CN116008294A - 一种基于机器视觉的键帽表面颗粒缺陷检测方法 - Google Patents
一种基于机器视觉的键帽表面颗粒缺陷检测方法 Download PDFInfo
- Publication number
- CN116008294A CN116008294A CN202211601776.XA CN202211601776A CN116008294A CN 116008294 A CN116008294 A CN 116008294A CN 202211601776 A CN202211601776 A CN 202211601776A CN 116008294 A CN116008294 A CN 116008294A
- Authority
- CN
- China
- Prior art keywords
- key cap
- keycap
- image
- guide rail
- tray
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 230000007547 defect Effects 0.000 title claims abstract description 59
- 239000002245 particle Substances 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 22
- 150000002500 ions Chemical class 0.000 claims abstract description 14
- 230000003068 static effect Effects 0.000 claims abstract description 11
- 239000002699 waste material Substances 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000005260 corrosion Methods 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 abstract description 6
- 208000003464 asthenopia Diseases 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种基于机器视觉的键帽表面颗粒缺陷检测方法，属于机器视觉检测和机电一体化领域，包括上料机械手，其中上料机械手自动抓取键帽托盘上料，同时键帽整齐排列在键帽托盘中，通过除静电离子风棒去除静电离子后，经由环形导轨运输线输送至视觉检测工位；同时视觉检测相机采集键帽托盘图像并传输给工控机，并通过工控机安装的软件根据所提出的图像处理算法检测键帽表面颗粒缺陷，判断产品是否合格，并根据判断结果对剔废二轴机械手的控制器发出指令；本发明通过机器视觉检测方法识别键盘中键帽表面颗粒缺陷，解决了因人工长时间目检带来的视觉疲劳而导致检测准确率、效率低，错检、漏检率高的问题，降低了检测者的工作强度。
Description
技术领域
本发明涉及机器视觉检测和机电一体化技术领域，尤其涉及一种基于机器视觉的键帽表面颗粒缺陷检测方法。
背景技术
键帽是键盘必不可少的组成部分，键帽表面完好无缺陷是键盘使用者拥有良好体验的重要保障。在键帽的实际生产中，由于材料、模具等各种因素的影响，导致键帽的表面可能存在颗粒缺陷，影响打字手感。因此，需要对键帽进行颗粒缺陷检测，及时剔除不合格键帽，以保证产品合格率和用户打字体验。
随着机器视觉检测技术的飞速发展，目前可以运用机器视觉检测技术来代替人工目检，同时结合机电一体化设备实现不良键帽的自动识别和剔除。
发明内容
本发明的目的是为了解决现有技术中由于键帽表面颗粒缺陷尺寸过小导致人工目检难识别且耗时长的问题，满足全自动化产品检测线的问题，而提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于机器视觉的键帽表面颗粒缺陷检测方法，包括上料机械手，其中上料机械手自动抓取键帽托盘上料，同时键帽整齐排列在键帽托盘中，通过除静电离子风棒去除静电离子后，经由环形导轨运输线输送至视觉检测工位；
同时视觉检测相机采集键帽托盘图像并传输给工控机，并通过工控机安装的软件根据所提出的图像处理算法检测键帽表面颗粒缺陷，判断产品是否合格，并根据判断结果对剔废二轴机械手的控制器发出指令；
键帽托盘继续输送至剔废工位，通过剔废二轴机械手根据控制器的指令，对不良键帽进行剔除，将合格键帽输送至下料工位，由下料机械手下料。
作为上述方案的进一步描述：检测键帽表面颗粒缺陷的图像处理算法具体按以下步骤实施：
S1、识别键帽托盘图像中的键帽，具体为：
