CN113267501A - 片状材料快速检测瑕疵整合系统及其使用方法 - Google Patents
片状材料快速检测瑕疵整合系统及其使用方法 Download PDFInfo
- Publication number
- CN113267501A CN113267501A CN202010095350.6A CN202010095350A CN113267501A CN 113267501 A CN113267501 A CN 113267501A CN 202010095350 A CN202010095350 A CN 202010095350A CN 113267501 A CN113267501 A CN 113267501A
- Authority
- CN
- China
- Prior art keywords
- defect
- photo
- classification
- cloth
- light source
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 147
- 239000000463 material Substances 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims description 15
- 230000010354 integration Effects 0.000 title claims description 13
- 239000004744 fabric Substances 0.000 claims abstract description 38
- 238000003860 storage Methods 0.000 claims abstract description 29
- 230000003287 optical effect Effects 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 14
- 238000010586 diagram Methods 0.000 claims description 14
- 230000002950 deficient Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 4
- 230000001678 irradiating effect Effects 0.000 claims 2
- 238000004519 manufacturing process Methods 0.000 claims 1
- 238000007689 inspection Methods 0.000 description 4
- 238000010924 continuous production Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0118—Apparatus with remote processing
- G01N2021/0125—Apparatus with remote processing with stored program or instructions
- G01N2021/0131—Apparatus with remote processing with stored program or instructions being externally stored
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- 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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种片状材料快速检测瑕疵整合系统，供以检测一布料，而片状材料快速检测瑕疵整合系统，包括：一光学检测模组，供以对于该布料进行拍摄；一系统主机，与光学检测模组资讯连接，系统主机具有资讯连接的一资料接收单元、一定位单元、一瑕疵判别伺服器，资料接收单元供以接收光学检测模组拍摄的照片，该瑕疵判别伺服器供以撷取一瑕疵照片，定位单元供以将各该瑕疵照片与瑕疵位于片状材料的对应座标位置绑定；一储存主机，与主机系统资讯连接，储存主机供以接收瑕疵照片及与瑕疵照片绑定之座标位置；一人工智能辨识单元，与储存主机资讯连接，人工智能辨识单元具有资讯连接的一训练模组及一瑕疵分类模组。
Description
