CN116152247A - 一种聚氨酯涂膜的质量评估方法 - Google Patents
一种聚氨酯涂膜的质量评估方法 Download PDFInfo
- Publication number
- CN116152247A CN116152247A CN202310423386.6A CN202310423386A CN116152247A CN 116152247 A CN116152247 A CN 116152247A CN 202310423386 A CN202310423386 A CN 202310423386A CN 116152247 A CN116152247 A CN 116152247A
- Authority
- CN
- China
- Prior art keywords
- mean shift
- polyurethane coating
- coating film
- clustering
- region
- 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
- 239000011527 polyurethane coating Substances 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 11
- 230000007547 defect Effects 0.000 claims abstract description 15
- 238000005286 illumination Methods 0.000 claims description 41
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 238000001514 detection method Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 13
- 230000001678 irradiating effect Effects 0.000 claims description 7
- 230000002950 deficient Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 abstract 1
- 239000011248 coating agent Substances 0.000 description 13
- 238000000576 coating method Methods 0.000 description 13
- 206010027627 Miliaria Diseases 0.000 description 9
- 201000004169 miliaria rubra Diseases 0.000 description 9
- 239000004814 polyurethane Substances 0.000 description 4
- 229920002635 polyurethane Polymers 0.000 description 4
- 241001448624 Miliaria Species 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000007888 film coating Substances 0.000 description 3
- 238000009501 film coating Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 229920006264 polyurethane film Polymers 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种聚氨酯涂膜的质量评估方法。该方法以工业相机对聚氨酯涂膜进行图形识别,对获取到的聚氨酯涂膜表面灰度图像进行数据处理,具体处理方法为,对聚氨酯涂膜的正常区域进行均值漂移聚类时,结合聚类中心点与最邻近高亮区域中心点的位置关系,选择所有可选均值漂移方向中最远离高亮区域的方向,作为均值漂移聚类过程中的均值漂移方向,最大程度减少高亮区域像素点对均值漂移过程中的影响,有效的提高均值漂移的收敛速度,提高对聚氨酯涂膜缺陷区域识别准确度。本发明该方法对所获取的图像数据进行特定数据处理,实现了对聚氨酯涂膜缺陷的准确识别,解决了现有技术对聚氨酯涂膜的质量评估不准确的技术问题。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种聚氨酯涂膜的质量评估方法。
背景技术
聚氨酯涂膜具有较好的防水、绝热、耐磨和保温等特性,粘结力强,是一种新型的环保涂料,在家具、建筑工程和零件设备上应用广泛。聚氨酯涂膜表面光滑,其表面不能存在暗泡、痱子,否则会极大地影响聚氨酯涂膜自身的性能。
由于聚氨酯涂膜表面光滑,所以在光照条件下容易产生反光,造成在对其表面暗泡、痱子等相关缺陷进行检测时很容易发生漏检,也即现有对聚氨酯涂膜的缺陷检测存在较大的难度,无法实现对聚氨酯涂膜表面缺陷的准确检测从而准确评估其生产质量。
发明内容
本发明提供了一种聚氨酯涂膜的质量评估方法,用以解决现有技术对聚氨酯涂膜的质量评估不准确的技术问题,所采用的技术方案具体如下:
本发明的一种聚氨酯涂膜的质量评估方法,包括以下步骤:
以第一设定光照角度照射聚氨酯涂膜,对应获取第一设定光照角度下聚氨酯涂膜的灰度图像;
对灰度图像上所有像素点进行灰度阈值分割,确定灰度图像的正常区域与高亮区域;
基于高亮区域分布位置,以最远离高亮区域的均值漂移方向对正常区域的像素点进行均值漂移聚类并得到聚类结果;
改变光照角度以第二设定光照角度照射聚氨酯涂膜,确定第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域,对第一、第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域进行合并得到合并区域,以合并区域与灰度图像的比值大于设定比值时的第二设定光照角度作为最佳第二设定光照角度,完成最佳第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域的聚类;
根据第一设定光照角度以及最佳第二设定光照角度分别对应所得聚类结果,完成聚氨酯涂膜的质量检测。
本发明的有益效果为:
本发明该方法在对聚氨酯涂膜的正常区域进行均值漂移聚类时,结合聚类中心点与最邻近高亮区域中心点的位置关系,选择所有可选均值漂移方向中最远离高亮区域的方向,作为均值漂移聚类过程中的均值漂移方向,最大程度减少高亮区域像素点对均值漂移过程中的影响,有效的提高均值漂移的收敛速度,提高对聚氨酯涂膜缺陷区域识别准确度。
进一步的,所述基于高亮区域分布位置,以最远离高亮区域的均值漂移方向对正常区域的像素点进行均值漂移聚类并得到聚类结果的方法为:
在对正常区域进行均值漂移聚类过程中,计算每次均值漂移聚类时,均值漂移聚类中心点与最邻近高亮区域的中心点之间的方向向量,以及该次均值漂移聚类时各个均值漂移方向,以各个均值漂移方向中与所述方向向量所形成夹角最大的均值漂移方向作为该次均值漂移聚类的均值漂移方向;
获取均值漂移中心点距离近邻高亮区域的中心点的偏移距离:
在均值漂移方向的基础上调节下一次均值漂移位置:
进一步的,所述均值漂移方向获取方法为:
设定聚类范围半径,计算聚类范围半径内所有像素点的灰度均值,以聚类范围半径内各个像素点灰度值与所述灰度均值差异最小的方向作为均值漂移方向。
进一步的,所述根据第一设定光照角度以及最佳第二设定光照角度分别对应所得聚类结果,完成聚氨酯涂膜的质量检测的方法为:
确定异常区域面积:
将异常区域面积S进行归一化处理,当归一化后的异常区域面积S大于设定异常区域面积阈值时,判定聚氨酯涂膜存在缺陷。
进一步的,所述设定异常区域面积阈值为0.05。
进一步的,所述设定比值为0.9。
附图说明
图1是本发明该种聚氨酯涂膜的质量评估方法的流程图。
具体实施方式
下面结合附图及实施例,对本发明的一种聚氨酯涂膜的质量评估方法进行详细说明。
方法实施例:
本发明的一种聚氨酯涂膜的质量评估方法实施例,其整体流程如图1所示,具体过程如下:
步骤一,以第一设定光照角度照射聚氨酯涂膜,对应获取第一设定光照角度下聚氨酯涂膜的灰度图像。
采用动态光源进行照射,并利用工业相机获取涂装生产线上对相关设备进行涂膜后所得聚氨酯涂膜的图像,并进行灰度化处理得到聚氨酯涂膜的灰度图像,所述的灰度化处理为常用的图像处理手段。
然后,利用中值滤波对涂膜灰度图像进行去噪处理,所述的中值滤波为常用的图像去噪手段,具体的,通过中值滤波窗口内的像素点灰度值进行排列,取中值替换窗口内的中心像素点的灰度值,能够有效的去除孤立噪声点。经过中值滤波去噪后的涂膜灰度图像即为预处理后的涂膜图像。
步骤二,对灰度图像上所有像素点进行灰度阈值分割,确定灰度图像的正常区域与高亮区域。