采集键帽托盘图像并对其进行二值化处理，即将低于和高于阈值的像素设置为白色，其余设置为黑色，然后对二值化后的图像进行形态学处理(开运算)和中值滤波；
在预处理后的键帽托盘图像中查找所有轮廓，计算各轮廓所包围的面积；
通过设置轮廓面积阈值筛选出键帽轮廓，求得键帽轮廓的最小外接矩形，并根据最小外接矩形位置坐标来截取各个键帽的图像；
S2、检测键帽颗粒缺陷，具体为：
对键帽图像进行二值化处理，然后对二值化后的图像进行形态学处理(包括腐蚀和开运算)以及中值滤波；
在预处理后的键帽图像中查找所有轮廓，求得包围轮廓的最小外接矩形，并根据最小外接矩形位置坐标截取各个轮廓图像；
S3、根据S2中的方式，获取各轮廓图像的最小像素值minc和最大像素值maxc，根据式(1)和式(2)求平均像素值meanc和标准差stddevc：
式(1)中N表示轮廓图像的像素个数，srci为轮廓图像中第i个点的像素值；
根据键帽中颗粒缺陷位置的最小像素值、最大像素值、平均像素值和像素值标准差的范围，确定最小像素阈值amin，最大像素阈值amax，平均像素阈值amean和像素值标准差阈值astddev；
S4、若轮廓图像的最小像素值、最大像素值、平均像素值和像素值标准差在阈值范围内，则判定该轮廓图像为键帽颗粒缺陷轮廓图像，反之则不是缺陷轮廓图像；若键帽中所有轮廓均非颗粒缺陷轮廓，则此键帽合格。
作为上述方案的进一步描述：于权利要求1中所述的键帽表面颗粒缺陷视觉检测方法的产品检测线；
所述产品检测线包括上料工位、视觉检测工位、剔废工位、下料工位，以及环形导轨输送线，四个工位围绕环形导轨运输线呈环状分布，同时所述环形导轨运输线，包括环形导轨、两个导轨滑块；
其中所述上料工位包括四轴机器人、吸盘以及键帽托盘，且所述四轴机器人将键帽托盘放置于所述环形导轨运输线的导轨滑块顶端，并通过所述环形导轨运输线输送至视觉检测工位；
所述视觉检测工位包括相机、光源、Z轴升降伺服电机和Y轴平移伺服电机，所述Z轴升降伺服电机、Y轴平移伺服电机控制所述相机、光源的移动，所述相机采集键帽托盘图像并传输给工控机，工控机安装的软件根据图像处理算法对传输的键帽托盘图像进行缺陷检测，根据检测结果向剔废机械手的控制器发出指令；
所述剔废工位包括剔废二轴机械手和废料仓，所述剔废二轴机械手根据工控机发出的指令执行操作，将不合格键帽由所述剔废二轴机械手放至所述废料仓；
所述下料工位包括四轴机器人和吸盘，所述四轴机器人通过所述吸盘将导轨滑块上合格的键帽下料。
作为上述方案的进一步描述：所述上料工位与所述视觉检测工位之间安装有除静电离子风棒，所述环形导轨运输线包括环形导轨、多个导轨滑块、同步带驱动组件、同步带及同步带连接件与定位装置，所述同步带驱动组件安装在环形导轨内侧，所述工装吸盘兼容各种托盘，可以快速换型。
作为上述方案的进一步描述：所述表面颗粒缺陷检测系统上面安装有透明罩壳，所述透明罩壳上方安装有三色灯，且侧面安装显示器和触摸屏，同时所述视觉检测线整体呈环状分布。
作为上述方案的进一步描述：。
与现有技术相比，本发明提供了一种基于机器视觉的键帽表面颗粒缺陷检测方法，具备以下有益效果：
1、该基于机器视觉的键帽表面颗粒缺陷检测方法，通过机器视觉检测方法识别键盘中键帽表面颗粒缺陷，解决了因人工长时间目检带来的视觉疲劳而导致检测准确率、效率低，错检、漏检率高的问题，降低了检测者的工作强度。
2、该基于机器视觉的键帽表面颗粒缺陷检测方法，通过检测系统结构简单，易于制造，并方便拓展应用于其他产品的视觉检测。
3、该基于机器视觉的键帽表面颗粒缺陷检测方法，其中系统采用负压吸盘，上料、下料平稳、可靠，且通过机械手实现自动上下料，无需人工搬运，从而降低工作人员的劳动强度。
4、该基于机器视觉的键帽表面颗粒缺陷检测方法，系统采用环形导轨运输线，其运行高速平稳、定位精度高、性能稳定可靠，可大大提高输送效率及检测效率，从而有效提高了待测键帽在输送过程中的传输效率，提高了检测效率，减小机器的整体尺寸。
5、该基于机器视觉的键帽表面颗粒缺陷检测方法，系统兼容各种托盘，可以快速换型，适用于绝大多数的型号。
附图说明
图1为本发明提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法和图像处理算法流程图；
图2为本发明提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法的图像处理算法示例图；
图3为本发明提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法的检测结果示例图；
图4为本发明提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法的整体结构图；
图5为本发明提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法的工位结构图；
图6为本发明提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法的上料、下料工位的结构图；
