CN116626036B - 一种基于机器视觉识别的外观质检方法及系统 - Google Patents
一种基于机器视觉识别的外观质检方法及系统 Download PDFInfo
- Publication number
- CN116626036B CN116626036B CN202310597206.6A CN202310597206A CN116626036B CN 116626036 B CN116626036 B CN 116626036B CN 202310597206 A CN202310597206 A CN 202310597206A CN 116626036 B CN116626036 B CN 116626036B
- Authority
- CN
- China
- Prior art keywords
- data
- parameter data
- photographed image
- unit
- machine vision
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000010365 information processing Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000011179 visual inspection Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000003292 glue 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
- 238000009418 renovation Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- 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
-
- 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
- G06T2207/30108—Industrial image 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及一种基于机器视觉识别的外观质检方法及系统,其方法包括获取待测终端设备的拍照图像;基于OpenCV图像识别算法,识别所述拍照图像,得到参数数据;判断所述参数数据是否合格;若否,则将所述拍照图像进行不合格标记。本申请具有提高工作效率的效果。
Description
技术领域
本申请涉及信息技术服务的领域,尤其是涉及一种基于机器视觉识别的外观质检方法及系统。
背景技术
目前,一些终端设备在清洁翻新前一般存在划痕灰尘、老化泛黄、标签缺损、残胶油渍等外观不良,经过清洁翻新的生产工序后,设备的外观状态得到极大改善。在外观质量检测生产工序,当前一直采用人工目检的主观判断方法,由于缺乏统一的客观判断标准和科学可靠的检测装置,因此,经常存在个别少量设备因人为目检疏忽或批量设备因个人主观标准过低导致检测不准确,同时导致工作效率低。
发明内容
为了提高工作效率,本申请提供一种基于机器视觉识别的外观质检方法及系统。
本申请目的一是提供一种基于机器视觉识别的外观质检方法。
本申请的上述申请目的一是通过以下技术方案得以实现的:
一种基于机器视觉识别的外观质检方法,包括;
获取待测终端设备的拍照图像;
基于OpenCV图像识别算法,识别所述拍照图像,得到参数数据;
判断所述参数数据是否合格;
若否,则将所述拍照图像进行不合格标记。
本申请在一较佳示例中可以进一步配置为:所述参数数据包括终端外轮廓完整性面积值数据、整体色差偏离值数据、色块渐变偏差率数据、斑点数量面积值数据、划痕数量面积值数据、标签轮廓完整性偏差率数据、标签文字正确率数据、二维码检测数据和条型码检测数据。
本申请在一较佳示例中可以进一步配置为:所述判断所述参数数据是否合格,包括;
将所述参数数据中任一项数据与相对应的预设数据值做比较;
若所述参数数据中任一项数据的值未达到相对应的预设数据值,则所述参数数据合格;
若所述参数数据中任一项数据的值达到相对应的预设数据值,则所述参数数据不合格。
本申请目的二是提供一种基于机器视觉识别的外观质检系统。
本申请的上述申请目的二是通过以下技术方案得以实现的:
一种基于机器视觉识别的外观质检系统,包括;
采集模块,所述采集模块用于采集待测终端设备的拍照图像,并输出;
交换模块,所述交换模块与采集模块连接,所述交换模块用于接收并转发拍照图像;
信息处理模块,所述信息处理模块与交换模块连接,所述信息处理模块用于对拍照图像进行处理,得到拍照图像的参数数据,并判断参数数据是否合格。
本申请在一较佳示例中可以进一步配置为:所述采集模块包括放置单元、支撑单元和采集单元;
