CN117021440A - 一种基于机器视觉的树脂镜片自动浇注方法及系统 - Google Patents
一种基于机器视觉的树脂镜片自动浇注方法及系统 Download PDFInfo
- Publication number
- CN117021440A CN117021440A CN202310741682.0A CN202310741682A CN117021440A CN 117021440 A CN117021440 A CN 117021440A CN 202310741682 A CN202310741682 A CN 202310741682A CN 117021440 A CN117021440 A CN 117021440A
- Authority
- CN
- China
- Prior art keywords
- pouring
- lens
- mold
- liquid level
- image
- 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
Links
- 239000011347 resin Substances 0.000 title claims abstract description 34
- 229920005989 resin Polymers 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000007788 liquid Substances 0.000 claims abstract description 40
- 238000005266 casting Methods 0.000 claims abstract description 26
- 230000000630 rising effect Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 26
- 238000003708 edge detection Methods 0.000 claims description 16
- 238000002474 experimental method Methods 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000013136 deep learning model Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- B29C39/24—Feeding the material into the mould
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29L—INDEXING SCHEME ASSOCIATED WITH SUBCLASS B29C, RELATING TO PARTICULAR ARTICLES
- B29L2011/00—Optical elements, e.g. lenses, prisms
- B29L2011/0016—Lenses
Landscapes
- Casting Or Compression Moulding Of Plastics Or The Like (AREA)
Abstract
本发明公开了一种基于机器视觉的树脂镜片自动浇注方法及系统,主要应用于树脂眼镜片制造领域,实现树脂眼镜片的高精度全自动浇注。具体步骤如下:模具进入待浇注位置后,首先利用相机识别模具表面的度数字符信息,根据识别的度数字符预估模具内部容积并开始浇注,然后使用模具径向和轴向两个方向的相机同时拍摄模具的间隙和动态上升的液面,根据液面高度和模具间隙值计算剩余空腔体积,将数值返回给流量泵实时修正浇注树脂的体积,直至模具完全浇注满。本发明根据识别的镜片度数信息粗略浇注,使用双相机计算空腔体积进行精细浇注,极大的提高了树脂镜片的浇注速度和浇注品质,通过识别的字符度数又能完成镜片的分拣,极大的提高了生产效率。
Description
技术领域
本发明属于机器视觉和树脂眼镜片制造领域,具体涉及一种基于机器视觉的镜片高精度浇注的方法及系统。
背景技术
树脂眼镜片的生产,需要对模具进行浇注,现有的镜片模具注塑作基本都是由人工手动操作来完成,这种方式需要耗费较多的人力以及时间,同时人工也容易产生视觉疲劳,导致镜片模具的注胶量不统一,产品质量差异较大。因此在相关企业都在试图开发自动化设备来代替人工浇注。常规的自动化浇注方法主要使用传感器方法检测树脂是否注满,如采用对射法(CN107116736A)、针刺法(CN107116737A)、真空法(CN107116768A)等,在实际生产过程中通过以上方法浇注精度依然较低,容易出现浇注不满或者树脂溢出的情况。随着机器视觉技术在工业上的广泛应用,目前也出现使用机器视觉的方法检测液位,其大多是采用单相机检测液面,通过液位线的高度来调整浇注速度,但是均无法准确的计算浇注树脂的容量,由于模具是圆形的,当快浇注满的时候液面上升过快,图像处理的数据可能来不及传递给浇注速度控制设备树脂就发生溢出了,导致浇注失败。