图7为本发明提出的一种基于机器视觉的键帽表面颗粒缺陷检测方法流程图。
图中：3、产品检测线；4、电气柜；5、下机架；6、总开关；7、除静电离子风棒；8、透明罩壳；9、真空发生器；10、废料仓；11、三色灯；12、上料工位；13、视觉检测工；14、下料工位；15、环形导轨运输线；16、剔废工位；17、键帽托盘；18、吸盘；19、四轴机器人。
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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制；术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性，此外，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。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。
实施例一：参照图1-图7，一种基于机器视觉的键帽表面颗粒缺陷检测方法，包括上料机械手，上料机械手设置于上料工位12上，其中上料机械手自动抓取键帽托盘17上料，同时键帽整齐排列在键帽托盘17中，通过除静电离子风棒7去除静电离子后，经由环形导轨运输线15输送至视觉检测工13位；
同时视觉检测相机采集键帽托盘17图像并传输给工控机，并通过工控机安装的软件根据所提出的图像处理算法检测键帽表面颗粒缺陷，判断产品是否合格，并根据判断结果对剔废二轴机械手的控制器发出指令；
键帽托盘17继续输送至剔废工位16，通过剔废二轴机械手根据控制器的指令，对不良键帽进行剔除，将合格键帽输送至下料工位14，由下料机械手下料，下料机械手设置于下料工位14上；
检测键帽表面颗粒缺陷的图像处理算法具体按以下步骤实施：
S1、识别键帽托盘17图像中的键帽，具体为：
图2(a)为键帽托盘17图像，对键帽托盘17图像进行二值化，即将低于像素阈值75和高于像素阈值200的像素设置为255，其余设置为0，如图2(b)所示；
采集键帽托盘17图像并对其进行二值化处理，即将低于和高于阈值的像素设置为白色，其余设置为黑色，然后对二值化后的图像进行形态学处理(开运算)和中值滤波，对二值化后的图像进行形态学处理(开运算)和中值滤波，其中开运算卷积核的大小为3×3，中值滤波的滤波核大小为5，图2(c)为预处理后的键帽托盘17图像；
在预处理后的键帽托盘17图像中查找所有轮廓，计算各轮廓所包围的面积；通过设置轮廓面积阈值筛选出键帽轮廓，求得键帽轮廓的最小外接矩形，图2(d)为绘制最小外接矩形后的键帽托盘17图像，并根据最小外接矩形位置坐标来截取各个键帽的图像；
S2、检测键帽颗粒缺陷，具体为：
图3(a)为键帽图像，对键帽图像进行二值化处理，即将低于像素阈值55和高于像素阈值185的像素设置为255,，其余设置为0，如图3(b)所示，然后对二值化后的图像进行形态学处理(包括腐蚀和开运算)以及中值滤波，其中腐蚀运算卷积核为3×3，开运算卷积核为7×7，中值滤波的滤波核为5，图3(c)为预处理后的键帽图像；
在预处理后的键帽图像中查找所有轮廓，求得包围轮廓的最小外接矩形，并根据最小外接矩形位置坐标截取各个轮廓图像；
S3、根据S2中的方式，获取各轮廓图像的最小像素值minc和最大像素值maxc，根据式(1)和式(2)求平均像素值meanc和标准差stddevc：
式(1)中N表示轮廓图像的像素个数，srci为轮廓图像中第i个点的像素值；
根据键帽中颗粒缺陷位置的最小像素值、最大像素值、平均像素值和像素值标准差的范围，确定最小像素阈值amin＝60，最大像素阈值amax＝140，平均像素阈值amean＝80和像素值标准差阈值astddev＝15；
S4、若轮廓图像的最小像素值、最大像素值、平均像素值和像素值标准差在阈值范围内，则判定该轮廓图像为键帽颗粒缺陷轮廓图像，如图3(d)所示，反之则不是缺陷轮廓图像；若键帽中所有轮廓均非颗粒缺陷轮廓，则此键帽合格。
实施例二、如图3-图6所示，基于上述实施例的基础上，键帽表面颗粒缺陷检测系统设有产品检测线3，包括上料工位12、视觉检测工位13、剔废工位16和下料工位14，四个工位围绕环形导轨运输线15呈环状分布，产品检测线安装在下机架5上，下机架5中固定有电气柜4、废料仓10、真空发生器9，电气柜4侧方固定有总开关6；
在产品检测线3上方安装透明罩壳8，方便工作人员观察产品检测线3的运行状况，同时防止空气中的灰尘、杂质等落在待检测键帽、相机镜头上，使采集图像更加准确，同时在透明罩壳8上方一角安装有三色灯11，通过三色灯11对整个机器运行状况进行展示；
上料工位12和视觉检测工位13之间安装有除静电离子风棒7，可以尽可能快速消除待检测键帽上的静电离子，如图6为上料、下料工位的结构图：包括键帽托盘17、吸盘18、四轴机器人19，四轴机器人19固定在下机架5上，吸盘18安装在四轴机器人19末端，吸盘通过键帽托盘17传送键帽至环形导轨输送线15进行上料，或者通过键帽托盘17从环形导轨输送线15进行下料。键帽在运输过程中，键帽被整齐摆放在键帽托盘上，不会被其他夹持装置进行遮挡，能尽可能地将表面裸露出来，提高检测的准确度；
其中图5为视觉检测工位的结构图，包括相机、光源、Z轴升降伺服电机和Y轴平移伺服电机，相机为线扫相机，光源为线扫光源，相机和光源的控制器均与工控机连接，Z轴升降伺服电机、Y轴平移伺服电机控制相机、光源的移动，相机采集键帽图像并传输给工控机，工控机安装的软件根据图像处理算法对传输的键帽图像进行缺陷检测，根据检测结果向剔废机械手的控制器发出指令；
图6为剔废工位的结构图：包括二轴机械手、废料仓，被检测键帽传送至剔废工位，环形导轨运输线15暂停，二轴机械手根据控制器发出的指令，剔除键帽托盘中检测到的不良键帽；剔废完毕后，环形导轨运输线15运行，合格的键帽传送至下料工位。
以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于机器视觉的键帽表面颗粒缺陷检测方法，其特征在于，包括：
上料机械手，其中上料机械手自动抓取键帽托盘上料，同时键帽整齐排列在键帽托盘中，通过除静电离子风棒去除静电离子后，经由环形导轨运输线输送至视觉检测工位；
同时视觉检测相机采集键帽托盘图像并传输给工控机，并通过工控机安装的软件根据所提出的图像处理算法检测键帽表面颗粒缺陷，判断产品是否合格，并根据判断结果对剔废二轴机械手的控制器发出指令；
键帽托盘继续输送至剔废工位，通过剔废二轴机械手根据控制器的指令，对不良键帽进行剔除，将合格键帽输送至下料工位，由下料机械手下料。
2.根据权利要求1所述的基于机器视觉的键帽表面颗粒缺陷检测方法，其特征在于，检测键帽表面颗粒缺陷的图像处理算法具体按以下步骤实施：
S1、识别键帽托盘图像中的键帽，具体为：
采集键帽托盘图像并对其进行二值化处理，即将低于和高于阈值的像素设置为白色，其余设置为黑色，然后对二值化后的图像进行形态学处理(开运算)和中值滤波；
在预处理后的键帽托盘图像中查找所有轮廓，计算各轮廓所包围的面积；
通过设置轮廓面积阈值筛选出键帽轮廓，求得键帽轮廓的最小外接矩形，并根据最小外接矩形位置坐标来截取各个键帽的图像；
S2、检测键帽颗粒缺陷，具体为：
对键帽图像进行二值化处理，然后对二值化后的图像进行形态学处理(包括腐蚀和开运算)以及中值滤波；
在预处理后的键帽图像中查找所有轮廓，求得包围轮廓的最小外接矩形，并根据最小外接矩形位置坐标截取各个轮廓图像；
S3、根据S2中的方式，获取各轮廓图像的最小像素值minc和最大像素值maxc，根据式(1)和式(2)求平均像素值meanc和标准差stddevc：
式(1)中N表示轮廓图像的像素个数，srci为轮廓图像中第i个点的像素值；
根据键帽中颗粒缺陷位置的最小像素值、最大像素值、平均像素值和像素值标准差的范围，确定最小像素阈值amin，最大像素阈值amax，平均像素阈值amean和像素值标准差阈值astddev；
S4、若轮廓图像的最小像素值、最大像素值、平均像素值和像素值标准差在阈值范围内，则判定该轮廓图像为键帽颗粒缺陷轮廓图像，反之则不是缺陷轮廓图像；若键帽中所有轮廓均非颗粒缺陷轮廓，则此键帽合格。
3.根据权利要求1所述的基于机器视觉的键帽表面颗粒缺陷检测方法，其特征在于，于权利要求1中所述的键帽表面颗粒缺陷视觉检测方法的产品检测线；
所述产品检测线包括上料工位、视觉检测工位、剔废工位、下料工位，以及环形导轨输送线，四个工位围绕环形导轨运输线呈环状分布，同时所述环形导轨运输线，包括环形导轨、两个导轨滑块；
其中所述上料工位包括四轴机器人、吸盘以及键帽托盘，且所述四轴机器人将键帽托盘放置于所述环形导轨运输线的导轨滑块顶端，并通过所述环形导轨运输线输送至视觉检测工位；
所述视觉检测工位包括相机、光源、Z轴升降伺服电机和Y轴平移伺服电机，所述Z轴升降伺服电机、Y轴平移伺服电机控制所述相机、光源的移动，所述相机采集键帽托盘图像并传输给工控机，工控机安装的软件根据图像处理算法对传输的键帽托盘图像进行缺陷检测，根据检测结果向剔废机械手的控制器发出指令；
所述剔废工位包括剔废二轴机械手和废料仓，所述剔废二轴机械手根据工控机发出的指令执行操作，将不合格键帽由所述剔废二轴机械手放至所述废料仓；
所述下料工位包括四轴机器人和吸盘，所述四轴机器人通过所述吸盘将导轨滑块上合格的键帽下料。
4.根据权利要求3所述的基于机器视觉的键帽表面颗粒缺陷检测方法，其特征在于，所述上料工位与所述视觉检测工位之间安装有除静电离子风棒，所述环形导轨运输线包括环形导轨、多个导轨滑块、同步带驱动组件、同步带及同步带连接件与定位装置，所述同步带驱动组件安装在环形导轨内侧，所述工装吸盘兼容各种托盘，可以快速换型。
5.根据权利要求4所述的基于机器视觉的键帽表面颗粒缺陷检测方法，其特征在于，所述表面颗粒缺陷检测系统上面安装有透明罩壳，所述透明罩壳上方安装有三色灯，且侧面安装显示器和触摸屏，同时所述视觉检测线整体呈环状分布。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211601776.XA CN116008294B (zh) | 2022-12-13 | 2022-12-13 | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211601776.XA CN116008294B (zh) | 2022-12-13 | 2022-12-13 | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116008294A true CN116008294A (zh) | 2023-04-25 |
| CN116008294B CN116008294B (zh) | 2024-03-08 |
Family
ID=86027436
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211601776.XA Active CN116008294B (zh) | 2022-12-13 | 2022-12-13 | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116008294B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116637837A (zh) * | 2023-06-30 | 2023-08-25 | 宁波韦尔德斯凯勒智能科技有限公司 | 基于机器视觉的筒状冲压产品口部瑕疵检测装置及方法 |
| CN117169234A (zh) * | 2023-11-01 | 2023-12-05 | 深圳市磐锋精密技术有限公司 | 一种键盘键帽缺陷的检测设备及其检测方法 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
| CN106525873A (zh) * | 2016-10-25 | 2017-03-22 | 广州市申发机电有限公司 | 一种基于机器视觉的全自动旋转印刷产品缺陷检测装置 |
| CN106570511A (zh) * | 2016-11-02 | 2017-04-19 | 上海大学 | 基于计算机视觉的键盘字符缺陷在线检测系统和方法 |
| CN106670127A (zh) * | 2017-03-07 | 2017-05-17 | 上海微松工业自动化有限公司 | 一种屏幕缺陷全自动视觉检测系统 |
| CN108169236A (zh) * | 2016-12-07 | 2018-06-15 | 广州映博智能科技有限公司 | 一种基于视觉的金属表面缺陷检测方法 |
| CN207675660U (zh) * | 2018-01-15 | 2018-07-31 | 佛山职业技术学院 | 一种磁环表面缺陷检测装置 |
| CN108535278A (zh) * | 2018-04-18 | 2018-09-14 | 常州市安视智能科技有限公司 | 基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 |
| CN208743931U (zh) * | 2018-04-26 | 2019-04-16 | 昆山新至升塑胶电子有限公司 | 产品镭雕与清洗一体化装置 |
| CN111476750A (zh) * | 2019-01-04 | 2020-07-31 | 宁波舜宇光电信息有限公司 | 对成像模组进行污点检测的方法、装置、系统及存储介质 |
| CN111912846A (zh) * | 2020-07-13 | 2020-11-10 | 苏州亚朴智能科技有限公司 | 一种基于机器视觉的表面缺陷与边缘毛刺检测方法 |
| CN112577969A (zh) * | 2019-09-27 | 2021-03-30 | 南通深南电路有限公司 | 一种基于机器视觉的缺陷检测方法以及缺陷检测系统 |
| CN112630222A (zh) * | 2020-11-24 | 2021-04-09 | 河海大学常州校区 | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 |
| WO2021109011A1 (zh) * | 2019-12-04 | 2021-06-10 | 电子科技大学 | 一种基于超声图像的电容内部缺陷智能检测方法 |
| CN112991305A (zh) * | 2021-03-24 | 2021-06-18 | 苏州亚朴智能科技有限公司 | 一种喷漆面板表面缺陷的视觉检测方法 |
| WO2021169335A1 (zh) * | 2020-02-25 | 2021-09-02 | 华南理工大学 | 一种锂电池极耳激光焊点视觉在线检测方法 |
| CN214668695U (zh) * | 2021-02-25 | 2021-11-09 | 苏州镭拓精工机械科技有限公司 | 一种键帽缺陷检测设备 |
| CN113686869A (zh) * | 2021-07-19 | 2021-11-23 | 浙江中新电力工程建设有限公司配电分公司 | 一种绝缘毯微缺陷识别装置 |
| CN217332210U (zh) * | 2022-03-22 | 2022-08-30 | 无锡雪浪数制科技有限公司 | 一种键盘表面缺陷检测系统 |
| CN217739017U (zh) * | 2022-06-13 | 2022-11-04 | 无锡微准科技有限公司 | 一种铜管视觉检测机构 |
| CN217845851U (zh) * | 2022-05-23 | 2022-11-18 | 无锡微准科技有限公司 | 布氏硬度视觉检测装置支撑机构 |
| CN115409793A (zh) * | 2022-08-19 | 2022-11-29 | 华南农业大学 | 一种基于机器视觉的雾滴检测方法及系统 |
-
2022
- 2022-12-13 CN CN202211601776.XA patent/CN116008294B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106053479A (zh) * | 2016-07-21 | 2016-10-26 | 湘潭大学 | 一种基于图像处理的工件外观缺陷的视觉检测系统 |
| CN106525873A (zh) * | 2016-10-25 | 2017-03-22 | 广州市申发机电有限公司 | 一种基于机器视觉的全自动旋转印刷产品缺陷检测装置 |
| CN106570511A (zh) * | 2016-11-02 | 2017-04-19 | 上海大学 | 基于计算机视觉的键盘字符缺陷在线检测系统和方法 |
| CN108169236A (zh) * | 2016-12-07 | 2018-06-15 | 广州映博智能科技有限公司 | 一种基于视觉的金属表面缺陷检测方法 |
| CN106670127A (zh) * | 2017-03-07 | 2017-05-17 | 上海微松工业自动化有限公司 | 一种屏幕缺陷全自动视觉检测系统 |
| CN207675660U (zh) * | 2018-01-15 | 2018-07-31 | 佛山职业技术学院 | 一种磁环表面缺陷检测装置 |
| CN108535278A (zh) * | 2018-04-18 | 2018-09-14 | 常州市安视智能科技有限公司 | 基于机器视觉的钣金冲孔生产线冲孔缺陷检测装置与方法 |
| CN208743931U (zh) * | 2018-04-26 | 2019-04-16 | 昆山新至升塑胶电子有限公司 | 产品镭雕与清洗一体化装置 |
| CN111476750A (zh) * | 2019-01-04 | 2020-07-31 | 宁波舜宇光电信息有限公司 | 对成像模组进行污点检测的方法、装置、系统及存储介质 |
| CN112577969A (zh) * | 2019-09-27 | 2021-03-30 | 南通深南电路有限公司 | 一种基于机器视觉的缺陷检测方法以及缺陷检测系统 |
| WO2021109011A1 (zh) * | 2019-12-04 | 2021-06-10 | 电子科技大学 | 一种基于超声图像的电容内部缺陷智能检测方法 |
| WO2021169335A1 (zh) * | 2020-02-25 | 2021-09-02 | 华南理工大学 | 一种锂电池极耳激光焊点视觉在线检测方法 |
| CN111912846A (zh) * | 2020-07-13 | 2020-11-10 | 苏州亚朴智能科技有限公司 | 一种基于机器视觉的表面缺陷与边缘毛刺检测方法 |
| CN112630222A (zh) * | 2020-11-24 | 2021-04-09 | 河海大学常州校区 | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 |
| CN214668695U (zh) * | 2021-02-25 | 2021-11-09 | 苏州镭拓精工机械科技有限公司 | 一种键帽缺陷检测设备 |
| CN112991305A (zh) * | 2021-03-24 | 2021-06-18 | 苏州亚朴智能科技有限公司 | 一种喷漆面板表面缺陷的视觉检测方法 |
