CN111999254A - 基于双通道的增材制造缺陷检测系统 - Google Patents
基于双通道的增材制造缺陷检测系统 Download PDFInfo
- Publication number
- CN111999254A CN111999254A CN202010792536.7A CN202010792536A CN111999254A CN 111999254 A CN111999254 A CN 111999254A CN 202010792536 A CN202010792536 A CN 202010792536A CN 111999254 A CN111999254 A CN 111999254A
- Authority
- CN
- China
- Prior art keywords
- light source
- module
- image
- additive manufacturing
- infrared
- 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 54
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 239000000463 material Substances 0.000 title description 10
- 239000000654 additive Substances 0.000 claims abstract description 45
- 230000000996 additive effect Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000010191 image analysis Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000003331 infrared imaging Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000001816 cooling Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 10
- 230000009977 dual effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000002950 deficient Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G06T5/73—
-
- G06T5/90—
-
- 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
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于增材制造技术领域,具体为一种基于双通道的增材制造缺陷检测系统。本发明系统包括多光谱光源模块、光源控制模块、图像采集模块和图像处理模块;光源控制模块与多光谱光源模块连接,用于在增材制造缺陷检测中控制多光谱光源发射至增材制件的光线波段,并通过图像采集模块接收通过增材制件反射的多光谱光线信号;图像分析处理模块对图像采集模块采集到的增材制件的可见光与红外成像信息进行图像处理和分析,快速识别与评价增材制件的缺陷类别。本发明能够实现对增材制件的多通道缺陷检测,其结构简单易于实现,检测实时性较好、精度较高,并且能够避免增材制件在单通道图像检测下的细节丢失的问题,有助于提高增材制件的成品质量。
Description
技术领域
本发明属于增材制造技术领域,具体涉及一种基于双通道的增材制造缺陷检测系统。
背景技术
增材制造技术是一种基于分层离散、逐层堆积的原理,通过“自下而上”实现材料成形的新型制造方法,具有材料利用率高、成形效果好等优势,解决了复杂结构零件快速制造的工艺难题,已被广泛用于制造领域。但是,增材制件的质量是制约激光增材制造工艺发展的瓶颈问题之一。由于增材制造过程中对工艺参数的控制不当,制备材料的不稳定性以及环境的不利影响,使增材制造产品在内部内部产生孔隙、裂纹等缺陷,严重影响产品的性能。
目前大多数缺陷检测方法采用单通道拍摄缺陷图像,包括传统的超声检测技术,磁共振检测技术,X射线检测技术和CT检测技术。但是,这些检测方法通常存在诸如图像信息不足、抗干扰性能差、辐射损伤大、信号获取时间长、设备昂贵、检测成本高和检测精度较低等问题,无法检测出0.1mm以下的气孔和未熔合缺陷等,无法确保缺陷的细节能够被捕获,检测质量存在隐患。
发明内容
为了克服现有技术的上述缺点与不足,本发明的目的在于提供一种基于双通道的增材制造缺陷检测系统,以解决现有技术中对增材制件的缺陷检测通道单一、图像细节丢失和精度较低等技术问题。
