CN114441545A - 一种高度自适应绕组视觉检测平台及方法 - Google Patents

一种高度自适应绕组视觉检测平台及方法 Download PDF

Info

Publication number
CN114441545A
CN114441545A CN202210249563.9A CN202210249563A CN114441545A CN 114441545 A CN114441545 A CN 114441545A CN 202210249563 A CN202210249563 A CN 202210249563A CN 114441545 A CN114441545 A CN 114441545A
Authority
CN
China
Prior art keywords
motor
winding
master controller
camera
liquid lens
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
Application number
CN202210249563.9A
Other languages
English (en)
Inventor
方骞
唐霞
江浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Institute of Technology
Original Assignee
Wuxi Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Institute of Technology filed Critical Wuxi Institute of Technology
Priority to CN202210249563.9A priority Critical patent/CN114441545A/zh
Publication of CN114441545A publication Critical patent/CN114441545A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/89Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N21/898Irregularities in textured or patterned surfaces, e.g. textiles, wood
    • G01N21/8983Irregularities in textured or patterned surfaces, e.g. textiles, wood for testing textile webs, i.e. woven material
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/10Scanning
    • G01N2201/104Mechano-optical scan, i.e. object and beam moving

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Textile Engineering (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Wood Science & Technology (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及智能制造视觉检测技术领域,特别涉及一种高度自适应绕组视觉检测平台及方法,包括运动控制机构、视觉检测机构、液态对焦机构和总控制器,所述总控制器内搭载有系统软件,所述系统软件包括表示层、业务逻辑层、虚拟硬件层和机器视觉模块,所述总控制器与所述运动控制机构、视觉检测机构和液态对焦机构均连接;所述运动控制机构包括第一电机和第二电机,所述总控制器连接有运动卡,所述运动卡分别与所述第一电机和第二电机连接,所述视觉检测机构包括相机,所述总控制器与所述相机连接,所述液态对焦机构包括液态镜头和控制芯片,所述液态镜头通过所述控制芯片与所述总控制器连接。本发明能够提高绕组类产线的生产效率,节约人力成本。

