CN110763688A - 一种盲孔多余物检测系统及方法 - Google Patents

一种盲孔多余物检测系统及方法 Download PDF

Info

Publication number
CN110763688A
CN110763688A CN201911058253.3A CN201911058253A CN110763688A CN 110763688 A CN110763688 A CN 110763688A CN 201911058253 A CN201911058253 A CN 201911058253A CN 110763688 A CN110763688 A CN 110763688A
Authority
CN
China
Prior art keywords
blind hole
redundancy
surplus
personal computer
point
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
CN201911058253.3A
Other languages
English (en)
Other versions
CN110763688B (zh
Inventor
姜春英
丁美杰
闫子龙
牛祥鑫
孟向臻
张诚然
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.)
Shenyang Aerospace University
Original Assignee
Shenyang Aerospace 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 Shenyang Aerospace University filed Critical Shenyang Aerospace University
Priority to CN201911058253.3A priority Critical patent/CN110763688B/zh
Publication of CN110763688A publication Critical patent/CN110763688A/zh
Application granted granted Critical
Publication of CN110763688B publication Critical patent/CN110763688B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N21/8851—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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/13—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
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/30164—Workpiece; Machine component
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

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

Abstract

一种盲孔多余物检测系统及方法，属于视觉应用和机械加工技术领域。所述盲孔多余物检测系统，包括依次设置的同轴光源、远心镜头、工业相机和工控机，所述同轴光源照射盲孔，所述工业相机采集盲孔的内部图像，所述工业相机通过以太网将图像以电信号的形式传输给工控机，所述工控机通过内置程序对工业相机采集的图像依次进行预处理得到感兴趣区域、进行局部模糊度运算得到多余物的模糊轮廓图、进行形态学闭运算处理得到多余物的清晰轮廓图、进行量化评分确定盲孔内是否含有多余物。所述盲孔多余物检测系统及方法，能够实现盲孔多余物自动化检测，提高了自动化程度，并且检测一致性好、成本低、效率高，满足自动化批量生产的需求。

