CN116674134A - 一种树脂字自动化浇铸加工方法及其系统 - Google Patents
一种树脂字自动化浇铸加工方法及其系统 Download PDFInfo
- Publication number
- CN116674134A CN116674134A CN202310969132.4A CN202310969132A CN116674134A CN 116674134 A CN116674134 A CN 116674134A CN 202310969132 A CN202310969132 A CN 202310969132A CN 116674134 A CN116674134 A CN 116674134A
- Authority
- CN
- China
- Prior art keywords
- resin
- edge
- representing
- contour
- font
- 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
- 239000011347 resin Substances 0.000 title claims abstract description 172
- 229920005989 resin Polymers 0.000 title claims abstract description 172
- 238000005266 casting Methods 0.000 title claims abstract description 36
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 238000013145 classification model Methods 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 21
- 238000001746 injection moulding Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 16
- 238000003708 edge detection Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 238000010125 resin casting Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 230000009471 action Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims description 3
- 230000008018 melting Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000001816 cooling Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
- G06V30/245—Font recognition
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C39/00—Shaping by casting, i.e. introducing the moulding material into a mould or between confining surfaces without significant moulding pressure; Apparatus therefor
- B29C39/02—Shaping by casting, i.e. introducing the moulding material into a mould or between confining surfaces without significant moulding pressure; Apparatus therefor for making articles of definite length, i.e. discrete articles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C39/00—Shaping by casting, i.e. introducing the moulding material into a mould or between confining surfaces without significant moulding pressure; Apparatus therefor
- B29C39/22—Component parts, details or accessories; Auxiliary operations
- B29C39/44—Measuring, controlling or regulating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/18105—Extraction of features or characteristics of the image related to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种树脂字自动化浇铸加工方法及其系统，涉及树脂字浇铸控制领域，本发明通过模型算法自动地对树脂字体的特征进行提取和分析，无需人工干预。这大大提高了生产效率，减少了人力资源的需求，并能够更全面地评估树脂字体的质量，不仅可以检测表面缺陷，还能够识别其他潜在问题，如形状偏差、边缘质量等，提高树脂字体的准确分拣率，并能够准确地评估树脂字体的质量，相比传统的目视人工检查，人工智能的评估结果更加客观、准确和一致。
Description
技术领域
本发明涉及树脂字浇铸控制领域，具体是一种树脂字自动化浇铸加工方法及其系统。
背景技术
树脂字浇铸是一种常见的制作字体标识或字体装饰的工艺技术。它通常使用透明或有颜色的树脂材料，通过在字模或模具中灌注树脂，再通过加热和固化等工艺步骤，最终形成具有所需形状和表面效果的树脂字。树脂字浇铸技术具有一些优势，例如制作过程相对容易、成本较低、制作的字体可以具有立体感和透明效果等。因此，在广告、装饰、建筑等领域都得到了广泛应用。
然而，在树脂字浇铸的过程中，可能存在一些缺陷和瑕疵，例如：
（1） 边缘毛刺：在树脂字浇铸的过程中，由于树脂液体在模具内的流动性和粘度，以及浇铸速度与温度的控制，可能会导致树脂字边缘出现毛刺、毛刷或不光滑的情况；
（2） 气泡和孔洞：部分树脂材料可能会在浇铸过程中产生气泡和孔洞，这可能是由于树脂材料中的气体在高温或高压下释放或逃逸所导致的；
（3） 不均匀颜色：树脂字浇铸中，如果树脂液体的颜色分布不均匀或混合不均，可能会导致浇铸后的树脂字体颜色不一致或出现斑点；
（4） 表面不光滑：如树脂字体的表面出现裂纹、凹凸不平、痕迹等，可能是由于树脂材料的流动性、浇铸压力、温度等因素导致的。
当前的树脂字浇铸工艺中，可能需要通过人工进行瑕疵的识别和检查。这样的检查过程可能耗时且需要有一定的技术经验。由于人工识别的主观性和不一致性，可能存在漏检或判错的情况，缺乏智能化和自动化的特点。
发明内容
本发明的目的在于克服现有技术的不足，提供工程岩体变形检测的三维激光扫描固定系统及其测试方法，在不对现场交通条件造成影响的同时，获取多次工程岩体的点云数据用于变形计算，并确保每一次扫描位于同一空间位置。
一种树脂字自动化浇铸加工方法，包括以下步骤：
S1. 树脂材料制备、树脂字字体模具制备、注塑机定位；
S2. 将制备好的树脂材料放入注塑机，通过加热和压力作用使树脂熔化，将注塑机中熔化的树脂匀速倒入字体模具中；
S3. 对固化后的树脂字体进行图像扫描，并对扫描后的树脂字体图像进行预处理，所述预处理包括图像增强、图像分割、去除噪声；提取树脂字体图像的特征信息，所述特征信息包括字体形状、边缘质量、纹理、颜色；根据预定义的判定标准和分类规则，对识别结果进行评估和判定；
S4. 根据识别和判定结果，自动对树脂字体进行分拣；
其中，所述步骤S4具体包括以下子步骤：
S401. 通过Canny边缘检测算法，对图像进行字体形状、边缘质量、颜色分布和纹理特征提取，具体为：
字体形状特征：提取树脂字体的轮廓信息，计算轮廓的长度、曲率特征；
边缘质量特征：提取树脂字体边缘的清晰度和准确度，计算边缘像素的灰度变化和连接性特征；
颜色分布特征：通过对树脂字体图像进行颜色空间的转换，提取颜色分布特征，计算颜色的平均值、标准差、颜色直方图；
纹理特征：通过纹理分析算法，提取树脂字体的纹理特征，通过局部二值模式算法对树脂字体的纹理特征进行描述；
S402. 将提取得到的特征信息和相应的标签进行分类模型训练；
S403. 使用一部分已经标注好的数据作为测试集，评估分类模型的准确率、召回率、精确率指标；
S404. 通过训练后的分类模型对新的树脂字体进行预测和评估。
进一步的，所述步骤S401中，字体形状特征提取的具体流程为：使用Canny边缘检测算法提取树脂字体的轮廓信息，其中，
轮廓长度：通过计算轮廓上各个像素点之间的欧几里得距离之和来计算轮廓的长度，设轮廓上的点依次为，则轮廓长度为：
其中，所述表示轮廓长度，所述/>表示轮廓上点的总数量，所述分别表示轮廓上的点的横坐标和纵坐标，所述/>表示轮廓上的第/>个点；
轮廓面积：通过计算轮廓边界内部的像素数量对轮廓的面积进行估计，使用OpenCV库中的contourArea函数进行计算，其计算函数为：
，其中，所述/>表示轮廓的面积，/>表示OpenCV库的命名空间，所述/>表示包含了一个或多个轮廓的二维向量；
轮廓曲率：使用曲率圆的半径来表示轮廓曲率，设轮廓上的点依次为，计算第/>个点的曲率：
其中，所述表示轮廓上第/>个点的曲率，所述表示有轮廓上第/>个点、第/>个点和第/>个点构成的三角形的面积，所述表示轮廓上第/>个点、和第/>个点之间的线段长度。
进一步的，所述步骤S401中，边缘质量特征提取的具体流程为：
边缘灰度变化：通过Canny边缘检测算法得到树脂字体的边缘图像，并对边缘图像中的每个边缘像素，计算其周围像素的灰度变化，其具体计算公式为：
其中，所述表示坐标为/>的像素的灰度值；
边缘连接性：计算边缘图像中边缘像素之间的连接性指标进行评估，其中，计算边缘像素之间的连接性指标具体为：
其中，所述表示边缘像素的连接数，所述/>表示边缘像素的总数。
进一步的，所述边缘像素的连接数的计算方式如下：
对于每个边缘像素，判断与其8个相邻像素是否属于边缘像素，如果是，则连接数加1；
对于边缘图像的边界上的边缘像素，判断与其相邻的边界像素是否属于边缘像素，如果是，则连接数加1。
进一步的，所述分类模型为支持向量机SVM算法，其预测方式为：
其中，所述表示预测结果，所述/>表示权重向量，所述/>表示向量的/>转置，所述/>表示特征向量，所述/>表示偏置项。
一种树脂字自动化浇铸加工系统，该系统所述的一种树脂字自动化浇铸加工方法，包括树脂浇铸子系统、识别控制子系统和分拣子系统，所述识别控制子系统识别树脂浇铸子系统浇铸的树脂字，并根据识别结果进行分析，分拣子系统通过分析结果进行分拣，其中：
所述识别控制子系统通过图像识别提取树脂字体图像的字体形状、边缘质量、纹理、颜色特征信息，所述特征信息用于对树脂浇铸子系统浇铸后的字体进行评估；
所述识别控制子系统通过检测算法，对图像进行字体形状、边缘质量、颜色分布和纹理特征提取，具体为：
字体形状特征：提取树脂字体的轮廓信息，计算轮廓的长度、曲率特征；
边缘质量特征：提取树脂字体边缘的清晰度和准确度，计算边缘像素的灰度变化和连接性特征；
颜色分布特征：通过对树脂字体图像进行颜色空间的转换，提取颜色分布特征，计算颜色的平均值、标准差、颜色直方图；
纹理特征：通过纹理分析算法，提取树脂字体的纹理特征，通过局部二值模式算法对树脂字体的纹理特征进行描述；
所述识别控制子系统将提取得到的特征信息和相应的标签进行分类模型训练，并根据分类模型进行结果评估。
进一步的，所述字体形状特征的提取流程为：使用Canny边缘检测算法提取树脂字体的轮廓信息，其中，
轮廓长度：通过计算轮廓上各个像素点之间的欧几里得距离之和来计算轮廓的长度，设轮廓上的点依次为，则轮廓长度为：
其中，所述表示轮廓长度，所述/>表示轮廓上点的总数量，所述/>分别表示轮廓上的点的横坐标和纵坐标，所述/>表示轮廓上的第/>个点；
轮廓面积：通过计算轮廓边界内部的像素数量对轮廓的面积进行估计，使用OpenCV库中的contourArea函数进行计算，其计算函数为：
，其中，所述/>表示轮廓的面积，/>表示OpenCV库的命名空间，所述/>表示包含了一个或多个轮廓的二维向量；
轮廓曲率：使用曲率圆的半径来表示轮廓曲率，设轮廓上的点依次为，计算第/>个点的曲率：
其中，所述表示轮廓上第/>个点的曲率，所述表示有轮廓上第个点、第/>个点和第/>个点构成的三角形的面积，所述表示轮廓上第/>个点、和第/>个点之间的线段长度。
进一步的，所述边缘质量特征的提取流程为：
边缘灰度变化：通过Canny边缘检测得到树脂字体的边缘图像，并对边缘图像中的每个边缘像素，计算其周围像素的灰度变化，其具体计算公式为：
其中，所述表示坐标为/>的像素的灰度值；
边缘连接性：计算边缘图像中边缘像素之间的连接性指标进行评估，其中，计算边缘像素之间的连接性指标具体为：
其中，所述表示边缘像素的连接数，所述/>表示边缘像素的总数。
本发明的有益效果是：
（1）本发明通过模型算法自动地对树脂字体的特征进行提取和分析，无需人工干预。这大大提高了生产效率，减少了人力资源的需求，并能够更全面地评估树脂字体的质量，不仅可以检测表面缺陷，还能够识别其他潜在问题，如形状偏差、边缘质量等，提高树脂字体的准确分拣率；
本发明采用人工智能建立高精度的分类模型，根据提取的特征信息，能够准确地评估树脂字体的质量，相比传统的目视人工检查，人工智能的评估结果更加客观、准确和一致。
附图说明
图1为实施例提出的一种树脂字自动化浇铸加工方法的总体方法流程图；
图2为实施例提出的一种树脂字自动化浇铸加工方法的步骤S4的方法流程图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
为了使本发明的目的，技术方案及优点更加清楚明白，结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
而且，术语“包括”，“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程，方法，物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程，方法，物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程，方法，物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
一种树脂字自动化浇铸加工方法，包括以下步骤，如图1：
S1. 树脂材料制备、树脂字字体模具制备、注塑机定位；
S2. 将制备好的树脂材料放入注塑机，通过加热和压力作用使树脂熔化，将注塑机中熔化的树脂匀速倒入字体模具中；
S3. 对固化后的树脂字体进行图像扫描，并对扫描后的树脂字体图像进行预处理，所述预处理包括图像增强、图像分割、去除噪声；提取树脂字体图像的特征信息，所述特征信息包括字体形状、边缘质量、纹理、颜色；根据预定义的判定标准和分类规则，对识别结果进行评估和判定；针对于上述规则定义，作为优选的提出具体实施方式：
针对于边缘灰度变化规则：
如果边缘灰度变化在一个较小的阈值范围内（例如0-10），则将其评定为清晰的边缘。
如果边缘灰度变化在一个较大的阈值范围内（例如大于10），则将其评定为模糊的边缘。
针对于边缘连接性规则：
如果边缘连接性在一个较小的阈值范围内（例如0.6-1），则将其评定为连通性良好的边缘。
如果边缘连接性在一个较大的阈值范围内（例如小于0.6），则将其评定为连通性较差的边缘。
通过以上定义规则，评估模型可以根据提取到的边缘特征进行判定，将树脂字体的边缘分为清晰的和模糊的，以及连通性良好的和连通性较差的。这样就可以根据定义规则将树脂字体进行分类和评估。
S4. 根据识别和判定结果，自动对树脂字体进行分拣。
进一步的，上述实施方式具体包括：
准备工作：根据设计要求，准备好需要灌浇的字体模具和流动性较好的树脂材料。同时，也需要准备好模具支撑架、注塑机等相关设备。
模具处理：将字体模具放置在模具支撑架上，确保模具表面平整且干净，以确保树脂灌浇后的字体质量。
树脂准备：根据需要，将树脂材料与相应的颜色和添加剂混合均匀，以获得所需的色彩和性能。
注塑灌浇：将准备好的树脂材料放入注塑机中，通过加热和压力的作用，使树脂熔化并在一定的温度和时间下变得流动。
灌浇字体：将注塑机中熔化的树脂以适当的速度倒入字体模具中，确保树脂充满字体模具的每个细节，并静置一段时间，以使树脂充分固化。
进一步的，所述提取树脂字体图像的特征信息之前，还需根据实际情况和特征的相关性，对提取到的特征进行选择和降维。可以使用相关性分析、主成分分析等方法。
其中，所述步骤S4具体包括以下子步骤，如图2：
S401. 通过Canny边缘检测算法，对图像进行字体形状、边缘质量、颜色分布和纹理特征提取，具体为：
字体形状特征：提取树脂字体的轮廓信息，计算轮廓的长度、曲率特征；
边缘质量特征：提取树脂字体边缘的清晰度和准确度，计算边缘像素的灰度变化和连接性特征；
颜色分布特征：通过对树脂字体图像进行颜色空间的转换，提取颜色分布特征，计算颜色的平均值、标准差、颜色直方图；
纹理特征：通过纹理分析算法，提取树脂字体的纹理特征，通过局部二值模式算法对树脂字体的纹理特征进行描述；
S402. 将提取得到的特征信息和相应的标签进行分类模型训练；具体的，在训练之前，需要将提取到的特征组合成一个特征向量，可按照需要进行归一化或标准化。训练时，将准备好的特征数据和相应的标签（可手动标注或自动生成）用于训练分类模型。根据实际情况选择合适的分类算法和模型，如决策树、支持向量机、神经网络等。
S403. 使用一部分已经标注好的数据作为测试集，评估分类模型的准确率、召回率、精确率指标；
S404. 通过训练后的分类模型对新的树脂字体进行预测和评估，具体的，将特征向量输入到已经训练好的分类模型中进行预测。分类模型可以采用支持向量机(SVM)算法。根据模型的输出结果，判断树脂字体是否存在缺陷，并将评估结果分为不同的类别，如“合格”和“不合格”。
作为优选的，当分类模型训练好后，可对模型进行评估和调优，具体的，使用一部分已经标注好的数据作为测试集，评估训练好的分类模型的准确率、召回率、精确率等指标。根据评估结果进行模型调优，如调整模型参数、增加训练样本等。