Description

一种高度自适应绕组视觉检测平台及方法
技术领域
本发明涉及智能制造视觉检测技术领域,特别涉及一种高度自适应绕组视觉检测平台及方法。
背景技术
在工业生产中,大量的工业生产过程中需要进行产品表面质量检测,这是非常重要的。随着世界涂布、纺织品、皮革产品消费向质量型转变,产品表面缺陷这一制约布料制造业发展的因素显得尤为突出。缺陷检测是纺织行业生产和质量管理的重要环节,但现阶段国内产品表面检测基本上大都是凭借人工完成,易产生漏检、误检等问题,难以达到高质量高品质的输出。纺织工业是我国国民经济的支柱产业,纺织工业与钢铁、汽车、船舶、石化、轻工、有色金属、装备制造业、电子信息及物流业等产业一起,是我国主要的产业构成。纺织品生产过程中,布匹表面缺陷是影响布匹质量的关键因素。布面瑕疵直接影响到布匹的定级,二等品的价格只有一等品的45%-65%,织物疵点严重影响纺织行业经济收入。因此,布匹瑕疵检测在纺织品质量控制方面显得尤为重要。
长期以来,布匹检测一般由人工完成。人工检测速度一般在15-20米每分钟。人工检测依赖验布人员的经验和熟练程度,评价标准不稳定不一致,因而经常会产生误检和漏检,熟练的验布人员也只能发现约70%的疵点。另外,布匹缺陷检测对工人来说是一个繁重无味的体力劳动,且极大的伤害了验布工人的视力。使用自动布匹检测系统是纺织厂提高生产效率,节省人力成本,产业转型升级的必经之路。所以机器视觉在布匹检测的板块的技术发展带给不少企业便利。
发明内容
本发明的目的是提供一种高度自适应绕组视觉检测平台及方法,使用机器视觉技术提高绕组类产线的生产效率,节约人力成本,促进产业升级转型,以解决上述现有技术存在的问题。
本发明的上述技术目的是通过以下技术方案得以实现的:
一种高度自适应绕组视觉检测平台,包括运动控制机构、视觉检测机构、液态对焦机构和总控制器,所述总控制器内搭载有系统软件,所述系统软件包括表示层、业务逻辑层、虚拟硬件层和机器视觉模块,所述总控制器与所述运动控制机构、视觉检测机构和液态对焦机构均连接;
所述运动控制机构包括第一电机和第二电机,所述总控制器连接有运动卡,所述运动卡分别与所述第一电机和第二电机连接,所述视觉检测机构包括相机,所述总控制器与所述相机连接,所述液态对焦机构包括液态镜头和控制芯片,所述液态镜头通过所述控制芯片与所述总控制器连接。
在进一步的实施例中,所述虚拟硬件层包括相机控制模块和液态镜头控制模块,所述相机控制模块用于控制调节所述相机参数设置,所述液态镜头控制模块用于对所述液态镜头预设值和实时控制。
在进一步的实施例中,所述机器视觉模块包括中值滤波功能组件、高斯滤波功能组件和团块处理功能组件,所述中值滤波功能组件用于运行中值滤波算法,所述高斯滤波功能组件用于运行高斯滤波算法,所述团块处理功能组件用于筛选像素集合。
在进一步的实施例中,所述运动卡设置有启停按钮、急停按钮、回零按钮、电源接口、第一驱动器、第一使能接口、第二驱动器和第二使能接口,所述第一驱动器和第一使能接口均与所述第一电机连接,所述第二驱动器和第二使能接口均与所述第二电机连接。
在进一步的实施例中,所述控制芯片包括PWM控制器和全桥逆变器。
一种高度自适应绕组视觉检测方法,包括以下步骤:
S1、通过所述相机控制模块,对所述相机设置曝光时间和数据类型;
S2、通过所述液态镜头控制模块调节所述液态镜头的焦距;
S3、启动所述第一电机和第二电机开始绕组运动,所述相机开始录像;
S4、设置第一时间间隔T1,每经过T1时间后,调节所述第一电机的缠绕速度,维持线速度恒定,并调节所述液态镜头的焦距,保持取像清晰;
S5、设置第二时间间隔T2,每经过T2时间后,从视频流中截取图片并处理;
S6、计算已绕组长度L,所述已绕组长度L由绕组时间乘以所述第一电机的线速度得到,所述已绕组长度L达到预设值后,所述相机停止录像,所述第一电机和第二电机停止转动;
其中,步骤S4和S5之间没有严格的先后顺序。
在进一步的实施例中,在S5中,所述处理包括以下步骤:
S51、所述机器视觉模块通过中值滤波功能组件运算中值滤波算法,对图片进行滤波;
S52、所述机器视觉模块通过高斯滤波功能组件运算高斯滤波算法,对图像进行滤波;
S53、所述机器视觉模块通过团块处理功能组件,筛选污损,所述污损为预设特征的像素集合;
S54、所述机器视觉模块判断所述污损的面积和形状,并得出是否NG。
在进一步的实施例中,在S6中,还包括以下步骤:所述机器视觉模块根据不同的特征重复定义和检测污损。
综上所述,本发明具有以下有益效果:
1.本发明提出一种高度自适应绕组视觉检测平台及方法,通过视觉识别检测技术代替人工检测,能够起到提高绕组类产线的生产效率,节约人力成本的效果。
附图说明
图1是本发明的系统连接框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
其中相同的零部件用相同的附图标记表示。需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图1中的方向,词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本说明书的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定中心的方向。
实施例1:
本发明提出了一种高度自适应绕组视觉检测平台及方法,本实施例将使用该平台及方法在纺织行业的布匹检测中的应用来说明本发明方案,但是本发明的应用场景不限于该行业。
本发明中,绕组的定义为收卷,在理解时应当与电学领域中的电机绕组或线圈绕组做区分。在本实施例中,可以将绕组定义为纺织行业的布匹收卷以便于理解。
本发明的系统框体如图1所示,一种高度自适应绕组视觉检测平台,包括运动控制机构、视觉检测机构、液态对焦机构和总控制器,总控制器内搭载有系统软件,系统软件包括表示层、业务逻辑层、虚拟硬件层和机器视觉模块,总控制器与运动控制机构、视觉检测机构和液态对焦机构均连接。
运动控制机构包括第一电机和第二电机,总控制器连接有运动卡,运动卡分别与第一电机和第二电机连接,运动卡用于接收总控制器的指令并发送至第一电机和第二电机。视觉检测机构包括相机,总控制器与相机连接。液态对焦机构包括液态镜头和控制芯片,液态镜头通过控制芯片与总控制器连接。
在本实施例中,虚拟硬件层包括相机控制模块和液态镜头控制模块,相机控制模块用于控制调节相机参数设置,液态镜头控制模块用于对液态镜头预设值和实时控制。
在本实施例中,机器视觉模块包括中值滤波功能组件、高斯滤波功能组件和团块处理功能组件,中值滤波功能组件用于运行中值滤波算法,高斯滤波功能组件用于运行高斯滤波算法,团块处理功能组件用于筛选像素集合,满足特征的像素集合为污损。
在本实施例中,运动卡设置有启停按钮、急停按钮、回零按钮、电源接口、第一驱动器、第一使能接口、第二驱动器和第二使能接口,第一驱动器和第一使能接口均与第一电机连接,第二驱动器和第二使能接口均与第二电机连接。
在本实施例中,控制芯片包括PWM控制器和全桥逆变器,PWM控制器和全桥逆变器用于控制液态镜头变焦。
本发明还提出应用于一种高度自适应绕组视觉检测平台的视觉检测方法,包括以下步骤:
S1、通过相机控制模块,对相机设置曝光时间和数据类型;
S2、通过液态镜头控制模块调节液态镜头的焦距;
S3、启动第一电机和第二电机开始绕组运动,相机开始录像;
S4、设置第一时间间隔T1,每经过T1时间后,调节第一电机的缠绕速度,维持线速度恒定,并调节液态镜头的焦距,保持取像清晰;
S5、设置第二时间间隔T2,每经过T2时间后,从视频流中截取图片并处理;
S6、计算已绕组长度L,已绕组长度L由绕组时间乘以第一电机的线速度得到,已绕组长度L达到预设值后,相机停止录像,第一电机和第二电机停止转动;
其中,步骤S4和S5之间没有严格的先后顺序。
在本实施例中,在S5中,处理包括以下步骤:
S51、机器视觉模块通过中值滤波功能组件运算中值滤波算法,对图片进行滤波;
S52、机器视觉模块通过高斯滤波功能组件运算高斯滤波算法,对图像进行滤波;
S53、机器视觉模块通过团块处理功能组件,筛选污损,污损为预设特征的像素集合;
S54、机器视觉模块判断污损的面积和形状,并得出是否NG。
在本实施例中,在S6中,还包括以下步骤:机器视觉模块根据不同的特征重复定义和检测污损。
具体实施过程:
本发明在布匹检测中的应用的具体操作过程如下:
检测前,先设置相机,总控制器的上位机程序调用虚拟硬件层的相机控制模块,发送设置曝光时间、设置数据类型等指令。接着调节液态镜头的焦距,确保拍摄清晰。焦距根据总控制器的上位机程序发送的焦距值(Res值)变化,Res值为程序预设值或程序实时调整的值,虚拟硬件层的液态镜头控制模块将Res值翻译成报文发送至液态镜头所在端口,液态镜头控制芯片,接受报文,并解析得到Res值,内置PWM控制器产生所需波形,并由全桥逆变器升压输出给液态镜片,最后液态镜片接受到输出电压,产生高频电场,改变液态镜片内部液体的空间分配,从而改变其屈光度完成调焦。
检测前的准备工作结束后,第一电机和第二电机启动,开始进行绕组运动,检测也同步开始。由于随着织布的卷绕,卷绕的圆周半径越来越大,因此每隔T1时刻,调节缠绕速度,减小角速度从而维持线速度恒定,以便相机拍摄检测的速率均匀。随着卷绕的圆周半径越来越大,液态镜头与织布的距离会变化,因此检测时,每隔T1时刻,总控制器计算织布卷绕的厚度,并根据厚度自动调取系统软件中存储的对应的焦距值,以此调节焦距。
检测过程中,每隔T2时刻,系统软件从视频流中截取图片并滤波处理、筛选污损和判断污损面积和形状,决定是否NG。检测时,系统会计算已绕组长度L,当L达到预设长度后,检测停止,相机停止录像,第一电机和第二电机停止。
检测后,系统软件还会将保存的清晰度评价依据安装正太分布特征排列,计算出倒数足够小的点。如果无法得出计算结果,则根据现有数据计算最有可能的对焦值Res值,重新检测,重新对焦、取像和评价。
对污损的检测中,机器视觉模块还使用模板匹配算法,由于污损被系统定义为特定特征的像素集合,模板匹配算法用于调节污损的特征定义。每一次检测后,模板匹配算法重新调整污损的特征定义,以提高检测的准确性。
在本发明公开的实施例中,术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明公开的实施例中的具体含义。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (8)

