CN110927064B - 一种基于视觉系统智能高效匣钵检测装置 - Google Patents
一种基于视觉系统智能高效匣钵检测装置 Download PDFInfo
- Publication number
- CN110927064B CN110927064B CN202010068786.6A CN202010068786A CN110927064B CN 110927064 B CN110927064 B CN 110927064B CN 202010068786 A CN202010068786 A CN 202010068786A CN 110927064 B CN110927064 B CN 110927064B
- Authority
- CN
- China
- Prior art keywords
- sagger
- image
- saggar
- industrial camera
- detection device
- 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.)
- Active
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
- G01N21/01—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
- G01N21/84—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
Abstract
本发明涉及一种基于视觉系统智能高效匣钵检测视觉系统,包括支撑架其内安装有新风系统和用于匣钵图像检测的视觉系统,视觉系统包括工业相机和图像处理单元,其中图像处理单元用于处理工业相机获取的图像,所述工业相机安装于支撑架内的顶面和侧面;还有用于匣钵检测时对齐的对齐组件为第一气缸,位于顶部的工业相机的正下方;用于匣钵检测时进行升降的举升气缸组件和用于拦截窑炉回转线上匣钵的拦截组件其包括外部拦截气缸和内部拦截气缸,外部拦截气缸用于拦截未进入检测装置的待检测的匣钵,内部拦截气缸用于拦截检测装置内的待检测匣钵。本发明可以实现24小时的智能检测,自动识别,检测精度高,产品合格率高,生产率高。
Description
技术领域
本发明涉及一种基于视觉系统智能高效匣钵检测装置,属于锂离子电池生产设备技术领域。
背景技术
在锂离子电池正极材料的生产过程中,电子窑炉对电子粉体材料烧结时需要将电子粉体装入匣钵,由匣钵连同电子粉体材料进入电子窑炉烧成,烧成后由匣钵载着电子粉体材料一起出窑炉,在解碎工位对匣钵内的电子粉体材料解碎,而后倒出匣钵,倒出电子粉体材料后的空的匣钵经过清扫工位清扫后进入装料工位进行装料,之后再次引入电子窑炉烧成。由此可知,匣钵属于循环使用的周转容器,由于匣钵频繁受到骤热骤冷,随着使用次数的增加,匣钵底部会出现起皮,掉渣,匣钵四角会出现掉角,四壁会出现裂纹,这些细小的缺陷会不断的扩大直至使匣钵整体破碎。因此如果不能将形成由细微的匣钵提前筛分出来并剔除,那么在窑炉中一旦出现爆裂会产生以下技术问题:
1、由于破碎的匣钵会影响匣钵输送棍的正常运行,并还会滞留于电子窑炉的炉膛内,因而造成电子窑炉运行故障。
2、由于匣钵破碎,先前装入匣钵内的电子粉体材料无法引出炉膛,一方面会造成浪费,另一方面造成电子窑炉的运行故障。
3、由于匣钵碎裂而淤积在炉膛内的电子粉体材料清楚麻烦,因而对工人炉膛清洁作业强度大,并且难以获得期望的清洁效果。
目前国内在辊道炉使用中匣钵外观的检测主要依靠人工用眼去观察匣钵外观,辊道炉周边的环境温度较高且每天24小时不停的运转,单纯依靠人工长时间待在高温环境去检测匣钵好坏,容易造成误判和漏判,且成本高,效率低,易造成不良品的产生和材料的浪费。
发明内容
针对上述问题,本发明提出来一种基于视觉系统智能高效匣钵检测装置,其技术方案如下所述:
一种基于视觉系统智能高效匣钵检测装置,包括:支撑架、用于匣钵图像检测的视觉系统、用于匣钵检测时对齐的对齐组件、用于匣钵检测时进行升降的举升气缸组件、用于拦截窑炉回转线上匣钵的拦截组件:
所述支撑架安装有用于净化检测装置内部的空气的新风系统,所述支撑架的顶部设置有新风通道;
所述视觉系统包括工业相机组件和图像处理单元,所述图像处理单元用于处理所述工业相机组件获取的图像,所述工业相机组件包括第一工业相机和第二工业相机,所述第一工业相机安装于所述支撑架内的顶面,所述第二工业相机为4个且均安装在所述支撑架的内侧面;
所述对齐组件为第一气缸,所述第一气缸设置在第一工业相机的正下方;
所述举升气缸组件包括举升气缸,所述举升气缸的活塞杆上设置有用于放置匣钵的托盘;
所述拦截组件包括外部拦截气缸和内部拦截气缸,所述外部拦截气缸安装在所述支撑架外部,所述内部拦截气缸安装在所述支撑架内部。
进一步的,所述视觉系统还设置有与所述工业相机组件相匹配的光源,所述工业相机组件通过相机支架与所述支撑架连接,所述相机支架的安装板上连接有用于工业相机组件的降温的制冷组件。
进一步的,所述安装板上设置有U型孔,所述制冷组件为水冷管,所述水冷管设在U型孔上。
进一步的,还包括用于对所述工业相机组件镜头吹气除尘的除尘组件、用于匣钵检测时遮光的遮板;
所述除尘组件为吹气管,所述吹气管的出气端设置在工业相机组件镜头的外周,所述吹气管的进气端与气源连接;
所述遮板为多个,所述遮板上设置有与光源和工业相机组件相对的第二通孔。
进一步的,所述图像处理单元收到工业相机组件的图像后进行预处理,并输入到卷积神经网络模型GoogleNet中完成匣钵缺陷检测,并将结果反馈给控制中心。
进一步的,所述图像处理单元对采集的匣钵图像进行预处理的具体过程如下:
步骤1:图像处理单元获取匣钵图像,对采集的匣钵图像进行裁剪,以提取有效区域,所述有效区域为匣钵测试图像中非边界区域;
步骤2:对步骤1处理后的匣钵图像进行亮度和对比度的调整;
步骤3:对步骤2处理后的匣钵图像进行缺陷标记,对有缺陷图像以缺陷为中心对有效区域内进行分割,分割后图像的像素为512*512。
进一步的,所述步骤2采用公式g(c, v)=a* f(c, v)+b对匣钵图像的亮度和对比度进行调整,其中c, v表示像素点的坐标位置,f(c, v)表示调整前的图像像素,g(c, v)表示调整后的图像像素,a为用于控制图像对比度的增益,b为用于控制图像亮度的偏置,a, b在每次调整中随机取值。
进一步的,所述卷积神经网络模型GoogleNet的初始学习率为0.001,所述卷积神经网络模型GoogleNet的迭代次数间隔为2000;
所述卷积神经网络模型GoogleNet的训练采用9个Inception模块,所述Inception模块包括多个卷积层和最大池化层;
所述卷积神经网络模型GoogleNet使用的池化方式为:均值池化和最大池化;
所述卷积神经网络模型GoogleNet采用Relu激活函数加速网络训练,所述Relu激活函数为Relu(x)=max(0, q),其中q为单个神经元的加权求和值;
所述卷积神经网络GoogleNet采用SGD算法对卷积神经网络训练进行最优化求解。
本发明可以替代人工实现24小时不间断的智能检测,避免了人工检测中出现的误判和漏判,具有自动识别,检测精度高,产品合格率高,生产率高的特点,本发明使用水冷装置和除尘装置,避免了高温和灰尘对相机工作的影响,保证相机高效率的工作状态。
说明书附图
图1为匣钵在回转炉的运行流程;
图2为一种基于视觉系统智能高效匣钵检测装置的结构示意图;
图3为一种基于视觉系统智能高效匣钵检测装置在窑炉回转线的剖面图;
图4为一种基于视觉系统智能高效匣钵检测装置在窑炉回转线的安装示意图。
具体实施例
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,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。
