CN111551567A - 一种基于条纹投影的物体表面缺陷检测方法及系统 - Google Patents
一种基于条纹投影的物体表面缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN111551567A CN111551567A CN202010626676.7A CN202010626676A CN111551567A CN 111551567 A CN111551567 A CN 111551567A CN 202010626676 A CN202010626676 A CN 202010626676A CN 111551567 A CN111551567 A CN 111551567A
- Authority
- CN
- China
- Prior art keywords
- image
- clustering center
- points
- clustering
- point
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于条纹投影的物体表面缺陷检测方法及系统。该方法包括:获取待识别条纹投影图像的灰度图;采用基于卷积的动态二值化方法对灰度图进行处理;在二值化图像中,每隔M行,提取一行像素;对每一行像素分别进行DBSCAN聚类;选择聚类中心点数量占比最大的行中的任一行作为基准行;将基准行中的聚类中心点作为基准点,向上向下提取与基准点的距离小于2M的聚类中心点,并将其与其对应的基准点归为同一组;对每一组中聚类中心点的位置进行直线拟合,获取不能被直线拟合的外点;对每一组中的外点进行DBSCAN聚类,对每一聚类中的外点的位置进行二次曲线拟合;根据二次曲线的曲率确定物体表面的变形区域。本发明具有运算简单快速且抗噪的特点。
Description
技术领域
本发明涉及物体表面质量检测技术领域,特别是涉及一种基于条纹投影的物体表面缺陷检测方法及系统。
背景技术
N步正弦相移条纹投影结构光测量方法的基本思想是通过投影一组光强成正弦分布的相移条纹图到待测物体表面,由于物体表面高度的变化,从而造成标准条纹图发生形变,在通过CCD相机依次采集变形条纹图,采用相位展开算法获得相位值,利用相位值与高度的映射关系来求解高度值,恢复物体的三维特征。N步正弦相移条纹投影结构光测量方法具有无接触、通用性强的特点,被广泛应用于表面质量检测、逆向工程和三维重建等领域。
在表面质量检测中,存在着缺陷类型单一,缺陷面积较小,条纹投影图像中包含着的投影设备和CCD所产生的噪声,N步正弦相移条纹投影结构光测量方法需要向待测物体投影N幅条纹图且容易受到噪声的干扰等问题。将N步正弦相移条纹投影结构光测量方法直接用于表面质量检测时,不但计算量大,而且容易将噪声误认为是缺陷。因此,针对特定的表面质量缺陷,需要一种简单抗噪的缺陷检测方法。
发明内容
本发明的目的是提供一种简单抗噪的基于条纹投影的物体表面缺陷检测方法及系统。
为实现上述目的,本发明提供了如下方案:
一种基于条纹投影的物体表面缺陷检测方法,包括:
获取待识别条纹投影图像的灰度图,所述待识别条纹投影图像为待测物体表面的条纹投影图像;
采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,得到二值化图像;
在所述二值化图像中,每隔M行,提取一行像素,其中,M小于四分之一条纹间距;
对每一行像素分别进行DBSCAN聚类,得到多个聚类中心点;
统计每一行聚类中心点的数量,选择数量占比最大的行中的任一行作为基准行;
将所述基准行中的聚类中心点作为基准点,向上或向下提取与所述基准点的距离小于2M的聚类中心点,并将其记为目标聚类中心点,将所述目标聚类中心点与所述基准点归为同一组;
将所述目标聚类中心点作为新的基准点,跳转至向上或向下提取与所述基准点的距离小于2M的聚类中心点步骤,直至提取到的聚类中心点为第一行或最后一行中的聚类中心点时停止跳转;
对每一组中聚类中心点的位置进行直线拟合,并获取不能被直线拟合的外点;
对每一组中的所述外点进行DBSCAN聚类;
对每一聚类中的外点的位置进行二次曲线拟合;
根据二次曲线的曲率确定物体表面的变形区域。
可选的,所述根据二次曲线的曲率确定物体表面的变形区域,具体包括:
判断所述二次曲线的曲率是否满足设定曲率;
如果是,则根据满足设定曲率的二次曲线中的外点确定变形位置。
可选的,所述设定曲率包括用于确定缺陷为凸点的第一设定曲率范围以及用于确定缺陷为凹点的第二设定曲率范围。
可选的,所述对采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,具体包括:
初始化一张与所述灰度图同大小的图像x;
以K×K大小的窗口和步长为K/2对所述灰度图进行卷积裁剪,得到多张裁剪图片;
采用OTSU法对将所述裁剪图片进行二值化,并根据二值化结果,在图像x上对应位置将加1或0;
采用OTSU法对图像x进行二值化,得到所述灰度图的二值化图像。
本发明还提供了一种基于条纹投影的物体表面缺陷检测系统,包括:
图像获取模块,用于获取待识别条纹投影图像的灰度图,所述待识别条纹投影图像为待测物体表面的相移条纹投影图像;
二值化处理模块,用于采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,得到二值化图像;
像素提取模块,用于在所述二值化图像中,每隔M行,提取一行像素,其中,M小于四分之一条纹间距;
第一聚类模块,用于对每一行像素分别进行DBSCAN聚类,得到多个聚类中心点;
基准行选取模块,用于统计每一行聚类中心点的数量,选择数量占比最大的行中的任一行作为基准行;
聚类中心点提取模块,用于将所述基准行中的聚类中心点作为基准点,向上或向下提取与所述基准点的距离小于2M的聚类中心点,并将其记为目标聚类中心点,将所述目标聚类中心点与所述基准点归为同一组;将所述目标聚类中心点作为新的基准点,跳转至向上或向下提取与所述基准点的距离小于2M的聚类中心点步骤,直至提取到的聚类中心点为第一行或最后一行中的聚类中心点时停止跳转;
直线拟合模块,用于对每一组中各聚类中心点的位置进行直线拟合,并获取不能被直线拟合的外点;
第二聚类模块,用于对每一组中的所述外点进行DBSCAN聚类;
二次曲线拟合模块,用于对每一聚类中的外点的位置进行二次曲线拟合;
变形区域确定模块,用于根据二次曲线的曲率确定物体表面的变形区域。
可选的,所述变形区域确定模块,具体包括:
曲率判断单元,用于判断所述二次曲线的曲率是否满足设定曲率;
变形位置确定单元,用于在所述二次曲线的曲率满足设定曲率时,根据满足设定曲率的二次曲线中的外点确定变形位置。
可选的,所述设定曲率包括用于确定缺陷为凸点的第一设定曲率范围以及用于确定缺陷为凹点的第二设定曲率范围。
可选的,所述二值化处理模块,具体包括:
初始化单元,用于初始化一张与所述灰度图同大小的图像x;
卷积裁剪单元,用于以K×K大小的窗口和步长为K/2对所述灰度图进行卷积裁剪,得到多张裁剪图片;
第一二值化单元,用于采用OTSU法对将所述裁剪图片进行二值化,并根据二值化结果,在图像x上对应位置将加1或0;
第二二值化单元,用于采用OTSU法对图像x进行二值化,得到所述灰度图的二值化图像。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供的基于条纹投影的物体表面缺陷检测方法及系统,采用DBSCAN聚类方法获得亮纹的中心点,去除了零散的噪声点;通过选取聚类数量分布最大的基准行,并从基准行向上下寻找同类采样点,有效避免了大面积条状噪声点的干扰;通过最小二乘法将亮纹中心采样点拟合到直线,以提取出非直线的采样点,并将非直线采样点拟合到二次曲线,根据二次曲线的曲率来判断是否是满足条件的异常点,实现了对凸凹缺陷的异常点的快速提取,而且可以避免噪声所造成的干扰。
本发明相对于N步正弦相移条纹投影结构光测量方法,无需采样多幅条纹图,仅需单张条纹图,节约了图像拍摄时间,降低了设备的损耗。同时本发明没有重建物体表面所有点的三维坐标,仅依靠条纹特征确定凸凹点,计算速度快,抗噪性好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的基于条纹投影的物体表面缺陷检测方法流程图;
图2为本发明实施例2提供的基于条纹投影的物体表面缺陷检测系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
图1为本发明实施例1提供的基于条纹投影的物体表面缺陷检测方法流程图,参见图1,本实施例提供的基于条纹投影的物体表面缺陷检测方法包括以下步骤:
步骤101:获取待识别条纹投影图像的灰度图,所述待识别条纹投影图像为待测物体表面的相移条纹投影图像。
步骤102:采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,得到二值化图像。
步骤103:在所述二值化图像中,每隔M行,提取一行像素,其中,M小于四分之一条纹间距。
步骤104:对每一行像素分别进行DBSCAN聚类,得到多个聚类中心点。
步骤105:统计每一行聚类中心点的数量,选择数量占比最大的行中的任一行作为基准行。
步骤106:将所述基准行中的聚类中心点作为基准点,向上或向下提取与所述基准点的距离小于2M的聚类中心点,并将其记为目标聚类中心点,将所述目标聚类中心点与所述基准点归为同一组;将所述目标聚类中心点作为新的基准点,跳转至向上或向下提取与所述基准点的距离小于2M的聚类中心点步骤,直至提取到的聚类中心点为第一行或最后一行中的聚类中心点时停止跳转。比如,从聚类中心点A向上寻找与其距离小于2M的聚类中心点,找到了聚类中心点B,然后以聚类中心点B为基准,再次向上寻找与聚类中心点B距离小于2M的聚类中心点,找到了聚类中心点C,以此类推,直至找到位于第一行的聚类中心点,比如聚类中心点N,此时停止向上寻找。向下寻找聚类中心点的过程与向上寻找聚类中心点的过程相同。最后,将由聚类中心点A向上向下寻找到的聚类中心点(如聚类中心点B、聚类中心点C、聚类中心点N等)归为同一类。
步骤107:对每一组中各聚类中心点的位置进行直线拟合,并获取不能被直线拟合的外点。
步骤108:对每一组中的所述外点进行DBSCAN聚类。
步骤109:对每一聚类中的外点的位置进行二次曲线拟合。
步骤110:根据二次曲线的曲率确定物体表面的变形区域。
本实施例中,所述设定曲率包括用于确定缺陷为凸点的第一设定曲率范围以及用于确定缺陷为凹点的第二设定曲率范围。当二次曲线的曲率位于第一设定曲率范围或是第二设定曲率范围时,则认为此聚类中的外点并不是噪声点,可以确定此聚类中的外点所在的区域为变形区域。
本实施例中,步骤102采用局部累积的方式二值化条纹,步骤104到步骤106提取亮纹中心线采样点,步骤107采用最小二乘法找出变形条纹采样点,步骤108到步骤110对变形区域进行定位。其中,步骤104采用DBSCAN聚类方法获得亮纹的中心点,这样可以去除零散的噪声点。在步骤105至步骤106中,通过计算聚类个数分布最大的基准行,并从基准行向上下寻找同类采样点,可以有效避免大面积条状噪声点的干扰。步骤107至步骤110,首先通过最小二乘法将亮纹中心采样点拟合到直线,以挑选出非直线的采样点,然后将这些非直线采样点拟合到二次曲线,根据二次曲线的曲率来判断是否是满足条件的异常点。这样,可以快速挑出凸凹缺陷的异常点,而且可以避免噪声所造成的干扰。
由于投影仪和CCD的非线性误差以及物体表面材质的差异,造成获取的图像亮度或反射不均匀,无法用全局二值方法来获得单一阈值对灰度图像进行二值化处理,而局域化二值化方法容易受到局部图像的影响,产生噪声。在本实施例中,步骤102采用基于局部累积的方式二值化条纹图像,可以有效地处理条纹图像这种均匀分布图像的二值化问题。步骤102可以具体包括以下步骤:初始化一张与所述灰度图同大小的图像x;以K×K大小的窗口和步长为K/2对所述灰度图进行卷积裁剪,得到多张裁剪图片;采用OTSU法对将所述裁剪图片进行二值化,并根据二值化结果,在图像x上对应位置将加1或0;采用OTSU法对图像x进行二值化,得到所述灰度图的二值化图像。
实施例2
图2为本发明实施例2提供的基于条纹投影的物体表面缺陷检测系统结构示意图,参见图2,本实施例提供的基于条纹投影的物体表面缺陷检测系统包括:
图像获取模块201,用于获取待识别条纹投影图像的灰度图,所述待识别条纹投影图像为待测物体表面的相移条纹投影图像。
二值化处理模块202,用于采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,得到二值化图像。
像素提取模块203,用于在所述二值化图像中,每隔M行,提取一行像素,其中,M小于四分之一条纹间距。
第一聚类模块204,用于对每一行像素分别进行DBSCAN聚类,得到多个聚类中心点。
基准行选取模块205,用于统计每一行聚类中心点的数量,选择数量占比最大的行中的任一行作为基准行。
聚类中心点提取模块206,用于将所述基准行中的聚类中心点作为基准点,向上或向下提取与所述基准点的距离小于2M的聚类中心点,并将其记为目标聚类中心点,将所述目标聚类中心点与所述基准点归为同一组;将所述目标聚类中心点作为新的基准点,跳转至向上或向下提取与所述基准点的距离小于2M的聚类中心点步骤,直至提取到的聚类中心点为第一行或最后一行中的聚类中心点时停止跳转。
直线拟合模块207,用于对每一组中各聚类中心点的位置进行直线拟合,并获取不能被直线拟合的外点。
第二聚类模块208,用于对每一组中的所述外点进行DBSCAN聚类。
二次曲线拟合模块209,用于对每一聚类中的外点的位置进行二次曲线拟合。
变形区域确定模块210,用于根据二次曲线的曲率确定物体表面的变形区域。
其中,所述二值化处理模块202,具体包括:
初始化单元,用于初始化一张与所述灰度图同大小的图像x。
卷积裁剪单元,用于以K×K大小的窗口和步长为K/2对所述灰度图进行卷积裁剪,得到多张裁剪图片。
第一二值化单元,用于采用OTSU法对将所述裁剪图片进行二值化,并根据二值化结果,在图像x上对应位置将加1或0。
第二二值化单元,用于采用OTSU法对图像x进行二值化,得到所述灰度图的二值化图像。
所述变形区域确定模块210,具体包括:
曲率判断单元,用于判断所述二次曲线的曲率是否满足设定曲率,其中,所述设定曲率可以包括用于确定缺陷为凸点的第一设定曲率范围以及用于确定缺陷为凹点的第二设定曲率范围。
变形位置确定单元,用于在所述二次曲线的曲率满足设定曲率时,根据满足设定曲率的二次曲线中的外点确定变形位置。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于条纹投影的物体表面缺陷检测方法,其特征在于,包括:
获取待识别条纹投影图像的灰度图,所述待识别条纹投影图像为待测物体表面的条纹投影图像;
采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,得到二值化图像;
在所述二值化图像中,每隔M行,提取一行像素,其中,M小于四分之一条纹间距;
对每一行像素分别进行DBSCAN聚类,得到多个聚类中心点;
统计每一行聚类中心点的数量,选择数量占比最大的行中的任一行作为基准行;
将所述基准行中的聚类中心点作为基准点,向上或向下提取与所述基准点的距离小于2M的聚类中心点,并将其记为目标聚类中心点,将所述目标聚类中心点与所述基准点归为同一组;
将所述目标聚类中心点作为新的基准点,跳转至向上或向下提取与所述基准点的距离小于2M的聚类中心点步骤,直至提取到的聚类中心点为第一行或最后一行中的聚类中心点时停止跳转;
对每一组中聚类中心点的位置进行直线拟合,并获取不能被直线拟合的外点;
对每一组中的所述外点进行DBSCAN聚类;
对每一聚类中的外点的位置进行二次曲线拟合;
根据二次曲线的曲率确定物体表面的变形区域。
2.根据权利要求1所述的基于条纹投影的物体表面缺陷检测方法,其特征在于,所述根据二次曲线的曲率确定物体表面的变形区域,具体包括:
判断所述二次曲线的曲率是否满足设定曲率;
如果是,则根据满足设定曲率的二次曲线中的外点确定变形位置。
3.根据权利要求2所述的基于条纹投影的物体表面缺陷检测方法,其特征在于,所述设定曲率包括用于确定缺陷为凸点的第一设定曲率范围以及用于确定缺陷为凹点的第二设定曲率范围。
4.根据权利要求1所述的基于条纹投影的物体表面缺陷检测方法,其特征在于,所述对采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,具体包括:
初始化一张与所述灰度图同大小的图像x;
以K×K大小的窗口和步长为K/2对所述灰度图进行卷积裁剪,得到多张裁剪图片;
采用OTSU法对将所述裁剪图片进行二值化,并根据二值化结果,在图像x上对应位置将加1或0;
采用OTSU法对图像x进行二值化,得到所述灰度图的二值化图像。
5.一种基于条纹投影的物体表面缺陷检测系统,其特征在于,包括:
图像获取模块,用于获取待识别条纹投影图像的灰度图,所述待识别条纹投影图像为待测物体表面的相移条纹投影图像;
二值化处理模块,用于采用基于卷积的动态二值化方法对所述灰度图进行二值化处理,得到二值化图像;
像素提取模块,用于在所述二值化图像中,每隔M行,提取一行像素,其中,M小于四分之一条纹间距;
第一聚类模块,用于对每一行像素分别进行DBSCAN聚类,得到多个聚类中心点;
基准行选取模块,用于统计每一行聚类中心点的数量,选择数量占比最大的行中的任一行作为基准行;
聚类中心点提取模块,用于将所述基准行中的聚类中心点作为基准点,向上或向下提取与所述基准点的距离小于2M的聚类中心点,并将其记为目标聚类中心点,将所述目标聚类中心点与所述基准点归为同一组;将所述目标聚类中心点作为新的基准点,跳转至向上或向下提取与所述基准点的距离小于2M的聚类中心点步骤,直至提取到的聚类中心点为第一行或最后一行中的聚类中心点时停止跳转;
直线拟合模块,用于对每一组中各聚类中心点的位置进行直线拟合,并获取不能被直线拟合的外点;
第二聚类模块,用于对每一组中的所述外点进行DBSCAN聚类;
二次曲线拟合模块,用于对每一聚类中的外点的位置进行二次曲线拟合;
变形区域确定模块,用于根据二次曲线的曲率确定物体表面的变形区域。
6.根据权利要求5所述的基于条纹投影的物体表面缺陷检测系统,其特征在于,所述变形区域确定模块,具体包括:
曲率判断单元,用于判断所述二次曲线的曲率是否满足设定曲率;
变形位置确定单元,用于在所述二次曲线的曲率满足设定曲率时,根据满足设定曲率的二次曲线中的外点确定变形位置。
7.根据权利要求6所述的基于条纹投影的物体表面缺陷检测系统,其特征在于,所述设定曲率包括用于确定缺陷为凸点的第一设定曲率范围以及用于确定缺陷为凹点的第二设定曲率范围。
8.根据权利要求5所述的基于条纹投影的物体表面缺陷检测系统,其特征在于,所述二值化处理模块,具体包括:
初始化单元,用于初始化一张与所述灰度图同大小的图像x;
卷积裁剪单元,用于以K×K大小的窗口和步长为K/2对所述灰度图进行卷积裁剪,得到多张裁剪图片;
第一二值化单元,用于采用OTSU法对将所述裁剪图片进行二值化,并根据二值化结果,在图像x上对应位置将加1或0;
第二二值化单元,用于采用OTSU法对图像x进行二值化,得到所述灰度图的二值化图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010626676.7A CN111551567B (zh) | 2020-07-02 | 2020-07-02 | 一种基于条纹投影的物体表面缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010626676.7A CN111551567B (zh) | 2020-07-02 | 2020-07-02 | 一种基于条纹投影的物体表面缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111551567A true CN111551567A (zh) | 2020-08-18 |
CN111551567B CN111551567B (zh) | 2021-06-25 |
Family
ID=72008917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010626676.7A Active CN111551567B (zh) | 2020-07-02 | 2020-07-02 | 一种基于条纹投影的物体表面缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111551567B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014409A (zh) * | 2020-10-25 | 2020-12-01 | 西安邮电大学 | 一种半导体蚀刻引线框架模具缺陷的检测方法及系统 |
CN112614087A (zh) * | 2020-11-27 | 2021-04-06 | 攀钢集团西昌钢钒有限公司 | 一种冷轧带钢表面质量的智能判定方法 |
CN113532320A (zh) * | 2021-07-20 | 2021-10-22 | 武汉华工激光工程有限责任公司 | 一种基于图像的光斑衍射环分析方法、存储介质及芯片 |
CN116992389A (zh) * | 2023-09-26 | 2023-11-03 | 河北登浦信息技术有限公司 | 一种物联网虚假数据检测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010071694A (ja) * | 2008-09-16 | 2010-04-02 | Ricoh Co Ltd | 表面検査装置、それを用いた欠陥検出方法、プログラム及び記録媒体 |
CN102607466A (zh) * | 2012-03-29 | 2012-07-25 | 天津大学 | 高反射自由曲面光栅投影快速非接触测量方法及装置 |
CN103292741A (zh) * | 2013-05-29 | 2013-09-11 | 哈尔滨工程大学 | 一种基于k均值颜色聚类的物体表面三维轮廓的结构光视觉测量方法 |
KR20150069130A (ko) * | 2013-12-13 | 2015-06-23 | 이은석 | 투명체의 결함검출을 위한 위상천이 영사장치 및 그 방법 |
CN109242828A (zh) * | 2018-08-13 | 2019-01-18 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
CN110926339A (zh) * | 2018-09-19 | 2020-03-27 | 山东理工大学 | 一种基于一次投影结构光平行条纹图案的实时三维测量方法 |
-
2020
- 2020-07-02 CN CN202010626676.7A patent/CN111551567B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010071694A (ja) * | 2008-09-16 | 2010-04-02 | Ricoh Co Ltd | 表面検査装置、それを用いた欠陥検出方法、プログラム及び記録媒体 |
CN102607466A (zh) * | 2012-03-29 | 2012-07-25 | 天津大学 | 高反射自由曲面光栅投影快速非接触测量方法及装置 |
CN103292741A (zh) * | 2013-05-29 | 2013-09-11 | 哈尔滨工程大学 | 一种基于k均值颜色聚类的物体表面三维轮廓的结构光视觉测量方法 |
KR20150069130A (ko) * | 2013-12-13 | 2015-06-23 | 이은석 | 투명체의 결함검출을 위한 위상천이 영사장치 및 그 방법 |
CN109242828A (zh) * | 2018-08-13 | 2019-01-18 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
CN110926339A (zh) * | 2018-09-19 | 2020-03-27 | 山东理工大学 | 一种基于一次投影结构光平行条纹图案的实时三维测量方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112014409A (zh) * | 2020-10-25 | 2020-12-01 | 西安邮电大学 | 一种半导体蚀刻引线框架模具缺陷的检测方法及系统 |
CN112614087A (zh) * | 2020-11-27 | 2021-04-06 | 攀钢集团西昌钢钒有限公司 | 一种冷轧带钢表面质量的智能判定方法 |
CN113532320A (zh) * | 2021-07-20 | 2021-10-22 | 武汉华工激光工程有限责任公司 | 一种基于图像的光斑衍射环分析方法、存储介质及芯片 |
CN116992389A (zh) * | 2023-09-26 | 2023-11-03 | 河北登浦信息技术有限公司 | 一种物联网虚假数据检测方法及系统 |
CN116992389B (zh) * | 2023-09-26 | 2023-12-29 | 河北登浦信息技术有限公司 | 一种物联网虚假数据检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111551567B (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111551567B (zh) | 一种基于条纹投影的物体表面缺陷检测方法及系统 | |
JP6598162B2 (ja) | 線形クラスタリングに基づくマルチタイプのbgaチップの視覚識別方法 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
KR960011414A (ko) | 검사 시스템 및 공정 | |
JP2020008501A (ja) | 表面欠陥検出装置及び表面欠陥検出方法 | |
JP2016166853A (ja) | 位置推定装置および位置推定方法 | |
CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
CN114519714B (zh) | 一种显示屏脏污缺陷判定的方法和系统 | |
JP7404747B2 (ja) | ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム | |
JP6756417B1 (ja) | ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム | |
CN107271445B (zh) | 一种缺陷检测方法及装置 | |
JP2021056182A (ja) | ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム | |
US7024031B1 (en) | System and method for inspection using off-angle lighting | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
CN115980052A (zh) | 一种基于明暗场照明的透镜缺陷检测装置和方法 | |
JP3071956B2 (ja) | ビッカース硬さ自動読み取り装置 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN109151451B (zh) | 一种双目夜视仪分辨率检测方法 | |
CN109064496A (zh) | 一种遥感图像对象层次的变化检测方法 | |
JP5452035B2 (ja) | 欠陥検査方法および欠陥検査装置 | |
CN112767397A (zh) | 工件的检测方法、工件检测设备及存储介质 | |
JP2004037134A (ja) | メタルマスク検査方法及びメタルマスク検査装置 | |
JPH09178427A (ja) | 画像位置計測方法 | |
JP2002277409A (ja) | プリント基板パターンの検査装置 | |
CN116500042B (zh) | 缺陷检测方法、装置、系统及存储介质 |
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 |