CN111389741A - 基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统 - Google Patents
基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统 Download PDFInfo
- Publication number
- CN111389741A CN111389741A CN202010298181.6A CN202010298181A CN111389741A CN 111389741 A CN111389741 A CN 111389741A CN 202010298181 A CN202010298181 A CN 202010298181A CN 111389741 A CN111389741 A CN 111389741A
- Authority
- CN
- China
- Prior art keywords
- machine vision
- cpu
- image
- recognition
- brake pads
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
Abstract
本发明公开了一种基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,包括机器视觉系统,所述机器视觉系统包括相机、镜头和光源,所述机器视觉系统连接有CPU,CPU连接有上位机和分拣手臂,所述上位机包括图像预处理、图像分割、特征提取和模式识别,所述模式识别包括颜色识别、形状识别、纹理识别和多特征融合识别,所述机器视觉系统对待分拣目标图像进行检测并将信息传送到CPU,CPU对接收的信息进行处理。本发明设计合理,便于通过图像采集、处理和识别对刹车片进行检测,并利用检测结果控制分拣手臂动作,将有缺陷的刹车片分拣至不合格区域,将合格的产品进行出厂处理,达到自动分拣的目的,有利于使用。
Description
技术领域
本发明涉及车刹车片表面缺陷检测自动分拣系统技术领域,尤其涉及一种基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统。
背景技术
汽车所使用的刹车片不仅对材料和尺寸有着严格的要求,而且要严加控制表面缺陷,片表面缺陷主要包括裂纹、破裂、划痕、缺损、压痕和毛刺等,这是影响刹车系统可靠性的主要因素之一,这些缺陷往往是引起制动缓慢、增加制动距离,甚至刹车失灵事故的起因,进而导致汽车追尾、撞车、撞障碍物或撞人事故,导致车辆严重受损、发生着火甚至爆炸的现象,因此在生产过程中需要对刹车片进行检测;
目前在生产过程中,刹车片表面缺陷的传统检测方法通常为目测法,发现问题后用工具显微镜或投影仪复查,但这种方法检测量大,工作强度高,眼睛容易疲劳,所以检测稳定性差且效率低,不能满足使用需求,因此我们提出了基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统用于解决上述问题。
发明内容
基于背景技术存在的技术问题,本发明提出了基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统。
本发明提出的基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,包括机器视觉系统,所述机器视觉系统包括相机、镜头和光源,所述机器视觉系统连接有CPU,CPU连接有上位机和分拣手臂,所述上位机包括图像预处理、图像分割、特征提取和模式识别,所述模式识别包括颜色识别、形状识别、纹理识别和多特征融合识别。
优选地,所述机器视觉系统对待分拣目标图像进行检测并将信息传送到CPU,CPU对接收的信息进行处理,CPU将信息传送给上位机,上位机通过图像预处理、图像分割、特征提取和模式识别对信息进行处理、分割、提取和识别,识别后将信息传递给CPU,CPU将接收的信息传递给分拣手臂,分拣手臂对检测后的刹车片进行分拣。
优选地,所述相机为三镜头工业相机,三镜头工业相机需要有较宽的景深并且在一定物距范围内图像放大倍率不变,镜头具有平行光的需求,有高影像分辨率以及超低的畸变系数,光源的选择应保障各部分成像效果一致。
优选地,所述图像预处理采用均值滤波、中值滤波算法等完成图像去噪。
优选地,所述模式识别通过编写识别程序,对特定的刹车片合格度进行检测,预采用多特征融合的方法来完成图像模式识别。
优选地,所述分拣手臂为六自由度机械手臂。
与现有的技术相比,本发明的有益效果是:
(1)、通过机器视觉系统、CPU和上位机相配合,相机、镜头和光源的配合对待分拣目标图像进行图像采集,将采集的图像信息传递给CPU对接收的图像信息进行处理,将处理后的信息传递给上位机,利用值滤波、中值滤波算法对图像预处理,利用对数似然函数完成目标与背景的分析,从而完成图像分割,对分割后的图像进行特征提取,预采用多特征融合的方法来完成图像模式识别,首先得到图像的颜色数据、形状数据、纹理数据,依据这些数据分析对应的特征,之后,分别依据颜色、形状、纹理特征对图像进行识别,分别得到识别分值A、识别分值B、识别分值C、识别分值D,再融合这三种特征对图像进行识别,得到多特征融合识别分值,依据四类识别分值进行多分类器的融合,最终得到识别结果;
(2)、通过CPU、上位机和分拣手臂相配合,上位机将识别结果通过CPU传递给分拣手臂,分拣手臂将检测合格的刹车片放置在出厂区域进行出厂处理,将检测不合格的刹车片放置在不合格区域,完成对目标的分拣功能。
