CN110239997B - 一种复卷机自动剔废方法及设备 - Google Patents
一种复卷机自动剔废方法及设备 Download PDFInfo
- Publication number
- CN110239997B CN110239997B CN201910510170.7A CN201910510170A CN110239997B CN 110239997 B CN110239997 B CN 110239997B CN 201910510170 A CN201910510170 A CN 201910510170A CN 110239997 B CN110239997 B CN 110239997B
- Authority
- CN
- China
- Prior art keywords
- defect
- tray
- defects
- automatic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000002699 waste material Substances 0.000 title abstract description 10
- 230000007547 defect Effects 0.000 claims abstract description 111
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 4
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 2
- 238000012797 qualification Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims 1
- 230000004043 responsiveness Effects 0.000 abstract description 3
- 238000003908 quality control method Methods 0.000 abstract description 2
- 230000002950 deficient Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
- B65H26/00—Warning or safety devices, e.g. automatic fault detectors, stop-motions, for web-advancing mechanisms
- B65H26/06—Warning or safety devices, e.g. automatic fault detectors, stop-motions, for web-advancing mechanisms responsive to predetermined lengths of webs
- B65H26/066—Warning or safety devices, e.g. automatic fault detectors, stop-motions, for web-advancing mechanisms responsive to predetermined lengths of webs responsive to information, e.g. printed mark, on the web or web roll
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于复卷质量控制相关领域,并公开了一种复卷机自动剔废方法,包括:针对作为检测对象的卷盘,制作可唯一识别产品身份的编码标志;采用配备有光源的摄像单元连续拍摄料盘整个幅面的图像,并通过图像对比来判定料盘是否存在缺陷,然后贴上不同的标签;由摄像头识别料盘上所贴的标签,并执行对应的分流及缺陷剔除处理。本发明还公开了相应的复卷机自动剔废设备。通过本发明,与现有技术可高响应性、高精度地实现不合格卷盘的自动化剔废过程,同时可在不停机的情况下及时确定及剔除缺陷并重新返回至输送线,因而尤其适用于卷盘的复卷自动剔废应用场合。
Description
技术领域
本发明属于复卷质量控制相关领域,更具体地,涉及一种复卷机自动剔废方法及设备。
背景技术
在薄膜、纸张或其他形式介质的加工处理领域,通常需要使用复卷机来对这些介质执行切边、分切、接头等操作,并重卷成一定规格和紧度要求的成品。在此过程中,不可避免会产生一些不符合要求的废件,并需要及时将其剔除,同时尽量避免对生产效率的影响。