| CN113686869A (zh) * | 2021-07-19 | 2021-11-23 | 浙江中新电力工程建设有限公司配电分公司 | 一种绝缘毯微缺陷识别装置 |
| CN217332210U (zh) * | 2022-03-22 | 2022-08-30 | 无锡雪浪数制科技有限公司 | 一种键盘表面缺陷检测系统 |
| CN217845851U (zh) * | 2022-05-23 | 2022-11-18 | 无锡微准科技有限公司 | 布氏硬度视觉检测装置支撑机构 |
| CN217739017U (zh) * | 2022-06-13 | 2022-11-04 | 无锡微准科技有限公司 | 一种铜管视觉检测机构 |
| CN115409793A (zh) * | 2022-08-19 | 2022-11-29 | 华南农业大学 | 一种基于机器视觉的雾滴检测方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116637837A (zh) * | 2023-06-30 | 2023-08-25 | 宁波韦尔德斯凯勒智能科技有限公司 | 基于机器视觉的筒状冲压产品口部瑕疵检测装置及方法 |
| CN116637837B (zh) * | 2023-06-30 | 2024-09-13 | 宁波韦尔德斯凯勒智能科技有限公司 | 基于机器视觉的筒状冲压产品口部瑕疵检测装置及方法 |
| CN117169234A (zh) * | 2023-11-01 | 2023-12-05 | 深圳市磐锋精密技术有限公司 | 一种键盘键帽缺陷的检测设备及其检测方法 |
| CN117169234B (zh) * | 2023-11-01 | 2024-01-05 | 深圳市磐锋精密技术有限公司 | 一种键盘键帽缺陷的检测设备及其检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116008294B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116008294B (zh) | 一种基于机器视觉的键帽表面颗粒缺陷检测方法 | |
| CN106670127B (zh) | 一种屏幕缺陷全自动视觉检测系统 | |
| CN109884070B (zh) | 一种基于机器视觉的铝铝泡罩包装药片缺陷检测方法 | |
| CN107402216B (zh) | 覆膜产品检测系统及方法 | |
| CN113843178B (zh) | 一种验瓶机及玻璃瓶的缺陷检测方法 | |
| JP7055223B2 (ja) | マスク欠陥検査方法 | |
| CN110044910B (zh) | 一种汽车置杯盒零部件检测系统及检测方法 | |
| CN110567976B (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
| CN114529510B (zh) | 一种阴极铜在线质量自动检测分类方法 | |
| CN215031306U (zh) | 基于机器视觉的缺陷工件检测分拣装置 | |
| CN111766245A (zh) | 一种基于机器视觉的纽扣电池负极壳缺陷检测方法 | |
| CN111220544A (zh) | 一种镜片质量检测装置及检测方法 | |
| CN111672773B (zh) | 基于机器视觉的产品表面缺陷检测系统及检测方法 | |
| CN113744247A (zh) | 一种pcb焊点缺陷识别方法和系统 | |
| CN115436394A (zh) | 一种外观缺陷检测系统及方法 | |
| CN206305057U (zh) | 一种轴套类工件外观缺陷及外径自动检测装置 | |
| CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
| CN112271151B (zh) | 一种机台污染监测装置及加工设备 | |
| CN111842212A (zh) | 自动上料结构、外观检测装置、口罩外观检测装置及方法 | |
| CN204373688U (zh) | 一种电镀生产线外观和尺寸检验设备 | |
| CN213749668U (zh) | 一种柔性电路板外观测试装置 | |
| CN211263229U (zh) | 一种瓶装液体检测光学系统 | |
| CN212284937U (zh) | 针对产品表面缺陷的机器视觉检测系统 | |
| CN115254667A (zh) | 一种手机框辅料项缺陷检测设备及方法 | |
| CN209745830U (zh) | 一种电池在线检测装置 |
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 |