CN110555832A - 一种基于机器视觉的汽车发动机连杆质量多参数检测方法，系统，设备及存储介质 - Google Patents

一种基于机器视觉的汽车发动机连杆质量多参数检测方法，系统，设备及存储介质 Download PDF

Info

Publication number
CN110555832A
CN110555832A CN201910821821.4A CN201910821821A CN110555832A CN 110555832 A CN110555832 A CN 110555832A CN 201910821821 A CN201910821821 A CN 201910821821A CN 110555832 A CN110555832 A CN 110555832A
Authority
CN
China
Prior art keywords
connecting rod
engine connecting
image
engine
value
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.)
Granted
Application number
CN201910821821.4A
Other languages
English (en)
Other versions
CN110555832B (zh
Inventor
杨红娟
张运楚
曹建荣
张君捧
耿淑娟
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.)
Shandong Jianzhu University
Original Assignee
Shandong Jianzhu University
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 Shandong Jianzhu University filed Critical Shandong Jianzhu University
Priority to CN201910821821.4A priority Critical patent/CN110555832B/zh
Publication of CN110555832A publication Critical patent/CN110555832A/zh
Application granted granted Critical
Publication of CN110555832B publication Critical patent/CN110555832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
    • G01B11/12—Measuring arrangements characterised by the use of optical techniques for measuring diameters internal diameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • 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
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30268—Vehicle interior

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于机器视觉的汽车发动机连杆质量多参数检测方法，系统，设备及存储介质，构建发动机连杆质量多参数检测视觉机构，采集发动机连杆图像信息；对采集到的发动机连杆图像信息进行处理；基于Hough变换检测发动机连杆大小圆孔；计算分析连杆几何参数大小孔直径及其中心距；以Sobel边缘检测算子检测边缘，通过插值公式计算得到亚像素边缘；根据连杆弯曲度和连杆扭曲度，判断汽车发动机连杆的质量是否合格，是否需要弯曲及扭曲矫正。本方法滤除采集图像中的孤立噪声点，消除噪声干扰信号的影响。提高采集图像的质量。增强目标图像与背景的对比度，为特征识别和多参数检测提供高质量的目标图像。

