CN114460087A - 一种基于机器视觉的焊点缺陷检测系统和方法 - Google Patents
一种基于机器视觉的焊点缺陷检测系统和方法 Download PDFInfo
- Publication number
- CN114460087A CN114460087A CN202111578768.3A CN202111578768A CN114460087A CN 114460087 A CN114460087 A CN 114460087A CN 202111578768 A CN202111578768 A CN 202111578768A CN 114460087 A CN114460087 A CN 114460087A
- Authority
- CN
- China
- Prior art keywords
- module
- image acquisition
- robot
- control module
- camera
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 230000007547 defect Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 230000033001 locomotion Effects 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000005096 rolling process Methods 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 229910000679 solder Inorganic materials 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan 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
-
- 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- 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
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan 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
- G01N2021/8887—Scan 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种基于机器视觉的焊点缺陷检测系统，包括：控制模块，控制模块确认硬件的状态、传递数据并下达控制指令；机器人模块，机器人模块和控制模块连接，机器人模块根据控制模块下达的指令，执行预设的运动脚本；图像采集模块，图像采集与控制模块、机器人模块分别连接，并根据控制模块的指令设置图像采集参数，根据机器人模块的运动轨迹调整图像采集位姿；视觉算法模块，视觉算法模块与控制模块、图像采集模块连接，其接收图像采集模块的数据，检测白车身是否到达指定工位及其焊点；并输出数据至控制模块。本发明，采用机器人模块、图像采集模块和控制模块，完成自动化设计，提高生产车间的自动化水平，降低人工成本。
Description
技术领域
本发明涉及汽车制造技术领域，具体地，涉及一种基于机器视觉的焊点缺陷检测系统和方法。
背景技术
车身焊点质量检测是车身检测的重要部分之一，当下汽车制造厂商大多以人工检测的方法，通过肉眼观察与手指触摸来判断焊点的位置是否正确以及其的质量是否达标。通常，每条产线上都需要为车身焊点检测配置2名以上的熟练工人，同时，还需要安排抽检确保效率达标。
当前车身焊点质量检测的工作方式自动化水平较低，耗费较高的人力成本，况且，人工检测的效率、精度与准确度具有相当的不确定性，受工人技术熟练程度、工作状态等因素影响，会为整条产线带来潜在的风险。
经对现有技术检索，申请号为202010248490.2的中国发明，公开了一种用于3D缺陷检测的视觉检测方法及系统，该方法为缺陷检测视觉控制器在收到运动控制器的产品到位信号后控制3D相机取像，生成待检测产品的3D点云图像；缺陷检测视觉控制器对待检测产品的3D点云图像进行分析，生成图像分析数据；缺陷检测视觉控制器对图像分析数据进行统计分类，判定待检测产品的检测结果；缺陷检测视觉控制器将检测结果及分析数据进行显示，并将检测结果反馈给运动控制器。
经对现有技术检索，申请号为202110051630.1的中国发明，公开了一种基于视觉图像的快速高精度缺陷检测方法，包括以下步骤：对参考基准物体定位并采集图像、创建匹配模板并确定检测区域、对待测物体定位并采集图像、基准区域图像和待测区域图像对比，提取异常区域、异常区域特征提取及筛选。
以上两件发明专利，均未解决车身焊点的如何精确检测的技术问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于机器视觉的焊点缺陷检测系统和方法。
根据本发明的一个方面，提供一种基于机器视觉的焊点缺陷检测系统，包括：
控制模块，所述控制模块确认硬件的状态、传递数据并下达控制指令；
机器人模块，所述机器人模块和所述控制模块连接，所述机器人模块根据所述控制模块下达的指令，执行预设的运动脚本；
图像采集模块，所述图像采集与所述控制模块、机器人模块分别连接，并根据所述控制模块的指令设置图像采集参数，根据所述机器人模块的运动轨迹调整图像采集位姿；
视觉算法模块，所述视觉算法模块与所述控制模块、图像采集模块连接，其接收所述图像采集模块的数据，检测白车身是否到达指定工位及其焊点信息；并输出数据至所述控制模块。
优选地，所述硬件的状态包括：滚床的位置状态、机器人运动状态、光照与图像采集状态；
所述传递数据包括：图像数据、所述硬件的状态数据和图像检测结果；
所述控制指令包括：机器人控制指令和相机控制指令；所述机器人控制指令包括机器人的移动控制；所述相机控制指令包括拍摄光源的亮度控制与相机的参数设置、拍照设置。
优选地，所述机器人模块与所述图像采集模块连接，所述图像采集模块通过所述机器人模块移动至指定的拍摄位姿，遍历车身，采集得到全部焊点图像。
优选地，所述图像采集模块包括：
相机,所述相机拍摄所述车身图像，
光源，所述光源围绕所述相机为其提供拍摄光源；
在不同的拍照位置，所述图像采集模块根据控制模块传输的状态指令设置光照参数与相机参数，并拍摄图像传输至视觉算法模块。
优选地，所述图像采集模块包括：
非标准相机支架，所述非标准相机支架中心设置工业相机；
环形光源，所述环形光源与所述非标准相机支架连接，为所述工业相机提供光源。
优选地，所述非标准相机支架，包括：
第一圆台，所述第一圆台位于顶部，
第二圆台，所述第二圆台位于所述第一圆台下层，两者之间使用至少一根立柱相互支撑固定，所述工业相机设置于所述第二圆台的中心处；
所述环形光源位于所述第二圆台下层，两者之间使用至少一根支柱相互支撑固定。
优选地，所述检测白车身是否达到工位，包括：
所述控制模块根据滚床的工作状态确认白车身是否到达指定工位；
所述控制模块下达移动指令至机器人模块，使相机达到指定位置并开启光源，采集图像；
所述视觉算法模块识别车身，确认是否符合检测位姿要求；
若位姿符合检测要求，即确认完成白车身工位确认。
根据本发明的第二个方面，提供一种基于机器视觉的焊点缺陷检测方法，
采集图像数据；
处理所述图像数据进行焊点识别；
对所述识别出的焊点检测缺陷。
优选地，所述处理图像数据进行焊点识别，包括：
采用中值滤波和边缘锐化预处理所述图像数据，
通过canny滤波提取所述预处理过的图像中的焊点边缘，
利用霍夫变换检测模板焊点；
结合区域的灰度值与轮廓的邻域情况筛除孔洞与假焊点，获得识别到的焊点。
优选地，对所述识别出的焊点检测缺陷，包括：
对识别出的焊点，提取其形状特征与灰度特征；
基于所述形状特征与灰度特征，计算焊点的位置信息与形状信息，并获得计算结果；
根据所述计算结果，判断是否存在缺陷。
与现有技术相比，本发明的有益效果是：
本发明，采用机器人模块、图像采集模块和控制模块，完成自动化设计，提高生产车间的自动化水平，降低人工成本；
本发明，利用图像采集模块和视觉算法模块，提高车身焊点的检测效率，加快生产节拍；视觉算法模块提高了检测的精度与稳定性，降低漏识别、误识别的几率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供一个实施例的一种基于机器视觉的焊点缺陷检测系统的示意图；
图2为本发明提供的一个实施例的图像采集模块的一个角度的示意图；
图3为本发明提供的一个实施例的图像采集模块的另一个角度的示意图；
图4为本发明提供的一个实施例的一种基于机器视觉的焊点缺陷检测方法的应用示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图1所示，本发明提供一个实施例的一种基于机器视觉的焊点缺陷检测系统的示意图，包括：控制模块、机器人模块、机器人模块、图像采集模块和视觉算法模块。控制模块确认硬件的状态、传递数据并下达控制指令；机器人模块和控制模块连接，机器人模块根据控制模块下达的指令，执行预设的运动脚本；图像采集与控制模块、机器人模块分别连接，并根据控制模块的指令设置图像采集参数，根据机器人模块的运动轨迹调整图像采集位姿；视觉算法模块与控制模块、图像采集模块连接，其接收图像采集模块的数据，检测白车身是否到达指定工位及其焊点；并输出数据至控制模块。
基于上述实施例进一步优化，提供一个优选实施例。在本实施例中，硬件的状态包括：滚床的位置状态、机器人运动状态、光照与图像采集状态。滚床的位置状态反映白车身是否输送至本系统的检测区域，当滚床未运输或处于运输状态时，返回未就绪状态，当白车身输送至检测区域后，返回就绪状态；滚床的作用是输送白车身。机器人的移动指令执行完成时，返回就绪状态；相机在光照下完成拍摄与图像传输后，返回就绪状态。
传递数据包括：图像数据、硬件的状态数据和图像检测结果；控制指令包括：机器人控制指令和相机控制指令；机器人控制指令包括机器人的移动控制；相机控制指令包括拍摄光源的亮度控制与相机的参数设置、拍照设置。
机器人模块与图像采集模块连接，图像采集模块通过机器人模块移动至指定的拍摄位姿，遍历车身，采集得到全部焊点图像。
