CN110702699A - 一种压延玻璃缺陷检测装置和方法 - Google Patents
一种压延玻璃缺陷检测装置和方法 Download PDFInfo
- Publication number
- CN110702699A CN110702699A CN201911119946.9A CN201911119946A CN110702699A CN 110702699 A CN110702699 A CN 110702699A CN 201911119946 A CN201911119946 A CN 201911119946A CN 110702699 A CN110702699 A CN 110702699A
- Authority
- CN
- China
- Prior art keywords
- light source
- image data
- assembly
- rolled glass
- processor
- 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
Links
- 239000011521 glass Substances 0.000 title claims abstract description 74
- 230000007547 defect Effects 0.000 title claims abstract description 66
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title abstract description 17
- 238000003384 imaging method Methods 0.000 claims abstract description 32
- 230000001678 irradiating effect Effects 0.000 claims abstract description 5
- 238000003490 calendering Methods 0.000 claims description 11
- 238000001816 cooling Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 7
- 239000008235 industrial water Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000005096 rolling process Methods 0.000 abstract description 2
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000005357 flat glass Substances 0.000 description 5
- 238000005286 illumination Methods 0.000 description 5
- 238000004049 embossing Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 239000005322 wire mesh glass Substances 0.000 description 1
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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种压延玻璃缺陷检测装置和方法。一种压延玻璃缺陷检测装置,包括光源组件、成像组件、处理器和数据终端;所述光源组件、所述成像组件分别与所述处理器连接;所述处理器与所述数据终端连接;所述光源组件包括第一光源组和第二光源组,所述第一光源组与所述第二光源组相对装设,分别用于照射压延玻璃两面中的一面;所述成像组件装设在所述光源组件的一侧,用于采集图像数据,并传送到所述处理器中。本装置使用多维空间光源技术,使得在光学上解决光伏压延玻璃压延,大大缩小了软件工作量,又解决了软件算法容易误检的问题,在效率上有很大提升。
Description
技术领域
本发明涉及玻璃缺陷领域,尤其涉及一种压延玻璃缺陷检测装置和方法。
背景技术
压延玻璃,包括压花玻璃、波形玻璃、夹丝玻璃、磨光玻璃毛坯以及槽形玻璃等,应用到太阳能发电中,可最大范围、最大限度的吸收太阳能的辐射热量,大大提高太阳能电池的光电转换效率。此玻璃同时能耐太阳紫外光线的辐射,透光率不下降,这样可以更加有效地延长盖板玻璃的使用寿命,在各种环境下的耐碱能力、抗发霉能力和抗老化性能均比普通平板超白玻璃增强,使得太阳能电池组件盖板玻璃更有利于以自身的强度保护下面的硅晶板不受外界的损坏而经久耐用。它有着美观、透光可控、节能发电且它不需燃料,不产生废气,无余热,无废渣,无噪音污染的优点。我国76%的国土光照充沛,光能资源分布较为均匀;与水电、风电、核电等相比,太阳能发电没有任何排放和噪声,应用技术成熟,安全可靠。太阳能技术的大规模开始使用,光伏压延玻璃有着举足轻重的定位。
