CN112085754A - 反光胶条的边缘检测方法 - Google Patents
反光胶条的边缘检测方法 Download PDFInfo
- Publication number
- CN112085754A CN112085754A CN202010939638.7A CN202010939638A CN112085754A CN 112085754 A CN112085754 A CN 112085754A CN 202010939638 A CN202010939638 A CN 202010939638A CN 112085754 A CN112085754 A CN 112085754A
- Authority
- CN
- China
- Prior art keywords
- adhesive tape
- area
- edge points
- points
- edge
- 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
- 239000002390 adhesive tape Substances 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003708 edge detection Methods 0.000 title claims abstract description 9
- 239000003292 glue Substances 0.000 claims abstract description 32
- 238000004026 adhesive bonding Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 11
- 239000000853 adhesive Substances 0.000 claims description 7
- 230000001070 adhesive effect Effects 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 abstract description 3
- 230000000717 retained effect Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000035939 shock 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
-
- 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)
- Robotics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Adhesives Or Adhesive Processes (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种反光胶条的边缘检测方法，对于每帧胶条图像，进行以下处理：将胶条图像按照预设位置分区域；剔除胶枪区域，沿涂胶方向，设置选框，分别框选所述双边胶条区域和/或单边胶条区域，提取选框内双边胶条区域的左、右初始边缘点和单边胶条区域的单侧初始边缘点；采用限制条件剔除部分初始边缘点，统计被保留的初始边缘点，将其记为该区域内优化后的边缘点；本发明方法根据反光胶条的图像灰度特质，在初步获取边缘点之后，进行了边缘点的进一步筛选，可以有效去除被错误提取边缘点，保留正确的边缘点；同时，在胶条区设置了多个选框，将选取的每列像点求取灰度均值，并用一行灰度均值表征整个选框，提高了图像处理速度。
Description
技术领域
本发明涉及图像处理领域，具体涉及反光胶条的边缘检测方法。
背景技术
自动化涂胶工艺凭借自动化和高效率的优势被广泛应用于工业生产中，胶条质量的好坏直接关系到产品的性能和寿命，尤其是汽车制造领域，胶条具有防腐蚀、粘连、连接和固定、减震、防水等作用。若涂胶质量差，将会导致汽车漏水、异响、腐蚀等质量问题，产品性能大打折扣。因此，现代涂胶工艺中被涂胶条的质量控制尤为重要。评价胶条质量通常需要获取胶条边缘点来判断胶条的连续性及宽度信息。现有方法因相机曝光值受到外界环境、被测工件、胶条颜色等多方制约，很难调节到理想状态，胶条中间区域通常呈现高反光状态，其两侧会出现黑色边沿，并且实际的被涂胶条与示教过程中的胶条位置并非完全一致，这种情况下，采用常规的涂胶检测方法，会出现图1a和图1b所示的现象，将黑色边沿两侧的点均识别为边缘点，从而导致边缘提取错误，影响对胶条质量的判断。
发明内容
为了解决上述问题，本发明提供了一种反光胶条的边缘检测方法，根据反光胶条的图像特质，在初步获取边缘点之后，进行了边缘点的进一步筛选，将两侧区域灰度差值达不到阈值E的边缘点剔除，可以有效去除被错误提取边缘点，保留正确的边缘点；同时，在胶条区设置了多个选框，将选取的每列像点求取灰度均值，并用一行灰度均值表征整个选框，提高了图像处理速度。
技术方案如下：
一种反光胶条的边缘检测方法，机器人带动胶枪和视觉传感器同步运动，所述胶枪将胶条涂在工件上，所述胶条与工件的灰度差大于20，所述视觉传感器沿涂胶轨迹采集多帧胶条图像，对于每帧胶条图像，进行以下处理：
I、将胶条图像按照预设位置分割为：胶枪区域、双边胶条区域和/或单边胶条区域；
所述胶枪区域为胶枪头遮挡区域和/或存在遮挡阴影的图像区域；
所述双边胶条区域为图像中左、右两侧边缘均存在的胶条且胶条周围无胶枪阴影干扰的区域；
所述单边胶条区域为图像中仅存在位于左/右单侧边缘的胶条区域且胶条周围无胶枪阴影干扰的区域；
II、剔除胶枪区域，沿涂胶方向，设置选框，分别框选所述双边胶条区域和/或单边胶条区域，提取选框内双边胶条区域的左、右初始边缘点和单边胶条区域的单侧初始边缘点；
在单边胶条区域内，采用限制条件剔除部分单侧初始边缘点，统计被保留的左/右初始边缘点，将其记为该区域内优化后的边缘点；
在双边胶条区域内，采用限制条件剔除部分左、右初始边缘点，统计被保留的左、右初始边缘点，将其记为该区域内优化后的左、右边缘点；
所述限制条件为：
过单个初始边缘点作直线I，所述直线I与涂胶方向垂直；
在直线I上查找所述初始边缘点两侧相邻位置的多个像点，将同侧k个像点的灰度值记入同一像点集合，分别计算各个像点集合的灰度均值，再计算两个灰度均值的绝对差值，记为灰度差值；
将灰度差值小于阈值E的初始边缘点剔除。
使用时，根据优化后的胶条边缘点可以评估胶条的连续性和胶宽。
进一步，对于双边胶条区域内优化后的左、右边缘点，进行以下处理：将单个左边缘点分别与各个右边缘点匹配，遍历所有左边缘点，得到多对左右边缘点；
计算单对左右边缘点之间的距离，判断距离值处于预设胶条宽度范围之内，若处于，则存储该对左右边缘点，否则，剔除该对左右边缘点；
利用相同的判断过程，遍历各对左右边缘点，筛选出所有满足条件的左右边缘点对；利用其更新双边胶条区域内胶条的左、右边缘点位置
作为选框的一种优选的设置方式，在双边胶条区域/单边胶条区域内，所述框选为矩形框，其设置有多个，多个选框沿涂胶方向依次分布，单个选框的长边尺寸为2倍胶条理论宽度，短边d尺寸为1～10像素，所述短边方向与涂胶方向平行。
进一步，步骤II中，初始边缘点的获取方式，可以采用以下两种：
(一)初始边缘点的获取方式为：
1)求取选框中每一列像点的灰度均值Gj，j表示第j列，1≤j≤n，n为选框长边的宽度；
若Gj＞阈值T，则将该列记为特征列，遍历n个Gj，标记所有满足条件的特征列；
设置阈值T＝10-50；
将单个选框短边的中间位置所在行记为特征行，所述特征行与涂胶方向垂直；
将特征行和各特征列的交点位置记为边缘点，得到单个选框中的多个初始边缘点；
2)遍历各个选框，对每个选框重复步骤1)，得到在双边胶条区域或单边胶条区域内的所有初始边缘点。
(二)初始边缘点的获取方式为：
1)求取该选框中每一列像点的灰度均值Gj，j表示第j列，1≤j≤n，n为选框长边的宽度；
利用Gj求取Mj：
其中，p为预设值，p＝3～10；位于边界的列采用镜像对称的方式填充灰度均值；
计算Mj与Gj之间的差值Sj；
若Sj＞阈值T，则将该列记为特征列，遍历n个Sj，标记所有满足条件的特征列；
设置T＝(0.7～0.9)×Smax；Smax为Sj中的最大值；
将单个选框中短边的中间位置所在行记为特征行，所述特征行与涂胶方向垂直；
将特征行和特征列的交点记为边缘点，遍历各个特征列，得到单个选框中的多个初始边缘点；
2)遍历各个选框，对每个选框重复步骤1)，得到在双边胶条区域/单边胶条区域内的所有初始边缘点。
优选，在所述双边胶条区域内，对每个初始边缘点进行标记：
当沿选框区域的逆时针方向查找，根据图像灰度变化，若在某一初始边缘点处，由高灰度值(亮区)跳变为低灰度值(暗区)时，标记此边缘点为左边缘点，反之，则标记为右边缘点。
其中，k值和灰度阈值E根据不同胶条图像灰度分布的经验值设置，优选，k＝3～15像素，阈值E＝25～150。
本发明方案具有以下优点：
首先将图像分区，对不同区域进行不同的处理，对于胶条部分的处理，由于胶条中间区域存在高反光(高亮-高灰度值)，两侧工件也存在反光(中灰度值)，而胶条两侧的黑边不反光(低灰度值-灰度值通常小于15)，根据这种图像特质，在初步获取边缘点之后，本方法还进行了边缘点的进一步筛选，将两侧区域灰度差值达不到阈值E的边缘点剔除，可以有效去除被错误提取边缘点，保留正确的边缘点；
本发明方法还在胶条区设置了多个选框，将选取的每列像点求取灰度均值，并用一行灰度均值表征整个选框(即将一个选框压缩为一行灰度数据)，减少了数据计算量，同时，单个选框可以根据Smax设定自己的阈值，互不干扰，提取边缘点准确性更高，有效防止错检、漏检；图像处理速度快，处理相同的检测区域，相比于传统方法，采用本方法耗时能够缩短一半以上。
附图说明
图1a和图1b为现有方法获取高反光胶条边缘点示意图；
图2为对原始胶条图像分区、并在双边胶条区域、单边胶条区域设置多个选框的示意图；
图3为本发明方法获取高反光胶条(局部)优化后的边缘点示意图；
图4为将原始胶条图像分成胶枪区域和双边胶条区域示意图；
图5为获取初始边缘点的方法示意图；
图6为在局部胶条上的得出的初始边缘点示意图；
图7为采用限制条件优化边缘点示意图；
图8为局部双边胶条区域得出的优化后边缘点示意图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种反光胶条的边缘检测方法，机器人带动胶枪和视觉传感器同步运动，所述胶枪将胶条涂在工件上，所述胶条与工件的灰度差大于20，所述视觉传感器沿涂胶轨迹采集多帧胶条图像，对于每帧胶条图像，进行以下处理：
I、将胶条图像按照预设位置分割为：胶枪区域、双边胶条区域和/或单边胶条区域；(如图2或图4所示)
所述胶枪区域为胶枪头遮挡区域和/或存在遮挡阴影的图像区域；
所述双边胶条区域为图像中左、右两侧边缘均存在的胶条且胶条周围无胶枪阴影干扰的区域；
所述单边胶条区域为图像中仅存在位于左/右单侧边缘的胶条区域且胶条周围无胶枪阴影干扰的区域；
II、剔除胶枪区域(留待下一帧图像检测该位置)，沿涂胶方向，设置选框，分别框选所述双边胶条区域和/或单边胶条区域，提取选框内双边胶条区域的左、右初始边缘点(如图6所示)和单边胶条区域的单侧初始边缘点；
在单边胶条区域内，采用限制条件剔除部分单侧初始边缘点，统计被保留的左/右初始边缘点，将其记为该区域内优化后的边缘点；
在双边胶条区域内，采用限制条件剔除部分左、右初始边缘点，统计被保留的左、右初始边缘点，将其记为该区域内优化后的左、右边缘点(如图3或图8)；
所述限制条件为：
如图7所示，过单个初始边缘点作直线I，所述直线I与涂胶方向垂直；
在直线I上查找所述初始边缘点两侧相邻位置的多个像点，将同侧的k(k＝3～15像素)个像点的灰度值记入同一像点集合，分别计算各个像点集合的灰度均值，再计算两个灰度均值的绝对差值，记为灰度差值；
将灰度差值小于阈值E(E＝25～150)的初始边缘点剔除。本实施例中，阈值E＝50，k＝8像素。
使用时，根据胶条边缘位置可以评估胶条的连续性和胶宽。
为了获得更加准确的胶条左、右边缘位置，对于双边胶条区域，除上述过程进行边缘点优化之外，还可以利用胶条宽度对边缘点进行更进一步的筛选，对于双边胶条区域内优化后的左、右边缘点，进行以下处理：
将单个左边缘点分别与各个右边缘点匹配，遍历所有左边缘点，得到多对左右边缘点；
计算单对左右边缘点之间的距离，判断距离值处于预设胶条宽度范围之内，若处于，则存储该对左右边缘点，否则，剔除该对左右边缘点；
利用相同的判断过程，遍历各对左右边缘点，筛选出所有满足条件的左右边缘点对；利用其更新双边胶条区域内胶条的左、右边缘点位置。
作为选框的一种优选的设置方式，如图2所示，在双边胶条区域/单边胶条区域内，所述框选为矩形框，其设置有多个，多个选框沿涂胶方向依次分布，单个选框的长边尺寸为2倍胶条理论宽度，短边d尺寸为1～10像素，所述短边方向与涂胶方向平行。
具体的，步骤II中，初始边缘点的获取方式，可以采用以下两种：
(一)初始边缘点的获取方式为：
1)求取选框中每一列像点的灰度均值Gj，j表示第j列，1≤j≤n，n为选框长边的宽度；
若Gj＞阈值T，则将该列记为特征列，遍历n个Gj，标记所有满足条件的特征列；
设置阈值T＝10-50；
将单个选框短边的中间位置所在行记为特征行，所述特征行与涂胶方向垂直；
将特征行和各特征列的交点位置记为边缘点，得到单个选框中的多个初始边缘点；
2)遍历各个选框，对每个选框重复步骤1)，得到在双边胶条区域或单边胶条区域内的所有初始边缘点。
(二)如图5所示，初始边缘点的获取方式为：
1)求取该选框中每一列像点的灰度均值Gj，j表示第j列，1≤j≤n，n为选框长边的宽度；
利用Gj求取Mj：
其中，p为预设值，p＝3～10；如图5所示，位于边界的列采用镜像对称的方式填充灰度均值；
计算Mj与Gj之间的差值Sj；
若Sj＞阈值T，则将该列记为特征列，遍历n个Sj，标记所有满足条件的特征列；
设置T＝(0.7～0.9)×Smax；Smax为Sj中的最大值；
将单个选框中短边的中间位置所在行记为特征行，所述特征行与涂胶方向垂直；
将特征行和特征列的交点记为边缘点，遍历各个特征列，得到单个选框中的多个初始边缘点；
2)遍历各个选框，对每个选框重复步骤1)，得到在双边胶条区域/单边胶条区域内的所有初始边缘点。
本实施例还提供了一种辨别左右边缘点的方式，在所述双边胶条区域内，对每个初始边缘点进行标记：
当沿选框区域的逆时针方向查找，根据图像灰度变化，若在某一初始边缘点处，由高灰度值(亮区)跳变为低灰度值(暗区)时，标记此边缘点为左边缘点，反之，则标记为右边缘点。
为了方便解释和精确限定所附权利要求，术语“上”、“下”、“内”和“外”被用于参考附图中所显示的这些特征的位置来描述示例性实施方式的特征。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。
Claims (7)
1.一种反光胶条的边缘检测方法，其特征在于：机器人带动胶枪和视觉传感器同步运动，所述胶枪将胶条涂在工件上，所述胶条与工件的灰度差大于20，所述视觉传感器沿涂胶轨迹采集多帧胶条图像，对于每帧胶条图像，进行以下处理：
I、将胶条图像按照预设位置分割为：胶枪区域、双边胶条区域和/或单边胶条区域；
所述胶枪区域为胶枪头遮挡区域和/或存在遮挡阴影的图像区域；
所述双边胶条区域为图像中左、右两侧边缘均存在的胶条且胶条周围无胶枪阴影干扰的区域；
所述单边胶条区域为图像中仅存在位于左/右单侧边缘的胶条区域且胶条周围无胶枪阴影干扰的区域；
II、剔除胶枪区域，沿涂胶方向，设置选框，分别框选所述双边胶条区域和/或单边胶条区域，提取选框内双边胶条区域的左、右初始边缘点和单边胶条区域的单侧初始边缘点；
在单边胶条区域内，采用限制条件剔除部分单侧初始边缘点，统计被保留的左/右初始边缘点，将其记为该区域内优化后的边缘点；
在双边胶条区域内，采用限制条件剔除部分左、右初始边缘点，统计被保留的左、右初始边缘点，将其记为该区域内优化后的左、右边缘点；
所述限制条件为：
过单个初始边缘点作直线I，所述直线I与涂胶方向垂直；
在直线I上查找所述初始边缘点两侧相邻位置的多个像点，将同侧k个像点的灰度值记入同一像点集合，分别计算各个像点集合的灰度均值，再计算两个灰度均值的绝对差值，记为灰度差值；
将灰度差值小于阈值E的初始边缘点剔除。
2.如权利要求1所述反光胶条的边缘检测方法，其特征在于，对于双边胶条区域内优化后的左、右边缘点，进行以下处理：将单个左边缘点分别与各个右边缘点匹配，遍历所有左边缘点，得到多对左右边缘点；
计算单对左右边缘点之间的距离，判断距离值处于预设胶条宽度范围之内，若处于，则存储该对左右边缘点，否则，剔除该对左右边缘点；
利用相同的判断过程，遍历各对左右边缘点，筛选出所有满足条件的左右边缘点对；利用其更新双边胶条区域内胶条的左、右边缘点位置。
3.如权利要求1所述反光胶条的边缘检测方法，其特征在于，在双边胶条区域/单边胶条区域内，所述框选为矩形框，其设置有多个，多个选框沿涂胶方向依次分布，单个选框的长边尺寸为2倍胶条理论宽度，短边d尺寸为1～10像素，所述短边方向与涂胶方向平行。
4.如权利要求1或3所述反光胶条的边缘检测方法，其特征在于，步骤II中，初始边缘点的获取方式为：
1)求取选框中每一列像点的灰度均值Gj，j表示第j列，1≤j≤n，n为选框长边的宽度；
若Gj＞阈值T，则将该列记为特征列，遍历n个Gj，标记所有满足条件的特征列；
设置阈值T＝10-50；
将单个选框短边的中间位置所在行记为特征行，所述特征行与涂胶方向垂直；
将特征行和各特征列的交点位置记为边缘点，得到单个选框中的多个初始边缘点；
2)遍历各个选框，对每个选框重复步骤1)，得到在双边胶条区域或单边胶条区域内的所有初始边缘点。
5.如权利要求1或3所述反光胶条的边缘检测方法，其特征在于，步骤II中，初始边缘点的获取方式为：
1)求取该选框中每一列像点的灰度均值Gj，j表示第j列，1≤j≤n，n为选框长边的宽度；
利用Gj求取Mj：
其中，p为预设值，p＝3～10；位于边界的列采用镜像对称的方式填充灰度均值；
计算Mj与Gj之间的差值Sj；
若Sj＞阈值T，则将该列记为特征列，遍历n个Sj，标记所有满足条件的特征列；
设置T＝(0.7～0.9)×Smax；Smax为Sj中的最大值；
将单个选框中短边的中间位置所在行记为特征行，所述特征行与涂胶方向垂直；
将特征行和特征列的交点记为边缘点，遍历各个特征列，得到单个选框中的多个初始边缘点；
2)遍历各个选框，对每个选框重复步骤1)，得到在双边胶条区域/单边胶条区域内的所有初始边缘点。
6.如权利要求1所述反光胶条的边缘检测方法，其特征在于，在所述双边胶条区域内，对每个初始边缘点进行标记：
当沿选框区域的逆时针方向查找，根据图像灰度变化，若在某一初始边缘点处，由高灰度值(亮区)跳变为低灰度值(暗区)时，标记此边缘点为左边缘点，反之，则标记为右边缘点。
7.如权利要求1所述反光胶条的边缘检测方法，其特征在于，k值和灰度阈值E根据不同胶条图像灰度分布的经验值设置，k＝3～15像素，阈值E＝25～150。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010939638.7A CN112085754B (zh) | 2020-09-09 | 2020-09-09 | 反光胶条的边缘检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010939638.7A CN112085754B (zh) | 2020-09-09 | 2020-09-09 | 反光胶条的边缘检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112085754A true CN112085754A (zh) | 2020-12-15 |
| CN112085754B CN112085754B (zh) | 2022-08-16 |
Family
ID=73732926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010939638.7A Active CN112085754B (zh) | 2020-09-09 | 2020-09-09 | 反光胶条的边缘检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112085754B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113628232A (zh) * | 2021-05-11 | 2021-11-09 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
| CN114120051A (zh) * | 2021-11-11 | 2022-03-01 | 易思维（杭州）科技有限公司 | 一种胶条边缘点的筛选方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2746014A1 (en) * | 2012-12-18 | 2014-06-25 | R&D Project Sp. z o.o. | A method for protecting edges of furniture boards and a furniture board with protected edges |
| CN107093183A (zh) * | 2017-04-28 | 2017-08-25 | 东莞职业技术学院 | 一种基于索贝尔边缘检测技术的涂胶路径提取方法 |
| US20180079162A1 (en) * | 2015-08-31 | 2018-03-22 | Fosber S.P.A. | Plant and method for producing corrugated cardboard with gluing defect detector |
| US20180189940A1 (en) * | 2016-12-30 | 2018-07-05 | Hongfujin Precision Electronics (Zhengzhou) Co., Ltd. | Electronic device and method for checking dispensing of glue in relation to circuit board |
| CN108537808A (zh) * | 2018-04-08 | 2018-09-14 | 易思维（天津）科技有限公司 | 一种基于机器人示教点信息的涂胶在线检测方法 |
| CN110189316A (zh) * | 2019-05-29 | 2019-08-30 | 易思维（杭州）科技有限公司 | 一种胶条检测自动示教方法 |
| CN111523611A (zh) * | 2020-05-07 | 2020-08-11 | 北京智机科技有限公司 | 涂胶检测方法 |
-
2020
- 2020-09-09 CN CN202010939638.7A patent/CN112085754B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2746014A1 (en) * | 2012-12-18 | 2014-06-25 | R&D Project Sp. z o.o. | A method for protecting edges of furniture boards and a furniture board with protected edges |
| US20180079162A1 (en) * | 2015-08-31 | 2018-03-22 | Fosber S.P.A. | Plant and method for producing corrugated cardboard with gluing defect detector |
| US20180189940A1 (en) * | 2016-12-30 | 2018-07-05 | Hongfujin Precision Electronics (Zhengzhou) Co., Ltd. | Electronic device and method for checking dispensing of glue in relation to circuit board |
| CN107093183A (zh) * | 2017-04-28 | 2017-08-25 | 东莞职业技术学院 | 一种基于索贝尔边缘检测技术的涂胶路径提取方法 |
| CN108537808A (zh) * | 2018-04-08 | 2018-09-14 | 易思维（天津）科技有限公司 | 一种基于机器人示教点信息的涂胶在线检测方法 |
| CN110189316A (zh) * | 2019-05-29 | 2019-08-30 | 易思维（杭州）科技有限公司 | 一种胶条检测自动示教方法 |
| CN111523611A (zh) * | 2020-05-07 | 2020-08-11 | 北京智机科技有限公司 | 涂胶检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| LEI GENGA 等；: "《Glue detection based on teaching points constraint and tracking model of pixel convolution 》", 《PROCEEDINGS OF SPIE》 * |
| 刘克平 等；: "《基于HALCON 的汽车涂胶质量检测方法研究》", 《组合机床与自动化加工技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113628232A (zh) * | 2021-05-11 | 2021-11-09 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
| CN113628232B (zh) * | 2021-05-11 | 2024-02-27 | 深圳市汇川技术股份有限公司 | 剔除拟合线中干扰点的方法、视觉识别设备及存储介质 |
| CN114120051A (zh) * | 2021-11-11 | 2022-03-01 | 易思维（杭州）科技有限公司 | 一种胶条边缘点的筛选方法 |
| CN114120051B (zh) * | 2021-11-11 | 2024-06-04 | 易思维(杭州)科技股份有限公司 | 一种胶条边缘点的筛选方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112085754B (zh) | 2022-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112085754B (zh) | 反光胶条的边缘检测方法 | |
| CN109583365B (zh) | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 | |
| CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
| CN108132017A (zh) | 一种基于激光视觉系统的平面焊缝特征点提取方法 | |
| CN108537808A (zh) | 一种基于机器人示教点信息的涂胶在线检测方法 | |
| CN112991369B (zh) | 基于双目视觉的行驶车辆外廓尺寸检测方法 | |
| CN115311277B (zh) | 一种不锈钢制品的凹坑缺陷识别方法 | |
| CN110530273B (zh) | 基于结构光测量的涂胶信息检测方法 | |
| CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
| US7599050B2 (en) | Surface defect inspecting method and device | |
| CN111080582A (zh) | 工件内外表面缺陷检测方法 | |
| CN114723758B (zh) | 一种MiniLED薄板全自动连线的生产质量检测方法 | |
| CN113689429B (zh) | 一种基于计算机视觉的木板缺陷检测方法 | |
| CN114120051B (zh) | 一种胶条边缘点的筛选方法 | |
| CN115290663B (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
| CN110766683B (zh) | 一种珍珠光洁度等级检测方法及系统 | |
| CN112560538A (zh) | 一种根据图像冗余信息快速定位受损qr码的方法 | |
| CN111783672A (zh) | 一种提高桥梁动位移精度的图像特征辨识方法 | |
| CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
| CN110705553B (zh) | 一种适用于车辆远景图像的划痕检测方法 | |
| CN107506753B (zh) | 一种面向动态视频监控的多车辆跟踪方法 | |
| CN112132799B (zh) | 基于facanny算法的pcb标记点边缘反光图像检测方法 | |
| CN113920423A (zh) | 一种免疫印迹图像识别方法 | |
| CN111862080B (zh) | 基于多特征融合的深度学习缺陷识别方法 | |
| CN116681721B (zh) | 一种基于视觉的直线轨迹检测与跟踪方法 |
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 | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd. Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051 Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd. |