CN115272331A - 基于图像处理的瓦楞纸质量检测方法 - Google Patents
基于图像处理的瓦楞纸质量检测方法 Download PDFInfo
- Publication number
- CN115272331A CN115272331A CN202211194708.6A CN202211194708A CN115272331A CN 115272331 A CN115272331 A CN 115272331A CN 202211194708 A CN202211194708 A CN 202211194708A CN 115272331 A CN115272331 A CN 115272331A
- Authority
- CN
- China
- Prior art keywords
- frequency
- highlight
- corrugated paper
- detected
- target
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000002159 abnormal effect Effects 0.000 claims abstract description 76
- 230000007547 defect Effects 0.000 claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 5
- 239000000123 paper Substances 0.000 description 74
- 230000008859 change Effects 0.000 description 13
- 239000011159 matrix material Substances 0.000 description 6
- 238000012216 screening Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000011087 paperboard Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理领域,提出了一种基于图像处理的瓦楞纸质量检测方法,包括:S1:获取待检测瓦楞纸表面灰度图;S2:得到待检测瓦楞纸表面频谱图;S3:计算每个高频高亮点与低频中心点的距离;S4:得到每个高频高亮点的频率异常程度;S5:得到整体间距异常程度;S6:判断待检测瓦楞纸是否存在间距异常,若存在,判断待检测瓦楞纸质量不合格;否则,进行S7;S7:得到霍夫空间图像;S8:得到第一目标列和第二目标列中每个高亮点的异常程度;S9:得到第一目标列和第二目标列中高亮点的缺损影响程度;S10:得到缺损综合评测系数,通过缺损综合评测系数判断待检测瓦楞纸的质量是否合格。本发明提高了检测效率。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种基于图像处理的瓦楞纸质量检测方法。
背景技术
瓦楞纸是由挂面纸和通过瓦楞辊加工而形成的波形的瓦楞纸粘合而成的板状物,一般分为单瓦楞纸板和双瓦楞纸板两类。瓦楞纸的发明和应用有一百多年的历史,具有成本低、质量轻、加工易、强度大、印刷适应性样优良、储存搬运方便等优点,80%以上的瓦楞纸均可通过回收再生,瓦楞纸可用作快递或者货物的包装,相对环保,使用较为广泛。
对于瓦楞纸板,其瓦楞的合格程度直接影响了瓦楞纸板的质量优劣,瓦楞出现印刷缺损或者部分瓦楞宽度间距过大都会影响瓦楞纸板的质量。现有技术是通过人工目测的方式对瓦楞纸进行质量检测,这种方法效率低,且检测结果的准确性过分依赖于检测人员,很难保证准确率。
本发明旨在通过图像处理相关技术,利用霍夫空间矩阵及频谱相关知识来快速检测瓦楞纸板中瓦楞是否有异常缺陷,进而快速分析瓦楞纸板的质量,提高检测筛选精度,大幅减少人工检测花费的时间。
发明内容
本发明提供一种基于图像处理的瓦楞纸质量检测方法,以解决现有的检测效率低的问题。
本发明的一种基于图像处理的瓦楞纸质量检测方法,采用如下技术方案:
S1:获取待检测瓦楞纸表面灰度图;
S2:通过待检测瓦楞纸表面灰度图得到待检测瓦楞纸表面频谱图;
S3:通过待检测瓦楞纸表面频谱图中每个高频高亮点对应的三角函数的最小正周期计算每个高频高亮点与低频中心点的距离;
S4:通过待检测瓦楞纸表面频谱图中每个高频高亮点与低频中心点的距离以及像素值最大的高频高亮点与低频中心点的距离得到每个高频高亮点的频率异常程度;
S5:通过所有高频高亮点的像素值和频率异常程度得到待检测瓦楞纸的整体间距异常程度;
S6:利用待检测瓦楞纸的整体间距异常程度判断待检测瓦楞纸是否存在间距异常,若待检测瓦楞纸存在间距异常,判断待检测瓦楞纸质量不合格;否则,进行S7;
S7:通过待检测瓦楞纸表面灰度图得到待检测瓦楞纸表面二值图,将待检测瓦楞纸表面二值图中的瓦楞像素点转换到霍夫空间,得到霍夫空间图像;
S8:获取霍夫空间图像中每列高亮点的方差,选取所有列高亮点的方差中最小的两个方差对应的列分别作为第一目标列和第二目标列,分别通过第一目标列和第二目标列中每个高亮点的像素值以及第一目标列和第二目标列的高亮点像素均值得到第一目标列和第二目标列中每个高亮点的异常程度;
S9:分别通过第一目标列和第二目标列中所有高亮点的异常程度得到第一目标列和第二目标列中高亮点的缺损影响程度;
S10:通过第一目标列和第二目标列中的高亮点像素均值、高亮点个数以及高亮点的缺损影响程度得到待检测瓦楞纸的缺损综合评测系数,通过待检测瓦楞纸的缺损综合评测系数判断该待检测瓦楞纸的质量是否合格。
进一步的,所述的一种基于图像处理的瓦楞纸质量检测方法,每个高频高亮点与低频中心点的距离为该高频高亮点所对应的三角函数的最小正周期的倒数。
进一步的,所述的一种基于图像处理的瓦楞纸质量检测方法,获取每个高频高亮点的频率异常程度的方法为:
获取像素值最大的高频高亮点与低频中心点的距离;
通过像素值最大的高频高亮点与低频中心点的距离以及目标高频高亮点与低频中心点的距离得到距离差;
通过该距离差和像素值最大的高频高亮点与低频中心点的距离的比值得到目标高频高亮点的频率异常程度。
进一步的,所述的一种基于图像处理的瓦楞纸质量检测方法,得到待检测瓦楞纸的整体间距异常程度的方法为:
高频高亮点的间距异常程度的表达式为:
进一步的,所述的一种基于图像处理的瓦楞纸质量检测方法,第一目标列和第二目标列中每个高亮点的异常程度分别为第一目标列和第二目标列中每个高亮点的像素值与第一目标列和第二目标列的像素值均值差值的绝对值。
进一步的,所述的一种基于图像处理的瓦楞纸质量检测方法,得到第一目标列和第二目标列中高亮点的缺损影响程度的方法为:
分别通过第一目标列和第二目标列中每个高亮点的异常程度和所有高亮点的异常程度得到第一目标列和第二目标列中每个高亮点的异常程度权重;
分别通过第一目标列和第二目标列中所有高亮点的异常程度权重和异常程度得到第一目标列和第二目标列中高亮点的缺损影响程度。
进一步的,所述的一种基于图像处理的瓦楞纸质量检测方法,待检测瓦楞纸的缺损综合评测系数的表达式为:
本发明的有益效果是:本发明利用频谱图中高频高亮点的像素值和频率异常程度得到瓦楞纸整体间距异常程度,从而筛除出存在间距异常的待检测瓦楞纸,将不存在间距异常的待检测瓦楞纸二值图中的瓦楞像素点转换到霍夫空间,利用霍夫空间图像中的相关参数计算瓦楞纸缺损综合评测系数,最后通过缺损综合评测系数快速检测瓦楞纸板的质量是否合格,相对于现有技术,检测效率更高,避免了人工检测花费大量时间,同时提高了检测筛选精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于图像处理的瓦楞纸质量检测方法的实施例的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中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,都属于本发明保护的范围。
实施例1
本发明的主要目的是:利用霍夫空间矩阵及频谱图像,快速判断分析瓦楞纸的质量是否合格,提高质量筛选精度,减少人工检测所花费的时间。
本发明的一种基于图像处理的瓦楞纸质量检测方法的实施例,如图1所示,包括:
本发明所针对的情景为:采集瓦楞纸板瓦楞面表面图像,通过频谱及霍夫变换相关应用,对其进行质量分析。
S1:获取待检测瓦楞纸表面灰度图。
本实施例需要利用相机采集瓦楞纸板瓦楞面表面图像,并对其进行灰度化处理,得到其灰度图。
瓦楞纸板的瓦楞表面分布有相互平行且等长的一条条瓦楞,而瓦楞中间则是凹槽部分。由于不处于同一平面导致对光的反射不同,所以瓦楞与凹槽会反映出不同的灰度,又因为瓦楞与凹槽都是平行均匀分布,所以关于灰度分布的变化理应是不变的,如果出现间距宽度过大,则灰度分布变化频率就会见效,反映在频谱图像中非常明显。同时,在检测完间距异常后,对原图像灰度图进行二值化,即将瓦楞部分置为白色255灰度值,而凹槽部分则变为黑色0灰度值,再对瓦楞部分进行霍夫变换,通过对霍夫空间矩阵内图像的分析,判断是否有瓦楞出现缺损。
S2:通过待检测瓦楞纸表面灰度图得到待检测瓦楞纸表面频谱图。
对采集得到的瓦楞纸板瓦楞表面图像进行灰度化处理,得到灰度图,在该灰度图中,每个点都有相应的灰度值,整张图像上各点的灰度值分布就可以看作一个灰度分布函数,对其进行傅里叶变换,则得到图像对应的频谱图,其可以反映灰度图像中灰度的剧烈变化程度及频率等特征。
S3:通过待检测瓦楞纸表面频谱图中每个高频高亮点对应的三角函数的最小正周期计算每个高频高亮点与低频中心点的距离。
通过运算得到的频谱图像中,高频分量位于四周而低频分量位于中心部分。高频分量即是灰度剧烈变化部位的表现,距离低频中心点越远则表明其灰度变化程度越剧烈,即灰度变化频率越快,而高频高亮点与低频中心点的连线则是灰度图中灰度变化的分布方向。
高频高亮点的像素值表示该高频分量在该方向该频率上分布有多少,每个高频高亮点与低频中心点的距离则可以反应灰度变化的快慢。而因为瓦楞纸板瓦楞表面上的瓦楞及凹槽分布方向都一致,故此处无需考虑不同高频高亮点的不同方向角的问题。
由于频谱图中每个点都可以经iFT变换(傅里叶变换)得到一个三角函数,其中,距离低频中心点越近的点频率越低,最小正周期越大;相反距离低频中心点越远的高频高亮点频率更高,而最小正周期就越小,由此可以依据第个高频高亮点所对应的三角函数的最小正周期来反映该点与低频中心点的距离。
S4:通过待检测瓦楞纸表面频谱图中每个高频高亮点与低频中心点的距离以及像素值最大的高频高亮点与低频中心点的距离得到每个高频高亮点的频率异常程度。
瓦楞纸板瓦楞表面上的瓦楞与凹槽分布方向固定,间距宽度相等。反映到频谱图中,因为方向一致且灰度变化频率相当,表现为关于低频中心点对称的一组高频高亮点,且是像素值最大的一组。就此可以判断,如果有部分瓦楞与凹槽的间距宽度过大,则会导致该部分的灰度变化频率变小,反映到频谱图中则会出现比两个最亮高频高亮点距离低频中心点更近的高频高亮点。
具体来说,在频谱中,像素值最大的一组对称点就是此频率所包含的能量最多,即对应原图像中这个灰度变化频率的分布最多,也就是正常部位都是以这种灰度频率变化分布。然后如果原图像中异常部位间距比正常的大,它的灰度变化频率就比正常的低,与低频中心点距离就比像素值最大的那组点距离低频中心点的距离更小,异常部位的分布肯定也没有正常部位在原图像分布的多,则对应的频谱图中的点的像素值也会比最大像素值那俩点小。
S5:通过所有高频高亮点的像素值和频率异常程度得到待检测瓦楞纸的整体间距异常程度。
通过上述步骤获得每个高频高亮点的间距异常程度,可以根据间距异常程度累加判断整体间距异常程度,瓦楞纸整体间距异常程度计算如下:
S6:利用待检测瓦楞纸的整体间距异常程度判断待检测瓦楞纸是否存在间距异常,若待检测瓦楞纸存在间距异常,判断待检测瓦楞纸质量不合格;否则,进行S7。
S7:通过待检测瓦楞纸表面灰度图得到待检测瓦楞纸表面二值图,将待检测瓦楞纸表面二值图中的瓦楞像素点转换到霍夫空间,得到霍夫空间图像。
在原灰度图像中,瓦楞部分与凹槽部分由于不在同一平面,且瓦楞部分平面高于凹槽平面,故灰度化处理后,瓦楞部分是灰度值较大的部位,而凹槽部分则是灰度值较小的部位,通过二值化处理放大这种区别,白色255部分则为瓦楞部分,黑色0部分则为凹槽部分。再对白色瓦楞部分进行霍夫变换。
对原灰度图像进行二值化处理,则白色高亮部分则为瓦楞部位。
在霍夫空间进行累计:每个数据都可在对应位置的像素值加1。
所有像素点遍历完成后,即可根据累计结果得到对应的矩阵信息,即霍夫空间图像信息。该图像由多条曲线构成,每条曲线表示原空域中一个像素点,曲线相交产生局部高亮点,由几条曲线相交,交点处的像素值即为多少。
S8:获取霍夫空间图像中每列高亮点的方差,选取所有列高亮点的方差中最小的两个方差对应的列分别作为第一目标列和第二目标列,分别通过第一目标列和第二目标列中每个高亮点的像素值以及第一目标列和第二目标列的高亮点像素均值得到第一目标列和第二目标列中每个高亮点的异常程度。
在霍夫空间矩阵(即霍夫空间图像)中,分布有许多由曲线相交而成的局部高亮点,呈垂直于轴多组分布,而每组垂直高亮点则表示原图像中的一组平行线。而沿原图像中瓦楞分布方向的行平行线和垂直于原图像中瓦楞分布方向的列平行线,由于每条平行线上包含的像素点数量相当,反应到霍夫空间图像中,对应的一列高亮点的像素值也应相近,所述高亮点的像素值为对应的原图像中一条平行线上的像素点个数,故可以用方差比较筛选出行平行线和列平行线所对应的高亮点判断列。
计算每一列高亮点像素值的平均值,如下:
计算每列高亮点的方差,如下:
根据行平行线和列平行线所对应的两列高亮点,可以依据每个高亮点像素值与该列均值间的差值来判断该高亮点所对应的原图像中的平行线中是否有像素点缺失,即瓦楞出现缺损异常。
对于第1列,计算该列上第个高亮点的异常程度方式如下:
S9:分别通过第一目标列和第二目标列中所有高亮点的异常程度得到第一目标列和第二目标列中高亮点的缺损影响程度。
由上步骤得到的单个高亮点的异常程度,可以根据其差值权重累加得到缺损影响程度。
计算第1列中局部高亮点的缺损影响程度,表达式如下:
计算第2列中局部高亮点的缺损影响程度,表达式如下:
S10:通过第一目标列和第二目标列中的高亮点像素均值、高亮点个数以及高亮点的缺损影响程度得到待检测瓦楞纸的缺损综合评测系数,通过待检测瓦楞纸的缺损综合评测系数判断该待检测瓦楞纸的质量是否合格。
分别计算第1、2列上高亮点的像素累加值,如下式:
综上所述,缺损综合评测系数越大则表明瓦楞纸上瓦楞缺损范围越大,或者数量越多。
通过缺损综合评测系数对瓦楞纸的质量是否合格进行判断。
本发明利用频谱图中高频高亮点的像素值和频率异常程度得到瓦楞纸整体间距异常程度,从而筛除出存在间距异常的待检测瓦楞纸,将不存在间距异常的待检测瓦楞纸二值图中的瓦楞像素点转换到霍夫空间,利用霍夫空间图像中的相关参数计算瓦楞纸缺损综合评测系数,最后通过缺损综合评测系数快速检测瓦楞纸板的质量是否合格,相对于现有技术,检测效率更高,避免了人工检测花费大量时间,同时提高了检测筛选精度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于图像处理的瓦楞纸质量检测方法,其特征在于,包括:
S1:获取待检测瓦楞纸表面灰度图;
S2:通过待检测瓦楞纸表面灰度图得到待检测瓦楞纸表面频谱图;
S3:通过待检测瓦楞纸表面频谱图中每个高频高亮点对应的三角函数的最小正周期计算每个高频高亮点与低频中心点的距离;
S4:通过待检测瓦楞纸表面频谱图中每个高频高亮点与低频中心点的距离以及像素值最大的高频高亮点与低频中心点的距离得到每个高频高亮点的频率异常程度;
S5:通过所有高频高亮点的像素值和频率异常程度得到待检测瓦楞纸的整体间距异常程度;
S6:利用待检测瓦楞纸的整体间距异常程度判断待检测瓦楞纸是否存在间距异常,若待检测瓦楞纸存在间距异常,判断待检测瓦楞纸质量不合格;否则,进行S7;
S7:通过待检测瓦楞纸表面灰度图得到待检测瓦楞纸表面二值图,将待检测瓦楞纸表面二值图中的瓦楞像素点转换到霍夫空间,得到霍夫空间图像;
S8:获取霍夫空间图像中每列高亮点的方差,选取所有列高亮点的方差中最小的两个方差对应的列分别作为第一目标列和第二目标列,分别通过第一目标列和第二目标列中每个高亮点的像素值以及第一目标列和第二目标列的高亮点像素均值得到第一目标列和第二目标列中每个高亮点的异常程度;
S9:分别通过第一目标列和第二目标列中所有高亮点的异常程度得到第一目标列和第二目标列中高亮点的缺损影响程度;
S10:通过第一目标列和第二目标列中的高亮点像素均值、高亮点个数以及高亮点的缺损影响程度得到待检测瓦楞纸的缺损综合评测系数,通过待检测瓦楞纸的缺损综合评测系数判断该待检测瓦楞纸的质量是否合格。
2.根据权利要求1所述的一种基于图像处理的瓦楞纸质量检测方法,其特征在于,每个高频高亮点与低频中心点的距离为该高频高亮点所对应的三角函数的最小正周期的倒数。
3.根据权利要求1所述的一种基于图像处理的瓦楞纸质量检测方法,其特征在于,获取每个高频高亮点的频率异常程度的方法为:
获取像素值最大的高频高亮点与低频中心点的距离;
通过像素值最大的高频高亮点与低频中心点的距离以及目标高频高亮点与低频中心点的距离得到距离差;
通过该距离差和像素值最大的高频高亮点与低频中心点的距离的比值得到目标高频高亮点的频率异常程度。
5.根据权利要求1所述的一种基于图像处理的瓦楞纸质量检测方法,其特征在于,第一目标列和第二目标列中每个高亮点的异常程度分别为第一目标列和第二目标列中每个高亮点的像素值与第一目标列和第二目标列的像素值均值差值的绝对值。
6.根据权利要求1所述的一种基于图像处理的瓦楞纸质量检测方法,其特征在于,得到第一目标列和第二目标列中高亮点的缺损影响程度的方法为:
分别通过第一目标列和第二目标列中每个高亮点的异常程度和所有高亮点的异常程度得到第一目标列和第二目标列中每个高亮点的异常程度权重;
分别通过第一目标列和第二目标列中所有高亮点的异常程度权重和异常程度得到第一目标列和第二目标列中高亮点的缺损影响程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211194708.6A CN115272331B (zh) | 2022-09-29 | 2022-09-29 | 基于图像处理的瓦楞纸质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211194708.6A CN115272331B (zh) | 2022-09-29 | 2022-09-29 | 基于图像处理的瓦楞纸质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115272331A true CN115272331A (zh) | 2022-11-01 |
CN115272331B CN115272331B (zh) | 2023-10-27 |
Family
ID=83756414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211194708.6A Active CN115272331B (zh) | 2022-09-29 | 2022-09-29 | 基于图像处理的瓦楞纸质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272331B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168024A (zh) * | 2023-04-23 | 2023-05-26 | 苏州大凯纸业有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
CN114926406A (zh) * | 2022-04-28 | 2022-08-19 | 特瑞克电子科技(南通)有限公司 | 基于霍夫变换的光伏电池板异常检测方法 |
-
2022
- 2022-09-29 CN CN202211194708.6A patent/CN115272331B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
CN114926406A (zh) * | 2022-04-28 | 2022-08-19 | 特瑞克电子科技(南通)有限公司 | 基于霍夫变换的光伏电池板异常检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168024A (zh) * | 2023-04-23 | 2023-05-26 | 苏州大凯纸业有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
CN116168024B (zh) * | 2023-04-23 | 2023-07-14 | 苏州大凯纸业有限公司 | 基于计算机视觉的瓦楞纸生产质量实时检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115272331B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9582872B2 (en) | Optical film defect detection method and system thereof | |
CN110400290B (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
CN115239704B (zh) | 一种木材表面缺陷的精准检测修复方法 | |
CN112699876B (zh) | 一种用于集气站多类型仪表自动读数方法 | |
CN115294123B (zh) | 一种基于图像视觉的瓦楞纸板质量检测方法 | |
CN109115800B (zh) | 一种产品毛刺的快速检测及长度精确测量方法 | |
CN101408937B (zh) | 一种字符行定位的方法及装置 | |
CN108416766A (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN110223267A (zh) | 基于高度直方图分割的耐火砖深度缺陷的识别方法 | |
CN110243923B (zh) | 基于交流电磁场的腐蚀缺陷可视化成像及评估方法 | |
CN115018827B (zh) | 一种建材焊缝质量自动检测方法 | |
CN116523923B (zh) | 一种电池外壳缺陷识别方法 | |
CN115272331A (zh) | 基于图像处理的瓦楞纸质量检测方法 | |
CN117132844B (zh) | 一种基于图像处理的光伏板裂纹与划痕的分类方法 | |
CN115861307B (zh) | 基于人工智能的筋膜枪供电驱动板焊接故障检测方法 | |
CN115049671A (zh) | 基于计算机视觉的布匹表面缺陷检测方法及系统 | |
CN111753794A (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
CN112561875A (zh) | 一种基于人工智能的光伏电池板粗栅检测方法 | |
CN115526889A (zh) | 基于图像处理的锅炉压力管道的无损检测方法 | |
CN116168024B (zh) | 基于计算机视觉的瓦楞纸生产质量实时检测方法 | |
CN115797351B (zh) | 一种光伏电池板的异常检测方法 | |
CN115205165B (zh) | 用于工业机械外壳的防腐材料喷涂方法 | |
CN114529555A (zh) | 一种基于图像识别的烟箱高效进出库检测方法 | |
CN108645865A (zh) | 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法 | |
CN105787925B (zh) | 推扫型光学遥感载荷原始图像坏线的自动检测方法和系统 |
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 |