CN115532620B - 一种纸浆模塑制品质检装置和方法 - Google Patents
一种纸浆模塑制品质检装置和方法 Download PDFInfo
- Publication number
- CN115532620B CN115532620B CN202211525400.5A CN202211525400A CN115532620B CN 115532620 B CN115532620 B CN 115532620B CN 202211525400 A CN202211525400 A CN 202211525400A CN 115532620 B CN115532620 B CN 115532620B
- Authority
- CN
- China
- Prior art keywords
- pulp
- image
- quality inspection
- positioning
- unit
- 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
- 238000000465 moulding Methods 0.000 title claims abstract description 108
- 238000007689 inspection Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003384 imaging method Methods 0.000 claims abstract description 65
- 238000001514 detection method Methods 0.000 claims abstract description 61
- 239000000463 material Substances 0.000 claims abstract description 54
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 238000007599 discharging Methods 0.000 claims abstract description 21
- 230000007547 defect Effects 0.000 claims description 74
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000005303 weighing Methods 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000001179 sorption measurement Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 description 10
- 238000003860 storage Methods 0.000 description 10
- 230000000903 blocking effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 241000255925 Diptera Species 0.000 description 1
- 229920001131 Pulp (paper) Polymers 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- 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
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- 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
Abstract
本发明公开了一种纸浆模塑制品质检装置和方法,装置包括:物料初始化模块、转盘视觉质检模块以及码垛出料模块;物料初始化模块,用于将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品;转盘视觉质检模块,用于将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果;码垛出料模块,用于基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。本申请在不更改设备硬件情况下对多种类型纸浆模塑制品质检,从而节省了设备场地空间成本,提高了通用性和扩展性。
Description
技术领域
本发明涉及机器视觉技术领域,特别涉及一种纸浆模塑制品质检装置和方法。
背景技术
纸浆模塑制品生产处理工序包括出料、质检、分拣、码垛、贴标、包装等,此过程均为人工操作,这些工序占据了工厂70%以上的人工成本。由于纸浆模塑制品生产设备、技术等发展的速度比较缓慢,自动化程度较低,导致人员需求量大。为了降低人力成本,并随着机械自动化技术的不断发展,研发人员渴望对形状各异的纸浆模塑制品提出一种通用的纸浆模塑质检方案。
在现有的纸浆模塑质检方案中,只能对单个纸浆模塑制品进行质检,已有单个纸浆模塑制品的生产线质检成本高,空间占用较大,不利于批量化生产与应用。而且现有单个纸浆模塑制品质检方法都是基于单个产品检测定制设计的质检方法,更换纸浆模塑产品后,需要重新设计制造质检设备,重新设计开发软件算法,系统装置和软件方法都不具备通用性和扩展性。
发明内容
本申请实施例提供了一种纸浆模塑制品质检装置和方法。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
第一方面,本申请实施例提供了一种纸浆模塑制品质检装置,装置包括:
物料初始化模块、转盘视觉质检模块以及码垛出料模块;其中,
物料初始化模块、转盘视觉质检模块以及码垛出料模块之间机械连接;
物料初始化模块,用于将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品;
转盘视觉质检模块,用于将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果;
码垛出料模块,用于基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。
可选的,物料初始化模块包括生产下料单元、传送单元以及摆正对齐单元;
其中,物料初始化模块包括生产下料单元、传送单元以及摆正对齐单元之间机械连接;其中,
生产下料单元,用于在成型机生产出纸浆模塑制品时,将纸浆模塑制品转移到传送单元的传输带上;
摆正对齐单元,用于将传输带上的纸浆模塑制品进行等间距传送和对齐操作,生成初始化纸浆模塑制品。
可选的,转盘视觉质检模块包括转盘结构单元、吸附单元、成像单元以及质检单元;其中,
吸附单元与成像单元分别与转盘结构单元机械连接;其中,
吸附单元,用于将初始化纸浆模塑制品逐一多次吸附;
转盘结构单元,用于将吸附的纸浆模塑制品旋转至多个目标位置,并在每次旋转后触发成像单元;
成像单元,在收到触发指令时,对吸附的纸浆模塑制品进行正反面多角度视觉成像,生成纸浆模塑制品图像;
质检单元,用于根据纸浆模塑制品图像进行图像质检,生成检测结果。
可选的,码垛出料模块包括分拣单元、码垛单元和称重单元;其中,
分拣单元、码垛单元和称重单元机械连接;
分拣单元,用于根据检测结果将吸附的纸浆模塑制品划分为良品和非良品,并将良品和非良品分别控制传输到不同的传输带;
码垛单元,用于在良品的数量到达预设数量时,对良品进行码垛,得到码垛的良品;
称重单元,用于对码垛的良品进行称重,得到重量,当重量到达预设重量阈值时,打包输出。
第二方面,本申请实施例提供了一种纸浆模塑制品质检方法,方法包括:
物料初始化模块将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品;
转盘视觉质检模块将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果;
码垛出料模块基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。
可选的,根据纸浆模塑制品图像进行图像质检,生成检测结果,包括:
对纸浆模塑制品图像进行预处理,生成预处理图像;
对预处理图像进行粗定位,以确定纸浆模塑制品在完整图像中的目标位置;
根据目标位置确定出纸浆模塑制品的图像区域,得到ROI区域;
对ROI区域进行精定位,以在ROI区域中进行缺陷查找和坐标位置计算,得到检测结果。
可选的,对预处理图像进行粗定位,包括:
在预处理图像中获取纸浆模塑制品轮廓;
根据纸浆模塑制品轮廓定位纸浆模塑外框,并获取外框的左上角坐标位置和右下角坐标位置。
可选的,根据目标位置确定出纸浆模塑制品的图像区域,得到ROI区域,包括:
根据左上角坐标和右下角坐标计算纸浆模塑外框定位置信度;
当纸浆模塑外框定位置信度大于预设置信度阈值时,将纸浆模塑制品轮廓确定为纸浆模塑制品粗定位结果;
将纸浆模塑制品粗定位结果作为ROI区域。
可选的,对ROI区域进行精定位,得到检测结果,包括:
当纸浆模塑外框定位置信度小于等于预设置信度阈值时,将预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果;
其中,卷积神经网络包括目标定位模块以及缺陷精定位模块;
将预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果,包括:
采用目标定位模块对预处理图像进行纸浆模塑制品定位,定位成功后将定位的外框框选区域ROI作为精定位ROI区域;
利用网格划分的形式进行滑窗遍历精定位ROI区域,以计算ROI区域中每个网格的像素块浓度;
根据像素块浓度确定精定位ROI区域是否存在缺陷,得到检测结果;
或者,
当精定位ROI区域存在无法进行缺陷判断的区块时,采用缺陷精定位模块对无法识别的区块进行识别,得到检测结果。
可选的,方法还包括:
根据检测结果在预处理图像中确定出缺陷图像序列;
将所述缺陷图像序列输入预先训练的分类网络中进行缺陷类型识别,输出所述缺陷图像序列中每个缺陷图像对应的缺陷类型概率;
将所述缺陷类型概率反馈至客户端进行展示。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,首先物料初始化模块将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品,然后转盘视觉质检模块将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果,最后码垛出料模块基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。由于本申请设计的转盘视觉质检模块可以在不需要更改设备硬件的情况下,可以对多种类型纸浆模塑制品进行质检,从而节省了设备场地空间成本和物料成本,同时提高了通用性和扩展性。
在本申请实施例中,采用粗定位确定纸浆模塑制品在完整图像中的位置,并将属于纸浆模塑制品的图像区域作为ROI区域,且仅对ROI区域进行精定位,即在ROI感兴趣区域中进行缺陷查找和坐标位置计算,对于ROI区域内没有缺陷的图像。通过采用粗定位和精定位结合的方式可快速输出该纸浆模塑制品本次图像质检为良品或不良品,避免了工人质检带来的视觉疲劳和检验出错,从而提高了质检正确率以及质检效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种纸浆模塑制品质检装置的装置结构示意图;
图2是本申请实施例提供的一种转盘机构质检示意图;
图3是本申请实施例提供的一种转盘机构质检示意图;
图4是本申请实施例提供的一种纸浆模塑制品质检方法的方法流程示意图;
图5是本申请实施例提供的一种纸浆模塑质检方法流程图;
图6是本申请实施例提供的一种电子设备的结构示意图;
图7是本申请实施例提供的一种存储介质的示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种纸浆模塑制品质检方法、装置、存储介质及终端,以解决上述相关技术问题中存在的问题。本申请提供的技术方案中,由于本申请设计的转盘视觉质检模块可以在不需要更改设备硬件的情况下,可以对多种类型纸浆模塑制品进行质检,从而节省了设备场地空间成本和物料成本,同时提高了通用性和扩展性,下面采用示例性的实施例进行详细说明。
请参见图1,为本申请实施例提供了一种纸浆模塑制品质检装置的结构示意图。如图1所示,本申请实施例的装置可以包括:物料初始化模块、转盘视觉质检模块以及码垛出料模块;其中,物料初始化模块、转盘视觉质检模块以及码垛出料模块之间机械连接;物料初始化模块,用于将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品;转盘视觉质检模块,用于将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果;码垛出料模块,用于基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。
在本实施例中,物料初始化模块包括生产下料单元、传送单元以及摆正对齐单元;其中,物料初始化模块包括生产下料单元、传送单元以及摆正对齐单元之间机械连接;其中,生产下料单元,用于在成型机生产出纸浆模塑制品时,将纸浆模塑制品转移到传送单元的传输带上;摆正对齐单元,用于将传输带上的纸浆模塑制品进行等间距传送和对齐操作,生成初始化纸浆模塑制品。
在一种可能的实现方式中,可根据光电传感器获取有无纸浆模塑制品,决定是否吸取纸浆模塑制品至传输带,有纸浆模塑制品时,光电传感器触发信号启动搬料机构动作,完成搬料操作。具体为从成型机生产出纸浆模塑制品后,生产下料单元将纸浆模塑制品转移到传送单元的传输带上的过程。传输带上的纸浆模塑制品通过摆正对齐单元可以完成纸浆模塑制品的规则方向和间距摆放。
具体的,在摆正对齐过程中,等间距传送采用物料均匀分间距机构安装有弹性顶料轴,弹性挡料轴和对应物料感应器。当顶料物料感应器和挡料物料感应器未同时感应到物料时,挡料轴置于挡料工位,以将物料从挡料工位处堆积至物料来料端;当顶料物料感应器和挡料物料感应器同时感应到物料时,执行机构驱动弹性顶料轴伸入顶料工位以顶住物料,挡料轴退出挡料工位,以使得位于顶料工位位置的物料沿着物料输送线输送一定距离,如此反复,以将物料呈一定等间距在传输带上排列传输。本申请中的摆正对齐过程能实现对于不同形状和尺寸的物料,例如纸杯、纸盘、碗碟等不同模塑制品的摆正对齐,摆正对齐单元可实现根据物料尺寸和形状进行自动调整和摆正,因此,提高了该质检设备的通用性。
在本实施例中,转盘视觉质检模块包括转盘结构单元、吸附单元、成像单元以及质检单元;其中,吸附单元与成像单元分别与转盘结构单元机械连接;其中,吸附单元,用于将初始化纸浆模塑制品逐一多次吸附;转盘结构单元,用于将吸附的纸浆模塑制品旋转至多个目标位置,并在每次旋转后触发成像单元;成像单元,在收到触发指令时,对吸附的纸浆模塑制品进行正反面多角度视觉成像,生成纸浆模塑制品图像;质检单元,用于根据纸浆模塑制品图像进行图像质检,生成检测结果。
具体的,转盘视觉质检模块为一个多工位多级转盘机构,功能是实现正反面多角度视觉成像质检。质检具体步骤如下:
一、例如图2所示,传输带将初始化纸浆模塑制品输送到转盘结构单元(即转盘机)1号位吸盘下方,并触发传感器,1号位气缸动作,将吸附单元包含的吸盘推出,吸盘接触待检品,将待检品吸住。二、转盘机逆时针旋转指定θ角度,将1号位吸取的初始化纸浆模塑制品转移至2号位,触发下方成像单元包含的视觉检测传感器,完成底部缺陷检测。三、例如图3所示,转盘机继续逆时针旋转指定θ角度,将2号位吸取的待检制品转移至3号位,3号位气缸动作,将待检品放置至二级回转机构A位,并缩回气缸。四、转盘机继续逆时针旋转指定θ角度,同时二级回转机构也逆时针旋转指定θ角度,将A位待检制品转移至B位,并触发成像单元包含的上方视觉检测传感器,进行纸浆模塑制品缺陷检测,并记录缺陷数据。本申请由于采用了吸附单元、转盘机构和正反面检测工位,吸附单元可适用于多种纸塑制品,吸附之后,可对物料的正面和反面进行无遮挡拍摄,因此,该质检设备可满足多种纸塑品的质检需求,还能提高拍摄精准性,从而提高质检精度。
在本申请实施例中,码垛出料模块包括分拣单元、码垛单元和称重单元;其中,分拣单元、码垛单元和称重单元机械连接;分拣单元,用于根据检测结果将吸附的纸浆模塑制品划分为良品和非良品,并将良品和非良品分别控制传输到不同的传输带;码垛单元,用于在良品的数量到达预设数量时,对良品进行码垛,得到码垛的良品;称重单元,用于对码垛的良品进行称重,得到重量,当重量到达预设重量阈值时,打包输出。
在本申请实施例中,首先物料初始化模块将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品,然后转盘视觉质检模块将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果,最后码垛出料模块基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。由于本申请设计的转盘视觉质检模块可以在不需要更改设备硬件的情况下,可以对多种类型纸浆模塑制品进行质检,从而节省了设备场地空间成本和物料成本,同时提高了通用性和扩展性。
请参见图4,为本申请实施例提供了一种纸浆模塑制品质检方法的方法流程示意图。如图4所示,本申请实施例的方法包括以下步骤:
S101,物料初始化模块将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品;
在本申请实施例中,相比于现有技术中仅对一种模塑制品传输过程中的单次成像,本申请采用的转盘视觉质检模块对不同的模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像,可实现进行全方位无死角成像以及对不同的模塑制品通用成像,同时成像范围多,使得检测的结果更加准确,从而提高质检精度。
S102,转盘视觉质检模块将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果;
在本申请实施例中,在根据纸浆模塑制品图像进行图像质检,生成检测结果时,首先对纸浆模塑制品图像进行预处理,生成预处理图像;预处理至少包括图像滤波,图像去噪,灰度化,直方图均衡化,图像平滑锐化,图像增强,然后对预处理图像进行粗定位,以确定纸浆模塑制品在完整图像中的目标位置,其次根据目标位置确定出纸浆模塑制品的图像区域,得到ROI区域,最后对ROI区域进行精定位,以在ROI区域中进行缺陷查找和坐标位置计算,得到检测结果。其中,ROI区域为感兴趣区域。
例如图5所示,首先输入单元获取纸浆模塑制品图像,预处理单元对纸浆模塑制品图像进行预处理操作,预处理操作包括但不限于图像滤波,图像去噪,灰度化,直方图均衡化,图像平滑锐化,图像增强等操作,目的是获取有利于计算机缺陷识别定位的图像。预处理完成后得到预处理图像。其次定位单元对预处理图像进行定位操作,定位包括粗定位和具体缺陷精定位。粗定位和精定位不是针对同一个目标,其中,粗定位是确定纸浆模塑制品在预处理图像中的位置,属于纸浆模塑制品的图像区域作为ROI区域,且仅对这块ROI区域进行精定位。精定位是指在粗定位ROI区域中进行缺陷查找和坐标位置计算,对于ROI区域内没有缺陷的图像,输出该纸浆模塑制品本次图像质检为(OK)良品,对于ROI区域内判断有缺陷的图像,输出该纸浆模塑制品本次图像质检为(NG)不良品。最后分类单元进行分类操作,分类是对已经定位到缺陷的精定位区域进行类别区分的过程。纸浆模塑制品缺陷包括异色点(线、块),污渍,形变,蚊虫毛发杂质,吸浆不良,背景干扰等,每种缺陷类型在图像上特征表现的都不相同,对于已经区分的缺陷类别样本数据进行分类训练,使具有相同类别的类内之间的距离足够小,具有不同类别的类间距足够大,将每个类别所对应的输出分量归一化,将输入值转换为概率类别输出。由于摄像机抓拍的缺陷图像有可能为低质量图像,模糊和退化造成分类可辨别性降低,本专利提出对错误分类样本策略根据图像质量进行权值调整的方法,特征范数可以很好地代表图像质量,因此,本专利方法通过对特征范数来近似图像质量进行作为缺陷类别区分的一个衡量指标,在提升质量图像类别区分精度的同时也不损失高质量图像类别区分精度。
在本申请实施例中,在对预处理图像进行粗定位时,首先在预处理图像中获取纸浆模塑制品轮廓,然后根据纸浆模塑制品轮廓定位纸浆模塑外框,并获取外框的左上角坐标位置和右下角坐标位置。其中,纸浆模塑制品轮廓具体可采用寻边算法进行确定。
具体的,在根据目标位置确定出纸浆模塑制品的图像区域,得到ROI区域时,首先根据左上角坐标和右下角坐标计算纸浆模塑外框定位置信度,然后当纸浆模塑外框定位置信度大于预设置信度阈值时,将纸浆模塑制品轮廓确定为纸浆模塑制品粗定位结果,最后将纸浆模塑制品粗定位结果作为ROI区域。
具体的,对ROI区域进行精定位,得到检测结果时,首先当纸浆模塑外框定位置信度小于等于预设置信度阈值时,将预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果,其中,卷积神经网络包括目标定位模块以及缺陷精定位模块。
进一步地,将预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果时,首先采用目标定位模块对预处理图像进行纸浆模塑制品定位,定位成功后将定位的外框框选区域ROI作为精定位ROI区域,然后利用网格划分的形式进行滑窗遍历精定位ROI区域,以计算ROI区域中每个网格的像素块浓度,最后根据像素块浓度确定精定位ROI区域是否存在缺陷,得到检测结果;或者,当精定位ROI区域存在无法进行缺陷判断的区块时,采用缺陷精定位模块对无法识别的区块进行识别,得到检测结果。
进一步地,在得到检测结果后,首先根据检测结果在预处理图像中确定出缺陷图像序列,然后将所述缺陷图像序列输入预先训练的分类网络中进行缺陷类型识别,输出所述缺陷图像序列中每个缺陷图像对应的缺陷类型概率,其次将所述缺陷类型概率反馈至客户端进行展示。
在一种可能的实现方式中,预处理步骤是视觉质检第一步,目的是提高图像质量,便于更好地识别缺陷。本专利使用的预处理方法是通过图像限制对比度自适应直方图均衡化提高图像质量。定位分为粗定位和精定位,粗定位是定位纸浆模塑在图像中的位置,位置描述用左上角右下角两个坐标表示,即用左上角坐标A(X1,Y1),右下角坐标B(X2,Y2)表示。粗定位采用寻边算法获取纸浆模塑制品轮廓,并通过最小外接凸包定位纸浆模塑制品的外框,确定A坐标和B坐标位置,根据A坐标和B坐标位置可计算出该纸浆模塑外框定位置信度,当纸浆模塑外框定位置信度高于指定阈值thresh时,直接采用该外框作为纸浆模塑制品粗定位结果,该纸浆模塑外框定位置信度低于指定阈值thresh时,进入卷积神经网络目标定位模块,进行纸浆模塑制品定位。定位成功后将外框框选区域ROI作为精定位区域。精定位是定位ROI区域内是否存在缺陷,缺陷在图像中的特征表现形式异于正常抓拍区域特征,因此,利用网格划分的形式进行滑窗遍历ROI区域,计算网格中像素块浓度,估算该区域是否存在缺陷,对于不确定的区块,采用卷积神经网络中的缺陷精定位模块,进行缺陷判断。通过数据迭代和优化的方式,得到准确的缺陷位置。精定位到缺陷后,进行分类网络识别缺陷类型,分类网络是基于AdaFace和交叉熵损失函数,确保在图像质量高的情况下强调困难样本,图像质量低的情况下,不强调困难样本。完成缺陷识别后,记录缺陷数据完成分拣码垛。分拣码垛是根据视觉质检结果进行操作,即将OK良品统一传输到一个工位传输带,NG不良品统一传输到另一个工位传输带,完成分拣操作。码垛是对已经完成质检的纸浆模塑制品进行码放堆叠操作,码垛装置是一个顶升机构。根据当前纸浆模塑制品个数统计完成指定堆叠数量的产品统一码放。码垛完成后进入称重模块,对于不满足沉重要求的纸浆模塑制品,作为不合格品处理,对于满足称重要求的纸浆模塑制品,作为合格品打包输出,完成整个纸浆模塑制品生产线质检流程。
S103,码垛出料模块基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。
在本申请实施例中,首先物料初始化模块将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品,然后转盘视觉质检模块将初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据纸浆模塑制品图像进行图像质检,生成检测结果,最后码垛出料模块基于检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。由于本申请设计的转盘视觉质检模块可以在不需要更改设备硬件的情况下,可以对多种类型纸浆模塑制品进行质检,从而节省了设备场地空间成本和物料成本,同时提高了通用性和扩展性。
本申请实施方式还提供一种电子设备,以执行上述电子设备的纸浆模塑制品质检方法。请参考图6,其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图6所示,电子设备4包括:处理器400,存储器401,总线402和通信接口403,处理器400、通信接口403和存储器401通过总线402连接;存储器401中存储有可在处理器400上运行的计算机程序,处理器400运行计算机程序时执行本申请前述任一实施方式所提供的电子设备的纸浆模塑制品质检方法。
其中,存储器401可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口403(可以是有线或者无线)实现该装置网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线402可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。其中,存储器401用于存储程序,处理器400在接收到执行指令后,执行程序,前述本申请实施例任一实施方式揭示的电子设备的纸浆模塑制品质检方法可以应用于处理器400中,或者由处理器400实现。
处理器400可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器400中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器400可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401,处理器400读取存储器401中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的电子设备提供的纸浆模塑制品质检方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的纸浆模塑制品质检方法对应的计算机可读存储介质,请参考图7,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),计算机程序在被处理器运行时,会执行前述任意实施方式所提供的纸浆模塑制品质检方法。
需要说明的是,计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的纸浆模塑制品质检方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,纸浆模塑制品质检的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (6)
1.一种纸浆模塑制品质检装置,其特征在于,所述装置包括:
物料初始化模块、转盘视觉质检模块以及码垛出料模块;其中,
所述物料初始化模块、转盘视觉质检模块以及码垛出料模块之间机械连接;
所述物料初始化模块,用于将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品;
所述转盘视觉质检模块,用于将所述初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据所述纸浆模塑制品图像进行图像质检,生成检测结果;其中,
所述根据所述纸浆模塑制品图像进行图像质检,生成检测结果,包括:
对所述纸浆模塑制品图像进行预处理,生成预处理图像;
对所述预处理图像进行粗定位,以确定纸浆模塑制品在完整图像中的目标位置;
根据所述目标位置确定出纸浆模塑制品的图像区域,得到ROI区域;
对所述ROI区域进行精定位,以在所述ROI区域中进行缺陷查找和坐标位置计算,得到检测结果;其中,
所述对所述预处理图像进行粗定位,包括:
在所述预处理图像中获取纸浆模塑制品轮廓;
根据所述纸浆模塑制品轮廓定位纸浆模塑外框,并获取所述外框的左上角坐标位置和右下角坐标位置;其中,
所述根据所述目标位置确定出纸浆模塑制品的图像区域,得到ROI区域,包括:
根据所述左上角坐标和右下角坐标计算所述纸浆模塑外框定位置信度;
当所述纸浆模塑外框定位置信度大于预设置信度阈值时,将所述纸浆模塑制品轮廓确定为纸浆模塑制品粗定位结果;
将所述纸浆模塑制品粗定位结果作为ROI区域;其中,
所述对所述ROI区域进行精定位,得到检测结果,包括:
当所述纸浆模塑外框定位置信度小于等于预设置信度阈值时,将所述预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果;
其中,所述卷积神经网络包括目标定位模块以及缺陷精定位模块;
所述将所述预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果,包括:
采用所述目标定位模块对所述预处理图像进行纸浆模塑制品定位,定位成功后将定位的外框框选区域ROI作为精定位ROI区域;
利用网格划分的形式进行滑窗遍历所述精定位ROI区域,以计算所述ROI区域中每个网格的像素块浓度;
根据所述像素块浓度确定所述精定位ROI区域是否存在缺陷,得到检测结果;
当所述精定位ROI区域存在无法进行缺陷判断的区块时,采用所述缺陷精定位模块对无法识别的区块进行识别,得到检测结果;
所述码垛出料模块,用于基于所述检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。
2.根据权利要求1所述的一种纸浆模塑制品质检装置,其特征在于,
所述物料初始化模块包括生产下料单元、传送单元以及摆正对齐单元;
其中,所述生产下料单元、传送单元以及摆正对齐单元之间机械连接;其中,
所述生产下料单元,用于在成型机生产出纸浆模塑制品时,将所述纸浆模塑制品转移到所述传送单元的传输带上;
所述摆正对齐单元,用于将传输带上的纸浆模塑制品进行等间距传送和对齐操作,生成初始化纸浆模塑制品。
3.根据权利要求1所述的一种纸浆模塑制品质检装置,其特征在于,
所述转盘视觉质检模块包括转盘结构单元、吸附单元、成像单元以及质检单元;其中,
所述吸附单元与所述成像单元分别与所述转盘结构单元机械连接;其中,
所述吸附单元,用于将所述初始化纸浆模塑制品逐一多次吸附;
所述转盘结构单元,用于将吸附的纸浆模塑制品旋转至多个目标位置,并在每次旋转后触发所述成像单元;
所述成像单元,在收到触发指令时,对吸附的纸浆模塑制品进行正反面多角度视觉成像,生成纸浆模塑制品图像;
所述质检单元,用于根据所述纸浆模塑制品图像进行图像质检,生成检测结果。
4.根据权利要求1所述的一种纸浆模塑制品质检装置,其特征在于,
所述码垛出料模块包括分拣单元、码垛单元和称重单元;其中,
所述分拣单元、码垛单元和称重单元机械连接;
所述分拣单元,用于根据所述检测结果将吸附的纸浆模塑制品划分为良品和非良品,并将所述良品和非良品分别控制传输到不同的传输带;
所述码垛单元,用于在良品的数量到达预设数量时,对所述良品进行码垛,得到码垛的良品;
所述称重单元,用于对码垛的良品进行称重,得到重量,当所述重量到达预设重量阈值时,打包输出。
5.一种纸浆模塑制品质检方法,其特征在于,所述方法包括:
物料初始化模块将成型机生产出的纸浆模塑制品进行初始化处理,生成初始化纸浆模塑制品;
转盘视觉质检模块将所述初始化纸浆模塑制品逐一多次吸附并旋转至第一位置进行反面多角度视觉成像、至第二位置进行正面多角度视觉成像,将正反面多角度视觉成像的成像结果确定为纸浆模塑制品图像,并根据所述纸浆模塑制品图像进行图像质检,生成检测结果;其中,所述根据所述纸浆模塑制品图像进行图像质检,生成检测结果,包括:
对所述纸浆模塑制品图像进行预处理,生成预处理图像;
对所述预处理图像进行粗定位,以确定纸浆模塑制品在完整图像中的目标位置;
根据所述目标位置确定出纸浆模塑制品的图像区域,得到ROI区域;
对所述ROI区域进行精定位,以在所述ROI区域中进行缺陷查找和坐标位置计算,得到检测结果;其中,
所述对所述预处理图像进行粗定位,包括:
在所述预处理图像中获取纸浆模塑制品轮廓;
根据所述纸浆模塑制品轮廓定位纸浆模塑外框,并获取所述外框的左上角坐标位置和右下角坐标位置;其中,
所述根据所述目标位置确定出纸浆模塑制品的图像区域,得到ROI区域,包括:
根据所述左上角坐标和右下角坐标计算所述纸浆模塑外框定位置信度;
当所述纸浆模塑外框定位置信度大于预设置信度阈值时,将所述纸浆模塑制品轮廓确定为纸浆模塑制品粗定位结果;
将所述纸浆模塑制品粗定位结果作为ROI区域;其中,
所述对所述ROI区域进行精定位,得到检测结果,包括:
当所述纸浆模塑外框定位置信度小于等于预设置信度阈值时,将所述预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果;
其中,所述卷积神经网络包括目标定位模块以及缺陷精定位模块;
所述将所述预处理图像输入卷积神经网络中进行缺陷查找和坐标位置计算,得到检测结果,包括:
采用所述目标定位模块对所述预处理图像进行纸浆模塑制品定位,定位成功后将定位的外框框选区域ROI作为精定位ROI区域;
利用网格划分的形式进行滑窗遍历所述精定位ROI区域,以计算所述ROI区域中每个网格的像素块浓度;
根据所述像素块浓度确定所述精定位ROI区域是否存在缺陷,得到检测结果;
当所述精定位ROI区域存在无法进行缺陷判断的区块时,采用所述缺陷精定位模块对无法识别的区块进行识别,得到检测结果;
码垛出料模块基于所述检测结果将吸附的纸浆模塑制品逐一进行分拣码垛。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据检测结果在预处理图像中确定出缺陷图像序列;
将所述缺陷图像序列输入预先训练的分类网络中进行缺陷类型识别,输出所述缺陷图像序列中每个缺陷图像对应的缺陷类型概率;
将所述缺陷类型概率反馈至客户端进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211525400.5A CN115532620B (zh) | 2022-12-01 | 2022-12-01 | 一种纸浆模塑制品质检装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211525400.5A CN115532620B (zh) | 2022-12-01 | 2022-12-01 | 一种纸浆模塑制品质检装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115532620A CN115532620A (zh) | 2022-12-30 |
CN115532620B true CN115532620B (zh) | 2023-05-16 |
Family
ID=84722528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211525400.5A Active CN115532620B (zh) | 2022-12-01 | 2022-12-01 | 一种纸浆模塑制品质检装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115532620B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507976A (zh) * | 2020-04-28 | 2020-08-07 | 浙江省北大信息技术高等研究院 | 基于多角度成像的缺陷检测方法及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2991973B1 (fr) * | 2012-06-18 | 2015-05-22 | Proditec | Dispositif de triage de produits |
WO2015142457A1 (en) * | 2014-03-21 | 2015-09-24 | Gii Acquisition, Llc Dba General Inspection, Llc | High-speed, high-resolution, triangulation-based, 3-d method and system for inspecting manufactured parts and sorting the inspected parts |
JP6783671B2 (ja) * | 2017-01-13 | 2020-11-11 | 株式会社東芝 | 区分システム、認識支援装置、認識支援方法、および認識支援プログラム |
EP3658600A4 (en) * | 2017-07-28 | 2021-06-02 | Phillips 66 Company | HIGH PERFORMANCE POLYMERS WITH A WIDE GAP FOR ORGANIC PHOTOVOLTAICS |
EP3816857A1 (en) * | 2019-11-04 | 2021-05-05 | TOMRA Sorting GmbH | Neural network for bulk sorting |
CN111299166A (zh) * | 2020-01-21 | 2020-06-19 | 山东浪潮通软信息科技有限公司 | 一种基于认知视觉的拉链质量检测系统及方法 |
CN113772419B (zh) * | 2021-11-10 | 2022-02-11 | 苏州佳祺仕信息科技有限公司 | 一种上下料旋转检测系统 |
CN114378006B (zh) * | 2022-01-11 | 2023-09-08 | 广东国顺隆电子科技有限公司 | 一种用于环型压敏电阻器的全自动检查和测试装置 |
CN115254667A (zh) * | 2022-07-29 | 2022-11-01 | 苏州中科行智智能科技有限公司 | 一种手机框辅料项缺陷检测设备及方法 |
-
2022
- 2022-12-01 CN CN202211525400.5A patent/CN115532620B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507976A (zh) * | 2020-04-28 | 2020-08-07 | 浙江省北大信息技术高等研究院 | 基于多角度成像的缺陷检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115532620A (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102102874B1 (ko) | 자동 광학 검사 시스템 및 그 동작 방법 | |
CN102713579B (zh) | 外观检查装置 | |
CN113608378B (zh) | 一种基于lcd制程的全自动缺陷检测方法和系统 | |
CN112862770A (zh) | 一种基于人工智能的缺陷分析诊断系统、方法、装置 | |
CN104952754B (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
CN112150439A (zh) | 注塑件的自动分拣设备及分拣方法 | |
CN114998314A (zh) | 一种基于计算机视觉的pcb电路板缺陷检测方法 | |
CN112164050A (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN114332622A (zh) | 一种基于机器视觉的标签检测方法 | |
CN112345534B (zh) | 一种基于视觉的泡罩板中颗粒的缺陷检测方法及系统 | |
CN110596118A (zh) | 印刷图案检测方法及印刷图案检测装置 | |
CN115532620B (zh) | 一种纸浆模塑制品质检装置和方法 | |
CN110458231B (zh) | 一种陶瓷产品检测方法、装置和设备 | |
CN112338898A (zh) | 物体分选系统的图像处理方法、装置及物体分选系统 | |
CN116448780A (zh) | 芯片缺陷检测装置、方法及设备 | |
CN113751332A (zh) | 视觉检查系统和检查零件的方法 | |
CN116908185A (zh) | 物品的外观缺陷检测方法、装置、电子设备及存储介质 | |
KR102572968B1 (ko) | 딥러닝을 이용한 웨이퍼 검사방법과 이것을 구현하기 위한 웨이퍼 검사장치 | |
CN114187269B (zh) | 小零器件表面缺陷边缘快速检测方法 | |
US20180176549A1 (en) | Multi-view-angle image capturing device and multi-view-angle image inspection apparatus using the same | |
CN115138596A (zh) | 一种视觉检测的方法及装置 | |
CN114535116A (zh) | 一种视觉检测装置 | |
CN111351754A (zh) | 瓶底缺陷检测系统及方法 | |
CN117190866B (zh) | 多个堆叠电子元器件的极性判别检测方法、装置和设备 | |
CN115619783B (zh) | 产品加工缺陷的检测方法及装置、存储介质、终端 |
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 |