CN109949362B - 一种物料视觉检测方法 - Google Patents
一种物料视觉检测方法 Download PDFInfo
- Publication number
- CN109949362B CN109949362B CN201910157344.6A CN201910157344A CN109949362B CN 109949362 B CN109949362 B CN 109949362B CN 201910157344 A CN201910157344 A CN 201910157344A CN 109949362 B CN109949362 B CN 109949362B
- Authority
- CN
- China
- Prior art keywords
- suction device
- calculating
- rubber mat
- target area
- image
- 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
Abstract
本发明涉及物料检测技术领域,尤其是涉及一种物料视觉检测方法,用于识别并吸取物料中的胶垫,吸取装置与摄像头组件之间的位置相对固定;包括以下步骤:摄像头组件获取吸取装置下方的目标图像,计算判定物料是否到达吸取装置下方的目标区域;计算得到胶垫于有效区域内的坐标信息;根据胶垫于目标区域内的坐标信息以及吸取装置的坐标信息计算获得吸取装置的位置矫正距离;吸取装置根据位置矫正距离调整至胶垫的正上方。本发明的发明目的在于提供一种物料视觉检测方法,采用本发明提供的技术方案能够利用摄像头检测各种规格的物料,根据视觉检测结果直接控制抓取机器运动到目标位置,不需要人工设置坐标参数,达到自动组装物料的目的。
Description
技术领域
本发明涉及物料检测技术领域,尤其是涉及一种物料视觉检测方法。
背景技术
在产品组装加工工序中,需要将待组装组件抓取放置在合适位置,常采用自动组装机器,例如自动胶垫机,用于抓取胶垫原料,放置在目标设备的胶垫凹槽上,完成胶垫的自动组装。
目前自动组装机器只能处理位于固定坐标系中的待组装物料,在组装使用过程中,自动组装机器会不断累积机械运动误差,而且不能兼容第三方厂家的各种规格的物料,同时对于物料的制作要求比较高,一旦物料有偏差就会出现组装出错。
发明内容
本发明的发明目的在于提供一种物料视觉检测方法,采用本发明提供的技术方案能够利用摄像头检测各种规格的物料,根据视觉检测结果直接控制抓取机器运动到目标位置,不需要人工设置坐标参数,达到自动组装物料的目的。
为了达到上述发明目的,本发明提供一种物料视觉检测方法,用于识别并吸取物料中的胶垫,吸取装置与摄像头组件之间的位置相对固定;包括以下步骤:
S100、吸取装置的初始位置位于摄像头组件拍摄的目标区域的上方;
S200、摄像头组件获取吸取装置下方的目标区域图像,计算判定物料是否移动到吸取装置下方的目标区域;
S300、若物料全部落入目标区域,截取目标区域图像中的有效区域图像,计算得到胶垫于有效区域内的坐标信息;
S400、根据胶垫于有效区域内的坐标信息以及吸取装置的坐标信息计算获得吸取装置的位置矫正距离;
S500、吸取装置根据位置矫正距离调整至胶垫的正上方,并对胶垫完成吸取及放置动作;
S600、吸取装置根据物料的规格参数依次移动到其他胶垫的上方,重复步骤S200-500。
在步骤S200中,计算判定物料是否移动到吸取装置下方的目标区域;优选的,包括以下步骤:
S201、通过亮度估计得到所述目标区域图像的亮度值,通过直方图统计得到所述目标区域图像的灰度分布图;
S202、将所述亮度值和直方图峰值对应的灰度与设定阈值分别比对,判断物料移动到吸取装置下方的目标区域内。
在步骤S300中,截取目标区域图像中的有效区域图像,计算得到胶垫于有效区域内的坐标信息;优选的,包括以下步骤:
S301、计算获取有效区域图像在灰度图上的均值和方差,根据所述均值和方差对有效区域图像进行亮度补偿;
S302、对亮度补偿后的有效区域图像进行直方图归一化处理;
S303、采用核大小为7的中值滤波器进行滤波去噪;
S304、采用全局阈值法进行二值化处理;
S305、用8邻域法去除所有0~700个像素的连通区域斑点;
S306、分别采用三个不同半径值的圆模板对处理后的有效区域图像中的胶垫进行一一匹配,通过获取最佳匹配点得到胶垫的圆心于有效区域内的坐标信息。
在步骤S400中,根据胶垫于有效区域内的坐标信息以及吸取装置的坐标信息计算获得吸取装置的位置矫正距离;优选的,包括以下步骤:
S401、通过以下计算公式计算获得实际距离与图像中的像素点之间的距离像素相关系数k1,k1=m/n,其中m为步骤S305中最佳匹配圆模板的直径,n为最佳匹配圆模板直径占用的像素点;
S402、通过以下计算公式计算获得吸取装置的位置矫正距离A,A=k1*Δa=Δa*m/n,其中Δa为胶垫的坐标与吸取装置的坐标之间的像素差值。
在步骤S500中,吸取装置根据位置矫正距离调整至胶垫的正上方;优选的,包括以下步骤:
S501、通过测试及计算获得脉冲与像素点之间的脉冲像素相关系数k2,k2=o/p,其中o为测试过程中发送的脉冲数量,p为吸取装置移动的像素点差;
S502、通过以下计算公式计算获得吸取装置的位置矫正距离A所需要的脉冲量B,B=k2*Δa=Δa*o/p,其中Δa为胶垫的坐标与吸取装置的坐标之间的像素差值。
由上可知,应用本发明提供的物料视觉检测方法可以得到以下有益效果:本发明能够利用摄像头检测各种规格的胶垫,根据视觉检测结果直接控制吸取装置运动到目标位置,全程不需要人工设置坐标参数,对吸取装置的控制电机进行精确的操作,从而节省人力投入;并且降低了物料的制作精度要求,节省成本;同时能够弥补机械运动误差,而功能实现只需添加一个摄像头设备,节省维护成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对本发明实施例或现有技术的描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一部分实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例物料视觉检测方法程序流程图;
图2为本发明实施例物料视觉检测方法流程框图;
图3为本发明实施例物料视觉检测方法中物料识别步骤流程框图;
图4为本发明实施例物料视觉检测方法中胶垫检测步骤流程框图;
图5为本发明实施例物料视觉检测方法中亮度估计处理示意图;
图6为本发明实施例物料视觉检测方法中直方图归一化处理示意图;
图7为本发明实施例物料视觉检测方法中二值化处理示意图;
图8为本发明实施例物料视觉检测方法中8邻域法去除处理示意图;
图9为本发明实施例物料视觉检测方法中圆模板匹配示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了解决上述技术问题,本实施例提供一种物料视觉检测方法,用于识别并吸取物料中的胶垫。在说明本发明实施例之前,先介绍现有物料抓取装置中存在的技术问题,以帮助理解本发明实施例中的相关方案。
目前自动抓取机器只能处理位于固定坐标系中的待组装物料,在组装使用过程中,抓手会依次移动到设定好的坐标对应的位置,完成抓取动作,无法对该位置处的物料进行识别及抓手的位置进行矫正,自动组装机器会不断累积机械运动误差,而且不能兼容第三方厂家的各种规格的物料,一旦物料有偏差就会出现组装出错,因此目前自动抓取机器并不是真正意义上的全自动抓取机器。
为此,本实施例提供一种物料视觉检测方法,应用于具有吸取装置或抓取装置的物料抓取装置,在本实施例中,以吸取装置为例做详细说明;并且,还包括摄像头组件,其中吸取装置与摄像头组件之间的位置相对固定。
本实施例提供的物料视觉测试方法用于识别并吸取物料中的胶垫,再根据识别到胶垫的坐标信息实时矫正吸取装置的位置,并完成胶垫的抓取,实现胶垫的自动化抓取工序。在本实施例中,视觉在流程中主要起到的作用有两个:一是判断物料的有无和位置;二是通过检测胶垫来进行修正吸取装置的位置。操作人员只需放置胶垫到机器上,机器就会自动完成剩下的工作,从而减少人力投入。
请参见图1-2,本实施例提供的物料视觉检测方法包括以下步骤:
S100、吸取装置的初始位置位于摄像头组件拍摄的目标区域的上方。
由于物料视觉检测过程中,均存在传送装置对物料实现传送,在该方案中,吸取装置以及物料虽然均存在移动过程,但工作过程存在起始位置,在该步骤中,吸取装置的初始位置位于摄像头组件拍摄的目标区域的上方,物料在传送装置的作用下移动到目标区域。
因此操作人员只需要放置物料到大致位置,机器自动传送识别,避免操作人员因为操作失误带来的不良结果。
S200、摄像头组件获取吸取装置下方的目标区域图像,计算判定物料是否移动到吸取装置下方的目标区域。
本实施例提供的物料视觉检测方法通过视觉检测方式识别物料,在启动后,摄像头组件获取吸取装置下方的目标区域图像,再通过获取的目标区域图像计算判定物料是否到达吸取装置下方的目标区域。该步骤主要通过判断明暗变换和直方图统计来判断物料是否到达目标区域,请参见图3,为此计算判定具体包括以下步骤:
S201、亮度估计和直方图归一化处理:
亮度估计:计算图片在灰度图上的均值和方差,得到图像的亮度值。当存在亮度异常时,均值会偏离均值点,一般设为128,方差就会偏小,因此通过计算灰度图的均值和方差,即可评估图像是否存在过曝光或曝光不足。
