CN115311300B - 一种锯条缺陷检测方法 - Google Patents
一种锯条缺陷检测方法 Download PDFInfo
- Publication number
- CN115311300B CN115311300B CN202211248069.7A CN202211248069A CN115311300B CN 115311300 B CN115311300 B CN 115311300B CN 202211248069 A CN202211248069 A CN 202211248069A CN 115311300 B CN115311300 B CN 115311300B
- Authority
- CN
- China
- Prior art keywords
- saw blade
- curve
- detected
- row
- accumulation curve
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 11
- 238000009825 accumulation Methods 0.000 claims abstract description 113
- 230000010355 oscillation Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000001228 spectrum Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000003801 milling Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 abstract description 4
- 210000004204 blood vessel Anatomy 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000002950 deficient Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种锯条缺陷检测方法,包括:获取待检测锯条的列累加曲线,获取待检测锯条的列累加曲线的振荡强度,获取待检测锯条与合格锯条的面积比,对待检测锯条的列累加和曲线中大于预设峰值阈值的单峰进行拟合得到第一拟合曲线,对待检测锯条的列累加和曲线中小于预设峰值阈值的部分进行拟合得到第二拟合曲线,根据第一拟合曲线和第二拟合曲线得到待检测锯条未铣齿的程度,根据待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度判断待检测锯条是否存在缺陷,本发明提高了锯条缺陷检测的准确性。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种锯条缺陷检测方法。
背景技术
带锯条由一条坚韧、利齿的锯条张紧在一个框架里构成,用于切割金属、其他有型材料,带锯条的生产和应用非常广泛,普遍应用于机械加工和制造、木料采集和加工,带锯条的锯齿部分是锯条的重要组成部分,使用带锯条进行加工时,是利用带锯条的锯齿进行加工,但是,带锯条生产过程中会因为钢铣刀的间歇停止运转或与复合钢带距离发生变化使相互啮合不紧,导致带锯条的锯齿出现缺损,从而影响带锯条所加工的物品质量,因此,对铣齿后的带锯条进行质量检测,筛查出存在缺陷的带锯条至关重要。
现有的对带锯条的锯齿进行缺陷检测的方法是根据锯齿面积进行检测,获取标准锯条的面积,获取每个待检测锯条的面积,设置面积阈值,当待检测锯条的面积大于面积阈值时,该待检测锯条合格,但是,锯条生产过程中往往存在误差,且锯条的单个锯齿所占面积小,导致单个锯齿缺损时对待检测锯条的面积影响小,因此只根据面积来判断锯条是否合格不准确,会导致存在缺陷的锯条流入市场。
发明内容
本发明提供一种锯条缺陷检测方法,以解决现有的判断锯条是否合格不准确的问题。
本发明的一种锯条缺陷检测方法,采用如下技术方案:
S1、获取待检测锯条灰度图像,对待检测锯条灰度图像进行傅里叶变换得到频谱图像,获取频谱图像的中心点所在列,根据频谱图像中心点所在列的右侧频谱图像绘制待检测锯条的列累加曲线;
S2、获取列累加曲线中极大值和极小值的数量,根据极大值和极小值的数量得到列累加曲线的振荡频率,获取列累加曲线中每个极大值和每个极小值,根据每个极大值和每个极小值得到列累加曲线的振荡幅度,根据列累加曲线的振荡频率和振荡幅度得到待检测锯条的列累加曲线的振荡强度;
S3、对待检测锯条的列累加曲线中每个大于预设峰值阈值的单峰进行拟合得到对应的第一拟合曲线,对待检测锯条的列累加曲线中小于预设峰值阈值的列累加曲线进行拟合得到第二拟合曲线,根据第一拟合曲线和第二拟合曲线交点的横坐标得到待检测锯条未铣齿的程度,根据待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度判断待检测锯条是否存在缺陷。
进一步的,所述待检测锯条的列累加曲线是按如下方法确定的:
获取频谱图像中心点所在列的右侧每列像素点的像素值进行累加得到每列像素点像素值的累加和;
以列数为横坐标,以对应列像素点像素值的累加和为纵坐标绘制待检测锯条的列累加曲线。
进一步的,所述列累加曲线的振荡频率是按如下方法确定的:
获取列累加曲线中的极大值和极小值的数量;
将列累加曲线中的极大值和极小值的数量相加得到极大值和极小值的数量和,利用极大值和极小值的数量和除以频谱图像的宽的一半得到列累加曲线的振荡频率。
进一步的,所述列累加曲线的振荡幅度是按如下方法确定的:
获取列累加曲线中每个极大值的累加和,获取列累加曲线中每个极小值的累加和;
获取列累加曲线中每个极大值的累加和与列累加曲线中每个极小值的累加和的差值,将该差值作为列累加曲线的振荡幅度。
进一步的,所述待检测锯条的列累加曲线的振荡强度是按如下方法确定的:
将列累加曲线的振荡幅度与列累加曲线的振荡频率相乘得到待检测锯条的列累加曲线的振荡强度。
进一步的,所述第一拟合曲线是按如下方法确定的:
对待检测锯条的列累加和曲线中大于峰值阈值的单峰利用最小二乘法进行曲线拟合得到多条第一拟合曲线。
进一步的,所述第二拟合曲线是按如下方法确定的:
对列累加和曲线中小于峰值阈值的部分进行反比例曲线拟合得到第二拟合曲线。
进一步的,所述锯条未铣齿的程度的具体表达式为:
式中:表示锯条未铣齿的程度,表示第条第一拟合曲线,表示第二拟合曲线,表示第条第一拟合曲线的波峰左侧曲线和第二拟合曲线的交点的横坐标,表示第条第一拟合曲线的波峰右侧曲线和第二拟合曲线的交点的横坐标,表示第一拟合曲线的条数,表示第条第一拟合曲线。
进一步的,所述判断待检测锯条是否存在缺陷的方法是:
获取待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度的平方和;
对待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度的平方和开根号得到待检测锯条的评价值;
设置评价值阈值;
当评价值大于评价值阈值时,该待检测锯条不存在缺陷,当评价值小于评价值阈值时,待检测锯条为存在缺陷的锯条。
进一步的,还包括:
获取合格锯条的列累加曲线的面积,获取待检测锯条的列累加曲线的面积,根据待检测锯条的列累加曲线的面积及合格锯条的列累加曲线的面积的比值得到待检测锯条与合格锯条的面积比,其中合格锯条的列累加曲线的面积是指对合格锯条的列累加曲线上的点进行求和积分;
设置面积比阈值,当所得待检测锯条不存在缺陷时,获取该锯条与合格锯条的面积比,当面积比大于面积比阈值时,该锯条为真实合格锯条,当面积比小于面积比阈值时,该锯条存在真实缺陷
本发明的有益效果是:本发明首先获取了待检测锯条的灰度图像,将待检测锯条的灰度图像转化为频谱图,利用了频谱图中心对称的特点,获取了频谱图中心点所在列的右侧的列累加曲线,根据右侧列累加曲线对锯条是否合格进行分析,在保证最终检测结果准确性的同时,减小了计算量;其次,本发明获取了待检测锯条列累加曲线的振荡强度、待检测锯条未铣齿的程度,利用待检测锯条列累加曲线的振荡强度、待检测锯条未铣齿的程度初次判断了待检测锯条是否存在缺陷,获取不存在缺陷的锯条和合格锯条的面积比,根据不存在缺陷的锯条和合格锯条的面积比再次对锯条是否存在缺陷进行二次判断,因此,本发明先初次判断锯条是否存在缺陷,再对不存在缺陷的锯条二次判断,使得最终所得判断结果更加准确。
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为本发明的一种锯条缺陷检测方法的实施例的流程图;
图2为本发明的一种锯条缺陷检测方法的实施例中第一拟合曲线和第二拟合曲线图。
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。
本发明的一种锯条缺陷检测方法的实施例,如图1所示,包括:
S1、获取待检测锯条灰度图像,对待检测锯条灰度图像进行傅里叶变换得到频谱图像,获取频谱图像的中心点所在列,根据频谱图像中心点所在列的右侧频谱图像绘制待检测锯条的列累加曲线。
利用CCD或CMOS工业相机采集生产线中的锯条图像得到待检测锯条图像,将待检测锯条图像进行灰度化处理得到待检测锯条灰度图像。
对待检测锯条灰度图像进行傅里叶变换得到待检测锯条的频谱图像,其中频谱图像的宽为a,获取频谱图像的中心点所在列,获取频谱图像中心点所在列的右侧每列像素点的像素值进行累加得到每列像素点像素值的累加和,以右侧每列像素点的列数为横坐标,以对应列像素点像素值的累加和为纵坐标得到多个累加和点,将累加和点从左到右相连接得到待检测锯条的列累加曲线。
S2、获取列累加曲线中极大值和极小值的数量,根据极大值和极小值的数量得到列累加曲线的振荡频率,获取列累加曲线中极大值和极小值,根据极大值和极小值得到列累加曲线的振荡幅度,根据列累加曲线的振荡频率和振荡幅度得到待检测锯条的列累加曲线的振荡强度。
获取列累加曲线中极大值和极小值的数量,获取列累加曲线中每个极大值和每个极小值。
得到列累加曲线的振荡频率的具体步骤为:将列累加曲线的极大值和极小值的数量相加得到极大值和极小值的和,利用极大值和极小值的和除以频谱图像的宽a的一半得到列累加曲线的振荡频率。
得到列累加曲线的振荡幅度的具体步骤为:获取列累加曲线的每个极大值的累加和,获取列累加曲线每个极小值的累加和,获取列累加曲线中每个极大值的累加和与列累加曲线中每个极小值的累加和的差值,将该差值作为列累加曲线的振荡幅度,振荡幅度越大,该锯条越有可能不存在缺陷。
S3、对待检测锯条的列累加曲线中每个大于预设峰值阈值的单峰进行拟合得到对应的第一拟合曲线,对待检测锯条的列累加曲线中小于预设峰值阈值的列累加曲线进行拟合得到第二拟合曲线,根据第一拟合曲线和第二拟合曲线交点的横坐标得到待检测锯条未铣齿的程度,根据待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度判断待检测锯条是否存在缺陷。
设置峰值阈值,其中该峰值阈值根据具体情况设定,本发明不给出具体值,对待检测锯条的列累加和曲线中大于峰值阈值的单峰利用最小二乘法进行曲线拟合得到多条第一拟合曲线为,如图2所示,分别为,…,,对列累加和曲线中小于峰值阈值的部分进行反比例曲线拟合得到第二拟合曲线,根据第一拟合曲线和第二拟合曲线得到待检测锯条未铣齿的程度,具体表达式如下:
式中:表示待检测锯条未铣齿的程度,表示第条第一拟合曲线,表示第二拟合曲线,表示第条第一拟合曲线的波峰左侧曲线和第二拟合曲线的交点横坐标,表示第条第一拟合曲线的波峰右侧曲线和第二拟合曲线的交点横坐标,表示第一拟合曲线的条数,表示第条第一拟合曲线。
其中,该公式为所有二次曲线的积分在反比例曲线积分与所有二次曲线积分之和,表示了在图像中锯条因为自身的锯齿数量发生变化导致其在所对应的频谱图像中高低频上的幅度发生变化,越大,表示锯条越有可能是正常的,否则,锯条是存在缺陷的,则越大,表示二次曲线F与反比例曲线G在两者之间构成的区域在整个曲线所构成的区域占比越大,则该锯条越有可能是不存在缺陷的锯条。
根据待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度判断待检测锯条是否存在缺陷的具体步骤为:获取待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度的平方和;对待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度的平方和开根号得到待检测锯条的评价值;设置评价值阈值,根据具体情况设定,本发明不给出具体参考值,当评价值大于评价值阈值时,该待检测锯条不存在缺陷,当评价值小于评价值阈值时,待检测锯条为存在缺陷的锯条。
获取合格锯条的列累加曲线的求和积分,获取不存在缺陷的锯条的列累加曲线的求和积分,根据不存在缺陷的锯条的列累加曲线的求和积分与合格锯条的列累加曲线的求和积分的比值得到不存在缺陷的锯条与合格锯条的面积比。
获取合格锯条的列累加曲线的求和积分的具体步骤为:根据步骤S1-S2获取合格锯条的列累加曲线,对合格锯条的列累加曲线中每个累加和点进行积分得到合格锯条的列累加曲线的求和积分。
同理,得到不存在缺陷的锯条的列累加曲线中每个累加和点的求和积分,由于累加曲线的求和积分代表了对应锯条的面积,因此,不存在缺陷的锯条的列累加曲线的求和积分与合格锯条的列累加曲线的求和积分的比值代表了不存在缺陷的锯条与合格锯条的面积比。
需要说明的是,列累加曲线的求和积分所得结果为列累加曲线对应的面积。
设置面积比阈值,获取不存在缺陷的锯条与合格锯条的面积比,当面积比大于面积比阈值时,该锯条为真实合格锯条,当面积比小于面积比阈值时,该锯条存在真实缺陷。
本发明的有益效果是:本发明首先获取了待检测锯条的灰度图像,将待检测锯条的灰度图像转化为频谱图,利用了频谱图中心对称的特点,获取了频谱图中心点所在列的右侧的列累加曲线,根据右侧列累加曲线对锯条是否合格进行分析,在保证最终检测结果准确性的同时,减小了计算量;其次,本发明获取了待检测锯条列累加曲线的振荡强度、待检测锯条未铣齿的程度,利用待检测锯条列累加曲线的振荡强度、待检测锯条未铣齿的程度初次判断了待检测锯条是否存在缺陷,获取不存在缺陷的锯条和合格锯条的面积比,根据不存在缺陷的锯条和合格锯条的面积比再次对锯条是否存在缺陷进行二次判断,因此,本发明先初次判断锯条是否存在缺陷,再对不存在缺陷的锯条二次判断,使得最终所得判断结果更加准确。
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 (9)
1.一种锯条缺陷检测方法,其特征在于,包括:
S1、获取待检测锯条灰度图像,对待检测锯条灰度图像进行傅里叶变换得到频谱图像,获取频谱图像的中心点所在列,根据频谱图像中心点所在列的右侧频谱图像绘制待检测锯条的列累加曲线;
S2、获取列累加曲线中极大值和极小值的数量,根据极大值和极小值的数量得到列累加曲线的振荡频率,获取列累加曲线中每个极大值和每个极小值,根据每个极大值和每个极小值得到列累加曲线的振荡幅度,根据列累加曲线的振荡频率和振荡幅度得到待检测锯条的列累加曲线的振荡强度;
S3、对待检测锯条的列累加曲线中每个大于预设峰值阈值的单峰进行拟合得到对应的第一拟合曲线,对待检测锯条的列累加曲线中小于预设峰值阈值的列累加曲线进行拟合得到第二拟合曲线,根据第一拟合曲线和第二拟合曲线交点的横坐标得到待检测锯条未铣齿的程度,根据待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度判断待检测锯条是否存在缺陷;
所述锯条未铣齿的程度的具体表达式为:
式中:表示锯条未铣齿的程度,表示第条第一拟合曲线,表示第二拟合曲线,表示第条第一拟合曲线的波峰左侧曲线和第二拟合曲线的交点的横坐标,表示第条第一拟合曲线的波峰右侧曲线和第二拟合曲线的交点的横坐标,表示第一拟合曲线的条数,表示第条第一拟合曲线。
2.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,所述待检测锯条的列累加曲线是按如下方法确定的:
获取频谱图像中心点所在列的右侧每列像素点的像素值进行累加得到每列像素点像素值的累加和;
以列数为横坐标,以对应列像素点像素值的累加和为纵坐标绘制待检测锯条的列累加曲线。
3.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,所述列累加曲线的振荡频率是按如下方法确定的:
获取列累加曲线中的极大值和极小值的数量;
将列累加曲线中的极大值和极小值的数量相加得到极大值和极小值的数量和,利用极大值和极小值的数量和除以频谱图像的宽的一半得到列累加曲线的振荡频率。
4.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,所述列累加曲线的振荡幅度是按如下方法确定的:
获取列累加曲线中每个极大值的累加和,获取列累加曲线中每个极小值的累加和;
获取列累加曲线中每个极大值的累加和与列累加曲线中每个极小值的累加和的差值,将该差值作为列累加曲线的振荡幅度。
5.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,所述待检测锯条的列累加曲线的振荡强度是按如下方法确定的:
将列累加曲线的振荡幅度与列累加曲线的振荡频率相乘得到待检测锯条的列累加曲线的振荡强度。
6.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,所述第一拟合曲线是按如下方法确定的:
对待检测锯条的列累加和曲线中大于峰值阈值的单峰利用最小二乘法进行曲线拟合得到多条第一拟合曲线。
7.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,所述第二拟合曲线是按如下方法确定的:
对列累加和曲线中小于峰值阈值的部分进行反比例曲线拟合得到第二拟合曲线。
8.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,所述判断待检测锯条是否存在缺陷的方法是:
获取待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度的平方和;
对待检测锯条的列累加曲线的振荡强度和待检测锯条未铣齿的程度的平方和开根号得到待检测锯条的评价值;
设置评价值阈值;
当评价值大于评价值阈值时,该待检测锯条不存在缺陷,当评价值小于评价值阈值时,待检测锯条为存在缺陷的锯条。
9.根据权利要求1所述的一种锯条缺陷检测方法,其特征在于,还包括:
获取合格锯条的列累加曲线的面积,获取待检测锯条的列累加曲线的面积,根据待检测锯条的列累加曲线的面积及合格锯条的列累加曲线的面积的比值得到待检测锯条与合格锯条的面积比,其中合格锯条的列累加曲线的面积是指对合格锯条的列累加曲线上的点进行求和积分;
设置面积比阈值,当所得待检测锯条不存在缺陷时,获取该锯条与合格锯条的面积比,当面积比大于面积比阈值时,该锯条为真实合格锯条,当面积比小于面积比阈值时,该锯条存在真实缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211248069.7A CN115311300B (zh) | 2022-10-12 | 2022-10-12 | 一种锯条缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211248069.7A CN115311300B (zh) | 2022-10-12 | 2022-10-12 | 一种锯条缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115311300A CN115311300A (zh) | 2022-11-08 |
CN115311300B true CN115311300B (zh) | 2023-04-14 |
Family
ID=83868502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211248069.7A Active CN115311300B (zh) | 2022-10-12 | 2022-10-12 | 一种锯条缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115311300B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1865980B (zh) * | 2006-05-23 | 2010-08-04 | 江苏大学 | 近表面缺陷的超声检测方法 |
CN105467259B (zh) * | 2015-11-16 | 2018-06-29 | 上海天马微电子有限公司 | 检测电容感测线路的检测电路、电容式触摸屏和检测方法 |
CN106442715A (zh) * | 2016-11-21 | 2017-02-22 | 北京金风科创风电设备有限公司 | 表面缺陷检测装置 |
CN111707685B (zh) * | 2020-06-24 | 2024-08-20 | 海南电网有限责任公司海口供电局 | 一种绞合型碳纤维导线耐张线夹压接缺陷检测装置及方法 |
CN114627117B (zh) * | 2022-05-13 | 2022-07-15 | 启东市鸿盛纺织有限公司 | 一种基于投影法的针织物缺陷检测方法和系统 |
CN115099290B (zh) * | 2022-08-29 | 2022-11-01 | 瀚能太阳能(山东)集团有限公司 | 一种太阳能电池板生产质量检测方法 |
-
2022
- 2022-10-12 CN CN202211248069.7A patent/CN115311300B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115311300A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798672B (zh) | 烟丝或梗丝的宽度测定方法、系统及具有该系统的服务器 | |
CN111758024B (zh) | 一种缺陷检测方法及装置 | |
CN109783903B (zh) | 一种基于时间序列的工业用水管道故障诊断方法及系统 | |
CN111650346B (zh) | 大气污染监测数据的自动审核方法、装置及电子设备 | |
US8494802B2 (en) | Computer-implemented methods, computer-readable media, and systems for determining one or more characteristics of a wafer | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN110083803B (zh) | 基于时间序列arima模型取水异常检测方法与系统 | |
EP2296272A2 (en) | Method for detecting and filtering a random noise signal | |
CN108920429B (zh) | 一种水位动态监测的异常数据分析方法 | |
CN107063099A (zh) | 一种基于视觉系统的机械制造业在线质量监测方法 | |
CN116992393B (zh) | 一种基于工业物联网的安全生产监测方法 | |
CN111353131B (zh) | 一种码载偏离度阈值计算的方法 | |
CN115112183A (zh) | 一种用于异形机械零件尺寸检测系统 | |
CN115272336A (zh) | 基于梯度向量的金属零件缺陷精准检测方法 | |
CN115311300B (zh) | 一种锯条缺陷检测方法 | |
CN117808799B (zh) | 基于人工智能的倒角设备加工质量检测方法 | |
CN116071692A (zh) | 一种基于形态学图像处理的水尺水位识别方法及系统 | |
CN117274251B (zh) | 基于图像数据的药品生产过程中药片质量检测方法 | |
CN117522869A (zh) | 图像处理方法和缺陷检测方法、系统、电子设备 | |
JP2005283227A (ja) | 異音検査方法およびその装置 | |
CN108508053A (zh) | 一种系统性极微物理缺陷的检测方法 | |
CN112116014A (zh) | 一种配电自动化设备测试数据离群值检测方法 | |
CN116609370B (zh) | 晶圆量测方法和电子设备 | |
Van Malderen et al. | The homogenization of GPS Integrated Water Vapour time series: methodology and benchmarking the algorithms on synthetic datasets | |
CN117928647B (zh) | 一种食品加工生产线的品质自动检测方法及系统 |
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 |