CN110044921A - 锂电池外观缺陷检测系统和方法 - Google Patents

锂电池外观缺陷检测系统和方法 Download PDF

Info

Publication number
CN110044921A
CN110044921A CN201910349320.0A CN201910349320A CN110044921A CN 110044921 A CN110044921 A CN 110044921A CN 201910349320 A CN201910349320 A CN 201910349320A CN 110044921 A CN110044921 A CN 110044921A
Authority
CN
China
Prior art keywords
lithium battery
measured
image
surface characteristics
defects detection
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
Application number
CN201910349320.0A
Other languages
English (en)
Inventor
罗印升
贲唯一
段晓红
宋伟
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.)
Jiangsu University of Technology
Original Assignee
Jiangsu University of 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 Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN201910349320.0A priority Critical patent/CN110044921A/zh
Publication of CN110044921A publication Critical patent/CN110044921A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/95Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined

Abstract

本发明提供了一种锂电池外观缺陷检测系统和方法,所述系统包括:图像采集装置,图像采集装置用于采集待测锂电池的图像;表面特征采集装置,表面特征采集装置用于采集待测锂电池的表面特征;电脑终端,电脑终端分别与图像采集装置和表面特征采集装置相连,电脑终端用于根据待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据待测锂电池的表面特征进行表面缺陷检测,以及根据字符移印缺陷检测结果和表面缺陷检测结果判断待测锂电池的外观是否存在缺陷。本发明能够减少质检工序,减少后期人工质检项目,并有效避免不合格锂电池流入后续环节,从而能够提高质检的质量和效率,进而提高锂电池模组的质量和生产效率。

