CN113701632A - 一种基于差值的螺纹检测方法 - Google Patents
一种基于差值的螺纹检测方法 Download PDFInfo
- Publication number
- CN113701632A CN113701632A CN202111018926.XA CN202111018926A CN113701632A CN 113701632 A CN113701632 A CN 113701632A CN 202111018926 A CN202111018926 A CN 202111018926A CN 113701632 A CN113701632 A CN 113701632A
- Authority
- CN
- China
- Prior art keywords
- image
- difference
- thread
- points
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000009499 grossing Methods 0.000 claims abstract description 24
- 239000011295 pitch Substances 0.000 claims abstract description 12
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 229910044991 metal oxide Inorganic materials 0.000 claims description 2
- 150000004706 metal oxides Chemical class 0.000 claims description 2
- 239000004065 semiconductor Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 7
- 229910000831 Steel Inorganic materials 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000009776 industrial production Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- 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
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
- G01B11/12—Measuring arrangements characterised by the use of optical techniques for measuring diameters internal diameters
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于差值的螺纹检测方法,其解决了现有螺纹检测方法的通用性差,无法对不同类型的螺纹进行有效检测的技术问题,包括如下步骤:螺纹图像采集;图像预处理,对于采集到的螺纹图片,截取关键图像信息,对区域内螺纹图像进行Canny边缘检测,得到边缘所在点列,对称图像左右区域判断;峰谷点查找,采用平滑法+差分法的方式,初步确定单侧螺纹波峰与波谷所在位置,将检测出的边缘以此为标准进行二次区域选择;二次区域判断,选择包含两个波峰波谷的区域,分别判断左右两侧区域的峰谷点中心点坐标,计算外径、内径以及左、右螺距像素点个数;根据螺纹相关参数,计算计算真实检测距离。本发明可广泛应用于螺纹检测。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种基于差值的螺纹检测方法。
背景技术
在高质量产品制造与高效率生产环境中,随着加工精度的提高,测量精度的要求也不断提高,测量技术的重要性与日俱增。尤其是精密测量仪器,必须具有更高的精度、质量和可靠性。对工业生产而言,采用各种先进的检测技术对生产全过程进行检查、监测,对确保安全生产、保证产品质量、提高产品合格率、降低能源和原材料消耗、提高企业的劳动生产率和经济效益是必不可少的。
传统检测方法只能定位到像素级别。随着实际应用中对精度要求的不断提高,人们对大幅度提高测量精度极为关注,原来为0.1毫米左右的精度,现在已要求能达到10微米甚至几微米的水平,像素级的边缘检测算法已无法满足实际工业需要。目前越来越多专家们致力于亚像素级别的研究。精密化的技术和设备的研究与应用成为当前工作的重点和难点。
螺纹在生产过程中会因表面尺寸缺陷导致不合格,如果不及时检测出来,将影响产品的合格率以及后续的工业生产和应用。目前检测工作大都需要人工,具有检测速度慢、实时性差、检测精度不高的缺点。在螺纹表面尺寸检测方面,应用图像处理技术已经取得一定程度进展,但仍存在很多问题。例如:检测方法的通用性,只能检测某一种特定类型的螺纹,且方法不够完善。
公开号CN112629407A的专利,公开了一种基于图像分析的螺纹钢尺寸测量方法,其通过面阵CCD相机视觉采集平台采集螺纹钢侧面图像并进行预处理:经过数学形态学处理的图像基础上,计算像素级的螺纹钢尺寸测量;进行亚像素边缘检测,计算亚像素级下的螺纹钢尺寸测量方法;继续边界跟踪,计算图像投影;使用实际尺寸测量法和简易相机标定法将计算的结果转换为物理尺寸,得到最后的螺纹钢尺寸。
公开号CN11462066公开了一种基于机器视觉的螺纹参数检测方法。其对获取的螺纹图像调整相对坐标位置并进行预处理后,将图像以质心进行裁剪,得到裁剪互补螺纹图像并提取边缘轮廓,扫描裁剪互补螺纹图像,获取像素值坐标,根据像素值坐标,计算获得螺纹参数,计算过程较为复杂。
发明内容
本发明为了解决现有螺纹检测方法的通用性差,无法对不同类型的螺纹进行有效检测的技术问题,提供一种通用性好,能够对螺纹参数进行精确计算的基于差值的螺纹检测方法。
本发明提供一种基于差值的螺纹检测方法,包括如下步骤:
步骤1、螺纹图像采集;
步骤2、图像预处理:
对于采集到的螺纹图片,截取关键图像信息,对区域内螺纹图像进行Canny边缘检测,得到边缘所在点列,对称图像左右区域判断;
步骤3、峰谷点查找:
采用平滑法+差分法的方式,初步确定单侧螺纹波峰与波谷所在位置,将检测出的边缘以此为标准进行二次区域选择;
步骤4、二次区域判断:
选择包含两个波峰波谷的区域,分别判断左右两侧区域的峰谷点中心点坐标,计算外径、内径以及左、右螺距像素点个数;
步骤5、根据螺纹相关参数,计算真实检测距离:
根据像素点个数乘以像素点代表的距离,得到其真实检测距离。
优选地,步骤1螺纹图像采集具体步骤包括:采用测量仪视觉采集平台为采集设备,测量仪视觉采集平台通过光学透射原理,由发射器照射绿色二维平行光,接收器的CMOS捕捉到目标物的阴影,进而采集被测量物体图片。
优选地,步骤2图像预处理的具体步骤包括:
步骤(1)、对图像高斯平滑后使用一阶有限差分近似式来计算偏导数的阵列;
步骤(2)、用一阶倒数的有限差分来的均值,计算偏导数梯度、幅值和方位角;
步骤(3)、确定图像边缘,保留局部梯度最大的点,对梯度赋值进行非极大值抑制;
步骤(4)、采用双阈值算法,在高阈值图像中把边缘连接成轮廓,当到达轮廓的端点时,在断点的8邻域点中寻找满足低阈值的点,再根据此点收集新的边缘,直到整个图像边缘闭合。
优选地,步骤(1)具体步骤包括:
高斯平滑公式为:
令g(x,y)为平滑后的图像,用h(x,y,σ)对图像f(x,y)的平滑可表示为:g(x,y)=h(x,y,σ)*f(x,y),其中:*代表卷积;
已平滑g(x,y)的梯度使用2×2一阶有限差分近似式来计算x与y偏导数的两个阵列f'x(x,y)与f'y(x,y):
优选地,步骤(2)具体步骤包括:
在2×2正方形内求有限差分的均值,以便在图像中的同一点计算x和y的偏导数梯度;幅值和方位角用直角坐标到极坐标的坐标转化公式来计算:
θ[x,y]=arctan(Gx(x,y)/Gy(x,y))
M[x,y]反映了图像的边缘强度,θ[x,y]反映了边缘的方向;使得M[x,y]取得局部最大值的方向角θ[x,y]就反映了边缘的方向。
优选地,步骤3峰谷点查找的具体步骤包括:
步骤1)、对像素点进行平滑处理后,过滤边缘检测的外围小毛刺;
步骤2)、对像素点做一阶差分,计算相邻元素之差;
步骤3)、对差分数据取符号,数据大于0,则返回1;等于0,返回0;小于0,则返回-1;
步骤4)、在步骤(2)的基础上再做一阶差分,结果的正负值即为其波峰与波谷所在位置。
优选地,步骤1)中平滑法处理方法包括:“Lowess”局部回归、“moving”移动平均法或“loess”局部回归。
优选地,步骤1)中平滑法处理的具体步骤包括:
优选地,步骤2)中一阶差分的具体步骤包括:
当自变量从x变到x+1时,函数y=y(x)的改变量
△yx=y(x+1)-y(x),(x=0,1,2......)。
优选地,步骤4中二次区域判断的具体步骤包括:
选择包含两个波峰波谷的区域,分别判断左右两侧区域的峰谷点中心点坐标,计算外径、内径以及左、右螺距真实像素点个数;其中,外径=右边曲线波峰点坐标-左边曲线对应波谷点坐标,内径=右边曲线波谷点坐标-左边曲线对应波峰点坐标,螺距=左/右曲线相邻波谷/波峰点中心位置的差。
本发明的有益效果是:
本发明提出的基于差值螺纹检测方法,不仅可以高效快速的找到螺纹每个峰谷点所在位置,还能对不同类型螺纹的相关参数进行测量,且达到很好的精度。具有效率高,智能化强,节省人工成本的优点,可应用于各种工业生产线的螺纹小工件产品尺寸测量、检验等方面,具有高速测量能力以保证高速生产,适合于生产线测量场景,可用于工业推广。
本发明步骤3中峰谷点查找采用平滑法与差分法相结合的方式,不涉及复杂的图像处理过程,可以快速定位到螺纹每个峰谷点所在位置坐标,并进行二次区域的选择。
步骤4计算螺纹参数时采用的峰谷点判断方法,能对不同种类的螺纹参数进行测量,也可应用于各种工业生产线螺纹小工件产品尺寸测量、检验等方面。
附图说明
图1是本发明的检测流程示意图;
图2是本发明的一阶有限差分近似式计算x与y偏导数方向示意图;
图3是本发明确定螺纹波峰与波谷位置坐标图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明,以使本发明所属技术领域的技术人员能够容易实施本发明。
实施例1
如图1所示,是本发明的检测流程示意图,本发明步骤包括:
步骤1、螺纹图像采集:
采集设备为测量仪视觉采集平台,测量仪通过光学透射原理,由发射器照射绿色二维平行光,接收器的CMOS捕捉到目标物的阴影,进而采集被测量物体图片。
步骤2、图像预处理:
对于采集到的螺纹图片,首先截取关键图像信息,然后对区域内螺纹图像进行Canny边缘检测,得到边缘所在点列,进行对称图形左右区域判断;
步骤(1)高斯平滑:
令g(x,y)为平滑后的图像,用h(x,y,σ)对图像f(x,y)的平滑可表示为:g(x,y)=h(x,y,σ)*f(x,y),其中:*代表卷积。
已平滑g(x,y)的梯度可以使用2×2一阶有限差分近似式来计算x与y偏导数的两个阵列f'x(x,y)与f'y(x,y):
如图2所示,是本发明的一阶有限差分近似式计算x与y偏导数方向示意图。
步骤(2)用一阶倒数的有限差分来计算梯度的赋值和方向,
表1
如表1所示,在这个2×2正方形内求有限差分的均值,以便在图像中的同一点计算x和y的偏导数梯度。幅值和方位角可用直角坐标到极坐标的坐标转化公式来计算:
θ[x,y]=arctan(Gx(x,y)/Gy(x,y))
M[x,y]反映了图像的边缘强度,θ[x,y]反映了边缘的方向。使得M[x,y]取得局部最大值的方向角θ[x,y]就反映了边缘的方向。
步骤(3)对梯度赋值进行非极大值抑制:
仅仅得到全局的梯度并不足以确定边缘,因此为确定边缘,必须保留局部梯度最大的点,而抑制非极大值。
步骤(4)用双阈值算法检测和连接边缘:
Canny算法中减少假边缘数量的方法是采用双阈值法。在高阈值图像中把边缘链接成轮廓,当到达轮廓的端点时,该算法会在断点的8邻域点中寻找满足低阈值的点,再根据此点收集新的边缘,直到整个图像边缘闭合。
步骤3、峰谷点查找:
提取对称图形单侧边缘,采用平滑法+差分法的方式,可初步确定单侧螺纹波峰与波谷所在位置,将检测出的边缘以此为标准进行二次区域选择。如图3所示,是本发明确定螺纹波峰与波谷位置坐标图。主要包括四个步骤:
步骤1)对像素点做局部加权回归散点平滑法—Lowess,进行平滑处理后可以过滤边缘检测的外围小毛刺;
对于所有的n个数据点则可以做出n条加权回归线,每条回归线的中心值的连线则为这段数据的Lowess曲线。
步骤2)对像素点做一阶差分,计算相邻元素之差;
一阶差分就是离散函数中连续相邻两项之差。当自变量从x变到x+1时,函数y=y(x)的改变量△yx=y(x+1)-y(x),(x=0,1,2......)。
步骤3)对差分数据取符号;
符号函数返回一个整形变量,数值大于0,则返回1;等于0,返回0;小于0,则返回-1,可利用符号函数判断:
步骤4)在步骤2)的基础上再做一阶差分,结果的正负值即为其波峰与波谷所在位置。
步骤4、二次区域判断:
判断完峰谷点所在位置后,进行第二次区域选择,即选择包含两个波峰波谷的区域,以便后期对图像进行处理。在二次选择区域中,分别判断左右两侧区域的峰谷点中心点坐标,计算外径、内径以及左、右螺距真实像素点个数。其中,外径=右边曲线波峰点坐标-左边曲线对应波谷点坐标,内径=右边曲线波谷点坐标-左边曲线对应波峰点坐标,螺距=左/右曲线相邻波谷/波峰点中心位置的差。
步骤5、计算螺纹相关参数的真实检测距离:
检测距离=真实的像素点个数×单像素点距离。将内径、外径、螺距像素点个数乘以单像素点距离,得到其真实检测距离。因图像采集设备采用的是500万像素的图像,单像素的精度在18.75μm。
实施例2
本实施例还可以采用其他平滑方法+差分方式判断峰谷点所在位置坐标。例如smooth函数中的method方法,除实施例1采用的“Lowess”局部回归(加权线性最小二乘和一个一阶多项式模型)外,还可以指定其他平滑数据的方式,如“moving”移动平均法(一个低通滤波器,滤波系数为窗宽的倒数);“loess”局部回归(加权线性最小二乘和一个二阶多项式模型)等其他平滑方法,得到平滑后数据。
实施例3
针对实施例1中步骤5差分法采用的是相邻元素之间进行差分计算,本实施例也可对每隔几个元素进行均值处理后,再进行差分计算,得到其真实检测距离。
以上所述仅对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。凡是在本发明的权利要求限定范围内,所做的任何修改、等同替换、改进等,均应在本发明的保护范围之内。
Claims (10)
1.一种基于差值的螺纹检测方法,其特征是,包括如下步骤:
步骤1、螺纹图像采集;
步骤2、图像预处理:
对于采集到的螺纹图片,截取关键图像信息,对区域内螺纹图像进行Canny边缘检测,得到边缘所在点列,对称图像左右区域判断;
步骤3、峰谷点查找:
采用平滑法+差分法的方式,初步确定单侧螺纹波峰与波谷所在位置,将检测出的边缘以此为标准进行二次区域选择;
步骤4、二次区域判断:
选择包含两个波峰波谷的区域,分别判断左右两侧区域的峰谷点中心点坐标,计算外径、内径以及左、右螺距像素点个数;
步骤5、根据螺纹相关参数,计算真实检测距离:
根据像素点个数乘以单像素距离,得到其真实检测距离。
2.根据权利要求1所述基于差值的螺纹检测方法,其特征在于,所述步骤1螺纹图像采集具体步骤包括:采用测量仪视觉采集平台为采集设备,所述测量仪视觉采集平台通过光学透射原理,由发射器照射绿色二维平行光,接收器的CMOS捕捉到目标物的阴影,进而采集被测量物体图片。
3.根据权利要求1所述基于差值的螺纹检测方法,其特征在于,所述步骤2图像预处理的具体步骤包括:
步骤(1)、对图像高斯平滑后使用一阶有限差分近似式来计算偏导数的阵列;
步骤(2)、用一阶倒数的有限差分来的均值,计算偏导数梯度、幅值和方位角;
步骤(3)、确定图像边缘,保留局部梯度最大的点,对梯度赋值进行非极大值抑制;
步骤(4)、采用双阈值算法,在高阈值图像中把边缘链接成轮廓,当到达轮廓的端点时,在断点的8邻域点中寻找满足低阈值的点,再根据此点收集新的边缘,直到整个图像边缘闭合。
6.根据权利要求1所述基于差值的螺纹检测方法,其特征在于,所述步骤3峰谷点查找的具体步骤包括:
步骤1)、对像素点进行平滑法处理后,过滤边缘检测的外围小毛刺;
步骤2)、对像素点做一阶差分,计算相邻元素之差;
步骤3)、对差分数据取符号,数据大于0,则返回1;等于0,返回0;小于0,则返回-1;
步骤4)、在步骤(2)的基础上再做一阶差分,结果的正负值即为其波峰与波谷所在位置。
7.根据权利要求6所述基于差值的螺纹检测方法,其特征在于,所述步骤1)中平滑法处理方法包括:“Lowess”局部回归、“moving”移动平均法或“loess”局部回归。
9.根据权利要求6所述基于差值的螺纹检测方法,其特征在于,所述步骤2)中一阶差分的具体步骤包括:
当自变量从x变到x+1时,函数y=y(x)的改变量
△yx=y(x+1)-y(x),(x=0,1,2......)。
10.根据权利要求1所述基于差值的螺纹检测方法,其特征在于,所述步骤4中二次区域判断的具体步骤包括:
选择包含两个波峰波谷的区域,分别判断左右两侧区域的峰谷点中心点坐标,计算外径、内径以及左、右螺距真实像素点个数;其中,外径=右边曲线波峰点坐标-左边曲线对应波谷点坐标,内径=右边曲线波谷点坐标-左边曲线对应波峰点坐标,螺距=左/右曲线相邻波谷/波峰点中心位置的差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111018926.XA CN113701632B (zh) | 2021-09-01 | 2021-09-01 | 一种基于差值的螺纹检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111018926.XA CN113701632B (zh) | 2021-09-01 | 2021-09-01 | 一种基于差值的螺纹检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113701632A true CN113701632A (zh) | 2021-11-26 |
CN113701632B CN113701632B (zh) | 2024-02-13 |
Family
ID=78658624
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111018926.XA Active CN113701632B (zh) | 2021-09-01 | 2021-09-01 | 一种基于差值的螺纹检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113701632B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070053588A1 (en) * | 2005-09-08 | 2007-03-08 | Chao-Lieh Chen | Method for retrieving original intact characteristics of heavily polluted images and its image processing |
US20090103112A1 (en) * | 2007-10-23 | 2009-04-23 | Gii Acquisition, Llc Dba General Inspection, Llc | Non-Contact Method And System For Inspecting Parts |
CN106767564A (zh) * | 2016-11-03 | 2017-05-31 | 广东工业大学 | 一种应用于手机外壳表面粗糙度的检测方法 |
CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
CN109060836A (zh) * | 2018-08-28 | 2018-12-21 | 南通大学 | 基于机器视觉的高压油管接头外螺纹检测方法 |
CN111189387A (zh) * | 2020-01-02 | 2020-05-22 | 西安工程大学 | 一种基于机器视觉的工业零件尺寸检测方法 |
CN111353993A (zh) * | 2020-03-30 | 2020-06-30 | 华南理工大学 | 一种基于机器视觉的螺纹角度测量方法 |
CN111462066A (zh) * | 2020-03-30 | 2020-07-28 | 华南理工大学 | 一种基于机器视觉的螺纹参数检测方法 |
CN111528821A (zh) * | 2020-05-27 | 2020-08-14 | 福州数据技术研究院有限公司 | 一种脉搏波中重搏波特征点识别方法 |
-
2021
- 2021-09-01 CN CN202111018926.XA patent/CN113701632B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070053588A1 (en) * | 2005-09-08 | 2007-03-08 | Chao-Lieh Chen | Method for retrieving original intact characteristics of heavily polluted images and its image processing |
US20090103112A1 (en) * | 2007-10-23 | 2009-04-23 | Gii Acquisition, Llc Dba General Inspection, Llc | Non-Contact Method And System For Inspecting Parts |
CN106767564A (zh) * | 2016-11-03 | 2017-05-31 | 广东工业大学 | 一种应用于手机外壳表面粗糙度的检测方法 |
CN108416787A (zh) * | 2018-03-06 | 2018-08-17 | 昆山海克易邦光电科技有限公司 | 应用于机器视觉检测的工件直线边缘定位方法 |
CN109060836A (zh) * | 2018-08-28 | 2018-12-21 | 南通大学 | 基于机器视觉的高压油管接头外螺纹检测方法 |
CN111189387A (zh) * | 2020-01-02 | 2020-05-22 | 西安工程大学 | 一种基于机器视觉的工业零件尺寸检测方法 |
CN111353993A (zh) * | 2020-03-30 | 2020-06-30 | 华南理工大学 | 一种基于机器视觉的螺纹角度测量方法 |
CN111462066A (zh) * | 2020-03-30 | 2020-07-28 | 华南理工大学 | 一种基于机器视觉的螺纹参数检测方法 |
CN111528821A (zh) * | 2020-05-27 | 2020-08-14 | 福州数据技术研究院有限公司 | 一种脉搏波中重搏波特征点识别方法 |
Non-Patent Citations (2)
Title |
---|
何富君;张瑞杰;兰爽;崔旭明;: "圆锥外螺纹的线阵CCD非接触检测方法", 哈尔滨工业大学学报, no. 07, pages 1170 - 1171 * |
包能胜;方海涛;: "连续运动螺纹尺寸自适应机器视觉检测", 计量学报, no. 09 * |
Also Published As
Publication number | Publication date |
---|---|
CN113701632B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109060836B (zh) | 基于机器视觉的高压油管接头外螺纹检测方法 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN111353993B (zh) | 一种基于机器视觉的螺纹角度测量方法 | |
CN111127402A (zh) | 一种机器人焊接质量的视觉检测方法 | |
CN115375686B (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
CN111462066A (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
CN110717909A (zh) | 一种金属表面划痕检测方法与装置 | |
CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
CN115096206B (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
CN112378350B (zh) | 一种网络变压器pin脚平整度检测方法 | |
CN106813569B (zh) | 一种基于线结构光的汽车轮胎三维定位方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN114066752B (zh) | 面向焊缝跟踪的线结构光骨架提取及毛刺去除方法 | |
CN104976959A (zh) | 一种基于机器视觉的弹簧尺寸在线测量系统及其方法 | |
Tang et al. | Surface inspection system of steel strip based on machine vision | |
CN111815575B (zh) | 一种基于机器视觉的轴承钢珠零件检测方法 | |
CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
CN113701632B (zh) | 一种基于差值的螺纹检测方法 | |
CN115330769B (zh) | 一种用于铝管表面擦伤压坑的缺陷检测方法 | |
CN109064463B (zh) | 一种齿面点蚀面积率测量方法及系统 | |
CN116689939A (zh) | 基于机器视觉的铝合金搅拌摩擦焊控制系统及控制方法 | |
CN115578390A (zh) | 一种用于除氧器的焊接控制方法 | |
CN115984360A (zh) | 一种基于图像处理的计算干滩长度的方法及系统 | |
CN115222730A (zh) | 一种基于线扫光谱共聚焦相机的缺陷检测算法 |
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 |