直方图归一化处理:通过直方图统计得到图像的灰度分布图。
S202、将所述亮度值和直方图峰值对应的灰度与设定阈值分别比对,判断物料到达吸取装置下方的目标区域内。
在步骤S201中,亮度估计会得到一个实际的亮度值,范围为0~255,判定初始阈值设定为128。亮度值高于128说明不存在物料,亮度值低于128说明存在物料;
在步骤S201中,直方图统计会得到一个灰度分布图,具体为像素值为0,1,2,...255的个数直方图,灰度值最多的像素成为直方图峰值,在该步骤中,直方图峰值对应的灰度的设定阈值范围为0~200,当直方图峰值对应的灰度在200以上时,可判定为没有物料。
结合亮度估计以及直方图统计,即可对目标区域是否存在物料实现判断。
S300、若物料全部落入目标区域,截取目标区域图像中的有效区域图像,计算得到胶垫于有效区域内的坐标信息。
请参见图4-9,包括以下步骤:
S301、计算获取有效区域图像在灰度图上的均值和方差,根据所述均值和方差对有效区域图像进行亮度补偿;
S302、对亮度补偿后的有效区域图像进行直方图归一化处理:具体包括
a、计算输入规定图像的直方图;
b、计算原始、规定灰度级概率;
c、计算原始、规定累计概率直方图;
d、计算SML单映射规则;
e、计算输出图像;
S303、采用核大小为7的中值滤波器进行滤波去噪,减少一些线性噪声的干扰;
S304、采用全局阈值法进行二值化计算,快速有效的找到二值化分割阈值;
S305、连通域筛选是对连通域的像素进行统计,用8邻域法去除所有0~700个像素的连通区域斑点;本方案中图像情况复杂多变,实际上并不使用最理想效果的参数,而是把这两个值设在一个范围内;
S306、分别采用三个不同半径值的圆模板对处理后的图像中的胶垫进行一一匹配,通过三次匹配,获取最佳匹配点得到胶垫圆心于目标区域内的坐标信息。观察实际模板匹配运算结果可以发现,匹配点附近的匹配误差迅速下降,明显区别于其它位置。针对这一特点,采用粗精匹配结合的算法迅速锁定匹配点大致区域,可大大降低整体匹配次数。
其中步骤S301-304中滤波去噪、二值化处理和连通域筛选属于图像预处理内容,步骤S305中圆模板匹为图像识别部分。通过上述步骤即可获得胶垫圆心的坐标信息。
S400、根据胶垫于有效区域内的坐标信息以及吸取装置的坐标信息计算获得吸取装置的位置矫正距离。
在步骤S300中得到胶垫的实际坐标,此时吸取装置的吸头坐标与胶垫的坐标可能不一致,此时需要对吸取装置的位置进行矫正,在该步骤中需要将吸取装置坐标与检测到的胶垫坐标的偏差算出来,也就是吸头移动到实际胶垫坐标的修正距离,具体包括以下步骤:
S401、通过以下计算公式计算获得实际距离与图像中的像素点之间的距离像素相关系数k1,k1=m/n,其中m为步骤S305中最佳匹配圆模板的直径,n为最佳匹配圆模板直径占用的像素点;
S402、通过以下计算公式计算获得吸取装置的位置矫正距离A,A=k1*Δa=Δa*m/n,其中Δa为胶垫的坐标与吸取装置的坐标之间的像素差值。
其中步骤S401为了得到图像中每个像素对应的长度,步骤S402则将吸取装置坐标与胶垫坐标之间的像素差值转换为长度。在步骤S402中,摄像头组件与吸取装置之间的位置相对固定,把图像中心与吸头中心在结构上保持一致,因此图像中心可设为吸头中心,矫正的距离就是检测到的坐标与图像中心的差,这个差是像素差Δa
S500、吸取装置根据位置矫正距离调整至胶垫的正上方,并对胶垫完成吸取及放置动作。
包括以下步骤:
S501、通过测试及计算获得脉冲与像素点之间的脉冲像素相关系数k2,k2=o/p,其中o为测试过程中发送的脉冲数量,p为吸取装置移动的像素点差;
在测试过程中,先在尺子标记一个点,然后发送o个脉冲驱使电机移动,尺子上的标记点会移动p个像素,那么每个脉冲移动了o/p个像素,像素脉冲相关系参数k2=o/p。可通过多次测试得到的像素和电机脉冲之间的关系参数,计算出胶垫需要矫正的距离和吸头需要移动的距离,保证准确吸取胶垫,弥补物料做工不良导致的胶垫偏差以及硬件精度造成的运动误差,容错率高。
S502、通过以下计算公式计算获得吸取装置的位置矫正距离A所需要的脉冲量B,B=k2*Δa=Δa*o/p,其中Δa同为步骤S402中胶垫的坐标与吸取装置的坐标之间的像素差值。
S600、吸取装置根据物料的规格参数依次移动到其他胶垫的上方,重复步骤S200-500。
因为胶垫在出厂时的物料会按照一定的行数和列数排序,一张物料中每个胶垫的大概位置是可以粗略估计的,计算得到当前位置,那么下一个位置的坐标就可以确定下来,当确定下来的下一个胶垫的位置与真实位置有偏差,重复步骤S200-S500,利用用视觉检测来修正这个误差。
