CN110243831B - 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质 - Google Patents
表面缺陷采集系统、表面缺陷检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110243831B CN110243831B CN201910491285.6A CN201910491285A CN110243831B CN 110243831 B CN110243831 B CN 110243831B CN 201910491285 A CN201910491285 A CN 201910491285A CN 110243831 B CN110243831 B CN 110243831B
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- surface defect
- image data
- light
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8835—Adjustable illumination, e.g. software adjustable screen
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了表面缺陷采集系统、表面缺陷检测方法、装置及存储介质,用以解决现有技术中存在的不能快速、准确的对高反光产品的表面缺陷进行检测的技术问题。包括:支撑装置、以及分别设置在支撑装置第一侧上方和第二侧上方的可编程光源和图像采集装置,可编程光源用于输出多组明暗条纹相间的面光源;图像采集装置用于同时从不同角度对待检测面进行图像数据采集;控制装置用于控制支撑装置水平移动或绕指定轴转动,使待检测面与水平面平行,并控制可编程光源或支撑装置沿预设方向移动,使多组明暗条纹按设定距离沿预设方向在待检测面移动指定次数,每移动一次控制图像采集装置采集一次待检测面的图像数据,预设方向为明暗条纹交替出现的任一方向。
Description
技术领域
本发明涉及人工智能领域,尤其是涉及表面缺陷采集系统、表面缺陷检测方法、装置及存储介质。
背景技术
在工业制造生产过程中,产品表面缺陷的产生往往是不可避免的。而表面缺陷不仅影响产品的美观和舒适度,还可能对其使用性能造成不良影响。因此,需要准确并及时地检测出产品表面上所存在的缺陷。
在现有技术中,检测产品表面缺陷通常采用人工检测的方法,或基于机器视觉检测的方法。采用人工检测的方法往往存在效率低、准确性不高、实时性差、成本高、受人工经验和主观因素影响等缺点;而采用基于机器视觉检测的方法能够提高检测结果的准确性及检测效率。
在采用机器视觉技术检测产品表面缺陷时,为了自动、准确的对产品表面的缺陷进行识别,通常需要对采集到的图像进行图像处理,进而提取特征,识别产品表面缺陷。
尽管利用机器视觉技术来检测产品表面缺陷,具有上述诸多优点,但对于一些高反光产品,利用机器视觉技术却不能检测出其表面缺陷,究其原因主要在于采集高反光产品的表面图像时,由于其高反光的特性使图像采集器无法准确的获取高反光产品的表面缺陷。
鉴于此,如何快速、准确的对高反光产品的表面缺陷进行检测,成为一个亟待解决的技术问题。
发明内容
本发明提供一种表面缺陷采集系统、表面缺陷检测方法、装置及存储介质,用以解决现有技术中存在的不能快速、准确的对高反光产品的表面缺陷进行检测的技术问题。
第一方面,为解决上述技术问题,本发明实施例提供的一种表面缺陷采集系统的技术方案如下:
支撑装置,用于支撑待检物体,并使所述待检物体的待检测面与水平面平行;
可编程光源,设置在所述支撑装置中心轴的第一侧上方,用于输出多组明暗条纹相间的面光源,并照射在所述待检测面,所述中心轴与所述水平面垂直;
图像采集装置,设置在所述支撑装置中心轴的第二侧上方,所述第二侧与所述第一侧相对,且位于沿预设方向延伸的同一纵切面中,用于同时从不同角度对所述待检测面进行图像数据采集;
控制装置,用于控制所述支撑装置水平移动或绕指定轴转动,使所述待检测面与所述水平面平行,并控制所述可编程光源或所述支撑装置沿预设方向移动,使所述多组明暗条纹按设定距离沿所述预设方向在所述待检测面移动指定次数,每移动一次控制所述图像采集装置采集一次所述待检测面的图像数据,所述预设方向为明暗条纹交替出现的任一方向。
通过将可编程光源,设置在支撑装置中心轴的第一侧上方,将图像采集装置,设置在支撑装置中心轴的第二侧上方,第二侧与第一侧相对,且位于沿预设方向延伸的同一纵切面,通过控制装置控制支撑装置水平移动或绕指定轴转动,使待检物体的待检测面与水平面平行,并控制可编程光源输出多组明暗条纹相间的面光源照射在待检测面,同时让可编程光源或支撑装置沿预设方向移动,使多组明暗条纹按设定距离沿预设方向在待检测面移动指定次数,每移动一次控制图像采集装置同时从不同角度对待检测面进行一次图采集,预设方向为明暗条纹交替出现的任一方向。由于多组明暗条纹相间的面光源照射在待检测面,使高反光产品的待检测面的瑕疵得以呈现,从而使图像采集装置能够快速采集待检测面的瑕疵,进而提高对高反光产品的表面缺陷进行检测的速度和准确度。
可选地,所述支撑装置具有六个自由度,在所述支撑装置的支撑臂的三维空间中,所述六个自由度分别为沿横轴X、纵轴Y、竖轴Z三个方向移动,以及分别绕所述横轴X、所述纵轴Y、所述竖轴Z旋转;所述横轴X、纵轴Y、竖轴Z分别为所述三维空间的三个坐标方向。
可选地,所述可编程光源的中心与所述待检测面在水平方向的距离范围为10~26cm,所述可编程光源的中心与所述待检测面在垂直方向的距离为15cm。
可选地,所述多组明暗条纹中每组明条纹与暗条纹的宽度比为1:3。
可选地,所述每组明暗条纹中明条纹的宽度为3mm,暗条纹的宽度为9mm。
