CN110969357A - 一种铝合金机加工零件孔洞视觉检测方法 - Google Patents
一种铝合金机加工零件孔洞视觉检测方法 Download PDFInfo
- Publication number
- CN110969357A CN110969357A CN201911221732.2A CN201911221732A CN110969357A CN 110969357 A CN110969357 A CN 110969357A CN 201911221732 A CN201911221732 A CN 201911221732A CN 110969357 A CN110969357 A CN 110969357A
- Authority
- CN
- China
- Prior art keywords
- hole
- holes
- image
- detection
- diameter
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明公开了一种铝合金机加工零件孔洞视觉检测方法,包括:步骤1,图像获取;步骤2,图像处理;步骤3,结果评价;本发明能够以远高于人工检测的速度实现对大批量生产的工件的24小时不间断检测。根据工件的尺寸可以适配不同视场的镜头和传感器组合以获得要求的检测精度,使得本发明的检测方案较传统的专用量具检测具有更加广泛的适应性。本发明工业摄像机与镜头体积小巧、价格低廉、安装方便。相较于成套的现有质量检测系统,低廉的设备成本与较小的改造工作量更加适用于中小型企业完成产品质量检测的自动化升级。
Description
【技术领域】
本发明属于工业自动化,机加工零件质量检测技术领域,涉及一种铝合金机加工零件孔洞视觉检测方法。
【背景技术】
工业机器人技术在自动化生产线中以完成各种工序任务的多功能执行器的角色出现。为提高企业生产效率,降低生产成本做出巨大贡献。在质量检测工序中,将机器人所载末端执行器更改为满足要求的摄像机便完成视觉检测硬件系统的传感器部分构建。安装于机器人末端的摄像机借助工业机器人的高速、灵活、姿态可变等特点能够以相对拍摄对象最佳的位置实现原始图像数据的采集。
机器视觉技术将由摄像机获取的数字图像数据按照所需的方法简化、增强、提取其中的兴趣特征与参数。并将这些数据应用于后续执行步骤,作为行动参考或判定准则。使得工业自动化逐步将更多囿于人工繁琐而无法提高效率的工作项目实现自动化并实现生产工作效率的极大提升。
产品质量检测作为产品生产的最后一个环节是对前面所有工序加工质量的再检验与最后保证。也是提升生产效率的最后一环。随着生产线自动化逐渐普及。在产品质量检测工序的自动化也逐渐被研究者注意,基于各种物理量的传感器被用作对特定产品特征的自动化检测以替代人工,完成实现生产线自动化的最后一环。目前,现有产品质量检测方法无法实现低成本的自动化产品质量检测。
【发明内容】
本发明的目的在于解决现有技术中的问题,提供一种铝合金机加工零件孔洞视觉检测方法,能够实现低成本的先行生产线产品质量检测工序自动化改造。
为达到上述目的,本发明采用以下技术方案予以实现:
一种铝合金机加工零件孔洞视觉检测方法,包括以下步骤:
步骤1,图像获取:
加工孔洞前,将孔洞所在的平面加工为光滑平面;在图像获取时设置光源使得光滑平面反射足够强的光线使得拍摄所得的平面区域为高光;在孔洞区域由于凹陷的特征使得获取的图像中的对应区域为暗部;由此使得孔洞区域与非孔洞区域具有反差并且两种区域之间的分界清晰明显;
步骤2,图像处理:
对摄像机拍摄所得的图像使用程序进行处理,简化冗余信息,增强兴趣特征并对目标的大直径光孔与小直径螺纹孔进行区分并分别计数,同时计算检测所得图像中孔洞的像素坐标与像素直径;将图像处理所得的结果反馈至交户界面与评价系统;
步骤3,结果评价:
对铝合金孔洞加工工序的评估标准为正确的孔洞类型、正确的孔洞数量、正确的孔洞直径和正确的孔洞位置;四项评估标准中的任何一项出错均判定为该检测对象不合格;孔洞的直径和位置作为定性参数判定合格与否,当与规定位置和直径数值相差超过±15%时,认定为孔不合格,并判定为检测目标零件不合格。
本发明进一步的改进在于:
所述步骤1中,在图像获取时使用景深较小的镜头,避免在拍摄时孔底或孔壁的特征对后续的处理流程产生干扰使得程序错误计算孔洞数量。
所述步骤2的具体方法如下:
步骤2-1,图像前处理:
将输入的原始图像依次进行灰度化和高斯滤波处理,以忽略图像的颜色信息,并保证后续检测不受图像噪声干扰;
步骤2-2,孔洞检测:
使用霍夫变换检测圆,加强图像对比后检测高灰度梯度边缘并进行检测;设定圆检测的灰度阈值,最大、最小直径阈值以及相邻圆心最小距离参数,以筛选图像中兴趣圆形特征;计算孔洞的对应圆心坐标与相应的像素直径值;
步骤2-3,孔洞区分:
根据检测所得的孔洞像素直径将孔洞特征区分为大孔与小孔;区分阈值依据拍摄条件与孔洞特征的实际大小标定,并分别计数;在拍摄所得的原始图像上对检测所得的圆特征进行标注并将标注图连同检测数据一同写入数据库。
所述步骤2-2中,若相机为灰度相机则不进行灰度化。
与现有技术相比,本发明具有以下有益效果:
本发明基于机器视觉实现的铝合金机加工工件孔洞非接触检测,能够以远高于人工检测的速度实现对大批量生产的工件的24小时不间断检测。根据工件的尺寸可以适配不同视场的镜头和传感器组合以获得要求的检测精度,使得本发明的检测方案较传统的专用量具检测具有更加广泛的适应性。本发明工业摄像机与镜头体积小巧、价格低廉、安装方便。相较于成套的现有质量检测系统,低廉的设备成本与较小的改造工作量更加适用于中小型企业完成产品质量检测的自动化升级。
【附图说明】
图1为本发明检测方法的流程图;
图2为已完成钻孔加工的检测目标零件(局部);
图3为应用高斯滤波后的检测实例图像处理结果;
图4为整体图像空洞检测结果(识别孔洞像素直径并标识)。
【具体实施方式】
为了使本技术领域的人员更好地理解本发明方案,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一部分的实施例,不是全部的实施例,而并非要限制本发明公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要的混淆本发明公开的概念。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明公开的上下文中,当将一层/元件称作位于另一层/元件“上”时,该层/元件可以直接位于该另一层/元件上,或者它们之间可以存在居中层/元件。另外,如果在一种朝向中一层/元件位于另一层/元件“上”,那么当调转朝向时,该层/元件可以位于该另一层/元件“下”。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面结合附图对本发明做进一步详细描述:
参见图1,本发明基于机器视觉的铝合金机加工零件孔洞特征检测方法,包括以下步骤:
步骤1:图像获取,加工孔洞前,孔洞所在的平面必然经过机加工而成为粗糙度较小的光滑平面。在图像获取时利用检测目标零件的这一特征,设置光源使得光滑平面反射足够强的光线使得拍摄所得的平面区域为高光。在孔洞区域由于凹陷的特征使得获取的图像中的对应区域为暗部。由此使得孔洞区域与非孔洞区域具有足够大的反差并且两种区域之间的分界足够清晰明显。在图像获取时使用景深较小的镜头,避免在拍摄时孔底或孔壁的特征对后续的处理流程产生干扰使得程序错误计算孔洞数量。
步骤2:图像处理,对摄像机拍摄所得的图像使用程序进行处理,简化冗余信息,增强兴趣特征并对目标的大直径光孔与小直径螺纹孔进行区分并分别计数,同时计算检测所得图像中孔洞的像素坐标与像素直径。将图像处理所得的结果反馈至交户界面与评价程序。具体方法如下:
步骤2.1:图像前处理,将输入的原始图像依次进行灰度化(若为灰度相机则可不进行灰度化)、高斯滤波处理。以忽略图像的颜色信息并保证后续检测不受图像噪声干扰。
步骤2.2:孔洞检测(圆检测),使用霍夫变换检测圆,加强图像对比后检测高灰度梯度边缘并进行检测。设定圆检测的灰度阈值,最大、最小直径阈值以及相邻圆心最小距离等参数以筛选图像中强度足够大的兴趣圆形特征。计算孔洞的对应圆心坐标与相应的像素直径值
步骤2.3:孔洞区分,根据检测所得的孔洞像素直径将孔洞特征区分为大孔与小孔。区分阈值依据拍摄条件与孔洞特征的实际大小标定,可根据现场需求调整。并分别计数。在拍摄所得的原始图像上对检测所得的圆特征进行标注并将标注图连同检测数据一同写入数据库。
步骤3:结果评价,对铝合金孔洞加工工序的评估标准为正确的孔洞类型、正确的孔洞数量、正确的孔洞直径和正确的孔洞位置。四项评估标准中的任何一项出错均判定为该检测对象不合格。值得注意的是,孔洞数量与孔洞类型不允许偏差,其检测所得的数据类型为整数或布尔型(此处仅大光孔和小螺纹孔两种类型)。但孔洞的直径和位置在图像检测过程中总是存在误差。其作为定性参数判定合格与否,当与规定位置和直径数值相差超过±15%时,可认定为孔不合格,并判定为检测目标零件不合格。
结果评价方法具体如下:
大小孔洞数量需要对应合格,且在个预定坐标位置均有既定类型的孔洞特征判定为检测对象合格。孔洞数量多于设定值则为废品或小孔错加工为大孔为废品,无法返工。孔数量少于设定值、大孔错加工为小孔为次品,可再次加工。将此二类不合格性质区分并应用不同的后续处理方法。
实施例:
步骤1:利用本方法实现对经过机加工的铝合金铸件的部分的各侧孔洞特征使用摄像机拍摄获得原始灰度图像,如图2所示;使得经过机加工的光面为高光,孔洞部分为阴影,未经加工的铸造面为中灰度区域;
步骤2:对拍摄所得的图像使用尺寸为5*5像素核的进行高斯滤波,如图3所示;
步骤3:应用霍夫变换,设定canny算子阈值Param1=100,检测图像中的圆并将数据记录至内存中。
步骤4:根据设定的阈值对孔洞的类型进行区分并使用不同颜色的笔迹标识于原始图像上,如图4所示;
步骤5:将检测并区分所得的孔洞参数输出至控制台;
步骤6:根据与原始工件应具有的孔洞特征数量与位置信息判定该工件合格。
步骤7:对同一工件更改摄像机、镜头以及检测参数重复以上流程实现对孔洞更加精确的检测。摄像机安装与工业机器人末端,根据图像获取的要求设定摄像机与检测工件的相对位置;
步骤8:针对不同区域的孔洞设定四个拍摄位置,按步骤1-5进行处理并将结果展示于原始图像上;
步骤9:将案例图片的检测结果展示于界面程序中。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (4)
1.一种铝合金机加工零件孔洞视觉检测方法,其特征在于,包括以下步骤:
步骤1,图像获取:
加工孔洞前,将孔洞所在的平面加工为光滑平面;在图像获取时设置光源使得光滑平面反射足够强的光线使得拍摄所得的平面区域为高光;在孔洞区域由于凹陷的特征使得获取的图像中的对应区域为暗部;由此使得孔洞区域与非孔洞区域具有反差并且两种区域之间的分界清晰明显;
步骤2,图像处理:
对摄像机拍摄所得的图像使用程序进行处理,简化冗余信息,增强兴趣特征并对目标的大直径光孔与小直径螺纹孔进行区分并分别计数,同时计算检测所得图像中孔洞的像素坐标与像素直径;将图像处理所得的结果反馈至交户界面与评价系统;