Description

一种盲孔多余物检测系统及方法
技术领域
本发明涉及视觉应用和机械加工技术领域，特别涉及一种盲孔多余物检测系统及方法。
背景技术
机械加工生产过程中，对加工的盲孔进行清理后，孔内是否有残留物对于后续工序及整个零件的可靠性起着关键的作用。目前，盲孔多余物检测多采用人工目测的方法，人工检测引入了人为因素的干扰，一致性差且效率低，降低了加工件的可靠性，不能满足机械加工自动化批量生产。
发明内容
为了解决现有技术存在的技术问题，本发明提供了一种盲孔多余物检测系统及方法，能够实现盲孔多余物自动化检测，提高了自动化程度，并且检测一致性好、成本低、效率高，满足自动化批量生产的需求。
为了实现上述目的，本发明的技术方案是：
一种盲孔多余物检测系统，包括依次设置的同轴光源、远心镜头、工业相机和工控机；
所述同轴光源照射盲孔，所述工业相机采集盲孔的内部图像；
所述工业相机通过以太网将图像以电信号的形式传输给工控机；
所述工控机通过内置程序对工业相机采集的图像依次进行预处理得到感兴趣区域、进行局部模糊度运算得到多余物的模糊轮廓图、进行形态学闭运算处理得到多余物的清晰轮廓图、进行量化评分确定盲孔内是否含有多余物。
所述工控机与显示器连接。
一种盲孔多余物检测方法，采用上述盲孔多余物检测系统，包括如下步骤：
S1、对待检工件进行盲孔内多余物检测时，开启同轴光源；
S2、工业相机采集盲孔图像，并通过以太网传给工控机；
S3、工控机进行图像预处理得到感兴趣区域；
S4、对感兴趣区域通过滑动窗口的方式进行局部模糊度运算得到多余物的模糊轮廓图；
S5、对多余物的模糊轮廓图进行形态学闭运算处理得到多余物的清晰轮廓图；
S6、对多余物的清晰轮廓图进行量化评分，具体包括：
S6.1、计算多余物的清晰轮廓图的最大内切圆半径；
S6.2、计算多余物的清晰轮廓图的面积与盲孔的截面积的比值；
S6.3、根据多余物的清晰轮廓图的最大内切圆半径与盲孔半径的比值以及多余物的清晰轮廓图的面积与盲孔的截面积的比值进行权重计算得到盲孔分数，具体计算方法如下：
Figure BDA0002257142130000021
其中，R为盲孔半径，r为多余物的清晰轮廓图的最大内切圆半径，S为盲孔的截面积，s为多余物的清晰轮廓图的面积；
(1)当盲孔分数Score∈[80,100)时，表明盲孔内部没有多余物；
(2)当盲孔分数Score∈[0,80)时，表明盲孔内部含有多余物。
所述步骤S3中，采用自适应阈值分割对图像预处理得到感兴趣区域。
所述工控机与显示器连接，工控机得到的盲孔分数输出到显示器进行显示。
所述步骤S4中，对感兴趣区域通过滑动窗口的方式进行局部模糊度运算的具体方法为：定义滑动窗口的方差为局部模糊度，取某一像素点，求该像素点与其8邻域的像素点的像素值的均值和均方差，将得到的均方差代替该像素点的像素，具体计算过程如下：
该像素点与其8邻域的像素点的像素值p(i,j)的均值m(i,j)：
Figure BDA0002257142130000022
该像素点与其8邻域的像素点的像素值p(i,j)的均方差v(i,j)：
所述步骤S6.1中，计算多余物的清晰轮廓图的最大内切圆半径的具体方法为：
提取盲孔内部没有多余物的空间的边界轮廓a，以盲孔圆心为中点作正方形ABCD,正方形ABCD的边长为盲孔外接正方形边长的二分之一；
在正方形ABCD里面取一点，计算该点到边界轮廓a上每个点的距离，在得到的距离中取最小值d1；
在正方形ABCD里面再取一点，计算该点到边界轮廓a上每个点的距离，在得到的距离中取最小值d2；
按照上述方法依次计算正方形ABCD里面所有点依次到边界轮廓a上每个点的距离，并分别取得到的距离的最小值d3,d4,…,dn；
取d1,d2,d3,…,dn里的最大值，即为多余物的清晰轮廓图的最大内切圆半径。
本发明的有益效果：
本发明通过非接触检测，采用机器视觉的方法进行盲孔多余物检测，通过工业相机采集图像后在工控机上通过多余物检测方法进行处理得到盲孔分数，根据盲孔分数判断盲孔内部是否有多余物，能够实现盲孔多余物自动化检测，提高了自动化程度，并且检测一致性好、成本低、效率高，满足自动化批量生产的需求。
本发明的其他特征和优点将在下面的具体实施方式中部分予以详细说明。
附图说明
图1是本发明实施例提供的盲孔多余物检测系统的结构示意图；
图2是本发明实施例提供的盲孔多余物检测方法的流程图。
说明书附图中的附图标记包括：
1-待检工件，2-盲孔，3-同轴光源，4-远心镜头，5-工业相机，6-工控机。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“竖向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
如图1至图2所示，本发明实施例提供了一种盲孔2多余物检测系统及方法，通过机器视觉的方法对盲孔2质量进行检测，解决了人工检测一致性差、效率低等问题，且满足机械自动化生产线钻盲孔2后的多余物检测实时性需求。
如图1所示，一种盲孔2多余物检测系统，包括依次设置的同轴光源3、远心镜头4、工业相机5和工控机6；
同轴光源3照射盲孔2，工业相机5采集盲孔2的内部图像；
工业相机5通过以太网将图像以电信号的形式传输给工控机6，工控机6与显示器连接；
工控机6通过内置程序对工业相机5采集的图像依次进行预处理得到感兴趣区域、进行局部模糊度运算得到多余物的模糊轮廓图、进行形态学闭运算处理得到多余物的清晰轮廓图、进行量化评分确定盲孔2内是否含有多余物。
同轴光源3位于远心镜头4的前端并远心镜头4连接，远心镜头4与工业相机5相连，工业相机5与工控机6通过以太网进行信号与图像传输，工控机6对工业相机5采到的图像通过盲孔2多余物检测方法进行处理。通过采用远心镜头4，减小了图片的畸变，便于后续方法对图片的处理。通过采用同轴光源3，使得反射的光线与光轴位于同一轴线上，具体的，由于盲孔2较深，采用普通光源不能照到孔的底部，而同轴光源3使得物体反射后的光与相机处于同一个轴线上，可以清晰取到孔内图片，光源可以手动开启进行调试，也可以通过外界触发自动开启。
如图2所示，一种盲孔2多余物检测方法，采用上述盲孔2多余物检测系统，包括如下步骤：
S1、对待检工件1进行盲孔2内多余物检测时，开启同轴光源3；
S2、工业相机5采集盲孔2图像，并通过以太网传给工控机6；
S3、工控机6采用自适应阈值分割对图像预处理得到感兴趣区域，即通过自适应阈值分割将盲孔2区域与周围区域区分开，得到感兴趣区域，减小了处理的图像的尺寸，加快后续处理速度；
S4、对感兴趣区域通过滑动窗口的方式进行局部模糊度运算得到多余物的模糊轮廓图，具体方法为；
定义滑动窗口的方差为局部模糊度，取某一像素点，求该像素点与其8邻域的像素点的像素值的均值和均方差，将得到的均方差代替该像素点的像素，具体计算过程如下：
该像素点与其8邻域的像素点的像素值p(i,j)的均值m(i,j)：
Figure BDA0002257142130000041
该像素点与其8邻域的像素点的像素值p(i,j)的均方差v(i,j)：
Figure BDA0002257142130000042
S5、对多余物的模糊轮廓图进行形态学闭运算处理得到多余物的清晰轮廓图；
S6、对多余物的清晰轮廓图进行量化评分，具体包括：
S6.1、计算多余物的清晰轮廓图的最大内切圆半径，具体方法为：
提取盲孔2内部没有多余物的空间的边界轮廓a，以盲孔2圆心为中点作正方形ABCD,正方形ABCD的边长为盲孔2外接正方形边长的二分之一；
在正方形ABCD里面取一点，计算该点到边界轮廓a上每个点的距离，在得到的距离中取最小值d1；
在正方形ABCD里面再取一点，计算该点到边界轮廓a上每个点的距离，在得到的距离中取最小值d2；
按照上述方法依次计算正方形ABCD里面所有点依次到边界轮廓a上每个点的距离，并分别取得到的距离的最小值d3,d4,…,dn；
取d1,d2,d3,…,dn里的最大值，即为多余物的清晰轮廓图的最大内切圆半径；
S6.2、计算多余物的清晰轮廓图的面积与盲孔2的截面积的比值；
S6.3、综合多余物的清晰轮廓图的最大内切圆半径与盲孔2半径的比值以及多余物的清晰轮廓图的面积与盲孔2的截面积的比值进行权重计算得到盲孔分数，具体计算方法如下：
其中R为盲孔2半径，r为多余物的清晰轮廓图的最大内切圆半径，S为盲孔2的截面积，s为多余物的清晰轮廓图的面积；
(3)当盲孔分数Score∈[80,100)时，表明盲孔2内部没有多余物；
(4)当盲孔分数Score∈[0,80)时，表明盲孔2内部含有多余物。
工控机6与显示器连接，工控机6得到的盲孔分数输出到显示器进行显示。
本实施例中，步骤S4中当盲孔2内有多余物时，将会出现局部失焦，即在有多余物的位置像素值变化平缓，而局部方差可以反映灰度值的变化程度，定义滑动窗口的方差为局部模糊度，对感兴趣区域图进行3×3的窗口滑动进行局部模糊度运算得到多余物的模糊轮廓图。
另外，本发明的系统在实际使用时，可安装在机械加工自动化生产线上为一单独检测工位并可通过PLC进行控制，当上一工位完成钻盲孔2并进行清理后到达该检测工位进行检测，工业相机5采集图像后将图像通过以太网传入工控机6通过多余物检测方法进行处理得到盲孔分数在显示器上进行显示并发送给PLC，使得PLC根据盲孔分数进行进一步处理。
本发明通过软硬件相结合的方式，实现盲孔2多余物检测，工控机6对工业采到的图像通过多余物检测方法进行处理对盲孔2质量进行打分，通过盲孔分数来判断盲孔2内是否有多余物，也可以在后续工作中对盲孔分数进行细化区分，通过盲孔分数判断盲孔2内多余物的大小，提高效率，满足自动化批量生产的需求。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (7)