Description

锂电池外观缺陷检测系统和方法
技术领域
本发明涉及机器视觉技术领域,具体涉及一种锂电池外观缺陷检测系统和一种锂电池外观缺陷检测方法。
背景技术
目前的手机锂电池的外观缺陷检测手段比较单一,锂电池的鼓包、划痕等缺陷大多是通过人工肉眼检测的,并且与锂电池的其他外观或性能缺陷检测分多个工序进行。因此目前的锂电池外观缺陷检测不够方便,可靠性和效率都比较低。
发明内容
本发明为解决目前的锂电池外观缺陷检测不够方便,可靠性和效率都比较低的技术问题,提供了一种锂电池外观缺陷检测系统和方法。
本发明采用的技术方案如下:
一种锂电池外观缺陷检测系统,包括:图像采集装置,所述图像采集装置用于采集待测锂电池的图像;表面特征采集装置,所述表面特征采集装置用于采集所述待测锂电池的表面特征;电脑终端,所述电脑终端分别与所述图像采集装置和所述表面特征采集装置相连,所述电脑终端用于根据所述待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据所述待测锂电池的表面特征进行表面缺陷检测,以及根据字符移印缺陷检测结果和表面缺陷检测结果判断所述待测锂电池的外观是否存在缺陷。
所述图像采集装置包括工业相机、工业镜头、光源、光源控制器和图像采集卡。
所述表面特征采集装置包括线镭射扫描仪。
所述工业相机与所述工业镜头通过螺纹连接,所述工业相机通过网线与所述图像采集卡相连,所述图像采集卡与所述电脑终端集成在一起,所述线镭射扫描仪通过以太网接口与所述电脑终端相连。
所述的锂电池外观缺陷检测系统还包括锂电池传送装置,所述锂电池传送装置用于将所述待测锂电池传送至所述图像采集装置的采集位置和所述表面特征采集装置的采集位置。
所述锂电池传送装置包括传送带和电机。
一种锂电池外观缺陷检测方法,包括:采集待测锂电池的图像;采集所述待测锂电池的表面特征;根据所述待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据所述待测锂电池的表面特征进行表面缺陷检测,以及根据字符移印缺陷检测结果和表面缺陷检测结果判断所述待测锂电池的外观是否存在缺陷。
根据所述待测锂电池的图像基于深度学习进行字符移印缺陷检测,包括:在离线阶段,获取一定数量的样本锂电池图像,并对样本锂电池图像进行图像变换得到深度学习的训练集,对训练集图片进行字符移印缺陷的标注和分类,对训练集图片进行特征提取,获得样本锂电池图像的特征数据,进行基于faster-RCNN的深度学习,得到样本锂电池图像的相关特征数据;在在线阶段,结合所述样本锂电池图像的相关特征数据和采集到的所述待测锂电池的图像,得到所述待测锂电池的字符移印缺陷检测结果。
所述待测锂电池的表面特征包括所述待测锂电池的三维数据,根据所述待测锂电池的表面特征进行表面缺陷检测,包括:在离线阶段,获取一组标准的样本锂电池的三维数据作为三维数据模板;在在线阶段,将采集到的所述待测锂电池的三维数据与所述三维数据模板进行比较,得到所述待测锂电池的表面缺陷检测结果。
所述字符移印缺陷检测结果包括是否存在断字、毛边、偏移,所述表面缺陷检测结果包括所述锂电池的尺寸是否合格和是否存在鼓包、褶皱、划伤。
本发明的有益效果:
本发明通过采集待测锂电池的图像和表面特征,然后根据待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据待测锂电池的表面特征进行表面缺陷检测,由此,可在同一工序检测出字符移印缺陷和鼓包、褶皱、划伤等表面缺陷,能够减少质检工序,减少后期人工质检项目,并有效避免不合格锂电池流入后续环节,从而能够提高质检的质量和效率,进而提高锂电池模组的质量和生产效率。
附图说明
图1为本发明实施例的锂电池外观缺陷检测系统的方框示意图;
图2为本发明一个实施例的锂电池外观缺陷检测系统的结构示意图;
图3为本发明实施例的锂电池外观缺陷检测方法的流程图;
图4为本发明一个具体实施例的锂电池外观缺陷检测方法的流程图。
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做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。
如图1所示,本发明实施例的锂电池外观缺陷检测系统包括图像采集装置10、表面特征采集装置20和电脑终端30。其中,图像采集装置10用于采集待测锂电池的图像;表面特征采集装置20用于采集待测锂电池的表面特征;电脑终端30分别与图像采集装置10和表面特征采集装置20相连,电脑终端30用于根据待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据待测锂电池的表面特征进行表面缺陷检测,以及根据字符移印缺陷检测结果和表面缺陷检测结果判断待测锂电池的外观是否存在缺陷。
