CN111524099A - 评价试样截面几何形状参数的方法 - Google Patents
评价试样截面几何形状参数的方法 Download PDFInfo
- Publication number
- CN111524099A CN111524099A CN202010274378.6A CN202010274378A CN111524099A CN 111524099 A CN111524099 A CN 111524099A CN 202010274378 A CN202010274378 A CN 202010274378A CN 111524099 A CN111524099 A CN 111524099A
- Authority
- CN
- China
- Prior art keywords
- sample
- image
- pixel
- cross
- section
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000012360 testing method Methods 0.000 claims description 10
- 238000005096 rolling process Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 24
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract 1
- 239000000463 material Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 238000009864 tensile test Methods 0.000 description 3
- IAYPIBMASNFSPL-UHFFFAOYSA-N Ethylene oxide Chemical compound C1CO1 IAYPIBMASNFSPL-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004087 circulation Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种评价试样截面几何形状参数的方法，属于精密测量和计算机辅助测量分析技术领域。本发明设计的方法基于图像处理技术，通过对采集的待测试样的相关截面进行图像采集，并对边缘图像信息进行处理后对采集的图像进行测量计算，从而知晓样截面的几何形状参数。该设计方法测量精度高，效率高。
Description
技术领域
本发明涉及一种试样的几何形状参数的测量，属于精密测量和计算机辅助测量分析技术领域，具体地涉及一种评价试样截面几何形状参数的方法。
背景技术
通过对材料试样进行拉伸、磁化、表面电镀等处理的方式可以了解材料的力学等性能。但在实际操作时拉伸等处理方式容易带来材料试样异常断裂等情况。因此了解试样的几何形状参数对于评价材料的性能具备重要意义。如文献“几何参数对拉伸试验的影响”中分析了拉伸试验过程中出现的异常断裂情况，用非线性有限元分析系统Deform-3D软件模拟拉伸试验过程，研究了各种几何参数变化和与夹具装配中出现尺寸偏差时试样上的应力分布情况及出现失效破坏的位置，其结果可用于材料试样的几何参数设计以及进一步的夹具优化设计。
圆棒试样或方体试样在拉伸状态时通常呈现哑铃形，在整个拉伸试验过程中可以通过测出弹性、屈服、强度、塑性等许多重要性能指标，但是试样的加工质量直接影响检测的准确性，衡量加工质量的重要指标有试样加工宽度、长度、圆弧弧度，平行段平行度、对称度等横截面处实际尺寸指标，试验标准或协议中有明确规定。每批加工的试样按标准要求都需进行尺寸确认，目前，传统的机械零件尺寸测量方法主要通过人工利用百分表、游标卡尺等测量工具，在机械水平测量平台获取。该方法测量效率低，并且测得的数据受到人为主观因素影响较大，特别是厚度<3mm拉伸试样，在测量平行度、对称度时试样薄无法有效固定，尺寸测量精度低又费时费力。
又如磁性、磁滞伸缩试样，对试样的长度、宽度及公差有要求，同时对矩形试样的直角度、与轧制方向的偏离角度也有严格要求，在实际工作中手动很难测量。
而镀层重量测量试样，一般要求加工成标准尺寸的样件测量计算面积，但是对于非标准形状就没办法准确、方便计算表面积。
因此提供一种评价试样截面几何形状参数的方法是非常必要的。
发明内容
为解决上述技术问题，本发明提供了一种评价试样截面几何形状参数的方法，该方法提供了一种基于图像处理方式来评价试样的几何形状参数，测量时间短，精度高。
为实现上述目的，本发明提供了一种评价试样截面几何形状参数的方法，它包括如下步骤：1)扫描仪采集待测试样某个截面的图像，灰度化处理后存储到数据库中；
2)对步骤1)收集的图像使用canny算子提取所述待测试样在生产轧制方向的信息，以及所述待测试样截面上的边缘信息；
3)根据步骤2)提取的信息计算待测试样某个截面的几何形状参数，并与预设标准件的参数进行对比进而判断误差。
进一步地，所述数据库包括直线类型数据库、圆弧类型数据库和点位类型数据库。
