CN114429544A - 基于计算机视觉的振动筛筛网破损检测方法、系统及装置 - Google Patents
基于计算机视觉的振动筛筛网破损检测方法、系统及装置 Download PDFInfo
- Publication number
- CN114429544A CN114429544A CN202210011790.8A CN202210011790A CN114429544A CN 114429544 A CN114429544 A CN 114429544A CN 202210011790 A CN202210011790 A CN 202210011790A CN 114429544 A CN114429544 A CN 114429544A
- Authority
- CN
- China
- Prior art keywords
- ore
- screen
- image
- belt conveyor
- detected
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3425—Sorting according to other particular properties according to optical properties, e.g. colour of granular material, e.g. ore particles, grain
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了基于计算机视觉的振动筛筛网破损检测方法、系统及装置,方法包括获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上;对所述原始图像进行处理,得到矿石粒度的分割结果;基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。本发明通过计算机视觉,对胶带运输机上的矿石进行分析,判断筛网的尺寸,解决传统的人工巡检不及时、主观性强的弊端,能够做到在机器运行时实时的检测,定量、定性的判断,对筛网的破损程度给出预测结果,使得在筛网破损后能被及时的发现,减小生产损失。
Description
技术领域
本发明涉及图像处理技术领域,尤其是基于计算机视觉的振动筛筛网破损检测方法、系统及装置。
背景技术
振动筛是矿山、选矿、选煤、建材、化工等工艺生产中的重要设备,振动筛的筛网使用时间较长时,会使筛孔磨损严重,造成破损,将对筛分效果造成严重影响。
目前,在实际生产中,一般是通过人工现场巡检的方式发现设备异常情况,现场筛分岗位的巡检人员定时对设备运行情况进行巡查,通过视觉观察筛分物料的粒度判断筛网状态是否正常。这种方式,增加了工人的劳动强度,且人工无法时刻巡检,不能及时发现筛网破损问题,造成各级筛网筛分的物料串料,给下一生产环节的设备带来故障隐患,降低生产效率,提高生产成本。
当前采用人工巡检的方式,存在主观性强的弊端,且巡检过程无法实时进行,容易造成生产损失。
发明内容
本发明提供了基于计算机视觉的振动筛筛网破损检测方法、系统及装置,用于解决现有检测方式不准确,且容易造成生产损失的问题。
为实现上述目的,本发明采用下述技术方案:
本发明第一方面提供了一种基于计算机视觉的振动筛筛网破损检测方法,所述检测方法以下步骤:
获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上;
对所述原始图像进行处理,得到矿石粒度的分割结果;
基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;
将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
进一步地,所述对所述原始图像进行处理的具体过程为:
对原始图像进行双边滤波处理,保留图像中矿石的边缘轮廓信息;
对图像进行自适应二值化操作,并基于矿石粒度,确定二值化的参数范围,进行背景分割;
通过边缘查找绘制轮廓,并对轮廓进行填充,得到初步处理图像;
将所述初步处理图像进行距离变换,并通过设定阈值获取图像中心点,提取前景图像;
将所述初步处理图像进行取反操作,及形态学膨胀处理,得到背景图像;
将所述前景图像和背景图像融合,并对前景区域和背景区域分别赋值,得到种子图像;
基于所述种子图像对原始图像进行分割,得到矿石粒度的分割结果。
进一步地,所述基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石的具体过程为:
对所述分割结果中的轮廓进行查找,得到每个矿石轮廓对应的最小外接矩形;
计算所述最小外接矩形的尺寸,将尺寸超过预设阈值的矿石作为需检测矿石。
进一步地,所述预设阈值为所述最小外接矩形长度与宽度比值的阈值及面积阈值。
进一步地,所述将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态的具体过程为:
所述需检测矿石粒径不大于所述筛网孔径时,筛网状态正常;
所述需检测矿石粒径大于筛网孔径,但小于N倍筛网孔径时,基于满足该第一条件的矿石粒径数量,判断筛网状态;
所述需检测矿石粒径大于N倍筛网孔径时,基于满足该第二条件的矿石粒径数量,判断筛网状态。
进一步地,所述基于满足该第一条件的矿石粒径数量,判断筛网状态的具体过程为:
若矿石粒径数量小于第一预设阈值,则筛网状态为小面积网孔连通,且破损点数量少;
若矿石粒径数量不小于所述第一预设阈值,则筛网状态为小面积网孔连通,且破损点数量多。
进一步地,所述基于满足该第二条件的矿石粒径数量,判断筛网状态的具体过程为:
若矿石粒径数量小于第二预设阈值,则筛网状态为大面积网孔连通,且破损点数量少;
若矿石粒径数量不小于第二预设阈值,则筛网状态为大面积网孔连通,且破损点数量多。
本发明第二方面提供了一种计算机视觉的振动筛筛网破损检测系统,所述系统包括:
图像采集单元,用于获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上;
图像处理单元,用于对所述原始图像进行处理,得到矿石粒度的分割结果;
矿石筛选单元,基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;
检测单元,用于将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
本发明第三方面提供了一种基于计算机视觉的振动筛筛网破损检测装置,包括相机和与所述相机连接的计算机,所述相机用于获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上,并将该原始图像上传至计算机,所述计算机对所述原始图像进行处理,得到矿石粒度的分割结果;基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;用于将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
本发明第四方面提供了一种计算机存储介质,所述计算机存储介质中存储有计算机指令,所述计算机指令在所述系统上运行时,使所述系统执行所述方法的步骤。
本发明第二方面的所述检测系统及第三方面所述检测装置能够实现第一方面及第一方面的各实现方式中的方法,并取得相同的效果。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
本发明通过计算机视觉,对胶带运输机上的矿石进行分析,判断筛网的尺寸,解决传统的人工巡检不及时、主观性强的弊端,能够做到在机器运行时实时的检测,定量、定性的判断,对筛网的破损程度给出预测结果,使得在筛网破损后能被及时的发现,减小生产损失。
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,对于本领域普通技术人员而言,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是本发明所述装置实施例的结构示意图;
图2是本发明所述方法实施例的流程示意图;
图3是本发明实施例采集的原始图像示意图;
图4是本发明实施例滤波后的图像示意图;
图5是本发明实施例二值化后的图像示意图;
图6是本发明实施例得到的前景图像示意图;
图7是本发明实施例得到的背景图像示意图;
图8是本发明实施例得到的种子图像示意图;
图9中本发明实施例得到的分割结果图像示意图;
图10是本发明所述系统实施例的结构示意图;
图中,1计算机、2振动筛筛网、3相机、4恒光通量光源、5胶带运输机。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
如图1所示,本发明实施例提供了一种基于计算机视觉的振动筛筛网破损检测装置,通过视频图像处理的方式,使用摄像头代替人眼,在振动筛筛网2筛分后的胶带运输机5上,对运输的矿石粒度进行检测,在胶带运输机5的上方安装检测设备,对筛下产物进行检测,恒光通量光源4用于对检测位置补光,消除环境光的影响,检测设备科选用相机3,相机3用于实时采集现场的高清图像,通过网线、光纤传送至计算机1,计算机1通过对每一帧图像进行分析处理,检测当前视野内的物料的大小数量,并对物料大小数量进行统计,结合实际筛网的孔径大小,与实际的大块物料的数量及持续时间进行对比,对筛网的破损状态及时做出判断。
如图2所示,本发明实施例还提供了一种基于计算机视觉的振动筛筛网破损检测方法,所述检测方法以下步骤:
S1,获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上;
S2,对所述原始图像进行处理,得到矿石粒度的分割结果;
S3,基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;
S4,将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
步骤S2中,所述对所述原始图像进行处理的具体过程为:
首先对图3所示的原始图像进行滤波处理,通过双边滤波,保留了矿石图像的边缘轮廓信息,得到图像如图4所示;将图像转为灰度图像,处理完成后,对图像进行自适应二值化操作,得到如图5所示图像;调用opencv的函数adaptiveThreshold进行处理,根据实际矿石粒度大小,确定二值化的参数范围,使得胶带运载的矿石和胶带背景完成分割;对二值化后的图像进行形态学的腐蚀膨胀操作,对边缘连通区域进行分割;通过边缘查找再次绘制轮廓,将所有轮廓进行全部填充,此时图像将作为前景和背景获取的主要图像,为初步处理图像;将此图像进行距离变换,通过阈值的设定完成图像中心点的获取,此时图像的前景提取完成,如图6所示;将上述初步处理图像进行取反操作,对取反后的图像进行形态学膨胀处理,作为加深后的图像背景,如图7所示;将图像的前景和背景融合,并分别取值,如背景区域置为1,前景区域置为非1的不同数据完成如图8所示种子图像的制作;根据opencv中的分水岭分割算法,根据上面得到的种子图像对原始图像进行分割,得到如图9所示矿石粒度的分割结果。
步骤S3中,所述基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石的具体过程为:
通过findcontour函数对所述分割结果中的轮廓进行查找,得到每个矿石轮廓对应的最小外接矩形;最小外接矩形即包围在轮廓外侧所能形成的面积最小的矩形,能很好的体现出物体的长宽信息。
最小外接矩形的求解通过opencv开源库中的minAreaRect()函数即可实现。
计算所述最小外接矩形的尺寸,将尺寸超过预设阈值的矿石作为需检测矿石。所述预设阈值为所述最小外接矩形长度与宽度比值的阈值及面积阈值。通常长度与宽度比值在1左右符合预期。
步骤S4中所述将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态的具体过程为:
所述需检测矿石粒径不大于所述筛网孔径时,筛网状态正常;
所述需检测矿石粒径大于筛网孔径,但小于N倍筛网孔径时,基于满足该第一条件的矿石粒径数量,判断筛网状态;
所述需检测矿石粒径大于N倍筛网孔径时,基于满足该第二条件的矿石粒径数量,判断筛网状态。
本实施例中上述N倍取4倍。
所述基于满足该第一条件的矿石粒径数量,判断筛网状态的具体过程为:
若矿石粒径数量小于第一预设阈值,则筛网状态为小面积网孔连通,且破损点数量少;
若矿石粒径数量不小于所述第一预设阈值,则筛网状态为小面积网孔连通,且破损点数量多,需及时停车检修。
所述基于满足该第二条件的矿石粒径数量,判断筛网状态的具体过程为:
若矿石粒径数量小于第二预设阈值,则筛网状态为大面积网孔连通,且破损点数量少,需及时检查;
若矿石粒径数量不小于第二预设阈值,则筛网状态为大面积网孔连通,且破损点数量多,严重影响生产,需要立即停车检查。
根据以上情况,在对矿石粒度做出检测后,对上网破损情况做出判断,将判断报警信息在控制中心进行声光报警提示,使工作人员迅速掌握故障情况、状态,并根据提示迅速做出反应,同时给出故障记录、数据报表,方便日后的追溯。
如图10所示,本发明实施例还提供了一种计算机视觉的振动筛筛网破损检测系统,所述系统包括图像采集单元1、图像处理单元2、矿石筛选单元3和检测单元4。
图像采集单元1用于获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上;图像处理单元2用于对所述原始图像进行处理,得到矿石粒度的分割结果;矿石筛选单元3基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;检测单元4用于将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
本发明实施例还提供了一种计算机存储介质,所述计算机存储介质中存储有计算机指令,所述计算机指令在所述系统上运行时,使所述系统执行所述方法的步骤,并取得与方法相同的技术效果。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种基于计算机视觉的振动筛筛网破损检测方法,其特征是,所述检测方法以下步骤:
获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上;
对所述原始图像进行处理,得到矿石粒度的分割结果;
基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;
将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
2.根据权利要求1所述基于计算机视觉的振动筛筛网破损检测方法,其特征是,所述对所述原始图像进行处理的具体过程为:
对原始图像进行双边滤波处理,保留图像中矿石的边缘轮廓信息;
对图像进行自适应二值化操作,并基于矿石粒度,确定二值化的参数范围,进行背景分割;
通过边缘查找绘制轮廓,并对轮廓进行填充,得到初步处理图像;
将所述初步处理图像进行距离变换,并通过设定阈值获取图像中心点,提取前景图像;
将所述初步处理图像进行取反操作,及形态学膨胀处理,得到背景图像;
将所述前景图像和背景图像融合,并对前景区域和背景区域分别赋值,得到种子图像;
基于所述种子图像对原始图像进行分割,得到矿石粒度的分割结果。
3.根据权利要求1所述基于计算机视觉的振动筛筛网破损检测方法,其特征是,所述基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石的具体过程为:
对所述分割结果中的轮廓进行查找,得到每个矿石轮廓对应的最小外接矩形;
计算所述最小外接矩形的尺寸,将尺寸超过预设阈值的矿石作为需检测矿石。
4.根据权利要求3所述基于计算机视觉的振动筛筛网破损检测方法,其特征是,所述预设阈值为所述最小外接矩形长度与宽度比值的阈值及面积阈值。
5.根据权利要求1所述基于计算机视觉的振动筛筛网破损检测方法,其特征是,所述将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态的具体过程为:
所述需检测矿石粒径不大于所述筛网孔径时,筛网状态正常;
所述需检测矿石粒径大于筛网孔径,但小于N倍筛网孔径时,基于满足该第一条件的矿石粒径数量,判断筛网状态;
所述需检测矿石粒径大于N倍筛网孔径时,基于满足该第二条件的矿石粒径数量,判断筛网状态。
6.根据权利要求5所述基于计算机视觉的振动筛筛网破损检测方法,其特征是,所述基于满足该第一条件的矿石粒径数量,判断筛网状态的具体过程为:
若矿石粒径数量小于第一预设阈值,则筛网状态为小面积网孔连通,且破损点数量少;
若矿石粒径数量不小于所述第一预设阈值,则筛网状态为小面积网孔连通,且破损点数量多。
7.根据权利要求5所述基于计算机视觉的振动筛筛网破损检测方法,其特征是,所述基于满足该第二条件的矿石粒径数量,判断筛网状态的具体过程为:
若矿石粒径数量小于第二预设阈值,则筛网状态为大面积网孔连通,且破损点数量少;
若矿石粒径数量不小于第二预设阈值,则筛网状态为大面积网孔连通,且破损点数量多。
8.一种计算机视觉的振动筛筛网破损检测系统,其特征是,所述系统包括:
图像采集单元,用于获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上;
图像处理单元,用于对所述原始图像进行处理,得到矿石粒度的分割结果;
矿石筛选单元,基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;
检测单元,用于将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
9.一种基于计算机视觉的振动筛筛网破损检测装置,其特征是,包括相机和与所述相机连接的计算机,所述相机用于获取胶带运输机上承载矿石的原始图像,矿石由设置在所述胶带运输机上方的振动筛筛网过滤至所述胶带运输机上,并将该原始图像上传至计算机,所述计算机对所述原始图像进行处理,得到矿石粒度的分割结果;基于所述分割结果中矿石轮廓的尺寸信息,筛选出需检测矿石;用于将所述需检测矿石的粒径与筛网孔径进行比较,得到筛网状态。
10.一种计算机存储介质,所述计算机存储介质中存储有计算机指令,其特征是,所述计算机指令在权利要求8所述系统上运行时,使所述系统执行如权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011790.8A CN114429544A (zh) | 2022-01-05 | 2022-01-05 | 基于计算机视觉的振动筛筛网破损检测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210011790.8A CN114429544A (zh) | 2022-01-05 | 2022-01-05 | 基于计算机视觉的振动筛筛网破损检测方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114429544A true CN114429544A (zh) | 2022-05-03 |
Family
ID=81311315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210011790.8A Pending CN114429544A (zh) | 2022-01-05 | 2022-01-05 | 基于计算机视觉的振动筛筛网破损检测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114429544A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115047062A (zh) * | 2022-08-11 | 2022-09-13 | 河南科技学院 | 一种超声波筛机丝网破损检测方法 |
CN115082710A (zh) * | 2022-08-18 | 2022-09-20 | 南通保利金纺织科技有限公司 | 一种织物网孔智能分类与识别方法及系统 |
CN115178362A (zh) * | 2022-07-04 | 2022-10-14 | 郑州旭飞光电科技有限公司 | 碎玻璃加工系统及其故障点的排查方法及计算机存储介质 |
-
2022
- 2022-01-05 CN CN202210011790.8A patent/CN114429544A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115178362A (zh) * | 2022-07-04 | 2022-10-14 | 郑州旭飞光电科技有限公司 | 碎玻璃加工系统及其故障点的排查方法及计算机存储介质 |
CN115047062A (zh) * | 2022-08-11 | 2022-09-13 | 河南科技学院 | 一种超声波筛机丝网破损检测方法 |
CN115047062B (zh) * | 2022-08-11 | 2022-12-09 | 河南科技学院 | 一种超声波筛机丝网破损检测方法 |
CN115082710A (zh) * | 2022-08-18 | 2022-09-20 | 南通保利金纺织科技有限公司 | 一种织物网孔智能分类与识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114429544A (zh) | 基于计算机视觉的振动筛筛网破损检测方法、系统及装置 | |
CN113646801B (zh) | 缺陷图像的缺陷检测方法、装置及计算机可读存储介质 | |
KR100759950B1 (ko) | 외관 검사 방법 및 그 장치 | |
CN109671058B (zh) | 一种大分辨率图像的缺陷检测方法及系统 | |
CN111797890A (zh) | 一种用于检测输电线路设备缺陷的方法及系统 | |
CN114359246B (zh) | 输送机皮带检测方法、装置、系统、电子设备及介质 | |
CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测系统 | |
JP6208426B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法 | |
CN111179250B (zh) | 一种基于多任务学习的工业品缺陷检测系统 | |
CN116188459B (zh) | 一种用于皮带撕裂检测的线激光快速识别方法及系统 | |
CN114897908A (zh) | 基于机器视觉的激光选区铺粉烧结面缺陷分析方法及系统 | |
CN114519696A (zh) | 基于光学智能化的pvc热收缩膜检测方法及系统 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN113610843B (zh) | 一种光纤编织层的实时缺陷识别系统及其方法 | |
Hashmi et al. | Computer-vision based visual inspection and crack detection of railroad tracks | |
CN106370673A (zh) | 一种镜片疵病自动检测方法 | |
CN116823771A (zh) | 一种zara缺陷规格检测方法、系统及储存介质 | |
CN115731228B (zh) | 一种镀金芯片缺陷检测系统和方法 | |
CN117035669A (zh) | 基于人工智能的企业安全生产管理方法及系统 | |
CN111833350A (zh) | 机器视觉检测方法与系统 | |
CN116309471A (zh) | 一种质量缺陷预警方法、装置、电子设备以及介质 | |
JP2000199745A (ja) | 色ムラの検査方法及び装置 | |
JP2001028059A (ja) | 色ムラ検査方法及び装置 | |
JP6043178B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法 | |
JP2004053477A (ja) | 色ムラ検査方法及び装置 |
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 |