CN113160147A - 热处理工件图像特征识别匹配系统 - Google Patents
热处理工件图像特征识别匹配系统 Download PDFInfo
- Publication number
- CN113160147A CN113160147A CN202110338012.5A CN202110338012A CN113160147A CN 113160147 A CN113160147 A CN 113160147A CN 202110338012 A CN202110338012 A CN 202110338012A CN 113160147 A CN113160147 A CN 113160147A
- Authority
- CN
- China
- Prior art keywords
- image
- workpiece
- module
- heat
- matching
- 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.)
- Granted
Links
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的一种热处理工件图像特征识别匹配系统,识别过程全自动、快速准确。本发明通过下述技术方案实现:图像识别软件控制各个图像采集相机对采集区热处理工件各个方向的图片采集信息,采集图像俯视单元和采集图像方位俯视单元将工件热处理前采集图像信息送入图像采集模块进行图像预处理,建立样本库;在工件热处理后,图像识别装置将图像采集相机拍摄的热处理工件的图像送入位置校正模块对拍摄的图像进行位置校正,并输入外形分类模块与局部分类模块进行分类与匹配,得到并输出新样本图像的准确类别,结合热处理工件外形特征和局部特征将识别结果与匹配结果送入结果展示模块,对将热处理前后的工件图像进行对比,展示出匹配纹理特征。
Description
技术领域
发明涉及一种制造技术领域中关于热处理前后工件特征匹配的图像识别系统方法,具体包括图像识别装置和图像识别软件及相应的运行方法。
背景技术
热处理是将材料放在一定的介质内加热、保温、冷却,通过改变材料表面或内部的组织结构来控制其性能的一种综合工艺过程,是电子产品工件加工过程中必不可少的一部分。在电子产品工件粗加工完成后,通过去应力退火工序,可以有效降低因粗加工产生的内应力,保证结构件内部应力的均匀化,从而提升工件加工质量。目的是通过正确的热处理工艺,获得要求的技术指标。因此只有经过热处理,才能最大限度地满足工件的服役要求,充分发挥材料的潜力,提高工件的使用寿命。材料热处理特征的数据结构包括材料信息和热处理信息,其中材料信息有材料名称、牌号和机械性能等参数;热处理信息有热处理方式、硬度单位和硬度值的上、下限等。特征是具有属性,与设计、制造活动有关,并含有工程意义和基本几何实体或信息的集合,是产品开发过程中各种信息的载体。这个定义强调了特征除了包含工件的几何拓扑信息外,还包含了设计制造等过程所需要的一些非几何信息,如材料信息、尺寸、形状公差信息、热处理及表面粗糙度信息和刀具信息等,同时强调了特征是与设计活动和制造有关的几何实体,因而是面向设计和制造的,而且该定义还强调了特征包含丰富的工程语义,它是在更高层次上对几何形体上的凹腔、孔、槽等的集成描述,即特征反映了设计者和制造者的意图。根据描述信息内容不同而将特征区分为:形状特征、精度特征、材料特征、技术特征等。
在实际加工生产过程中,由于工件的多样性和复杂性,使用传统的知识表示方法很难将工件信息表达得清晰、准确、全面。工件在热处理时工件原有的身份信息(如RFID芯片或纸质记录文档)无法随工件进入热处理炉中,导致工件在热处理后处于“无身份状态”,需要人工对工件按照原有身份信息进行对比,现有人工识别效率低且容易出错,难以满足后续精加工的需要。
发明内容
本发明的目的是针对现有技术存在的不足之处,提供一种识别过程全自动、快速准确、适应性强的热处理工件图像特征识别匹配系统,以避免现有人工识别带来的效率低、容易出错的问题。
为实现上述目的,本发明提供一种热处理工件图像特征识别匹配系统,包括:与图像识别装置进行通信的图像识别软件,设置在图像识别装置框架顶部上的顶面采集图像俯视相机所构成的采集图像俯视单元,分布在所述框架不同侧面上的方位图像采集相机构成的采集图像方位俯视单元,其中,图像识别软件包含了图像采集模块、样本库管理模块、位置校正模块、外形分类模块、局部分类模块和结果展示模块,其特征在于:在工件热处理前与热处理后图像识别装置启动图像识别系统之间的过程中,图像识别软件控制各个图像采集相机对采集区热处理工件各个方向的图片采集信息,采集图像俯视单元和采集图像方位俯视单元对放置于图像采集区的热处理工件进行行拍摄获取图像,将工件热处理前采集图像信息送入图像采集模块进行图像预处理,作为样本建立样本库,并存储在数据库模块中;在工件热处理后,再次通过图像识别软件控制图像识别装置,将图像采集相机拍摄的热处理工件的相机对工件的图像送入进行拍摄,位置校正模块对拍摄的图像进行位置校正,并输入外形分类模块与局部分类模块,对热处理工件的外形和局部特征进行分类,同时对新拍摄的样本图像与热处理前的样本图像纹理特征、形状特征和空间关系特征进行识别与匹配,得到并输出新样本图像的准确类别,外形分类模块与局部分类模块结合热处理工件最终通过外形特征和局部特征两者结合实现将热处理工件的识别结果与匹配结果送入结果展示模块,对将热处理前后的工件图像进行对比,展示出匹配纹理特征。
本发明相比于现有技术具有如下有益效果:
本发明采用与图像识别装置进行通信的图像识别软件,设置在图像识别装置框架顶部的顶面相机采集图像俯视相机和分布在所述框架在不同侧面上的方位图像采集相机,两种拍摄方式相互配合。可以自动识别图像识别装置框架工作台下方的工件,能够自动拍摄工件的图像,对采集到的图像首先进行目标定位,这种结构紧凑小巧,节约现场的安装空间,可以在脱离PC的情况,通过图像处理软件独立完成各种面向图像的采集,识别过程适应性强,可满足不同尺寸范围内工件的识别需求。由于其省电、寿命长、光亮度稳定、易调节、反应快捷、功耗小、成本低、耐震动、冷光源运行故障率低,可长时间运行,维护成本低。
本发明通过外形和局部特征两次分类过程对新拍摄的样本图像与原有样本的图像进行匹配,识别过程快速准确。该过程首先通过外形分类模块对工件外形进行匹配,完成工件外形特征的提取与分类,能得到新样本图像的准确类别时直接输出图像的类别;当外形分类匹配不能完成工件的匹配时,通过局部分类模块进入局部分别识别过程,将样本的图像进行分割并提取相应的局部特征,进行特征匹配,最终得到并输出新样本图像的准确类别,最终通过两者结合实现工件的匹配与识别,识别过程准确,同时减少了全部采用局部特征时的时间开销,提升了识别速度。
本发明采用图像识别软件控制图像识别装置上相机的工作,在工件热处理前,通过图像识别软件中的图像采集模块控制图像识别装置中的各个相机对工件各个方向的图片信息进行保存,作为样本保存在数据库模块中,实现工件在热处理前后识别过程的自动化,提高了图像处理程序的处理速度。在工件热处理后,再次通过图像识别软件控制图像识别装置的相机对工件的图像进行拍摄,位置校正模块对拍摄的图像进行位置校正,通过两次分类过程对新拍摄的样本图像与原有样本的图像进行匹配实现工件的匹配与识别,并通过结果展示模块将热处理前后的工件图像进行对比展示。整个过程全自动,可自动实现工件在热处理前后工件的识别与对比,实现了识别过程全自动的无人干预。避免了现有人工识别带来的效率低、容易出错的问题。对促进图像识别技术在生产领域中的应用,具有借鉴作用。
附图说明
图1是本发明热处理工件图像特征识别匹配系统的工作流程图;
图2是本发明所述的图像识别装置的构造示意图;
图3是本发明所述的图像识别软件原理示意图;
图4是本发明工件热处理前工件外形与局部特征结合的特征提取流程图。
以下结合附图和实施例对本发明作进一步详细说明,但并不因此将本发明限制在所述的实施例范围之中。
具体实施方式
参阅图1-2。在以下描述的优选实施例中,处理工件图像特征识别匹配系统,包括:与图像识别装置进行通信的图像识别软件,设置在图像识别装置框架顶部上的顶面采集图像俯视相机所构成的采集图像俯视单元,分布在所述框架不同侧面上的方位图像采集相机构成的采集图像方位俯视单元,其中,图像识别软件包含了图像采集模块、样本库管理模块、位置校正模块、外形分类模块、局部分类模块和结果展示模块。在工件热处理前与热处理后图像识别装置启动图像识别系统之间的过程中,图像识别软件控制各个图像采集相机对采集区热处理工件各个方向的图片采集信息,采集图像俯视单元和采集图像方位俯视单元对放置于图像采集区的热处理工件进行行拍摄获取图像,将工件热处理前采集图像信息送入图像采集模块进行图像预处理,作为样本建立样本库,并存储在数据库模块中;在工件热处理后,通过图像识别软件控制图像识别装置,将图像采集相机拍摄的热处理工件的图像送入位置校正模块对拍摄的图像进行位置校正,并输入外形分类模块与局部分类模块,对热处理工件的外形和局部特征进行分类,同时对新拍摄的样本图像与热处理前的样本图像纹理特征、形状特征和空间关系特征进行识别与匹配,得到并输出新样本图像的准确类别,外形分类模块与局部分类模块结合热处理工件将热处理工件的识别结果与匹配结果送入结果展示模块,对热处理前后的工件图像进行对比,展示出匹配纹理特征。
图像识别装置包括:通过图像识别软件与采集图像俯视单元和采集图像方位俯视单元进行通信的控制电路,采集图像俯视单元和采集图像方位俯视单元至少有五个按直角坐标系YC、ZC、XC不同位置分布在图像识别装置框架上的图像采集相机及镜头,其中,布置在图像识别装置框架上不同侧面的三个方位图像采集相机均采用2.8mm-12mm的变焦焦距镜头,可满足300mm×300mm尺寸以内不同尺寸工件侧面外形的拍摄;布置在框架顶部的两个采集图像俯视相机分别采用2.8mm-12mm和6mm-12mm的变焦焦距镜头,当工件尺寸位于300mm×300mm以内时采用2.8mm-12mm的镜头对工件进行拍摄,当工件尺寸位于300mm×300mm~500mm×500mm时采用6mm-12mm的镜头进行拍摄,两种拍摄方式相互配合,可满足不同尺寸范围内工件的识别需求。
外形分类模块对工件外形进行匹配与分类,得到新样本图像的准确类别时直接输出图像的类别。
参阅图3。图像识别软件主要包括相机控制模块、图像采集模块、样本库管理模块、位置校正模块、外形分类模块、局部分类模块和结果展示模块,其中外形分类模块包括外形特征提取模块和外形匹配模块,局部分类模块包括图像分割模块、局部特征提取模块和局部特征匹配模块。外形特征提取模块完成工件外形特征的提取,当外形匹配模块外形分类匹配不能完成工件的匹配时,通过局部分类模块进入局部分别识别过程,图像分割模块根据图像局部图像信息将样本的图像进行分割。局部特征提取模块提取相应的局部特征,局部特征匹配模块进行特征匹配,最终得到并输出新样本图像的准确类别。
参阅图4。本实施例中,按照下述步骤实现:在工件热处理前,将工件放置在图像识别装置上并启动图像识别系统;图像采集模块控制图像识别装置中的各个相机对工件各个方向的图片信息进行保存,作为样本保存在数据库模块中;将工件从图像识别装置中取下,并进行热处理。工件热处理完成后,再次将工件放置在图像识别装置上,图像识别软件控制图像识别装置的相机对工件的图像进行拍摄,从热处理前工件图像库中取出工件图像与本次拍摄的图像一起通过位置校正模块进行位置校正;外形分类模块对目标图像进行分割,对工件外形特征进行提取并特征匹配,判断是否得到样本图像的准确类别,如可以则直接输出识别图像的类别;否则通过局部分类模块进入局部分别识别过程,仍然对两次的图像进行分割并进行局部特征提取,根据局部特征提取图像进行特征匹配,然后再判断是否得到样本图像的准确类别,是则输出图像标识;将工件从图像识别装置中取下,完成整个识别过程。
以上所述为本发明较佳实施例,应该注意的是上述实施例对本发明进行说明,然而本发明并不局限于此,并且本领域技术人员在脱离所附权利要求的范围情况下可设计出替换实施例。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种热处理工件图像特征识别匹配系统,包括:与图像识别装置进行通信的图像识别软件,设置在图像识别装置框架顶部上的顶面采集图像俯视相机所构成的采集图像俯视单元,分布在所述框架不同侧面上的方位图像采集相机构成的采集图像方位俯视单元,其中,图像识别软件包含了图像采集模块、样本库管理模块、位置校正模块、外形分类模块、局部分类模块和结果展示模块,其特征在于:在工件热处理前与热处理后图像识别装置启动图像识别系统之间的过程中,图像识别软件控制各个图像采集相机对采集区热处理工件各个方向的图片采集信息,采集图像俯视单元和采集图像方位俯视单元对放置于图像采集区的热处理工件进行行拍摄获取图像,将工件热处理前采集图像信息送入图像采集模块进行图像预处理,作为样本建立样本库,并存储在数据库模块中;在工件热处理后,通过图像识别软件控制图像识别装置,将图像采集相机拍摄的热处理工件的图像送入位置校正模块对拍摄的图像进行位置校正,并输入外形分类模块与局部分类模块,对热处理工件的外形和局部特征进行分类,同时对新拍摄的样本图像与热处理前的样本图像纹理特征、形状特征和空间关系特征进行识别与匹配,得到并输出新样本图像的准确类别,外形分类模块与局部分类模块结合热处理工件将热处理工件的识别结果与匹配结果送入结果展示模块,对热处理前后的工件图像进行对比,展示出匹配纹理特征。
2.如权利要求1所述的热处理工件图像特征识别匹配系统,其特征在于:图像识别装置包括:通过图像识别软件与采集图像俯视单元和采集图像方位俯视单元进行通信的控制电路,采集图像俯视单元和采集图像方位俯视单元至少有五个按直角坐标系YC、ZC、XC不同位置分布在图像识别装置框架上的图像采集相机及镜头。
3.如权利要求2所述的热处理工件图像特征识别匹配系统,其特征在于:布置在图像识别装置框架上不同侧面的三个方位图像采集相机均采用2.8mm-12mm的变焦焦距镜头,以不同尺寸拍摄工件侧面外形。
4.如权利要求1所述的热处理工件图像特征识别匹配系统,其特征在于:布置在框架顶部的两个采集图像俯视相机分别采用2.8mm-12mm和6mm-12mm的变焦焦距镜头,当工件尺寸位于300mm×300mm以内时采用2.8mm-12mm的镜头对工件进行拍摄,当工件尺寸位于300mm×300mm~500mm×500mm时采用6mm-12mm的镜头进行拍摄,两种拍摄方式相互配合,以满足不同尺寸范围内工件的识别需求。
5.如权利要求1所述的热处理工件图像特征识别匹配系统,其特征在于:外形分类模块对工件外形进行匹配与分类,得到新样本图像的准确类别时直接输出图像的类别。
6.如权利要求1所述的热处理工件图像特征识别匹配系统,其特征在于:外形分类模块包括外形特征提取模块和外形匹配模块,局部分类模块包括图像分割模块、局部特征提取模块和局部特征匹配模块。
7.如权利要求4所述的热处理工件图像特征识别匹配系统,其特征在于:外形特征提取模块完成工件外形特征的提取,当外形匹配模块外形分类匹配不能完成工件的匹配时,局部分类模块进入局部分别识别过程,图像分割模块根据图像局部图像信息将样本的图像进行分割。
8.如权利要求1所述的热处理工件图像特征识别匹配系统,其特征在于:局部特征提取模块提取相应的局部特征,局部特征匹配模块进行特征匹配,最终得到并输出新样本图像的准确类别。
9.如权利要求1所述的热处理工件图像特征识别匹配系统,其特征在于:工件热处理完成后,再将工件放置在图像识别装置上,图像识别软件控制图像识别装置的相机对工件的图像进行拍摄,从热处理前工件图像库中取出工件图像与本次拍摄的图像一起通过位置校正模块进行位置校正。
10.如权利要求8所述的热处理工件图像特征识别匹配系统,其特征在于:外形分类模块对目标图像进行分割,对工件外形特征进行提取并特征匹配,判断是否得到样本图像的准确类别,直接输出识别图像的类别;否则通过局部分类模块进入局部分别识别过程,仍然对两次的图像进行分割并进行局部特征提取,根据局部特征提取图像进行特征匹配,然后再判断是否得到样本图像的准确类别,是则输出图像标识;将工件从图像识别装置中取下,完成整个识别过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338012.5A CN113160147B (zh) | 2021-03-30 | 2021-03-30 | 热处理工件图像特征识别匹配系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110338012.5A CN113160147B (zh) | 2021-03-30 | 2021-03-30 | 热处理工件图像特征识别匹配系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113160147A true CN113160147A (zh) | 2021-07-23 |
CN113160147B CN113160147B (zh) | 2023-06-13 |
Family
ID=76885281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110338012.5A Active CN113160147B (zh) | 2021-03-30 | 2021-03-30 | 热处理工件图像特征识别匹配系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160147B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705487A (zh) * | 2021-08-31 | 2021-11-26 | 西南交通大学 | 精密工件识别及工艺参数关联系统以及识别方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102171552A (zh) * | 2008-10-17 | 2011-08-31 | 日本轻金属株式会社 | 接合质量管理方法及接合质量管理装置 |
CN102825251A (zh) * | 2012-08-24 | 2012-12-19 | 华南理工大学 | 一种基于ccd视觉定位的复杂零件制造方法及其设备 |
CN103020586A (zh) * | 2012-11-13 | 2013-04-03 | 浙江省电力公司电力科学研究院 | 一种pcb板识别方法、装置及系统 |
CN105584015A (zh) * | 2016-01-12 | 2016-05-18 | 重庆世纪精信实业(集团)有限公司 | 基于可调节抱具的抱具调节系统及其方法 |
JP2016106294A (ja) * | 2015-12-28 | 2016-06-16 | 墫野 和夫 | 国の全額借金返済と都道府県市町村区の全額借金返済の為の知的所有財産のもし石炭石油天然ガス水素が無くなった場合の世界像と対処の有り方対処の為の全自動ロボット家電システム装置の著作権原本。 |
CN105868766A (zh) * | 2016-03-28 | 2016-08-17 | 浙江工业大学 | 喷涂流水线工件自动检测与识别方法 |
US20160379434A1 (en) * | 2013-08-05 | 2016-12-29 | ZiSheng Huang | System for Automatically Cooking and Selling Frozen Food |
CN107025469A (zh) * | 2017-06-02 | 2017-08-08 | 山东新活新材料科技有限公司 | 模板自动分选系统及其方法和可读存储介质及计算机设备 |
CN206541321U (zh) * | 2017-01-16 | 2017-10-03 | 苏州优函信息科技有限公司 | 金属器件在热处理过程中的跟踪管理系统 |
