CN113129268B - 一种飞机铆接墩头质量检测方法 - Google Patents
一种飞机铆接墩头质量检测方法 Download PDFInfo
- Publication number
- CN113129268B CN113129268B CN202110305349.6A CN202110305349A CN113129268B CN 113129268 B CN113129268 B CN 113129268B CN 202110305349 A CN202110305349 A CN 202110305349A CN 113129268 B CN113129268 B CN 113129268B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- circle
- rivet
- pier
- 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
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
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2408—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring roundness
-
- 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
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- 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
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/13—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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于实训教学的飞机铆接墩头质量检测方法。它包括以下步骤:A、通过图像处理并利用铆钉墩头边缘检测方法测量墩头面积,通过测定的墩头面积间接测量墩头凸起量;B、通过图像处理并利用最小二乘法拟合圆原理,确定最小二乘圆的圆心,进而找到最长直径和最短直径确定对应圆度。优点是:稳定性好,不依赖人为因素,可靠性更高。能快速判定每个铆钉质量的缺陷及质量问题的严重程度,大大提高了检测效率并且降低人工判定漏缺的问题。仅只需要通过便携设备即可实现质量评定分析,不但检测方便且快捷而且每个铆钉质量问题的检测反馈效果更好,效果十分突出。
Description
技术领域
本发明涉及一种飞机蒙皮铆接质量检测方法,具体地说是一种用于实训教学的飞机铆接墩头质量检测方法。
背景技术
机身蒙皮上的主要连接形式是铆接,铆接的加工质量直接影响飞机整机结构的性能,在实训教学过程中,铆接后的质量检测主要通过指导教师的经验进行判断,周围环境等因素对质量判定结果有很大影响,同时对指导的技术水平要求较高。同时,教学用的铆接铆钉数量大,指导教师的质量判定更多的是针对总体铆接效果,往往单一铆钉的质量问题不能及时准确发现,这对提高实训学生的铆接质量水平存在一定的不足,随着信息技术的发展,图像处理等人工智能技术的进步,使得利用信息化技术手段对铆接质量进行检测成为可能,但是如何利用人工智能技术用于实训教学中对铆接质量进行检测则存在技术障碍。
发明内容
本发明要解决的技术问题是为克服现有人工检测方法的不稳定和可靠性差的缺陷,提供一种检测效率和可靠性高且能够保证每个铆钉质量问题的检测反馈效果的飞机铆接墩头质量检测方法。
为了解决上述技术问题,本发明的飞机铆接墩头质量检测方法,包括以下步骤:
A、通过图像处理并利用铆钉墩头边缘检测方法测量墩头面积,通过测定的墩头面积间接测量墩头凸起量;
B、通过图像处理并利用最小二乘法拟合圆原理,确定最小二乘圆的圆心,进而找到最长直径和最短直径确定对应圆度。
所述图像处理中的图像来源于手持设备对铆接完成的教学用板材进行拍照,其拍取照片视角平行于铆接板材件。
所述步骤A中,图像处理中通过一个标准面积的物品作为参照物来实现面积测量,图像拍摄过程中,将该物品与铆接样板一同拍摄完成。
在进行墩头面积测量和圆度测量之前,对每一个铆钉墩头图像边缘进行分割。
墩头图像分割过程中,首先采用目标检测的方法把铆接板材件上所有的圆全部分开,然后再单独对每个框里的图像进行分割处理,使每一个墩头区域分开独立从而实现后续的墩头面积测量和圆度检测。
所述铆钉墩头面积测量包括以下三个步骤:
(1)对铆钉墩头边缘图像预处理,具体方法为:
首先用加权平均法对图像进行灰度处理,红、蓝、色的权重比例分别为0.3、0.11、0.59。
其次对图形进行去噪,针对铆钉铆接墩头图像采用中值滤波处理方法,主要过程包括:①获取图像大小数据,将模板中心与图中某个像素位置重合;②循环读取模板中对应位置像素值的大小;③以这个像素位置为中心的多个窗口包括各点像素值将这些像素值按升序排列;④选取像素值的中间值;⑤在对应模板中心位置的像素值更新为中值;
(2)铆钉墩头图像边缘检测,具体方法为:
①高斯模糊,通过高斯滤波对输入图像做卷积滤波,去除图像噪声影响;②通过一阶差分算子分别对两个方向上的梯度幅值G和梯度方向B进行计算;③运用梯度方向对梯度幅值进行非最大值抑制运算,对图像所有像素点进行运算,通过插值操作对像素点梯度方向上的两个相邻像素点间的梯度幅值进行计算,当前像素点的梯度幅值大于等于这两个值,判定该像素是图像的边缘,否则不是图像中的边缘点;④双阈值检测和边界跟踪,用两个阈值T1和T2,作用于非最大值抑制图像,分别得到边缘图像E1和E2,跟踪E1中的边缘,边缘达到端点时,在E2对应位置的8邻域内搜索边缘点与边缘E1相连。
(3)铆钉墩头的面积测量:
目标区域面积是区域的基本特性,图像中的目标区域中,如果图像中单个像素的面积为a,那么铆钉墩头区域的面积S为:
根据区域像素统计结果,利用像素法测量原理得到铆钉墩头的面积
其中:S头代表铆钉头面积,m1代表铆钉头图像区域的像素个数,S0代表参照物硬币的面积,m0代表硬币图像区域的像素个数。
所述步骤B中最小二乘圆拟合的过程是利用提取圆轮廓的坐标值,确定圆心的位置与半径的过程。
所述最小二乘圆的圆心确定过程为:
(1)设拟合圆的一般方程为:x2+y2+ax+by+c=0
其中设铆钉墩头边缘轮廓上边缘点的集合为{(xi,yi),i∈1,2,...,n},拟合圆的圆心为O(xc,yc),半径为R,
(2)拟合圆的轮廓与实际轮廓点之间的残差越小说明拟合效果越好,根据最小二乘逼近准则,误差的平方和最小,计算a,b,c的最小二乘值应满足误差函数:
对函数求极值,可计算出a,b,c,进而求出最小二乘圆的圆心。
在最小二乘圆的圆心确定之后,根据拟合原理,采集二值图像轮廓上的点,计算出轮廓上某一像素点通过圆心到轮廓上像素另一点的距离,即可获取轮廓圆的直径信息序列;将所有的计算数据进行排列,找到最长直径Dmax和最短直径Dmin,平均直径Dave,则该圆轮廓的圆形偏离值δOOR为:
δOOR=(Dmax-Dmin)/2
本发明的优点在于:
(1)解决了人工判定方法稳定性差的缺陷,人工判定方法容易受周围环境左右,判定质量的标准存在波动,同时受教师个人经验水平高低影响,本发明的检测方法稳定性好,不依赖人为因素,可靠性更高。
(2)能快速判定每个铆钉质量的缺陷及质量问题的严重程度,大大提高了检测效率并且降低人工判定漏缺的问题。
(3)突破了专业平台扫描仪的使用要求,仅只需要通过便携设备即可实现质量评定分析,不但检测方便且快捷而且每个铆钉质量问题的检测反馈效果更好,效果十分突出。
具体实施方式
下面结合具体实施方式,对本发明的飞机铆接墩头质量检测方法作进一步详细说明。
在实训教学或实际工作过程中,铆钉铆接完成之后,衡量铆钉铆接质量主要通过两个参数进行判定,第一个是铆钉墩头的凸起量,第二个是铆钉墩头的圆度,本发明的飞机铆接墩头质量检测方法,对两个参数的判定都是通过图像处理的方法,图像来源于便携式手持设备对铆接完成的教学用板材进行拍照,其拍取照片视角平行于铆接板材件,它包括以下步骤:
A、通过图像处理并利用铆钉墩头边缘检测方法测量墩头面积,具体的说根据铆钉墩头体积不变原则,铆钉墩头的凸起量通过间接测量铆钉墩头的投影面积来反映,
其中V为铆钉头的体积,S为铆钉头端面的投影体积,h为铆钉头的高度。
测量过程中测定铆钉墩头的面积,简单的图像处理方法难以达到,因此需要一个标准面积的物品作为参照物来实现面积测量,这里选用身边常用的一元硬币作为标准样件,硬币作为标准样件,其面积恒定,且轮廓清晰。
图像拍摄过程中,需要将硬币与铆接样板一同拍摄完成;考虑拍摄过程中相机与铆接样板之间存在一定的角度,其结果一定程度上会造成测量结果的误差,因此,参照物硬币可以起到图像矫正的作用,提高系统的测量精度,减少图像获取中倾斜失真对测量结果产生的影响。
另外,在进行面积测量和圆度测量之前,都需要对每一个铆钉墩头图像边缘进行分割,铆接板材上有非常多的铆钉墩头,每一个都需要独立进行分析,单独分析每一个的圆度和墩头面积,墩头图像分割首先采用目标检测的方法把铆接板材件上所有的圆全部分开,然后再单独对每个框里的图像进行分割处理,使每一个墩头区域分开独立从而实现后续的墩头面积测量和圆度检测。
B、铆钉铆接完成之后,通过检测铆钉墩头的圆度可以很好地反映墩头质量好坏,因为墩头如果在铆接过程中受力不均匀,会出现墩头投影面的圆不规则,圆度较差的情况,本发明中,通过图像处理并利用最小二乘法拟合圆原理,确定最小二乘圆的圆心,进而找到最长直径和最短直径确定对应圆度;具体的说,对铆钉墩头圆度测定采用的是对边缘点利用最小二乘圆拟合进行圆度评价,圆的最小二乘圆拟合的过程,是利用提取圆轮廓的坐标值,确定圆心的位置与半径的过程,在实际轮廓内找到某点,使轮廓上每一点到这点为圆心所作圆的径向距离平方和最小,该点即为最小二乘圆的圆心。
最小二乘圆的圆心确定过程为:
(1)设拟合圆的一般方程为:x2+y2+ax+by+c=0
其中设铆钉墩头边缘轮廓上边缘点的集合为{(xi,yi),i∈1,2,...,n},拟合圆的圆心为O(xc,yc),半径为R,
(2)拟合圆的轮廓与实际轮廓点之间的残差越小说明拟合效果越好,根据最小二乘逼近准则,误差的平方和最小,计算a,b,c的最小二乘值应满足误差函数:
对函数求极值,可计算出a,b,c,进而求出最小二乘圆的圆心。
在最小二乘圆的圆心确定之后,根据拟合原理,采集二值图像轮廓上的点,计算出轮廓上某一像素点通过圆心到轮廓上像素另一点的距离,即可获取轮廓圆的直径信息序列。将所有的计算数据进行排列,找到最长直径Dmax和最短直径Dmin,平均直径Dave,则该圆轮廓的圆形偏离值δOOR为:
δOOR=(Dmax-Dmin)/2
对应圆度为:
同时为了更清楚的表达铆钉墩头面积测量过程,对本发明中所采用的测量方法做如下说明:
本发明中铆钉墩头面积测量包括以下三个步骤:
(1)对铆钉墩头边缘图像预处理,具体方法为:
首先用加权平均法对图像进行灰度处理,灰度处理计算方法为:f(i,j)=0.3R(i,j)+0.59G(i,j)+0.11B(i,j)
红、蓝、色的权重比例分别为0.3、0.11、0.59。
其次对图形进行去噪,针对铆钉铆接墩头图像采用中值滤波处理方法,主要过程包括:①获取图像大小数据,将模板中心与图中某个像素位置重合;②循环读取模板中对应位置像素值的大小;③以这个像素位置为中心的3×3窗口包括各点像素值将这些像素值按升序排列;④选取像素值的中间值;⑤在对应模板中心位置的像素值更新为中值;
(2)铆钉墩头图像边缘检测,边缘检测其基本思路是搜寻查找图像中的边缘点,通过边缘点组成物体图像轮廓,可以对图像重要的结构属性进行保留。这里采用Canny边缘检测算子方法进行实现,具体方法为:
①高斯模糊,通过高斯滤波对输入图像做卷积滤波,去除图像噪声影响;②通过一阶差分算子分别对两个方向上的梯度幅值G和梯度方向B进行计算;③运用梯度方向对梯度幅值进行非最大值抑制运算,对图像所有像素点进行运算,通过插值操作对像素点梯度方向上的两个相邻像素点间的梯度幅值进行计算,当前像素点的梯度幅值大于等于这两个值,判定该像素是图像的边缘,否则不是图像中的边缘点;④双阈值检测和边界跟踪,用两个阈值T1和T2,作用于非最大值抑制图像,分别得到边缘图像E1和E2,跟踪E1中的边缘,边缘达到端点时,在E2对应位置的8邻域内搜索边缘点与边缘E1相连。
(3)铆钉墩头的面积测量,具体步骤为:
目标区域面积是区域的基本特性,图像中的目标区域中,如果图像中单个像素的面积为a,那么铆钉墩头区域的面积S为:
根据区域像素统计结果,利用像素法测量原理得到铆钉墩头的面积
其中:S头代表铆钉头面积,m1代表铆钉头图像区域的像素个数,S0代表参照物硬币的面积,m0代表硬币图像区域的像素个数。
Claims (5)
1.一种飞机铆接墩头质量检测方法,其特征在于,包括以下步骤:
A、通过图像处理并利用铆钉墩头边缘检测方法测量墩头面积,通过测定的墩头面积间接测量墩头凸起量;
B、通过图像处理并利用最小二乘法拟合圆原理,确定最小二乘圆的圆心,进而找到最长直径和最短直径确定对应圆度;
在进行墩头面积测量和圆度测量之前,对每一个铆钉墩头图像边缘进行分割;
墩头图像分割过程中,首先采用目标检测的方法把铆接板材件上所有的圆全部分开,然后再单独对每个框里的图像进行分割处理,使每一个墩头区域分开独立从而实现后续的墩头面积测量和圆度检测;
所述铆钉墩头面积测量包括以下三个步骤:
(1)对铆钉墩头边缘图像预处理,具体方法为:
首先用加权平均法对图像进行灰度处理,红、蓝、色的权重比例分别为0.3、0.11、0.59;
其次对图形进行去噪,针对铆钉铆接墩头图像采用中值滤波处理方法,主要过程包括:①获取图像大小数据,将模板中心与图中某个像素位置重合;②循环读取模板中对应位置像素值的大小;③以这个像素位置为中心的多个窗口包括各点像素值将这些像素值按升序排列;④选取像素值的中间值;⑤在对应模板中心位置的像素值更新为中值;
(2)铆钉墩头图像边缘检测,具体方法为:
①高斯模糊,通过高斯滤波对输入图像做卷积滤波,去除图像噪声影响;②通过一阶差分算子分别对两个方向上的梯度幅值G和梯度方向B进行计算;③运用梯度方向对梯度幅值进行非最大值抑制运算,对图像所有像素点进行运算,通过插值操作对像素点梯度方向上的两个相邻像素点间的梯度幅值进行计算,当前像素点的梯度幅值大于等于这两个值,判定该像素是图像的边缘,否则不是图像中的边缘点;④双阈值检测和边界跟踪,用两个阈值T1和T2,作用于非最大值抑制图像,分别得到边缘图像E1和E2,跟踪E1中的边缘,边缘达到端点时,在E2对应位置的8邻域内搜索边缘点与边缘E1相连;
(3)铆钉墩头的面积测量:
其中:S头代表铆钉头面积,m1代表铆钉头图像区域的像素个数,S0代表参照物硬币的面积,m0代表硬币图像区域的像素个数。
2.按照权利要求1所述的飞机铆接墩头质量检测方法,其特征在于:所述图像处理中的图像来源于手持设备对铆接完成的教学用板材进行拍照,其拍取照片视角平行于铆接板材件。
3.按照权利要求2所述的飞机铆接墩头质量检测方法,其特征在于:所述步骤A中,图像处理中通过一个标准面积的物品作为参照物来实现面积测量,图像拍摄过程中,将该物品与铆接样板一同拍摄完成。
4.按照权利要求1所述的飞机铆接墩头质量检测方法,其特征在于:所述步骤B中最小二乘圆拟合的过程是利用提取圆轮廓的坐标值,确定圆心的位置与半径的过程。
5.按照权利要求4所述的飞机铆接墩头质量检测方法,其特征在于:所述最小二乘圆的圆心确定过程为:
(1)设拟合圆的一般方程为:x2+y2+ax+by+c=0
其中设铆钉墩头边缘轮廓上边缘点的集合为[(xi,yi),i∈1,2,...,n},拟合圆的圆心为O(xc,yc),半径为R,
(2)拟合圆的轮廓与实际轮廓点之间的残差越小说明拟合效果越好,根据最小二乘逼近准则,误差的平方和最小,计算a,b,c的最小二乘值应满足误差函数:
对函数求极值,可计算出a,b,c,进而求出最小二乘圆的圆心;
在最小二乘圆的圆心确定之后,根据拟合原理,采集二值图像轮廓上的点,计算出轮廓上某一像素点通过圆心到轮廓上像素另一点的距离,即可获取轮廓圆的直径信息序列;将所有的计算数据进行排列,找到最长直径Dmax和最短直径Dmin,平均直径Dave,则该圆轮廓的圆形偏离值δOOR为:
δOOR=(Dmax-Dmin)/2
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305349.6A CN113129268B (zh) | 2021-03-19 | 2021-03-19 | 一种飞机铆接墩头质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110305349.6A CN113129268B (zh) | 2021-03-19 | 2021-03-19 | 一种飞机铆接墩头质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129268A CN113129268A (zh) | 2021-07-16 |
CN113129268B true CN113129268B (zh) | 2023-06-27 |
Family
ID=76773721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110305349.6A Active CN113129268B (zh) | 2021-03-19 | 2021-03-19 | 一种飞机铆接墩头质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129268B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114577122B (zh) * | 2022-02-28 | 2023-08-18 | 长三角先进材料研究院 | 一种基于图像处理的自冲铆接剖面几何参数自动测量方法 |
CN114505442A (zh) * | 2022-03-17 | 2022-05-17 | 无锡贝斯特精机股份有限公司 | 机器人钻铆工作站对铆机构及控制方法 |
CN116630306B (zh) * | 2023-07-19 | 2023-10-20 | 成都信息工程大学 | 一种飞机半圆头铆钉的缺陷检测方法和装置 |
CN117392226B (zh) * | 2023-12-11 | 2024-04-05 | 合肥安迅精密技术有限公司 | 基于机器视觉的bga元件识别定位方法及系统、存储介质 |
CN117788472B (zh) * | 2024-02-27 | 2024-05-14 | 南京航空航天大学 | 一种基于dbscan算法的飞机蒙皮表面铆钉腐蚀程度判断的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106938315A (zh) * | 2017-03-02 | 2017-07-11 | 上海交通大学 | 一种飞机气动铆接质量在线检测装置及检测方法 |
CN108022232A (zh) * | 2016-11-01 | 2018-05-11 | 中国科学院沈阳自动化研究所 | 一种飞行器表面铆钉检测方法 |
CN109003258A (zh) * | 2018-06-15 | 2018-12-14 | 广东工业大学 | 一种高精度亚像素圆形零件测量方法 |
CN109141232A (zh) * | 2018-08-07 | 2019-01-04 | 常州好迪机械有限公司 | 一种基于机器视觉的盘类铸件在线检测方法 |
CN209247652U (zh) * | 2018-11-29 | 2019-08-13 | 四川航天计量测试研究所 | 一种大壳体上铆钉表面缺陷在线检测装置 |
CN209706701U (zh) * | 2019-04-12 | 2019-11-29 | 中国航发商用航空发动机有限责任公司 | 墩头检测装置 |
-
2021
- 2021-03-19 CN CN202110305349.6A patent/CN113129268B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108022232A (zh) * | 2016-11-01 | 2018-05-11 | 中国科学院沈阳自动化研究所 | 一种飞行器表面铆钉检测方法 |
CN106938315A (zh) * | 2017-03-02 | 2017-07-11 | 上海交通大学 | 一种飞机气动铆接质量在线检测装置及检测方法 |
CN109003258A (zh) * | 2018-06-15 | 2018-12-14 | 广东工业大学 | 一种高精度亚像素圆形零件测量方法 |
CN109141232A (zh) * | 2018-08-07 | 2019-01-04 | 常州好迪机械有限公司 | 一种基于机器视觉的盘类铸件在线检测方法 |
CN209247652U (zh) * | 2018-11-29 | 2019-08-13 | 四川航天计量测试研究所 | 一种大壳体上铆钉表面缺陷在线检测装置 |
CN209706701U (zh) * | 2019-04-12 | 2019-11-29 | 中国航发商用航空发动机有限责任公司 | 墩头检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113129268A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113129268B (zh) | 一种飞机铆接墩头质量检测方法 | |
CN110349126B (zh) | 一种基于卷积神经网络带标记的钢板表面缺陷检测方法 | |
CN112598001B (zh) | 一种基于多模型融合的船舶水尺读数自动识别方法 | |
CN104408707B (zh) | 一种快速数字成像模糊鉴别与复原图像质量评估方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN104268872B (zh) | 基于一致性的边缘检测方法 | |
CN110148162A (zh) | 一种基于复合算子的异源图像匹配方法 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN109376740A (zh) | 一种基于视频的水尺读数检测方法 | |
CN108961307B (zh) | 基于核相关滤波跟踪的圆形目标尺度自适应跟踪方法 | |
CN116990323B (zh) | 一种高精密印刷版视觉检测系统 | |
CN115909256B (zh) | 基于道路视觉图像的道路病害检测方法 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
CN110689524A (zh) | 一种无参考在线图像清晰度评价方法与系统 | |
CN113870202A (zh) | 一种基于深度学习技术的远端芯片缺陷检测系统 | |
CN115841488A (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN114037650B (zh) | 变化检测及目标检测的地面目标可见光毁伤图像处理方法 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 | |
CN117197700B (zh) | 智能化无人巡检接触网缺陷识别系统 | |
CN113781413A (zh) | 一种基于Hough梯度法的电解电容定位方法 | |
CN107239743B (zh) | 一种基于投影法的刻度线读数自动检测方法 | |
CN110751687B (zh) | 一种基于计算机视觉最小最大圆的苹果大小分级方法 | |
CN112991425B (zh) | 一种水域水位提取方法、系统及存储介质 |
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 |