所述放置单元用于放置多个待测终端设备;
所述支撑单元位于放置单元顶端,所述支撑单元用于支撑采集单元;
所述采集单元安装在支撑单元上,所述采集单元用于采集待测终端设备的拍照图像。
本申请在一较佳示例中可以进一步配置为:所述放置单元为工作台,所述工作台顶端开设有两个凹槽,两个所述凹槽分别位于工作台边缘处。
本申请在一较佳示例中可以进一步配置为:所述支撑单元包括支撑杆、容纳箱、螺纹杆和步进电机;所述支撑杆设置有多个,所述支撑杆竖直放置在凹槽上,且所述支撑杆均匀分布在两个凹槽内;所述容纳箱固定安装在支撑杆的底端,且所述容纳箱朝向工作台的一端为开口状;所述步进电机固定安装在容纳箱的侧壁上,所述步进电机的转动轴水平放置;所述螺纹杆位于容纳箱内,且位于两个相对支撑杆之间,所述螺纹杆与步进电机的转动轴固定连接,所述螺纹杆上安装有固定块,所述固定块与螺纹杆螺纹连接;所述采集单元与固定块固定连接。
本申请在一较佳示例中可以进一步配置为:所述容纳箱的内壁上开设有滑槽,所述滑槽的开设方向与螺纹杆的放置方向一致;所述固定块上设置有滑块,所述滑块一端与固定块固定连接,另一端位于滑槽内。
本申请在一较佳示例中可以进一步配置为:所述支撑杆底端固定安装有滑轮。
本申请在一较佳示例中可以进一步配置为:所述固定块上固定安装有为待测终端设备进行补光的LED光源。
综上所述,本申请包括以下有益技术效果:
通过采集模块将拍照图像传输至信息处理模块,信息处理模块对参数数据进行判定,判定是否合格,若是不合格进行报警,一个工作台为一个批次,能够放置至多50台待测终端设备,能够提高对待测设备进行合格判定的效率。
附图说明
图1是本申请实施例整体结构剖视图。
图2是本申请实施例整体结构剖视图。
图3是本申请实施例系统的系统图。
图4是本申请实施例方法的流程图。
附图标记说明:10、采集模块;11、放置单元;111、凹槽;112、锁紧钉;12、支撑单元;121、支撑杆;1211、滑轮;122、容纳箱;1221、滑槽;123、螺纹杆;1231、固定块;1232、滑块;1233、LED光源;124、步进电机;13、采集单元;20、交换模块;30、信息处理模块。
具体实施方式
以下结合附图对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
本申请实施例公开一种基于机器视觉识别的外观质检方法及系统,其能够提高工作效率。
参照图1、图2和图3,一种基于机器视觉识别的外观质检系统的系统示意图。
一种基于机器视觉识别的外观质检系统,包括采集模块10、交换模块20和信息处理模块30。
其中,采集模块10用于采集待测终端设备的拍照图像,并输出;交换模块20与采集模块10相连接,交换模块20用于接收并转发拍照图像;信息处理模块30与交换模块20相连接,信息处理模块30用于对拍照图像进行处理,得到拍照图像的参数数据,并判断参数数据是否合格。在本申请实施例中,交换模块20优选为24端口千兆交换机。
采集模块10包括放置单元11、支撑单元12和采集单元13。
其中,放置单元11为工作台,放置单元11用于放置多个待测终端设备,多个待测终端设备沿工作台的长度和宽度等距放置在工作台的顶端,且待测终端设备的个数至多50个。工作台的顶端开设有连个凹槽111,两个凹槽111均沿工作台的宽度方向开设,并且两个凹槽111分别位于工作台相对边缘处。
撑单元包括支撑杆121、容纳箱122、螺纹杆123和步进电机124。支撑杆121设置有四个,四个支撑杆121均匀分布在两个凹槽111内,且四个支撑杆121均竖直放置,支撑杆121的底端安装有滑轮1211,方便支撑杆121在凹槽111内移动;容纳箱122固定安装在支撑杆121的顶端,且容纳箱122靠近工作台的一端为开口状,容纳箱122的内壁上开设有滑槽1221,滑槽1221的开设方向与工作台的长度方向一致;步进电机124固定安装在容纳箱122的侧壁上,且步进电机124的转动轴水平放置,步进电机124的转动轴的放置方向与凹槽111的开设方向在水平面上的投影垂直;螺纹杆123位于容纳箱122内,且位于两个相对支撑杆121之间,螺纹杆123与步进电机124的转动轴固定连接,螺纹杆123上安装有固定块1231,固定块1231与螺纹杆123螺纹连接,固定块1231上设置有滑块1232,滑动一端与固定块1231固定连接,另一端位于滑槽1221内,固定块1231上还固定安装有为待测终端设备进行补光的LED光源1233。采集单元13与固定块1231固定连接,在本申请实施例中,采集单元13优选为工业相机。
当步进电机124工作时,螺纹杆123跟随步进电机124的转动轴的转动而转动,固定块1231由于滑块1232的限位作用,并不会跟随螺纹杆123的转动而转动,固定块1231会跟随螺纹杆123的转动而移动,固定块1231的移动方向为螺纹杆123的放置方向。
