CN109781739A - 汽车漆面表面外观缺陷全自动检测系统及方法 - Google Patents
汽车漆面表面外观缺陷全自动检测系统及方法 Download PDFInfo
- Publication number
- CN109781739A CN109781739A CN201910160431.7A CN201910160431A CN109781739A CN 109781739 A CN109781739 A CN 109781739A CN 201910160431 A CN201910160431 A CN 201910160431A CN 109781739 A CN109781739 A CN 109781739A
- Authority
- CN
- China
- Prior art keywords
- automobile
- imaging lens
- detection
- image
- appearance defects
- 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
Abstract
本发明公开了一种汽车漆面表面外观缺陷全自动检测系统及方法。本发明包括四套检测机械手臂、四套漆面视觉检测模组、被检测汽车;检测时,被检测汽车移动至检测区域后,四套检测机械手臂带动固定在检测机械手臂前端的四套漆面视觉检测模组依据汽车表面轮廓定位检测划分规划得到的采样点,进行汽车表面的全范围成像,成像后通过汽车漆面图像处理方法提取汽车漆面表面外观缺陷。本发明检测精度高、效率高、可定量识别;同时本发明将条纹投影成像与漫射均匀成像相结合,最大程度的保证了高亮漆面的表面外观缺陷检测效果,避免了杂散光对检测结果的影响。
Description
技术领域
本发明属于机器视觉检测领域,涉及汽车漆面表面外观缺陷全自动检测系统及方法。
背景技术
汽车在人们的日常生活中使用非常广泛,成为人们出行的首选交通工具。在汽车的生产过程中,喷漆的好坏直观的反应了汽车外观的优劣,但在喷漆过程中不可避免存在杂质点,这会导致喷漆后漆面存在凹凸点等外观缺陷,另外在漆面零件的组装过程中,不可避免会造成漆面的碰擦,这会导致组装后的车辆中存在部分划伤、掉漆等外观缺陷,外观缺陷的存在在汽车销售中将不可避免的产生销售和生产的纠纷,为避免上述纠纷的产生,在汽车出厂前进行整车漆面的检测非常有必要。
目前的汽车漆面的检测手段主要为目视法,目视法受所检测人的熟练程度影响较大,主观性较强,另外由于漆面为高反射面,受光照角度影响非常大,人目视不可避免会存在较多漏检,而且长期的检测会造成人眼疲劳,同样会造成外观缺陷的漏检。由于目视法检测速度较慢,漏检率较高,可靠性差,没有办法实现整个生产流程的流水线检测。因此开发汽车漆面表面外观缺陷全自动检测系统及方法将极大的提升汽车外观质量及外观质量的检测效率。
发明内容
本发明的目的是针对现有技术的不足,为解决汽车漆面外观缺陷检测,提供一种汽车漆面表面外观缺陷全自动检测系统及方法。本发面采用如下方案。
本发明解决其技术问题所采用的技术方案如下:
汽车漆面表面外观缺陷全自动检测系统,包括四套检测机械手臂(S1)、四套漆面视觉检测模组(S2);检测时,被检测汽车(S3)移动至检测区域后,四套检测机械手臂(S1)分别带动固定在检测机械手臂(S1)前端的四套漆面视觉检测模组(S2)依据汽车表面轮廓定位检测划分规划得到的采样点,进行汽车表面的全范围成像,成像后通过汽车漆面图像处理提取汽车漆面表面外观缺陷。
所述的漆面视觉检测模组(S2)包括:N套成像镜头相机组(S4)、防护外壳(S5)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8);N套成像镜头相机组(S4)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8)均刚性固定在防护外壳(S5)上;且N套成像镜头相机组(S4)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8)自上而下安装,多套成像镜头相机组(S4)、三个测距传感器(S7)自左而右均匀分布,大尺寸条纹投影屏(S6)设置在多套成像镜头相机组(S4)和三个测距传感器(S7)之间,均匀漫射发光板(S8)设置在三个测距传感器(S7)下端。
所述的N取值为3时为最佳,三套成像镜头相机组(S4)、三个测距传感器(S7)自左而右均匀分布,且每套成像镜头相机组(S4)与每个测距传感器(S7)上下位置对称。
所述的汽车表面轮廓定位检测划分规划:通过读取汽车3D模型,将模型分割为多个离散点,再依据N套成像镜头相机组(S4)的物方成像视场大小进行离散点的剔除、筛选,剔除、筛选原则依据两点间距进行,若两点间距小于等于物方视场的一半大小时,则保留为同一幅视场覆盖范围点;若两点间距超出物方视场的一半大小时,则保留为不同幅视场覆盖范围点;通过上述原则得到系列采样点,从而完成对汽车表面轮廓定位检测划分规划。
检测时,检测机械手臂(S1)带动漆面视觉检测模组(S2)至被检测汽车(S3)表面的采样点,漆面视觉检测模组(S2)中的三个测距传感器(S7)分别测量当前漆面视觉检测模组(S2)与被检测汽车(S3)表面的距离值,通过三个测距传感器(S7)获得的三组距离值,根据三组距离值调整检测机械手臂(S1)以保证三套成像镜头相机组(S4)成像清晰;调整完成后,大尺寸条纹投影屏(S6)投影条纹至被检汽车(S3)表面,通过N套成像镜头相机组(S4)拍摄条纹图像;大尺寸条纹投影屏(S6)投影出的条纹包括横、竖90°正交的两组条纹组,其中横条纹组包含不同间距的多条横条纹,竖条纹组包含不同间距的多条竖条纹;N套成像镜头相机组(S4)可拍摄采集到横条纹图像组与竖条纹图像组;条纹图像采集完成后,关闭大尺寸条纹投影屏(S6),打开均匀漫射发光板(S8),利用N套成像镜头相机组(S4)拍摄被检测汽车(S3)表面图像,得到漫射均匀图像;再通过汽车漆面图像处理提取出被检测汽车(S3)表面的外观缺陷。
所述的汽车漆面图像处理具体包括以下步骤:
步骤(1)读取横条纹图像组,对横条纹图像分别进行横向条纹分割得到横向亮条纹图像和横向暗条纹图像,针对横向亮条纹图像进行二值化、边缘腐蚀,得到横向亮条纹检测区域,在横条纹图像组中分别分割出横向亮条纹灰度检测区域,对横向亮条纹灰度检测区域进行二值化与特征提取,提取得到横向亮条纹中的外观缺陷;
同样依据上述处理过程可得到横向暗条纹图像中的外观缺陷;
步骤(2)读取竖条纹图像组,对竖条纹图像分别进行横向条纹分割得到竖向亮条纹图像和竖向暗条纹图像,针对竖向亮条纹图像进行二值化、边缘腐蚀,得到竖向亮条纹检测区域,在竖条纹图像组中分别分割出竖向亮条纹灰度检测区域,对竖向亮条纹灰度检测区域进行二值化与特征提取,提取得到竖向亮条纹中的外观缺陷;
同样依据上述处理过程可得到竖向暗条纹图像中的外观缺陷;
步骤(3)读取漫射均匀图像,对漫射均匀图像进行二值化、特征提取、特征筛选操作后,提取得到漫射均匀图像中的外观缺陷;
步骤(4)外观缺陷整合,将步骤(1)中提取得到的外观缺陷、步骤(2)中提取得到的外观缺陷与步骤(3)中提取得到的外观缺陷逐一进行缺陷匹配,对形状匹配一致的外观缺陷进行剔除,从而得到汽车漆面表面外观缺陷。
本发明有益效果如下:
本发明提出了条纹投影成像技术与漫射成像技术相结合的方法,解决了汽车复杂曲面表面不同颜色漆面缺陷的外观全自动检测,相比较于传统打光成像检测方式,具有检测精度高、无过亮过暗盲区、检测效率高等优势。同时汽车漆面表面外观缺陷全自动检测系统与检测机械手臂相结合,通过汽车表面轮廓定位检测划分规划,在读入3D模型的情况下,可自动生成规划,并自动引导机械手进行无人操作的自动化检测过程,适用于汽车的在线外观缺陷检测过程。
附图说明
图1.是汽车漆面表面外观缺陷全自动检测系统;
图2.是漆面视觉检测模组;
图3.是汽车漆面表面外观缺陷检测图像处理流程;
图4.是汽车漆面传统暗场成像图像;
图5.是横向条纹成像图像;
图6.是竖向条纹成像图像;
图7.是均匀漫射成像图像;
图8.是汽车漆面表面外观缺陷检测结果;
具体实施说明
下面结合附图和实施例对本发明作进一步说明。
如图1和2所示,汽车漆面表面外观缺陷全自动检测系统,包括四套检测机械手臂(S1)、四套漆面视觉检测模组(S2);检测时,被检测汽车(S3)移动至检测区域后,四套检测机械手臂(S1)分别带动固定在检测机械手臂(S1)前端的四套漆面视觉检测模组(S2)依据汽车表面轮廓定位检测划分规划得到的采样点,进行汽车表面的全范围成像,成像后通过汽车漆面图像处理提取汽车漆面表面外观缺陷。
所述的漆面视觉检测模组(S2)包括:N套成像镜头相机组(S4)、防护外壳(S5)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8);N套成像镜头相机组(S4)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8)均刚性固定在防护外壳(S5)上;且N套成像镜头相机组(S4)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8)自上而下安装,多套成像镜头相机组(S4)、三个测距传感器(S7)自左而右均匀分布,大尺寸条纹投影屏(S6)设置在多套成像镜头相机组(S4)和三个测距传感器(S7)之间,均匀漫射发光板(S8)设置在三个测距传感器(S7)下端。
