CN111862055A - 一种基于图像处理的水准泡车削空腔缺陷检测方法 - Google Patents
一种基于图像处理的水准泡车削空腔缺陷检测方法 Download PDFInfo
- Publication number
- CN111862055A CN111862055A CN202010716434.7A CN202010716434A CN111862055A CN 111862055 A CN111862055 A CN 111862055A CN 202010716434 A CN202010716434 A CN 202010716434A CN 111862055 A CN111862055 A CN 111862055A
- Authority
- CN
- China
- Prior art keywords
- image
- interest
- scribed
- region
- reticle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 230000007547 defect Effects 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 4
- 235000002566 Capsicum Nutrition 0.000 claims description 2
- 239000006002 Pepper Substances 0.000 claims description 2
- 235000016761 Piper aduncum Nutrition 0.000 claims description 2
- 235000017804 Piper guineense Nutrition 0.000 claims description 2
- 244000203593 Piper nigrum Species 0.000 claims description 2
- 235000008184 Piper nigrum Nutrition 0.000 claims description 2
- 150000003839 salts Chemical class 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000012797 qualification Methods 0.000 abstract description 3
- 238000011031 large-scale manufacturing process Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于图像处理的水准泡车削空腔缺陷检测方法。本发明先对采集的水准泡原始图像进行中值滤波,针对车削空腔弧段采用固定阈值进行二值化,确定弧段感兴趣区域轮廓并进行摆正,利用最小二乘法分别将空腔上下弧段拟合成二次曲线并作差得到距离函数,计算距离函数的极值点横坐标。同时,在中值滤波图像中针对刻线采用固定阈值进行二值化并摆正及截取刻线部分的感兴趣区域,通过遍历每行刻线宽度的方法计算左右刻线宽度之差,再获取刻线间距中心点横坐标,与上述距离函数的极值点横坐标作差,得到中心距。最后,根据刻线宽度差和中心距评判被测件的合格性。本发明可替代人工对水准泡车削空腔缺陷进行在线检测,大幅提高检测效率和准确率,同时也减少了人力成本,能够适用于工业大规模生产。
Description
技术领域
本发明涉及一种在工业流水线生产领域中使用的缺陷检测方法,尤其涉及一种基于图像处理的水准泡车削空腔缺陷检测方法。
背景技术
水准泡是水平尺中的核心部件,水平尺以水准泡内气泡与刻线的相对偏移量来显示被测表面的水平度或垂直度,为保证水平尺的合格性,在生产过程中,需要对水准泡的相关参数进行检测。当水准泡经过车削工序后,其处于空腔状态,即未填充液体和气泡时的状态,空腔中刻线宽度之差以及刻线中心与空腔圆弧中心的中心距都是空腔缺陷检测的重要技术指标。目前,水准泡空腔缺陷检测以人工方式为主,人工检测方式存在成本高、效率低、可信度低等缺点,难以满足工业生产的需求。
图像处理技术提供了一种低成本、高效率、高精度的水准泡车削空腔缺陷检测方法,该方法将待测工件转化为图像的形式,结合图像处理技术,实现自动化检测。该方法将解决人工检测存在的问题,能够适用于工业大规模生产。目前,国内外还没有相对成熟的基于图像处理的水准泡车削空腔缺陷检测方法。
