CN114878570B - 一种基于机器视觉的可转位刀片刃口钝化检测方法 - Google Patents
一种基于机器视觉的可转位刀片刃口钝化检测方法 Download PDFInfo
- Publication number
- CN114878570B CN114878570B CN202210547953.4A CN202210547953A CN114878570B CN 114878570 B CN114878570 B CN 114878570B CN 202210547953 A CN202210547953 A CN 202210547953A CN 114878570 B CN114878570 B CN 114878570B
- Authority
- CN
- China
- Prior art keywords
- blade
- camera
- tolerance
- passivation layer
- edge
- 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.)
- Active
Links
- 238000002161 passivation Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000005520 cutting process Methods 0.000 title claims description 14
- 238000001914 filtration Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 25
- 230000002146 bilateral effect Effects 0.000 claims description 16
- 238000003708 edge detection Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000009432 framing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 240000007643 Phytolacca americana Species 0.000 claims description 2
- 235000009074 Phytolacca americana Nutrition 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000001960 triggered effect Effects 0.000 description 5
- 238000000227 grinding Methods 0.000 description 4
- 238000003754 machining Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N21/13—Moving of cuvettes or solid samples to or from the investigating station
-
- 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
- G01N2021/845—Objects on a conveyor
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于机器视觉的可转位刀片刃口钝化检测系统及检测方法，系统部分包括视觉模块、传送装置、光源装置、拨片装置，该方法首先通过工业相机获取标定块的背光源图像，再通过计算机软件进行图像处理及边缘检测，进行像素当量标定，然后调整取景距离，采集刀片的正面环形光源图像，通过计算机进行图像处理、检测钝化层边缘、提取钝化层轮廓，对所有轮廓坐标求欧式距离，将此最大值与最小值之差作为钝化层公差，拨片装置根据刀片公差是否合格将其送入对应区域。
Description
技术领域
本发明涉及视觉测量领域，具体涉及一种基于机器视觉的可转位刀片刃口钝化检测系统及检测方法。
背景技术
在机械制造生产过程中，金属的切削加工作为一种基本工艺，占有重要的地位，在机械制造技术越来越自动化的现代工业生产中，有的工件对精度的要求高，仍需要进行切削加工，刀具随着制造业的发展作为切削加工工艺的执行元件，需要其拥有高寿命、高可靠性等特点，以适应高要求的实际加工。刀具随着制造业的发展也经历了一次次的变革，应运而生的是可转位刀具及可转位刀片，切削加工技术也因此有了极大的发展。
硬质合金刀片的制造过程中，主要包括了压制、烧结、研磨等工序，在压制时，压坯的边缘会有毛刺产生，还会粘附细小颗粒物，在研磨时，因为金刚石砂轮的磨削作用，还会产生一些微观上的缺陷，如锯齿、崩缺。
在切削加工时，因为以上缺陷引起应力集中会造成刀片崩坏，减短刀片的使用寿命，减低刀片的可靠性，因此需要依靠对刀片刃口进行钝化处理来增强刃口强度，钝化处理主要使刀片刃口产生一个特定的几何形状，改善刀片在加工时与工件的加工行为，使刃口耐用、坚固、平整。
