CN115290668A - 一种涂装车身面漆缺陷检测的系统及方法 - Google Patents

一种涂装车身面漆缺陷检测的系统及方法 Download PDF

Info

Publication number
CN115290668A
CN115290668A CN202211187348.7A CN202211187348A CN115290668A CN 115290668 A CN115290668 A CN 115290668A CN 202211187348 A CN202211187348 A CN 202211187348A CN 115290668 A CN115290668 A CN 115290668A
Authority
CN
China
Prior art keywords
image
defect
camera
vehicle body
sampling channel
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
CN202211187348.7A
Other languages
English (en)
Other versions
CN115290668B (zh
Inventor
杨文静
杨文浩
杜金隆
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.)
Suzhou Zhenchang Intelligent Technology Co ltd
Original Assignee
Suzhou Zhenchang 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 Suzhou Zhenchang Intelligent Technology Co ltd filed Critical Suzhou Zhenchang Intelligent Technology Co ltd
Priority to CN202211187348.7A priority Critical patent/CN115290668B/zh
Publication of CN115290668A publication Critical patent/CN115290668A/zh
Application granted granted Critical
Publication of CN115290668B publication Critical patent/CN115290668B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N21/84—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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Textile Engineering (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种涂装车身面漆缺陷检测的系统及方法，应用于缺陷检测技术领域，包括采样通道，所述采样通道内安装有用于对车身进行全方位图像采集的拍摄模组；所述拍摄模组包括机械手、相机和光源，所述光源安装于采样通道的侧壁，所述机械手的一端与采样通道连接，另一端与相机连接，用于带动相机移动，所述相机用于连续采集车身通过采样通道时靠近、进入、远离光源发出光带的图像并向PC端传输，所述PC端包括图像处理模型，通过层次构建的方法对相机传输的图像进行处理；缺陷检测模型，用于对处理后的图像进行缺陷检测并输出缺陷信息；图像拼接模块，通过图像拼接还原车身的整体形貌并通过公式计算定位车身的缺陷区域。