图像采集模块包括：相机和光源,相机拍摄车身图像，光源围绕相机为其提供拍摄光源。在不同的拍照位置，图像采集模块根据控制模块传输的状态指令设置光照参数与相机参数，并拍摄图像传输至视觉算法模块。
进一步的，如图2和图3所示，为本发明提供的一个实施例的图像采集模块的示意图。图像采集模块包括：非标准相机支架和环形光源，非标准相机支架中心设置工业相机；环形光源与非标准相机支架连接，为工业相机提供光源。具体的，包括：第一圆台、第二圆台和光源环。第一圆台位于顶部，第二圆台位于第一圆台下层，并与其使用至少一根立柱相互支撑固定，工业相机设置于第二圆台的中心出；光源环位于第二圆台下层，并与其使用至少一根支柱相互支撑固定。环型光源内部留有足够空间，可以放置各类相机，连接法兰适应各类型的相机。
为了更好地进行缺陷检测，本发明提供一个优选实施例。在本实施例中，在进入缺陷检测阶段前，需要检测白车身是否达到工位，包括：
S10,控制模块根据滚床的工作状态确认白车身是否到达指定工位；
S20,控制模块下达移动指令至机器人模块，使相机达到指定位置并开启光源，采集图像；
S30,视觉算法模块识别车身，确认是否符合检测位姿要求；
S40,若位姿符合检测要求，即确认完成白车身工位确认。
经过上述位姿检测，才可进行缺陷检测流程。
基于上述实施例的相同构思，本发明提供另一个实施例。一种基于机器视觉的焊点缺陷检测方法，包括：
S100,采集图像数据；
S200,处理图像数据进行焊点识别；
S300,对识别出的焊点检测缺陷。
基于上述实施例进一步优化，提供一个优选实施例。处理图像数据进行焊点识别，包括：
S201,采用中值滤波和边缘锐化预处理图像数据，
S202,通过canny滤波提取预处理过的图像中的焊点边缘，
S203,利用霍夫变换检测焊点；
S204,结合焊点所在区域的灰度值与其轮廓的邻域情况筛除孔洞与假焊点。焊点与孔洞、假焊点在灰度分布上有着区别，利用识别到的区域内部及邻域的灰度值即可判别出。
基于上述实施例进一步优化，提供一个优选实施例。对识别出的焊点检测缺陷，包括：
S301,对识别出的焊点，提取其形状特征与灰度特征；
S302,基于形状特征与灰度特征，计算焊点的位置信息与形状信息，并获得计算结果。具体的，计算最小外接圆的圆心位置与半径，得到焊点的位置和大小。
本实施例以机器视觉检测算法代替人工焊点检测，相较于传统检测方法，每条产线只需配置一个焊点检测工作站，无需配置额外的工人；经过测试，对于单幅焊点图片，算法的检测速度达到毫秒级别；焊点的位置误差小于0.1mm，半径误差小于5％，达到车身焊点检测的工作标准；本实施例中的视觉算法模块滤除了光照、噪声等环境因素的干扰，有较高的稳定性。
如图4所示，为本发明提供的一个优选实施例。一种基于机器视觉的焊点缺陷检测方法的应用示意图，其包括白车身工位、机器人、机器人安装的摄像头、机器人电器柜和用于台式机。
S0：白车身到位确认；
S1：用户台式机发送预设好的位姿要求到机器人电气柜；
S2：机器人电气柜发送控制指令到机器人，机器人运动至缺陷检测位置；
S3：机器人将采集的白车身的位姿信息送至机器人电气柜；
S4：机器人电气柜通过视觉算法确认车身位置，发送到位确认信息至用户台式机；
S5：用户台式机发送拍摄指令至摄像头；
S6：摄像头将采集的图片信息发送至用户台式机，用户台式机使用数据额算法检测焊点与缺陷；
S7：用户台式机输出计算结果并保存。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。上述各优选特征在互不冲突的情况下，可以任意组合使用。
Claims (10)
1.一种基于机器视觉的焊点缺陷检测系统，其特征在于，包括：
控制模块，所述控制模块确认硬件的状态、传递数据并下达控制指令；
机器人模块，所述机器人模块和所述控制模块连接，所述机器人模块根据所述控制模块下达的指令，执行预设的运动脚本；
图像采集模块，所述图像采集与所述控制模块、机器人模块分别连接，并根据所述控制模块的指令设置图像采集参数，根据所述机器人模块的运动轨迹调整图像采集位姿；
视觉算法模块，所述视觉算法模块与所述控制模块、图像采集模块连接，其接收所述图像采集模块的数据，检测白车身是否到达指定工位及其焊点信息；并输出数据至所述控制模块。
2.根据权利要求1所述的基于机器视觉的焊点缺陷检测系统，其特征在于，所述硬件的状态包括：滚床的位置状态、机器人运动状态、光照与图像采集状态；
所述传递数据包括：图像数据、所述硬件的状态数据和图像检测结果；
所述控制指令包括：机器人控制指令和相机控制指令；所述机器人控制指令包括机器人的移动控制；所述相机控制指令包括拍摄光源的亮度控制与相机的参数设置、拍照设置。
3.根据权利要求1所述的基于机器视觉的焊点缺陷检测系统，其特征在于，所述机器人模块与所述图像采集模块连接，所述图像采集模块通过所述机器人模块移动至指定的拍摄位姿，遍历车身，采集得到全部焊点图像。
4.根据权利要求1所述的基于机器视觉的焊点缺陷检测系统，其特征在于，所述图像采集模块包括：
相机，所述相机拍摄所述车身图像，
光源，所述光源围绕所述相机为其提供拍摄光源；
在不同的拍照位置，所述图像采集模块根据控制模块传输的状态指令设置光照参数与相机参数，并拍摄图像传输至视觉算法模块。
5.根据权利要求4所述的基于机器视觉的焊点缺陷检测系统，其特征在于，所述图像采集模块包括：
非标准相机支架，所述非标准相机支架中心设置工业相机；
环形光源，所述环形光源与所述非标准相机支架连接，为所述工业相机提供光源。
6.根据权利要求5所述的基于机器视觉的焊点缺陷检测系统，其特征在于，所述非标准相机支架，包括：
第一圆台，所述第一圆台位于顶部，
第二圆台，所述第二圆台位于所述第一圆台下层，两者之间使用至少一根立柱相互支撑固定，所述工业相机设置于所述第二圆台的中心处；
所述环形光源位于所述第二圆台下层，两者之间使用至少一根支柱相互支撑固定。
7.根据权利要求1所述的基于机器视觉的焊点缺陷检测系统，其特征在于，所述检测白车身是否达到工位，包括：
所述控制模块根据滚床的工作状态确认白车身是否到达指定工位；
所述控制模块下达移动指令至机器人模块，使相机达到指定位置并开启光源，采集图像；
所述视觉算法模块识别车身，确认是否符合检测位姿要求；
若位姿符合检测要求，即确认完成白车身工位确认。
8.一种基于机器视觉的焊点缺陷检测方法，其特征在于：
采集图像数据；
处理所述图像数据进行焊点识别；
对所述识别出的焊点检测缺陷。
9.根据权利要求8所述的一种基于机器视觉的焊点缺陷检测方法，其特征在于：所述处理图像数据进行焊点识别，包括：
采用中值滤波和边缘锐化预处理所述图像数据，
通过canny滤波提取所述预处理过的图像中的焊点边缘，
利用霍夫变换检测焊点，
结合焊点所在区域的灰度值及其轮廓的邻域情况筛除孔洞与假焊点，获得识别到的焊点。
10.根据权利要求8所述的一种基于机器视觉的焊点缺陷检测方法，其特征在于：对所述识别出的焊点检测缺陷，包括：
对识别出的焊点，提取其形状特征与灰度特征；
基于所述形状特征与灰度特征，计算焊点的位置信息与形状信息，并获得计算结果；
根据所述计算结果，判断是否存在缺陷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111578768.3A CN114460087A (zh) | 2021-12-22 | 2021-12-22 | 一种基于机器视觉的焊点缺陷检测系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111578768.3A CN114460087A (zh) | 2021-12-22 | 2021-12-22 | 一种基于机器视觉的焊点缺陷检测系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114460087A true CN114460087A (zh) | 2022-05-10 |
Family
ID=81405177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111578768.3A Pending CN114460087A (zh) | 2021-12-22 | 2021-12-22 | 一种基于机器视觉的焊点缺陷检测系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114460087A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116952946A (zh) * | 2023-05-26 | 2023-10-27 | 东莞市瑞科智能科技有限公司 | 一种外观检测设备及其检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104942496A (zh) * | 2015-06-29 | 2015-09-30 | 湖南大学 | 基于机器人视觉伺服的汽车白车身焊点定位方法及装置 |
| CN106595800A (zh) * | 2016-12-27 | 2017-04-26 | 上海云鱼智能科技有限公司 | 机器视觉料位计 |
| CN208206822U (zh) * | 2018-04-10 | 2018-12-07 | 深圳市嘉立创科技发展有限公司 | 基于机器视觉的pcb板缺陷自动检测系统 |
| CN110108714A (zh) * | 2019-04-28 | 2019-08-09 | 浙江博拉自动化科技有限公司 | 一种汽车零部件外观检测系统及装置 |
| CN110517317A (zh) * | 2019-08-28 | 2019-11-29 | 武汉西尔塔信息技术有限公司 | 一种基于机器视觉相机图像处理的钢坯定位方法及应用 |
| CN110539109A (zh) * | 2019-08-28 | 2019-12-06 | 广东工业大学 | 一种基于单双目视觉的机器人自动焊接系统及方法 |
| CN111650211A (zh) * | 2020-06-23 | 2020-09-11 | 四川长虹电器股份有限公司 | 一种空调外机底座焊接缺陷检测系统 |
-
2021
- 2021-12-22 CN CN202111578768.3A patent/CN114460087A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104942496A (zh) * | 2015-06-29 | 2015-09-30 | 湖南大学 | 基于机器人视觉伺服的汽车白车身焊点定位方法及装置 |
| CN106595800A (zh) * | 2016-12-27 | 2017-04-26 | 上海云鱼智能科技有限公司 | 机器视觉料位计 |
| CN208206822U (zh) * | 2018-04-10 | 2018-12-07 | 深圳市嘉立创科技发展有限公司 | 基于机器视觉的pcb板缺陷自动检测系统 |
| CN110108714A (zh) * | 2019-04-28 | 2019-08-09 | 浙江博拉自动化科技有限公司 | 一种汽车零部件外观检测系统及装置 |
| CN110517317A (zh) * | 2019-08-28 | 2019-11-29 | 武汉西尔塔信息技术有限公司 | 一种基于机器视觉相机图像处理的钢坯定位方法及应用 |
| CN110539109A (zh) * | 2019-08-28 | 2019-12-06 | 广东工业大学 | 一种基于单双目视觉的机器人自动焊接系统及方法 |
| CN111650211A (zh) * | 2020-06-23 | 2020-09-11 | 四川长虹电器股份有限公司 | 一种空调外机底座焊接缺陷检测系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116952946A (zh) * | 2023-05-26 | 2023-10-27 | 东莞市瑞科智能科技有限公司 | 一种外观检测设备及其检测方法 |
| CN116952946B (zh) * | 2023-05-26 | 2024-05-28 | 东莞市瑞科智能科技有限公司 | 一种外观检测设备及其检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN108627457B (zh) | 自动光学检测系统及其操作方法 | |
| US10088302B2 (en) | Image measurement device | |
| CN104655643A (zh) | 一种电子器件表面焊接过程质量检测系统 | |
| CN103785622A (zh) | 基于机器视觉的零件分拣装置及方法 | |
| JP2017040600A (ja) | 検査方法、検査装置、画像処理装置、プログラム及び記録媒体 | |
| CN114820475B (zh) | 边缘识别方法、系统、晶圆加工装置及晶圆与加工台同心状态确定方法 | |
| CN114460087A (zh) | 一种基于机器视觉的焊点缺陷检测系统和方法 | |
| CN113280209B (zh) | 检测管道多余物的系统以及系统的使用方法、检测方法 | |
| CN113109364B (zh) | 一种芯片缺陷的检测方法及装置 | |
| CN113504239A (zh) | 一种品质管控数据分析方法 | |
| CN112858174A (zh) | 一种aoi检测设备 | |
| CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
| CN112763496A (zh) | 一种手机电池表面缺陷检测装置及其检测方法 | |
| CN117092113A (zh) | 一种摄像头模具焊接质量检测装置及其系统 | |
| CN111077162A (zh) | 一种玻璃瓶缺陷检测系统 | |
| CN103383730A (zh) | 一种bnc端子自动检测机及其工作方法 | |
| US20080008381A1 (en) | Coordinate acquisition apparatus for test of printed board, and coordinate acquisition method and program for test thereof | |
| CN109632815A (zh) | 表面缺陷在线检测系统及方法 | |
| CN107607539B (zh) | 一种连杆胀断面质量视觉检测装置和检测方法 | |
| JP6008667B2 (ja) | 外観検査装置、外観検査法およびプログラム | |
| CN113240629A (zh) | 基于边缘的图像匹配窄间隙焊缝初始点定位装置和方法 | |
| CN111183351A (zh) | 图像传感器表面缺陷检测方法及检测系统 | |
| US11636382B1 (en) | Robotic self programming visual inspection | |
| CN111812103B (zh) | 一种图像采集装置、视觉检测系统及检测点提取方法 |
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 |