本发明提供的基于双通道的增材制造缺陷检测系统,其结构如附图1所示;包括缺陷光源控制模块(200)、多光谱光源模块(300)、图像采集模块(400)和图像处理模块(500);其中,所述多光谱光源模块(300)包括可见光光源模块(310)和红外光光源模块(320);所述可见光光源模块(310)包括可见光线光光源和水冷系统,该水冷系统用于保持可见光光源模块稳定工作;所述红外光光源模块(320)包括红外光线光光源和水冷系统,该水冷系统用于保持红外光线光光源稳定工作;所述缺陷光源控制模块(200)包括红外光光源频闪控制器和可见光光源频闪控制器,用于控制可见光线光光源和红外光线光光源交替频闪发光;所述图像采集模块(400)包括红外镜头和工业CCD;多光谱光源模块(300)发出的多光谱光波照射到增材制件表面后,工件表面光谱信息反射到达图像采集模块(400)中的红外镜头,然后被工业CCD采集;所述图像处理模块(500)连接图像采集模块(400);所述图像分析处理模块(500)用于对图像采集模块(400)采集到的增材制件的可见光与红外成像信息进行图像处理和分析,快速识别与评价增材制件的缺陷类别。
进一步地,图像分析处理模块(500)中包括图像分析和图像处理;图像分析属于图像预处理;所述图像分析采用GLCM特征提取和梯度增强分类算法[1-2],可完成针对增材制件的缺陷分析与目标识别;图像处理采用去模糊增强方法和去光照不均增强方法[3-5],具体采用约束最小二乘滤波和 Top-hat 变换,以平滑度量的最佳复原为基础减小了噪声敏感性,使缺陷图像得到适当的灰度校正,有效地改善缺陷图像的质量。
与现有技术相比,本发明具有以下优点和有益效果:
(1)本发明通过设计出的基于双通道的增材制造缺陷检测系统,利用可见光图像和红外图像包含特定的缺陷信息,通过采集双通道的缺陷图像充分利用各自通道的信息优势。获得更丰富的图像信息和保证缺陷识别的精度,获得更好的识别效果;
(2)本发明通过设计出的基于双通道的增材制造缺陷检测系统,采用双通道公用一个图像采集模块的设计,能够始终保证可见光通道与红外通通道采集到的是同视角的增材制件缺陷图像,后续图像处理工作简单高效,无需配准。同时能够节约系统空间,大大减小了系统的体积,系统的集成性好,监测过程更加便捷高效;
(3)本发明通过设计出的基于双通道的增材制造缺陷检测系统,采用可见光光源与红外光源交替频闪,可以实现瞬间双通道的图像采集,采集过程简单高效。
附图说明
图1为本发明的基于双通道的增材制造缺陷检测系统结构图示。
图2为本发明中的图像采集模块结构图示。
图3 红外通道的缺陷图像(a)及处理后图像(b) 。
图4 可见光通道的缺陷图像(a)及处理后图像(b)。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种基于双通道的增材制造缺陷检测系统,包括缺陷光源控制模块(200)、多光谱光源模块(300)、图像采集模块(400)和图像处理模块(500)。所述可见光光源模块(310)包括可见光线光光源和水冷系统;所述红外光光源模块(320)包括红外光线光光源和水冷系统;所述图像采集模块(400)包括红外镜头、工业CCD。所述图像处理模块(500)连接图像采集模块(400)。
进一步地,所述红外镜头为8X放大系数、靶面尺寸1/2,工作距离65mm的金相镜头;所述工业CCD为分辨率为1280*1024、像素尺寸为4.8um*4.8um的红外相机。
进一步地,所述可见光线光光源为150W的线状LED灯排发射可见光波段;所述红外光线光光源为150W的红外波段为850nm的线状灯排发射红海外光波段;所述水冷系统可以保证光源稳定工作。
进一步地,所述光源控制模块(200)控制可见光光源模块和红外光光源模块交替频闪发光;多光谱光波照射到增材制件表面后,工件表面光谱信息反射到达红外镜头被工业CCD采集。所述红外镜头与工业CCD的靶面尺寸适配,为保证工业CCD的进光量,红外镜头的放大系数与最低精度要求吻合。
所述可见光光源模块(310)和红外光光源模块(320)均采用大功率线灯时,其在工作状态时灯具表面温度达90℃,为保护红外镜头和工业CCD,为该可见光光源模块(310)和红外光光源模块(320)配备水冷系统进行处理,通过水循环降温后灯具表面温度可降到40℃。
所述图像分析处理模块(500)将增材制件的可见光与红外成像信息进行图像处理和分析,快速识别与评价增材制件的缺陷类别。
所述分为图像预处理,图像分析采用GLCM特征提取和梯度增强分类算法,可完成针对增材制件的缺陷分析与目标识别。
所述图像处理采用去模糊增强方法和去光照不均增强方法,采用约束最小二乘滤波和Top-hat 算法,该算法核心是针对减小噪声敏感性以平滑度量的最佳复原为基础的,期望找到一副图像的二阶导数的最小准则函数:
其约束为:
其中,
公式(1)中,f(x,y)表示该图像,图像大小为M×N,为拉普拉斯算子,表示平滑程度;
公式(2)中,为约束条件参数,H为MN×MN维的矩阵,为退化图像的估计,为加性噪声;
公式(3)中,P为固定矩阵函数,为拉格朗日乘子,为计算后化简系数。
采用预处理算法后的图像使光照不均现象得到了适当的灰度校正,有效地改善了缺陷图像的质量,处理结果如图3、图4所示,为在多通道图像检测装置拍摄到的增材制造工件的微观图像。
由图3可见,红外通道图像缺陷细节丢失且光晕严重,图像预处理后,图像中缺陷分布均匀,形成较小的缺陷群落,判断为增材制件的“孔洞缺陷”。
由图4可见,可见光通道图像眩光严重且图像离焦,图像预处理后,图像中部分缺陷较集中,形成较大斑块的缺陷群落,判断为增材制件的“孔隙缺陷”。
由此可见该发明可以有效识别出增材制件的多类型缺陷。
参考文献
[1]Dan Li,Qiang Wang,Fanqiang Kong. Adaptive kernel sparse representationbased on multiple feature learning for hyperspectral image classification[J].Neurocomputing,2020,400.
[2]Maryam Imani,Hassan Ghassemian. An overview on spectral and spatialinformation fusion for hyperspectral image classification: Current trends andchallenges[J]. Information Fusion,2020,59.
[3]R. Udendhran,M. Balamurugan,A. Suresh,R. Varatharajan. Enhancing imageprocessing architecture using deep learning for embedded vision systems[J].Microprocessors and Microsystems,2020,76.
[4] Yunhu Huang, Dewang Chen. Image fuzzy enhancement algorithm based oncontourlet transform domain [J]. Image fuzzy enhancement algorithm based oncontourlet transform domain,2019,1-16.
[5] Wahengbam Kanan Kumar, Kishorjit Nongmeikapam, Aheibam DinamaniSingh. Enhancing scene perception using a multispectral fusion of visible–near-infrared image pair. 2019, 13(13):2467-2479。
Claims (6)
1.一种基于双通道的增材制造缺陷检测系统,其特征在于,包括缺陷光源控制模块(200)、多光谱光源模块(300)、图像采集模块(400)和图像处理模块(500);其中,所述多光谱光源模块(300)包括可见光光源模块(310)和红外光光源模块(320);所述可见光光源模块(310)包括可见光线光光源和水冷系统,该水冷系统用于保持可见光光源模块稳定工作;所述红外光光源模块(320)包括红外光线光光源和水冷系统,该水冷系统用于保持红外光线光光源稳定工作;所述缺陷光源控制模块(200)包括红外光光源频闪控制器和可见光光源频闪控制器,用于控制可见光线光光源和红外光线光光源交替频闪发光;所述图像采集模块(400)包括红外镜头和工业CCD;多光谱光源模块(300)发出的多光谱光波照射到增材制件表面后,工件表面光谱信息反射到达图像采集模块(400)中的红外镜头,然后被工业CCD采集;所述图像处理模块(500)连接图像采集模块(400);所述图像分析处理模块(500)用于对图像采集模块(400)采集到的增材制件的可见光与红外成像信息进行图像处理和分析,快速识别与评价增材制件的缺陷类别。
2.根据权利要求1所述的基于双通道的增材制造缺陷检测系统,其特征在于,图像分析处理模块(500)中包括图像分析和图像处理;图像分析属于图像预处理;所述图像分析采用GLCM特征提取和梯度增强分类算法,完成针对增材制件的缺陷分析与目标识别;图像处理采用去模糊增强方法和去光照不均增强方法,具体采用约束最小二乘滤波和 Top-hat 变换,以平滑度量的最佳复原为基础减小了噪声敏感性,使缺陷图像得到适当的灰度校正,有效地改善缺陷图像的质量。
3.根据权利要求2所述的基于双通道的增材制造缺陷检测系统,其特征在于,所述红外镜头采用8X放大系数、靶面尺寸1/2、工作距离65mm的金相镜头;所述工业CCD采用分辨率为1280*1024、像素尺寸为4.8um*4.8um的红外相机。
4.根据权利要求2所述的基于双通道的增材制造缺陷检测系统,其特征在于,所述可见光线光光源采用150W的线状LED灯排发射可见光波段;所述红外光线光光源采用150W的红外波段为850nm的线状灯排发射红海外光波段。
5.根据权利要求3所述的基于双通道的增材制造缺陷检测系统,其特征在于,所述红外镜头与工业CCD的靶面尺寸适配,为保证工业CCD的进光量,红外镜头的放大系数与最低精度要求吻合。
6.根据权利要求4所述的基于双通道的增材制造缺陷检测系统,其特征在于,所述可见光光源模块(310)和红外光光源模块(320)均采用大功率线灯时,其在工作状态时灯具表面温度达90℃,为保护红外镜头和工业CCD,在可见光光源模块(310)和红外光光源模块(320)中配备水冷系统,通过水循环降温,使灯具表面温度降到40℃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010792536.7A CN111999254A (zh) | 2020-08-09 | 2020-08-09 | 基于双通道的增材制造缺陷检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010792536.7A CN111999254A (zh) | 2020-08-09 | 2020-08-09 | 基于双通道的增材制造缺陷检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111999254A true CN111999254A (zh) | 2020-11-27 |
Family
ID=73462896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010792536.7A Pending CN111999254A (zh) | 2020-08-09 | 2020-08-09 | 基于双通道的增材制造缺陷检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111999254A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113483892A (zh) * | 2021-06-25 | 2021-10-08 | 七海测量技术(深圳)有限公司 | 一种多光谱影像测量系统和方法 |
CN113483892B (zh) * | 2021-06-25 | 2024-05-17 | 七海测量技术(深圳)有限公司 | 一种多光谱影像测量系统和方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1353305A (zh) * | 2000-11-10 | 2002-06-12 | 北京理工大学 | 超高灵敏度荧光显微探测与处理系统 |
CN106709402A (zh) * | 2015-11-16 | 2017-05-24 | 优化科技(苏州)有限公司 | 基于音型像特征的真人活体身份验证方法 |
CN106990114A (zh) * | 2017-06-06 | 2017-07-28 | 清华大学天津高端装备研究院 | 增材制造缺陷检测方法及增材制造装置 |
CN107402217A (zh) * | 2017-07-27 | 2017-11-28 | 哈尔滨工业大学(威海) | 基于视觉传感的激光增材制造缺陷的在线诊断方法 |
CN206832700U (zh) * | 2017-05-17 | 2018-01-02 | 华南理工大学 | 一种基于红外线测距传感器的缺陷检测装置 |
CN109848413A (zh) * | 2019-01-30 | 2019-06-07 | 复旦大学 | 基于多传感器耦合的增材制造过程监测系统 |
CN110441312A (zh) * | 2019-07-30 | 2019-11-12 | 上海深视信息科技有限公司 | 一种基于多光谱成像的产品表面缺陷检测系统 |
US20200110025A1 (en) * | 2018-10-08 | 2020-04-09 | Araz Yacoubian | Multi-Parameter Inspection Apparatus for Monitoring of Manufacturing Parts |
CN212410424U (zh) * | 2020-08-09 | 2021-01-26 | 复旦大学 | 基于双通道的增材制造缺陷检测装置 |
-
2020
- 2020-08-09 CN CN202010792536.7A patent/CN111999254A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1353305A (zh) * | 2000-11-10 | 2002-06-12 | 北京理工大学 | 超高灵敏度荧光显微探测与处理系统 |
CN106709402A (zh) * | 2015-11-16 | 2017-05-24 | 优化科技(苏州)有限公司 | 基于音型像特征的真人活体身份验证方法 |
CN206832700U (zh) * | 2017-05-17 | 2018-01-02 | 华南理工大学 | 一种基于红外线测距传感器的缺陷检测装置 |
CN106990114A (zh) * | 2017-06-06 | 2017-07-28 | 清华大学天津高端装备研究院 | 增材制造缺陷检测方法及增材制造装置 |
CN107402217A (zh) * | 2017-07-27 | 2017-11-28 | 哈尔滨工业大学(威海) | 基于视觉传感的激光增材制造缺陷的在线诊断方法 |
US20200110025A1 (en) * | 2018-10-08 | 2020-04-09 | Araz Yacoubian | Multi-Parameter Inspection Apparatus for Monitoring of Manufacturing Parts |
CN109848413A (zh) * | 2019-01-30 | 2019-06-07 | 复旦大学 | 基于多传感器耦合的增材制造过程监测系统 |
CN110441312A (zh) * | 2019-07-30 | 2019-11-12 | 上海深视信息科技有限公司 | 一种基于多光谱成像的产品表面缺陷检测系统 |
CN212410424U (zh) * | 2020-08-09 | 2021-01-26 | 复旦大学 | 基于双通道的增材制造缺陷检测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113483892A (zh) * | 2021-06-25 | 2021-10-08 | 七海测量技术(深圳)有限公司 | 一种多光谱影像测量系统和方法 |
CN113483892B (zh) * | 2021-06-25 | 2024-05-17 | 七海测量技术(深圳)有限公司 | 一种多光谱影像测量系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5698398B2 (ja) | スライド全体蛍光スキャナ | |
CN109444056B (zh) | 一种双目成像式水下光谱反射率原位测量装置及测量方法 | |
CN110322485B (zh) | 一种异构多相机成像系统的快速图像配准方法 | |
WO2015043340A1 (zh) | 一种用于多光谱成像的快速调焦方法及装置 | |
CN108580899A (zh) | 一种激光选区熔化加工过程离轴监测装置及方法 | |
CN110065074A (zh) | 一种采摘机器人的视觉伺服激光定位系统及方法 | |
CN105491271B (zh) | 图像采集中进行辅助光源调节的方法及装置 | |
CN108387516A (zh) | 基于ccd像机图像处理技术的螺纹缺陷检测装置及检测方法 | |
CN212410424U (zh) | 基于双通道的增材制造缺陷检测装置 | |
CN109856164A (zh) | 一种机器视觉采集大范围图像的优化装置及其检测方法 | |
WO2022089386A1 (zh) | 激光图案提取方法、装置、激光测量设备和系统 | |
CN206223683U (zh) | 一种板状带孔工件表面缺陷检测装置 | |
CN107169947A (zh) | 一种基于特征点定位和边缘检测的图像融合实验方法 | |
CN208495799U (zh) | 一种激光选区熔化加工过程离轴监测装置 | |
CN107392946A (zh) | 一种面向三维形状重建的显微多焦距图像序列处理方法 | |
CN110570412B (zh) | 一种零件误差视觉判断系统 | |
CN107833223B (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
CN111999254A (zh) | 基于双通道的增材制造缺陷检测系统 | |
Jia et al. | A spectrum selection method based on SNR for the machine vision measurement of large hot forgings | |
CN112098415B (zh) | 一种杨梅品质无损检测方法 | |
CN115631432B (zh) | 一种海面目标搜寻装置以及方法 | |
CN113724194B (zh) | 一种发动机内窥式火焰测量系统及图像处理方法 | |
CN114983334A (zh) | 一种基于机器视觉的裂隙灯自调节控制方法和裂隙灯 | |
CN206362449U (zh) | 水下高灵敏光谱成像装置 | |
CN206114545U (zh) | 一种单摄像机宽视场视觉螺纹检测装置 |
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 |