因此,本发明提出了一种基于图像处理的水准泡车削空腔缺陷检测方法。
发明内容
本发明针对现有的问题,提供了一种基于图像处理的水准泡车削空腔缺陷检测方法。
为达到上述目的,本发明采用如下技术方案:
一种基于图像处理的水准泡车削空腔缺陷检测方法,具体按以下步骤实施:
步骤1:读取水准泡原始图像,并对原始图像进行中值滤波;
步骤2:在中值滤波后的图像中,针对水准泡车削空腔弧段采用固定阈值进行二值化,遍历二值图中的轮廓,根据轮廓的特征确定感兴趣区域的轮廓;
步骤3:作感兴趣区域轮廓的最小外接矩形,利用最小外接矩形倾角摆正感兴趣区域轮廓,并利用摆正后轮廓的最小外接矩形截取弧段部分的感兴趣区域;
步骤4:利用最小二乘法分别拟合弧段部分感兴趣区域中的上下2个弧段,得到2条二次曲线,对二次曲线作差得到距离函数,求距离函数的极值点X横坐标;
步骤5:在步骤1中所述的中值滤波图像中,针对水准泡刻线采用另一固定阈值进行二值化,得到针对刻线的二值图像;
步骤6:利用步骤3中所述的最小外接矩形的倾角摆正针对刻线的二值图像,再利用步骤3中所述的摆正后轮廓的最小外接矩形截取刻线部分的感兴趣区域;
步骤7:遍历刻线部分的感兴趣区域中每行左右刻线宽度,并分别对左右刻线宽度排序,舍去部分较大宽度和较小宽度,取剩余宽度的均值作为最终刻线宽度,再对左右刻线宽度作差,得到刻线宽度之差;
步骤8:分别取左右刻线内边界X横坐标的均值,以内边界X横坐标均值的均值作为刻线间距中心点X横坐标,刻线间距中心点X横坐标与步骤4中所述的距离函数的极值点X横坐标作差,得到中心距;
步骤9:根据步骤7中的刻线宽度之差和步骤8中的中心距,对被测水准泡的车削空腔是否存在缺陷进行评判;
至此,实现了基于图像处理的水准泡车削空腔缺陷检测。
本发明的有益效果是:本发明所公开的一种基于图像处理的水准泡车削空腔缺陷检测方法,通过工业黑白相机实时采集水准泡灰度图像,结合图像处理技术,对空腔进行缺陷检测,检测参数主要包括左右刻线宽度、刻线宽度之差以及左右刻线中心与空腔圆弧中心的中心距,解决了人工检测成本高、效率低、精度低的问题,应用于工业流水线产生中,可大程度地提高水准泡合格性检测效率。
附图说明
图1是本发明的水准泡车削空腔缺陷检测方法整体流程图;
图2是本发明获取的水准泡原始图像;
图3是本发明获取的中值滤波图像;
图4是本发明获取的针对弧段二值图像;
图5是本发明初步确定的感兴趣区域轮廓标记图像;
图6是本发明最终确定的感兴趣区域轮廓图像;
图7是本发明获取的感兴趣区域轮廓最小外接矩形标记图像;
图8是本发明获取的摆正并截取后的弧段部分感兴趣区域图像;
图9是本发明获取的针对刻线二值图像;
图10是本发明获取的摆正并截取后的刻线部分感兴趣区域图像;
图11是本发明获取的检测结果标记效果图像。
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用以解释本发明,并不用于限定本发明。
如图1所示,本发明方法的步骤是:
步骤1:读取工业黑白相机采集到的原始图像Isrc,如图2所示,对其进行5×5窗口中值滤波,去除椒盐噪声,得到滤波后图像Ifilt,如图3所示。
步骤2:在中值滤波图像Ifilt中,针对水准泡空腔弧段采用固定阈值T1二值化,T1设置为240,得到的二值图像IarcBin如图4所示。
在二值图像IarcBin中搜索感兴趣区域轮廓,遍历每个轮廓Ci(i=1,2,3,...,n),计算每个轮廓的最小外接矩形的面积Si(i=1,2,3,...,n)与长宽比Ri(i=1,2,3,...,n),面积阈值设置为[37000,70000],长宽比阈值设置为[0.50,0.86],初步确定在阈值范围内的感兴趣区域轮廓;若初步确定的轮廓数n2大于等于2,再比较这n2个轮廓的面积与其最小外接矩形面积之比ri(i=1,2,…,n2),ri取最大值时对应的轮廓确定为感兴趣区域轮廓Croi。如图5所示,初步确定的感兴趣区域轮廓数为2(灰色轮廓曲线标记),最终确定的感兴趣区域轮廓Croi如图6所示。
步骤3:作感兴趣区域轮廓Croi的最小外接矩形(灰色矩形框标记),如图7所示,获取矩形的倾角θrect,利用倾角θrect摆正感兴趣区域轮廓Croi,再作摆正后轮廓的最小外接矩形Rroi,其中心点固定不变,并将其长度左右各拉伸35个像素单位,其宽度上下各拉伸10个像素单位,以截取水准泡空腔弧段部分的感兴趣区域IarcROI,如图8所示。
步骤4:利用最小二乘法分别拟合水准泡空腔弧段部分的感兴趣区域IarcROI中的上下2个弧段,得到2条二次曲线,上弧二次曲线ftop(x)和下弧二次曲线fbottom(x)分别为:
ftop(x)=a1x2+b1x+c1 (1)
fbottom(x)=a2x2+b2x+c2 (2)
在图11中,5和6处两条曲线分别为上下2个弧段二次拟合结果。
弧段距离函数farcD(x)为:
farcD(x)=fbottom(x)-ftop(x)=(a2-a1)x2+(b2-b1)x+c2-c1 (3)
距离函数的极值点横坐标X1为:
在图11中,8处垂直线为距离函数的极值点X横坐标所在的垂直线。
步骤5:在中值滤波图像Ifilt中,针对水准泡刻线采用固定阈值T2进行二值化,T2设置为120,得到的二值图像IlineBin如图9所示;
步骤6:利用步骤3中所述的矩形倾角θrect摆正二值图像IlineBin,再利用步骤3中所述的最小外接矩形Rroi,其中心点固定不变,并将其长度左右各拉伸35个像素单位,其宽度上下各缩短8个像素单位,截取刻线部分的感兴趣区域IlineROI,如图10所示;
步骤7:在刻线部分感兴趣区域IlineROI中遍历每行左右刻线的宽度,左刻线每行宽度记为LWi(i=1,2,3,...,n),右刻线每行宽度记为RWj(j=1,2,3,...,m),再分别对左右刻线宽度从小到大排序,得到排序后的左右刻线宽度分别为LWi'(i=1,2,3,...,n),RWj'(j=1,2,3,...,m),舍去前10%的较小宽度和后10%的较大宽度,得到最终左刻线宽度和右刻线宽度分别为:
在图11中,1和2处填充部分分别为左右刻线检测到的每行宽度填充结果。
左右刻线宽度之差WD为:
步骤8:在刻线部分的感兴趣区域IlineROI中获取左右刻线内边界X横坐标,左刻线内边界X横坐标记为LXi(i=1,2,3,...,n),右刻线内边界X横坐标记为RXj(j=1,2,3,...,m),分别计算左刻线内边界X横坐标均值和右刻线内边界X横坐标均值
中心点X横坐标Xc为:
在图11中,3和4处两条垂直线分别为左右刻线内边界X横坐标均值所在的垂直线;7处垂直线为中心点X横坐标所在的垂直线;
中心点X横坐标Xc与步骤4中所述的距离函数的极值点X横坐标X1作差,计算得到中心距D:
D=|Xc-X1| (11)
步骤9:如果左右刻线宽度之差WD处于一个范围[th1,th2]内,则刻线宽度之差合格;如果中心距D小于等于一个阈值th3,则中心距合格;左右刻线宽度之差WD处和中心距D二者均合格时,被测水准泡的车削空腔才能被认定为合格。
至此,实现了基于图像处理的水准泡车削空腔缺陷检测。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于图像处理的水准泡车削空腔缺陷检测方法,其特征在于:具体按照以下步骤实施:
步骤1:读取水准泡原始图像,并对原始图像进行中值滤波;
步骤2:在中值滤波后的图像中,针对水准泡车削空腔弧段采用固定阈值进行二值化,遍历二值图中的轮廓,根据轮廓的特征确定感兴趣区域的轮廓;
步骤3:作感兴趣区域轮廓的最小外接矩形,利用最小外接矩形倾角摆正感兴趣区域轮廓,并利用摆正后轮廓的最小外接矩形截取弧段部分的感兴趣区域;
步骤4:利用最小二乘法分别拟合弧段部分感兴趣区域中的上下2个弧段,得到2条二次曲线,对二次曲线作差得到距离函数,求距离函数的极值点X坐标;
步骤5:在步骤1中所述的中值滤波图像中,针对水准泡刻线采用另一固定阈值进行二值化,得到针对刻线的二值图像;
步骤6:利用步骤3中所述的最小外接矩形的倾角摆正针对刻线的二值图像,再利用步骤3中所述的摆正后轮廓的最小外接矩形截取刻线部分的感兴趣区域;
步骤7:遍历刻线部分的感兴趣区域中每行左右刻线宽度,并分别对左右刻线宽度排序,舍去部分较大宽度和较小宽度,取剩余宽度的均值作为最终刻线宽度,再对左右刻线宽度作差,得到刻线宽度之差;
步骤8:分别取左右刻线内边界X横坐标的均值,以内边界X横坐标均值的均值作为刻线间距中心点X横坐标,刻线间距中心点X横坐标与步骤4中所述的距离函数的极值点X横坐标作差,得到中心距;
步骤9:根据步骤7中的刻线宽度之差和步骤8中的中心距,对被测水准泡的车削空腔是否存在缺陷进行评判;
至此,实现了基于图像处理的水准泡车削空腔缺陷检测。
2.根据权利要求1所述的一种基于图像处理的水准泡车削空腔缺陷检测方法,其特征在于:所述的步骤1中,具体按照以下过程实施:
读取工业黑白相机采集到的原始图像Isrc,对其进行5×5窗口中值滤波,去除椒盐噪声,得到滤波后图像Ifilt。
