CN111272766A - 一种基于视觉技术的表面缺陷检测系统及其检测方法 - Google Patents

一种基于视觉技术的表面缺陷检测系统及其检测方法 Download PDF

Info

Publication number
CN111272766A
CN111272766A CN202010104040.6A CN202010104040A CN111272766A CN 111272766 A CN111272766 A CN 111272766A CN 202010104040 A CN202010104040 A CN 202010104040A CN 111272766 A CN111272766 A CN 111272766A
Authority
CN
China
Prior art keywords
defect
light source
image
detection
vision
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
Application number
CN202010104040.6A
Other languages
English (en)
Inventor
闫业斌
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.)
Shanghai Pumid Automation Technology Co Ltd
Original Assignee
Shanghai Pumid Automation Technology Co Ltd
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 Shanghai Pumid Automation Technology Co Ltd filed Critical Shanghai Pumid Automation Technology Co Ltd
Priority to CN202010104040.6A priority Critical patent/CN111272766A/zh
Publication of CN111272766A publication Critical patent/CN111272766A/zh
Pending legal-status Critical Current

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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/8901—Optical details; Scanning details
    • G01N21/8903—Optical details; Scanning details using a multiple detector array
    • 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
    • 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
    • G01N2021/888—Marking defects
    • 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
    • G01N2021/8909—Scan signal processing specially adapted for inspection of running sheets
    • G01N2021/891—Edge discrimination, e.g. by signal filtering
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Textile Engineering (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开的一种基于视觉技术的表面缺陷检测系统及其检测方法，该表面缺陷检测系统包括光源子系统、视觉采集子系统和控制中心，检测方法包括缺陷特征载入、检测区域调节、图像采集、图像预处理、图像定位分切、缺陷特征调取、缺陷判别和缺陷定位等步骤，本发明设计合理，通过设定差分阈值，进行图像重叠，降低缺陷判别的溢漏现象，阵列光源由形态控制机构控制，进行多形态的变化调整，达到适配多种待测物品的表面缺陷检测的目的，可有效实现待测物品的高速、连续、自动化表面缺陷检测，并提高表面缺陷的检测精度。

Description

一种基于视觉技术的表面缺陷检测系统及其检测方法
技术领域
本发明涉及表面缺陷检测技术领域，特别是一种基于视觉技术的表面缺陷检测系统及其检测方法。
背景技术
表面缺陷检测是一种针对产品表面缺陷的检测过程，基于视觉设备检测产品的表面缺陷。
常规的表面缺陷系统在图像的分切处理上，往往是连续分切，导致，相邻图像的边缘是连续的，因此在对该种图像进行缺陷判别时，对其边缘区域的判别往往会存在溢漏的情况，导致，缺陷判别误差变大，缺陷检测精度下降，而且，对于不同待测物品(如块状、面材的区别)的照明也需要针对调节，而这是常规的表面缺陷系统所不具备的。
发明内容
本发明针对上述问题，从而公开了一种基于视觉技术的表面缺陷检测系统及其检测方法。
具体的技术方案如下：
一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，该表面缺陷检测系统包括光源子系统、视觉采集子系统和控制中心；
所述光源子系统：包括阵列光源、光源控制器和形态控制机构；
所述视觉采集子系统：包括相机矩阵和光学传感器；
所述控制中心：包括控制主机、图像处理模块、光学定位模块、缺陷检测模块、光学标记模块和缺陷特征存储单元；
所述相机矩阵由多个相机单元组合而成，并与光学传感器控制交互，由光学传感器触发；
该表面缺陷检测系统的检测方法如下：
(1)检测前准备：
(1-1)缺陷特征载入：通过控制主机载入缺陷特征图谱，并存储于缺陷特征存储单元；
(1-2)检测区域调节：根据待测物品和物品传输装置，进行检测区域的设定，从而调节相机矩阵拍摄参数，以及阵列光源的照射参数；
(2)图像采集：
(2-1)图像采集：物品传输装置运行，待测物品持续运动，阵列光源启动，光学传感器感应光源，触发相机矩阵工作，进行图像采集；
(2-2)图像预处理：采集的图像由图像处理模块进行预处理，转换为单通道灰度图像，并进行降噪，生成二值化图像数据；
(2-3)图像定位分切：光学定位模块对连续的二值化图像数据进行光学定位，并进行图像分切；
(3)图像分析：
(3-1)缺陷特征调取：缺陷检测模块调取载入的缺陷特征图谱；
(3-2)缺陷判别：基于调取缺陷特征图谱，缺陷检测模块对分切的二值化图像进行分析，判别缺陷；
(3-3)缺陷定位：基于光学定位模块生成的定位信息，光学标记模块对缺陷位置进行光学标记，确定缺陷区域。
上述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，步骤(2-3)，在进行图像分切时，需预设差分阈值，避免图像的边缘特征溢漏。
上述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，步骤(3-2)，在进行缺陷判别时，基于缺陷特征图谱，对检测出的缺陷进行缺陷分类，并返回存储于控制主机中，同步展现与显示设备上。
上述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，所述相机矩阵所用的相机为工业CCD相机。
上述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，所述相机矩阵中的多个相机单元由姿态控制器独立调节。
上述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，所述阵列光源的形态包括但不限于条形、环形、四面形中的一种，并由形态控制机构调节光源形态。
上述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，所述形态控制机构由轨道、电动滑块和直线驱动器构成，所述轨道的数量为多条，且平行设置，所述电动滑块滑动设置于轨道上，且同一轨道上设置多个电动滑块，所述直线驱动器竖直设置，并固定连接与电动滑块下方。
上述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，所述阵列光源由多个光源单元组合而成，多个所述光源单元由光源控制器独立控制，光源单元与直线驱动器一一对应，固定连接于直线驱动器下端，由直线驱动器控制升降，并由电动滑块控制位于，实现阵列光源的形态控制。
本发明的有益效果为：
本发明公开的一种基于视觉技术的表面缺陷检测系统及其检测方法，该表面缺陷检测系统包括光源子系统、视觉采集子系统和控制中心，检测方法包括缺陷特征载入、检测区域调节、图像采集、图像预处理、图像定位分切、缺陷特征调取、缺陷判别和缺陷定位等步骤，本发明设计合理，通过设定差分阈值，进行图像重叠，降低缺陷判别的溢漏现象，阵列光源由形态控制机构控制，进行多形态的变化调整，达到适配多种待测物品的表面缺陷检测的目的，可有效实现待测物品的高速、连续、自动化表面缺陷检测，并提高表面缺陷的检测精度。