进一步地,锂电池外观缺陷检测系统还可包括锂电池传送装置,锂电池传送装置用于将待测锂电池传送至图像采集装置10的采集位置和表面特征采集装置20的采集位置。
在本发明的一个实施例中,如图2所示,图像采集装置10包括工业相机11、工业镜头12、光源13、光源控制器14和图像采集卡15。其中,工业相机11位于光源13上方,工业相机11与工业镜头12可通过螺纹连接,工业相机11可通过网线与图像采集卡15相连,图像采集卡15可与电脑终端30集成在一起。当工业镜头12无法聚焦时,还可在工业相机11与工业镜头12之间添加延伸环。光源13可在工业相机拍照时点亮,光源控制器14可以是模拟光源控制器或是通过电脑终端30控制的数字光源控制器。
表面特征采集装置20可包括线镭射扫描仪21,线镭射扫描仪21可通过以太网接口与电脑终端30相连。
锂电池传送装置包括传送带41和电机,待测锂电池01可置于传送带41上,电机可为伺服电机,通过传动机构控制传送带移动,以带动待测锂电池01移动至工业镜头12下方或线镭射扫描仪21下方。
对应上述实施例的锂电池外观缺陷检测系统,本发明还提出一种锂电池外观缺陷检测方法。
如图3所示,本发明实施例的锂电池外观缺陷检测方法,包括以下步骤:
S1,采集待测锂电池的图像。
在本发明的一个实施例中,可通过电脑终端发出信号控制光源点亮,点亮后工业相机对待测锂电池拍照,图像采集卡采集工业相机的数据,在电脑终端形成图片,在图片保存完成后,电脑终端发出信号控制光源关闭。
S2,采集待测锂电池的表面特征。
在控制光源关闭后,电脑终端可发出信号控制传送带动作,将待测锂电池移动至线镭射扫描仪下方,使线镭射扫描仪对待测锂电池进行扫描,扫描结束后电脑终端对数据进行处理得到待测锂电池的三维数据,作为待测锂电池的表面特征,当数据处理完毕后,判定采集过程完毕,控制传送带停止移动。
上述步骤S1和S2的执行顺序可调整。
S3,根据待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据待测锂电池的表面特征进行表面缺陷检测,以及根据字符移印缺陷检测结果和表面缺陷检测结果判断待测锂电池的外观是否存在缺陷。
其中,根据待测锂电池的图像基于深度学习进行字符移印缺陷检测,具体包括:在离线阶段,获取一定数量的样本锂电池图像,并对样本锂电池图像进行图像变换得到深度学习的训练集,对训练集图片进行字符移印缺陷的标注和分类,对训练集图片进行特征提取,获得样本锂电池图像的特征数据,进行基于faster-RCNN的深度学习,得到样本锂电池图像的相关特征数据;在在线阶段,结合样本锂电池图像的相关特征数据和采集到的待测锂电池的图像,得到待测锂电池的字符移印缺陷检测结果。
根据待测锂电池的表面特征进行表面缺陷检测,具体包括:在离线阶段,获取一组标准的样本锂电池的三维数据作为三维数据模板;在在线阶段,将采集到的待测锂电池的三维数据与三维数据模板进行比较,得到待测锂电池的表面缺陷检测结果。
在本发明的一个实施例中,字符移印缺陷检测结果包括是否存在断字、毛边、偏移,表面缺陷检测结果包括锂电池的尺寸是否合格和是否存在鼓包、褶皱、划伤。
总体而言,参照图4,本发明实施例的锂电池外观缺陷检测方法包括离线阶段、在线第一阶段和在线第二阶段。其中,在离线阶段可根据样本锂电池获取特征数据和三维数据模板,在在线第一阶段可进行待测锂电池的图像和三维数据的采集,在在线第二阶段则是根据离线阶段获取的数据和在线第一阶段采集的数据,完成待测锂电池外观缺陷的检测。
具体地,以手机锂电池外观缺陷检测为例,在离线阶段,可获取一定数量的手机锂电池灰度图,并对图像进行旋转、灰度值增强或减弱等图像处理得到深度学习的训练集;对训练集图片进行标注、分类和特征提取,获得手机锂电池灰度图的特征数据,进行基于faster-RCNN的深度学习,得到手机锂电池灰度图的相关特征数据;通过线镭射扫描仪获取一组标准手机锂电池的三维数据作为三维数据模板。
在在线第一阶段,电脑终端发出信号控制光源点亮,点亮后工业相机拍照,图像采集卡采集工业相机的数据,在电脑终端形成图片,在图片保存完成后,电脑终端发出信号控制光源关闭,同时发出信号控制传送带动作,将手机锂电池移动至所示线镭射扫描仪下方,使线镭射扫描仪对手机锂电池进行扫描,扫描结束后电脑终端对数据进行处理得到三维数据。
