CN115753765A - 一种识别筒子纱位姿的方法 - Google Patents

一种识别筒子纱位姿的方法 Download PDF

Info

Publication number
CN115753765A
CN115753765A CN202211418143.5A CN202211418143A CN115753765A CN 115753765 A CN115753765 A CN 115753765A CN 202211418143 A CN202211418143 A CN 202211418143A CN 115753765 A CN115753765 A CN 115753765A
Authority
CN
China
Prior art keywords
cheese
image
connected domain
maximum
maximum connected
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
Application number
CN202211418143.5A
Other languages
English (en)
Inventor
周其洪
任佳伟
陈唱
洪巍
岑均豪
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.)
Guangzhou Shengyuancheng Automation Technology Co ltd
Donghua University
Original Assignee
Guangzhou Shengyuancheng Automation Technology Co ltd
Donghua University
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 Guangzhou Shengyuancheng Automation Technology Co ltd, Donghua University filed Critical Guangzhou Shengyuancheng Automation Technology Co ltd
Priority to CN202211418143.5A priority Critical patent/CN115753765A/zh
Publication of CN115753765A publication Critical patent/CN115753765A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

  • Image Analysis (AREA)

Abstract

本发明涉及一种识别筒子纱位姿的方法，在筒子纱的输送过程中，从筒子纱上方拍摄，获取包含完整筒子纱的图像，建立二维连续坐标系0‑UV，再对图像进行处理得到图像中面积最大的连通域即最大连通域的外轮廓，将最大连通域的外轮廓与最大连通域的最小外接圆进行形状匹配，若相似度高于阈值I，则判定筒子纱为竖立放置状态；反之，则判定筒子纱为躺倒放置状态；本发明的方法普适通用简便且可以精确识别筒子纱位姿。

Description

一种识别筒子纱位姿的方法
技术领域
本发明属于纺织装备自动化技术领域，涉及一种识别筒子纱位姿的方法。
背景技术
随着我国的纺织业飞速发展，市场对于纺织业的自动化、智能化要求更高，生产方式的高速、高效及新技术的应用成为未来纺织行业的发展方向。大部分企业在筒子纱生产线上的分拣主要通过人工或半自动方式，这种方式占用了大量的人力资源，同时不利于信息化管控，并且工厂的作业环境对人体也有伤害。研究一种全自动化识别筒子纱位姿的方法显得非常重要。
专利CN208132973U公开了一种机器人变距抓纱机械手装置，机器人前端手腕安装整体变距滑台，可实现多个抓纱夹具横间距和纵间距的变距，由装在机器人末端的相机控制间距调整间距，从而实现一次性抓取多个筒子纱，但此方式只能适用于筒子纱正立或者倒立的姿态，这对于与机械手配合的机械装置设计难度增加，普遍适用性较低。
专利CN212314884U公开了一种基于图像处理的筒子纱夹持机构，夹持结构包含夹爪组件、相机、激光传感器，夹爪利用了三爪定心夹紧原理配合图像处理和传感器实现对纱筒的定心和夹紧，但此方式同样只适用与筒子纱正立和倒立姿态，无法应用于筒子纱躺倒等姿态，普适性差。
因此，研究一种在无人干预的情况下普适通用简便且精确识别筒子纱位姿的方法非常重要。
发明内容
本发明针对现有筒子纱识别普适性差的问题，结合图像处理提供一种识别筒子纱任意位姿的方法。
一种识别筒子纱位姿的方法，在筒子纱的输送过程中，从筒子纱上方拍摄，获取包含完整筒子纱的图像，建立二维连续坐标系0-UV，再对图像进行处理得到图像中面积最大的连通域即最大连通域的外轮廓，将最大连通域的外轮廓与最大连通域的最小外接圆进行形状匹配，若相似度高于阈值I，则判定筒子纱为竖立放置状态；反之，则判定筒子纱为躺倒放置状态；
二维连续坐标系0-UV的原点与图像坐标系原点重合，U轴和V轴分别与图像坐标系x轴和y轴重合且方向一致；
相似度的计算公式如下：
Figure BDA0003941573710000011
式中，I(A，B)代表相似度；i代表Hu矩中不变矩的代号；
Figure BDA0003941573710000012
代表最大连通域的外轮廓的Hu矩中的第i个不变矩；
Figure BDA0003941573710000021
代表最大连通域的最小外接圆的Hu矩中的第i个不变矩；
阈值I的确定方法为：测试w次竖立放置状态的筒子纱，获得w个对应的相似度，并找到最小值
Figure BDA0003941573710000022
同时测试w次躺倒放置状态的筒子纱，获得w个对应的相似度，并找到最大值
Figure BDA0003941573710000023
计算
Figure BDA0003941573710000025
和
Figure BDA0003941573710000026
的平均值即得阈值I，其中，w≥100，筒子纱竖立时形状是圆形，躺倒时形状是类梯形，竖立时最大连通域外轮廓与最大连通域外接圆的相似度相较于躺倒时更高，因为筒子纱有各种大小，形状上会有差异，所以不同筒子纱竖立和躺倒时与外接圆的相似度数值上会有浮动，为了使所设定阈值I能够适应各种大小形状的筒子纱，对不同筒子纱进行多次测试，找出数值浮动的范围，竖立时相似度浮动的最小值一定是高于躺倒时浮动的最大值，取两者的中间值可以区分竖立和躺倒。
作为优选的技术方案：
如上所述的一种识别筒子纱位姿的方法，拍摄采用工业相机，如CMOS相机等。
如上所述的一种识别筒子纱位姿的方法，最大连通域的获取步骤如下：
(a)对图像进行均值滤波，去除图像噪点和纹理信息并保留轮廓信息；
(b)对图像进行阈值分割，设定阈值II，将图像中的数值小于阈值II的像素点转为0，其他像素点转为255，得到二值图；阈值II与筒子纱放置的平台的像素数值和筒子纱的像素数值有关，如果将筒子纱放置在深色平台上，平台的像素数值小于30，筒子纱的像素数值大于30，则阈值II为30；
(c)对二值图进行连通域分析，找出二值图中所有像素点数值为255的连通域，对每个连通域进行编号，并计算每个连通域面积，筛选出最大连通域并保留，去除其他连通域，所保留的连通域即为筒子纱的完整区域，所去除的为二值图中的干扰信息。
如上所述的一种识别筒子纱位姿的方法，均值滤波采用5×5均值滤波器，均值滤波的次数为5次。