首先,需要说明的是,正常的涂膜表面光滑,当工业相机所需的光源直射到表面时
会产生部分区域反光,反光区域的灰度值相对于正常区域的灰度值较高,利用传统的灰度
阈值分割能够快速的获取反光区域和正常区域,本实施例优选灰度阈值为220,根据灰度
阈值分割后结果进行二值化,大于灰度阈值的像素点为高亮区域像素点,灰度值置为0,小
于等于灰度阈值的像素点为正常区域像素点,灰度置为1,得到涂膜二值图像。当前所述的
涂膜二值图像为第一二值图像。传统的阈值分割只能够分割出灰度差异较大的区域,而对
表面缺陷检测的过程中,很容易受到环境因素的影响。然后,利用第一二值图像与原涂膜灰
度图像相乘得到正常区域图像。
步骤三,基于高亮区域分布位置,以最远离高亮区域的均值漂移方向对正常区域的像素点进行均值漂移聚类并得到聚类结果。
传统的均值漂移聚类算法是通过随机选取图像像素点作为初始聚类中心点,获取
初始聚类中心点在半径范围内所有图像像素点,计算范围内所有像素点的灰度均值,利用
所有像素点的灰度均值与范围内所有像素点计算灰度差异,灰度差异最小的方向即为漂移
方向,选取范围内漂移方向上的边缘点作为下一次漂移范围的中心点,重复半径为r范围大
小的漂移操作,直到所有同一簇像素点收敛为止,视为同一簇像素点为同类像素点,再重复
选取非同一簇的像素点作为聚类中心点重复进行均值漂移聚类,直到所有像素点都参与聚
类为止。
传统均值漂移聚类算法进行聚氨酯表面质量检测过程中存在的问题在于,受到反光区域的影响很容易将高亮像素点进行误检测,算法计算复杂度过高,不利于快速质量检测。
本实施例基于现有的均值漂移聚类算法和聚氨酯涂膜表面的正常区域分布,对传统的均值漂移算法进行改进,使均值漂移算法能够适用于聚氨酯涂膜表面快速质量检测,本实施例以痱子缺陷为例进行后续说明。
具体的,以正常区域内涂膜灰度图像任意一处边界点,如左上角处的边界点作为
初始的均值漂移聚类中心点,设定聚类范围半径r,本实施例优选聚类范围半径,计
算范围r内的所有像素点的灰度均值,利用范围内像素点灰度均值与范围内像素点灰度
值计算灰度差异最小的方向作为第一次均值漂移方向,同时计算最邻近的高亮区域的
中心点与初始均值漂移聚类中心点之间的方向向量,然后计算方向向量夹角,方向向量夹角的计算方法为公知技术。
需要说明的是,当均值漂移范围内全是正常像素点,不存在痱子区域像素点时,均值漂移范围内都会得到灰度差异最小值,可能会存在多个漂移方向,但是沿着有的漂移方向进行漂移的过程中很快就会聚到高亮区域,从而导致均值漂移无法进行或发生误检测,很大程度上增大了均值漂移的次数和计算复杂度。
所以,为了避免均值漂移聚类无法进行或发生错误,并且减小计算复杂度,在每次
进行下一次均值漂移过程中,都将方向向量夹角为最大值所对应的均值漂移方向作为主方
向,其他均值漂移方向作为次方向完成均值漂移,也即,在存在多个漂移方向时,分别计算
各个漂移方向与该次均值漂移聚类过程中,最邻近的高亮区域的中心点与均值漂移聚类中
心点之间的方向向量所形成的不同方向向量夹角的最大值,并以方向向量夹角取最大值
时所对应的漂移方向作为该次均值漂移聚类过程中的主方向,其它漂移方向为次方向,完
成本次均值漂移聚类。以该种方法进行聚类,便可使均值漂移聚类过程中,能够尽可能的在
正常区域范围内进行漂移聚类,减少高亮区域对均值漂移的影响,提高均值漂移收敛的速
度。
而当均值漂移区域近邻的高亮区域不少于1个时,仅通过与高亮区域之间的夹角不足以准确的实现快速收敛的目的,进一步的,获取均值漂移中心点距离近邻高亮区域的中心点的偏移距离:
通过上述模型来调节下一次均值漂移位置,同时,步骤7中得到的均值漂移主方向作为均值漂移过程中的主方向调节模型,对均值漂移范围进行自适应调整。目的是为了:当存在多个反光的高亮区域时,均值漂移方向能够满足不受多个高亮区域影响,在正常区域中心范围或远离高亮区域范围内进行均值漂移聚类,从而实现多个高亮区域存在时,均值漂移聚类能够快速收敛的目的。
根据高亮区域的分布位置和正常区域像素点在均值漂移范围内的像素点灰度差异分布,能够快速完成正常区域内的均值漂移聚类,均值漂移聚类所得到的同一类簇的像素点属于同类像素点,由于本实施例假定缺陷仅包括痱子缺陷,所以在本实施例中通过均值漂移聚类算法得到正常区域内两个聚类簇,将最大聚类簇作为正常区域像素点,另一聚类簇所得的像素点即为痱子区域像素点。
而在其它实施例中,当存在多个缺陷类型时,则正常区域以及各个缺陷类型会分别对应得到聚类簇,其中最大聚类簇为正常区域像素点,其它聚类簇则为各个缺陷所在区域。