目前一般采用人工检测的方式来执行剔废处理。但人工检测受操作者经验影响较大,同时存在效率低下、精度不足等问题。为此,现有技术已经提出了一些自动控制方案,例如CN105467879A公开了一种控制复卷机剔废停机的装置,其中通过获得当前待控制的复卷机位置信息和参数信息,并根据该位置信息和参数信息来生成控制信号,进而对复卷机进行控制。
然而,进一步的研究表明,上述现有技术仍存在以下的缺陷:其一、对被检测目标的缺陷检测环节的研究不足,无法满足效率和准确率的需求;其二、对目标缺陷位置的检测方式仍采用了人工筛选,未能实现工业生产的自动化检测。相应地,本领域亟需对此技术问题作出进一步的解决,以便更好地符合更高标准要求的复卷机自动剔废工艺需求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种复卷机自动剔废方法及设备,其中通过紧密结合卷盘这种特殊介质的复卷工艺特征及需求,针对性对整个复卷剔废处理设备重新进行设计,并对缺陷自动识别环节、缺陷标签分类即贴装环节进行重点改进,相应与现有技术可高响应性、高精度地实现不合格卷盘的自动化剔废过程,同时可在不停机的情况下及时确定及剔除缺陷并重新返回至输送线,因而尤其适用于卷盘的复卷自动剔废应用场合。
为实现上述目的,按照本发明的一个方面,提供了一种复卷机自动剔废方法,该复卷机的加工对象为卷盘,其特征在于,该方法包括下列步骤:
S1、编码的制作与存储步骤
针对作为检测对象的卷盘,制作可唯一识别产品身份的编码标志,并将编码标志预存储在数据中心备用;
S2、缺陷检测步骤
将料盘依次输送通过复卷机的分切系统,并采用配备有光源的摄像单元连续拍摄料盘整个幅面的图像,然后将所拍摄的图像实时输送至图像采集卡,并逐一与数据中心存储的基准图案相比较:当两者的差异超出预设的阈值时,则判定料盘存在缺陷;否则判定为合格产品;
S3、贴标签步骤
在判定存在缺陷的料盘上,贴装上代表存在缺陷的第一标签,同时在数据中心保存相关缺陷信息;在判定为合格产品的料盘上,同样贴装上代表合格的第二标签;
S4、缺陷识别及分流处理步骤
料盘继续输送通过摄像头,并由该摄像头识别所贴装的标签,然后执行对应的分流处理:其中当识别出第一标签时,此料盘被分流至待检处,然后采用扫描器调出此料盘的缺陷数据,执行缺陷剔除处理后送回运输线进行下一步工序;而当识别出第二标签后,直接进入下一步工序。
作为进一步优选地,在步骤S1中,所述编码指标优选包含订单号、生产日期、大卷号、小盘号等信息。
作为进一步优选地,在步骤S2中,所述第一、第二标签优选设计为条形码或二维码等形式。
作为进一步优选地,在步骤S3中,将所拍摄的图像与基准图案相比较的过程进一步优选具体设计如下:为克服高速复卷过程中纸张的蛇形运动导致图像匹配运算的误检问题,首先通过对基准图像进行边缘提取,并设定一个定位区域且使其具有直角或轮廓特征,同时记下它在图像坐标系中的位置信息(a,b);接着,针对待监测的图像采用快速模板匹配算法,在所述位置(a,b)附近找到与定位区域相似的区域,同时记下位置信息(a’,b’),由此确定待测图像与基准图像之间的上下左右位置偏差,相应有效避免图像比较过程中的边沿偏差,从而确保缺陷检测的精确性。
作为进一步优选地,在步骤S3中,优选基于深度学习来对缺陷类型进行识别,该过程具体如下:首先选取若干已确认无缺陷的卷盘,将这些无缺陷卷盘在检测过程中产生的缺陷视为伪缺陷,并将其作为训练样本的输入,输出则为伪缺陷种类;接着,采用卷积神经网络来执行模型训练,并得到训练结果;最后,对检测过程中产生的未知缺陷,根据训练结果来辨识出缺陷类别,其中当辨识为真实缺陷时则进一步处理,而当辨识为伪缺陷时则忽略。
作为进一步优选地,对于上述方法而言,优选还对各类历史数据进行管理,包括历史数据的打印、统计、显示、查询等,同时数据保存时间可根据需要达到任意年限。
作为进一步优选地,在步骤S2中,当判定料盘存在缺陷时,优选执行声光报警。
作为进一步优选地,在步骤S3中,当采用扫描器调出料盘的缺陷数据时,优选可获得缺陷报表、缺陷图像等信息,并根据数据中心所记录的缺陷位置,将缺陷位置的米数反馈给复卷机,由此使得复卷机自动停止在缺陷位置,以便于操作人员的缺陷剔除操作。
按照本发明的另一方面,还提供了相应的复卷机自动剔废设备,其特征在于,该设备复卷机自动剔废包括配备有光源的摄像单元、图像采集卡、贴标签组件和扫描单元,其中:
所述摄像单元设置在作为复卷机加工对象的料盘的输送路径上,并用于连续拍摄料盘整个幅面的图像,然后将所拍摄的图像实时输送至所述图像采集卡;
所述图像采集卡与所述摄像单元信号相连,并用于将所接收的图像与基准图案相比较以确认两者的差异是否超出预设的阈值,相应判定料盘是否存在缺陷;
