CN111551568A - 一种基于机器视觉的镜片缺陷检测与分类方法 - Google Patents
一种基于机器视觉的镜片缺陷检测与分类方法 Download PDFInfo
- Publication number
- CN111551568A CN111551568A CN202010502223.3A CN202010502223A CN111551568A CN 111551568 A CN111551568 A CN 111551568A CN 202010502223 A CN202010502223 A CN 202010502223A CN 111551568 A CN111551568 A CN 111551568A
- Authority
- CN
- China
- Prior art keywords
- lens
- defect
- impurities
- edge
- spots
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000003287 optical effect Effects 0.000 claims description 25
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 239000012535 impurity Substances 0.000 claims description 19
- 238000003708 edge detection Methods 0.000 claims description 16
- 239000002994 raw material Substances 0.000 claims description 9
- 239000011347 resin Substances 0.000 claims description 9
- 229920005989 resin Polymers 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000000227 grinding Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000006748 scratching Methods 0.000 claims description 3
- 230000002393 scratching effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000005286 illumination Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
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
- G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
-
- 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
- G01N21/8851—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
Landscapes
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明公开了一种基于机器视觉的镜片缺陷检测与分类方法，涉及镜片技术领域；它的方法如下：步骤一：图像采集系统的研究；步骤二：镜片缺陷特征的研究；步骤三：缺陷识别算法的研究；步骤四：镜片缺陷分类研究；本发明能够实现图像采集、缺陷识别以及分类，其使用方便，操作简便；提高缺陷检测速度以及精度，能够节省时间，稳定性高。
Description
技术领域
本发明属于镜片技术领域，具体涉及一种基于机器视觉的镜片缺陷检测与分类方法。
背景技术
光学树脂镜片是光学成像中应用最频繁的一种镜片，这种镜片采用精密注塑成型工艺，其成型制件的精度和表面质量都能达到很高的要求标准，并且相比于玻璃镜片更具有成本低、重量轻、冲击性能好等优点。光学树脂镜片在生产过程中可能产生的缺陷主要包括杂质、斑点、气泡等，并且在实际过程中由于摩擦碰撞会产生污点、划痕等缺陷。这些缺陷会导致镜片出现表面不均匀、透光率低下等问题，不能满足实际产品的成型标准。
发明内容
为解决现有的问题；本发明的目的在于提供一种基于机器视觉的镜片缺陷检测与分类方法。
本发明的一种基于机器视觉的镜片缺陷检测与分类方法，它的方法如下：
步骤一：图像采集系统的研究：
图像采集的关键在于相机的成像技术和光源的照射方式。工作距离50-200mm、产品大小5mm*5mm到18mm*18mm，根据‘视野长度/精度’选择合适的相机像素；根据‘工作距离*芯片水平长度/视野长度’选择合适的镜头焦距；根据采用不同的光照方式查看成像的质量，选择合适的打光方式。
步骤二：镜片缺陷特征的研究：
在光学镜片的生产过程中，由于制造工艺和原料的差异会导致镜片制造过程中产生不同的缺陷；镜片缺陷分为气泡、划痕、斑点、杂质、其他，它们的产生的原因如下：
2.1、气泡：光学树脂镜片的气泡是由于生产过程中材料、空气进入原因产生的，气泡会影响镜片的光学特性；
2.2、划痕：划痕的产生主要原因是由于与别的物体摩擦产生的；
2.3、斑点：斑点是由于光学树脂镜片表面遭到局部腐蚀，主要原因也是因为原材料或者是生产环境的不良；
2.4、杂质：主要是在生产过程中杂质落到磨具或者是原材料中造成的；
2.5、其他；
步骤三：缺陷识别算法的研究：
镜片缺陷的轮廓信息是非接触测量和接触测量唯一的依据；因此，能够精准的提取出缺陷边缘轮廓是尺寸检测系统保证检测精度的前提，机器视觉技术描述缺陷的轮廓信息就是缺陷的边缘信息；提出一种改进的Canny边缘检测算法，改变滤波方式以提高边缘定位精度，改变梯度幅值计算方式以兼顾抗噪要求和边缘定位，并与传统的边缘检测算法对比，验证改进算法的优越性；
步骤四：镜片缺陷分类研究：
镜片缺陷可以分为气泡、划痕、斑点、杂质四类，可以采取机器视觉的方式对镜片进行检测，其中包括对光学镜片进行数据图像采集、镜片缺陷特征分析、缺陷边缘信息提取、在进行分类；其判断依据如下：
气泡：光学镜片内的空气泡，呈现圆形、面积较大；
划痕：包括擦痕，长宽比大于4，且线性相关系数高；
斑点：光学镜片上的细小点状物，包括麻点、斑点、破点，呈现圆形，面积较小；
杂质：镜片表面的杂质，在背光下成像明显。
与现有技术相比，本发明的有益效果为：
一、能够实现图像采集、缺陷识别以及分类，其使用方便，操作简便；
二、提高缺陷检测速度以及精度，能够节省时间，稳定性高。
附图说明
为了易于说明，本发明由下述的具体实施及附图作以详细描述。
图1为本发明的流程图；
图2为本发明中图像采集系统的结构示意图；
图3为本发明中缺陷研究框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
如图1、图3所示，本具体实施方式采用以下技术方案：它的方法如下：
步骤一：图像采集系统的研究：
图像采集的关键在于相机的成像技术和光源的照射方式。在选择相机时，相机的分辨率、镜头的焦距、视野范围等都是必须考虑的因素，这些因素都会影响成像质量。根据本系统设计，工作距离50-200mm、产品大小5mm*5mm到18mm*18mm，根据‘视野长度/精度’选择合适的相机像素。根据‘工作距离*芯片水平长度/视野长度’选择合适的镜头焦距。光照方式的选择对于成像起着关键作用，不同的光照方式对镜片的成像质量会有明显的差别，光照方式按照照射方式不同可以分为：同轴光、背向光、前向光等方式，图像采集系统如图2所示。本系统的设计可以根据采用不同的光照方式查看成像的质量，选择合适的打光方式。
步骤二：镜片缺陷特征的研究：
在光学镜片的生产过程中，由于制造工艺和原料的差异会导致镜片制造过程中产生不同的缺陷。镜片缺陷分为气泡、划痕、斑点、杂质、其他等；它们的产生的原因如下：
2.1、气泡：光学树脂镜片的气泡是由于生产过程中材料、空气进入等原因产生的，气泡会影响镜片的光学特性。
2.2、划痕：划痕的产生主要原因是由于与别的物体摩擦产生的。
2.3、斑点：斑点是由于光学树脂镜片表面遭到局部腐蚀，主要原因也是因为原材料或者是生产环境的不良。
2.4、杂质：主要是在生产过程中杂质落到磨具或者是原材料中造成的。
2.5、其他；
步骤三：缺陷识别算法的研究：
镜片缺陷的轮廓信息是非接触测量和接触测量唯一的依据。因此，能够精准的提取出缺陷边缘轮廓是尺寸检测系统保证检测精度的前提，机器视觉技术描述缺陷的轮廓信息就是缺陷的边缘信息。
通过查阅文献资料得知传统的边缘检测算法分为一阶和二阶微分边缘检测算子，一阶微分边缘检测算子中梯度就是一阶导数算子，常用的一阶微分边缘检测算子，如Roberts、Sobel算子等,二阶边缘检测算子的典型代表为LOG算子。经查阅资料知Roberts算子对噪声比较敏感，处理的图像出现许多毛刺和一些噪声干扰出现的假边缘现象，只能处理含有噪声较少的图像；Sobel算子定位精度不高，容易造成漏检或者误检，其处理的图像边缘部分容易丢失细节；Canny算子可以得到很好的检测效果，但由于其检测的完整性而把背景上的一些不需要的杂散点也检测了出来，有些杂散点聚集的连通区域可能会被识别为缺陷的边缘。LOG边缘检测算法综合了高斯滤波对噪声的抑制作用以及Laplacian算子的锐化特性。但是，由于边缘也是高频信号，因此高斯滤波对频率较高的噪声抑制的同时会导致图像边缘的平滑，造成某些边缘点的漏检。针对镜片缺陷的特征和传统边缘检测算法的分析，拟提出一种改进的Canny边缘检测算法，改变滤波方式以提高边缘定位精度，改变梯度幅值计算方式以兼顾抗噪要求和边缘定位，并与传统的边缘检测算法对比，验证改进算法的优越性。
步骤四：镜片缺陷分类研究：
镜片缺陷可以分为气泡、划痕、斑点、杂质四类，可以采取机器视觉的方式对镜片进行检测，其中包括对光学镜片进行数据图像采集、镜片缺陷特征分析、缺陷边缘信息提取、在进行分类。其判断依据如下：
气泡：光学镜片内的空气泡，呈现圆形、面积较大。
划痕：包括擦痕，长宽比大于4，且线性相关系数高。
斑点：光学镜片上的细小点状物，包括麻点、斑点、破点等，呈现圆形，面积较小。
杂质：镜片表面的杂质，在背光下成像明显。
本具体实施方式的工作原理为：
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (1)
1.一种基于机器视觉的镜片缺陷检测与分类方法，其特征在于：它的方法如下：
步骤一：图像采集系统的研究：
图像采集的关键在于相机的成像技术和光源的照射方式；工作距离50-200mm、产品大小5mm*5mm到18mm*18mm，根据‘视野长度/精度’选择合适的相机像素；根据‘工作距离*芯片水平长度/视野长度’选择合适的镜头焦距；根据采用不同的光照方式查看成像的质量，选择合适的打光方式；
步骤二：镜片缺陷特征的研究：