步骤四,改变光照角度以第二设定光照角度照射聚氨酯涂膜,确定第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域,对第一、第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域进行合并得到合并区域,以合并区域与灰度图像的比值大于设定比值时的第二设定光照角度作为最佳第二设定光照角度,完成最佳第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域的聚类。
为了避免反光的高亮区域对涂膜表面痱子异常检测的精度,通过动态光源进行角
度调节,以第二设定光照角度照射涂抹,获取照射角度调节后的涂膜灰度图像,利用步骤二
中的方法获取角度调节后的第二二值图像,将第一二值图像与第二二值图像之间对应像素
点进行异或运算,得到第三二值图像。利用第三二值图像中像素点为1的像素点数量与
图像总像素点数之间的比值,作为角度调节控制参数,当时,为最佳光源
调节角度,也即最佳第二设定光照角度,此处与进行比较的0.9为设定比值,其具体取值
根据对涂膜缺陷检测精确度要求而定,精确度要求越高则设定比值的取值越高。一般的,由
于光在涂膜表面的反射特性,改变任意光源角度后,即可得到满足角度控制参数要求的最
佳光源调节角度。
在最佳光源调节角度下,可对应得到该光照角度下聚氨酯涂膜的灰度图像中的正常区域以及高亮区域,按照与步骤一到步骤三所述的同样的方法,对此时所获取的正常区域进行聚类,得到聚类结果。
步骤五,根据第一设定光照角度以及最佳第二设定光照角度分别对应所得聚类结果,完成聚氨酯涂膜的质量检测。
通过步骤四获取涂膜灰度图像表面的痱子异常区域,获取痱子异常区域面积:
利用痱子异常区域面积,作为聚氨酯涂膜表面异常程度评估指标,对聚氨酯表面
异常程度进行评估,为了方便异常评估,将痱子异常区域面积进行归一化处理,归
一化处理为公知技术,利用归一化后的时,说明聚氨酯表面存在异常,此处
的0.05是设定异常区域面积阈值,其取值根据对涂膜质量要求而定,质量要求越高,则设定
异常区域面积阈值越大。越大说明异常程度越大,根据异常区域的分布位置,对聚
氨酯表面涂膜区域进行后续打磨和再次涂膜操作。
本实施例中以涂膜仅包括痱子故障为例进行说明,而在不限定故障种类以及故障数量的其它实施例中,所有异常区域的面积和则为异常区域面积S。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种聚氨酯涂膜的质量评估方法,其特征在于,包括以下步骤:
以第一设定光照角度照射聚氨酯涂膜,对应获取第一设定光照角度下聚氨酯涂膜的灰度图像;
对灰度图像上所有像素点进行灰度阈值分割,确定灰度图像的正常区域与高亮区域;
基于高亮区域分布位置,以最远离高亮区域的均值漂移方向对正常区域的像素点进行均值漂移聚类并得到聚类结果;
改变光照角度以第二设定光照角度照射聚氨酯涂膜,确定第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域,对第一、第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域进行合并得到合并区域,以合并区域与灰度图像的比值大于设定比值时的第二设定光照角度作为最佳第二设定光照角度,完成最佳第二设定光照角度下聚氨酯涂膜的灰度图像中的正常区域的聚类;
根据第一设定光照角度以及最佳第二设定光照角度分别对应所得聚类结果,完成聚氨酯涂膜的质量检测。
2.根据权利要求1所述的聚氨酯涂膜的质量评估方法,其特征在于,所述基于高亮区域分布位置,以最远离高亮区域的均值漂移方向对正常区域的像素点进行均值漂移聚类并得到聚类结果的方法为:
在对正常区域进行均值漂移聚类过程中,计算每次均值漂移聚类时,均值漂移聚类中心点与最邻近高亮区域的中心点之间的方向向量,以及该次均值漂移聚类时各个均值漂移方向,以各个均值漂移方向中与所述方向向量所形成夹角最大的均值漂移方向作为该次均值漂移聚类的均值漂移方向;
获取均值漂移中心点距离近邻高亮区域的中心点的偏移距离:
在均值漂移方向的基础上调节下一次均值漂移位置:
3.根据权利要求2所述的聚氨酯涂膜的质量评估方法,其特征在于,所述均值漂移方向获取方法为:
设定聚类范围半径,计算聚类范围半径内所有像素点的灰度均值,以聚类范围半径内各个像素点灰度值与所述灰度均值差异最小的方向作为均值漂移方向。
5.根据权利要求4所述的聚氨酯涂膜的质量评估方法,其特征在于,所述设定异常区域面积阈值为0.05。