如上所述的一种识别筒子纱位姿的方法，最大连通域的外轮廓的获取过程为：对最大连通域进行外轮廓查找，将最大连通域的最外层轮廓以点集坐标(x,y)形式记录下来，即得最大连通域的外轮廓。
如上所述的一种识别筒子纱位姿的方法，将最大连通域的外轮廓与最大连通域的最小外接圆进行形状匹配前，还对图像进行处理得到最大连通域的中心点
Figure BDA0003941573710000027
用该点表示筒子纱所处位置；
最大连通域的中心点
Figure BDA0003941573710000028
的获取过程为：将图像中最大连通域以外的区域像素值置为0，计算最大连通域的质量m，公式如下：
Figure BDA0003941573710000024
uo的计算公式如下：
Figure BDA0003941573710000031
vo的计算公式如下：
Figure BDA0003941573710000032
其中，xs和ys分别为图像x轴向和y轴向的尺寸，n(x，y)为图像像素点(x，y)的数值。
如上所述的一种识别筒子纱位姿的方法，判定筒子纱为竖立放置状态后，还判断筒子纱的大小头朝向，具体方法为：计算最大连通域的内轮廓面积，并将其与阈值III进行比较，若内轮廓面积大于阈值III，则判定筒子纱为大头在上；反之，则判定筒子纱为小头在上；
阈值III的确定方法为：分别对筒子纱的大头端和小头端进行拍摄得到图像a和图像b，再分别对图像a和图像b进行处理得到各自的最大连通域的内轮廓面积后，取平均值，即得阈值III；阈值III的计算属于参数设定的阶段，只需设定一次，不在筒子纱正式识别的流程之内；其中，筒子纱由纱筒以及缠绕在纱筒上的纱线组成，外观形状是圆锥台，有大小头之分，筒子纱的纱筒是中空的，连通域会有一个内轮廓，纱筒大头端比小头端大，所以大头端和小头端的连通域内轮廓的面积大小不一样，取中间值进行区分，另外说明，不同大小筒子纱的纱筒大小锥度都是一样的，所以不需要进行多次测试。
如上所述的一种识别筒子纱位姿的方法，计算最大连通域的内轮廓面积的步骤如下：
(i)对最大连通域进行轮廓查找，将最大连通域的最内层轮廓以点集坐标(x,y)形式记录下来，得到最大连通域的内轮廓；
(ii)根据最大连通域的内轮廓计算得到最大连通域的内轮廓面积。
如上所述的一种识别筒子纱位姿的方法，判定筒子纱为躺倒放置状态后，还计算筒子纱的旋转角，具体方法为：使用霍夫线变换对最大连通域的外轮廓进行直线搜索提取出筒子纱的两条腰线，计算两条腰线的交点S，交点S与中心点
Figure BDA0003941573710000033
组成的向量与坐标系U轴正向的夹角即为筒子纱的旋转角。
如上任一项所述的一种识别筒子纱位姿的方法，整体流程如下：
(1)获取筒子纱的图像；
(2)对图像建立二维连续坐标系0-UV；
(3)对图像进行处理得到图像中最大连通域的外轮廓；
(4)对图像进行处理得到图像中最大连通域的中心点O(uo，vo)；
(5)基于外轮廓判断筒子纱是竖立放置状态还是躺倒放置状态，如果是竖立放置状态，则进入步骤(6)；反之，则进入步骤(7)；
(6)判断筒子纱的大小头朝向；
(7)计算筒子纱旋转角。
有益效果
(1)相较于机械装置需要分级筛选调整筒子纱姿态，并且可能会发生故障还需要人工去处理，图像处理可以适应筒子纱的任意姿态，故障率较低。
(2)在筒子纱走完整个机械装置的过程需要的时间也较长，图像处理可以瞬时得出筒子纱姿态，速度更快，效率更高。
(3)机械装置需要较多的非标设计以及传感器，整体结构较为复杂，成本较高；而图像处理系统只需要相机和机器人即可，整体结构简单，成本较低。
(4)机械装置可能会与筒子纱有摩擦，损坏筒子纱，而图像处理检测的无接触的，减少接触摩擦。
(5)本发明的图像处理算法适应性好，能应用于各种颜色和大小的筒子纱，可识别出筒子纱的任意位置和姿态进行抓取，而不是只能抓取正立或倒立状态的筒子纱，且不受环境光线的影响。
附图说明
图1为筒子纱形状示意图；
图2为筒子纱躺倒放置状态示意图；
图3为筒子纱竖立放置状态示意图；
图4为本发明的识别方法整体流程示意图；
图5为本发明中筒子纱躺倒放置旋转角计算示意图。
具体实施方式
下面结合具体实施方式，进一步阐述本发明。应理解，这些实施方式仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
如图1～3所示，筒子纱由纱筒以及缠绕在纱筒上的纱线组成，外观形状是圆锥台，有大小头之分。
一种识别筒子纱位姿的方法，如图4所示，具体步骤如下：
(1)获取筒子纱的图像；
在筒子纱的输送过程中，使用工业相机从筒子纱上方拍摄，获取包含完整筒子纱的图像；
(2)对图像建立二维连续坐标系0-UV；
二维连续坐标系0-UV的原点与图像坐标系原点重合，U轴和V轴分别与图像坐标系x轴和y轴重合且方向一致；
(3)对图像进行处理得到图像中最大连通域的外轮廓，具体步骤如下：
(a)采用5×5均值滤波器对图像进行5次均值滤波，去除图像噪点和纹理信息并保留轮廓信息；
(b)对图像进行阈值分割，设定阈值II，将图像中的数值小于阈值II的像素点转为0，其他像素点转为255，得到二值图；
(c)对二值图进行连通域分析，找出二值图中所有像素点数值为255的连通域，对每个连通域进行编号，并计算每个连通域面积，筛选出最大连通域并保留，去除其他连通域；
(d)对最大连通域进行外轮廓查找，将最大连通域的最外层轮廓以点集坐标(x,y)形式记录下来，即得最大连通域的外轮廓；
(4)对图像进行处理得到图像中最大连通域的中心点O(uo，vo)；具体过程如下：
将图像中最大连通域以外的区域像素值置为0，计算最大连通域的质量m，公式如下：
Figure BDA0003941573710000051
uo的计算公式如下：
Figure BDA0003941573710000052
vo的计算公式如下：
Figure BDA0003941573710000053
式中，xs和ys分别为图像x轴向和y轴向的尺寸，n(r，y)为图像像素点(x，y)的数值；
(5)基于外轮廓判断筒子纱是否为竖立放置状态；
将最大连通域的外轮廓与最大连通域的最小外接圆进行形状匹配，若相似度高于阈值I，则判定筒子纱为竖立放置状态，进入步骤(6)；反之，则判定筒子纱为躺倒放置状态，进入步骤(7)；
其中：
相似度的计算公式如下：
Figure BDA0003941573710000054
式中，I(A，B)代表相似度；i代表Hu矩中不变矩的代号；
Figure BDA0003941573710000055
代表最大连通域的外轮廓的Hu矩中的第i个不变矩；
Figure BDA0003941573710000056
代表最大连通域的最小外接圆的Hu矩中的第i个不变矩；
阈值I的确定方法为：测试w次竖立放置状态的筒子纱，获得w个对应的相似度，并找到最小值
Figure BDA0003941573710000061
同时测试w次躺倒放置状态的筒子纱，获得w个对应的相似度，并找到最大值
Figure BDA0003941573710000062
计算
Figure BDA0003941573710000064
和
Figure BDA0003941573710000065
的平均值即得阈值I，其中，w≥100；
(6)判断筒子纱的大小头朝向，具体步骤如下：
(i)对最大连通域进行轮廓查找，将最大连通域的最内层轮廓以点集坐标(x,y)形式记录下来，得到最大连通域的内轮廓；
(ii)根据最大连通域的内轮廓计算得到最大连通域的内轮廓面积；
(iii)将最大连通域的内轮廓面积与阈值III进行比较，若内轮廓面积大于阈值III，则判定筒子纱为大头在上；反之，则判定筒子纱为小头在上；其中，阈值III的确定方法为：分别对筒子纱的大头端和小头端进行拍摄得到图像a和图像b，再分别对图像a和图像b进行处理得到各自的最大连通域的内轮廓面积后，取平均值，即得阈值III；
(7)计算筒子纱旋转角；
如图5所示，具体方法为：使用霍夫线变换对最大连通域的外轮廓进行直线搜索提取出筒子纱的两条腰线，计算两条腰线的交点S，交点S与中心点O(uo，vo)组成的向量
Figure BDA0003941573710000063
与坐标系U轴正向的夹角即为筒子纱的旋转角(即图2中的a)。
现结合具体的使用过程，对本发明的一种识别筒子纱位姿的方法，进行简要说明：
使用上述的识别筒子纱位姿的方法进行筒子纱位姿识别实验，实验次数1000次，其中，筒子纱竖立和躺倒放置状态分别进行500次；竖立放置状态下，判断筒子纱大小头朝向准确率为100％，中心点位置误差范围为0～4mm；躺倒放置状态下，中心点位置误差范围为0～5mm，旋转角误差范围为0～3°；上述实验结果表明，本发明识别筒子纱位姿的方法具有较高的有效性和准确性。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (10)

1.一种识别筒子纱位姿的方法，其特征在于，在筒子纱的输送过程中，从筒子纱上方拍摄，获取包含完整筒子纱的图像，建立二维连续坐标系0-UV，再对图像进行处理得到图像中最大连通域的外轮廓，将最大连通域的外轮廓与最大连通域的最小外接圆进行形状匹配，若相似度高于阈值I，则判定筒子纱为竖立放置状态；反之，则判定筒子纱为躺倒放置状态；
最大连通域即面积最大的连通域；
二维连续坐标系0-UV的原点与图像坐标系原点重合，U轴和V轴分别与图像坐标系x轴和y轴重合且方向一致；
相似度的计算公式如下：
Figure FDA0003941573700000011
式中，F(A，B)代表相似度；i代表Hu矩中不变矩的代号；
Figure FDA0003941573700000012
代表最大连通域的外轮廓的Hu矩中的第i个不变矩；
Figure FDA0003941573700000013
代表最大连通域的最小外接圆的Hu矩中的第i个不变矩；
阈值I的确定方法为：测试w次竖立放置状态的筒子纱，获得w个对应的相似度，并找到最小值
Figure FDA0003941573700000014
同时测试w次躺倒放置状态的筒子纱，获得w个对应的相似度，并找到最大值
Figure FDA0003941573700000015
计算
Figure FDA0003941573700000016
和
Figure FDA0003941573700000017
的平均值即得阈值I，其中，w≥100。
2.根据权利要求1所述的一种识别筒子纱位姿的方法，其特征在于，拍摄采用工业相机。
3.根据权利要求1所述的一种识别筒子纱位姿的方法，其特征在于，最大连通域的获取步骤如下：
(a)对图像进行均值滤波，去除图像噪点和纹理信息并保留轮廓信息；
(b)对图像进行阈值分割，设定阈值II，将图像中的数值小于阈值II的像素点转为0，其他像素点转为255，得到二值图；
(c)对二值图进行连通域分析，找出二值图中所有像素点数值为255的连通域，对每个连通域进行编号，并计算每个连通域面积，筛选出最大连通域并保留，去除其他连通域。
4.根据权利要求3所述的一种识别筒子纱位姿的方法，其特征在于，均值滤波采用5×5均值滤波器，均值滤波的次数为5次。
5.根据权利要求1所述的一种识别筒子纱位姿的方法，其特征在于，最大连通域的外轮廓的获取过程为：对最大连通域进行外轮廓查找，将最大连通域的最外层轮廓以点集坐标(x,y)形式记录下来，即得最大连通域的外轮廓。
6.根据权利要求1所述的一种识别筒子纱位姿的方法，其特征在于，将最大连通域的外轮廓与最大连通域的最小外接圆进行形状匹配前，还对图像进行处理得到最大连通域的中心点O(ni)，用该点表示筒子纱所处位置；
最大连通域的中心点O(uo，wo)的获取过程为：将图像中最大连通域以外的区域像素值置为0，计算最大连通域的质量m，公式如下：
Figure FDA0003941573700000021
no的计算公式如下：
Figure FDA0003941573700000022
vo的计算公式如下：
Figure FDA0003941573700000023
其中，xs和ys分别为图像x轴向和y轴向的尺寸，n(x，y)为图像像素点(x，y)的数值。
7.根据权利要求6所述的一种识别筒子纱位姿的方法，其特征在于，判定筒子纱为竖立放置状态后，还判断筒子纱的大小头朝向，具体方法为：计算最大连通域的内轮廓面积，并将其与阈值III进行比较，若内轮廓面积大于阈值III，则判定筒子纱为大头在上；反之，则判定筒子纱为小头在上；
阈值III的确定方法为：分别对筒子纱的大头端和小头端进行拍摄得到图像a和图像b，再分别对图像a和图像b进行处理得到各自的最大连通域的内轮廓面积后，取平均值，即得阈值III。
8.根据权利要求7所述的一种识别筒子纱位姿的方法，其特征在于，计算最大连通域的内轮廓面积的步骤如下：
(i)对最大连通域进行轮廓查找，将最大连通域的最内层轮廓以点集坐标(x,y)形式记录下来，得到最大连通域的内轮廓；
(ii)根据最大连通域的内轮廓计算得到最大连通域的内轮廓面积。
9.根据权利要求6所述的一种识别筒子纱位姿的方法，其特征在于，判定筒子纱为躺倒放置状态后，还计算筒子纱的旋转角，具体方法为：使用霍夫线变换对最大连通域的外轮廓进行直线搜索提取出筒子纱的两条腰线，计算两条腰线的交点S，交点S与中心点O(no)组成的向量与坐标系U轴正向的夹角即为筒子纱的旋转角。
10.根据权利要求1～9任一项所述的一种识别筒子纱位姿的方法，其特征在于，整体流程如下：
(1)获取筒子纱的图像；
(2)对图像建立二维连续坐标系0-UV；
(3)对图像进行处理得到图像中最大连通域的外轮廓；
(4)对图像进行处理得到图像中最大连通域的中心点O(uo，vo)；
(5)基于外轮廓判断筒子纱是竖立放置状态还是躺倒放置状态，如果是竖立放置状态，则进入步骤(6)；反之，则进入步骤(7)；
(6)判断筒子纱的大小头朝向；
(7)计算筒子纱旋转角。
CN202211418143.5A 2022-11-14 2022-11-14 一种识别筒子纱位姿的方法 Pending CN115753765A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211418143.5A CN115753765A (zh) 2022-11-14 2022-11-14 一种识别筒子纱位姿的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211418143.5A CN115753765A (zh) 2022-11-14 2022-11-14 一种识别筒子纱位姿的方法

Publications (1)

Publication Number Publication Date
CN115753765A true CN115753765A (zh) 2023-03-07

Family

ID=85370554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211418143.5A Pending CN115753765A (zh) 2022-11-14 2022-11-14 一种识别筒子纱位姿的方法

Country Status (1)

Country Link
CN (1) CN115753765A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117348555A (zh) * 2023-10-25 2024-01-05 浙江圣越布业有限公司 一种高弹涤纶针织布生产管理方法、系统、智能终端及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117348555A (zh) * 2023-10-25 2024-01-05 浙江圣越布业有限公司 一种高弹涤纶针织布生产管理方法、系统、智能终端及存储介质
CN117348555B (zh) * 2023-10-25 2024-05-14 浙江圣越布业有限公司 一种高弹涤纶针织布生产管理方法、系统、智能终端及存储介质

Similar Documents

Publication Publication Date Title
CN110314854B (zh) 一种基于视觉机器人的工件检测分拣的装置及方法
CN110930357B (zh) 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
Tao et al. Wire defect recognition of spring-wire socket using multitask convolutional neural networks
CN110163853B (zh) 一种边缘缺陷的检测方法
CN107203990B (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN107966454A (zh) 一种基于fpga的端塞缺陷检测装置及检测方法
CN111145165A (zh) 一种基于机器视觉的橡胶密封圈表面缺陷检测方法
CN112037203A (zh) 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统
CN112784717B (zh) 一种基于深度学习的管件自动分拣方法
CN107084992A (zh) 一种基于机器视觉的胶囊检测方法及系统
CN110763700A (zh) 一种半导体元器件缺陷检测方法和设备
CN111369516A (zh) 基于红外图像识别的变压器套管发热缺陷检测方法
CN114693610A (zh) 一种基于机器视觉的焊缝表面缺陷检测方法、设备及介质
CN115359021A (zh) 一种基于激光雷达和相机信息融合的目标定位检测方法
CN106897995A (zh) 一种面向机械装配过程的零部件自动识别方法
CN115753765A (zh) 一种识别筒子纱位姿的方法
Kulkarni et al. An automated computer vision based system for bottle cap fitting inspection
CN113379712A (zh) 一种基于计算机视觉的钢桥螺栓病害检测方法及系统
CN111932490A (zh) 一种用于工业机器人的视觉系统抓取信息提取方法
Fu et al. Medicine glass bottle defect detection based on machine vision
CN115775236A (zh) 基于多尺度特征融合的表面微小缺陷视觉检测方法及系统
CN111353981B (zh) 基于机器视觉的齿轮检测方法、系统及存储介质
CN110969357A (zh) 一种铝合金机加工零件孔洞视觉检测方法
CN114594102B (zh) 一种基于机器视觉的数据线接口自动检测方法
CN113588655A (zh) 一种mdf纤维线条表面缺陷的检测装置及其工作方法

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