CN113935962B - 一种玻纤布的毛团检测方法 - Google Patents
一种玻纤布的毛团检测方法 Download PDFInfo
- Publication number
- CN113935962B CN113935962B CN202111154618.XA CN202111154618A CN113935962B CN 113935962 B CN113935962 B CN 113935962B CN 202111154618 A CN202111154618 A CN 202111154618A CN 113935962 B CN113935962 B CN 113935962B
- Authority
- CN
- China
- Prior art keywords
- image data
- hairball
- pixel points
- pixel point
- 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.)
- Active
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
-
- 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
- G06T7/194—Segmentation; Edge detection involving foreground-background 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
- G01N2021/8444—Fibrous material
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及玻纤布检测技术领域,尤其涉及玻纤布的毛团检测方法,包括:S10:布置检测相机,并通过相机实时采集玻纤布的图像数据R;S20:对图像数据R进行图像预处理;S30:预处理后图像数据R通过双反转变换模型进行目标和背景的处理,获得新图像数据S;S40:选取新图像数据S中的亮斑点,根据所需检测毛团的大小,判断亮斑点所在区域是否为白色毛团。本发明通过双反转变换模型对相机拍摄实时采集的图像数据进行处理,实现在线实时检测,提高了检测效率,有效保证了玻纤布的整体质量。
Description
技术领域
本发明涉及玻纤布检测技术领域,尤其涉及一种玻纤布的毛团检测方法。
背景技术
玻纤布主要由玻璃纤维和短线针刺无纺布复合而成,玻璃纤维是一种性能优异的无机非金属材料,种类繁多,优点使绝缘性好、耐热性强、抗腐蚀性好,机械强度高,它是叶腊石、石英石、石灰石、白云石、硼钙石、硼镁石六种矿石为原料经高温熔制、拉丝、络纱、织布等工艺制造而成,玻纤布是玻璃纤维的产品之一。玻纤布在生产过程中,机械摩擦沉积的毛团会附着在玻纤布的布面上,其毛团严重影响产品质量。
目前在大批量重复性工业生产过程中,对于玻纤布的布面上的毛团检测均以人工抽检为主,但是人工抽检从根本上无法对玻纤布的布面完成全面检测,会遗漏掉大量的毛团,从而导致玻纤布的整体质量得不到有效保证。
鉴于上述问题的存在,本发明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,以期创设一种基于玻纤布的毛团检测方法,使其更具有实用性。
发明内容
本发明所要解决的技术问题是:提供一种基于玻纤布的毛团检测方法,实现在线实时检测,避免出现毛团的遗漏现象,有效保证玻纤布的整体质量。
为了达到上述目的,本发明所采用的技术方案是:一种玻纤布的毛团检测方法,包括以下步骤:
S10:布置检测相机,并通过相机实时采集玻纤布的图像数据R;
S20:对图像数据R进行图像预处理;
S30:预处理后图像数据R进行双阈值的反转变换处理,获得新图像数据S;
S40:选取新图像数据S中的亮斑点,根据所需检测毛团的大小,判断亮斑点所在区域是否为白色毛团。
进一步地,在步骤S10中,根据实际所需检测布面幅面设置检测相机的数量,且相对检测相机的拍摄角度,灯光以一定角度射入布面。
进一步地,在步骤S20中,图像预处理是对图像数据R进行滤波处理,具体包括:
步骤一:遍历图像数据R,找出与周围像素点的灰度相差较大的目标像素点;
步骤二:设(x,y)为目标像素点,其周围方向上的四个像素点为(x,y+1)、(x,y-1)、(x+1,y)和(x-1,y),则S=(f(x,y+1)+ f(x,y-1)+ f(x-1,y)+ f(x+1,y))/4,若 |f(x,y)-S|>30,则去除目标像素点,否则保留目标像素点。
进一步地,在步骤S30中,图像数据R进行双阈值的反转变换处理,获取新图像数据S,具体包括:
确定双阈值得到双反转变换模型:
其中,T为双反转变换模型,gmin+50为第一阈值,gmax-20为第二阈值,gmin 为图像数据R中的最小灰度值,gmax为图像数据中的最大灰度值,50为第一定值,20为第二定值;
遍历图像数据R中的每一个像素点g(x,y),其像素点g(x,y)对应的像素值设为g;当g<gmin+50,则该像素点的像素值设为0,当g>gmax-20,则该像素点的像素值设为255,得到新的图像数据S。
进一步地,所述第一阈值与所述第二阈值根据拍摄的图像数据实时变换获得,并将图像分为前景、背景和目标,其中目标区域的亮度比背景亮比前景暗,所述第一阈值为分割背景与目标区域,所述第二阈值为分割前景与目标区域。
进一步地,确定所述第一阈值与所述第二阈值,具体过程包括:
首先将一个3x3像素大小的毛团放在相机拍摄的特定位置,获取图像数据,遍历图像数据中的每一个像素点,找到最小灰度值fmin和最大灰度值fmax;
其次确定第一定值K1和第二定值K2:
设定初始第一定值K1为10,若位于毛团位置的9个像素点均在f>fmin+ 10分割出的像素点之内,则继续逐步增大K1的值,直至毛团的9个像素点中有一个像素点不再分割出的像素点内,得到第一定值K1为50;
设定初始第二定值K2为10,若位于毛团位置的9个像素点均在f<fmax- 10分割出的像素点之内,则继续逐步增大K1的值,直至毛团的9个像素点中有一个像素点不再分割出的像素点内,得到第一定值K2为20;
最终得到第一阈值fmin+ 50及第二阈值fmax- 20。
进一步地,在步骤S40中,判断亮斑区域是否为白色毛团的具体步骤;
S41、所需检测毛团的大小根据现场产品要求而定,即设定检测毛团为5x5的像素大小,将新图像数据S的左上角作为原点,建立坐标系,设定图像的长边延伸方向为X轴的正方向,图像的短边延伸方向为Y轴的正方向;
S42、遍历新图像数据S中的亮斑区域,选定亮斑区域中一个灰度值为255的像素点,此像素点为目标像素点,以目标像素点为基准,沿X正方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S43,否则判定亮斑区域不是毛团;
S43、以目标像素点为基准,沿X负方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S44,否则判定亮斑区域不是毛团;
S44、以目标像素点为基准,沿Y正方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S45,否则判定亮斑区域不是毛团;
S45、以目标像素点为基准,沿Y负方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S46,否则判定亮斑区域不是毛团;
S46、以选定的目标像素点最外侧4个灰度值为255的像素点为基准,沿X、Y的正、负方向上各选取1个连续像素点;
若4个像素点的灰度值均为0,则判定亮斑区域为毛团;否则判定亮斑区域不是毛团。
本发明的有益效果为:本发明通过双反转变换模型对相机拍摄实时采集的图像数据进行处理,实现在线实时检测,提高了检测效率,避免了出现毛团的遗漏现象,有效保证了玻纤布的整体质量。
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的毛团检测方法的流程图。
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。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所示本发明提供了一种玻纤布的毛团检测方法,包括以下步骤:
布置检测相机,并通过相机实时采集玻纤布的图像数据R;对图像数据R进行图像预处理;预处理后图像数据R进行双阈值的反转变换处理,获得新图像数据S;选取新图像数据S中的亮斑点,根据所需检测毛团的大小,判断亮斑点所在区域是否为白色毛团。
本发明通过双反转变换模型对相机拍摄实时采集的图像数据进行处理,实现在线实时检测,提高了检测效率,避免了出现毛团的遗漏现象,有效保证了玻纤布的整体质量。
在步骤S10中,根据实际所需检测布面幅面设置检测相机的数量,且相对检测相机的拍摄角度,灯光以一定角度射入布面。
具体地,待检测玻纤布布面宽2.5m,为了保证拍摄到满幅图像,相机依次并排放置4个,且相机离布面高度为80cm,间隔40cm,当玻纤布布面上出现3x3像素左右大小白色毛团时,灯光以一定角度斜摄入布面,以此保证在白色毛团处灯光会反射进相机,呈现出一种白色得状态,利用在玻纤布得背景下去检测白色毛团区域就行了。
因为拍摄得一幅图像上面有一些孤立的噪点,直接去处理图像会引起误报,在步骤S20中,对图像数据R进行滤波处理,把图像的孤立噪声点去除掉,减少误报,具体包括:
步骤一:遍历图像数据R,找出与周围像素点的灰度相差较大的目标像素点;
步骤二:设(x,y)为目标像素点,其周围方向上的四个像素点为(x,y+1)、(x,y-1)、(x+1,y)和(x-1,y),则S=(f(x,y+1)+ f(x,y-1)+ f(x-1,y)+ f(x+1,y))/4,若 |f(x,y)-S|>30,则去除目标像素点,否则保留目标像素点。
采用四个像素点得平均灰度值去代替算法流程实现一个预处理,从而得到函数图像,因为毛团的灰度颜色和孤立点的灰度颜色相差不大,这样的处理可以把一些孤立点去除掉,提高了孤立噪声点的检测精度及检测准确度。
在步骤S30中,图像数据R进行双阈值的反转变换处理,获取新图像数据S,具体包括:
确定双阈值得到双反转变换模型:
其中,T为双反转变换模型,gmin+50为第一阈值,gmax-20为第二阈值,gmin 为图像数据R中的最小灰度值,gmax为图像数据中的最大灰度值,50为第一定值,20为第二定值。
遍历图像数据R中的每一个像素点g(x,y),其像素点g(x,y)对应的像素值设为g;当g<gmin+50,则该像素点的像素值设为0,当g>gmax-20,则该像素点的像素值设为255,得到新的图像数据S。
作为上述实施例优选,第一阈值与第二阈值根据拍摄的图像数据实时变换获得,有效避免图像不均匀情况,并将图像分为前景、背景和目标,其中目标区域的亮度比背景亮比前景暗,第一阈值为分割背景与目标区域,第二阈值为分割前景与目标区域。
在阈值分割过程中,为了找到合适的前景分割阈值以及背景分割阈值,确定第一阈值与第二阈值,具体过程包括:
首先将一个3x3像素大小的毛团放在相机拍摄的特定位置,获取图像数据,遍历图像数据中的每一个像素点f(x,y),找到最小灰度值fmin和最大灰度值fmax;
其次确定第一定值K1和第二定值K2:
设定初始第一定值K1为10,若位于毛团位置的9个像素点均在f>fmin+ 10分割出的像素点之内,则继续逐步增大K1的值,直至毛团的9个像素点中有一个像素点不再分割出的像素点内,得到第一定值K1为50;
设定初始第二定值K2为10,若位于毛团位置的9个像素点均在f<fmax- 10分割出的像素点之内,则继续逐步增大K1的值,直至毛团的9个像素点中有一个像素点不再分割出的像素点内,得到第一定值K2为20;
最终得到第一阈值fmin+ 50及第二阈值fmax- 20。
相比之前的一般阈值分割,通过一个特定的阈值来进行检测,本发明是根据双阈值的分割方法,把图像分割成前景,背景,和目标三大类,目标区域的亮度要比背景亮比前景暗,而要检测的前景分割的阈值肯定是一幅图像中比较大的值,检测的背景分割的阈值肯定是一幅图像中比较小的阈值,通过第一定值和第二定值的确定,找到最合适的前景分割阈值以及背景分割阈值,从而提高了玻纤布检测精度,进一步提高了毛团的检测效率。
在上述实施例基础上,判断亮斑区域是否为白色毛团的具体步骤;
S41、所需检测毛团的大小根据现场产品要求而定,即设定检测毛团为5x5的像素大小,将新图像数据S的左上角作为原点,建立坐标系,设定图像的长边延伸方向为X轴的正方向,图像的短边延伸方向为Y轴的正方向;
S42、遍历新图像数据S中的亮斑区域,选定亮斑区域中一个灰度值为255的像素点,此像素点为目标像素点,以目标像素点为基准,沿X正方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S43,否则判定亮斑区域不是毛团;
S43、以目标像素点为基准,沿X负方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S44,否则判定亮斑区域不是毛团;
S44、以目标像素点为基准,沿Y正方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S45,否则判定亮斑区域不是毛团;
S45、以目标像素点为基准,沿Y负方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S46,否则判定亮斑区域不是毛团;
S46、以选定的目标像素点最外侧4个灰度值为255的像素点为基准,沿X、Y的正、负方向上各选取1个连续像素点;
若4个像素点的灰度值均为0,则判定亮斑区域为毛团;否则判定亮斑区域不是毛团。
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 (4)
1.一种玻纤布的毛团检测方法,其特征在于,包括以下步骤:
S10:布置检测相机,并通过相机实时采集玻纤布的图像数据R;
S20:对图像数据R进行图像预处理;
S30:预处理后图像数据R通过双反转变换模型进行目标和背景的处理,获得新图像数据S;
S40:选取新图像数据S中的亮斑点,根据所需检测毛团的大小,判断亮斑点所在区域是否为白色毛团;
在步骤S30中,图像数据R通过双阈值的反转变换进行目标和背景的处理过程包括:
确定双阈值得到双反转变换模型:
其中,T为双反转变换模型,gmin+50为第一阈值,gmax-20为第二阈值,gmin 为图像数据R中的最小灰度值,gmax为图像数据中的最大灰度值,50为第一定值,20为第二定值;
遍历图像数据R中的每一个像素点g(x,y),其像素点g(x,y)对应的像素值设为g;当g<gmin+50,则该像素点的像素值设为0,当g>gmax-20,则该像素点的像素值设为255,得到新的图像数据S;
所述第一阈值与所述第二阈值根据拍摄的图像数据实时变换获得,并将图像分为前景、背景和目标,其中目标区域的亮度比背景亮比前景暗;
确定所述第一阈值与所述第二阈值,具体过程包括:
首先将一个3x3像素大小的毛团放在相机拍摄的特定位置,获取图像数据,遍历图像数据中的每一个像素点f(x,y),找到最小灰度值fmin和最大灰度值fmax;
其次确定第一定值K1和第二定值K2:
设定初始第一定值K1为10,若位于毛团位置的9个像素点均在f>fmin+ 10分割出的像素点之内,则继续逐步增大K1的值,直至毛团的9个像素点中有一个像素点不在分割出的像素点内,得到第一定值K1为50;
设定初始第二定值K2为10,若位于毛团位置的9个像素点均在f<fmax- 10分割出的像素点之内,则继续逐步增大K1的值,直至毛团的9个像素点中有一个像素点不在分割出的像素点内,得到第一定值K2为20;
最终得到第一阈值fmin+ 50及第二阈值fmax- 20。
2.根据权利要求1所述的玻纤布的毛团检测方法,其特征在于,在步骤S10中,根据实际所需检测布面幅面设置检测相机的数量,且相对检测相机的拍摄角度,灯光以一定角度射入布面。
3.根据权利要求1所述的玻纤布的毛团检测方法,其特征在于,在步骤S20中,图像预处理是对图像数据R进行滤波处理,具体包括:
步骤一:遍历图像数据R,找出与周围像素点的灰度相差较大的目标像素点;
步骤二:设(x,y)为目标像素点,其周围方向上的四个像素点为(x,y+1)、(x,y-1)、(x+1,y)和(x-1,y),则S=(f(x,y+1)+ f(x,y-1)+ f(x-1,y)+ f(x+1,y))/4,若 |f(x,y)-S|>30,则去除目标像素点,否则保留目标像素点。
4.根据权利要求1所述的玻纤布的毛团检测方法,其特征在于,在步骤S40中,判断亮斑区域是否为白色毛团的具体步骤;
S41、所需检测毛团的大小根据现场产品要求而定,即设定检测毛团为5x5的像素大小,将新图像数据S的左上角作为原点,建立坐标系,设定图像的长边延伸方向为X轴的正方向,图像的短边延伸方向为Y轴的正方向;
S42、遍历新图像数据S中的亮斑区域,选定亮斑区域中一个灰度值为255的像素点,此像素点为目标像素点,以目标像素点为基准,沿X正方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S43,否则判定亮斑区域不是毛团;
S43、以目标像素点为基准,沿X负方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S44,否则判定亮斑区域不是毛团;
S44、以目标像素点为基准,沿Y正方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S45,否则判定亮斑区域不是毛团;
S45、以目标像素点为基准,沿Y负方向选取两个连续像素点;
若两个连续像素点的灰度值均为255,继续执行步骤S46,否则判定亮斑区域不是毛团;
S46、以选定的目标像素点最外侧4个灰度值为255的像素点为基准,沿X、Y的正、负方向上各选取1个连续像素点;
若4个像素点的灰度值均为0,则判定亮斑区域为毛团;否则判定亮斑区域不是毛团。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111154618.XA CN113935962B (zh) | 2021-09-29 | 2021-09-29 | 一种玻纤布的毛团检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111154618.XA CN113935962B (zh) | 2021-09-29 | 2021-09-29 | 一种玻纤布的毛团检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113935962A CN113935962A (zh) | 2022-01-14 |
CN113935962B true CN113935962B (zh) | 2022-10-21 |
Family
ID=79277343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111154618.XA Active CN113935962B (zh) | 2021-09-29 | 2021-09-29 | 一种玻纤布的毛团检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113935962B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115015290B (zh) * | 2022-05-19 | 2023-04-14 | 常州市新创智能科技有限公司 | 一种用于玻纤布面的异物检测方法及装置 |
CN115100144B (zh) * | 2022-06-23 | 2023-04-07 | 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 (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289377A (zh) * | 2018-08-22 | 2021-01-29 | 深圳市真迈生物科技有限公司 | 检测图像上的亮斑的方法、装置和计算机程序产品 |
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 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5962297B2 (ja) * | 2012-07-25 | 2016-08-03 | 大日本印刷株式会社 | カメラの撮影視野変動検知装置 |
CN104732510B (zh) * | 2013-12-23 | 2017-12-19 | 浙江大华技术股份有限公司 | 一种相机镜头黑斑检测方法及装置 |
CN107146217B (zh) * | 2017-04-07 | 2020-03-06 | 北京工业大学 | 一种图像检测方法和装置 |
CN110111361B (zh) * | 2019-04-22 | 2021-05-18 | 湖北工业大学 | 一种基于多阈值自优化背景建模的运动目标检测方法 |
CN112184615A (zh) * | 2020-07-04 | 2021-01-05 | 浙江省常山纺织有限责任公司 | 基于图像处理的织物有色纤维检测系统 |
CN112884708A (zh) * | 2021-01-15 | 2021-06-01 | 深圳市悦创进科技有限公司 | 一种圆形注塑件毛边检测方法 |
CN112964201A (zh) * | 2021-02-19 | 2021-06-15 | 常州市宏发纵横新材料科技股份有限公司 | 一种碳板直线度检测方法 |
CN113298059A (zh) * | 2021-07-27 | 2021-08-24 | 昆山高新轨道交通智能装备有限公司 | 受电弓异物入侵检测方法、装置、计算机设备、系统及存储介质 |
-
2021
- 2021-09-29 CN CN202111154618.XA patent/CN113935962B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112289377A (zh) * | 2018-08-22 | 2021-01-29 | 深圳市真迈生物科技有限公司 | 检测图像上的亮斑的方法、装置和计算机程序产品 |
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 |
---|---|
CN113935962A (zh) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113935962B (zh) | 一种玻纤布的毛团检测方法 | |
CN111563889B (zh) | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 | |
CN113592867B (zh) | 一种基于碳纤维布面残留捆绑纱的检测方法 | |
CN108416809A (zh) | 一种基于机器视觉的钢桶螺纹盖位姿识别方法 | |
CN113658131B (zh) | 一种基于机器视觉巡游式环锭纺断纱检测方法 | |
CN109829910B (zh) | 一种基于邻域查找的pcb缺陷检测方法 | |
CN114862855B (zh) | 基于模板匹配的纺织品缺陷检测方法及系统 | |
CN114842016A (zh) | 一种基于计算机视觉的消防水带缺陷检测方法及系统 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN107480678A (zh) | 一种棋盘识别方法和识别系统 | |
CN113838038A (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 | |
CN104568956A (zh) | 基于机器视觉的带钢表面缺陷的检测方法 | |
CN113592868A (zh) | 一种玻纤布面黑灰检测方法 | |
CN113781446A (zh) | 玻纤表面油污检出方法、装置、存储介质和电子设备 | |
CN113781447A (zh) | 一种基于碳纤维的纬纱间隙检测方法、设备及存储介质 | |
CN112819844A (zh) | 一种图像边缘检测方法及装置 | |
CN116563276B (zh) | 一种化纤长丝在线缺陷检测方法及检测系统 | |
CN116563223B (zh) | 一种玻纤纱线绕罗拉检测方法、设备及存储介质 | |
CN115311264B (zh) | 用于纺织生产的织物瑕疵线条缺陷识别方法 | |
CN106204889A (zh) | 一种纸币荧光区域的定位方法和装置 | |
TWI783288B (zh) | 影像處理方法 | |
CN110728686B (zh) | 一种基于Voronoi的车载灯具图像分割方法 | |
KR20130087984A (ko) | 확장 커널을 이용한 비등방성 확산 모델 기반의 마이크로 크랙의 검사 방법 | |
Moghimi et al. | A new algorithm for segmenting overlapped green pellets to improve automatic pelletizing process | |
CN114596281B (zh) | 一种玻纤布面上纬纱纱线的间隙判断方法 |
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 |