步骤3,结果评价:
对铝合金孔洞加工工序的评估标准为正确的孔洞类型、正确的孔洞数量、正确的孔洞直径和正确的孔洞位置;四项评估标准中的任何一项出错均判定为该检测对象不合格;孔洞的直径和位置作为定性参数判定合格与否,当与规定位置和直径数值相差超过±15%时,认定为孔不合格,并判定为检测目标零件不合格。
2.根据权利要求1所述的铝合金机加工零件孔洞视觉检测方法,其特征在于,所述步骤1中,在图像获取时使用景深较小的镜头,避免在拍摄时孔底或孔壁的特征对后续的处理流程产生干扰使得程序错误计算孔洞数量。
3.根据权利要求1所述的铝合金机加工零件孔洞视觉检测方法,其特征在于,所述步骤2的具体方法如下:
步骤2-1,图像前处理:
将输入的原始图像依次进行灰度化和高斯滤波处理,以忽略图像的颜色信息,并保证后续检测不受图像噪声干扰;
步骤2-2,孔洞检测:
使用霍夫变换检测圆,加强图像对比后检测高灰度梯度边缘并进行检测;设定圆检测的灰度阈值,最大、最小直径阈值以及相邻圆心最小距离参数,以筛选图像中兴趣圆形特征;计算孔洞的对应圆心坐标与相应的像素直径值;
步骤2-3,孔洞区分:
根据检测所得的孔洞像素直径将孔洞特征区分为大孔与小孔;区分阈值依据拍摄条件与孔洞特征的实际大小标定,并分别计数;在拍摄所得的原始图像上对检测所得的圆特征进行标注并将标注图连同检测数据一同写入数据库。
4.根据权利要求3所述的铝合金机加工零件孔洞视觉检测方法,其特征在于,所述步骤2-2中,若相机为灰度相机则不进行灰度化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911221732.2A CN110969357A (zh) | 2019-12-03 | 2019-12-03 | 一种铝合金机加工零件孔洞视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911221732.2A CN110969357A (zh) | 2019-12-03 | 2019-12-03 | 一种铝合金机加工零件孔洞视觉检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110969357A true CN110969357A (zh) | 2020-04-07 |
Family
ID=70032723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911221732.2A Pending CN110969357A (zh) | 2019-12-03 | 2019-12-03 | 一种铝合金机加工零件孔洞视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110969357A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539951A (zh) * | 2020-05-13 | 2020-08-14 | 西安交通大学 | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 |
CN112692453A (zh) * | 2020-12-16 | 2021-04-23 | 西安中科微精光子制造科技有限公司 | 利用高速相机识别气膜孔穿透区域的方法、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102037309A (zh) * | 2008-05-19 | 2011-04-27 | 瑞尼斯豪公司 | 光学检查探头 |
CN204405501U (zh) * | 2015-03-04 | 2015-06-17 | 天津市建筑科学研究院有限公司 | 一种水泥基材料孔结构的测试分析系统 |
CN106097363A (zh) * | 2016-06-21 | 2016-11-09 | 核工业理化工程研究院 | 测量合金残留第二相最近邻距离分布的体视学方法 |
CN106097323A (zh) * | 2016-06-03 | 2016-11-09 | 江苏大学 | 一种基于机器视觉的发动机气缸体铸件的定位方法 |
CN109741314A (zh) * | 2018-12-29 | 2019-05-10 | 广州博通信息技术有限公司 | 一种零件的视觉检测方法及系统 |
JP2019117930A (ja) * | 2013-06-04 | 2019-07-18 | ケーエルエー−テンカー コーポレイション | 欠陥検出を強化するための最良の開口及びモードを発見するためのシステム及び方法 |
-
2019
- 2019-12-03 CN CN201911221732.2A patent/CN110969357A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102037309A (zh) * | 2008-05-19 | 2011-04-27 | 瑞尼斯豪公司 | 光学检查探头 |
JP2019117930A (ja) * | 2013-06-04 | 2019-07-18 | ケーエルエー−テンカー コーポレイション | 欠陥検出を強化するための最良の開口及びモードを発見するためのシステム及び方法 |
CN204405501U (zh) * | 2015-03-04 | 2015-06-17 | 天津市建筑科学研究院有限公司 | 一种水泥基材料孔结构的测试分析系统 |
CN106097323A (zh) * | 2016-06-03 | 2016-11-09 | 江苏大学 | 一种基于机器视觉的发动机气缸体铸件的定位方法 |
CN106097363A (zh) * | 2016-06-21 | 2016-11-09 | 核工业理化工程研究院 | 测量合金残留第二相最近邻距离分布的体视学方法 |
CN109741314A (zh) * | 2018-12-29 | 2019-05-10 | 广州博通信息技术有限公司 | 一种零件的视觉检测方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539951A (zh) * | 2020-05-13 | 2020-08-14 | 西安交通大学 | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 |
CN111539951B (zh) * | 2020-05-13 | 2022-12-09 | 西安交通大学 | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 |
CN112692453A (zh) * | 2020-12-16 | 2021-04-23 | 西安中科微精光子制造科技有限公司 | 利用高速相机识别气膜孔穿透区域的方法、系统及介质 |
CN112692453B (zh) * | 2020-12-16 | 2022-07-15 | 西安中科微精光子科技股份有限公司 | 利用高速相机识别气膜孔穿透区域的方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
CN107341802B (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
US8054460B2 (en) | Methodology for evaluating the start and profile of a thread with a vision-based system | |
CN111862037A (zh) | 基于机器视觉的精密孔类零件几何特征检测方法及系统 | |
CN101532926A (zh) | 冲击试样自动加工装置在线检测视觉系统及其图像处理方法 | |
CN103868924A (zh) | 一种基于视觉的轴承外观缺陷检测算法 | |
He et al. | A critical review for machining positioning based on computer vision | |
CN104316033A (zh) | 汽车零部件视觉检测系统 | |
CN108582075A (zh) | 一种智能机器人视觉自动化抓取系统 | |
CN110969357A (zh) | 一种铝合金机加工零件孔洞视觉检测方法 | |
CN108844961A (zh) | 一种温控器壳体视觉检测系统及方法 | |
CN110930376A (zh) | 基于机器视觉的对焊点毛刺的检测方法及系统 | |
CN113822810A (zh) | 一种基于机器视觉的三维空间中工件的定位方法 | |
CN116539620A (zh) | 一种刀具表面缺陷在机检测方法 | |
CN111353981B (zh) | 基于机器视觉的齿轮检测方法、系统及存储介质 | |
CN113237889A (zh) | 一种多尺度的陶瓷检测方法及系统 | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN115753791B (zh) | 基于机器视觉的缺陷检测方法、装置以及系统 | |
Li et al. | Real-time detection method for surface defects of stamping parts based on template matching | |
CN109035333B (zh) | 轴对称图形的偏转角度识别的单目机器视觉方法 | |
Ye et al. | Automatic optical apparatus for inspecting bearing assembly defects | |
Bin et al. | Surface Flaw Recognition of Engine Connecting Rod Based on Mathematical Morphology | |
WO2014178936A2 (en) | Method and system for optically inspecting outer peripheral surfaces of parts | |
Radkowski | Machine Vision and Robotic Inspection Systems | |
Wu et al. | The weld extraction algorithm for robotic arc welding based on 3D laser sensor |
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: 20200407 |
|
RJ01 | Rejection of invention patent application after publication |