CN110470670A - 一种基于图像处理的磁芯缺陷检测系统及方法 - Google Patents
一种基于图像处理的磁芯缺陷检测系统及方法 Download PDFInfo
- Publication number
- CN110470670A CN110470670A CN201910792199.9A CN201910792199A CN110470670A CN 110470670 A CN110470670 A CN 110470670A CN 201910792199 A CN201910792199 A CN 201910792199A CN 110470670 A CN110470670 A CN 110470670A
- Authority
- CN
- China
- Prior art keywords
- magnetic core
- detection
- picture
- module
- 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.)
- Pending
Links
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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明公开了一种基于图像处理的磁芯缺陷检测系统及方法,包括相机拍照模块、找工件模块、磁芯定位模块、连料检测模块、边检测模块及斑点检测模块,具体方法为:S1:通过相机拍照拍照采集图片,存放在本地文件夹中;S2:对采集的图片进行图像预处理操作,并进行磁芯工件定位;S3:对已定位的图片进行磁芯相连检测;S4:对已定位的图片进行边检测;S5:对已定位的图片进行斑点检测。本发明系统及方法没有过多的图像预处理环节,通过灰度阈值处理找出了ROI矩形区域和四边定位法确定了磁芯的位置,使用非常方便,而且缺陷识别率较高;通过数字图像处理技术来对磁芯进行智能缺陷检测识别,使检测更快、更方便、检测率更高。
Description
技术领域
本发明属于计算机技术领域,具体涉及图像处理、计算机视觉领域,尤其涉及到一种基于图像处理的磁芯缺陷检测系统及方法。
背景技术
当今社会存在着各种各样的电子产品,它们已经成为人们日常生活的重要组成部分。电子产品从产生到现在,经历了漫长的岁月,其种类越来越多,性能也是越来越好。人们身边有着数大量的电子产品,它们在维持我们日常生活中发挥着重要的作用,我们的衣食住行都离不开电子产品,同时电子产品也是人们智慧的结晶、文明发展和延续的必要因素。由于电子产品对于人们来说具有如此重要的意义,因此对于它们的研究就显得极为重要。
磁芯是电子器件中的一种,磁芯是指由各种氧化铁混合物组成的一种烧结磁性金属氧化物,磁芯的作用是用来加大电磁线圈磁路的磁通密度(磁通量)降低铜损耗,以增加电磁感应强度,提高电压转换效率。因此磁芯的好坏会直接影响电子产品的性能,间接影响寿命。磁芯在生产过程中、运输过程中会存在一定的消磨损耗使磁芯出现一定的缺陷,在传统的磁芯缺陷检测方法中,专业人员依靠自身丰富的经验,通过使用显微镜等工具来对磁芯进行缺陷检测,但是非专业人员很难掌握这些方法,而且随着数量的增加,缺陷种类的增多,传统的磁芯缺陷检测方法已经不适用于工厂检测了。工厂里有着大量的磁芯工件,单纯的依靠人的经验和记忆是很难有效的对磁芯进行缺陷检测的。
传统的磁芯缺陷检测方法依靠人工方式进行检测,难度大,效率低。如何使人们更方便、快捷、准确的实现对磁芯缺陷的检测成为一个技术难题。
发明内容
针对现有技术中存在的问题,本发明设计的目的在于提出一种基于图像处理的磁芯缺陷检测系统及方法。
本发明通过以下技术方案加以实现:
所述的一种基于图像处理的磁芯缺陷检测系统,其特征在于包括相机拍照模块、找工件模块、磁芯定位模块、连料检测模块、边检测模块及斑点检测模块,所述相机拍照模块对磁芯工件六个面进行拍照,并保存到本地文件夹中;所述找工件模块对获取的磁芯图片进行图像预处理操作并确定ROI区域;所述磁芯定位模块通过四边定位法对ROI区域进行四边定位从而准确找出工件位置;所述连料检测模块根据ROI区域面积的上下限制判断所拍磁芯图片是否物料相连;所述边检测模块对获取的磁芯图片进行ROI区域边检测,根据边的数量判断磁芯正反面;所述斑点检测模块对获取的磁芯图片ROI区域进行斑点检测。
所述相机拍照模块通过将磁芯依次放入转动盘上实现磁芯的转动,将六个相机拍照模块固定在转动盘的上方,当磁芯依次通过六个相机拍照模块时,相机拍照模块对磁芯进行拍照,并将结果保存到新的本地文件夹中。
所述磁芯定位模块对获取的磁芯图片进行灰度处理和阈值处理,通过设定固定阈值,从而确定图像的ROI区域,然后再利用四边定位法对ROI区域进行定位,获取磁芯的准确位置。
所述连料检测模块通过对ROI区域计算磁芯面积值,根据磁芯面积值的大小来判断所定位的ROI区域是否含有相连的磁芯工件,从而判断所拍图片中是否磁芯工件相连。
所述边检测模块对ROI区域进行边检测判断,通过对定位磁芯图像使用边检测算法判断图像边的数量从而判断磁芯正反面,然后再进行逻辑处理,通过设定边之间的距离判断磁芯镀银是否合格。
所述斑点检测模块对磁芯图片进行斑点检测判断,对所定位的ROI区域再进行一次阈值处理,通过设定固定灰度阈值和提取面积大小,从而判断磁芯的位置、大小以及类型。
所述的一种基于图像处理的磁性缺陷检测方法,其特征在于包括以下步骤:
S1:通过相机拍照模块对磁芯进行拍照,采集图片,存放在本地文件夹中;
S2:对步骤S1采集的图片进行图像预处理操作并确定图像的ROI区域,并进行磁芯工件定位;
S3:对步骤S2已定位的图片进行磁芯相连检测,判断图像中是否磁芯工件相连;
S4:对步骤S2已定位的图片进行边检测;
S5:对步骤S3已定位的图片进行斑点检测。
步骤S2中图像与处理操作是指利用磁性定位模块对磁芯图片进行灰度处理和阈值处理,通过设定固定阈值来确定图像的的ROI区域;步骤S3中磁芯相连检测是指利用连料检测模块对ROI区域计算磁芯面积值,从而判断所拍图像中是否磁芯工件相连。
步骤S4中边检测是指利用边检测模块对ROI区域进行边检测判断,从而判断磁芯正反面,S5中的斑点检测是指利用斑点检测模块图片进行斑点检测判断,对所定位的ROI区域再进行一次阈值处理,通过设定固定灰度阈值和提取面积大小,从而判断磁芯的位置、大小以及类型。
与现有技术相比,本发明具有以下有益效果:
1)本发明的一种基于图像处理的磁芯缺陷检测系统及方法没有过多的图像预处理环节,通过灰度阈值处理找出了ROI矩形区域和四边定位法确定了磁芯的位置,使用非常方便,而且缺陷识别率较高;
2)通过数字图像处理技术来对磁芯进行智能缺陷检测识别,使检测更快、更方便、检测率更高。
附图说明
图1为本发明流程图。
具体实施方式
下面根据附图和优选实施例详细描述本发明,本发明的目的和效果将变得更加明白,以下结合附图和实施例,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。
本发明的原理为:如图1所示,通过相机拍照模块采集用于缺陷检测的若干张磁芯六个面图片,对每幅图像进行灰度处理和阈值处理操作分割出ROI区域,然后在ROI区域进行二维直角坐标系,对磁芯进行四边定位,确定出磁芯的准确位置,然后计算ROI区域提取出面积值,进行磁芯工件相连检测,利用直线边检测方法再对磁芯图片进行边缘检测和逻辑处理,确定图像的正反面,最后进行斑点检测,剔除有缺陷的磁芯,得到完好的磁芯工件。
作为其中一种实施例,本发明的一种基于图像处理的磁芯缺陷检测系统方法的具体步骤如下:
一种基于图像处理的磁芯缺陷检测方法包含如下几个步骤:
1. 通过相机拍照采集图片,存放在本地文件夹中;
2. 磁芯定位:对采集的图片进行磁芯工件定位;
3. 工件相连检测:对步骤2中的ROI区域进行连料检测,剔除图片中含有两个及以上磁芯工件的图片;
4. 边缘处理:对步骤2中的工件定位区域进行边缘处理,包括边缘检测和边缘逻辑处理,检测样本图片中镀银未达到符合要求的磁芯;
5. 斑点检测:对步骤3中的工件定位区域进行斑点检测,包括磁芯中心亮斑检测、右侧黑点检测、左侧黑点检测、中心划痕检测,检测磁芯是否含有斑点缺陷。
进一步,所述步骤1中,照像机采集图片的具体过程为:选取1000个磁芯工件作为本次检测的样本,将照相机固定在转动盘监测点,将1000个磁芯工件放入转动盘上进行传送,磁芯经过监测点时,照相机自动对磁芯进行拍照,获取磁芯的六个面图片,并将它们保存到新的文件夹中,作为样本图片。
进一步,所述步骤2中,磁芯定位的具体过程为:将采集的图片转换为灰度图片,根据灰度阈值找出图片中可能的工件位置,确定为ROI区域,利用四边定位法对ROI区域进行准确的位置定位,从而得到工件的确定区域。
所述步骤2中,磁芯定位提取ROI区域的具体步骤为:
2.1 根据公式,将采集的彩色样本图片转换为灰度图片,式中B、G、R值分别表示彩色图像的三通道颜色值;
2.2 设定固定灰度阈值为80,将步骤2.1中的区域进行提取取出来作为ROI区域;
所述步骤2中,磁芯定位四边定位法的具体步骤为:
2.1 对ROI区域进行建立二维直角坐标系,根据坐标系确定ROI区域边缘点的坐标;
2.2 选择一条边,随机选取15个边缘点,根据方差值忽略误差最大的那个边缘点;
2.3 利用线性回归对剩下的边缘点进行直线拟合;
2.4 重复上述步骤3.2和3.3分别对ROI区域工件四条边都进行线性回归直线拟合,最后得到包含工件的确定区域,实现对工件的准确定位。
进一步,所述步骤3中,工件相连检测具体过程为:计算步骤2中提取出来的ROI区域面积的大小,根据面积值进行工件相连检测,从而剔除图片中含有两个及以上磁芯工件的图片,若面积值大于5000,则说明提取出来的区域包含两个或以上工件,剔除样本库中的该类图片,从而实现工件相连检测。
进一步所述步骤4中,磁芯边缘处理的具体过程为:将步骤2中的工件定位区域作为磁芯进行边缘处理的初始区域,利用直线边检测方法检测该磁芯的边的个数,从而确定正反面,若检测到边的个数为6则为正面,若检测到边的个数为4则为反面,再根据边缘逻辑处理,检测磁芯镀银面积是否符合标准,筛选出镀银不符合标准的磁芯和磁芯样本图片。
所述步骤4中磁芯边缘处理的具体步骤为:
4.1 将步骤3中的区域作为边缘处理的初始区域;
4.2 利用直线边检测方法检测该磁芯的边的个数,直线边检测方法的具体步骤为:
4.2.1 对需要边检测的区域进行灰度处理,根据公式,将定位区域转换为灰度图片;
4.2.2 确定区域的搜索方向为由暗到明,根据此种方式进行边缘搜索;
4.2.3设置固定灰度阈值为80,对工件定位区域进行进一步区域提取;
4.2.4 选择一条边,随机选取15个点,根据方差值忽略误差最大的那个边缘点;
4.2.5 利用线性回归对剩下的边缘点进行直线拟合;
4.2.6 重复步骤4.2.4和4.2.5分别对提取的区域边缘都进行线性回归直线拟合,并根据得到拟合的直线的数目来确定正反面,若数目为6,则说明是正面,若数目为4,则说明是反面;
4.3 将步骤4.2得到的边进行逻辑处理,具体步骤为:
4.3.1 先根据步骤4.2得到的边的个数确定磁芯正反面,若为正面,则进行边逻辑处理,若为反面,则不进行边逻辑处理;
4.3.2 设定正面中间两条边桥宽的距离间隔为60mm-100mm;
4.3.4 设定正面最左边两条边的间距为4,并且设置桥宽距离为60mm-100mm;
4.3.5 设定正面最右边两条边的间距为2,并且设置桥宽距离为60mm-100mm;
4.3.6 对每一个样本图片都进行上述步骤边逻辑处理;
磁芯正确的镀银范围即为上述设定值,若检测样本图片不满足上述设定值,则说明该磁芯镀银未达到符合标准面积,并从样本库中剔除该磁芯样本图片。
进一步所述步骤5中,磁芯斑点检测的具体过程为:将步骤3中的工件定位区域作为磁芯斑点检测的初始区域,利用灰度阈值处理和方法进行斑点检测。
所述步骤5中磁芯斑点检测的具体步骤为:
5.1 对需要斑点检测的区域进行灰度处理,根据公式,将定位区域转换为灰度图片;
5.2确定区域的搜索方向为由暗到明,根据此种方式进行边缘搜索;
5.3 根据斑点类型,设定固定灰度阈值值和提取面积大小,具体步骤为:
5.3.1 若磁芯有白色斑点在正面中间两条边未镀银区域内,则设定固定灰度阈值为200,设定提取最小面积为50;
5.3.2 若磁芯有黑色斑点在正面右侧镀银区域内,则设定固定灰度阈值为100,设定提取最小面积为50;
5.3.3 若磁芯有黑色斑点在正面左侧镀银区域内,则设定固定灰度阈值为100,设定提取最小面积为50;
5.3.4 若磁芯有划痕在正面中心区域,则设定固定灰度阈值为90,设定提取最小面积为50;
5.3.5 若磁芯有黑点在反面区域,则设定固定灰度阈值为95,设定提取最小面积为100;
5.3.6 若磁芯有白点在反面区域,则设定固定灰度阈值为200,设定提取最小面积为50;
5.4 根据步骤5.3设定的参数来进行斑点检测;
正常磁芯的正反面斑点面积数值都小于上述最小面积设定值,若检测样本图片中有不满足上述设定的值,则说明磁芯正面或反面存在斑点缺陷,并从样本库中剔除该磁芯样本图片。
本发明没有过多的图像预处理环节,通过灰度阈值处理找出了ROI矩形区域和四边定位法找出了磁芯的位置,使用非常方便,而且分类缺陷检测率较高;另外本发明克服了传统人工缺陷检测方法的不足,通过数字图像处理技术实现了对磁芯的缺陷检测。本发明的缺陷检测方法更快、更方便、识别率更高。
本领域普通技术人员可以理解,以上所述仅为发明的优选实例而已,并不用于限制发明,尽管参照前述实例对发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内,所做的修改、等同替换等均应包含在发明的保护范围之内。
Claims (9)
1.一种基于图像处理的磁芯缺陷检测系统,其特征在于包括相机拍照模块、找工件模块、磁芯定位模块、连料检测模块、边检测模块及斑点检测模块,所述相机拍照模块对磁芯工件六个面进行拍照,并保存到本地文件夹中;所述找工件模块对获取的磁芯图片进行图像预处理操作并确定ROI区域;所述磁芯定位模块通过四边定位法对ROI区域进行四边定位从而准确找出工件位置;所述连料检测模块根据ROI区域面积的上下限制判断所拍磁芯图片是否物料相连;所述边检测模块对获取的磁芯图片进行ROI区域边检测,根据边的数量判断磁芯正反面;所述斑点检测模块对获取的磁芯图片ROI区域进行斑点检测。
2.如权利要求1所述的一种基于图像处理的磁性缺陷检测系统,其特征在于所述相机拍照模块通过将磁芯依次放入转动盘上实现磁芯的转动,将六个相机拍照模块固定在转动盘的上方,当磁芯依次通过六个相机拍照模块时,相机拍照模块对磁芯进行拍照,并将结果保存到新的本地文件夹中。
3.如权利要求1所述的一种基于图像处理的磁性缺陷检测系统,其特征在于所述磁芯定位模块对获取的磁芯图片进行灰度处理和阈值处理,通过设定固定阈值,从而确定图像的ROI区域,然后再利用四边定位法对ROI区域进行定位,获取磁芯的准确位置。
4.如权利要求1所述的一种基于图像处理的磁性缺陷检测系统,其特征在于所述连料检测模块通过对ROI区域计算磁芯面积值,根据磁芯面积值的大小来判断所定位的ROI区域是否含有相连的磁芯工件,从而判断所拍图片中是否磁芯工件相连。
5.如权利要求1所述的一种基于图像处理的磁性缺陷检测系统,其特征在于所述边检测模块对ROI区域进行边检测判断,通过对定位磁芯图像使用边检测算法判断图像边的数量从而判断磁芯正反面,然后再进行逻辑处理,通过设定边之间的距离判断磁芯镀银是否合格。
6.如权利要求1所述的一种基于图像处理的磁性缺陷检测系统,其特征在于所述斑点检测模块对磁芯图片进行斑点检测判断,对所定位的ROI区域再进行一次阈值处理,通过设定固定灰度阈值和提取面积大小,从而判断磁芯的位置、大小以及类型。
7.一种基于图像处理的磁性缺陷检测方法,其特征在于包括以下步骤:
S1:通过相机拍照模块对磁芯进行拍照,采集图片,存放在本地文件夹中;
S2:对步骤S1采集的图片进行图像预处理操作并确定图像的ROI区域,并进行磁芯工件定位;
S3:对步骤S2已定位的图片进行磁芯相连检测,判断图像中是否磁芯工件相连;
S4:对步骤S2已定位的图片进行边检测;
S5:对步骤S3已定位的图片进行斑点检测。
8.如权利要求7所述的一种基于图像处理的磁性缺陷检测方法,其特征在于步骤S2中图像与处理操作是指利用磁性定位模块对磁芯图片进行灰度处理和阈值处理,通过设定固定阈值来确定图像的的ROI区域;步骤S3中磁芯相连检测是指利用连料检测模块对ROI区域计算磁芯面积值,从而判断所拍图像中是否磁芯工件相连。
9.如权利要求7所述的一种基于图像处理的磁性缺陷检测方法,其特征在于步骤S4中边检测是指利用边检测模块对ROI区域进行边检测判断,从而判断磁芯正反面,S5中的斑点检测是指利用斑点检测模块图片进行斑点检测判断,对所定位的ROI区域再进行一次阈值处理,通过设定固定灰度阈值和提取面积大小,从而判断磁芯的位置、大小以及类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792199.9A CN110470670A (zh) | 2019-08-26 | 2019-08-26 | 一种基于图像处理的磁芯缺陷检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792199.9A CN110470670A (zh) | 2019-08-26 | 2019-08-26 | 一种基于图像处理的磁芯缺陷检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110470670A true CN110470670A (zh) | 2019-11-19 |
Family
ID=68512187
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910792199.9A Pending CN110470670A (zh) | 2019-08-26 | 2019-08-26 | 一种基于图像处理的磁芯缺陷检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110470670A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693533A (zh) * | 2020-06-11 | 2020-09-22 | 南通通富微电子有限公司 | 工件表面质量的检测方法及检测装置、外观机 |
CN112712502A (zh) * | 2020-12-29 | 2021-04-27 | 凌云光技术股份有限公司 | 一种将正反面同步检测结果进行关联的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109507192A (zh) * | 2018-11-02 | 2019-03-22 | 江苏理工学院 | 一种基于机器视觉的磁芯表面缺陷检测方法 |
CN109816644A (zh) * | 2019-01-16 | 2019-05-28 | 大连理工大学 | 一种基于多角度光源影像的轴承缺陷自动检测系统 |
-
2019
- 2019-08-26 CN CN201910792199.9A patent/CN110470670A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109507192A (zh) * | 2018-11-02 | 2019-03-22 | 江苏理工学院 | 一种基于机器视觉的磁芯表面缺陷检测方法 |
CN109816644A (zh) * | 2019-01-16 | 2019-05-28 | 大连理工大学 | 一种基于多角度光源影像的轴承缺陷自动检测系统 |
Non-Patent Citations (2)
Title |
---|
王伟: ""基于机器视觉的磁芯零件表面质量检测"", 《万方硕士论文》 * |
葛芦生: "《计算机视觉测量技术及在运动控制系统中的应用研究》", 31 December 2002 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693533A (zh) * | 2020-06-11 | 2020-09-22 | 南通通富微电子有限公司 | 工件表面质量的检测方法及检测装置、外观机 |
CN112712502A (zh) * | 2020-12-29 | 2021-04-27 | 凌云光技术股份有限公司 | 一种将正反面同步检测结果进行关联的方法 |
CN112712502B (zh) * | 2020-12-29 | 2024-04-19 | 凌云光技术股份有限公司 | 一种将正反面同步检测结果进行关联的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179251B (zh) | 基于孪生神经网络利用模板比对的缺陷检测系统及方法 | |
CN109829914B (zh) | 检测产品缺陷的方法和装置 | |
CN105069790B (zh) | 一种齿轮外观缺陷快速影像检测方法 | |
US7200259B1 (en) | Optical inspection system | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
WO2012169088A1 (ja) | 画像処理装置、画像処理方法及び画像処理システム | |
CN113781486B (zh) | Ic卡图像缺陷检测方法 | |
CN109934808B (zh) | 一种基于图像多形状法向梯度差值pcb板缺陷分类方法 | |
CN110470670A (zh) | 一种基于图像处理的磁芯缺陷检测系统及方法 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN112614105B (zh) | 一种基于深度网络的3d点云焊点缺陷检测方法 | |
CN115866502A (zh) | 一种麦克风零件表面缺陷在线检测流程 | |
CN114049316A (zh) | 一种基于金属光泽区域的钢丝绳缺陷检测方法 | |
CN110426395B (zh) | 一种太阳能el电池硅片表面检测方法及装置 | |
CN105509657A (zh) | 一种ic卡芯片划痕面积及灰度参量的高精度测量方法 | |
CN114429445A (zh) | 一种基于MAIRNet的PCB缺陷检测与识别方法 | |
CN111707672A (zh) | 风电回转支撑件表面缺陷检测方法 | |
CN106841211A (zh) | 一种运用机器视觉对电池片表面缺陷检测的平台及方法 | |
CN112288782A (zh) | 一种基于边界段数数值pcb缺陷检测方法 | |
Lee et al. | Digital image processing for counting chips in micro-end-milling | |
Hou et al. | Comparison research on X-ray image quality defects detection algorithm in semiconductor manufacturing | |
Chang et al. | Automatic counting of packaged wafer die based on machine vision | |
Chen et al. | Application of Line Scan Technology for Defect Inspection in Plain Dyed Fabric. | |
CN109596621A (zh) | 一种碳刷磨损检测方法及检测装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |