CN110857919A - 一种卷装长丝的尾丝缺陷检测方法 - Google Patents
一种卷装长丝的尾丝缺陷检测方法 Download PDFInfo
- Publication number
- CN110857919A CN110857919A CN201810975263.2A CN201810975263A CN110857919A CN 110857919 A CN110857919 A CN 110857919A CN 201810975263 A CN201810975263 A CN 201810975263A CN 110857919 A CN110857919 A CN 110857919A
- Authority
- CN
- China
- Prior art keywords
- image
- analyzed
- filament
- defect
- filtering
- 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
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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
- G01N21/8983—Irregularities in textured or patterned surfaces, e.g. textiles, wood for testing textile webs, i.e. woven material
Abstract
本发明公开了一种卷装长丝的尾丝缺陷检测方法。该尾丝缺陷检测方法包括:获取卷装长丝的待检测区域的多张采集图像;截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像;过滤目标图像中的连续直线以外的背景图案,获得待分析图像;确定连续直线的直线几何参数和待分析图像的图像几何参数;根据直线几何参数和图像几何参数确定待分析图像中是否存在尾丝缺陷。本发明实施例的卷装长丝的尾丝缺陷检测方法,能够降低人工目测的错误率,提高检测效率,且能够节约生产成本。
Description
技术领域
本发明涉及卷装长丝表面检测技术领域,尤其涉及一种卷装长丝的尾丝缺陷检测方法。
背景技术
卷装长丝即为长丝在生产过程中通过卷绕机构制成具有一定形状和容量的卷装成品。卷装长丝的缺陷主要分为长丝的理化性能缺陷和卷装长丝的外观缺陷两部分。通过实践生产发现,卷装长丝的外观缺陷对织物的质量影响极为重要,会导致织物成品率的降低。因此,在生产过程中,需加强对卷装长丝的外观缺陷的检测。
卷装长丝的尾丝缺陷分为无尾丝、多尾丝和上尾丝,无尾丝和多尾丝产生的原因都是由于操作不当,没有尾丝接头或引起两次以上接头,一般出现在卷装长丝的丝锭下端。上尾丝产生的原因是由于络筒时设备发生故障,一般出现在卷装长丝的丝锭上端。
由于卷装长丝的具有可变形性、多曲面、受检面大的特点,其外观缺陷特征难以提取统一标准,卷装长丝的外观检测一直影响着生产长流程智能制造的实现,只能通过人工目测的方法进行尾丝缺陷检测。
虽然,人工目测的方式检测尾丝缺陷能够检测部分缺陷,但是,人工目测的检验方法会增大生产的人力成本,而且没有统一严格的质量标准,难以保证检测结果的正确率。
发明内容
为解决上述问题,本发明实施例提供一种卷装长丝的尾丝缺陷检测方法,能够降低人工目测的错误率,提高检测效率,且能够节约生产成本。
为实现上述目的,本发明实施例提供了一种卷装长丝的尾丝缺陷检测方法,包括:
获取卷装长丝的待检测区域的多张采集图像;
截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像;
过滤目标图像中的连续直线以外的背景图案,获得待分析图像;
确定连续直线的直线几何参数和待分析图像的图像几何参数;
根据直线几何参数和图像几何参数确定待分析图像中是否存在尾丝缺陷。
进一步地,确定待分析图像中是否存在尾丝缺陷后,还包括:
当确定至少一张采集图像对应的待分析图像中存在尾丝缺陷时,确定卷装长丝存在尾丝缺陷。
进一步地,受检位置包括卷装长丝的丝锭上端的第一侧壁和丝锭下端的第二侧壁,获取卷装长丝的待检测区域的多张采集图像包括:
分别沿卷装长丝的周向获取包含第一侧壁、第二侧壁的多张采集图像。
进一步地,截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像包括:
获取采集图像的复制图像;
对复制图像进行去噪处理,并利用边缘检测算法获取去噪后的复制图像内的多条边线;
确定多条边线中与受检位置对应的第一边线和第二边线;
获取第一边线和第二边线的所有像素点的坐标值;
根据第一边线和第二边线的所有像素点的坐标值在采集图像中截取目标图像。
进一步地,过滤目标图像中的连续直线以外的背景图案前,还包括:
对目标图像进行去噪处理。
进一步地,过滤目标图像中的连续直线以外的背景图案,获得待分析图像,包括:
利用二值化方法对目标图像的背景进行初步过滤;
利用膨胀处理方法对初步过滤后的目标图像的背景进行精确过滤,获得待分析图像。
进一步地,利用二值化方法对目标图像的背景进行初步过滤包括:
利用边缘检测算法处理目标图像,获得灰度级变化图像;
对灰度级变化图像进行二值化处理,获得二值化图像;
根据第一预设长度和第一预设面积初步过滤二值化图像中的第一图案。
进一步地,利用膨胀处理方法对初步过滤后的目标图像的背景进行精确过滤包括:
利用膨胀处理方法将初步过滤后的二值化图像的每两个距离间隔小于预设距离的相邻的第二图案连接,得到连续直线;
根据第二预设长度和第二预设面积精确过滤膨胀处理后的二值化图像中除连续直线以外的第三图案,获得待分析图像。
进一步地,连续直线的直线几何参数包括连续直线的直线长度、直线宽度和连续直线与水平方向的夹角,待分析图像的图像几何参数包括待分析图像的图像长度和图像宽度。
进一步地,根据直线几何参数和图像几何参数确定待分析图像中是否存在尾丝缺陷包括:
确定直线长度与图像长度的第一比值和直线宽度与图像宽度的第二比值;
根据第一比值符合第一预设阈值、第二比值符合第二预设阈值且夹角符合第三预设阈值的连续直线的数量,确定待分析图像中是否存在尾丝缺陷。
本发明实施例的卷装长丝的尾丝缺陷检测方法,能够应用于生产流水线上的检测装置,对每个经过检测工位的卷装长丝进行图像采集,获取对应的采集图像,然后通过对图像进行处理,提取用于判断尾丝缺陷的缺陷特征(即连续直线的直线几何参数和待分析图像的图像几何参数),根据不同尾丝缺陷的缺陷特征的性质,确定卷装长丝是否存在尾丝缺陷。
本发明实施例的卷装长丝的尾丝缺陷检测方法,适用于化纤领域内的卷装长丝的尾丝缺陷检测,能够快速分析卷装长丝的外观缺陷,通过对图像的高精度的分析处理,减少人工目测的误差,降低误检率,提高检测效率,并且降低生产成本。
附图说明
图1为本发明一个实施例的卷装长丝的尾丝缺陷检测方法的流程图;
图2为本发明另一个实施例的卷装长丝的尾丝缺陷检测方法的流程图;
图3为本发明实施例所采集的卷装长丝的结构示意图;
图4为图1中步骤S120的具体方法的流程图;
图5为图1中步骤S130的一个实施例的具体方法的流程图;
图6为图1中步骤S130的另一个实施例的具体方法的流程图;
图7为图1中步骤S150的具体方法的流程图。
具体实施方式
下面,结合附图,对本发明实施例的结构以及工作原理等作进一步的说明。
如图1所示,本发明实施例的一种卷装长丝的尾丝缺陷检测方法,包括:
S110、获取卷装长丝的待检测区域的多张采集图像;
S120、截取采集图像中与待检测区域内的受检位置对应的目标图像;
S130、过滤目标图像中的连续直线以外的背景图案,获得待分析图像;
S140、确定连续直线的直线几何参数和待分析图像的图像几何参数;
S150、根据直线几何参数和图像几何参数确定待分析图像中是否存在尾丝缺陷。
在本发明实施例中,如图2所示,确定待分析图像中是否存在尾丝缺陷后,还包括:
S160、当确定至少一张采集图像对应的待分析图像中存在尾丝缺陷时,确定卷装长丝存在尾丝缺陷。
在本发明实施例中,如图3所示,受检位置包括卷装长丝的丝锭上端1的第一侧壁和丝锭下端2的第二侧壁,获取卷装长丝的待检测区域的多张采集图像包括:
分别沿卷装长丝的周向获取包含第一侧壁、第二侧壁的多张采集图像。
在本发明实施例中,可以根据尾丝缺陷的特点选取卷装长丝的待检测区域,即对应的相机和光源,以进行图像的采集。
首先,可以根据尾丝缺陷可能出现的位置,将卷装长丝分为包含丝锭上端1和丝锭下端2的两块带有丝线的区域作为待检测区域。然后,在对应于丝锭上端1和丝锭下端2的位置分别面向卷装长丝各设置一个面阵相机,以分别采集丝锭上端1的待检测区域和丝锭下端2 的待检测区域的图像作为采集图像。利用面阵相机可减少拍摄次数,节约时间。并且,根据面阵相机位置固定,拍摄角度有限的特点,可以通过旋转卷装长丝,并在其旋转的同时采集丝锭上端1的待检测区域和丝锭下端2的待检测区域的采集图像,以完成卷装长丝整周的图像采集。最后,两个面阵相机分别根据收到的控制信号,同时连续拍摄丝锭上端1的待检测区域和丝锭下端2的待检测区域,并获得多张采集图像。在一个实施例中,拍摄时间可以为2.2s,并且丝锭上端1 的待检测区域和丝锭下端2的待检测区域的采集图像的数量可以分别为16张。
由于使用低角度照明可以凸显瑕疵特征高于检测物表面的尾丝缺陷,因此,在本发明实施例中,对于丝锭上端1和丝锭下端2分别采用低角度照明光源进行照明,该光源光线与卷装长丝的待检测区域垂直。
在本发明实施例中,如图4所示,截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像包括:
S121、获取采集图像的复制图像;
S122、对复制图像进行去噪处理,并利用边缘检测算法获取去噪后的复制图像内的多条边线;
S123、确定多条边线中与受检位置对应的第一边线和第二边线;
S124、获取第一边线和第二边线的所有像素点的坐标值;
S125、根据第一边线和第二边线的所有像素点的坐标值在采集图像中截取目标图像。
在本发明实施例中,通过在采集图像中截取目标图像,可以屏除图像中非处理对象的干扰。采用上述的步骤,可以处理受检位置出现偏差或受检位置范围不同的情况,提高图像截取的精度。其中,受检位置为丝锭上端和丝锭下端无丝线的位置。
在本发明实施例中,可以先复制采集图像,并获得复制图像,通过对复制图像进行处理以获得第一边线和第二边线,可以防止出现由于对原始的采集图像进行处理后,而造成对原始的采集图像的后续处理的影响。
然后,可以对复制图像通过滤波方式进行去噪处理,在本实施例中,滤波方式可以优选为高斯滤波。去噪后的复制图像可以通过边缘检测算法得到多条边线。其中,边线为卷装长丝边缘灰度亮暗突变的位置。
其次,可以选取复制图像中最靠近图像上边的一条边线作为第一边线,选取复制图像中最靠近图像底边的一条边线作为第二边线,并提取第一边线和第二边线的所有像素点在复制图像中的坐标值。
再次,将第一边线和第二边线的所有像素点在复制图像中的坐标值带入采集图像,对采集图像进行同样像素点坐标值提取,以利用像素点坐标值得到采集图像的分割边线,即采集图像对应的第一边线和第二边线。最后,截取第一边线和第二边线之间的范围内图像,得到目标图像。
在本发明实施例中,过滤目标图像中的连续直线以外的背景图案前,还包括:
对目标图像进行去噪处理。
在本发明实施例中,可以首先分析目标图像中的噪声点,然后依据存在的噪声点对目标图像进行滤波处理。由于目标图像的噪声点聚集在高频区域,因此,滤波处理可以采用中值滤波法。中值滤波法可以使周围的像素靠近真实值,获得消除孤立的噪声点的图像,以此改善面阵相机在采集原始信号传到信号转换、信号传输的过程中,由于各种干扰因素导致图像的成像质量的恶化。
在本发明实施例中,过滤目标图像中的连续直线以外的背景图案,获得待分析图像,包括:
利用二值化方法对目标图像的背景进行初步过滤;
利用膨胀处理方法对初步过滤后的目标图像的背景进行精确过滤,获得待分析图像。
在本发明实施例中,如图5所示,利用二值化方法对目标图像的背景进行初步过滤包括:
S131、利用边缘检测算法处理目标图像,获得灰度级变化图像;
S132、对灰度级变化图像进行二值化处理,获得二值化图像;
S133、根据第一预设长度和第一预设面积初步过滤二值化图像中的第一图案。
在本发明实施例中,可以首先对去噪后的目标图像通过边缘检测算法分析灰度级变化,以获得灰度级编号图像。其中,可以选用Laplace 算子+对数形式算法或者Roberts算子+对数形式算法进行边缘检测处理,能够减弱不同花纹纸管的干扰且不损失目标图像原始细节,使获取的灰度级变化图像的效果最佳。
然后,可以对灰度级变化图像进行二值化处理,得到只具有两种色彩的二值化图像。具体地,可以根据卷装长丝的卷装纸管的不同颜色的背景,在二值化处理时,选用自适应分割阈值。其中,自适应分割阈值可以基于卷装纸管的背景具有多元化的特点,如红色原点背景、墨绿方格背景,消除固定阈值对图像造成的目标误提取。
在本发明实施例中,上述的自适应分割阈值的计算优选采用OTSU 算法,该算法可以通过计算卷装长丝的前景和卷装纸管的背景的灰度级方差,方差加权后的最小和的值,为不同背景的最佳阈值。
最后,可以根据预先设置的第一预设长度和第一预设面积初步过滤二值化图像中的第一图案,得到去除部分花纹干扰的图象。在一个实施例中,可以设置第一预设面积≤0.03mm2,第一预设长度≤1mm。
在本发明实施例中,如图6所示,利用膨胀处理方法对初步过滤后的目标图像的背景进行精确过滤包括:
S134、利用膨胀处理方法将初步过滤后的二值化图像的每两个距离间隔小于预设距离的相邻的第二图案连接,得到连续直线;
S135、根据第二预设长度和第二预设面积精确过滤膨胀处理后的二值化图像中除连续直线以外的第三图案,获得待分析图像。
在本发明实施例中,利用膨胀处理方法将第二图案连接得到连续直线,可以不对初步过滤后的二值化图像造成不必要的干扰。
在本发明实施例中,可以设置第二预设面积≤0.05mm2,第二预设长度≤2mm,得到完全去除花纹干扰的待分析图像。
在本发明实施例中,连续直线的直线几何参数包括连续直线的直线长度、直线宽度和连续直线与水平方向的夹角,待分析图像的图像几何参数包括待分析图像的图像长度和图像宽度。
如图7所示,在本发明实施例中,根据直线几何参数和图像几何参数确定待分析图像中是否存在尾丝缺陷包括:
S151、确定直线长度与图像长度的第一比值和直线宽度与图像宽度的第二比值;
S152、根据第一比值符合第一预设阈值、第二比值符合第二预设阈值且夹角符合第三预设阈值的连续直线的数量,确定待分析图像中是否存在尾丝缺陷。
在本发明实施例中,确定待分析图像中是否存在尾丝缺陷的判断标准根据待分析图像对应的受检位置可以分为两种:
第一种
待分析图像对应的受检位置为丝锭上端1时,当待分析图像中没有第一比值符合第一预设阈值、第二比值符合第二预设阈值且夹角符合第三预设阈值的连续直线时,待分析图像中不存在尾丝缺陷。当待分析图像中有一个或一个以上第一比值符合第一预设阈值、第二比值符合第二预设阈值且夹角符合第三预设阈值的连续直线时,待分析图像中存在尾丝缺陷,即为多尾丝缺陷。在一个实施例中,可以设置第一预设阈值为大于或等于0.8,第二预设阈值大于或等于0.4,第三预设阈值为5°~20°。
在本发明实施例中,受检位置为丝锭上端1对应的多张采集图像时,若全部采集图像对应的待分析图像中的一张或多张出现多尾丝缺陷,则判断为丝锭上端1存在尾丝缺陷;若全部待分析图像均不存在尾丝缺陷,则判断为丝锭上端1尾丝正常。
第二种
待分析图像对应的受检位置为丝锭下端2时,当待分析图像中有一个第一比值符合第一预设阈值、第二比值符合第二预设阈值且夹角符合第三预设阈值的连续直线时,待分析图像中不存在尾丝缺陷。当待分析图像中没有或有一个以上第一比值符合第一预设阈值、第二比值符合第二预设阈值且夹角符合第三预设阈值的连续直线时,待分析图像中存在尾丝缺陷,即为多尾丝缺陷。其中,没有符合上述设定的连续直线时,为无尾丝缺陷,有一个以上符合上述设定的连续直线时,为多尾丝缺陷。
在一个实施例中,可以设置第一预设阈值为大于或等于0.8,第二预设阈值大于或等于0.4,第三预设阈值为5°~20°
在本发明实施例中,受检位置为丝锭下端2对应的多张采集图像时,若全部采集图像对应的待分析图像中的一张或多张出现多尾丝缺陷,则判断为丝锭下端2存在尾丝缺陷;若全部待分析图像均出现无尾丝缺陷,则判断为丝锭下端2存在尾丝缺陷;若至少有一张待分析图像不存在尾丝缺陷,同时,其它图像为无尾丝缺陷,则判断为丝锭下端2尾丝正常。
在本发明实施例中,若丝锭下端2、丝锭下端2均出现尾丝缺陷,则确定整个卷装长丝正常;若丝锭下端2、丝锭下端2中的至少一个出现尾丝缺陷,则判断整个丝锭下端2、丝锭下端2存在尾丝缺陷。
根据本发明实施例的卷装长丝的尾丝缺陷检测方法,正确检出尾丝缺陷率可以达到98%,效率为4秒/锭,优于人工目测的方法,实现了卷装长丝外观质量的在线自动化检测,降低了95%的人工工作量。
综上所述,本发明的卷装长丝的尾丝缺陷检测方法,可以广泛适用于化纤领域内的卷装长丝的尾丝缺陷的在线检测,易于分析外观缺陷。并且,通过对尾丝缺陷特征进行提取和判断的方法检测尾丝缺陷,能够提高检测精度,减少人工目测带来的误差。同时,在图像处理过程中,还可以排除干扰,快速判别尾丝缺陷,降低误检率。
以上,仅为本发明的示意性描述,本领域技术人员应该知道,在不偏离本发明的工作原理的基础上,可以对本发明作出多种改进,这均属于本发明的保护范围。
Claims (10)
1.一种卷装长丝的尾丝缺陷检测方法,其特征在于,包括:
获取所述卷装长丝的待检测区域的多张采集图像;
截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像;
过滤所述目标图像中的连续直线以外的背景图案,获得待分析图像;
确定所述连续直线的直线几何参数和所述待分析图像的图像几何参数;
根据所述直线几何参数和所述图像几何参数确定所述待分析图像中是否存在尾丝缺陷。
2.如权利要求1所述的卷装长丝的尾丝缺陷检测方法,其特征在于,确定所述待分析图像中是否存在尾丝缺陷后,还包括:
