CN111462054A - 一种点胶质量检测方法 - Google Patents
一种点胶质量检测方法 Download PDFInfo
- Publication number
- CN111462054A CN111462054A CN202010191531.9A CN202010191531A CN111462054A CN 111462054 A CN111462054 A CN 111462054A CN 202010191531 A CN202010191531 A CN 202010191531A CN 111462054 A CN111462054 A CN 111462054A
- Authority
- CN
- China
- Prior art keywords
- area
- glue
- region
- image
- workpiece
- 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
- 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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种点胶质量检测方法,包括如下步骤:步骤S1,采集标准合格工件图,基于HALCON图像分析处理技术确定边缘槽,所述边缘槽即指工件中的胶水区域;步骤S2,利用得到的胶水区域于所述标准合格工件图中确定溢胶区域;步骤S3,利用所述标准合格工件图创建匹配模板;步骤S4,获取待检测工件图,将其与步骤S3所创建的匹配模板进行匹配;步骤S5,根据步骤S4的匹配结果对点胶质量检测结果进行确定,通过本发明,可提升点胶质量的检测效率,减少人工成本。
Description
技术领域
本发明涉及机器视觉模板匹配技术领域,特别是涉及一种基于HALCON的数字图像分析处理技术的点胶质量检测方法。
背景技术
点胶工艺广泛应用于各种结构件封装、连接等工况。点胶工艺完成后需要对点胶质量进行检测。由于材料为非金属,硬度、强度等力学性能又较金属相差较多。相当一部分适用于金属加工后质量检测的手段对点胶并不适用。传统的点胶质量检验仍旧较大程度的依赖人工检测,即通过人工比对来完成点胶质量检测,以致质量检测工序成本高、效率越低、精度差,不能保证产品质量。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种点胶质量检测方法,以而提升点胶质量的检测效率,减少人工成本,尽可能保证产品质量。
为达上述及其它目的,本发明提出一种点胶质量检测方法,包括如下步骤:
步骤S1,采集标准合格工件图,基于HALCON图像分析处理技术确定边缘槽,所述边缘槽即指工件中的胶水区域;
步骤S2,利用得到的胶水区域于所述标准合格工件图中确定溢胶区域;
步骤S3,利用所述标准合格工件图创建匹配模板;
步骤S4,获取待检测工件图,将其与步骤S3所创建的匹配模板进行匹配;
步骤S5,根据步骤S4的匹配结果对点胶质量检测结果进行确定。
优选地,步骤S1进一步包括:
步骤S100,采集标准合格工件图;
步骤S101,于所采集的标准合格工件图上手动选择两个不同大小的矩形区域,并计算该两个区域的差,初定位胶水区域;
步骤S102,对经过步骤S101处理后的图像进行增强对比度处理;
步骤S103,对步骤S102增强对比度处理后的图像根据固定阈值进行全局阈分割;
步骤S104,对经步骤S103全局阈分割处理后的图像进行连通域联合;
步骤S105,根据区域面积特征提取出经步骤S104处理后图像中面积在预设范围的区域,返回所有包含区域的集合;
步骤S106,封闭步骤S105中得到的区域;
步骤S107,生成经过步骤S106处理后的区域的XLD轮廓,并于得到各个轮廓的长度后将长度存放于一个数组中。
步骤S108,从所述数组中选择目标对象,并从选择的目标对象的XLD轮廓创建区域,用圆形结构封闭得到的区域。
优选地,于步骤S100中,采集通过x光拍摄所述标准合格工件图。
优选地,于步骤S101中,所述两个矩形区域中大的矩形区域包含所述标准合格工件图中所有的胶水区域,小的矩形区域为不包含胶水区域的最大矩形。
优选地,于步骤S105中,根据区域面积特征提取出经步骤S104处理后图像中灰度值总和在1500-99999之间的区域。
优选地,于步骤S108之前,还包括如下步骤:
对所述数组中各个轮廓的长度进行从大到小排序后返回数组中元素的索引。
优选地,步骤S2进一步包括:
步骤S200,;
步骤S201,采用圆形结构元素扩张经过步骤S109处理后的区域,以对得到的胶水区域扩张。
步骤S202,在所述标准合格工件图上手动选择两个大小不同的矩形区域,将选择的大小矩形区域作差得到胶水与溢胶区域,再将得到的区域与经过步骤201处理后的区域作差,得到溢胶区域。
优选地,于步骤S3中,在所述标准合格工件图手动选择一个矩形区域,要求所选择的矩形区域在模板图像和待检测图像中均相同且与待检测的胶水区域和溢胶区域无关,得到匹配模板。
优选地,步骤S4进一步包括:
步骤S400,获取所述待检测工件图,利用与创建匹配模板所使用算子create_ncc_model相对应的模板匹配算子find_ncc_model进行模板匹配,并通过vector_angle_to_rigid获得创建模板与匹配的点和角度之间的刚性仿射变换矩阵,利用仿射变换取得待检工件初定位的胶水区域的位置信息,并对经过步骤S108处理和步骤S202中大矩形得到的区域差应用任意二维转换,分别得到胶水区域和溢胶区域;
步骤S401,将所述待检测工件图定义域缩小到溢胶区域,再根据固定阈值进行全局阈分割,打开分割后的图像中具有圆形结构元素的区域;
步骤S402,根据经过步骤S401处理后的区域的区域面积判断是否溢胶;
步骤S403,将所述待检测工件图定义域缩小至胶水区域,根据固定阈值进行全局阈分割,分别得到胶水反光区域和胶水不反光区域,返回这两个区域的联合;
步骤S404,用圆形结构元素关闭经步骤S403处理后的图像,对该区域进行孔洞填充再打开其中具有圆形结构元素的区域;
步骤S405,对经步骤S404处理后的图像进行连通域联合,根据形状—区域面积特征提取出面积在预设范围的区域,计算提取出的区域的个数。
优选地,步骤S5进一步包括:
步骤S501,根据步骤S405得到的个数进行判断,如果个数为0则表示无胶,个数大于1即断胶;
步骤S502,当个数等于1时,利用erosion_circle算子侵蚀步骤S405中提取出的区域图像中具有圆形结构元素的区域并计算个数,当个数大于1时则确定为少胶,否则为正常胶即合格品。
与现有技术相比,本发明一种点胶质量检测方法通过采集标准合格工件图图像,并基于HALCON图像分析处理技术确定边缘槽区域,然后根据步骤S1确定的区域创建匹配模板,获取待检测图片,将其与步骤S2所创建的匹配模板进行匹配,最后根据步骤S3的匹配结果对点胶质量检测结果进行确定,通过本发明,可提升点胶质量的检测效率,减少人工成本,尽可能保证产品质量。
附图说明
图1为本发明一种点胶质量检测方法的步骤流程图;
图2-图10为本发明具体实施例中点胶质量检测过程的示意图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种点胶质量检测方法的步骤流程图。如图1所示,本发明一种点胶质量检测方法,包括如下步骤:
步骤S1,采集标准合格工件图图像,基于HALCON图像分析处理技术确定边缘槽,所述边缘槽即指工件中的胶水区域,如图5-2中的区域502(红色区域)。
具体,步骤S1进一步包括:
步骤S100,采集标准合格工件图图像。具体地,采集通过x光拍摄的标准合格工件图图像,如图2所示。
步骤S101,于所采集的标准合格工件图图像上手动选择两个不同大小的矩形区域,并计算该两个区域的差,初定位胶水区域。如图3和图4所示,其中大矩形区域301(红色区域)需要包含图像中所有的胶水区域(见图3),小矩形区域401(红色区域)为不包含胶水区域的最大矩形(见图4),计算两个矩形区域之差。
步骤S102,对经过步骤S101处理后的图像进行增强对比度处理。
步骤S103,对步骤S102增强对比度处理后的图像根据固定阈值进行全局阈分割。
步骤S104,对经步骤S103全局阈分割处理后的图像进行连通域联合,即将图像中具有相同像素值且位置相邻的像素点组成的图像区域连接成为一个区域。
步骤S105,根据区域面积特征提取出经步骤S104处理后图像中面积在1500-99999的区域,即灰度值总和在1500-99999之间的区域,返回所有包含区域的集合,即,集合中的所有区域都是灰度值总和在1500-99999之间的区域;
步骤S106,封闭步骤S105中得到的区域。在本发明具体实施例中,利用一个圆形结构来封闭步骤S105中得到的区域,即将所有区域封闭在一起;
步骤S107,生成经过步骤S106处理后的区域的XLD(亚像素级别)轮廓,并于得到各个轮廓的长度后将长度存放于一个数组中。
步骤S108,对数组中各个轮廓的长度进行从大到小排序后返回数组中元素的索引;
步骤S109,从数组中选择目标对象,并从选择的目标对象的XLD轮廓创建区域,用圆形结构封闭得到的区域,如图5-2所示为封闭后的区域,在本发明具体实施例中,选择轮廓长度最长的作为目标对象,如图5-1。
步骤S2,利用得到的胶水区域于所述标准合格工件图图像确定溢胶区域。
具体地,步骤S2进一步包括:
步骤S201,采用圆形结构元素扩张经过步骤S109处理后的区域,即对步骤S1得到的胶水区域的扩张,因为对胶水区域扩张之后再相减能得到更准确的溢胶区域,若不对胶水区域扩张,得到的溢胶区域可能会包含部分胶水区域,从而造成溢胶检测错误;
步骤S202,在标准合格工件图上手动选择两个大小不同的矩形区域,如图7和图8所示的701和801(红色区域),将选择的大小矩形区域作差得到胶水与溢胶区域,再将得到的区域与经过步骤201处理后的区域(扩张后的胶水区域)作差,得到溢胶区域;在本发明具体实施例中,所选择的大矩形区域需包含所有的溢胶区域,胶水区域,所选择的小矩形区域不能包含溢胶区域以及胶水区域,这样选取之后俩矩形相减之后得到的区域才能包含所有的溢胶区域以及胶水区域,该部分区域再减去胶水区域即得到溢胶区域。
步骤S3,利用所述标准合格工件图创建匹配模板。
具体地,于模板图像(即标准合格工件图像)上选择一个矩形区域,得到匹配模板。要求该矩形区域在模板图像(即标准合格工件图图像)和待检测工件图像中均相同且与待检测的胶水区域和溢胶区域无关,得到匹配模板,如图6所示,601为选择的矩形区域(红色区域)。也就是说,本发明需要在所述标准合格工件图中选择该矩形区域做为模板,通过模板匹配则可以在待检测工件图中找到对应的区域
在本发明中,于建立匹配模板后,则可利用ncc匹配算法可以自动得到在待检测工件中该模板的位置,再通过对选取的匹配模板与得到的在待检测工件中的模板位置的坐标和角度关系得到仿射变换矩阵,通过所述仿射变换矩阵则可以得到在待检测工件图中溢胶区域以及胶水区域,从而进行检测。在本发明中,匹配模板的作用就是为了得到标准图和待检测工件图之间的关系,再通过该关系以及标准图中所提取出的胶水与溢胶区域,即可得到待检测工件图中的胶水区域与溢胶区域,本发明中,不能直接用胶水区域与溢胶区域去匹配的原因是:在标准图和待检测图中该部分是不一样的,本发明的目的则是去判断是否不一致,以及到底是什么不一致。
步骤S4,获取待检测工件图像,将其与步骤S3所创建的匹配模板进行匹配。
具体地,步骤S4进一步包括:
步骤S400,获取所述待检测图片,利用与创建匹配模板所使用算子create_ncc_model相对应的模板匹配算子find_ncc_model进行模板匹配。在本发明具体实施例中,匹配方法可采用标准NCC算法,由于该方法为成熟技术,在此不赘述,这里需说明的是,create_ncc_model是用于创建模板的(将步骤S3区域即选取的矩形区域用作匹配的模板,应用到此处可以得到该模板的句柄)句柄,find_ncc_model是用来得到待检测工件图中的相对应的模板(可得到角度以及坐标),通过对选取的匹配模板与得到的在待检测工件中的模板位置的坐标和角度关系得到仿射变换矩阵,即通过vector_angle_to_rigid获得创建模板与匹配的点和角度(模板位置)之间的刚性仿射变换矩阵,最后通过该刚性仿射变换矩阵得到在待检测工件中的胶水区域以及溢胶区域用于检测,即利用该刚性仿射变换矩阵取得待检测工件初定位的胶水区域的位置信息。进一步地,使用reduce_domain算子取得所寻找到的区域,完成胶水区域的初定位,reduce_domain只是在得到需要的待检测图像中的胶水和溢胶区域后将图像的定义域缩小到要处理的区域(即胶水或溢胶区域),以便于后续处理;对经过步骤S109处理和步骤S202中大矩形得到的区域差应用任意二维转换,分别得到图9和图10,如图9示出了胶水区域901(红色区域),图10示出了溢胶区域101(红色区域);
步骤S401,将所述待检测工件图像定义域缩小到图10区域,再根据固定阈值进行全局阈分割,打开分割后的图像中具有圆形结构元素的区域;
步骤S402,根据经过步骤S401处理后的区域的区域面积判断是否溢胶;
步骤S403,将所述待检测工件图像定义域缩小至图9区域,根据固定阈值进行全局阈分割,分别得到胶水反光区域和胶水不反光区域,返回这两个区域的联合;也就是说,在本发明中,利用步骤S401和s403缩减图像的定义域,将图像的定义域由全图改变到一个指定的区域,从而形成一幅新的图像。
步骤S404,用圆形结构元素关闭经步骤S403处理后的图像,对此区域进行孔洞填充再打开其中具有圆形结构元素的区域;
步骤S405,对经步骤S404处理后的图像进行连通域联合,根据形状—区域面积特征提取出面积在15000-9999999的区域(即灰度值总和在1500-99999之间的区域),计算提取出的区域的个数。
步骤S5,根据步骤S4的匹配结果对点胶质量检测结果进行确定。
步骤S501,根据步骤S405得到的个数进行判断,如果个数为0则表示无胶,个数大于1即断胶;
步骤S502,当个数等于1时,利用erosion_circle算子侵蚀步骤S305中提取出的区域图像中具有圆形结构元素的区域并计算个数,当个数大于1时则确定为少胶,否则为正常胶即合格品。需说明的是,所述erosion_circle算子为软件内置,其作用为用于检测当前区域图像并使得图像边界光滑,通过减少区域面积实现区域分割。
综上所述,本发明一种点胶质量检测方法通过采集标准合格工件图图像,并基于HALCON图像分析处理技术确定边缘槽区域,然后根据步骤S1确定的区域创建匹配模板,获取待检测图片,将其与步骤S2所创建的匹配模板进行匹配,最后根据步骤S3的匹配结果对点胶质量检测结果进行确定,通过本发明,可提升点胶质量的检测效率,减少人工成本,尽可能保证产品质量。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种点胶质量检测方法,包括如下步骤:
步骤S1,采集标准合格工件图,基于HALCON图像分析处理技术确定边缘槽,所述边缘槽即指工件中的胶水区域;
步骤S2,利用得到的胶水区域于所述标准合格工件图中确定溢胶区域;
步骤S3,利用所述标准合格工件图创建匹配模板;
步骤S4,获取待检测工件图,将其与步骤S3所创建的匹配模板进行匹配;
步骤S5,根据步骤S4的匹配结果对点胶质量检测结果进行确定。
2.如权利要求1所述的一种点胶质量检测方法,其特征在于,步骤S1进一步包括:
步骤S100,采集标准合格工件图;
步骤S101,于所采集的标准合格工件图上手动选择两个不同大小的矩形区域,并计算该两个区域的差,初定位胶水区域;
步骤S102,对经过步骤S101处理后的图像进行增强对比度处理;
步骤S103,对步骤S102增强对比度处理后的图像根据固定阈值进行全局阈分割;
步骤S104,对经步骤S103全局阈分割处理后的图像进行连通域联合;
步骤S105,根据区域面积特征提取出经步骤S104处理后图像中面积在预设范围的区域,返回所有包含区域的集合;
步骤S106,封闭步骤S105中得到的区域;
步骤S107,生成经过步骤S106处理后的区域的XLD轮廓,并于得到各个轮廓的长度后将长度存放于一个数组中。
步骤S108,从所述数组中选择目标对象,并从选择的目标对象的XLD轮廓创建区域,用圆形结构封闭得到的区域。
3.如权利要求2所述的一种点胶质量检测方法,其特征在于:于步骤S100中,采集通过x光拍摄所述标准合格工件图。
4.如权利要求3所述的一种点胶质量检测方法,其特征在于:于步骤S101中,所述两个矩形区域中大的矩形区域包含所述标准合格工件图中所有的胶水区域,小的矩形区域为不包含胶水区域的最大矩形。
5.如权利要求4所述的一种点胶质量检测方法,其特征在于:于步骤S105中,根据区域面积特征提取出经步骤S104处理后图像中灰度值总和在1500-99999之间的区域。
6.如权利要求5所述的一种点胶质量检测方法,其特征在于,于步骤S108之前,还包括如下步骤:
对所述数组中各个轮廓的长度进行从大到小排序后返回数组中元素的索引。
7.如权利要求6所述的一种点胶质量检测方法,其特征在于,步骤S2进一步包括:
步骤S200,;
步骤S201,采用圆形结构元素扩张经过步骤S109处理后的区域,以对得到的胶水区域扩张。
步骤S202,在所述标准合格工件图上手动选择两个大小不同的矩形区域,将选择的大小矩形区域作差得到胶水与溢胶区域,再将得到的区域与经过步骤201处理后的区域作差,得到溢胶区域。
8.如权利要求7所述的一种点胶质量检测方法,其特征在于:于步骤S3中,在所述标准合格工件图手动选择一个矩形区域,要求所选择的矩形区域在模板图像和待检测图像中均相同且与待检测的胶水区域和溢胶区域无关,得到匹配模板。
9.如权利要求6所述的一种点胶质量检测方法,其特征在于,步骤S4进一步包括:
步骤S400,获取所述待检测工件图,利用与创建匹配模板所使用算子create_ncc_model相对应的模板匹配算子find_ncc_model进行模板匹配,并通过vector_angle_to_rigid获得创建模板与匹配的点和角度之间的刚性仿射变换矩阵,利用仿射变换取得待检工件初定位的胶水区域的位置信息,并对经过步骤S108处理和步骤S202中大矩形得到的区域差应用任意二维转换,分别得到胶水区域和溢胶区域;
步骤S401,将所述待检测工件图定义域缩小到溢胶区域,再根据固定阈值进行全局阈分割,打开分割后的图像中具有圆形结构元素的区域;
步骤S402,根据经过步骤S401处理后的区域的区域面积判断是否溢胶;
步骤S403,将所述待检测工件图定义域缩小至胶水区域,根据固定阈值进行全局阈分割,分别得到胶水反光区域和胶水不反光区域,返回这两个区域的联合;
步骤S404,用圆形结构元素关闭经步骤S403处理后的图像,对该区域进行孔洞填充再打开其中具有圆形结构元素的区域;
步骤S405,对经步骤S404处理后的图像进行连通域联合,根据形状—区域面积特征提取出面积在预设范围的区域,计算提取出的区域的个数。
10.如权利要求9所述的一种点胶质量检测方法,其特征在于,步骤S5进一步包括:
步骤S501,根据步骤S405得到的个数进行判断,如果个数为0则表示无胶,个数大于1即断胶;
步骤S502,当个数等于1时,利用erosion_circle算子侵蚀步骤S405中提取出的区域图像中具有圆形结构元素的区域并计算个数,当个数大于1时则确定为少胶,否则为正常胶即合格品。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191531.9A CN111462054B (zh) | 2020-03-18 | 2020-03-18 | 一种点胶质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010191531.9A CN111462054B (zh) | 2020-03-18 | 2020-03-18 | 一种点胶质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111462054A true CN111462054A (zh) | 2020-07-28 |
CN111462054B CN111462054B (zh) | 2023-04-07 |
Family
ID=71685605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010191531.9A Active CN111462054B (zh) | 2020-03-18 | 2020-03-18 | 一种点胶质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462054B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164032A (zh) * | 2020-09-14 | 2021-01-01 | 浙江华睿科技有限公司 | 一种点胶方法、装置、电子设备及存储介质 |
CN112288732A (zh) * | 2020-11-05 | 2021-01-29 | 昆山丘钛光电科技有限公司 | 一种点胶的检测方法、装置、设备及系统 |
CN112365446A (zh) * | 2020-10-19 | 2021-02-12 | 杭州亿奥光电有限公司 | 纸袋粘接质量检测方法 |
CN113252697A (zh) * | 2021-06-18 | 2021-08-13 | 深圳远荣智能制造股份有限公司 | 一种物料质量检测方法、设备及计算机可读存储介质 |
CN113284113A (zh) * | 2021-05-27 | 2021-08-20 | 西安闻泰信息技术有限公司 | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 |
CN114049035A (zh) * | 2021-11-24 | 2022-02-15 | 深圳市领志光机电自动化系统有限公司 | 一种基于互联网的自动点胶监测系统及方法 |
CN114581445A (zh) * | 2022-05-06 | 2022-06-03 | 深圳市元硕自动化科技有限公司 | 点胶产品分段检测方法、系统、设备及存储介质 |
CN114742827A (zh) * | 2022-06-09 | 2022-07-12 | 深圳市腾盛精密装备股份有限公司 | 基于视觉传感器飞拍的胶水检测方法、装置、设备及介质 |
CN115619779A (zh) * | 2022-12-14 | 2023-01-17 | 杭州百子尖科技股份有限公司 | 基于热成像的热熔胶封箱机器视觉检测系统及方法 |
CN116630333A (zh) * | 2023-07-26 | 2023-08-22 | 常州铭赛机器人科技股份有限公司 | 在线监测激光雷达光学镜片点胶质量的方法 |
CN118009889A (zh) * | 2024-04-09 | 2024-05-10 | 常州铭赛机器人科技股份有限公司 | 工件点胶槽位置的测量方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108896577A (zh) * | 2018-05-30 | 2018-11-27 | 昆山睿力得软件技术有限公司 | 一种刹车片轮廓缺陷的自动检测方法 |
CN110555829A (zh) * | 2019-08-12 | 2019-12-10 | 华南理工大学 | 一种用于芯片点胶情况的检测方法 |
-
2020
- 2020-03-18 CN CN202010191531.9A patent/CN111462054B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108896577A (zh) * | 2018-05-30 | 2018-11-27 | 昆山睿力得软件技术有限公司 | 一种刹车片轮廓缺陷的自动检测方法 |
CN110555829A (zh) * | 2019-08-12 | 2019-12-10 | 华南理工大学 | 一种用于芯片点胶情况的检测方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112164032B (zh) * | 2020-09-14 | 2023-12-29 | 浙江华睿科技股份有限公司 | 一种点胶方法、装置、电子设备及存储介质 |
CN112164032A (zh) * | 2020-09-14 | 2021-01-01 | 浙江华睿科技有限公司 | 一种点胶方法、装置、电子设备及存储介质 |
CN112365446A (zh) * | 2020-10-19 | 2021-02-12 | 杭州亿奥光电有限公司 | 纸袋粘接质量检测方法 |
CN112288732A (zh) * | 2020-11-05 | 2021-01-29 | 昆山丘钛光电科技有限公司 | 一种点胶的检测方法、装置、设备及系统 |
CN113284113A (zh) * | 2021-05-27 | 2021-08-20 | 西安闻泰信息技术有限公司 | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 |
CN113252697A (zh) * | 2021-06-18 | 2021-08-13 | 深圳远荣智能制造股份有限公司 | 一种物料质量检测方法、设备及计算机可读存储介质 |
CN113252697B (zh) * | 2021-06-18 | 2021-10-08 | 深圳远荣智能制造股份有限公司 | 一种物料质量检测方法、设备及计算机可读存储介质 |
CN114049035A (zh) * | 2021-11-24 | 2022-02-15 | 深圳市领志光机电自动化系统有限公司 | 一种基于互联网的自动点胶监测系统及方法 |
CN114581445A (zh) * | 2022-05-06 | 2022-06-03 | 深圳市元硕自动化科技有限公司 | 点胶产品分段检测方法、系统、设备及存储介质 |
CN114742827A (zh) * | 2022-06-09 | 2022-07-12 | 深圳市腾盛精密装备股份有限公司 | 基于视觉传感器飞拍的胶水检测方法、装置、设备及介质 |
CN114742827B (zh) * | 2022-06-09 | 2022-09-20 | 深圳市腾盛精密装备股份有限公司 | 基于视觉传感器飞拍的胶水检测方法、装置、设备及介质 |
CN115619779A (zh) * | 2022-12-14 | 2023-01-17 | 杭州百子尖科技股份有限公司 | 基于热成像的热熔胶封箱机器视觉检测系统及方法 |
CN115619779B (zh) * | 2022-12-14 | 2023-03-17 | 杭州百子尖科技股份有限公司 | 基于热成像的热熔胶封箱机器视觉检测系统及方法 |
CN116630333A (zh) * | 2023-07-26 | 2023-08-22 | 常州铭赛机器人科技股份有限公司 | 在线监测激光雷达光学镜片点胶质量的方法 |
CN116630333B (zh) * | 2023-07-26 | 2023-09-29 | 常州铭赛机器人科技股份有限公司 | 在线监测激光雷达光学镜片点胶质量的方法 |
CN118009889A (zh) * | 2024-04-09 | 2024-05-10 | 常州铭赛机器人科技股份有限公司 | 工件点胶槽位置的测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111462054B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462054B (zh) | 一种点胶质量检测方法 | |
CN111027547B (zh) | 一种针对二维图像中的多尺度多形态目标的自动检测方法 | |
JP7265592B2 (ja) | 多層構造体の層間のオーバレイを測定する技法 | |
CN112581457B (zh) | 一种基于三维点云的管道内表面检测方法及装置 | |
CN109580630B (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN111062915A (zh) | 一种基于改进YOLOv3模型的实时钢管缺陷检测方法 | |
KR20020077420A (ko) | 시험편의 주조 결함을 자동으로 검출하는 검출 방법 | |
US20100061632A1 (en) | Method, an apparatus and a computer program for data processing | |
CN109483887B (zh) | 激光选区熔化过程中成形层轮廓精度在线检测方法 | |
CN110207592A (zh) | 建筑裂缝测量方法、装置、计算机设备和存储介质 | |
CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
Yogeswaran et al. | 3d surface analysis for automated detection of deformations on automotive body panels | |
CN112508971A (zh) | 基于仿真结构光条纹的焊缝定位方法、系统及存储介质 | |
CN111879972A (zh) | 基于ssd网络模型的工件表面缺陷检测方法及系统 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN115619799B (zh) | 一种基于迁移学习的晶粒图像分割方法及系统 | |
CN110555385B (zh) | 一种基于变步长曲率滤波的焊缝特征点求取方法 | |
CN114219802B (zh) | 一种基于图像处理的蒙皮连接孔孔位检测方法 | |
CN112729150B (zh) | 机器人夹持下的导管测量方法 | |
CN112396644A (zh) | 一种基于3d视觉检测技术的焊缝追踪方法 | |
CN113793292A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN110009612B (zh) | 基于亚像素精度的手机镜头视窗玻璃图像分割方法 | |
CN112712499B (zh) | 一种物体检测方法、装置以及计算机可读存储介质 | |
CN117541579B (zh) | 一种封装支架缺陷检测方法及系统 | |
JP2000207557A (ja) | 位置ずれ量計測方法 |
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 |