在光学镜片的生产过程中，由于制造工艺和原料的差异会导致镜片制造过程中产生不同的缺陷；镜片缺陷分为气泡、划痕、斑点、杂质、其他，它们的产生的原因如下：
2.1、气泡：光学树脂镜片的气泡是由于生产过程中材料、空气进入原因产生的，气泡会影响镜片的光学特性；
2.2、划痕：划痕的产生主要原因是由于与别的物体摩擦产生的；
2.3、斑点：斑点是由于光学树脂镜片表面遭到局部腐蚀，主要原因也是因为原材料或者是生产环境的不良；
2.4、杂质：主要是在生产过程中杂质落到磨具或者是原材料中造成的；
2.5、其他；
步骤三：缺陷识别算法的研究：
镜片缺陷的轮廓信息是非接触测量和接触测量唯一的依据；因此，能够精准的提取出缺陷边缘轮廓是尺寸检测系统保证检测精度的前提，机器视觉技术描述缺陷的轮廓信息就是缺陷的边缘信息；提出一种改进的Canny边缘检测算法，改变滤波方式以提高边缘定位精度，改变梯度幅值计算方式以兼顾抗噪要求和边缘定位，并与传统的边缘检测算法对比，验证改进算法的优越性；
步骤四：镜片缺陷分类研究：
镜片缺陷可以分为气泡、划痕、斑点、杂质四类，可以采取机器视觉的方式对镜片进行检测，其中包括对光学镜片进行数据图像采集、镜片缺陷特征分析、缺陷边缘信息提取、在进行分类；其判断依据如下：
气泡：光学镜片内的空气泡，呈现圆形、面积较大；
划痕：包括擦痕，长宽比大于4，且线性相关系数高；
斑点：光学镜片上的细小点状物，包括麻点、斑点、破点，呈现圆形，面积较小；
杂质：镜片表面的杂质，在背光下成像明显。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010502223.3A CN111551568A (zh) | 2020-06-04 | 2020-06-04 | 一种基于机器视觉的镜片缺陷检测与分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010502223.3A CN111551568A (zh) | 2020-06-04 | 2020-06-04 | 一种基于机器视觉的镜片缺陷检测与分类方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111551568A true CN111551568A (zh) | 2020-08-18 |
Family
ID=72003263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010502223.3A Pending CN111551568A (zh) | 2020-06-04 | 2020-06-04 | 一种基于机器视觉的镜片缺陷检测与分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111551568A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113155850A (zh) * | 2021-05-17 | 2021-07-23 | 哈尔滨理工大学 | 一种基于机器视觉的灯罩缺陷检测和分类方法 |
| CN113252568A (zh) * | 2021-06-10 | 2021-08-13 | 菲特（天津）检测技术有限公司 | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 |
| CN114331923A (zh) * | 2022-03-11 | 2022-04-12 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于改进Canny算法的冰结构中气泡轮廓提取方法 |
| CN116990450A (zh) * | 2023-07-18 | 2023-11-03 | 欧几里德(苏州)医疗科技有限公司 | 一种角膜塑形镜的缺陷检测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735695A (zh) * | 2012-06-04 | 2012-10-17 | 华中科技大学 | 一种镜片瑕疵快速检测方法及装置 |
| CN105891233A (zh) * | 2016-05-26 | 2016-08-24 | 福州大学 | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 |
| CN108732184A (zh) * | 2018-05-22 | 2018-11-02 | 丹阳市精通眼镜技术创新服务中心有限公司 | 一种树脂镜片漏膜缺陷检测的装置与方法 |
| CN108956645A (zh) * | 2018-07-18 | 2018-12-07 | 丹阳市精通眼镜技术创新服务中心有限公司 | 一种多视觉系统的光学镜片缺陷检测装置及方法 |
-
2020
- 2020-06-04 CN CN202010502223.3A patent/CN111551568A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102735695A (zh) * | 2012-06-04 | 2012-10-17 | 华中科技大学 | 一种镜片瑕疵快速检测方法及装置 |
| CN105891233A (zh) * | 2016-05-26 | 2016-08-24 | 福州大学 | 基于机器视觉的镜片表面缺陷智能检测系统及其实现方法 |
| CN108732184A (zh) * | 2018-05-22 | 2018-11-02 | 丹阳市精通眼镜技术创新服务中心有限公司 | 一种树脂镜片漏膜缺陷检测的装置与方法 |
| CN108956645A (zh) * | 2018-07-18 | 2018-12-07 | 丹阳市精通眼镜技术创新服务中心有限公司 | 一种多视觉系统的光学镜片缺陷检测装置及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 姚红兵;平洁;李良湾;顾寄南;曾祥波;马桂殿;郑学良;: "一种眼镜镜片缺陷自动化检测系统的研究" * |
| 姚红兵;马桂殿;沈宝国;顾寄南;曾祥波;郑学良;汤发全;: "基于机器视觉的树脂镜片疵病检测系统研究" * |
| 袁续凯;孙志刚;: "基于同态滤波的手机镜片表面缺陷检测算法研究" * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113155850A (zh) * | 2021-05-17 | 2021-07-23 | 哈尔滨理工大学 | 一种基于机器视觉的灯罩缺陷检测和分类方法 |
| CN113252568A (zh) * | 2021-06-10 | 2021-08-13 | 菲特（天津）检测技术有限公司 | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 |
| CN114331923A (zh) * | 2022-03-11 | 2022-04-12 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于改进Canny算法的冰结构中气泡轮廓提取方法 |
| CN114331923B (zh) * | 2022-03-11 | 2022-05-13 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于改进Canny算法的冰结构中气泡轮廓提取方法 |
| CN116990450A (zh) * | 2023-07-18 | 2023-11-03 | 欧几里德(苏州)医疗科技有限公司 | 一种角膜塑形镜的缺陷检测方法及系统 |
| CN116990450B (zh) * | 2023-07-18 | 2024-04-26 | 欧几里德(苏州)医疗科技有限公司 | 一种角膜塑形镜的缺陷检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111551568A (zh) | 一种基于机器视觉的镜片缺陷检测与分类方法 | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| KR100790612B1 (ko) | 유리 검사시스템 | |
| CN104697998B (zh) | 抛光的宝石中的夹杂物检测 | |
| CN108230324B (zh) | 磁瓦表面微缺陷视觉检测方法 | |
| CN103630544B (zh) | 一种视觉在线检测系统 | |
| JPH0221541B2 (zh) | ||
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| CN105973912A (zh) | 基于机器视觉的真皮表面缺陷检测系统及其检测方法 | |
| CN101639452A (zh) | 一种钢轨表面缺陷的三维检测方法 | |
| CN110288584A (zh) | 基于机器视觉的陶瓷热浸镀铝表面缺陷检测方法及装置 | |
| CN109816627B (zh) | 平面玻璃元件油墨区弱小缺陷目标检测方法 | |
| CN102538672A (zh) | 一种基于cmos机器视觉零件尺寸测量系统及测量检验方法 | |
| CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
| CN109102497B (zh) | 高分辨率的导光板图像缺陷检测方法 | |
| CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
| CN110823097A (zh) | 一种密集波分复用器自动装配中光学元件尺寸测量的方法 | |
| CN111369511A (zh) | 一种基于频谱特性的光学元件表面弱划痕检测方法 | |
| CN103630553A (zh) | 一种镜片表面点状与线状杂质的检测装置 | |
| CN202177587U (zh) | 基于机器视觉技术的滤纸缺陷检测系统 | |
| CN209858405U (zh) | 基于机器光学的pcb板缺陷检测系统装置 | |
| CN108956618B (zh) | 一种基于频域视觉的圆锥滚子轴承表面检测方法 | |
| CN202171575U (zh) | 用于光学镜片外观的机械视觉检测装置 | |
| CN115791801A (zh) | 基于机器视觉的3d玻璃在线监测平台 | |
| CN113155024A (zh) | 一种环状工件尺寸测量和缺陷检测方法及装置 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200818 |
|
| WD01 | Invention patent application deemed withdrawn after publication |