工作台的侧壁上设置有锁紧钉112,锁紧钉112一端位于工作的侧壁上,另一端位于凹槽111内,锁紧钉112与工作台螺纹连接,用于对滑轮1211起到固定作用,当需要移动滑轮1211时,反向旋拧锁紧钉112,使锁紧钉112朝向远离凹槽111的方向移动。
参照图4,一种基于机器视觉识别的外观质检方法的流程图。
一种基于机器视觉识别的外观质检方法,该方法应用于信息处理模块30,信息处理模块30包括CPU和显示器,CPU和显示器连接。
该方法包括:
步骤S100:获取待测终端设备的拍照图像。
具体的,上述已知采集模块10用于采集待测终端设备的拍照图像,将采集好的拍照图像通过交换模块20的转发输送到信息处理模块30,进而信息处理模块30获取待测终端设备的拍照图像。
步骤S200:基于OpenCV图像识别算法,识别拍照图像,得到参数数据。
具体的,OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上。 它轻量级而且高效--由一系列 C 函数和少量 C++ 类构成,同时提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。OpenCV图像识别算法能够对拍照图像进行识别处理,得到参数数据,其中,参数数据包括终端外轮廓完整性面积值数据、整体色差偏离值数据、色块渐变偏差率数据、斑点数量面积值数据、划痕数量面积值数据、标签轮廓完整性偏差率数据、标签文字正确率数据、二维码检测数据和条型码检测数据。
步骤S300:判断参数数据是否合格。
具体的,将所述参数数据中任一项数据与相对应的预设数据值做比较;若参数数据中任一项数据的值未达到相对应的预设数据值,则所述参数数据合格;若参数数据中任一项数据的值达到相对应的预设数据值,则所述参数数据不合格。如,待测终端设备上的斑点数量面积值数据为5个/平方厘米,而预设数据值为7个/平方厘米,则说明待测终端设备的这一项数据合格,进而继续比较其他数据,所有参数数据都合格的情况下,该待测终端设备合格。在本申请实施例中,预设数据值根据实际情况而设定,并且不同参数的数据与其相对应的预设数据值可能不同。
当所有参数数据都合格时,对拍照图像不进行标记;当参数数据有一项不合格时,对拍照图像进行标记。其中,对拍照图像进行标记会通过显示器显示出来,方便工作人员找到相对应的待测终端设备。
当然,本申请实施例中仅公开一种实施方式以作参考,但不对所有步骤的顺序进行限定。
综上所述,传统人工目检模式会因人为疏忽而无法避免随机出现个别少量的漏检设备,本申请依靠机器识别,系统判定,规避出现漏检现象,可靠性提高至99.999%;还有客户对待测终端设备检测翻新的外观质量验收标准偏主观化,缺乏可客观量化的定义,传统人工目检方式依赖于质检人员的主观判断,与客户的主观标准必然存在差距,本申请对于终端设备的外观清洁、色差程度、斑块大小、划痕大小、标签识别率全部基于机器识别算法实现数据量化,客观判断,标准统一不会出现误差。对于不同客户的判断标准可以从客户样机采样获得判断标准或自定义判断阈值;同时,传统人工目检的复制则依赖于人工的堆叠,人工堆叠无法规避个人主观判断标准的差异性,无法保证一致性,而本申请可以在一个生产中心内或多个生产中心复制检测岗位而不改变检测标准和检测质量。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的申请范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述申请构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中申请的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (4)
1.一种基于机器视觉识别的外观质检系统,其特征在于应用于一种基于机器视觉识别的外观质检方法,所述方法包括:获取待测终端设备的拍照图像;基于OpenCV图像识别算法,识别所述拍照图像,得到参数数据;判断所述参数数据是否合格;若否,则将所述拍照图像进行不合格标记;所述参数数据包括终端外轮廓完整性面积值数据、整体色差偏离值数据、色块渐变偏差率数据、斑点数量面积值数据、划痕数量面积值数据、标签轮廓完整性偏差率数据、标签文字正确率数据、二维码检测数据和条型码检测数据;所述判断所述参数数据是否合格,包括;将所述参数数据中任一项数据与相对应的预设数据值做比较;若所述参数数据中任一项数据的值未达到相对应的预设数据值,则所述参数数据合格;若所述参数数据中任一项数据的值达到相对应的预设数据值,则所述参数数据不合格;
所述系统包括:
采集模块(10),所述采集模块(10)用于采集待测终端设备的拍照图像,并输出;
交换模块(20),所述交换模块(20)与采集模块(10)连接,所述交换模块(20)用于接收并转发拍照图像;
信息处理模块(30),所述信息处理模块(30)与交换模块(20)连接,所述信息处理模块(30)用于对拍照图像进行处理,得到拍照图像的参数数据,并判断参数数据是否合格;
所述采集模块(10)包括放置单元(11)、支撑单元(12)和采集单元(13);
所述放置单元(11)用于放置多个待测终端设备;
所述支撑单元(12)位于放置单元(11)顶端,所述支撑单元(12)用于支撑采集单元(13);
所述采集单元(13)安装在支撑单元(12)上,所述采集单元(13)用于采集待测终端设备的拍照图像;
所述一种基于机器视觉识别的外观质检系统,其特征在于:所述放置单元(11)为工作台,所述工作台顶端开设有两个凹槽(111),两个所述凹槽(111)分别位于工作台边缘处;
所述支撑单元(12)包括支撑杆(121)、容纳箱(122)、螺纹杆(123)和步进电机(124);所述支撑杆(121)设置有多个,所述支撑杆(121)竖直放置在凹槽(111)上,且所述支撑杆(121)均匀分布在两个凹槽(111)内;所述容纳箱(122)固定安装在支撑杆(121)的底端,且所述容纳箱(122)朝向工作台的一端为开口状;所述步进电机(124)固定安装在容纳箱(122)的侧壁上,所述步进电机(124)的转动轴水平放置;所述螺纹杆(123)位于容纳箱(122)内,且位于两个相对支撑杆(121)之间,所述螺纹杆(123)与步进电机(124)的转动轴固定连接,所述螺纹杆(123)上安装有固定块(1231),所述固定块(1231)与螺纹杆(123)螺纹连接;所述采集单元(13)与固定块(1231)固定连接。
2.根据权利要求1所述的一种基于机器视觉识别的外观质检系统,其特征在于:所述容纳箱(122)的内壁上开设有滑槽(1221),所述滑槽(1221)的开设方向与螺纹杆(123)的放置方向一致;所述固定块(1231)上设置有滑块(1232),所述滑块(1232)一端与固定块(1231)固定连接,另一端位于滑槽(1221)内。
3.根据权利要求1所述的一种基于机器视觉识别的外观质检系统,其特征在于:所述支撑杆(121)底端固定安装有滑轮(1211)。
4.根据权利要求1所述的一种基于机器视觉识别的外观质检系统,其特征在于:所述固定块(1231)上固定安装有为待测终端设备进行补光的LED光源(1233)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597206.6A CN116626036B (zh) | 2023-05-24 | 2023-05-24 | 一种基于机器视觉识别的外观质检方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597206.6A CN116626036B (zh) | 2023-05-24 | 2023-05-24 | 一种基于机器视觉识别的外观质检方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116626036A CN116626036A (zh) | 2023-08-22 |
CN116626036B true CN116626036B (zh) | 2024-04-02 |
Family
ID=87637710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310597206.6A Active CN116626036B (zh) | 2023-05-24 | 2023-05-24 | 一种基于机器视觉识别的外观质检方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116626036B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105973148A (zh) * | 2016-07-20 | 2016-09-28 | 上海晨光文具股份有限公司 | 基于机器视觉的笔头外观尺寸标准化检测系统 |
WO2021179679A1 (zh) * | 2020-03-13 | 2021-09-16 | 苏州鑫睿益荣信息技术有限公司 | 一种基于机器视觉的汽车仪表盘检测系统和检测方法 |
CN113847881A (zh) * | 2021-01-06 | 2021-12-28 | 西华大学 | 一种基于机器视觉的自由曲面轮廓度检测方法 |
CN114399507A (zh) * | 2022-03-25 | 2022-04-26 | 季华实验室 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
CN115014324A (zh) * | 2022-05-31 | 2022-09-06 | 驭势科技(北京)有限公司 | 定位方法、装置、介质、设备及车辆 |
-
2023
- 2023-05-24 CN CN202310597206.6A patent/CN116626036B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105973148A (zh) * | 2016-07-20 | 2016-09-28 | 上海晨光文具股份有限公司 | 基于机器视觉的笔头外观尺寸标准化检测系统 |
WO2021179679A1 (zh) * | 2020-03-13 | 2021-09-16 | 苏州鑫睿益荣信息技术有限公司 | 一种基于机器视觉的汽车仪表盘检测系统和检测方法 |
CN113847881A (zh) * | 2021-01-06 | 2021-12-28 | 西华大学 | 一种基于机器视觉的自由曲面轮廓度检测方法 |
CN114399507A (zh) * | 2022-03-25 | 2022-04-26 | 季华实验室 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
CN115014324A (zh) * | 2022-05-31 | 2022-09-06 | 驭势科技(北京)有限公司 | 定位方法、装置、介质、设备及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN116626036A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11774735B2 (en) | System and method for performing automated analysis of air samples | |
CA2924779C (en) | Systems and methods for automatically inspecting wire segments | |
US20120274751A1 (en) | Inclusion detection in polished gemstones | |
CN107895362B (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
CN112184648A (zh) | 一种基于深度学习的活塞表面缺陷检测方法及系统 | |
CN103366176B (zh) | 光学元件缺陷批量自动识别装置和方法 | |
CN108827597B (zh) | 一种结构光投影器的光斑均匀度检测方法和检测系统 | |
CN109632007A (zh) | 一种边缘点提取方法及齿轮高精度视觉测量系统 | |
CN114894642A (zh) | 一种基于深度学习的疲劳裂纹扩展速率测试方法及装置 | |
CN112730425A (zh) | 一种面向工业场景的产品表面缺陷自动识别方法 | |
CN116626036B (zh) | 一种基于机器视觉识别的外观质检方法及系统 | |
CN112964732A (zh) | 一种基于深度学习的丝饼缺陷视觉检测系统及方法 | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN116256366A (zh) | 一种芯片缺陷的检测方法、检测系统及存储介质 | |
CN116071365A (zh) | 零件检测方法、装置、设备及存储介质 | |
CN109211118A (zh) | 一种三维扫描测头空间位姿跟踪系统 | |
US20040008870A1 (en) | Electro-optical method and apparatus for evaluating protrusions of fibers from a fabric surface | |
KR20240064037A (ko) | 피로 테스트를 통해 물체의 표면 결함 및 브레이크 디스크의 크랙을 인공 지능에 의해 식별 및 특성화하는 방법 | |
CN111356914A (zh) | 一种检测方法和检测装置 | |
CN114486902A (zh) | 质量检测系统和方法 | |
JP2010523958A (ja) | 金属板生産ラインにおける残留酸化物の検出及び分類装置 | |
CN114486914A (zh) | 一种复合薄膜气泡快速检测的装置及方法 | |
CN112630153A (zh) | 一种镜头盖玻璃缺陷的检测方法、设备、存储介质 | |
WO2008085160A1 (en) | System and method for inspection of films | |
CN113873231B (zh) | 摄像头模组烘烤的监测系统及方法 |
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 |