本发明设计合理,便于通过图像采集、处理和识别对刹车片进行检测,并利用检测结果控制分拣手臂动作,将有缺陷的刹车片分拣至不合格区域,将合格的产品进行出厂处理,达到自动分拣的目的,有利于使用。
附图说明
图1为本发明提出的基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统的框图;
图2为图1中模式识别的内部连接件框图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例
参照图1-2,本实施例提出了基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,包括机器视觉系统,机器视觉系统包括相机、镜头和光源,机器视觉系统连接有CPU,CPU连接有上位机和分拣手臂,上位机包括图像预处理、图像分割、特征提取和模式识别,模式识别包括颜色识别、形状识别、纹理识别和多特征融合识别,本发明设计合理,便于通过图像采集、处理和识别对刹车片进行检测,并利用检测结果控制分拣手臂动作,将有缺陷的刹车片分拣至不合格区域,将合格的产品进行出厂处理,达到自动分拣的目的,有利于使用。
本实施例中,机器视觉系统对待分拣目标图像进行检测并将信息传送到CPU,CPU对接收的信息进行处理,CPU将信息传送给上位机,上位机通过图像预处理、图像分割、特征提取和模式识别对信息进行处理、分割、提取和识别,识别后将信息传递给CPU,CPU将接收的信息传递给分拣手臂,分拣手臂对检测后的刹车片进行分拣,相机为三镜头工业相机,三镜头工业相机需要有较宽的景深并且在一定物距范围内图像放大倍率不变,镜头具有平行光的需求,有高影像分辨率以及超低的畸变系数,光源的选择应保障各部分成像效果一致,图像预处理采用均值滤波、中值滤波算法等完成图像去噪,模式识别通过编写识别程序,对特定的刹车片合格度进行检测,预采用多特征融合的方法来完成图像模式识别,所分拣手臂为六自由度机械手臂,本发明设计合理,便于通过图像采集、处理和识别对刹车片进行检测,并利用检测结果控制分拣手臂动作,将有缺陷的刹车片分拣至不合格区域,将合格的产品进行出厂处理,达到自动分拣的目的,有利于使用。
本实施例中,对待分拣刹车片的钢背、摩擦材料和倒脚进行检测时,通过机器视觉系统中的相机、镜头和光源的配合对待分拣目标图像进行图像采集,在采集时,选取的相机需要有较宽的景深并且在一定物距范围内图像放大倍率不变,镜头具有平行光的需求,有高影像分辨率以及超低的畸变系数,光源的选择应保障各部分成像效果一致,将采集的图像信息传递给CPU,CPU对接收的图像信息进行处理,将处理后的信息传递给上位机,由于刹车片表面有丰富的纹理,在图像特征上类似于复杂的噪声,因此刹车片表面裂纹检测需要抗噪声干扰,为了去除噪声的干扰,利用值滤波、中值滤波算法对图像预处理,来完成图像去噪,并突出非噪声的裂纹部位,然后利用联通区域面积计算得到最大联通区域面积,对于面积超过设定阈值的区域认为是裂纹区域,然后完成目标分割,预采用对数似然法进行前背景分离,对采集的图像的RGB分量参数进行估计,通过对随机干扰项分布假设,利用对数似然函数完成目标与背景的分析,从而完成图像分割,对分割后的图像进行特征提取,通过特征提取能够对前后轮刹车盘分类,对两段式三段式磨盘分类,预采用多特征融合的方法来完成图像模式识别,首先得到图像的颜色数据、形状数据、纹理数据,依据这些数据分析对应的特征,之后,分别依据颜色、形状、纹理特征对图像进行识别,分别得到识别分值A、识别分值B、识别分值C、识别分值D,再融合颜色、形状、纹理这三种特征对图像进行识别,得到多特征融合识别分值,依据识别分值A、识别分值B、识别分值C、识别分值D四类识别分值进行多分类器的融合,最终得到识别结果,上位机将识别结果传送给CPU,CPU将检测结果传递给分拣手臂,通过控制分拣手臂的姿态来实现分拣手臂对目标的抓取及对目标待放置区的定位,将检测合格的刹车片放置在出厂区域,进行出厂处理,将检测不合格的刹车片放置在不合格区域,完成对目标的分拣功能。
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,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,包括机器视觉系统,其特征在于,所述机器视觉系统包括相机、镜头和光源,所述机器视觉系统连接有CPU,CPU连接有上位机和分拣手臂,所述上位机包括图像预处理、图像分割、特征提取和模式识别,所述模式识别包括颜色识别、形状识别、纹理识别和多特征融合识别。
2.根据权利要求1所述的基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,其特征在于,所述机器视觉系统对待分拣目标图像进行检测并将信息传送到CPU,CPU对接收的信息进行处理,CPU将信息传送给上位机,上位机通过图像预处理、图像分割、特征提取和模式识别对信息进行处理、分割、提取和识别,识别后将信息传递给CPU,CPU将接收的信息传递给分拣手臂,分拣手臂对检测后的刹车片进行分拣。
3.根据权利要求1所述的基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,其特征在于,所述相机为三镜头工业相机,三镜头工业相机需要有较宽的景深并且在一定物距范围内图像放大倍率不变,镜头具有平行光的需求,有高影像分辨率以及超低的畸变系数,光源的选择应保障各部分成像效果一致。
4.根据权利要求1所述的基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,其特征在于,所述图像预处理采用均值滤波、中值滤波算法等完成图像去噪。
5.根据权利要求1所述的基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,其特征在于,所述模式识别通过编写识别程序,对特定的刹车片合格度进行检测,预采用多特征融合的方法来完成图像模式识别。
6.根据权利要求1所述的基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统,其特征在于,所述分拣手臂为六自由度机械手臂。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010298181.6A CN111389741A (zh) | 2020-04-16 | 2020-04-16 | 基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010298181.6A CN111389741A (zh) | 2020-04-16 | 2020-04-16 | 基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111389741A true CN111389741A (zh) | 2020-07-10 |
Family
ID=71416839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010298181.6A Pending CN111389741A (zh) | 2020-04-16 | 2020-04-16 | 基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111389741A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364783A (zh) * | 2020-11-13 | 2021-02-12 | 诸暨思看科技有限公司 | 一种零件检测方法、装置及计算机可读存储介质 |
CN113996556A (zh) * | 2021-09-27 | 2022-02-01 | 深圳技术大学 | 一种融合云端的产品分拣系统及方法 |
IT202100025502A1 (it) | 2021-10-07 | 2023-04-07 | Innoida S R L | Metodo di automatizzazione dei processi di controllo qualita’ in ambito manifatturiero |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11230912A (ja) * | 1998-02-09 | 1999-08-27 | Hokkei Kogyo:Kk | 表面欠陥検出装置及びその方法 |
CN102568469A (zh) * | 2011-12-22 | 2012-07-11 | 清华大学 | G.729a压缩语音流信息隐藏检测装置及检测方法 |
CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
CN106733728A (zh) * | 2017-01-16 | 2017-05-31 | 中国计量大学 | 刹车片产品质量自动检测装置 |
CN108663334A (zh) * | 2018-07-02 | 2018-10-16 | 山东省科学院海洋仪器仪表研究所 | 基于多分类器融合寻找土壤养分光谱特征波长的方法 |
CN108898069A (zh) * | 2018-06-05 | 2018-11-27 | 辽宁石油化工大学 | 基于多分类器融合的视频火焰检测方法 |
CN109886182A (zh) * | 2019-02-19 | 2019-06-14 | 北方民族大学 | 一种复杂环境下的刹车盘识别与定位方法 |
CN110738237A (zh) * | 2019-09-16 | 2020-01-31 | 深圳新视智科技术有限公司 | 缺陷分类的方法、装置、计算机设备和存储介质 |
-
2020
- 2020-04-16 CN CN202010298181.6A patent/CN111389741A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11230912A (ja) * | 1998-02-09 | 1999-08-27 | Hokkei Kogyo:Kk | 表面欠陥検出装置及びその方法 |
CN102568469A (zh) * | 2011-12-22 | 2012-07-11 | 清华大学 | G.729a压缩语音流信息隐藏检测装置及检测方法 |
CN106650693A (zh) * | 2016-12-30 | 2017-05-10 | 河北三川科技有限公司 | 一种用于人脸比对的多特征融合识别算法 |
CN106733728A (zh) * | 2017-01-16 | 2017-05-31 | 中国计量大学 | 刹车片产品质量自动检测装置 |
CN108898069A (zh) * | 2018-06-05 | 2018-11-27 | 辽宁石油化工大学 | 基于多分类器融合的视频火焰检测方法 |
CN108663334A (zh) * | 2018-07-02 | 2018-10-16 | 山东省科学院海洋仪器仪表研究所 | 基于多分类器融合寻找土壤养分光谱特征波长的方法 |
CN109886182A (zh) * | 2019-02-19 | 2019-06-14 | 北方民族大学 | 一种复杂环境下的刹车盘识别与定位方法 |
CN110738237A (zh) * | 2019-09-16 | 2020-01-31 | 深圳新视智科技术有限公司 | 缺陷分类的方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
邓超: "《数字图像处理与模式识别研究》", 30 June 2018, 地质出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112364783A (zh) * | 2020-11-13 | 2021-02-12 | 诸暨思看科技有限公司 | 一种零件检测方法、装置及计算机可读存储介质 |
CN112364783B (zh) * | 2020-11-13 | 2023-07-14 | 黑龙江鸿时数字科技有限公司 | 一种零件检测方法、装置及计算机可读存储介质 |
CN113996556A (zh) * | 2021-09-27 | 2022-02-01 | 深圳技术大学 | 一种融合云端的产品分拣系统及方法 |
IT202100025502A1 (it) | 2021-10-07 | 2023-04-07 | Innoida S R L | Metodo di automatizzazione dei processi di controllo qualita’ in ambito manifatturiero |
EP4163748A1 (en) | 2021-10-07 | 2023-04-12 | Innoida S.r.l. | Method of automating quality control processes in the manufacturing sector |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111389741A (zh) | 基于机器视觉的汽车刹车片表面缺陷检测自动分拣系统 | |
CN110314854B (zh) | 一种基于视觉机器人的工件检测分拣的装置及方法 | |
CN111951237B (zh) | 外观视觉检测方法 | |
CN110220917B (zh) | 一种基于图像处理的皇冠盖表面缺陷在线检测方法 | |
CN111292305B (zh) | 一种改进型yolo-v3的金属加工表面缺陷检测方法 | |
CN109682839B (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
CN111189837B (zh) | 一种烟支外观在线检测方法及其装置 | |
JP5351673B2 (ja) | 外観検査装置、外観検査方法 | |
CN108764345B (zh) | 一种基于局部与全局聚类的水下大坝裂缝检测方法 | |
CN105158268A (zh) | 精冲零部件缺陷智能在线检测方法、系统及装置 | |
WO2007101269A1 (en) | Approaches and apparatus for eye detection in a digital image | |
CN110310275B (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
JP2021173530A (ja) | 外観検査方法 | |
CN116757990A (zh) | 基于机器视觉的铁路扣件缺陷在线检测与识别方法 | |
CN114092403A (zh) | 基于机器视觉的砂轮磨损检测方法及系统 | |
CN111402238A (zh) | 一种通过机器视觉实现的缺陷标识系统 | |
CN112304957A (zh) | 一种基于机器视觉的外观缺陷智能检测方法及系统 | |
CN112541889A (zh) | 一种多层级模型的复杂纹理对象表面缺陷检测方法 | |
CN115953397A (zh) | 一种圆锥轴承保持器的工艺制备流程的监测方法及设备 | |
US9594021B2 (en) | Apparatus of detecting transmittance of trench on infrared-transmittable material and method thereof | |
CN111487192A (zh) | 一种基于人工智能的机器视觉表面缺陷检测装置及方法 | |
CN113139943B (zh) | 开口圆环工件外观缺陷检测方法、系统及计算机存储介质 | |
Tang et al. | Surface inspection system of steel strip based on machine vision | |
JP2019200775A (ja) | 表面欠陥検査装置及び表面欠陥検査方法 | |
CN112098428A (zh) | 片状建材制造中基于机器视觉的智能瑕疵识别系统 |
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: 20200710 |
|
RJ01 | Rejection of invention patent application after publication |