CN113554579A - 皮革的缺陷检测方法 - Google Patents
皮革的缺陷检测方法 Download PDFInfo
- Publication number
- CN113554579A CN113554579A CN202010263710.9A CN202010263710A CN113554579A CN 113554579 A CN113554579 A CN 113554579A CN 202010263710 A CN202010263710 A CN 202010263710A CN 113554579 A CN113554579 A CN 113554579A
- Authority
- CN
- China
- Prior art keywords
- image
- leather
- substep
- geometric
- detection method
- 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
- 239000010985 leather Substances 0.000 title claims abstract description 93
- 230000007547 defect Effects 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 24
- 239000004576 sand Substances 0.000 claims abstract description 22
- 231100000241 scar Toxicity 0.000 claims abstract description 15
- 208000002874 Acne Vulgaris Diseases 0.000 claims abstract description 10
- 206010000496 acne Diseases 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 15
- 230000001788 irregular Effects 0.000 claims description 14
- 238000003672 processing method Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 206010039580 Scar Diseases 0.000 abstract description 2
- 241001465754 Metazoa Species 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 208000032544 Cicatrix Diseases 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 201000001371 inclusion conjunctivitis Diseases 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000037387 scars Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 210000003491 skin Anatomy 0.000 description 2
- 238000003307 slaughter Methods 0.000 description 2
- 206010044325 trachoma Diseases 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 241001494479 Pecora Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000035617 depilation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003780 hair follicle Anatomy 0.000 description 1
- 230000035876 healing Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000002649 leather substitute Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种皮革的缺陷检测方法,包括以下步骤:第一步骤,获取皮革的待检测区域的采集图像;第二步骤,截取采集图像中背景图像以外的目标图像;第三步骤,确定目标图像中的疑似区域;第四步骤,根据疑似区域获取几何图形;第五步骤,提取几何图形边缘轮廓,确定痘疤缺陷。采用本发明有效地检测出皮革表面痘疤及砂眼缺陷,为实现由机器检测完全代替人工检测提供了可能的皮革的缺陷检测方法,更进一步地提高了皮革缺陷检测技术的通用性及处理效率。
Description
技术领域
本发明涉及一种皮革的缺陷检测方法。
背景技术
目前,皮革制品采用的制作原料主要是皮革。皮革是经脱毛和鞣制等物理以及化学加工方法获得的已变性且不易腐烂的动物皮,包括牛皮、猪皮、羊皮等,来自动物的皮革也被称为“真皮”,与人造革相对。在动物生长期内、宰杀及加工过程中都可能导致原材料出现不可避免的各类缺陷。因而工厂在对皮革进行成品加工时需要快速有效的检测出皮革表面缺陷。