6.根据权利要求1所述的聚氨酯涂膜的质量评估方法,其特征在于,所述设定比值为0.9。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310423386.6A CN116152247B (zh) | 2023-04-20 | 2023-04-20 | 一种聚氨酯涂膜的质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310423386.6A CN116152247B (zh) | 2023-04-20 | 2023-04-20 | 一种聚氨酯涂膜的质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116152247A true CN116152247A (zh) | 2023-05-23 |
CN116152247B CN116152247B (zh) | 2023-08-25 |
Family
ID=86358559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310423386.6A Active CN116152247B (zh) | 2023-04-20 | 2023-04-20 | 一种聚氨酯涂膜的质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116152247B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664567A (zh) * | 2023-07-26 | 2023-08-29 | 山东艾迈科思电气有限公司 | 一种固体绝缘开关柜质量评估方法及系统 |
CN116894841A (zh) * | 2023-09-08 | 2023-10-17 | 山东天鼎舟工业科技有限公司 | 一种变速箱合金壳体质量视觉检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114897896A (zh) * | 2022-07-11 | 2022-08-12 | 南通东方雨虹建筑材料有限公司 | 基于灰度变换的建筑木材缺陷检测方法 |
CN115170572A (zh) * | 2022-09-08 | 2022-10-11 | 山东瑞峰新材料科技有限公司 | 一种bopp复合薄膜表面涂胶质量监测方法 |
WO2022255239A1 (ja) * | 2021-06-04 | 2022-12-08 | ダイキン工業株式会社 | 評価方法、評価装置及びコンピュータプログラム |
CN115690108A (zh) * | 2023-01-04 | 2023-02-03 | 山东元旺电工科技有限公司 | 一种基于图像处理的铝合金杆生产质量评估方法 |
CN115861318A (zh) * | 2023-02-27 | 2023-03-28 | 金乡县利顺祥棉业有限公司 | 一种棉花加工生产质量检测方法 |
CN115937199A (zh) * | 2023-01-06 | 2023-04-07 | 山东济宁圣地电业集团有限公司 | 一种用于电力配电柜绝缘层的喷涂质量检测方法 |
-
2023
- 2023-04-20 CN CN202310423386.6A patent/CN116152247B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022255239A1 (ja) * | 2021-06-04 | 2022-12-08 | ダイキン工業株式会社 | 評価方法、評価装置及びコンピュータプログラム |
CN114897896A (zh) * | 2022-07-11 | 2022-08-12 | 南通东方雨虹建筑材料有限公司 | 基于灰度变换的建筑木材缺陷检测方法 |
CN115170572A (zh) * | 2022-09-08 | 2022-10-11 | 山东瑞峰新材料科技有限公司 | 一种bopp复合薄膜表面涂胶质量监测方法 |
CN115690108A (zh) * | 2023-01-04 | 2023-02-03 | 山东元旺电工科技有限公司 | 一种基于图像处理的铝合金杆生产质量评估方法 |