当确定至少一张所述采集图像对应的所述待分析图像中存在尾丝缺陷时,确定所述卷装长丝存在尾丝缺陷。
3.如权利要求1所述的卷装长丝的尾丝缺陷检测方法,其特征在于,所述受检位置包括所述卷装长丝的丝锭上端的第一侧壁和丝锭下端的第二侧壁,获取所述卷装长丝的待检测区域的多张采集图像包括:
分别沿所述卷装长丝的周向获取包含所述第一侧壁、所述第二侧壁的多张采集图像。
4.如权利要求1所述的卷装长丝的尾丝缺陷检测方法,其特征在于,截取所述采集图像中与所述待检测区域内的受检位置对应的目标图像包括:
获取所述采集图像的复制图像;
对所述复制图像进行去噪处理,并利用边缘检测算法获取去噪后的所述复制图像内的多条边线;
确定所述多条边线中与所述受检位置对应的第一边线和第二边线;
获取所述第一边线和所述第二边线的所有像素点的坐标值;
根据所述第一边线和所述第二边线的所有像素点的坐标值在所述采集图像中截取所述目标图像。
5.如权利要求1所述的卷装长丝的尾丝缺陷检测方法,其特征在于,过滤所述目标图像中的连续直线以外的背景图案前,还包括:
对所述目标图像进行去噪处理。
6.如权利要求5所述的卷装长丝的尾丝缺陷检测方法,其特征在于,过滤所述目标图像中的连续直线以外的背景图案,获得待分析图像,包括:
利用二值化方法对所述目标图像的背景进行初步过滤;
利用膨胀处理方法对初步过滤后的所述目标图像的背景进行精确过滤,获得所述待分析图像。
7.如权利要求6所述的卷装长丝的尾丝缺陷检测方法,其特征在于,利用二值化方法对所述目标图像的背景进行初步过滤包括:
利用边缘检测算法处理所述目标图像,获得灰度级变化图像;
对所述灰度级变化图像进行二值化处理,获得二值化图像;
根据第一预设长度和第一预设面积初步过滤所述二值化图像中的第一图案。
8.如权利要求7所述的卷装长丝的尾丝缺陷检测方法,其特征在于,利用膨胀处理方法对初步过滤后的所述目标图像的背景进行精确过滤包括:
利用膨胀处理方法将初步过滤后的所述二值化图像的每两个距离间隔小于预设距离的相邻的第二图案连接,得到所述连续直线;
根据第二预设长度和第二预设面积精确过滤膨胀处理后的所述二值化图像中除所述连续直线以外的第三图案,获得所述待分析图像。
9.如权利要求1所述的卷装长丝的尾丝缺陷检测方法,其特征在于,所述连续直线的直线几何参数包括所述连续直线的直线长度、直线宽度和所述连续直线与水平方向的夹角,所述待分析图像的图像几何参数包括所述待分析图像的图像长度和图像宽度。
10.如权利要求8所述的卷装长丝的尾丝缺陷检测方法,其特征在于,根据所述直线几何参数和所述图像几何参数确定所述待分析图像中是否存在尾丝缺陷包括:
确定所述直线长度与所述图像长度的第一比值和所述直线宽度与所述图像宽度的第二比值;
根据所述第一比值符合第一预设阈值、所述第二比值符合第二预设阈值且所述夹角符合第三预设阈值的连续直线的数量,确定所述待分析图像中是否存在尾丝缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975263.2A CN110857919A (zh) | 2018-08-24 | 2018-08-24 | 一种卷装长丝的尾丝缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810975263.2A CN110857919A (zh) | 2018-08-24 | 2018-08-24 | 一种卷装长丝的尾丝缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110857919A true CN110857919A (zh) | 2020-03-03 |
Family
ID=69636307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810975263.2A Pending CN110857919A (zh) | 2018-08-24 | 2018-08-24 | 一种卷装长丝的尾丝缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110857919A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113533359A (zh) * | 2020-04-16 | 2021-10-22 | 杭州慧知连科技有限公司 | 丝锭表面缺陷视觉检测方法及其检测装置 |
CN113554579A (zh) * | 2020-04-07 | 2021-10-26 | 东华大学 | 皮革的缺陷检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030098426A1 (en) * | 2001-11-27 | 2003-05-29 | Kabushiki Kaisha Shinkawa | Wire bonding method and apparatus |
US6633383B1 (en) * | 1999-10-25 | 2003-10-14 | Linetech Industries, Inc. | Method and apparatus for the automated inspection of yarn packages |
CN102692216A (zh) * | 2012-06-08 | 2012-09-26 | 中北大学 | 基于机器视觉技术的实时光纤绕制缺陷检测方法 |
CN104685347A (zh) * | 2012-10-04 | 2015-06-03 | 东丽株式会社 | 丝线的检查方法、丝线的检查装置、丝线的制造方法、丝线卷装以及丝线模块 |
CN105745523A (zh) * | 2013-09-12 | 2016-07-06 | 康宁股份有限公司 | 用于检查缠绕的光纤的系统和方法 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106408557A (zh) * | 2016-06-30 | 2017-02-15 | 江汉大学 | 基于图像处理技术的粘胶长丝毛丝检测方法 |
CN106596584A (zh) * | 2016-11-15 | 2017-04-26 | 江汉大学 | 一种粘胶长丝毛丝检测的方法和装置 |
CN106780526A (zh) * | 2016-11-21 | 2017-05-31 | 浙江工业大学 | 一种铁氧体圆片表面裂痕识别方法 |
CN106841209A (zh) * | 2016-12-28 | 2017-06-13 | 杭州慧芯智能科技有限公司 | 一种基于大数据自学习化纤丝锭智能外观检测系统及方法 |
CN107132232A (zh) * | 2017-04-24 | 2017-09-05 | 西南交通大学 | 一种高铁接触网承力索支撑底座的裂纹检测方法 |
-
2018
- 2018-08-24 CN CN201810975263.2A patent/CN110857919A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6633383B1 (en) * | 1999-10-25 | 2003-10-14 | Linetech Industries, Inc. | Method and apparatus for the automated inspection of yarn packages |
US20030098426A1 (en) * | 2001-11-27 | 2003-05-29 | Kabushiki Kaisha Shinkawa | Wire bonding method and apparatus |
CN102692216A (zh) * | 2012-06-08 | 2012-09-26 | 中北大学 | 基于机器视觉技术的实时光纤绕制缺陷检测方法 |
CN104685347A (zh) * | 2012-10-04 | 2015-06-03 | 东丽株式会社 | 丝线的检查方法、丝线的检查装置、丝线的制造方法、丝线卷装以及丝线模块 |
CN105745523A (zh) * | 2013-09-12 | 2016-07-06 | 康宁股份有限公司 | 用于检查缠绕的光纤的系统和方法 |
CN105976352A (zh) * | 2016-04-14 | 2016-09-28 | 北京工业大学 | 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法 |
CN106408557A (zh) * | 2016-06-30 | 2017-02-15 | 江汉大学 | 基于图像处理技术的粘胶长丝毛丝检测方法 |
CN106596584A (zh) * | 2016-11-15 | 2017-04-26 | 江汉大学 | 一种粘胶长丝毛丝检测的方法和装置 |