附图说明
图1为本发明示意图。
图2为形态控制机构仰视图(阵列光源呈四面形)。
图3为形态控制机构仰视图(阵列光源呈环形)。
图4为形态控制机构正视图。
具体实施方式
为使本发明的技术方案更加清晰明确，下面结合实施例对本发明进行进一步描述，任何对本发明技术方案的技术特征进行等价替换和常规推理得出的方案均落入本发明保护范围。
实施例一
一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，该表面缺陷检测系统包括光源子系统、视觉采集子系统和控制中心；
所述光源子系统：包括阵列光源、光源控制器和形态控制机构；
所述视觉采集子系统：包括相机矩阵和光学传感器；
所述控制中心：包括控制主机、图像处理模块、光学定位模块、缺陷检测模块、光学标记模块和缺陷特征存储单元；
所述相机矩阵由多个相机单元组合而成，并与光学传感器控制交互，由光学传感器触发；
该表面缺陷检测系统的检测方法如下：
(1)检测前准备：
(1-1)缺陷特征载入：通过控制主机载入缺陷特征图谱，并存储于缺陷特征存储单元；
(1-2)检测区域调节：根据待测物品和物品传输装置，进行检测区域的设定，从而调节相机矩阵拍摄参数，以及阵列光源的照射参数；
(2)图像采集：
(2-1)图像采集：物品传输装置运行，待测物品持续运动，阵列光源启动，光学传感器感应光源，触发相机矩阵工作，进行图像采集；
(2-2)图像预处理：采集的图像由图像处理模块进行预处理，转换为单通道灰度图像，并进行降噪，生成二值化图像数据；
(2-3)图像定位分切：光学定位模块对连续的二值化图像数据进行光学定位，并进行图像分切；
(3)图像分析：
(3-1)缺陷特征调取：缺陷检测模块调取载入的缺陷特征图谱；
(3-2)缺陷判别：基于调取缺陷特征图谱，缺陷检测模块对分切的二值化图像进行分析，判别缺陷；
(3-3)缺陷定位：基于光学定位模块生成的定位信息，光学标记模块对缺陷位置进行光学标记，确定缺陷区域。
实施例二
本实施例的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，步骤(2-3)，在进行图像分切时，需预设差分阈值，避免图像的边缘特征溢漏。
常规的图像分切采用连续分切方式进行，图像为连续的，独立图像的边缘被切割，导致在进行缺陷判别时，会存在溢漏；
当设定差分阈值后，相邻图像的边缘为重叠式，以连续的数字为例，常规分切后的图像为(1～4)、(4～8)````，而设定差分阈值的图像为(1～4)、(4～7)````，通过相邻图像的边缘重叠，大幅度降低缺陷判别的溢漏现象，提高表面缺陷的检测精度。
实施例三
本实施例的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，步骤(3-2)，在进行缺陷判别时，基于缺陷特征图谱，对检测出的缺陷进行缺陷分类，并返回存储于控制主机中，同步展现与显示设备上。
实施例四
本实施例的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，所述相机矩阵所用的相机为工业CCD相机，所述相机矩阵中的多个相机单元由姿态控制器独立调节。
实施例五
如图2～4所示，本实施例的一种基于视觉技术的表面缺陷检测系统及其检测方法，其中，所述阵列光源的形态包括但不限于条形、环形、四面形中的一种，并由形态控制机构调节光源形态；
所述形态控制机构由轨道1、电动滑块2和直线驱动器3构成，所述轨道1的数量为多条，且平行设置，所述电动滑块2滑动设置于轨道1上，且同一轨道1上设置多个电动滑块2，所述直线驱动器3竖直设置，并固定连接与电动滑块2下方；
所述阵列光源由多个光源单元4组合而成，多个所述光源单元 4由光源控制器独立控制，光源单元4与直线驱动器3一一对应，固定连接于直线驱动器3下端，由直线驱动器3控制升降，并由电动滑块2控制位于，实现阵列光源的形态控制；
本实施例的阵列光源由形态控制机构控制，进行多形态的变化调整，从而适配多种待测物品的表面缺陷检测；
如块状的待测物品宜使用环形的阵列光源进行照明，如面型的待测物品(纸张、织布、金属卷材等)则宜使用条形或四面形的阵列光源进行照明；
综上述实施例所述，本发明设计合理，通过设定差分阈值，进行图像重叠，降低缺陷判别的溢漏现象，阵列光源由形态控制机构控制，进行多形态的变化调整，达到适配多种待测物品的表面缺陷检测的目的，可有效实现待测物品的高速、连续、自动化表面缺陷检测，并提高表面缺陷的检测精度。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，该表面缺陷检测系统包括光源子系统、视觉采集子系统和控制中心；
所述光源子系统：包括阵列光源、光源控制器和形态控制机构；
所述视觉采集子系统：包括相机矩阵和光学传感器；
所述控制中心：包括控制主机、图像处理模块、光学定位模块、缺陷检测模块、光学标记模块和缺陷特征存储单元；
所述相机矩阵由多个相机单元组合而成，并与光学传感器控制交互，由光学传感器触发；
该表面缺陷检测系统的检测方法如下：
(1)检测前准备：
(1-1)缺陷特征载入：通过控制主机载入缺陷特征图谱，并存储于缺陷特征存储单元；
(1-2)检测区域调节：根据待测物品和物品传输装置，进行检测区域的设定，从而调节相机矩阵拍摄参数，以及阵列光源的照射参数；
(2)图像采集：
(2-1)图像采集：物品传输装置运行，待测物品持续运动，阵列光源启动，光学传感器感应光源，触发相机矩阵工作，进行图像采集；
(2-2)图像预处理：采集的图像由图像处理模块进行预处理，转换为单通道灰度图像，并进行降噪，生成二值化图像数据；
(2-3)图像定位分切：光学定位模块对连续的二值化图像数据进行光学定位，并进行图像分切；
(3)图像分析：
(3-1)缺陷特征调取：缺陷检测模块调取载入的缺陷特征图谱；
(3-2)缺陷判别：基于调取缺陷特征图谱，缺陷检测模块对分切的二值化图像进行分析，判别缺陷；
(3-3)缺陷定位：基于光学定位模块生成的定位信息，光学标记模块对缺陷位置进行光学标记，确定缺陷区域。
2.如权利要求1所述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，步骤(2-3)，在进行图像分切时，需预设差分阈值，避免图像的边缘特征溢漏。
3.如权利要求1所述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，步骤(3-2)，在进行缺陷判别时，基于缺陷特征图谱，对检测出的缺陷进行缺陷分类，并返回存储于控制主机中，同步展现与显示设备上。
4.如权利要求2或3所述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，所述相机矩阵所用的相机为工业CCD相机。
5.如权利要求4所述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，所述相机矩阵中的多个相机单元由姿态控制器独立调节。
6.如权利要求5所述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，所述阵列光源的形态包括但不限于条形、环形、四面形中的一种，并由形态控制机构调节光源形态。
7.如权利要求6所述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，所述形态控制机构由轨道、电动滑块和直线驱动器构成，所述轨道的数量为多条，且平行设置，所述电动滑块滑动设置于轨道上，且同一轨道上设置多个电动滑块，所述直线驱动器竖直设置，并固定连接与电动滑块下方。
8.如权利要求7所述的一种基于视觉技术的表面缺陷检测系统及其检测方法，其特征在于，所述阵列光源由多个光源单元组合而成，多个所述光源单元由光源控制器独立控制，光源单元与直线驱动器一一对应，固定连接于直线驱动器下端，由直线驱动器控制升降，并由电动滑块控制位于，实现阵列光源的形态控制。
CN202010104040.6A 2020-02-20 2020-02-20 一种基于视觉技术的表面缺陷检测系统及其检测方法 Pending CN111272766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010104040.6A CN111272766A (zh) 2020-02-20 2020-02-20 一种基于视觉技术的表面缺陷检测系统及其检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010104040.6A CN111272766A (zh) 2020-02-20 2020-02-20 一种基于视觉技术的表面缺陷检测系统及其检测方法

Publications (1)

Publication Number Publication Date
CN111272766A true CN111272766A (zh) 2020-06-12

Family

ID=71002205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010104040.6A Pending CN111272766A (zh) 2020-02-20 2020-02-20 一种基于视觉技术的表面缺陷检测系统及其检测方法

Country Status (1)

Country Link
CN (1) CN111272766A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112184648A (zh) * 2020-09-22 2021-01-05 苏州中科全象智能科技有限公司 一种基于深度学习的活塞表面缺陷检测方法及系统
CN112986260A (zh) * 2021-02-08 2021-06-18 菲特(珠海横琴)智能科技有限公司 基于相机矩阵的检测系统、控制系统、终端、介质及应用
CN113237895A (zh) * 2021-06-02 2021-08-10 宝鸡高新智能制造技术有限公司 一种基于机器视觉的金属表面缺陷检测系统
CN113484334A (zh) * 2021-06-16 2021-10-08 西安交通大学 一种用于管道内壁的柔性缺陷检测装置及其工作方法
WO2022213427A1 (zh) * 2021-04-09 2022-10-13 武汉精测电子集团股份有限公司 一种光源及其设置方法、光学检测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105334219A (zh) * 2015-09-16 2016-02-17 湖南大学 一种残差分析动态阈值分割的瓶口缺陷检测方法
CN106442556A (zh) * 2016-11-16 2017-02-22 哈尔滨理工大学 一种板状带孔工件表面缺陷检测装置和方法
CN108320282A (zh) * 2018-01-25 2018-07-24 陕西科技大学 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法
CN108982512A (zh) * 2018-06-28 2018-12-11 芜湖新尚捷智能信息科技有限公司 一种基于机器视觉的电路板检测系统及其方法
CN110108712A (zh) * 2019-04-20 2019-08-09 东莞中科蓝海智能视觉科技有限公司 多功能视觉缺陷检测系统
CN110246122A (zh) * 2019-05-20 2019-09-17 江苏理工学院 基于机器视觉的小型轴承质量检测方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105334219A (zh) * 2015-09-16 2016-02-17 湖南大学 一种残差分析动态阈值分割的瓶口缺陷检测方法
CN106442556A (zh) * 2016-11-16 2017-02-22 哈尔滨理工大学 一种板状带孔工件表面缺陷检测装置和方法
CN108320282A (zh) * 2018-01-25 2018-07-24 陕西科技大学 多特征信息融合的陶瓷墙地砖表面缺陷检测装置及其方法
CN108982512A (zh) * 2018-06-28 2018-12-11 芜湖新尚捷智能信息科技有限公司 一种基于机器视觉的电路板检测系统及其方法
CN110108712A (zh) * 2019-04-20 2019-08-09 东莞中科蓝海智能视觉科技有限公司 多功能视觉缺陷检测系统
CN110246122A (zh) * 2019-05-20 2019-09-17 江苏理工学院 基于机器视觉的小型轴承质量检测方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
方如明 等: "《计算机图像处理技术及其在农业工程中的应用》", 31 July 1999, 清华大学出版社 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112184648A (zh) * 2020-09-22 2021-01-05 苏州中科全象智能科技有限公司 一种基于深度学习的活塞表面缺陷检测方法及系统
CN112986260A (zh) * 2021-02-08 2021-06-18 菲特(珠海横琴)智能科技有限公司 基于相机矩阵的检测系统、控制系统、终端、介质及应用
WO2022213427A1 (zh) * 2021-04-09 2022-10-13 武汉精测电子集团股份有限公司 一种光源及其设置方法、光学检测方法及系统
CN113237895A (zh) * 2021-06-02 2021-08-10 宝鸡高新智能制造技术有限公司 一种基于机器视觉的金属表面缺陷检测系统
CN113484334A (zh) * 2021-06-16 2021-10-08 西安交通大学 一种用于管道内壁的柔性缺陷检测装置及其工作方法

Similar Documents

Publication Publication Date Title
CN111272766A (zh) 一种基于视觉技术的表面缺陷检测系统及其检测方法
CN109357630B (zh) 一种多类型工件批量视觉测量系统及方法
CN106839986B (zh) 一种基于机器视觉和机器学习的双工位载带检测系统
US20190388940A1 (en) Automatic Magnetic Core Sorting System Based on Machine Vision
CN103604808B (zh) 一种瓶盖缺陷视觉检测方法
CA2151344C (en) Lens inspection system and method
CN1230660C (zh) 借助坐标测量仪测量物体几何形状的方法
CN110596128A (zh) 一种基于图像采集的片状玻璃边缘瑕疵检测系统
CN110935644A (zh) 一种基于机器视觉的轴承滚针尺寸检测系统及方法
JP4911341B2 (ja) 物品移載装置
JP2020101799A (ja) 顕微鏡システムにおけるサンプル面の距離判定
CN106290382A (zh) 泡罩药片包装缺陷视觉检测装置及方法
CN109709102A (zh) 模切机锂电池极片物理缺陷检测系统、方法及装置
CN110976338B (zh) 一种基于机器视觉的试纸分拣系统及分拣方法
CN113269762B (zh) 屏幕不良检测方法、系统及计算机存储介质
CN103630544B (zh) 一种视觉在线检测系统
CN109187584A (zh) 一种混合场景下的柔性印制电路缺陷检测系统及方法
CN109584239B (zh) 一种基于反射光的高光物体表面缺陷检测系统及方法
CN206627075U (zh) 一种双视野高精度外形检测机
JPH0147721B2 (zh)
CN110728657A (zh) 一种基于深度学习的环状轴承外表面缺陷检测方法
CN105973898A (zh) 一种智能终端触摸屏保护盖板的检测装置
CN116718616B (zh) 一种用于瑕疵检测的机器视觉检测系统及检测方法
CN112461850A (zh) 工件表面瑕疵检测系统
CN2638920Y (zh) 影像式加工物件检测装置

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