CN111398290A - 一种适用于狭缝式涂布的涂布液珠缺陷识别方法 - Google Patents
一种适用于狭缝式涂布的涂布液珠缺陷识别方法 Download PDFInfo
- Publication number
- CN111398290A CN111398290A CN202010203427.7A CN202010203427A CN111398290A CN 111398290 A CN111398290 A CN 111398290A CN 202010203427 A CN202010203427 A CN 202010203427A CN 111398290 A CN111398290 A CN 111398290A
- Authority
- CN
- China
- Prior art keywords
- coating
- defect
- image
- slit
- contour line
- 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.)
- Granted
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
- G01N21/8851—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
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Coating Apparatus (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明属于涂布检测相关技术领域,其公开了一种适用于狭缝式涂布的涂布液珠缺陷识别方法,所述方法包括以下步骤:(1)提供可视化装置,并将所述可视化装置邻近涂布背辊安装;(2)采用所述可视化装置拍摄涂布液珠侧面图像或者涂布液珠底面图像;(3)所述可视化装置将拍摄到的图像进行处理后与预存的涂布液珠形态图像进行对比分析,以实现涂布缺陷的自动识别及分类。所述方法能够实现涂布液珠形态的在线监测,并提取图像与预存的涂布液珠形态图像进行对比分析从而自动识别涂布缺陷,为消除缺陷提供在线指导,适用性较强,成本较低,且为参数调整提供了有利的数据支持。
Description
技术领域
本发明属于涂布检测相关技术领域,更具体地,涉及一种适用于狭缝式涂布的涂布液珠缺陷识别方法。
背景技术
卷对卷制造广泛用于锂离子电池极片、有机电池薄膜、燃料电池电极、功能性薄膜等多种领域,是先进加工方式的发展方向,其中涂布是卷对卷制造最重要的步骤之一。狭缝式涂布是将搅拌配置好的浆料输送到狭缝式涂布模头,浆料经过模头的匀化作用后均匀的从狭缝挤出涂布在基材表面上,经过干燥或者固化后在基材上形成均匀涂层,最后回收成卷的过程。狭缝式涂布过程中参数众多,不合理的参数设置容易导致涂布缺陷,常见的如空气侵入、涂布液珠破碎、不规律条纹、滴落等,检测缺陷并消除涂布缺陷对狭缝式涂布至关重要。
现有的涂布检测技术主要集中于厚度和面密度的检测,如厚度检测方法还包括非在线的千分尺测量、在线的激光扫描测量。面密度检测方法包括非在线的取样称重测量、在线的射线扫描测量。但这些测量方式都存在以下问题:一是存在测量延时,厚度测量及面密度测量都一般在干燥后收卷前,距离涂布模头存在较长距离,发现问题时已经浪费了大量已涂覆薄膜,而是只能检测出涂层不均匀却无法判断缺陷类型,从而无法为参数调整提供指导并消除缺陷。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种适用于狭缝式涂布的涂布液珠缺陷识别方法,所述方法能够实现涂布液珠形态的在线监测,并提取图像与预存的涂布液珠形态图像进行对比分析从而自动识别涂布缺陷,为消除缺陷提供在线指导,适用性较强,成本较低,且为参数调整提供了有利的数据支持。
为实现上述目的,本发明提供了一种适用于狭缝式涂布的涂布液珠缺陷识别方法,所述缺陷识别方法主要包括以下步骤:
(1)提供可视化装置,并将所述可视化装置邻近涂布背辊安装;
(2)采用所述可视化装置拍摄涂布液珠侧面图像或者涂布液珠底面图像;
(3)所述可视化装置将拍摄到的图像进行处理后与预存的涂布液珠形态图像进行对比分析,以实现涂布缺陷的自动识别及分类。
进一步地,当识别到缺陷时,所述可视化装置自动报警,直至缺陷消除。
进一步地,步骤(3)中,所述可视化装置基于得到的图像采用Canny检测算子提取涂布液珠和狭缝角轮廓。
进一步地,将狭缝角轮廓线作为基准位置。
进一步地,当拍摄的图像为涂布液珠侧面图像时,所述可视化装置对涂布液珠侧面图像进行灰度处理及运用Canny检测算子提取上模唇轮廓线、上弯月面轮廓线、狭缝角轮廓线及下弯月面轮廓线,标定灰度值最高的狭缝角轮廓线作为基准位置轮廓线。
进一步地,对比分析时采用的轮廓线与缺陷的对应关系为:当上弯月面轮廓线与基材表面夹角θ<20°时,则出现空气侵入缺陷;当上弯月面轮廓线与模头的接触点位于狭缝轮廓线,则出现涂布液珠破碎缺陷;当上弯月面轮廓线与模头的接触点位于上模唇轮廓线外侧,则出现滴落缺陷;当下弯月面轮廓线与模头壁形成的夹角时,则出现不规律条纹缺陷。
进一步地,当拍摄的图像为涂布液珠底面图像时,所述可视化装置对涂布液珠底面图像进行灰度处理及运用Canny检测算子提取下游静态接触线、狭缝角轮廓线、上游静态接触线、上游动态接触线和上模唇轮廓线,标定灰度值最高的狭缝角轮廓线作为参考轮廓。
进一步地,对比分析时采用的轮廓线、接触线与缺陷的对应关系为:当上游动态接触线曲折度波动大于等等于预定值时,则出现空气侵入缺陷;当上游静态接触线位于狭缝轮廓线时,则出现涂布液珠破碎缺陷;当上游静态接触线位于上模唇轮廓线外侧,则出现滴落缺陷。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的适用于狭缝式涂布的涂布液珠缺陷识别方法主要具有以下有益效果:
1.所述方法能够实现涂布液珠形态的在线监测,并提取图像与预存的涂布液珠形态图像进行对比分析从而自动在线识别涂布缺陷,为消除缺陷提供在线指导,适用性较强,成本较低,且为参数调整提供了有利的数据支持。
2.得到了提取到的轮廓线、接触线与缺陷的关系,如此可以方便的判断得到缺陷类型,可以为参数调整提供指导并消除缺陷。
3.当识别到缺陷时,所述可视化装置自动报警,直至缺陷消除,如此可以及时消除缺陷,提高了质量,且降低了成本。
4.所述缺陷识别方法涉及的可视化装置易得,结构简单,无需专用昂贵的专用夹具,有利于推广应用。
附图说明
图1是本发明提供的适用于狭缝式涂布的涂布液珠缺陷识别方法涉及的拍摄涂布液珠侧面的可视化装置的示意图;
图2是本发明提供的适用于狭缝式涂布的涂布液珠缺陷识别方法涉及的拍摄涂布液珠底面的可视化装置的示意图;
图3中的a)、b)分别是产生空气侵入缺陷时涂布液珠形态侧面和底面示意图;
图4中的a)、b)分别是产生涂布液珠破碎时涂布液珠形态侧面及底面示意图;
图5中的a)、b)分别是产生滴落缺陷时涂布液珠形态侧面及底面示意图;
图6中的a)、b)分别是产生不规律缺陷时涂布液珠形态侧面及底面的示意图。
在所有附图中,相同的附图标记用来表示相同的元件或结构,其中:1-微处理器,2-CCD,3-镜头,4-狭缝式涂布模头,5-低温LED光源,6-涂布背辊,7-三维调整架,8-直角镜。
具体实施方式
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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1及图2,本发明提供的适用于狭缝式涂布的涂布液珠缺陷识别方法,其通过在线监测涂布液珠形态来进行涂布缺陷的识别,可以在第一时间判别涂布缺陷并进行改进,从而得到无缺陷高质量涂层。其中,涂布液珠是浆料充满模头与基材之间的涂布间隙而形成的液滴,是决定涂布质量的根本原因,涂布缺陷的产生与液滴形态直接相关。
所述的适用于狭缝式涂布的涂布液珠缺陷识别方法主要包括以下步骤:
步骤一,提供可视化装置,并将所述可视化装置邻近涂布背辊安装。
具体地,提供可视化装置,所述可视化装置包括微处理器1、CCD 2、镜头3、低温LED光源5及三维调整架7,所述微处理器1与所述CCD2相连接,所述CCD2与所述镜头3相连接,且其设置在所述三维调整架7上。所述低温LED光源5用于照明,以使所述CCD2能够拍摄到清洗的高质量的涂布液珠形态图像。
所述可视化装置还包括直角镜8。当所述可视化装置拍摄涂布液珠侧面图像时,无需所述直角镜8,所述CCD2安装于涂布背辊6的侧面,狭缝式涂布模头4位于所述涂布背辊6的上方,所述低温LED光源5邻近所述狭缝式涂布模头4设置,且其位于所述涂布背辊6的侧上方。
当所述可视化装置拍摄涂布液珠底面图像时,所述CCD2、所述镜头3及所述三维调整架7的连接相同,而所述CCD2及所述镜头3的高度下调,所述直角镜8设置在所述涂布背辊6内,以用于改变光线路径;所述低温LED光源5设置于所述狭缝式涂布模头4内。
本实施方式中,所述CCD2、所述镜头3、所述直角镜8及所述三维调整架7是根据实际拍摄范围及分辨率进行选型的;如要拍摄的涂布液珠范围为5mm x 4mm,分辨率要求为5μm,可选择型号为aca3800 10gc的高速CCD,其感光芯片尺寸为6.4mm x 4.6mm,像素尺寸为1.67μm x1.67μm。
步骤二,采用所述可视化装置拍摄涂布液珠侧面图像或者涂布液珠底面图像。
具体地,拍摄前,通过所述三维调整架7来调整所述CCD2到合适的位置,并设置所述CCD2的拍摄频率,如可以设置为12帧;所述CCD2用于拍摄涂布液珠侧面图像或者涂布液珠底面图像,并将拍摄到的图像传输给所述微处理器1。
步骤三,所述可视化装置将拍摄到的图像与预存的涂布液珠形态图像进行对比分析,以实现涂布缺陷的自动识别及分类。
具体地,所述微处理器1内预存有涂布液珠形态图像,当所述微处理器1接收到来自所述CCD2的图像后,其对接收到的图像进行灰度处理及运用Canny检测算子进行涂布液珠及狭缝角轮廓提取,继而将处理后的图像与预存的涂布液珠图像进行对比分析以进行涂布缺陷识别,当识别到缺陷时,则自动报警,直至缺陷消除。
涂布液珠侧面图像的关注区域为上弯月面轮廓线、狭缝角轮廓线及下弯月面轮廓线,将狭缝角轮廓作为基准位置。涂布液珠底面图像主要关注区域为下游静态接触线、狭缝角轮廓线、上游静态接触线、上游动态接触线和上模唇轮廓线。
本实施方式中,将采集到的涂布液珠侧面图像进行处理,包括灰度处理和运用Canny检测算子提取上模唇轮廓线、上弯月面轮廓线、狭缝角轮廓线及下弯月面轮廓线,标定灰度值最高的狭缝角轮廓线作为基准位置轮廓线;将处理后的图像与预存涂布液珠形态图像进行对比分析,自动识别涂布缺陷。轮廓线与缺陷的对应关系为:①如图3所示,当上弯月面轮廓线与基材表面夹角θ<20°时,则出现空气侵入缺陷;②如图4所示,当上弯月面轮廓线与模头的接触点位于(或靠近)狭缝轮廓线,则出现涂布液珠破碎缺陷;③如图5所示,当上弯月面轮廓线与模头的接触点位于上模唇轮廓线外侧,则出现滴落缺陷;④如图6所示,当下弯月面轮廓线与模头壁形成的夹角时,则出现不规律条纹缺陷。
本实施方式中,将采集到的涂布液珠底面图像进行处理,包括灰度处理和运用Canny检测算子提取下游静态接触线、狭缝角轮廓线、上游静态接触线、上游动态接触线和上模唇轮廓线,标定灰度值最高的狭缝角轮廓线作为参考轮廓;将处理后的图像与预存涂布液珠形态图像进行对比分析,自动识别涂布缺陷。轮廓线、接触线与缺陷的对应关系为:①如图3所示,当上游动态接触线曲折度波动较大时,则出现空气侵入缺陷;②如图4所示,当上游静态接触线位于(或靠近)狭缝轮廓线时,则出现涂布液珠破碎缺陷;③如附5所示,当上游静态接触线位于上模唇轮廓线外侧,则出现滴落缺陷。
本领域的技术人员容易理解,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 (8)
1.一种适用于狭缝式涂布的涂布液珠缺陷识别方法,其特征在于,该方法包括以下步骤:
(1)提供可视化装置,并将所述可视化装置邻近涂布背辊安装;
(2)采用所述可视化装置拍摄涂布液珠侧面图像或者涂布液珠底面图像;
(3)所述可视化装置将拍摄到的图像进行处理后与预存的涂布液珠形态图像进行对比分析,以实现涂布缺陷的自动识别及分类。
2.如权利要求1所述的适用于狭缝式涂布的涂布液珠缺陷识别方法,其特征在于:当识别到缺陷时,所述可视化装置自动报警,直至缺陷消除。
3.如权利要求1所述的适用于狭缝式涂布的涂布液珠缺陷识别方法,其特征在于:步骤(3)中,所述可视化装置基于得到的图像采用Canny检测算子提取涂布液珠和狭缝角轮廓。
4.如权利要求3所述的适用于狭缝式涂布的涂布液珠缺陷识别方法,其特征在于:将狭缝角轮廓线作为基准位置。
5.如权利要求1所述的适用于狭缝式涂布的涂布液珠缺陷识别方法,其特征在于:当拍摄的图像为涂布液珠侧面图像时,所述可视化装置对涂布液珠侧面图像进行灰度处理及运用Canny检测算子提取上模唇轮廓线、上弯月面轮廓线、狭缝角轮廓线及下弯月面轮廓线,标定灰度值最高的狭缝角轮廓线作为基准位置轮廓线。
7.如权利要求1所述的适用于狭缝式涂布的涂布液珠缺陷识别方法,其特征在于:当拍摄的图像为涂布液珠底面图像时,所述可视化装置对涂布液珠底面图像进行灰度处理及运用Canny检测算子提取下游静态接触线、狭缝角轮廓线、上游静态接触线、上游动态接触线和上模唇轮廓线,标定灰度值最高的狭缝角轮廓线作为参考轮廓。
8.如权利要求7所述的适用于狭缝式涂布的涂布液珠缺陷识别方法,其特征在于:对比分析时采用的轮廓线、接触线与缺陷的对应关系为:当上游动态接触线曲折度波动大于等等于预定值时,则出现空气侵入缺陷;当上游静态接触线位于狭缝轮廓线时,则出现涂布液珠破碎缺陷;当上游静态接触线位于上模唇轮廓线外侧,则出现滴落缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010203427.7A CN111398290B (zh) | 2020-03-20 | 2020-03-20 | 一种适用于狭缝式涂布的涂布液珠缺陷识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010203427.7A CN111398290B (zh) | 2020-03-20 | 2020-03-20 | 一种适用于狭缝式涂布的涂布液珠缺陷识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111398290A true CN111398290A (zh) | 2020-07-10 |
CN111398290B CN111398290B (zh) | 2021-02-12 |
Family
ID=71432763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010203427.7A Active CN111398290B (zh) | 2020-03-20 | 2020-03-20 | 一种适用于狭缝式涂布的涂布液珠缺陷识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398290B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681241A (zh) * | 2020-08-12 | 2020-09-18 | 杭州百子尖科技股份有限公司 | 基于机器视觉检测和量测深度集成的质量控制方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040252360A1 (en) * | 2001-07-09 | 2004-12-16 | E Ink Corporation | Electro-optic display and lamination adhesive for use therein |
CN102319654A (zh) * | 2011-04-26 | 2012-01-18 | 东莞市九州浩德新能源设备有限公司 | 涂布机动态画面监测控制系统 |
CN102565083A (zh) * | 2012-01-12 | 2012-07-11 | 北京印刷学院 | 一种印刷电子产品离线检测系统与方法 |
CN102649624A (zh) * | 2011-02-28 | 2012-08-29 | 东丽工程株式会社 | 涂布装置和涂布方法 |
WO2012143742A1 (en) * | 2011-04-21 | 2012-10-26 | Aristotle University Of Thessaloniki-Research Committee | Method for in-line determination of film thickness and quality during printing processes for the production of organic electronics |
CN104359915A (zh) * | 2014-12-08 | 2015-02-18 | 合肥京东方光电科技有限公司 | 一种涂胶检测方法及涂胶检测装置 |
CN109492280A (zh) * | 2018-10-25 | 2019-03-19 | 深圳市信宇人科技股份有限公司 | 一种用于双面狭缝涂布接触式模头的模拟计算方法 |
CN109781865A (zh) * | 2019-01-30 | 2019-05-21 | 厦门大学 | 一种用于高聚物粘结炸药表面裂纹检测的超声成像方法和装置 |
-
2020
- 2020-03-20 CN CN202010203427.7A patent/CN111398290B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040252360A1 (en) * | 2001-07-09 | 2004-12-16 | E Ink Corporation | Electro-optic display and lamination adhesive for use therein |
CN102649624A (zh) * | 2011-02-28 | 2012-08-29 | 东丽工程株式会社 | 涂布装置和涂布方法 |
WO2012143742A1 (en) * | 2011-04-21 | 2012-10-26 | Aristotle University Of Thessaloniki-Research Committee | Method for in-line determination of film thickness and quality during printing processes for the production of organic electronics |
CN102319654A (zh) * | 2011-04-26 | 2012-01-18 | 东莞市九州浩德新能源设备有限公司 | 涂布机动态画面监测控制系统 |
CN102565083A (zh) * | 2012-01-12 | 2012-07-11 | 北京印刷学院 | 一种印刷电子产品离线检测系统与方法 |
CN104359915A (zh) * | 2014-12-08 | 2015-02-18 | 合肥京东方光电科技有限公司 | 一种涂胶检测方法及涂胶检测装置 |
CN109492280A (zh) * | 2018-10-25 | 2019-03-19 | 深圳市信宇人科技股份有限公司 | 一种用于双面狭缝涂布接触式模头的模拟计算方法 |
CN109781865A (zh) * | 2019-01-30 | 2019-05-21 | 厦门大学 | 一种用于高聚物粘结炸药表面裂纹检测的超声成像方法和装置 |
Non-Patent Citations (2)
Title |
---|
JANGHOON PARK: "Optimizeddesignforanti-reflection coatingprocess Optimizeddesignforanti-reflection coatingprocess", 《ROBOTICSANDCOMPUTER-INTEGRATEDMANUFACTURING》 * |
迟彩霞等: "狭缝式涂布技术的研究进展", 《应用化工》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111681241A (zh) * | 2020-08-12 | 2020-09-18 | 杭州百子尖科技股份有限公司 | 基于机器视觉检测和量测深度集成的质量控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111398290B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI767990B (zh) | 線上檢測玻璃板上或內之小瑕疵的系統及相關聯方法 | |
US20120098959A1 (en) | Method and apparatus for measuring transmitted optical distortion in glass sheets | |
CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
KR101297395B1 (ko) | 이차 전지용 극판 비젼 검사 방법 | |
CN102023164A (zh) | 用于检测透明平板的局部缺陷的装置和方法 | |
CN113313713B (zh) | 一种用于锂电池极片毛刺在线检测方法及系统 | |
CN106623493B (zh) | 一种钢带冲孔连续加工的检测方法 | |
CN108088845A (zh) | 一种基于微弱信息保留的成像校正方法与装置 | |
CN108469437B (zh) | 浮法玻璃的缺陷检测方法及装置 | |
CN113390879A (zh) | 涂布测量、纠偏与瑕疵检测方法及系统 | |
CN104713486B (zh) | 一种合掌产品宽度在线检测装置及方法 | |
CN108759676B (zh) | 基于棋盘格的传动箱端面大尺寸形位公差检测装置与方法 | |
CN111398290B (zh) | 一种适用于狭缝式涂布的涂布液珠缺陷识别方法 | |
CN106529510A (zh) | 一种用于电容薄膜的褶皱识别方法及装置 | |
CN108620714B (zh) | 基于gmaw熔池轮廓特征的焊接偏差检测系统及其检测方法 | |
CN108776966B (zh) | 一种磁体外观缺陷检测的方法及系统 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
WO2023097647A1 (zh) | Ccd相机标定系统、方法、装置、计算设备及存储介质 | |
CN111311537A (zh) | 缺陷检测装置及检测方法 | |
CN114119483A (zh) | 基于图像处理技术的建筑用轻质墙板质量检测方法及装置 | |
CN107797517B (zh) | 采用机器视觉实现钢带冲孔加工检测的方法及系统 | |
CN117368214A (zh) | 一种线扫pe镀膜检测方法与视觉检测装置 | |
CN108732148A (zh) | 一种荧光磁粉探伤在线检测装置及方法 | |
CN109470162B (zh) | 一种基于机器视觉的喷油嘴微孔孔形智能检测系统和方法 | |
CN115388778B (zh) | 一种计算机屏幕质检控制装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |