CN113884497A - 一种基于复合光源的fpca飞拍检测方法 - Google Patents
一种基于复合光源的fpca飞拍检测方法 Download PDFInfo
- Publication number
- CN113884497A CN113884497A CN202111055336.4A CN202111055336A CN113884497A CN 113884497 A CN113884497 A CN 113884497A CN 202111055336 A CN202111055336 A CN 202111055336A CN 113884497 A CN113884497 A CN 113884497A
- Authority
- CN
- China
- Prior art keywords
- light source
- fpca
- shooting
- composite light
- image
- 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 65
- 239000002131 composite material Substances 0.000 title claims abstract description 32
- 230000007547 defect Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000033001 locomotion Effects 0.000 claims abstract description 8
- 238000002591 computed tomography Methods 0.000 claims abstract description 3
- BXLICFUSUZPSHT-UHFFFAOYSA-N 1-(4-chlorophenyl)-3-fluoropropan-2-amine Chemical compound FCC(N)CC1=CC=C(Cl)C=C1 BXLICFUSUZPSHT-UHFFFAOYSA-N 0.000 claims abstract 15
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 206010066054 Dysmorphism Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
Abstract
本发明提供了一种基于复合光源的FPCA飞拍检测方法。包括步骤如下，搭建飞拍检测系统，包括软件控制系统、运动控制器、相机、复合光源和光源控制器；包括步骤如下，对所有FPCA产品的元件缺陷进行学习训练获得检测模型；对全盘的产品进行拍摄扫描图像；预设产品的拍摄点位；通过匀速飞拍结合复合光源模块对FPCA进行拍照；对获取的图像进行预处理；对预处理后的图像进行实时检测；对检测后的图像进行拼合二次复检。其中本发明通过复合光源结合飞拍检测的方式，通过不同光源的不同曝光，采集多张不同图像，来实现对FPCA产品异形、缺陷复杂的快速、全面、精准检测，保证准确率的同时，满足高速检测要求。
Description
技术领域
本发明涉及FPCA产品缺陷检测领域，特别涉及一种基于复合光源的FPCA飞拍检测方法。
背景技术
当前普众对FPCA产品的检测通过对单个PFCA产品的进行面阵相机多站拍照或是通过线扫相机拍摄的方式进行成像，并结合传统的图像处理方法以及深度学习进行检测，然而单个产品检测的速度慢效率低下，由于FPCA产品存在异形，有部分折弯，并且缺陷复杂，分散在单个FPCA产品的各个零部件上，且部分缺陷存在角度性，过往的方案易导致缺陷的遗漏，从而造成整体的检测准确率不高，并且由于FPCA大批量生产的特性，速度上难以达到要求。
发明内容
为了解决上述技术问题，本发明中披露了一种基于复合光源的FPCA飞拍检测方法，本发明的技术方案是这样实施的：
一种基于复合光源的FPCA飞拍检测方法，搭建飞拍检测系统，包括软件控制系统、运动控制器、相机、复合光源和光源控制器；
步骤如下，
S1：对所有FPCA产品的元件缺陷进行学习训练获得检测模型；
S2：对全盘的产品进行拍摄扫描图像；
S3：预设产品的拍摄点位；
S4：通过匀速飞拍结合复合光源模块对FPCA进行拍照；
S5：对获取的图像进行预处理；
S6：对预处理后的图像进行实时检测；
S7：对检测后的图像进行拼合二次复检。
