CN114677337A - 一种碳纤维布面的油污检测方法及装置 - Google Patents

一种碳纤维布面的油污检测方法及装置 Download PDF

Info

Publication number
CN114677337A
CN114677337A CN202210239202.6A CN202210239202A CN114677337A CN 114677337 A CN114677337 A CN 114677337A CN 202210239202 A CN202210239202 A CN 202210239202A CN 114677337 A CN114677337 A CN 114677337A
Authority
CN
China
Prior art keywords
carbon fiber
oil stain
fiber cloth
image
determining
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.)
Granted
Application number
CN202210239202.6A
Other languages
English (en)
Other versions
CN114677337B (zh
Inventor
谈源
史伟林
罗金
毛坤鹏
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.)
Changzhou New Intelligent Technology Co Ltd
Original Assignee
Changzhou New Intelligent Technology Co Ltd
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 Changzhou New Intelligent Technology Co Ltd filed Critical Changzhou New Intelligent Technology Co Ltd
Priority to CN202210239202.6A priority Critical patent/CN114677337B/zh
Publication of CN114677337A publication Critical patent/CN114677337A/zh
Application granted granted Critical
Publication of CN114677337B publication Critical patent/CN114677337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)

Abstract

本申请涉及碳纤维布面生产检测技术领域，公开了一种碳纤维布面的油污检测方法及装置，在该方法中，首先针对碳纤维布面历史油污图像，确定三个目标油污点，并确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点，然后根据目标油污点和彩色补偿点，构建变换矩阵，进一步根据变换矩阵对获取的碳纤维布面图像进行彩色变换，确定变换后的图像，最后根据变换后的图像并结合油污阈值，确定碳纤维布面上的油污区域。本申请可以有效的检测碳纤维布面在生产过程中出现油污的情况。

Description

一种碳纤维布面的油污检测方法及装置
技术领域
本申请涉及碳纤维布面生产检测技术领域，尤其涉及一种碳纤维布面的油污检测方法及装置。
背景技术
碳纤维是一种纤维状碳材料。它是一种强度比钢的大、密度比铝的小、比不锈钢还耐腐蚀、比耐热钢还耐高温、又能像铜那样导电，具有许多宝贵的电学、热学和力学性能的新型材料。
目前在碳纤维布面生产的过程中，有时候会有一些机器的油污掉在碳纤维布面上，这样严重影响了碳纤维布面的质量，因此需要一种方法来检测出碳纤维布面在生产过程中出现的油污。
发明内容
本申请公开了一种碳纤维布面的油污检测方法及装置，用于解决目前在碳纤维布面生产的过程中，有时候会有一些机器的油污掉在碳纤维布面上，需要一种方法来检测出碳纤维布面在生产过程中出现油污的技术问题。
本申请第一方面公开了一种碳纤维布面的油污检测方法，包括：
获取碳纤维布面历史油污图像；
确定三个目标油污点，所述目标油污点为所述碳纤维布面历史油污图像上油污处的任一点；
确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点；
根据所述目标油污点和所述彩色补偿点，构建变换矩阵；
利用相机获取碳纤维布面图像；
根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像；
根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域。
可选的，所述变换矩阵包括彩色补偿前矩阵和彩色补偿后矩阵。
可选的，所述根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像，包括：
通过如下公式确定变换后的图像：
S(x,y)=C-1 F(x,y)；
C=A1A2-1；
其中，S(x,y)表示变换后的图像，F(x,y)表示碳纤维布面图像，A1表示彩色补偿前矩阵，A2表示彩色补偿后矩阵。
可选的，所述相机设置有4个，相机之间间隔40cm至50cm设置，每个相机检测的区域为60cm。
可选的，所述相机的帧率为70fps。
可选的，所述根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域，包括：
根据所述变换后的图像和预设的油污阈值，确定油污像素点；
判断目标油污像素点的周围是否均为油污像素点，若是，则确定油污区域，其中，所述目标油污像素点为任一油污像素点。
可选的，所述油污阈值为85。
本申请第二方面公开了一种碳纤维布面的油污检测装置，所述碳纤维布面的油污检测装置应用于本申请第一方面公开的碳纤维布面的油污检测方法，所述碳纤维布面的油污检测装置包括：
历史图像获取模块，用于获取碳纤维布面历史油污图像；
目标油污点确定模块，用于确定三个目标油污点，所述目标油污点为所述碳纤维布面历史油污图像上油污处的任一点；
彩色补偿点确定模块，用于确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点；
变换矩阵构建模块，用于根据所述目标油污点和所述彩色补偿点，构建变换矩阵；
图像实时获取模块，用于利用相机获取碳纤维布面图像；
彩色变换处理模块，用于根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像；
油污区域确定模块，用于根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域。
可选的，所述变换矩阵包括彩色补偿前矩阵和彩色补偿后矩阵。
可选的，所述彩色变换处理模块包括：
通过如下公式确定变换后的图像：
S(x,y)=C-1 F(x,y)；
C=A1A2-1；
其中，S(x,y)表示变换后的图像，F(x,y)表示碳纤维布面图像，A1表示彩色补偿前矩阵，A2表示彩色补偿后矩阵。
可选的，所述相机设置有4个，相机之间间隔40cm至50cm设置，每个相机检测的区域为60cm。
可选的，所述相机的帧率为70fps。
可选的，所述油污区域确定模块包括：
油污像素点确定单元，用于根据所述变换后的图像和预设的油污阈值，确定油污像素点；
油污区域判断单元，用于判断目标油污像素点的周围是否均为油污像素点，若是，则确定油污区域，其中，所述目标油污像素点为任一油污像素点。
可选的，所述油污阈值为85。
本申请涉及碳纤维布面生产检测技术领域，公开了一种碳纤维布面的油污检测方法及装置，在该方法中，首先针对碳纤维布面历史油污图像，确定三个目标油污点，并确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点，然后根据目标油污点和彩色补偿点，构建变换矩阵，进一步根据变换矩阵对获取的碳纤维布面图像进行彩色变换，确定变换后的图像，最后根据变换后的图像并结合油污阈值，确定碳纤维布面上的油污区域。本申请可以有效的检测碳纤维布面在生产过程中出现油污的情况。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例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为本申请实施例公开的一种碳纤维布面的油污检测方法的工作流程示意图；
图2为本申请实施例公开的一种碳纤维布面的油污检测方法中，彩色补偿前矩阵的示意图；
图3为本申请实施例公开的一种碳纤维布面的油污检测方法中，彩色补偿后矩阵的示意图；
图4为本申请实施例公开的一种碳纤维布面的油污检测装置的结构示意图。
具体实施方式
为了解决目前在碳纤维布面生产的过程中，有时候会有一些机器的油污掉在碳纤维布面上，需要一种方法来检测出碳纤维布面在生产过程中出现油污的技术问题，本申请通过以下实施例公开了一种碳纤维布面的油污检测方法及装置。
本申请第一实施例公开了一种碳纤维布面的油污检测方法，参见图1所示的工作流程示意图，所述碳纤维布面的油污检测方法包括：
步骤S1，获取碳纤维布面历史油污图像。
步骤S2，确定三个目标油污点，所述目标油污点为所述碳纤维布面历史油污图像上油污处的任一点。
具体来说，首先在碳纤维油污处找寻三个目标油污点，这三个目标油污点分别为P1(R1,G1,B1)，P2(R2,G2,B2)，P3(R3,G3,B3)。
步骤S3，确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点。
具体来说，再求出三个目标油污点的各自纯红，纯绿，纯蓝的彩色补偿点，设纯红，纯绿，纯蓝点为P1 *(R*,0,0)，P2 *(0,G*,0)，P3 *(0,0,B*)。
因为彩色补偿点图像本身的亮度是不变的所以R*，G*，B*值通过如下公式确定：
R*=0.59R1+0.30G1+0.11B1；
G*=0.30R2+0.59G2+0.11B2；
B*=0.30R3+0.11G3+0.59B3；
步骤S4，根据所述目标油污点和所述彩色补偿点，构建变换矩阵。
进一步的，所述变换矩阵包括彩色补偿前矩阵和彩色补偿后矩阵。
具体来说，将所取三个点的像素值构造成彩色补偿前矩阵A1和彩色补偿后矩阵A2，分别如图2和图3所示。
步骤S5，利用相机获取碳纤维布面图像。
进一步的，所述相机设置有4个，相机之间间隔40cm至50cm设置，每个相机检测的区域为60cm。
进一步的，所述相机的帧率为70fps。
具体来说，因为一幅碳纤维的布面宽是2米，所以要进行碳纤维的满幅检测，必须要设置4个相机，每个相机相隔40到50cm，每个相机检测的区域达到60cm以上，并且由于机器生产布面的速度，要保证每个相机的帧率达到70fps以上这样才可以保证布面不漏检。
步骤S6，根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像。
进一步的，所述根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像，包括：
通过如下公式确定变换后的图像：
S(x,y)=C-1 F(x,y)；
C=A1A2-1；
其中，S(x,y)表示变换后的图像，F(x,y)表示碳纤维布面图像，A1表示彩色补偿前矩阵，A2表示彩色补偿后矩阵。
根据以上公式把相机拍摄的每一幅碳纤维布面图像的像素值进行转换。
步骤S7，根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域。
在本申请的部分实施例中，所述根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域，包括：
根据所述变换后的图像和预设的油污阈值，确定油污像素点。
判断目标油污像素点的周围是否均为油污像素点，若是，则确定油污区域，其中，所述目标油污像素点为任一油污像素点。
进一步的，所述油污阈值为85。
具体来说，转换后的图像，黑色的那一部分还是黑色，油污那一部分会转变成亮黄色系列，所以只要在变换后的图像S(x,y)中的每个像素值的进行相应的判断，如果变换后的图像S(x,y)中的某一个像素点S(x,y)<85,那么就记该像素点是一个油污像素点，如果它的左右连续两个和上下连续两个都满足这个条件，那么说明这个区域是碳纤维布面的油污区域。
本申请上述实施例公开的一种碳纤维布面的油污检测方法首先针对碳纤维布面历史油污图像，确定三个目标油污点，并确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点，然后根据目标油污点和彩色补偿点，构建变换矩阵，进一步根据变换矩阵对获取的碳纤维布面图像进行彩色变换，确定变换后的图像，最后根据变换后的图像并结合油污阈值，确定碳纤维布面上的油污区域。本申请可以有效的检测碳纤维布面在生产过程中出现油污的情况。
本申请的油污检测原理是：因为碳纤维生产的时候上面出现的油污都是脏的油污是比较深颜色的油污，与碳纤维本身的布面颜色并没有太大的差别，所以要进行灰度颜色的转变，把油污颜色变成与碳纤维颜色差别比较大的颜色，再去检测。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
本申请第二实施例公开了一种碳纤维布面的油污检测装置，所述碳纤维布面的油污检测装置应用于本申请第一实施例公开的碳纤维布面的油污检测方法，参见图4所示的结构示意图，所述碳纤维布面的油污检测装置包括：
历史图像获取模块10，用于获取碳纤维布面历史油污图像。
目标油污点确定模块20，用于确定三个目标油污点，所述目标油污点为所述碳纤维布面历史油污图像上油污处的任一点。
彩色补偿点确定模块30，用于确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点。
变换矩阵构建模块40，用于根据所述目标油污点和所述彩色补偿点，构建变换矩阵。
图像实时获取模块50，用于利用相机获取碳纤维布面图像。
彩色变换处理模块60，用于根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像。
油污区域确定模块70，用于根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域。
进一步的，所述变换矩阵包括彩色补偿前矩阵和彩色补偿后矩阵。
进一步的，所述彩色变换处理模块60包括：
通过如下公式确定变换后的图像：
S(x,y)=C-1 F(x,y)；
C=A1A2-1；
其中，S(x,y)表示变换后的图像，F(x,y)表示碳纤维布面图像，A1表示彩色补偿前矩阵，A2表示彩色补偿后矩阵。
进一步的，所述相机设置有4个，相机之间间隔40cm至50cm设置，每个相机检测的区域为60cm。
进一步的，所述相机的帧率为70fps。
进一步的，所述油污区域确定模块70包括：
油污像素点确定单元，用于根据所述变换后的图像和预设的油污阈值，确定油污像素点。
油污区域判断单元，用于判断目标油污像素点的周围是否均为油污像素点，若是，则确定油污区域，其中，所述目标油污像素点为任一油污像素点。
进一步的，所述油污阈值为85。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种碳纤维布面的油污检测方法，其特征在于，包括：
获取碳纤维布面历史油污图像；
确定三个目标油污点，所述目标油污点为所述碳纤维布面历史油污图像上油污处的任一点；
确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点；
根据所述目标油污点和所述彩色补偿点，构建变换矩阵；
利用相机获取碳纤维布面图像；
根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像；
根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域。
2.根据权利要求1所述的碳纤维布面的油污检测方法，其特征在于，所述变换矩阵包括彩色补偿前矩阵和彩色补偿后矩阵。
3.根据权利要求2所述的碳纤维布面的油污检测方法，其特征在于，所述根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像，包括：
通过如下公式确定变换后的图像：
S(x,y)=C-1 F(x,y)；
C=A1A2-1；
其中，S(x,y)表示变换后的图像，F(x,y)表示碳纤维布面图像，A1表示彩色补偿前矩阵，A2表示彩色补偿后矩阵。
4.根据权利要求1所述的碳纤维布面的油污检测方法，其特征在于，所述相机设置有4个，相机之间间隔40cm至50cm设置，每个相机检测的区域为60cm。
5.根据权利要求1所述的碳纤维布面的油污检测方法，其特征在于，所述相机的帧率为70fps。
6.根据权利要求1所述的碳纤维布面的油污检测方法，其特征在于，所述根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域，包括：
根据所述变换后的图像和预设的油污阈值，确定油污像素点；
判断目标油污像素点的周围是否均为油污像素点，若是，则确定油污区域，其中，所述目标油污像素点为任一油污像素点。
7.根据权利要求1所述的碳纤维布面的油污检测方法，其特征在于，所述油污阈值为85。
8.一种碳纤维布面的油污检测装置，其特征在于，所述碳纤维布面的油污检测装置应用于权利要求1-7任一项所述的碳纤维布面的油污检测方法，所述碳纤维布面的油污检测装置包括：
历史图像获取模块，用于获取碳纤维布面历史油污图像；
目标油污点确定模块，用于确定三个目标油污点，所述目标油污点为所述碳纤维布面历史油污图像上油污处的任一点；
彩色补偿点确定模块，用于确定三个目标油污点各自纯红、纯绿和纯蓝的彩色补偿点；
变换矩阵构建模块，用于根据所述目标油污点和所述彩色补偿点，构建变换矩阵；
图像实时获取模块，用于利用相机获取碳纤维布面图像；
彩色变换处理模块，用于根据所述变换矩阵对所述碳纤维布面图像进行彩色变换，确定变换后的图像；
油污区域确定模块，用于根据所述变换后的图像和预设的油污阈值，确定碳纤维布面上的油污区域。
9.根据权利要求8所述的碳纤维布面的油污检测装置，其特征在于，所述变换矩阵包括彩色补偿前矩阵和彩色补偿后矩阵。
10.根据权利要求9所述的碳纤维布面的油污检测装置，其特征在于，所述彩色变换处理模块包括：
通过如下公式确定变换后的图像：
S(x,y)=C-1 F(x,y)；
C=A1A2-1；
其中，S(x,y)表示变换后的图像，F(x,y)表示碳纤维布面图像，A1表示彩色补偿前矩阵，A2表示彩色补偿后矩阵。
CN202210239202.6A 2022-03-11 2022-03-11 一种碳纤维布面的油污检测方法及装置 Active CN114677337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210239202.6A CN114677337B (zh) 2022-03-11 2022-03-11 一种碳纤维布面的油污检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210239202.6A CN114677337B (zh) 2022-03-11 2022-03-11 一种碳纤维布面的油污检测方法及装置

Publications (2)

Publication Number Publication Date
CN114677337A true CN114677337A (zh) 2022-06-28
CN114677337B CN114677337B (zh) 2022-10-04

Family

ID=82072671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210239202.6A Active CN114677337B (zh) 2022-03-11 2022-03-11 一种碳纤维布面的油污检测方法及装置

Country Status (1)

Country Link
CN (1) CN114677337B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104749184A (zh) * 2013-12-31 2015-07-01 研祥智能科技股份有限公司 自动光学检测方法和系统
US9230193B1 (en) * 2015-05-11 2016-01-05 StradVision, Inc. Method for increasing object detection rate or object recognition rate and classifier using locally decorrelated channel feature (LDCF)
CN107591134A (zh) * 2017-08-16 2018-01-16 深圳创维－Rgb电子有限公司 Mura现象补偿方法、电视及计算机可读存储介质
US20180189580A1 (en) * 2017-01-03 2018-07-05 Qualcomm Incorporated Simultaneous object detection and rigid transform estimation using neural network
CN108629775A (zh) * 2018-05-14 2018-10-09 华中科技大学 一种热态高速线材表面图像处理方法
CN109060825A (zh) * 2018-08-14 2018-12-21 四川大学 基于脉冲气流激励红外成像的无损检测方法及其实施装置
CN111462051A (zh) * 2020-03-14 2020-07-28 华中科技大学 一种基于深度神经网络的布匹疵点检测方法和系统
CN111680694A (zh) * 2020-05-28 2020-09-18 中国工商银行股份有限公司 文字图像中有色印章的滤除方法及装置
CN113706521A (zh) * 2021-09-08 2021-11-26 常州市新创智能科技有限公司 碳纤维表面毛团检测方法、装置、存储介质和电子设备
CN113781446A (zh) * 2021-09-13 2021-12-10 常州市宏发纵横新材料科技股份有限公司 玻纤表面油污检出方法、装置、存储介质和电子设备
CN113838038A (zh) * 2021-09-28 2021-12-24 常州市宏发纵横新材料科技股份有限公司 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质
CN113935992A (zh) * 2021-12-15 2022-01-14 武汉和众成设备工贸有限公司 基于图像处理的抗油污干扰的齿轮裂纹检测方法与系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104749184A (zh) * 2013-12-31 2015-07-01 研祥智能科技股份有限公司 自动光学检测方法和系统
US9230193B1 (en) * 2015-05-11 2016-01-05 StradVision, Inc. Method for increasing object detection rate or object recognition rate and classifier using locally decorrelated channel feature (LDCF)
US20180189580A1 (en) * 2017-01-03 2018-07-05 Qualcomm Incorporated Simultaneous object detection and rigid transform estimation using neural network
CN107591134A (zh) * 2017-08-16 2018-01-16 深圳创维－Rgb电子有限公司 Mura现象补偿方法、电视及计算机可读存储介质
CN108629775A (zh) * 2018-05-14 2018-10-09 华中科技大学 一种热态高速线材表面图像处理方法
CN109060825A (zh) * 2018-08-14 2018-12-21 四川大学 基于脉冲气流激励红外成像的无损检测方法及其实施装置
CN111462051A (zh) * 2020-03-14 2020-07-28 华中科技大学 一种基于深度神经网络的布匹疵点检测方法和系统
CN111680694A (zh) * 2020-05-28 2020-09-18 中国工商银行股份有限公司 文字图像中有色印章的滤除方法及装置
CN113706521A (zh) * 2021-09-08 2021-11-26 常州市新创智能科技有限公司 碳纤维表面毛团检测方法、装置、存储介质和电子设备
CN113781446A (zh) * 2021-09-13 2021-12-10 常州市宏发纵横新材料科技股份有限公司 玻纤表面油污检出方法、装置、存储介质和电子设备
CN113838038A (zh) * 2021-09-28 2021-12-24 常州市宏发纵横新材料科技股份有限公司 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质
CN113935992A (zh) * 2021-12-15 2022-01-14 武汉和众成设备工贸有限公司 基于图像处理的抗油污干扰的齿轮裂纹检测方法与系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YI-QI WANG 等: "Surface defect detection of carbon fiber prepreg based on image processing", 《2021 4TH WORLD CONFERENCE ON MECHANICAL ENGINEERING AND INTELLIGENT MANUFACTURING (WCMEIM)》 *
梁杰培 等: "中密度纤维板表面质量缺陷成因与解决方法", 《林产工业》 *
王昱潭: "基于机器视觉的灵武长枣定位与成熟度判别方法研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 *
黄乾玮 等: "基于彩色图像处理与EDLines的数码印花缺陷检测系统", 《轻工机械》 *

Also Published As

Publication number Publication date
CN114677337B (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
US8253828B2 (en) Image capture device including edge direction determination unit, and image processing method for the same
CN114596280B (zh) 一种碳纤维布面生产过程中碎屑纸的检测方法及装置
CN113781446B (zh) 玻纤表面油污检出方法、装置、存储介质和电子设备
CN109724776B (zh) 一种烧结机台车的篦条损坏程度的确定方法及装置
KR101143038B1 (ko) 전기로의 내부 영상을 이용한 용강량 측정 장치
US8810696B2 (en) Blemish detection method
CN114677337B (zh) 一种碳纤维布面的油污检测方法及装置
CN100508556C (zh) 一种数字影像的网格状噪声检测和消除装置及其方法
CN107248147A (zh) Raw‑rgb图像中坏点消除的方法
JP5243486B2 (ja) ケーブル位置検出装置、ケーブル位置検出方法及びケーブル位置検出プログラム
CN114565589B (zh) 一种碳纤维经纱少丝缠丝的检测方法及装置
CN111145234A (zh) 基于双目视觉的火灾烟雾探测方法
CN114838297B (zh) 一种原油管道泄漏检测方法、装置、存储介质及系统
CN114002228A (zh) 基于图像识别的皮带裂缝检测方法
CN109788261A (zh) 颜色偏移校正方法及装置
US8810680B1 (en) Method and apparatus for color data synthesis in digital image and video capture systems
KR101864508B1 (ko) 건축물 외관 균열 평가 시스템 및 방법
CN115078386B (zh) 一种玻纤布面生产过程中红色胶带的检测方法及装置
JP3584507B2 (ja) パタンムラ検査装置
US20040207752A1 (en) Method for detecting video frame types with median filtering
JP5109911B2 (ja) 撮像装置および補間処理方法
CN117471730A (zh) 显示面板的亮度不均检测方法及装置
Liu Aggregating color and absolute difference for CFA interpolation
JPH06103968B2 (ja) 架空線点検用画像処理装置
JP5846100B2 (ja) 表示装置の欠陥検査方法

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
GR01 Patent grant
GR01 Patent grant