在皮革表面缺陷中,痘疤缺陷与砂眼缺陷是皮革产品所特有的。其中皮革痘疤缺陷是由于动物在生长期内遭受外部伤害,愈合后遗留下来的疤痕,使得皮革表面失去其原有纹理的不明显缺陷,皮革砂眼缺陷是为获取动物原皮屠宰过程中,去除毛皮时毛囊被拔除导致皮革表面微小砂粒状缺陷。在皮革制品的制造过程中,为保证皮制品具有高品质,要求对表面存在缺陷的皮革进行相应处理,因此对皮革痘疤及砂眼缺陷检测是一项重要工作。我国相关企业的生产实际中,皮革痘疤缺陷检测还都是依靠人工完成的。但这种依靠人力检测的方法存在客观性不强以及劳动强度大的缺点。另外,人工检测需要大量的专业人员,增加了生产成本。
随着工业摄像技术以及图像处理技术的日益发展,利用机器视觉技术进行皮革表面缺陷检测也在逐渐发展。由于痘疤缺陷仅在皮革表面呈现浅显的不同于皮革纹理的小块状缺陷,人工检测还需通过触觉感知该处硬度确认缺陷,砂眼缺陷为微小的颗粒状且与皮革表面粒状特征相似,仅颜色略深。现有检测表面缺陷的方法只能实现对较为明显缺陷的检测,难以实现对痘疤、砂眼缺陷的有效检测。可见,针对现存的问题,提供一种快速简便、以及科学有效的识别表面缺陷的皮革的缺陷检测方法具有重要意义。
发明内容
为解决上述问题,本发明提供一种通过对皮革采集图像的处理,有效地检测出皮革表面痘疤及砂眼缺陷,为实现由机器检测完全代替人工检测提供了可能的皮革的缺陷检测方法,更进一步地提高了皮革缺陷检测技术的通用性及处理效率。
为实现上述目的,本发明提供一种皮革的缺陷检测方法,包括以下步骤:
第一步骤,获取皮革的待检测区域的采集图像;
第二步骤,截取采集图像中背景图像以外的目标图像;
第三步骤,确定目标图像中的疑似区域;
第四步骤,根据疑似区域获取几何图形;
第五步骤,提取几何图形的边缘轮廓,确定痘疤缺陷。
为实现上述目的,本发明还提供另一种皮革的缺陷检测方法,包括以下步骤:
第一步骤,获取皮革的待检测区域的采集图像;
第二步骤,截取采集图像中背景图像以外的目标图像;
第三步骤,确定目标图像中的疑似区域,获取疑似区域的灰度特征参数;
第四步骤,确定疑似区域内不规则几何图形,获取图形几何特征参数;
第五步骤,根据灰度特征参数及几何特征参数确定砂眼缺陷。
本发明的皮革的缺陷检测方法,改变了以往通过机器视觉技术只能检测出皮革表面显著缺陷或检测准确度较低的局面,满足了皮革工业机器检测代替人工检测的要求。
附图说明
图1为本发明的皮革的缺陷检测方法的流程图。
图2为本发明的皮革的缺陷检测方法的另一个流程图。
图3为待检测的皮革的示意图。
具体实施方式
下面,结合附图,对本发明的结构以及工作原理等作进一步的说明。
在本发明的实施方式中,通过在图3所示的待检测皮革1的光滑面上侧设置相机,获取待检测皮革光滑面图像。具体来说,利用在一条直线上安装多部面阵相机,并将光源设置在一定角度对皮革表面进行照射,用于突显皮革表面痘疤、砂眼缺陷。由于相机只能实现对一定范围图像的获取,因而设置皮革运动的方式,完成对整张皮革的拍摄,并通过图像拼接技术合成一张皮革整体。
在本实施例中,采用面阵相机拍摄可以减少拍摄次数,且图像效果好。但由于面阵相机只能静态拍摄,故需通过协调好相机拍摄速率与皮革行进速率,保证相机拍摄时皮革是相对静止的。
图1为本发明的皮革的缺陷检测方法的流程图。如图1所示,皮革的缺陷检测方法包括步骤S110-S150。
在步骤S110中,获取皮革的待检测区域的采集图像。在S120中,截取采集图像中背景图像以外的目标图像。在步骤S130中,确定目标图像中的疑似区域。在步骤S140中,根据疑似区域获取几何图形。在步骤S150中,提取几何图形边缘轮廓,确定痘疤缺陷。优选为,待检测区域包括皮革的整个光滑面,采集图像包括皮革光滑面上的图像。
在步骤S120中包括以下子步骤:
获取采集图像的复制图像;
对复制图像进行去噪处理,并利用图像分割方法获取去噪后的复制图像内的受检位置的边缘线;
获取边缘线的所有像素点的坐标值;
根据边缘线的所有像素点的坐标值在采集图像中截取目标图像。
具体来说,通过在采集图像中截取目标图像,可以剔除非检测面的影响。步骤S120主要是针对皮革边缘图像获取时,不可避免的拍摄到载物台。
同时,先复制采集图像,并获得复制图像,通过对复制图像进行处理以获得边缘线,可以防止出现由于对原始的采集图像进行处理后,而造成对原始的采集图像的后续处理的影响。然后,可以对复制图像通过滤波方式进行去噪处理,在本实施例中,滤波方式可以优选为高斯滤波。
在步骤S130中包括以下子步骤:
对目标图像进行去噪处理;
利用图像边缘检测方法处理去噪后的目标图像,获取目标图像的皮革纹理图像;
通过识别皮革纹理图像中纹理缺失或纹理紊乱区域,确定目标图像中的疑似区域。
具体地,利用均值滤波的处理方式去除目标图像中的噪声点,消除面阵相机在信号输送中对图像成像质量的影响。本实施例采取Canny算子处理目标图像获取皮革纹理。由于皮革痘疤缺陷在皮革上呈现深色或浅色而存在灰度差异,故确定目标图像中的疑似区域时,也可将纹理识别与灰度值大小结合运用。
在步骤S140中包括以下子步骤:
过滤疑似区域的背景图像,并获取疑似区域对应的几何图形;
提取几何图形形状。
具体来说,过滤疑似区域的背景图像,并获取疑似区域对应的几何图形的子步骤包括以下子步骤:
利用二值化方法过滤疑似区域的背景图像;
利用形态学处理方法处理过滤背景图案后的疑似区域,获取几何图形。
上述中,利用二值化处理目标图像中的疑似区域,获取得到仅有红黑两种色彩的图像。利用形态学处理方法,优先采用膨胀处理方法获取颜色为红色的几何图形。其中,二值化处理时最优阈值为195-200。
在步骤S150中包括以下子步骤:
提取获取的几何图形边缘轮廓;
利用边缘轮廓特征点与预设图形轮廓特征点相似度比较;
根据设定阈值,确定痘疤缺陷。
具体来说,皮革表面痘疤缺陷一般呈现月牙形或圆形,通过预设两种图形形状,并提取检测所得图形特征点与预设图形特征点比对,相似度达到预设阈值,则确定为痘疤缺陷。根据多次试验结果,可以设置其相似度阈值最低为80-85。
图2为本发明的皮革的缺陷检测方法的另一个流程图。如图2所示,皮革的缺陷检测方法包括步骤S210-S250。
在步骤S210中,获取皮革的待检测区域的采集图像。在步骤S220中,截取采集图像中背景图像以外的目标图像。在步骤S230中,确定目标图像中的疑似区域,获取疑似区域的灰度特征参数。在步骤S240中,确定疑似区域内的不规则几何图形,获取图形几何特征参数。在步骤S250中,根据灰度特征参数及几何特征参数确定砂眼缺陷。
在步骤S230中包括以下子步骤:
对目标图像进行去噪处理;
利用边缘检测方法处理去噪后的目标图像,确定目标图像的疑似区域,并得到待分析图像;
获取待分析图像的一阶灰度直方图,并提取灰度特征参数。
具体来说,利用均值滤波的处理方式去除目标图像中的噪声点,消除面阵相机在信号输送中对图像成像质量的影响。选用Prewitt算子对图像进行处理,增强图像的灰度差异。由于砂眼缺陷的特点,采集的图像中灰度值存在阶跃式的变化,便于灰度特征参数的提取。
在步骤S240中包括以下子步骤:
利用插值法处理待分析图像,获取待分析图像的高分辨率图像;
过滤待分析图像的背景图像,并得到对应的不规则几何图形;
确定不规则几何图形的几何特征参数。
具体地,由于砂眼缺陷极小,为便于缺陷检测,采用插值法处理待分析图像,本发明实施例选用双线性插值方法处理,插值公式为
f(x,y1)≈(x2-x)*f(Q11)÷(x2-x1)+(x-x1)*f(Q21)÷(x2-x1)
f(x,y2)≈(x2-x)*f(Q12)÷(x2-x1)+(x-x1)*f(Q22)÷(x2-x1),
式中f(Q11),f(Q21),f(Q12),f(Q22)为选定四个定点的像素值,所选四个定点在待检测图像中构成矩形的四个顶点,并分别对两个方向进行一次线性插值,获得待分析图像的放大且具有高分辨率图像,以便于更好的检测可能存在的砂眼缺陷。
具体地,过滤待分析图像的背景图像,并得到对应的不规则几何图形的子步骤中包括以下子步骤:
利用二值化方法过滤疑似区域的背景图像;
利用膨胀处理方法处理过滤背景图案后的疑似区域,获取几何图形。
上述子步骤中,利用二值化处理目标图像中的疑似区域,获取得到仅有红黑两种色彩的图像。采用膨胀处理方法获取颜色为红色的不规则几何图形。其中二值化处理时,最优阈值可以设置为190-195。
在本发明实施例中,灰度特征参数包括疑似区域的灰度平均值、灰度最小值,几何特征参包括不规则几何图形的面积。
具体地,根据预定数量和预定面积将一阶灰度直方图分为多块子直方图。其中,优选为10块。然后,提取每块子直方图中的灰度平均值。灰度平均值为其中,N为子直方图的像素总数量,n(i)为灰度级为i的像素点的总数量,i为像素点的灰度级,L为子直方图的灰度等级。
在步骤S250中包括以下子步骤:
将灰度最小值与设置的第一预设值比较,初步确定砂眼缺陷位置。
初步确定砂眼缺陷位置的子步骤还包括以下子步骤:
将灰度平均值与灰度最小值的差值与设置的第二预设阈值比较,初步确定灰度平均值所处图像中砂眼缺陷个数;
将不规则几何图形面积与设置的第三预设值比较,确定砂眼缺陷及个数。
在本实施例中,根据多次试验,可以设置第一预设值为50,若灰度最小值<50,则认为该灰度最小值所在图像可能存在砂眼缺陷位置,否则不存在砂眼缺陷。
若确定灰度最小值所处图像可能存在砂眼缺陷,根据多次试验,可以设置第二预设阈值为50-90。当灰度平均值与灰度最小值之差<50,则认为该图像中砂眼缺陷个数可能大于10,当灰度平均值与灰度最小值之差<60,则认为该图像中砂眼缺陷个数可能小于10、大于8,当灰度平均值与灰度最小值之差<80,则认为该图像中砂眼缺陷个数可能小于8、大于6,当灰度平均值与灰度最小值之差<90,则认为该图像中砂眼缺陷个数可能小于6。
若初步确定灰度最小值所处图像可能存在的砂眼个数,根据多次试验,可以设置第三预设值为0.01mm2。获取灰度最小值所处图像中不规则图形面积,当不规则图形面积不大于0.01mm2时,确定其为砂眼缺陷,从而确定砂眼缺陷及其数目。
根据本发明的皮革的缺陷检测方法,利用机器视觉检测装置、皮革颜色检测装置、皮革光泽度检测装置、皮革厚度检测装置集合在一个系统内,利用自动化检测装置代替人工,首次实现对皮革疵点、色差及光泽度、厚度集中检测的功能,同时结合皮革所有信息对进行配皮、改进皮革划分方式,进而提升了皮革检测效率及企业生产效率。
以上仅为本发明的示意性描述,本领域技术人员应该知道,在不偏离本发明的工作原理的基础上,可以对本发明作出多种改进,均属于本发明的保护范围。
Claims (10)
1.一种皮革的缺陷检测方法,其特征在于,包括以下步骤:
第一步骤,获取皮革的待检测区域的采集图像;
第二步骤,截取采集图像中背景图像以外的目标图像;
第三步骤,确定目标图像中的疑似区域;
第四步骤,根据疑似区域获取几何图形;
第五步骤,提取几何图形的边缘轮廓,确定痘疤缺陷。
2.如权利要求1所述的皮革的缺陷检测方法,其特征在于,
第三步骤包括以下子步骤:
第一子步骤,对目标图像进行去噪处理;
第二子步骤,利用图像边缘检测方法处理去噪后的目标图像,获取目标图像的皮革纹理图像;
第三子步骤,通过识别皮革纹理图像中的纹理缺失或纹理紊乱区域,确定目标图像中的疑似区域。
3.如权利要求1所述的皮革的缺陷检测方法,其特征在于,
第四步骤包括以下子步骤:
第四子步骤,过滤疑似区域的背景图像,并获取疑似区域对应的几何图形;
第五子步骤,提取几何图形形状。
4.如权利要求3所述的皮革的缺陷检测方法,其特征在于,
第四子步骤包括以下子步骤:
第六子步骤,利用二值化方法过滤疑似区域的背景图像;
第七子步骤,利用形态学处理方法处理过滤背景图案后的疑似区域,获取几何图形。
5.如权利要求1所述的皮革的缺陷检测方法,其特征在于,
第五步骤包括以下子步骤:
第八子步骤,提取获取的几何图形的边缘轮廓;
第九子步骤,利用边缘轮廓的特征点与预设图形轮廓特征点相似度比较;
第十子步骤,根据设定阈值,确定痘疤缺陷。
6.一种皮革的缺陷检测方法,其特征在于,包括以下步骤:
第一步骤,获取皮革的待检测区域的采集图像;
第二步骤,截取采集图像中背景图像以外的目标图像;
第三步骤,确定目标图像中的疑似区域,获取疑似区域的灰度特征参数;
第四步骤,确定疑似区域内不规则几何图形,获取图形几何特征参数;
第五步骤,根据灰度特征参数及几何特征参数确定砂眼缺陷。
7.如权利要求6所述的皮革的缺陷检测方法,其特征在于,
第三步骤包括以下子步骤:
第一子步骤,对目标图像进行去噪处理;
第二子步骤,利用边缘检测方法处理去噪后的目标图像,确定目标图像的疑似区域,并得到待分析图像;
第三子步骤,获取待分析图像的一阶灰度直方图,并提取灰度特征参数。
8.如权利要求6所述的皮革的缺陷检测方法,其特征在于,
第四步骤包括以下子步骤:
第四子步骤,利用插值法处理待分析图像,获取待分析图像的高分辨率图像;
第五子步骤,过滤待分析图像的背景图像,并得到对应的不规则几何图形;
第六子步骤,确定不规则几何图形的几何特征参数。
9.如权利要求8所述的皮革的缺陷检测方法,其特征在于,
第五子步骤包括以下子步骤:
第七子步骤,利用二值化方法过滤疑似区域的背景图像;
第八子步骤,利用膨胀处理方法处理过滤背景图案后的疑似区域,获取几何图形。
10.如权利要求6所述的皮革的缺陷检测方法,其特征在于,
第五步骤包括以下子步骤:
第九子步骤,将灰度最小值与设置的第一预设值比较,初步确定砂眼缺陷位置,
第九子步骤还包括以下子步骤:
第十子步骤,将灰度平均值与灰度最小值的差值与设置的第二预设阈值比较,初步确定灰度平均值所处图像中砂眼缺陷个数;
第十一子步骤,将不规则几何图形面积与设置的第三预设值比较,确定砂眼缺陷及个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010263710.9A CN113554579A (zh) | 2020-04-07 | 2020-04-07 | 皮革的缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010263710.9A CN113554579A (zh) | 2020-04-07 | 2020-04-07 | 皮革的缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113554579A true CN113554579A (zh) | 2021-10-26 |
Family
ID=78129255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010263710.9A Pending CN113554579A (zh) | 2020-04-07 | 2020-04-07 | 皮革的缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554579A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152242A (zh) * | 2023-04-18 | 2023-05-23 | 济南市莱芜区综合检验检测中心 | 一种篮球用天然皮革缺陷可视化检测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001184510A (ja) * | 1999-12-24 | 2001-07-06 | Mitsubishi Chemicals Corp | 欠陥検出方法 |
CN101216880A (zh) * | 2007-12-28 | 2008-07-09 | 中国人民解放军海军航空工程学院 | 一种火工品缺陷识别方法 |
CN106504231A (zh) * | 2016-10-11 | 2017-03-15 | 广州视源电子科技股份有限公司 | 元件缺陷检测方法和系统 |
CN107845086A (zh) * | 2017-09-19 | 2018-03-27 | 佛山缔乐视觉科技有限公司 | 一种皮革表面显著性缺陷的检测方法、系统及装置 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN110858395A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的污丝缺陷检测方法 |
CN110857921A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的毛丝缺陷检测方法 |
CN110857919A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的尾丝缺陷检测方法 |
-
2020
- 2020-04-07 CN CN202010263710.9A patent/CN113554579A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001184510A (ja) * | 1999-12-24 | 2001-07-06 | Mitsubishi Chemicals Corp | 欠陥検出方法 |
CN101216880A (zh) * | 2007-12-28 | 2008-07-09 | 中国人民解放军海军航空工程学院 | 一种火工品缺陷识别方法 |
CN106504231A (zh) * | 2016-10-11 | 2017-03-15 | 广州视源电子科技股份有限公司 | 元件缺陷检测方法和系统 |
CN107845086A (zh) * | 2017-09-19 | 2018-03-27 | 佛山缔乐视觉科技有限公司 | 一种皮革表面显著性缺陷的检测方法、系统及装置 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN110858395A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的污丝缺陷检测方法 |
CN110857921A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的毛丝缺陷检测方法 |
CN110857919A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的尾丝缺陷检测方法 |
Non-Patent Citations (1)
Title |
---|
常竞: "鞣制皮革图像分割及缺陷检测的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152242A (zh) * | 2023-04-18 | 2023-05-23 | 济南市莱芜区综合检验检测中心 | 一种篮球用天然皮革缺陷可视化检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816652B (zh) | 一种基于灰度显著性的复杂铸件缺陷识别方法 | |
CN107369136B (zh) | 聚晶金刚石复合片表面裂纹视觉检测方法 | |
CN116843688B (zh) | 一种纺织品质量视觉检测方法 | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
US10453195B2 (en) | Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium | |
CN109658391B (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN113109368A (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
WO2015037141A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN113935666B (zh) | 基于图像处理的建筑装饰墙面砖异常评估方法 | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
CN106900601B (zh) | 一种快速精准识别对虾图像虾头点与虾尾点的方法 | |
CN113554579A (zh) | 皮革的缺陷检测方法 | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
Meng et al. | Size characterisation of edible bird nest impurities: a preliminary study | |
Yeh et al. | Establishing a demerit count reference standard for the classification and grading of leather hides | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN112270683B (zh) | 一种ihc数字预览图识别和组织前景分割方法及系统 | |
CN114354631A (zh) | 一种基于视觉的阀门毛坯表面缺陷检测方法 | |
Liao et al. | Defect detection and classification of machined surfaces under multiple illuminant directions |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211026 |
|
RJ01 | Rejection of invention patent application after publication |