CN115937199A (zh) * | 2023-01-06 | 2023-04-07 | 山东济宁圣地电业集团有限公司 | 一种用于电力配电柜绝缘层的喷涂质量检测方法 |
CN115861318A (zh) * | 2023-02-27 | 2023-03-28 | 金乡县利顺祥棉业有限公司 | 一种棉花加工生产质量检测方法 |
Non-Patent Citations (1)
Title |
---|
陈东祥;刘磊;韩鸿志;: "汽车车身涂膜缺陷的计算机视觉检测方法", 天津大学学报, no. 12 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664567A (zh) * | 2023-07-26 | 2023-08-29 | 山东艾迈科思电气有限公司 | 一种固体绝缘开关柜质量评估方法及系统 |
CN116664567B (zh) * | 2023-07-26 | 2023-09-29 | 山东艾迈科思电气有限公司 | 一种固体绝缘开关柜质量评估方法及系统 |
CN116894841A (zh) * | 2023-09-08 | 2023-10-17 | 山东天鼎舟工业科技有限公司 | 一种变速箱合金壳体质量视觉检测方法 |
CN116894841B (zh) * | 2023-09-08 | 2023-11-28 | 山东天鼎舟工业科技有限公司 | 一种变速箱合金壳体质量视觉检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116152247B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116152247B (zh) | 一种聚氨酯涂膜的质量评估方法 | |
CN116363133B (zh) | 基于机器视觉的照明器配件缺陷检测方法 | |
CN112927189A (zh) | 一种电镀工件表面瑕疵视觉检测中边缘反射光斑剔除方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
US20180253836A1 (en) | Method for automated detection of defects in cast wheel products | |
CN116205919B (zh) | 基于人工智能的五金零件生产质量检测方法及系统 | |
CN116596936B (zh) | 基于图像数据的太阳翼帆板质量检测方法 | |
CN116703251B (zh) | 基于人工智能的胶圈生产质量检测方法 | |
CN116977358B (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
CN116091504B (zh) | 基于图像处理的连接管连接头质量检测方法 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN116912261B (zh) | 一种塑料模具注塑表面缺陷检测方法 | |
CN115330767A (zh) | 一种腐蚀箔生产异常识别方法 | |
CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
CN116309599B (zh) | 基于污水前置处理的水质视觉监测方法 | |
CN116485797B (zh) | 基于人工智能的涂料色差快速检测方法 | |
CN105046257A (zh) | 一种后桥主齿轮特殊打标形式的字符识别方法及系统 | |
CN117557820B (zh) | 一种基于机器视觉的量子点光学膜损伤检测方法及系统 | |
CN115359053A (zh) | 一种金属板材缺陷智能检测方法及系统 | |
CN116503403B (zh) | 基于图像处理的金属切削刀头的缺陷检测方法 | |
CN115049651B (zh) | 一种钣金冲压异常检测方法 | |
CN115311286A (zh) | 一种染色纺织品的染色缺陷识别方法 | |
CN115330757A (zh) | 一种电路板焊点缺陷检测方法及系统 | |
CN114187267B (zh) | 基于机器视觉的冲压件缺陷检测方法 | |
CN116664569A (zh) | 一种焊瘤缺陷检测方法 |
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 |