需要理解的是,术语 “顶部”、“中部”、 “上”、“一侧”、 “内”、“左侧”、“右侧”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。
如图1所示的匣钵在回转炉的运行流程,首先电子粉体材料装入匣钵,由匣钵连同电子粉体材料进入电子窑炉高温烧结,高温烧结后由匣钵载着电子粉体材料一起出炉,接着在解碎工位对匣钵内的电子粉体材料解碎,之后将电子粉体材料倒出匣钵,再接着对倒出电子粉体材料后的匣钵进行清扫后,最后对清扫后匣钵进行检测,如果为合格品则进入装料工位装料,之后再进入电子窑炉烧结的循环流程;如果为不合格品则由检测工位下方的排废气缸对其进行拦截,由人工或机器手取出。
如图2-3所示的一种基于视觉系统智能高效匣钵检测装置,所述匣钵检测装置包括支撑架1,支撑架1安装在窑炉回转线外周,所述支撑架1包括顶面和4个侧面组成的相对密封的长方体形结构,所述支撑架1内安装有新风系统,所述支撑架1的顶部设置有新风通道11,用于净化检测装置内部的空气,顶部设置有双层板,上层板设置有直径200mm 的大孔,下层板为小孔,可以使得空气均匀进入。新风系统设计时,使得匣钵检测装置内形成微正压,把经过净化处理的风从新风通道11送到检测设备的空间里,避免车间的粉尘进入到匣钵检测装置的内部,防止粉尘落在电子元器件及工业相机的镜头上,对检测结果造成误判;支撑架1下方设置有柜体12用于放置工控机等控制器。
支撑架1内还设置有视觉系统2,视觉系统2包括工业相机组件、图像处理单元和与所述工业相机组件相匹配的光源,其中工业相机组件通过相机支架安装在支撑架1内部的顶面和侧面,所述光源通过连接板与相机支架铰接,便于拍摄时调整光源的位置;所述工业相机组件包括第一工业相机211和第二工业相机212,所述第一工业相机211通过安装板安装于所述支撑架1的顶面,所述第二工业相机212分别安装于支撑架1的4个侧面;与第一工业相机211相匹配的第一光源为231为多个平板光源组成的立体状结构,所述第一光源为231的底面与第一工业相机211的镜头相对的位置设置有第一通孔用于拍摄,所述与第二工业相机212相匹配的为条形光源232。
进一步的,所述图像处理单元用于处理所述工业相机组件获取的图像,当图像处理单元收到工业相机组件的图像后进行预处理, 具体过程如下:
步骤1:工业相机组件获取匣钵图像,图像处理单元对采集的匣钵图像进行裁剪,以提取有效区域,所述有效区域为匣钵测试图像中非边界区域;
步骤2:对步骤1处理后的匣钵图像进行亮度和对比度的调整;对亮度和对比度进行调整的具体过程为:图像处理单元采用公式g(c, v)=a*f(c, v)+b对匣钵图像的亮度和对比度进行调整:,其中c, v为像素点的位置坐标, f(c, v)表示调整前的图像像素, g(c, v)表示调整后的图像像素,a为用于控制图像对比度的增益,b为用于控制图像亮度的偏置,a, b在每次调整中随机取值;
步骤3:对步骤2处理后的匣钵图像进行缺陷标记,对有缺陷图像以缺陷为中心对有效区域内进行分割,分割后图像的像素为512*512。
图像处理单元将预处理后的图像并输入到卷积神经网络模型GoogleNet中,所述卷积神经网络模型GoogleNet的初始学习率为0.001,所述卷积神经网络模型GoogleNet的迭代次数间隔为2000;本实施例中卷积神经网络模型GoogleNet的训练采用9个Inception模块,所述Inception模块包括多个卷积层和最大池化层;卷积神经网络模型GoogleNet对图片是否存在缺陷及缺陷类型进行判断,本实例中将缺陷类型分为缺角、裂缝,龟裂和正常,完成匣钵缺陷检测,并将结果反馈给智能控制系统。
进一步的,所述卷积神经网络模型GoogleNet采用Relu激活函数加速网络训练,所述Relu激活函数的定义式(1) 为:Relu(x)=max(0, q) (1)
其中q为单个神经元的加权求和值。采用Relu激活函数防止梯度弥散,加速网络训练。该函数能够自适应地学习整流器的参数,在不额外增加成本的同时提高精确度,并且能够使梯度在进行反向传播的同时很好地传递到前面的网络层,防止梯度弥散的问题,同时加速网络训练。
所述卷积神经网络模型GoogleNet使用的池化方式为:均值池化和最大池化,其中最大池化是通过在特征图的k*k邻域内取最大值的方法来计算每个卷积内核输出的非重叠矩形区域的最大值,用于分离非常稀疏的特征,且能够减小卷积层参数误差造成估计均值的偏移误差,更多的保留纹理信息。定义为式(2)-(3):
均值池化是利用局部接受域内的所有采样点求平均,能够减小由于邻域大小受限造成的估计值方差增大的误差,更多的保留图像的背景信息,采用了均值池化来代替全连接层,该想法来自NIN(Network in Network),事实证明这样可以将准确率提高0.6%。均值池化定义为式(4)-(5):
其中,a表示为激活值, a i 表示为激活值为i的激活数值,q i 为加权和,L为检索结果,k表示类别的索引,D为卷积核维度,为系数,i, j为a i, j 对应的池化覆盖区域, a i, j 为覆盖区域池化的值,h i, j 为最大池化的值。
系统的损失函数用来测量预测结果与输入的标签之间的差异,定义见式(6):
其中W表示卷积和完全连接的层的权重矩阵,n表示训练样本的数量,i是训练样本的索引,并且k是类别的索引,x i 为真实值。如果第i个样本属于第k类,y ik =1;否则,y ik =0。P (x i =k)是模型预测的属于第k类的输入概率,它是参数W的函数。所以损失函数以W为参数。网络训练的目的是为了找到最小化损失函数E的W值;在本发明中,所述卷积神经网络GoogleNet采用SGD算法对卷积神经网络训练进行最优化求解,我们使用随机梯度下降算法(SGD)对W进行更新,更新方式见公式(7);
本发明增加了对工业相机组件进行降温的制冷组件,制冷组件为水冷管与制冷机,水冷管里面是循环水,本发明中工业相机组件安装在相机支架的安装板上,支架与支撑架1连接,所述安装板上设置有U型孔,水冷管均匀排布在U型孔的两端,通过循环水对安装板进行降温,由于安装板为铝制,通过安装板就可以对工业相机组件进行散热,因为匣钵在从烧结到后面出料后都是在热的环境中进行,车间的平均温度都要在45度以上,所以就要对CCD等精密元器件进行降温处理,保证元器件的正常使用寿命。
所述支撑架1内还设置有用于匣钵检测时对齐的对齐组件3,用于匣钵检测时进行升降的举升气缸组件4和用于拦截窑炉回转线上匣钵8的拦截组件,所述对齐组件3为第一气缸,所述第一气缸是双轴气缸(厂家型号为:亚德客B52-TR25X150S)为两个分别设置在回转线两侧,其中第一气缸通过连接件安装在所述支撑架1内,并设置在第一工业相机211的正下方的拍摄区域中心,当匣钵8进入拍摄区域中心时,第一气缸接收信号将匣钵8的左右对齐,第一气缸的作用是对进入拍摄区域中心的匣钵位置进行校正,使得工业相机组件能拍摄到匣钵侧面和底面的正投影;所述举升气缸组件4包括举升气缸设置在所述第一气缸的下方,其中举升气缸活塞杆上设置有用于放置匣钵的托盘41,本发明采用举升气缸为亚德客的B52-TCL32X200S,活塞杆行程为200mm,图2中用于拍摄的匣钵8的底面距离托盘41的距离为200mm,故举升气缸4可以将匣钵8顶升至拍摄位置;所述拦截组件包括外部拦截气缸51和内部拦截气缸52,所述外部拦截气缸51安装在所述支撑架1的外部用于拦截待检测的匣钵,所述内部拦截气缸52安装在所述支撑架1内部举升气缸的右侧,用于拦截待检测匣钵。本发明所述拦截气缸亚德客的B52-TCM25X100S,拦截气缸的活塞杆上设置有挡板,当匣钵进入拍摄中心时,拦截气缸接收拦截信号后,其挡板升起拦截匣钵侧面,检测完成后挡板收回使匣钵运行到一下个工位。
为了保证工业相机组件拍摄效果,本发明还设置了用于对所述工业相机组件镜头吹气除尘的除尘组件和用于匣钵检测时遮光的遮板7;所述除尘组件为吹气管,其进气端与气源连接,出气端设置在工业相机组件镜头的外周,设计每5分钟对工业相机组件的镜头进行吹灰,避免粉尘落在镜头上对检测结果造成误判;所述遮板为4个,其长度大于匣钵的长度,所述遮板7上设置有与光源和相机相对的第二通孔用于匣钵图像的拍摄,所述遮板7设置在拍摄中心的外周,拍摄时匣钵8进入遮板7组成拍摄区域中,如图2中所示即拍摄时匣钵8所在的拍摄位置,设置遮板7作为背景可以让拍摄的图像效果更好。
图4为一种基于视觉系统智能高效匣钵检测装置在窑炉回转线的安装示意图,所述匣钵检测装置安装在匣钵8清扫后和进行装料前对匣钵8进行检查,该设备可用于连续匣钵生产中的检查,也可以用与间断的匣钵生产中,本实施例中,匣钵8长度为300mm,其进入检测装置的时间间隔为45s,外部拦截气缸距离检测装置右侧不小于500mm,当匣钵8进入到检测装置的拍摄中心时,首先内部拦截气缸52将进入检测装置的匣钵进行拦截,同时外部拦截气缸51的挡板升起,拦截后续待进入检测装置的匣钵,保证检测装置中只有一个匣钵;其次对齐组件3接收信号,第一气缸的活塞杆作用到匣钵8的侧面使其左右对齐,内部拦截气缸52和第一气缸可以对进入拍摄区域中心的匣钵位置进行校正,使得工业相机组件能拍摄到匣钵侧面和底面的正投影,然后举升气缸4将匣钵升高至图3中匣钵8所在的拍摄位置,与此同时工业相机组件拍摄匣钵8底面和侧面的图像,并将图像传送到图像处理单元进行算法运算,判断工业相机组件拍摄的匣钵图像是否存在缺陷,接着举升气缸4收回,内部拦截气缸52收回挡板使匣钵继续向前运行,当匣钵合格时,外部拦截气缸51收回挡板使匣钵8进入下一个操作工序;当匣钵不合格时,外部拦截气缸51继续拦截待进入检测装置的匣钵,同时位于检测装置左侧的排废气缸53的挡板弹起拦截有缺陷的匣钵,等待工人或机械手将匣钵从窑炉回转线取下放入废品箱内,此时排废气缸53恢复到原点,同时外部拦截气缸51的挡板也收回,使后续待检测的一个匣钵进入检测装置进行检测,至此完成一个运动操作。
具体操作原理:匣钵在卸料后再窑炉回转线上继续向装料方向转移,本发明检测部分是在匣钵的清扫工位之后和装钵工位之前进行,匣钵在连续进入到检测工位时,外部拦截气缸将后续匣钵挡住,位于相机工位的匣钵北举升气缸顶起,经视觉系统处理后举升气缸收回,匣钵继续向前运行,如果有不合格匣钵,后面工位的排废气缸53将匣钵拦截,用机械手将匣钵从窑炉回转线取下放入废品箱内,如果匣钵合格就继续向前进入下道工序。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于视觉系统智能高效匣钵检测装置,其特征在于,包括:支撑架(1)、用于匣钵图像检测的视觉系统(2)、用于匣钵检测时对齐的对齐组件(3)、用于匣钵检测时进行升降的举升气缸组件(4)、用于拦截窑炉回转线上匣钵的拦截组件;
所述支撑架(1)安装有用于净化检测装置内部的空气的新风系统,所述支撑架(1)的顶部设置有新风通道(11);
所述视觉系统(2)包括工业相机组件和图像处理单元,所述图像处理单元用于处理所述工业相机组件获取的图像,所述工业相机组件包括第一工业相机(211)和第二工业相机(212),所述第一工业相机(211)安装于所述支撑架(1)内的顶面,所述第二工业相机(212)为4个且均安装在所述支撑架的内侧面;
所述对齐组件(3)为第一气缸,所述第一气缸设置在第一工业相机(211)的正下方;
所述举升气缸组件(4)包括举升气缸,所述举升气缸的活塞杆上设置有用于放置匣钵的托盘(41);
所述拦截组件包括外部拦截气缸(51)和内部拦截气缸(52),所述外部拦截气缸(51)安装在所述支撑架(1)外部,所述内部拦截气缸(52)安装在所述支撑架(1)内部。
2.根据权利要求1所述的一种基于视觉系统智能高效匣钵检测装置,其特征在于,所述视觉系统(2)还设置有与所述工业相机组件相匹配的光源,所述工业相机组件通过相机支架与所述支撑架(1)连接,所述相机支架的安装板上连接有用于工业相机组件的降温的制冷组件。
3.根据权利要求2所述的一种基于视觉系统智能高效匣钵检测装置,其特征在于,所述安装板上设置有U型孔,所述制冷组件为水冷管,所述水冷管设在U型孔上。
4.根据权利要求1所述的一种基于视觉系统智能高效匣钵检测装置,其特征在于,还包括用于对所述工业相机组件镜头吹气除尘的除尘组件、用于匣钵检测时遮光的遮板(7);
所述除尘组件为吹气管,所述吹气管的出气端设置在工业相机组件镜头的外周,所述吹气管的进气端与气源连接;
所述遮板为4个,所述遮板上设置有与光源和工业相机组件相对的第二通孔。
5.根据权利要求1所述的一种基于视觉系统智能高效匣钵检测装置,其特征在于,所述图像处理单元收到工业相机组件的图像后进行预处理,并输入到卷积神经网络模型GoogleNet中完成匣钵缺陷检测,并将结果反馈给控制中心。
6.根据权利要求5所述的一种基于视觉系统智能高效匣钵检测装置,其特征在于,所述图像处理单元对采集的匣钵图像进行预处理的具体过程如下:
步骤1:图像处理单元获取匣钵图像,对采集的匣钵图像进行裁剪,以提取有效区域,所述有效区域为匣钵测试图像中非边界区域;
步骤2:对步骤1处理后的匣钵图像进行亮度和对比度的调整;
步骤3:对步骤2处理后的匣钵图像进行缺陷标记,对有缺陷图像以缺陷为中心对有效区域内进行分割,分割后图像的像素为512*512。
7.根据权利要求6所述的一种基于视觉系统智能高效匣钵检测装置,其特征在于,所述步骤2采用公式g(c, v)=a*f(c, v)+b对匣钵图像的亮度和对比度进行调整,其中c, v为像素点的位置坐标;f(c, v)表示调整前的图像像素,g(c, v)表示调整后的图像像素,a为用于控制图像对比度的增益,b为用于控制图像亮度的偏置,a, b在每次调整中随机取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010068786.6A CN110927064B (zh) | 2020-01-21 | 2020-01-21 | 一种基于视觉系统智能高效匣钵检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010068786.6A CN110927064B (zh) | 2020-01-21 | 2020-01-21 | 一种基于视觉系统智能高效匣钵检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110927064A CN110927064A (zh) | 2020-03-27 |
CN110927064B true CN110927064B (zh) | 2020-06-19 |
Family
ID=69854414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010068786.6A Active CN110927064B (zh) | 2020-01-21 | 2020-01-21 | 一种基于视觉系统智能高效匣钵检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110927064B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589186A (zh) * | 2021-05-20 | 2021-11-02 | 杭州泉泰科技有限公司 | 一种电池包过充85摄氏度环境试验工装 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103713623A (zh) * | 2013-12-18 | 2014-04-09 | 深圳市中冀联合通讯技术有限公司 | 自动化测试平台 |
CN108918540A (zh) * | 2018-09-20 | 2018-11-30 | 苏州华维诺智能科技有限公司 | 基于机械臂摄像视觉对产品零件的捕捉与检测装置及方法 |
