CN114295639A - 视觉检测方法、视觉检测装置以及非易失性存储介质 - Google Patents
视觉检测方法、视觉检测装置以及非易失性存储介质 Download PDFInfo
- Publication number
- CN114295639A CN114295639A CN202111680047.3A CN202111680047A CN114295639A CN 114295639 A CN114295639 A CN 114295639A CN 202111680047 A CN202111680047 A CN 202111680047A CN 114295639 A CN114295639 A CN 114295639A
- Authority
- CN
- China
- Prior art keywords
- molded product
- image
- color
- visual inspection
- qualified
- 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
- 238000000034 method Methods 0.000 title claims description 62
- 238000011179 visual inspection Methods 0.000 title claims description 34
- 238000001514 detection method Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000000007 visual effect Effects 0.000 claims abstract description 15
- 238000012797 qualification Methods 0.000 claims description 11
- 239000003086 colorant Substances 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 description 6
- 229920001131 Pulp (paper) Polymers 0.000 description 4
- 238000000465 moulding Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种视觉检测方法、视觉检测装置以及非易失性存储介质,视觉检测方法用于对下料位置处的成型产品进行检测,视觉检测方法包括:获取成型产品的照片;对获取的成型产品的照片进行图片处理;识别成型产品的照片中的成型产品的影像,对成型产品的影像进行形状检测和颜色检测,并根据形状检测和颜色检测的检测结果判定成型产品是否合格。通过本发明提供的技术方案,能够解决现有技术中的不便于对纸浆产品进行合格形检测的技术问题。
Description
技术领域
本发明涉及视觉检测方法,具体而言,涉及一种视觉检测方法、视觉检测装置以及非易失性存储介质。
背景技术
目前,纸浆模塑作为一种生产容易降解且无污染的纸浆制品的生产工艺得到了迅猛的发展,纸浆模塑有着大好的发展前景。在纸浆模塑生产过程中,一般都会有不合格品的出现,不合格的情况可能是产品残缺,也可能是产品颜色不纯,通常这种不合格品的检查是通过人工完成的。
然而,由于产品生产节奏快,数量多,靠人工来检查不但浪费资源而且效率也不高,因此急需一种高效的技术来代替人工,解决不合格品检测的问题。
发明内容
本发明的主要目的在于提供一种视觉检测方法、视觉检测装置以及非易失性存储介质,以解决现有技术中的不便于对纸浆产品进行合格形检测的技术问题。
为了实现上述目的,根据本发明的一个方面,提供了一种视觉检测方法,视觉检测方法用于对下料位置处的成型产品进行检测,视觉检测方法包括:获取成型产品的照片;对获取的成型产品的照片进行图片处理;识别成型产品的照片中的成型产品的影像,对成型产品的影像进行形状检测和颜色检测,并根据形状检测和颜色检测的检测结果判定成型产品是否合格。
进一步地,对成型产品的照片进行图片处理的方法包括:对成型产品的照片进行灰度化处理。
进一步地,在成型产品的照片进行灰度化处理后,视觉检测方法还包括:对成型产品的照片进行滤波处理。
进一步地,对成型产品的影像进行形状检测和颜色检测的方法包括:先对成型产品的影像进行形状检测,并判断检测到的成型产品的影像是否满足形状合格条件;当检测到的成型产品的影像的形状满足形状合格条件时,对成型产品的影像的颜色进行检测,并判断检测到的成型产品的影像是否满足颜色合格条件;当检测到的成型产品的影像的形状不满足形状合格条件时,判断成型产品为不合格产品。
进一步地,判断检测到的成型产品的影像是否满足颜色合格条件的方法包括:当检测到的成型产品的影像的颜色满足颜色合格条件时,判断成型产品为合格产品;当检测到的成型产品的影响的颜色不满足颜色合格条件时,判断成型产品为不合格产品。
进一步地,成型产品为圆盘结构,判断检测到的成型产品的影像是否满足形状合格条件的方法包括:采用霍夫圆检测的方法检测成型产品的影像是否为圆形;当检测到的成型产品的影像为圆形时,判断成型产品的影像满足形状合格条件;当检测到的成型产品的影像不为圆形时,判断成型产品的影像不满足形状合格条件。
进一步地,成型产品为多边形结构,判断检测到的成型产品的影像是否满足形状合格条件的方法包括:采用多边形拟合的方法对成型产品的影像进行拟合,并依据多边形结构的多条边和多个顶点判断成型产品的影像是否为多边形结构;当检测到的成型产品的影像为多边形结构时,判断成型产品的影像满足形状合格条件;当检测到的成型产品的影像不为多边形结构时,判断成型产品的影像不满足形状合格条件。
进一步地,判断检测到的成型产品的影像是否满足颜色合格条件的方法包括:将成型产品的照片转换成HSV颜色模型;对HSV颜色模型下的成型产品的影像进行检测。
进一步地,对HSV颜色模型下的成型产品的影像进行检测的方法包括:对成型产品的影像的多个像素点的颜色进行检测,并根据多个像素点的颜色检测结果判断成型产品的影像是否满足颜色合格条件。
进一步地,对成型产品的影像的多个像素点的颜色进行检测的方法;当像素点满足:18≤H≤30、43≤S≤255、46≤V≤255时,判断像素点满足颜色合格条件;其中,H为色调、S为饱和度、V为亮度。
根据本发明的另一方面,提供了一种视觉检测装置,视觉检测装置用于对下料位置处的成型产品进行检测,视觉检测装置包括:拍摄模块,拍摄模块用于对成型产品进行拍摄以获取成型产品的照片;图像处理模块,与拍摄模块连接,以通过图像处理模块对由拍摄模块获取的成型产品的照片进行图片处理;检测模块,与图像处理模块连接,以通过检测模块对经图像处理模块处理过的影像进行检测。
根据本发明的另一方面,提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,程序运行时控制非易失性存储介质在设备执行上述的视觉检测方法。
应用本发明的技术方案,对获取的照片进行检测,以检测产品的形状和颜色,从而可以高效地检测处不合格品,从而节省人力资源,高效完成了不合格品的检测,提高了检测效率。
附图说明
构成本申请的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明的实施例提供对成型产品进行视觉检测的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
如图1所示,本发明的实施例一提供了一种视觉检测方法,视觉检测方法用于对下料位置处的成型产品进行检测。视觉检测方法包括:获取成型产品的照片;对获取的成型产品的照片进行图片处理;识别成型产品的照片中的成型产品的影像,对成型产品的影像进行形状检测和颜色检测,并根据形状检测和颜色检测的检测结果判定成型产品是否合格。
采用本发明提供的视觉检测方法,对获取的照片进行检测,以检测产品的形状和颜色,从而可以高效地检测处不合格品,从而节省人力资源,高效完成了不合格品的检测,提高了检测效率。
在本实施例中,对成型产品的照片进行图片处理的方法包括:对成型产品的照片进行灰度化处理。采用这样的方法,灰度化处理后的照片只有0到255的灰度值,0为黑色,255为白色,通过灰度化处理减少站片的数据化处理量,进一步提高了检测效率。
具体地,在成型产品的照片进行灰度化处理后,视觉检测方法还包括:对成型产品的照片进行滤波处理。采用这样的防范,鞥能够便于有效抑制噪声,改善图像质量。
在本实施例中,对成型产品的影像进行形状检测和颜色检测的方法包括:先对成型产品的影像进行形状检测,并判断检测到的成型产品的影像是否满足形状合格条件;当检测到的成型产品的影像的形状满足形状合格条件时,对成型产品的影像的颜色进行检测,并判断检测到的成型产品的影像是否满足颜色合格条件;当检测到的成型产品的影像的形状不满足形状合格条件时,判断成型产品为不合格产品。采用这样的方法,能够便于提高成型产品的检测准确度。
具体地,判断检测到的成型产品的影像是否满足颜色合格条件的方法包括:当检测到的成型产品的影像的颜色满足颜色合格条件时,判断成型产品为合格产品;当检测到的成型产品的影响的颜色不满足颜色合格条件时,判断成型产品为不合格产品。采用这样的方法,能够便于进一步提高成型产品的检测准确度。
在本实施例中,成型产品为圆盘结构,判断检测到的成型产品的影像是否满足形状合格条件的方法包括:采用霍夫圆检测的方法检测成型产品的影像是否为圆形;当检测到的成型产品的影像为圆形时,判断成型产品的影像满足形状合格条件;当检测到的成型产品的影像不为圆形时,判断成型产品的影像不满足形状合格条件。采用这样的方法,能够便于准确且快速筛选出满足圆盘结构的成型产品。
具体地,在形状检测后还需要对成型产品的尺寸进行检测,当检测到的成型产品的尺寸为d,合格产品的尺寸为D,成型产品的尺寸与合格产品的尺寸的差值的比较值与合格产品的尺寸的比值在20%以内。
在本实施例中,成型产品为多边形结构,判断检测到的成型产品的影像是否满足形状合格条件的方法包括:采用多边形拟合的方法对成型产品的影像进行拟合,并依据多边形结构的多条边和多个顶点判断成型产品的影像是否为多边形结构;当检测到的成型产品的影像为多边形结构时,判断成型产品的影像满足形状合格条件;当检测到的成型产品的影像不为多边形结构时,判断成型产品的影像不满足形状合格条件。采用这样的方法,能够便于准确且快速筛选出多边形结构的成型产品。
具体地,判断检测到的成型产品的影像是否满足颜色合格条件的方法包括:将成型产品的照片转换成HSV颜色模型;对HSV颜色模型下的成型产品的影像进行检测。采用这样的方法,原图为RGB颜色模型,将RGB颜色模型转换成HSV模型,RGB颜色模型为一中红、绿、蓝三色光互相叠加的模型,RGB颜色模型并不能很好地反映出物体的具体颜色信息。而HSV颜色模型能够非常直观的表达色彩的明暗、色调以及鲜艳程度,以提高检测准确度。
在本实施例中,对HSV颜色模型下的成型产品的影像进行检测的方法包括:对成型产品的影像的多个像素点的颜色进行检测,并根据多个像素点的颜色检测结果判断成型产品的影像是否满足颜色合格条件。检测各个像素点的颜色,如果所有像素点的颜色都符合,则说明产品颜色均匀,是合格产品,如果有很多像素点颜色不符合,则说明产品有瑕丝,属于不合格产品。视觉检测方法的优点是产品只要移动到下料位置,工业相机可以迅速捕获图片,快速完成检测,比起人工检测来说,效率非常高,不但提高了效率还能节省人力资源。
具体地,对成型产品的影像的多个像素点的颜色进行检测的方法;当像素点满足:18≤H≤30、43≤S≤255、46≤V≤255时,判断像素点满足颜色合格条件;其中,H为色调、S为饱和度、V为亮度。采用这样的方法,能够便于准确判断出成型产品为颜色均匀的纸浆制品结构。
首先通过工业相机获取产品的照片,再通过Visual Studio搭载视觉函数库Opencv编写视觉检测程序,再通过获取的照片检测产品的形状和颜色,来判定产品是否合格,可以高效的检测出不合格品,从而节省人力资源,高效完成不合格品检测。本发明创造的发明点在于:通过视觉检测代替人工检查产品的合格情况,提高生产效率。利用Opencv视觉库检测产品的形状和颜色,来判定产品是否合格。
具体实施方式为:首先在Visual Studio中搭建Opencv环境,利用工业相机获取产品照片,在Visual Studio中读取已获得的照片,对图片进行灰度化处理,灰度化处理后的照片只有0到255的灰度值,0为黑色,255为白色,通过灰度化处理减少照片的数据处理量,再对图像进行滤波处理,从而抑制噪声改善图像质量,如果产品的形状是圆形,可以通过霍夫圆检测来识别产品的形状,检测出来若不是圆形,则说明产品形状不合格,如果产品的形状是正方形,可以通过多边形拟合,利用正方形四条边和四个顶点的特点来判断产品形状是否符合,在形状符合的条件下,再对产品进行颜色检测,将原图的RGB模型转换为HSV模型,RGB模型是一中红、绿、蓝三色光互相叠加的模型,并不能很好地反映出物体的具体颜色信息,而相对于RGB空间,HSV空间能够非常直观的表达色彩的明暗、色调以及鲜艳程度,是一种更加直观的颜色模型,将图片转换为HSV模型后,检测各个像素点的颜色,如果所有像素点的颜色都符合,则说明产品颜色均匀,是合格产品,如果有很多像素点颜色不符合,则说明产品有瑕丝,属于不合格产品。视觉检测方法的优点是产品只要移动到下料位置,工业相机可以迅速捕获图片,快速完成检测,比起人工检测来说,效率非常高,不但提高了效率还能节省人力资源。
本发明的实施例二提供了一种视觉检测装置,视觉检测装置用于对下料位置处的成型产品进行检测,视觉检测装置包括拍摄模块、图像处理模块和检测模块。拍摄模块用于对成型产品进行拍摄以获取成型产品的照片,图像处理模块与拍摄模块连接,以通过图像处理模块对由拍摄模块获取的成型产品的照片进行图片处理。检测模块与图像处理模块连接,以通过检测模块对经图像处理模块处理过的影像进行检测。
本发明的实施例三提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,程序运行时控制非易失性存储介质在设备执行上述的视觉检测方法。
从以上的描述中,可以看出,本发明上述的实施例实现了如下技术效果:纸浆模塑制品生产完成后需要检测产品是否合格,去除不合格产品。
人工检测不合格产品效率不高而且浪费人力资源,影响生产效率且增加成本。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
在本申请的描述中,需要理解的是,方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,在未作相反说明的情况下,这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作,因此不能理解为对本申请保护范围的限制;方位词“内、外”是指相对于各部件本身的轮廓的内外。
为了便于描述,在这里可以使用空间相对术语,如“在……之上”、“在……上方”、“在……上表面”、“上面的”等,用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是,空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如,如果附图中的器件被倒置,则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而,示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位),并且对这里所使用的空间相对描述作出相应解释。
此外,需要说明的是,使用“第一”、“第二”等词语来限定零部件,仅仅是为了便于对相应零部件进行区别,如没有另行声明,上述词语并没有特殊含义,因此不能理解为对本申请保护范围的限制。
以上所述仅为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 (12)
1.一种视觉检测方法,其特征在于,所述视觉检测方法用于对下料位置处的成型产品进行检测,所述视觉检测方法包括:
获取所述成型产品的照片;
对获取的所述成型产品的照片进行图片处理;
识别所述成型产品的照片中的成型产品的影像,对所述成型产品的影像进行形状检测和颜色检测,并根据所述形状检测和所述颜色检测的检测结果判定所述成型产品是否合格。
2.根据权利要求1所述的视觉检测方法,其特征在于,对所述成型产品的照片进行图片处理的方法包括:
对所述成型产品的照片进行灰度化处理。
3.根据权利要求2所述的视觉检测方法,其特征在于,在所述成型产品的照片进行灰度化处理后,所述视觉检测方法还包括:
对所述成型产品的照片进行滤波处理。
4.根据权利要求1所述的视觉检测方法,其特征在于,对所述成型产品的影像进行形状检测和颜色检测的方法包括:
先利用视觉库对所述成型产品的影像进行形状检测,并判断检测到的所述成型产品的影像是否满足形状合格条件;
当检测到的所述成型产品的影像的形状满足形状合格条件时,对所述成型产品的影像的颜色进行检测,并判断检测到的所述成型产品的影像是否满足颜色合格条件;
当检测到的所述成型产品的影像的形状不满足形状合格条件时,判断所述成型产品为不合格产品。
5.根据权利要求4所述的视觉检测方法,其特征在于,判断检测到的所述成型产品的影像是否满足颜色合格条件的方法包括:
当检测到的所述成型产品的影像的颜色满足颜色合格条件时,判断所述成型产品为合格产品;
当检测到的所述成型产品的影响的颜色不满足颜色合格条件时,判断所述成型产品为不合格产品。
6.根据权利要求4所述的视觉检测方法,其特征在于,所述成型产品为圆盘结构,判断检测到的所述成型产品的影像是否满足形状合格条件的方法包括:
采用霍夫圆检测的方法检测所述成型产品的影像是否为圆形;
当检测到的所述成型产品的影像为圆形时,判断所述成型产品的影像满足形状合格条件;
当检测到的所述成型产品的影像不为圆形时,判断所述成型产品的影像不满足形状合格条件。
7.根据权利要求4所述的视觉检测方法,其特征在于,所述成型产品为多边形结构,判断检测到的所述成型产品的影像是否满足形状合格条件的方法包括:
采用多边形拟合的方法对所述成型产品的影像进行拟合,并依据所述多边形结构的多条边和多个顶点判断所述成型产品的影像是否为多边形结构;
当检测到的所述成型产品的影像为多边形结构时,判断所述成型产品的影像满足形状合格条件;
当检测到的所述成型产品的影像不为多边形结构时,判断所述成型产品的影像不满足形状合格条件。
8.根据权利要求5所述的视觉检测方法,其特征在于,判断检测到的所述成型产品的影像是否满足颜色合格条件的方法包括:
将所述成型产品的照片转换成HSV颜色模型;
对HSV颜色模型下的所述成型产品的影像进行检测。
9.根据权利要求8所述的视觉检测方法,其特征在于,对HSV颜色模型下的所述成型产品的影像进行检测的方法包括:
对所述成型产品的影像的多个像素点的颜色进行检测,并根据所述多个像素点的颜色检测结果判断所述成型产品的影像是否满足颜色合格条件。
10.根据权利要求9所述的视觉检测方法,其特征在于,对所述成型产品的影像的多个像素点的颜色进行检测的方法;
当所述像素点满足:18≤H≤30、43≤S≤255、46≤V≤255时,判断所述像素点满足颜色合格条件;其中,H为色调、S为饱和度、V为亮度。
11.一种视觉检测装置,其特征在于,所述视觉检测装置用于对下料位置处的成型产品进行检测,所述视觉检测装置包括:
拍摄模块,所述拍摄模块用于对所述成型产品进行拍摄以获取所述成型产品的照片;
图像处理模块,与所述拍摄模块连接,以通过所述图像处理模块对由所述拍摄模块获取的所述成型产品的照片进行图片处理;
检测模块,与所述图像处理模块连接,以通过所述检测模块对经所述图像处理模块处理过的影像进行检测。
12.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,所述程序运行时控制所述非易失性存储介质在设备执行权利要求1至10中任一项所述的视觉检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111680047.3A CN114295639A (zh) | 2021-12-31 | 2021-12-31 | 视觉检测方法、视觉检测装置以及非易失性存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111680047.3A CN114295639A (zh) | 2021-12-31 | 2021-12-31 | 视觉检测方法、视觉检测装置以及非易失性存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114295639A true CN114295639A (zh) | 2022-04-08 |
Family
ID=80975618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111680047.3A Pending CN114295639A (zh) | 2021-12-31 | 2021-12-31 | 视觉检测方法、视觉检测装置以及非易失性存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295639A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907453A (zh) * | 2010-07-23 | 2010-12-08 | 北京农业信息技术研究中心 | 基于机器视觉的块状农产品尺寸在线测量方法与装置 |
CN110090816A (zh) * | 2019-05-11 | 2019-08-06 | 浙江家得宝科技股份有限公司 | 基于机器视觉的一次性纸浆餐盘检测设备的检测方法 |
CN110599552A (zh) * | 2019-08-30 | 2019-12-20 | 杭州电子科技大学 | 一种基于计算机视觉的pH试纸检测方法 |
CN213422966U (zh) * | 2020-10-11 | 2021-06-11 | 常德市芙蓉实业发展有限责任公司 | 一种基于机器视觉技术的纸张外观采集系统 |
CN113109348A (zh) * | 2021-03-12 | 2021-07-13 | 华南理工大学 | 一种基于机器视觉的桨影移印缺陷识别方法 |
CN113533372A (zh) * | 2021-07-12 | 2021-10-22 | 浙江理工大学 | 一种纸张缺陷检测方法、系统、装置及计算机存储介质 |
-
2021
- 2021-12-31 CN CN202111680047.3A patent/CN114295639A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907453A (zh) * | 2010-07-23 | 2010-12-08 | 北京农业信息技术研究中心 | 基于机器视觉的块状农产品尺寸在线测量方法与装置 |
CN110090816A (zh) * | 2019-05-11 | 2019-08-06 | 浙江家得宝科技股份有限公司 | 基于机器视觉的一次性纸浆餐盘检测设备的检测方法 |
CN110599552A (zh) * | 2019-08-30 | 2019-12-20 | 杭州电子科技大学 | 一种基于计算机视觉的pH试纸检测方法 |
CN213422966U (zh) * | 2020-10-11 | 2021-06-11 | 常德市芙蓉实业发展有限责任公司 | 一种基于机器视觉技术的纸张外观采集系统 |
CN113109348A (zh) * | 2021-03-12 | 2021-07-13 | 华南理工大学 | 一种基于机器视觉的桨影移印缺陷识别方法 |
CN113533372A (zh) * | 2021-07-12 | 2021-10-22 | 浙江理工大学 | 一种纸张缺陷检测方法、系统、装置及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
张天序: "《人群异常行为数字图像处理与分析》", vol. 1, 武汉:湖北科学技术出版社, pages: 266 - 268 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9773302B2 (en) | Three-dimensional object model tagging | |
CN101421748B (zh) | 自动检测并校正非红眼闪光缺陷 | |
US10026192B2 (en) | Color harmony verification system | |
CN109194954B (zh) | 鱼眼摄像头性能参数测试方法、装置、设备及可存储介质 | |
JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
CN101074915A (zh) | 异物检测装置及异物检测方法 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
US10438376B2 (en) | Image processing apparatus replacing color of portion in image into single color, image processing method, and storage medium | |
CN113034488B (zh) | 一种喷墨印刷品的视觉检测方法 | |
CN112446864A (zh) | 瑕疵检测方法、装置、设备和存储介质 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN113781396A (zh) | 屏幕缺陷检测方法、装置、设备和存储介质 | |
CN111523551A (zh) | 蓝色目标的二值化方法、装置和设备 | |
CN113392819B (zh) | 一种批量化学术图像自动分割标注装置和方法 | |
CN110596118A (zh) | 印刷图案检测方法及印刷图案检测装置 | |
Wang et al. | Multi-angle automotive fuse box detection and assembly method based on machine vision | |
CN114295639A (zh) | 视觉检测方法、视觉检测装置以及非易失性存储介质 | |
CN110310341B (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
JP7036477B1 (ja) | 欠陥検出方法、欠陥検出システム、及び、欠陥検出プログラム | |
CN110728061B (zh) | 基于朗伯体反射建模的陶瓷表面气孔检测方法 | |
CN107545560B (zh) | 用于轮胎胎侧气泡的检测方法和装置 | |
CN115589530A (zh) | 相机对焦方法、装置、设备及可读存储介质 | |
CN103293431A (zh) | 排线装配检测装置 |
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 |