在在线第二阶段,利用手机锂电池灰度图的相关特征数据,对手机锂电池的外观进行评估,得到手机锂电池字符移印缺陷检测结果。同时,将线镭射扫描仪获得的三维数据与三维数据模板进行比较,判断进行检测的手机锂电池的尺寸是否在合格范围内、手机锂电池表面是否存在鼓包、褶皱、划伤,得到手机锂电池表面缺陷检测结果。
本发明通过采集待测锂电池的图像和表面特征,然后根据待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据待测锂电池的表面特征进行表面缺陷检测,由此,可在同一工序检测出字符移印缺陷和鼓包、褶皱、划伤等表面缺陷,能够减少质检工序,减少后期人工质检项目,并有效避免不合格锂电池流入后续环节,从而能够提高质检的质量和效率,进而提高锂电池模组的质量和生产效率。
在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种锂电池外观缺陷检测系统,其特征在于,包括:
图像采集装置,所述图像采集装置用于采集待测锂电池的图像;
表面特征采集装置,所述表面特征采集装置用于采集所述待测锂电池的表面特征;
电脑终端,所述电脑终端分别与所述图像采集装置和所述表面特征采集装置相连,所述电脑终端用于根据所述待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据所述待测锂电池的表面特征进行表面缺陷检测,以及根据字符移印缺陷检测结果和表面缺陷检测结果判断所述待测锂电池的外观是否存在缺陷。
2.根据权利要求1所述的锂电池外观缺陷检测系统,其特征在于,所述图像采集装置包括工业相机、工业镜头、光源、光源控制器和图像采集卡。
3.根据权利要求2所述的锂电池外观缺陷检测系统,其特征在于,所述表面特征采集装置包括线镭射扫描仪。
4.根据权利要求3所述的锂电池外观缺陷检测系统,其特征在于,所述工业相机与所述工业镜头通过螺纹连接,所述工业相机通过网线与所述图像采集卡相连,所述图像采集卡与所述电脑终端集成在一起,所述线镭射扫描仪通过以太网接口与所述电脑终端相连。
5.根据权利要求1-4中任一项所述的锂电池外观缺陷检测系统,其特征在于,还包括锂电池传送装置,所述锂电池传送装置用于将所述待测锂电池传送至所述图像采集装置的采集位置和所述表面特征采集装置的采集位置。
6.根据权利要求5所述的锂电池外观缺陷检测系统,其特征在于,所述锂电池传送装置包括传送带和电机。
7.一种锂电池外观缺陷检测方法,其特征在于,包括:
采集待测锂电池的图像;
采集所述待测锂电池的表面特征;
根据所述待测锂电池的图像基于深度学习进行字符移印缺陷检测,并根据所述待测锂电池的表面特征进行表面缺陷检测,以及根据字符移印缺陷检测结果和表面缺陷检测结果判断所述待测锂电池的外观是否存在缺陷。
8.根据权利要求7所述的锂电池外观缺陷检测方法,其特征在于,根据所述待测锂电池的图像基于深度学习进行字符移印缺陷检测,包括:
在离线阶段,获取一定数量的样本锂电池图像,并对样本锂电池图像进行图像变换得到深度学习的训练集,对训练集图片进行字符移印缺陷的标注和分类,对训练集图片进行特征提取,获得样本锂电池图像的特征数据,进行基于faster-RCNN的深度学习,得到样本锂电池图像的相关特征数据;
在在线阶段,结合所述样本锂电池图像的相关特征数据和采集到的所述待测锂电池的图像,得到所述待测锂电池的字符移印缺陷检测结果。
9.根据权利要求8所述的锂电池外观缺陷检测方法,其特征在于,所述待测锂电池的表面特征包括所述待测锂电池的三维数据,根据所述待测锂电池的表面特征进行表面缺陷检测,包括:
在离线阶段,获取一组标准的样本锂电池的三维数据作为三维数据模板;
在在线阶段,将采集到的所述待测锂电池的三维数据与所述三维数据模板进行比较,得到所述待测锂电池的表面缺陷检测结果。
10.根据权利要求9所述的锂电池外观缺陷检测方法,其特征在于,所述字符移印缺陷检测结果包括是否存在断字、毛边、偏移,所述表面缺陷检测结果包括所述锂电池的尺寸是否合格和是否存在鼓包、褶皱、划伤。
CN201910349320.0A 2019-04-28 2019-04-28 锂电池外观缺陷检测系统和方法 Pending CN110044921A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910349320.0A CN110044921A (zh) 2019-04-28 2019-04-28 锂电池外观缺陷检测系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910349320.0A CN110044921A (zh) 2019-04-28 2019-04-28 锂电池外观缺陷检测系统和方法