技术领域
本发明涉及一种光学检查的技术，特别是关于一种整合光学检查与深度学习的技术。
背景技术
所谓的卷对卷(Roll-to-Roll)，是种高效能、连续性的生产方式，专门处理可挠性质的薄膜、软板或布料，该类薄膜、软板或布料从原筒状的料卷卷出后，再对该薄膜、软板或布料进行检测，然后再卷成圆筒状。
由于采用卷对卷(Roll-to-Roll)的手段，使待检测的物件快速移动，然而，因为待检测物，例如布料，在快速移动的过程中因为本身的重量而会产生震动，进而让光学的检测设备难以精准的检测，即便光学的检测设备已撷取布料上的瑕疵，也会因布料震动使光学的检测设备检测到的瑕疵变形，进而影响检测的精准度，为此，急需一种能够精确检视布料上的微小瑕疵，且能够进一步判断布料上瑕疵的种类的检测系统。
发明内容
本发明的目的在于一种片状材料快速检测瑕疵的系统，其主要目的是能够精确检视布料上的微小瑕疵，且能够进一步判断布料上瑕疵的种类。
为达前述目的，本发明片状材料快速检测瑕疵的系统，供以检测一布料，而该片状材料快速检测瑕疵整合系统，包括：
一光学检测模组，供以对于该布料进行拍摄。
一系统主机，与该光学检测模组资讯连接，该系统主机具有资讯连接的一资料接收单元、一定位单元、一瑕疵判别伺服器，该资料接收单元供以接收该光学检测模组拍摄的照片，该瑕疵判别伺服器供以撷取一瑕疵照片，该定位单元供以将各该瑕疵照片与瑕疵位于片状材料的对应座标位置绑定。
一储存主机，与该主机系统资讯连接，该储存主机供以接收瑕疵照片及与该瑕疵照片绑定的座标位置。
一人工智能辨识单元，与该储存主机资讯连接， 该人工智能辨识单元具有资讯连接的一训练模组及一瑕疵分类模组，该训练模组供以接收各种样板照片，该训练模组透过该些样板照片形成一判别逻辑，该瑕疵分类模组供以接收该瑕疵照片，该瑕疵分类模组依据该判别逻辑进行分类，再将各该瑕疵照片与其瑕疵分类绑定，再回传至该储存主机。
本发明提供一种片状材料快速检测瑕疵整合系统的使用方法，包括：
一撷取照片步骤，供以对片状材料连续摄影进行拍摄，以取得多张照片。
一判别步骤，供以判断各该照片是否为瑕疵照片，并撷取瑕疵照片。
一位置取得步骤，取得瑕疵照片于片状材料的相对座标，该座标与该瑕疵照片绑定。
一储存步骤，记录瑕疵照片及绑定的座标。
一训练步骤，透过多张样板照片进行分类，形成一判别逻辑。
一分类步骤，透过前述判断逻辑对该些瑕疵照片进行瑕疵分类，并依据前述分类储存该些照片。
藉由前述可知，本发明主要透过系统主机先初步判断出瑕疵照片，再将瑕疵照片储存于储存主机，再透过人工智慧辨识单元由训练后得出的判别逻辑对储存于储存主机的瑕疵照片进行精准的分类，如此一来人工智慧辨识单元仅需辨识少量瑕疵照片，而不用对光学检测模组拍摄的全部照片进行辨识，以提升人工智慧辨识单元的效能，另外，透过人工智慧辨识单元亦能够提供精准的分析，即便光学检测模组检测到的瑕疵变形也能够透过人工智慧辨识单元精准的辨识瑕疵的种类及大小。
附图说明
图1 为本发明片状材料快速检测瑕疵整合系统的光学检测模组的示意图。
图2 为本发明片状材料快速检测瑕疵整合系统的示意图。
图3 为本发明片状材料快速检测瑕疵整合系统的系统主机的示意图。
图4 为本发明片状材料快速检测瑕疵整合系统的系统主机的示意图。
图5 为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。
图6 为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。
图7 为本发明片状材料快速检测瑕疵整合系统的使用方法。
图8 为本发明片状材料快速检测瑕疵整合系统的使用方法较佳实施例的示意图。
图9 为本发明片状材料快速检测瑕疵整合系统的使用方法较佳实施例的示意图。
图10 为本发明片状材料快速检测瑕疵整合系统的使用方法较佳实施例的示意图。
图11 为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。
图12 为本发明片状材料快速检测瑕疵整合系统较佳实施例的示意图。
附图标记说明
光学检测模组10
摄影组10A
光源10B
摄影镜头10C
第一摄影组11
第一光源111
第一摄影镜头112
第二摄影组12
第二光源121
第二摄影镜头122
系统主机20
资料接收单元21
定位单元22
瑕疵判别伺服器23
初步分类模组24
储存主机30
人工智能辨识单元40
训练模组41
瑕疵分类模组42
制表单元50
图像化单元60
布料F
第一侧K1
第二侧K2
瑕疵示意图P
标记P1
第一面F1
第二面F2
记录表单T
撷取照片步骤S1
判别步骤S2
位置取得步骤S3
储存步骤S4
训练步骤S5
分类步骤S6
制表步骤S7
制图步骤S8。
具体实施方式
本发明提供一种片状材料快速检测瑕疵整合系统，请参照图1至6、11至12所示，而该片状材料快速检测瑕疵整合系统供以检测一布料F，而该片状材料快速检测瑕疵整合系统，包括：
一光学检测模组10，供以对于该布料进行拍摄。
较佳的，该光学检测模组10具有至少一摄影组10A，该摄影组10A具有一光源10B及一摄影镜头10C，该光源10B供以照射该布料F，该摄影镜头10C供以对于该布料F进行连续摄影。
一系统主机20，与该光学检测模组10资讯连接，前述资讯连接可透过无线或有线的方式达成，该系统主机具20有资讯连接的一资料接收单元21、一定位单元22、一瑕疵判别伺服器23，该资料接收单元21供以接收该第一摄影镜头112、第二摄影镜头122拍摄的照片，该瑕疵判别伺服器23在透过照片中瑕疵外观据以撷取瑕疵照片，前述瑕疵照片意指照片中的布料具有瑕疵，该定位单元22系供以将各该瑕疵照片与瑕疵位于片状材料的对应座标位置(X,Y)绑定，进而记录各该瑕疵位于布料的位置。
一储存主机30，与该主机系统20资讯连接，前述资讯连接可透过无线或有线的方式达成，该储存主机30供以接收瑕疵照片及与该瑕疵照片绑定的座标位置。
一人工智能辨识单元40，与该储存主机30资讯连接，前述资讯连接可透过无线或有线的方式达成， 该人工智能辨识单元40具有资讯连接的一训练模组41及一瑕疵分类模组42，该训练模组41供以接收各种样板照片，各该样板照片可为各种的瑕疵照片，例如布料缺边的照片、布料勾纱的照片、布料具有压痕的照片、布料具有破洞的照片，该训练模组41透过该些样板照片形成一判别逻辑，该瑕疵分类模组42供以接收该储存主机30的瑕疵照片，该瑕疵分类模组42依据该判别逻辑进行分类，再将各该瑕疵照片与其瑕疵分类绑定，再回传至该储存主机30。
于较佳实施例中，该布料F具有相对的一第一面F1及一第二面F2，该第一面F1朝向一第一侧K1，该第二面F2朝向一第二侧K2，该摄影组10A的数量为多个，且摄影组10A能够区分为至少一第一摄影组11及至少一第二摄影组12，该第一摄影组11的光源10B为一第一光源111，该第一摄影组11的摄影镜头10C为一第一摄影镜头112，该第二摄影组12的光源10B为一第二光源121，该第二摄影组12的摄影镜头10C为一第二摄影镜头122，该第一光源111设置于该布料F的该第一侧K1，该第一光源111供以照射该布料F的第一面F1，以形成一正面光源，该第二光源121设置于该布料F的该第二侧K2，该第二光源121供以照射该布料F的第二面F2，以形成一背面光源，该第一摄影镜头112、第二摄影镜头122皆设置在该布料的第一侧K1，第一摄影镜头112及该第二摄影镜头122对于该布料F的第一面F1进行连续摄影，该第一摄影镜头112是透过正面光源进行拍摄，该第二摄影镜头122是透过该背面光源进行拍摄。
于较佳实施例中，该储存主机30或该系统主机具20有一制表单元50，各该制表单元50依据该瑕疵照片及与其绑定的瑕疵座标、瑕疵分类进行绑定，以形成一记录表单T。
于另一较佳实施例中，该制表单元50依据该瑕疵照片及与其绑定的瑕疵编号、图式、瑕疵座标、瑕疵分类进行绑定，以形成一记录表单T。
于较佳实施例中，该储存主机30或该系统主机20具有一图像化单元60，该图像化单元60依据绑定的瑕疵座标、瑕疵分类形成一瑕疵示意图P，该瑕疵示意图P上于与该瑕疵座标对应的位置上显示一标记P1。
较佳的，该标记P1依据该瑕疵分类形成不同图案，以进行视觉化的示意，举例而言，座标(765,1455)的瑕疵为破洞、座标(6541,888)的座标为缺边，则该图像化单元60则于该图示上对应座标(765,1455)的位置标示圆圈，图示上对应座标(6541,888)的位置标示三角形。
较佳的， 该系统主机20另具有一初步分类模组24，该初步分类模组24供以将瑕疵照片进行初步分类，再将分类后结果回传至该储存主机30，而若该瑕疵分类模组42的分类与该初步分类模组24对于同一张瑕疵照片具有不同分类时，以瑕疵分类模组42的瑕疵分类取代初步分类模组24的分类结果，并调整该初步分类模组24的演算法，使初步分类模组24分类的精准度能够更趋近于瑕疵分类模组42。
一种片状材料快速检测瑕疵整合系统的使用方法，请参照图7至10，包括：
一撷取照片步骤S1，对片状材料连续摄影进行拍摄，以取得多张照片。
一判别步骤S2，供以判断各该照片是否为瑕疵照片，并撷取瑕疵照片，前述判别机制可透过照片中瑕疵外观识别，但不限于此。
一位置取得步骤S3，取得瑕疵照片于片状材料的相对座标，该座标与该瑕疵照片绑定。