优选地，所述方法采用二阶段算法，第一阶段：首先根据不同的缺陷特征，采用深度学习的定位方法，精准定位元件的位置，提取所有疑似缺陷的区域；第二阶段，通过高精度识别网络过滤背景图像，对所提取类似缺陷的图像，通过深度分类的检测模型，将缺陷提取检测出来。
优选地，所述S1步骤中，对FPCA产品的每一个部位的图像都划分出不同的零件区进行单独的深度学习训练，再进行多图融合模型训练。
优选地，所述S3步骤中，基于对每个产品元件特征的定位，预设好每一个产品不同部分的拍摄点位。
优选地，所述S4步骤中，在飞拍的过程中，通过软件控制以组合曝光的形式在不同的拍摄点位上控制不同光源的曝光以及时序，从而获得每一个产品在不同光源曝光下的图像。
优选地，所述S5步骤中图像预处理方式包括去除冗杂背景。
优选地，所述复合光源包括碗光、多角度环光和UV光模块。
优选地，所述S6步骤中，通过拍摄与处理并行的方式，对产品的每一个部分直接进行检测。
实施本发明的技术方案可解决现有技术中的技术问题；实施本发明的技术方案，通过复合光源+飞拍检测的方式，通过不同光源的不同曝光，采集多张不同图像，可实现对FPCA产品异形、缺陷复杂的快速、全面、精准检测，保证准确率的同时，满足高速检测要求的技术效果。
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的一种实施例，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。
其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
图1为本发明的流程示意图；
图2为飞拍示意图；
图3为软件控制程序图；
图4为产品检测的缺陷分类示意图；
图5为图像预处理设置示意图；
图6为飞拍成像控制流程图；
图7为复合光源结构图；
图8为整个tray盘拍照显示图。
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。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。
实施例
在一种具体的实施例中，如图1、图2、图3、图4、图5、图6、图7和图8所示，一种基于复合光源的FPCA飞拍检测方法，包括步骤如下，
S1：对所有FPCA产品的元件缺陷进行学习训练获得检测模型；对FPCA产品的每一个部位的图像都划分出不同的零件区进行单独的深度学习训练，再进行多图融合模型训练。
S2：对全盘的产品进行拍摄扫描图像；
S3：预设产品的拍摄点位；基于AI检测定位，预设好每一个产品不同部分的拍摄点位。
S4：通过匀速飞拍结合复合光源模块对FPCA进行拍照；在飞拍的过程中，通过软件控制以组合曝光的形式在不同的拍摄点位上控制不同光源的曝光以及时序，从而获得每一个产品在不同光源曝光下的图像。复合光源包括碗光、多角度环光和UV光模块。
S5：对获取的图像进行预处理；图像预处理方式包括图像预处理方式包括对齐、去除冗杂背景，获取精准检测区域、图像AI分割训练。
预处理模板配置如图5所示，在检测之前，通过针对不同型号的PFCA产品，通过图像处理+图像AI分割训练的方式，生成高精度的图像模板。
在检测过程中，复合光源拍摄多张图像，图像可能存在偏移抖动等多种情况，图像模板处理，自动进行多图的对齐，并且识别出所需要检测的各个元件检测区域，精准获取，后于后续的推理检测任务。
S6：对预处理后的图像进行实时检测；通过拍摄与处理并行的方式，对产品的每一个部分直接进行检测。
S7：对检测后的图像进行拼合二次复检。
所述方法采用二阶段算法，第一阶段：首先根据不同的缺陷特征，采用深度学习的定位方法，精准定位元件的位置，第二阶段，通过高精度识别网络过滤背景图像，提取到所有仅是类似缺陷的图像，通过深度分类的检测模型，将缺陷提取出来。
本实施例搭建飞拍检测系统，包括运动控制+视觉系统：运动控制器+相机+复合光源+光源控制器，通过软件系统控制，以匀速的方式，实现对不同光源的曝光顺序及时序控制，对整个FPCA的tray盘进行拍摄，采集多张产品图像；并通过对飞拍采集到的图像，在预处理的基础上，进行区域图的分别检测，多图融合检测以及拼图结合后的图像进行检测，并基于多种AI检测算法以及检测策略，来实现对FPCA产品不同位置的缺陷的高速准确检测。
在FPCA检测中，常规使用点位拍摄的方式进行检测，拍摄效率低，同时机台频繁加减速，容易晃动影响拍摄；本实施例采用匀速飞拍的方式，通过快速连续的拍照，在物体运动过程中进行相机拍照，物体不需要停留，通过视觉计算出机械坐标偏移量，将偏移量发送给运动控制器进行及时修正处理，完成整个飞拍过程。通过机器视觉飞拍技术可以提高效率，由于加减速少，因此机台更加稳定。
通过不间断的拍摄采集图像，通过将每一个FPCA产品分成几个部分进行成像采集。一开始对全盘的产品进行拍摄扫描图像，基于AI检测定位，预设好每一个产品不同部分的拍摄点位，并根据不同零部件缺陷的特征，在不同的拍摄点位上控制不同光源的曝光以及时序，从而精准获得每一个产品在不同光源曝光下的图像。
由于产品缺陷存在角度特征，例如划痕、凹坑等，往往需要在特定的角度下或者多种光源的组合下才能呈现出来。
本实施例通过复合光源的方式，如图2、图7和图8所示，将碗光+多角度环光+UV光等组合在一起，形成一个复合光源模块，根据不同的缺陷特征，在飞拍的过程中，通过组合曝光的形式，可以实现一次采集多张不同的图像，来实现对单个产品的不同零部件上的缺陷成像，相比常规多光源切换拍摄，需要每拍摄完一轮切换一次光源，可以极大程度的降低CT。通过复合光源同步飞拍是在飞拍的同时实现多光源多次曝光，大幅增加拍摄数量的同时不增加CT。
多角度分区拍摄，左半区点亮拍摄一次、右半区点亮拍摄一次；
碗光不同曝光时间点亮拍摄，长曝光拍摄一次，短曝光拍摄一次；
UV光曝光，拍摄一次；
通过不同光源的快速组合曝光，获取多张不同图像，呈现出各类不同的缺陷样式，通过多通道图像融合训练学习的方式，一次将所有缺陷检出。
最终拍出的整个tray盘如图8所示。
单光源的飞拍在机器视觉领域并不罕见，但是由于缺陷的复杂性，FPCA的检测需要多个不同的光学成像组合才能实现产品缺陷的成像，同时基于飞拍就无法设立多个站点进行拍摄，这就需要对拍摄点位的精准测量控制，并且精准控制不同光源的曝光时序及时长以及相机拍摄的时机，从而获得所有需要检测缺陷的图像数据。另一方面，飞拍的检测方式会产生大量的图像数据，需要对大量图像数据的传输以及检测进行响应。
本实施例通过设计的飞拍检测系统，如图3所示，实现对飞拍的点位、相机、光源同步管理，通过在一套系统下保证了各个硬件设备的精准操作，获取图像；针对图像数据多、数据量大，要求检测速度快等问题，本发明在采用高帧率的相机同时，通过AI算法精准对产品进行定位，获取定位后的图像数据，去除冗余的背景，相对的提高了相机的传输帧率，加快传输速度；另一方面，通过拍摄与处理并行的方式，对产品的每一个部分直接进行检测，而非在形成整体图像后才进行检测。
为了实现对FPCA产品所有缺陷的高速检测，本实施例通过复合光源+飞拍的方式，获取到每个产品多个部位，每个部位都有多张不同特征的图像。
如图6所示，输入：运动机构模组的编码器会将运动的XY位置信息传输给软件；
软件配置控制：软件实现对具体拍摄点位的位置配置，实现对复合光源以及相机的整体的拍摄时序、曝光时间等配置。
输出：软件经过配置后的拍摄信息传输至相机、光源进行成像。
本实施例首先通过每一个产品的几个不同部位进行检测，来实现边拍摄边处理，解决CT的问题。如图4所示，每一个部位的图像都划分出相应的零件区进行单独的深度学习训练；由于产品不同的缺陷特征反应在不同的成像下，本发明基于深度学习的多图融合学习的方式，实现对不同光谱下图像的缺陷特征提取，进行同步处理，来实现对不同缺陷的快速检测。在每一个产品的部位检测后，通过精准的计算，将多个部位的图像拼合成一幅完整的产品图像，并对完整的图像再次进行二次的复检，并将检测出的缺陷，准确标记在整图上。
为了保证极低的漏检率，避免不良产品流出。本实施例在整个算法逻辑中采用二阶段检测的方法。第一阶段：首先根据不同的缺陷特征，采用深度学习的定位方法，精准定位元件的位置，这样即使柔板存在一定的变形也不影响精度，并通过对所有元件缺陷的训练学习来获得检测模型，在第一阶段中，我们训练的目的是将所有可能是缺陷的都检测出来，这样一来，可以将所有类似缺陷的产品都截留下来；并在第二阶段中，通过高精度识别网络过滤背景图像，提取到所有仅是类似缺陷的图像，通过深度分类的检测模型，严苛筛选检测，精准将缺陷提取出来。通过二阶段的检测方式，不仅可以大幅度降低漏检率，另一方面，通过第一阶段粗检测，粗检测的模型小速度快，而提取疑似缺陷的图像，进行精检测中，精检测的模型检测模型更强，同时只使用疑似缺陷的图像，图像小，速度更快，这样即保证了速度，又保证了准确度。
需要指出的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (8)
1.一种基于复合光源的FPCA飞拍检测方法，其特征在于：搭建飞拍检测系统，包括软件控制系统、运动控制器、相机、复合光源和光源控制器；
步骤如下，
S1：对所有FPCA产品的元件缺陷进行学习训练获得检测模型；
S2：对全盘的产品进行拍摄扫描图像；
S3：预设产品的拍摄点位；
S4：通过匀速飞拍结合复合光源模块对FPCA进行拍照；
S5：对获取的图像进行预处理；
S6：对预处理后的图像进行实时检测；
S7：对检测后的图像进行拼合二次复检。
2.根据权利要求1所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述方法采用二阶段算法策略，第一阶段：首先根据不同的缺陷特征，采用深度学习的定位检测方法，精准定位元件的位置，将所有疑似缺陷的区域都识别提取出来；第二阶段，通过高精度识别网络过滤背景图像，通过深度分类的检测模型，将缺陷进行识别。
3.根据权利要求2所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述S1步骤中，对FPCA产品的每一个部位的图像都划分出不同的零件区进行单独的深度学习训练，再进行多图融合模型训练。
4.根据权利要求3所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述S3步骤中，基于不同型号图像元件特征，预设好每一个产品不同部分的拍摄点位。
5.根据权利要求4所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述S4步骤中，在飞拍的过程中，通过软件控制以组合曝光的形式在不同的拍摄点位上控制不同光源的曝光以及时序，从而获得每一个产品在不同光源曝光下的图像。
6.根据权利要求5所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述S5步骤中图像预处理方式包括对齐、去除冗杂背景，获取精准检测区域、图像AI分割训练。
7.根据权利要求1所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述复合光源包括碗光、多角度环光和UV光模块。
8.根据权利要求7所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述S6步骤中，通过拍摄与处理并行的方式，对产品的每一个部分直接进行检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111055336.4A CN113884497B (zh) | 2021-09-09 | 2021-09-09 | 一种基于复合光源的fpca飞拍检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111055336.4A CN113884497B (zh) | 2021-09-09 | 2021-09-09 | 一种基于复合光源的fpca飞拍检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113884497A true CN113884497A (zh) | 2022-01-04 |
| CN113884497B CN113884497B (zh) | 2023-03-14 |
Family
ID=79008929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111055336.4A Active CN113884497B (zh) | 2021-09-09 | 2021-09-09 | 一种基于复合光源的fpca飞拍检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113884497B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114577816A (zh) * | 2022-01-18 | 2022-06-03 | 广州超音速自动化科技股份有限公司 | 一种氢燃料双极板检测方法 |
| CN114782830A (zh) * | 2022-06-22 | 2022-07-22 | 天津大学 | 一种图像深度学习特征增强方法、系统及装置 |
| CN115052112A (zh) * | 2022-07-18 | 2022-09-13 | 合肥安迅精密技术有限公司 | 基于贴片机的飞行相机拍照及传输方法及系统 |
| CN115290668A (zh) * | 2022-09-28 | 2022-11-04 | 苏州振畅智能科技有限公司 | 一种涂装车身面漆缺陷检测的系统及方法 |
| CN116136487A (zh) * | 2023-04-19 | 2023-05-19 | 高视科技(苏州)股份有限公司 | 极片飞拍成像方法、电子设备及存储介质 |
| CN116519597A (zh) * | 2023-05-16 | 2023-08-01 | 中科慧远视觉技术（洛阳）有限公司 | 一种多轴系统检测方法、装置、上位机、介质及系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105388115A (zh) * | 2014-08-20 | 2016-03-09 | 精工爱普生株式会社 | 测色方法及装置、分光测定方法及装置、以及电子设备 |
| CN107677679A (zh) * | 2017-09-22 | 2018-02-09 | 武汉精测电子技术股份有限公司 | 一种aoi检测中l0画面的缺陷分类方法及装置 |
| CN109284719A (zh) * | 2018-09-28 | 2019-01-29 | 成都臻识科技发展有限公司 | 一种基于机器学习的初始数据处理方法和系统 |
| CN109829914A (zh) * | 2019-02-26 | 2019-05-31 | 视睿（杭州）信息科技有限公司 | 检测产品缺陷的方法和装置 |
| CN109991166A (zh) * | 2019-03-19 | 2019-07-09 | 深圳市派科斯科技有限公司 | 用于产品外观缺陷检测的设备及其组合光源装置、方法 |
| CN110018166A (zh) * | 2019-03-19 | 2019-07-16 | 深圳市派科斯科技有限公司 | 一种用于产品外观缺陷检测的设备和方法 |
| CN110933324A (zh) * | 2019-11-27 | 2020-03-27 | 深圳市派科斯科技有限公司 | 频闪光源使用方法、装置及存储介质 |
| CN111586289A (zh) * | 2020-03-31 | 2020-08-25 | 广东利元亨智能装备股份有限公司 | 一种高速飞拍控制方法及系统 |
| CN111812096A (zh) * | 2020-06-02 | 2020-10-23 | 国网浙江嘉善县供电有限公司 | 一种绝缘子电弧烧伤的快速定位智能图像检测方法 |
| CN112621766A (zh) * | 2021-03-09 | 2021-04-09 | 常州微亿智造科技有限公司 | 一种基于机器学习的飞拍图像误差预测方法 |
| CN112689101A (zh) * | 2021-03-22 | 2021-04-20 | 南昌德后科技有限公司 | 一种基于多角度飞拍的多机位拍摄系统 |
| CN112734759A (zh) * | 2021-03-30 | 2021-04-30 | 常州微亿智造科技有限公司 | 飞拍拍摄触发点的确定方法和装置 |
| CN213238777U (zh) * | 2020-11-06 | 2021-05-18 | 苏州鸿方佳视自动化科技有限公司 | 一种手机摄像头凸台检测用光源 |
| CN112881419A (zh) * | 2021-05-06 | 2021-06-01 | 惠州高视科技有限公司 | 芯片检测方法、电子设备及存储介质 |
| CN112964721A (zh) * | 2021-02-01 | 2021-06-15 | 苏州百迈半导体技术有限公司 | 一种多目标随机阵列飞拍视觉检测方法及检测系统 |
| CN113252007A (zh) * | 2021-06-28 | 2021-08-13 | 常州微亿智造科技有限公司 | 用于工件质检的飞拍控制参数确定方法和装置 |
-
2021
- 2021-09-09 CN CN202111055336.4A patent/CN113884497B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105388115A (zh) * | 2014-08-20 | 2016-03-09 | 精工爱普生株式会社 | 测色方法及装置、分光测定方法及装置、以及电子设备 |
| CN107677679A (zh) * | 2017-09-22 | 2018-02-09 | 武汉精测电子技术股份有限公司 | 一种aoi检测中l0画面的缺陷分类方法及装置 |
| CN109284719A (zh) * | 2018-09-28 | 2019-01-29 | 成都臻识科技发展有限公司 | 一种基于机器学习的初始数据处理方法和系统 |
| CN109829914A (zh) * | 2019-02-26 | 2019-05-31 | 视睿（杭州）信息科技有限公司 | 检测产品缺陷的方法和装置 |
| CN109991166A (zh) * | 2019-03-19 | 2019-07-09 | 深圳市派科斯科技有限公司 | 用于产品外观缺陷检测的设备及其组合光源装置、方法 |
| CN110018166A (zh) * | 2019-03-19 | 2019-07-16 | 深圳市派科斯科技有限公司 | 一种用于产品外观缺陷检测的设备和方法 |
| CN110933324A (zh) * | 2019-11-27 | 2020-03-27 | 深圳市派科斯科技有限公司 | 频闪光源使用方法、装置及存储介质 |
| CN111586289A (zh) * | 2020-03-31 | 2020-08-25 | 广东利元亨智能装备股份有限公司 | 一种高速飞拍控制方法及系统 |
| CN111812096A (zh) * | 2020-06-02 | 2020-10-23 | 国网浙江嘉善县供电有限公司 | 一种绝缘子电弧烧伤的快速定位智能图像检测方法 |
| CN213238777U (zh) * | 2020-11-06 | 2021-05-18 | 苏州鸿方佳视自动化科技有限公司 | 一种手机摄像头凸台检测用光源 |
| CN112964721A (zh) * | 2021-02-01 | 2021-06-15 | 苏州百迈半导体技术有限公司 | 一种多目标随机阵列飞拍视觉检测方法及检测系统 |
| CN112621766A (zh) * | 2021-03-09 | 2021-04-09 | 常州微亿智造科技有限公司 | 一种基于机器学习的飞拍图像误差预测方法 |
| CN112689101A (zh) * | 2021-03-22 | 2021-04-20 | 南昌德后科技有限公司 | 一种基于多角度飞拍的多机位拍摄系统 |
| CN112734759A (zh) * | 2021-03-30 | 2021-04-30 | 常州微亿智造科技有限公司 | 飞拍拍摄触发点的确定方法和装置 |
| CN112881419A (zh) * | 2021-05-06 | 2021-06-01 | 惠州高视科技有限公司 | 芯片检测方法、电子设备及存储介质 |
| CN113252007A (zh) * | 2021-06-28 | 2021-08-13 | 常州微亿智造科技有限公司 | 用于工件质检的飞拍控制参数确定方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| 何冰等: "基于超像素和深度神经网络的高压输电线路环境检测", 《计算机系统应用》 * |
| 冯平: "《PCB自动光学检测数字图像处理技术》", 西南交通大学出版社 * |
| 刘桂雄等: "机器视觉检测图像拼接融合技术研究进展", 《中国测试》 * |
| 汤光恒等: "基于计算机视觉塑料成型缺陷多维检测的研究", 《塑料科技》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114577816A (zh) * | 2022-01-18 | 2022-06-03 | 广州超音速自动化科技股份有限公司 | 一种氢燃料双极板检测方法 |
| CN114782830A (zh) * | 2022-06-22 | 2022-07-22 | 天津大学 | 一种图像深度学习特征增强方法、系统及装置 |
| CN115052112A (zh) * | 2022-07-18 | 2022-09-13 | 合肥安迅精密技术有限公司 | 基于贴片机的飞行相机拍照及传输方法及系统 |
| CN115290668A (zh) * | 2022-09-28 | 2022-11-04 | 苏州振畅智能科技有限公司 | 一种涂装车身面漆缺陷检测的系统及方法 |
| CN116136487A (zh) * | 2023-04-19 | 2023-05-19 | 高视科技(苏州)股份有限公司 | 极片飞拍成像方法、电子设备及存储介质 |
| CN116136487B (zh) * | 2023-04-19 | 2023-07-07 | 高视科技(苏州)股份有限公司 | 极片飞拍成像方法、电子设备及存储介质 |
| CN116519597A (zh) * | 2023-05-16 | 2023-08-01 | 中科慧远视觉技术（洛阳）有限公司 | 一种多轴系统检测方法、装置、上位机、介质及系统 |
| CN116519597B (zh) * | 2023-05-16 | 2024-01-19 | 中科慧远视觉技术（洛阳）有限公司 | 一种多轴系统检测方法、装置、上位机、介质及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113884497B (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113884497B (zh) | 一种基于复合光源的fpca飞拍检测方法 | |
| EP3907702B1 (en) | Three-dimensional sensor system and three-dimensional data acquisition method | |
| JPWO2020121973A1 (ja) | 物体識別システム、演算処理装置、自動車、車両用灯具、分類器の学習方法 | |
| CN107945152A (zh) | 工业相机的缺陷检测控制系统及方法 | |
| WO2019114380A1 (zh) | 木板识别及木板识别的机器学习方法、装置及电子设备 | |
| WO2013023904A1 (de) | Messgerät zur bestimmung der räumlichen lage eines messhilfsinstruments | |
| KR101631841B1 (ko) | 3d 비전 검사 시스템 | |
| CN110889823B (zh) | 一种SiC缺陷的检测方法和系统 | |
| US8957956B2 (en) | Method and system for iris image capture | |
| CN110207951B (zh) | 一种基于视觉的飞机线缆支架装配状态检测方法 | |
| CN107609475B (zh) | 基于光场相机的行人检测误检提出方法 | |
| US10579890B2 (en) | Automatic alignment of a 3D model to a test object | |
| CN105844282B (zh) | 一种运用线扫描相机检测喷油嘴O-Ring缺陷的方法 | |
| CN108550160B (zh) | 基于光强模板的非均匀光条特征区域提取方法 | |
| CN108596173A (zh) | 单相机全视角线号实时识别装置及其检测方法 | |
| CN107741425A (zh) | 一种用于增材制造的表面缺陷实时检测装置 | |
| CN109900719A (zh) | 一种叶片表面刀纹的视觉检测方法 | |
| KR101523336B1 (ko) | 웨이퍼 영상 검사 장치 | |
| CN109003228B (zh) | 一种暗场显微大视场自动拼接成像方法 | |
| FR3036473A1 (fr) | Procede de mesure de la position d'une structure mobile | |
| TW201937315A (zh) | 運行中目標獲取 | |
| CN207366467U (zh) | 一种用于增材制造的表面缺陷实时检测装置 | |
| JP5336325B2 (ja) | 画像処理方法 | |
| CN107249089A (zh) | 拍摄装置及方法、摄像机和物流抓拍系统 | |
| CN110148141A (zh) | 一种丝印滤光片小片检测计数方法及设备 |
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 | ||
| CP03 | Change of name, title or address |
Address after: Room 709-3, Building 2, No. 21 Intercity Road, High tech Zone, Suzhou City, Jiangsu Province, 215000 Patentee after: Suzhou Shenshi Information Technology Co.,Ltd. Country or region after: China Address before: 200241 Room 403, building 5, No. 555, Dongchuan Road, Minhang District, Shanghai Patentee before: SHANGHAI DEEPSIGHT INFORMATION TECHNOLOGY CO.,LTD. Country or region before: China |
|
| CP03 | Change of name, title or address |