CN117058130A - 一种光纤拉丝表面涂覆质量视觉检测方法 - Google Patents
一种光纤拉丝表面涂覆质量视觉检测方法 Download PDFInfo
- Publication number
- CN117058130A CN117058130A CN202311301930.6A CN202311301930A CN117058130A CN 117058130 A CN117058130 A CN 117058130A CN 202311301930 A CN202311301930 A CN 202311301930A CN 117058130 A CN117058130 A CN 117058130A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- coating
- fiber surface
- gray scale
- surface coating
- 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
- 238000000576 coating method Methods 0.000 title claims abstract description 453
- 239000011248 coating agent Substances 0.000 title claims abstract description 405
- 239000013307 optical fiber Substances 0.000 title claims abstract description 323
- 238000012681 fiber drawing Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims description 59
- 238000011179 visual inspection Methods 0.000 title claims description 14
- 230000007547 defect Effects 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000003708 edge detection Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000835 fiber Substances 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 239000012535 impurity Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002345 surface coating layer Substances 0.000 description 1
- 208000024891 symptom Diseases 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing 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
Abstract
本发明涉及图像数据处理技术领域，提出了一种光纤拉丝表面涂覆质量视觉检测方法，包括：获取光纤表面涂覆灰度图；根据投影算法获取光纤表面涂覆灰度图的投影序列；根据光纤表面涂覆灰度图的投影序列获取涂覆间歇分布序列；根据涂覆间歇分布序列对光纤表面涂覆灰度图进行分块；根据光纤表面涂覆灰度图的分块结果获取涂覆偏差系数；根据光纤表面涂覆灰度图的投影序列获取涂覆间歇测定序列；根据涂覆间歇测定序列获取涂覆间歇系数；根据涂覆偏差系数和涂覆间歇系数获取涂覆工艺缺陷显著系数；根据涂覆工艺缺陷显著系数获取光纤表面涂覆质量判定指数。本发明通过光纤表面涂覆质量判定指数对光纤涂覆质量进行检测，提高对光纤涂覆质量视觉检测精度。
Description
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种光纤拉丝表面涂覆质量视觉检测方法。
背景技术
光纤是一种将信息从一端传送到另一端的媒介，在通信技术领域有着广泛的应用。光纤拉丝是光纤的一种制造技术，是利用某种加热设备加热熔融后拉制成直径符合要求的细小光纤纤维，并保证光纤的芯、包的直径比和折射率分布形式不变的工艺。在光纤拉丝的制作过程中需在光纤的表面涂覆上一层涂覆材料，目的是保护光纤表面不受损伤，并提高其机械强度，降低衰减程度。光纤拉丝表面涂覆质量影响光纤的性能和使用寿命，因此需对光纤表面涂覆质量进行检测，保证光纤生产的质量。
在实际生产过程中光纤表面的涂覆和拉丝是在一条生产线上，对光纤涂覆质量的检测常用机器视觉检测的方法，通过对采集的光纤表面涂覆灰度图数据进行处理获取光纤表面涂覆质量的检测结果，但由于光纤拉丝生产中涂覆工艺中存在各种特征的缺陷，这些缺陷的影响会降低采用分水岭算法、大津阈值分割算法等传统图像分割算法对光纤表面涂覆质量的分析，从而导致光纤表面涂覆质量的检测误差较大，影响光纤生产的质量。
发明内容
本发明提供一种光纤拉丝表面涂覆质量视觉检测方法，以解决光纤表面涂覆质量检测误差较大的问题，所采用的技术方案具体如下：
本发明一个实施例一种光纤拉丝表面涂覆质量视觉检测方法，该方法包括以下步骤：
获取光纤表面涂覆灰度图；
根据光纤表面涂覆灰度图获取光纤表面涂覆灰度图的投影序列，利用光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的投影序列中每个数据的涂覆间歇特征测定序列；根据光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的涂覆间歇分布序列，利用光纤表面涂覆灰度图的涂覆间歇分布序列获取光纤表面涂覆灰度图中的图像块；根据边缘检测分析和连通域分析的结果获取光纤表面涂覆灰度图中每个图像块的涂覆偏差系数；
根据光纤表面涂覆灰度图中每个图像块的涂覆间歇特征测定序列获取光纤表面涂覆灰度图中每个图像块的涂覆间歇系数；根据光纤表面涂覆灰度图中每个图像块的涂覆偏差系数和涂覆间歇系数获取光纤表面涂覆灰度图中每个图像块的涂覆工艺缺陷显著系数；将光纤表面涂覆灰度图扩展到多个尺度下进行分析，得到每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列；根据每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列获取光纤表面涂覆质量判定指数；
根据光纤表面涂覆质量判定指数得到光纤表面涂覆质量的视觉检测结果。
优选的，所述根据光纤表面涂覆灰度图获取光纤表面涂覆灰度图的投影序列，利用光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的投影序列中每个数据的涂覆间歇特征测定序列的方法为：
采用投影算法获取光纤表面涂覆灰度图的投影序列，将所述光纤表面涂覆图的投影序列中的每个数据对应的投影直线经过的像素点的灰度值按照投影方向的位置顺序排序组成的序列作为所述光纤表面涂覆图的投影序列中的每个数据的涂覆间歇特征测定序列。
优选的，所述根据光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的涂覆间歇分布序列，利用光纤表面涂覆灰度图的涂覆间歇分布序列获取光纤表面涂覆灰度图中的图像块的方法为：
采用序列分割算法获取光纤表面涂覆灰度图的投影序列中的突变数据，将所有所述突变数据按照在所述投影序列中的位置顺序排序组成的序列作为光纤表面涂覆灰度图的涂覆间歇分布序列，将光纤表面涂覆灰度图的涂覆间歇分布序列中每个数据的涂覆间歇特征测定序列中每个元素作为光纤表面涂覆灰度图的标记边界像素点，根据所述光纤表面涂覆灰度图的标记边界像素点获取光纤表面涂覆灰度图的图像块。
优选的，所述根据所述光纤表面涂覆灰度图的标记边界像素点获取光纤表面涂覆灰度图的图像块的方法为：
采用边缘检测算法对光纤表面涂覆灰度图进行处理获取光纤表面涂覆灰度图中的边界像素点，根据光纤表面涂覆灰度图中的边界像素点以及光纤表面涂覆灰度图的标记边界像素点获取光纤表面涂覆灰度图的二值图像，采用连通域分析算法对光纤表面涂覆灰度图的二值图像进行处理获取光纤表面涂覆灰度图的连通域，将所述光纤表面涂覆灰度图的连通域中面积与预设面积阈值进行比较，根据比较的结果对所述光纤表面涂覆灰度图的连通域进行筛选，根据光纤表面涂覆灰度图的连通域的筛选结果获取光纤表面涂覆灰度图的图像块。
优选的，所述根据边缘检测分析和连通域分析的结果获取光纤表面涂覆灰度图中每个图像块的涂覆偏差系数的方法为：
式中，表示光纤表面涂覆灰度图像中第/>个图像块的涂覆偏差系数；/>表示垂直投影序列/>中第/>个子序列中数据的数量，/>表示垂直投影序列/>中数据的数量；/>表示光纤表面涂覆灰度图像中第/>个图像块中连通域的数量；/>和/>分别表示垂直投影序列/>中第个子序列中第/>个和第/>个数据。
优选的，所述根据光纤表面涂覆灰度图中每个图像块对应投影序列中数据的涂覆间歇特征测定序列获取光纤表面涂覆灰度图中每个图像块的涂覆间歇系数的方法为：
式中，表示第/>个图像块的涂覆间歇系数；/>表示第/>个图像块的像素点灰度值构成的集合，/>和/>分别表示集合/>中的最大值和最小值；/>和/>表示序列/>中第/>个和第/>个数据对应的涂覆间歇特征测定序列，/>表示计算序列/>和的DTW距离，/>表示序列/>中数据的数量。
优选的，所述根据光纤表面涂覆灰度图中每个图像块的涂覆偏差系数和涂覆间歇系数获取光纤表面涂覆灰度图中每个图像块的涂覆工艺缺陷显著系数的方法为：
将光纤表面涂覆灰度图中任意一个图像块与其它图像块的涂覆偏差系数的差值的绝对值作为所述光纤表面涂覆灰度图中任意一个图像块的第一显著系数；
将所述光纤表面涂覆灰度图中任意一个图像块与其它图像块的涂覆间歇系数的差值的绝对值作为所述光纤表面涂覆灰度图中任意一个图像块的第二显著系数；
将所述光纤表面涂覆灰度图中任意一个图像块的第一显著系数和第二显著系数的乘积在光纤表面涂覆灰度图中的累加和的均值作为所述光纤表面涂覆灰度图中任意一个图像块的涂覆工艺缺陷显著系数。
优选的，所述将光纤表面涂覆灰度图扩展到多个尺度下进行分析，得到每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列的方法为：
利用插值算法将光纤表面涂覆灰度图扩展为预设数量个不同尺度的光纤表面涂覆灰度图，根据每个尺度的光纤表面涂覆灰度图中所有图像块的涂覆工艺缺陷显著系数按照由大到小的顺序排序组成的序列作为所述每个尺度的光纤表面涂覆灰度图的涂覆工艺显著系数序列。
优选的，所述根据每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列获取光纤表面涂覆质量判定指数的方法为：
对每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列进行归一化处理，将每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列归一化结果中的做最大值作为所述每个尺度下光纤表面涂覆灰度图的第一判定指数，计算所有尺度下光纤表面涂覆灰度图的第一判定指数的均值作为光纤表面涂覆灰度图的光纤表面涂覆质量判定指数。
优选的，所述根据光纤表面涂覆质量判定指数得到光纤表面涂覆质量的视觉检测结果的方法为：
将光纤表面涂覆质量判定指数与预设光纤表面涂覆质量判定阈值进行比较，所述光纤表面涂覆质量判定指数大于预设光纤表面涂覆质量判定阈值则光纤表面涂覆质量不合格，所述光纤表面涂覆质量判定指数小于等于预设光纤表面涂覆质量判定阈值则光纤表面涂覆质量合格。
本发明的有益效果是：通过分析光纤拉丝涂覆过程中光纤表面涂覆可能出现的涂覆断层、涂覆表面存在杂质和涂覆不均匀特征对光纤表面涂覆灰度图进行分块，根据缺陷特征对分块后的局部区域的图像特征进一步进行分析，根据分析的结果构建每个图像块的涂覆偏差系数和涂覆间歇系数，基于涂覆偏差系数和涂覆间歇系数计算涂覆工艺缺陷显著系数对光纤表面涂覆质量进行检测，其有益效果在于充分考虑光纤拉丝表面涂覆过程中会出现的缺陷特征，提高对光纤表面涂覆质量视觉检测的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种光纤拉丝表面涂覆质量视觉检测方法的流程示意图；
图2为本发明一个实施例所提供的标记像素点获取方式示意图。
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。
请参阅图1，其示出了本发明一个实施例提供的一种光纤拉丝表面涂覆质量视觉检测方法流程图，该方法包括以下步骤：
步骤S001，获取光纤表面涂覆灰度图。
光纤拉丝和涂覆是在一条生产线上，将CCD工业相机设置在光纤进行涂覆处理后的位置，采集光纤表面涂覆RGB图像，但在图像采集的过程中会受到环境干扰，导致拍摄的图像的质量较低，其中环境光照的变化会直接影响光纤表面涂覆图像数据的分析，因此需采用非局部均值去噪算法对光纤表面涂覆RGB图像进行预处理，降低环境因素对采集图像数据的干扰，避免对光纤表面涂覆质量的分析产生较大误差，非局部均值去噪算法为公知技术，具体实现过程不再进行赘述。将预处理后的光纤表面涂覆RGB图像转换为灰度图，将转化的灰度图作为光纤表面涂覆灰度图。
至此，获取了光纤表面涂覆灰度图。
步骤S002，根据光纤表面涂覆灰度图获取垂直投影序列，根据垂直投影序列获取涂覆间歇分布序列，根据涂覆间歇分布序列对光纤表面涂覆灰度图进行分块。
在光纤拉丝完成后进行光纤拉丝表面的涂覆，将涂覆原料熔融后覆盖在光纤表面，冷却后完成对光纤表面的涂覆的操作。但在涂覆过程中受到较多干扰因素的影响导致光纤表面涂覆质量较差，例如涂覆过程中各项参数控制出现偏差会导致光纤表面涂覆出现厚度不均匀、断层和表面存在杂质等缺陷，这些缺陷的存在影响光纤的质量，减少光纤的使用寿命。因此对光纤表面涂覆质量的视觉检测尤为重要，可以降低光纤质量较低带来的风险。
在步骤S001中获取了预处理后的光纤表面涂覆灰度图，根据光纤表面涂覆灰度图分析光纤表面存在涂覆厚度不均匀、断层等缺陷时的特征。具体的，当光纤表面出现涂覆厚度不均匀时，主要表现为光纤表面涂覆灰度图中的灰度值间歇变化特征。由于光纤表面的涂覆是沿一个方向进行涂覆，若涂覆工艺出现问题，会表现为厚度间歇变化，而不同厚度的光纤表面涂覆层在光纤表面涂覆灰度图中灰度值变化不同，因此在光纤表面涂覆灰度图像中出现厚度不均匀特征时表现为灰度值间歇变化特征。
进一步的，采集的光纤表面涂覆灰度图中光纤的形状一般为条状，可以从光纤表面涂覆灰度图中划分像素点序列对光纤表面涂覆的厚度间歇变化特征进行分析，将光纤表面涂覆灰度图旋转为水平方向，采用Radon算法对光纤表面涂覆灰度图进行垂直方向投影，投影角度为90度（垂直方向），可以得到光纤表面涂覆灰度图的垂直投影序列，垂直投影序列中每个数据对应光纤表面涂覆灰度图中的一条投影直线，其中每条直线即为光纤表面涂覆灰度图的一个涂覆间歇特征测定序列，例如垂直投影序列/>中数据/>对应的涂覆间歇特征测定序列为/>，序列/>中每个数据表示光纤表面涂覆灰度图中投影数据/>对应的投影直线经过像素点的灰度值。上述Radon算法为公知技术，具体实现过程不再进行叙述。
进一步的，根据光纤表面涂覆灰度图中的垂直投影序列对光纤表面涂覆厚度的间歇特征进行分析。具体的，输入为垂直投影序列/>，采用Bernaola Galvan分割算法进行处理，得到垂直投影序列中的突变数据，根据垂直投影序列中的突变数据将垂直投影序列中的数据进行分割，得到多个子序列，同时将垂直投影序列中的突变数据按照突变数据在垂直投影序列中的位置顺序排序组成的序列作为涂覆间歇分布序列/>，由于/>中每个数据对应光纤表面涂覆灰度图中的一条投影直线，进一步的，可以根据涂覆间歇分布序列/>将光纤表面涂覆灰度图进行划分，获取多个图像块，其中垂直投影序列中每个子序列对应一个图像块。具体的，/>中每个数据对应的涂覆间歇特征测定序列中元素在光纤表面涂覆灰度图中有对应的像素点，将/>中每个数据对应的涂覆间歇特征测定序列中每个元素对应的像素点作为标记边界像素点，具体获取方式如图2所示。