刀片刃口钝化程度会直接影响刀片的性能，如果钝化程度不符合要求则刀片也不可用，因此需要对钝化程度进行精密控制，对其参数进行测量，目前主要的测量方法分为二维和三维的检测方法，但是对于实用的自动化测量装备，国内处于短缺状态。
发明内容
本发明目的是针对刀片钝化程度的测量，提供了一种基于机器视觉的可转位刀片钝化检测系统及检测方法，本发明可以实现高精度、高速度测量刀片钝化程度。利用单目机器视觉技术，测量刀片钝化，检测效率和检测精度都非常高。
本发明的技术方案为：
一种基于机器视觉的可转位刀片刃口钝化检测系统，包括：
视觉模块：工业相机，显微镜头，用于采集刀片图像；传送装置：传送带；光源装置：背光源和环形光源，用于使标定块和刀片轮廓明显，是后续图像处理的关键因素；拨片装置：用于将不合格刀片分入不合格区域。
一种基于机器视觉的可转位刀片刃口钝化检测方法，其特征在于，包括如下步骤：
步骤1.传送装置将标定块运送至相机取景区域，触发视觉模块、光源装置，获取标定块的图像；
步骤2.计算机在接收到步骤1中相机采集的标定块图像后，软件将进行图像预处理，边缘提取，然后进行像素当量标定，此算法及过程基于OpenCV开源库及Qt工具包开发：
OpenCV是一个轻量且高效的跨平台计算机视觉及机器学习开源软件库，拥有多种语言接口并集成了图像处理的通用算法，Qt是一个开源跨平台C++图形用户界面应用程序开发框架；
步骤3.利用标定块标定好像素当量后，调整相机高度与步骤1取景距离一致，使用传送装置将刀片送至相机取景区域，触发视觉模块；
步骤4：计算机在接收到步骤3中相机采集的刀片图像后，软件将进行钝化层的图像预处理，检测边缘，提取轮廓，此算法及过程基于OpenCV开源库及Qt工具包开发：
步骤5：利用步骤4中提取的轮廓坐标计算钝化层的公差；
步骤6：在步骤5计算出钝化层公差后，如果此刀片符合公差范围要求，则传送装置将其送入合格区域，若超出范围则拨片装置将其送入不合格区域。
所述步骤1中，所用的视觉模块是一个CMOS工业相机，工业相机通过可调节的相机支架安装，调节相机高度，使工件清晰的在取景范围内。其具体步骤包括：
S1.1：打开传送装置开关，标定块经过电子感应元件下时，电子感应元件被触发；
S1.2：电子感应元件同时触发视觉模块与光源装置；
S1.3：标定块到取景区域时，装有显微镜头的工业相机开始采集清晰的标定块轮廓图像，并将图像信号输入计算机；
所述步骤2中，其具体步骤包括：
S2.1：由于图像大多数是高斯噪声，因此进行高斯滤波，对图片进行降噪处理，使后面边缘提取的效果更好，高斯滤波的原理是针对每个像素点的值都进行自身值和领域值的加权平均；
S2.2：采用Canny边缘检测，通过调整参数提取边缘信息。获得标定块的边缘；
S2.3：将边缘检测出来后，计算像素当量。
在所述步骤3中，其具体步骤包括：
S3.1：调整相机高度，使刀片被传送至取景区域时，与步骤1中的相机取景距离一致，传送装置将刀片运送经过电子感应元件下时，电子感应元件被触发；
S3.2：电子感应元件同时触发视觉模块与光源装置；
S3.3：刀片运至取景区域时，装有显微镜头的工业相机开始采集清晰的刀片图像，并将图像信号输入计算机；
在所述步骤4中，其具体步骤包括：
S4.1：进行双边滤波，双边滤波相较于高斯滤波等可以较好的保留图像边缘信息，双边滤波在高斯滤波的基础上加了一个高斯方差。
在双边滤波器中，输出像素的值依赖于邻域像素的值的加权组合，
权重系数ω(i,j,k,l)取决于定义域核
和值域核
的乘积
双边滤波同时考虑了空间域与值域的差别，而高斯滤波只考虑了空间域，均值滤波只考虑了值域差别。因此采用双边滤波。
S4.2：采用Canny边缘检测，通过调整参数检测边缘信息。获得刀片钝化层的边缘。
S4.3：提取刀片钝化层的轮廓，利用OpenCV函数得到钝化层的轮廓坐标；
在所述步骤5中，所述求公差方法为：
对每个轮廓点的坐标求其相邻轮廓点坐标的欧式距离，对所有点进行计算后，将最大值与最小值之差作为钝化层的公差。
所述步骤6中：在计算机判断刀片钝化层公差是否在允许范围内后，若合格，传送装置将刀片送入合格区，若不合格，计算机将信号传给拨片装置，拨片装置将刀片拨入不合格区域。
与现有技术相比，本发明的有益效果是：
1.考虑到实际工业生产对检测速度及精度的要求，采用机器视觉这种非接触式方法测量，检测速度快，且得到钝化层的精度高。
2.采用的是工业相机加显微镜头的组合，保证了钝化层的检测精度。
3.结合坐标点与欧氏距离求解钝化层的公差，保证了钝化层的检测效率和精度。
附图说明
图1为本发明实施实例中所述得基于机器视觉的可转位刀片钝化检测系统及检测方法的流程示意图
图2为本发明实例中，本发明的实施例中视觉测量系统二维图
图3为本发明实施例中所述的背光源下的标定块图像
图4为本发明实施例中所述的环形光源下的刀片图像
在图2中，1为工业相机，2为显微镜头，3为环形光源，4为背光源，5为传送装置，6为拨片装置，7为电子感应元件。
具体实施方式
下面将结合本发明的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
参照附图2所示，一种基于机器视觉的可转位刀片钝化检测系统及检测方法，包括：
步骤1.如图中所示传送装置将标定块运至取景区域，视觉模块和光源装置被触发，标定块触发的为背光光源，使用的CMOS相机开始工作采集图像，具体步骤如下：
S1.1：传送装置启动，标定块经过电子感应元件下时，电子感应元件被触发；
S1.2：电子感应元件同时触发视觉模块与光源装置；
S1.3：标定块至取景区域下时，装有显微镜头的工业相机开始采集清晰的标定块轮廓图像，并将图像信号输入计算机；
步骤2.计算机在接收到步骤1中相机采集的标定块图像后，软件对图像进行处理，包括以下步骤：
S2.1：调用OpenCV的GussianBlur()函数进行高斯滤波；
S2.2：调用OpenCV的Canny()函数，调整此函数的第三个和第四个参数以检测到最清晰的边缘，Canny边缘检测的实现包括以下几步：
1.对图像进行高斯模糊处理；
2.求出图像的梯度图像及梯度方向矩阵；
3.对梯度图像进行非极大化抑制，使宽边变为细边；
4.对生成的非极大化抑制结果图进行滞后阈值法，用强边延伸弱边，解决伪边问题；
因为Canny边缘检测的效果与图像噪声相关，因此OpenCV将降噪放在Canny函数之前。
S2.3：调用OpenCV的minAreaRect()函数，此函数将返回包围标定块轮廓的矩形最小外包围框RotateRect，通过RotateRect.width()和RotateRect.height()函数得到像素量，并由此数据和标定块大小计算像素当量。
在步骤3中，本实施例的具体步骤如下：
S3.1：调整相机高度，使刀片在运送至相机取景区域时，刀片与相机的取景距离和步骤1中标定块与相机的距离一致，刀片经过电子感应元件下时，电子感应元件被触发；
S3.2：刀片至取景区域下时，装有显微镜头的工业相机开始采集清晰的刀片图像，并将图像信号输入计算机；
步骤4中，计算机收到步骤3中的刀片图片后，软件对图像进行处理，具体步骤如下：
S4.1：调用OpenCV中的bilateralFilter()函数进行双边滤波，双边滤波相较于高斯滤波等可以较好的保留图像边缘信息，双边滤波在高斯滤波的基础上加了一个高斯方差，之所以能够达到保边去噪的滤波效果是因为滤波器由两个函数构成：一个函数是由几何空间距离决定滤波器系数，另一个是由像素差值决定滤波器系数。具有简单、非迭代、局部处理的特点；
在双边滤波器中，输出像素的值依赖于邻域像素的值的加权组合，
权重系数ω(i,j,k,l)取决于定义域核
和值域核
的乘积
双边滤波同时考虑了空间域与值域的差别，而高斯滤波只考虑了空间域，均值滤波只考虑了值域差别；因此采用双边滤波。
S4.2采用Canny边缘检测，检测刀片的钝化层边缘信息，由于刀片和标定块的光源非同一个，因此重新调整OpenCV的Canny()函数的参数，得到清晰的刀片钝化边缘；
S4.3调用OpenCV的findContours()函数，此函数将S4.2的边缘像素合成轮廓作为一个整体进行处理，刀片的轮廓将会以向量的形式被存入findContours()函数的第二个参数contours中。
步骤5中，所述求公差方法为：
将contours中的坐标点逐个计算与其相邻点的欧式距离，即所有坐标点计算完后将最大与最小值之差作为刀片钝化层公差。
步骤6中：如附图2，在计算机判断刀片钝化层公差是否在允许范围内后，若合格，传送装置将刀片送入合格区，若不合格，计算机将信号传给拨片装置，拨片装置将刀片拨入不合格区域。
本发明方法主要创新点是：
1)在机器视觉测量领域内公开了一种新型的可转位刀片钝化层检测系统及检测方法；
2)在测量钝化层时，创造性的使用显微镜头测量钝化层；
3)在判断刀片钝化层是否合格时，创造性的将标准欧式距离作为衡量钝化层公差的标准；
4)在对钝化层进行轮廓提取前，创造性的先使用双边滤波再进行边缘检测，显著的提高了刀片轮廓边缘检测精度；
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为发明的优选例，并不用来限制本发明，在不脱离本发明新型精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种基于机器视觉的可转位刀片刃口钝化检测方法，其特征在于，包括如下步骤：
步骤1：传送装置将标定块运送至相机取景区域，触发视觉模块、光源装置，获取标定块的图像；
其中所用的视觉模块是一个CMOS工业相机，工业相机通过可调节的相机支架固定，调节相机高度，使工件清晰的在取景范围内；步骤1的具体步骤包括：
S1.1：打开传送装置开关，标定块经过电子感应元件下时，电子感应元件被触发；
S1.2：电子感应元件同时触发视觉模块与光源装置；
S1.3：标定块到取景区域时，装有显微镜头的工业相机开始采集清晰的标定块轮廓图像，并将图像信号输入计算机；
步骤2：计算机在接收到步骤1中相机采集的标定块图像后，软件将进行图像预处理，边缘提取，然后进行像素当量标定，此算法及过程基于OpenCV开源库及Qt工具包开发：
步骤2的具体步骤包括：
S2.1：由于图像大多数是高斯噪声，因此进行高斯滤波，对图片进行降噪处理，使后面边缘提取的效果更好，高斯滤波的原理是针对每个像素点的值都进行自身值和领域值的加权平均；
S2.2：采用Canny边缘检测，通过调整参数提取边缘信息；获得标定块的边缘；
S2.3：将边缘检测出来后，计算像素当量；
步骤3：利用标定块标定好像素当量后，调整相机高度至与步骤1取景距离一致，使用传送装置将刀片送至相机取景区域，触发视觉模块；
步骤3的具体步骤包括：
S3.1：调整相机高度，使刀片被传送至取景区域时，与步骤1中的相机取景距离一致，传送装置将刀片运送经过电子感应元件下时，电子感应元件被触发；
S3.2：电子感应元件同时触发视觉模块与光源装置；
S3.3：刀片运至取景区域时，装有显微镜头的工业相机开始采集清晰的刀片图像，并将图像信号输入计算机；
步骤4：计算机在接收到步骤3中相机采集的刀片图像后，软件将进行钝化层的图像预处理，检测边缘，提取轮廓，此算法及过程基于OpenCV开源库及Qt工具包开发：
步骤4的具体步骤包括：
S4.1：进行双边滤波，双边滤波相较于高斯滤波可以较好的保留图像边缘信息，双边滤波在高斯滤波的基础上加了一个高斯方差；
在双边滤波器中，输出像素的值依赖于邻域像素的值的加权组合，
权重系数ω(i,j,k,l)取决于定义域核
和值域核
的乘积
双边滤波同时考虑了空间域与值域的差别，而高斯滤波只考虑了空间域，均值滤波只考虑了值域差别；因此采用双边滤波；
S4.2：采用Canny边缘检测，通过调整参数检测边缘信息；获得可转位刀片钝化层的边缘；
S4.3：提取刀片钝化层的轮廓，利用OpenCV函数得到钝化层的轮廓坐标；
步骤5：利用步骤4中提取的轮廓坐标计算钝化层的公差；
求公差方法为：对每个轮廓点的坐标求其相邻轮廓点坐标的欧式距离，对所有点进行计算后，将最大值与最小值之差作为钝化层的公差；
步骤6：在步骤5计算出钝化层公差后，如果此刀片符合公差范围要求，则传送装置将其送入合格区域，若超出范围则拨片装置将其送入不合格区域；
具体为：在计算机判断刀片钝化层公差是否在允许范围内后，若合格，传送装置将刀片送入合格区，若不合格，计算机将信号传给拨片装置，拨片装置将刀片拨入不合格区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210547953.4A CN114878570B (zh) | 2022-05-18 | 2022-05-18 | 一种基于机器视觉的可转位刀片刃口钝化检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210547953.4A CN114878570B (zh) | 2022-05-18 | 2022-05-18 | 一种基于机器视觉的可转位刀片刃口钝化检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114878570A CN114878570A (zh) | 2022-08-09 |
| CN114878570B true CN114878570B (zh) | 2023-09-08 |
Family
ID=82678197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210547953.4A Active CN114878570B (zh) | 2022-05-18 | 2022-05-18 | 一种基于机器视觉的可转位刀片刃口钝化检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114878570B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008260043A (ja) * | 2007-04-12 | 2008-10-30 | Toyota Motor Corp | 溶接方法、および段差部の検出装置 |
| CN105241389A (zh) * | 2015-10-12 | 2016-01-13 | 贵州大学 | 一种基于机器视觉的铣刀刃口钝圆半径检测系统 |
| CN106767467A (zh) * | 2017-03-05 | 2017-05-31 | 贵州大学 | 一种基于机器视觉的可转位刀片钝圆检测系统 |
| CN110497187A (zh) * | 2019-07-31 | 2019-11-26 | 浙江大学山东工业技术研究院 | 基于视觉引导的太阳花模组装配系统 |
| CN209829597U (zh) * | 2019-03-14 | 2019-12-24 | 苑学涛 | 一种基于机器视觉的高精度检测机构 |
| CN110935644A (zh) * | 2019-12-27 | 2020-03-31 | 江南大学 | 一种基于机器视觉的轴承滚针尺寸检测系统及方法 |
| CN114152199A (zh) * | 2021-12-14 | 2022-03-08 | 桂林理工大学 | 一种输送带上胶片尺寸视觉测量系统及其测量方法 |
| CN114463425A (zh) * | 2022-01-26 | 2022-05-10 | 武汉理工大学 | 一种基于概率Hough直线检测的工件表面无特征点定位方法 |
-
2022
- 2022-05-18 CN CN202210547953.4A patent/CN114878570B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008260043A (ja) * | 2007-04-12 | 2008-10-30 | Toyota Motor Corp | 溶接方法、および段差部の検出装置 |
| CN105241389A (zh) * | 2015-10-12 | 2016-01-13 | 贵州大学 | 一种基于机器视觉的铣刀刃口钝圆半径检测系统 |
| CN106767467A (zh) * | 2017-03-05 | 2017-05-31 | 贵州大学 | 一种基于机器视觉的可转位刀片钝圆检测系统 |
| CN209829597U (zh) * | 2019-03-14 | 2019-12-24 | 苑学涛 | 一种基于机器视觉的高精度检测机构 |
| CN110497187A (zh) * | 2019-07-31 | 2019-11-26 | 浙江大学山东工业技术研究院 | 基于视觉引导的太阳花模组装配系统 |
| CN110935644A (zh) * | 2019-12-27 | 2020-03-31 | 江南大学 | 一种基于机器视觉的轴承滚针尺寸检测系统及方法 |
| CN114152199A (zh) * | 2021-12-14 | 2022-03-08 | 桂林理工大学 | 一种输送带上胶片尺寸视觉测量系统及其测量方法 |
| CN114463425A (zh) * | 2022-01-26 | 2022-05-10 | 武汉理工大学 | 一种基于概率Hough直线检测的工件表面无特征点定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114878570A (zh) | 2022-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111383227A (zh) | 基于神经网络的刀具磨损类型识别方法及磨损值测定方法 | |
| US10127652B2 (en) | Defect detection and classification based on attributes determined from a standard reference image | |
| CN108364311B (zh) | 一种金属部件自动定位方法及终端设备 | |
| Peng et al. | Application of machine vision method in tool wear monitoring | |
| CN106824806B (zh) | 基于机器视觉的小模数塑料齿轮的检测方法 | |
| US5012524A (en) | Automatic inspection method | |
| CN111080582B (zh) | 工件内外表面缺陷检测方法 | |
| CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
| CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
| CN116168349B (zh) | 一种基于大数据的压铸可视化监测系统及方法 | |
| CN116773548B (zh) | 一种晶圆表面缺陷检测方法及系统 | |
| KR102223706B1 (ko) | 제조된 컴포넌트 결함을 국부 적응 문턱값을 사용하여 식별하기 위한 시스템, 방법 및 컴퓨터 프로그램 제품 | |
| CN108460348B (zh) | 基于三维模型的道路目标检测方法 | |
| CN112102278A (zh) | 一种基于计算机视觉的金属工件加工面缺陷检测方法 | |
| CN114894808A (zh) | 基于机器视觉的热管管口缺陷检测装置及其方法 | |
| CN108986160A (zh) | 一种含有镜面反射光干扰的图像激光中心线提取方法 | |
| CN114878570B (zh) | 一种基于机器视觉的可转位刀片刃口钝化检测方法 | |
| CN109345500B (zh) | 一种基于机器视觉的机床刀具刀尖点位置计算方法 | |
| CN116673597B (zh) | 用于双v复合型坡口的激光线图像特征提取系统及方法 | |
| CN117173107A (zh) | 产品缺陷检测方法、装置、设备、系统和可读存储介质 | |
| CN115526878B (zh) | 一种带式输送机的煤流检测方法及装置 | |
| TW201518890A (zh) | 定位裝置精度補償系統及方法 | |
| CN107767372B (zh) | 一种分层并行计算的芯片管脚在线视觉检测系统及其方法 | |
| CN114627048A (zh) | 基于移动终端的工件粗糙度测量方法、装置、终端及介质 | |
| CN112464905A (zh) | 3d目标检测方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |