CN113340909A - 一种基于机器视觉的胶线缺陷检测方法 - Google Patents

一种基于机器视觉的胶线缺陷检测方法 Download PDF

Info

Publication number
CN113340909A
CN113340909A CN202110897565.4A CN202110897565A CN113340909A CN 113340909 A CN113340909 A CN 113340909A CN 202110897565 A CN202110897565 A CN 202110897565A CN 113340909 A CN113340909 A CN 113340909A
Authority
CN
China
Prior art keywords
glue
area
line
glue line
region
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
Application number
CN202110897565.4A
Other languages
English (en)
Other versions
CN113340909B (zh
Inventor
冀伟
查进
陈辉
曲东升
李长峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Mingseal Robotic Technology Co Ltd
Original Assignee
Changzhou Mingseal Robotic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changzhou Mingseal Robotic Technology Co Ltd filed Critical Changzhou Mingseal Robotic Technology Co Ltd
Priority to CN202110897565.4A priority Critical patent/CN113340909B/zh
Publication of CN113340909A publication Critical patent/CN113340909A/zh
Application granted granted Critical
Publication of CN113340909B publication Critical patent/CN113340909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • 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
    • 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
    • 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
    • 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
    • G01N2021/8887—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 based on image processing techniques

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开一种基于机器视觉的胶线缺陷检测方法，预先点胶，挑选出合格的胶线产品作为模板，相机移动到模板的位置后，上位机发出通知信号，相机接收通知信号并采集图像信息，相机对模板进行拍照得到图像，该图像为模板图像；通过阈值分割提取胶线区域，胶线区域与绘制的检测角点区域求交集得到胶线角点部分，胶线角点部分与胶线区域做差得到胶线的直线检测矩形部分；对直线检测矩形部分进行最小外接矩形拟合，遍历生成垂直于矩形长边的测量直线集合，求得测量直线集合与胶线轮廓的交点，计算得到胶宽，胶宽与标准宽度比较；对胶线角点部分排序后计算角点面积，角点面积与标准面积比较。该方法的通用性强，准确率高，效率高。

Description

一种基于机器视觉的胶线缺陷检测方法
技术领域
本发明涉及机器视觉缺陷检测的技术领域，尤其是一种基于机器视觉的胶线缺陷检测方法。
背景技术
胶线检测是点胶行业必不可少的工序，可以有效检测点胶效果，及时发现不良品，保证产品的质量与性能。随着市场中产品种类越来越多，点胶工艺多变，胶线类型多样。由于现有的胶线检测方法需要针对不同的胶线特征单独设计不同的检测方法和检测算法，研发成本高且效率低下，导致现有的检测方法不再适用当前的检测场景，因而亟需提出一种统一的检测方法，可以适用于多种类型胶线的检测。
发明内容
本发明要解决的技术问题是：为了解决上述背景技术中存在的问题，提供一种基于机器视觉的胶线缺陷检测方法，通用性强，准确率高，操作简单，效率高。
本发明解决其技术问题所采用的技术方案是：一种基于机器视觉的胶线缺陷检测方法，具体步骤如下：
步骤1、接收信号，采集图像信息：预先点胶，挑选出合格的胶线产品作为模板，相机移动到所述模板的位置后，上位机发出通知信号，所述相机接收所述通知信号并采集图像信息，所述相机对所述模板进行拍照得到图像，该图像为模板图像；
步骤2、根据模板图像绘制检测包含区域与检测角点区域：首先通过采用上下限阈值分割提取胶线区域，胶线区域与绘制的检测角点区域求交集得到胶线角点部分，之后将得到的胶线角点部分与胶线区域做差得到胶线的直线检测矩形部分；
步骤3、计算胶宽和角点面积：对直线检测矩形部分进行最小外接矩形拟合，同时遍历生成垂直于矩形长边的测量直线集合，求得测量直线集合与胶线轮廓的交点从而计算得到胶宽数据结果，胶宽数据结果与标准宽度比较判定；对胶线角点部分排序后计算角点面积，角点面积与标准面积比较判定。
进一步具体地限定，上述技术方案中，在步骤2中，采用上下限阈值分割得到胶线轮廓，同时进行平滑操作，具体步骤如下：
步骤2.1、采用上下限阈值分割得到胶线区域后，对区域求得亚像素精度轮廓，用于提高检测精度；
步骤2.2、对亚像素精度轮廓进行平滑操作，可以有效排除一些边缘的瑕疵干扰；
步骤2.3、计算胶线区域的面积与胶线区域的圆度特征值，筛选非胶水干扰区域。
进一步具体地限定，上述技术方案中，在步骤3中，胶宽数据结果与标准宽度比较的判定方法是：预先设定缺陷范围判定比例上限与下限，如果胶宽数据结果小于标准胶宽*下限比例，则认为该部分胶线不合格；如果胶宽数据结果大于标准胶宽*上限比例，则认为该部分胶线不合格；如果胶宽数据结果在标准胶宽*下限比例与标准胶宽*上限比例之间，则认为该部分胶线合格。
进一步具体地限定，上述技术方案中，在步骤3中，角点面积与标准面积的判定方法是：预先设定缺陷范围判定比例上限与下限，如果角点面积小于标准面积*下限比例，则认为该部分胶线不合格；如果角点面积大于标准面积*上限比例，则认为该部分胶线不合格；如果角点面积在标准面积*下限比例与标准面积*上限比例之间，则认为该部分胶线合格。
进一步具体地限定，上述技术方案中，所述胶线区域的面积计算方法是根据开源函数统计区域的像素点个数总和为该区域的面积，该开源函数是：
Figure 341454DEST_PATH_IMAGE001
（1）
其中，
Figure 95783DEST_PATH_IMAGE002
表示区域面积；
Figure 895112DEST_PATH_IMAGE003
表示待计算的区域；
Figure 480814DEST_PATH_IMAGE004
表示区域
Figure 910658DEST_PATH_IMAGE003
内的坐标。
进一步具体地限定，上述技术方案中，所述胶线区域的圆度特征值计算方法是根据开源函数，输入区域，输出得到圆度值，该开源函数是：
Figure 214601DEST_PATH_IMAGE005
（2）
其中，
Figure 489724DEST_PATH_IMAGE006
表示圆度值；
Figure 717485DEST_PATH_IMAGE002
表示区域面积；
Figure 114968DEST_PATH_IMAGE007
表示区域中心到区域轮廓点的最大值。
进一步具体地限定，上述技术方案中，在步骤3中，具体步骤是：
步骤3.1、针对遍历的胶线区域，首先拟合最小外接矩形；
步骤3.2、然后计算测量直线起始点；
步骤3.3、最后根据得到的对应坐标点，生成测量直线，遍历所有测量直线，与平滑后的胶线轮廓相交，求得交点，计算两点间距离即该处的胶宽结果。
本发明的有益效果是：本发明的一种基于机器视觉的胶线缺陷检测方法，通过实时快速采集胶线图片，经过一系列处理，可高效、准确地检测出断胶、溢胶等缺陷，实时显示检测结果，通用性强，可以适用于多种类型胶线的检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明胶线缺陷检测流程图；
图2是采集胶线示意图；
图3是绘制检测包含区域与检测角点区域示意图；
图4是采用上下限阈值分割提取胶线轮廓图；
图5是胶线区域与检测角点区域交集效果图；
图6是胶线直线部分效果图；
图7是胶线直线部分最小外接矩形拟合结果示意图；
图8是测量直线集合示意图；
图9是拟合得到矩形的中心坐标与测量直线起始点的关系示意图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
见图1，本发明的一种基于机器视觉的胶线缺陷检测方法，具体步骤如下：
步骤1、接收信号，采集图像信息（见图2）：预先点胶，挑选出合格的胶线产品作为模板，相机移动到所述模板的位置后，上位机发出通知信号，所述相机接收所述通知信号并采集图像信息，所述相机对所述模板进行拍照得到图像，该图像为模板图像。需要说明的是，普遍以第一个点胶产品作为合格的胶线产品，也会将第二或第三个点胶产品作为合格的胶线产品。上位机是可以直接发出操控命令的计算机，一般是PC/host computer/mastercomputer/upper computer,屏幕上显示各种信号变化。
步骤2、根据模板图像人工绘制检测包含区域与检测角点区域（见图3）：首先通过采用上下限阈值（取值范围0～255）分割提取胶线区域，胶线区域与绘制的检测角点区域求交集得到胶线角点部分（见图5），之后将得到的胶线角点部分与胶线区域做差得到胶线的直线检测矩形部分（见图6）。人工绘制检测包含区域时，根据客户设定的胶线，检测包含区域要全部把胶线包含。人工绘制检测角点区域时，根据客户设定的胶线，检测角点区域要全部把角点包含，便于后续提取胶线的直线检测矩形部分。
在步骤2中，采用上下限阈值分割得到胶线轮廓，同时进行平滑操作，具体步骤如下：
步骤2.1、采用上下限阈值分割得到胶线区域后，对区域求得亚像素精度轮廓，用于提高检测精度。
步骤2.2、对亚像素精度轮廓进行平滑操作，可以有效排除一些边缘的瑕疵干扰，即形态学开操作用来剔除周边杂点干扰得到如图4所示结果。
步骤2.3、计算胶线区域的面积与胶线区域的圆度特征值，筛选非胶水干扰区域；胶线区域的面积计算方法是根据现有的开源函数（见公式1）统计区域的像素点个数总和为该区域的面积，该开源函数是：
Figure 843890DEST_PATH_IMAGE001
（1）
其中，
Figure 985021DEST_PATH_IMAGE002
表示区域面积；
Figure 482998DEST_PATH_IMAGE003
表示待计算的区域；
Figure 316962DEST_PATH_IMAGE004
表示区域
Figure 831382DEST_PATH_IMAGE003
内的坐标。
胶线区域的圆度特征值计算方法是根据现有的开源函数（见公式2），输入区域，可以输出得到圆度值，该开源函数是：
Figure 713888DEST_PATH_IMAGE005
（2）
其中，
Figure 128689DEST_PATH_IMAGE006
表示圆度值；
Figure 71237DEST_PATH_IMAGE002
表示区域面积；
Figure 571488DEST_PATH_IMAGE007
表示区域中心到区域轮廓点的最大值。
计算出所有区域的面积和圆度特征值，以胶线区域的面积和圆度特征值为依据，其他区域的这两个特征与胶线区域的特征相差较大时认为是干扰区域，筛选剔除；相差范围根据人为经验设定。
步骤3、计算胶宽和角点面积：对直线检测矩形部分进行最小外接矩形拟合（见图7），同时遍历生成垂直于矩形长边的测量直线集合，求得测量直线集合与胶线轮廓的交点从而计算得到胶宽数据结果，胶宽数据结果与标准宽度比较判定。需要说明的是，直线检测矩形部分是不规则的矩形，直线检测矩形部分需要通过拟合最小外接矩形得到规则的矩形。在步骤3中，胶宽数据结果与标准宽度比较的判定方法是：预先设定缺陷范围判定比例上限与下限，如果胶宽数据结果小于标准胶宽*下限比例（如80%），则认为该部分胶线不合格；如果胶宽数据结果大于标准胶宽*上限比例（如120%），则认为该部分胶线不合格；如果胶宽数据结果在标准胶宽*下限比例与标准胶宽*上限比例之间，则认为该部分胶线合格。对胶线角点部分排序后计算角点面积，角点面积与标准面积比较判定。在第4步骤中，角点面积与标准面积的判定方法是：预先设定缺陷范围判定比例上限与下限，如果角点面积小于标准面积*下限比例（如80%），则认为该部分胶线不合格；如果角点面积大于标准面积*上限比例（如120%），则认为该部分胶线不合格；如果角点面积在标准面积*下限比例与标准面积*上限比例之间，则认为该部分胶线合格。需要说明的是，对胶线角点部分先排序再计算面积的原因是：胶线角点存在多个，存在不同位置检测角点区域的标准面积不同，所以需要排序后计算得到标准面积，后续检测时，按之前的规则排序，可以保证计算面积与标准面积比较时可以一一对应。步骤3的具体步骤是：
步骤3.1、针对遍历的胶线区域，首先拟合最小外接矩形，拟合得到矩形的中心坐标(Row,Column)、角度Phi、长半轴Length1以及短半轴Length2，其中Row表示矩形中心坐标的纵坐标；Column表示矩形中心坐标的横坐标；角度是矩形长边与水平方向的角度。
步骤3.2、然后计算测量直线起始点Pstart(RowStart ,ColStart )，其中，Pstart表示起始点；RowStart表示起始点的纵坐标；ColStart表示起始点的横坐标。见图9，拟合得到矩形的中心坐标与测量直线起始点的关系如下：
RowStart = Row+Length1*sin(Phi)
ColStart = Column-Length1*cos(Phi)
测量直线生成角度：
mPhi = Phi+(3.1415926/2)
其中，mPhi表示测量直线的角度。
之后以如下公式循环生成测量直线的端点集合
for Index = 0 to 2*Length1-1 by 1
其中，for表示循环的开始；Index表示用于循环的一个牵引；0 to 2*Length1-1by 1表示从0开始，到2*Length1-1（Length1是前面的矩形长边的一半）结束，循环的步长是1（即每次循环增加1）。
row=(RowStart-MeasureWidth*sin(Phi)-(Index*2*MeasureWidth)*sin(Phi))
col=(ColStart+MeasureWidth*cos(Phi)+(Index*2*MeasureWidth)*cos(Phi))
rowLeft=row-(MeasureHeight+inUnitHeight)*sin(mPhi)
colLeft=col+(MeasureHeight+inUnitHeight)*cos(mPhi)
rowRight=row+(MeasureHeight+inUnitHeight)*sin(mPhi)
colRight=col-(MeasureHeight+inUnitHeight)*cos(mPhi)
rows=[rowLeft,rowRight]
cols:=[colLeft,colRight]
Endfor
其中，MeasureWidth、MeasureHeight、inUnitHeight、row 、col、rowLeft、colLeft、rowRight、colRight、rows、cols、Index以及mPhi这些代码是为了循环生成测量直线；MeasureWidth表示相邻两测量直线的间距；MeasureHeight表示测量直线长度的一半；inUnitHeight表示对测量直线长度的补偿修正；MeasureWidth、MeasureHeight以及inUnitHeight这三个参数为开放参数可以根据经验设定；row 和col表示测量直线的中点坐标；rowLeft和colLeft表示测量直线左上角点坐标；rowRight和colRight表示测量直线右下角点坐标；rows和cols是把上面得到的左上角和右下角的横纵坐标分别放到集合中，这样就得到了所有测量直线的端点坐标，可以生成测量直线；Endfor表示循环的结束。
步骤3.3、最后根据得到的对应坐标点，生成测量直线如图8所示，遍历所有测量直线，与平滑后的胶线轮廓相交，求得交点，计算两点间距离即该处的胶宽结果。
以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于机器视觉的胶线缺陷检测方法，其特征在于，具体步骤如下：
步骤1、接收信号，采集图像信息：预先点胶，挑选出合格的胶线产品作为模板，相机移动到所述模板的位置后，上位机发出通知信号，所述相机接收所述通知信号并采集图像信息，所述相机对所述模板进行拍照得到图像，该图像为模板图像；
步骤2、根据模板图像绘制检测包含区域与检测角点区域：首先通过采用上下限阈值分割提取胶线区域，胶线区域与绘制的检测角点区域求交集得到胶线角点部分，之后将得到的胶线角点部分与胶线区域做差得到胶线的直线检测矩形部分；
步骤3、计算胶宽和角点面积：对直线检测矩形部分进行最小外接矩形拟合，同时遍历生成垂直于矩形长边的测量直线集合，求得测量直线集合与胶线轮廓的交点从而计算得到胶宽数据结果，胶宽数据结果与标准宽度比较判定；对胶线角点部分排序后计算角点面积，角点面积与标准面积比较判定。
2.根据权利要求1所述的一种基于机器视觉的胶线缺陷检测方法，其特征在于：在步骤2中，采用上下限阈值分割得到胶线轮廓，同时进行平滑操作，具体步骤如下：
步骤2.1、采用上下限阈值分割得到胶线区域后，对区域求得亚像素精度轮廓；
步骤2.2、对亚像素精度轮廓进行平滑操作；
步骤2.3、计算胶线区域的面积与胶线区域的圆度特征值，筛选非胶水干扰区域。
3.根据权利要求1所述的一种基于机器视觉的胶线缺陷检测方法，其特征在于：在步骤3中，胶宽数据结果与标准宽度比较的判定方法是：预先设定缺陷范围判定比例上限与下限，如果胶宽数据结果小于标准胶宽*下限比例，则认为该部分胶线不合格；如果胶宽数据结果大于标准胶宽*上限比例，则认为该部分胶线不合格；如果胶宽数据结果在标准胶宽*下限比例与标准胶宽*上限比例之间，则认为该部分胶线合格。
4.根据权利要求1所述的一种基于机器视觉的胶线缺陷检测方法，其特征在于：在步骤3中，角点面积与标准面积的判定方法是：预先设定缺陷范围判定比例上限与下限，如果角点面积小于标准面积*下限比例，则认为该部分胶线不合格；如果角点面积大于标准面积*上限比例，则认为该部分胶线不合格；如果角点面积在标准面积*下限比例与标准面积*上限比例之间，则认为该部分胶线合格。
5.根据权利要求2所述的一种基于机器视觉的胶线缺陷检测方法，其特征在于：所述胶线区域的面积计算方法是根据开源函数统计区域的像素点个数总和为该区域的面积，该开源函数是：
Figure 153607DEST_PATH_IMAGE001
（1）
其中，
Figure 70747DEST_PATH_IMAGE002
表示区域面积；
Figure 912801DEST_PATH_IMAGE003
表示待计算的区域；
Figure 931179DEST_PATH_IMAGE004
表示区域
Figure 807868DEST_PATH_IMAGE003
内的坐标。
6.根据权利要求2所述的一种基于机器视觉的胶线缺陷检测方法，其特征在于：所述胶线区域的圆度特征值计算方法是根据开源函数，输入区域，输出得到圆度值，该开源函数是：
Figure 630331DEST_PATH_IMAGE005
（2）
其中，
Figure 959681DEST_PATH_IMAGE006
表示圆度值；
Figure 158581DEST_PATH_IMAGE002
表示区域面积；
Figure 889777DEST_PATH_IMAGE007
表示区域中心到区域轮廓点的最大值。
7.根据权利要求1所述的一种基于机器视觉的胶线缺陷检测方法，其特征在于：在步骤3中，具体步骤是：
步骤3.1、针对遍历的胶线区域，首先拟合最小外接矩形；
步骤3.2、然后计算测量直线起始点；
步骤3.3、最后根据得到的对应坐标点，生成测量直线，遍历所有测量直线，与平滑后的胶线轮廓相交，求得交点，计算两点间距离即该处的胶宽结果。
CN202110897565.4A 2021-08-05 2021-08-05 一种基于机器视觉的胶线缺陷检测方法 Active CN113340909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110897565.4A CN113340909B (zh) 2021-08-05 2021-08-05 一种基于机器视觉的胶线缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110897565.4A CN113340909B (zh) 2021-08-05 2021-08-05 一种基于机器视觉的胶线缺陷检测方法

Publications (2)

Publication Number Publication Date
CN113340909A true CN113340909A (zh) 2021-09-03
CN113340909B CN113340909B (zh) 2021-11-16

Family

ID=77480878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110897565.4A Active CN113340909B (zh) 2021-08-05 2021-08-05 一种基于机器视觉的胶线缺陷检测方法

Country Status (1)

Country Link
CN (1) CN113340909B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870266A (zh) * 2021-12-03 2021-12-31 中导光电设备股份有限公司 一种基于tft-lcd线条缺陷真实性判定方法和系统
CN116152245A (zh) * 2023-04-19 2023-05-23 苏州鑫信腾科技有限公司 一种基于人工智能的胶线缺陷检测系统
CN116630333A (zh) * 2023-07-26 2023-08-22 常州铭赛机器人科技股份有限公司 在线监测激光雷达光学镜片点胶质量的方法
CN116907360A (zh) * 2023-08-03 2023-10-20 苏州苏瑞膜纳米科技有限公司 基于机器视觉的ro膜胶线宽度检测系统及检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003344020A (ja) * 2002-05-30 2003-12-03 Furukawa Battery Co Ltd:The 袋状セパレータの検査方法
CN1982880A (zh) * 2005-12-13 2007-06-20 大日本网目版制造株式会社 差分比较检查方法及差分比较检查装置
TW201139973A (en) * 2010-03-18 2011-11-16 Sumitomo Chemical Co Method for inspecting polarizer bonding precision and bonding precision inspection apparatus
CN103914833A (zh) * 2014-03-11 2014-07-09 辰通智能设备(深圳)有限公司 一种自动检测票据是否残缺的方法及系统
CN103996049A (zh) * 2014-05-05 2014-08-20 南京大学 一种基于视频图像的船舶超长超宽检测方法
CN110296997A (zh) * 2019-07-03 2019-10-01 三峡大学 基于机器视觉的陶瓷瓦的缺陷检测方法及装置
CN112595276A (zh) * 2020-11-27 2021-04-02 哈尔滨工程大学 一种基于深度学习的输电线路覆冰厚度检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003344020A (ja) * 2002-05-30 2003-12-03 Furukawa Battery Co Ltd:The 袋状セパレータの検査方法
CN1982880A (zh) * 2005-12-13 2007-06-20 大日本网目版制造株式会社 差分比较检查方法及差分比较检查装置
TW201139973A (en) * 2010-03-18 2011-11-16 Sumitomo Chemical Co Method for inspecting polarizer bonding precision and bonding precision inspection apparatus
CN103914833A (zh) * 2014-03-11 2014-07-09 辰通智能设备(深圳)有限公司 一种自动检测票据是否残缺的方法及系统
CN103996049A (zh) * 2014-05-05 2014-08-20 南京大学 一种基于视频图像的船舶超长超宽检测方法
CN110296997A (zh) * 2019-07-03 2019-10-01 三峡大学 基于机器视觉的陶瓷瓦的缺陷检测方法及装置
CN112595276A (zh) * 2020-11-27 2021-04-02 哈尔滨工程大学 一种基于深度学习的输电线路覆冰厚度检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
于保军等: "汽车传感器电路板涂胶质量视觉检测系统研究", 《机械工程师》 *
彭赟等: "基于HALCON 的点胶质量检测系统设计", 《包装工程》 *
查广丰: "基于机器视觉的点胶缺陷检测研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
陈甦欣等: "基于视觉的涂胶质量检测方法", 《组合机床与自动化加工技术》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113870266A (zh) * 2021-12-03 2021-12-31 中导光电设备股份有限公司 一种基于tft-lcd线条缺陷真实性判定方法和系统
CN116152245A (zh) * 2023-04-19 2023-05-23 苏州鑫信腾科技有限公司 一种基于人工智能的胶线缺陷检测系统
CN116630333A (zh) * 2023-07-26 2023-08-22 常州铭赛机器人科技股份有限公司 在线监测激光雷达光学镜片点胶质量的方法
CN116630333B (zh) * 2023-07-26 2023-09-29 常州铭赛机器人科技股份有限公司 在线监测激光雷达光学镜片点胶质量的方法
CN116907360A (zh) * 2023-08-03 2023-10-20 苏州苏瑞膜纳米科技有限公司 基于机器视觉的ro膜胶线宽度检测系统及检测方法
CN116907360B (zh) * 2023-08-03 2024-03-12 苏州苏瑞膜纳米科技有限公司 基于机器视觉的ro膜胶线宽度检测系统及检测方法

Also Published As

Publication number Publication date
CN113340909B (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN113340909B (zh) 一种基于机器视觉的胶线缺陷检测方法
CN102175700B (zh) 数字x射线图像焊缝分割和缺陷检测方法
CN102496161B (zh) 一种印刷电路板图像的轮廓提取方法
CN114581742A (zh) 基于线性度的连通域聚类融合方法、装置、系统及介质
CN114693610A (zh) 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质
CN106780526A (zh) 一种铁氧体圆片表面裂痕识别方法
CN115096206B (zh) 一种基于机器视觉的零件尺寸高精度测量方法
WO2021102741A1 (zh) 一种免疫层析检测的图像分析方法以及系统
CN115656182A (zh) 基于张量投票主成分分析的板材点云缺陷检测方法
CN114359161A (zh) 一种缺陷检测方法、装置、设备和存储介质
CN116993804B (zh) 一种基于lsm算法的箍筋尺寸检测方法及系统
CN116596987A (zh) 一种基于双目视觉的工件三维尺寸高精度测量方法
CN112837285B (zh) 一种板面图像的边缘检测方法及装置
CN107767372B (zh) 一种分层并行计算的芯片管脚在线视觉检测系统及其方法
CN114187269B (zh) 小零器件表面缺陷边缘快速检测方法
US20230138821A1 (en) Inspection method for inspecting an object and machine vision system
JP7207948B2 (ja) 外観検査方法及びプログラム
CN113869407A (zh) 一种基于单目视觉的车长测量方法和装置
CN103593667A (zh) 基于集合连通性原理的图像异物快速识别方法
CN113192061A (zh) Led封装外观检测图像的提取方法、装置、电子设备和存储介质
KR20200126921A (ko) 스켈러톤 웨이퍼 검사 방법
CN106778898B (zh) 一种基于运动检测的舵片偏转极性识别方法
CN113222880A (zh) 分析检测方法
CN117495846B (zh) 图像检测方法、装置、电子设备及存储介质
Wu et al. The weld extraction algorithm for robotic arc welding based on 3D laser sensor

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