所述贴标签组件设置在所述图像采集卡的下游侧,并用于对料盘分别贴上代表存在缺陷的第一标签或是代表合格产品的第二标签;
所述扫描单元继续设置在所述贴标签组件的下游侧,并用于对料盘上所贴的标签进行扫描以产生分流信号,由此将存在缺陷的料盘分流至带检处。
作为进一步优选地,所述料盘上还贴有可唯一识别产品身份的编码标志。
作为进一步优选地,所述摄像单元优选为带深度学习功能的处理软件。
作为进一步优选地,所述扫描单元优选为自动识别条形码和二维码的摄像头。
总体而言,按照本发明的以上技术方案与现有技术相比,主要具备以下的技术优点:
1、由于在作为检测对象的料盘上同时贴有代表产品身份信息的编码标志和代表是否存在缺陷的标签,在整个生产线上可随时采用计算机技术进行实时处理,显著提高了工艺效率和精确性;
2、尤其是,本申请通过采用图像识别技术来判定是否存在缺陷,与现有技术相比有效解决了识别率不高的问题,而且很好地适应于后续的缺陷料盘分流、剔废及返回加工等工序操作,因而尤其适用于料盘之类的复卷机自动剔废工业应用场合。
附图说明
图1是按照本发明的一种复卷机自动剔废方法的工艺流程图。
图2是按照本发明优选实施例所构建的复卷机自动剔废设备的主要组件构造图。
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是按照本发明的一种复卷机自动剔废方法的工艺流程图,图2是按照本发明优选实施例所构建的复卷机自动剔废设备的主要组件构造图。如图1和图2所示,在本发明中,作为待检产品的料盘可通过检测系统检测出有缺陷的产品,经过自动识别单元检测后,可以将有缺陷的产品与完好的产品进行分离,将有缺陷的经输送线运至待检处,经过扫描识别产品上的条形码或二维码后可以得到缺陷的具体信息,对缺陷产品进行处理,缺陷剔除后重新送回输送线。
下面将具体解释实现上述工艺的主要操作步骤。
首先,是编码的制作与存储步骤。
针对作为检测对象的卷盘,制作可唯一识别产品身份的编码标志,并将编码标志预存储在数据中心备用。
更具体而言,可为产品指定编码规则,作为每个小盘的身份标志,例如订单号+生产日期+大卷号+小盘号等。
接着,是缺陷检测以及贴标签步骤。
将料盘依次输送通过复卷机的分切系统,并采用配备有光源的摄像单元连续拍摄料盘整个幅面的图像,然后将所拍摄的图像实时输送至图像采集卡,并逐一与数据中心存储的基准图案相比较:当两者的差异超出预设的阈值时,则判定料盘存在缺陷;否则判定为合格产品。
按照本发明的一个优选实施方式,将所拍摄的图像与基准图案相比较的过程进一步优选具体设计如下:为克服高速复卷过程中纸张的蛇形运动导致图像匹配运算的误检问题,首先通过对基准图像进行边缘提取,并设定一个定位区域且使其具有直角或轮廓特征,同时记下它在图像坐标系中的位置信息(a,b);接着,针对待监测的图像采用快速模板匹配算法,在所述位置(a,b)附近找到与定位区域相似的区域,同时记下位置信息(a’,b’),由此确定待测图像与基准图像之间的上下左右位置偏差,相应有效避免图像比较过程中的边沿偏差,从而确保缺陷检测的精确性。
按照本发明的另一优选实施方式,优选基于深度学习来对缺陷类型进行识别,该过程具体如下:首先选取若干已确认无缺陷的卷盘,将这些无缺陷卷盘在检测过程中产生的缺陷视为伪缺陷,并将其作为训练样本的输入,输出则为伪缺陷种类;接着,采用卷积神经网络来执行模型训练,并得到训练结果;最后,对检测过程中产生的未知缺陷,根据训练结果来辨识出缺陷类别,其中当辨识为真实缺陷时则进一步处理,而当辨识为伪缺陷时则忽略。
接着,是贴上不同标签的步骤。
在判定存在缺陷的料盘上,贴装上代表存在缺陷的第一标签,同时在数据中心保存相关缺陷信息;在判定为合格产品的料盘上,同样贴装上代表合格的第二标签。
最后,是缺陷识别及分流处理步骤。
料盘继续输送通过摄像头,并由该摄像头识别所贴装的标签,然后执行对应的分流处理:其中当识别出第一标签时,此料盘被分流至待检处,然后采用扫描器调出此料盘的缺陷数据,执行缺陷剔除处理后送回运输线进行下一步工序;而当识别出第二标签后,直接进入下一步工序。
此外,还可以通过扫码枪调出当前小盘的缺陷数据,进行剔除缺陷完毕后送回运输线进行下一步操作。更具体地,操作人员对有缺陷的小盘扫码,通过数据服务单元,查询缺陷报表和图像,根据数据服务中心所记录缺陷位置,将缺陷位置的米数发送给复卷机,复卷机接收到信息后自动停在缺陷位置,供操作人员剔除,使产品重新成为合格产品,此时重新将打印标签贴在内壁并重新送回至输送线上。
综上,本发明中通过结合卷盘这种特殊介质的复卷工艺特征及需求,针对性对整个复卷剔废处理设备重新进行设计,并对缺陷自动识别环节、缺陷标签分类即贴装环节进行重点改进,相应与现有技术可高响应性、高精度地实现不合格卷盘的自动化剔废过程,同时可在不停机的情况下及时确定及剔除缺陷并重新返回至输送线,因而尤其适用于卷盘的复卷自动剔废应用场合。
