CN113592868A - 一种玻纤布面黑灰检测方法 - Google Patents
一种玻纤布面黑灰检测方法 Download PDFInfo
- Publication number
- CN113592868A CN113592868A CN202111153608.4A CN202111153608A CN113592868A CN 113592868 A CN113592868 A CN 113592868A CN 202111153608 A CN202111153608 A CN 202111153608A CN 113592868 A CN113592868 A CN 113592868A
- Authority
- CN
- China
- Prior art keywords
- gray
- image data
- glass fiber
- black
- fiber cloth
- 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
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
- 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
- G01N21/94—Investigating contamination, e.g. dust
-
- 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
- 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
- G06T2207/10024—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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Treatment Of Fiber Materials (AREA)
Abstract
本发明公开了一种玻纤布面黑灰检测方法,检测方法包括以下步骤:先采集玻纤布面的图片;将彩色图像数据f转换为第一灰度图像数据g0;将第一灰度图像数据g0等分出m个第一区域g0m;通过预设模板分别对图片中多个第一区域进行滤波处理,整理得到第二灰度图像数据gt;将两个灰度图像数据比值与预设标准校核后筛选出边界点;提取所有边界点进一步判定是否为黑灰。先将彩色图片灰度处理再以预设宽度分割成多份,以预设宽度分割初始灰度图片后再进行分别滤波处理,能够使最终黑灰区域的筛选结果更精确,根据预设标准校核滤波处理前后图像的灰度值筛选出边界点,由若干连续边界点在坐标系中的连续性,判定是否为布面黑灰。
Description
技术领域
本发明涉及碳纤生产技术领域,尤其涉及一种玻纤布面黑灰检测方法。
背景技术
在复合材料的生产过程中,玻纤随碳纤维一同浸渍树脂后送入固化烘箱热固成型,在玻纤布料的输送过程中,会出现在玻纤布面上掉落黑灰的情况,黑灰会影响最终成型复合材料的质量,且玻纤布面上出现黑灰也无法达到生产过程中的质量要求。
玻纤布面上的黑灰很难依赖人工进行检测,不适合自动化程度较高的复合材料生产线,通过人工对输送过程中玻纤布面上掉落的黑灰进行检测,不仅检出率低,而且不适合自动化程度较高的复合材料生产线。
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,以期创设一种玻纤布面黑灰检测方法,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玻纤布面黑灰检测方法,实现玻纤布面上掉落黑灰的实时在线检测。
为了达到上述目的,本发明所采用的技术方案是:一种玻纤布面黑灰检测方法,包括以下步骤:
S1:设置视频监控区域,采集玻纤布面的图片;
S2:将每一图片的彩色图像数据f转换为第一灰度图像数据g 0 并存储;
S3:将图片的第一灰度图像数据g 0 等分出m个第一区域g 0m ;
S4:通过预设模板分别对图片中每个第一区域进行滤波处理,得到第二灰度图像数据g t ;
S5:将第二灰度图像数据g t 与第一灰度图像数据g 0 的比值与预设标准校核,并筛选出边界点;
S6:提取所有边界点坐标,并根据其连续性判定是否为黑灰。
进一步的,在步骤S1中,所述监控区域设置完成后,通过检测相机采集玻纤布面的图片,确定图片中每一玻纤纱线的线宽在图片中占据的像素点个数,并设置比例参数p;
设置玻纤布面的输送方向为第一方向,第二方向与第一方向垂直设置。
进一步的,在步骤S3中,所述第一区域由所述第一灰度图像数据沿所述第二方向以预设宽度等分获得;
在步骤S4中,所述第二灰度图像数据g t 包括m个第二区域g tm ,且第一区域g 0m 与第二区域g tm 中的像素点对应设置。
进一步的,所述预设宽度通过沿所述第二方向上的多个像素点确定,设定所述预设宽度在所述第二方向上的像素点个数为q,其中,其中,q=α*p,α表示在所述监控区域设置完成后采集玻纤布面图片中,最小黑灰区域分别在所述第一方向和所述第二方向上所遮盖的玻纤纱线个数;
其中,设置最小黑灰区域为不会影响生产出复合材料质量的最大黑灰块,即为玻纤布面上允许存在的最大黑灰面积。
进一步的,在步骤S5中,将所述第一灰度图像数据g 0 和所述第二灰度图像数据g t 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;
其中,g 0(x,y)和g t(x,y)分别表示所述第一灰度图像数据和所述第二灰度图像数据中第x列,第y行的像素点灰度值。