进一步地，所述待测试样某个截面的形状为方形、圆形或哑铃形中的至少一种。
进一步地，步骤2)包括如下具体过程：
2.1)使用高斯滤波器平滑图像，滤除噪声；如对图像进行二次滤波，判断某行中每相邻的三个或三个以上像素点是否均没有灰度为1，如果有，则认为其是可以进行消除的噪声；
2.2)计算图像中每个像素点的梯度强度G和方向θ；其中，梯度强度G和方向θ的计算过程及公式如下：
使用canny算子来检测图像中的水平、垂直和对角边缘。边缘检测的算子。其中，返回水平Gx和垂直Gy方向的一阶导数值，通过下述公式计算，便可以确定每个像素点的梯度G和方向θ。
θ＝arc tan(Gy/Gx)
2.3)对梯度图像中每个像素点进行非极大值抑制计算，如将当前像素点的梯度强度与沿正负梯度方向上的两个像素点进行比较，如果当前像素点的梯度强度与另外两个像素点相比最大，则该像素点保留为边缘点，否则该像素点将被抑制；
2.4)滞后阈值处理及边缘连接，设置高阈值100，低阈值50，边缘像素点大于高阈值则将其标记为强边缘像素；小于高阈值并且大于低阈值，则将其标记为弱边缘像素。
进一步地，所述步骤2.4)中，判断强边缘像素是否封闭，如果封闭则不做处理，如果不封闭则按照步骤2.2)的计算方法计算末端像素点方向θ，并沿像素进行连接不区分强弱阈值。
本发明的有益效果如下：
本发明设计的测量评价方法解决了传统的机械零件尺寸测量方法效率低、所测数据人为因素波动大的技术问题，该设计方法测量精度高，时间短，对试样无摆放角度要求，可一次性完成待测量试样尺寸的检测，极大提高了检测效率。
附图说明
图1为采用扫描仪采集待测试样的某个截面示意图；
图2为图1的测量结构示意图；
图3为图2的圆弧段测量结构示意图；
图4为采用扫描仪采集待测试样的某个截面示意图；
图5为图4的测量结构示意图。
具体实施方式
本发明公开了一种评价试样截面几何形状参数的方法，它包括如下步骤：1)扫描仪采集待测试样某个截面的图像，灰度化处理后存储到数据库中；
2)对步骤1)收集的图像使用canny算子提取所述待测试样在生产轧制方向的信息，以及所述待测试样截面上的边缘信息；
3)根据步骤2)提取的信息计算测试样某个截面的几何形状参数，并与预设标准件的参数进行对比判断误差。
其中，所述数据库包括直线类型数据库、圆弧类型数据库和点位类型数据库，用于分别存放对应数据信息。
此外，所述待测试样某个截面的形状为方形、圆形或哑铃形中的至少一种。
具体的，步骤2)包括如下具体过程：
2.1)使用高斯滤波器平滑图像，滤除噪声；如对图像进行二次滤波，判断某行中每相邻的三个或三个以上像素点是否均没有灰度为1，如果有，则认为其是可以进行消除的噪声；
2.2)计算图像中每个像素点的梯度强度和方向；使用canny算子来检测图像中的水平、垂直和对角边缘。返回水平Gx和垂直Gy方向的一阶导数值，通过下述公式计算，便可以确定每个像素点的梯度G和方向θ。
其中，
2.3)对梯度图像中每个像素点进行非极大值抑制计算，如将当前像素点的梯度强度与沿正负梯度方向上的两个像素进行比较，如果当前像素点的梯度强度与另外两个像素点相比最大，则该像素点保留为边缘点，否则该像素点将被抑制；
2.4)滞后阈值处理及边缘连接，设置高阈值100，低阈值50，边缘像素点大于高阈值则将其标记为强边缘像素；小于高阈值并且大于低阈值，则将其标记为弱边缘像素。
为更好的解释发明，以下结合具体实施例进行详细阐述。
实施例1
如图1所示，本发明对图1所示的截面形状为哑铃形的待测试样进行具体测量并评价，它包括如下步骤：
1)如图1，启动高清分辨率扫描仪采集待测样品的图像并做灰度化处理然后存储到数据库中；
2)对步骤1)收集的图像使用canny算子提取所述待测试样在生产轧制方向的信息，以及所述待测试样截面上的边缘信息，具体过程如下：
2.1)使用高斯滤波器，以平滑图像，滤除噪声。由于试样切割横截面边缘有机械加工纹理和毛刺，如图1拉伸试样两侧使用圆柱铣刀加工，表现为短曲线形式，以及扫描图像中灰尘、污物等异常孤立点形成干扰噪声，为此需要对图像进行二次滤波。其中，判断某一个像素点是否是噪声，先看其下一行中相邻的三个像素点，如果这三个像素点中没有一个灰度为1，则认为其为噪声，并将其去除。利用该算法对采集的图1的图像，从左上角像素点开始进行从上往下的循环搜索，循环完毕再从图像底部向上循环搜索，经过两次循环，能基本消除噪声。
2.2)计算图像中每个像素点的梯度强度和方向。使用canny检测算子来检测图像中的水平、垂直和对角边缘。返回水平Gx和垂直Gy方向的一阶导数值，通过下述公式计算，便可以确定每个像素点的梯度G和方向θ，具体计算公式如上；
2.3)对图像进行梯度计算后，对梯度图像中每个像素进行非极大值抑制计算：
如将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较；如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点，否则该像素点将被抑制。
2.4)滞后阈值处理及边缘连接。设置高阈值100低阈值50，边缘像素大于高阈值则将其标记为强边缘像素；小于高阈值并且大于低阈值，则将其标记为弱边缘像素，分情况判断：
包含大于高阈值像素点视为边缘，不含大于高阈值像素点，以及边缘像素的梯度值小于低阈值情况如后面实施例进行介绍。
为准确测量特征尺寸，对前述特征边界线的像素灰度变化和分布，按各像素灰度值到拟合曲线的距离最小进行拟合回归计算，同时为避免边界线像素宽度对测量的影响，在后续对线与线的距离测量中，统一采用边界线同侧(左或右)相切方式。
对于图2所示的截面具备哑铃形拉伸试样，提取所述待测量工件的外部轮廓，将所述外部轮廓分解为直线和圆弧的拟合，同时提取轮廓特征点，然后将直线类型数据、圆弧类型数据和点位类型数据分别存储至对应的直线类型数据库、圆弧类型数据库和点位类型数据库；从所述直线类型数据库、圆弧类型数据库和点位类型数据库中检索所述待测量的几何特征，并计算其测量值：如图2提取圆弧部分，如图3在圆弧上取a、b、c三个点，分别连接ab、bc并测量长度计算两线段中心点，过中心点分别做两线段的垂线，两垂线的交点既是该段圆弧的圆心，圆心到圆弧距离也是半径；同理可以找到图2所示的每段圆弧的圆心点O1、O2、O3、O4，圆弧段与直线段的切点I、J、K、L；圆弧段与试样边界分别交与E、F、G、H点；A、B、C、D为试样四个角顶点；
分别提取并测量直线段AB、CD、AE、BF、CG、DH、IK和JL并测量长度；计算JL中心点O02，过中心点O02做垂直线与IK交与O01；
判断拉伸试样直线加工段平行度：如图2所示，刻痕线Y1Y2为制取试样前使用刻线笔或激光刻痕等工具所做标识，用以指示试样轧制方向，同时可作为工件参考线建立坐标系。以刻痕Y1Y2作为基准参考线，测量刻痕Y1Y2长度，过中心点做垂线X1X2建立坐标系，测量I、K、O01到Y1Y2的垂直距离值，测量J、L、O02到Y1Y2的垂直距离值，通过拟合方程Y＝kX+b，直线IO01K、JO02L的斜率存在，分别为k1、k2，IO01K、JO02L的夹角为θ，存在tanθ＝(k2-k1)/(1+k1k2)。计算的夹角θ既是直线段IO01K、JO02L的偏离程度，也是两直线的平行度；
判断拉伸试样与轧制方向的偏离角度：同上所述，可测量拉伸试样如图2所示加持段AE、CG、BF、DH分别与参考线Y1Y2之间的平行度；
如前所述，将测量的平行度与标准规定范围值比较，合格后进行后续操作：计算直线加工段IK与JL间距，采用最小二乘法找出对称中心直线O10O60、O01O02与O10O60交与中心对称点O00；
判断拉伸试样长度对称性：AC与BD是否相等，如不相等计算差值；AE与GC、BF与DH是否相等，如不相等计算差值；IO01与KO01、JO02与LO02是否相等，如不相等计算差值；
判断拉伸试样宽度对称性：判断测量值AB、CD是否相等，如不相等计算差值；EO20与FO20、GO50与HO50是否相等，如不相等计算差值；IO30与JO30、KO40与LO40、O01O00与O02O00是否相等，如不相等计算差值；
判断拉伸试样宽度尺寸公差：测量IJ、O01O02、KL间平行段多点宽度，与标准要求尺寸对比计算公差值；
判断拉伸试样宽度加工公差：测量IJ、O01O02、KL间平行段多点宽度，计算极差值XMAX-XMIN与标准要求数值对比；
判断拉伸试样直角度：分别提取试样四个角顶点A、B、C、D，测量四个角的角度与标准要求数值对比；
拉伸试样横截面积计算：通过积分计算哑铃形图形所包含的像素点计算面积；
实施例2
对于图4及图5所示的矩形磁性或磁滞伸缩试样：其几何形状参数的评价过程包括如上述实施例1所示的图像收集并做灰度化处理；以及利用canny边缘检测算子提取刻痕线及试样横截面边缘信息等处理，其中，对于实施例1中介绍的对于边缘像素的梯度值小于低阈值情况，做以下处理：
如对边缘图形如图4按强边缘像素进行连接，判断强边缘像素如ABCD、Y1Y2是否封闭，如封闭不做处理，抑制其他边缘像素；不封闭则按实施例1中的步骤2)方法计算的末端像素点方向θ，并沿像素进行连接不区分强弱阈值。
为准确测量特征尺寸，对前述特征边界线的像素灰度变化和分布，按各像素灰度值到拟合曲线的距离最小进行拟合回归计算，同时为避免边界线像素宽度对测量的影响，在后续对线与线的距离测量中，统一采用边界线同侧(左或右)相切方式。
此外，判断试样与轧制方向的偏离角度：磁性、磁滞伸缩矩形试样中部未加工，直接测量AC、BD段分别与参考线Y1Y2的平行度，即是试样与轧制方向的偏离角度；
判断试样长度对称性：AC与BD是否相等，如不相等计算差值；
判断试样宽度对称性：判断测量值AB、CD是否相等，如不相等计算差值；
判断试样直角度：分别提取试样四个角顶点A、B、C、D，通过tanθ＝(k2-k1)/(1+k1k2)测量四个角的角度，与标准要求数值对比；
试样横截面积计算：通过积分计算矩形图形所包含的像素点计算面积。
Claims (5)
1.一种评价试样截面几何形状参数的方法，其特征在于：它包括如下步骤：1)扫描仪采集待测试样某个截面的图像，灰度化处理后存储到数据库中；
2)对步骤1)收集的图像使用canny算子提取所述待测试样在生产轧制方向的信息，以及所述待测试样截面上的边缘信息；
3)根据步骤2)提取的信息计算待测试样某个截面的几何形状参数，并与预设标准件的参数进行对比进而判断误差。
2.根据权利要求1所述评价试样截面几何形状参数的方法，其特征在于：所述数据库包括直线类型数据库、圆弧类型数据库和点位类型数据库。
3.根据权利要求1所述评价试样截面几何形状参数的方法，其特征在于：所述待测试样某个截面的形状为方形、圆形或哑铃形中的至少一种。
4.根据权利要求1～3中任意一项所述评价试样截面几何形状参数的方法，其特征在于：步骤2)包括如下具体过程：
2.1)使用高斯滤波器平滑图像，滤除噪声；如对图像进行二次滤波，判断某行中每相邻的三个或三个以上像素点是否均没有灰度为1，如果有，则认为其是可以进行消除的噪声；
2.2)计算图像中每个像素点的梯度强度G和方向θ；
2.3)对梯度图像中每个像素点进行非极大值抑制计算，如将当前像素点的梯度强度与沿正负梯度方向上的两个像素点进行比较，如果当前像素点的梯度强度与另外两个像素点相比最大，则该像素点保留为边缘点，否则该像素点将被抑制；
2.4)滞后阈值处理及边缘连接，设置高阈值100，低阈值50，边缘像素点大于高阈值则将其标记为强边缘像素；小于高阈值并且大于低阈值，则将其标记为弱边缘像素。
5.根据权利要求4所述评价试样截面几何形状参数的方法，其特征在于：所述步骤2.4)中，判断强边缘像素是否封闭，如果封闭则不做处理，如果不封闭则按照步骤2.2)的计算方法计算末端像素点方向θ，并沿像素进行连接不区分强弱阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010274378.6A CN111524099A (zh) | 2020-04-09 | 2020-04-09 | 评价试样截面几何形状参数的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010274378.6A CN111524099A (zh) | 2020-04-09 | 2020-04-09 | 评价试样截面几何形状参数的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111524099A true CN111524099A (zh) | 2020-08-11 |
Family
ID=71902540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010274378.6A Pending CN111524099A (zh) | 2020-04-09 | 2020-04-09 | 评价试样截面几何形状参数的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111524099A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113674243A (zh) * | 2021-08-20 | 2021-11-19 | 杭州展晖科技有限公司 | 一种基于EDLines定位圆形Mark点的方法 |
| CN113674243B (zh) * | 2021-08-20 | 2024-10-25 | 杭州展晖科技有限公司 | 一种基于EDLines定位圆形Mark点的方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102044071A (zh) * | 2010-12-28 | 2011-05-04 | 上海大学 | 基于fpga的单像素边缘检测方法 |
| CN102441581A (zh) * | 2010-09-30 | 2012-05-09 | 邓玥 | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 |
| CN109360217A (zh) * | 2018-09-29 | 2019-02-19 | 国电南瑞科技股份有限公司 | 输变电设备图像边缘检测方法、装置及系统 |
| CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
| CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
| CN110428433A (zh) * | 2019-07-02 | 2019-11-08 | 西华师范大学 | 一种基于局部阈值的Canny边缘检测算法 |
| CN110866924A (zh) * | 2019-09-24 | 2020-03-06 | 重庆邮电大学 | 一种线结构光中心线提取方法及存储介质 |
-
2020
- 2020-04-09 CN CN202010274378.6A patent/CN111524099A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102441581A (zh) * | 2010-09-30 | 2012-05-09 | 邓玥 | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 |
| CN102044071A (zh) * | 2010-12-28 | 2011-05-04 | 上海大学 | 基于fpga的单像素边缘检测方法 |
| CN109360217A (zh) * | 2018-09-29 | 2019-02-19 | 国电南瑞科技股份有限公司 | 输变电设备图像边缘检测方法、装置及系统 |
| CN109711284A (zh) * | 2018-12-11 | 2019-05-03 | 江苏博墨教育科技有限公司 | 一种考试答题卡系统智能识别分析方法 |
| CN109993800A (zh) * | 2019-03-18 | 2019-07-09 | 五邑大学 | 一种工件尺寸的检测方法、装置及存储介质 |
| CN110428433A (zh) * | 2019-07-02 | 2019-11-08 | 西华师范大学 | 一种基于局部阈值的Canny边缘检测算法 |
| CN110866924A (zh) * | 2019-09-24 | 2020-03-06 | 重庆邮电大学 | 一种线结构光中心线提取方法及存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113674243A (zh) * | 2021-08-20 | 2021-11-19 | 杭州展晖科技有限公司 | 一种基于EDLines定位圆形Mark点的方法 |
| CN113674243B (zh) * | 2021-08-20 | 2024-10-25 | 杭州展晖科技有限公司 | 一种基于EDLines定位圆形Mark点的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111537517B (zh) | 一种无人智能化冲压缺陷识别方法 | |
| CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
| US20230090846A1 (en) | Method and device for detecting defects in aircraft template | |
| CN107742289A (zh) | 一种基于机器视觉回转体工件检测方法 | |
| CN115345876B (zh) | 一种基于超声图像的螺栓螺纹缺陷检测方法 | |
| CN111047588A (zh) | 一种轴型小零件尺寸的图像化测量方法 | |
| CN116740060B (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
| CN109990711B (zh) | 一种冲孔镀镍钢带的外观质量检测方法 | |
| CN115854883B (zh) | 一种适用于长钢筋笼的自动化检测方法及装置 | |
| CN107330886B (zh) | 一种表面微小损伤的高精度量化方法 | |
| CN113077437A (zh) | 工件质量检测方法及其系统 | |
| CN115082472A (zh) | 一种轮毂模具浇注成型产品的质量检测方法及系统 | |
| Guerra et al. | Standard quantification and measurement of damages through features characterization of surface imperfections on 3D models: an application on Architectural Heritages | |
| Póka et al. | A robust digital image processing method for measuring the planar burr length at milling | |
| CN114549412A (zh) | 检测工件质量的方法、装置和系统 | |
| CN105300280B (zh) | 连接器尺寸视觉测量方法 | |
| CN114066893A (zh) | 检测工件质量的方法、装置和系统 | |
| CN111524099A (zh) | 评价试样截面几何形状参数的方法 | |
| CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
| CN117537706A (zh) | 基于三轴坐标转换与单目视觉融合的钣金孔洞定位尺寸检测方法 | |
| CN112729157A (zh) | 基于四步相移与双目立体视觉融合的钣金件测量方法 | |
| CN115615992B (zh) | 一种耐火砖尺寸测量及缺陷检测方法 | |
| CN115980063A (zh) | 工件表面瑕疵检测方法及装置 | |
| CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
| CN114819768A (zh) | 一种电容器引出线焊接控制系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200811 |