Description

一种基于机器视觉的汽车发动机连杆质量多参数检测方法， 系统，设备及存储介质
技术领域
本发明涉及汽车发动机连杆质量检测领域，尤其涉及一种基于机器视觉的汽车发动机连杆质量多参数检测方法，系统，设备及存储介质。
背景技术
汽车发动机连杆连接着曲轴和活塞，是汽车发动机中的主要传动零部件。连杆质量直接影响着发动机性能，最终影响着整车的安全性。目前，连杆质量检测主要涉及连杆几何参数检测、连杆弯曲检测、连杆扭曲检测三个方面。借助机械式检验夹具，在大小孔头上穿芯轴，利用百分表或千分表分项测量几何参数、连杆弯曲、连杆扭曲的方式，测量精度和效率受操作者工作经验的影响较大，还会造成被测零件表面有一定的损伤。采用传感器分项检测几何参数、连杆弯曲、连杆扭曲的方法，提高了测量精度和测量效率。主要有传感器与连杆的位置相对固定、传感器与待测连杆间有相对位移、传感器与待测连杆间有回转运动三种类型。以传感器检测为基础，采用微机控制的多参数综合测量仪，使得连杆检测在精度、效率和数据处理能力以及操作使用等方面有了很大的提高。但是测量结果易受定位精度、环境因素等的影响。
目前对汽车发动机连杆的监测方式较为单一，比如专利文件一种发动机连杆重量检测系统中，仅仅能够监测发动机连杆重量检测，而基于发动机连杆的其他参数检测无法做到。
对于专利文件发动机连杆厚度自动检测装置来讲，是对发动机连杆厚度的检测，其检测过程为接触式检测，检测机构较为复杂，对待测发动机连杆的外形尺寸有要求，如果无法发动机连杆进行相应的夹持固定，或者发动机连杆无法匹配发动机连杆厚度自动检测装置时，将导致无法检测，而且也存在检测参数单一，无法提供检测的综合参数进行参考。
发明内容
本发明提供一种通过构建汽车发动机连杆质量多参数检测视觉系统，实现汽车发动机连杆质量多参数检测的方法，一种基于机器视觉的汽车发动机连杆质量多参数检测方法，其特征在于，方法包括：
步骤一，构建发动机连杆质量多参数检测视觉机构，采集发动机连杆图像信息；
步骤二，对采集到的发动机连杆图像信息进行处理；
步骤三，基于Hough变换检测发动机连杆大小圆孔；计算分析连杆几何参数大小孔直径及其中心距；
步骤四，以Sobel边缘检测算子检测边缘，通过插值公式计算得到亚像素边缘；基于Radon变换检测大发动机连杆边缘中的直线；
步骤五，根据连杆弯曲度和连杆扭曲度，判断汽车发动机连杆的质量是否合格，是否需要弯曲及扭曲矫正。
本发明还提供一种基于机器视觉的汽车发动机连杆质量多参数检测方法的设备，包括：
存储器，用于存储计算机程序及基于机器视觉的汽车发动机连杆质量多参数检测方法；
处理器，用于执行所述计算机程序及基于机器视觉的汽车发动机连杆质量多参数检测方法，以实现基于机器视觉的汽车发动机连杆质量多参数检测方法的步骤。
本发明还提供一种具有基于机器视觉的汽车发动机连杆质量多参数检测方法的存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现基于机器视觉的汽车发动机连杆质量多参数检测方法的步骤。
从以上技术方案可以看出，本发明具有以下优点：
本发明还构建包括工作台、像机、镜头、光源、光源控制器、图像采集卡及计算机等的汽车发动机连杆质量多参数检测视觉系统，实现基于机器视觉的汽车发动机连杆质量多参数检测硬件结构平台。解决汽车发动机连杆多参数综合检测图像采集问题。
提出图像对比度增强算法，增强目标图像与背景的对比度。解决影响汽车发动机连杆图像特征识别精度的图像对比度低问题。
提出基于汽车发动机连杆图像边缘检测算法，探索汽车发动机连杆边缘中直线、圆弧的分类算法。提高汽车发动机连杆图像的边缘检测精度，解决汽车发动机连杆多参数质量检测几何元素识别的基础问题。
本发明分析采集的发动机连杆图像，发现噪声干扰信号、图像中的阴影、目标图像与背景的对比度低是影响目标特征的提取和多参数检测结果的主要因素。滤除采集图像中的孤立噪声点，消除噪声干扰信号对汽车发动机质量多参数检测的影响。基于图像阴影消除算法，提高采集图像的质量。基于图像对比度增强算法，增强目标图像与背景的对比度，为特征识别和多参数检测提供高质量的目标图像。
附图说明
图1为基于机器视觉的汽车发动机连杆质量多参数检测方法流程图。
具体实施方式
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

Claims (10)

1.一种基于机器视觉的汽车发动机连杆质量多参数检测方法，其特征在于，方法包括：
步骤一，构建发动机连杆质量多参数检测视觉机构，采集发动机连杆图像信息；
步骤二，对采集到的发动机连杆图像信息进行处理；
步骤三，基于Hough变换检测发动机连杆大小圆孔；计算分析连杆几何参数大小孔直径及其中心距；
步骤四，以Sobel边缘检测算子检测边缘，通过插值公式计算得到亚像素边缘；基于Radon变换检测大发动机连杆边缘中的直线；
步骤五，根据连杆弯曲度和连杆扭曲度，判断汽车发动机连杆的质量是否合格，是否需要弯曲及扭曲矫正。
2.根据权利要求1所述的检测方法，其特征在于，步骤一还包括：
构建发动机连杆质量多参数检测平台，在检测平台上设置发动机连杆安装位，在发动机连杆安装位的底面配置底衬面板；
在发动机连杆安装位上部设置相机，镜头，光源，光源控制器以及图像采集卡。
3.根据权利要求1或2所述的检测方法，其特征在于，
步骤二还包括：采用形态学滤波的方法滤除采集孤立噪声点，消除噪声干扰信号；
设消除噪声后发动机连杆图像为I1，转换到彩色空间后为发动机连杆转换图像x：
将发动机连杆转换图像x表示为：x＝i×r
其中，i为受空间位置变化的影响较小的部分，r受到物体自身特性影响较大，随空间位置变化较大的部分；
取对数将乘法运算转为加法运算，分离受空间位置变化的影响较小的部分i，受到物体自身特性影响较大，随空间位置变化较大的部分r，得
ln x＝ln i+ln r
两边做FFT运算，实现图像从空间域到频率域的转换，得
X(u，v)＝I(u，v)+R(u.v)
根据高斯同态滤波器和巴特沃斯同态滤波器，在频率域中来降低低频分量，增强高频分量，增强发动机连杆转换图像x与背景的对比度。
4.根据权利要求1或2所述的检测方法，其特征在于，
步骤二还包括：设消除噪声前发动机连杆图像为I0，
配置发动机连杆图像为I0空间位置权重和像素亮度权重对发动机连杆图像为I0的滤波处理方式为:
式中,为发动机连杆图像核函数,是发动机连杆图像空间域与发动机连杆图像值域的乘积；φij表示空间位置为(i，j)的中心像素,灰度值是δc,φkl表示发动机连杆图像中的像素点(k，l),且k∈Μ，l∈N；通过衡量发动机连杆图像中心像素与发动机连杆图像周围像素点的综合相似度,使发动机连杆图像中心像素的灰度值更新为和即为影响发动机连杆图像空间域值的表达式为:
优化发动机连杆图像空间域值：
与为发动机连杆图像空间域值的方差；当偏大时,发动机连杆图像空间域值ηd(φij,φkl)的值偏小,趋于值域滤波的权重,使得发动机连杆图像空间邻域敏感度较低；
当值较大时,发动机连杆图像空间域值ηr(φij,φkl)的权重差别小,发动机连杆图像中心像素与空间距离相似度有关,发动机连杆图像边缘的显现度下降；
对发动机连杆图像进行滤波处理，使发动机连杆图像中各个边缘像素处于邻接区域的像素阈值内,保留发动机连杆图像边缘信息；使发动机连杆图像中各线条，边缘线条图像平坦,发动机连杆图像空间域值权重接近于1,滤除发动机连杆图像噪声。
5.根据权利要求1或2所述的检测方法，其特征在于，
步骤三还包括：
基于Hough变换检测发动机连杆大小圆孔；
将图像空间转换为半径范围、圆心行坐标范围以及圆心列坐标范围三个参量空间；
以参量空间的量化值为依据，将参量空间划分为预设数量的空间箱格；
分析空间箱格的像素点对应的参量空间像素点的量化值；
如果量化值属于同一箱格，则像素点满足同一圆心、同一半径，记录像素点的坐标值，箱格中的像素点数目加1；
分析箱格中的像素点数目，数目高的箱格所对应参量空间的参数即为圆检测的三个特征参数；三个特征参数为半径、圆心行坐标以及圆心列坐标；
以三个特征参数为依据，计算发动机连杆几何孔直径及中心距。
6.根据权利要求1或2所述的检测方法，其特征在于，
步骤四还包括：
以Sobel边缘检测算子检测边缘，通过插值公式计算得到最终的亚像素边缘：
其中，(X，Y)为求得的亚像素的坐标值，(w，h)为原先求得像素级的边缘，D为梯度方向上相邻的两个像素的距离，θ为梯度方向与水平方向夹角，Gk(k＝-1，0，1)为边绦点的梯度值。
7.根据权利要求6所述的检测方法，其特征在于，
步骤四还包括：
利用Sobel算子提取发动机连杆图像的边缘；选取β∈[0°,180°]的一组角间距为ε的直线积分路径，进行线性Radon变换，将图像从灰度平面映射到坐标原点到直线的距离ρ，配置距离ρ与x轴的夹角参数θ平面；
在参数平面(ρ，θ)处形成一个峰值，通过线性Radon变换进行一维傅里叶变换滤波操作，增强峰值点，对增强峰值点后的图像函数求各θ值的投影，提取超过给定阈值的发动机连杆图像直线斜率ρ值和偏移量θ值，确定发动机连杆图像边缘；
在发动机连杆图像中，获取至少四条边缘，边缘之间的倾斜角度相差小于预设阈值，边缘直线间距离相差预设阈值，通过倾斜角度和直线距离准确识别出发动机连杆图像直线。
8.根据权利要求7所述的检测方法，其特征在于，
步骤五还包括：
获取发动机连杆图像直线，将发动机连杆图像直线纵坐标的均方差作为发动机连杆弯曲度参数；
如果发动机连杆弯曲度小于规定的阈值，则质量合格，不需要进行弯曲矫正；反之，则质量不合格，需要矫正；
获取发动机连杆图像直线上最低点纵坐标与最高点纵坐标的差值作为发动机连杆扭曲度；
如果发动机连杆扭曲度小于规定的阈值，则质量合格，不需要矫正；反之，则质量不合格，需要矫正。
9.一种基于机器视觉的汽车发动机连杆质量多参数检测方法的设备，其特征在于，包括：
存储器，用于存储计算机程序及基于机器视觉的汽车发动机连杆质量多参数检测方法；
处理器，用于执行所述计算机程序及基于机器视觉的汽车发动机连杆质量多参数检测方法，以实现如权利要求1至8任意一项所述基于机器视觉的汽车发动机连杆质量多参数检测方法的步骤。
10.一种具有基于机器视觉的汽车发动机连杆质量多参数检测方法的存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至8任意一项所述基于机器视觉的汽车发动机连杆质量多参数检测方法的步骤。
CN201910821821.4A 2019-09-02 2019-09-02 汽车发动机连杆质量多参数检测方法，设备及存储介质 Active CN110555832B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910821821.4A CN110555832B (zh) 2019-09-02 2019-09-02 汽车发动机连杆质量多参数检测方法，设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910821821.4A CN110555832B (zh) 2019-09-02 2019-09-02 汽车发动机连杆质量多参数检测方法，设备及存储介质

Publications (2)

Publication Number Publication Date
CN110555832A true CN110555832A (zh) 2019-12-10
CN110555832B CN110555832B (zh) 2023-09-19

Family

ID=68738789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910821821.4A Active CN110555832B (zh) 2019-09-02 2019-09-02 汽车发动机连杆质量多参数检测方法，设备及存储介质

Country Status (1)

Country Link
CN (1) CN110555832B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274692A (zh) * 2020-01-16 2020-06-12 西安交通大学 航空发动机非线性控制系统建模方法
CN111854563A (zh) * 2020-07-22 2020-10-30 常州中车西屋柴油机有限公司 柴油机连杆检测工装及其检测方法
CN113517080A (zh) * 2021-09-13 2021-10-19 江苏新恒基特种装备股份有限公司 一种防变形控制装置、系统及方法
CN117237669A (zh) * 2023-11-14 2023-12-15 武汉海微科技有限公司 结构件特征提取方法、装置、设备及存储介质
CN117368223A (zh) * 2023-10-10 2024-01-09 广州君华检测认证有限公司 一种基于机器视觉的汽车线束质量检测方法及系统
CN117876366A (zh) * 2024-03-11 2024-04-12 宝鸡子扬双金属材料有限公司 基于图像处理的钛管质量检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090238433A1 (en) * 2008-03-21 2009-09-24 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Method and device for automatically detecting collimation edges
CN103198472A (zh) * 2013-03-01 2013-07-10 浙江科技学院 一种重型汽车连杆成品质量检测方法及其检测系统
CN106643536A (zh) * 2016-12-20 2017-05-10 南京世界村汽车动力有限公司 基于机器视觉的汽车发动机连杆几何参数检测系统
US20170178305A1 (en) * 2015-12-22 2017-06-22 Intel Corporation Morphological and geometric edge filters for edge enhancement in depth images
CN108007388A (zh) * 2017-06-30 2018-05-08 长沙湘计海盾科技有限公司 一种基于机器视觉的转盘角度高精度在线测量方法
GB201813432D0 (en) * 2018-08-17 2018-10-03 Rolls Royce Plc Method of detecting rotor blade damage
CN109035252A (zh) * 2018-06-29 2018-12-18 山东财经大学 一种面向医学图像分割的超像素方法
CN109447067A (zh) * 2018-10-24 2019-03-08 北方民族大学 一种票据方向检测矫正方法及自动检票系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090238433A1 (en) * 2008-03-21 2009-09-24 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Method and device for automatically detecting collimation edges
CN103198472A (zh) * 2013-03-01 2013-07-10 浙江科技学院 一种重型汽车连杆成品质量检测方法及其检测系统
US20170178305A1 (en) * 2015-12-22 2017-06-22 Intel Corporation Morphological and geometric edge filters for edge enhancement in depth images
CN106643536A (zh) * 2016-12-20 2017-05-10 南京世界村汽车动力有限公司 基于机器视觉的汽车发动机连杆几何参数检测系统
CN108007388A (zh) * 2017-06-30 2018-05-08 长沙湘计海盾科技有限公司 一种基于机器视觉的转盘角度高精度在线测量方法
CN109035252A (zh) * 2018-06-29 2018-12-18 山东财经大学 一种面向医学图像分割的超像素方法
GB201813432D0 (en) * 2018-08-17 2018-10-03 Rolls Royce Plc Method of detecting rotor blade damage
CN109447067A (zh) * 2018-10-24 2019-03-08 北方民族大学 一种票据方向检测矫正方法及自动检票系统

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
MD. ASHRAFUL ALAM: "An algorithm to detect and identify defects of industrial pipes using image processing", THE 8TH INTERNATIONAL CONFERENCE ON SOFTWARE, KNOWLEDGE, INFORMATION MANAGEMENT AND APPLICATIONS (SKIMA 2014) *
O. R. VINCENT等: "A Descriptive Algorithm for Sobel Image Edge Detection", PROCEEDINGS OF INFORMING SCIENCE & IT EDUCATION CONFERENCE (INSITE) 2009 *
刘文举等: "《柴油载货汽车故障诊断与检修实例》", 31 January 2016, pages: 39 *
朱正德;: "谈"机器视觉"在汽车制造业中的应用", 中国测试技术, no. 05, pages 27 - 30 *
蒋超: "基于改进Radon变换的直线钢轨识别算法", 《铁道标准设计》 *
蒋超: "基于改进Radon变换的直线钢轨识别算法", 《铁道标准设计》, 30 April 2017 (2017-04-30), pages 20 - 21 *
高乐: "发动机连杆几何参数视觉检测技术", 《中国优秀硕士学位论文全文数据库》 *
高乐: "发动机连杆几何参数视觉检测技术", 《中国优秀硕士学位论文全文数据库》, 15 April 2015 (2015-04-15), pages 1 - 2 *
黄永林等: "一种新的快速Hough 变换圆检测方法", 《电子测量与仪器学报》 *
黄永林等: "一种新的快速Hough 变换圆检测方法", 《电子测量与仪器学报》, 30 September 2010 (2010-09-30), pages 838 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111274692A (zh) * 2020-01-16 2020-06-12 西安交通大学 航空发动机非线性控制系统建模方法
CN111854563A (zh) * 2020-07-22 2020-10-30 常州中车西屋柴油机有限公司 柴油机连杆检测工装及其检测方法
CN113517080A (zh) * 2021-09-13 2021-10-19 江苏新恒基特种装备股份有限公司 一种防变形控制装置、系统及方法
CN113517080B (zh) * 2021-09-13 2021-12-10 江苏新恒基特种装备股份有限公司 一种防变形控制装置、系统及方法
CN117368223A (zh) * 2023-10-10 2024-01-09 广州君华检测认证有限公司 一种基于机器视觉的汽车线束质量检测方法及系统
CN117368223B (zh) * 2023-10-10 2024-04-26 广州君华检测认证有限公司 一种基于机器视觉的汽车线束质量检测方法及系统
CN117237669A (zh) * 2023-11-14 2023-12-15 武汉海微科技有限公司 结构件特征提取方法、装置、设备及存储介质
CN117237669B (zh) * 2023-11-14 2024-02-06 武汉海微科技有限公司 结构件特征提取方法、装置、设备及存储介质
CN117876366A (zh) * 2024-03-11 2024-04-12 宝鸡子扬双金属材料有限公司 基于图像处理的钛管质量检测方法及系统

Also Published As

Publication number Publication date
CN110555832B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
CN110555832A (zh) 一种基于机器视觉的汽车发动机连杆质量多参数检测方法，系统，设备及存储介质
CN115829883B (zh) 一种异性金属结构件表面图像去噪方法
CN108921176B (zh) 一种基于机器视觉的指针式仪表定位与识别方法
CN109087274B (zh) 基于多维融合及语义分割的电子器件缺陷检测方法及装置
CN109870461B (zh) 一种电子元器件质量检测系统
CN108416809B (zh) 一种基于机器视觉的钢桶螺纹盖位姿识别方法
CN109489566B (zh) 锂电池隔膜材料分切宽度检测方法、检测系统及装置
CN101256156B (zh) 平板裂缝天线裂缝精密测量方法
CN112308832B (zh) 一种基于机器视觉的轴承质量检测方法
CN111815630A (zh) 一种用于lcd屏幕的缺陷检测方法、装置
CN111080661A (zh) 基于图像的直线检测方法、装置以及电子设备
CN115661147B (zh) 基于机器视觉的计量检测数据识别方法
CN110298840B (zh) 一种基于图像的纱线缺陷检测方法
CN116309757B (zh) 基于机器视觉的双目立体匹配方法
CN116012346B (zh) 一种输电线路监测方法及系统
CN111563896B (zh) 一种用于接触网异常检测的图像处理方法
CN116152115B (zh) 基于计算机视觉的垃圾图像去噪处理方法
CN110634137A (zh) 一种基于视觉感知的桥梁变形的监测方法、装置及设备
CN114140384A (zh) 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法
CN114005108A (zh) 一种基于坐标变换的指针式仪表度数识别方法
CN112927223A (zh) 一种基于红外热成像仪的玻璃幕墙检测方法
CN117437219A (zh) 基于计算机视觉的磁胶电感不规则外观缺陷检测方法
CN111815580B (zh) 一种图像边缘识别方法及小模数齿轮模数检测方法
CN114638822B (zh) 一种利用光学手段的汽车盖板表面质量检测方法及系统
CN115511884A (zh) 基于计算机视觉的冲孔复合模表面质量检测方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Yang Hongjuan

Inventor after: Zhang Shumao

Inventor after: Zhang Yunchu

Inventor after: Cao Jianrong

Inventor after: Zhang Junpeng

Inventor after: Geng Shujuan

Inventor before: Yang Hongjuan

Inventor before: Zhang Yunchu

Inventor before: Cao Jianrong

Inventor before: Zhang Junpeng

Inventor before: Geng Shujuan

GR01 Patent grant
GR01 Patent grant