检测仓通过网络电缆与计算机终端连接。
与现有技术相比，本发明的有益效果如下：
（1）通过各组件的精确组合和配合，为铸件重点表面及内部缺陷的分析提供充足的准备，可以进行准确的自动检测和分析，对检测过后的铸件进行分类处理，全程自动化程度高，检测效果好。
（2）通过设置上位机和下位机，为铸件检测的连续性、高效性和准确性提供技术支持，为实现铸件重点表面的缺陷和内部的检测提供支撑作用。
（3）射线控制PLC通过网络电缆与X射线检测仓连接；运动控制PLC通过网络电缆与位置传感器、CCD相机、传送带、和机械手臂连接。
（4）铸件缺陷检测算法设置为神经网络模型，神经网络模型通过产品数据库中的缺陷特征算法形成神经网络检测模型，能更精确和快速的处理和识别铸件的缺陷程度和缺陷类型，以便进行更快更高效的处理和检测。
（5）次品箱包括内部缺陷次品箱，内部缺陷次品箱两侧分别设置有表面缺陷次品箱、表面及内部缺陷次品箱；设置次品箱准确分类各个次品的类型，再利用时不必单独检测。
（6）将X射线检测仓固定在传送带上且不随传送带移动，能更好的检测铸件，防辐射板可以阻止辐射的逃逸，防辐射帘为铸件进入和送出提供便利。
（7）X射线检测仓通过网络电缆与计算机终端连接；通过连接计算机终端，对X射线检测仓的数据进行分析和储存。
综上，本发明设计利用计算机智能识别，配合X射线探伤能够实现铸件重要表面和内部的缺陷检测，大大提高了劳动效率，降低了劳动成本；并且可以将铸件质量检测和数据管理集成到同一个系统中，方便企业对各种型号的铸件总数量与合格率进行记录与管理。
附图说明
图1是实施例1的检测硬件示意图；
图2是X射线检测仓结构示意图；
图3是控制系统示意图；
图4是铸件缺陷检测算法示意图；
图5是检测系统流程示意图；
图6是实施例2的检测硬件示意图。
图中，1、环形光源，2、CCD相机，3、检测支架，4、X射线检测仓，5、机械手臂，6、网络电缆，7、计算机终端，8为待检测铸件，9、位置传感器，10、传送带，11、表面缺陷次品箱，12、内部缺陷次品箱，13、表面及内部缺陷次品箱，14、合格品出口，15、X射线探伤机，16、射线探测板，17、防辐射板。
具体实施方式
以下通过具体实施例对本发明作进一步详细说明，但并不限制本发明的范围。
实施例1：
一种铸件重点表面及内部缺陷的柔性检测分析系统，其结构如图1、图2、图3、图4和图5所示，包括硬件系统和控制系统，硬件系统包括带边框的传送带10，传送带10边框上设置有X射线检测仓4，X射线检测仓4一侧设置有机械手臂5，另一侧设置有检测支架3，检测支架3上设置有CCD相机2和环形光源1，CCD相机2和机械手臂5均通过网络电缆6连接有计算机终端7，环形光源1下方的传送带10边框上设置有位置传感器9；机械手臂5另一侧（即传送带10末端方向）设置为合格品出口14；机械手臂5正前方设置有次品箱，且次品箱设置在传送带10一侧，且与传送带10有间隙；机械手臂5与传送带10边框固定连接；检测支架3与传送带10边框固定连接；CCD相机2设置在环形光源1轴心上方；次品箱包括内部缺陷次品箱12，内部缺陷次品箱12两侧分别设置有表面缺陷次品箱11、表面及内部缺陷次品箱13。
控制系统包括上位机和下位机；上位机包括人机交互界面，人机交互界面设置在计算机终端7上，计算机终端7通过网络通信模块与工业服务器连接，计算机终端7通过网络电缆6连接机械运动控制模块，计算机终端7上设置有铸件缺陷检测算法和产品数据库；计算机终端7上设置有图像采集处理模块，计算机终端7通过网络电缆6连接有高压射线控制模块；下位机包括运动控制PLC和射线控制PLC；运动控制PLC通过网络电缆与机械运动控制模块连接；射线控制PLC通过网络电缆与高压射线控制模块连接。
射线控制PLC通过网络电缆6与X射线检测仓4连接；运动控制PLC通过网络电缆6与位置传感器9、CCD相机2、传送带10和机械手臂5连接。
铸件缺陷检测算法设置为神经网络模型，神经网络模型通过产品数据库中的缺陷特征算法形成神经网络检测模型。
X射线检测仓4设置为与传送带10边框固定连接的n型框架；n型框架顶面、n型框架与传送带10边框相连的两侧面均设置有防辐射板17，其余两侧面均设置有防辐射帘,防辐射帘与传送带10相接触；X射线检测仓4内部沿传送带边框一侧固定有X射线探伤机15，相对一侧设置有射线探测板16；X射线检测仓4通过网络电缆6与计算机终端7连接。
在使用过程中，待检测铸件8在传送带10上运动至CCD相机2下方时，位置传感器9采集到待检测铸件8的信号，使得机械运动控制模块传输指令给运动控制PLC，传送带10停止运动，CCD相机2采集待检测铸件8重点表面的图像信息，通过网络电缆6传输至计算机终端7；重点表面图像采集完毕，运动控制PLC使传送带10重新开始传送，将待检测铸件8送至X射线检测仓4，根据铸件的厚度，高压射线控制模块传输指令给射线控制PLC，调节X射线探伤机15发出的射线强度，射线探测板16接收穿透过待检测铸件8的射线，将二维图像传输至计算机终端7；图像采集处理模块存储CCD相机2和射线探测板16采集到的图像，经过图4的铸件缺陷检测算法处理，先对图像进行对比度增强、降噪等预处理，接着对缺陷目标进行图像分割与标记，提取表面缺陷特征，铸件缺陷检测算法采用神经网络模型，将产品数据库中的铸件型号参数和缺陷特征参数输入模型，学习训练后生成神经网络检测模型，输入图像即可输出铸件模型及铸件缺陷情况，最终根据检测结果，运动控制PLC控制机械手臂5将待检测铸件8按照缺陷分类分别送至出口表面缺陷次品箱11、内部缺陷次品箱12、表面及内部缺陷次品箱13，而没有缺陷的产品通过传送带10经过合格品出口14进入仓库保管。
实施例2：
一种铸件重点表面及内部缺陷的柔性检测分析系统，其结构如图2、图3、图4、图5和图6所示，在使用过程中，待检测铸件8在传送带10上运动至CCD相机2下方时，位置传感器9采集到待检测铸件8的信号，使得机械运动控制模块传输指令给运动控制PLC，传送带10停止运动，CCD相机2采集待检测铸件8重点表面的图像信息，通过网络电缆6传输至计算机终端7；重点表面图像采集完毕，运动控制PLC使传送带10重新开始传送，运动控制PLC控制机械手臂5将待检测铸件8上有表面缺陷的铸件抓取至表面缺陷次品箱11内，表面没有缺陷的待检测铸件8，在传送带10的移动下，传送至X射线检测仓4，根据铸件的厚度，高压射线控制模块传输指令给射线控制PLC，调节X射线探伤机15发出的射线强度，射线探测板16接收穿透过待检测铸件8的射线，将二维图像传输至计算机终端7；图像采集处理模块存储CCD相机2和射线探测板16采集到的图像，经过图4的铸件缺陷检测算法处理，先对图像进行对比度增强、降噪等预处理，接着对缺陷目标进行图像分割与标记，铸件缺陷检测算法采用神经网络模型，将产品数据库中的铸件型号参数和缺陷特征参数输入模型，学习训练后生成神经网络检测模型，输入图像即可输出铸件模型及铸件缺陷情况，最终根据检测结果，运动控制PLC控制机械手臂5将待检测铸件8有内部缺陷的铸件抓取至内部缺陷次品箱12，而没有缺陷的产品通过传送带10经过合格品出口14进入仓库保管。
Claims (4)
1.一种铸件重点表面及内部缺陷的柔性检测分析系统，其特征在于，包括硬件系统和控制系统，所述硬件系统包括带边框的传送带，传送带边框上设置有X射线检测仓，X射线检测仓一侧设置有机械手臂，另一侧设置有检测支架，检测支架上设置有CCD相机和环形光源，CCD相机和机械手臂均通过网络电缆连接有计算机终端，环形光源下方的传送带边框上设置有位置传感器；所述机械手臂另一侧设置为合格品出口；所述机械手臂正前方设置有次品箱，次品箱设置在传送带一侧，且与传送带有间隙；所述机械手臂与传送带边框固定连接；所述检测支架与传送带边框固定连接；所述CCD相机设置在环形光源轴心上方；
所述控制系统包括上位机和下位机；所述上位机包括人机交互界面，人机交互界面设置在计算机终端上，计算机终端通过网络通信模块与工业服务器连接，计算机终端通过网络电缆连接机械运动控制模块，计算机终端上设置有铸件缺陷检测算法和产品数据库；所述计算机终端上设置有图像采集处理模块，计算机终端通过网络电缆连接有高压射线控制模块；所述下位机包括运动控制PLC和射线控制PLC；所述运动控制PLC通过网络电缆与机械运动控制模块连接；所述射线控制PLC通过网络电缆与高压射线控制模块连接；
所述射线控制PLC通过网络电缆与X射线检测仓连接；所述运动控制PLC通过网络电缆与位置传感器、CCD相机、传送带和机械手臂连接；
所述铸件缺陷检测算法设置为神经网络模型，神经网络模型通过产品数据库中的缺陷特征算法形成神经网络检测模型；
待检测铸件在传送带上运动至CCD相机下方时，位置传感器采集到待检测铸件的信号，使得机械运动控制模块传输指令给运动控制PLC，传送带停止运动，CCD相机采集待检测铸件重点表面的图像信息，通过网络电缆传输至计算机终端；重点表面图像采集完毕，运动控制PLC使传送带重新开始传送，将待检测铸件送至X射线检测仓，根据铸件的厚度，高压射线控制模块传输指令给射线控制PLC，调节X射线探伤机发出的射线强度，射线探测板接收穿透过待检测铸件的射线，将二维图像传输至计算机终端；图像采集处理模块存储CCD相机和射线探测板采集到的图像，经过铸件缺陷检测算法处理，先对图像进行对比度增强、降噪预处理，接着对缺陷目标进行图像分割与标记，提取表面缺陷特征，铸件缺陷检测算法采用神经网络模型，将产品数据库中的铸件型号参数和缺陷特征参数输入模型，学习训练后生成神经网络检测模型，输入图像即可输出铸件模型及铸件缺陷情况，最终根据检测结果，运动控制PLC控制机械手臂将待检测铸件按照缺陷分类分别送至出口表面缺陷次品箱、内部缺陷次品箱、表面及内部缺陷次品箱，而没有缺陷的产品通过传送带经过合格品出口进入仓库保管。
2.如权利要求1所述的铸件重点表面及内部缺陷的柔性检测分析系统，其特征在于，所述次品箱包括内部缺陷次品箱，内部缺陷次品箱两侧分别设置有表面缺陷次品箱、表面及内部缺陷次品箱。
3.如权利要求2所述的铸件重点表面及内部缺陷的柔性检测分析系统，其特征在于，所述X射线检测仓设置为与传送带边框固定连接的n型框架；所述n型框架顶面、n型框架与传送带边框相连的两侧面均设置有防辐射板，其余两侧面均设置有防辐射帘,防辐射帘与传送带相接触；所述X射线检测仓内部沿传送带边框一侧固定有射线探伤机，相对一侧设置有射线探测板。
4.如权利要求3所述的铸件重点表面及内部缺陷的柔性检测分析系统，其特征在于，所述X射线检测仓通过网络电缆与计算机终端连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910195149.2A CN109772724B (zh) | 2019-03-14 | 2019-03-14 | 一种铸件重点表面及内部缺陷的柔性检测分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910195149.2A CN109772724B (zh) | 2019-03-14 | 2019-03-14 | 一种铸件重点表面及内部缺陷的柔性检测分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109772724A CN109772724A (zh) | 2019-05-21 |
| CN109772724B true CN109772724B (zh) | 2024-04-09 |
Family
ID=66488659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910195149.2A Active CN109772724B (zh) | 2019-03-14 | 2019-03-14 | 一种铸件重点表面及内部缺陷的柔性检测分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109772724B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110560376B (zh) * | 2019-07-19 | 2021-06-22 | 华瑞新智科技（北京）有限公司 | 一种产品表面缺陷检测方法及装置 |
| CN112986285B (zh) * | 2019-11-29 | 2022-12-13 | 中国商用飞机有限责任公司 | 缺陷类型确定方法、装置、云平台和介质 |
| CN111141758A (zh) * | 2019-12-27 | 2020-05-12 | 江苏南高智能装备创新中心有限公司 | 一种内圆柱表面缺陷检测方法 |
| CN111359908A (zh) * | 2020-02-21 | 2020-07-03 | 苏州先迅检测科技有限公司 | 一种自动检测设备 |
| CN112525915A (zh) * | 2020-10-30 | 2021-03-19 | 西安锐驰电器有限公司 | 一种机械零件外观缺陷检测装置 |
| CN112881440B (zh) * | 2021-04-28 | 2021-10-01 | 江苏中科云控智能工业装备有限公司 | 一种型材压铸件的加工识别和路径规划装置及方法 |
| CN113560201A (zh) * | 2021-07-22 | 2021-10-29 | 深圳领威科技有限公司 | 检测方法 |
| CN113663929A (zh) * | 2021-09-24 | 2021-11-19 | 深圳市广利达精密机械有限公司 | 一种自动化机械加工零件自动加工分拣设备及其方法 |
| CN113822886A (zh) * | 2021-11-23 | 2021-12-21 | 宁波隆源精密机械有限公司 | 一种新能源汽车电控盖板的加工检测系统及方法 |
| CN114088727B (zh) * | 2021-12-14 | 2024-03-15 | 溧阳市新力机械铸造有限公司 | 一种自动翻转的铸件表面缺陷检测装置 |
| CN117291918B (zh) * | 2023-11-24 | 2024-02-06 | 吉林大学 | 一种基于三维点云的汽车冲压件缺陷检测方法 |
| CN118122657A (zh) * | 2024-05-08 | 2024-06-04 | 兴化市华成机械制造有限公司 | 一种铸件损伤检测分选机 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539533A (zh) * | 2009-03-11 | 2009-09-23 | 华南理工大学 | 电池内部缺陷自动检测装置及方法 |
| WO2015055060A1 (zh) * | 2013-10-16 | 2015-04-23 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
| CN108154504A (zh) * | 2017-12-25 | 2018-06-12 | 浙江工业大学 | 一种基于卷积神经网络的钢板表面缺陷的检测方法 |
| CN207636523U (zh) * | 2017-12-01 | 2018-07-20 | 伟杰科技（苏州）有限公司 | 一种铸件缺陷的x光检测装置 |
| CN207675660U (zh) * | 2018-01-15 | 2018-07-31 | 佛山职业技术学院 | 一种磁环表面缺陷检测装置 |
| CN108982514A (zh) * | 2018-07-12 | 2018-12-11 | 常州大学 | 一种铸件表面缺陷仿生视觉检测系统 |
| CN209736098U (zh) * | 2019-03-14 | 2019-12-06 | 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 |
-
2019
- 2019-03-14 CN CN201910195149.2A patent/CN109772724B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101539533A (zh) * | 2009-03-11 | 2009-09-23 | 华南理工大学 | 电池内部缺陷自动检测装置及方法 |
| WO2015055060A1 (zh) * | 2013-10-16 | 2015-04-23 | 湖南镭目科技有限公司 | 一种连铸坯表面质量在线检测方法 |
| CN207636523U (zh) * | 2017-12-01 | 2018-07-20 | 伟杰科技（苏州）有限公司 | 一种铸件缺陷的x光检测装置 |
| CN108154504A (zh) * | 2017-12-25 | 2018-06-12 | 浙江工业大学 | 一种基于卷积神经网络的钢板表面缺陷的检测方法 |
| CN207675660U (zh) * | 2018-01-15 | 2018-07-31 | 佛山职业技术学院 | 一种磁环表面缺陷检测装置 |
| CN108982514A (zh) * | 2018-07-12 | 2018-12-11 | 常州大学 | 一种铸件表面缺陷仿生视觉检测系统 |
| CN209736098U (zh) * | 2019-03-14 | 2019-12-06 | 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109772724A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109772724B (zh) | 一种铸件重点表面及内部缺陷的柔性检测分析系统 | |
| CN110246122A (zh) | 基于机器视觉的小型轴承质量检测方法、装置及系统 | |
| CN204564598U (zh) | 玻璃管分选装置及玻璃管外观自动化检测设备 | |
| CN110216080A (zh) | 一种基于图像对比的pcb加工产线的质量监控系统 | |
| CN103157607A (zh) | 一种物品识别与分拣装置及其方法 | |
| CN204564599U (zh) | 一种玻璃管外观自动化检测设备 | |
| WO2022100145A1 (zh) | 一种基于人工智能视觉技术的输液袋异物识别方法及检测方法 | |
| CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
| CN108993929A (zh) | 一种双机联动工业机器视觉自动检测系统 | |
| CN114529510B (zh) | 一种阴极铜在线质量自动检测分类方法 | |
| CN107036542A (zh) | 一种齿环内外径外观检测方法及装置 | |
| CN109693140A (zh) | 一种智能化柔性生产线及其工作方法 | |
| KR102704880B1 (ko) | 딥 러닝 모델에 기반하여 제품의 결함 여부를 유형별로 검사하기 위한 시스템 | |
| CN103308525A (zh) | 一种用于金属线材生产的在线检测方法和装置 | |
| CN110738630A (zh) | 递归性深度学习系统的训练方法与检测系统 | |
| CN106645185A (zh) | 一种智能检测工业零件表面质量的方法及装置 | |
| WO2024198834A1 (zh) | 一种封闭压缩机制造中产品缺陷在线检测装置及方法 | |
| CN115980067A (zh) | 一种用于注塑物的智能视觉检测方法 | |
| CN117434064A (zh) | 一种铸件质量检测装置 | |
| CN209736098U (zh) | 一种铸件重点表面及内部缺陷的柔性检测分析系统 | |
| CN206146851U (zh) | 一种智能检测工业零件表面质量的装置 | |
| CN106990113B (zh) | 汽车连杆毛坯胀断面质量视觉检测装置 | |
| CN116674091B (zh) | 一种混凝土搅拌站后料场骨料自动上料方法 | |
| CN117314829A (zh) | 一种基于计算机视觉的工业零件质检方法和系统 | |
| CN109632815A (zh) | 表面缺陷在线检测系统及方法 |
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 |