Description

一种涂装车身面漆缺陷检测的系统及方法
技术领域
本发明属于缺陷检测技术领域，具体涉及一种涂装车身面漆缺陷检测的系统及方法。
背景技术
缺陷检测通常是指对物品表面缺陷的检测，表面缺陷检测是采用先进的机器视觉检测技术，对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。
传统的汽车漆面大多采用人工目视检测法，将车置于有强光源照射的检测区域内，在车身停止的情况下，利用肉眼进行缺陷的识别，在人眼的正常视距下能分辨出的最小缺陷尺寸约为0.1mm左右，根据统计缺陷的检出率在70%~80%范围。然而，在灯带下长时间工作容易产生疲劳且对视力造成损害，并且无法精确提供缺陷种类及数据；同时受到车身尺寸及高度的影响，人工检测也存在速度慢的问题，且无法对车身进行全方位的检测。
目前，现有的汽车漆面检测系统大多采用人工目视检测和图像检测两种方法，且现有的图像检测大多通过相机对车身进行定点的图像采集，并对采集的图像进行单独处理。该检测方式，存在图像采集死角问题，不利于车身图像的全面采集，且图像单独处理的方式不利于在检测出缺陷时对车身的缺陷位置进行快速定位。
发明内容
鉴于现有技术中存在上述问题，本发明的目的是提供一种涂装车身面漆缺陷检测的系统及方法，通过在采样通道中分布拍摄模组的结构，在待测车辆移动的过程中连续采集车身通过采样通道时靠近、进入、远离光源发出光带的图像，以采集车身经过光源产生的形态变化，再依靠图像处理模型对采集的图像进行处理、通过缺陷检测模型进行缺陷检测、通过图像拼接模块还原车身的整体形貌并标记缺陷信息和所在车身的位置。
一种涂装车身面漆缺陷检测的系统，包括供待检测车辆通过的采样通道，所述采样通道内安装有用于对车身进行全方位图像采集的拍摄模组；
所述拍摄模组包括机械手、相机和光源，所述光源安装于采样通道的侧壁，所述机械手的一端与采样通道连接，另一端与相机连接，用于带动相机移动，所述相机用于连续采集车身通过采样通道时靠近、进入、远离光源发出光带的图像并向PC端传输；所述PC端包括：
图像处理模型，通过层次构建的方法对相机传输的图像进行处理；
缺陷检测模型，用于对处理后的图像进行缺陷检测并输出缺陷信息；
图像拼接模块，通过图像拼接还原车身的整体形貌并通过公式计算定位车身的缺陷区域。
为了对车身左侧、右侧、前部、顶部和背部的漆面进行图像采集，所述采样通道对应车身左侧、右侧、前部、顶部和背部的位置处分别安装有至少一个拍摄模组。
为了避免出现图像采集死角，所述采样通道位于车身顶部和左侧、右侧连接的R角处安装有拍摄模组。
为了提高采集图像的准确性，所述拍摄模组至少包括平行排列的两排相机，用于从不同的角度对车身的同一侧进行图像采集。
为了对图像进行切片和展平，所述图像处理模型至少包括四个阶段，其中，第一阶段、第二阶段、第三阶段和第四阶段均包括至少两次滑动窗口变换单元，第一阶段还包括切片线性展平单元，第二阶段、第三阶段和第四阶段还包括分割切片单元。
基于上述涂装车身面漆缺陷检测的系统，本发明还提出一种使用该系统的图像处理方法，具体包括如下步骤：
S1、在待检测车辆通过采样通道的过程中，机械手带动相机移动使相机与车身保持一定的距离，相机不断采集车身通过采样通道时靠近、进入、远离光源发出光带的图像；
S2、相机采集的图像实时输入PC端的图像处理模型中进行图像处理，再将处理后的图像输入缺陷检测模型中；
S3、缺陷检测模型根据面漆缺陷特征对图像进行检测识别，并输出存在缺陷的图像中缺陷的长度、宽度、面积和类别信息；
S4、利用图像拼接技术还原车身的整体形貌，根据缺陷在单张图像上的坐标、对应的相机序号、对应的图像序号通过公式计算单张图像上缺陷位置在整体车身上的具体位置；
S5、在显示界面中显示检测缺陷的位置即特征信息，并上传至服务器及云端，用于后续追踪。
为了通过缺陷检测模型对图像进行缺陷检测，所述缺陷检测模型包括用于筛选缺陷图像的数据集。
本发明的有益效果是：该涂装车身面漆缺陷检测的系统及方法，由于合格车身具有表面光滑、喷漆均匀的特点，而存在缺陷的位置会破碎漆面的这种特点，通过在采样通道中安装拍摄模组的结构，实现待测车辆的通过式检测，即通过相机连续采集车身通过采样通道时靠近、进入、远离光源发出光带的图像，区别于传统对车身定点图像采集的方式，该系统所采集的图像能够记录缺陷在光带中的变换，从而能够更加清晰的采集到车身缺陷。
通过层次构建的方法进行图像处理，通过对图像进行切片、展平、线性变换后构建不同尺寸的特征图，有利于提取特征信息，便于缺陷检测模型对特征图进行缺陷检测。
图像拼接模块在现有特征点匹配的基础上，综合考虑相机相对车身的移动及多个相机的位置关系，控制拼接后的图像尺寸，在缺陷检测模型检测到缺陷时，能够通过缺陷在图像上的位置信息，利用公式计算将缺陷位置在最终拼接的车身整体形貌上精准显示，便于检测人员对车身缺陷进行快速定位。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明的拍摄模组分布示意图；
图2是本发明的图像处理模型的层次构建图；
图3是本发明的图像处理模型的流程图；
图4是本发明的图像处理的流程图。
具体实施方式
实施例一
如图1所示，一种涂装车身面漆缺陷检测的系统，包括供待检测车辆通过的采样通道，所述采样通道内安装有用于对车身进行全方位图像采集的拍摄模组。
如图1所示，所述采样通道对应车身左侧、右侧、前部、顶部和背部的位置处分别安装有至少一个拍摄模组，所述采样通道位于车身顶部和左侧、右侧连接的R角处安装有拍摄模组。其中左右两侧各使用一个拍摄模组进行拍摄，前部、顶部、背部使用三个平行排列的拍摄模组进行拍摄。
所述拍摄模组包括机械手、相机和光源，所述拍摄模组至少包括平行排列的两排相机，用于从不同的角度对车身的同一侧进行图像采集，所述光源安装于采样通道的侧壁，所述机械手的一端与采样通道连接，另一端与相机连接，用于带动相机移动，所述相机用于连续采集车身通过采样通道时靠近、进入、远离光源发出光带的图像并向PC端传输，所述相机设有单一的序号。
所述PC端包括通过层次构建的方法对相机传输的图像进行处理的图像处理模型、用于对处理后的图像进行缺陷检测并输出缺陷信息的缺陷检测模型和通过图像拼接还原车身的整体形貌并通过公式计算定位车身的缺陷区域的图像拼接模块。
PC端将接收的图像进行预处理得到特征图像，再将特征图像通过图像处理模型进行分割切片以进行独立的特征提取，用于在保障检测精度的基础上，减小图像处理模型的参数量；
图像处理模型将分割切片后的图像进行展平、线性变换后构建不同尺寸的特征图，缺陷检测模型对特征图像进行检测并输出缺陷信息，然后图像拼接模块融合不同尺寸的特征图还原车身整体形貌并在车身上定位缺陷区域。
如图2所示，所述图像处理模型至少包括四个阶段，其中，第一阶段、第二阶段、第三阶段、第四阶段均包括至少两个滑动窗口变换单元，第一阶段还包括切片线性展平单元，第二阶段、第三阶段和第四阶段还包括分割切片单元。
如图3所示，图像处理模型进行图像处理的方法具体包括如下步骤：
将分割切片后的图像传输入滑动窗口变换单元，首先进行层归一化操作，修正数据分布，再使用W-多块自注意力，提取数据的特征信息，然后将输入的数据与处理后的数据进行融合，提高数据特征的丰富度；再通过层归一化操作，修正数据分布，然后利用多层感知机根据提取到的数据特征信息对数据进行类别划分，其中，W-多块注意力即现有技术中的多头自注意力机制。
如图4所示，基于上述涂装车身面漆缺陷检测的系统，本发明还提出一种使用该系统的图像处理方法，具体包括如下步骤：
S1、在待检测车辆通过采样通道的过程中，机械手带动相机移动使相机与车身保持一定的距离，相机不断采集车身通过采样通道时靠近、进入、远离光源发出光带的图像；
S2、相机采集的图像实时输入PC端的图像处理模型中进行图像处理，再将处理后的图像输入缺陷检测模型中；所述缺陷检测模型包括用于筛选缺陷图像的数据集。
S3、缺陷检测模型根据面漆缺陷特征对图像进行检测识别，并输出存在缺陷的图像中缺陷的长度、宽度、面积和类别信息；
S4、利用图像拼接技术还原车身的整体形貌并显示，根据缺陷在单张图像上的坐标位置、对应的相机序号和对应的图像序号信息，通过公式计算单张图像上缺陷位置在整体车身上的具体位置；
S5、在显示界面中显示检测缺陷的位置即特征信息，并上传至服务器及云端，用于后续追踪。
由于在相机拍摄的过程中，待检测车辆做匀速直线运动，因此，相机拍摄的车身在图像中是连续的，当前图像与前一张图像相比，新记录的区域在当前图像中的占比也是相同的，将该占比定义为C，并将缺陷所在单张图片的宽度定义为W、各相机拍摄图像间重复区域占比定义为F、拍摄到缺陷的相机序号定义为N、缺陷所在单张图像的序号定义为M。
其中，S4中图像拼接的具体步骤包括：
利用图像拼接技术还原车身的整体形貌并显示，然后通过检测到的缺陷在单张图像中的横坐标A和纵坐标B分别通过公式X=A+W*N-F，Y=B+(M-1)*C计算得出缺陷位于整体车身显示图像的横坐标X和纵坐标Y。
其中，图像拼接技术为：利用SUFT算法寻找特征点，根据相机位置和图像采集的频率等信息确定图像裁剪和图像拼接的参数，确定参数的过程需要工作人员查看图像信息并比对统计后最终确定。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (9)

1.一种涂装车身面漆缺陷检测的系统，其特征在于，包括供待检测车辆通过的采样通道，所述采样通道内安装有用于对车身进行全方位图像采集的拍摄模组；
所述拍摄模组包括机械手、相机和光源，所述光源安装于采样通道的侧壁，所述机械手的一端与采样通道连接，另一端与相机连接，用于带动相机移动使相机与车身保持一定的距离，所述相机用于连续采集车身通过采样通道时靠近、进入、远离光源发出光带的图像并向PC端传输，所述相机设有单一的序号；
所述PC端包括：
图像处理模型，通过层次构建的方法对相机传输的图像进行处理；
缺陷检测模型，用于对处理后的图像进行缺陷检测并输出缺陷信息；
图像拼接模块，通过图像拼接还原车身的整体形貌并通过公式计算定位车身的缺陷区域。
2.根据权利要求1所述的系统，其特征在于，所述采样通道对应车身左侧、右侧、前部、顶部和背部的位置处分别安装有至少一个拍摄模组。
3.根据权利要求2所述的系统，其特征在于，所述采样通道位于车身顶部和左侧、右侧连接的R角处安装有拍摄模组。
4.根据权利要求1所述的系统，其特征在于，所述拍摄模组至少包括平行排列的两排相机，用于从不同的角度对车身的同一侧进行图像采集。
5.根据权利要求1所述的系统，其特征在于，所述图像处理模型至少包括四个阶段，其中，第一阶段、第二阶段、第三阶段和第四阶段均包括至少两次滑动窗口变换单元，第一阶段还包括切片线性展平单元，第二阶段、第三阶段和第四阶段还包括分割切片单元。
6.一种使用如权利要求1至5中任一项所述的系统的图像处理方法，其特征在于，具体包括如下步骤：
S1、在待检测车辆通过采样通道的过程中，机械手带动相机移动使相机与车身保持一定的距离，相机不断采集车身通过采样通道时靠近、进入、远离光源发出光带的图像；
S2、相机采集的图像实时输入PC端的图像处理模型中进行图像处理，再将处理后的图像输入缺陷检测模型中；
S3、缺陷检测模型根据面漆缺陷特征对图像进行检测识别，并输出存在缺陷的图像中缺陷的长度、宽度、面积和类别信息；
S4、利用图像拼接技术还原车身的整体形貌并显示，根据缺陷在单张图像上的坐标、对应的相机序号、对应的图像序号通过公式计算单张图像上缺陷位置在整体车身上的具体位置；
S5、在显示界面中显示检测缺陷的位置，并上传至服务器及云端，用于后续追踪。
7.根据权利要求6所述的图像处理方法，其特征在于，所述S2中图像处理的具体步骤包括：
图像处理模型将接收到的图像进行分割切片，然后将分割切片后的图像传输入滑动窗口变换单元，首先进行层归一化操作，修正数据分布，再使用W-多块自注意力，提取数据的特征信息，然后将输入的图像数据与处理后的数据进行融合，提高数据特征的丰富度；再通过层归一化操作，修正数据分布，然后利用多层感知机根据提取到的数据特征信息对数据进行类别划分。
8.根据权利要求6所述的图像处理方法，其特征在于，所述S4中图像拼接的具体步骤包括：
利用图像拼接技术还原车身的整体形貌并显示，然后通过检测到的缺陷在单张图像中的横坐标A和纵坐标B分别通过公式X=A+W*N-F，Y=B+(M-1)*C计算缺陷位于整体车身显示图像的横坐标X和纵坐标Y；其中，W是缺陷所在单张图像的宽度，N是拍摄到缺陷的相机序号，F是相机间拍摄图像的重复区域占比，M是缺陷所在单张图像的序号，C是当前图像与前一张图像相比，新记录的区域在当前图像中的占比。
9.根据权利要求6所述的图像处理方法，其特征在于，所述缺陷检测模型包括用于筛选缺陷图像的数据集。
CN202211187348.7A 2022-09-28 2022-09-28 一种涂装车身面漆缺陷检测的系统及方法 Active CN115290668B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211187348.7A CN115290668B (zh) 2022-09-28 2022-09-28 一种涂装车身面漆缺陷检测的系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211187348.7A CN115290668B (zh) 2022-09-28 2022-09-28 一种涂装车身面漆缺陷检测的系统及方法

Publications (2)

Publication Number Publication Date
CN115290668A true CN115290668A (zh) 2022-11-04
CN115290668B CN115290668B (zh) 2023-02-03

Family

ID=83835014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211187348.7A Active CN115290668B (zh) 2022-09-28 2022-09-28 一种涂装车身面漆缺陷检测的系统及方法

Country Status (1)

Country Link
CN (1) CN115290668B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116973378A (zh) * 2023-09-22 2023-10-31 山东梁山华宇集团汽车制造有限公司 一种车辆生产质量检测系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170132801A1 (en) * 2015-09-14 2017-05-11 Sightline Innovation Inc. System and method for specular surface inspection
CN109856146A (zh) * 2018-12-25 2019-06-07 深圳市智能机器人研究院 一种动态的表面缺陷光学检测系统及方法
CN110146507A (zh) * 2019-04-30 2019-08-20 杭州晶耐科光电技术有限公司 汽车漆面表面外观缺陷检测系统及方法
CN211426295U (zh) * 2019-04-30 2020-09-04 杭州晶耐科光电技术有限公司 一种汽车漆面表面外观缺陷检测系统
US10814800B1 (en) * 2019-12-06 2020-10-27 Degould Limited Vehicle imaging station
CN112326669A (zh) * 2020-10-28 2021-02-05 哈尔滨工程大学 一种涂层缺陷检测与标记系统及方法
CN113884497A (zh) * 2021-09-09 2022-01-04 上海深视信息科技有限公司 一种基于复合光源的fpca飞拍检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170132801A1 (en) * 2015-09-14 2017-05-11 Sightline Innovation Inc. System and method for specular surface inspection
CN109856146A (zh) * 2018-12-25 2019-06-07 深圳市智能机器人研究院 一种动态的表面缺陷光学检测系统及方法
CN110146507A (zh) * 2019-04-30 2019-08-20 杭州晶耐科光电技术有限公司 汽车漆面表面外观缺陷检测系统及方法
CN211426295U (zh) * 2019-04-30 2020-09-04 杭州晶耐科光电技术有限公司 一种汽车漆面表面外观缺陷检测系统
US10814800B1 (en) * 2019-12-06 2020-10-27 Degould Limited Vehicle imaging station
CN112326669A (zh) * 2020-10-28 2021-02-05 哈尔滨工程大学 一种涂层缺陷检测与标记系统及方法
CN113884497A (zh) * 2021-09-09 2022-01-04 上海深视信息科技有限公司 一种基于复合光源的fpca飞拍检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116973378A (zh) * 2023-09-22 2023-10-31 山东梁山华宇集团汽车制造有限公司 一种车辆生产质量检测系统
CN116973378B (zh) * 2023-09-22 2024-01-09 山东梁山华宇集团汽车制造有限公司 一种车辆生产质量检测系统

Also Published As

Publication number Publication date
CN115290668B (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
CN109357630B (zh) 一种多类型工件批量视觉测量系统及方法
CN110609037B (zh) 产品缺陷检测系统及方法
CN109977813B (zh) 一种基于深度学习框架的巡检机器人目标定位方法
CN106356757B (zh) 一种基于人眼视觉特性的电力线路无人机巡检方法
US6266138B1 (en) System and method for detecting defects in a surface of a workpiece
CN105373135A (zh) 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统
CN104048969A (zh) 一种隧道病害的识别方法
CN112686833B (zh) 一种基于卷积神经网络的工业产品表面缺陷检测和分类装置
CN115290668B (zh) 一种涂装车身面漆缺陷检测的系统及方法
CN113947731B (zh) 一种基于接触网安全巡检的异物识别方法及系统
CN111340798A (zh) 深度学习在产品外观瑕疵检测中的应用
CN110189375B (zh) 一种基于单目视觉测量的图像目标识别方法
CN112348034A (zh) 基于无人机图像识别的起重机缺陷检测系统和工作方法
CN104483320A (zh) 工业脱硝催化剂的数字化缺陷检测装置与检测方法
CN110728269B (zh) 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法
CN115972093A (zh) 工件表面的测量方法及装置、机翼壁板软模的打磨方法
CN114972177A (zh) 道路病害识别管理方法、装置及智能终端
CN111724445A (zh) 一种大视野小尺寸识别码的识别方法及系统
CN114252452A (zh) 一种小型回转体外观缺陷和轮廓尺寸在线检测装置及方法
CN113145473A (zh) 一种水果智能分拣系统及方法
CN109862263B (zh) 一种基于图像多维特征识别的移动目标自动跟踪方法
CN111830061A (zh) 基于机器视觉的航空发动机检测系统及方法
CN111486790A (zh) 一种电池全尺寸检测方法与装置
CN117761060A (zh) 一种视觉检测系统及其检测方法
CN109064497B (zh) 一种基于颜色聚类补充学习的视频跟踪方法

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