CN113934190A - 一种基于机器视觉的瓦楞纸板生产质量调控方法 - Google Patents
一种基于机器视觉的瓦楞纸板生产质量调控方法 Download PDFInfo
- Publication number
- CN113934190A CN113934190A CN202111548929.4A CN202111548929A CN113934190A CN 113934190 A CN113934190 A CN 113934190A CN 202111548929 A CN202111548929 A CN 202111548929A CN 113934190 A CN113934190 A CN 113934190A
- Authority
- CN
- China
- Prior art keywords
- gray level
- pixel point
- image
- gray
- value
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000033228 biological regulation Effects 0.000 title abstract description 6
- 230000007547 defect Effects 0.000 claims abstract description 81
- 230000002159 abnormal effect Effects 0.000 claims abstract description 45
- 239000000126 substance Substances 0.000 claims description 14
- 238000003908 quality control method Methods 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 239000011111 cardboard Substances 0.000 claims description 9
- 239000003292 glue Substances 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 6
- 239000000243 solution Substances 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000011550 stock solution Substances 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000011087 paperboard Substances 0.000 description 13
- 239000000123 paper Substances 0.000 description 11
- 238000004026 adhesive bonding Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000005187 foaming Methods 0.000 description 5
- 230000005587 bubbling Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004513 sizing Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于机器视觉的瓦楞纸板生产质量调控方法，涉及人工智能领域，主要用于生产瓦楞纸板的机械参数控制。包括：获取目标表面灰度图像；获取每个像素点的灰度梯度方向；计算每个像素点的缺陷概率；建立灰度直方图，计算每个灰度级的背景概率值，获取灰度图像的背景区域；计算灰度图像中每个像素点的异常程度，构建灰度图像中所有异常程度序列。计算每个异常程度序列的影响程度值，得到所述目标表面图像的整体影响程度值；根据目标图像的整体影响程度值调节生产机械参数。根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的影响程度，从而调整机械参数，提高了产品质量和生产效率。
Description
技术领域
本发明涉及人工智能领域，具体涉及一种基于机器视觉的瓦楞纸板生产质量调控方法。
背景技术
瓦楞纸板是包装运输中重要的材料之一，同时也是生产瓦楞纸箱的原材料。瓦楞纸板能够提高单纯纸张的强度的同时，还具备一定的弹性。瓦楞纸板通常会将几层纸粘在一起，并且还会在中间增加用纸压成，像房顶上瓦陇一样，凹凸相间的行列，所以这种纸板也被称之为瓦楞纸板。纸张间的粘合状态决定了瓦楞纸板的质量，在瓦楞纸板的生产过程中粘合剂的状态不稳定会导致多种缺陷，如纸板修边边缘脱胶、纸板透楞、纸板翘曲等空域特征较为明显的缺陷，此类缺陷容易检测，而对于胶量太大导致的缺陷，其空域特征不明显，检测难度大。
胶量太大导致的缺陷会使纸板表面凹凸不平，对此类纸板进行印刷时会产生诸多问题，如糊版、漏印等，导致产品质量低甚至报废。传统纸板质量检测通常是通过人工观察进行检测筛选的，根据缺陷情况对生产机器进行调控，但这种方法效率低、成本高，检测效果易受工作人员状态影响；采用机器视觉进行缺陷检测通常采用阈值分割进行处理，但这种方法仅能针对空域特征明显的缺陷，无法检测空域特征不明显的缺陷且无法判断缺陷的严重程度，进而无法准确的调控生产机器。
发明内容
本发明提供一种基于机器视觉的瓦楞纸板生产质量调控方法，以解决现有的问题，包括：获取目标表面灰度图像；获取每个像素点的灰度梯度方向；计算每个像素点的缺陷概率；建立灰度直方图，计算每个灰度级的背景概率值，获取灰度图像的背景区域；计算灰度图像中每个像素点的异常程度，构建灰度图像中所有异常程度序列。计算每个异常程度序列的影响程度值，得到所述目标表面图像的整体影响程度值；根据目标图像的整体影响程度值调节生产机械参数。
根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准控制上胶量，提高产品质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率的同时保证了产品的合格率。
本发明采用如下技术方案，一种基于机器视觉的瓦楞纸板生产质量调控方法，包括：
采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向。
根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率。
建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级作为所述灰度图像的背景灰度级。
根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值。
根据所述异常程度值计算所述灰度图像中每个像素点的影响程度值，根据所述灰度图像中每个像素点的影响程度值得到所述目标表面图像的整体影响程度值。
根据所述目标表面图像的整体影响程度值调节生产机械参数。
进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述灰度图像中每个像素点的影响程度值的方法为：
根据所述灰度图像中每行像素点的异常程度值构建异常程度序列，得到所述灰度图像的多个异常程度序列，计算所述灰度图像中每个异常程度序列的影响程度值，表达式为：
其中，
表示序列
的影响程度值,
表示第
个像素点的异常程度，n表示序列中像素点的个数，
表示双曲线正切函数，
为超参数，
为序列
归一化后的混乱程度。
进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述目标表面图像的整体影响程度值的表达式为：
其中，
表示所述目标表面图像的整体影响程度值，
表示第
个序列的影响程度值，x表示所述目标表面图像中序列的个数。
进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，获取所述灰度图像的背景区域的方法为：
建立灰度直方图，计算灰度直方图中每个灰度级的频率值；
通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；
将所述最大背景概率值对应的灰度级作为所述灰度图像的背景灰度级。
进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述灰度图像中每个像素点的异常程度的表达式为：
其中，
表示第A个像素点的异常程度，
表示第A个像素点的缺陷概率，
表示所述背景灰度级，
表示第A个像素点的灰度值。
进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，计算所述灰度图像中每个像素点的缺陷概率的方法为：
以所述灰度图像中每个像素点为中心像素点，根据每个中心像素点与相邻像素点梯度方向的余弦相似度计算每个像素点的缺陷概率，表达式为：
其中，
表示所述灰度图像中第A个像素点的缺陷概率，
表示第A个像素点邻域像素点的个数，
表示第A个像素点的梯度方向，
表示第
个邻域像素点的梯度方向。
进一步的，一种基于机器视觉的瓦楞纸板生产质量调控方法，根据所述目标表面图像的整体影响程度值调节生产机械参数，包括：
其中，T表示调整后的生产机械温度，V表示调整后的生产机械胶液液位，
表示生产机械的原温度，
表示生产机械的原胶液液位，
、
表示调控参数。
本发明的有益效果是：根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准控制上胶量，提高产品质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率的同时保证了产品的合格率。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种基于机器视觉的瓦楞纸板生产质量调控方法结构示意图；
图2为本发明实施例的另一种基于机器视觉的瓦楞纸板生产质量调控方法结构示意图。
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。基于本发明中的实施例，本领域普通技术人员在没有做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1
如图1所示，给出了本发明实施例的一种基于机器视觉的瓦楞纸板生产质量调控方法结构示意图，包括：
101.采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向。
本实施例所针对的场景为：
首先，瓦楞纸板由高温高湿带齿轮的瓦楞辊轴压制凹凸相间的瓦楞形状的纸芯，瓦楞纸芯与带胶水的辊轴接触再与面纸粘合在一起，通过高温干燥后形成瓦楞纸板，采集瓦楞纸板表面灰度图像。对生产的瓦楞纸板采样，对采集到的瓦楞纸板表面灰度图像进行分析。
102.根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率。
起泡缺陷的空域特征为球状凸起的未粘合区域，瓦楞纸板的固有色不变，采集到的灰度图像理应不存在灰度梯度，但由于纸板表面的起泡缺陷导致纸板表面凹凸不平，光照发生变化导致灰度发生变化，同时噪声与外界干扰因素的影响也会导致纸板表面灰度存在灰度梯度，且灰度梯度存在某种变化风格。
缺陷部位的灰度变化为由缺陷的中心往四周逐渐下降，即以某一缺陷像素点为中心点，其邻域的灰度梯度变化方向与中心像素点的梯度变化方向相似，而噪点邻域像素点的灰度梯度变化方向与中心像素点的梯度变化方向不相似，通常呈散射状分布。
103.建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级作为所述灰度图像的背景灰度级。
起泡缺陷会导致图像的灰度值发生变化，起泡缺陷越严重，缺陷区域像素点的灰度值与正常区域（背景）灰度值差异越大。想要获取像素点的缺陷严重程度需先获取瓦楞纸板的背景。
建立灰度直方图，计算灰度直方图中每个灰度级的频率值；
通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；
当瓦楞纸板中存在较多的起泡缺陷，即缺陷较为密集，利用灰度直方图的频数最大值或灰度均值代表背景像素的灰度级存在较大的偏差，但所需要的较为理想的背景灰度级一定位于灰度直方图的频数最大值与灰度均值之间，故建立高斯分布计算所述灰度直方图中每个灰度级的背景概率值。
将所述最大背景概率值对应的灰度级作为所述灰度图像的背景灰度级。
104.根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值。
像素点的缺陷概率越大说明该像素点的梯度风格越符合缺陷的风格特征，该像素点的灰度值与背景灰度差异越大，且该像素点的梯度风格越符合缺陷的风格特征，则该像素点的异常程度越大，该像素点的梯度风格与灰度差异呈正相关。
每行像素构建像素点异常程度序列，当像素点的灰度值与背景灰度差异越大，且该像素点的梯度风格越符合缺陷的风格特征，像素点的异常程度越大，当像素点属于背景像素或无梯度变化时，该像素点属于正常像素点，即异常程度为0。
105.根据所述异常程度值计算所述灰度图像中每个像素点的影响程度值，根据所述灰度图像中每个像素点的影响程度值得到所述目标表面图像的整体影响程度值。
构建像素点异常程度序列，计算该序列的影响程度，对多个序列的影响程度进行计算，得到瓦楞纸板的整体影响程度。
106.根据所述目标表面图像的整体影响程度值调节生产机械参数。
瓦楞纸板受缺陷的影响程度越大，则说明生产过程中机械对应参数的偏差越大，根据当前影响程度对生产机械参数进行调节。
起泡缺陷产生原因通常为上胶量太大和面、里纸水分烤的太干所导致的，所以根据影响程度对上胶辊轴与温度进行调控。
根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准控制上胶量，提高产品质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率的同时保证了产品的合格率。
实施例2
如图2所示，给出了本发明实施例另一种基于机器视觉的瓦楞纸板生产质量调控方法，包括：
201.采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向。
本实施例所针对的场景为：
首先，瓦楞纸板由高温高湿带齿轮的瓦楞辊轴压制凹凸相间的瓦楞形状的纸芯，瓦楞纸芯与带胶水的辊轴接触再与面纸粘合在一起，通过高温干燥后形成瓦楞纸板，采集瓦楞纸板表面灰度图像。
对生产的瓦楞纸板采样，对采集到的瓦楞纸板表面灰度图像进行分析，根据灰度图像中各像素点间的关系进行缺陷判断并计算缺陷的严重程度，根据严重程度计算影响程度。
最后，根据瓦楞纸板表面缺陷的影响程度调控上胶辊轴，控制上胶量，避免后续生产的瓦楞纸板出现类似缺陷而影响印刷质量。
瓦楞纸板后生产完成，对成品人造板表面进行图像采集，相机位于瓦楞纸板的正上方，保证采集到较为清晰的瓦楞纸板表面图像，调整相机视角，保证采集到的图像仅包含板材表面图像，调整传送带运行速度
与相机采样频率
，对刚生产的瓦楞纸板进行采样。（注：由于纸板生产较快，短时刻生产的纸板质量相近，即存在缺陷即都存在缺陷，为了减少计算量，故对生产出的纸板进行采样，根据样品纸板的质量对上胶辊轴进行调控）
参数
、
为固定参数，即不论检测什么样的瓦楞纸板，第一阶段的参数为通用参数，都是提前设置好，固定相同的。
将采集到的图像转化为灰度图像，计算灰度图像的梯度，利用sobel算子计算图像
，
方向的梯度
。则其对应的梯度方向为
。
202.根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率。
起泡缺陷的空域特征为球状凸起的未粘合区域，瓦楞纸板的固有色不变，采集到的灰度图像理应不存在灰度梯度，但由于纸板表面的起泡缺陷导致纸板表面凹凸不平，光照发生变化导致灰度发生变化，同时噪声与外界干扰因素的影响也会导致纸板表面灰度存在灰度梯度，且灰度梯度存在某种变化风格。
分析可得，缺陷部位的灰度变化为由缺陷的中心往四周逐渐下降，即以某一缺陷像素点为中心点，其邻域的灰度梯度变化方向与中心像素点的梯度变化方向相似，而噪点邻域像素点的灰度梯度变化方向与中心像素点的梯度变化方向不相似，通常呈散射状分布。
根据分析得到的风格特征计算像素点的异常程度，中心像素点与其邻域中每一个像素点的梯度方向存在一个余弦相似度，记为i,计算所述灰度图像中每个像素点的缺陷概率的方法为：
以所述灰度图像中每个像素点为中心像素点，根据每个中心像素点与相邻像素点梯度方向的余弦相似度计算每个像素点的缺陷概率，表达式为：
其中，
表示所述灰度图像中第A个像素点的缺陷概率，
表示第A个像素点邻域像素点的个数，
表示第A个像素点的梯度方向，
表示第
个邻域像素点的梯度方向。
本实施例用
描述该像素点的梯度风格特征，如果这个像素点的梯度方向与其邻域梯度方向相似，则该像素点为缺陷的概率大，对应
的值越趋近于1.即
越大，越能代表该像素点为缺陷像素点。
203.建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级对应的区域作为所述灰度图像的背景区域。
起泡缺陷会导致图像的灰度值发生变化，起泡缺陷越严重，缺陷区域像素点的灰度值与正常区域（背景）灰度值差异越大。想要获取像素点的缺陷严重程度需先获取瓦楞纸板的背景。
获取所述灰度图像的背景区域的方法为：
建立灰度直方图，计算灰度直方图中每个灰度级的频率值，表达式为：
式中
表示第j个灰度级出现的频率，
表示第j个灰度级对应像素点出现的频数，B表示图像像素点的总个数。
通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；
计算背景像素的灰度级，当瓦楞纸板中存在较多的起泡缺陷，即缺陷较为密集，利用灰度直方图的频数最大值或灰度均值代表背景像素的灰度级存在较大的偏差，但所需要的较为理想的背景灰度级一定位于灰度直方图的频数最大值与灰度均值之间，故建立高斯分布，高斯分布的均值与方差为以频数最大灰度值
与灰度值均值
之间灰度值的均值为均值
：
以频数最大灰度值
与灰度值均值
之间灰度值的方差为方差
：
灰度级的背景概率计算公式为：
将所述最大背景概率值对应的灰度级作为所述灰度图像的背景灰度级。
204.根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值。
选取上述步骤得到的
最大值所对应的灰度级
为背景，根据背景区域像素点的灰度均值与目标灰度图像中每个像素点的灰度值进行对比，结合每个像素点对应的缺陷概率计算其异常程度值。
计算所述灰度图像中每个像素点的异常程度的表达式为：
其中，
表示第A个像素点的异常程度，
表示第A个像素点的缺陷概率，
表示背景灰度级，
表示第A个像素点的灰度值。
本实施例用
描述像素点的异常程度，像素点的缺陷概率越大说明该像素点的梯度风格越符合缺陷的风格特征，该像素点的灰度值与背景灰度差异越大，且该像素点的梯度风格越符合缺陷的风格特征，则该像素点的异常程度越大，该像素点的梯度风格与灰度差异呈正相关。
每行像素构建像素点异常程度序列，当像素点的灰度值与背景灰度差异越大，且该像素点的梯度风格越符合缺陷的风格特征，像素点的异常程度越大，当像素点属于背景像素或无梯度变化时，该像素点属于正常像素点，即异常程度为0，构建像素点异常程度序列。
205.根据所述异常程度值计算所述灰度图像中每个像素点的影响程度值，根据所述灰度图像中每个像素点的影响程度值得到所述目标表面图像的整体影响程度值。
计算所述异常程度序列的影响程度值的表达式为：
其中，
表示序列
的影响程度值,
表示第
个像素点的异常程度，n表示序列中像素点的个数，
表示双曲线正切函数，
为超参数，
为序列
归一化后的混乱程度。
本实施例中，取
，起归一化作用，
表示序列
的波动程度，
为排列熵，其表示序列
归一化后的混乱程度，其具体含义为：
对序列
嵌入一个维度为m的窗口与一个延迟L；该m维的窗口，以延迟L为步长，对序列
进行重构得到多个子序列；将每个子序列以
表示，则
。对每个
内部的每个元素进行排序，本发明实施例中按照升序排列，若两个元素的值相等，则按照该元素对应的角标进行排序；用符号序列
表示对每个
内部的每个元素排序后的位置索引结果，该符号序列的数量为
，即一个m维的子序列
被映射到
个序列(
)中的其中一种。将每个符号序列的分布概率表示为
,
…
，其中
。
则序列
的混乱程度为：
其中，
表示灰度差值序列的混乱程度；
表示子序列的数量；
表示第
个子序列的分布概率,
表示jm出现的次数。
为了便于后续的计算，对每行灰度值序列的排列熵进行归一化处理：
其中，
表示归一化后的混乱程度；
表示序列
的混乱程度；
为符号序列的数量。计算得到的混乱程度的值越大，代表序列
越混乱，即该序列的影响程度越大。
排列熵为现有技术，在本实施例中仅进行如上说明，不对本发明的创造性或保护范围构成任何影响。
计算所述目标表面图像的整体影响程度值的表达式为：
其中，
表示所述目标表面图像的整体影响程度值，
表示第
个序列的影响程度值，x表示所述目标表面图像中序列的个数。
206.根据所述目标表面图像的整体影响程度值调节生产机械参数。
瓦楞纸板受缺陷的影响程度越大，则说明生产过程中机械对应参数的偏差越大，根据当前影响程度对生产机械参数进行调节。
根据所述目标表面图像的整体影响程度值调节生产机械参数，包括：
其中，T表示调整后的生产机械温度，V表示调整后的生产机械胶液液位，
表示生产机械的原温度，
表示生产机械的原胶液液位，
、
表示调控参数。
根据本发明提出的技术手段，通过目标表面灰度图像计算缺陷的异常程度，从而得到该缺陷的影响程度，进一步根据影响程度值调整生产机械，精准控制上胶量，提高产品质量，减少次品与报废品，同时有效降低了劳动强度，提高生产效率的同时保证了产品的合格率。
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 (7)
1.一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，包括：
采集目标表面图像，并进行灰度化处理，得到目标表面灰度图像；获取所述灰度图像中每个像素点的灰度梯度方向；
根据所述每个像素点的灰度梯度方向计算所述灰度图像中每个像素点的缺陷概率；
建立所述灰度图像的灰度直方图，计算所述灰度直方图中每个灰度级的背景概率值，获取所述背景概率值最大的灰度级作为所述灰度图像的背景灰度级；
根据所述背景灰度级与所述灰度图像中每个像素点的灰度级以及所述灰度图像中每个像素点的缺陷概率计算所述灰度图像中每个像素点的异常程度值；
根据所述异常程度值计算所述灰度图像中每个像素点的影响程度值，根据所述灰度图像中每个像素点的影响程度值得到所述目标表面图像的整体影响程度值；
根据所述目标表面图像的整体影响程度值调节生产机械参数。
2.根据权利要求1所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述灰度图像中每个像素点的影响程度值的方法为：
根据所述灰度图像中每行像素点的异常程度值构建异常程度序列，得到所述灰度图像的多个异常程度序列，计算所述灰度图像中每个异常程度序列的影响程度值，表达式为：
其中，
表示序列
的影响程度值,
表示第
个像素点的异常程度，n表示序列中像素点的个数，
表示双曲线正切函数，
为超参数，
为序列
归一化后的混乱程度。
3.根据权利要求2所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述目标表面图像的整体影响程度值的表达式为：
其中，
表示所述目标表面图像的整体影响程度值，
表示第
个序列的影响程度值，x表示所述目标表面图像中序列的个数。
4.根据权利要求1所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，获取所述灰度图像的背景灰度级的方法为：
建立灰度直方图，计算灰度直方图中每个灰度级的频率值；
通过所述每个灰度级的频率值计算所述灰度直方图中每个灰度级的背景概率值；
将所述最大背景概率值对应的灰度级作为所述灰度图像的背景灰度级。
5.根据权利要求2所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述灰度图像中每个像素点的异常程度的表达式为：
其中，
表示第A个像素点的异常程度，
表示第A个像素点的缺陷概率，
表示所述背景灰度级，
表示第A个像素点的灰度值。
6.据权利要求5所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，计算所述灰度图像中每个像素点的缺陷概率的方法为：
以所述灰度图像中每个像素点为中心像素点，根据每个中心像素点与相邻像素点梯度方向的余弦相似度计算每个像素点的缺陷概率，表达式为：
其中，
表示所述灰度图像中第A个像素点的缺陷概率，
表示第A个像素点邻域像素点的个数，
表示第A个像素点的梯度方向，
表示第
个邻域像素点的梯度方向。
7.据权利要求3所述的一种基于机器视觉的瓦楞纸板生产质量调控方法，其特征在于，根据所述目标表面图像的整体影响程度值调节生产机械参数，包括：
其中，T表示调整后的生产机械温度，V表示调整后的生产机械胶液液位，
表示生产机械的原温度，
表示生产机械的原胶液液位，
、
表示调控参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111548929.4A CN113934190B (zh) | 2021-12-17 | 2021-12-17 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111548929.4A CN113934190B (zh) | 2021-12-17 | 2021-12-17 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113934190A true CN113934190A (zh) | 2022-01-14 |
| CN113934190B CN113934190B (zh) | 2022-03-22 |
Family
ID=79289326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111548929.4A Active CN113934190B (zh) | 2021-12-17 | 2021-12-17 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113934190B (zh) |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114119613A (zh) * | 2022-01-26 | 2022-03-01 | 山东慧丰花生食品股份有限公司 | 基于图像处理的花生选种方法 |
| CN114359270A (zh) * | 2022-03-09 | 2022-04-15 | 山东华硕汽车配件科技有限公司 | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 |
| CN114359416A (zh) * | 2022-03-17 | 2022-04-15 | 山东水利建设集团有限公司 | 一种建筑物外墙空鼓渗漏异常检测及定位方法 |
| CN114549529A (zh) * | 2022-04-26 | 2022-05-27 | 武汉福旺家包装有限公司 | 基于计算机视觉的纸箱压痕质量检测方法及系统 |
| CN114581428A (zh) * | 2022-03-13 | 2022-06-03 | 江苏涂博士新材料有限公司 | 一种基于光学手段的粉末涂料粘合度检测方法 |
| CN114693650A (zh) * | 2022-03-31 | 2022-07-01 | 南通俊朗智能科技有限公司 | 一种基于机器视觉的混合机智能控制方法 |
| CN114708224A (zh) * | 2022-03-31 | 2022-07-05 | 南通金斯曼纺织有限公司 | 基于人工智能的纺织品织纹质量评估方法及系统 |
| CN114708325A (zh) * | 2022-03-31 | 2022-07-05 | 南通华烨塑料工业有限公司 | 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法 |
| CN114742785A (zh) * | 2022-03-31 | 2022-07-12 | 启东普力马机械有限公司 | 基于图像处理的液压接头清洁度控制方法 |
| CN114758159A (zh) * | 2022-06-13 | 2022-07-15 | 迪非液压科技江苏有限公司 | 一种液压制动器切削工艺的切削控制方法 |
| CN114821195A (zh) * | 2022-06-01 | 2022-07-29 | 南阳师范学院 | 计算机图像智能化识别方法 |
| CN114882030A (zh) * | 2022-07-11 | 2022-08-09 | 南通金丝楠膜材料有限公司 | 一种基于神经网络的涂胶机工作参数调节方法及系统 |
| CN114878574A (zh) * | 2022-03-31 | 2022-08-09 | 南通东德纺织科技有限公司 | 基于机器视觉的布匹缺陷检测方法、装置及系统 |
| CN114897905A (zh) * | 2022-07-14 | 2022-08-12 | 江苏欧盛液压科技有限公司 | 一种基于图像处理的液压阀生产控制方法 |
| CN114897772A (zh) * | 2022-03-31 | 2022-08-12 | 南通奥尔嘉橡塑有限公司 | 一种基于机器视觉的橡胶正硫化调控的方法 |
| CN114913248A (zh) * | 2022-07-18 | 2022-08-16 | 南通金丝楠膜材料有限公司 | 一种薄膜生产工艺中电晕机的自适应控制方法 |
| CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及系统 |
| CN114972331A (zh) * | 2022-07-15 | 2022-08-30 | 启东金耀億华玻纤材料有限公司 | 一种利用灰度游程矩阵识别agm隔板质量的方法及装置 |
| CN115063424A (zh) * | 2022-08-18 | 2022-09-16 | 南通永安纺织有限公司 | 基于计算机视觉的纺织纱管纱线检测方法 |
| CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
| CN115115642A (zh) * | 2022-08-30 | 2022-09-27 | 启东万惠机械制造有限公司 | 基于图像处理的带钢结疤缺陷检测方法 |
| CN115272331A (zh) * | 2022-09-29 | 2022-11-01 | 南通华烽纸业有限公司 | 基于图像处理的瓦楞纸质量检测方法 |
| CN115294123A (zh) * | 2022-10-08 | 2022-11-04 | 淄博永丰环保科技有限公司 | 一种基于图像视觉的瓦楞纸板质量检测方法 |
| CN115330806A (zh) * | 2022-10-17 | 2022-11-11 | 江苏昱恒电气有限公司 | 基于计算机视觉的led背光异物缺陷检测方法 |
| CN115375588A (zh) * | 2022-10-25 | 2022-11-22 | 山东旗胜电气股份有限公司 | 基于红外成像的电网变压器故障识别方法 |
| CN115639870A (zh) * | 2022-12-21 | 2023-01-24 | 苏州沸特纸业有限公司 | 一种用于瓦楞纸板生产的智能控制方法 |
| CN116168024A (zh) * | 2023-04-23 | 2023-05-26 | 苏州大凯纸业有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
| CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
| CN116883402A (zh) * | 2023-09-07 | 2023-10-13 | 山东大昌纸制品有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1491879A2 (de) * | 2003-06-10 | 2004-12-29 | hema electronic GmbH | Verfahren zur adaptiven Fehlererkennung auf einer strukturierten Oberfläche |
| CN104360501A (zh) * | 2014-10-15 | 2015-02-18 | 西安交通大学 | 一种液晶屏幕缺陷视觉检测方法及装置 |
| JP2015135540A (ja) * | 2014-01-16 | 2015-07-27 | 大日本印刷株式会社 | 画像の特徴点抽出方法、欠陥検査方法、欠陥検査装置 |
| CN107610119A (zh) * | 2017-09-26 | 2018-01-19 | 河北工业大学 | 基于直方图分解的带钢表面缺陷精准检测方法 |
| CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
| CN108596880A (zh) * | 2018-04-08 | 2018-09-28 | 东南大学 | 基于图像处理的焊接缺陷特征提取与焊接质量分析方法 |
| CN111242888A (zh) * | 2019-12-03 | 2020-06-05 | 中国人民解放军海军航空大学 | 一种基于机器视觉的图像处理方法及系统 |
| CN111982916A (zh) * | 2020-08-20 | 2020-11-24 | 南京中车浦镇城轨车辆有限责任公司 | 一种基于机器视觉的焊缝表面缺陷检测方法及系统 |
| CN113628189A (zh) * | 2021-08-11 | 2021-11-09 | 西安工程大学 | 一种基于图像识别的快速带钢划痕缺陷检测方法 |
| CN113793337A (zh) * | 2021-11-18 | 2021-12-14 | 汶上海纬机车配件有限公司 | 基于人工智能的机车配件表面异常程度评估方法 |
-
2021
- 2021-12-17 CN CN202111548929.4A patent/CN113934190B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1491879A2 (de) * | 2003-06-10 | 2004-12-29 | hema electronic GmbH | Verfahren zur adaptiven Fehlererkennung auf einer strukturierten Oberfläche |
| JP2015135540A (ja) * | 2014-01-16 | 2015-07-27 | 大日本印刷株式会社 | 画像の特徴点抽出方法、欠陥検査方法、欠陥検査装置 |
| CN104360501A (zh) * | 2014-10-15 | 2015-02-18 | 西安交通大学 | 一种液晶屏幕缺陷视觉检测方法及装置 |
| CN107610119A (zh) * | 2017-09-26 | 2018-01-19 | 河北工业大学 | 基于直方图分解的带钢表面缺陷精准检测方法 |
| CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
| CN108596880A (zh) * | 2018-04-08 | 2018-09-28 | 东南大学 | 基于图像处理的焊接缺陷特征提取与焊接质量分析方法 |
| CN111242888A (zh) * | 2019-12-03 | 2020-06-05 | 中国人民解放军海军航空大学 | 一种基于机器视觉的图像处理方法及系统 |
| CN111982916A (zh) * | 2020-08-20 | 2020-11-24 | 南京中车浦镇城轨车辆有限责任公司 | 一种基于机器视觉的焊缝表面缺陷检测方法及系统 |
| CN113628189A (zh) * | 2021-08-11 | 2021-11-09 | 西安工程大学 | 一种基于图像识别的快速带钢划痕缺陷检测方法 |
| CN113793337A (zh) * | 2021-11-18 | 2021-12-14 | 汶上海纬机车配件有限公司 | 基于人工智能的机车配件表面异常程度评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杜猛: "基于机器视觉的齿轮外观缺陷检测方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑》 * |
Cited By (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114119613B (zh) * | 2022-01-26 | 2022-04-22 | 山东慧丰花生食品股份有限公司 | 基于图像处理的花生选种方法 |
| CN114119613A (zh) * | 2022-01-26 | 2022-03-01 | 山东慧丰花生食品股份有限公司 | 基于图像处理的花生选种方法 |
| CN114359270B (zh) * | 2022-03-09 | 2022-06-07 | 山东华硕汽车配件科技有限公司 | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 |
| CN114359270A (zh) * | 2022-03-09 | 2022-04-15 | 山东华硕汽车配件科技有限公司 | 基于计算机视觉的汽车发动机油路铜套缺陷检测方法 |
| CN114581428A (zh) * | 2022-03-13 | 2022-06-03 | 江苏涂博士新材料有限公司 | 一种基于光学手段的粉末涂料粘合度检测方法 |
| CN114359416A (zh) * | 2022-03-17 | 2022-04-15 | 山东水利建设集团有限公司 | 一种建筑物外墙空鼓渗漏异常检测及定位方法 |
| CN114897772B (zh) * | 2022-03-31 | 2024-05-14 | 河南省开仑化工有限责任公司 | 一种基于机器视觉的橡胶正硫化调控的方法 |
| CN114897772A (zh) * | 2022-03-31 | 2022-08-12 | 南通奥尔嘉橡塑有限公司 | 一种基于机器视觉的橡胶正硫化调控的方法 |
| CN114693650A (zh) * | 2022-03-31 | 2022-07-01 | 南通俊朗智能科技有限公司 | 一种基于机器视觉的混合机智能控制方法 |
| CN114708224A (zh) * | 2022-03-31 | 2022-07-05 | 南通金斯曼纺织有限公司 | 基于人工智能的纺织品织纹质量评估方法及系统 |
| CN114708325A (zh) * | 2022-03-31 | 2022-07-05 | 南通华烨塑料工业有限公司 | 一种基于橡胶喷霜缺陷的橡胶生产问题快速定位方法 |
| CN114742785A (zh) * | 2022-03-31 | 2022-07-12 | 启东普力马机械有限公司 | 基于图像处理的液压接头清洁度控制方法 |
| CN114693650B (zh) * | 2022-03-31 | 2024-05-24 | 无锡市慧航智能科技有限公司 | 一种基于机器视觉的混合机智能控制方法 |
| CN114708224B (zh) * | 2022-03-31 | 2023-06-23 | 吴江市双泽纺织有限公司 | 基于人工智能的纺织品织纹质量评估方法及系统 |
| CN114878574A (zh) * | 2022-03-31 | 2022-08-09 | 南通东德纺织科技有限公司 | 基于机器视觉的布匹缺陷检测方法、装置及系统 |
| CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及系统 |
| CN114549529A (zh) * | 2022-04-26 | 2022-05-27 | 武汉福旺家包装有限公司 | 基于计算机视觉的纸箱压痕质量检测方法及系统 |
| CN114821195A (zh) * | 2022-06-01 | 2022-07-29 | 南阳师范学院 | 计算机图像智能化识别方法 |
| CN114758159A (zh) * | 2022-06-13 | 2022-07-15 | 迪非液压科技江苏有限公司 | 一种液压制动器切削工艺的切削控制方法 |
| CN114882030A (zh) * | 2022-07-11 | 2022-08-09 | 南通金丝楠膜材料有限公司 | 一种基于神经网络的涂胶机工作参数调节方法及系统 |
| CN114897905A (zh) * | 2022-07-14 | 2022-08-12 | 江苏欧盛液压科技有限公司 | 一种基于图像处理的液压阀生产控制方法 |
| CN114972331A (zh) * | 2022-07-15 | 2022-08-30 | 启东金耀億华玻纤材料有限公司 | 一种利用灰度游程矩阵识别agm隔板质量的方法及装置 |
| CN114972331B (zh) * | 2022-07-15 | 2022-10-21 | 启东金耀億华玻纤材料有限公司 | 一种利用灰度游程矩阵识别agm隔板质量的方法及装置 |
| CN114913248A (zh) * | 2022-07-18 | 2022-08-16 | 南通金丝楠膜材料有限公司 | 一种薄膜生产工艺中电晕机的自适应控制方法 |
| CN114913248B (zh) * | 2022-07-18 | 2023-08-22 | 佛山品特塑彩新材料有限公司 | 一种薄膜生产工艺中电晕机的自适应控制方法 |
| CN115063424A (zh) * | 2022-08-18 | 2022-09-16 | 南通永安纺织有限公司 | 基于计算机视觉的纺织纱管纱线检测方法 |
| CN115082482B (zh) * | 2022-08-23 | 2022-11-22 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
| CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
| CN115115642A (zh) * | 2022-08-30 | 2022-09-27 | 启东万惠机械制造有限公司 | 基于图像处理的带钢结疤缺陷检测方法 |
| CN115272331A (zh) * | 2022-09-29 | 2022-11-01 | 南通华烽纸业有限公司 | 基于图像处理的瓦楞纸质量检测方法 |
| CN115294123A (zh) * | 2022-10-08 | 2022-11-04 | 淄博永丰环保科技有限公司 | 一种基于图像视觉的瓦楞纸板质量检测方法 |
| CN115294123B (zh) * | 2022-10-08 | 2023-03-24 | 淄博永丰环保科技有限公司 | 一种基于图像视觉的瓦楞纸板质量检测方法 |
| CN115330806B (zh) * | 2022-10-17 | 2023-03-24 | 江苏昱恒电气有限公司 | 一种led背光异物缺陷检测方法 |
| CN115330806A (zh) * | 2022-10-17 | 2022-11-11 | 江苏昱恒电气有限公司 | 基于计算机视觉的led背光异物缺陷检测方法 |
| CN115375588B (zh) * | 2022-10-25 | 2023-02-07 | 山东旗胜电气股份有限公司 | 基于红外成像的电网变压器故障识别方法 |
| CN115375588A (zh) * | 2022-10-25 | 2022-11-22 | 山东旗胜电气股份有限公司 | 基于红外成像的电网变压器故障识别方法 |
| CN115639870A (zh) * | 2022-12-21 | 2023-01-24 | 苏州沸特纸业有限公司 | 一种用于瓦楞纸板生产的智能控制方法 |
| CN116168024A (zh) * | 2023-04-23 | 2023-05-26 | 苏州大凯纸业有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
| CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
| CN116883402A (zh) * | 2023-09-07 | 2023-10-13 | 山东大昌纸制品有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
| CN116883402B (zh) * | 2023-09-07 | 2023-11-21 | 山东大昌纸制品有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113934190B (zh) | 2022-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113934190B (zh) | 一种基于机器视觉的瓦楞纸板生产质量调控方法 | |
| CN114913365A (zh) | 基于机器视觉的人造板质量分类方法及系统 | |
| CN115294123B (zh) | 一种基于图像视觉的瓦楞纸板质量检测方法 | |
| EP3580720B1 (en) | Real-time, full web image processing method and system for web manufacturing supervision | |
| CN109035195B (zh) | 一种织物疵点检测方法 | |
| CN115272341A (zh) | 一种基于机器视觉的包装机缺陷产品检测方法 | |
| US20210166374A1 (en) | Construction method, inspection method, and program for image data with label, and construction device and inspection device for image data with label | |
| CN102305798A (zh) | 基于机器视觉的玻璃缺陷的检测与分类方法 | |
| CN110766681A (zh) | 一种基于三重损失网络的竹条表面缺陷检测方法 | |
| CN112907561A (zh) | 一种基于深度学习的笔记本外观瑕疵检测方法 | |
| CN101710081A (zh) | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 | |
| CN111968082A (zh) | 一种基于机器视觉的产品包装缺陷检测识别方法 | |
| CN115131348A (zh) | 一种纺织品表面缺陷的检测方法及系统 | |
| CN115049645A (zh) | 一种太阳能电池板表面缺陷检测方法 | |
| CN110935646A (zh) | 基于图像识别的全自动螃蟹分级系统 | |
| CN109000887B (zh) | 一种图案检测装置及方法、图案化控制系统及方法 | |
| CN117483445A (zh) | 一种电容器用超薄铝箔的轧制成型的自动控制系统 | |
| CN110516725B (zh) | 基于机器视觉的木板条纹间距和颜色的检测方法 | |
| CN115222735B (zh) | 一种基于麻点缺陷的金属模具质量检测方法 | |
| CN114789927B (zh) | 纺织面料胚布收卷机人工智能控制方法及系统 | |
| CN114913248B (zh) | 一种薄膜生产工艺中电晕机的自适应控制方法 | |
| Zhang et al. | A rapid, automated flaw segmentation method using morphological reconstruction to grade wood flooring | |
| CN118076929A (zh) | 尤其使用自组织映射来监控材料板、尤其工程木质板的生产 | |
| CN114627049A (zh) | 一种注塑产品表面缺陷检测方法 | |
| Suppitaksakul et al. | Machine vision system for counting the number of corrugated cardboard |
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 |