CN112258466A - 一种基于灰度处理的冷轧板带振纹在线检测系统及方法 - Google Patents
一种基于灰度处理的冷轧板带振纹在线检测系统及方法 Download PDFInfo
- Publication number
- CN112258466A CN112258466A CN202011119168.6A CN202011119168A CN112258466A CN 112258466 A CN112258466 A CN 112258466A CN 202011119168 A CN202011119168 A CN 202011119168A CN 112258466 A CN112258466 A CN 112258466A
- Authority
- CN
- China
- Prior art keywords
- gray
- cold
- light source
- image
- camera
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 66
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title abstract description 11
- 238000005096 rolling process Methods 0.000 claims abstract description 16
- 238000013500 data storage Methods 0.000 claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 230000003993 interaction Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000026676 system process Effects 0.000 claims description 2
- 229910000831 Steel Inorganic materials 0.000 abstract description 6
- 239000010959 steel Substances 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 241001270131 Agaricus moelleri Species 0.000 description 2
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 244000145845 chattering Species 0.000 description 1
- 238000005097 cold rolling Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000007 visual effect 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
- G06T7/0002—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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出一种基于灰度处理的冷轧板带振纹在线检测系统和方法,为冷轧板带生产提供在线表面质量监控。该装置包括支架、工业相机、光源、处理器系统和人机交换系统。通过调整支架使工业相机与光源协同采集冷轧板带表面图像信息,信息通过数据线输送至处理器系统,图像信息经过图像处理模块、振纹检测模块、数据存储模块进行获取图像信息、获取每个像素点的灰度值、获取灰度阈值、灰度二值化处理、振纹评估与检测后将信息通过输入输出模块在显示器中进行显示,用户也可通过阈值调节旋钮设定系统振纹判定标准。本发明能够极大减少人力成本,同时增大冷轧板带振纹检测的准确性和及时性,在轧钢领域拥有较为广泛的应用前景。
Description
技术领域
本发明涉及冷轧带钢生产过程中质量控制技术领域,特别涉及一种基于灰度处理技术的冷轧板带振纹在线检测系统及方法。
背景技术
冷轧板带由于其优越的表面质量、加工精度和机械性能,越来越多的应用于汽车制造、航空航天、船舶制造、家具制造、家电制造、建筑、医疗器械等领域,随着制造业的飞速发展,人们对冷轧板带的产品质量的要求越来越高,在冷轧板带轧制过程中,由于设备不良和工艺不合理经常导致轧机振动出现,容易导致带钢表面板宽方向出现一种明暗交替、肉眼可见的条纹状缺陷,这种表面缺陷被称作“板带振纹”,板带振纹虽然对板带机械性能影响不大,但是极大影响带钢产品质量,难以满足行业需求。振纹会加剧轧辊的损坏,增加换辊频率从而增大成本。
