CN114942221A - 一种电路板自动视觉检测装置、系统及检测方法 - Google Patents
一种电路板自动视觉检测装置、系统及检测方法 Download PDFInfo
- Publication number
- CN114942221A CN114942221A CN202210418087.9A CN202210418087A CN114942221A CN 114942221 A CN114942221 A CN 114942221A CN 202210418087 A CN202210418087 A CN 202210418087A CN 114942221 A CN114942221 A CN 114942221A
- Authority
- CN
- China
- Prior art keywords
- circuit board
- board
- image
- detection
- frame
- 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
-
- 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
-
- 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
- B07C5/36—Sorting apparatus characterised by the means used for distribution
-
- 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
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Immunology (AREA)
- Evolutionary Computation (AREA)
- Biochemistry (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Signal Processing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Textile Engineering (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种电路板自动视觉检测装置、系统及检测方法,包括置板机构、第一直线模组、图像提取机构以及抓取机构,第一直线模组能够带动置板机构在置板位置、图像提取位置、抓取位置往复移动,图像提取机构位于图像提取位置,抓取机构位于抓取位置。本发明通过图像识别技术代替人员进行视觉检测,解决了依靠手工逐一进行检测、判断产生的效率低下的问题,图像提取机构与抓取机构联动,在流水线中自动化程度高,减轻了检测人员的劳动强度,提高加工检测的效率,与此同时,通过识别算法大大提高了检测可靠性,在进行分辨时更加精确,不易产生误差,能减少疏漏的发生。
Description
技术领域
本发明涉及电路板加工检测技术领域,尤其涉及一种电路板自动视觉检测装置、系统及检测方法。
背景技术
电路板是现代工业产品的重要组成部分,电路板使电路迷你化、直观化,对于固定电路的批量生产和优化用电器布局起重要作用。电路板的制作工艺中,产品检测是重要的工序之一,其检测包括性能检测和外观检测,外观检测的项目包括会造成集成电路性能问题的划痕、凹陷的缺陷。目前生产线所使用的电路板检测方式是通过人工检测,检测人员的劳动强度大,检测效率低,同时,通过主观视觉判断,检测结果容易产生误差,因此还有待进一步改进。
发明内容
本发明所要解决的技术问题是克服现有技术中存在的不足,提供一种电路板自动视觉检测装置、系统及检测方法,提高外观检测的效率,减轻检测人员的劳动强度。
本发明是通过以下技术方案予以实现:
一种电路板自动视觉检测装置,包括置板机构、第一直线模组、图像提取机构以及抓取机构,所述第一直线模组与置板机构相连,第一直线模组能够带动置板机构在置板位置、图像提取位置、抓取位置往复移动,所述图像提取机构位于图像提取位置,所述抓取机构位于抓取位置。
根据上述技术方案,优选地,所述置板机构包括与第一直线模组相连的主定位架、转动连接于主定位架内的支撑架以及安装于支撑架内的置板架,所述置板架一侧开口,所述支撑架通过转轴连接有驱动装置,所述驱动装置与主定位架固接。
根据上述技术方案,优选地,所述置板架包括相对设置的两个插板以及固接于两插板端部的端板,两所述插板沿水平方向相对开设有插槽,所述插板远离端板一侧开口。
根据上述技术方案,优选地,所述支撑架与置板架可拆卸连接,其中支撑架内固接有多个连接板,所述置板架在连接板的位置与支撑架通过螺栓固定连接。
根据上述技术方案,优选地,所述图像提取机构包括工业相机、与工业相机相连的相机支架以及与相机支架相连的第二直线模组。
本专利还公开了一种电路板自动视觉检测系统,包括:
训练单元,采集多种电路板图像样本,进行人工分类标记,使用卷积神经网络将已标记的所述电路板图像样本进行分类样本训练,生成电路板检测模型;图像采集单元,通过所述工业相机采集位于图像提取位置的电路板的检测图像;检测单元,通过所述电路板检测模型进行分类识别,输出检测结果;分类抓取单元,所述抓取机构根据检测结果对电路板进行分类转移。
本专利同时公开了一种电路板自动视觉检测方法,包括如下步骤:
S1.采集多种电路板图像样本,进行人工分类标记;S2.使用卷积神经网络将已标记的所述电路板图像样本进行分类样本训练,生成电路板检测模型;S3.待检测电路板逐一安装在置板架内,移动至所述图像提取位置,通过所述工业相机采集位于图像提取位置的电路板的检测图像;S4.通过所述电路板检测模型进行分类识别,输出检测结果;S5.所述抓取机构根据检测结果对电路板进行分类转移。
根据上述技术方案,优选地,步骤S4还包括:使用卷积神经网络训练生成的模型进行分类识别时,设置缺陷阈值。
本发明的有益效果是:
本发明通过图像识别技术代替人员进行视觉检测,如缺件、错件、元件偏移、焊点缺陷,解决了依靠手工逐一进行检测、判断产生的效率低下的问题,图像提取机构与抓取机构联动,在流水线中自动化程度高,减轻了检测人员的劳动强度,提高加工检测的效率;与此同时,通过识别算法大大提高了检测可靠性,在进行分辨时更加精确,不易产生误差,能减少疏漏的发生。
附图说明
图1是本发明的方法流程示意图。
图2是本发明置板机构部分的俯视结构示意图。
图3是本发明的俯视结构示意图。
图中:1、主定位架;2、连接板;3、支撑架;4、驱动装置;5、插槽;6、连接环;7、置板架;8、电路板;9、第二直线模组;10、抓取机构;11、第一直线模组;12、置板位置;13、工业相机;14、相机支架;15、图像提取位置;16、抓取位置。
具体实施方式
为了使本技术领域的技术人员更好地理解本发明的技术方案,下面结合附图和最佳实施例对本发明作进一步的详细说明。基于发明中的实施例,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,都属于发明保护的范围。
在发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对发明的限制。
如图所示,本发明包括置板机构、第一直线模组11、图像提取机构以及抓取机构10,所述第一直线模组11与置板机构相连,第一直线模组11能够带动置板机构在置板位置12、图像提取位置15、抓取位置16往复移动,所述图像提取机构位于图像提取位置15,所述抓取机构10位于抓取位置16。所述图像提取机构包括工业相机13、与工业相机13相连的相机支架14以及与相机支架14相连的第二直线模组9。本发明通过图像识别技术代替人员进行视觉检测,如缺件、错件、元件偏移、焊点缺陷,解决了依靠手工逐一进行检测、判断产生的效率低下的问题,图像提取机构与抓取机构10联动,在流水线中自动化程度高,减轻了检测人员的劳动强度,提高加工检测的效率;与此同时,通过识别算法大大提高了检测可靠性,在进行分辨时更加精确,不易产生误差,能减少疏漏的发生。
根据上述实施例,优选地,所述置板机构包括与第一直线模组11相连的主定位架1、转动连接于主定位架1内的支撑架3以及安装于支撑架3内的置板架7。本例中支撑架3两端分别固接有连接环6,所述连接环6与主定位架1之间通过滚子轴承相连。所述支撑架3通过转轴连接有驱动装置4,本例中驱动装置4为电机,所述驱动装置4与主定位架1固接。所述置板架7一侧开口,其中置板架7包括相对设置的两个插板以及固接于两插板端部的端板,两所述插板沿水平方向相对开设有插槽5,所述插板远离端板一侧开口。
根据上述实施例,优选地,所述支撑架3与置板架7可拆卸连接,其中支撑架3内固接有多个连接板2,所述置板架7在连接板2的位置与支撑架3通过螺栓固定连接。本例中置板架7的插板与连接板2插接,同时通过连接板2与插板之间的螺栓固定,实现置板架7的安装可拆卸。
在实际使用中,电路板8能够从置板架7一侧开口处逐一滑动至置板架7内,再通过第一直线模组11将置板架7从置板位置12移动至图像提取位置15,图像提取机构对正面的电路板8进行逐一采样后,驱动装置4带动置板架7翻转,再对背面进行逐一采样,经分类识别输出检测结果后,通过第一直线模组11将置板架7移动至抓取位置16,抓取机构10根据检测结果对电路板8进行分类转移。
本专利还公开了一种电路板自动视觉检测系统,包括:
训练单元,采集多种电路板图像样本,进行人工分类标记,使用卷积神经网络将已标记的所述电路板图像样本进行分类样本训练,生成电路板检测模型;图像采集单元,通过所述工业相机采集位于图像提取位置的电路板的检测图像;检测单元,通过所述电路板检测模型进行分类识别,输出检测结果;分类抓取单元,所述抓取机构根据检测结果对电路板进行分类转移。
本专利同时公开了一种电路板自动视觉检测方法,包括如下步骤:
S1.采集多种电路板图像样本,进行人工分类标记,如正常、缺件、错件、元件偏移、焊点缺陷;
S2.使用卷积神经网络将已标记的所述电路板图像样本进行分类样本训练,生成电路板检测模型;
S3.待检测电路板逐一安装在置板架内,移动至所述图像提取位置,通过所述工业相机采集位于图像提取位置的电路板的检测图像;
S4.通过所述电路板检测模型进行分类识别,输出检测结果,本例中可以使用例如frcnn、yolo等卷积神经网络进行训练,实现轮廓提取同时进行分类,通过传统轮廓特征提取算法,将图像分别裁剪成识别区域,将裁剪后的区域图像送入预先训练的卷积神经网络中进行分类识别;
S5.所述抓取机构根据检测结果对电路板进行分类转移。
在步骤S4、S5中,具体地,第二直线模组在采样时,同时记录检测图像的检测结果以及单张图像在置板架内的位置坐标,使抓取机构中的抓取机器人根据位置坐标对相应的电路板根据检测结果进行分类转移,本例中抓取方式优选使用真空吸附,抓取机器人的抓取手根据位置坐标吸附电路板,之后从插槽中逐一将电路板取出实现转移。
根据上述实施例,优选地,步骤S4还包括:使用卷积神经网络训练生成的模型进行分类识别时,设置缺陷阈值。其中,缺陷阈值即可放行的阈值,将缺陷阈值提高则当判定为肯定是缺陷才认定,误判情况较多,将阈值设低则为宁可误判不能漏过。
本发明通过图像识别技术代替人员进行视觉检测,如缺件、错件、元件偏移、焊点缺陷,解决了依靠手工逐一进行检测、判断产生的效率低下的问题,图像提取机构与抓取机构联动,在流水线中自动化程度高,减轻了检测人员的劳动强度,提高加工检测的效率;与此同时,通过识别算法大大提高了检测可靠性,在进行分辨时更加精确,不易产生误差,能减少疏漏的发生。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种电路板自动视觉检测装置,其特征在于,包括置板机构、第一直线模组、图像提取机构以及抓取机构,所述第一直线模组与置板机构相连,第一直线模组能够带动置板机构在置板位置、图像提取位置、抓取位置往复移动,所述图像提取机构位于图像提取位置,所述抓取机构位于抓取位置。
2.根据权利要求1所述一种电路板自动视觉检测装置,其特征在于,所述置板机构包括与第一直线模组相连的主定位架、转动连接于主定位架内的支撑架以及安装于支撑架内的置板架,所述置板架一侧开口,所述支撑架通过转轴连接有驱动装置,所述驱动装置与主定位架固接。
3.根据权利要求2所述一种电路板自动视觉检测装置,其特征在于,所述置板架包括相对设置的两个插板以及固接于两插板端部的端板,两所述插板沿水平方向相对开设有插槽,所述插板远离端板一侧开口。
4.根据权利要求2或3所述一种电路板自动视觉检测装置,其特征在于,所述支撑架与置板架可拆卸连接。
5.根据权利要求4所述一种电路板自动视觉检测装置,其特征在于,所述支撑架内固接有多个连接板,所述置板架在连接板的位置与支撑架通过螺栓固定连接。
6.根据权利要求1所述一种电路板自动视觉检测装置,其特征在于,所述图像提取机构包括工业相机、与工业相机相连的相机支架以及与相机支架相连的第二直线模组。
7.一种电路板自动视觉检测系统,其特征在于,包括:
训练单元,采集多种电路板图像样本,进行人工分类标记,使用卷积神经网络将已标记的所述电路板图像样本进行分类样本训练,生成电路板检测模型;
图像采集单元,通过所述工业相机采集位于图像提取位置的电路板的检测图像;
检测单元,通过所述电路板检测模型进行分类识别,输出检测结果;
分类抓取单元,所述抓取机构根据检测结果对电路板进行分类转移。
8.一种电路板自动视觉检测方法,其特征在于,包括如下步骤:
S1.采集多种电路板图像样本,进行人工分类标记;
S2.使用卷积神经网络将已标记的所述电路板图像样本进行分类样本训练,生成电路板检测模型;
S3.待检测电路板逐一安装在置板架内,移动至所述图像提取位置,通过所述工业相机采集位于图像提取位置的电路板的检测图像;
S4.通过所述电路板检测模型进行分类识别,输出检测结果;
S5.所述抓取机构根据检测结果对电路板进行分类转移。
9.根据权利要求8所述一种电路板自动视觉检测方法,其特征在于,步骤S4还包括:使用卷积神经网络训练生成的模型进行分类识别时,设置缺陷阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210418087.9A CN114942221A (zh) | 2022-04-20 | 2022-04-20 | 一种电路板自动视觉检测装置、系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210418087.9A CN114942221A (zh) | 2022-04-20 | 2022-04-20 | 一种电路板自动视觉检测装置、系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114942221A true CN114942221A (zh) | 2022-08-26 |
Family
ID=82907499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210418087.9A Pending CN114942221A (zh) | 2022-04-20 | 2022-04-20 | 一种电路板自动视觉检测装置、系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114942221A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500050A (zh) * | 2023-06-28 | 2023-07-28 | 四川托璞勒科技有限公司 | 一种pcb板视觉检测系统 |
CN116891177A (zh) * | 2023-09-01 | 2023-10-17 | 河南科技学院 | 一种工件分拣起重机吊具 |
CN117250209A (zh) * | 2023-11-14 | 2023-12-19 | 长沙和捷实业有限公司 | 一种管道连接环自动光学筛选图像处理系统及方法 |
-
2022
- 2022-04-20 CN CN202210418087.9A patent/CN114942221A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116500050A (zh) * | 2023-06-28 | 2023-07-28 | 四川托璞勒科技有限公司 | 一种pcb板视觉检测系统 |
CN116500050B (zh) * | 2023-06-28 | 2024-01-12 | 四川托璞勒科技有限公司 | 一种pcb板视觉检测系统 |
CN116891177A (zh) * | 2023-09-01 | 2023-10-17 | 河南科技学院 | 一种工件分拣起重机吊具 |
CN116891177B (zh) * | 2023-09-01 | 2023-12-05 | 河南科技学院 | 一种工件分拣起重机吊具 |
CN117250209A (zh) * | 2023-11-14 | 2023-12-19 | 长沙和捷实业有限公司 | 一种管道连接环自动光学筛选图像处理系统及方法 |
CN117250209B (zh) * | 2023-11-14 | 2024-02-27 | 长沙和捷实业有限公司 | 一种管道连接环自动光学筛选图像处理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114942221A (zh) | 一种电路板自动视觉检测装置、系统及检测方法 | |
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 | |
CN106706656B (zh) | 一种基于机器视觉的拉链检测装置及方法 | |
CN107703148A (zh) | 一种基于机器视觉的电缆绞线质量检测系统及其检测方法 | |
CN110216080A (zh) | 一种基于图像对比的pcb加工产线的质量监控系统 | |
CN215263150U (zh) | 一种基于机器视觉的线柜端子通断状态检测装置 | |
CN110044909A (zh) | 一种基于图像处理的电机转子焊点缺陷检测装置及方法 | |
CN111915604A (zh) | 一种互联网人工智能电子零配件识别与检测系统 | |
CN213749569U (zh) | 一种端子视觉检测设备 | |
CN112964732A (zh) | 一种基于深度学习的丝饼缺陷视觉检测系统及方法 | |
CN115060742A (zh) | 一种基于视觉边缘计算的印刷电路板缺陷检测系统及方法 | |
CN111307817B (zh) | 一种智能产线pcb生产过程的在线检测方法及系统 | |
CN112858174A (zh) | 一种aoi检测设备 | |
CN208805156U (zh) | 一种基于机器视觉技术的电池在线检测装置 | |
CN116078704A (zh) | 一种基于ccd的外观检测设备 | |
CN217700207U (zh) | 硬件自动检测装置 | |
CN214555432U (zh) | 一种浸渍纸外观质量检测系统 | |
CN110927178A (zh) | 一种产品外观、缺陷自动化检测装置 | |
CN212322301U (zh) | 一种互联网人工智能电子零配件识别与检测系统 | |
CN213181294U (zh) | 一种石墨电极表面检测系统 | |
CN114501980A (zh) | 一种异形元器件的引脚检测及自动插件的装置和方法 | |
CN113983927A (zh) | 一种视觉检测装置 | |
CN210455489U (zh) | 一种基于贴标机的ccd视觉定位装置 | |
CN215415109U (zh) | 产品外观检测识别设备 | |
CN219683324U (zh) | 一种快速质检装置 |
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 |