光伏压延玻璃在生产过程中会因为各种原因产生残次品,以往生产过程中通过大量人力观察鉴别缺陷。为了节约人力,提高效率,检测设备用于检测材料产生的缺陷,鉴别残次品。但是透明压延玻璃由于其本身的携带有花纹的特殊性,使得目前的检测设备效果不是很理想。
现有检测方法主要是以软件算法为主,通过普通的光学系统对光伏进行成像,形成有压花的图像,然后对压花图像进行分析,找到压花的一些特性,经过复杂的算法处理,可以从图像中过滤压花,实现对缺陷的检测。
申请号为201520028343.9的专利文献公开了一种太阳能光伏玻璃缺陷检测装置,方案使用普通光源加一个玻璃支撑,然后用相机拍摄图片,虽然也能检出一些缺陷,但是面对层层叠叠的压花,会存在很多误检和漏检,检出率和漏检率都不如人意。申请号为201711481653.6的专利文献公开了基于卷积神经网络的光伏玻璃缺陷分类方法以及装置和申请号为201710982581.7的专利文献公开了一种光伏玻璃的缺陷检测方法以及装置,都是主要使用软件算法来解决压花影响,虽然能够检出一部分缺陷,但同样会存在一个问题,压花带来的误检。并且由于算法内容过多,仅仅依靠数据终端计算,会存在大量耗时,会使得检测速度变慢,同时由于数据终端长期高负载运算,稳定性大打折扣。
综上所述,压延玻璃缺陷视觉检测中主要使用软件算法对获取的图像进行处理以消除压延图像对缺陷检测的影响,效率低,准确性差,在压延玻璃的缺陷检测方面,还存在极大不足,亟需在此技术问题上进行研发与创新。
发明内容
鉴于上述现有技术的不足之处,本发明的目的在于提供一种压延玻璃缺陷检测装置和方法,主要解决压延玻璃本身压延与缺陷在视觉检测设备中难以区分的问题,使得采集的工件图像中压延花纹减弱乃至消失,检测范围涵盖不同型号和类型的压延玻璃以及其他压延材料,提高检测速度和检测精度,减少误检。
为了达到上述目的,本发明采取了以下技术方案:
一种压延玻璃缺陷检测装置,包括光源组件、成像组件、处理器和数据终端;
所述光源组件、所述成像组件分别与所述处理器连接;所述处理器与所述数据终端连接;
所述光源组件包括第一光源组和第二光源组,所述第一光源组与所述第二光源组相对装设,分别用于照射压延玻璃两面中的一面;
所述成像组件装设在所述光源组件的一侧,用于采集图像数据,并传送到所述处理器中。
优选的所述的压延玻璃缺陷检测装置,所述第一光源组和所述第二光源组分别具有若干照明灯,都呈左右对称的半圆形装设。
优选的所述的压延玻璃缺陷检测装置,所述第一光源组中的照明灯的个数为10-20中的双数个。
优选的所述的压延玻璃缺陷检测装置,所述第二光源组中的照明灯的个数为11-19中的单数个。
优选的所述的压延玻璃缺陷检测装置,还包括冷却装置,用于对所述光源组件进行冷却处理。
优选的所述的压延玻璃缺陷检测装置,所述冷却装置为工业水冷机。
优选的所述的压延玻璃缺陷检测装置,所述成像组件包括线阵相机以及高分辨率低畸变镜头;所述镜头在压延玻璃上的扫描位置为检测位,所述检测位在所述镜头左右倾斜0°-30°的范围内。
一种用于所述的检测装置的压延玻璃缺陷检测方法,包括步骤:
S1、调试光源:使用一块无暇的标准玻璃为标定样板,控制所述光源组件调试光源,使获取的所述标定样板的图像中的压延纹路消失,确定所述光源组件的配置参数;
S2、检测:所述光源组件执行所述配置参数的标准对检测件进行照明,所述成像组件获取所述检测件的图像数据,并将所述图像数据发送到所述处理器中进行预处理;
S3、分析缺陷:所述数据终端接收预处理后的所述图像数据,使用深度学习算法进行缺陷识别并分类输出。
优选的所述的压延玻璃缺陷检测方法,所述步骤S1中,调试光源的具体操作为:
S11、使用一块无暇的标准玻璃作为标定样板,所述光源组件的光源亮度为初始亮度,所述成像组件采集所述标定样板的图像数据,所述图像数据经过所述处理器处理后传送到所述数据终端进行识别,若是存在压延纹路,则执行步骤S12,否则执行步骤S14;
S12、调整所述光源组件的配置参数,改变照明灯的亮度或者入射角度,所述成像组件采集所述标定样板的图像数据;
S13、所述图像数据经过所述处理器处理后传送到所述数据终端进行识别,若是存在压延纹路,则执行步骤S12,否则执行步骤S14;
S14、所述处理器记录并存储所述光源组件的配置参数。
优选的所述的压延玻璃缺陷检测方法,在所述步骤S3前还包括步骤:
S3’、利用各种压延玻璃的缺陷图像作为样本进行深度学习训练。
