CN113592867B - 一种基于碳纤维布面残留捆绑纱的检测方法 - Google Patents

一种基于碳纤维布面残留捆绑纱的检测方法 Download PDF

Info

Publication number
CN113592867B
CN113592867B CN202111149261.6A CN202111149261A CN113592867B CN 113592867 B CN113592867 B CN 113592867B CN 202111149261 A CN202111149261 A CN 202111149261A CN 113592867 B CN113592867 B CN 113592867B
Authority
CN
China
Prior art keywords
threshold
points
carbon fiber
boundary
pixel
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.)
Active
Application number
CN202111149261.6A
Other languages
English (en)
Other versions
CN113592867A (zh
Inventor
谈昆伦
季小强
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 Hongfa Zongheng Advanced Material Technology Co Ltd
Original Assignee
Changzhou Hongfa Zongheng Advanced Material 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 Hongfa Zongheng Advanced Material Technology Co Ltd filed Critical Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Priority to CN202111149261.6A priority Critical patent/CN113592867B/zh
Publication of CN113592867A publication Critical patent/CN113592867A/zh
Application granted granted Critical
Publication of CN113592867B publication Critical patent/CN113592867B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本发明公开了一种基于碳纤维布面残留捆绑纱的检测方法，检测方法包括以下步骤：设置视频监控区域，实时采集经过的碳纤维视频图像；提取视频图像中的每一帧图片并将其中对应碳纤维的部分均分成多个检测区域后存储；对检测区域的像素点进行处理，通过特定算法提取图像中检测区域每个像素点的灰度阈值，并提高整体亮度；对所有像素点的灰度阈值进行双阈值分割，筛选出边界点和伪边界点；对伪边界点分析处理，进一步确认是否满足边界点的条件；最后对所有确定的边界点连续区域进行条件筛选，判定是否为残留捆绑纱。通过电子设备实现对碳纤维的智能检测，提高检测精度，同时节省了大量的人力物力。

Description

一种基于碳纤维布面残留捆绑纱的检测方法
技术领域
本发明涉及碳纤维生产技术领域，尤其涉及一种基于碳纤维布面残留捆绑纱的检测方法。
背景技术
在碳纤维的生产过程中，会在碳纤维布面上出现捆绑纱断丝或者并丝的现象，若将残留的捆绑纱线随碳纤维一同送入后续的成型工艺中，对碳纤产品的质量会造成不良影响；由于碳纤维生产线的自动化程度较高，能够长时间持续生产，通过工作人员实时监测碳纤上是否残留有捆绑纱线，不仅容易出现漏检的情况，还会造成不必要的人力、物力的浪费。
鉴于上述问题的存在，本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识，积极加以研究创新，以期创设一种基于碳纤维布面残留捆绑纱的检测方法，使其更具有实用性。
发明内容
本发明的目的就是针对现有技术中存在的缺陷提供一种基于碳纤维布面残留捆绑纱的检测方法，实现碳纤维生产过程中对残留捆绑纱的精确检测。
为了达到上述目的，本发明所采用的技术方案是：一种基于碳纤维布面残留捆绑纱的检测方法，包括以下步骤：
S1：设置视频监控区域，实时采集经过的碳纤维视频图像；
S2：提取视频图像中的每一帧图片并将其中对应碳纤维的部分均分成多个检测区域后存储；
S3：对检测区域的像素点进行处理，得到每一像素点的灰度阈值；
S4：对检测区域所有像素点的灰度阈值进行双阈值分割，筛选出边界点和伪边界点；
S5：对伪边界点分析处理，进一步确认是否满足边界点的条件；
S6：提取所有边界点坐标，判定是否为残留捆绑纱；
在步骤S1中，当视频监控区域设置完成后，采集残留有捆绑纱的碳纤维图片，确定每一捆绑纱线的线宽在图片中占据像素点的个数，并设置比例参数为k，表示图片中每一捆绑纱线的线宽占据k个像素点；
设定碳纤维输送方向为第一方向，第二方向与所述第一方向垂直，所述检测区域通过将图片中对应碳纤维的部分，沿第二方向按预设宽度等分获得。
进一步的，在步骤S3中，对所述检测区域的像素点进行处理的过程中，通过如下公式提取每一像素点的灰度阈值：
g=0.15*R+0.43*G+0.13*B+80；
其中，g表示计算处理得出的该像素点的灰度阈值，R、G、B分别表示该像素点的三原色数值。
进一步的，所述预设宽度通过第二方向上的多个像素点确定，设定所述预设宽度在第二方向上的像素点个数为m，其中，m=α*k，α表示残留捆绑纱线的最小长宽比，α的取值为2或者3。
进一步的，在步骤S4中，对所有像素点进行灰度阈值的双阈值分割，在双阈值分割中设置有下阈值L和上阈值H；
所述上阈值和所述下阈值通过对碳纤维上残留的捆绑纱线进行多角度光源照射，并采集不同角度光源照射状态下，图片中捆绑纱线的像素点所提取的灰度阈值数值变化区间确定。
进一步的，将所述检测区域中所有像素点的灰度阈值与所述下阈值和所述上阈值进行比对，并筛选出符合条件的边界点和伪边界点；
其中，所述边界点的灰度阈值大于等于所述上阈值，所述伪边界点的灰度阈值在所述下阈值和所述上阈值之间。
进一步的，在步骤S5中，选取伪边界点在第一方向上两侧相邻对称的n个像素点，以及在第二方向上两侧相邻对称的n个像素点，分别与所述上阈值比对，当选取像素点中任意一个的灰度阈值大于所述上阈值，则判定该伪边界点为边界点；
在同一方向上共选取n个像素点，且n=k。
进一步的，在步骤S6中，将所述检测区域中的所有像素点放入坐标系中，x轴沿第一方向设置，y轴沿第二方向设置；
当任一边界点区域中，在x轴方向的边界点连续超过k个，并且在y轴方向上的边界点连续超过m个，则判定该区域边界点表示残留捆绑纱线。
本发明的有益效果为：在本发明中，通过特定算法提取图像中检测区域每个像素点的灰度阈值，并提高整体亮度，通过双阈值分割筛选所有像素点的灰度阈值并得到边界点和伪边界点，对伪边界点进一步筛选，最后对所有确定的边界点连续区域进行条件筛选，得到具体残留捆绑纱信息；
通过电子设备实现对碳纤维的智能检测，提高检测精度，同时节省了大量的人力物力。
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发明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为本发明实施例中基于碳纤维布面残留捆绑纱的检测方法的框架示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明公开了一种碳纤维残留捆绑纱的检测方法，用于碳纤维生产过程中实时检测碳纤维纱线中残留的捆绑纱线，在具体检测过程中，碳纤维布面是黑色的，捆绑纱是白色的纱线，但有时候会因为光照的原因，会使拍摄布面的照片上出现一些其他白色的干扰点，因此无法通过单阈值分割精确筛选出检测区域中的残留捆绑纱的部分，因此需要进行双阈值分割实现。
具体的，如图1所示的基于碳纤维布面残留捆绑纱的检测方法的框架示意图，包括以下步骤：
S1：设置视频监控区域，实时采集经过的碳纤维视频图像；
S2：提取视频图像中的每一帧图片并将其中对应碳纤维的部分均分成多个检测区域后存储；
S3：对检测区域的像素点进行处理，得到每一像素点的灰度阈值；
S4：对检测区域所有像素点的灰度阈值进行双阈值分割，筛选出边界点和伪边界点；
S5：对伪边界点分析处理，进一步确认是否满足边界点的条件；
S6：提取所有边界点坐标，判定是否为残留捆绑纱。
其中，在设置视频监控区域的过程中，需要在监控区域设置光源并通过反光板将光线折射至碳纤维布面上，具体监测过程中，需要在碳纤维布面的上下两侧均设置反光板和检测相机，通过检测相机对经过的碳纤维布面两侧进行图像采集。
在重启一次检测系统配合碳纤维生产进行检测时，需要调整视频监控区域中检测相机与碳纤维布面的距离，当视频监控区域设置完成后，采集残留有捆绑纱的碳纤维图片，确定每一捆绑纱线的线宽在图片中占据像素点的个数，并设该比例参数为k。
同时，设定碳纤维输送方向为第一方向，第二方向与第一方向垂直，检测区域通过将图片中对应碳纤维的部分，沿第二方向按预设宽度等分获得。
具体的，在对采集图片中的检测区域进行划分时，是沿第二方向对图片进行均等分割，每一份在第二方向上的预设宽度尽可能小，能够过滤掉碳纤维布面上存在的瑕疵，使对残留捆绑纱线的检测更精确。
预设宽度通过第二方向上的多个像素点确定，设定预设宽度在第二方向上的像素点个数为m，其中，m=α*k，α表示残留捆绑纱线的最小长宽比，α的取值为2或者3。
在上述步骤S4中，对所有像素点进行灰度阈值的双阈值分割，在双阈值分割中设置有下阈值L和上阈值H；
上阈值和下阈值通过对碳纤维上残留的捆绑纱线进行多角度光源照射，并采集不同角度光源照射状态下，图片中捆绑纱线的像素点所提取的灰度阈值数值变化区间确定。
具体的上阈值和下阈值的设定，需要在监控区域设置完成后，调节反光板的折射角度，将光源从多个方向反射至碳纤维布面上的残留捆绑纱，同时实时采集图像，并提取其中显示残留捆绑纱的像素点的灰度阈值，确定上下阈值的设定空间，随捆绑纱线的线宽在图片中占据像素点的个数k一同输入至检测系统中。
进一步的，将检测区域中所有像素点的灰度阈值与下阈值和上阈值进行比对，并筛选出符合条件的边界点和伪边界点；其中，边界点的灰度阈值大于等于上阈值，伪边界点的灰度阈值在下阈值和上阈值之间，图片中选定的符合条件的边界点即代表残留捆绑纱部分。
对于上述条件筛选出的介于上下阈值之间的伪边界点，需要进一步甄别伪边界点是否为边界点，具体的，选取伪边界点在第一方向上两侧相邻对称的n个像素点，以及在第二方向上两侧相邻对称的n个像素点，即选取伪边界点分别在其上下左右四个方向上与其相邻的各（n/2）个像素点，分别与上阈值比对，当选取像素点中任意一个的灰度阈值大于上阈值，则判定该伪边界点为边界点；在同一方向上共选取n个像素点，且n=k。
当完成所有伪边界点的甄别确认后，确定并选取所有的边界点，判断连续的多个边界点是否满足捆绑纱线的识别条件。具体的，将检测区域中的所有像素点放入坐标系中，x轴沿第一方向设置，y轴沿第二方向设置；当任一边界点区域中，在x轴方向的边界点连续超过k个，并且在y轴方向上的边界点连续超过m个，则判定该区域边界点表示残留捆绑纱线。
上述检测方法的一种具体实施例，在监控区域设置完成后，通过检测相机拍摄的图片确认其中残留的捆绑纱线线宽占据2个像素点，因此设定等分出的检测区域宽度为6个像素点。因此判断连续的多个边界点是否为残留捆绑纱的条件为，沿y轴有连续6个以上的像素点，并且沿x轴有连续2个以上的像素点均为边界点，则这些点连成的一条线就是碳纤维的捆绑纱。
在本发明中，对检测区域的像素点进行处理的过程中，通过如下公式提取每一像素点的灰度阈值：
g=0.15*R+0.43*G+0.13*B+80；
其中，g表示计算处理得出的该像素点的灰度阈值，R、G、B分别表示该像素点的三原色数值。
调节光源从多个方向照射至碳纤维布面上的残留捆绑纱，提取采集图像中显示残留捆绑纱的像素点的灰度阈值，确定上下阈值的设定空间。在本实施例中，经过多次试验后，设定下阈值L=75，上阈值H=105。
通过公式计算出检测区域中所有的像素点的灰度阈值g；当g≥105时，确定该像素点是边界点；当75≤g≤105时，确定该像素点是伪边界点。若捆绑纱线线宽占据有2个像素点，则进一步判定伪边界点的上下左右四个像素点的灰度阈值是否满足边界点的条件，若其中任一点满足边界点条件，则确定该伪边界点是边界点。
本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种基于碳纤维布面残留捆绑纱的检测方法，其特征在于，包括以下步骤：
S1：设置视频监控区域，实时采集经过的碳纤维视频图像；
S2：提取视频图像中的每一帧图片并将其中对应碳纤维的部分均分成多个检测区域后存储；
S3：对检测区域的像素点进行处理，得到每一像素点的灰度阈值；
S4：对检测区域所有像素点的灰度阈值进行双阈值分割，筛选出边界点和伪边界点；
S5：对伪边界点分析处理，进一步确认是否满足边界点的条件；
S6：提取所有边界点坐标，判定是否为残留捆绑纱；
在步骤S1中，当视频监控区域设置完成后，采集残留有捆绑纱的碳纤维图片，确定每一捆绑纱线的线宽在图片中占据像素点的个数，并设置比例参数k；
设定碳纤维输送方向为第一方向，第二方向与所述第一方向垂直，所述检测区域通过将图片中对应碳纤维的部分，沿第二方向按预设宽度等分获得；
在步骤S4中，对所有像素点进行灰度阈值的双阈值分割，在双阈值分割中设置有下阈值L和上阈值H；
所述上阈值和所述下阈值通过对碳纤维上残留的捆绑纱线进行多角度光源照射，并采集不同角度光源照射状态下，图片中捆绑纱线的像素点所提取的灰度阈值数值变化区间确定；
将所述检测区域中所有像素点的灰度阈值与所述下阈值和所述上阈值进行比对，并筛选出符合条件的边界点和伪边界点；
其中，所述边界点的灰度阈值大于等于所述上阈值，所述伪边界点的灰度阈值在所述下阈值和所述上阈值之间；
在步骤S3中，对所述检测区域的像素点进行处理的过程中，通过如下公式提取每一像素点的灰度阈值：
g=0.15*R+0.43*G+0.13*B+80；
其中，g表示计算处理得出的该像素点的灰度阈值，R、G、B分别表示该像素点的三原色数值；
所述预设宽度通过第二方向上的多个像素点确定，设定所述预设宽度在第二方向上的像素点个数为m，其中，m=α*k，α表示残留捆绑纱线的最小长宽比，α的取值为2或者3；
在步骤S6中，将所述检测区域中的所有像素点放入坐标系中，x轴沿第一方向设置，y轴沿第二方向设置；
当任一边界点区域中，在x轴方向的边界点连续超过k个，并且在y轴方向上的边界点连续超过m个，则判定该区域边界点表示残留捆绑纱线。
2.根据权利要求1所述的基于碳纤维布面残留捆绑纱的检测方法，其特征在于，根据预设公式得到检测区域的灰度阈值并对其进行双阈值分割时，分别设定下阈值L=75，上阈值H=105。
3.根据权利要求1所述的基于碳纤维布面残留捆绑纱的检测方法，其特征在于，在步骤S5中，选取伪边界点在第一方向上两侧相邻对称的n个像素点，以及在第二方向上两侧相邻对称的n个像素点，分别与所述上阈值比对，当选取像素点中任意一个的灰度阈值大于所述上阈值，则判定该伪边界点为边界点；
在同一方向上共选取n个像素点，且n=k。
CN202111149261.6A 2021-09-29 2021-09-29 一种基于碳纤维布面残留捆绑纱的检测方法 Active CN113592867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111149261.6A CN113592867B (zh) 2021-09-29 2021-09-29 一种基于碳纤维布面残留捆绑纱的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111149261.6A CN113592867B (zh) 2021-09-29 2021-09-29 一种基于碳纤维布面残留捆绑纱的检测方法

Publications (2)

Publication Number Publication Date
CN113592867A CN113592867A (zh) 2021-11-02
CN113592867B true CN113592867B (zh) 2022-08-05

Family

ID=78242704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111149261.6A Active CN113592867B (zh) 2021-09-29 2021-09-29 一种基于碳纤维布面残留捆绑纱的检测方法

Country Status (1)

Country Link
CN (1) CN113592867B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114581404B (zh) * 2022-03-03 2022-08-30 常州市宏发纵横新材料科技股份有限公司 一种用于交织捆绑纱的断丝检测方法
CN114565589B (zh) * 2022-03-03 2022-08-19 常州市宏发纵横新材料科技股份有限公司 一种碳纤维经纱少丝缠丝的检测方法及装置
CN114998268B (zh) * 2022-06-07 2022-11-25 常州市新创智能科技有限公司 一种花边捆绑纱并丝断丝的检测方法及装置
CN116109642B (zh) * 2023-04-13 2023-06-20 新创碳谷集团有限公司 一种碳纤维断丝缺陷检测方法、设备及存储介质
CN116523915B (zh) * 2023-07-03 2023-08-29 新创碳谷集团有限公司 一种碳纤维接头缺陷的检测方法、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009653A (zh) * 2019-03-12 2019-07-12 江苏理工学院 基于灰度阈值分割法增加边缘识别点准确图像识别的方法
CN112630158A (zh) * 2020-12-31 2021-04-09 常州市新创智能科技有限公司 一种脱膜布残留检测系统及其检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009653A (zh) * 2019-03-12 2019-07-12 江苏理工学院 基于灰度阈值分割法增加边缘识别点准确图像识别的方法
CN112630158A (zh) * 2020-12-31 2021-04-09 常州市新创智能科技有限公司 一种脱膜布残留检测系统及其检测方法

Also Published As

Publication number Publication date
CN113592867A (zh) 2021-11-02

Similar Documents

Publication Publication Date Title
CN113592867B (zh) 一种基于碳纤维布面残留捆绑纱的检测方法
CN107886500A (zh) 一种基于机器视觉和机器学习的产品生产监控方法及系统
CN107437243B (zh) 基于x光图像的轮胎杂质检测方法及装置
CN113838038B (zh) 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质
CN103759662A (zh) 一种纺织纱线直径动态快速测量装置与方法
CN113724241B (zh) 一种碳纤维经编织物的毛丝检测方法、装置和存储介质
CN104535004B (zh) 一种基于图像处理的纱线直径检测方法
CN117095009B (zh) 一种基于图像处理的pvc装饰板缺陷检测方法
CN113962962B (zh) 一种玻纤的短切纱罗拉绕丝检测方法
CN112819844B (zh) 一种图像边缘检测方法及装置
CN114519696B (zh) 基于光学智能化的pvc热收缩膜检测方法及系统
CN113592868A (zh) 一种玻纤布面黑灰检测方法
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及系统
CN111739012A (zh) 基于转盘的摄像头模组白斑检测系统
Margraf et al. An evolutionary learning approach to self-configuring image pipelines in the context of carbon fiber fault detection
CN115731228B (zh) 一种镀金芯片缺陷检测系统和方法
CN115294159A (zh) 金属紧固件腐蚀区域分割方法
CN115170475A (zh) 一种基于深度学习方法的无纺布缺陷检测方法
CN114998321A (zh) 一种基于光学手段的纺织材料表面毛羽程度识别方法
CN113935962B (zh) 一种玻纤布的毛团检测方法
CN114581376A (zh) 基于图像识别的纺织用蚕茧自动拣选方法及系统
CN116563276B (zh) 一种化纤长丝在线缺陷检测方法及检测系统
CN113610843A (zh) 一种光纤编织层的实时缺陷识别系统及其方法
KR100441313B1 (ko) 직포의검반장치
CN107121063A (zh) 检测工件的方法

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