进一步的,在步骤S5中,通过两灰度图像数据的比值与预设标准校核,具体通过如下公式筛选所述边界点:
g t(x,y)/ g 0(x,y)*K≥1.5;
当两灰度图像数据中像素点的灰度值满足上述公式,则筛选该像素点为边界点,其中,K为补偿系数,且K的取值范围为[0.25,0.35]。
进一步的,在步骤S6中,提取所有边界点并放入坐标系中,确定有连续边界点形成的若干选定区域,当任一选定区域中,存在任一x轴和y轴位置分别沿y轴方向和x轴方向存在连续的至少q个边界点时,则判定该选定区域表示一个黑灰区域。
进一步的,在步骤S4中,通过如下预设模板对所述第一灰度图像数据中的m个第一区域分别进行卷积操作,所述预设模板为:
得到所述第二灰度图像数据中m个第二区域。
本发明的有益效果为:
在本发明中,先将彩色图片灰度处理再以预设宽度分割成多份,通过预设模板对分割出的多份图像分别进行滤波处理,根据预设标准筛选出符合条件的边界点,进一步对由若干连续边界点所形成的选定区域进行筛选,得到表示布面黑灰的选定区域;
其中,以预设宽度分割初始灰度图片后再进行分别滤波处理,能够使最终黑灰区域的筛选结果更精确。
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为本发明实施例中玻纤布面黑灰检测方法的流程示意图。
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。
如图1所示的一种玻纤布面黑灰检测方法,包括以下步骤:S1:设置视频监控区域,采集玻纤布面的图片;S2:将每一图片的彩色图像数据f转换为第一灰度图像数据g 0 并存储;S3:将图片的第一灰度图像数据g 0 等分出m个第一区域g 0m ;S4:通过预设模板分别对图片中每个第一区域进行滤波处理,得到第二灰度图像数据g t ;S5:将第二灰度图像数据g t 与第一灰度图像数据g 0 的比值与预设标准校核,并筛选出边界点;S6:提取所有边界点坐标,并根据其连续性判定是否为黑灰。
在本发明中,先将拍摄到的彩色图像灰度处理,先以预设宽度等分成多份后再通过预设模板对分割出的多份图像分别进行滤波处理,根据预设标准筛选出符合条件的边界点,进一步对由若干连续边界点所形成的选定区域进行筛选,得到表示布面黑灰的选定区域;其中,以预设宽度分割初始灰度图片后再进行分别滤波处理,能够使最终黑灰区域的筛选结果更精确。
具体的,在步骤S1中,监控区域设置完成后,通过检测相机采集玻纤布面的图片,确定图片中每一玻纤纱线的线宽在图片中占据的像素点个数,并设置比例参数p;设置玻纤布面的输送方向为第一方向,第二方向与第一方向垂直设置。
其中,设置在监控区域的检测相机位于玻纤布面的上方,检测相机的安装高度可调节,能够调节单个像素的精度值使其满足检测精度。
进一步的,在步骤S3中,第一区域由第一灰度图像数据沿第二方向以预设宽度等分获得;在步骤S4中,第二灰度图像数据g t 包括m个第二区域g tm ,且第一区域g 0m 与第二区域g tm 中的像素点对应设置。
在具体实施过程中,第一区域设置为与第一灰度图像数据等长的矩形区域,矩形区域的宽度根据预先采集玻纤布面图片中的最小黑灰大小确定,且该最小黑灰大小为复合材料生产过程中允许残留的最大黑灰。
预设宽度通过沿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q,其中,其中,q=α*p,α表示在监控区域设置完成后采集玻纤布面图片中,最小黑灰区域分别在第一方向和第二方向上所遮盖的玻纤纱线个数;其中,设置最小黑灰区域为不会影响生产出复合材料质量的最大黑灰块,即为玻纤布面上允许存在的最大黑灰面积。
在本实施例中,当监控区域设置完成后,采集玻纤布面的图片,将图片中玻纤纱线线宽在图片中占据像素点个数设置为比例参数p,若纱线线宽占据2个像素点,则比例参数为2,在具体实施中,生产允许的最大黑灰面积在第一方向和第二方向上占据的纱线个数的取值范围在5~8之间,通常α取值5,取值越小会使最终检测结果越精确,当α取值5时,能够得到预设宽度在第二方向上占据像素点个数为10,以此宽度分割第一灰度图像数据。
将第一灰度图像数据以上述方式分割成多份,能够过滤掉图片中其他干扰点,且能够使预设模板的滤波效果更精确且符合实际。具体通过预设模板对多个第一区域中的所有像素点灰度值进行卷积操作,最后效果会是白色的部分变暗一点,黑色的部分也会被淡化,黑色部分淡化相当于把黑色那块区域的像素值整体变大了,白色的那块区域也淡化一点,相当于白色那块的整体像素值变小。
具体的,在步骤S4中,通过如下预设模板对第一灰度图像数据中的m个检测区域分别进行卷积操作,预设模板为:
得到第二灰度图像数据中m个第二区域。
进一步,在滤波完成后,将m个第二区域形成的第二灰度图像数据与原第一灰度图像数据进行比值处理,筛选出其中灰度值变大幅度较大的像素点。
首先,在步骤S5中,将第一灰度图像数据g 0 和第二灰度图像数据g t 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;其中,g 0(x,y)和g t(x,y)分别表示第一灰度图像数据和第二灰度图像数据中第x列,第y行的像素点灰度值。
进一步在步骤S5中,通过两灰度图像数据的比值与预设标准校核,具体通过如下公式筛选边界点:
g t(x,y)/ g 0(x,y)*K≥1.5;
当两灰度图像数据中像素点的灰度值满足上述公式,则筛选该像素点为边界点,其中,K为补偿系数,且K的取值范围为[0.25,0.35]。
其中,K在其取值范围中选值越大,检测结果越精确。
通过上述方法从所有像素点中筛选出若干边界点后,在步骤S6中,提取所有边界点并放入坐标系中,确定有连续边界点形成的若干选定区域,当任一选定区域中,存在任一x轴和y轴位置分别沿y轴方向和x轴方向存在连续的至少q个边界点时,则判定该选定区域表示一个黑灰区域。
在上述实施例中,若纱线线宽占据2个像素点,即比例参数为2时,坐标系中由边界点所形成的若干选定区域中,同时满足在x轴方向和y轴方向上的边界点均都连续超过10个,则判定该选定区域表示一个黑灰。
本发明还公开了一种玻纤布面黑灰检测装置,包括:输送模块,用于玻纤布料的输送;摄像模块,用于实时采集经过的玻纤布面图像;检测模块,对采集的玻纤图像进行处理并筛查出布面黑灰。
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 (8)
1.一种玻纤布面黑灰检测方法,其特征在于,包括以下步骤:
S1:设置视频监控区域,采集玻纤布面的图片;
S2:将每一图片的彩色图像数据f转换为第一灰度图像数据g 0 并存储;
S3:将图片的第一灰度图像数据g 0 等分出m个第一区域g 0m ;
S4:通过预设模板分别对图片中每个第一区域进行滤波处理,得到第二灰度图像数据g t ;
S5:将第二灰度图像数据g t 与第一灰度图像数据g 0 的比值与预设标准校核,并筛选出边界点;
S6:提取所有边界点坐标,并根据其连续性判定是否为黑灰。
2.根据权利要求1所述的玻纤布面黑灰检测方法,其特征在于,在步骤S1中,所述监控区域设置完成后,通过检测相机采集玻纤布面的图片,确定图片中每一玻纤纱线的线宽在图片中占据的像素点个数,并设置比例参数p;
设置玻纤布面的输送方向为第一方向,第二方向与第一方向垂直设置。
3.根据权利要求2所述的玻纤布面黑灰检测方法,其特征在于,在步骤S3中,所述第一区域由所述第一灰度图像数据沿所述第二方向以预设宽度等分获得;
在步骤S4中,所述第二灰度图像数据g t 包括m个第二区域g tm ,且第一区域g 0m 与第二区域g tm 中的像素点对应设置。
4.根据权利要求3所述的玻纤布面黑灰检测方法,其特征在于,所述预设宽度通过沿所述第二方向上的多个像素点确定,设定所述预设宽度在所述第二方向上的像素点个数为q,其中,其中,q=α*p,α表示在所述监控区域设置完成后采集玻纤布面图片中,最小黑灰区域分别在所述第一方向和所述第二方向上所遮盖的玻纤纱线个数;
其中,设置最小黑灰区域为不会影响生产出复合材料质量的最大黑灰块,即为玻纤布面上允许存在的最大黑灰面积。
5.根据权利要求4所述的玻纤布面黑灰检测方法,其特征在于,在步骤S5中,将所述第一灰度图像数据g 0 和所述第二灰度图像数据g t 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;
其中,g 0(x,y)和g t(x,y)分别表示所述第一灰度图像数据和所述第二灰度图像数据中第x列,第y行的像素点灰度值。
6.根据权利要求5所述的玻纤布面黑灰检测方法,其特征在于,在步骤S5中,通过两灰度图像数据的比值与预设标准校核,具体通过如下公式筛选所述边界点:
g t(x,y)/ g 0(x,y)*K≥1.5;
当两灰度图像数据中像素点的灰度值满足上述公式,则筛选该像素点为边界点,其中,K为补偿系数,且K的取值范围为[0.25,0.35]。
7.根据权利要求6所述的玻纤布面黑灰检测方法,其特征在于,在步骤S6中,提取所有边界点并放入坐标系中,确定有连续边界点形成的若干选定区域,当任一选定区域中,存在任一x轴和y轴位置分别沿y轴方向和x轴方向存在连续的至少q个边界点时,则判定该选定区域表示一个黑灰区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153608.4A CN113592868B (zh) | 2021-09-29 | 2021-09-29 | 一种玻纤布面黑灰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153608.4A CN113592868B (zh) | 2021-09-29 | 2021-09-29 | 一种玻纤布面黑灰检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113592868A true CN113592868A (zh) | 2021-11-02 |
CN113592868B CN113592868B (zh) | 2021-12-31 |
Family
ID=78242820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111153608.4A Active CN113592868B (zh) | 2021-09-29 | 2021-09-29 | 一种玻纤布面黑灰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113592868B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066881A (zh) * | 2021-12-01 | 2022-02-18 | 常州市宏发纵横新材料科技股份有限公司 | 一种基于非线性变换检测方法、计算机设备及存储介质 |
CN115078386A (zh) * | 2022-06-15 | 2022-09-20 | 常州市新创智能科技有限公司 | 一种玻纤布面生产过程中红色胶带的检测方法及装置 |
CN115100144A (zh) * | 2022-06-23 | 2022-09-23 | 常州市新创智能科技有限公司 | 一种玻纤布生产过程中的碎屑检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104990926A (zh) * | 2015-06-25 | 2015-10-21 | 哈尔滨工业大学 | 一种基于视觉的tr元件定位和缺陷检测方法 |
CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
CN112734654A (zh) * | 2020-12-23 | 2021-04-30 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种图像处理方法、装置、设备和存储介质 |
-
2021
- 2021-09-29 CN CN202111153608.4A patent/CN113592868B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104990926A (zh) * | 2015-06-25 | 2015-10-21 | 哈尔滨工业大学 | 一种基于视觉的tr元件定位和缺陷检测方法 |
CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
CN112734654A (zh) * | 2020-12-23 | 2021-04-30 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种图像处理方法、装置、设备和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066881A (zh) * | 2021-12-01 | 2022-02-18 | 常州市宏发纵横新材料科技股份有限公司 | 一种基于非线性变换检测方法、计算机设备及存储介质 |
CN114066881B (zh) * | 2021-12-01 | 2022-07-15 | 常州市宏发纵横新材料科技股份有限公司 | 一种基于非线性变换检测方法、计算机设备及存储介质 |
CN115078386A (zh) * | 2022-06-15 | 2022-09-20 | 常州市新创智能科技有限公司 | 一种玻纤布面生产过程中红色胶带的检测方法及装置 |
CN115100144A (zh) * | 2022-06-23 | 2022-09-23 | 常州市新创智能科技有限公司 | 一种玻纤布生产过程中的碎屑检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113592868B (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592868B (zh) | 一种玻纤布面黑灰检测方法 | |
CN113592867B (zh) | 一种基于碳纤维布面残留捆绑纱的检测方法 | |
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 | |
CN108174170B (zh) | 基于摄像头的投影区域尺寸自检测方法、系统及设备 | |
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 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN113658131A (zh) | 一种基于机器视觉巡游式环锭纺断纱检测方法 | |
CN107958253A (zh) | 一种图像识别的方法和装置 | |
CN1250195A (zh) | 用弹性模型自动检查打印质量 | |
CN111192213A (zh) | 图像去雾自适应参数的计算方法、图像去雾方法及系统 | |
CN113706521A (zh) | 碳纤维表面毛团检测方法、装置、存储介质和电子设备 | |
CN113935962A (zh) | 一种玻纤布的毛团检测方法 | |
CN112188190A (zh) | 污渍检测方法、烹饪器具、服务器和存储介质 | |
CN112488986A (zh) | 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及系统 | |
CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
CN114885095A (zh) | 图像采集控制方法及设备、图像采集系统和可读存储介质 | |
CN115482207A (zh) | 一种螺栓松动检测方法及系统 | |
CN111626339A (zh) | 一种抗光影和抖动影响的注塑机模腔异常检测方法 | |
CN112669207A (zh) | 一种基于电视摄像头的人脸图像分辨率增强方法 | |
CN110865084A (zh) | 基于自学习模式的综丝分离检测系统及方法 | |
CN108492289B (zh) | 一种数码影像质量评价系统 | |
CN113837126B (zh) | 一种db类纬纱纱线检测方法 | |
CN110706168A (zh) | 图像明暗调节方法 | |
CN115294167B (zh) | 基于数据处理的蚕茧数目识别方法 | |
CN109544481A (zh) | 一种基于机器学习的航空影像匀光方法及系统 |
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 |