CN107546105A (zh) * | 2017-06-14 | 2018-01-05 | 新华三技术有限公司 | 器件表面处理方法及系统 |
CN109272462A (zh) * | 2018-09-05 | 2019-01-25 | 中国地质大学(武汉) | 适用于金属工件识别的图像自校正方法、设备及存储设备 |
CN109859192A (zh) * | 2019-02-01 | 2019-06-07 | 东莞中科蓝海智能视觉科技有限公司 | 圆形高反光工件的检测识别方法 |
CN110142228A (zh) * | 2019-06-01 | 2019-08-20 | 哈尔滨理工大学 | 锯片裂纹检测识别分拣系统及分拣方法 |
CN110298918A (zh) * | 2019-08-02 | 2019-10-01 | 湖南海诚宇信信息技术有限公司 | 一种基于gpu实时三维建模显示装置及三维建模显示方法 |
CN111098326A (zh) * | 2019-12-31 | 2020-05-05 | 丹阳利鹏机电科技有限公司 | 一种锻件自动抓取装置 |
CN111339906A (zh) * | 2020-02-24 | 2020-06-26 | 南京恒青中浦光电科技有限公司 | 一种图像处理设备和图像处理系统 |
CN111696083A (zh) * | 2020-05-20 | 2020-09-22 | 平安科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
-
2021
- 2021-03-30 CN CN202110338012.5A patent/CN113160147B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102171552A (zh) * | 2008-10-17 | 2011-08-31 | 日本轻金属株式会社 | 接合质量管理方法及接合质量管理装置 |
CN102825251A (zh) * | 2012-08-24 | 2012-12-19 | 华南理工大学 | 一种基于ccd视觉定位的复杂零件制造方法及其设备 |
CN103020586A (zh) * | 2012-11-13 | 2013-04-03 | 浙江省电力公司电力科学研究院 | 一种pcb板识别方法、装置及系统 |
US20160379434A1 (en) * | 2013-08-05 | 2016-12-29 | ZiSheng Huang | System for Automatically Cooking and Selling Frozen Food |
JP2016106294A (ja) * | 2015-12-28 | 2016-06-16 | 墫野 和夫 | 国の全額借金返済と都道府県市町村区の全額借金返済の為の知的所有財産のもし石炭石油天然ガス水素が無くなった場合の世界像と対処の有り方対処の為の全自動ロボット家電システム装置の著作権原本。 |
CN105584015A (zh) * | 2016-01-12 | 2016-05-18 | 重庆世纪精信实业(集团)有限公司 | 基于可调节抱具的抱具调节系统及其方法 |
CN105868766A (zh) * | 2016-03-28 | 2016-08-17 | 浙江工业大学 | 喷涂流水线工件自动检测与识别方法 |
CN206541321U (zh) * | 2017-01-16 | 2017-10-03 | 苏州优函信息科技有限公司 | 金属器件在热处理过程中的跟踪管理系统 |
CN107025469A (zh) * | 2017-06-02 | 2017-08-08 | 山东新活新材料科技有限公司 | 模板自动分选系统及其方法和可读存储介质及计算机设备 |
CN107546105A (zh) * | 2017-06-14 | 2018-01-05 | 新华三技术有限公司 | 器件表面处理方法及系统 |
CN109272462A (zh) * | 2018-09-05 | 2019-01-25 | 中国地质大学(武汉) | 适用于金属工件识别的图像自校正方法、设备及存储设备 |
CN109859192A (zh) * | 2019-02-01 | 2019-06-07 | 东莞中科蓝海智能视觉科技有限公司 | 圆形高反光工件的检测识别方法 |
CN110142228A (zh) * | 2019-06-01 | 2019-08-20 | 哈尔滨理工大学 | 锯片裂纹检测识别分拣系统及分拣方法 |
CN110298918A (zh) * | 2019-08-02 | 2019-10-01 | 湖南海诚宇信信息技术有限公司 | 一种基于gpu实时三维建模显示装置及三维建模显示方法 |
CN111098326A (zh) * | 2019-12-31 | 2020-05-05 | 丹阳利鹏机电科技有限公司 | 一种锻件自动抓取装置 |
CN111339906A (zh) * | 2020-02-24 | 2020-06-26 | 南京恒青中浦光电科技有限公司 | 一种图像处理设备和图像处理系统 |
CN111696083A (zh) * | 2020-05-20 | 2020-09-22 | 平安科技(深圳)有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705487A (zh) * | 2021-08-31 | 2021-11-26 | 西南交通大学 | 精密工件识别及工艺参数关联系统以及识别方法 |
CN113705487B (zh) * | 2021-08-31 | 2023-08-08 | 西南交通大学 | 精密工件识别及工艺参数关联系统以及识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113160147B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111007073B (zh) | 一种増材制造过程中零件缺陷在线检测的方法及检测系统 | |
Penumuru et al. | Identification and classification of materials using machine vision and machine learning in the context of industry 4.0 | |
US11763443B2 (en) | Method for monitoring manufacture of assembly units | |
Wiley et al. | Computer vision and image processing: a paper review | |
CN113239930B (zh) | 一种玻璃纸缺陷识别方法、系统、装置及存储介质 | |
CN112614105B (zh) | 一种基于深度网络的3d点云焊点缺陷检测方法 | |
CN111951232A (zh) | 一种金属粉末注射成型外观缺陷检测方法及系统 | |
CN113160147B (zh) | 热处理工件图像特征识别匹配系统 | |
CN116740048A (zh) | 一种基于融合目标检测技术的锂电池表面缺陷检测方法 | |
Chen et al. | Research on detection algorithm of lithium battery surface defects based on embedded machine vision | |
Wang et al. | Multi-angle automotive fuse box detection and assembly method based on machine vision | |
CN112927190A (zh) | 基于深度学习的Type-C多工位多缺陷统一测量系统 | |
CN110458231B (zh) | 一种陶瓷产品检测方法、装置和设备 | |
CN113705487B (zh) | 精密工件识别及工艺参数关联系统以及识别方法 | |
CN116958052A (zh) | 一种基于yolo和注意力机制的印刷电路板缺陷检测方法 | |
CN114226289A (zh) | 基于机器视觉的自动化激光标记系统、标记方法及应用 | |
Yang et al. | Detection of defects in voltage-dependent resistors using stacked-block-based convolutional neural networks | |
CN111833305B (zh) | 基于机器视觉的板翅式换热器翅片加工质量在线检验方法 | |
CN208623750U (zh) | 智能工业相机 | |
CN113920075A (zh) | 一种基于物体识别的简易缺陷检测方法和系统 | |
CN111951231A (zh) | 一种金属粉末注射成型外观缺陷的标注方法及系统 | |
CN104048968A (zh) | 一种工业加工零件自动缺陷识别系统 | |
CN114998390B (zh) | 一种面向嵌入式智能摄像机的视觉分析系统与方法 | |
Chang et al. | Application of Mob ilenetv3 for Detecting Resin Overflow Defects in Abrasive Wheel | |
Yeh et al. | YOLOv5 based Intelligent Defect Detection of Dual-color Gradient Object Fabricated by Fused Deposition Modeling Additive Manufacturing System |
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 |