CN209131399U (zh) * | 2018-11-21 | 2019-07-19 | 华鼎国联四川电池材料有限公司 | 锂离子电池正极材料生产用窑炉 |
CN209784199U (zh) * | 2019-01-23 | 2019-12-13 | 苏州智能制造研究院有限公司 | 一种基于机器视觉的外观检测系统 |
CN110044910B (zh) * | 2019-05-09 | 2024-02-13 | 河南大学 | 一种汽车置杯盒零部件检测系统及检测方法 |
CN110617771A (zh) * | 2019-10-18 | 2019-12-27 | 杭州中为光电技术有限公司 | 用于自动检测蓝宝石晶片厚度的装置 |
-
2020
- 2020-01-21 CN CN202010068786.6A patent/CN110927064B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110927064A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100989561B1 (ko) | Led 및 웨이퍼 검사장치 및 이를 이용한 검사방법 | |
CN101861643B (zh) | 光生伏打电池制造 | |
CN110296997B (zh) | 基于机器视觉的陶瓷瓦的缺陷检测方法及装置 | |
CN1338046A (zh) | 缺陷检查数据处理系统 | |
CN111558542A (zh) | 一种陶瓷瓦表面质量在线检测分拣系统及方法 | |
CN110927064B (zh) | 一种基于视觉系统智能高效匣钵检测装置 | |
KR102000906B1 (ko) | 페라이트 외관 비전 검사시스템 | |
CN102680102A (zh) | 基于机器视觉的太阳能硅晶片颜色自动检测方法 | |
CN109483557B (zh) | 具有摄像侦测装置的机械手臂组件及半导体生产设备 | |
KR101772849B1 (ko) | 트레이 불량검사 장치 및 불량검사 방법 | |
CN109273385A (zh) | 基于机械臂的晶圆缺陷检测方法、机械臂、半导体设备 | |
JP4767302B2 (ja) | ベアチップ用両面検査設備 | |
KR20090107400A (ko) | 기판 검사 장치 및 이를 갖는 공정 설비 | |
TW201911451A (zh) | 基板處理裝置以及基板處理裝置的構件檢查方法 | |
JP2014109436A (ja) | 基板の欠陥検査方法、基板の欠陥検査装置、プログラム及びコンピュータ記憶媒体 | |
CN207325352U (zh) | 环形钕铁硼产品磁性能的无损检验系统 | |
CN210102906U (zh) | 一种微型化电容的自动识别抓取装置 | |
KR102358840B1 (ko) | 기판 통합 검사 장치 | |
TW202402415A (zh) | 基板處理裝置及基板處理方法 | |
CN113953208B (zh) | 一种电子元件全自动分拣装置及其分拣方法 | |
US20180176549A1 (en) | Multi-view-angle image capturing device and multi-view-angle image inspection apparatus using the same | |
CN109765692B (zh) | 一种吸盘式全自动工业射线胶片读片机机构 | |
CN115178493A (zh) | 手机外壳外观检测系统及检测方法 | |
CN115201203A (zh) | 一种包黑膜外观缺陷检测装置 | |
CN211783613U (zh) | 一种手机摄像头玻璃视觉检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |