CN113375568A - 一种基于激光扫描的金属拉丝抛光不良检测方法 - Google Patents

一种基于激光扫描的金属拉丝抛光不良检测方法 Download PDF

Info

Publication number
CN113375568A
CN113375568A CN202110518677.4A CN202110518677A CN113375568A CN 113375568 A CN113375568 A CN 113375568A CN 202110518677 A CN202110518677 A CN 202110518677A CN 113375568 A CN113375568 A CN 113375568A
Authority
CN
China
Prior art keywords
matrix
metal
metal workpiece
value
laser scanning
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
CN202110518677.4A
Other languages
English (en)
Other versions
CN113375568B (zh
Inventor
王波
王德全
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.)
Suzhou Apqi Internet Of Things Technology Co ltd
Original Assignee
Suzhou Apqi Internet Of Things 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 Suzhou Apqi Internet Of Things Technology Co ltd filed Critical Suzhou Apqi Internet Of Things Technology Co ltd
Priority to CN202110518677.4A priority Critical patent/CN113375568B/zh
Publication of CN113375568A publication Critical patent/CN113375568A/zh
Application granted granted Critical
Publication of CN113375568B publication Critical patent/CN113375568B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/02Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0608Height gauges
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明公开了一种基于激光扫描的金属拉丝抛光不良检测方法,其包括采用激光对金属抛光面进行线扫描,得到金属工件的三维信息,并将三维信息按固定数据格式存储在csv格式文件中;读取csv格式文件中的数据,并将读取出的数据信息存放在设定矩阵Amn中;其中,矩阵Amn的行的数量为扫描的行数,记为m;矩阵Amn的列的数量为扫描线上点的个数,记为n;对矩阵Amn中的元素进行分析和处理,根据矩阵Amn中的元素与扫描的金属工件的真实高度差的对应式子为矩阵Amn进行数值化取值,衍生出矩阵Bmn;若矩阵Bmn具有周期性,矩阵Bmn中仅且存在三种元素,则金属工件抛光拉丝为合格品;若矩阵Bmn不具有周期性,矩阵Bmn中存在三种以上的元素,则金属工件抛光拉丝为不合格品。

Description

一种基于激光扫描的金属拉丝抛光不良检测方法
技术领域
本发明涉及工业检测中无损检测方法领域,具体涉及一种基于激光扫描的金属拉丝抛光不良检测方法。
背景技术
在实际生产中,金属拉丝抛光过程中不可避免地会产生或浅、或深的不良情况,这样的产品只能重做产品或者沦为生产垃圾,拉丝抛光不良轻则影响美观,重则会有安全隐患。目前,这种无损检测目前多数靠人工检测,没有行之有效的智能生产方案。
发明内容
本发明的目的是提供一种高效、可靠的基于激光扫描的金属拉丝抛光不良检测算法。
为解决上述技术问题,本发明提供一种基于激光扫描的金属拉丝抛光不良检测方法,其包括步骤为:首先采用激光对金属抛光面进行线扫描,得到金属工件的三维信息,并将三维信息按固定数据格式存储在csv格式文件中。
接着读取csv格式文件中的数据,并将读取出的数据信息存放在设定矩阵Amn中;其中,矩阵Amn的行的数量为扫描的行数,记为m;矩阵Amn的列的数量为扫描线上点的个数,记为n。
再对矩阵Amn中的元素进行分析和处理,根据矩阵Amn中的元素与扫描的金属工件的真实高度差的对应式子为矩阵Amn进行数值化取值,衍生出矩阵Bmn
若矩阵Bmn具有周期性,矩阵Bmn中仅且存在三种元素,则金属工件抛光拉丝为合格品;若矩阵Bmn不具有周期性,矩阵Bmn中存在三种以上的元素,则金属工件抛光拉丝为不合格品。
进一步地,金属工件的三维信息包括平面位置信息和改点高度信息。
进一步地,固定数据格式为:csv格式文件中的每一列表示某个时刻扫描线对应金属工件上的三维信息,每一行表示扫描金属工件所有线的叠加起来的数据。
进一步地,矩阵Amn的列的数量n为固定值,矩阵Amn中的元素为当前扫描的金属工件的高度,矩阵Amn中的元素的数值为正整数且小于32768。
进一步地,在步骤S3中,根据对应式子将矩阵Amn中的元素与真实高度差进行转换,对应式子为:
Figure BDA0003063014170000021
其中,h为真实高度差,单位为μm;h的取值范围,即扫描的高度范围为±Δh,Δh<<|h|max
α的数值可取[0.4,0.8,1.6,4,8,16];x为矩阵Amn中的元素,且x的取值区间为
Figure BDA0003063014170000022
进一步地,在步骤S3中,对矩阵Amn进行数值化取值,衍生出矩阵Bmn
即令aij是矩阵Amn对应位置上的值,即矩阵Amn中的元素的数值x,其中i∈[1,m],j∈[1,n];令bij为矩阵Bmn对应位置上的值,aij与bij的衍生关系为:
当aij∈[x1,(2x1+x2)/3],取bij=-1;
当aij∈[(2x1+x2)/3,(x1+2x2)/3],取bij=0;
当aij∈[(x1+2x2)/3,x2],取bij=1;
当aij<x1或者aij>x2,取bij=2。
本发明的有益效果为:该基于激光扫描的金属拉丝抛光不良检测算法针对于抛光拉丝的高度具有一种特殊的周期性,通过激光线扫描金属抛光面,并对得到数据信息做预处理,然后应用算法,进行分析识别处理,进而检测出金属工件的合格品与不合格品,且可靠性和稳定性都能达到非常高的要求。
附图说明
图1示意性地给出了基于激光扫描的金属拉丝抛光不良检测方法的流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,根据本申请设计,为克服现有技术的不足、生产智能化低和人力成本较高的现状,提供了一种基于激光扫描的金属拉丝抛光不良检测方法。常规地,由于抛光拉丝的高度具有一种特殊的周期性,本申请设计思路即为对这种周期性规律进行分析,进而做到不良金属工件的识别和分类。
该基于激光扫描的金属拉丝抛光不良检测算法的具体步骤包括:首先采用激光线扫描设备对金属抛光面进行线扫描,得到金属工件的三维信息,并将三维信息按固定数据格式存储在csv格式文件中。其中,金属工件的三维信息包括平面位置信息和改点高度信息。
接着,将得到的三维数据信息从设备中提取出来,做分析算法处理。具体表示为:读取csv格式文件中的数据,这些数据是通过激光线扫描设备线扫描得到的具有设备保存的固定格式。其固定数据格式为:csv格式文件中的每一列表示某个时刻扫描线对应金属工件上的三维信息,每一行表示扫描金属工件所有线的叠加起来的数据。
根据设备提供的数据格式,将读取出的数据信息存放在设定矩阵Amn中;其中,矩阵Amn的行的数量为扫描的行数,记为m;矩阵Amn的列的数量为扫描线上点的个数,记为n。
其中,矩阵Amn中的元素为当前扫描的金属工件的高度,且由于矩阵Amn的列的数量n为固定值,而m值为扫描的行数,其取决于移动速度和扫描频率;因此在扫描初期,矩阵Amn中的元素的数值为正整数且小于2的16次方,即32768。
根据对应式子将矩阵Amn中的元素与真实高度差进行转换,对应式子为:
Figure BDA0003063014170000041
当然,也可以表示为:h=(x-32768)*α。
其中,x为矩阵Amn中的元素,h为真实高度差,单位为μm;α的数值可取[0.4,0.8,1.6,4,8,16]。同时,可根据扫描器类型定义h的取值范围,即扫描的高度范围为±Δh,且Δh<<|h|max
根据±Δh的取值范围和对应式子的公式,可得出x的取值区间,得到[X1,X2],X1,X2<65536,直观地,即
Figure BDA0003063014170000042
接着,对矩阵Amn中的元素进行分析和处理,根据矩阵Amn中的元素与扫描的金属工件的真实高度差的对应式子为矩阵Amn进行数值化取值,衍生出矩阵Bmn
具体地,对矩阵Amn进行特定处理,将其元素简单化。即令aij是矩阵Amn对应位置上的值,即矩阵Amn中的元素的数值x,其中i∈[1,m],j∈[1,n];令bij为矩阵Bmn对应位置上的值,aij与bij的衍生关系为:
当aij∈[x1,(2x1+x2)/3],取bij=-1;
当aij∈[(2x1+x2)/3,(x1+2x2)/3],取bij=0;
当aij∈[(x1+2x2)/3,x2],取bij=1;
当aij<x1或者aij>x2,取bij=2,此为对应不良情况下的取值。
或可用分段函数来描述这种衍生关系,记为:x∈[a,b],存在矩阵Amn与矩阵Bmn之间的映射关系f(x):
Figure BDA0003063014170000051
在实际操作中,矩阵Bmn包括但不限于形如:
Figure BDA0003063014170000052
Figure BDA0003063014170000053
矩阵Bmn具有周期性,矩阵Bmn中仅且存在三种元素,即-1,0,1;则金属工件抛光拉丝为合格品。
若矩阵Bmn不具有周期性,或矩阵Bmn中存在三种以上的元素,则金属工件抛光拉丝为不合格品。
当然,观察可以得到矩阵Bmn是具有一定的周期性,且方向与抛光拉丝刀的角度存在一定关系的周期关系。
在具体实施中,其方向与抛光拉丝刀的角度存在的周期关系为若被检测物是合格品,矩阵Bmn按扫描设备与旋转台的之间角度,旋转之后是秩始终为3的周期循环矩阵,其元素值为-1,0,1。
在实际操作中,可通过现有的检测控制系统夹持待检测工件,采用检测控制系统的激光对金属抛光面进行线扫描,采集金属工件各区域处的三维信息数据,选择性的进行取舍,具体可采取普取、抽取或感兴趣区域的采取。并对采集到的区域金属工件三维信息数据进行处理转化。
接着对数据进行算法的预处理,正则化或者阈值分割,将数据放入矩阵Amn中,并对矩阵Amn进行处理,衍生出矩阵Bmn,再对矩阵Bmn进行分析,分析矩阵Bmn的对称性和特殊周期通过设定算法处理获得检测结果,并根据检查结果判断该区域的金属工件部位是否合格。
本发明算法经过多种样本和长时间测试能够比较准确地识别金属抛光不良,可靠性和稳定性都能达到非常高的要求。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于激光扫描的金属拉丝抛光不良检测方法,其特征在于,包括如下步骤:
S1.采用激光对金属抛光面进行线扫描,得到金属工件的三维信息,并将所述三维信息按固定数据格式存储在csv格式文件中;
S2.读取所述csv格式文件中的数据,并将读取出的数据信息存放在设定矩阵Amn中;其中,矩阵Amn的行的数量为扫描的行数,记为m;矩阵Amn的列的数量为扫描线上点的个数,记为n;
S3.对矩阵Amn中的元素进行分析和处理,根据矩阵Amn中的元素与扫描的金属工件的真实高度差的对应式子为矩阵Amn进行数值化取值,衍生出矩阵Bmn
若矩阵Bmn具有周期性,矩阵Bmn中仅且存在三种元素,则金属工件抛光拉丝为合格品;若矩阵Bmn不具有周期性,矩阵Bmn中存在三种以上的元素,则金属工件抛光拉丝为不合格品。
2.根据权利要求1所述的基于激光扫描的金属拉丝抛光不良检测算法,其特征在于:所述金属工件的三维信息包括平面位置信息和改点高度信息。
3.根据权利要求1所述的基于激光扫描的金属拉丝抛光不良检测算法,其特征在于,所述固定数据格式为:所述csv格式文件中的每一列表示某个时刻扫描线对应金属工件上的三维信息,每一行表示扫描金属工件所有线的叠加起来的数据。
4.根据权利要求1所述的基于激光扫描的金属拉丝抛光不良检测算法,其特征在于:所述矩阵Amn的列的数量n为固定值,矩阵Amn中的元素为当前扫描的金属工件的高度,所述矩阵Amn中的元素的数值为正整数且小于32768。
5.根据权利要求4所述的基于激光扫描的金属拉丝抛光不良检测算法,其特征在于:在所述步骤S3中,根据对应式子将矩阵Amn中的元素与真实高度差进行转换,所述对应式子为:
Figure FDA0003063014160000021
其中,h为真实高度差,单位为μm;h的取值范围,即扫描的高度范围为±Δh,Δh<<|h|max
α的数值可取[0.4,0.8,1.6,4,8,16];x为矩阵Amn中的元素,且x的取值区间为
Figure FDA0003063014160000022
6.根据权利要求5所述的基于激光扫描的金属拉丝抛光不良检测算法,其特征在于:在所述步骤S3中,对矩阵Amn进行数值化取值,衍生出矩阵Bmn
即令aij是矩阵Amn对应位置上的值,即矩阵Amn中的元素的数值x,其中i∈[1,m],j∈[1,n];令bij为矩阵Bmn对应位置上的值,aij与bij的衍生关系为:
当aij∈[x1,(2x1+x2)/3],取bij=-1;
当aij∈[(2x1+x2)/3,(x1+2x2)/3],取bij=0;
当aij∈[(x1+2x2)/3,x2],取bij=1;
当aij<x1或者aij>x2,取bij=2。
CN202110518677.4A 2021-05-12 2021-05-12 一种基于激光扫描的金属拉丝抛光不良检测方法 Active CN113375568B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110518677.4A CN113375568B (zh) 2021-05-12 2021-05-12 一种基于激光扫描的金属拉丝抛光不良检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110518677.4A CN113375568B (zh) 2021-05-12 2021-05-12 一种基于激光扫描的金属拉丝抛光不良检测方法

Publications (2)

Publication Number Publication Date
CN113375568A true CN113375568A (zh) 2021-09-10
CN113375568B CN113375568B (zh) 2023-03-31

Family

ID=77572753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110518677.4A Active CN113375568B (zh) 2021-05-12 2021-05-12 一种基于激光扫描的金属拉丝抛光不良检测方法

Country Status (1)

Country Link
CN (1) CN113375568B (zh)

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03191330A (ja) * 1989-12-20 1991-08-21 Matsushita Electric Ind Co Ltd 2端子型スイッチングアレーの製造方法
JPH0467270A (ja) * 1990-07-06 1992-03-03 Mitsubishi Electric Corp 外観検査装置
US5483603A (en) * 1992-10-22 1996-01-09 Advanced Interconnection Technology System and method for automatic optical inspection
JPH08297020A (ja) * 1995-04-26 1996-11-12 Matsushita Electric Ind Co Ltd 欠陥検査方法とその装置
EP0756152A1 (fr) * 1995-07-26 1997-01-29 Satimage Procédé et dispositif de détection de l'état de surface de pièces à surface réfléchissante, applicable au contrÔle de rugosité de pièces polies
GB9907701D0 (en) * 1998-04-01 1999-05-26 Real 3D A linear surface memory to spatial tiling algorithm/mechanism
JP2000113194A (ja) * 1998-10-09 2000-04-21 Ricoh Co Ltd 3次元形状抽出方法及び装置並びに記録媒体
JP2000263842A (ja) * 1999-03-15 2000-09-26 Fuji Xerox Co Ltd 画像形成装置
AU7556401A (en) * 1996-08-12 2001-11-15 Centre De Recherche Industrielle Du Quebec Apparatus and method for detecting surface defects
JP2003028808A (ja) * 2001-07-18 2003-01-29 Hitachi Ltd 表面検査方法および表面検査装置
JP2004064473A (ja) * 2002-07-30 2004-02-26 Fuji Photo Film Co Ltd 閾値マトリクスの作成方法およびカラー画像データの作成装置
CN1843768A (zh) * 2005-04-06 2006-10-11 株式会社日立产机系统 纳米印刷模具、其制造方法及纳米印刷装置和方法
JP2007202029A (ja) * 2006-01-30 2007-08-09 Brother Ind Ltd 設定装置及び画像形成装置
FR2904130A1 (fr) * 2006-07-19 2008-01-25 Advanced Track Et Trace Sa Procedes et dispositifs de securisation et d'authentification de documents
WO2010109359A2 (en) * 2009-03-24 2010-09-30 International Business Machines Corporation Processing of linear systems of equations
WO2011155984A1 (en) * 2010-06-11 2011-12-15 Waters Technologies Corporation Techniques for mass spectrometry peak list computation using parallel processing
CN108171752A (zh) * 2017-12-28 2018-06-15 成都阿普奇科技股份有限公司 一种基于深度学习的海面船只视频检测与跟踪方法
CN110246123A (zh) * 2019-05-21 2019-09-17 贵州民族大学 一种基于机器视觉的瓷砖铺贴规整度检测方法
CN110405415A (zh) * 2019-07-12 2019-11-05 成都阿普奇科技股份有限公司 一种工业电脑边框加工方法
US20200117700A1 (en) * 2018-10-12 2020-04-16 Hewlett Packard Enterprise Development Lp Sparse matrix vector multiplication with a matrix vector multiplication unit

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03191330A (ja) * 1989-12-20 1991-08-21 Matsushita Electric Ind Co Ltd 2端子型スイッチングアレーの製造方法
JPH0467270A (ja) * 1990-07-06 1992-03-03 Mitsubishi Electric Corp 外観検査装置
US5483603A (en) * 1992-10-22 1996-01-09 Advanced Interconnection Technology System and method for automatic optical inspection
JPH08297020A (ja) * 1995-04-26 1996-11-12 Matsushita Electric Ind Co Ltd 欠陥検査方法とその装置
EP0756152A1 (fr) * 1995-07-26 1997-01-29 Satimage Procédé et dispositif de détection de l'état de surface de pièces à surface réfléchissante, applicable au contrÔle de rugosité de pièces polies
AU7556401A (en) * 1996-08-12 2001-11-15 Centre De Recherche Industrielle Du Quebec Apparatus and method for detecting surface defects
GB9907701D0 (en) * 1998-04-01 1999-05-26 Real 3D A linear surface memory to spatial tiling algorithm/mechanism
JP2000113194A (ja) * 1998-10-09 2000-04-21 Ricoh Co Ltd 3次元形状抽出方法及び装置並びに記録媒体
JP2000263842A (ja) * 1999-03-15 2000-09-26 Fuji Xerox Co Ltd 画像形成装置
JP2003028808A (ja) * 2001-07-18 2003-01-29 Hitachi Ltd 表面検査方法および表面検査装置
JP2004064473A (ja) * 2002-07-30 2004-02-26 Fuji Photo Film Co Ltd 閾値マトリクスの作成方法およびカラー画像データの作成装置
CN1843768A (zh) * 2005-04-06 2006-10-11 株式会社日立产机系统 纳米印刷模具、其制造方法及纳米印刷装置和方法
JP2007202029A (ja) * 2006-01-30 2007-08-09 Brother Ind Ltd 設定装置及び画像形成装置
FR2904130A1 (fr) * 2006-07-19 2008-01-25 Advanced Track Et Trace Sa Procedes et dispositifs de securisation et d'authentification de documents
WO2010109359A2 (en) * 2009-03-24 2010-09-30 International Business Machines Corporation Processing of linear systems of equations
WO2011155984A1 (en) * 2010-06-11 2011-12-15 Waters Technologies Corporation Techniques for mass spectrometry peak list computation using parallel processing
CN108171752A (zh) * 2017-12-28 2018-06-15 成都阿普奇科技股份有限公司 一种基于深度学习的海面船只视频检测与跟踪方法
US20200117700A1 (en) * 2018-10-12 2020-04-16 Hewlett Packard Enterprise Development Lp Sparse matrix vector multiplication with a matrix vector multiplication unit
CN110246123A (zh) * 2019-05-21 2019-09-17 贵州民族大学 一种基于机器视觉的瓷砖铺贴规整度检测方法
CN110405415A (zh) * 2019-07-12 2019-11-05 成都阿普奇科技股份有限公司 一种工业电脑边框加工方法

Also Published As

Publication number Publication date
CN113375568B (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN106683075B (zh) 一种输电线杆塔横担处螺栓缺陷检测方法
CN111080622B (zh) 神经网络训练方法、工件表面缺陷分类与检测方法及装置
CN109115800B (zh) 一种产品毛刺的快速检测及长度精确测量方法
CN109974582B (zh) 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法
CN111046872B (zh) 一种光学字符识别方法
CN110874596B (zh) 一种仪表智能识别预警方法及系统
CN109752392B (zh) 一种pcb板缺陷类型检测系统和方法
CN111652857B (zh) 一种绝缘子缺陷红外检测方法
CN107665348B (zh) 一种变电站数字仪表的数字识别方法和装置
CN113658131B (zh) 一种基于机器视觉巡游式环锭纺断纱检测方法
CN111815555A (zh) 对抗神经网络结合局部二值的金属增材制造图像检测方法及装置
CN106290392A (zh) 一种小微轴承表面凹痕缺陷在线检测方法及其系统
CN112270658A (zh) 一种基于机器视觉的电梯钢丝绳检测方法
CN111667475B (zh) 一种基于机器视觉的大枣分级检测方法
CN110276759B (zh) 一种基于机器视觉的手机屏坏线缺陷诊断方法
CN114241364A (zh) 一种架空输电线路异物目标快速标定方法
CN113393426A (zh) 一种轧钢板表面缺陷检测方法
CN113989604A (zh) 基于端到端深度学习的轮胎dot信息识别方法
Luo et al. Research on edge detection algorithm of work piece defect in machine vision detection system
CN108872252A (zh) 一种钢梁裂纹检测系统
CN107492093B (zh) 基于图像处理的轴承异常检测方法
CN113375568B (zh) 一种基于激光扫描的金属拉丝抛光不良检测方法
CN115035071A (zh) 一种pad导光板黑点缺陷的视觉检测方法
CN113947563A (zh) 一种基于深度学习的电缆工艺质量动态缺陷检测方法
CN112330633A (zh) 基于自适应带通滤波的跨接线胶带破损故障图像分割方法

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
GR01 Patent grant
GR01 Patent grant