可选地,所述设定距离与所述指定次数的乘积小于等于一个暗条纹的宽度。
可选地,所述图像采集装置包括至少三个图像采集器,所述至少三个图像采集器按照指定方式排列在所述第二侧,并同时对所述待检测面进行图像采集。
可选地,所述图像采集装置包括:
第一图像采集器、第二图像采集器以及第三图像采集器;
所述第一图像采集器的中心轴与所述待检测面的中心在水平方向上的距离为8.9cm,在垂直方向上的距离为15.2cm,所述第一图像采集器的中心轴与所述水平面的夹角为79°;
所述第二图像采集器的中心轴与所述待检测面的中心在水平方向上的距离为11.8cm,在垂直方向上的距离为13cm,所述第一图像采集器的中心轴与所述水平面的夹角为54°;
所述第三图像采集器的中心轴与所述待检测面的中心在水平方向上的距离为17.5cm,在垂直方向上的距离为6.8cm,所述第一图像采集器的中心轴与所述水平面的夹角为34°。
可选地,所述支撑装置、所述可编程光源、所述图像采集装置均设置在同一封闭的黑暗空间内。
第二方面,本发明实施例提供了一种基于第一方面的表面缺陷采集系统进行表面缺陷检测的方法,该方法包括:
利用所述表面缺陷采集系统对待检物体的待检测面进行图像采集,获得所述待检测面的图像数据集;
对所述图像数据集中的每个图像数据进行预处理,获得预处理后的图像数据集;
利用检测模型对所述预处理后的图像数据集进行表面缺陷分析,获得分析结果,并将所述分析结果呈现给用户,所述检测模型是预先通过对训练样本集进行深度学习训练得到的。
可选地,所述检测模型的训练过程,包括:
利用深度学习框架搭建待检测模型,确定所述待检测模型的初始网络参数;
将所述训练样本集中的第一样本子集输入所述待检测模型,采用深度学习Adma算法对所述待检测模型输出的误差参数进行迭代优化,直到达到预设优化次数或所述误差参数的损失误差的平均值趋于一恒定值,获得第一网络参数;
用所述训练样本集中的第二样本子集对所述第一网络参数进行微调,获得所述检测模型;所述训练样本集由与所述待检测面具有同材质的产品表面的瑕疵图像和无瑕疵图像组成,所述第一样本子集与所述第二样本子集不同。
可选地,所述瑕疵图像,包括:
采集到的所述产品表面已有的瑕疵图像,或采用图像扭曲技术,对所述产品表面的无瑕疵图像的局部进行扭曲后,获得的瑕疵图像。
第三方面,本发明实施例提供了一种用于表面缺陷检测的装置,包括:
图像采集模块,用于利用所述表面缺陷采集系统,对待检物体的待检测面进行图像采集,获得所述待检测面的图像数据集;
预处理模块,用于对所述图像数据集中的每个图像数据进行预处理,获得预处理后的图像数据集;
缺陷检测模块,用于利用检测模型对所述预处理后的图像数据集进行表面缺陷分析,获得分析结果,并将所述分析结果呈现给用户,所述检测模型是预先通过对训练样本集进行深度学习训练得到的。
可选地,所述缺陷检测模块用于:
利用深度学习框架搭建待检测模型,确定所述待检测模型的网络参数;
将所述训练样本集中的第一样本子集输入所述待检测模型,采用深度学习Adma算法对所述待检测模型输出的误差参数进行迭代优化,直到达到预设优化次数或所述误差参数的损失误差的平均值趋于一恒定值,获得第一待检测模型;
用所述训练样本集中的第二样本子集对所述第一待检测模型的网络参数进行微调,获得所述检测模型;所述训练样本集由与所述待检测面具有同材质的产品表面的瑕疵图像和无瑕疵图像组成,所述第一样本子集与所述第二样本子集不同。
可选地,所述瑕疵图像,包括:
采集到的所述产品表面已有的瑕疵图像,或采用图像扭曲技术,对所述产品表面的无瑕疵图像的局部进行扭曲后,获得的瑕疵图像。
第四方面,本发明实施例还提供一种用于表面缺陷检测的装置,包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如上述第一方面所述的方法。
第五方面,本发明实施例还提供一种计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如上述第一方面所述的方法。
通过本发明实施例的上述一个或多个实施例中的技术方案,本发明实施例至少具有如下技术效果:
在本发明提供的实施例中,通过将可编程光源,设置在支撑装置中心轴的第一侧上方,将图像采集装置,设置在支撑装置中心轴的第二侧上方,第二侧与第一侧相对,且位于沿预设方向延伸的同一纵切面,通过控制装置控制支撑装置水平移动或绕指定轴转动,使待检物体的待检测面与水平面平行,并控制可编程光源输出多组明暗条纹相间的面光源照射在待检测面,同时让可编程光源或支撑装置沿预设方向移动,使多组明暗条纹按设定距离沿预设方向在待检测面移动指定次数,每移动一次控制图像采集装置同时从不同角度对待检测面进行一次图采集,预设方向为明暗条纹交替出现的任一方向。由于多组明暗条纹相间的面光源照射在待检测面,使高反光产品的待检测面的瑕疵得以呈现,从而使图像采集装置能够快速采集待检测面的瑕疵,进而提高对高反光产品的表面缺陷进行检测的速度和准确度。
附图说明
图1为本发明实施例提供的一种表面缺陷采集系统的结构示意图;
图2为本发明实施例提供的支撑装置的横轴X、纵轴Y、竖轴Z在三维空间中的示意图;
图3为本发明实施例提供的可编程光源输出的多组明暗条纹相间的面光源的示意图;
图4为本发明实施例提供的可编程光源与支撑装置的相对位置示意图;
图5为本发明实施例提供的明条纹和暗条纹的宽度示意图;
图6为本发明实施例提供的图像采集装置的位置示意图;
图7为本发明实施例提供的表面缺陷采集系统对待检测面进行图像采集的示意图;
图8为本发明实施例提供的待检测面存在瑕疵时明暗条纹的示意图一;
图9为本发明实施例提供的待检测面存在瑕疵时明暗条纹的示意图二;
图10为本发明实施例提供的一种表面缺陷检测方法的流程图;
图11为本发明实施例提供的一种表面缺陷检测装置的结构示意图。
具体实施方式
