CN112083002A - 一种基于人工智能技术的电容外观检测装置及方法 - Google Patents

一种基于人工智能技术的电容外观检测装置及方法 Download PDF

Info

Publication number
CN112083002A
CN112083002A CN202010868330.8A CN202010868330A CN112083002A CN 112083002 A CN112083002 A CN 112083002A CN 202010868330 A CN202010868330 A CN 202010868330A CN 112083002 A CN112083002 A CN 112083002A
Authority
CN
China
Prior art keywords
image collector
feeding
rotary table
module
detection
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
Application number
CN202010868330.8A
Other languages
English (en)
Inventor
严柏林
汪雪林
郭晓锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Zhongke Whole Elephant Intelligent Technology Co ltd
Original Assignee
Suzhou Zhongke Whole Elephant Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Zhongke Whole Elephant Intelligent Technology Co ltd filed Critical Suzhou Zhongke Whole Elephant Intelligent Technology Co ltd
Priority to CN202010868330.8A priority Critical patent/CN112083002A/zh
Publication of CN112083002A publication Critical patent/CN112083002A/zh
Pending legal-status Critical Current

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/38—Collecting or arranging articles in groups
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block

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)

Abstract

本发明公开了一种基于人工智能技术的电容外观检测装置及方法，第一组合框架下部安装电控箱，所述电控箱上表面沿电容转移方向依次设置有上料模组、转台、下料模组；第二组合框架上表面安装上料振动盘，所述上料振动盘出料口位于所述上料模组进料端的下方；所述下料模组下料端的下方设置有不合格品下料皮带线进料端和合格品下料皮带线进料端；所述转台上方设置有垂直图像采集器，水平方向设置有水平图象采集器；检测电容通过所述上料模组置于所述转台上，通过图象采集器将电容表面高清图像传输至上位机中，再通过人工神经网络判断是否有缺陷，并进行分拣，完成检测；本发明提升了电容检测装置的自动化水平，并结合人工智能技术增强了检测精度。

Description

一种基于人工智能技术的电容外观检测装置及方法
技术领域
本发明涉及图像处理领域，尤其涉及一种基于人工智能技术的电容外观检测装置及方法。
背景技术
随着人工智能的快速发展，机器视觉检测越来越多的应用于工业的各个领域。在传统的电容行业，电容外观的检测方法分为两类，一类靠人来完成，检测效率低下，质量控制成本很高；另一类是基于视觉的机器检测，如下：
中国专利CN105004731A一种柱式电容外观自动检测装置及其检测方法，包括检测台下面设置有组合柜体，组合柜体包括系统控制柜、第一不合格电容回收箱和第二不合格电容回收箱，第一不合格电容回收箱上设置有用于检测柱式电容顶面缺陷的第一检测装置，第二不合格电容回收箱上设置有用于检测柱式电容侧面和底面缺陷的第二检测装置，台面板上还设置有第一搬运装置和第二搬运装置。该技术方案提供了机器检测代替人工检测的方案，但是其采取了分步骤检测各面的方法，导致装置整体效率并不高，且装置进料端缺少码放机构，不能有效减轻送料人员的工作量。
相似的还有，中国专利CN108982533A公开了一种电容外观质量检测装置，包括机架、电容输送带、转台、分拣箱和视觉检测装置，转台和分拣箱安装在机架上，转台的外缘均布有电磁铁，电容输送带靠近转台设置以在电容输送带上的电容经过电磁铁时将其吸附到电磁铁上，视觉检测装置包括工控机和与工控机连接的多个视觉检测摄像头，视觉检测摄像头从多个方向朝向电磁铁上的电容设置，分拣箱设置在转台的下方以容纳从电磁铁上落下的电容。该技术方案采用了连续的检测方法，结合转台+电磁铁的组合，大幅提升了检测效率，但是同样缺少对应的进料机构，且侧面相机数量多，带角度取像致使电容侧面图像拼接后有畸变，还存在图像分辨力差的问题，影响检测精度。
中国专利CN108459023A公开了一种双基准电容外观图像检测方法，技术方案采取深浓度基准图像和浅浓度基准图像结合检测的方法，具体判断标准采用预先设置阈值进行比较，实际检测采取的仍为经典算法，同理还有中国专利CN111008960A也采用类似的常见算法，市面上实际准确度为90％～95％，仍需提高；且在面对不同型号电容，光照条件波动或缺陷不明显的情况下，不能提供较好的检测率。
中国专利CN210294084U公开了一种锂电池极柱焊后质量检测设备，采用了两个传输导轨结合3D、2D相机拍照的方式，同属于图像检测领域，但是其技术方案中缺少全面检测的能力，并不适用于电容检测领域。
发明内容
有鉴于此，本发明提供一种基于人工智能技术的电容外观检测装置及方法，能够解决上述问题。
为此目的，本发明由如下技术方案实施。
基于人工智能技术的电容外观检测装置，主要包括：上料振动盘、上料模组、转台、不合格品下料皮带线、合格品下料皮带线、下料模组、电控箱、水平图像采集器、垂直图像采集器、光源、反光镜组；
所述电控箱安装于第一组合框架下部；所述电控箱上表面沿电容转移方向依次设置有所述上料模组、转台、下料模组；所述电控箱位于进料端的侧面外接有第二组合框架，所述第二组合框架上表面安装所述上料振动盘，所述上料振动盘出料口位于所述上料模组进料端的下方；所述下料模组下料端的下方设置有所述不合格品下料皮带线进料端和所述合格品下料皮带线进料端；
所述上料模组、下料模组均为夹取机械手，所述上料模组与所述下料模组相向平行设置，所述转台位于所述上料模组和所述下料模组的中间区域；
所述转台上部为转盘，下部固定连接有转动机构，所述转动机构底部安装于所述电控箱上表面；
所述电控箱上表面倒装有一个L型支架，所述垂直图象采集器垂直安装于所述L型支架上端，并与所述L型支架上端形成活动连接，所述垂直图象采集器处于所述转台的正上方，镜头朝向所述转台所在位置；所述水平图像采集器水平安装于所述L型支架侧部，并与所述L型支架侧部形成活动连接，所述水平图像采集器处于所述转台的水平方向，镜头朝向所述转台所在位置；所述水平图象采集器为工业线扫相机；所述垂直图象采集器为工业面阵相机；
所述电控箱内安装有上位机，所述上位机内安装有电控系统，包括数据库、人工神经网络；所述人工神经网络为卷积神经网络；
所述光源发出的光通过所述反光镜组形成相互垂直的两组光路，分别照射于所述转台上待测电容的侧面和上面。
进一步，所述光源为白色同轴光源；在所述水平图象采集器的图像采集路径上依次安装有环形反射镜、碗状聚光器，并在所述转台另一侧，与所述水平图象采集器相对位置安装有白色背光源；所述碗状聚光器碗底设有通孔；电容侧面反射的光线依次通过所述碗状聚光器的碗口、碗底通孔、所述环形反射镜的中空区域进入所述水平图象采集器的镜头。
进一步，所述光源为白色同轴光源；在所述垂直图象采集器的图像采集路径上安装有环形反射镜；电容上端反射的光线通过所述环形反射镜的中空区域进入所述垂直图象采集器的镜头。
进一步，所述第一组合框架上方安装有显示器、控制器；所述控制器上设置有人机交互面板和启动按钮、急停按钮。
更进一步，所述上位机还安装有图像采集卡，所述图像采集卡与所述水平图像采集器、垂直图像采集器连接；所述上位机通过PLC控制器连接所述上料振动盘、上料模组、转台、不合格品下料皮带线、合格品下料皮带线、下料模组、光源；所述上位机还连接有所述显示器、控制器；所述电控系统设有软件接口，所述上位机设有硬件扩展接口。
另一方面，本发明还提供一种基于人工智能技术的电容外观检测方法，检测过程具体为：
S1、检测电容通过上料振动盘依次进入上料区域，上料模组将电容放置于转台上，图象采集器触发拍照，并将拍摄照片传输至上位机；
S2、所述上位机对电容图像进行拼接，并通过人工神经网络进行外观判断，输出合格/不合格信号；
S3、下料模组接受所述S2中的合格/不合格信号，对应的将转台上的检测电容放置于合格品下料皮带线/不合格品下料皮带线上；下料皮带线启动，将检测后的电容运输至指定区域，完成一次检测；
S4、循环进行S1-S3的步骤，直至全部电容完成检测。
进一步，所述S1中首先由垂直图象采集器对检测电容上端进行拍照，后转台转动，由水平图象采集器对所述检测电容侧面进行线扫。
进一步，所述S2中人工神经网络为卷积神经网络，首先通过特征检测和提取算法初步检测的样本结合人工复检结论形成训练集，并进行有监督的深度学习；后经过实际检测结合人工复检进行有监督的再训练，不断提升神经网络的准确性。
进一步，检测装置还包括显示器；在所述S2中上位机输出信号还包括电容缺陷处图像，并显示于所述显示器上。
进一步，开始检测前，首先取本次检测电容一个，放置于所述转台上，调节水平图象采集器和垂直图象采集器到电容的距离，使采集的图像更加清晰。
本发明具有如下优点：
本发明采用自动码料机构结合转台设计，实现更高程度的自动化检测，减少了人工上料的难度，同时对单一电容进行全方位高清拍摄，保证了图像良好的分辨率，结合人工神经网络，实现了高精度电容外观检测，配合后期持续训练，可达到99％以上的检测精度。
附图说明
图1为本发明装置结构示意图；
图2为本发明装置正视图；
图3为本发明装置侧视图；
图4为图3中A部放大结构图；
图5为上下模组结构立体图；
图6为电容输送主要机构位置关系图(俯视)；
图7为水平图像采集器光路示意图；
图8为本发明算法与传统算法比较图。
图中：
1-显示器；2-上料振动盘；3-上料模组；4-转台；5-人机交互面板；6-控制器；7-不合格品下料皮带线；8-合格品下料皮带线；9-下料模组；10-电控箱；11-水平图象采集器；12-垂直图像采集器；401-转盘；402-转盘夹具；403-转盘电机。
具体实施方式
下面将结合附图，对本发明做进一步说明。
如图1所示，一种基于人工智能技术的电容外观检测装置，主要包括：上料振动盘2、上料模组3、转台4、不合格品下料皮带线7、合格品下料皮带线8、下料模组9、电控箱10、水平图像采集器11、垂直图像采集器12、光源、反光镜组。
结合图1-3所示，电控箱10安装于第一组合框架下部；电控箱1上表面沿电容转移方向依次设置有上料模组3、转台4、下料模组9；电控箱10位于进料端的侧面外接有第二组合框架，第二组合框架上表面安装上料振动盘2，上料振动盘2出料口位于上料模组3进料端的下方；下料模组9下料端的下方设置有不合格品下料皮带线7进料端和合格品下料皮带线8进料端；优选地，上料模组3、下料模组9均为夹取机械手，结构如图5所示，上料模组3与下料模组9相向平行设置，转台4位于上料模组3和下料模组9的中间区域，位置关系如图6所示，其中箭头代表电容转移方向，上料振动盘2的末端为立式开口，保证电容运动到末端时属于垂直状态且引脚向上，由上料模组3的夹爪夹取，水平移动至转台4中心处放置，检测完成后由下料模组9的夹爪夹取，水平移动至两条输送带上方，如果是合格件就放置于合格品下料皮带线8上，不合格品就放置于不合格品下料皮带线7上，合格/非合格品沿箭头方向移动至末端并掉落至指定区域。
转台4上部为转盘401下部固定连接有转动机构包括转盘夹具402、转盘电机403，转动机构底部安装于电控箱10上表面。
如图3、4所示，电控箱10上表面倒装有一个L型支架，垂直图象采集器12垂直安装于L型支架上端，并与L型支架上端形成活动连接，垂直图象采集器12处于转台4的正上方，镜头朝向转台4所在位置；水平图像采集器11水平安装于L型支架侧部，并与L型支架侧部形成活动连接，水平图像采集器11处于转台4的水平方向，镜头朝向转台4所在位置；水平图象采集器11为工业线扫相机；垂直图象采集器12为工业面阵相机。
优选地，光源为白色同轴光源，结合图7所示，在水平图象采集器11的图像采集路径上依次安装有环形反射镜、碗状聚光器，并在转台4另一侧，与水平图象采集器11相对位置安装有白色背光源；碗状聚光器碗底设有通孔；电容侧面反射的光线依次通过碗状聚光器的碗口、碗底通孔、环形反射镜的中空区域进入水平图象采集器11的镜头。
优选地，在垂直图象采集器12的图像采集路径上安装有环形反射镜；电容上端反射的光线通过环形反射镜的中空区域进入垂直图象采集器12的镜头。
电控箱10内安装有上位机，上位机内安装有电控系统，包括数据库、人工神经网络；人工神经网络为卷积神经网络；
光源发出的光通过反光镜组形成相互垂直的两组光路，分别照射于转台上待测电容的侧面和上面。
优选地，第一组合框架上方安装有显示器1、控制器6；控制器6上设置有人机交互面板5和启动按钮、急停按钮。上位机还安装有图像采集卡，图像采集卡与水平图像采集器11、垂直图像采集器12连接；上位机通过PLC控制器连接上料振动盘2、上料模组3、转台4、不合格品下料皮带线7、合格品下料皮带线8、下料模组9、光源；上位机还连接有显示器1、控制器6；电控系统设有软件接口，上位机设有硬件扩展接口。
另一方面本发明还提供了基于上述检测装置的电容外观检测方法，检测过程具体为：
S1、检测电容通过上料振动盘依次进入上料区域，上料模组将电容放置于转台上，图象采集器触发拍照，并将拍摄照片传输至上位机；优选地，首先由垂直图象采集器对检测电容上端进行拍照，后转台转动，由水平图象采集器对检测电容侧面进行线扫。
S2、上位机对电容图像进行拼接，并通过人工神经网络进行外观判断，输出合格/不合格信号；优选地，人工神经网络为卷积神经网络，首先通过特征检测和提取算法初步检测的样本结合人工复检结论形成训练集，并进行有监督的深度学习；后经过实际检测结合人工复检进行有监督的再训练，不断提升神经网络的准确性。之后在输出不合格信号时将检测有缺陷的局部图片显示在显示器上，方便人工核对。
S3、下料模组接受S2中的合格/不合格信号，对应的将转台上的检测电容放置于合格品下料皮带线/不合格品下料皮带线上；下料皮带线启动，将检测后的电容运输至指定区域，完成一次检测；
S4、循环进行S1-S3的步骤，直至全部电容完成检测。
优选地，开始检测前首先取本次检测电容一个，放置于转台上，调节水平图象采集器和垂直图象采集器到电容的距离，使采集的图像更加清晰。
经过训练后，本发明应用的卷积神经网络进行深度学习可以实现极高的检测精度，具体与传统算法随训练时间比较效果如图8所示。
以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于人工智能技术的电容外观检测装置，其特征在于，包括：上料振动盘(2)、上料模组(3)、转台(4)、不合格品下料皮带线(7)、合格品下料皮带线(8)、下料模组(9)、电控箱(10)、水平图像采集器(11)、垂直图像采集器(12)、光源、反光镜组；
所述电控箱(10)安装于第一组合框架下部；所述电控箱(1)上表面沿电容转移方向依次设置有所述上料模组(3)、转台(4)、下料模组(5)；所述电控箱(10)位于进料端的侧面外接有第二组合框架，所述第二组合框架上表面安装所述上料振动盘(2)，所述上料振动盘(2)出料口位于所述上料模组(3)进料端的下方；所述下料模组(9)下料端的下方设置有所述不合格品下料皮带线(7)进料端和所述合格品下料皮带线(8)进料端；
所述上料模组(3)、下料模组(9)均为夹取机械手，所述上料模组(3)与所述下料模组(9)相向平行设置，所述转台(4)位于所述上料模组(3)和所述下料模组(9)的中间区域；
所述转台(4)上部为转盘(401)下部固定连接有转动机构，所述转动机构底部安装于所述电控箱(10)上表面；
所述电控箱(10)上表面倒装有一个L型支架，所述垂直图象采集器(12)垂直安装于所述L型支架上端，并与所述L型支架上端形成活动连接，所述垂直图象采集器(12)处于所述转台(4)的正上方，镜头朝向所述转台(4)所在位置；所述水平图像采集器(11)水平安装于所述L型支架侧部，并与所述L型支架侧部形成活动连接，所述水平图像采集器(11)处于所述转台(4)的水平方向，镜头朝向所述转台(4)所在位置；所述水平图象采集器(11)为工业线扫相机；所述垂直图象采集器(12)为工业面阵相机；
所述电控箱(10)内安装有上位机，所述上位机内安装有电控系统，包括数据库、人工神经网络；所述人工神经网络为卷积神经网络；
所述光源发出的光通过所述反光镜组形成相互垂直的两组光路，分别照射于所述转台上待测电容的侧面和上面。
2.根据权利要求1所述的电容外观检测装置，其特征在于，所述光源为白色同轴光源；在所述水平图象采集器(11)的图像采集路径上依次安装有环形反射镜、碗状聚光器，并在所述转台(4)另一侧，与所述水平图象采集器(11)相对位置安装有白色背光源；所述碗状聚光器碗底设有通孔；电容侧面反射的光线依次通过所述碗状聚光器的碗口、碗底通孔、所述环形反射镜的中空区域进入所述水平图象采集器(11)的镜头。
3.根据权利要求1所述的电容外观检测装置，其特征在于，所述光源为白色同轴光源；在所述垂直图象采集器(12)的图像采集路径上安装有环形反射镜；电容上端反射的光线通过所述环形反射镜的中空区域进入所述垂直图象采集器(12)的镜头。
4.根据权利要求1所述的电容外观检测装置，其特征在于，所述第一组合框架上方安装有显示器(1)、控制器(6)；所述控制器(6)上设置有人机交互面板(5)和启动按钮、急停按钮。
5.根据权利要求4所述的电容外观检测装置，其特征在于，所述上位机还安装有图像采集卡，所述图像采集卡与所述水平图像采集器(11)、垂直图像采集器(12)连接；所述上位机通过PLC控制器连接所述上料振动盘(2)、上料模组(3)、转台(4)、不合格品下料皮带线(7)、合格品下料皮带线(8)、下料模组(9)、光源；所述上位机还连接有所述显示器(1)、控制器(6)；所述电控系统设有软件接口，所述上位机设有硬件扩展接口。
6.一种基于人工智能技术的电容外观检测方法，其特征在于，检测过程具体为：
S1、检测电容通过上料振动盘依次进入上料区域，上料模组将电容放置于转台上，图象采集器触发拍照，并将拍摄照片传输至上位机；
S2、所述上位机对电容图像进行拼接，并通过人工神经网络进行外观判断，输出合格/不合格信号；
S3、下料模组接受所述S2中的合格/不合格信号，对应的将转台上的检测电容放置于合格品下料皮带线/不合格品下料皮带线上；下料皮带线启动，将检测后的电容运输至指定区域，完成一次检测；
S4、循环进行S1-S3的步骤，直至全部电容完成检测。
7.根据权利要求6所述的电容外观检测方法，其特征在于，所述S1中首先由垂直图象采集器对检测电容上端进行拍照，后转台转动，由水平图象采集器对所述检测电容侧面进行线扫。
8.根据权利要求6所述的电容外观检测方法，其特征在于，所述S2中人工神经网络为卷积神经网络，首先通过特征检测和提取算法初步检测的样本结合人工复检结论形成训练集，并进行有监督的深度学习；后经过实际检测结合人工复检进行有监督的再训练，不断提升神经网络的准确性。
9.根据权利要求6所述的电容外观检测方法，其特征在于，检测装置还包括显示器；在所述S2中上位机输出信号还包括电容缺陷处图像，并显示于所述显示器上。
10.根据权利要求6所述的电容外观检测方法，其特征在于，开始检测前，首先取本次检测电容一个，放置于所述转台上，调节水平图象采集器和垂直图象采集器到电容的距离，使采集的图像更加清晰。
CN202010868330.8A 2020-08-26 2020-08-26 一种基于人工智能技术的电容外观检测装置及方法 Pending CN112083002A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010868330.8A CN112083002A (zh) 2020-08-26 2020-08-26 一种基于人工智能技术的电容外观检测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010868330.8A CN112083002A (zh) 2020-08-26 2020-08-26 一种基于人工智能技术的电容外观检测装置及方法

Publications (1)

Publication Number Publication Date
CN112083002A true CN112083002A (zh) 2020-12-15

Family

ID=73729221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010868330.8A Pending CN112083002A (zh) 2020-08-26 2020-08-26 一种基于人工智能技术的电容外观检测装置及方法

Country Status (1)

Country Link
CN (1) CN112083002A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112881420A (zh) * 2020-12-28 2021-06-01 东莞星河精密技术股份有限公司 一种用于光模块连接器压铸件的外观智能检测机及其方法
CN113050536A (zh) * 2021-02-26 2021-06-29 山东大学 一种基于plc和ai识别结果的流水线调度系统及调度方法
CN113828536A (zh) * 2021-10-21 2021-12-24 中国振华(集团)新云电子元器件有限责任公司(国营第四三二六厂) 一种片式电解电容器自动镜检系统及其镜检方法
CN114273263A (zh) * 2021-12-28 2022-04-05 厦门海辰新能源科技有限公司 检测系统和检测方法
CN114739309A (zh) * 2022-04-14 2022-07-12 中天超容科技有限公司 用于电容外观检测的自动化设备及方法
CN117607591A (zh) * 2023-11-28 2024-02-27 浙江中泽电气有限公司 一种超级电容的工装设备管理方法及系统
WO2024168563A1 (zh) * 2023-02-15 2024-08-22 宁德时代新能源科技股份有限公司 尺寸测量装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101879507A (zh) * 2010-07-01 2010-11-10 潮州市强基制药厂 胶囊检测机
CN102243185A (zh) * 2011-04-25 2011-11-16 苏州大学 一种多面成像测量装置
CN202649136U (zh) * 2012-06-15 2013-01-02 北京大恒图像视觉有限公司 一种口服液瓶盖自动灯检机的光路系统
CN103808732A (zh) * 2014-01-21 2014-05-21 图灵视控（北京）科技有限公司 基于机器视觉的电容检测系统和方法
CN105004731A (zh) * 2015-07-14 2015-10-28 南京工程学院 柱式电容外观自动检测装置及其检测方法
CN106896110A (zh) * 2017-04-25 2017-06-27 重庆普耀科技有限公司 基于单目机器视觉的产品质量检测装置及方法
CN207872625U (zh) * 2017-12-12 2018-09-18 浙江长城换向器有限公司 换向器视觉检测装置
CN108921839A (zh) * 2018-07-02 2018-11-30 北京百度网讯科技有限公司 连铸坯质量检测方法、装置、电子设备及存储介质
CN109060817A (zh) * 2018-05-24 2018-12-21 牧德科技股份有限公司 人工智能复检系统及其方法
CN109242830A (zh) * 2018-08-18 2019-01-18 苏州翔升人工智能科技有限公司 一种基于深度学习的机器视觉技术检测方法
CN110956656A (zh) * 2019-12-17 2020-04-03 北京工业大学 一种基于深度目标检测的纺锤定位方法
CN111014079A (zh) * 2020-02-26 2020-04-17 沈文强 一种轴承缺陷检测装置及轴承缺陷检测方法
CN111077161A (zh) * 2020-01-18 2020-04-28 广东捷创智能装备有限公司 一种自动化电容全检机及检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101879507A (zh) * 2010-07-01 2010-11-10 潮州市强基制药厂 胶囊检测机
CN102243185A (zh) * 2011-04-25 2011-11-16 苏州大学 一种多面成像测量装置
CN202649136U (zh) * 2012-06-15 2013-01-02 北京大恒图像视觉有限公司 一种口服液瓶盖自动灯检机的光路系统
CN103808732A (zh) * 2014-01-21 2014-05-21 图灵视控（北京）科技有限公司 基于机器视觉的电容检测系统和方法
CN105004731A (zh) * 2015-07-14 2015-10-28 南京工程学院 柱式电容外观自动检测装置及其检测方法
CN106896110A (zh) * 2017-04-25 2017-06-27 重庆普耀科技有限公司 基于单目机器视觉的产品质量检测装置及方法
CN207872625U (zh) * 2017-12-12 2018-09-18 浙江长城换向器有限公司 换向器视觉检测装置
CN109060817A (zh) * 2018-05-24 2018-12-21 牧德科技股份有限公司 人工智能复检系统及其方法
CN108921839A (zh) * 2018-07-02 2018-11-30 北京百度网讯科技有限公司 连铸坯质量检测方法、装置、电子设备及存储介质
CN109242830A (zh) * 2018-08-18 2019-01-18 苏州翔升人工智能科技有限公司 一种基于深度学习的机器视觉技术检测方法
CN110956656A (zh) * 2019-12-17 2020-04-03 北京工业大学 一种基于深度目标检测的纺锤定位方法
CN111077161A (zh) * 2020-01-18 2020-04-28 广东捷创智能装备有限公司 一种自动化电容全检机及检测方法
CN111014079A (zh) * 2020-02-26 2020-04-17 沈文强 一种轴承缺陷检测装置及轴承缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孟光著: "《航天智能制造技术与装备》", 31 May 2020, 华中科技大学出版社 *
崔吉等, 上海交通大学出版社 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112881420A (zh) * 2020-12-28 2021-06-01 东莞星河精密技术股份有限公司 一种用于光模块连接器压铸件的外观智能检测机及其方法
CN113050536A (zh) * 2021-02-26 2021-06-29 山东大学 一种基于plc和ai识别结果的流水线调度系统及调度方法
CN113828536A (zh) * 2021-10-21 2021-12-24 中国振华(集团)新云电子元器件有限责任公司(国营第四三二六厂) 一种片式电解电容器自动镜检系统及其镜检方法
CN114273263A (zh) * 2021-12-28 2022-04-05 厦门海辰新能源科技有限公司 检测系统和检测方法
CN114739309A (zh) * 2022-04-14 2022-07-12 中天超容科技有限公司 用于电容外观检测的自动化设备及方法
WO2024168563A1 (zh) * 2023-02-15 2024-08-22 宁德时代新能源科技股份有限公司 尺寸测量装置
CN117607591A (zh) * 2023-11-28 2024-02-27 浙江中泽电气有限公司 一种超级电容的工装设备管理方法及系统
CN117607591B (zh) * 2023-11-28 2024-05-10 浙江中泽电气有限公司 一种超级电容的工装设备管理方法及系统

Similar Documents

Publication Publication Date Title
CN112083002A (zh) 一种基于人工智能技术的电容外观检测装置及方法
CN109060827B (zh) 一种智能视觉检测识别设备
CN106670127B (zh) 一种屏幕缺陷全自动视觉检测系统
CN206854141U (zh) 一种屏幕缺陷全自动视觉检测系统
CN102218406B (zh) 一种基于机器视觉的手机外壳缺陷智能检测装置
US20180276811A1 (en) Automatic optical inspection system and operating method thereof
CN109142381B (zh) 一种高速视觉检测识别设备
CN111537520B (zh) 一种基于机器视觉的饮料瓶缺陷检测系统
WO2004036197A1 (ja) ガラス壜の検査装置
CN107228861A (zh) 液晶面板的缺陷检测装置
CN110160587B (zh) 电容检测方法及系统
JP2000171409A (ja) 外観検査方法とその装置
CN112595727B (zh) 用于检测手机后盖板油墨玻璃缺陷的成像系统及检测方法
CN110044921A (zh) 锂电池外观缺陷检测系统和方法
CN216117368U (zh) 一种陶瓷包装容器的外观外形检测设备
CN109358067A (zh) 基于计算机视觉的马达环形压敏电阻缺陷检测系统及方法
CN109507205A (zh) 一种视觉检测系统及其检测方法
CN111551559A (zh) 一种基于多目视觉系统的lcd液晶屏缺陷检测方法
CN109092701A (zh) 电池铝壳检测装置
CN112881420A (zh) 一种用于光模块连接器压铸件的外观智能检测机及其方法
CN206609797U (zh) 零件立体视觉检测机
CN110672625A (zh) 一种自动化视觉检测筛选系统及方法
CN206990465U (zh) 液晶面板的缺陷检测装置
CN212410467U (zh) 一种检测异物的装置
CN107248151A (zh) 一种基于机器视觉的液晶片智能检测方法及系统

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: 20201215