综上所述,本发明实施例提供的技术方案具有视觉功能,能够检测各种规格的胶垫,根据视觉检测结果直接控制吸取装置运动到目标位置,全程不需要人工设置坐标参数,达到自动贴胶垫的目的。通过控制电机进行精确的操作,从而节省人力投入;并且降低了物料的制作精度要求,节省成本;同时能够弥补机械运动误差,而功能实现只需添加一个摄像头设备,节省维护成本。
以上所述的实施方式,并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等,均应包含在该技术方案的保护范围之内。
Claims (7)
1.一种物料视觉检测方法,用于识别并吸取物料中的胶垫,吸取装置与摄像头组件之间的位置相对固定;其特征在于:包括以下步骤:
S100、吸取装置的初始位置位于摄像头组件拍摄的目标区域的上方;
S200、摄像头组件获取吸取装置下方的目标区域图像,计算判定物料是否移动到吸取装置下方的目标区域;
S300、若物料全部落入目标区域,截取目标区域图像中的有效区域图像,计算得到胶垫于有效区域内的坐标信息;
S400、根据胶垫于有效区域内的坐标信息以及吸取装置的坐标信息计算获得吸取装置的位置矫正距离;
S500、吸取装置根据位置矫正距离调整至胶垫的正上方,并对胶垫完成吸取及放置动作;
S600、吸取装置根据物料的规格参数依次移动到其他胶垫的上方,重复步骤S200-500。
2.根据权利要求1所述的物料视觉检测方法,在步骤S200中,计算判定物料是否移动到吸取装置下方的目标区域;其特征在于:包括以下步骤:
S201、通过亮度估计得到所述目标区域图像的亮度值,通过直方图统计得到所述目标区域图像的灰度分布图;
S202、将所述亮度值和直方图峰值对应的灰度与设定阈值分别比对,判断物料移动到吸取装置下方的目标区域内。
3.根据权利要求2所述的物料视觉检测方法,其特征在于:在步骤S200中,所述目标区域图像的亮度值范围为0~255,所述灰度分布图的像素值为0~255;所述亮度值的设定阈值为128,所述直方图峰值对应的灰度的设定阈值为200。
4.根据权利要求2所述的物料视觉检测方法,在步骤S300中,截取目标区域图像中的有效区域图像,计算得到胶垫于有效区域内的坐标信息;其特征在于:包括以下步骤:
S301、计算获取有效区域图像在灰度图上的均值和方差,根据所述均值和方差对有效区域图像进行亮度补偿;
S302、对亮度补偿后的有效区域图像进行直方图归一化处理;
S303、采用核大小为7的中值滤波器进行滤波去噪;
S304、采用全局阈值法进行二值化处理;
S305、用8邻域法去除所有0~700个像素的连通区域斑点;
S306、分别采用三个不同半径值的圆模板对处理后的有效区域图像中的胶垫进行一一匹配,通过获取最佳匹配点得到胶垫的圆心于有效区域内的坐标信息。
5.根据权利要求4所述的物料视觉检测方法,在步骤S302中,对亮度补偿后的有效区域图像进行直方图归一化处理;其特征在于:包括以下步骤:
a、计算输入规定图像的直方图;
b、计算原始、规定灰度级概率;
c、计算原始、规定累计概率直方图;
d、计算SML单映射规则;
e、计算输出图像。
6.根据权利要求5所述的物料视觉检测方法,在步骤S400中,根据胶垫于有效区域内的坐标信息以及吸取装置的坐标信息计算获得吸取装置的位置矫正距离;其特征在于:包括以下步骤:
S401、通过以下计算公式计算获得实际距离与图像中的像素点之间的距离像素相关系数k1,k1=m/n,其中m为步骤S305中最佳匹配圆模板的直径,n为最佳匹配圆模板直径占用的像素点;
S402、通过以下计算公式计算获得吸取装置的位置矫正距离A,A=k1*Δa=Δa*m/n,其中Δa为胶垫的坐标与吸取装置的坐标之间的像素差值。
7.根据权利要求6所述的物料视觉检测方法,在步骤S500中,吸取装置根据位置矫正距离调整至胶垫的正上方;其特征在于:包括以下步骤:
S501、通过测试及计算获得脉冲与像素点之间的脉冲像素相关系数k2,k2=o/p,其中o为测试过程中发送的脉冲数量,p为吸取装置移动的像素点差;
S502、通过以下计算公式计算获得吸取装置的位置矫正距离A所需要的脉冲量B,B=k2*Δa=Δa*o/p,其中Δa为胶垫的坐标与吸取装置的坐标之间的像素差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157344.6A CN109949362B (zh) | 2019-03-01 | 2019-03-01 | 一种物料视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157344.6A CN109949362B (zh) | 2019-03-01 | 2019-03-01 | 一种物料视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109949362A CN109949362A (zh) | 2019-06-28 |
CN109949362B true CN109949362B (zh) | 2021-08-13 |
Family
ID=67007147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910157344.6A Active CN109949362B (zh) | 2019-03-01 | 2019-03-01 | 一种物料视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949362B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241944B (zh) * | 2019-07-16 | 2024-03-29 | 杭州海康机器人股份有限公司 | Agv调度系统、物料位姿矫正方法和物料位姿矫正装置 |
CN110705586A (zh) * | 2019-08-27 | 2020-01-17 | 深圳模德宝科技有限公司 | 确认料架料位有工件的方法及系统 |
CN111027409B (zh) * | 2019-11-19 | 2023-04-18 | 西安天隆科技有限公司 | 移液工作台及利用移液工作台实现耗材识别和监测的方法 |
CN111498474A (zh) * | 2020-03-13 | 2020-08-07 | 广东九联科技股份有限公司 | 一种取放模组的控制系统及其方法 |
CN111476763B (zh) * | 2020-03-26 | 2023-06-27 | 创驱(上海)新能源科技有限公司 | 一种视觉位置修正的装置和方法 |
CN114998336B (zh) * | 2022-08-03 | 2022-11-04 | 广东安拓普聚合物科技有限公司 | 一种塑料废弃物的检测和处理方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1806940A (zh) * | 2006-01-23 | 2006-07-26 | 湖南大学 | 高速自动化生产线上的次品自动分拣方法及设备 |
CN107804514A (zh) * | 2017-10-23 | 2018-03-16 | 江苏艾萨克机器人股份有限公司 | 一种基于图像识别的牙刷分拣方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100582652C (zh) * | 2008-05-14 | 2010-01-20 | 天恒威科技(北京)有限公司 | 一种木材自动监管方法及系统 |
CN102896752B (zh) * | 2012-10-07 | 2014-08-20 | 浙江大学 | 一种注塑机模具图像监测报警系统及方法 |
CN103268480B (zh) * | 2013-05-30 | 2016-07-06 | 重庆大学 | 一种视觉跟踪系统及方法 |
CN103264738B (zh) * | 2013-06-07 | 2015-07-01 | 上海发那科机器人有限公司 | 一种汽车风挡玻璃的自动装配系统及自动装配方法 |
CN104915957B (zh) * | 2015-05-29 | 2017-10-27 | 何再兴 | 一种提高工业机器人三维视觉识别精度的匹配矫正方法 |
CN104842362B (zh) * | 2015-06-18 | 2017-04-05 | 厦门理工学院 | 一种机器人抓取物料包的方法和机器人抓取装置 |
US10342464B2 (en) * | 2015-08-27 | 2019-07-09 | Intel Corporation | 3D camera system for infant monitoring |
JP6342874B2 (ja) * | 2015-11-24 | 2018-06-13 | 矢崎総業株式会社 | 画像認識装置 |
CN206665009U (zh) * | 2017-04-20 | 2017-11-24 | 东莞职业技术学院 | 一种smd金属件的智能分拣包装设备 |
CN106915490A (zh) * | 2017-04-20 | 2017-07-04 | 东莞职业技术学院 | 一种smd金属件的智能分拣包装设备和方法 |
CN107945177A (zh) * | 2017-12-15 | 2018-04-20 | 日照职业技术学院 | 一种用于机器人视觉系统检测判断物料的方法 |
CN108557205A (zh) * | 2018-04-04 | 2018-09-21 | 苏州和瑞科自动化科技有限公司 | 一种利用机器人和视觉技术精确贴附各种辅料的方法 |
CN108776140B (zh) * | 2018-06-08 | 2024-02-02 | 新大陆数字技术股份有限公司 | 一种基于机器视觉的印刷品瑕疵检测方法及系统 |
CN108971025A (zh) * | 2018-08-17 | 2018-12-11 | 上海玉嵩机器人技术有限公司 | 一种视觉检测方法及视觉检测系统 |
-
2019
- 2019-03-01 CN CN201910157344.6A patent/CN109949362B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1806940A (zh) * | 2006-01-23 | 2006-07-26 | 湖南大学 | 高速自动化生产线上的次品自动分拣方法及设备 |
CN107804514A (zh) * | 2017-10-23 | 2018-03-16 | 江苏艾萨克机器人股份有限公司 | 一种基于图像识别的牙刷分拣方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109949362A (zh) | 2019-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949362B (zh) | 一种物料视觉检测方法 | |
US7120286B2 (en) | Method and apparatus for three dimensional edge tracing with Z height adjustment | |
US11972589B2 (en) | Image processing device, work robot, substrate inspection device, and specimen inspection device | |
CN108311859B (zh) | 一种基于视觉检测技术的绝缘子自动装配方法 | |
CN110695520B (zh) | 基于视觉的全自动振镜视场校准系统及其校准方法 | |
CN109227352B (zh) | 一种基板缺陷修复方法及系统 | |
CN112490150A (zh) | 一种检测晶圆放置状态的方法、半导体工艺设备 | |
CN111539927A (zh) | 汽车塑料组合件紧固卡扣缺装检测装置的检测过程及算法 | |
CN115384052A (zh) | 一种智能化的覆膜机自动控制系统 | |
CN114979469B (zh) | 一种基于机器视觉比对的摄像机机械误差校准方法及系统 | |
CN114359253A (zh) | 基于卷积神经网络的影像脏污检测方法及系统 | |
CN112635346A (zh) | 晶圆检测方法、半导体检测设备及存储介质 | |
CN109277568B (zh) | 一种选区激光熔化的实时监测方法、装置和系统 | |
CN113888510A (zh) | 检测方法、检测装置、检测设备及计算机可读存储介质 | |
CN112484680B (zh) | 一种基于圆检测的蓝宝石晶片定位跟踪方法 | |
CN111507949A (zh) | 一种基于视觉的芯片识别方法 | |
CN110516725B (zh) | 基于机器视觉的木板条纹间距和颜色的检测方法 | |
CN116818668A (zh) | Pcb缺陷检测设备、方法、装置、计算机设备及存储介质 | |
CN115205317B (zh) | 一种桥梁监测光电标靶图像光斑中心点提取方法 | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
TWI790591B (zh) | 晶圓加工系統及其重工方法 | |
JP2011043998A (ja) | 画像解析方法及び画像解析装置 | |
CN117058154B (zh) | 3dp金属打印铺粉过程的缺陷识别方法、系统及介质 | |
KR102629698B1 (ko) | 기상측정을 이용한 공구의 마모량 예측방법 및 예측 시스템 | |
US20230258534A1 (en) | Tire observation apparatus |
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 |