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)
1.一种复卷机自动剔废方法,该复卷机的加工对象为卷盘,其特征在于,该方法包括下列步骤:
S1、编码的制作与存储步骤
针对作为检测对象的卷盘,制作可唯一识别产品身份的编码标志,并将编码标志预存储在数据中心备用;
S2、缺陷检测步骤
将料盘依次输送通过复卷机的分切系统,并采用配备有光源的摄像单元连续拍摄料盘整个幅面的图像,然后将所拍摄的图像实时输送至图像采集卡,并逐一与数据中心存储的基准图案相比较:当两者的差异超出预设的阈值时,则判定料盘存在缺陷;否则判定为合格产品;其中,将所拍摄的图像实时输送至图像采集卡,并逐一与数据中心存储的基准图案相比较具体为:为克服高速复卷过程中纸张的蛇形运动导致图像匹配运算的误检问题,首先通过对基准图像进行边缘提取,并设定一个定位区域且使其具有直角或轮廓特征,同时记下它在图像坐标系中的位置信息(a,b);接着,针对待监测的图像采用快速模板匹配算法,在所述位置(a,b)附近找到与定位区域相似的区域,同时记下位置信息(a’,b’),由此确定待测图像与基准图像之间的上下左右位置偏差,相应有效避免图像比较过程中的边沿偏差,从而确保缺陷检测的精确性;
S3、贴标签步骤
基于深度学习来对缺陷类型进行识别,该过程具体如下:首先选取若干已确认无缺陷的卷盘,将这些无缺陷卷盘在检测过程中产生的缺陷视为伪缺陷,并将其作为训练样本的输入,输出则为伪缺陷种类;接着,采用卷积神经网络来执行模型训练,并得到训练结果;最后,对检测过程中产生的未知缺陷,根据训练结果来辨识出缺陷类别,其中当辨识为真实缺陷时则进一步处理,而当辨识为伪缺陷时则忽略,在判定存在缺陷的料盘上,贴装上代表存在缺陷的第一标签,同时在数据中心保存相关缺陷信息;在判定为合格产品的料盘上,同样贴装上代表合格的第二标签;
S4、缺陷识别及分流处理步骤
料盘继续输送通过摄像头,并由该摄像头识别所贴装的标签,然后执行对应的分流处理:其中当识别出第一标签时,此料盘被分流至待检处,然后采用扫描器调出此料盘的缺陷数据,执行缺陷剔除处理后送回运输线进行下一步工序;而当识别出第二标签后,直接进入下一步工序。
2.如权利要求1所述的复卷机自动剔废方法,其特征在于,在步骤S1中,所述编码指标包含订单号、生产日期、大卷号、小盘号信息。
3.如权利要求1所述的复卷机自动剔废方法,其特征在于,在步骤S2中,所述第一、第二标签设计为条形码或二维码形式。
4.如权利要求1所述的复卷机自动剔废方法,其特征在于,还对各类历史数据进行管理,包括历史数据的打印、统计、显示、查询,同时数据保存时间可根据需要达到任意年限。
5.如权利要求1所述的复卷机自动剔废方法,其特征在于,在步骤S3中,当采用扫描器调出料盘的缺陷数据时,获得缺陷报表、缺陷图像信息,并根据数据中心所记录的缺陷位置,将缺陷位置的米数反馈给复卷机,由此使得复卷机自动停止在缺陷位置,以便于操作人员的缺陷剔除操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910510170.7A CN110239997B (zh) | 2019-06-13 | 2019-06-13 | 一种复卷机自动剔废方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910510170.7A CN110239997B (zh) | 2019-06-13 | 2019-06-13 | 一种复卷机自动剔废方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110239997A CN110239997A (zh) | 2019-09-17 |
CN110239997B true CN110239997B (zh) | 2024-04-19 |
Family
ID=67886886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910510170.7A Active CN110239997B (zh) | 2019-06-13 | 2019-06-13 | 一种复卷机自动剔废方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110239997B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113426696A (zh) * | 2020-03-08 | 2021-09-24 | 四川卡库机器人科技有限公司 | 包装袋次品剔除方法 |