1.一种盲孔多余物检测系统，其特征在于，包括依次设置的同轴光源、远心镜头、工业相机和工控机；
所述同轴光源照射盲孔，所述工业相机采集盲孔的内部图像；
所述工业相机通过以太网将图像以电信号的形式传输给工控机；
所述工控机通过内置程序对工业相机采集的图像依次进行预处理得到感兴趣区域、进行局部模糊度运算得到多余物的模糊轮廓图、进行形态学闭运算处理得到多余物的清晰轮廓图、进行量化评分确定盲孔内是否含有多余物。
2.根据权利要求1所述的盲孔多余物检测系统，其特征在于，所述工控机与显示器连接。
3.一种盲孔多余物检测方法，采用权利要求1所述的盲孔多余物检测系统，其特征在于，包括如下步骤：
S1、对待检工件进行盲孔内多余物检测时，开启同轴光源；
S2、工业相机采集盲孔图像，并通过以太网传给工控机；
S3、工控机进行图像预处理得到感兴趣区域；
S4、对感兴趣区域通过滑动窗口的方式进行局部模糊度运算得到多余物的模糊轮廓图；
S5、对多余物的模糊轮廓图进行形态学闭运算处理得到多余物的清晰轮廓图；
S6、对多余物的清晰轮廓图进行量化评分，具体包括：
S6.1、计算多余物的清晰轮廓图的最大内切圆半径；
S6.2、计算多余物的清晰轮廓图的面积与盲孔的截面积的比值；
S6.3、根据多余物的清晰轮廓图的最大内切圆半径与盲孔半径的比值以及多余物的清晰轮廓图的面积与盲孔的截面积的比值进行权重计算得到盲孔分数，具体计算方法如下：
Figure FDA0002257142120000011
其中，R为盲孔半径，r为多余物的清晰轮廓图的最大内切圆半径，S为盲孔的截面积，s为多余物的清晰轮廓图的面积；
(1)当盲孔分数Score∈[80,100)时，表明盲孔内部没有多余物；
(2)当盲孔分数Score∈[0,80)时，表明盲孔内部含有多余物。
4.根据权利要求3所述的盲孔多余物检测方法，其特征在于，所述步骤S3中，采用自适应阈值分割对图像预处理得到感兴趣区域。
5.根据权利要求3所述的盲孔多余物检测方法，其特征在于，所述工控机与显示器连接，工控机得到的盲孔分数输出到显示器进行显示。
6.根据权利要求3所述的盲孔多余物检测方法，其特征在于，所述步骤S4中，对感兴趣区域通过滑动窗口的方式进行局部模糊度运算的具体方法为：定义滑动窗口的方差为局部模糊度，取某一像素点，求该像素点与其8邻域的像素点的像素值的均值和均方差，将得到的均方差代替该像素点的像素，具体计算过程如下：
该像素点与其8邻域的像素点的像素值p(i,j)的均值m(i,j)：
Figure FDA0002257142120000021
该像素点与其8邻域的像素点的像素值p(i,j)的均方差v(i,j)：
Figure FDA0002257142120000022
7.根据权利要求3所述的盲孔多余物检测方法，其特征在于，所述步骤S6.1中，计算多余物的清晰轮廓图的最大内切圆半径的具体方法为：
提取盲孔内部没有多余物的空间的边界轮廓a，以盲孔圆心为中点作正方形ABCD,正方形ABCD的边长为盲孔外接正方形边长的二分之一；
在正方形ABCD里面取一点，计算该点到边界轮廓a上每个点的距离，在得到的距离中取最小值d1；
在正方形ABCD里面再取一点，计算该点到边界轮廓a上每个点的距离，在得到的距离中取最小值d2；
按照上述方法依次计算正方形ABCD里面所有点依次到边界轮廓a上每个点的距离，并分别取得到的距离的最小值d3,d4,…,dn；
取d1,d2,d3,…,dn里的最大值，即为多余物的清晰轮廓图的最大内切圆半径。
CN201911058253.3A 2019-11-01 2019-11-01 一种盲孔多余物检测系统及方法 Active CN110763688B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911058253.3A CN110763688B (zh) 2019-11-01 2019-11-01 一种盲孔多余物检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911058253.3A CN110763688B (zh) 2019-11-01 2019-11-01 一种盲孔多余物检测系统及方法

Publications (2)

Publication Number Publication Date
CN110763688A true CN110763688A (zh) 2020-02-07
CN110763688B CN110763688B (zh) 2022-09-27

Family

ID=69335048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911058253.3A Active CN110763688B (zh) 2019-11-01 2019-11-01 一种盲孔多余物检测系统及方法

Country Status (1)

Country Link
CN (1) CN110763688B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870242A (zh) * 2021-10-12 2021-12-31 京东方（河北）移动显示技术有限公司 一种检测盲孔的方法及设备
CN114106712A (zh) * 2021-12-06 2022-03-01 扬州海科电子科技有限公司 一种腔体滤波器导电胶粘接工艺

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008110061A1 (fr) * 2007-03-12 2008-09-18 3I Systems Corp Système d'auto-test de substrat plan et procédé afférent
CN107290347A (zh) * 2017-07-12 2017-10-24 江苏阿瑞斯智能设备有限公司 蜂窝载体缺陷自动化检测方法
CN108596925A (zh) * 2018-03-14 2018-09-28 浙江大学山东工业技术研究院 基于视觉的太阳花模组表面螺钉孔位置图像处理方法
CN110363719A (zh) * 2019-07-01 2019-10-22 湖南开启时代智能科技有限公司 一种细胞分层图像处理方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008110061A1 (fr) * 2007-03-12 2008-09-18 3I Systems Corp Système d'auto-test de substrat plan et procédé afférent
CN107290347A (zh) * 2017-07-12 2017-10-24 江苏阿瑞斯智能设备有限公司 蜂窝载体缺陷自动化检测方法
CN108596925A (zh) * 2018-03-14 2018-09-28 浙江大学山东工业技术研究院 基于视觉的太阳花模组表面螺钉孔位置图像处理方法
CN110363719A (zh) * 2019-07-01 2019-10-22 湖南开启时代智能科技有限公司 一种细胞分层图像处理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
于苏洋 等: "药柱盲孔质量检测算法研究", 《固体火箭技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870242A (zh) * 2021-10-12 2021-12-31 京东方（河北）移动显示技术有限公司 一种检测盲孔的方法及设备
CN114106712A (zh) * 2021-12-06 2022-03-01 扬州海科电子科技有限公司 一种腔体滤波器导电胶粘接工艺
CN114106712B (zh) * 2021-12-06 2023-10-13 扬州海科电子科技有限公司 一种腔体滤波器导电胶粘接工艺

Also Published As

Publication number Publication date
CN110763688B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
CN108288288B (zh) 基于视觉识别的精密轴尺寸测量方法、装置和系统
CN102539443B (zh) 基于机器视觉的瓶身缺陷自动检测方法
Wang et al. Flank wear measurement by a threshold independent method with sub-pixel accuracy
CN110763688B (zh) 一种盲孔多余物检测系统及方法
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
EP1430446B1 (en) Image processing method for appearance inspection
CN111612737B (zh) 一种人造板表面瑕疵检测装置及检测方法
CN112184648A (zh) 一种基于深度学习的活塞表面缺陷检测方法及系统
CN113847881A (zh) 一种基于机器视觉的自由曲面轮廓度检测方法
US20220020136A1 (en) Optimizing a set-up stage in an automatic visual inspection process
CN114252452A (zh) 一种小型回转体外观缺陷和轮廓尺寸在线检测装置及方法
CN111551559A (zh) 一种基于多目视觉系统的lcd液晶屏缺陷检测方法
CN111693535A (zh) 基于机器视觉分析的触摸屏缺陷检测设备及方法
CN114581805A (zh) 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法
CN106093051A (zh) 基于机器视觉的纸卷切面毛刺检测方法及装置
CN113390357B (zh) 一种基于双目多线结构光的铆钉齐平度测量方法
CN108459030B (zh) 一种应用于非平面塑料光滑表面瑕疵在线检测装置与方法
CN114022441A (zh) 一种不规则五金件的缺陷检测方法
CN107121063A (zh) 检测工件的方法
CN112683166A (zh) 一种模切产品尺寸检测方法
CN116078704A (zh) 一种基于ccd的外观检测设备
KR101770558B1 (ko) 가공부품 검사 시스템
CN109632815A (zh) 表面缺陷在线检测系统及方法
CN109900722B (zh) 一种玻璃弧面图像采集方法、系统及应用
CN113843797A (zh) 一种基于单双目混合视觉的非结构环境下零件六角螺栓自动拆卸方法

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
GR01 Patent grant
GR01 Patent grant