本发明实施列提供一种表面缺陷采集系统、表面缺陷检测方法、装置及存储介质,以解决现有技术中存在的不能快速、准确的对高反光产品的表面缺陷进行检测的技术问题。
本申请实施例中的技术方案为解决上述的技术问题,总体思路如下:
提供一种表面缺陷采集系统,包括:支撑装置,用于支撑待检物体,并使待检物体的待检测面与水平面平行;可编程光源,设置在支撑装置中心轴的第一侧上方,用于输出多组明暗条纹相间的面光源,并照射在待检测面,中心轴与水平面垂直;图像采集装置,设置在支撑装置中心轴的第二侧上方,第二侧与第一侧相对,且位于沿预设方向延伸的同一纵切面中,用于同时从不同角度对待检测面进行图像数据采集;控制装置,用于控制支撑装置水平移动或绕指定轴转动,使待检测面与水平面平行,并控制可编程光源或支撑装置沿预设方向移动,使多组明暗条纹按设定距离沿预设方向在待检测面移动指定次数,每移动一次控制图像采集装置采集一次待检测面的图像数据,预设方向为明暗条纹交替出现的任一方向。
由于在上述方案中,通过将可编程光源,设置在支撑装置中心轴的第一侧上方,将图像采集装置,设置在支撑装置中心轴的第二侧上方,第二侧与第一侧相对,且位于沿预设方向延伸的同一纵切面,通过控制装置控制支撑装置水平移动或绕指定轴转动,使待检物体的待检测面与水平面平行,并控制可编程光源输出多组明暗条纹相间的面光源照射在待检测面,同时让可编程光源或支撑装置沿预设方向移动,使多组明暗条纹按设定距离沿预设方向在待检测面移动指定次数,每移动一次控制图像采集装置同时从不同角度对待检测面进行一次图采集,预设方向为明暗条纹交替出现的任一方向。由于多组明暗条纹相间的面光源照射在待检测面,使高反光产品的待检测面的瑕疵得以呈现,从而使图像采集装置能够快速采集待检测面的瑕疵,进而提高对高反光产品的表面缺陷进行检测的速度和准确度。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
请参考图1,为本发明实施例提供一种表面缺陷采集系统的结构示意图,该表面缺陷采集系统包括:
支撑装置10,用于支撑待检物体a,并使待检物体a的待检测面与水平面平行。
待检物体a中需要检测的表面中至少有一面为高反光面,例如待检物体a为手机,手机有5个表面需要进行检测,其中背面(即机壳)为高反光面,其它四个侧面(连接显示屏正面和机壳背面的四个面)可能为高反光面,也可能为非高反光面。
请参见图2,为支撑装置的横轴X、纵轴Y、竖轴Z在三维空间中的示意图,支撑装置10具有六个自由度,在支撑装置10的支撑臂的三维空间中,六个自由度分别为沿横轴X、纵轴Y、竖轴Z三个方向移动,以及分别绕横轴X、纵轴Y、竖轴Z旋转;横轴X、纵轴Y、竖轴Z分别为三维空间的三个坐标方向。
需要理解的是,在三维空间中,横轴X和纵轴Y构成水平面,在同一水平面中横轴X和纵轴Y相互垂直,竖轴Z与横轴X和纵轴Y分别构成垂直于水平面的两个面,且这两面相互垂直。
当要对待检物体a的待检测面进行表面瑕疵检测时,需要先通过支撑装置10调整待检测面与水平面平行,这里的待检测面为当前待检物体a需要检测的那个表面,当要换更换待检物体a的其它表面进行检测时,可以通过控制支撑装置10旋转的方式来变换待检测面。
例如,待检物体a为手机,它共有5个面需要进行检测,依次记为a1、a2、a3、a4、a5,这5个面均为高反光面,其中a1为机壳面,其它四个为手机的四个侧面。当前,待检测面为a1,在对其进行表面缺陷检测时让待检测面a1与水平面平行,在完成对a1面的表面缺陷检测后,需要对a2面进行检测,此时,让支撑装置10旋转使a2面与水平面平行,这时待检测面便变换为a2面,其它面作为待检测面时的操作与此类似,不再赘述。
可编程光源20,设置在支撑装置10中心轴的第一侧上方,用于输出多组明暗条纹相间的面光源,并照射在待检测面,中心轴与水平面垂直。
请参见图3,为可编程光源输出的多组明暗条纹相间的面光源的示意图。在图3中,以白色条形区域示意明条纹,黑色条形区域示意暗条纹,一组明暗条纹由一个明条纹和一个暗条纹组成,所有明条纹具有相同的宽度,所有暗条纹具有相同的宽度。
需要理解的是,在图3中只是示出了明条纹和暗条纹的宽度相同的情况,而在实际应用中明条纹和暗条纹的宽度也可以不同。
在本发明提供的实施例中,让可编程光源20输出多组明暗条纹相间的面光源,使得当明暗条纹光源投射到待检测面时,若待检测面上的明暗条纹发生形变,则能确定待检测面上存在瑕疵。例如由于待检测面局部的不平滑会改变光线的传播方向,因此导致待检测面上的明暗条纹发生扭曲、折断等现象。
请参见图4,为可编程光源与支撑装置的相对位置示意图,在图4中,支撑装置10的中心轴记为O1O1,可编程光源20的中心轴记为O2O2,可编程光源20的中心与待检测面的中心在水平方向的距离m的取值范围为10~26cm,可编程光源20的中心与待检测面在垂直方向的距离n设置为15cm。
需要说明的是,由于待检测面设置在支撑装置10上,所以待检测面的中心可以视为支撑装置的中心轴与待检测面所在平面相交的位置。
在本发明提供的实施例中,通过将可编程光源20的中心与待检测面的中心在水平方向的距离m设置为10~26cm,可编程光源20的中心与待检测面在垂直方向的距离n设置为15cm,可以使可编程光源20发出的光完全覆盖待检测面,并且使投射在待检测面的明暗条纹光的宽度,与可编程光源20中输出的明暗条纹光的宽度几乎相同,进而提高明暗条纹光的分辨率,使检测瑕疵的精度得以提高。
请参见图5,为明条纹和暗条纹的宽度示意图,可编程光源20输出的多组明暗条纹中每组明条纹与暗条纹的宽度比为1:3。
可选地,每组明暗条纹中明条纹的宽度为3mm,暗条纹的宽度为9mm。
在图5中,明条纹的宽度记为d1,暗条纹的宽度记为d2,d1:d2=1:3。
通常,明条纹的宽度d1取值为3mm,暗条纹d2的宽度取值为9mm。
在本发明提供的实施例中,通过将明条纹与暗条纹的宽度比设置为1:3,可以在对待检测面进行检测时,减少对待检测面进行图像采集的次数,从而提高检测效率。