振纹主要由轧机自激振动产生,由于轧机系统结构复杂庞大、生产环境差异较大、实验研究花费较大等因素,目前对轧机振纹产生机理尚未完全揭示清楚。通过实时检测板带振纹有助于揭示轧机振动机理和对其进行有效控制,目前只是通过人眼观测的方法判断振纹的产生与否,但其判断时滞后性强且增加了人力成本。一些专利技术提出一种利用位移传感器测量轧辊波形的方法,但是板带材的振纹的形成往往不是由于轧辊波形的变化,且轧辊一旦出现辊纹就代表板带振纹对轧辊的劣化效果已经产生,并不能有效降低生产成本。
综上所述,如何有效及时的检测冷轧板带振纹,规避其劣化影响、提高板带材良品率是目前冶金行业从业人员亟需解决的问题。
发明内容
为解决上述内容,本发明提出一种基于灰度处理的冷轧板带振纹在线检测系统,为冷轧板带生产提供在线表面质量监控。
为实现上述目的,本发明提供如下技术方案:
一种基于灰度处理的冷轧板带振纹在线检测系统,其包括支架、工业相机、光源、处理器系统和人机交换系统,
所述支架用于固定相机及光源、调节其角度;
所述工业相机用于采集冷轧板带表面质量的图像信息;
所述光源用于将产生振纹的冷轧板带呈现更加清晰的明暗相间图像;
所述处理器系统包括图像处理模块、振纹检测模块、数据存储模块以及输入输出模块,所述图像处理模块用于对采集的冷轧板带表面质量图像信息进行冷轧板带图像的灰度处理;所述振纹检测模块用于计算黑色像素点对整个图像总像素点的占比,同时判断该数值是否达到设定阈值;所述数据存储模块用于存储图像数据和检测记录,并将检测记录保存在后台选定文件夹内;所述输入输出模块用于接收和暂存相机输入处理器的图像信号以及将图像处理模块、振纹检测模块处理后的数据输送至显示器进行显示;
所述人机交互系统包括显示器和阈值调节旋钮,所述显示器用于显示处理器处理后的信息;所述阈值调节旋钮用于设定系统振纹判定标准。
进一步地,所述支架包括底座、主支撑轴、光源夹、相机夹、相机臂、光源臂和调节旋钮,所述主支撑轴固定在底座上,所述光源夹与相机夹能够沿着所述主支撑轴位移,进而调整其空间位姿,所述相机臂一端与相机夹相连,另一端与所述工业相机相连,所述光源臂一端通过调节按钮转动连接在光源夹上,另一端与所述光源相连,位置调节好后可通过紧定螺栓将各部件锁紧,支架底部通过螺钉进行加固。
进一步地,所述处理器系统处理图像信息通过以下步骤实现功能:
步骤1,获取图像信息:获取每个像素点三原色数值与透明度信息;
步骤2,获取每个像素点的灰度值:将每个像素点三原色的色值取平均值即为该像素点的灰度值;
步骤3,Otsu算法获取灰度阈值:选定某一灰度值为界将整个图像分为a,b两部分,分别计算总灰度均值与各部分的灰度均值以及各部分像素数占总像素的比例,则使得类间方差达到最大值的灰度值就是Otsu算法自动获取的灰度阈值;
步骤4,灰度二值化处理:将每个点的像素值gi与计算得到的灰度阈值ti进行比较:当gi≤ti时,将该像素点的三原色值均设为0;当gi>ti时,将该像素点的三原色值均设为255,由此将图像中板带平整部位处理为白色,图像中振纹部位处理为黑色;
步骤5,输出图像信息:将处理后的图像信息传送给输入输出模块,供后续在显示器中显示;
步骤6,振纹评估与检测:计算冷轧板带图像处理后黑色像素点对整个图像总像素点的占比,同时判断该数值是否达到设定阈值,将结果在显示器中显示。
进一步地,所述的人机交互系统的显示器界面包括冷轧板带采集的图像、灰度处理后的图像、轧板厚度、轧制速度、轧制力、振纹阈值、时间信息以及当前设定阈值。
本发明还提供了一种基于灰度处理的冷轧板带振纹在线检测方法,包括如下步骤:
S1、将光源设备与CCD工业相机通过支架固定在轧机运输辊道上方;
S2、调整光源角度与相机镜头角度,使光源通过冷轧板带反射恰好被工业相机的镜头捕捉;
S3、生产过程中,工业相机每隔5秒钟进行一次抓拍,抓拍画面通过处理器系统数据存储模块保存并被图像处理模块调用;
S4、图像处理模块应用灰度算法将照片进行二值化处理,并利用Otsu算法自动获取灰度阈值ti,即使类间方差ICV最大的灰度值设定为灰度阈值;
S5、输出图像信息:将处理后的图像信息传送给输入输出模块,供后续在显示器中显示。
本发明的有益效果为:
1、本发明以机器代替人工对冷轧板带振纹进行实时在线监测,节省了人工成本,填补了冷轧板带表面振纹在线监测设备的空白。
2、本发明相较于传统的人工观察法对冷轧板带的实时监测能力强,能够及时检测出振纹,避免产品和设备的进一步损失。
3、本发明基于机器视觉技术,检测灵敏度高,检测结果更为准确,设备布置方便。
4、本发明利用灰度处理后黑色像素点占总像素比例来评判冷轧板带振纹的严重程度,为冷轧板带振纹严重程度的评估提供了量化标准。
附图说明
图1是本发明基于灰度处理的冷轧板带在线振纹检测系统的结构示意图。
图2是本发明基于灰度处理的冷轧板带在线振纹检测系统的安装结构示意图。
图3是本发明基于灰度处理的冷轧板带在线振纹检测系统图像明暗条纹成像原理示意图。
图4是本发明基于灰度处理的冷轧板带在线振纹检测系统的图像处理模块对明暗条纹图像的灰度处理效果展示图。
图5是本发明基于灰度处理的冷轧板带在线振纹检测系统处理器中图像处理模块的处理流程图。
图6是本发明基于灰度处理的冷轧板带在线振纹检测系统人机交互系统显示界面。
图中:1、工业相机;2、光源;3、光源臂;4、底座;5、主支撑轴;6、紧定螺栓;7、光源夹;8、相机夹;9、相机臂;10、调节旋钮。
具体实施方式
为了将本发明的技术方案和特点阐述更加清楚,以下将结合参考附图对本发明的具体实施流程进行详细阐述,附图中相同的标记代表其元件功能相似或同一元件。附图中除非特别指出,否则不必按真实比例绘制。
如图1所示,本实施例公开了一种基于灰度处理的冷轧板带振纹在线检测系统,主要包括支架、工业相机1、光源2、处理器系统和人机交换系统等。
所述支架用于固定相机及光源、调节其角度;
所述工业相机用于采集冷轧板带表面质量的图像信息;
所述光源用于将产生振纹的冷轧板带呈现更加清晰的明暗相间图像;
所述处理器系统包括图像处理模块、振纹检测模块、数据存储模块以及输入输出模块,所述图像处理模块用于对采集的冷轧板带表面质量图像信息进行冷轧板带图像的灰度处理;所述振纹检测模块用于计算黑色像素点对整个图像总像素点的占比,同时判断该数值是否达到设定阈值;所述数据存储模块用于存储图像数据和检测记录,并将检测记录保存在后台选定文件夹内;所述输入输出模块用于接收和暂存相机输入处理器的图像信号以及将图像处理模块、振纹检测模块处理后的数据输送至显示器进行显示;
所述人机交互系统包括显示器和阈值调节旋钮,所述显示器用于显示处理器处理后的信息;所述阈值调节旋钮用于设定系统振纹判定标准。
所述支架包括底座4、主支撑轴5、光源夹7、相机夹8、相机臂9、光源臂3和调节旋钮10,所述主支撑轴5固定在底座4上,所述光源7夹与相机夹8能够沿着所述主支撑轴5位移,光源夹7与相机夹8可实现上下移动和左右摆动,可通过其调节光源2和相机1的高度和水平位置,进而调整其空间位姿,所述相机臂一端与相机夹相连,另一端与所述工业相机相连,所述光源臂一端通过调节按钮转动连接在光源夹上,另一端与所述光源相连,光源臂可通过调节旋钮10左右摆动,可通过其调节光源位置细节,位置调节好后可通过紧定螺栓6将各部件锁紧,支架底部通过螺钉进行加固,增加系统的稳定性。
应用该装置对冷轧板带振纹进行在线检测,需要将设备如图2所示进行安装布置,首先将支架安装在冷轧机运输辊道一侧的合适位置,调整支架角度并将底座通过螺钉固定。将光源系统与CCD工业相机通过螺栓固定在支架的相机臂与光源臂上,光源系统、CCD工业相机、处理器和显示器都有独立电源供电。
工业相机供电后,每5秒采集一次冷轧板带信息,信息通过数据线输送至处理器系统,图像经过图像处理模块、振纹检测模块、数据存储模块等处理后通过数据线在显示器上显示原始图像、灰度处理图像、振纹严重程度数据以及是否超过阈值标准等信息。
安装人员需要通过一边观察显示器中显示的图像画面一边通过调整光源夹旋钮和支架的光源夹、相机夹、光源臂、相机臂的角度和高度,使CCD工业相机捕捉到的画面角度、清晰度显示良好。
调节好支架后,将支架各部件螺栓拧紧固定,检查各部位不再自由活动后就可以开始进行冷轧板带振纹的在线检测工作。
如图3所示,光源光线经过冷轧板带反射被CCD工业相机捕捉,当板带出现振纹时,振纹部位会将光线折射到别的方向从而在照片中显示为暗条纹,没有产生振纹的平整部位则会将光线折射进相机镜头形成亮条纹,最终相机捕捉的画面是一张张明暗相间的照片,这也是人眼观察产生振纹的板带会看到明暗相间条纹的原因。
CCD工业相机主要用作图像的采集,相较于普通相机其具有体积小、重量轻、抗磁场干扰的特点,更能适应于工厂工作环境。
光源系统主要用来增强相机的成像效果,其形状采用环形光源,相机镜头在光源中心位置,确保板带反射的光线能够均匀被相机捕捉。
处理器系统主要用于对相机采集到的图像进行后续处理,主要由图像处理模块、振纹检测模块、数据存储模块以及输入输出模块构成。
图像依次由数据线传送到处理器系统,经过图像处理模块进行灰度处理,并将灰度处理后的图像与原图像一起显示在显示器上为使用人员提供直观数据,图4为图像处理系统对明暗条纹图片的处理效果图。而振纹检测模块则可以计算灰度处理后黑色素占总像素点的比例,并以此为衡量标准对板带振纹严重程度进行评估,数值同样通过显示器进行显示,如果判断出当前图像的振纹程度超过设定阈值,则在显示器中弹出警告窗口。
图像处理模块主要用来进行图像的灰度处理,如图5所示,其功能的实现主要依赖于以下步骤:
步骤1,获取图像信息:获取每个像素点三原色数值与透明度信息,数值范围为0至255之间,白色的红绿蓝数值为(255,255,255),黑色为(0,0,0)。
步骤2,获取每个像素点的灰度值:每个像素点的灰度值就是该点三原色的平均值,其计算公式为:
其中Ri、Gi、Bi为每个像素点所包含的红绿蓝三原色的色值。gi为该像素灰度处理后的灰度值。
步骤3,Otsu算法获取灰度阈值:选定某一灰度值为界将整个图像分为a,b两部分,分别计算总灰度均值与各部分的灰度均值以及各部分像素数占总像素的比例,则使得类间方差达到最大值的选定灰度值就是Otsu算法自动获取的灰度阈值。类间方差表达式为:
IGV=Pa×(Ma-M)2+Pb×(Mb-M)2
其中Pa为a部分像素数目占总像素数目的比例;Pb为b部分像素数目占总像素数目的比例;Ma为a部分灰度均值;Mb为b部分灰度均值;M为总灰度均值。
步骤4,灰度二值化处理:将每个点的像素值gi与计算得到的灰度阈值ti进行比较:当gi≤ti时,将该像素点的三原色值均设为0(此时该像素点程黑色);当gi>ti时,将该像素点的三原色值均设为255(此时该像素点程白色),由此将图像中板带平整部位处理为白色,图像中振纹部位处理为黑色。
步骤5,输出图像信息:将处理后的图像信息传送给输入输出模块,供后续在显示器中显示。
振纹检测模块主要用于计算冷轧板带图像处理后黑色像素点对整个图像总像素点的占比,同时判断该数值是否达到设定阈值。
数据存储模块主要用来存储图像数据和检测记录,并将检测记录保存在后台选定文件夹内,以便于后续使用人员查阅检查。
输入输出模块主要用来接收和暂存相机输入处理器的图像信号以及将图像处理模块、振纹检测模块处理后的数据输送至显示器进行显示。
人机交互系统主要用来将机器的检测信息提供给使用人员,同时将人工设定的板带振纹评估标准提供给设备。如图6所示,显示器中主要显示冷轧板带采集的图像、灰度处理后的图像、轧板厚度、轧制速度、轧制力、振纹阈值、时间信息以及当前设定阈值等信息。阈值调节旋钮主要供用户设定系统振纹判定标准。当检测到图像中黑色像素点占图像的比例超过设定阈值,则在显示器中显示警告标志。灰度阈值可通过阈值调节旋钮自由设定,如阈值选取低则对板带表面质量要求相对较高;阈值选取高则对板带表面质量要求相对较低。
采用本发明的冷轧板带在线振纹检测方法能够极大减少人力成本,同时增大冷轧板带振纹检测的准确性和及时性,也为冷轧板带振纹现象严重程度提供了量化的标准,满足工业生产的应用要求,在轧钢领域拥有较为广泛的应用前景。
Claims (5)
1.一种基于灰度处理的冷轧板带振纹在线检测系统,其特征在于,其包括支架、工业相机、光源、处理器系统和人机交换系统,
所述支架用于固定相机及光源、调节其角度;
所述工业相机用于采集冷轧板带表面质量的图像信息;
所述光源用于将产生振纹的冷轧板带呈现更加清晰的明暗相间图像;
所述处理器系统包括图像处理模块、振纹检测模块、数据存储模块以及输入输出模块,所述图像处理模块用于对采集的冷轧板带表面质量图像信息进行冷轧板带图像的灰度处理;所述振纹检测模块用于计算黑色像素点对整个图像总像素点的占比,同时判断该数值是否达到设定阈值;所述数据存储模块用于存储图像数据和检测记录,并将检测记录保存在后台选定文件夹内;所述输入输出模块用于接收和暂存相机输入处理器的图像信号以及将图像处理模块、振纹检测模块处理后的数据输送至显示器进行显示;
所述人机交互系统包括显示器和阈值调节旋钮,所述显示器用于显示处理器处理后的信息;所述阈值调节旋钮用于设定系统振纹判定标准。
2.根据权利要求1所述的基于灰度处理的冷轧板带振纹在线检测系统,其特征在于,所述支架包括底座、主支撑轴、光源夹、相机夹、相机臂、光源臂和调节旋钮,所述主支撑轴固定在底座上,所述光源夹与相机夹能够沿着所述主支撑轴位移,进而调整其空间位姿,所述相机臂一端与相机夹相连,另一端与所述工业相机相连,所述光源臂一端通过调节按钮转动连接在光源夹上,另一端与所述光源相连,位置调节好后可通过紧定螺栓将各部件锁紧,支架底部通过螺钉进行加固。
3.根据权利要求1或2所述的基于灰度处理的冷轧板带振纹在线检测系统,其特征在于,所述处理器系统处理图像信息通过以下步骤实现功能:
步骤1,获取图像信息:获取每个像素点三原色数值与透明度信息;
步骤2,获取每个像素点的灰度值:将每个像素点三原色的色值取平均值即为该像素点的灰度值;
步骤3,Otsu算法获取灰度阈值:选定某一灰度值为界将整个图像分为a,b两部分,分别计算总灰度均值与各部分的灰度均值以及各部分像素数占总像素的比例,则使得类间方差达到最大值的灰度值就是Otsu算法自动获取的灰度阈值;
步骤4,灰度二值化处理:将每个点的像素值gi与计算得到的灰度阈值ti进行比较:当gi≤ti时,将该像素点的三原色值均设为0;当gi>ti时,将该像素点的三原色值均设为255,由此将图像中板带平整部位处理为白色,图像中振纹部位处理为黑色;
步骤5,输出图像信息:将处理后的图像信息传送给输入输出模块,供后续在显示器中显示;
步骤6,振纹评估与检测:计算冷轧板带图像处理后黑色像素点对整个图像总像素点的占比,同时判断该数值是否达到设定阈值,将结果在显示器中显示。
4.根据权利要求3所述的基于灰度处理的冷轧板带振纹在线检测系统,其特征在于,所述的人机交互系统的显示器界面包括冷轧板带采集的图像、灰度处理后的图像、轧板厚度、轧制速度、轧制力、振纹阈值、时间信息以及当前设定阈值。
5.一种基于灰度处理的冷轧板带振纹在线检测方法,其特征在于,包括如下步骤:
S1、将光源设备与CCD工业相机通过支架固定在轧机运输辊道上方;
S2、调整光源角度与相机镜头角度,使光源通过冷轧板带反射恰好被工业相机的镜头捕捉;
S3、生产过程中,工业相机每隔5秒钟进行一次抓拍,抓拍画面通过处理器系统数据存储模块保存并被图像处理模块调用;
S4、图像处理模块应用灰度算法将照片进行二值化处理,并利用Otsu算法自动获取灰度阈值ti,即使类间方差ICV最大的灰度值设定为灰度阈值;
S5、输出图像信息:将处理后的图像信息传送给输入输出模块,供后续在显示器中显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119168.6A CN112258466A (zh) | 2020-10-19 | 2020-10-19 | 一种基于灰度处理的冷轧板带振纹在线检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119168.6A CN112258466A (zh) | 2020-10-19 | 2020-10-19 | 一种基于灰度处理的冷轧板带振纹在线检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258466A true CN112258466A (zh) | 2021-01-22 |
Family
ID=74243870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011119168.6A Pending CN112258466A (zh) | 2020-10-19 | 2020-10-19 | 一种基于灰度处理的冷轧板带振纹在线检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258466A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189009A (zh) * | 2021-05-17 | 2021-07-30 | 石家庄格力电器小家电有限公司 | 用于检测集烟罩表面处理质量的系统 |
CN114235719A (zh) * | 2021-12-14 | 2022-03-25 | 西门子能源有限公司 | 端面齿接触着色的测量装置和测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706458A (zh) * | 2009-11-30 | 2010-05-12 | 中北大学 | 高分辨率印刷电路板自动检测系统及检测方法 |
CN105160654A (zh) * | 2015-07-09 | 2015-12-16 | 浙江工商大学 | 基于特征点提取的毛巾标签缺陷检测方法 |
CN106646137A (zh) * | 2016-12-28 | 2017-05-10 | 国网通用航空有限公司 | 检测输电线路的缺陷的方法、缺陷检测设备及系统 |
CN109816622A (zh) * | 2017-11-22 | 2019-05-28 | 深圳市祈飞科技有限公司 | 一种基于分块的自适应水果缺陷检测方法及系统 |
-
2020
- 2020-10-19 CN CN202011119168.6A patent/CN112258466A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706458A (zh) * | 2009-11-30 | 2010-05-12 | 中北大学 | 高分辨率印刷电路板自动检测系统及检测方法 |
CN105160654A (zh) * | 2015-07-09 | 2015-12-16 | 浙江工商大学 | 基于特征点提取的毛巾标签缺陷检测方法 |
CN106646137A (zh) * | 2016-12-28 | 2017-05-10 | 国网通用航空有限公司 | 检测输电线路的缺陷的方法、缺陷检测设备及系统 |
CN109816622A (zh) * | 2017-11-22 | 2019-05-28 | 深圳市祈飞科技有限公司 | 一种基于分块的自适应水果缺陷检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
张浩: "液压制动器密封凹槽缺陷机器视觉检测系统", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189009A (zh) * | 2021-05-17 | 2021-07-30 | 石家庄格力电器小家电有限公司 | 用于检测集烟罩表面处理质量的系统 |
CN114235719A (zh) * | 2021-12-14 | 2022-03-25 | 西门子能源有限公司 | 端面齿接触着色的测量装置和测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100593716C (zh) | 利用机器视觉系统对印花布瑕疵进行在线检测的方法 | |
CN100561146C (zh) | 机器视觉系统对印染染色色差的在线检测方法 | |
CN102253048B (zh) | 可用于多种产品检测的机器视觉检测方法及系统 | |
CN111970506B (zh) | 镜头脏污检测方法、装置和设备 | |
CN202002894U (zh) | 基于机器视觉的快速在线纸病检测系统 | |
JP4021366B2 (ja) | ディスプレー装置の画質分析方法及びシステム | |
CN112258466A (zh) | 一种基于灰度处理的冷轧板带振纹在线检测系统及方法 | |
CN109916910B (zh) | 光伏玻璃边部缺陷检测系统及相应的方法 | |
CN110458157B (zh) | 一种电力电缆生产过程智能监控系统 | |
CN103218961A (zh) | 一种lcd缺陷在线检测方法及系统 | |
CN109489566A (zh) | 锂电池隔膜材料分切宽度检测方法、检测系统及装置 | |
JP2011010266A (ja) | 立体映像ディスプレイパネルの評価方法およびシステム | |
CN102095499A (zh) | 一种瓷砖自动分色的方法 | |
CN108469437B (zh) | 浮法玻璃的缺陷检测方法及装置 | |
CN101867787B (zh) | 一种带摄像头的lcd显示屏的自检方法 | |
CN107515481A (zh) | 一种显示面板的检测方法和装置 | |
CN102601131A (zh) | 一种钢坯表面质量在线检测装置 | |
CN202177589U (zh) | Ito导电玻璃全自动光学检测系统 | |
CN105371955A (zh) | 一种染色色差检测装置及检测方法 | |
CN210953862U (zh) | 一种液晶屏划痕检测装置 | |
CN208155893U (zh) | 基于高速相机的双目视觉划痕检测系统 | |
CN107014830A (zh) | Ito导电玻璃检测方法与检测装置 | |
CN110376210A (zh) | 新型彩铝表面缺陷在线检测系统 | |
CN203083937U (zh) | 一种基于机器视觉的u型粉管的检测系统 | |
CN112858331A (zh) | 一种vr屏幕的检测方法及检测系统 |
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 |
Application publication date: 20210122 |
|
RJ01 | Rejection of invention patent application after publication |