1.一种高度自适应绕组视觉检测平台,包括运动控制机构、视觉检测机构、液态对焦机构和总控制器,其特征在于:所述总控制器内搭载有系统软件,所述系统软件包括表示层、业务逻辑层、虚拟硬件层和机器视觉模块,所述总控制器与所述运动控制机构、视觉检测机构和液态对焦机构均连接;
所述运动控制机构包括第一电机和第二电机,所述总控制器连接有运动卡,所述运动卡分别与所述第一电机和第二电机连接,所述视觉检测机构包括相机,所述总控制器与所述相机连接,所述液态对焦机构包括液态镜头和控制芯片,所述液态镜头通过所述控制芯片与所述总控制器连接。
2.根据权利要求1所述的一种高度自适应绕组视觉检测平台,其特征在于:所述虚拟硬件层包括相机控制模块和液态镜头控制模块,所述相机控制模块用于控制调节所述相机参数设置,所述液态镜头控制模块用于对所述液态镜头预设值和实时控制。
3.根据权利要求1所述的一种高度自适应绕组视觉检测平台,其特征在于:所述机器视觉模块包括中值滤波功能组件、高斯滤波功能组件和团块处理功能组件,所述中值滤波功能组件用于运行中值滤波算法,所述高斯滤波功能组件用于运行高斯滤波算法,所述团块处理功能组件用于筛选像素集合。
4.根据权利要求1所述的一种高度自适应绕组视觉检测平台,其特征在于:所述运动卡设置有启停按钮、急停按钮、回零按钮、电源接口、第一驱动器、第一使能接口、第二驱动器和第二使能接口,所述第一驱动器和第一使能接口均与所述第一电机连接,所述第二驱动器和第二使能接口均与所述第二电机连接。
5.根据权利要求1所述的一种高度自适应绕组视觉检测平台,其特征在于:所述控制芯片包括PWM控制器和全桥逆变器。
6.应用在权利要求1-5中任一项所述的一种高度自适应绕组视觉检测平台的视觉检测方法,其特征在于,包括以下步骤:
S1、通过所述相机控制模块,对所述相机设置曝光时间和数据类型;
S2、通过所述液态镜头控制模块调节所述液态镜头的焦距;
S3、启动所述第一电机和第二电机开始绕组运动,所述相机开始录像;
S4、设置第一时间间隔T1,每经过T1时间后,调节所述第一电机的缠绕速度,维持线速度恒定,并调节所述液态镜头的焦距,保持取像清晰;
S5、设置第二时间间隔T2,每经过T2时间后,从视频流中截取图片并处理;
S6、计算已绕组长度L,所述已绕组长度L由绕组时间乘以所述第一电机的线速度得到,所述已绕组长度L达到预设值后,所述相机停止录像,所述第一电机和第二电机停止转动;
其中,步骤S4和S5之间没有严格的先后顺序。
7.根据权利要求6所述的视觉检测方法,其特征在于:在S5中,所述处理包括以下步骤:
S51、所述机器视觉模块通过中值滤波功能组件运算中值滤波算法,对图片进行滤波;
S52、所述机器视觉模块通过高斯滤波功能组件运算高斯滤波算法,对图像进行滤波;
S53、所述机器视觉模块通过团块处理功能组件,筛选污损,所述污损为预设特征的像素集合;
S54、所述机器视觉模块判断所述污损的面积和形状,并得出是否NG。
8.根据权利要求7所述的视觉检测方法,其特征在于:在S6中,还包括以下步骤:所述机器视觉模块根据不同的特征重复定义和检测污损。
CN202210249563.9A 2022-03-14 2022-03-14 一种高度自适应绕组视觉检测平台及方法 Pending CN114441545A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210249563.9A CN114441545A (zh) 2022-03-14 2022-03-14 一种高度自适应绕组视觉检测平台及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210249563.9A CN114441545A (zh) 2022-03-14 2022-03-14 一种高度自适应绕组视觉检测平台及方法

Publications (1)

Publication Number Publication Date
CN114441545A true CN114441545A (zh) 2022-05-06

Family

ID=81359497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210249563.9A Pending CN114441545A (zh) 2022-03-14 2022-03-14 一种高度自适应绕组视觉检测平台及方法

Country Status (1)

Country Link
CN (1) CN114441545A (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR1208300A (fr) * 1957-06-04 1960-02-23 Lindly & Company Perfectionnements apportés aux appareils pour déceler les défauts de matières diverses, notamment de textiles, tricots et analogues
WO1995013519A1 (en) * 1993-11-10 1995-05-18 Lawson-Hemphill, Incorporated System and method for electronically displaying yarn qualities
CN102866158A (zh) * 2012-07-24 2013-01-09 华北电力大学 面向隧道巡检的输配电线缆检测方法
CN105631873A (zh) * 2015-12-25 2016-06-01 华中科技大学 一种柔性膜收卷质量视觉检测方法
CN108169246A (zh) * 2017-11-28 2018-06-15 威海华菱光电股份有限公司 圆棒检测系统及用于圆棒的检测方法
CN108351308A (zh) * 2015-11-11 2018-07-31 普罗泰克纳赫伯斯特有限两合公司 用于监控连续的织物幅面的装置和方法
CN108355981A (zh) * 2018-01-08 2018-08-03 西安交通大学 一种基于机器视觉的电池连接器质量检测方法
CN109187566A (zh) * 2018-10-23 2019-01-11 温州大学瓯江学院 一种纺织品布料疵点检测装置
CN109712114A (zh) * 2018-11-30 2019-05-03 无锡维胜威信息科技有限公司 一种应用于拉链缺陷检测的系统及其检测方法
CN110766649A (zh) * 2018-07-10 2020-02-07 Hb技术有限公司 自动修复系统的缺陷判别装置及方法
CN210031267U (zh) * 2019-09-25 2020-02-07 科大讯飞华南人工智能研究院(广州)有限公司 基于机器视觉的智能验布系统
CN110924120A (zh) * 2019-12-13 2020-03-27 福建工程学院 一种基于机器视觉的蕾丝花边缺陷检测装置及使用方法
CN111696106A (zh) * 2020-07-31 2020-09-22 上海帆声图像科技有限公司 一种显示设备的屏幕质量检测方法、装置及系统
CN112129771A (zh) * 2020-08-10 2020-12-25 苏州巨细智能科技有限公司 基于5g的布匹瑕疵检测方法及系统
CN112255759A (zh) * 2020-10-16 2021-01-22 无锡先导智能装备股份有限公司 相机自动对焦方法、装置及系统
CN113777030A (zh) * 2021-07-08 2021-12-10 杭州信畅信息科技有限公司 一种基于机器视觉的布料表面缺陷检测装置及方法

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR1208300A (fr) * 1957-06-04 1960-02-23 Lindly & Company Perfectionnements apportés aux appareils pour déceler les défauts de matières diverses, notamment de textiles, tricots et analogues
WO1995013519A1 (en) * 1993-11-10 1995-05-18 Lawson-Hemphill, Incorporated System and method for electronically displaying yarn qualities
CN102866158A (zh) * 2012-07-24 2013-01-09 华北电力大学 面向隧道巡检的输配电线缆检测方法
CN108351308A (zh) * 2015-11-11 2018-07-31 普罗泰克纳赫伯斯特有限两合公司 用于监控连续的织物幅面的装置和方法
CN105631873A (zh) * 2015-12-25 2016-06-01 华中科技大学 一种柔性膜收卷质量视觉检测方法
CN108169246A (zh) * 2017-11-28 2018-06-15 威海华菱光电股份有限公司 圆棒检测系统及用于圆棒的检测方法
CN108355981A (zh) * 2018-01-08 2018-08-03 西安交通大学 一种基于机器视觉的电池连接器质量检测方法
CN110766649A (zh) * 2018-07-10 2020-02-07 Hb技术有限公司 自动修复系统的缺陷判别装置及方法
CN109187566A (zh) * 2018-10-23 2019-01-11 温州大学瓯江学院 一种纺织品布料疵点检测装置
CN109712114A (zh) * 2018-11-30 2019-05-03 无锡维胜威信息科技有限公司 一种应用于拉链缺陷检测的系统及其检测方法
CN210031267U (zh) * 2019-09-25 2020-02-07 科大讯飞华南人工智能研究院(广州)有限公司 基于机器视觉的智能验布系统
CN110924120A (zh) * 2019-12-13 2020-03-27 福建工程学院 一种基于机器视觉的蕾丝花边缺陷检测装置及使用方法
CN111696106A (zh) * 2020-07-31 2020-09-22 上海帆声图像科技有限公司 一种显示设备的屏幕质量检测方法、装置及系统
CN112129771A (zh) * 2020-08-10 2020-12-25 苏州巨细智能科技有限公司 基于5g的布匹瑕疵检测方法及系统
CN112255759A (zh) * 2020-10-16 2021-01-22 无锡先导智能装备股份有限公司 相机自动对焦方法、装置及系统
CN113777030A (zh) * 2021-07-08 2021-12-10 杭州信畅信息科技有限公司 一种基于机器视觉的布料表面缺陷检测装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
卢剑伟;: "基于机器视觉的织物瑕疵实时检测平台设计研究", 电子元器件与信息技术, no. 06 *

Similar Documents

Publication Publication Date Title
WO2021248554A1 (zh) 高速高精度锂离子电池极片的毛刺检测方法及检测系统
CN106226325B (zh) 一种基于机器视觉的座椅表面缺陷检测系统及其方法
CN104749184B (zh) 自动光学检测方法和系统
CN102590218B (zh) 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法
CN108765416A (zh) 基于快速几何对准的pcb表面缺陷检测方法及装置
CN109064440B (zh) 一种基于机器视觉的喇叭音圈焊线识别方法
CN111982916A (zh) 一种基于机器视觉的焊缝表面缺陷检测方法及系统
CN111289538A (zh) 基于机器视觉的pcb板元件检测系统及检测方法
CN109916910A (zh) 光伏玻璃边部缺陷检测系统及相应的方法
CN109030503A (zh) 带钢在线表面缺陷检测系统及其检测方法
CN108931535A (zh) 一种激光增材制造气孔缺陷在线监测方法
CN104475350B (zh) 轴承保持器假焊的视觉检测方法
CN112132828A (zh) 基于深度学习的薄膜瑕疵检测方法
CN114119591A (zh) 一种显示屏画面质量检测方法
CN114565558A (zh) 一种cmos芯片表面缺陷检测方法及系统
CN109272525A (zh) 一种导光板白点缺陷检测方法
CN113983965A (zh) 一种排线质量检测装置及检测方法
CN112070762A (zh) 液晶面板的mura缺陷检测方法、装置、存储介质及终端
CN114441545A (zh) 一种高度自适应绕组视觉检测平台及方法
CN112837287B (zh) 一种板面缺陷区域的提取方法及装置
CN106370673A (zh) 一种镜片疵病自动检测方法
CN117092113A (zh) 一种摄像头模具焊接质量检测装置及其系统
CN208636227U (zh) 带钢在线表面缺陷检测系统
CN205786378U (zh) 一种铝幕墙板材检验装置
CN111912854B (zh) 基于振镜快速扫描的大面积表面缺陷光学检测系统及方法

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