CN114140416A - 一种基于机器视觉的玻璃边缘检测方法和系统 - Google Patents
一种基于机器视觉的玻璃边缘检测方法和系统 Download PDFInfo
- Publication number
- CN114140416A CN114140416A CN202111417617.XA CN202111417617A CN114140416A CN 114140416 A CN114140416 A CN 114140416A CN 202111417617 A CN202111417617 A CN 202111417617A CN 114140416 A CN114140416 A CN 114140416A
- Authority
- CN
- China
- Prior art keywords
- contour
- edge
- glass edge
- glass
- curvature
- 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.)
- Pending
Links
- 239000011521 glass Substances 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003708 edge detection Methods 0.000 title claims abstract description 30
- 230000007547 defect Effects 0.000 claims abstract description 36
- 238000009499 grossing Methods 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000005520 cutting process Methods 0.000 claims abstract description 3
- 238000012545 processing Methods 0.000 claims description 51
- 230000002159 abnormal effect Effects 0.000 claims description 27
- 238000005070 sampling Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 239000000284 extract Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于机器视觉的玻璃边缘检测方法和系统，所述方法通过对玻璃边缘轮廓的提取，然后对提取的轮廓点分别进行曲率平滑处理，以及曲率升采样处理分别拟合出玻璃边缘的外边轮廓，实现分析玻璃边缘存在的崩边、凸点、锯齿切割等形态的缺陷检测。本发明基于机器视觉对玻璃的边缘进行分割提取，在通过边缘分析算法快速稳定的找出玻璃边缘出现的崩角、锯齿边、以及凸点等缺陷。检测精度高，尺寸规格可控，降低了人力成本，性能优异使用方便。
Description
技术领域
本发明涉及一种基于机器视觉的玻璃边缘检测方法和系统，尤其涉及的是一种异常边缘检测的方法。
背景技术
近年来，随着科技的告诉发展，一些3C电子行业以及汽车新能源行业的蓬勃发展，玻璃产品的生产无论从质量、品种，还是生产工艺都发生了质的变化。特别是现在生产技术的不断发展，高端产品对玻璃基板的质量要求越来越高。
现有技术中，玻璃的制造工艺中，先通过压延工序使玻璃成型，然后再进行裁切，获取玻璃原片，但这种玻璃原片的外观尺寸形状质量是达不到用户装配使用质量要求的，特别是3C等智能化产业。这就使得需要对玻璃原片进行磨边工作，对原片四个边部及转交有弧度的地方进行加工，但后续的磨边过程中，会产生崩边、崩角等缺陷，这样的玻璃是不合格的，需要将这种有瑕疵的玻璃挑选出来，现有技术中，对于玻璃的边部缺陷检测主要是采用人工在线检测的方式进行检查的，而人工的检验精度低，漏检率高，人工检测易受检测人员主观因素的影响，容易对玻璃缺陷造成漏检，尤其是畸变较小的缺陷漏检，工人容易视觉疲劳，尤其上夜班，稳定性不高，而且人力成本大。
因此，人工检测玻璃边缘缺陷的方式并不能很好的适用于现有技术中快速的流水线的玻璃加工过程。
发明内容
发明目的：针对现有技术中存在的问题与不足，本发明提供一种检测精度高、检测速度快，且无需人力干预的基于机器视觉的玻璃边缘缺陷检测的方法和系统，实现稳定地按照规格尺寸对玻璃边缘缺陷的检测。
技术方案：一种基于机器视觉的玻璃边缘检测方法，所述方法通过对玻璃边缘轮廓的提取，然后对提取的轮廓点分别进行曲率平滑处理，以及曲率升采样处理分别拟合出玻璃边缘的外边轮廓，实现分析玻璃边缘存在的崩边、凸点、锯齿切割等形态的缺陷检测，具体包括以下步骤：
S1，使用线扫相机对测量区域内的玻璃边缘进行扫描成像，得到玻璃边缘图像。
S2，使用梯度分析方法分析玻璃边缘图像对玻璃边缘轮廓进行提取。
所述边缘轮廓的提取分为四个部分：
第一部分是对测量区域内的玻璃边缘图像进行投影处理。所述投影处理方法为:对待检测玻璃边缘进行垂直方向的扫描以获取分布在玻璃边缘两侧的投影线，然后求得各条投影线的平均浓度。所述投影线的平均浓度波形称为投影波形。
第二部分是以投影波形为基础进行微分处理获得对应的微分波形。在数字图像中，边缘表示的是其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。由于物体的边缘是由灰度不连续性所反映的，所以待检测边缘的灰度值变化大的地方微分值变大。
第三部分是对微分波形中的微分值进行补正。为使实线显示的边缘稳定，进行补正处理，使微分绝对值达到最大，将超过已设定边缘梯度阈值的投影波形部分的对应微分波形峰值点作为边缘位置输出。检测投影波形浓淡变化度峰值点，使得即使是照度变化多的实线也能稳定检测出边缘。这种利用灰度值投影曲线的一阶导数处理边缘的算法即使明暗度发生变化，在算法内部同等条件下也能稳定检测出边缘。
第四部分是进行亚像素处理。找出以微分波形最高峰值点为中心的邻近3个像素，并在这3个像素构成的波形里进行插值运算从而获得新的边缘轮廓。
S3，对提取的玻璃边缘轮廓进行二次处理，分别包括边缘轮廓曲率平滑处理，以及曲率升采样处理。
所述对轮廓曲率平滑处理为对满足人为设定的边缘检测宽度范围内的轮廓点进行的平滑处理，得到平滑轮廓，每个轮廓点的新值
其中f(x,y)表示新轮廓点坐标；n表示满足宽度范围的总轮廓点数；ai表示轮廓点的加权数；然后对平滑后的轮廓点进行曲率升采样处理，通过计算得到新轮廓点；最终按照最小二乘法将新轮廓点拟合成一条直线，得到拟合线。
S4，对边缘轮廓曲率平滑处理得到的平滑轮廓以及曲率升采样处理获得的新轮廓点分别在X方向和Y方向进行投影。分别统计滑动窗口内X方向的投影和Y方向的投影，最终获得交界轮廓包络。
S5，导向梯度差分提取异常轮廓点。
对曲率升采样处理获得的所有新轮廓点，计算每个轮廓点到拟合线的距离，将距离超过上限的轮廓点提取出来，得到异常轮廓点。
S6，对异常轮廓点进行连接，形成一个凸包区域。
将异常轮廓点与拟合线进行径向凸包。
S7，计算所有的凸包面积，选取满足设定规格的凸包作为缺陷位置，所述规格包括凸包的长度以及其径向最大距离。
将异常轮廓点与拟合线进行径向凸包生成的团块缺陷，按照尺寸规格进行设置分类筛选，如果存在规格内的缺陷，就可以判定边缘存在问题。
所述基于机器视觉的玻璃边缘检测方法，可用于玻璃、液晶屏的边缘检测。
一种基于机器视觉的玻璃边缘检测系统，包括：
玻璃边缘图像获取模块，使用线扫相机对测量区域内的玻璃边缘进行扫描成像，得到玻璃边缘图像。
玻璃边缘轮廓提取模块，使用梯度分析方法分析玻璃边缘图像对玻璃边缘轮廓进行提取。
玻璃边缘轮廓二次处理模块，分别包括边缘轮廓曲率平滑处理，以及曲率升采样处理。
交界轮廓包络获取模块，对边缘轮廓曲率平滑处理得到的平滑轮廓以及曲率升采样处理获得的采样轮廓分别在X方向和Y方向进行投影。分别统计滑动窗口内X方向的投影和Y方向的投影，最终获得交界轮廓包络。
异常轮廓点提取模块，计算每个轮廓点到拟合线的距离，将距离超过上限的轮廓点提取出来，得到异常轮廓点。
缺陷筛选模块，将异常轮廓点与拟合线进行径向凸包；计算所有的凸包面积，选取满足设定规格的凸包作为缺陷位置，所述规格包括凸包的长度以及其径向最大距离；将异常轮廓点与拟合线进行径向凸包生成的团块缺陷，按照尺寸规格进行设置分类筛选，如果存在规格内的缺陷，就可以判定边缘存在问题。
一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如上所述的基于机器视觉的玻璃边缘检测方法。
一种计算机可读存储介质，该计算机可读存储介质存储有执行如上所述的基于机器视觉的玻璃边缘检测方法的计算机程序。
有益效果：采用本发明的基于机器视觉的玻璃边缘缺陷检测的方法和系统，基于机器视觉对玻璃的边缘进行分割提取，在通过边缘分析算法快速稳定的找出玻璃边缘出现的崩角、锯齿边、以及凸点等缺陷。检测精度高，尺寸规格可控，降低了人力成本，性能优异使用方便。
附图说明
图1为本发明实施例的玻璃边缘检测方法流程图；
图2为本发明实施例的梯度差分投影示意图；
图3为本发明实施例的微分分割示意图；
图4为本发明实施例的亚像素分割示意图；
图5为本发明实施例的梯度投影细分分割示意图；
图6为本发明实施例的边缘点提取示意图；
图7为本发明实施例的边缘拟合点拟合直线的示意图；
图8为本发明实施例的曲率平滑处理示意图；
图9为本发明实施例的曲率升采样示意图；
图10为本发明实施例的计算曲率升示意图；
图11为本发明实施例的异常边缘点示意图；
图12为本发明实施例的异常边缘点投影到拟合直线并连接形成的缺陷团块区域示意图。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
请参阅图1，在一种实施方式中，本发明的基于机器视觉的玻璃边缘缺陷检测的方法包括以下步骤：
S1：使用线扫相机对测量区域内的玻璃边缘进行扫描成像，得到玻璃边缘图像。
S2：使用梯度分析方法分析玻璃边缘图像，对玻璃边缘轮廓进行提取。
边缘轮廓的提取分为四部分：
第一部分是对测量区域内的玻璃边缘图像进行投影处理。如图2所示的投影处理，是对待检测玻璃边缘垂直于检测方向进行扫描，以获取分布在玻璃边缘两侧的投影线，求得各条投影线的平均浓度。投影线的平均浓度波形称为投影波形。
第二部分是以投影波形为基础进行微分处理获得对应的微分波形。如图3所示，边缘的浓度变化大的地方微分值变大。
第三部分是对微分波形中的微分值进行补正。为使实线显示的边缘稳定，如图4所示，进行补正处理，使微分绝对值达到最大，将超过已设定的边缘梯度阈值的投影波形部分的对应微分波形峰值点作为边缘位置输出。检测投影波形浓淡变化度峰值点，使得即使是照度变化多的实线也能稳定检测出边缘。这种利用灰度值投影曲线的一阶导数处理边缘的算法即使明暗度发生变化，在算法内部同等条件下也能稳定检测出边缘。
第四部分是进行亚像素处理。如图5所示，找出以微分波形最高峰值点为中心的邻近3个像素，并在这3个像素构成的波形里进行插值运算从而获得新的边缘轮廓。
S3:对提取的玻璃边缘轮廓进行二次处理，分别包括边缘轮廓曲率平滑处理，以及曲率升采样处理。
对轮廓的平滑处理为对满足人为设定的边缘检测宽度范围内的轮廓点进行的平滑处理，得到平滑轮廓，每个轮廓点的新值
其中f(x,y)表示新轮廓点坐标；n表示满足宽度范围的总轮廓点数；ai表示轮廓点的加权数；然后对平滑后的轮廓点进行曲率升采样处理，将计算所得到的新轮廓点，按照最小二乘法拟合成一条直线，如图7所示。
S4:对边缘轮廓曲率平滑处理得到的平滑轮廓以及曲率升采样处理获得的新轮廓点分别在X方向和Y方向进行投影。
如图9和图10所示，分别统计滑动窗口内X方向的投影和Y方向的投影，最终获得如图10所示的交界轮廓包络。
S5:导向梯度差分提取异常轮廓点；
如图11所示，计算每个轮廓点到拟合线(如图7所示)的距离，将距离超过上限的轮廓点提取出来，得到异常轮廓点。
S6:对异常轮廓点进行连接，形成一个凸包区域；
将异常轮廓点与拟合线进行径向凸包，如图12所示。
S7:计算所有的凸包面积，选取满足设定规格的凸包作为缺陷位置，所述规格包括凸包的长度以及其径向最大距离。
将如图12所示的包络缺陷，按照尺寸规格进行设置分类筛选，如果存在规格内的缺陷，就可以判定边缘存在问题。
一种基于机器视觉的玻璃边缘检测系统，包括：
玻璃边缘图像获取模块，使用线扫相机对测量区域内的玻璃边缘进行扫描成像，得到玻璃边缘图像。
玻璃边缘轮廓提取模块，使用梯度分析方法分析玻璃边缘图像对玻璃边缘轮廓进行提取。
玻璃边缘轮廓二次处理模块，分别包括边缘轮廓曲率平滑处理，以及曲率升采样处理。
交界轮廓包络获取模块，对边缘轮廓曲率平滑处理得到的平滑轮廓以及曲率升采样处理获得的采样轮廓分别在X方向和Y方向进行投影。分别统计滑动窗口内X方向的投影和Y方向的投影，最终获得交界轮廓包络。
异常轮廓点提取模块，计算每个轮廓点到拟合线的距离，将距离超过上限的轮廓点提取出来，得到异常轮廓点。
缺陷筛选模块，将异常轮廓点与拟合线进行径向凸包；计算所有的凸包面积，选取满足设定规格的凸包作为缺陷位置，所述规格包括凸包的长度以及其径向最大距离；将异常轮廓点与拟合线进行径向凸包生成的团块缺陷，按照尺寸规格进行设置分类筛选，如果存在规格内的缺陷，就可以判定边缘存在问题。
显然，本领域的技术人员应该明白，上述的本发明实施例的综基于机器视觉的玻璃边缘检测系统各模块或者基于机器视觉的玻璃边缘检测方法各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明实施例不限制于任何特定的硬件和软件结合。
Claims (10)
1.一种基于机器视觉的玻璃边缘检测方法，其特征在于，所述方法通过对玻璃边缘轮廓的提取，然后对提取的轮廓点分别进行曲率平滑处理，以及曲率升采样处理分别拟合出玻璃边缘的外边轮廓，实现分析玻璃边缘存在的崩边、凸点、锯齿切割等形态的缺陷检测；
对测量区域内的玻璃边缘进行扫描成像，得到玻璃边缘图像；提取玻璃边缘图像的玻璃边缘轮廓。
2.根据权利要求1所述的基于机器视觉的玻璃边缘检测方法，其特征在于，所述边缘轮廓的提取分为四部分组成：
第一部分是对测量区域内的玻璃边缘图像进行投影处理；所述投影处理方法为:对待检测玻璃边缘进行垂直方向的扫描以获取分布在玻璃边缘两侧的投影线，然后求得各条投影线的平均浓度；所述投影线的平均浓度波形称为投影波形。
第二部分是以投影波形为基础进行微分处理获得对应的微分波形；
第三部分是对微分波形中的微分值进行补正；
第四部分是进行亚像素处理。
3.根据权利要求2所述的基于机器视觉的玻璃边缘检测方法，其特征在于，所述亚像素处理过程为，找出以微分波形最高峰值点为中心的邻近3个像素，并在这3个像素构成的波形里进行插值运算从而获得新的边缘轮廓。
4.根据权利要求1所述的基于机器视觉的玻璃边缘检测方法，其特征在于，对提取的玻璃边缘轮廓进行二次处理，分别包括边缘轮廓曲率平滑处理，以及曲率升采样处理。
所述对轮廓曲率平滑处理为对满足设定的边缘检测宽度范围内的轮廓点进行的平滑处理，得到平滑轮廓，每个轮廓点的新值
其中f(x,y)表示新轮廓点坐标；n表示满足宽度范围的总轮廓点数；ai表示轮廓点的加权数；然后对平滑后的轮廓点进行曲率升采样处理，通过计算得到新轮廓点；最终按照最小二乘法将新轮廓点拟合成一条直线，得到拟合线。
5.根据权利要求1所述的基于机器视觉的玻璃边缘检测方法，其特征在于，S4，对边缘轮廓曲率平滑处理得到的平滑轮廓以及曲率升采样处理获得的采样轮廓分别在X方向和Y方向进行投影；分别统计滑动窗口内X方向的投影和Y方向的投影，最终获得交界轮廓包络。
6.根据权利要求4所述的基于机器视觉的玻璃边缘检测方法，其特征在于，计算每个轮廓点到拟合线的距离，将距离超过上限的轮廓点提取出来，得到异常轮廓点；
将异常轮廓点与拟合线进行径向凸包；计算所有的凸包面积，选取满足设定规格的凸包作为缺陷位置，所述规格包括凸包的长度以及其径向最大距离；
将异常轮廓点与拟合线进行径向凸包生成的团块缺陷，按照尺寸规格进行设置分类筛选，如果存在规格内的缺陷，就可以判定边缘存在问题。
7.根据权利要求1所述的基于机器视觉的玻璃边缘检测方法，其特征在于，所述基于机器视觉的玻璃边缘检测方法，用于玻璃、液晶屏的边缘检测。
8.一种基于机器视觉的玻璃边缘检测系统，其特征在于，包括：
玻璃边缘图像获取模块，使用线扫相机对测量区域内的玻璃边缘进行扫描成像，得到玻璃边缘图像。
玻璃边缘轮廓提取模块，使用梯度分析方法分析玻璃边缘图像对玻璃边缘轮廓进行提取。
玻璃边缘轮廓二次处理模块，分别包括边缘轮廓曲率平滑处理，以及曲率升采样处理。
交界轮廓包络获取模块，对边缘轮廓曲率平滑处理得到的平滑轮廓以及曲率升采样处理获得的采样轮廓分别在X方向和Y方向进行投影。分别统计滑动窗口内X方向的投影和Y方向的投影，最终获得交界轮廓包络。
异常轮廓点提取模块，计算每个轮廓点到拟合线的距离，将距离超过上限的轮廓点提取出来，得到异常轮廓点。
缺陷筛选模块，将异常轮廓点与拟合线进行径向凸包；计算所有的凸包面积，选取满足设定规格的凸包作为缺陷位置，所述规格包括凸包的长度以及其径向最大距离；将异常轮廓点与拟合线进行径向凸包生成的团块缺陷，按照尺寸规格进行设置分类筛选，如果存在规格内的缺陷，就可以判定边缘存在问题。
9.一种计算机设备，其特征在于，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行上述计算机程序时实现如权利要求1-7任意一项所述的基于机器视觉的玻璃边缘检测方法。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质存储有执行如权利要求1-7任意一项所述的基于机器视觉的玻璃边缘检测方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111417617.XA CN114140416A (zh) | 2021-11-26 | 2021-11-26 | 一种基于机器视觉的玻璃边缘检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111417617.XA CN114140416A (zh) | 2021-11-26 | 2021-11-26 | 一种基于机器视觉的玻璃边缘检测方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114140416A true CN114140416A (zh) | 2022-03-04 |
Family
ID=80387778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111417617.XA Pending CN114140416A (zh) | 2021-11-26 | 2021-11-26 | 一种基于机器视觉的玻璃边缘检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114140416A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114764804A (zh) * | 2022-06-16 | 2022-07-19 | 深圳新视智科技术有限公司 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
| CN117115261A (zh) * | 2023-10-17 | 2023-11-24 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
-
2021
- 2021-11-26 CN CN202111417617.XA patent/CN114140416A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114764804A (zh) * | 2022-06-16 | 2022-07-19 | 深圳新视智科技术有限公司 | 锂电池极片缺陷检测方法、装置、设备及存储介质 |
| CN117115261A (zh) * | 2023-10-17 | 2023-11-24 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
| CN117115261B (zh) * | 2023-10-17 | 2024-03-19 | 深圳市青虹激光科技有限公司 | 一种基于薄型晶圆片的刀轮切割定位方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111758024B (zh) | 一种缺陷检测方法及装置 | |
| CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
| CN106934803B (zh) | 电子器件表面缺陷的检测方法及装置 | |
| CN111539935B (zh) | 一种基于机器视觉的电缆表面缺陷在线检测方法 | |
| CN117351008B (zh) | 一种智能手机面板表面缺陷检测方法 | |
| CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
| CN109242853B (zh) | 一种基于图像处理的pcb缺陷智能检测方法 | |
| CN111968144B (zh) | 一种图像边缘点获取方法及装置 | |
| CN111046872B (zh) | 一种光学字符识别方法 | |
| CN108830832A (zh) | 一种基于机器视觉的塑料筒表面缺陷检测算法 | |
| CN114140416A (zh) | 一种基于机器视觉的玻璃边缘检测方法和系统 | |
| CN116934740B (zh) | 基于图像处理的塑料模具表面缺陷分析检测方法 | |
| CN115797342B (zh) | 一种工业控制电容触摸lcd显示总成缺陷检测方法 | |
| US20070127817A1 (en) | Change region detection device and change region detecting method | |
| CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN111754538B (zh) | Usb表面缺陷检测的阈值分割方法 | |
| CN115330767A (zh) | 一种腐蚀箔生产异常识别方法 | |
| JPH03257304A (ja) | 位置認識装置 | |
| CN114972575A (zh) | 一种基于轮廓边缘的直线拟合算法 | |
| CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
| CN111739012A (zh) | 基于转盘的摄像头模组白斑检测系统 | |
| CN107507185B (zh) | 一种适用于工业检测的快速检测圆的方法 | |
| CN114881965A (zh) | 一种基于人工智能和图像处理的木板节子检测方法 | |
| CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
| CN113487563B (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 |
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 |