一储存步骤S4，记录瑕疵照片及瑕疵发生的座标，并据以备份以避免遗失。
一训练步骤S5，透过多张样板照片进行分类定义，形成一判别逻辑，更进一步的，可藉由提高样板照片的数量以提升判别逻辑的准确度。
较佳的，前述分类定义可透过人员辅助拟定。
一分类步骤S6，透过前述判断逻辑对该些瑕疵照片进行瑕疵分类，并依据前述分类储存该些照片。
较佳的，另包括一制表步骤S7，依据绑定的瑕疵照片、座标及瑕疵分类制成一记录表单T。
较佳的，另包括一制图步骤S8，依据绑定的瑕疵照片、座标及瑕疵分类制成一瑕疵示意图P，该瑕疵示意图P上于与该瑕疵座标对应的位置上显示一标记P1。
较佳的，该标记P1依据该瑕疵分类形成不同图案，以进行视觉化的示意图，举例而言，座标(765,1455)的瑕疵为破洞、座标(6541,888)的座标为缺边，则该图像化单元60于该图示上对应座标(765,1455)的位置标示圆圈，图示上对应座标(6541,888)的位置标示三角形。
藉由前述可知，本发明主要透过系统主机20先初步判断出瑕疵照片，再将瑕疵照片储存于储存主机30，再透过人工智慧辨识单元40由训练后得出的判别逻辑对储存于储存主机30的瑕疵照片进行精准的分类，如此一来经系统主机20的初步筛选，人工智慧辨识单元40仅需辨识少量瑕疵照片，辨识量减少比率可高达99%，而不用对光学检测模组10拍摄的全部照片进行辨识，以提升人工智慧辨识单元40的效能，另外，透过人工智慧辨识单元40亦能够提供精准的分析，即便光学检测模组10检测到的瑕疵变形也能够透过人工智慧辨识单元40精准的辨识瑕疵的种类及大小。
Claims (10)
1.一种片状材料快速检测瑕疵整合系统，供以检测一布料，而该片状材料快速检测瑕疵整合系统，其特征在于：包括：
一光学检测模组，供以对于该布料进行拍摄；
一系统主机，与该光学检测模组资讯连接，该系统主机具有资讯连接的一资料接收单元、一定位单元、一瑕疵判别伺服器，该资料接收单元供以接收该光学检测模组拍摄的照片，该瑕疵判别伺服器供以撷取一瑕疵照片，该定位单元供以将各该瑕疵照片与瑕疵位于片状材料的对应座标位置绑定；
一储存主机，与该主机系统资讯连接，该储存主机供以接收瑕疵照片及与该瑕疵照片绑定的座标位置；
一人工智能辨识单元，与该储存主机资讯连接， 该人工智能辨识单元具有资讯连接的一训练模组及一瑕疵分类模组，该训练模组供以接收各种样板照片，该训练模组透过该些样板照片形成一判别逻辑，该瑕疵分类模组供以接收该瑕疵照片，该瑕疵分类模组依据该判别逻辑进行分类，再将各该瑕疵照片与其瑕疵分类绑定，再回传至该储存主机。
2.如权利要求1所述的片状材料快速检测瑕疵整合系统，其特征在于：所述布料具有相对的一第一面及一第二面，该第一面朝向一第一侧，该第二面朝向一第二侧， 该光学检测模组具有至少一第一摄影组及至少一第二摄影组，该第一摄影组具有一第一光源及一第一摄影镜头，该第二摄影组具有一第二光源及一第二摄影镜头，该第一光源设置于该布料的该第一侧，该第一光源供以照射该布料的第一面，以形成一正面光源，该第二光源设置于该布料的该第二侧，该第二光源供以照射该布料的第二面，以形成一背面光源，该第一摄影镜头、第二摄影镜头皆设置在该布料的第一侧，第一摄影镜头及该第二摄影镜头对于该布料的第一面进行摄影，该第一摄影镜头是透过正面光源进行拍摄，该第二摄影镜头是透过该背面光源进行拍摄；
该资料接收单元供以接收该第一摄影镜头、第二摄影镜头拍摄的照片。
3.如权利要求1所述的片状材料快速检测瑕疵整合系统，其特征在于：所述储存主机或该系统主机具有一制表单元，该制表单元依据该瑕疵照片及与其绑定的瑕疵座标、瑕疵分类形成一记录表单。
4.如权利要求1所述的片状材料快速检测瑕疵整合系统，其特征在于：所述储存主机或该系统主机具有一制表单元，该制表单元依据该瑕疵照片及与其绑定的瑕疵编号、图式、瑕疵座标、瑕疵分类以形成一记录表单。
5.如权利要求1所述的片状材料快速检测瑕疵整合系统，其特征在于：所述储存主机或该系统主机具有一图像化单元，该图像化单元依据绑定的瑕疵座标、瑕疵分类形成一瑕疵示意图，于该瑕疵示意图上与该瑕疵座标对应的位置上显示一标记。
6.如权利要求5所述的片状材料快速检测瑕疵整合系统，其特征在于：所述标记依据该瑕疵分类形成不同图案，以进行视觉化的示意图。
7.如权利要求1所述的片状材料快速检测瑕疵整合系统，其特征在于：所述系统主机另具有一初步分类模组，该初步分类模组供以将瑕疵照片进行初步分类。
8.一种片状材料快速检测瑕疵整合系统的使用方法，其特征在于：包括：
一撷取照片步骤，供以对片状材料连续摄影进行拍摄，以取得多张照片；
一判别步骤，供以判断各该照片是否为瑕疵照片，并撷取瑕疵照片；
一位置取得步骤，取得瑕疵照片于片状材料的相对座标，该座标与该瑕疵照
片绑定；
一储存步骤，记录瑕疵照片及绑定的座标；
一训练步骤，透过多张样板照片进行分类，形成一判别逻辑；
一分类步骤，透过前述判断逻辑对该些瑕疵照片进行瑕疵分类，并依据前述分类储存该些照片。
9.如权利要求8所述的片状材料快速检测瑕疵整合系统的使用方法，其特征在于：另包括，一制表步骤，依据绑定的瑕疵照片、座标及瑕疵分类制成一记录表单。
10.如权利要求8所述的片状材料快速检测瑕疵整合系统的使用方法，其特征在于：另包括，一制图步骤，依据绑定的瑕疵照片、座标及瑕疵分类制成一瑕疵示意图，该瑕疵示意图上于与该瑕疵座标对应的位置上显示一标记。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010095350.6A CN113267501A (zh) | 2020-02-17 | 2020-02-17 | 片状材料快速检测瑕疵整合系统及其使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010095350.6A CN113267501A (zh) | 2020-02-17 | 2020-02-17 | 片状材料快速检测瑕疵整合系统及其使用方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113267501A true CN113267501A (zh) | 2021-08-17 |
Family
ID=77227365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010095350.6A Pending CN113267501A (zh) | 2020-02-17 | 2020-02-17 | 片状材料快速检测瑕疵整合系统及其使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113267501A (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0633368A (ja) * | 1992-07-14 | 1994-02-08 | Gunze Ltd | 生地の検反方法およびその装置 |
| JP2007101359A (ja) * | 2005-10-04 | 2007-04-19 | Nippon Steel Corp | 疵検出装置及び疵検出方法 |
| JP2010223597A (ja) * | 2009-03-19 | 2010-10-07 | Nippon Steel Corp | 表面欠陥検査装置及び表面欠陥検査方法 |
| CN101923059A (zh) * | 2010-04-15 | 2010-12-22 | 北京经纬纺机新技术有限公司 | 一种自动验布方法及系统 |
| CN107064160A (zh) * | 2017-04-01 | 2017-08-18 | 佛山市南海天富科技有限公司 | 基于显著性检测的纺织品表面瑕疵检测方法及系统 |
| CN107316295A (zh) * | 2017-07-02 | 2017-11-03 | 苏州大学 | 一种基于深度神经网络的织物瑕疵检测方法 |
| CN107328787A (zh) * | 2017-07-05 | 2017-11-07 | 北京科技大学 | 一种基于深度卷积神经网络的金属板带表面缺陷检测系统 |
| CN206772843U (zh) * | 2017-05-17 | 2017-12-19 | 无锡精质视觉科技有限公司 | 结合ccd线扫描相机与深度学习的缺陷分类检测系统 |
| CN107607554A (zh) * | 2017-09-26 | 2018-01-19 | 天津工业大学 | 一种基于全卷积神经网络的镀锌冲压件的瑕疵检测与分类方法 |
| CN107657603A (zh) * | 2017-08-21 | 2018-02-02 | 北京精密机电控制设备研究所 | 一种基于智能视觉的工业外观检测方法 |
| CN108301182A (zh) * | 2017-12-22 | 2018-07-20 | 真玫智能科技（深圳）有限公司 | 智能验布机及应用于该智能验布机的控制方法 |
| CN109064459A (zh) * | 2018-07-27 | 2018-12-21 | 江苏理工学院 | 一种基于深度学习的布匹瑕疵检测方法 |
| CN109174694A (zh) * | 2018-08-22 | 2019-01-11 | 杰克缝纫机股份有限公司 | 裁片瑕疵检测系统、方法、电子终端及存储介质 |
| TWM580178U (zh) * | 2019-01-29 | 2019-07-01 | 微精科技股份有限公司 | Cloth 瑕疵 line automatic identification system |
| CN209081912U (zh) * | 2018-07-12 | 2019-07-09 | 卓峰智慧生态有限公司 | 基于人工智能的皮革检测设备与皮革制品生产系统 |
| CN110490874A (zh) * | 2019-09-04 | 2019-11-22 | 河海大学常州校区 | 基于yolo神经网络的纺织布匹表面瑕疵检测方法 |
| CN110659660A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 利用深度学习系统的自动光学检测分类设备及其训练设备 |
| CN110659662A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 利用人工智能的瑕疵检测系统及其方法 |
| CN110659661A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 瑕疵分类标记系统及瑕疵分类标记方法 |
-
2020
- 2020-02-17 CN CN202010095350.6A patent/CN113267501A/zh active Pending
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0633368A (ja) * | 1992-07-14 | 1994-02-08 | Gunze Ltd | 生地の検反方法およびその装置 |
| JP2007101359A (ja) * | 2005-10-04 | 2007-04-19 | Nippon Steel Corp | 疵検出装置及び疵検出方法 |
| JP2010223597A (ja) * | 2009-03-19 | 2010-10-07 | Nippon Steel Corp | 表面欠陥検査装置及び表面欠陥検査方法 |
| CN101923059A (zh) * | 2010-04-15 | 2010-12-22 | 北京经纬纺机新技术有限公司 | 一种自动验布方法及系统 |
| CN107064160A (zh) * | 2017-04-01 | 2017-08-18 | 佛山市南海天富科技有限公司 | 基于显著性检测的纺织品表面瑕疵检测方法及系统 |
| CN206772843U (zh) * | 2017-05-17 | 2017-12-19 | 无锡精质视觉科技有限公司 | 结合ccd线扫描相机与深度学习的缺陷分类检测系统 |
| CN107316295A (zh) * | 2017-07-02 | 2017-11-03 | 苏州大学 | 一种基于深度神经网络的织物瑕疵检测方法 |
| CN107328787A (zh) * | 2017-07-05 | 2017-11-07 | 北京科技大学 | 一种基于深度卷积神经网络的金属板带表面缺陷检测系统 |
| CN107657603A (zh) * | 2017-08-21 | 2018-02-02 | 北京精密机电控制设备研究所 | 一种基于智能视觉的工业外观检测方法 |
| CN107607554A (zh) * | 2017-09-26 | 2018-01-19 | 天津工业大学 | 一种基于全卷积神经网络的镀锌冲压件的瑕疵检测与分类方法 |
| CN108301182A (zh) * | 2017-12-22 | 2018-07-20 | 真玫智能科技（深圳）有限公司 | 智能验布机及应用于该智能验布机的控制方法 |
| CN110659660A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 利用深度学习系统的自动光学检测分类设备及其训练设备 |
| CN110659662A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 利用人工智能的瑕疵检测系统及其方法 |
| CN110659661A (zh) * | 2018-06-29 | 2020-01-07 | 由田新技股份有限公司 | 瑕疵分类标记系统及瑕疵分类标记方法 |
| CN209081912U (zh) * | 2018-07-12 | 2019-07-09 | 卓峰智慧生态有限公司 | 基于人工智能的皮革检测设备与皮革制品生产系统 |
| CN109064459A (zh) * | 2018-07-27 | 2018-12-21 | 江苏理工学院 | 一种基于深度学习的布匹瑕疵检测方法 |
| CN109174694A (zh) * | 2018-08-22 | 2019-01-11 | 杰克缝纫机股份有限公司 | 裁片瑕疵检测系统、方法、电子终端及存储介质 |
| TWM580178U (zh) * | 2019-01-29 | 2019-07-01 | 微精科技股份有限公司 | Cloth 瑕疵 line automatic identification system |
| CN110490874A (zh) * | 2019-09-04 | 2019-11-22 | 河海大学常州校区 | 基于yolo神经网络的纺织布匹表面瑕疵检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI484161B (zh) | 缺陷檢查系統及使用於該缺陷檢查系統之缺陷檢查用攝影裝置、缺陷檢查用畫像處理裝置、缺陷檢查用畫像處理程式、記錄媒體及缺陷檢查用畫像處理方法 | |
| CN109142371A (zh) | 基于深度学习的高密度柔性基板外观缺陷检测系统与方法 | |
| WO2007062563A1 (fr) | Procede d'examen automatique en ligne pour des detections de defauts de surface d'acier pendant le pretraitement de toles d'acier | |
| Mahalingam et al. | Pcb-metal: A pcb image dataset for advanced computer vision machine learning component analysis | |
| CN116559183B (zh) | 一种提高缺陷判定效率的方法及系统 | |
| KR20190122550A (ko) | 검사 관리 시스템, 검사 관리 장치 및 검사 관리 방법 | |
| WO2024055796A1 (zh) | 一种缺陷检测系统、方法、装置、电子设备及存储介质 | |
| CN111929239A (zh) | 一种pcb板零件缺陷的aoi检测装置及检测方法 | |
| JP2020187696A (ja) | 異物マーク判別方法、シート検査装置及びプログラム | |
| CN114518526A (zh) | 一种适用于pcb板ict的自动测试机控制系统 | |
| CN113333329A (zh) | 一种基于深度学习的烟支缺陷检测系统 | |
| CN116091506B (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
| TWM600842U (zh) | 片狀材料快速檢測瑕疵整合系統 | |
| CN113267501A (zh) | 片状材料快速检测瑕疵整合系统及其使用方法 | |
| CN114226262A (zh) | 瑕疵检测方法、瑕疵分类方法及其系统 | |
| CN115272340B (zh) | 工业产品缺陷检测方法和装置 | |
| TWI731565B (zh) | 片狀材料快速檢測瑕疵整合系統及其使用方法 | |
| TWI749714B (zh) | 瑕疵檢測方法、瑕疵分類方法及其系統 | |
| CN1459628A (zh) | 电路板板材表面瑕疵检测即时汇报装置 | |
| TWM606740U (zh) | 瑕疵檢測系統 | |
| CN113267506A (zh) | 木板ai视觉缺陷检测装置、方法、设备及介质 | |
| KR102196114B1 (ko) | 철강 제품 결함 검사 장치 및 방법 | |
| Kleber et al. | Optical sensor evaluation for vision based recognition of electronics waste | |
| JP5189439B2 (ja) | 布検出装置及び布検出方法 | |
| JP2007132858A (ja) | 疵検出方法、装置、及びコンピュータプログラム |
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 |