发明内容
为了解决现有技术中存在的不足,本发明提供一种基于机器视觉的树脂镜片自动浇注方法及系统。本发明首先采用识别模具表面字符初估空腔体积进行粗浇注,然后位于模具轴向和径向的两个相机实时检测动态液面并计算剩余空腔体积进行精确浇注,两者相结合实现树脂镜片的高精度快速浇注,降低生产成本,提高生产效率及生产品质。
为了实现上述目的,本发明所采用的技术方案如下:
一种基于机器视觉的树脂镜片自动浇注系统,包括:视觉实验平台和总控单元;
所述视觉实验平台包括用于采用镜片模具正面图像的水平相机和用于采用镜片模具侧面图像的垂直相机;
所述总控单元内置字符检测模块、字符识别模块和自动浇注模块,字符检测模块接收水平相机采集的镜片模具的正面图像,并对正面图像进行预处理后进行字符检测;字符识别模块接收字符检测模块的检测结果,并利用其内置的识别算法进行逐字符的识别;自动浇注模块包括模具定位模块、尺寸测量模块和液位线提取模块;所述模具定位模块负责输出模具圆形区域的位置,尺寸测量模块负责测量模具间间隙的厚度,液位线提取模块负责提取动态浇注过程中实时上升的液面;根据三个模块的输出结果计算剩余空腔体积,基于剩余空腔体积对浇注设备进行定量浇注控制。
进一步,所述视觉实验平台上设置条形光源、面板光源,所述条形光源设置在镜片模具的底部,朝向镜片模具的侧边布置且与垂直相机相对,所述面板光源朝向镜片模具的正面布置且与水平相机相对。
进一步,所述视觉实验平台还配有浇注头。
进一步,所述浇注头还配有流量计和垂直步进电机。
进一步,所述视觉实验平台包括底座,设置在底座上的2个相对布置安装支架,其中一个底座用于安装镜片模具、条形光源、面板光源,另一底座用于安装浇注头、水平相机。
一种基于机器视觉的树脂镜片自动浇注方法,包括如下步骤:
S1、利用视觉实验平台分别获取镜片模具的正面图像和侧面图像;
S2、分别对正面图像和侧面图像进行图像预处理;
S3、采用图像分割方法对正面图像进行分割,利用深度学习模型对正面图像上的字符进行检测;基于字符检测的结果,对所检测出的字符进行字符识别;
S4、对正面图像进行边缘检测,然后利用霍夫圆变换寻找模具的圆形外轮廓实现模具区域的定位;对于侧面图像进行边缘检测,再寻找出直线轮廓,并计算镜片模具的间隙厚度;结合模具区域的定位的结果进行动态液位线的提取;
S5、基于动态液位线对模具圆形区域进行分割,获得空腔区域,结合间隙厚度解剩余空腔的体积,基于空腔体积进行定量浇注控制。
进一步,S4中使用canny边缘检测算子进行边缘检测。
进一步,S4中使用霍夫直线变换从边缘检测的结果中找出直线轮廓。
进一步,在提取动态液位线的过程中,使用图像帧间差分法进行图像去噪处理,凸显变换的液位线部分细节。
进一步,液位线提取的过程为:
S4.1、对去噪后的正面图像进行二值化处理,根据区域定位算法求解圆的半径和圆心坐标,对二值图像划定圆形的ROI区域;
S4.2、对划定的ROI区域进行像素点的逐行遍历,记录每行的遍历次数,即每行的长度记为n,读取每个像素位置的灰度值,统计每行灰度值为255的像素点的个数,记为m;
S4.2、计算每行的液位线评分,即m/n的值,寻找评分最高的行所在的行坐标,即为最终提取液位线的高度位置。
本发明的有益效果:
本发明通过检测识别模具表面的度数字符可以粗略估计模具内部的容积,通过设定一个先验容量进行浇注,然后配合自动浇注模块计算的剩余空腔体积,定量浇注剩余空腔,不仅节省了浇注时间,而且提高了浇注品质,防止树脂发生溢出或者浇注不满的情况。进一步地可以根据识别的度数字符信息对浇注完成的镜片进行自动分类,自动统计每天企业生产镜片的产量,极大的提高企业生产效率。
附图说明
图1为本发明具体的视觉实验平台示意图;
图2为本发明的字检测识别模块流程图;
图3为本发明字符识别模块识别效果图;
图4为本发明模具定位模块效果图;
图5为本发明尺寸测量模块效果图;
图6为本发明液位线提取模块效果图;
图7为本发明空腔区域分割效果图;
图8为本发明工作过程示意图。
图中,1、条形光源,2、镜片模具,3、水平步进电机,4、面板光源,5、垂直相机,6、垂直步进电机,7、流量计,8、浇注头,9、水平相机。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,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于解释本发明,并不用于限定本发明。
结合图1所示的一种基于机器视觉的树脂镜片自动浇注系统,包括:
视觉实验平台,包括底座、设置在底座上的2个相对布置安装支架,其中一个底座用于安装镜片模具2、条形光源1、面板光源4,更具体地,条形光源1设置在镜片模具2的底部,朝向镜片模具2的侧边布置;面板光源4朝向镜片模具2的正面布置;该安装架通过水平步进电机3和螺杆部件设置在底座上,能够对镜片模具2等水平方向(X方向)的位置进行调节。另一底座用于安装浇注头8、水平相机9,水平相机9与面板光源4相对设置,浇注头8还配有流量计7和垂直步进电机6。更具体地,水平相机9负责采集模具的正面图像,用来识别模具表面字符和检测液位,垂直相机5负责采集模具的侧面图像,用来测量模具间的间隙宽度。
总控单元,总控单元通过信号分别连接视觉实验平台上的条形光源1、水平步进电机3、面板光源4、垂直相机5、垂直步进电机6、流量计7、浇注头8、水平相机9;通过对上述电控单元的工作启停进行相应的控制;结合图2-7所示,总控单元内置字符检测模块、字符识别模块和自动浇注模块,字符检测模块接收水平相机9采集的镜片模具2的正面图像,并对正面图像进行预处理后进行字符检测。字符识别模块接收字符检测模块的检测结果,并利用其内置的识别算法进行逐字符的识别。自动浇注模块包括模具定位模块、尺寸测量模块和液位线提取模块;其中,模具定位模块负责输出模具圆形区域的位置,尺寸测量模块负责测量模具间间隙的厚度,液位线提取模块负责提取动态浇注过程中实时上升的液面。根据三个模块的输出结果计算剩余空腔体积,配合浇注设备定量浇注。
在本实施例中,对于字符检测模块,如图2所示,首先利用水平相机9采集大量的原始图像作为深度学习模型的数据集,使用基于图像分割方法,如DBNet模型训练字符检测模块,针对字符对比度不高和字符位置不固定等问题,在网络中引入注意力机制提高检测精度。进一步地根据字符检测模块生成的检测框,如图3所示,基于检测框将该部分原图裁剪出来。
在本实施例中,字符识别模块对剪裁出的检测框进行逐字符的识别,其中字符识别模块基于CRNN+CTC架构训练。根据识别的结果即可设定先验值进行树脂的预浇注。
更优选地,对于水平相机9采集模具的正面图像,首先对其进行图像预处理,使用canny边缘检测算子进行边缘检测,然后利用霍夫圆变换寻找模具的圆形外轮廓,如图4所示,实现模具区域的定位。
更优选地,垂直相机5采集模具的侧面图像,如图5所示,首先进行降噪处理,然后进行边缘检测,获得模具的边缘信息,利用霍夫直线变换寻找其中的直线轮廓,并计算轮廓间隙的距离。
更优选地,使用图像帧间差分法进行图像去噪处理,凸显变换的液位线部分细节,结合模具定位模块输出的结果进行动态液位线的提取,其中液位线提取的具体算法步骤为:
(1)对去噪后的图像进行二值化处理,根据区域定位算法求解圆的半径和圆心坐标,对二值图像划定圆形的ROI区域;
(2)对划定的ROI区域进行像素点的逐行遍历,记录每行的遍历次数,即每行的长度记为n,读取每个像素位置的灰度值,统计每行灰度值为255的像素点的个数,记为m;
(3)计算每行的液位线评分,即m/n的值,寻找评分最高的行所在的行坐标,即为最终提取液位线的高度位置。
如图6所示,获取上升液面的位置,进一步对模具圆形区域进行分割,获得空腔区域,如图7所示,结合尺寸测量模块计算的间隙厚度求解剩余空腔的体积,以控制浇注装置实现高精度定量浇注。
在本实施例中,总控单元可以采用计算机实现,利用其各个模块内置的相应算法实现字符检测、字符识别、自动浇注控制等功能。
基于上述一种基于机器视觉的树脂镜片自动浇注系统,本申请还提出了一种基于机器视觉的树脂镜片自动浇注方法如图8,包括如下步骤:
S1、利用视觉实验平台分别获取镜片模具2的正面图像和侧面图像;
S2、分别对正面图像和侧面图像进行图像预处理;
S3、采用图像分割方法对正面图像进行分割,利用深度学习模型对正面图像上的字符进行检测;基于字符检测的结果,对所检测出的字符进行字符识别;
S4、对正面图像使用canny边缘检测算子进行边缘检测,然后利用霍夫圆变换寻找模具的圆形外轮廓实现模具区域的定位;对于侧面图像进行边缘检测,利用霍夫直线变换寻找其中的直线轮廓,并计算镜片模具2的间隙厚度;结合模具区域的定位的结果进行动态液位线的提取;
S5、基于动态液位线对模具圆形区域进行分割,获得空腔区域,结合间隙厚度计算剩余空腔的体积,基于空腔体积进行定量浇注控制。更具体地,将数值返回给流量泵实时修正浇注树脂的体积,直至模具完全浇注满。
更优选的,本发明可以根据识别的镜片度数信息粗略浇注,再使用双相机计算空腔体积进行精细浇注,极大的提高了树脂镜片的浇注速度和浇注品质,通过识别的字符度数又能完成镜片的分拣,极大的提高了生产效率。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (10)
1.一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,包括:视觉实验平台和总控单元;