所述的N取值为3时为最佳,三套成像镜头相机组(S4)、三个测距传感器(S7)自左而右均匀分布,且每套成像镜头相机组(S4)与每个测距传感器(S7)上下位置对称。
所述的检测机械手臂(S1)为库卡机械手,型号为KR60。
所述的汽车表面轮廓定位检测划分规划:通过读取汽车3D模型,将模型分割为多个离散点,再依据N套成像镜头相机组(S4)的物方成像视场大小进行离散点的剔除、筛选,剔除、筛选原则依据两点间距进行,若两点间距小于等于物方视场的一半大小时,则保留为同一幅视场覆盖范围点;若两点间距超出物方视场的一半大小时,则保留为不同幅视场覆盖范围点;通过上述原则得到系列采样点,从而完成对汽车表面轮廓定位检测划分规划。
检测时,检测机械手臂(S1)带动漆面视觉检测模组(S2)至被检测汽车(S3)表面的采样点,漆面视觉检测模组(S2)中的三个测距传感器(S7)分别测量当前漆面视觉检测模组(S2)与被检测汽车(S3)表面的距离值,通过三个测距传感器(S7)获得的三组距离值,根据三组距离值调整检测机械手臂(S1)以保证三套成像镜头相机组(S4)成像清晰;调整完成后,大尺寸条纹投影屏(S6)投影条纹至被检汽车(S3)表面,通过N套成像镜头相机组(S4)拍摄条纹图像;大尺寸条纹投影屏(S6)投影出的条纹包括横、竖90°正交的两组条纹组,其中横条纹组包含不同间距的多条横条纹,竖条纹组包含不同间距的多条竖条纹;N套成像镜头相机组(S4)可拍摄采集到横条纹图像组与竖条纹图像组;条纹图像采集完成后,关闭大尺寸条纹投影屏(S6),打开均匀漫射发光板(S8),利用N套成像镜头相机组(S4)拍摄被检测汽车(S3)表面图像,得到漫射均匀图像;再通过汽车漆面图像处理提取出被检测汽车(S3)表面的外观缺陷。
本发明所述的检测机械手臂(S1)为现有产品;
如图3所示,汽车漆面图像处理具体包括以下步骤:
步骤(1)读取横条纹图像组,对横条纹图像分别进行横向条纹分割得到横向亮条纹图像和横向暗条纹图像,针对横向亮条纹图像进行二值化、边缘腐蚀,得到横向亮条纹检测区域,在横条纹图像组中分别分割出横向亮条纹灰度检测区域,对横向亮条纹灰度检测区域进行二值化与特征提取,提取得到横向亮条纹中的外观缺陷;
同样依据上述处理过程可得到横向暗条纹图像中的外观缺陷;
步骤(2)读取竖条纹图像组,对竖条纹图像分别进行横向条纹分割得到竖向亮条纹图像和竖向暗条纹图像,针对竖向亮条纹图像进行二值化、边缘腐蚀,得到竖向亮条纹检测区域,在竖条纹图像组中分别分割出竖向亮条纹灰度检测区域,对竖向亮条纹灰度检测区域进行二值化与特征提取,提取得到竖向亮条纹中的外观缺陷;
同样依据上述处理过程可得到竖向暗条纹图像中的外观缺陷;
步骤(3)读取漫射均匀图像,对漫射均匀图像进行二值化、特征提取、特征筛选操作后,提取得到漫射均匀图像中的外观缺陷;
步骤(4)外观缺陷整合,将步骤(1)中提取得到的外观缺陷、步骤(2)中提取得到的外观缺陷与步骤(3)中提取得到的外观缺陷逐一进行缺陷匹配,对形状匹配一致的外观缺陷进行剔除,从而得到汽车漆面表面外观缺陷。
实施例
针对汽车引擎盖漆面进行表面缺陷检测试验。首先利用传统暗场方式成像,如图4所示,从图4中可以看出,由于曲面的反射及漆面的镜面效果,在图像中存在有不可控的反射光及灯珠像等,在处理时会造成结果的误判。利用漆面视觉检测模组,条纹投影成像技术与漫射成像技术采集到的图像如图5至图7所示。分别利用漆面图像处理方法处理后,再通过缺陷匹配方式剔除后,可提取得到表面缺陷,如图8所示。
Claims (7)
1.汽车漆面表面外观缺陷全自动检测系统,其特征在于包括四套检测机械手臂(S1)、四套漆面视觉检测模组(S2);检测时,被检测汽车(S3)移动至检测区域后,四套检测机械手臂(S1)分别带动固定在检测机械手臂(S1)前端的四套漆面视觉检测模组(S2)依据汽车表面轮廓定位检测划分规划得到的采样点,进行汽车表面的全范围成像,成像后通过汽车漆面图像处理提取汽车漆面表面外观缺陷。