请继续参见图1,图像采集装置30,设置在支撑装10中心轴的第二侧上方,第二侧与第一侧相对,且位于沿预设方向延伸的同一纵切面中,用于同时从不同角度对待检测面进行图像数据采集。
在本发明提供的实施例中,通过将图像采集装置30设置在支撑装10的第二侧上方,让图像采集装置30与可编程光源20相对,并让图像采集装置30同时从不同角度对待检测面进行图像数据采集,可以让图像采集装置30快速的获得待检测面在不同角度的图像数据,从而避免待检测面的瑕疵在某一角度由于高反光的影响而不会呈现的问题,进而提高检出瑕疵的效率。
可选地,图像采集装置30包括至少三个图像采集器,至少三个图像采集器按照指定方式排列在第二侧,并同时对待检测面进行图像采集。
图像采集装置30可以是由3个图像采集器组成的,也可以是由4个、5个六个或更多个图像采集器组成的,具体由多少个图像采集器组成,在此不做限定。图像采集器可以为摄像头或其它具有图像采集功能的设备,在此不做限定。
请参见图6,为图像采集装置的位置示意图,图像采集装置30包括:
第一图像采集器301、第二图像采集器302以及第三图像采集器303;
第一图像采集器301的中心轴与待检测面的中心在水平方向上的距离X1为8.9cm,在垂直方向上的距离Y1为15.2cm,第一图像采集器的中心轴与水平面的夹角α1为79°;
第二图像采集器302的中心轴与待检测面的中心在水平方向上的距离X2为11.8cm,在垂直方向上的距离Y2为13cm,第一图像采集器的中心轴与水平面的夹角α2为54°;
第三图像采集器303的中心轴与待检测面的中心在水平方向上的距离X3为17.5cm,在垂直方向上的距离Y3为6.8cm,第一图像采集器的中心轴与水平面的夹角α3为34°。
需要说明的是,各图像采集器的中心轴与待检测面的中心在水平方向的距离,实际是指图像采集器的镜头的几何中心与待检测面的中心在水平方向的距离,垂直方向的距离实际是指图像采集器的镜头的几何中心与待检测面的中心在垂直方向的距离。
在图6中尽管只示出图像采集装置由第一图像采集器301~第三图像采集器303组成,但当图像采集装置由更多的图像采集器组成时,其位置布置可以按照类似图6中第一图像采集器301~第三图像采集器303的布置方式进行布置。通过采用上述第一图像采集器301~第三图像采集器303的布置方式,可以让图像采集装置30同时从不同的角度对待检测面进行图像采集,避免待检测面的高反光特性影响瑕疵的呈现,进而提高检出瑕疵的准确性。
可选的,支撑装置10、可编程光源20、图像采集装置30均设置在同一封闭的黑暗空间内。
例如,将支撑装置10、可编程光源20、图像采集装置30放置在同一黑暗的室内,也可以制作一个密封罩,将支撑装置10、可编程光源20、图像采集装置30放置在密封罩中。盖密封罩在未开启可编程光源20前呈黑暗状态。
在将支撑装置10、可编程光源20、图像采集装置30都安装好后,要使它们运行起来,对待检测面进行图像采集,还需要使用控制装置(在图1中未示出)。该控制装置可以与支撑装置10、可编程光源20、图像采集装置30设置在同一密封空间中,也可以设置在密封空间外,具体设置在何处在此不做限定。
控制装置,用于控制支撑装置10水平移动或绕指定轴转动,使待检测面与水平面平行,并控制可编程光源20或支撑装置10沿预设方向移动,使多组明暗条纹按设定距离沿预设方向在待检测面移动指定次数,每移动一次控制图像采集装置30采集一次待检测面的图像数据,预设方向为明暗条纹交替出现的任一方向。其中,设定距离与指定次数的乘积小于等于一个暗条纹的宽度。
例如请参见图7,为表面缺陷采集系统对待检测面进行图像采集的示意图,当前表面缺陷采集系统需要对待检物体手机的机壳面(即待检测面)进行表面缺陷的图像采集,控制装置控制支撑装置10让待检测面(机壳面)与水平面平行,控制可编程光源20输出宽度比为1:3的多组明暗条纹的面光源,之后控制图像采集装置30中的第一图像采集器301~第三图像采集器303同时对待检测面(机壳面)进行图像采集,获得第一组图像数据;然后控制可编程光源20沿预设方向(例如为朝向图像采集装置的方向)移动预设距离d,到达图7中虚线框所示的位置,此时控制装置控制第一图像采集器301~第三图像采集器303同时对待检测面(机壳面)进行图像采集,获得第二组图像数据。假设预设距离为3mm,明条纹的宽度为3mm、暗条纹的宽度为9mm,那么控制装置只需控制可编程光源20沿预设方向移动3次,每次移动3mm,并且在每次移动后让图像采集装置30对待检测面进行图像采集,最终获得3组图像数据,并将该3组图像数据传输给后端的表面缺陷采集系统,进行表面缺陷识别、分析等,将最终的分析结果呈现给用户。
需要理解的是,在图7中只是示出了移动可编程光源20来使待检测面上的明暗条纹发生移动,在实际应用中,也可以通过支撑装置10使待检测面发生移动,进而让其表面的明暗条纹发生移动。并且,在图7中示出的待检测面上呈现的明暗条纹是无瑕疵时的条纹,而在实际应用中,若在待检测面上有瑕疵,在瑕疵位置的明暗条纹将发生形变。例如请参见图8和图9,分别为待检测面存在瑕疵时明暗条纹的示意图一、二,在图8和图9中,瑕疵以虚线框示出。从图8和图9中可以看出,当存在瑕疵时,瑕疵会引起周围的明暗条纹发生形变,这样就使得图像采集装置30采集的图像中能呈现瑕疵。
基于同一发明构思,本发明一实施例中提供一种基于上述表面缺陷采集系统的表面缺陷检测方法,该方法中采集待检测面的表面缺陷图像的具体实施方式可参见表面缺陷采集系统实施例部分的描述,重复之处不再赘述,请参见图10,该方法包括:
步骤1001:利用表面缺陷采集系统对待检物体的待检测面进行图像采集,获得待检测面的图像数据集。
例如,通过向表面缺陷采集系统发送图像采集的命令,使表面缺陷采集系统对待检测面进行图像采集,获得对应的图像数据集,由于表面缺陷采集系统的结构及工作过程在表面缺陷采集系统实施例部分已经做了详细的描述,在此不再赘述。