所述视觉实验平台包括用于采用镜片模具(2)正面图像的水平相机(9)和用于采用镜片模具(2)侧面图像的垂直相机(5);
所述总控单元内置字符检测模块、字符识别模块和自动浇注模块,字符检测模块接收水平相机(9)采集的镜片模具(2)的正面图像,并对正面图像进行预处理后进行字符检测;字符识别模块接收字符检测模块的检测结果,并利用其内置的识别算法进行逐字符的识别;自动浇注模块包括模具定位模块、尺寸测量模块和液位线提取模块;所述模具定位模块负责输出模具圆形区域的位置,尺寸测量模块负责测量模具间间隙的厚度,液位线提取模块负责提取动态浇注过程中实时上升的液面;根据三个模块的输出结果计算剩余空腔体积,基于剩余空腔体积对浇注设备进行定量浇注控制。
2.根据权利要求1所述的一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,所述视觉实验平台上设置条形光源(1)、面板光源(4),所述条形光源(1)设置在镜片模具(2)的底部,朝向镜片模具(2)的侧边布置且与垂直相机(5)相对,所述面板光源(4)朝向镜片模具(2)的正面布置且与水平相机(9)相对。
3.根据权利要求1所述的一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,所述视觉实验平台还配有浇注头(8)。
4.根据权利要求1所述的一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,所述浇注头(8)还配有流量计(7)和垂直步进电机(6)。
5.根据权利要求1所述的一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,所述视觉实验平台包括底座,设置在底座上的2个相对布置安装支架,其中一个底座用于安装镜片模具(2)、条形光源(1)、面板光源(4),另一底座用于安装浇注头(8)、水平相机(9)。
6.一种基于权利要求1所述的一种基于机器视觉的树脂镜片自动浇注系统的基于机器视觉的树脂镜片自动浇注方法,其特征在于,包括如下步骤:
S1、利用视觉实验平台分别获取镜片模具(2)的正面图像和侧面图像;
S2、分别对正面图像和侧面图像进行图像预处理;
S3、采用图像分割方法对正面图像进行分割,利用深度学习模型对正面图像上的字符进行检测;基于字符检测的结果,对所检测出的字符进行字符识别;
S4、对正面图像进行边缘检测,然后利用霍夫圆变换寻找模具的圆形外轮廓实现模具区域的定位;对于侧面图像进行边缘检测,再寻找出直线轮廓,并计算镜片模具(2)的间隙厚度;结合模具区域的定位的结果进行动态液位线的提取;
S5、基于动态液位线对模具圆形区域进行分割,获得空腔区域,结合间隙厚度解剩余空腔的体积,基于空腔体积进行定量浇注控制。
7.根据权利要求6所述的一种基于机器视觉的树脂镜片自动浇注方法,其特征在于,S4中使用canny边缘检测算子进行边缘检测。
8.根据权利要求6所述的一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,S4中使用霍夫直线变换从边缘检测的结果中找出直线轮廓。
9.根据权利要求6、7或8所述的一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,在提取动态液位线的过程中,使用图像帧间差分法进行图像去噪处理,凸显变换的液位线部分细节。
10.根据权利要求9所述的一种基于机器视觉的树脂镜片自动浇注系统,其特征在于,液位线提取的过程为:
S4.1、对去噪后的正面图像进行二值化处理,根据区域定位算法求解圆的半径和圆心坐标,对二值图像划定圆形的ROI区域;
S4.2、对划定的ROI区域进行像素点的逐行遍历,记录每行的遍历次数,即每行的长度记为n,读取每个像素位置的灰度值,统计每行灰度值为255的像素点的个数,记为m;
S4.2、计算每行的液位线评分,即m/n的值,寻找评分最高的行所在的行坐标,即为最终提取液位线的高度位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310741682.0A CN117021440A (zh) | 2023-06-21 | 2023-06-21 | 一种基于机器视觉的树脂镜片自动浇注方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310741682.0A CN117021440A (zh) | 2023-06-21 | 2023-06-21 | 一种基于机器视觉的树脂镜片自动浇注方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117021440A true CN117021440A (zh) | 2023-11-10 |
Family
ID=88630600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310741682.0A Pending CN117021440A (zh) | 2023-06-21 | 2023-06-21 | 一种基于机器视觉的树脂镜片自动浇注方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117021440A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117547648A (zh) * | 2024-01-12 | 2024-02-13 | 北京大学第三医院(北京大学第三临床医学院) | 半月板水凝胶材料制备方法、半月板制造方法和半月板 |
-
2023
- 2023-06-21 CN CN202310741682.0A patent/CN117021440A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117547648A (zh) * | 2024-01-12 | 2024-02-13 | 北京大学第三医院(北京大学第三临床医学院) | 半月板水凝胶材料制备方法、半月板制造方法和半月板 |
CN117547648B (zh) * | 2024-01-12 | 2024-04-09 | 北京大学第三医院(北京大学第三临床医学院) | 半月板水凝胶材料制备方法、半月板制造方法和半月板 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102496161B (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN115861291B (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN114387233A (zh) | 一种基于机器视觉的砂型缺陷检测方法及系统 | |
CN115082485A (zh) | 一种注塑制品表面气泡缺陷检测方法及系统 | |
CN117021440A (zh) | 一种基于机器视觉的树脂镜片自动浇注方法及系统 | |
CN111062940B (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
CN111415376B (zh) | 汽车玻璃亚像素轮廓提取方法及汽车玻璃检测方法 | |
CN113724193B (zh) | Pcba零部件尺寸及间隙高精度视觉测量方法 | |
CN115184368B (zh) | 一种铸件缺陷检测控制系统 | |
CN114279357A (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及系统 | |
CN105783723A (zh) | 基于机器视觉的精密模具表面加工精度检测装置及方法 | |
CN115100191B (zh) | 基于工业检测的金属铸件缺陷识别方法 | |
CN111982921A (zh) | 孔缺陷的检测方法、装置、传送平台及存储介质 | |
CN108596875B (zh) | 一种基于图像分割算法的半导体芯片溢料快速检测方法 | |
CN108534802B (zh) | 基于图像处理技术的管水准器气泡偏移量测量方法 | |
CN111354047B (zh) | 一种基于计算机视觉的摄像模组定位方法及系统 | |
CN110567965A (zh) | 一种智能手机玻璃盖板边缘视觉缺陷检测方法 | |
CN116653457B (zh) | 一种数字化皮纹喷墨设备的生产控制方法及系统 | |
CN109724988B (zh) | 一种基于多模板匹配的pcb板缺陷定位方法 | |
CN108489394A (zh) | 一种大尺寸薄板金属工件几何质量自动检测装置及方法 | |
Qin et al. | Research on automatic monitoring method of face milling cutter wear based on dynamic image sequence | |
CN110674812A (zh) | 一种面向复杂背景的民用车牌定位与字符分割方法 | |
CN112102254A (zh) | 基于机器视觉的木材表面缺陷检测方法与系统 | |
CN109308707B (zh) | 铝锭厚度非接触式在线测量方法 | |
CN112907590B (zh) | 一种基于金属锭打磨信息视觉识别的打磨方法及系统 |
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 |