进一步的，所述步骤S401中，字体形状特征提取的具体流程为：使用Canny算法提取树脂字体的轮廓信息，其中，
轮廓长度：通过计算轮廓上各个像素点之间的欧几里得距离之和来计算轮廓的长度，设轮廓上的点依次为，则轮廓长度为：
其中，所述表示轮廓长度，所述/>表示轮廓上点的总数量，所述分别表示轮廓上的点的横坐标和纵坐标，所述/>表示轮廓上的第/>个点；
轮廓面积：通过计算轮廓边界内部的像素数量对轮廓的面积进行估计，使用OpenCV库中的contourArea函数进行计算，其计算函数为：
，其中，所述/>表示轮廓的面积，/>表示OpenCV库的命名空间，所述/>表示包含了一个或多个轮廓的二维向量；
轮廓曲率：使用曲率圆的半径来表示轮廓曲率，设轮廓上的点依次为，计算第/>个点的曲率：
其中，所述表示轮廓上第/>个点的曲率，所述表示有轮廓上第/>个点、第/>个点和第/>个点构成的三角形的面积，所述表示轮廓上第/>个点、和第/>个点之间的线段长度。
作为优选的，还可根据实际情况选择特征进行训练，如尺寸和比例特征：通过测量树脂字体的宽度、高度、面积和长宽比等指标，提取尺寸和比例特征；颜色分布特征：通过对树脂字体图像进行颜色空间的转换，如RGB、HSV等，可以提取颜色分布特征。例如，可以计算颜色的平均值、标准差、颜色直方图等。
进一步的，所述步骤S401中，边缘质量特征提取的具体流程为：
边缘灰度变化：通过Canny边缘检测算法得到树脂字体的边缘图像，并对边缘图像中的每个边缘像素，计算其周围像素的灰度变化，其具体计算公式为：
其中，所述表示坐标为/>的像素的灰度值；
边缘连接性：计算边缘图像中边缘像素之间的连接性指标进行评估，其中，计算边缘像素之间的连接性指标具体为：
其中，所述表示边缘像素的连接数，所述/>表示边缘像素的总数。
进一步的，所述边缘像素的连接数的计算方式如下：
对于每个边缘像素，判断与其8个相邻像素是否属于边缘像素，如果是，则连接数加1；
对于边缘图像的边界上的边缘像素，判断与其相邻的边界像素是否属于边缘像素，如果是，则连接数加1。
进一步的，所述分类模型为支持向量机SVM算法，其预测方式为：
其中，所述表示预测结果，所述/>表示权重向量，所述/>表示向量的/>转置，所述/>表示特征向量，所述/>表示偏置项。
进一步的，所述分拣流程具体为：根据分拣结果，自动将树脂字体进行分拣。可以通过机械臂、传送带等自动化设备来实现，将合格的树脂字体送往下一道工序，而不合格的树脂字体则进行处理或分类。
一种树脂字自动化浇铸加工系统，该系统所述的一种树脂字自动化浇铸加工方法，包括树脂浇铸子系统、识别控制子系统和分拣子系统，所述识别控制子系统识别树脂浇铸子系统浇铸的树脂字，并根据识别结果进行分析，分拣子系统通过分析结果进行分拣。具体的，所述树脂浇铸子系统包括：注塑机：注塑机是树脂字浇铸的核心设备。它通过加热和压力作用，将树脂材料熔化并注入字体模具中，实现树脂字的灌浇。模具：模具是用于灌浇树脂字的工具，通常由金属或硅胶等材料制成。模具中具有字体的形状和细节，通过注塑机将树脂材料注入模具中实现树脂字的形成。模具支撑架：模具支撑架用于将字体模具固定在合适的位置，以保持模具的稳定和准确的位置。冷却设备：在注塑过程中，树脂字在模具中会经历固化和冷却的阶段。冷却设备，如水冷却系统或风冷却系统，用于加快树脂固化过程并降低温度，以便于树脂字的脱模和后续处理。所述识别控制子系统包括
所述识别控制子系统通过图像识别提取树脂字体图像的字体形状、边缘质量、纹理、颜色特征信息，所述特征信息用于对树脂浇铸子系统浇铸后的字体进行评估；
所述识别控制子系统通过Canny边缘检测算法，对图像进行字体形状、边缘质量、颜色分布和纹理特征提取，具体为：
字体形状特征：提取树脂字体的轮廓信息，计算轮廓的长度、曲率特征；
边缘质量特征：提取树脂字体边缘的清晰度和准确度，计算边缘像素的灰度变化和连接性特征；
颜色分布特征：通过对树脂字体图像进行颜色空间的转换，提取颜色分布特征，计算颜色的平均值、标准差、颜色直方图；
纹理特征：通过纹理分析算法，提取树脂字体的纹理特征，通过局部二值模式算法对树脂字体的纹理特征进行描述；
所述识别控制子系统将提取得到的特征信息和相应的标签进行分类模型训练，并根据分类模型进行结果评估。
进一步的，所述字体形状特征的提取流程为：使用Canny算法提取树脂字体的轮廓信息，其中，
轮廓长度：通过计算轮廓上各个像素点之间的欧几里得距离之和来计算轮廓的长度，设轮廓上的点依次为，则轮廓长度为：
其中，所述表示轮廓长度，所述/>表示轮廓上点的总数量，所述分别表示轮廓上的点的横坐标和纵坐标，所述/>表示轮廓上的第/>个点；
轮廓面积：通过计算轮廓边界内部的像素数量对轮廓的面积进行估计，使用OpenCV库中的contourArea函数进行计算，其计算函数为：
，其中，所述/>表示轮廓的面积，/>表示OpenCV库的命名空间，所述/>表示包含了一个或多个轮廓的二维向量；
轮廓曲率：使用曲率圆的半径来表示轮廓曲率，设轮廓上的点依次为，计算第/>个点的曲率：
其中，所述表示轮廓上第/>个点的曲率，所述表示有轮廓上第/>个点、第/>个点和第/>个点构成的三角形的面积，所述表示轮廓上第/>个点、和第/>个点之间的线段长度。
进一步的，所述边缘质量特征的提取流程为：
边缘灰度变化：通过Canny边缘检测得到树脂字体的边缘图像，并对边缘图像中的每个边缘像素，计算其周围像素的灰度变化，其具体计算公式为：
其中，所述表示坐标为/>的像素的灰度值；
边缘连接性：计算边缘图像中边缘像素之间的连接性指标进行评估，其中，计算边缘像素之间的连接性指标具体为：
其中，所述表示边缘像素的连接数，所述/>表示边缘像素的总数。
进一步的，树脂的不同类型在树脂字浇铸过程中会对边缘毛刺产生不同的影响。不同类型的树脂具有不同的流动性和固化性能，这会影响树脂字体边缘的质量。高流动性的树脂（例如低粘度的液态树脂）容易形成较光滑的边缘，边缘毛刺较少。这是因为高流动性的树脂能更好地填充字体模具的细节，使树脂在填充过程中较少发生滞留、渗漏等问题。相反，低流动性的树脂（例如高粘度的固态树脂）可能在注塑过程中难以充分填满字体模具的细节，导致边缘毛刺较多。此外，低流动性的树脂在固化过程中可能会出现收缩或变形现象，进一步影响边缘质量。
因此，选择合适的树脂类型对树脂字体边缘的质量和毛刺程度具有重要影响。不同应用场景和需求可能需要选择不同类型的树脂，以获得所需的边缘质量和外观效果。在树脂字浇铸过程中，需要根据具体情况调整树脂类型、工艺参数和模具设计，以最大限度地减少边缘毛刺的产生。而根据所选择的树脂类型不同，可对其权重进行相应调整，使得分类模型的结果更加准确。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (8)
1.一种树脂字自动化浇铸加工方法，其特征在于，包括以下步骤：
S1. 树脂材料制备、树脂字字体模具制备、注塑机定位；
S2. 将制备好的树脂材料放入注塑机，通过加热和压力作用使树脂熔化，将注塑机中熔化的树脂匀速倒入字体模具中；
S3. 对固化后的树脂字体进行图像扫描，并对扫描后的树脂字体图像进行预处理，所述预处理包括图像增强、图像分割、去除噪声；提取树脂字体图像的特征信息，所述特征信息包括字体形状、边缘质量、纹理、颜色；根据预定义的判定标准和分类规则，对识别结果进行评估和判定；
S4. 根据识别和判定结果，自动对树脂字体进行分拣；
其中，所述步骤S4具体包括以下子步骤：
S401. 通过Canny边缘检测算法，对图像进行字体形状、边缘质量、颜色分布和纹理特征提取，具体为：
字体形状特征：提取树脂字体的轮廓信息，计算轮廓的长度、曲率特征；
边缘质量特征：提取树脂字体边缘的清晰度和准确度，计算边缘像素的灰度变化和连接性特征；
颜色分布特征：通过对树脂字体图像进行颜色空间的转换，提取颜色分布特征，计算颜色的平均值、标准差、颜色直方图；
纹理特征：通过纹理分析算法，提取树脂字体的纹理特征，通过局部二值模式算法对树脂字体的纹理特征进行描述；
S402. 将提取得到的特征信息和相应的标签进行分类模型训练；
S403. 使用一部分已经标注好的数据作为测试集，评估分类模型的准确率、召回率、精确率指标；
S404. 通过训练后的分类模型对新的树脂字体进行预测和评估。
2.如权利要求1所述的一种树脂字自动化浇铸加工方法，其特征在于，所述步骤S401中，字体形状特征提取的具体流程为：使用Canny边缘检测算法提取树脂字体的轮廓信息，其中，
轮廓长度：通过计算轮廓上各个像素点之间的欧几里得距离之和来计算轮廓的长度，设轮廓上的点依次为，则轮廓长度为：
；
其中，所述表示轮廓长度，所述/>表示轮廓上点的总数量，所述/>分别表示轮廓上的点的横坐标和纵坐标，所述/>表示轮廓上的第/>个点；
轮廓面积：通过计算轮廓边界内部的像素数量对轮廓的面积进行估计，使用OpenCV库中的contourArea函数进行计算，其计算函数为：
；轮廓曲率：使用曲率圆的半径来表示轮廓曲率，设轮廓上的点依次为/>，计算第/>个点的曲率：
；
其中，所述表示轮廓上第/>个点的曲率，所述表示有轮廓上第个点、第/>个点和第/>个点构成的三角形的面积，所述表示轮廓上第/>个点、和第/>个点之间的线段长度。
3.如权利要求1所述的一种树脂字自动化浇铸加工方法，其特征在于，所述步骤S401中，边缘质量特征提取的具体流程为：
边缘灰度变化：通过Canny边缘检测算法得到树脂字体的边缘图像，并对边缘图像中的每个边缘像素，计算其周围像素的灰度变化，其具体计算公式为：
；
其中，所述表示坐标为/>的像素的灰度值；
边缘连接性：计算边缘图像中边缘像素之间的连接性指标进行评估，其中，计算边缘像素之间的连接性指标具体为：
；
其中，所述表示边缘像素的连接数，所述/>表示边缘像素的总数。
4.如权利要求1所述的一种树脂字自动化浇铸加工方法，其特征在于，所述边缘像素的连接数的计算方式如下：
对于每个边缘像素，判断与其8个相邻像素是否属于边缘像素，如果是，则连接数加1；
对于边缘图像的边界上的边缘像素，判断与其相邻的边界像素是否属于边缘像素，如果是，则连接数加1。
5.如权利要求1所述的一种树脂字自动化浇铸加工方法，其特征在于，所述分类模型为支持向量机SVM算法，其预测方式为：
；
其中，所述表示预测结果，所述/>表示权重向量，所述/>表示向量的/>转置，所述/>表示特征向量，所述/>表示偏置项。
6.一种树脂字自动化浇铸加工系统，该系统基于权利要求1-5中任一项所述的一种树脂字自动化浇铸加工方法，包括树脂浇铸子系统、识别控制子系统和分拣子系统，所述识别控制子系统识别树脂浇铸子系统浇铸的树脂字，并根据识别结果进行分析，分拣子系统通过分析结果进行分拣，其特征在于：
所述识别控制子系统通过图像识别提取树脂字体图像的字体形状、边缘质量、纹理、颜色特征信息，所述特征信息用于对树脂浇铸子系统浇铸后的字体进行评估；
所述识别控制子系统通过Canny边缘检测算法，对图像进行字体形状、边缘质量、颜色分布和纹理特征提取，具体为：
字体形状特征：提取树脂字体的轮廓信息，计算轮廓的长度、曲率特征；
边缘质量特征：提取树脂字体边缘的清晰度和准确度，计算边缘像素的灰度变化和连接性特征；
颜色分布特征：通过对树脂字体图像进行颜色空间的转换，提取颜色分布特征，计算颜色的平均值、标准差、颜色直方图；
纹理特征：通过纹理分析算法，提取树脂字体的纹理特征，通过局部二值模式算法对树脂字体的纹理特征进行描述；
所述识别控制子系统将提取得到的特征信息和相应的标签进行分类模型训练，并根据分类模型进行结果评估。
7.如权利要求6所述的一种树脂字自动化浇铸加工系统，其特征在于，所述字体形状特征的提取流程为：使用Canny边缘检测算法提取树脂字体的轮廓信息，其中，
轮廓长度：通过计算轮廓上各个像素点之间的欧几里得距离之和来计算轮廓的长度，设轮廓上的点依次为，则轮廓长度为：
；
其中，所述表示轮廓长度，所述/>表示轮廓上点的总数量，所述/>分别表示轮廓上的点的横坐标和纵坐标，所述/>表示轮廓上的第/>个点；
轮廓面积：通过计算轮廓边界内部的像素数量对轮廓的面积进行估计，使用OpenCV库中的contourArea函数进行计算，其计算函数为：
；
轮廓曲率：使用曲率圆的半径来表示轮廓曲率，设轮廓上的点依次为，计算第/>个点的曲率：
；
其中，所述表示轮廓上第/>个点的曲率，所述表示有轮廓上第/>个点、第/>个点和第/>个点构成的三角形的面积，所述表示轮廓上第/>个点、和第/>个点之间的线段长度。
8.如权利要求6所述的一种树脂字自动化浇铸加工系统，其特征在于，所述边缘质量特征的提取流程为：
边缘灰度变化：通过Canny边缘检测算法得到树脂字体的边缘图像，并对边缘图像中的每个边缘像素，计算其周围像素的灰度变化，其具体计算公式为：
；
其中，所述表示坐标为/>的像素的灰度值；
边缘连接性：计算边缘图像中边缘像素之间的连接性指标进行评估，其中，计算边缘像素之间的连接性指标具体为：
；
其中，所述表示边缘像素的连接数，所述/>表示边缘像素的总数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310969132.4A CN116674134B (zh) | 2023-08-03 | 2023-08-03 | 一种树脂字自动化浇铸加工方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310969132.4A CN116674134B (zh) | 2023-08-03 | 2023-08-03 | 一种树脂字自动化浇铸加工方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116674134A true CN116674134A (zh) | 2023-09-01 |
| CN116674134B CN116674134B (zh) | 2023-10-20 |
Family
ID=87782284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310969132.4A Active CN116674134B (zh) | 2023-08-03 | 2023-08-03 | 一种树脂字自动化浇铸加工方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116674134B (zh) |
Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4519041A (en) * | 1982-05-03 | 1985-05-21 | Honeywell Inc. | Real time automated inspection |
| WO1991010970A1 (en) * | 1990-01-22 | 1991-07-25 | Gouge James O | Image pattern extraction |
| US5095204A (en) * | 1990-08-30 | 1992-03-10 | Ball Corporation | Machine vision inspection system and method for transparent containers |
| EP0525198A1 (en) * | 1991-01-14 | 1993-02-03 | Fanuc Ltd. | Method of monitoring position of resin in cavity of metallic mold |
| US5301248A (en) * | 1987-11-09 | 1994-04-05 | Hitachi, Ltd. | Method for pattern inspection and apparatus therefor |
| JPH1125272A (ja) * | 1997-06-30 | 1999-01-29 | Fuji Xerox Co Ltd | 画像識別装置 |
| US5867142A (en) * | 1991-11-25 | 1999-02-02 | Xerox Corporation | System and method for processing an image having edges |
| KR20060091208A (ko) * | 2005-02-14 | 2006-08-18 | 엘지전자 주식회사 | 플라즈마 디스플레이 패널의 화상처리 장치 및 화상처리 방법 |
| US20100061655A1 (en) * | 2008-09-05 | 2010-03-11 | Digital Business Processes, Inc. | Method and Apparatus for Despeckling an Image |
| US20100215275A1 (en) * | 2009-02-24 | 2010-08-26 | John Spitzer | Test procedure for measuring the geometric features of a test specimen |
| US20120086807A1 (en) * | 2010-10-11 | 2012-04-12 | Stephan Simon | Method and device for the visual display of surroundings of a vehicle |
| JP5413532B1 (ja) * | 2013-06-20 | 2014-02-12 | 富士ゼロックス株式会社 | 突部の検出装置、突部の検出システム、および、突部の検出プログラム |
| KR101449273B1 (ko) * | 2013-04-23 | 2014-10-08 | 주식회사 포스코 | 주편의 에지부 측면 결함 검출 장치 및 방법 |
| EP2913180A1 (en) * | 2014-02-27 | 2015-09-02 | Mitsubishi Heavy Industries, Ltd. | System and method for resin flow control |
| JP2017098567A (ja) * | 2016-12-27 | 2017-06-01 | 株式会社東京精密 | エッジ検出装置 |
| US20180186080A1 (en) * | 2017-01-05 | 2018-07-05 | Velo3D, Inc. | Optics in three-dimensional printing |
| JP2019014112A (ja) * | 2017-07-05 | 2019-01-31 | ソニーセミコンダクタソリューションズ株式会社 | 半導体装置の製造方法、および、金型 |
