CN112184677B - 基于工业视觉的端子连接件检测方法 - Google Patents
基于工业视觉的端子连接件检测方法 Download PDFInfo
- Publication number
- CN112184677B CN112184677B CN202011061808.2A CN202011061808A CN112184677B CN 112184677 B CN112184677 B CN 112184677B CN 202011061808 A CN202011061808 A CN 202011061808A CN 112184677 B CN112184677 B CN 112184677B
- Authority
- CN
- China
- Prior art keywords
- thread
- data
- connecting piece
- terminal connecting
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 230000010365 information processing Effects 0.000 claims abstract description 8
- 238000012935 Averaging Methods 0.000 claims abstract description 4
- 230000009466 transformation Effects 0.000 claims description 15
- 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 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000013519 translation Methods 0.000 claims description 6
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于工业视觉的端子连接件检测方法,属于工业视觉技术领域。本发明包括以下步骤:S1:检测光源从X方向和Y方向分别照射端子连接件,工业相机将拍摄检测照片传递给图像处理系统;S2:PLC控制器控制图像信息处理系统处理图像并将结果传递给显示器,图像信息处理过程包括0号线程和1号线程,用边缘提取Canny算法分别对X方向和Y方向获取的照片进行边缘位置扫描,通过宏单元进行逻辑运算选取若干组最相近的检测数据,再对检测数据进行冒泡排序,剔除部分数据,对剩余数据取平均值得到端子连接件直径;S3:若端子连接件直径在合理误差值范围内,则端子连接件检测结果为合格;检测结果更精确,更便捷。
Description
技术领域
本发明涉及一种基于工业视觉的端子连接件检测方法,属于工业视觉技术领域。
背景技术
现有的用于检端子连接件高度和正位度的方法,一般是通过人工目测,该方法存在较高的漏检风险和误检风险,且人工检测的效率低,难以保证生产需求;也有采用定型光源照射端子顶端的方法,但设备结构已经定型,且光源镜头无法改变,易形成由材料与反光影响造成的边缘凹坑毛刺、边缘收缩等现象,因此该方式边缘干扰多,一方面不能准确检测出端子偏移量是否超出标准要求,检测精度和准确度低,从而难以保证产品质量。
发明内容
针对现有技术存在的上述缺陷,本发明提出了一种基于工业视觉的端子连接件检测方法。
本发明所述的一种基于工业视觉的端子连接件检测方法,包括以下步骤:
S1:检测光源从X方向和Y方向分别照射端子连接件,工业相机拍摄检测照片并将图像信息传递给图像处理系统;
S2:PLC控制器控制图像信息处理系统处理图像并将处理信息结果传递给显示器进行显示;图像信息处理过程包括处理X方向拍摄图像的0号线程和处理Y方向拍摄图像的1号线程,0号线程和1号线程采用边缘提取Canny算法对边缘位置扫描,找出插针外边缘点跟插针中心并求出直径,通过宏单元进行逻辑运算选取若干组最相近的检测数据,再对检测数据进行冒泡排序,剔除部分过大数据和过小数据,对剩余数据取平均值得到端子连接件直径;
S3:若端子连接件直径在下限值~上限值范围内,则端子连接件检测结果为合格,若端子连接件直径不在下限值~上限值范围内,则端子连接件检测结果为不合格上限值、下限值计算公式如下所示:
上限值=(端子连接件最大值-端子连接件实测值)/2+到基准最大公差+基准距离
下限值=基准距离-(端子连接件最大值-端子连接件实测值)/2+到基准最大公差。
优选地,所述S1中的工业相机型号为FZ-S5M3,采用镜头型号为ML-MC03HR,分辨率为0.01mm/Pix,所述检测光源为红色环型光源,所述图像处理系统型号为FH-5050-10。
优选地,所述S2中的0号线程、1号线程均包括建立全局变量、建立系统变量和PLC数据传输三个模块。
优选地,所述S2中的0号线程和1号线程通过中间文件进行数据交换,0号线程将数据写入中间文件并进行保存,1号线程对中间文件中保存的数据进行读取。
优选地,所述S2中的1号线程对中间文件数据进行读取时,先判断中间文件是否存在,若中间文件不存在,PLC控制器启动报警程序;若中间文件存在,则判断中间文件数据长度;若中间文件数据长度不正确,则PLC控制器启动报警程序;
若中间文件数据长度正确,则判断0号线程、1号线程校验位是否一致;若0号线程、1号线程数据错位,则PLC控制器启动报警程序;若0号线程、1号线程校验位一致,则将数据截取赋值给指定变量,数据读取结束。
优选地,所述S2中的图像处理系统与显示器、PLC控制器之间通过EIP系统进行联系。
优选地,所述S2中的检测数据的选取要大于100组。
优选地,所述S2中的边缘提取Canny算法,包括以下内容:
S21:边缘提取Canny算法所采用的卷积算子表达如下:
其x向、y向的一阶偏导数矩阵,梯度幅值以及梯度方向的数学表达式为:
S22:仿射变换表达如下:
x′=m11*x+m12*y+m13 (7)
y′=m21*x+m22*y+m23 (8)
以上公式是将点(x,y)映射到(x′,y′),公式中的m矩阵,是线性变换和平移的组合,m11,m12,m21,m22为线性变化参数,m13,m23为平移参数,其最后一行固定为0,0,1;
S23:在OpenCV中,通过函数cvWrapAffine(src,dst,mat)实现仿射变换,其中mat是2x3的仿射矩阵,该矩阵可以利用函数cvGetAffineTransform(srcTri,dstTri,mat)得到,其中mat是被该函数填充的仿射矩阵,srcTri和dstTri分别是由三个顶点定义的平行四边形,即:给出变换前的ABCD和变换后的A'B'C'D'。
本发明的有益效果是:本发明所述的基于工业视觉的端子连接件检测方法,由工业相机拍摄端子连接件X方向和Y方向的照片,经过0号线程、1号线程两条线程的图像处理过程,选取若干组合适的数据计算得到检测直径,将实测值与误差范围值相比较,来确定被检测端子连接件是否合格。本方法具有相当大的灵活性,针对不同型号的端子连接件,只需要设置好该型号的合格参数,自动化程度高,相对于传统人工方式,更加智能、效率更高、检测结果更准确,实现产品的稳定检测,保证了产品质量。
附图说明
图1是本发明的图像处理过程图。
图2是本发明的系统架构示意图。
图3是本发明的数据读取过程图。
图中:1、工业相机;2、检测光源;3、图像处理系统;4、显示器;5、PLC控制器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1至图3所示,本发明所述的基于工业视觉的端子连接件检测方法,包括以下步骤:
S1:检测光源2从X方向和Y方向分别照射端子连接件,工业相机1拍摄检测照片并将图像信息传递给图像处理系统3;
S2:PLC控制器5控制图像处理系统3处理图像并将处理信息结果传递给显示器4进行显示;图像信息处理过程包括处理X方向拍摄图像的0号线程和处理Y方向拍摄图像的1号线程,0号线程和1号线程采用边缘提取Canny算法对边缘位置扫描,找出插针外边缘点跟插针中心并求出直径,通过宏单元进行逻辑运算选取若干组最相近的检测数据,再对检测数据进行冒泡排序,剔除部分过大数据和过小数据,对剩余数据取平均值得到端子连接件直径;
S3:若端子连接件直径在下限值~上限值范围内,则端子连接件检测结果为合格,若端子连接件直径不在下限值~上限值范围内,则端子连接件检测结果为不合格,其中:上限值、下限值计算公式如下所示:
上限值=(端子连接件最大值-端子连接件实测值)/2+到基准最大公差+基准距离
下限值=基准距离-(端子连接件最大值-端子连接件实测值)/2+到基准最大公差。
所述S1中的工业相机1型号为FZ-S5M3,采用镜头型号为ML-MC03HR,分辨率为0.01mm/Pix,所述检测光源2为红色环型光源,所述图像处理系统3型号为FH-5050-10。
所述S2中的0号线程、1号线程均包括建立全局变量、建立系统变量和PLC数据传输三个模块。
所述S2中的0号线程和1号线程通过中间文件进行数据交换,0号线程将数据写入中间文件并进行保存,1号线程对中间文件中保存的数据进行读取。
所述S2中的1号线程对中间文件数据进行读取时,先判断中间文件是否存在,若中间文件不存在,PLC控制器5启动报警程序;若中间文件存在,则判断中间文件数据长度;若中间文件数据长度不正确,则PLC控制器5启动报警程序;
若中间文件数据长度正确,则判断0号线程、1号线程校验位是否一致;若0号线程、1号线程数据错位,则PLC控制器5启动报警程序;若0号线程、1号线程校验位一致,则将数据截取赋值给指定变量,数据读取结束。
所述S2中的图像处理系统3与显示器4、PLC控制器5之间通过EIP系统进行联系。
所述S2中的检测数据的选取要大于100组。选取数据组数越多,则检测结果更精确。
所述S2中的边缘提取Canny算法,包括以下内容:
S21:边缘提取Canny算法所采用的卷积算子表达如下:
其x向、y向的一阶偏导数矩阵,梯度幅值以及梯度方向的数学表达式为:
S22:仿射变换表达如下:
x′=m11*x+m12*y+m13 (7)
y′=m21*x+m22*y+m23 (8)
以上公式是将点(x,y)映射到(x′,y′),公式中的m矩阵,是线性变换和平移的组合,m11,m12,m21,m22为线性变化参数,m13,m23为平移参数,其最后一行固定为0,0,1;
S23:在OpenCV中,通过函数cvWrapAifine(src,dst,mat)实现仿射变换,其中mat是2x3的仿射矩阵,该矩阵可以利用函数cvGetAffineTransform(srcTri,dstTri,mat)得到,其中mat是被该函数填充的仿射矩阵,srcTri和dstTri分别是由三个顶点定义的平行四边形,即:给出变换前的ABCD和变换后的A′B′C′D′。
本发明的使用过程如下所示:本发明所述的基于工业视觉的端子连接件检测方法,检测光源2照射待检测端子连接件,工业相机1在X方向和Y方向上分别拍摄待检测端子连接件,将拍摄到的图像传递给图像信息处理系统3,图像信息处理系统3通过0号线程和1号线程两条线程分别来处理X方向和Y方向上的图像信息,0号线程和1号线程先对边缘位置通过边缘提取Canny算法进行扫描,找出插针外边缘点跟插针中心从而求出直径,再通过宏单元进行逻辑运算选取若干组最相近的检测数据,再对检测数据进行冒泡排序,剔除部分过大数据和过小数据,对剩余数据取平均值得到端子连接件直径,将实测端子连接件直径与误差范围值进行比较,如果实测端子连接件直径在误差范围值内,则检测结果为合格,如果实测端子连接件直径不在误差范围值内,则检测结果为不合格。
本发明的有益效果是:本发明所述的基于工业视觉的端子连接件检测方法,由工业相机1拍摄端子连接件X方向和Y方向的照片,经过0号线程、1号线程两条线程的图像处理过程,选取若干组合适的数据计算得到检测直径,将实测值与误差范围值相比较,来确定被检测端子连接件是否合格。本方法具有相当大的灵活性,针对不同型号的端子连接件,只需要设置好该型号的合格参数,自动化程度高,相对于传统人工方式,更加智能、效率更高、检测结果更准确,实现产品的稳定检测,保证了产品质量。
本发明可广泛运用于工业视觉场合。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于工业视觉的端子连接件检测方法,其特征在于,包括以下步骤:
S1:检测光源(2)从X方向和Y方向分别照射端子连接件,工业相机(1)拍摄检测照片并将图像信息传递给图像处理系统(3);
S2:PLC控制器(5)控制图像处理系统(3)处理图像并将处理信息结果传递给显示器(4)进行显示;图像信息处理过程包括处理X方向拍摄图像的0号线程和处理Y方向拍摄图像的1号线程,0号线程和1号线程采用边缘提取Canny算法对边缘位置扫描,找出插针外边缘点跟插针中心并求出直径,通过宏单元进行逻辑运算选取若干组最相近的检测数据,再对检测数据进行冒泡排序,剔除部分过大数据和过小数据,对剩余数据取平均值得到端子连接件直径;
S3:若端子连接件直径在下限值~上限值范围内,则端子连接件检测结果为合格,若端子连接件直径不在下限值~上限值范围内,则端子连接件检测结果为不合格,其中:上限值、下限值计算公式如下所示:
上限值=(端子连接件最大值-端子连接件实测值)/2+到基准最大公差+基准距离
下限值=基准距离-(端子连接件最大值-端子连接件实测值)/2+到基准最大公差。
2.根据权利要求1所述的基于工业视觉的端子连接件检测方法,其特征在于,所述S1中的工业相机(1)型号为FZ-S5M3,采用镜头型号为ML-MC03HR,分辨率为0.01mm/Pix,所述检测光源(2)为红色环型光源,所述图像处理系统(3)型号为FH-5050-10。
3.根据权利要求1所述的基于工业视觉的端子连接件检测方法,其特征在于,所述S2中的0号线程、1号线程均包括建立全局变量、建立系统变量和PLC数据传输三个模块。
4.根据权利要求3所述的基于工业视觉的端子连接件检测方法,其特征在于,所述S2中的0号线程和1号线程通过中间文件进行数据交换,0号线程将数据写入中间文件并进行保存,1号线程对中间文件中保存的数据进行读取。
5.根据权利要求3或4所述的基于工业视觉的端子连接件检测方法,其特征在于,所述S2中的1号线程对中间文件数据进行读取时,先判断中间文件是否存在,若中间文件不存在,PLC控制器(5)启动报警程序;若中间文件存在,则判断中间文件数据长度;若中间文件数据长度不正确,则PLC控制器(5)启动报警程序;
若中间文件数据长度正确,则判断0号线程、1号线程校验位是否一致;若0号线程、1号线程数据错位,则PLC控制器(5)启动报警程序;若0号线程、1号线程校验位一致,则将数据截取赋值给指定变量,数据读取结束。
6.根据权利要求5所述的基于工业视觉的端子连接件检测方法,其特征在于,所述S2中的图像处理系统(3)与显示器(4)、PLC控制器(5)之间通过EIP系统进行联系。
7.根据权利要求6所述的基于工业视觉的端子连接件检测方法,其特征在于,所述S2中的检测数据的选取要大于100组。
8.根据权利要求6或7所述的基于工业视觉的端子连接件检测方法,其特征在于,所述S2中的边缘提取Canny算法,包括以下内容:
S21:边缘提取Canny算法所采用的卷积算子表达如下:
其x向、y向的一阶偏导数矩阵,梯度幅值以及梯度方向的数学表达式为:
S22:仿射变换表达如下:
x′=m11*x+m12*y+m13 (7)
y′=m21*x+m22*y+m23 (8)
以上公式是将点(x,y)映射到(x',y'),公式中的m矩阵,是线性变换和平移的组合,m11,m12,m21,m22为线性变化参数,m13,m23为平移参数,其最后一行固定为0,0,1;
S23:在OpenCV中,通过函数cvWrapAffine(src,dst,mat)实现仿射变换,其中mat是2x3的仿射矩阵,该矩阵可以利用函数cvGetAffineTransform(srcTri,dstTri,mat)得到,srcTri和dstTri分别是由三个顶点定义的平行四边形,即:给出变换前的ABCD和变换后的A'B'C'D'。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011061808.2A CN112184677B (zh) | 2020-09-30 | 2020-09-30 | 基于工业视觉的端子连接件检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011061808.2A CN112184677B (zh) | 2020-09-30 | 2020-09-30 | 基于工业视觉的端子连接件检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184677A CN112184677A (zh) | 2021-01-05 |
CN112184677B true CN112184677B (zh) | 2022-10-04 |
Family
ID=73948087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011061808.2A Active CN112184677B (zh) | 2020-09-30 | 2020-09-30 | 基于工业视觉的端子连接件检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184677B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03276007A (ja) * | 1990-03-27 | 1991-12-06 | Matsushita Electric Works Ltd | 端子の傾き検出方法 |
JP2002134991A (ja) * | 2000-10-24 | 2002-05-10 | Juki Corp | 電子部品実装方法及び装置 |
JP2011099745A (ja) * | 2009-11-05 | 2011-05-19 | Hioki Ee Corp | 回路基板検査装置および回路基板検査方法 |
CN106299866A (zh) * | 2015-06-02 | 2017-01-04 | 高准有限公司 | 接线端子架以及隔爆设备 |
CN205983161U (zh) * | 2016-08-30 | 2017-02-22 | 青岛思锐自动化工程有限公司 | 汽车总拼生产线控制系统 |
CN107084992A (zh) * | 2017-04-20 | 2017-08-22 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的胶囊检测方法及系统 |
-
2020
- 2020-09-30 CN CN202011061808.2A patent/CN112184677B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03276007A (ja) * | 1990-03-27 | 1991-12-06 | Matsushita Electric Works Ltd | 端子の傾き検出方法 |
JP2002134991A (ja) * | 2000-10-24 | 2002-05-10 | Juki Corp | 電子部品実装方法及び装置 |
JP2011099745A (ja) * | 2009-11-05 | 2011-05-19 | Hioki Ee Corp | 回路基板検査装置および回路基板検査方法 |
CN106299866A (zh) * | 2015-06-02 | 2017-01-04 | 高准有限公司 | 接线端子架以及隔爆设备 |
CN205983161U (zh) * | 2016-08-30 | 2017-02-22 | 青岛思锐自动化工程有限公司 | 汽车总拼生产线控制系统 |
CN107084992A (zh) * | 2017-04-20 | 2017-08-22 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的胶囊检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于机器视觉的图像识别算法研究;李祥瑞;《数字技术与应用》;20200131;第38卷(第1期);全文 * |
基于机器视觉的工件边缘毛刺检测系统研究;戴凤强等;《农业装备与车辆工程》;20180710(第07期);全文 * |
基于机器视觉的电子连接器检测系统的设计;谭台哲等;《光电子技术》;20140331;第34卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112184677A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765416B (zh) | 基于快速几何对准的pcb表面缺陷检测方法及装置 | |
US9292915B2 (en) | Digital optical comparator | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
CN109520436B (zh) | 一种基于机器视觉的蝶形弹簧三维尺寸自动测量系统及其测量方法 | |
CN110473165A (zh) | 一种电路板焊接质量检测方法及装置 | |
CN109932369B (zh) | 一种异形显示面板检测方法及装置 | |
CN114549835A (zh) | 一种基于深度学习的指针式仪表矫正识别方法及装置 | |
WO2017202114A1 (zh) | 确定用于检测的光照强度的方法和装置、及光学检测方法和装置 | |
CN114383505A (zh) | 一种用于短轴类零件尺寸的自动检测装置 | |
CN110554054B (zh) | 一种机夹式可转位车刀的三维刃口崩缺检测系统 | |
CN114998308A (zh) | 一种基于光度立体的缺陷检测方法及系统 | |
CN109712115B (zh) | 一种pcb板自动检测方法及系统 | |
CN112184677B (zh) | 基于工业视觉的端子连接件检测方法 | |
CN114820439A (zh) | 基于aoi的pcb裸板缺陷的检测系统及方法 | |
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 | |
CN111738971A (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
CN110376215A (zh) | 轴承倒角不标准自动检测装置及方法 | |
CN113008470B (zh) | 气体泄漏检测装置以及气体泄漏检测方法 | |
CN113256576A (zh) | 基于偏振成像和机器学习的光学元件自动检测系统及方法 | |
TWI742391B (zh) | 立體影像表面瑕疵檢測系統 | |
CN109035230B (zh) | 一种圆孔直径视觉测量方法 | |
CN112858331A (zh) | 一种vr屏幕的检测方法及检测系统 | |
CN112763495A (zh) | 一种手机电池尺寸和外观缺陷检测系统及检测方法 | |
CN112782176A (zh) | 一种产品外观检测方法及装置 | |
CN115035294B (zh) | 一种冰箱温控器挡位检测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |