CN112378338B - 一种基于Hough变换的外螺纹检测方法 - Google Patents
一种基于Hough变换的外螺纹检测方法 Download PDFInfo
- Publication number
- CN112378338B CN112378338B CN202011346038.6A CN202011346038A CN112378338B CN 112378338 B CN112378338 B CN 112378338B CN 202011346038 A CN202011346038 A CN 202011346038A CN 112378338 B CN112378338 B CN 112378338B
- Authority
- CN
- China
- Prior art keywords
- image
- thread
- parameters
- hough transformation
- calibration
- 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 42
- 230000009466 transformation Effects 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000009825 accumulation Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000001186 cumulative effect Effects 0.000 claims description 14
- 238000010845 search algorithm Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000011897 real-time detection Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013173 literature analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种基于Hough变换的外螺纹检测方法,包括步骤:S1.用标准格栅对图像获得系统进行一次性畸变标定;S2.获得包含标定格栅和被测外螺纹的图像;S3.利用针对外螺纹检测设计的快速Hough变换算法进行直线检测并计算螺纹参数。得益于Hough变换的全局性和鲁棒性,本申请中的检测方法对图像质量和被测件定位要求低,适应性好,检测可靠性高;通过查表法计算Hough变换方程、缩小Hough变换参数的累积范围等技术手段,减少了计算量,可实现实时检测;在获得被测件图像的同时获得部分标定格栅的图像,以取得图像比例信息并校核获得的图像的质量。
Description
技术领域
本申请涉及外螺纹检测领域,尤其涉及一种基于Hough变换的外螺纹检测方法。
背景技术
螺栓连接是常用的连接方式,是设备安全性和可靠性的保证。各种设备壳体上一般都有多个内螺纹孔,用于使用螺钉紧凑地固定其他零件。由于这些重要连接多有拧紧力矩要求而需要自动化装配,从而对所用的螺钉质量提出了很高的要求。如果螺钉的外螺纹有质量缺陷,一是可能造成无法达到力矩要求而需要返工,更有可能导致壳体上的内螺纹损坏而导致昂贵的壳体报废。这些螺钉要求有严格的生产过程控制和检测。
螺纹量规是传统的检测手段,优点是技术成熟、量规成本低、效率高、便于批量检测;其缺点是每个量规只能针对单一公差检测、无法同时提供各种统计数据、螺纹品种较多时需要多套量规、较难实现自动化测量或在线自动测量、批量较大时100%检测成本变高。
目前已有的利用机器视觉的螺纹检测技术多是在传统的影像法测量技术或者类似量规技术的模板匹配技术的基础上发展而来,在被测件的装卡、图像的预处理、尺寸信息的提取等方面有较高的要求;同时利用机器视觉进行测量时计算量很大,对测量系统的软硬件要求较高。
例如公开号为CN109141286A的发明专利申请,提出了一种基于机器视觉和旋合模型的螺纹通止检测方法及系统,包括中轴线确定模块,确定螺纹工件的中轴线;图像重构模块,根据中轴线旋转图像;轮廓提取模块,提取旋转后图像的螺牙外轮廓,得到每个螺牙的轮廓线;旋合位置计算模块,计算旋合匹配时各个螺牙量规位置搜索算法的起始与终止位置;旋合模拟模块,生成理论量规的轮廓线进行旋合匹配。该方案实现了机器视觉螺纹检测,但算法复杂,过于注重细节。实际上,需要实时检测的大批量生产的外螺纹多为滚压制造,其缺陷往往出现在成段的螺纹上;同时,基于机器视觉的检测方法一般只能处理一个零件截面的信息;因此,在实时检测中,局部缺陷的检测既无必要也很难实现,反而会降低检测的鲁棒性。
申请号为202011019642.8的发明专利申请,提出了一种基于机器视觉的外螺纹检测方法和实时检测系统,包括步骤:S1. 用标准格栅对图像进行标定;S2. 用螺纹公差要求和系统学习数据确定螺纹可旋入性的判断标准;S3. 利用针对外螺纹检测设计的快速Hough变换算法进行直线检测;S4. 生成测量报告和过程控制统计图表。该申请的技术方案公布了用一种快速Hough实现外螺纹检测的方法。该方法需要专门的标定步骤,需要在每次更换被测件种类、调整图像获得系统后进行标定。由于相机的畸变在更换被测件种类时并不变化,因此并没有必要每次标定,而图像放大比例则需要每次标定或者校核;同时由于被测件的图像中不包含可用来校核的标准图像信息,在被测件摆放不正常或者图像采集过程不正常时缺少校核机制。
发明内容
为了改进上述检测方法的不足,本申请提供了一种基于Hough变换的外螺纹检测方法,将部分标定栅格固定在相机拍摄视野中,利用Hough变换的全局性,在获得外螺纹尺寸参数的同时获得标定信息,从而减少了每次更换被测种类时的标定步骤,同时能确保每次测量的图像比例正确,起到校核作用。同时由于Hough变换的全局性,获得该标定信息造成的计算量增加可以忽略不计,并不影响该算法的实时性。
为了实现上述目的,本申请采用以下技术方案,包括步骤:
S1. 用标准格栅对图像获得系统进行一次性畸变标定;
S2. 获得带有标定格栅和被测外螺纹的图像,其中标定格栅仅位于图像周围,被测件的轴线方向相对固定但不要求准确定位;
S3. 利用针对外螺纹检测设计的快速Hough变换算法进行直线检测并计算螺纹参数。
进一步地,所述步骤S2的标定格栅是在图像最边缘平行于图像边缘等间隔分布的2条以上的标定格线,优选格线数量为每个边缘2条,格线间隔根据拍摄视野大小用常规手段选定;被测件的轴线方向变化范围在±10°之内。
进一步地,所述步骤S3包括:
S3.1. 根据检测精度要求确定图像分辨率和Hough变换累积阵分辨率;
S3.2. 用边缘检测算法获得螺纹轮廓的边缘图像和标定格栅的图像;
S3.3. 通过二值化和连续区域搜索算法确定两侧螺纹轮廓包含的像素点和标定格栅的像素点;
S3.4. 用步骤S1得到的畸变标定信息对像素点坐标进行修正,并仅对位置相对固定的格栅线进行Hough变换,通过二值化和峰值搜索算法获得格栅线的参数,计算图像比例参数;
S3.5. 用步骤S3.4得到的图像比例参数对像素点坐标进行进一步修正;
S3.6. 通过最小二乘法确定两侧螺纹轮廓的中轴线,进而获得整个螺纹的轴线;
S3.7. 根据螺纹轴线和螺纹参数确定Hough累积阵的累积范围,减少计算量;
S3.8. 用查表法和预先计算好的三角函数值进行Hough变换累积;
S3.9. 用二值化和连续区域搜索算法将累积阵自动分块;
S3.10. 用峰值搜索算法得到所有直线的参数;
S3.11. 根据获得的直线参数计算螺纹的各参数及其平均值、极值、方差等数据。
与现有技术相比,本申请具有以下优点:
得益于Hough变换的全局性和鲁棒性,本申请中的检测方法和实时检测系统可与多种图像获得设备搭配使用,对被测件定位要求低,适应性好,保证了检测过程的可靠性;本方法在获得被测件图像的同时获得部分标定格栅的图像,在得到被测件参数信息的同时可以对图像获得过程进行校核;本方法通过查表法计算Hough变换、针对外螺纹检测设计的缩小累积范围的Hough变换等技术手段,减少了Hough变换的计算量,可实现实时检测。
附图说明
图1是本申请的总体流程图。
图2是实施例的针对外螺纹检测设计的快速Hough变换算法流程图。
图3是实施例步骤S1的标定格栅板。
图4是Hough变换原理图。
图5是图像空间直线(左侧)和对应的Hough变换累积阵局部(右侧)示意图。
图6是1024x1024像素图像的Hough变换累积阵尺寸的计算示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点和功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神的情况下进行各种修饰或改变。在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
本实施例为一种基于Hough变换的外螺纹检测方法,主要包括下列步骤。
S1. 用标准格栅对图像获得系统进行一次性畸变标定:用检测所用的图像采集系统获取标准格栅板的图像,应使格栅在图像采集系统中的位置和被测件水平对称平面在图像采集系统中的位置一致;本实施例的拍摄视野为50mmx50mm,优选采用图3的直线栅格标定板。
S2. 获得带有标定格栅和被测外螺纹的图像;其中标定格栅只需保留最外端纵横各两条栅格线。
S3. 利用针对外螺纹检测设计的快速Hough变换算法进行直线检测并计算螺纹参数。
S3.1. 根据检测精度要求确定图像分辨率和Hough变换累积阵分辨率。Hough变换最基本的思想是检测代表直线的两个参数。图象空间中所有直线均可以用两个参数来表示,这样图象空间中所有直线构成了一个二参数族。若我们为这个参数族选定一个参数组,则图象空间中一条任意直线可用参数空间中的一个点来代表。将处于xy平面上的任意直线用直线的法向角θ和从原点到直线的距离ρ来代表。如果规定θ∈[0,π),且规定当直线位于原点上方时ρ为正、直线位于原点下方时ρ为负,则每条直线的参数就唯一了,且对一幅具体的图象来说ρ、θ都是有界的。
据此,参数为ρ0、θ0的直线现在可以用下式表示:xcosθ0+ysinθ0 = ρ0,
而图象空间中点(x0,y0)的所有直线的参数则满足方程:x0cosθ+y0sinθ = ρ。
Hough变换的过程可用图4来解释。假设我们在图象空间中有n个点{(x1,y1),(x2,y2),…,(xn,yn)},则对点(xi,yi),i∈[1,n],所有过这一点的直线参数均满足方程xicosθ+yisinθ = ρ,此方程在参数空间中为一条三角函数曲线,如果图象空间中这些点在同一条直线上,则相应的参数空间中这些三角函数就都交于同一点。不难理解,这一点就代表它们所在直线的参数。这样,检测共线点的问题就转化为求共点的曲线的问题。
在实际应用中,又可在一定精度的条件下将参数空间划分成一个累积矩阵,每当有一条三角函数曲线通过矩阵中的一个单元时,就将这个单元的累积值加一。这样,累积矩阵中的各个单元最终记录了通过它们的曲线的数目,从而在图象空间中寻找直线的问题就转化成在参数空间中寻找极大值的问题。如图5。
由于Hough变换有拟合直线的能力,因此在直线图像达到一定长度时,变换结果不仅有很好的鲁棒性,其参数测量的分辨率也高于图像的像素实际尺寸。根据文献分析(N.Kiryati and M. Lindenbaum, Digital or analog Hough transform, PatternRecognition Letters 12,1991,291-297),对一幅1024x1024的图像,直线参数ρ的分辨率最高可达0.001像素,参数θ的分辨率最高可达1秒。但实际由于图形质量、直线长度原因,实际分辨率在0.05像素和1分量级。如果拍摄的是50mm的视野,实际分辨率可达2.5微米和1分,对大多数应用来说已足够。实际可选用1024x1024或者2048x2048像素的图像。
确定Hough变换累积阵的尺寸:如图6所示,对于1024x1024像素的图像,ρ的分辨率设为0.1像素、θ的分辨率设为0.05度时,Hough变换累积阵尺寸为((1448+1024)/0.1)*(180/0.05) = 24720*3600。
S3.2. 用边缘检测模块获得边缘图像。边缘检测都是利用边缘处图像灰度值的梯度来提取图像的边缘信息。本实施例使用的是十字窗检测算法。
S3.3. 进行灰度统计,根据统计结果将图像二值化,获得可以用于Hough变换的二值(黑白)图像;这时的图像包括了被测件的图像和步骤S2所述的标定格栅图像;通过连续区域搜索算法确定两侧螺纹轮廓和格栅线各自的像素点。
S3.4. 用步骤S1得到的畸变标定信息对像素点坐标进行修正后,仅对位置相对固定的格栅线进行Hough变换,并通过二值化和峰值搜索算法获得格栅线的参数,计算图像比例参数。由于格栅线在图像中的位置和角度都相对固定,因此只在格栅标准位置±10像素、竖直和水平方向±0.5度范围进行Hough累积。
S3.5. 根据步骤S3.4里确定的标定参数进一步修正二值图像中所有点的坐标值。
S3.6. 按以下步骤确定螺纹轮廓的中轴线:图像最边缘的像素,包括标定格栅的像素全部删除,以免妨碍后续算法;用连接区域搜索算法将图像中的连续的或者几乎连续的像素点作为块进行标记,即把相邻或者距离小于三个像素点阈值的像素点标记为同一连续块,该起始阈值可根据图像的取得方式和质量调整;如果得到两个明显大于其他标记区域的连续块,则这两个连续块即为螺纹两侧的轮廓线(如果不是,则调整上一步骤中的距离阈值,直到获得轮廓线;如果多次调整仍无法获得轮廓线,则判断图像质量有问题);分别根据两侧轮廓线的所有像素,通过最小二乘法拟合其轴线,然后计算整个螺纹的轴线。
S3.7. 根据螺纹的轴线和螺纹参数及公差范围,确定Hough变换累积阵的角度范围(即知道螺纹的轴线后即可知道构成螺纹轮廓的直线的两个角度范围,进行Hough变换累积时只需要进行这两个角度范围的计算即可,显著减少计算量);根据上一步的计算结果,将θ的累积范围限制为8º范围,累积阵尺寸即可降低至24720*160。
S3.8. 用查表法进行Hough变换累积: Hough变换的主要运算是Hough曲线ρ= x*cosθ+y*sinθ的计算,其中三角函数的计算比乘法要慢得多。查表法就是预先计算好足够分辨率情况下所有角度的正弦值和余弦值,然后计算Hough曲线的时候查表获得这些数值。这样累积时只需要做乘法,也很容易用汇编语言实现,计算速度比用C语言直接计算三角函数提高一个量级。预先计算时的分辨率可根据要求确定,也可计算最高可能的分辨率,该计算时间不占用实时检测的时间,所占资源相对图像处理任务来说也很小。
S3.9. 用类似于步骤S3.6.中的二值化和连接区域搜索法对Hough变换累积阵进行自动分块,注意连接区域搜索算法是用二值化的图像进行,而最后是对累积阵(灰度图像)而不是二值化后的图像进行分块。
S3.10. 对有效分块进行峰值搜索,峰值位置坐标即对应的直线的参数。
S3.11. 根据上一步得到的直线参数计算各螺纹参数特别是作用中径的平均值、最大最小值和方差等数据。
上述仅为本申请的较佳实施例及所运用的技术原理,在不脱离本申请构思的情况下,还可以进行各种明显的变化、重新调整和替代,而本申请的范围由所附的权利要求范围决定。
Claims (3)
1.一种基于Hough变换的外螺纹检测方法,其特征在于,包括步骤:
S1. 用标准格栅对图像获得系统进行一次性畸变标定;
S2. 获得包含标定格栅和被测外螺纹的图像,其中标定格栅仅位于图像周围,被测件的轴线方向相对固定但不要求准确定位;
S3. 用步骤S1得到的畸变标定信息对所述图像的像素点坐标进行修正后,对所述标定格栅进行Hough变换获得图像比例参数;用所述图像比例参数对所述图像的像素点坐标进行进一步修正后,利用针对外螺纹检测设计的快速Hough变换算法进行直线检测并计算螺纹参数。
2.根据权利要求1所述的外螺纹检测方法,其特征在于,步骤S2中所述标定格栅为位于图像最边缘平行于图像边缘等间隔分布的2条以上的标定格线;被测件的轴线方向变化范围在±10°之内。
3.根据权利要求2所述的外螺纹检测方法,其特征在于,步骤S3包括:
S3.1. 根据检测精度要求确定图像分辨率和Hough变换累积阵分辨率;
S3.2. 用边缘检测算法获得螺纹轮廓的边缘图像和所述标定格栅的图像;
S3.3. 通过二值化和连续区域搜索算法确定两侧螺纹轮廓包含的像素点和所述标定格栅的像素点;
S3.4. 用步骤S1得到的畸变标定信息对像素点坐标进行修正,并仅对位置相对固定的所述标定格线进行Hough变换,通过二值化和峰值搜索算法获得所述标定格线的参数,计算所述图像比例参数;
S3.5. 用步骤S3.4得到的所述图像比例参数对像素点坐标进行修正;
S3.6. 通过最小二乘法确定两侧螺纹轮廓的中轴线,进而获得整个螺纹的轴线;
S3.7. 根据螺纹轴线和螺纹参数确定Hough累积阵的累积范围,减少计算量;
S3.8. 用查表法和预先计算好的三角函数值进行Hough变换累积;
S3.9. 用二值化和连续区域搜索算法将累积阵自动分块;
S3.10. 用峰值搜索算法得到所有直线的参数;
S3.11. 根据获得的直线参数计算螺纹的各参数及其平均值、极值、方差等数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011346038.6A CN112378338B (zh) | 2020-11-25 | 2020-11-25 | 一种基于Hough变换的外螺纹检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011346038.6A CN112378338B (zh) | 2020-11-25 | 2020-11-25 | 一种基于Hough变换的外螺纹检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112378338A CN112378338A (zh) | 2021-02-19 |
CN112378338B true CN112378338B (zh) | 2022-10-14 |
Family
ID=74588546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011346038.6A Active CN112378338B (zh) | 2020-11-25 | 2020-11-25 | 一种基于Hough变换的外螺纹检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112378338B (zh) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02230384A (ja) * | 1989-03-02 | 1990-09-12 | Rozefu:Kk | 画像上の直線検出方法 |
CN100593715C (zh) * | 2008-03-13 | 2010-03-10 | 上海交通大学 | 基于hough变换的钢板测数方法 |
CN104102905B (zh) * | 2014-07-16 | 2018-03-16 | 中电海康集团有限公司 | 一种车道线自适应的检测方法 |
CN104159080B (zh) * | 2014-08-13 | 2017-04-26 | 冯显宗 | 一种基于Hough变换的架空索道脱索检测系统及方法 |
CN104439698B (zh) * | 2014-11-26 | 2016-08-24 | 北京凌云光技术有限责任公司 | 用于激光加工系统的标定方法及装置 |
CN104574396B (zh) * | 2014-12-31 | 2017-05-24 | 深圳大学 | 一种直线检测方法及系统 |
CN105957015B (zh) * | 2016-06-15 | 2019-07-12 | 武汉理工大学 | 一种螺纹桶内壁图像360度全景拼接方法及系统 |
CN107909563B (zh) * | 2017-10-09 | 2020-03-31 | 常熟理工学院 | 一种基于模板的快速Hough变换直线检测方法 |
CN109780994A (zh) * | 2017-11-13 | 2019-05-21 | 武汉理工大学 | 一种基于图像技术的管螺纹位置测量装置及方法 |
CN108387516A (zh) * | 2018-01-25 | 2018-08-10 | 陕西方元预应力机械有限公司 | 基于ccd像机图像处理技术的螺纹缺陷检测装置及检测方法 |
CN108416809B (zh) * | 2018-03-09 | 2023-08-22 | 江南大学 | 一种基于机器视觉的钢桶螺纹盖位姿识别方法 |
CN111754579B (zh) * | 2019-03-28 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 多目相机外参确定方法及装置 |
CN110223296B (zh) * | 2019-07-08 | 2021-06-11 | 山东建筑大学 | 一种基于机器视觉的螺纹钢表面缺陷检测方法及系统 |
CN110906878A (zh) * | 2019-12-11 | 2020-03-24 | 苏州市建筑科学研究院集团股份有限公司 | 一种裂缝或变形监测系统及其监测方法 |
CN111583114B (zh) * | 2020-04-30 | 2023-02-24 | 安徽工业大学 | 一种管道螺纹自动测量装置及测量方法 |
-
2020
- 2020-11-25 CN CN202011346038.6A patent/CN112378338B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112378338A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798672B (zh) | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 | |
CN103292701B (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN114549835B (zh) | 一种基于深度学习的指针式仪表矫正识别方法及装置 | |
CN111814740B (zh) | 指针仪表读数的识别方法、装置、计算机设备和存储介质 | |
CN116109635B (zh) | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 | |
CN112146593A (zh) | 一种基于机器视觉的外螺纹检测方法及实时检测系统 | |
CN111932573B (zh) | 一种光学系统空间分辨率的自动测试方法 | |
CN106122430B (zh) | 一种基于特征图像的小模数齿轮边缘检测精度计算方法 | |
CN112378338B (zh) | 一种基于Hough变换的外螺纹检测方法 | |
CN111256612A (zh) | 基于机器视觉的直齿渐开线小模数齿轮的测量方法 | |
CN116993725B (zh) | 一种柔性电路板智能贴片信息处理系统 | |
CN116342456A (zh) | 连接器件检测方法、电子设备及存储介质 | |
CN116664554B (zh) | 一种基于图像处理的螺栓螺纹缺陷检测方法 | |
CN115272331B (zh) | 基于图像处理的瓦楞纸质量检测方法 | |
CN115170476B (zh) | 基于图像处理的印制线路板缺陷检测方法 | |
CN115760690A (zh) | 一种基于拍照的高强螺栓群终拧检测方法 | |
Fan et al. | Dimensional inspecting system of shaft parts based on machine vision | |
CN113989513A (zh) | 一种方形指针式仪表读数识别的方法 | |
Chen et al. | Detection Technique for Dual Screw Holes Based on Morphology | |
CN118009915B (zh) | 一种用于隧道围岩变形测量设备的标定校验方法 | |
CN115760856B (zh) | 一种基于图像识别的零件间距测量方法、系统和存储介质 | |
CN116399418B (zh) | 一种基于固定摄像头的水位识别方法及系统 | |
CN118275435B (zh) | 一种ccd定点定位微通道有机薄膜材料沉积系统 | |
CN116524004B (zh) | 基于HoughLines算法的钢筋尺寸检测方法及系统 | |
JP2638121B2 (ja) | 表面欠陥検査装置 |
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 |