Publications (1)

Publication Number Publication Date
CN110044921A true CN110044921A (zh) 2019-07-23

Family

ID=67279944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910349320.0A Pending CN110044921A (zh) 2019-04-28 2019-04-28 锂电池外观缺陷检测系统和方法

Country Status (1)

Country Link
CN (1) CN110044921A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111906036A (zh) * 2020-07-22 2020-11-10 上海快卜新能源科技有限公司 一种基于梯次利用电池的检测装置
CN113588562A (zh) * 2021-09-30 2021-11-02 高视科技(苏州)有限公司 应用多轴机械臂的锂电池外观检测方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1142205A (zh) * 1994-11-03 1997-02-05 新奇士种植者公司 检测半透明物体表面特征的方法和装置
CN1828217A (zh) * 2005-03-04 2006-09-06 Aju高技术公司 自动光学检测系统和方法
CN103927534A (zh) * 2014-04-26 2014-07-16 无锡信捷电气股份有限公司 一种基于卷积神经网络的喷码字符在线视觉检测方法
CN104246483A (zh) * 2012-02-17 2014-12-24 斯蒂芬·克雷布斯 用于印刷图像控制的设备和方法
CN104266605A (zh) * 2014-06-27 2015-01-07 西北工业大学 一种三维激光扫描成像仪的成像方法
CN105910645A (zh) * 2016-04-29 2016-08-31 浙江大学 一种18650锂电池的自动检测线及其方法
CN108107054A (zh) * 2017-12-08 2018-06-01 云南昆船设计研究院 一种在线烟支缺陷视觉检测系统及方法
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
CN109239100A (zh) * 2018-10-24 2019-01-18 东莞市乐琪光电科技有限公司 锂电池表面检测设备
CN109444146A (zh) * 2018-09-17 2019-03-08 鲁班嫡系机器人(深圳)有限公司 一种工业加工产品的缺陷检测方法、装置及设备
CN109668832A (zh) * 2019-01-30 2019-04-23 江苏理工学院 基于分区光源的手机锂电池表面鼓包检测装置及其方法
CN109668903A (zh) * 2017-10-17 2019-04-23 南京敏光视觉智能科技有限公司 基于视觉的锂电池极片缺陷检测系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1142205A (zh) * 1994-11-03 1997-02-05 新奇士种植者公司 检测半透明物体表面特征的方法和装置
CN1828217A (zh) * 2005-03-04 2006-09-06 Aju高技术公司 自动光学检测系统和方法
CN104246483A (zh) * 2012-02-17 2014-12-24 斯蒂芬·克雷布斯 用于印刷图像控制的设备和方法
CN103927534A (zh) * 2014-04-26 2014-07-16 无锡信捷电气股份有限公司 一种基于卷积神经网络的喷码字符在线视觉检测方法
CN104266605A (zh) * 2014-06-27 2015-01-07 西北工业大学 一种三维激光扫描成像仪的成像方法
CN105910645A (zh) * 2016-04-29 2016-08-31 浙江大学 一种18650锂电池的自动检测线及其方法
CN109668903A (zh) * 2017-10-17 2019-04-23 南京敏光视觉智能科技有限公司 基于视觉的锂电池极片缺陷检测系统
CN108107054A (zh) * 2017-12-08 2018-06-01 云南昆船设计研究院 一种在线烟支缺陷视觉检测系统及方法
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
CN109444146A (zh) * 2018-09-17 2019-03-08 鲁班嫡系机器人(深圳)有限公司 一种工业加工产品的缺陷检测方法、装置及设备
CN109239100A (zh) * 2018-10-24 2019-01-18 东莞市乐琪光电科技有限公司 锂电池表面检测设备
CN109668832A (zh) * 2019-01-30 2019-04-23 江苏理工学院 基于分区光源的手机锂电池表面鼓包检测装置及其方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111906036A (zh) * 2020-07-22 2020-11-10 上海快卜新能源科技有限公司 一种基于梯次利用电池的检测装置
CN111906036B (zh) * 2020-07-22 2022-01-18 上海快卜新能源科技有限公司 一种基于梯次利用电池的检测装置
CN113588562A (zh) * 2021-09-30 2021-11-02 高视科技(苏州)有限公司 应用多轴机械臂的锂电池外观检测方法

Similar Documents

Publication Publication Date Title
CN104749184B (zh) 自动光学检测方法和系统
CN1329132C (zh) 基于三个摄像系统在线水果品质检测分级的装置与方法
CN201218723Y (zh) 光电非接触式图像检测装置
CN109060827A (zh) 一种智能视觉检测识别设备
CN102621156B (zh) 基于图像处理的微小零件自动分拣系统
CN110044921A (zh) 锂电池外观缺陷检测系统和方法
CN102183528A (zh) 一种双联齿轮的缺陷检测装置及检测方法
CN106060532B (zh) 一种检测平台
CN104655643A (zh) 一种电子器件表面焊接过程质量检测系统
CN102601061A (zh) 一种定时器极片不良品自动分拣装置
CN210604434U (zh) 一种手机曲面玻璃典型缺陷在线检测装置
CN108765416A (zh) 基于快速几何对准的pcb表面缺陷检测方法及装置
CN109030504B (zh) 基于虚实成像相结合的全景马铃薯缺陷检测装置及方法
CN104483320A (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN112083002A (zh) 一种基于人工智能技术的电容外观检测装置及方法
CN110389134A (zh) 一种多角度图像采集装置及其方法
CN206638598U (zh) 一种基于单摄像机全方位主动视觉的电连接器壳体缺陷检测装置
CN109342457A (zh) 一种双面视觉检测识别设备
CN106000903B (zh) 一种用于检测织布机布铗刀口缝隙的非接触式检测系统及方法
CN208568616U (zh) 玻璃锡缺陷视觉鉴别系统
CN206990465U (zh) 液晶面板的缺陷检测装置
CN110514668A (zh) 一种小型锻件后处理生产线产品缺陷检测装置及检测方法
CN111929239A (zh) 一种pcb板零件缺陷的aoi检测装置及检测方法
CN108583115B (zh) 一种小鼠早期胚胎模型的制作系统
CN109013388A (zh) 一种陶瓷球自动分拣系统及方法

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