在获得待检测面的图像数据集之后,便可执行步骤1002。
步骤1002:对图像数据集中的每个图像数据进行预处理,获得预处理后的图像数据集。
由于图像数据在采集、传输和变换中都可能引入噪声,因此为了减少图像质量对缺陷检测结果的影响,在对表面缺陷进行分析之前,还需要对图像数据进行预处理,主要包括图像去噪、图像增强和感兴趣区域的提取。其中,感兴趣区域的提取即为待检测面的提取,由于在进行图像采集时,可能还会采集到待检测面之外的其它区域,所以需要对其进行提取,从而减少干扰因素的影响。对提取的感兴趣区域进行去噪可以采用滑动窗口平滑和卡尔曼滤波技术进行去噪处理。图像增强包括但不限于旋转、扭曲、色彩抖动等。
在预处理后的图像数据集之后,便可执行步骤1003。
步骤1003:利用检测模型对预处理后的图像数据集进行表面缺陷分析,获得分析结果,并将分析结果呈现给用户,检测模型是预先通过对训练样本集进行深度学习训练得到的。
检测模型的训练过程,包括:
首先,利用深度学习框架搭建待检测模型,确定待检测模型的初始网络参数。
其次,将训练样本集中的第一样本子集输入待检测模型,采用深度学习Adma算法对待检测模型输出的误差参数进行迭代优化,直到达到预设优化次数或误差参数的损失误差的平均值趋于一恒定值,获得第一网络参数。
最后,用训练样本集中的第二样本子集对第一网络参数进行微调,获得检测模型;训练样本集由与待检测面具有相同材质的产品表面的瑕疵图像和无瑕疵图像组成,第一样本子集与第二样本子集不同。训练样本集中的瑕疵图像和无瑕疵图像可以是与待检物体同类的产品的表面的瑕疵图像和无瑕疵图像,例如待检物体为手机,那么所有手机类产品表面的瑕疵图像和无瑕疵图像都可以作为训练样本集中的样本;训练样本集中的瑕疵图像和无瑕疵图像也可以是与待检物体不同类的产品的表面的瑕疵图像和无瑕疵图像,例如,待检物体为手机,但平板电脑这类产品的表面的瑕疵图像和无瑕疵图像也可以作为训练样本集中的样本,只需要与待检物体的待检测面具有相同的材质便可。
在训练检测模型前,需要先构建训练样本集,训练样本集由瑕疵图像和对应的无瑕疵图像组成。其中,瑕疵图像的获得方式可以有以下两种方式:
第一种为采集到的产品表面已有的瑕疵图像。例如,在采集到产品表面的图像数据后,从中挑选出有瑕疵的图像作为训练样本中的瑕疵图像。
第二种为采用图像扭曲技术,对产品表面的无瑕疵图像的局部进行扭曲后,获得的瑕疵图像。例如,选取产品表面中无瑕疵图像中的一个区域,并选择若干个点作为基准点,通过拉升这些基准点产生新的位置,然后再计算出扭曲矩阵并进行局部扭曲,最后形成带有瑕疵的图像,获得瑕疵图像。
将所有的瑕疵图像和对应的无瑕疵图像一起构建为训练样本集。在形成训练样本的过程中,为了使训练样本中的瑕疵特征更加明显,需要对图像进行感兴趣区域提取、图像去噪、图像增强等。
通过上述两种方式,可以快速积累瑕疵图像,进而形成丰富的训练样本。
在获得训练样本集之后,便可开始对检测模型进行训练了,具体的是将训练样本集中的训练样本划分为两个部分,即第一样本子集和第二样本子集,将第一样本子集输入待检测模型,并采用深度学习Adma算法对待检测模型输出的误差参数进行迭代优化,直到达到预设优化次数或所述误差参数的损失误差的平均值趋于一恒定值,获得第一待检测模型,这时检测模型中的网络参数构建完成。然后,再用第二样本子集对第一待检测模型的网络参数进行微调,获得检测模型,最终得到满足在工业生产中实现在线检测要求的检测模型的网络参数,并用于对待检测面的图像数据集进行瑕疵识别。
在用检测模型检测出待检测面中的瑕疵后,便可将分析结果呈现给用户,使用户根据检测结果可以进行相关的处理,例如挑选出合格产品,对存在瑕疵的产品进行去瑕疵处理等。
基于同一发明构思,本发明一实施例中提供一种用于表面缺陷检测的装置,该装置的表面缺陷检测方法的具体实施方式可参见方法实施例部分的描述,重复之处不再赘述,请参见图11,该装置包括:
图像采集模块1101,用于利用所述表面缺陷采集系统,对待检物体的待检测面进行图像采集,获得所述待检测面的图像数据集;
预处理模块1102,用于对所述图像数据集中的每个图像数据进行预处理,获得预处理后的图像数据集;
缺陷检测模块1103,用于利用训练好的检测模型对所述预处理后的图像数据集进行表面缺陷分析,获得分析结果,并将所述分析结果呈现给用户,所述检测模型是预先通过对训练样本集进行深度学习训练得到的。
可选地,所述缺陷检测模块1103用于:
利用深度学习框架搭建待检测模型,确定所述待检测模型的网络参数;
将所述训练样本集中的第一样本子集输入所述待检测模型,采用深度学习Adma算法对所述待检测模型输出的误差参数进行迭代优化,直到达到预设优化次数或所述误差参数的损失误差的平均值趋于一恒定值,获得第一待检测模型;
用所述训练样本集中的第二样本子集对所述第一待检测模型的网络参数进行微调,获得所述检测模型;所述训练样本集由与所述待检测面具有同材质的产品表面的瑕疵图像和无瑕疵图像组成,所述第一样本子集与所述第二样本子集不同。
可选地,所述瑕疵图像,包括:
采集到的所述产品表面已有的瑕疵图像,或采用图像扭曲技术,对所述产品表面的无瑕疵图像的局部进行扭曲后,获得的瑕疵图像。
基于同一发明构思,本发明实施例中提供了一种用于表面缺陷检测的装置,包括:至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如上所述的表面缺陷检测方法。
基于同一发明构思,本发明实施例还提一种计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如上所述的表面缺陷检测方法。
在本发明提供的实施例中,通过将可编程光源,设置在支撑装置中心轴的第一侧上方,将图像采集装置,设置在支撑装置中心轴的第二侧上方,第二侧与第一侧相对,且位于沿预设方向延伸的同一纵切面,通过控制装置控制支撑装置水平移动或绕指定轴转动,使待检物体的待检测面与水平面平行,并控制可编程光源输出多组明暗条纹相间的面光源照射在待检测面,同时让可编程光源或支撑装置沿预设方向移动,使多组明暗条纹按设定距离沿预设方向在待检测面移动指定次数,每移动一次控制图像采集装置同时从不同角度对待检测面进行一次图采集,预设方向为明暗条纹交替出现的任一方向。由于多组明暗条纹相间的面光源照射在待检测面,使高反光产品的待检测面的瑕疵得以呈现,从而使图像采集装置能够快速采集待检测面的瑕疵,进而提高对高反光产品的表面缺陷进行检测的速度和准确度。
本领域内的技术人员应明白,本发明实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种表面缺陷采集系统,其特征在于,包括:
支撑装置,用于支撑待检物体,并使所述待检物体的待检测面与水平面平行;
可编程光源,设置在所述支撑装置中心轴的第一侧上方,用于输出多组明暗条纹相间的面光源,并照射在所述待检测面,所述中心轴与所述水平面垂直;
图像采集装置,设置在所述支撑装置中心轴的第二侧上方,所述第二侧与所述第一侧相对,且位于沿预设方向延伸的同一纵切面中,用于同时从不同角度对所述待检测面进行图像数据采集;
控制装置,用于控制所述支撑装置水平移动或绕指定轴转动,使所述待检测面与所述水平面平行,并控制所述可编程光源或所述支撑装置沿预设方向移动,使所述多组明暗条纹按设定距离沿所述预设方向在所述待检测面移动指定次数,每移动一次控制所述图像采集装置采集一次所述待检测面的图像数据,所述预设方向为明暗条纹交替出现的任一方向;
其中,所述图像采集装置包括:
第一图像采集器、第二图像采集器以及第三图像采集器,并同时对所述待检测面进行图像采集;
所述第一图像采集器的中心轴与所述待检测面的中心在水平方向上的距离为8.9cm,在垂直方向上的距离为15.2cm,所述第一图像采集器的中心轴与所述水平面的夹角为79°;
所述第二图像采集器的中心轴与所述待检测面的中心在水平方向上的距离为11.8cm,在垂直方向上的距离为13cm,所述第二图像采集器的中心轴与所述水平面的夹角为54°;
所述第三图像采集器的中心轴与所述待检测面的中心在水平方向上的距离为17.5cm,在垂直方向上的距离为6.8cm,所述第三图像采集器的中心轴与所述水平面的夹角为34°。
2.如权利要求1所述的表面缺陷采集系统,其特征在于,所述支撑装置具有六个自由度,在所述支撑装置的支撑臂的三维空间中,所述六个自由度分别为沿横轴X、纵轴Y、竖轴Z三个方向移动,以及分别绕所述横轴X、所述纵轴Y、所述竖轴Z旋转;所述横轴X、纵轴Y、竖轴Z分别为所述三维空间的三个坐标方向。
3.如权利要求1所述的表面缺陷采集系统,其特征在于,所述可编程光源的中心与所述待检测面在水平方向的距离范围为10~26cm,所述可编程光源的中心与所述待检测面在垂直方向的距离为15cm。
4.如权利要求1所述的表面缺陷采集系统,其特征在于,所述多组明暗条纹中每组明条纹与暗条纹的宽度比为1:3。
5.如权利要求4所述的表面缺陷采集系统,其特征在于,每组明暗条纹中明条纹的宽度为3mm,暗条纹的宽度为9mm。
6.如权利要求5所述的表面缺陷采集系统,其特征在于,所述设定距离与所述指定次数的乘积小于等于一个暗条纹的宽度。
7.如权利要求1-6任一项所述的表面缺陷采集系统,其特征在于,所述支撑装置、所述可编程光源、所述图像采集装置均设置在同一封闭的黑暗空间内。
8.一种基于权利要求1-7任一项所述的表面缺陷采集系统进行的表面缺陷检测方法,其特征在于,包括:
利用所述表面缺陷采集系统对待检物体的待检测面进行图像采集,获得所述待检测面的图像数据集;
对所述图像数据集中的每个图像数据进行预处理,获得预处理后的图像数据集;
利用检测模型对所述预处理后的图像数据集进行表面缺陷分析,获得分析结果,并将所述分析结果呈现给用户,所述检测模型是预先通过对训练样本集进行深度学习训练得到的;
其中,所述检测模型的训练过程,包括:
利用深度学习框架搭建待检测模型,确定所述待检测模型的初始网络参数;
将所述训练样本集中的第一样本子集输入所述待检测模型,采用深度学习Adma算法对所述待检测模型输出的误差参数进行迭代优化,直到达到预设优化次数或所述误差参数的损失误差的平均值趋于一恒定值,获得第一网络参数;
用所述训练样本集中的第二样本子集对所述第一网络参数进行微调,获得所述检测模型;所述训练样本集由与所述待检测面具有同材质的产品表面的瑕疵图像和无瑕疵图像组成,所述第一样本子集与所述第二样本子集不同。
9.如权利要求8所述的表面缺陷检测方法,其特征在于,所述瑕疵图像,包括:
采集到的所述产品表面已有的瑕疵图像,或采用图像扭曲技术,对所述产品表面的无瑕疵图像的局部进行扭曲后,获得的瑕疵图像。
10.一种基于权利要求1-7任一项所述的表面缺陷采集系统进行的表面缺陷检测装置,其特征在于,包括:
图像采集模块,用于利用所述表面缺陷采集系统,对待检物体的待检测面进行图像采集,获得所述待检测面的图像数据集;
预处理模块,用于对所述图像数据集中的每个图像数据进行预处理,获得预处理后的图像数据集;
缺陷检测模块,用于利用检测模型对所述预处理后的图像数据集进行表面缺陷分析,获得分析结果,并将所述分析结果呈现给用户,所述检测模型是预先通过对训练样本集进行深度学习训练得到的;所述检测模型的训练过程,包括:利用深度学习框架搭建待检测模型,确定所述待检测模型的初始网络参数;将所述训练样本集中的第一样本子集输入所述待检测模型,采用深度学习Adma算法对所述待检测模型输出的误差参数进行迭代优化,直到达到预设优化次数或所述误差参数的损失误差的平均值趋于一恒定值,获得第一网络参数;用所述训练样本集中的第二样本子集对所述第一网络参数进行微调,获得所述检测模型;所述训练样本集由与所述待检测面具有同材质的产品表面的瑕疵图像和无瑕疵图像组成,所述第一样本子集与所述第二样本子集不同。
11.一种表面缺陷检测装置,其特征在于,包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如权利要求8-9任一项所述的方法。
12.一种计算机可读存储介质,其特征在于:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如权利要求8-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910491285.6A CN110243831B (zh) | 2019-06-06 | 2019-06-06 | 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910491285.6A CN110243831B (zh) | 2019-06-06 | 2019-06-06 | 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110243831A CN110243831A (zh) | 2019-09-17 |
CN110243831B true CN110243831B (zh) | 2022-02-15 |
Family
ID=67886159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910491285.6A Active CN110243831B (zh) | 2019-06-06 | 2019-06-06 | 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110243831B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530881A (zh) * | 2019-09-23 | 2019-12-03 | 苏州科洛尼自动化有限公司 | 高精度屏幕视觉检测系统 |
CN110672626B (zh) * | 2019-11-14 | 2023-03-14 | 上海感图网络科技有限公司 | 一种手机壳体中框表面颗粒缺陷的检测方法 |
CN110865083A (zh) * | 2019-12-04 | 2020-03-06 | 深圳市汇万川塑胶薄膜有限公司 | 一种产品外观缺陷检测中环境与灯光的改进检测方法 |
CN111855671A (zh) * | 2020-07-29 | 2020-10-30 | 无锡先导智能装备股份有限公司 | 表面缺陷检测方法、装置及系统 |
CN112461850A (zh) * | 2020-09-29 | 2021-03-09 | 江苏南高智能装备创新中心有限公司 | 工件表面瑕疵检测系统 |
CN112461854B (zh) * | 2020-11-03 | 2023-10-31 | 东莞市鼎力自动化科技有限公司 | 一种智能优化盖板终检aoi检测的方法及装置 |
CN113344865A (zh) * | 2021-05-21 | 2021-09-03 | 深圳中科精工科技有限公司 | 光滑物体表面缺陷检测方法、装置、设备及介质 |
CN113469946B (zh) * | 2021-06-03 | 2024-10-18 | 阿里巴巴创新公司 | 数据处理方法、装置及电子设备 |
CN114034712A (zh) * | 2022-01-07 | 2022-02-11 | 深圳思谋信息科技有限公司 | 产品外观缺陷检测装置 |
CN116908094A (zh) * | 2023-06-06 | 2023-10-20 | 宁波图灵奇点智能科技有限公司 | 一种基于位移光源的表面缺陷检测装置、方法及系统 |
CN116879167A (zh) * | 2023-06-27 | 2023-10-13 | 广州市翔哲自动化设备有限公司 | 一种用于缺陷检测的可编辑立体光源、方法及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101297192A (zh) * | 2005-09-09 | 2008-10-29 | 萨克米伊莫拉机械合作社合作公司 | 用于直观监测物体的方法和设备 |
CN104101611A (zh) * | 2014-06-06 | 2014-10-15 | 华南理工大学 | 一种类镜面物体表面光学成像装置及其成像方法 |
CN104237252A (zh) * | 2014-09-25 | 2014-12-24 | 华南理工大学 | 一种机器视觉产品表面微缺陷智能检测方法及其装置 |
CN106164653A (zh) * | 2014-03-31 | 2016-11-23 | 国立大学法人东京大学 | 检查系统和检查方法 |
CN107144240A (zh) * | 2017-05-12 | 2017-09-08 | 电子科技大学 | 一种检测玻璃面板表面缺陷的系统及方法 |
CN107144579A (zh) * | 2017-07-03 | 2017-09-08 | 苏州康鸿智能装备股份有限公司 | 一种3d曲面玻璃屏外观缺陷检测设备 |
CN111179248A (zh) * | 2019-12-27 | 2020-05-19 | 深港产学研基地 | 一种透明平滑曲面缺陷识别方法及检测装置 |
CN111353997A (zh) * | 2019-04-11 | 2020-06-30 | 南京理工大学 | 一种基于条纹投影的实时三维面型缺陷检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10007981B2 (en) * | 2016-07-09 | 2018-06-26 | Mountain Forge | Automated radial imaging and analysis system |
-
2019
- 2019-06-06 CN CN201910491285.6A patent/CN110243831B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101297192A (zh) * | 2005-09-09 | 2008-10-29 | 萨克米伊莫拉机械合作社合作公司 | 用于直观监测物体的方法和设备 |
CN106164653A (zh) * | 2014-03-31 | 2016-11-23 | 国立大学法人东京大学 | 检查系统和检查方法 |
CN104101611A (zh) * | 2014-06-06 | 2014-10-15 | 华南理工大学 | 一种类镜面物体表面光学成像装置及其成像方法 |
CN104237252A (zh) * | 2014-09-25 | 2014-12-24 | 华南理工大学 | 一种机器视觉产品表面微缺陷智能检测方法及其装置 |
CN107144240A (zh) * | 2017-05-12 | 2017-09-08 | 电子科技大学 | 一种检测玻璃面板表面缺陷的系统及方法 |
CN107144579A (zh) * | 2017-07-03 | 2017-09-08 | 苏州康鸿智能装备股份有限公司 | 一种3d曲面玻璃屏外观缺陷检测设备 |
CN111353997A (zh) * | 2019-04-11 | 2020-06-30 | 南京理工大学 | 一种基于条纹投影的实时三维面型缺陷检测方法 |
CN111179248A (zh) * | 2019-12-27 | 2020-05-19 | 深港产学研基地 | 一种透明平滑曲面缺陷识别方法及检测装置 |
Non-Patent Citations (1)
Title |
---|
工件表面缺陷图像自适应识别研究及应用;石弦韦;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190215;第37-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110243831A (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110243831B (zh) | 表面缺陷采集系统、表面缺陷检测方法、装置及存储介质 | |
US20220264057A1 (en) | Object inspection system and method for inspecting an object | |
CN103245671B (zh) | 冲压件表面缺陷检测装置及方法 | |
CN112505056A (zh) | 缺陷检测方法和装置 | |
CN104101611A (zh) | 一种类镜面物体表面光学成像装置及其成像方法 | |
CN109738454B (zh) | 一种软包电池极耳焊缝检测装置及方法 | |
US20140320638A1 (en) | Electronic device and method for detecting surface flaw of sample | |
WO2017109918A1 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN111421553A (zh) | 基于轮廓识别的机器人控制方法、存储介质及移动机器人 | |
CN105227802A (zh) | 一种面向最佳质量图像快速扫描的自适应控制方法及系统 | |
WO2020137121A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
WO2022126871A1 (en) | Defect layer detection method and system based on light field camera and detection production line | |
CN108426537B (zh) | 一种基于线阵相机的在位砂轮快速全场检测方法及系统 | |
CN115937147B (zh) | 缺陷检测参数的确定方法、装置、设备及存储介质 | |
CN113865830A (zh) | 显示屏缺陷检测方法及系统 | |
CN115112682A (zh) | 一种可视化的手机曲面玻璃检测装置和方法 | |
CN115684012A (zh) | 视觉检测系统、校准方法、装置和可读存储介质 | |
US7679746B1 (en) | System and method for measurement of pressure drop through perforated panels | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN117237353B (zh) | 手机外观的瑕疵检测方法、装置、设备及存储介质 | |
CN105572133B (zh) | 瑕疵检测方法及其装置 | |
CN113567464A (zh) | 一种透明介质污渍位置检测方法及装置 | |
CN108760755A (zh) | 一种灰尘颗粒检测方法及装置 | |
CN111486790A (zh) | 一种电池全尺寸检测方法与装置 | |
CN117615252A (zh) | 一种高度自适的aoi相机清晰度校准方法及系统 |
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 |