CN106780526A (zh) * | 2016-11-21 | 2017-05-31 | 浙江工业大学 | 一种铁氧体圆片表面裂痕识别方法 |
CN106841209A (zh) * | 2016-12-28 | 2017-06-13 | 杭州慧芯智能科技有限公司 | 一种基于大数据自学习化纤丝锭智能外观检测系统及方法 |
CN107132232A (zh) * | 2017-04-24 | 2017-09-05 | 西南交通大学 | 一种高铁接触网承力索支撑底座的裂纹检测方法 |
Non-Patent Citations (4)
Title |
---|
刘明彦: "《高职教育创新与社会服务 2006-2016年高等职业教育成果荟萃》", 31 August 2017, 北京邮电大学出版社 * |
陆春华: ""基于机器视觉的大口径精密表面疵病检测系统研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
雷毅: "《高等学校教材 材料成型设备微机控制技术》", 31 August 2015 * |
高宏伟: "《电子封装工艺与装备技术基础教程》", 31 July 2017, 西安电子科技大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554579A (zh) * | 2020-04-07 | 2021-10-26 | 东华大学 | 皮革的缺陷检测方法 |
CN113533359A (zh) * | 2020-04-16 | 2021-10-22 | 杭州慧知连科技有限公司 | 丝锭表面缺陷视觉检测方法及其检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022062812A1 (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
CN110858395B (zh) | 一种卷装长丝的污丝缺陷检测方法 | |
CN105334219B (zh) | 一种残差分析动态阈值分割的瓶口缺陷检测方法 | |
CN110403232B (zh) | 一种基于二级算法的烟支质量检测方法 | |
CN109727244B (zh) | 一种磁瓦表面裂纹检测方法 | |
JPH04240510A (ja) | 欠陥判別方法 | |
CN112330663B (zh) | 一种基于变径圆的计算机视觉烟丝宽度检测方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN115330772A (zh) | 一种在线焊点质量检测方法 | |
CN109239073A (zh) | 一种用于汽车车身的表面缺陷检测方法 | |
CN110857919A (zh) | 一种卷装长丝的尾丝缺陷检测方法 | |
CN108171693B (zh) | 一种自动检测劣质蘑菇的方法 | |
CN111047556A (zh) | 一种带钢表面缺陷检测方法及装置 | |
CN110857921A (zh) | 一种卷装长丝的毛丝缺陷检测方法 | |
KR20070005968A (ko) | 용접부 결함 검출 방법 및 장치 | |
CN117237354B (zh) | 一种纺织衣物疵点视觉检测方法 | |
CN110895803B (zh) | 一种卷装长丝的网丝缺陷检测方法 | |
CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
CN115330770B (zh) | 一种布匹区域类疵点识别方法 | |
JPH06207909A (ja) | 表面欠陥検査装置 | |
CN113610843A (zh) | 一种光纤编织层的实时缺陷识别系统及其方法 | |
CN110857920A (zh) | 一种卷装长丝的成型不良缺陷检测方法 | |
CN113269758A (zh) | 一种基于机器视觉的卷烟外观检测方法及测试装置 | |
CN108171691B (zh) | 一种塑料容器的检测方法 | |
CN116630425B (zh) | 一种基于x光的食品智能检测系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200303 |
|
RJ01 | Rejection of invention patent application after publication |