相较于现有技术,本发明提供的一种压延玻璃缺陷检测装置和方法,本装置使用多维空间光源技术,使得在光学上解决光伏压延玻璃压延,大大缩小了软件工作量,又解决了软件算法容易误检的问题,在效率上有很大提升;同时配合优化设计的程控多维多光场光源,实现对同一缺陷在不同光照环境下的图像获取,极大提高了缺陷的信息的获取量,使得缺陷的分类与识别效果显著提升;再者使用的标定方法能够适用于所有不同类型压延的光伏玻璃以及其他的压延材料,检测范围更广。
附图说明
图1是本发明提供的压延玻璃缺陷检测装置的结构框图;
图2是本发明提供的光源组件和成像组件的结构简图;
图3是本发明提供的压延玻璃缺陷检测方法的流程图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请一并参阅图1-图3,其中,图2中的箭头为检测件的移动方向,本发明提供一种压延玻璃缺陷检测装置,其特征在于,包括光源组件1、成像组件2、处理器3和数据终端4;
所述光源组件1、所述成像组件2分别与所述处理器3连接;所述处理器3与所述数据终端4连接;
所述光源组件1包括第一光源组11和第二光源组12,所述第一光源组11与所述第二光源组12相对装设,分别用于照射压延玻璃两面中的一面;
所述成像组件2装设在所述光源组件1的一侧,用于采集图像数据,并传送到所述处理器3中。
相应的,本发明提供一种用于所述的检测装置的压延玻璃缺陷检测方法,其特征在于,包括步骤:
S1、调试光源:使用一块无暇的标准玻璃为标定样板,控制所述光源组件1调试光源,使获取的所述标定样板的图像中的压延纹路消失,确定所述光源组件1的配置参数;此时将所述配置参数存储在所述处理器3中,用于检测中使用;
S2、检测:所述光源组件1执行所述配置参数的标准对检测件进行照明,所述成像组件2获取所述检测件的图像数据,并将所述图像数据发送到所述处理器3中进行预处理;
S3、分析缺陷:所述数据终端4接收预处理后的所述图像数据,使用深度学习算法进行缺陷识别并分类输出。
具体的,在使用中,首先使用本次需要检测的同一批次或型号中的一块标准的无暇的压延玻璃作为标定样板作为样品,用来确定所述光源组件1中的所述第一光源组11和所述第二光源组12的配置参数,使压延玻璃上花纹在所述第一光源和所述第二光源的照射下,所述成像组件2在取像时,所采集的图像中不显示所述花纹,并记录此时所述第一光源组11和所述第二光源组12的工作配置参数,在检测本批次或者型号的压延玻璃过程中,所述处理器3控制所述光源组件1按照所述配置参数对检测件进行检测。所述成像组件2采集检测检测件的图像数据,首先经过所述处理器3的预处理,然后发送到所述数据终端4中进行缺陷识别以及分类输出。若是,错在缺陷,还应当发出警报提示,所述警报提示包括显示器显示具体的检测情况、指示灯或声音提示。
应当说明的是,所述第一光源组11和所述第二光源组12为光源组,在一般情况下,所述第一光源组11和所述第二光源组12能够根据所述处理器3的控制进行发出不同亮度和角度的光,所述第一光源组11和所述第二光源组12相对装设,分别照射所述压延玻璃的其中一面,可以根据所述处理器3的控制调整光照的亮度和角度,实现针对不同类型或型号的压延玻璃的花纹都能实现在所述成像组件2采集此区域的图像中消失。
所述预处理具体为:先将采集的图像进行高斯滤波,然后将图像进行对比度增强,再对增强后的图像进行平场校正,接着采用基于卡尔曼滤波的图像分割方法,将缺陷图像与背景图像进行分离,提取缺陷图像块,对缺陷块图像进行分析和特征描述,形成缺陷图像数据。
所述卷积神经网络为具有深度结构的前馈神经网络,是深度学习算法,能够按其阶层结构对输入信息进行平移不变分类,对于图像中的缺陷分类问题,卷积神经网络可用于构建阶层分类器,也可以在精细分类识别中用于提取图像的判别特征以供其它分类器进行学习。对于后者,特征提取为将图像的不同部分分别输入卷积神经网络,由卷积神经网络通过非监督学习自行提取。
所述卷积神经网络通过学习将缺陷按照不同的类型进行特征提取后,在检测过程中,采集的图像输入卷积神经网络中,判断输入的图像是否包含相应的缺陷,并进行分类标识。
作为优选方案,本实施例中,所述第一光源组11和所述第二光源组12分别具有若干照明灯,都呈左右对称的半圆形装设。所述照明灯为相同的型号的LED灯;所述左右对称为以半圆形的中线左右对称,所有的照明灯所发出的光都集中到一个位置,相邻两个照明灯的照射方向所形成的角度固定,即若干个照明灯均匀的装设在所述的半圆形的各个位置上;其中,所述第一光源组11的中线位置不安装所述照明灯,用于所述成像组件2通过所述中线位置采集图像;所述第二光源组12所述中线位置安装有照射光为垂直所述压延玻璃所在平面的照明灯。
作为优选方案,本实施例中,所述第一光源组11中的照明灯的个数为10-20中的双数个。
作为优选方案,本实施例中,所述第二光源组12中的照明灯的个数为11-19中的单数个。