CN111784663B (zh) * | 2020-06-30 | 2024-01-23 | 北京百度网讯科技有限公司 | 零部件的检测方法、装置、电子设备及存储介质 |
CN112763497B (zh) * | 2020-12-24 | 2023-10-27 | 凌云光技术股份有限公司 | 基于电平编码触发的视觉检测图像序列匹配系统及方法 |
CN113135037A (zh) * | 2021-04-28 | 2021-07-20 | 凌云光技术股份有限公司 | 一种印刷品工艺缺陷跟踪系统及方法 |
CN113145489B (zh) * | 2021-04-28 | 2022-05-20 | 凌云光技术股份有限公司 | 一种制袋过程中对缺陷产品进行剔除的系统、方法及设备 |
CN113066087B (zh) * | 2021-04-29 | 2022-08-05 | 中奥智能工业研究院(南京)有限公司 | 一种零部件智能检测与标签系统及方法 |
CN113333321A (zh) * | 2021-05-11 | 2021-09-03 | 北京若贝特智能机器人科技有限公司 | 一种自动识别分类输送方法、系统、装置及存储介质 |
CN114393321B (zh) * | 2022-03-25 | 2022-06-21 | 浙江双元科技股份有限公司 | 一种用于缺陷自动定位检测的激光打标系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105599440A (zh) * | 2015-12-16 | 2016-05-25 | 凌云光技术集团有限责任公司 | 凹印机检剔分离工艺中的剔废方法及装置 |
CN106485751A (zh) * | 2016-10-28 | 2017-03-08 | 湖北省建筑工程质量监督检验测试中心 | 应用于基桩检测中的无人机摄影成像及数据处理方法及系统 |
CN106918600A (zh) * | 2017-04-07 | 2017-07-04 | 江苏博虏智能科技有限公司 | 一种基于机器视觉的面料表面缺陷检测和标记方法 |
CN108416765A (zh) * | 2018-01-30 | 2018-08-17 | 华南理工大学 | 一种字符缺陷自动检测方法和系统 |
CN109142371A (zh) * | 2018-07-31 | 2019-01-04 | 华南理工大学 | 基于深度学习的高密度柔性基板外观缺陷检测系统与方法 |
CN109325383A (zh) * | 2018-10-31 | 2019-02-12 | 惠州高盛达科技有限公司 | 产品包装标签的识别方法及识别系统 |
CN109839385A (zh) * | 2019-03-04 | 2019-06-04 | 佛山市南海区广工大数控装备协同创新研究院 | 一种自适应的pcb板缺陷视觉定位检测及分类系统 |
CN210558391U (zh) * | 2019-06-13 | 2020-05-19 | 华中科技大学 | 一种复卷机自动剔废设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3885744A1 (en) * | 2020-03-25 | 2021-09-29 | Fitesa S.A. | Mapping and removing a defect from a web material |
-
2019
- 2019-06-13 CN CN201910510170.7A patent/CN110239997B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105599440A (zh) * | 2015-12-16 | 2016-05-25 | 凌云光技术集团有限责任公司 | 凹印机检剔分离工艺中的剔废方法及装置 |
CN106485751A (zh) * | 2016-10-28 | 2017-03-08 | 湖北省建筑工程质量监督检验测试中心 | 应用于基桩检测中的无人机摄影成像及数据处理方法及系统 |
CN106918600A (zh) * | 2017-04-07 | 2017-07-04 | 江苏博虏智能科技有限公司 | 一种基于机器视觉的面料表面缺陷检测和标记方法 |
CN108416765A (zh) * | 2018-01-30 | 2018-08-17 | 华南理工大学 | 一种字符缺陷自动检测方法和系统 |
CN109142371A (zh) * | 2018-07-31 | 2019-01-04 | 华南理工大学 | 基于深度学习的高密度柔性基板外观缺陷检测系统与方法 |
CN109325383A (zh) * | 2018-10-31 | 2019-02-12 | 惠州高盛达科技有限公司 | 产品包装标签的识别方法及识别系统 |
CN109839385A (zh) * | 2019-03-04 | 2019-06-04 | 佛山市南海区广工大数控装备协同创新研究院 | 一种自适应的pcb板缺陷视觉定位检测及分类系统 |
CN210558391U (zh) * | 2019-06-13 | 2020-05-19 | 华中科技大学 | 一种复卷机自动剔废设备 |
Non-Patent Citations (1)
Title |
---|
基于深度学习特征的铸件缺陷射线图像动态检测方法;余永维;杜柳青;闫哲;许贺作;;农业机械学报;20160512(第07期);412-417 * |
Also Published As
Publication number | Publication date |
---|---|
CN110239997A (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110239997B (zh) | 一种复卷机自动剔废方法及设备 | |
KR101227298B1 (ko) | 물질 웹에 결함을 자동 마킹하기 위한 장치 및 방법 | |
JP2007517232A (ja) | ウェブに基づく物品の歩留まりの最大化 | |
CN110039916B (zh) | 印刷品质量检测方法、计算机装置及计算机可读存储介质 | |
CN106529890A (zh) | 卷烟成品入库方法和系统 | |
CN105531581A (zh) | 对用于识别表面缺陷的检查系统进行检验的方法和设备 | |
JP2007506973A (ja) | 自動ウェブ検査のための装置および方法 | |
JP5168215B2 (ja) | 外観検査装置 | |
CN109741295B (zh) | 产品质量检测方法及装置 | |
CN113406110A (zh) | 一种印刷品质量检测方法、装置、设备和计算机介质 | |
CN113284094A (zh) | 获取玻璃基板缺陷信息的方法、装置、存储介质及设备 | |
JP2007523810A (ja) | ウェブに基づく物品の在庫管理 | |
CN111723453A (zh) | 用于增材制造机器的重涂器自动化监控系统和方法 | |
CN210558391U (zh) | 一种复卷机自动剔废设备 | |
CN117274245B (zh) | 基于图像处理技术的aoi光学检测方法及系统 | |
US20230298161A1 (en) | Reference recording creation for empty workpiece carriers | |
JP2014076480A (ja) | マーキングされた鋼材の製造方法、欠陥マーキング装置、欠陥マーキング鋼材及び欠陥マーキング鋼材使用方法 | |
US11120286B2 (en) | Projection indication device, parcel sorting system, and projection indication method | |
JP4400504B2 (ja) | 製造情報管理システム | |
US20220187808A1 (en) | Method for Tracking a Component in a Production Line Comprising a Plurality of Processing Systems, and Computing Unit | |
JP3870910B2 (ja) | 実装間違い検査方法およびこの方法を用いた基板検査装置 | |
CN113682766B (zh) | 一种机器人扫码输送线检测方法、系统、装置及存储介质 | |
CN114330404A (zh) | 二维码刻印效果验证方法、系统及存储介质 | |
CN113267506A (zh) | 木板ai视觉缺陷检测装置、方法、设备及介质 | |
CN115100110A (zh) | 一种偏光镜片缺陷检测方法、装置、设备及可读存储介质 |
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 |