3.根据权利要求1所述的一种基于图像处理的水准泡车削空腔缺陷检测方法,其特征在于:所述的步骤2中,具体按照以下过程实施:
在中值滤波图像Ifilt中,针对水准泡空腔弧段采用固定阈值T1进行二值化,得到二值图像IarcBin;
在二值图像IarcBin中搜索感兴趣区域轮廓,遍历每个轮廓Ci(i=1,2,3,...,n),计算每个轮廓的最小外接矩形的面积Si(i=1,2,3,...,n)与长宽比Ri(i=1,2,3,...,n),面积阈值设置为[Alow,Ahigh],长宽比阈值设置为[rlow,rhigh],初步确定在阈值范围内的感兴趣区域轮廓;若初步确定的轮廓数n2大于等于2,再比较这n2个轮廓的面积与其最小外接矩形面积之比ri(i=1,2,…,n2),ri取最大值时对应的轮廓确定为感兴趣区域轮廓Croi。
4.根据权利要求1所述的一种基于图像处理的水准泡车削空腔缺陷检测方法,其特征在于:所述的步骤3中,具体按照以下过程实施:
作感兴趣区域轮廓Croi的最小外接矩形,获取矩形的倾角θrect,利用倾角θrect摆正感兴趣区域轮廓Croi,再作摆正后轮廓的最小外接矩形Rroi,其中心点固定不变,并将其向外扩展一定宽度,以截取水准泡空腔弧段部分的感兴趣区域IarcROI。
6.根据权利要求1所述的一种基于图像处理的水准泡车削空腔缺陷检测方法,其特征在于:所述的步骤5中,具体按照以下过程实施:
在权利要求2所述的中值滤波图像Ifilt中,针对水准泡刻线采用固定阈值T2进行二值化,得到二值图像IlineBin。
7.根据权利要求1所述的一种基于图像处理的水准泡车削空腔缺陷检测方法,其特征在于:所述的步骤6中,具体按照以下过程实施:
利用权利要求4所述的矩形倾角θrect摆正二值图像IlineBin,再利用权利要求4所述的最小外接矩形Rroi,其中心点固定不变,并将其向外扩展一定宽度,截取刻线部分的感兴趣区域IlineROI。
10.根据权利要求1所述的一种基于图像处理的水准泡车削空腔缺陷检测方法,其特征在于:所述的步骤9中,具体按照以下过程实施:
如果左右刻线宽度之差WD处于一个范围[th1,th2]内,则刻线宽度之差合格;如果中心距D小于等于一个阈值th3,则中心距合格;左右刻线宽度之差WD处和中心距D二者均合格时,被测水准泡的车削空腔才能被认定为合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716434.7A CN111862055B (zh) | 2020-07-23 | 2020-07-23 | 一种基于图像处理的水准泡车削空腔缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716434.7A CN111862055B (zh) | 2020-07-23 | 2020-07-23 | 一种基于图像处理的水准泡车削空腔缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111862055A true CN111862055A (zh) | 2020-10-30 |
CN111862055B CN111862055B (zh) | 2024-03-05 |
Family
ID=72950292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010716434.7A Active CN111862055B (zh) | 2020-07-23 | 2020-07-23 | 一种基于图像处理的水准泡车削空腔缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862055B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124898A (zh) * | 2021-03-03 | 2021-07-16 | 上海大学 | 一种基于图像处理的管水准器位置精度测量方法 |
CN113496483A (zh) * | 2021-06-22 | 2021-10-12 | 华南理工大学 | 一种基于图像处理的焊缝气孔缺陷检测方法 |
CN115171031A (zh) * | 2022-07-19 | 2022-10-11 | 杭州开闳流体科技有限公司 | 一种基于车辆参照物的路面积水检测方法、装置及应用 |
CN116295790A (zh) * | 2023-05-22 | 2023-06-23 | 合肥工业大学 | 基于桥梁拉索特征区域帧间相位差的频率检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102091974A (zh) * | 2010-11-11 | 2011-06-15 | 西安交通大学苏州研究院 | 一种高速车床加工特性在机测量装置的装调方法 |
KR20140001356A (ko) * | 2012-06-26 | 2014-01-07 | 주식회사 포스코 | 압연재의 심 크랙 결함 검출 장치 |
CN108534802A (zh) * | 2018-04-28 | 2018-09-14 | 中国计量大学 | 基于图像处理技术的管水准器气泡偏移量测量方法 |
CN108645359A (zh) * | 2018-05-31 | 2018-10-12 | 华中科技大学 | 一种回转体壁厚检测方法 |
CN108876860A (zh) * | 2018-04-28 | 2018-11-23 | 中国计量大学 | 一种用于管水准器气泡偏移量测量的图像标定方法 |
CN109886911A (zh) * | 2018-10-09 | 2019-06-14 | 中国计量大学 | 一种基于图像处理技术的水准泡刻线缺陷检测方法 |
CN109883396A (zh) * | 2018-10-09 | 2019-06-14 | 中国计量大学 | 一种基于图像处理技术的水准泡刻线宽度测量方法 |
CN109900302A (zh) * | 2019-04-09 | 2019-06-18 | 中国计量大学 | 一种多刻线水准管气泡居中误差视觉测量方法 |
WO2020133046A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
-
2020
- 2020-07-23 CN CN202010716434.7A patent/CN111862055B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102091974A (zh) * | 2010-11-11 | 2011-06-15 | 西安交通大学苏州研究院 | 一种高速车床加工特性在机测量装置的装调方法 |
KR20140001356A (ko) * | 2012-06-26 | 2014-01-07 | 주식회사 포스코 | 압연재의 심 크랙 결함 검출 장치 |
CN108534802A (zh) * | 2018-04-28 | 2018-09-14 | 中国计量大学 | 基于图像处理技术的管水准器气泡偏移量测量方法 |
CN108876860A (zh) * | 2018-04-28 | 2018-11-23 | 中国计量大学 | 一种用于管水准器气泡偏移量测量的图像标定方法 |
CN108645359A (zh) * | 2018-05-31 | 2018-10-12 | 华中科技大学 | 一种回转体壁厚检测方法 |
CN109886911A (zh) * | 2018-10-09 | 2019-06-14 | 中国计量大学 | 一种基于图像处理技术的水准泡刻线缺陷检测方法 |
CN109883396A (zh) * | 2018-10-09 | 2019-06-14 | 中国计量大学 | 一种基于图像处理技术的水准泡刻线宽度测量方法 |
WO2020133046A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
CN109900302A (zh) * | 2019-04-09 | 2019-06-18 | 中国计量大学 | 一种多刻线水准管气泡居中误差视觉测量方法 |
Non-Patent Citations (3)
Title |
---|
何勇强;陈爱军;李东升;: "静压节流器微孔气膜参数测量装置设计与试验", 机床与液压, no. 02, 28 January 2020 (2020-01-28) * |
胡佳成;陆枫;陈爱军;常旭;金云超: "ABS齿圈环形表面缺陷检测方法", 电子测量与仪器学报, no. 003, 31 December 2017 (2017-12-31) * |
胡佳成;陆枫;陈爱军;常旭;金云超;: "ABS齿圈环形表面缺陷检测方法", 电子测量与仪器学报, no. 03, 15 March 2017 (2017-03-15) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124898A (zh) * | 2021-03-03 | 2021-07-16 | 上海大学 | 一种基于图像处理的管水准器位置精度测量方法 |
CN113496483A (zh) * | 2021-06-22 | 2021-10-12 | 华南理工大学 | 一种基于图像处理的焊缝气孔缺陷检测方法 |
CN113496483B (zh) * | 2021-06-22 | 2023-06-16 | 华南理工大学 | 一种基于图像处理的焊缝气孔缺陷检测方法 |
CN115171031A (zh) * | 2022-07-19 | 2022-10-11 | 杭州开闳流体科技有限公司 | 一种基于车辆参照物的路面积水检测方法、装置及应用 |
CN115171031B (zh) * | 2022-07-19 | 2023-01-31 | 杭州开闳流体科技有限公司 | 一种基于车辆参照物的路面积水检测方法、装置及应用 |
CN116295790A (zh) * | 2023-05-22 | 2023-06-23 | 合肥工业大学 | 基于桥梁拉索特征区域帧间相位差的频率检测方法及系统 |
CN116295790B (zh) * | 2023-05-22 | 2023-09-05 | 合肥工业大学 | 基于桥梁拉索特征区域帧间相位差的频率检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111862055B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111862055A (zh) | 一种基于图像处理的水准泡车削空腔缺陷检测方法 | |
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN108613630B (zh) | 基于图像处理技术的两线型管水准器气泡偏移量测量方法 | |
CN102496161B (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN109883396B (zh) | 一种基于图像处理技术的水准泡刻线宽度测量方法 | |
CN106485699B (zh) | 一种基于点匹配的基准标志定位方法 | |
CN109993099A (zh) | 一种基于机器视觉的车道线提取识别方法 | |
CN104680509B (zh) | 一种实时圆形印刷图像缺陷检测方法 | |
CN107341802A (zh) | 一种基于曲率与灰度复合的角点亚像素定位方法 | |
CN108876860B (zh) | 一种用于管水准器气泡偏移量测量的图像标定方法 | |
CN104200496B (zh) | 最小二乘邻边垂直拟合的矩形标志符高精度检测定位方法 | |
CN115170669A (zh) | 基于边缘特征点集配准的识别定位方法及系统、存储介质 | |
CN112767359B (zh) | 复杂背景下的钢板角点检测方法及系统 | |
CN108797241B (zh) | 一种基于高度比对的轨道扣件螺帽松动检测方法 | |
CN109886954A (zh) | 一种印刷品缺陷检测方法 | |
CN107784646A (zh) | 一种路用集料的自适应检测方法 | |
CN106813569A (zh) | 一种基于线结构光的汽车轮胎三维定位方法 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 | |
CN109886911B (zh) | 一种基于图像处理技术的水准泡刻线缺陷检测方法 | |
CN111476792B (zh) | 一种板带钢图像轮廓的提取方法 | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
CN108416790A (zh) | 一种用于工件破损率的检测方法 | |
CN112102189B (zh) | 一种线结构光光条中心线提取方法 | |
CN111161264A (zh) | 一种对含有缺陷的tft电路图像的分割方法 |
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 |