2.如权利要求1所述的汽车漆面表面外观缺陷全自动检测系统,其特征在于漆面视觉检测模组(S2)包括:N套成像镜头相机组(S4)、防护外壳(S5)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8);N套成像镜头相机组(S4)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8)均刚性固定在防护外壳(S5)上;且N套成像镜头相机组(S4)、大尺寸条纹投影屏(S6)、三个测距传感器(S7)、均匀漫射发光板(S8)自上而下安装,多套成像镜头相机组(S4)、三个测距传感器(S7)自左而右均匀分布,大尺寸条纹投影屏(S6)设置在多套成像镜头相机组(S4)和三个测距传感器(S7)之间,均匀漫射发光板(S8)设置在三个测距传感器(S7)下端。
3.如权利要求2所述的汽车漆面表面外观缺陷全自动检测系统,其特征在于N取值为3时,三套成像镜头相机组(S4)、三个测距传感器(S7)自左而右均匀分布,且每套成像镜头相机组(S4)与每个测距传感器(S7)上下位置对称。
4.如权利要求2所述的汽车漆面表面外观缺陷全自动检测系统的实现方法,其特征在于汽车表面轮廓定位检测划分规划:通过读取汽车3D模型,将模型分割为多个离散点,再依据N套成像镜头相机组(S4)的物方成像视场大小进行离散点的剔除、筛选,剔除、筛选原则依据两点间距进行,若两点间距小于等于物方视场的一半大小时,则保留为同一幅视场覆盖范围点;若两点间距超出物方视场的一半大小时,则保留为不同幅视场覆盖范围点;通过上述原则得到系列采样点,从而完成对汽车表面轮廓定位检测划分规划。
5.如权利要求4所述的汽车漆面表面外观缺陷全自动检测系统的实现方法,其特征在于:检测时,检测机械手臂(S1)带动漆面视觉检测模组(S2)至被检测汽车(S3)表面的采样点,漆面视觉检测模组(S2)中的三个测距传感器(S7)分别测量当前漆面视觉检测模组(S2)与被检测汽车(S3)表面的距离值,通过三个测距传感器(S7)获得的三组距离值,根据三组距离值调整检测机械手臂(S1)以保证三套成像镜头相机组(S4)成像清晰;调整完成后,大尺寸条纹投影屏(S6)投影条纹至被检汽车(S3)表面,通过N套成像镜头相机组(S4)拍摄条纹图像;大尺寸条纹投影屏(S6)投影出的条纹包括横、竖90°正交的两组条纹组,其中横条纹组包含不同间距的多条横条纹,竖条纹组包含不同间距的多条竖条纹;N套成像镜头相机组(S4)可拍摄采集到横条纹图像组与竖条纹图像组;条纹图像采集完成后,关闭大尺寸条纹投影屏(S6),打开均匀漫射发光板(S8),利用N套成像镜头相机组(S4)拍摄被检测汽车(S3)表面图像,得到漫射均匀图像;再通过汽车漆面图像处理提取出被检测汽车(S3)表面的外观缺陷。
6.如权利要求5所述的汽车漆面表面外观缺陷全自动检测系统的实现方法,其特征在于汽车漆面图像处理具体包括以下步骤:
步骤(1)读取横条纹图像组,对横条纹图像分别进行横向条纹分割得到横向亮条纹图像和横向暗条纹图像,针对横向亮条纹图像进行二值化、边缘腐蚀,得到横向亮条纹检测区域,在横条纹图像组中分别分割出横向亮条纹灰度检测区域,对横向亮条纹灰度检测区域进行二值化与特征提取,提取得到横向亮条纹中的外观缺陷;
同样依据上述处理过程可得到横向暗条纹图像中的外观缺陷;
步骤(2)读取竖条纹图像组,对竖条纹图像分别进行横向条纹分割得到竖向亮条纹图像和竖向暗条纹图像,针对竖向亮条纹图像进行二值化、边缘腐蚀,得到竖向亮条纹检测区域,在竖条纹图像组中分别分割出竖向亮条纹灰度检测区域,对竖向亮条纹灰度检测区域进行二值化与特征提取,提取得到竖向亮条纹中的外观缺陷;
同样依据上述处理过程可得到竖向暗条纹图像中的外观缺陷;
步骤(3)读取漫射均匀图像,对漫射均匀图像进行二值化、特征提取、特征筛选操作后,提取得到漫射均匀图像中的外观缺陷;
步骤(4)外观缺陷整合,将步骤(1)中提取得到的外观缺陷、步骤(2)中提取得到的外观缺陷与步骤(3)中提取得到的外观缺陷逐一进行缺陷匹配,对形状匹配一致的外观缺陷进行剔除,从而得到汽车漆面表面外观缺陷。
7.如权利要求4或5或6所述的汽车漆面表面外观缺陷全自动检测系统的实现方法,其特征在于N取值为3时,三套成像镜头相机组(S4)、三个测距传感器(S7)自左而右均匀分布,且每套成像镜头相机组(S4)与每个测距传感器(S7)上下位置对称。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160431.7A CN109781739A (zh) | 2019-03-04 | 2019-03-04 | 汽车漆面表面外观缺陷全自动检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160431.7A CN109781739A (zh) | 2019-03-04 | 2019-03-04 | 汽车漆面表面外观缺陷全自动检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109781739A true CN109781739A (zh) | 2019-05-21 |
Family
ID=66486075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910160431.7A Pending CN109781739A (zh) | 2019-03-04 | 2019-03-04 | 汽车漆面表面外观缺陷全自动检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109781739A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007200A (zh) * | 2019-11-23 | 2020-04-14 | 无为县金徽机动车检测有限公司 | 一种汽车磨损扫描检测用探头控制器 |
CN112150441A (zh) * | 2020-09-24 | 2020-12-29 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的光滑漆面表面缺陷检测方法 |
CN113109346A (zh) * | 2021-03-08 | 2021-07-13 | 中国第一汽车股份有限公司 | 一种汽车覆盖件板料的表面质量自动检测系统及方法 |
CN113324994A (zh) * | 2021-05-26 | 2021-08-31 | 江苏骠马智能工业设计研究有限公司 | 车身面漆缺陷分层检测装置及其检测方法 |
CN114322754A (zh) * | 2020-10-09 | 2022-04-12 | 维尔泰克视觉国际有限公司 | 用于检查修复或装配操作的方法和系统 |
CN115541598A (zh) * | 2022-08-24 | 2022-12-30 | 深圳市二郎神视觉科技有限公司 | 汽车外观检测方法、装置及系统 |
CN115684172A (zh) * | 2022-10-09 | 2023-02-03 | 迁安市福运机动车检测有限公司 | 一种汽车外观检测系统及其使用方法 |
CN116523909A (zh) * | 2023-06-30 | 2023-08-01 | 广州市斯睿特智能科技有限公司 | 一种用于汽车车身外观的视觉检测方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102016496A (zh) * | 2008-02-04 | 2011-04-13 | Fps食品加工系统股份有限公司 | 用于探测蛋表面上的污物和其他瑕疵的带有软件控制的图像系统 |
CN102937598A (zh) * | 2012-11-12 | 2013-02-20 | 广州南沙华卓化工有限公司 | Ito薄膜电路图案缺陷信息的紫外光学在线自动检测方法与装置 |
CN103376265A (zh) * | 2012-04-13 | 2013-10-30 | 伟特集团 | 物品缺陷检测系统与方法 |
CN103954241A (zh) * | 2014-04-22 | 2014-07-30 | 华南理工大学 | 一种基于结构光的ic引脚共面度测量系统及其测量方法 |
CN107316486A (zh) * | 2017-07-11 | 2017-11-03 | 湖南星云智能科技有限公司 | 基于双摄像头的无人驾驶汽车视觉识别系统 |
CN207215716U (zh) * | 2017-06-30 | 2018-04-10 | 苏州优纳科技有限公司 | 一种用于fpc外观缺陷检查的装置 |
CN107993263A (zh) * | 2017-10-27 | 2018-05-04 | 深圳市易成自动驾驶技术有限公司 | 环视系统自动标定方法、汽车、标定装置及存储介质 |
CN108362205A (zh) * | 2017-11-14 | 2018-08-03 | 沈阳工业大学 | 基于条纹投影的空间测距方法 |
CN207832706U (zh) * | 2017-12-27 | 2018-09-07 | 东莞越视光电科技有限公司 | 一种镜面弧形物体缺陷检测光源 |
CN109030495A (zh) * | 2018-06-26 | 2018-12-18 | 大连鉴影光学科技有限公司 | 一种基于机器视觉技术的光学元件缺陷检测方法 |
CN109239086A (zh) * | 2018-10-22 | 2019-01-18 | 上海爱被思智能科技有限公司 | 车辆漆面及外观瑕疵检测系统 |
CN109242828A (zh) * | 2018-08-13 | 2019-01-18 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量系统及方法 |
CN109374646A (zh) * | 2018-09-26 | 2019-02-22 | 上海海事大学 | 一种基于激光全息技术的裂纹梁检测方法 |
-
2019
- 2019-03-04 CN CN201910160431.7A patent/CN109781739A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102016496A (zh) * | 2008-02-04 | 2011-04-13 | Fps食品加工系统股份有限公司 | 用于探测蛋表面上的污物和其他瑕疵的带有软件控制的图像系统 |
CN103376265A (zh) * | 2012-04-13 | 2013-10-30 | 伟特集团 | 物品缺陷检测系统与方法 |
CN102937598A (zh) * | 2012-11-12 | 2013-02-20 | 广州南沙华卓化工有限公司 | Ito薄膜电路图案缺陷信息的紫外光学在线自动检测方法与装置 |
CN103954241A (zh) * | 2014-04-22 | 2014-07-30 | 华南理工大学 | 一种基于结构光的ic引脚共面度测量系统及其测量方法 |
CN207215716U (zh) * | 2017-06-30 | 2018-04-10 | 苏州优纳科技有限公司 | 一种用于fpc外观缺陷检查的装置 |
CN107316486A (zh) * | 2017-07-11 | 2017-11-03 | 湖南星云智能科技有限公司 | 基于双摄像头的无人驾驶汽车视觉识别系统 |
CN107993263A (zh) * | 2017-10-27 | 2018-05-04 | 深圳市易成自动驾驶技术有限公司 | 环视系统自动标定方法、汽车、标定装置及存储介质 |
CN108362205A (zh) * | 2017-11-14 | 2018-08-03 | 沈阳工业大学 | 基于条纹投影的空间测距方法 |
CN207832706U (zh) * | 2017-12-27 | 2018-09-07 | 东莞越视光电科技有限公司 | 一种镜面弧形物体缺陷检测光源 |
CN109030495A (zh) * | 2018-06-26 | 2018-12-18 | 大连鉴影光学科技有限公司 | 一种基于机器视觉技术的光学元件缺陷检测方法 |
CN109242828A (zh) * | 2018-08-13 | 2019-01-18 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
CN109374646A (zh) * | 2018-09-26 | 2019-02-22 | 上海海事大学 | 一种基于激光全息技术的裂纹梁检测方法 |
CN109239086A (zh) * | 2018-10-22 | 2019-01-18 | 上海爱被思智能科技有限公司 | 车辆漆面及外观瑕疵检测系统 |
CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量系统及方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007200A (zh) * | 2019-11-23 | 2020-04-14 | 无为县金徽机动车检测有限公司 | 一种汽车磨损扫描检测用探头控制器 |
CN112150441A (zh) * | 2020-09-24 | 2020-12-29 | 菲特(天津)检测技术有限公司 | 一种基于机器视觉的光滑漆面表面缺陷检测方法 |
CN114322754A (zh) * | 2020-10-09 | 2022-04-12 | 维尔泰克视觉国际有限公司 | 用于检查修复或装配操作的方法和系统 |
CN113109346A (zh) * | 2021-03-08 | 2021-07-13 | 中国第一汽车股份有限公司 | 一种汽车覆盖件板料的表面质量自动检测系统及方法 |
CN113324994A (zh) * | 2021-05-26 | 2021-08-31 | 江苏骠马智能工业设计研究有限公司 | 车身面漆缺陷分层检测装置及其检测方法 |
CN113324994B (zh) * | 2021-05-26 | 2022-11-29 | 江苏骠马智能工业设计研究有限公司 | 车身面漆缺陷分层检测装置及其检测方法 |
CN115541598A (zh) * | 2022-08-24 | 2022-12-30 | 深圳市二郎神视觉科技有限公司 | 汽车外观检测方法、装置及系统 |
CN115684172A (zh) * | 2022-10-09 | 2023-02-03 | 迁安市福运机动车检测有限公司 | 一种汽车外观检测系统及其使用方法 |
CN116523909A (zh) * | 2023-06-30 | 2023-08-01 | 广州市斯睿特智能科技有限公司 | 一种用于汽车车身外观的视觉检测方法及系统 |
CN116523909B (zh) * | 2023-06-30 | 2023-09-29 | 广州市斯睿特智能科技有限公司 | 一种用于汽车车身外观的视觉检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109781739A (zh) | 汽车漆面表面外观缺陷全自动检测系统及方法 | |
US5208766A (en) | Automated evaluation of painted surface quality | |
CA2151344C (en) | Lens inspection system and method | |
CN106226325B (zh) | 一种基于机器视觉的座椅表面缺陷检测系统及其方法 | |
EP1995553B1 (en) | System and method for identifying a feature of a workpiece | |
CN105510340B (zh) | 对琢石成像的方法 | |
CN109375573A (zh) | 一种工业机器视觉系统图像处理方法 | |
US5041726A (en) | Infrared holographic defect detector | |
CN106969706A (zh) | 基于双目立体视觉的工件检测与三维测量系统及检测方法 | |
CN105466953A (zh) | 基于识别钢球表面反射图案完整性的钢球表面缺陷检测法 | |
CN113324994B (zh) | 车身面漆缺陷分层检测装置及其检测方法 | |
CN107843202A (zh) | 一种与机器人配合使用的间隙、面差视觉测量装置及方法 | |
CN110044910A (zh) | 一种汽车置杯盒零部件检测系统及检测方法 | |
CN105160754A (zh) | 基于高度测量的硬币表面质量检测装置及其检测方法 | |
CN114719749B (zh) | 基于机器视觉的金属表面裂纹检测及真实尺寸测量方法及系统 | |
CN113030102A (zh) | 基于机器视觉的漆面瑕疵检查系统 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN108844961A (zh) | 一种温控器壳体视觉检测系统及方法 | |
Filip et al. | Effective acquisition of dense anisotropic BRDF | |
CN109342320A (zh) | 汽车外观损伤检测识别硬件系统 | |
CN109507198A (zh) | 基于快速傅里叶变换和线性高斯的口罩检测系统及方法 | |
EP0686841A2 (en) | System and method for inspecting lenses | |
CN111879789A (zh) | 金属表面缺陷检测方法及系统 | |
Li et al. | The method for glass bottle defects detecting based on machine vision | |
CN103884294B (zh) | 一种宽视场的红外光三维形貌测量的方法及其装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190521 |