CN112102301A - 一种冲压框架协同检测系统及其检测方法 - Google Patents
一种冲压框架协同检测系统及其检测方法 Download PDFInfo
- Publication number
- CN112102301A CN112102301A CN202010989836.4A CN202010989836A CN112102301A CN 112102301 A CN112102301 A CN 112102301A CN 202010989836 A CN202010989836 A CN 202010989836A CN 112102301 A CN112102301 A CN 112102301A
- Authority
- CN
- China
- Prior art keywords
- product
- image
- detected
- detection
- module
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 139
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 230000002950 deficient Effects 0.000 claims abstract description 14
- 238000003702 image correction Methods 0.000 claims abstract description 10
- 238000012986 modification Methods 0.000 claims abstract description 4
- 230000004048 modification Effects 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 25
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000007547 defect Effects 0.000 claims description 15
- 238000013519 translation Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 238000011410 subtraction method Methods 0.000 claims description 5
- 239000000758 substrate Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009713 electroplating Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种冲压框架协同检测系统及其检测方法,包括用户管理模块、产品编辑管理模块、自动检测模块、数据统计模块及软件设置模块,用户管理模块管理划责账户类型和账户数量;产品管理模块包括新建产品子模块及产品检测功能编辑子模块;数据统计模块包括数据库数据参看子模块和数据库数据修改子模块软件设置模块包括NG报警策略子模块及存储位置选择子模块。本发明检测方法包括如下步骤:S1、拍摄选定参照图像;S2、产品及检测参数设置;S3、拍摄待检产品图像;S4、图像矫正;S5、图像检测。本发明通过图像自动矫正、图像自动检测实现对连续传送产品的在线检测,并通过区域分析完成差异判定,自动筛选不良品,有效地提升了检测的质量和效率。
Description
技术领域
本发明涉及外观缺陷检测领域,特别指一种冲压框架协同检测系统及其检测方法。
背景技术
冲压产品是一种常见的五金加工产品,是一种通过冲压的方式得到的金属件;在集成电路领域,常需要通过冲压、电镀方式得到基板框架,形成冲压电镀产品。在产品加工过程中会出现各种缺陷,包括压痕、漏冲、脏污、异物、过冲等;上述缺陷的存在直接影响产品质量,因此在生产过程中需要对产品进行实时的缺陷检测,以便将不良品抽检出来。基板框架在冲压生产过程中为沿直线方向不停地向前传送,冲压一次向前推送一个框架宽度的距离,如此不断动作,形成连续的基板框架,因此,针对上述基板框架的缺陷检测需要采用在线检测方式,即产品连续冲压加工的同时,同步地完成冲压后的缺陷检测;目前,基板框架采用的检测方式多为人工检测,检测方式相对原始,由质检员采用肉眼扫描方式进行,这种检测方式需要大量成熟的质检人员,且难以发现细小的缺陷。另外,若要实现全面的、高质量的质量检测,则需要质检人员长时间、高度集中注意力的工作;但在实际上人工检测是难以实现的;检测方式的原始,不仅需要大量的人力经费,而且会造成一定的劳动损伤,并且会导致一系列检测问题。难以实现产品全检,由于产品是在流水加工线上不断向前流动,其生产有连续性,在人工检测过程中,肉眼扫描的速度、范围,工作人员的责任心等,决定了检测难以实现全检,从而造成了产品生产中的采伪风险,即将不合格的有缺陷的产品作为合格的产品,流入下一生产、使用环节。缺陷记录信息难以实时数据化,人工检测结果的一个较大的不足是记录不能实时数字化,同步到数据库,这就给缺陷的分类定级、统计带来一定困难。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足,提供一种通过图像自动矫正、图像自动检测实现对连续传送产品的在线检测,并通过区域分析完成差异判定,自动筛选不良品,有效地提升了检测的质量和效率的冲压框架协同检测系统及其检测方法。
本发明采取的技术方案如下:一种冲压框架协同检测系统,包括用户管理模块、产品编辑管理模块、自动检测模块、数据统计模块及软件设置模块,其中,上述用户管理模块管理划责账户类型和账户数量,账户类型包括管理员账户、工程师账户及操作员账户;上述产品管理模块包括新建产品子模块及产品检测功能编辑子模块,以便新建和存储标准产品及检测参数,并通过自动检测模块比对标准产品与待检产品,完成检测;上述数据统计模块包括数据库数据参看子模块和数据库数据修改子模块;上述软件设置模块包括NG报警策略子模块及存储位置选择子模块;新建产品子模块根据待检产品输入预先拍摄的良品图像作为检测参照图像,检测功能编辑子模块进行待检产品的区域设置;自动检测模块利用定位区域确认参照图像与待检图像之间的位置、角度或缩放区别,并通过仿射变换进行图像矫正,将待检图像调整至与参照图像重叠位置后,通过区域分析方法对待检图像进行差异分析,得出待检产品为良品或不良品的结论。
优选地,所述的检测功能编辑子模块包括测量程序区域设置,测量程序区域设置包括ROI待检区域设置、定位区域设置、基础检测区域设置及忽略区域设置,ROI待检区域设置确定产品上整体的ROI区域,定位区域位于ROI区域内,定位区域为辅助待检产品进行图像矫正的定点位置;基础检测区域设置位于ROI区域内,基础检测区域为该类待检产品需检测区域;忽略区域位于ROI区域内,忽略区域为该类待检产品无需检测的区域。
优选地,所述的待检图像与参照图像之间存在旋转、平移及缩放差异,通过仿射变换矩阵对待检图像进行矫正。
优选地,所述的仿射变换矩阵的公式如下:
一种冲压框架协同检测方法,包括以下工艺步骤:
S1、拍摄选定参照图像:拍摄各参数达标的产品,作为检测的参照图像,并上传系统;
S2、产品及检测参数设置:步骤S1中参照图像上传后,通过产品编辑管理模块将该参照图像作为新产品新建入系统,且根据产品待检要求设置ROI待检区域、定位区域、基础检测区域及忽略区域;
S3、拍摄待检产品图像:通过多相机拍摄冲压生产过程中向前直线传送的待检测产品,得到待检产品图像;
S4、图像矫正:步骤S2中,产品及检测参数设置好后,根据定位区域采用仿射变换矩阵对步骤S3中拍摄到的待检产品图像进行位置矫正,使待检产品图像与参照图像在系统内重叠;
S5、图像检测:步骤S4中图像矫正后,通过减背景法或绝对阈值法相比参照图像对待检产品图像进行差异检测,得出瑕疵检测结果;
S6、返回瑕疵检测结果:步骤S5中图像检测完成后,通过区域分析判定检测差异大小,通过差异大小界定检测产品是否为良品或不良品。
优选地,所述的待检产品图像与参照图像之间存在旋转、平移及缩放差异,通过仿射变换矩阵对待检图像进行矫正。
优选地,所述的仿射变换矩阵的公式如下:
优选地,所述的图像矫正包括以下工艺步骤:
A、粗定位:采用基于灰度的模板匹配方法,根据参照图像上选择的定位区域,在待检测产品图像上找到相应的区域;
B、精定位:在粗定位的基础上,找到定位区域中的配准点(包括孔的圆心、矩形中心等),通过最小二乘法获得仿射变换矩阵,利用仿射变换矩阵将待检测产品图像和参照图像进行配准。
优选地,所述的基于灰度的模板匹配方法包括MAD算法、SAD算法、SSD算法、MSD算法、NCC算法、SSDA算法及SATD算法。
优选地,所述的区域分析采用Blob分析方法。
本发明的有益效果在于:
本发明针对现有技术存在的缺陷和不足自主研发设计了一种通过图像自动矫正、图像自动检测实现对连续传送产品的在线检测,并通过区域分析完成差异判定,自动筛选不良品,有效地提升了检测的质量和效率的冲压框架协同检测系统及其检测方法。本发明的检测系统整体上包括用户管理模块、产品编辑管理模块、自动检测模块、数据统计模块及软件设置模块,用户管理模块用于将用户权限定义划分,产品编辑管理模块的作用在于根据实际检测的产品类别,预先新建产品,并将产品需检测的参数编辑好,同时利用拍摄上传的标准产品图像作为参照图像,完成ROI待检区域设置、定位区域设置、基础检测区域设置及忽略区域设置,ROI待检区域设置确定产品上整体的ROI区域,定位区域位于ROI区域内,定位区域为辅助待检产品进行图像矫正的定点位置;基础检测区域设置位于ROI区域内,基础检测区域为该类待检产品需检测区域;忽略区域位于ROI区域内,忽略区域为该类待检产品无需检测的区域。本发明利用定位区域,通过仿射变换矩阵将待检测产品的图像进行图像矫正,使其与预先穿入系统的标准的参照图像进行实现调准,使待检测产品图像和参照图像在系统内处于至重叠状态。本发明的自动检测模块将进行图像矫正后的产品图像通过减背景法或绝对阈值法相比参照图像对待检产品图像进行差异检测,得出瑕疵检测结果。最后,通过区域分析判定检测差异大小,通过差异大小界定检测产品是否为良品或不良品。从而实现了对待检产品全流程自动化在线检测,极大的提升了检测效率和检测准确度。
附图说明
图1为本发明软件框架示意图。
图2为本发明的工艺步骤示意图。
具体实施方式
下面将结合附图对本发明作进一步描述:
如图1至图2所示,本发明采取的技术方案如下:一种冲压框架协同检测系统,包括用户管理模块、产品编辑管理模块、自动检测模块、数据统计模块及软件设置模块,其中,上述用户管理模块管理划责账户类型和账户数量,账户类型包括管理员账户、工程师账户及操作员账户;上述产品管理模块包括新建产品子模块及产品检测功能编辑子模块,以便新建和存储标准产品及检测参数,并通过自动检测模块比对标准产品与待检产品,完成检测;上述数据统计模块包括数据库数据参看子模块和数据库数据修改子模块;上述软件设置模块包括NG报警策略子模块及存储位置选择子模块;新建产品子模块根据待检产品输入预先拍摄的良品图像作为检测参照图像,检测功能编辑子模块进行待检产品的区域设置;自动检测模块利用定位区域确认参照图像与待检图像之间的位置、角度或缩放区别,并通过仿射变换进行图像矫正,将待检图像调整至与参照图像重叠位置后,通过区域分析方法对待检图像进行差异分析,得出待检产品为良品或不良品的结论。
检测功能编辑子模块包括测量程序区域设置,测量程序区域设置包括ROI待检区域设置、定位区域设置、基础检测区域设置及忽略区域设置,ROI待检区域设置确定产品上整体的ROI区域,定位区域位于ROI区域内,定位区域为辅助待检产品进行图像矫正的定点位置;基础检测区域设置位于ROI区域内,基础检测区域为该类待检产品需检测区域;忽略区域位于ROI区域内,忽略区域为该类待检产品无需检测的区域。
待检图像与参照图像之间存在旋转、平移及缩放差异,通过仿射变换矩阵对待检图像进行矫正。
仿射变换矩阵的公式如下:
一种冲压框架协同检测方法,包括以下工艺步骤:
S1、拍摄选定参照图像:拍摄各参数达标的产品,作为检测的参照图像,并上传系统;
S2、产品及检测参数设置:步骤S1中参照图像上传后,通过产品编辑管理模块将该参照图像作为新产品新建入系统,且根据产品待检要求设置ROI待检区域、定位区域、基础检测区域及忽略区域;
S3、拍摄待检产品图像:通过多相机拍摄冲压生产过程中向前直线传送的待检测产品,得到待检产品图像;
S4、图像矫正:步骤S2中,产品及检测参数设置好后,根据定位区域采用仿射变换矩阵对步骤S3中拍摄到的待检产品图像进行位置矫正,使待检产品图像与参照图像在系统内重叠;
S5、图像检测:步骤S4中图像矫正后,通过减背景法或绝对阈值法相比参照图像对待检产品图像进行差异检测,得出瑕疵检测结果;
S6、返回瑕疵检测结果:步骤S5中图像检测完成后,通过区域分析判定检测差异大小,通过差异大小界定检测产品是否为良品或不良品。
待检产品图像与参照图像之间存在旋转、平移及缩放差异,通过仿射变换矩阵对待检图像进行矫正。
仿射变换矩阵的公式如下:
图像矫正包括以下工艺步骤:
A、粗定位:采用基于灰度的模板匹配方法,根据参照图像上选择的定位区域,在待检测产品图像上找到相应的区域;
B、精定位:在粗定位的基础上,找到定位区域中的配准点(包括孔的圆心、矩形中心等),通过最小二乘法获得仿射变换矩阵,利用仿射变换矩阵将待检测产品图像和参照图像进行配准。
基于灰度的模板匹配方法包括MAD算法、SAD算法、SSD算法、MSD算法、NCC算法、SSDA算法及SATD算法。
区域分析采用Blob分析方法。
进一步,本发明设计了一种通过图像自动矫正、图像自动检测实现对连续传送产品的在线检测,并通过区域分析完成差异判定,自动筛选不良品,有效地提升了检测的质量和效率的冲压框架协同检测系统及其检测方法。本发明的检测系统整体上包括用户管理模块、产品编辑管理模块、自动检测模块、数据统计模块及软件设置模块,用户管理模块用于将用户权限定义划分,产品编辑管理模块的作用在于根据实际检测的产品类别,预先新建产品,并将产品需检测的参数编辑好,同时利用拍摄上传的标准产品图像作为参照图像,完成ROI待检区域设置、定位区域设置、基础检测区域设置及忽略区域设置,ROI待检区域设置确定产品上整体的ROI区域,定位区域位于ROI区域内,定位区域为辅助待检产品进行图像矫正的定点位置;基础检测区域设置位于ROI区域内,基础检测区域为该类待检产品需检测区域;忽略区域位于ROI区域内,忽略区域为该类待检产品无需检测的区域。本发明利用定位区域,通过仿射变换矩阵将待检测产品的图像进行图像矫正,使其与预先穿入系统的标准的参照图像进行实现调准,使待检测产品图像和参照图像在系统内处于至重叠状态。本发明的自动检测模块将进行图像矫正后的产品图像通过减背景法或绝对阈值法相比参照图像对待检产品图像进行差异检测,得出瑕疵检测结果。最后,通过区域分析判定检测差异大小,通过差异大小界定检测产品是否为良品或不良品。从而实现了对待检产品全流程自动化在线检测,极大的提升了检测效率和检测准确度。
本发明的实施例只是介绍其具体实施方式,不在于限制其保护范围。本行业的技术人员在本实施例的启发下可以作出某些修改,故凡依照本发明专利范围所做的等效变化或修饰,均属于本发明专利权利要求范围内。
Claims (8)
1.一种冲压框架协同检测系统,其特征在于:包括用户管理模块、产品编辑管理模块、自动检测模块、数据统计模块及软件设置模块,其中,上述用户管理模块管理划责账户类型和账户数量,账户类型包括管理员账户、工程师账户及操作员账户;上述产品管理模块包括新建产品子模块及产品检测功能编辑子模块,以便新建和存储标准产品及检测参数,并通过自动检测模块比对标准产品与待检产品,完成检测;上述数据统计模块包括数据库数据参看子模块和数据库数据修改子模块;上述软件设置模块包括NG报警策略子模块及存储位置选择子模块;新建产品子模块根据待检产品输入预先拍摄的良品图像作为检测参照图像,检测功能编辑子模块进行待检产品的区域设置;自动检测模块利用定位区域确认参照图像与待检图像之间的位置、角度或缩放区别,并通过仿射变换进行图像矫正,将待检图像调整至与参照图像重叠位置后,通过区域分析方法对待检图像进行差异分析,得出待检产品为良品或不良品的结论。
2.根据权利要求1所述的一种冲压框架协同检测系统,其特征在于:所述的检测功能编辑子模块包括测量程序区域设置,测量程序区域设置包括ROI待检区域设置、定位区域设置、基础检测区域设置及忽略区域设置,ROI待检区域设置确定产品上整体的ROI区域,定位区域位于ROI区域内,定位区域为辅助待检产品进行图像矫正的定点位置;基础检测区域设置位于ROI区域内,基础检测区域为该类待检产品需检测区域;忽略区域位于ROI区域内,忽略区域为该类待检产品无需检测的区域。
3.根据权利要求2所述的一种冲压框架协同检测系统,其特征在于:所述的待检图像与参照图像之间存在旋转、平移及缩放差异,通过仿射变换矩阵对待检图像进行矫正。
4.一种如权利要求1所述的冲压框架协同检测方法,其特征在于,包括以下工艺步骤:
S1、拍摄选定参照图像:拍摄各参数达标的产品,作为检测的参照图像,并上传系统;
S2、产品及检测参数设置:步骤S1中参照图像上传后,通过产品编辑管理模块将该参照图像作为新产品新建入系统,且根据产品待检要求设置ROI待检区域、定位区域、基础检测区域及忽略区域;
S3、拍摄待检产品图像:通过多相机拍摄冲压生产过程中向前直线传送的待检测产品,得到待检产品图像;
S4、图像矫正:步骤S2中,产品及检测参数设置好后,根据定位区域采用仿射变换矩阵对步骤S3中拍摄到的待检产品图像进行位置矫正,使待检产品图像与参照图像在系统内重叠;
S5、图像检测:步骤S4中图像矫正后,通过减背景法或绝对阈值法相比参照图像对待检产品图像进行差异检测,得出瑕疵检测结果;
S6、返回瑕疵检测结果:步骤S5中图像检测完成后,通过区域分析判定检测差异大小,通过差异大小界定检测产品是否为良品或不良品。
5.根据权利要求4所述的一种冲压框架协同检测系统,其特征在于:所述的待检产品图像与参照图像之间存在旋转、平移及缩放差异,通过仿射变换矩阵对待检图像进行矫正。
6.根据权利要求5所述的一种冲压框架协同检测系统,其特征在于,所述的图像矫正包括以下工艺步骤:
A、粗定位:采用基于灰度的模板匹配方法,根据参照图像上选择的定位区域,在待检测产品图像上找到相应的区域;
B、精定位:在粗定位的基础上,找到定位区域中的配准点(包括孔的圆心、矩形中心等),通过最小二乘法获得仿射变换矩阵,利用仿射变换矩阵将待检测产品图像和参照图像进行配准。
7.根据权利要求6所述的一种冲压框架协同检测系统,其特征在于:所述的基于灰度的模板匹配方法包括MAD算法、SAD算法、SSD算法、MSD算法、NCC算法、SSDA算法及SATD算法。
8.根据权利要求9所述的一种冲压框架协同检测系统,其特征在于:所述的区域分析采用Blob分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010989836.4A CN112102301A (zh) | 2020-09-19 | 2020-09-19 | 一种冲压框架协同检测系统及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010989836.4A CN112102301A (zh) | 2020-09-19 | 2020-09-19 | 一种冲压框架协同检测系统及其检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112102301A true CN112102301A (zh) | 2020-12-18 |
Family
ID=73760074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010989836.4A Pending CN112102301A (zh) | 2020-09-19 | 2020-09-19 | 一种冲压框架协同检测系统及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102301A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114354621A (zh) * | 2021-12-29 | 2022-04-15 | 广州德志金属制品有限公司 | 一种自动检测产品外观的方法及系统 |
-
2020
- 2020-09-19 CN CN202010989836.4A patent/CN112102301A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114354621A (zh) * | 2021-12-29 | 2022-04-15 | 广州德志金属制品有限公司 | 一种自动检测产品外观的方法及系统 |
CN114354621B (zh) * | 2021-12-29 | 2024-04-19 | 广州德志金属制品有限公司 | 一种自动检测产品外观的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10664992B2 (en) | Non-contact visual detection method for mark positioning of mobile phone touch screen | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN104616325B (zh) | 一种快速高精度的大型表面光条中心提取方法 | |
CN102455171B (zh) | 一种激光拼焊焊缝背面几何形貌检测方法 | |
JP4436810B2 (ja) | ディスプレーの多角度計測システム及び方法 | |
CN109239076A (zh) | 一种基于机器视觉的缝纫线迹缺陷检测方法 | |
CN109916910A (zh) | 光伏玻璃边部缺陷检测系统及相应的方法 | |
CN110838149B (zh) | 一种相机光源自动配置方法及系统 | |
CN110567965A (zh) | 一种智能手机玻璃盖板边缘视觉缺陷检测方法 | |
CN107515481A (zh) | 一种显示面板的检测方法和装置 | |
CN117649404A (zh) | 一种基于图像数据分析的药品包装盒质量检测方法及系统 | |
CN112102301A (zh) | 一种冲压框架协同检测系统及其检测方法 | |
CN115546125A (zh) | 一种基于点云信息的增材制造熔敷层的误差检测并对轨迹纠偏的方法 | |
CN113469991B (zh) | 一种锂电池极耳激光焊点视觉在线检测方法 | |
TWI383690B (zh) | 影像處理的方法 | |
CN107643611A (zh) | 一种液晶屏与背光源装配精度的自动检测系统 | |
CN113538399A (zh) | 一种用于获取工件精准轮廓的方法、机床及存储介质 | |
CN111192246B (zh) | 一种焊点的自动检测方法 | |
Ye et al. | Weld seam tracking based on laser imaging binary image preprocessing | |
CN112837285B (zh) | 一种板面图像的边缘检测方法及装置 | |
CN103905762B (zh) | 投影模块的投影画面自动检查方法 | |
CN110111317A (zh) | 一种基于机器人智能末端的点胶质量视觉检测方法 | |
CN109887027A (zh) | 一种基于图像的移动机器人定位方法 | |
CN109579721A (zh) | 一种基于视觉跟踪的双轴拉伸引伸计测量方法 | |
CN114550041B (zh) | 一种多摄像头拍摄视频的多目标标注方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201218 |