具体的,所述第一光源组11与所述成像组件2装设在同一侧,优选方案为14个照明灯,所述照明灯分为两侧,没测7个;所述第二光源组12的优选方案为具有15个照明灯。更加优选的方案为,所述第二光源组12的照明灯的个数为所述第一光源组11的照明灯的个数加一。
作为优选方案,本实施例中,还包括冷却装置,用于对所述光源组件1进行冷却处理。
作为优选方案,本实施例中,所述冷却装置为工业水冷机,用于24小时不间断工作,为所述光源组件1提供冷却。
作为优选方案,本实施例中,所述成像组件2包括线阵相机以及高分辨率低畸变镜头;所述镜头在压延玻璃上的扫描位置为检测位,所述检测位在所述镜头左右倾斜0°-30°的范围内。具体的,所述镜头以竖直为最佳方案,即倾斜角为0°为最佳。
作为优选方案,本实施例中,所述步骤S1中,调试光源的具体操作为:
S11、使用一块无暇的标准玻璃作为标定样板,所述光源组件1的光源亮度为初始亮度,所述成像组件2采集所述标定样板的图像数据,所述图像数据经过所述处理器3处理后传送到所述数据终端4进行识别,若是存在压延纹路,则执行步骤S12,否则执行步骤S14;
S12、调整所述光源组件1的配置参数,改变照明灯的亮度或者入射角度,所述成像组件2采集所述标定样板的图像数据;
S13、所述图像数据经过所述处理器3处理后传送到所述数据终端4进行识别,若是存在压延纹路,则执行步骤S12,否则执行步骤S14;
S14、所述处理器3记录并存储所述光源组件1的配置参数。
具体的,在调试所述光源组件1过程中,默认的打开其中部分照明灯,例如是其中的两个照明灯,然后,执行一次步骤S12,就打开一个照明灯,直到将所述压延玻璃中的压延花纹在所述成像组件2所采集的图像中消失;前述的调试,也可以为初始配置参数为打开其中某个角度的照明灯,然后,每执行一次步骤S12,就打开其他角度的照明灯。
作为优选方案,本实施例中,在所述步骤S3前还包括步骤:
S3’、利用各种压延玻璃的缺陷图像作为样本进行深度学习训练。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种压延玻璃缺陷检测装置,其特征在于,包括光源组件、成像组件、处理器和数据终端;
所述光源组件、所述成像组件分别与所述处理器连接;所述处理器与所述数据终端连接;
所述光源组件包括第一光源组和第二光源组,所述第一光源组与所述第二光源组相对装设,分别用于照射压延玻璃两面中的一面;
所述成像组件装设在所述光源组件的一侧,用于采集图像数据,并传送到所述处理器中。
2.根据权利要求1所述的压延玻璃缺陷检测装置,其特征在于,所述第一光源组和所述第二光源组分别具有若干照明灯,都呈左右对称的半圆形装设。
3.根据权利要求2所述的压延玻璃缺陷检测装置,其特征在于,所述第一光源组中的照明灯的个数为10-20中的双数个。
4.根据权利要求2所述的压延玻璃缺陷检测装置,其特征在于,所述第二光源组中的照明灯的个数为11-19中的单数个。
5.根据权利要求1-4任一所述的压延玻璃缺陷检测装置,其特征在于,还包括冷却装置,用于对所述光源组件进行冷却处理。
6.根据权利要求5所述的压延玻璃缺陷检测装置,其特征在于,所述冷却装置为工业水冷机。
7.根据权利要求1所述的压延玻璃缺陷检测装置,其特征在于,所述成像组件包括线阵相机以及高分辨率低畸变镜头;所述镜头在压延玻璃上的扫描位置为检测位,所述检测位在所述镜头左右倾斜0°-30°的范围内。
8.一种用于权利要求1-7任一所述的检测装置的压延玻璃缺陷检测方法,其特征在于,包括步骤:
S1、调试光源:使用一块无暇的标准玻璃为标定样板,控制所述光源组件调试光源,使获取的所述标定样板的图像中的压延纹路消失,确定所述光源组件的配置参数;
S2、检测:所述光源组件执行所述配置参数的标准对检测件进行照明,所述成像组件获取所述检测件的图像数据,并将所述图像数据发送到所述处理器中进行预处理;
S3、分析缺陷:所述数据终端接收预处理后的所述图像数据,使用深度学习算法进行缺陷识别并分类输出。
9.根据权利要求8所述的压延玻璃缺陷检测方法,其特征在于,所述步骤S1中,调试光源的具体操作为:
S11、使用一块无暇的标准玻璃作为标定样板,所述光源组件的光源亮度为初始亮度,所述成像组件采集所述标定样板的图像数据,所述图像数据经过所述处理器处理后传送到所述数据终端进行识别,若是存在压延纹路,则执行步骤S12,否则执行步骤S14;
S12、调整所述光源组件的配置参数,改变照明灯的亮度或者入射角度,所述成像组件采集所述标定样板的图像数据;
S13、所述图像数据经过所述处理器处理后传送到所述数据终端进行识别,若是存在压延纹路,则执行步骤S12,否则执行步骤S14;
S14、所述处理器记录并存储所述光源组件的配置参数。
10.根据权利要求8所述的压延玻璃缺陷检测方法,其特征在于,在所述步骤S3前还包括步骤:
S3’、利用各种压延玻璃的缺陷图像作为样本进行深度学习训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911119946.9A CN110702699B (zh) | 2019-11-15 | 2019-11-15 | 一种压延玻璃缺陷检测装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911119946.9A CN110702699B (zh) | 2019-11-15 | 2019-11-15 | 一种压延玻璃缺陷检测装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110702699A true CN110702699A (zh) | 2020-01-17 |
CN110702699B CN110702699B (zh) | 2024-03-08 |
Family
ID=69206233
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911119946.9A Active CN110702699B (zh) | 2019-11-15 | 2019-11-15 | 一种压延玻璃缺陷检测装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110702699B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112082999A (zh) * | 2020-07-27 | 2020-12-15 | 深检数据科技(江苏)有限公司 | 一种工业产品缺陷检测方法和工业智能相机 |
CN115165926A (zh) * | 2022-07-29 | 2022-10-11 | 湖南科洛德科技有限公司 | 压延玻璃缺陷检测系统 |
CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013041216A1 (de) * | 2011-09-20 | 2013-03-28 | Schott Ag | Beleuchtungsvorrichtung, inspektionsvorrichtung und inspektionsverfahren für die optische prüfung eines objekts |
CN104040287A (zh) * | 2012-01-05 | 2014-09-10 | 合欧米成像公司 | 用于光学测量的设备及相关方法 |
CN105259189A (zh) * | 2015-10-21 | 2016-01-20 | 凌云光技术集团有限责任公司 | 玻璃的缺陷成像系统和方法 |
CN105738384A (zh) * | 2016-03-11 | 2016-07-06 | 伍祥辰 | 玻璃表面缺陷检测装置 |
CN108872246A (zh) * | 2018-05-29 | 2018-11-23 | 湖南科创信息技术股份有限公司 | 板面材料全视面缺陷检测系统 |
CN110404816A (zh) * | 2019-07-29 | 2019-11-05 | 海南梯易易智能科技有限公司 | 一种基于机械臂的3d曲面玻璃缺陷检测装置及方法 |
CN211825761U (zh) * | 2019-11-15 | 2020-10-30 | 湖南讯目科技有限公司 | 一种压延玻璃缺陷检测装置 |
-
2019
- 2019-11-15 CN CN201911119946.9A patent/CN110702699B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013041216A1 (de) * | 2011-09-20 | 2013-03-28 | Schott Ag | Beleuchtungsvorrichtung, inspektionsvorrichtung und inspektionsverfahren für die optische prüfung eines objekts |
CN104040287A (zh) * | 2012-01-05 | 2014-09-10 | 合欧米成像公司 | 用于光学测量的设备及相关方法 |
CN105259189A (zh) * | 2015-10-21 | 2016-01-20 | 凌云光技术集团有限责任公司 | 玻璃的缺陷成像系统和方法 |
CN105738384A (zh) * | 2016-03-11 | 2016-07-06 | 伍祥辰 | 玻璃表面缺陷检测装置 |
CN108872246A (zh) * | 2018-05-29 | 2018-11-23 | 湖南科创信息技术股份有限公司 | 板面材料全视面缺陷检测系统 |
CN110404816A (zh) * | 2019-07-29 | 2019-11-05 | 海南梯易易智能科技有限公司 | 一种基于机械臂的3d曲面玻璃缺陷检测装置及方法 |
CN211825761U (zh) * | 2019-11-15 | 2020-10-30 | 湖南讯目科技有限公司 | 一种压延玻璃缺陷检测装置 |
Non-Patent Citations (1)
Title |
---|
熊燕丽: "一种钢球表面缺陷光学检测新方法", 装备制造技术, no. 08, pages 138 - 140 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112082999A (zh) * | 2020-07-27 | 2020-12-15 | 深检数据科技(江苏)有限公司 | 一种工业产品缺陷检测方法和工业智能相机 |
CN115165926A (zh) * | 2022-07-29 | 2022-10-11 | 湖南科洛德科技有限公司 | 压延玻璃缺陷检测系统 |
CN115165926B (zh) * | 2022-07-29 | 2024-01-19 | 湖南科洛德科技有限公司 | 压延玻璃缺陷检测系统 |
CN117191809A (zh) * | 2023-08-30 | 2023-12-08 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
CN117191809B (zh) * | 2023-08-30 | 2024-03-22 | 宿州绍宸智能科技有限公司 | 基于数据分析的玻璃检测设备故障监测预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110702699B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110702699B (zh) | 一种压延玻璃缺陷检测装置和方法 | |
CN111650210B (zh) | 高速高精度锂离子电池极片的毛刺检测方法及检测系统 | |
CN108332689B (zh) | 一种检测表面粗糙度和表面损伤的光学测量系统及方法 | |
CN105548212B (zh) | 一种触摸屏玻璃表面瑕疵在线自动化检测系统及方法 | |
CN102854192B (zh) | 一种基于苹果表面缺陷检测系统的苹果表面缺陷检测方法 | |
CN105067639A (zh) | 一种光栅调制的镜片疵病自动检测装置和方法 | |
WO2014139231A1 (zh) | 光源光强均一性测调系统及测调方法 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
CN105241400A (zh) | 一种玻璃平整度检测的方法及其装置 | |
CN109993154A (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN106780464A (zh) | 一种基于改进阈值分割的织物疵点检测方法 | |
CN113034482A (zh) | 基于机器视觉和机器学习的表面粗糙度检测方法 | |
CN211825761U (zh) | 一种压延玻璃缺陷检测装置 | |
CN110873718A (zh) | 基于机器视觉的钢板表面缺陷检测系统及方法 | |
CN112304876A (zh) | 一种基于机器视觉的棉花色泽度检测装置及检测方法 | |
CN111578838A (zh) | 一种齿轮尺寸视觉测量装置及测量方法 | |
CN104048966A (zh) | 一种基于大律法的布面疵点检测及分类方法 | |
CN115115643A (zh) | 一种光伏电池板生产缺陷检测方法 | |
CN113430679B (zh) | 一种识别预氧化炉内碳纤维异常的生产平台 | |
CN203908956U (zh) | 一种用于检测工件表面缺陷的系统 | |
CN114047196A (zh) | 一种线缆表面瑕疵高精度检测设备及其使用方法 | |
CN110766675B (zh) | 太阳能电池板缺陷检测方法 | |
CN109916923A (zh) | 一种基于机器视觉的定制板件自动缺陷检测方法 | |
CN114813748A (zh) | 一种基于机器视觉的钢表面缺陷检测方法及系统 |
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 |