| CN209208005U (zh) * | 2018-12-10 | 2019-08-06 | 通达(厦门)科技有限公司 | 一种乳白色软胶注塑产品外观检测装置 |
| US20190294641A1 (en) * | 2018-03-26 | 2019-09-26 | Kapow Technologies | Determining functional and descriptive elements of application images for intelligent screen automation |
| KR102242996B1 (ko) * | 2019-11-27 | 2021-04-21 | 케이비아이동국실업 주식회사 | 자동차 사출제품의 비정형 불량 검출 방법 |
| CN113052794A (zh) * | 2021-01-07 | 2021-06-29 | 郑州大学 | 一种基于边缘特征的图像清晰度识别方法 |
| CN113546863A (zh) * | 2021-07-29 | 2021-10-26 | 深圳市名都实业有限公司 | 一种用于自动质检操作的工业机器人及控制方法 |
| CN113674280A (zh) * | 2021-10-25 | 2021-11-19 | 启东万惠机械制造有限公司 | 一种电站锅炉炉膛温度测量方法 |
| CN114120310A (zh) * | 2022-01-27 | 2022-03-01 | 廊坊易砚领创科技有限公司 | 一种轮胎模具侧板的检测方法 |
| KR20220117388A (ko) * | 2021-02-15 | 2022-08-24 | 삼성디스플레이 주식회사 | 표시 장치 및 그 구동 방법 |
| CN115710340A (zh) * | 2022-11-29 | 2023-02-24 | 绵阳华远同创科技有限公司 | 增稠剂用疏水单体、制备方法、应用 |
-
2023
- 2023-08-03 CN CN202310969132.4A patent/CN116674134B/zh active Active
Patent Citations (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4519041A (en) * | 1982-05-03 | 1985-05-21 | Honeywell Inc. | Real time automated inspection |
| US5301248A (en) * | 1987-11-09 | 1994-04-05 | Hitachi, Ltd. | Method for pattern inspection and apparatus therefor |
| WO1991010970A1 (en) * | 1990-01-22 | 1991-07-25 | Gouge James O | Image pattern extraction |
| US5095204A (en) * | 1990-08-30 | 1992-03-10 | Ball Corporation | Machine vision inspection system and method for transparent containers |
| EP0525198A1 (en) * | 1991-01-14 | 1993-02-03 | Fanuc Ltd. | Method of monitoring position of resin in cavity of metallic mold |
| US5867142A (en) * | 1991-11-25 | 1999-02-02 | Xerox Corporation | System and method for processing an image having edges |
| JPH1125272A (ja) * | 1997-06-30 | 1999-01-29 | Fuji Xerox Co Ltd | 画像識別装置 |
| KR20060091208A (ko) * | 2005-02-14 | 2006-08-18 | 엘지전자 주식회사 | 플라즈마 디스플레이 패널의 화상처리 장치 및 화상처리 방법 |
| US20100061655A1 (en) * | 2008-09-05 | 2010-03-11 | Digital Business Processes, Inc. | Method and Apparatus for Despeckling an Image |
| US20100215275A1 (en) * | 2009-02-24 | 2010-08-26 | John Spitzer | Test procedure for measuring the geometric features of a test specimen |
| US20120086807A1 (en) * | 2010-10-11 | 2012-04-12 | Stephan Simon | Method and device for the visual display of surroundings of a vehicle |
| KR101449273B1 (ko) * | 2013-04-23 | 2014-10-08 | 주식회사 포스코 | 주편의 에지부 측면 결함 검출 장치 및 방법 |
| JP5413532B1 (ja) * | 2013-06-20 | 2014-02-12 | 富士ゼロックス株式会社 | 突部の検出装置、突部の検出システム、および、突部の検出プログラム |
| EP2913180A1 (en) * | 2014-02-27 | 2015-09-02 | Mitsubishi Heavy Industries, Ltd. | System and method for resin flow control |
| JP2017098567A (ja) * | 2016-12-27 | 2017-06-01 | 株式会社東京精密 | エッジ検出装置 |
| US20180186080A1 (en) * | 2017-01-05 | 2018-07-05 | Velo3D, Inc. | Optics in three-dimensional printing |
| JP2019014112A (ja) * | 2017-07-05 | 2019-01-31 | ソニーセミコンダクタソリューションズ株式会社 | 半導体装置の製造方法、および、金型 |
| US20190294641A1 (en) * | 2018-03-26 | 2019-09-26 | Kapow Technologies | Determining functional and descriptive elements of application images for intelligent screen automation |
| CN209208005U (zh) * | 2018-12-10 | 2019-08-06 | 通达(厦门)科技有限公司 | 一种乳白色软胶注塑产品外观检测装置 |
| KR102242996B1 (ko) * | 2019-11-27 | 2021-04-21 | 케이비아이동국실업 주식회사 | 자동차 사출제품의 비정형 불량 검출 방법 |
| CN113052794A (zh) * | 2021-01-07 | 2021-06-29 | 郑州大学 | 一种基于边缘特征的图像清晰度识别方法 |
| KR20220117388A (ko) * | 2021-02-15 | 2022-08-24 | 삼성디스플레이 주식회사 | 표시 장치 및 그 구동 방법 |
| CN113546863A (zh) * | 2021-07-29 | 2021-10-26 | 深圳市名都实业有限公司 | 一种用于自动质检操作的工业机器人及控制方法 |
| CN113674280A (zh) * | 2021-10-25 | 2021-11-19 | 启东万惠机械制造有限公司 | 一种电站锅炉炉膛温度测量方法 |
| CN114120310A (zh) * | 2022-01-27 | 2022-03-01 | 廊坊易砚领创科技有限公司 | 一种轮胎模具侧板的检测方法 |
| CN115710340A (zh) * | 2022-11-29 | 2023-02-24 | 绵阳华远同创科技有限公司 | 增稠剂用疏水单体、制备方法、应用 |
Non-Patent Citations (4)
| Title |
|---|
| 于庆磊;杨天鸿;唐世斌;刘洪磊;梁正召;郑喜;贾蓬;: "基于CT的准脆性材料三维结构重建及应用研究", 工程力学, no. 11 * |
| 易非凡;: "Canny边缘检测算子在PE瓶盖视觉检测中的应用分析", 信息记录材料, no. 08 * |
| 秦国华;易鑫;李怡冉;谢文斌;: "刀具磨损的自动检测及检测系统", 光学精密工程, no. 12 * |
| 赵海;孙华丽;王翠荣;杨波;: "IPv6网络拓扑特征演化分析", 东北大学学报(自然科学版), no. 03 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116674134B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111223088B (zh) | 一种基于深层卷积神经网络的铸件表面缺陷识别方法 | |
| CN111862064B (zh) | 一种基于深度学习的银质丝材表面瑕疵识别方法 | |
| CN115345885B (zh) | 一种金属健身器材外观质量检测方法 | |
| CN110473173A (zh) | 一种基于深度学习语义分割的缺陷检测方法 | |
| CN109308700A (zh) | 一种基于印刷品字符的视觉识别缺陷检测方法 | |
| CN112862811A (zh) | 基于深度学习的材料显微图像缺陷识别方法、设备及装置 | |
| CN109816648B (zh) | 基于多模板低秩分解的复杂注塑制品飞边缺陷识别方法 | |
| CN109086770B (zh) | 一种基于精准尺度预测的图像语义分割方法及模型 | |
| CN109215009B (zh) | 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法 | |
| CN114972356B (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
| CN114387233A (zh) | 一种基于机器视觉的砂型缺陷检测方法及系统 | |
| CN114187289B (zh) | 一种基于计算机视觉的塑料制品缩坑检测方法及系统 | |
| CN115601332A (zh) | 一种基于语义分割的嵌入式指纹模块外观检测方法 | |
| CN110909657A (zh) | 一种隧道表观病害图像识别的方法 | |
| CN114926410A (zh) | 制动盘外观缺陷检测方法 | |
| CN117392097A (zh) | 基于改进YOLOv8算法的增材制造工艺缺陷检测方法和系统 | |
| CN109685030A (zh) | 一种基于卷积神经网络的马克杯杯口缺陷检测分类方法 | |
| CN116416206A (zh) | 基于少量正常样本数据集训练的缺陷检测方法及装置 | |
| CN118097310B (zh) | 一种数字化检测混凝土表面缺陷的方法 | |
| CN117745708A (zh) | 基于深度学习算法的木地板表面瑕疵检测方法 | |
| CN117853722A (zh) | 一种融合超像素信息的钢材金相组织分割方法 | |
| CN111325177A (zh) | 基于权重自定义的目标检测分式识别方法 | |
| CN116674134B (zh) | 一种树脂字自动化浇铸加工方法及其系统 | |
| CN109308707A (zh) | 铝锭厚度非接触式在线测量方法 | |
| CN112926694A (zh) | 基于改进的神经网络对图像中的猪只进行自动识别的方法 |
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 |