CN113092485A - 一种三防漆涂覆质量检测系统及方法 - Google Patents
一种三防漆涂覆质量检测系统及方法 Download PDFInfo
- Publication number
- CN113092485A CN113092485A CN202110367837.XA CN202110367837A CN113092485A CN 113092485 A CN113092485 A CN 113092485A CN 202110367837 A CN202110367837 A CN 202110367837A CN 113092485 A CN113092485 A CN 113092485A
- Authority
- CN
- China
- Prior art keywords
- coating
- image
- proofing paint
- prediction model
- establishing
- 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
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种三防漆涂覆质量检测系统及方法，涉及安全涂层技术领域，该系统包括存储模块，数据库建立模块，预测模型模块，待测图像采集模块，待测图像解析模块；存储模块用于存储数据；数据库建立模块用于建立待测批次元器件表面材料及涂层数据库；预测模型模块用于根据数据库中的数据建立三防漆厚度预测模型，及将待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测涂覆质量；待测图像采集模块，用于采集待测涂覆表面图像；待测图像解析模块，用于对待测涂覆表面图像进行处理，得到其处理后数据。本发明图像处理运算量小，可同时检测出未涂覆三防漆部位、三防漆无法实现有效保护部位以及影响元器件性能部位的三防漆涂覆质量问题。
Description
技术领域
本发明涉及安全涂层技术领域，尤其涉及一种三防漆涂覆质量检测系统及方法。
背景技术
三防漆是一种特殊配方的涂料，用于保护线路板及其相关设备免受环境的侵蚀。三防漆具有良好的耐高低温性能；其固化后成一层透明保护膜，具有优越的绝缘、防潮、防漏电、防震、防尘、防腐蚀、防老化、耐电晕等性能。
在使用场景中，三防漆涂覆表面往往会首当其冲受到环境侵害，发生腐蚀、软化、变形、霉变等问题，导致线路板电路出现故障，轻则影响设备寿命和正常生产活动，重则因其安全事故。这就使得检测三防漆涂覆质量变得至关重要，然而，三防漆是一种特殊配方的透明涂料，直接人眼检测不可行，生产中往往使用人工在紫外灯光下观察，这种方法首先会对检测人员的健康造成危害，其次人为误差较大，精度较低，效率较低。因此，在大规模生产中，人工检测是不能大范围应用的，因此，人们开发了计算机系统用于检测三防漆涂覆质量。
然而，目前的检测系统，往往采用图像颜色比对的方式进行解析，其中，对图像进行灰度化后比对是一个常用方法，但这种方法的温蒂在于：涂覆厚度较薄区域与未涂覆区域由于灰度图的灰度值相近而无法区分。目前有技术通过将RGB彩色图像进行通道分割，运用颜色指数方法计算灰度图，再对灰度图进行阈值分割的方法解决这一问题，但这样会导致运算量增大，且阈值标准不明确，无法避免材料元器件自身颜色差异带来的影响，仍然存在一部分检测精度不高的问题。另外，由于三防漆在涂覆后、干燥前在器件表面的流动，不仅会导致部分元器件表面未涂覆，而且也可能导致部分元器件表面所得涂层厚度过大，进而影响器件性能或使用，传统方法对于这些问题是无法检测和发现的。
发明内容
为解决上述现有三防漆涂覆质量检测方法或系统存在的问题，本发明提供一种提高检测精度的三防漆涂覆质量检测系统及方法，方案如下：
首先，本发明提供一种三防漆涂覆质量检测系统，包括存储模块，数据库建立模块，预测模型模块，待测图像采集模块，待测图像解析模块；
存储模块，用于存储三防漆涂覆质量检测过程中产生的数据；数据库建立模块，用于建立待测批次元器件表面材料及涂层数据库；预测模型模块，用于根据数据库中的数据建立三防漆厚度预测模型，以及将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量；待测图像采集模块，用于采集待测涂覆表面图像；待测图像解析模块，用于对待测涂覆表面图像进行处理，得到其处理后数据。
优选地，所述预测模型模块包括预测模型建立单元和预测模型回归单元；其中，预测模型建立单元用于使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型；预测模型回归单元用于将处理后的待测涂覆表面处理后图像数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
优选地，所述数据库建立模块包括图像采集单元、图像处理单元；其中图像采集单元用于采集未涂覆三防漆的待测批次元器件表面材料图像，以及分别采集涂覆不同厚度三防漆涂层的待测批次元器件表面图像；图像处理单元用于分别对采集的图像进行处理，得到未涂覆三防漆及不同厚度三防漆涂层表面的处理后数据标准值。
第二，本发明提供一种基于上述三防漆涂覆质量检测系统的三防漆涂覆质量检测方法，包括以下步骤：
(1)建立待测批次元器件表面材料及涂层数据库；
(2)根据数据库中的数据建立三防漆厚度预测模型；
(3)采集待测涂覆表面图像；
(4)对待测涂覆表面图像进行处理；
(5)将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
优选地，步骤(1)、(2)所述建立待测批次元器件表面材料及涂层数据库及根据数据库中的数据建立三防漆厚度预测模型的方法包括：
1)采集未涂覆三防漆的待测批次元器件表面材料的表面图像；
2)分别采集涂覆不同厚度三防漆涂层的待测批次元器件表面图像；
3)分别对步骤1)、2)采集的图像进行处理，得到未涂覆三防漆及不同厚度三防漆涂层表面的处理数据标准值；
4)使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型。
优选地，步骤2)所述不同厚度三防漆涂层，包括最小厚度A和最大厚度B，A表示能够保证三防漆涂层对元器件表面进行有效保护的最小厚度，B表示能够保证该元器件在组装、使用过程中，不对组装过程及元器件的热力学、力学、电学性能造成影响的最大厚度。
优选地，上述厚度A和B根据不同元器件及其使用场景设置。
优选地，步骤(4)所述对待测涂覆表面图像进行处理的方法，与步骤3)中对图像进行处理的方法相同。
优选地，所述(4)及步骤3)所述图像处理的方法，可为灰度化处理，在传统方法中，由于阈值等因素的影响，仅进行简单的灰度化处理，会存在较薄的三防漆涂覆表面无法被识别的现象，检测精度过低，而本方法中不存在这一问题，及时仅对图像进行简单的灰度化处理，也能实现精准检测涂覆层质量和厚度。
有益效果
(1)本发明采用计算机系统配合现有技术中的机械设备，仅使用少量人工劳动即可实现对三防漆涂覆质量的检测，而且效率高，可在大规模生产中广泛应用；
(2)本发明提供的检测方法在数据运算方面，可以仅对采集的图像进行简单的灰度化处理，减少了运算量；
(3)在可以采用简单灰度化处理的基础上，本发明还成功避免了传统灰度化处理方法检测三防漆涂层质量存在的未涂覆部位与薄涂层部位无法区分的问题，实现了三防漆涂覆质量检测精度上的飞跃；
(4)本发明提供的方法不仅可以检测出未涂覆三防漆的器件表面部位，而且能够检测出涂层厚度过薄无法实现对元器件有效保护的部位，并且能够检测出涂层厚度过厚影响元器件散热及组装性能的部位。
附图说明
图1为本发明提供的三防漆涂覆质量检测系统的结构示意图；
图2为本发明提供的三防漆涂覆质量检测方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，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发明的其他优点与功效。本发明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，在没有背离本发明的精神下进行各种修饰或改变。
具体实施方式1如图1所示，一种三防漆涂覆质量检测系统，包括存储模块，数据库建立模块，预测模型模块，待测图像采集模块，待测图像解析模块；
存储模块，用于存储三防漆涂覆质量检测过程中产生的数据；数据库建立模块，用于建立待测批次元器件表面材料及涂层数据库；预测模型模块，用于根据数据库中的数据建立三防漆厚度预测模型，以及将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量；待测图像采集模块，用于采集待测涂覆表面图像；待测图像解析模块，用于对待测涂覆表面图像进行处理，得到其处理后数据。
采用本发明提供的系统，结合下述方法，采用计算机系统配合现有技术中的机械设备，仅使用少量人工劳动即可实现对三防漆涂覆质量的检测，而且效率高，可在大规模生产中广泛应用。
具体实施方式2如图1所示，一种三防漆涂覆质量检测系统，包括存储模块，数据库建立模块，预测模型模块，待测图像采集模块，待测图像解析模块；
存储模块，用于存储三防漆涂覆质量检测过程中产生的数据；数据库建立模块，用于建立待测批次元器件表面材料及涂层数据库；预测模型模块，用于根据数据库中的数据建立三防漆厚度预测模型，以及将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量；待测图像采集模块，用于采集待测涂覆表面图像；待测图像解析模块，用于对待测涂覆表面图像进行处理，得到其处理后数据。
其中，预测模型模块包括预测模型建立单元和预测模型回归单元；其中，预测模型建立单元用于使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型；预测模型回归单元用于将处理后的待测涂覆表面处理后图像数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
本实施方式通过建立预测模型和回归模型，不仅可以检测出未涂覆三防漆的器件表面部位，而且能够检测出涂层厚度过薄无法实现对元器件有效保护的部位，并且能够检测出涂层厚度过厚影响元器件散热及组装性能的部位。
具体实施方式3如图1所示，一种三防漆涂覆质量检测系统，包括存储模块，数据库建立模块，预测模型模块，待测图像采集模块，待测图像解析模块；
存储模块，用于存储三防漆涂覆质量检测过程中产生的数据；数据库建立模块，用于建立待测批次元器件表面材料及涂层数据库；预测模型模块，用于根据数据库中的数据建立三防漆厚度预测模型，以及将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量；待测图像采集模块，用于采集待测涂覆表面图像；待测图像解析模块，用于对待测涂覆表面图像进行处理，得到其处理后数据。
其中，预测模型模块包括预测模型建立单元和预测模型回归单元；其中，预测模型建立单元用于使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型；预测模型回归单元用于将处理后的待测涂覆表面处理后图像数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
其中，数据库建立模块包括图像采集单元、图像处理单元；其中图像采集单元用于采集未涂覆三防漆的待测批次元器件表面材料图像，以及分别采集涂覆不同厚度三防漆涂层的待测批次元器件表面图像；图像处理单元用于分别对采集的图像进行处理，得到未涂覆三防漆及不同厚度三防漆涂层表面的处理后数据标准值。
本实施方式能够实现对待检测涂覆表面的三防漆涂覆厚度进行简单定量检测。
具体实施方式4如图2所示，一种基于上述三防漆涂覆质量检测系统的三防漆涂覆质量检测方法，包括以下步骤：
(1)建立待测批次元器件表面材料及涂层数据库；
(2)根据数据库中的数据建立三防漆厚度预测模型；
(3)采集待测涂覆表面图像；
(4)对待测涂覆表面图像进行处理；
(5)将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
本实施方式采用计算机系统配合现有技术中的机械设备，仅使用少量人工劳动即可实现对三防漆涂覆质量的检测，而且效率高，可在大规模生产中广泛应用。
具体实施方式5如图2所示，一种基于上述三防漆涂覆质量检测系统的三防漆涂覆质量检测方法，包括以下步骤：
(1)建立待测批次元器件表面材料及涂层数据库；
(2)根据数据库中的数据建立三防漆厚度预测模型；
(3)采集待测涂覆表面图像；
(4)对待测涂覆表面图像进行处理；
(5)将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
步骤(1)、(2)所述建立待测批次元器件表面材料及涂层数据库及根据数据库中的数据建立三防漆厚度预测模型的方法包括：
1)采集未涂覆三防漆的待测批次元器件表面材料的表面图像；
2)分别采集涂覆不同厚度三防漆涂层的待测批次元器件表面图像；
3)分别对步骤1)、2)采集的图像进行处理，得到未涂覆三防漆及不同厚度三防漆涂层表面的处理数据标准值；
4)使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型。
本发明实施方式将不同涂层厚度数据与图像处理数据建立模型，将二者联系起来，能够实现对待测涂层厚度的预测。
具体实施方式6如图2所示，一种基于上述三防漆涂覆质量检测系统的三防漆涂覆质量检测方法，包括以下步骤：
(1)建立待测批次元器件表面材料及涂层数据库；
(2)根据数据库中的数据建立三防漆厚度预测模型；
(3)采集待测涂覆表面图像；
(4)对待测涂覆表面图像进行处理；
(5)将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
步骤(1)、(2)所述建立待测批次元器件表面材料及涂层数据库及根据数据库中的数据建立三防漆厚度预测模型的方法包括：
1)采集未涂覆三防漆的待测批次元器件表面材料的表面图像；
2)分别采集涂覆不同厚度三防漆涂层的待测批次元器件表面图像；
3)分别对步骤1)、2)采集的图像进行处理，得到未涂覆三防漆及不同厚度三防漆涂层表面的处理数据标准值；
4)使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型。
步骤2)所述不同厚度三防漆涂层，包括最小厚度A和最大厚度B，A表示能够保证三防漆涂层对元器件表面进行有效保护的最小厚度，B表示能够保证该元器件在组装、使用过程中，不对组装过程及元器件的热力学、力学、电学性能造成影响的最大厚度。
本实施方式不仅可以检测出未涂覆三防漆的器件表面部位，而且能够检测出涂层厚度过薄无法实现对元器件有效保护的部位，并且能够检测出涂层厚度过厚影响元器件散热及组装性能的部位。
上述厚度A和B根据不同元器件及其使用场景设置。可以实现对不同元器件、不同要求三防漆涂层的合格与否的检测。
步骤(4)所述对待测涂覆表面图像进行处理的方法，与步骤3)中对图像进行处理的方法相同。所述(4)及步骤3)所述图像处理的方法，可为灰度化处理，在传统方法中，由于阈值等因素的影响，仅进行简单的灰度化处理，会存在较薄的三防漆涂覆表面无法被识别的现象，检测精度过低，而本方法中不存在这一问题，及时仅对图像进行简单的灰度化处理，也能实现精准检测涂覆层质量和厚度。
以上对本发明优选的具体实施方式和实施例作了详细说明，但是本发明并不限于上述实施方式和实施例，在本领域技术人员所具备的知识范围内，还可以在不脱离本发明构思的前提下作出各种变化。
Claims (9)
1.一种三防漆涂覆质量检测系统，其特征在于：包括存储模块，数据库建立模块，预测模型模块，待测图像采集模块，待测图像解析模块；
存储模块，用于存储三防漆涂覆质量检测过程中产生的数据；数据库建立模块，用于建立待测批次元器件表面材料及涂层数据库；预测模型模块，用于根据数据库中的数据建立三防漆厚度预测模型，以及将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量；待测图像采集模块，用于采集待测涂覆表面图像；待测图像解析模块，用于对待测涂覆表面图像进行处理，得到其处理后数据。
2.根据权利要求1所述的三防漆涂覆质量检测系统，其特征在于：所述预测模型模块包括预测模型建立单元和预测模型回归单元；其中，预测模型建立单元用于使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型；预测模型回归单元用于将处理后的待测涂覆表面处理后图像数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
3.根据权利要求2所述的三防漆涂覆质量检测系统，其特征在于：所述数据库建立模块包括图像采集单元、图像处理单元；其中图像采集单元用于采集未涂覆三防漆的待测批次元器件表面材料图像，以及分别采集涂覆不同厚度三防漆涂层的待测批次元器件表面图像；图像处理单元用于分别对采集的图像进行处理，得到未涂覆三防漆及不同厚度三防漆涂层表面的处理后数据标准值。
4.一种基于权利要求1-3任一项所述的三防漆涂覆质量检测系统的三防漆涂覆质量检测方法，其特征在于：包括以下步骤：
(1)建立待测批次元器件表面材料及涂层数据库；
(2)根据数据库中的数据建立三防漆厚度预测模型；
(3)采集待测涂覆表面图像；
(4)对待测涂覆表面图像进行处理；
(5)将处理后的待测涂覆表面图像处理后数据代入三防漆厚度预测模型，预测出待测涂覆表面的涂覆质量。
5.根据权利要求4所述的三防漆涂覆质量检测方法，其特征在于：步骤(1)、(2)所述建立待测批次元器件表面材料及涂层数据库及根据数据库中的数据建立三防漆厚度预测模型的方法包括：
1)采集未涂覆三防漆的待测批次元器件表面材料的表面图像；
2)分别采集涂覆不同厚度三防漆涂层的待测批次元器件表面图像；
3)分别对步骤1)、2)采集的图像进行处理，得到未涂覆三防漆及不同厚度三防漆涂层表面的处理数据标准值；
4)使用涂层厚度和对应表面处理数据标准值建立反应二者对应关系的三防漆厚度预测模型。
6.根据权利要求5所述的三防漆涂覆质量检测方法，其特征在于：步骤2)所述不同厚度三防漆涂层，包括最小厚度A和最大厚度B，A表示能够保证三防漆涂层对元器件表面进行有效保护的最小厚度，B表示能够保证该元器件在组装、使用过程中，不对组装过程及元器件的热力学、力学、电学性能造成影响的最大厚度。
7.根据权利要求6所述的三防漆涂覆质量检测方法，其特征在于：所述厚度A和B根据不同元器件及其使用场景设置。
8.根据权利要求5所述的三防漆涂覆质量检测方法，其特征在于：步骤(4)所述对待测涂覆表面图像进行处理的方法，与步骤3)中对图像进行处理的方法相同。
9.根据权利要求8所述的三防漆涂覆质量检测方法，其特征在于：所述(4)及步骤3)所述图像处理的方法，灰度化处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110367837.XA CN113092485A (zh) | 2021-04-06 | 2021-04-06 | 一种三防漆涂覆质量检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110367837.XA CN113092485A (zh) | 2021-04-06 | 2021-04-06 | 一种三防漆涂覆质量检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113092485A true CN113092485A (zh) | 2021-07-09 |
Family
ID=76674708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110367837.XA Pending CN113092485A (zh) | 2021-04-06 | 2021-04-06 | 一种三防漆涂覆质量检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113092485A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103134785A (zh) * | 2013-02-07 | 2013-06-05 | 华南理工大学 | 一种基于机器视觉的荧光粉涂覆表面缺陷检测系统及方法 |
| CN107194146A (zh) * | 2017-04-12 | 2017-09-22 | 中国人民解放军装甲兵工程学院 | 一种喷涂层接触疲劳寿命预测方法及装置 |
| CN108665444A (zh) * | 2018-04-12 | 2018-10-16 | 浙江大学 | 一种荧光pcb三防漆涂覆质量检测系统及方法 |
| CN108982539A (zh) * | 2018-07-13 | 2018-12-11 | 浙江大学 | 一种pcb双面三防漆涂覆质量检测系统及方法 |
| CN110543656A (zh) * | 2019-07-12 | 2019-12-06 | 华南理工大学 | 一种基于深度学习的led荧光粉胶涂覆厚度的预测方法 |
| CN110581208A (zh) * | 2019-08-21 | 2019-12-17 | 华南理工大学 | 一种led封装过程的智能品质控制方法 |
| CN111444617A (zh) * | 2020-03-27 | 2020-07-24 | 贵州中医药大学第一附属医院 | 涂层质量在线预测方法、系统以及计算机可读存储介质 |
| CN111833345A (zh) * | 2020-07-29 | 2020-10-27 | 广东电网有限责任公司 | 一种基于光学图像的金属表面氧化层厚度的监控方法 |
| CN111879710A (zh) * | 2020-07-23 | 2020-11-03 | 中冶建筑研究总院（深圳）有限公司 | 钢结构涂层防腐性能评定方法、系统、服务器和存储介质 |
| CN112561851A (zh) * | 2019-09-10 | 2021-03-26 | 波音公司 | 用于表面的涂层厚度检查和表面的涂层缺陷的方法和装置 |
-
2021
- 2021-04-06 CN CN202110367837.XA patent/CN113092485A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103134785A (zh) * | 2013-02-07 | 2013-06-05 | 华南理工大学 | 一种基于机器视觉的荧光粉涂覆表面缺陷检测系统及方法 |
| CN107194146A (zh) * | 2017-04-12 | 2017-09-22 | 中国人民解放军装甲兵工程学院 | 一种喷涂层接触疲劳寿命预测方法及装置 |
| CN108665444A (zh) * | 2018-04-12 | 2018-10-16 | 浙江大学 | 一种荧光pcb三防漆涂覆质量检测系统及方法 |
| CN108982539A (zh) * | 2018-07-13 | 2018-12-11 | 浙江大学 | 一种pcb双面三防漆涂覆质量检测系统及方法 |
| CN110543656A (zh) * | 2019-07-12 | 2019-12-06 | 华南理工大学 | 一种基于深度学习的led荧光粉胶涂覆厚度的预测方法 |
| CN110581208A (zh) * | 2019-08-21 | 2019-12-17 | 华南理工大学 | 一种led封装过程的智能品质控制方法 |
| CN112561851A (zh) * | 2019-09-10 | 2021-03-26 | 波音公司 | 用于表面的涂层厚度检查和表面的涂层缺陷的方法和装置 |
| CN111444617A (zh) * | 2020-03-27 | 2020-07-24 | 贵州中医药大学第一附属医院 | 涂层质量在线预测方法、系统以及计算机可读存储介质 |
| CN111879710A (zh) * | 2020-07-23 | 2020-11-03 | 中冶建筑研究总院（深圳）有限公司 | 钢结构涂层防腐性能评定方法、系统、服务器和存储介质 |
| CN111833345A (zh) * | 2020-07-29 | 2020-10-27 | 广东电网有限责任公司 | 一种基于光学图像的金属表面氧化层厚度的监控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 时礼平等: "基于BP人工神经网络的Al2O3-13%TiO2复合陶瓷涂层厚度预测", 《粉末冶金材料科学与工程》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
| CN114280076B (zh) * | 2021-11-30 | 2023-10-13 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109444137B (zh) | 一种涂料黑白格遮盖力的检测方法 | |
| CN112017173B (zh) | 基于目标检测网络和结构化定位的电力设备缺陷检测方法 | |
| CN113092485A (zh) | 一种三防漆涂覆质量检测系统及方法 | |
| CN115205291B (zh) | 一种电路板检测方法、装置、设备和介质 | |
| CN111199700A (zh) | 显示背板检测设备及其检测方法、装置 | |
| CN108665444A (zh) | 一种荧光pcb三防漆涂覆质量检测系统及方法 | |
| Huang et al. | Study on hydrophobicity detection of composite insulators of transmission lines by image analysis | |
| CN115266731A (zh) | 一种o型密封圈生产合格的检测方法 | |
| CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
| CN113791337A (zh) | 一种基于数据处理的电路板用质量分析监测系统 | |
| CN117451621A (zh) | 一种感光干膜在线检测与质量控制系统 | |
| CN114814504A (zh) | 一种快速有效检测老化方法 | |
| CN204188533U (zh) | 一种用于板带材金属表面缺陷的在线检测系统 | |
| CN111505421A (zh) | 一种消费类电子产品的可靠性检测方法 | |
| CN116448960A (zh) | 一种芯片的质量检测方法、装置、电子设备及存储介质 | |
| CN116067671A (zh) | 一种用于测试车辆漆面质量的方法、系统及介质 | |
| CN111079591A (zh) | 基于改进多尺度主成分分析的不良数据修复方法及系统 | |
| CN116338391A (zh) | 一种绝缘子状态检测方法、装置、电子设备以及介质 | |
| Xu et al. | Intelligent corrosion detection and rating based on faster region-based convolutional neural network | |
| CN104267032A (zh) | 一种用于板带材金属表面缺陷的在线检测系统 | |
| CN114486707A (zh) | 一种镀锡铜管的镀层质量智能检测方法及系统 | |
| KR101024598B1 (ko) | 표면 밝기 분포의 분산 산출 알고리즘을 이용한 대상물 표면의 영상 검사방법 | |
| CN114757945A (zh) | 一种金属基体腐蚀和涂层老化的原位识别方法及装置 | |
| CN113588668B (zh) | 一种基于机器视觉的极耳漏金属检测方法及检测系统 | |
| CN118096736B (zh) | 用于集中器终端生产的外壳表面缺陷检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210709 |