采用边缘检测算法对光纤表面涂覆灰度图进行处理获取光纤表面涂覆灰度图中的边界像素点，根据光纤表面涂覆灰度图中的边界像素点以及光纤表面涂覆灰度图的标记边界像素点获取光纤表面涂覆灰度图的二值图像，采用连通域分析算法对光纤表面涂覆灰度图的二值图像进行处理获取光纤表面涂覆灰度图的连通域。进一步的，设置连通域筛选面积阈值，其中/>表示光纤表面涂覆灰度图中像素点的数量，/>表示涂覆间歇分布序列中数据的数量；将光纤表面涂覆灰度图的连通域中面积大于/>的连通域作为光纤表面涂覆灰度图的图像块划分的目标连通域，根据目标连通域得到光纤表面涂覆灰度图的图像块。上述图像块划分的过程是根据光纤表面涂覆可能出现的厚度间歇特征对光纤表面涂覆灰度图进行划分，可以将厚度不同的区域划分为图像块，进一步分析厚度不均匀区域的断层和涂覆存在杂质等缺陷特征。
至此，获取了光纤表面涂覆灰度图中的图像块。
步骤S003，根据光纤表面涂覆灰度图的分块结果获取每个图像块的涂覆偏差系数，根据光纤表面涂覆灰度图每个图像块的涂覆间歇测定序列获取每个图像块的涂覆偏差系数，根据涂覆偏差系数和涂覆偏差系数获取每个图像块的涂覆工艺缺陷显著系数。
光纤表面涂覆灰度图中图像块是根据涂覆出现的间歇特征进行划分，因此可针对不同区域的整体缺陷特征进一步分析光纤表面涂覆质量受到的影响情况。具体的，采用Canny边缘检测算法和连通域分析算法对光纤表面涂覆灰度图中图像块进行处理，得到光纤表面涂覆灰度图中每个图像块中的连通域，Canny边缘检测算法和连通域分析算法为公知技术，不再进行赘述。进一步的，根据光纤表面涂覆出现断层时灰度值变化较大，同时划分的图像块内连通域数量越多则表示含有杂质的越多，计算光纤表面涂覆灰度图中每个图像块的涂覆偏差系数，具体计算公式如下：
式中，表示光纤表面涂覆灰度图像中第/>个图像块的涂覆偏差系数；/>表示垂直投影序列/>中第/>个子序列中数据的数量，/>表示垂直投影序列/>中数据的数量；/>表示光纤表面涂覆灰度图像中第/>个图像块中连通域的数量；/>和/>分别表示垂直投影序列/>中第个子序列中第/>个和第/>个数据。
若光纤表面涂覆灰度图中第个图像块中含有的连通域较多，则/>的值越大，而且连通域的分布越离散则计算得到的/>的值越大，进一步的，若连通域厚度不均匀区域范围较大，则计算得到的/>的值越大，最终得到的/>的值越大，表示光纤表面涂覆灰度图中第/>个图像块的涂覆厚度不均匀影响范围较大且其中含有的杂质较多。
进一步的，考虑每个图像块中的局部特征，由于光纤表面的涂覆是沿一个方向进行，则光纤表面涂覆断层表现的特征为一些区域未被涂覆或者涂料呈现混乱的条状分布，根据上述划分的图像块，可以将这些缺陷放在一个图像块中进行局部特征分析。根据每个图像块对应的垂直投影序列中的子序列获取图像块的涂覆间歇特征测定序列，其中第/>个图像块对应的垂直投影序列/>中的子序列/>，序列/>中每个数据对应一个涂覆间歇特征测定序列。根据涂覆间歇特征测定序列计算图像块的涂覆间歇系数，具体计算公式如下：
式中，表示第/>个图像块的涂覆间歇系数；/>表示第/>个图像块的像素点灰度值构成的集合，/>和/>分别表示集合/>中的最大值和最小值；/>和/>表示序列/>中第/>个和第/>个数据对应的涂覆间歇特征测定序列，/>表示计算序列/>和的DTW距离，/>表示序列/>中数据的数量。
若光纤表面涂覆灰度图中第个图像块中出现涂覆断层，则图像块中的灰度变化幅度较大，即计算得到的/>的值越大，进一步的，若涂覆断层区域中出现涂料混乱条状分布，则计算得到的/>的值越大，得到的/>的值越大，表示第/>个图像块中涂覆断层影响较为严重，局部区域表现的涂料未涂覆或涂料的混乱条状分布较为突出。
进一步的，根据光纤表面涂覆灰度图中每个图像块的涂覆间歇系数和涂覆偏差系数计算涂覆工艺缺陷显著系数，通过每个图像块的涂覆间歇系数和涂覆偏差系数综合分析局部区域的涂覆工艺出现的缺陷，涂覆工艺缺陷显著系数具体计算公式如下：
式中，表示光纤表面涂覆灰度图中第/>个图像块的涂覆工艺缺陷显著系数；/>和分别表示光纤表面涂覆灰度图中第/>个和第/>个图像块的涂覆间歇系数；/>和/>分别表示光纤表面涂覆灰度图中第/>个和第/>个图像块的涂覆偏差系数，/>表示光纤表面涂覆灰度图中划分的图像块的数量；/>为第一显著系数，/>为第二显著系数。
若光纤表面涂覆灰度图中第个图像块的涂覆断层、涂覆厚度不均匀等特征较为明显，则计算得到的/>和/>的值越大，得到的/>的值越大，表示光纤表面涂覆灰度图中第/>个图像块受缺陷影响程度较大，光纤表面涂覆灰度图中第/>个图像块所在区域的局部涂覆工艺缺陷特征较为明显。
至此，获取了光纤表面涂覆灰度图中每个图像块的涂覆工艺缺陷显著系数。
步骤S004，根据每个图像块的涂覆工艺缺陷显著系数获取光纤表面涂覆质量判定指数，根据光纤表面涂覆质量判定指数对光纤涂覆质量进行检测。
将光纤表面涂覆灰度图中每个图像块的涂覆工艺缺陷显著系数由大到小排序组成的序列作为光纤表面涂覆灰度图的涂覆工艺缺陷显著系数序列。进一步的，将光纤表面涂覆灰度图扩展到多个尺度下进行分析，更准确的反应光纤表面涂覆质量。具体的，利用插值算法，如最邻近元法、双线性内插法等将光纤表面涂覆灰度图缩小为/>个不同的尺度，为保证效果良好，/>大小取经验值为4。例如/>为光纤表面涂覆灰度图的尺度集合，其中使用/>，意为将原图像缩小为原先的/>，具体尺度实施者可根据需要进行选择。
根据划分的尺度获取每个尺度下光纤表面涂覆表面灰度图的涂覆工艺缺陷显著系数序列，分别为；采用极差归一化分别对每个尺度下光纤表面涂覆表面灰度图的涂覆工艺缺陷显著系数序列进行归一化处理，得到每个尺度下光纤表面涂覆表面灰度图的涂覆工艺缺陷显著系数序列的归一化结果，分别为/>。根据每个尺度下光纤表面涂覆表面灰度图的涂覆工艺缺陷显著系数序列的归一化结果计算光纤表面涂覆质量判定指数，具体计算公式如下：
式中，表示光纤表面涂覆质量判定指数，/>表示第/>个尺度下的光纤表面涂覆灰度图的归一化处理后涂覆工艺缺陷显著系数序列，/>表示/>中的最大值，/>表示划分尺度的数量。若在多个尺度下光纤表面涂覆灰度图的涂覆工艺缺陷都较为显著，则计算得到的/>的值越大，得到的光纤表面涂覆质量判定指数/>的中越大。设置光纤表面涂覆质量判定阈值/>，若光纤表面涂覆质量判定指数/>大于光纤表面涂覆质量判定阈值，表示通过视觉检测分析光纤表面涂覆质量不合格。
至此，完成了对光纤拉丝表面涂覆质量的视觉检测。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，该方法包括以下步骤：
获取光纤表面涂覆灰度图；
根据光纤表面涂覆灰度图获取光纤表面涂覆灰度图的投影序列，利用光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的投影序列中每个数据的涂覆间歇特征测定序列；根据光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的涂覆间歇分布序列，利用光纤表面涂覆灰度图的涂覆间歇分布序列获取光纤表面涂覆灰度图中的图像块；根据边缘检测分析和连通域分析的结果获取光纤表面涂覆灰度图中每个图像块的涂覆偏差系数；
根据光纤表面涂覆灰度图中每个图像块对应投影序列中数据的涂覆间歇特征测定序列获取光纤表面涂覆灰度图中每个图像块的涂覆间歇系数；根据光纤表面涂覆灰度图中每个图像块的涂覆偏差系数和涂覆间歇系数获取光纤表面涂覆灰度图中每个图像块的涂覆工艺缺陷显著系数；将光纤表面涂覆灰度图扩展到多个尺度下进行分析，得到每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列；根据每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列获取光纤表面涂覆质量判定指数；
根据光纤表面涂覆质量判定指数得到光纤表面涂覆质量的视觉检测结果。
2.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据光纤表面涂覆灰度图获取光纤表面涂覆灰度图的投影序列，利用光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的投影序列中每个数据的涂覆间歇特征测定序列的方法为：
采用投影算法获取光纤表面涂覆灰度图的投影序列，将所述光纤表面涂覆图的投影序列中的每个数据对应的投影直线经过的像素点的灰度值按照投影方向的位置顺序排序组成的序列作为所述光纤表面涂覆图的投影序列中的每个数据的涂覆间歇特征测定序列。
3.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据光纤表面涂覆灰度图的投影序列获取光纤表面涂覆灰度图的涂覆间歇分布序列，利用光纤表面涂覆灰度图的涂覆间歇分布序列获取光纤表面涂覆灰度图中的图像块的方法为：
采用序列分割算法获取光纤表面涂覆灰度图的投影序列中的突变数据，将所有所述突变数据按照在所述投影序列中的位置顺序排序组成的序列作为光纤表面涂覆灰度图的涂覆间歇分布序列，将光纤表面涂覆灰度图的涂覆间歇分布序列中每个数据的涂覆间歇特征测定序列中每个元素作为光纤表面涂覆灰度图的标记边界像素点，根据所述光纤表面涂覆灰度图的标记边界像素点获取光纤表面涂覆灰度图的图像块。
4.根据权利要求3所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据所述光纤表面涂覆灰度图的标记边界像素点获取光纤表面涂覆灰度图的图像块的方法为：
采用边缘检测算法对光纤表面涂覆灰度图进行处理获取光纤表面涂覆灰度图中的边界像素点，根据光纤表面涂覆灰度图中的边界像素点以及光纤表面涂覆灰度图的标记边界像素点获取光纤表面涂覆灰度图的二值图像，采用连通域分析算法对光纤表面涂覆灰度图的二值图像进行处理获取光纤表面涂覆灰度图的连通域，将所述光纤表面涂覆灰度图的连通域中面积与预设面积阈值进行比较，根据比较的结果对所述光纤表面涂覆灰度图的连通域进行筛选，根据光纤表面涂覆灰度图的连通域的筛选结果获取光纤表面涂覆灰度图的图像块。
5.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据边缘检测分析和连通域分析的结果获取光纤表面涂覆灰度图中每个图像块的涂覆偏差系数的方法为：
式中，表示光纤表面涂覆灰度图像中第/>个图像块的涂覆偏差系数；/>表示垂直投影序列/>中第/>个子序列中数据的数量，/>表示垂直投影序列/>中数据的数量；/>表示光纤表面涂覆灰度图像中第/>个图像块中连通域的数量；/>和/>分别表示垂直投影序列/>中第/>个子序列中第/>个和第/>个数据。
6.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据光纤表面涂覆灰度图中每个图像块对应投影序列中数据的涂覆间歇特征测定序列获取光纤表面涂覆灰度图中每个图像块的涂覆间歇系数的方法为：
式中，表示第/>个图像块的涂覆间歇系数；/>表示第/>个图像块的像素点灰度值构成的集合，/>和/>分别表示集合/>中的最大值和最小值；/>和/>表示序列/>中第/>个和第/>个数据对应的涂覆间歇特征测定序列，/>表示计算序列/>和的DTW距离，/>表示序列/>中数据的数量。
7.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据光纤表面涂覆灰度图中每个图像块的涂覆偏差系数和涂覆间歇系数获取光纤表面涂覆灰度图中每个图像块的涂覆工艺缺陷显著系数的方法为：
将光纤表面涂覆灰度图中任意一个图像块与其它图像块的涂覆偏差系数的差值的绝对值作为所述光纤表面涂覆灰度图中任意一个图像块的第一显著系数；
将所述光纤表面涂覆灰度图中任意一个图像块与其它图像块的涂覆间歇系数的差值的绝对值作为所述光纤表面涂覆灰度图中任意一个图像块的第二显著系数；
将所述光纤表面涂覆灰度图中任意一个图像块的第一显著系数和第二显著系数的乘积在光纤表面涂覆灰度图中的累加和的均值作为所述光纤表面涂覆灰度图中任意一个图像块的涂覆工艺缺陷显著系数。
8.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述将光纤表面涂覆灰度图扩展到多个尺度下进行分析，得到每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列的方法为：
利用插值算法将光纤表面涂覆灰度图扩展为预设数量个不同尺度的光纤表面涂覆灰度图，将每个尺度的光纤表面涂覆灰度图中所有图像块的涂覆工艺缺陷显著系数按照由大到小的顺序排序组成的序列作为所述每个尺度的光纤表面涂覆灰度图的涂覆工艺显著系数序列。
9.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列获取光纤表面涂覆质量判定指数的方法为：
对每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列进行归一化处理，将每个尺度下光纤表面涂覆灰度图的涂覆工艺显著系数序列归一化结果中的做最大值作为所述每个尺度下光纤表面涂覆灰度图的第一判定指数，计算所有尺度下光纤表面涂覆灰度图的第一判定指数的均值作为光纤表面涂覆灰度图的光纤表面涂覆质量判定指数。
10.根据权利要求1所述的一种光纤拉丝表面涂覆质量视觉检测方法，其特征在于，所述根据光纤表面涂覆质量判定指数得到光纤表面涂覆质量的视觉检测结果的方法为：
将光纤表面涂覆质量判定指数与预设光纤表面涂覆质量判定阈值进行比较，所述光纤表面涂覆质量判定指数大于预设光纤表面涂覆质量判定阈值则光纤表面涂覆质量不合格，所述光纤表面涂覆质量判定指数小于等于预设光纤表面涂覆质量判定阈值则光纤表面涂覆质量合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311301930.6A CN117058130B (zh) | 2023-10-10 | 2023-10-10 | 一种光纤拉丝表面涂覆质量视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311301930.6A CN117058130B (zh) | 2023-10-10 | 2023-10-10 | 一种光纤拉丝表面涂覆质量视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117058130A true CN117058130A (zh) | 2023-11-14 |
| CN117058130B CN117058130B (zh) | 2024-01-09 |
Family
ID=88653826
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311301930.6A Active CN117058130B (zh) | 2023-10-10 | 2023-10-10 | 一种光纤拉丝表面涂覆质量视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117058130B (zh) |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5786891A (en) * | 1997-03-11 | 1998-07-28 | Lucent Technologies Inc. | Method and apparatus for detecting defects in an optical fiber coating |
| DE19801140A1 (de) * | 1998-01-14 | 1999-07-15 | Voith Sulzer Papiertech Patent | Vorrichtung zum direkten oder indirekten Auftrag eines flüssigen bis pastösen Auftragsmediums auf eine laufende Materialbahn sowie Betriebsverfahren für eine solche Vorrichtung |
| JP2001194323A (ja) * | 1999-10-29 | 2001-07-19 | Hitachi Ltd | パターン欠陥検査方法及びその装置 |
| JP2005127847A (ja) * | 2003-10-23 | 2005-05-19 | Hiroshi Maeda | ハンディタイプの内部品質検査装置 |
| US20090021732A1 (en) * | 2007-07-18 | 2009-01-22 | Boris Kolodin | Light distribution measurement system |
| DE102013112260A1 (de) * | 2013-11-07 | 2015-05-07 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zum Erkennen von Fehlstellen von abgelegten Faserhalbzeugen |
| CN106097364A (zh) * | 2016-06-20 | 2016-11-09 | 湖北精圭锆业有限公司 | 一种基于图像处理的氧化锆光纤套管通道质量检测方法 |
| CN109087295A (zh) * | 2018-07-31 | 2018-12-25 | 贵州大学 | 基于灰度值投影法的桥梁露筋视觉检测方法 |
| CN111595863A (zh) * | 2020-04-12 | 2020-08-28 | 黄宏琪 | 一种在线测量光纤涂层缺陷的装置及方法 |
| CN112834526A (zh) * | 2020-12-30 | 2021-05-25 | 山西大学 | 一种面向视觉物联网的光纤端面缺陷检测装置及方法 |
| CN113592845A (zh) * | 2021-08-10 | 2021-11-02 | 深圳市华汉伟业科技有限公司 | 一种电池涂布的缺陷检测方法及装置、存储介质 |
| CN114445387A (zh) * | 2022-01-29 | 2022-05-06 | 泗阳富艺木业股份有限公司 | 一种基于机器视觉的纤维板质量分类方法 |
| CN114627118A (zh) * | 2022-05-13 | 2022-06-14 | 江苏裕荣光电科技有限公司 | 一种光纤电缆绝缘缺陷识别方法和系统 |
| CN115100200A (zh) * | 2022-08-24 | 2022-09-23 | 南通光烁通信设备有限公司 | 基于光学手段的光纤缺陷检测方法及系统 |
| CN116205919A (zh) * | 2023-05-05 | 2023-06-02 | 深圳市智宇精密五金塑胶有限公司 | 基于人工智能的五金零件生产质量检测方法及系统 |
| WO2023134792A2 (zh) * | 2022-12-15 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种led灯芯缺陷检测方法 |
| WO2023134789A1 (zh) * | 2022-10-25 | 2023-07-20 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
| CN116577351A (zh) * | 2023-07-14 | 2023-08-11 | 深圳市深卓越光电有限公司 | 基于图像数据的液晶玻璃基板偏光片质量检测方法 |
| EP4249899A1 (en) * | 2022-03-22 | 2023-09-27 | Evonik Operations GmbH | Method for inspecting a coated surface for coating defects |
| CN116843688A (zh) * | 2023-09-01 | 2023-10-03 | 山东虹纬纺织有限公司 | 一种纺织品质量视觉检测方法 |
-
2023
- 2023-10-10 CN CN202311301930.6A patent/CN117058130B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5786891A (en) * | 1997-03-11 | 1998-07-28 | Lucent Technologies Inc. | Method and apparatus for detecting defects in an optical fiber coating |
| DE19801140A1 (de) * | 1998-01-14 | 1999-07-15 | Voith Sulzer Papiertech Patent | Vorrichtung zum direkten oder indirekten Auftrag eines flüssigen bis pastösen Auftragsmediums auf eine laufende Materialbahn sowie Betriebsverfahren für eine solche Vorrichtung |
| EP0930396A2 (de) * | 1998-01-14 | 1999-07-21 | Voith Sulzer Papiertechnik Patent GmbH | Verfahren und Vorrichtung zum Auftrag eines flüssigen bis pastösen Auftragsmediums auf eine laufende Materialbahn |
| JP2001194323A (ja) * | 1999-10-29 | 2001-07-19 | Hitachi Ltd | パターン欠陥検査方法及びその装置 |
| JP2005127847A (ja) * | 2003-10-23 | 2005-05-19 | Hiroshi Maeda | ハンディタイプの内部品質検査装置 |
| US20090021732A1 (en) * | 2007-07-18 | 2009-01-22 | Boris Kolodin | Light distribution measurement system |
| DE102013112260A1 (de) * | 2013-11-07 | 2015-05-07 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zum Erkennen von Fehlstellen von abgelegten Faserhalbzeugen |
| CN106097364A (zh) * | 2016-06-20 | 2016-11-09 | 湖北精圭锆业有限公司 | 一种基于图像处理的氧化锆光纤套管通道质量检测方法 |
| CN109087295A (zh) * | 2018-07-31 | 2018-12-25 | 贵州大学 | 基于灰度值投影法的桥梁露筋视觉检测方法 |
| CN111595863A (zh) * | 2020-04-12 | 2020-08-28 | 黄宏琪 | 一种在线测量光纤涂层缺陷的装置及方法 |
| CN112834526A (zh) * | 2020-12-30 | 2021-05-25 | 山西大学 | 一种面向视觉物联网的光纤端面缺陷检测装置及方法 |
| CN113592845A (zh) * | 2021-08-10 | 2021-11-02 | 深圳市华汉伟业科技有限公司 | 一种电池涂布的缺陷检测方法及装置、存储介质 |
| CN114445387A (zh) * | 2022-01-29 | 2022-05-06 | 泗阳富艺木业股份有限公司 | 一种基于机器视觉的纤维板质量分类方法 |
| EP4249899A1 (en) * | 2022-03-22 | 2023-09-27 | Evonik Operations GmbH | Method for inspecting a coated surface for coating defects |
| CN114627118A (zh) * | 2022-05-13 | 2022-06-14 | 江苏裕荣光电科技有限公司 | 一种光纤电缆绝缘缺陷识别方法和系统 |
| CN115100200A (zh) * | 2022-08-24 | 2022-09-23 | 南通光烁通信设备有限公司 | 基于光学手段的光纤缺陷检测方法及系统 |
| WO2023134789A1 (zh) * | 2022-10-25 | 2023-07-20 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
| WO2023134792A2 (zh) * | 2022-12-15 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种led灯芯缺陷检测方法 |
| CN116205919A (zh) * | 2023-05-05 | 2023-06-02 | 深圳市智宇精密五金塑胶有限公司 | 基于人工智能的五金零件生产质量检测方法及系统 |
| CN116577351A (zh) * | 2023-07-14 | 2023-08-11 | 深圳市深卓越光电有限公司 | 基于图像数据的液晶玻璃基板偏光片质量检测方法 |
| CN116843688A (zh) * | 2023-09-01 | 2023-10-03 | 山东虹纬纺织有限公司 | 一种纺织品质量视觉检测方法 |
Non-Patent Citations (5)
| Title |
|---|
| 兰叶深;刘文军;毛建辉;: "基于视觉显著性的轴承表面缺陷检测算法的研究", 自动化应用, no. 09 * |
| 吴阳阳;董凯丽;杨润华;秦晓阳;: "基于机器视觉的改进光纤端面缺陷检测技术", 电子世界, no. 13 * |
| 张少杰;陈江;闵兴鑫;叶丰;刘浩吾;: "碳涂覆光纤用于分布式裂缝检测的实验研究", 四川大学学报(工程科学版), no. 04 * |
| 董家顺;王兴东;李殿杰;汤勃;李震;: "基于改进K-means算法的钢管表面缺陷视觉检测方法", 武汉科技大学学报, no. 06 * |
| 陈广;杨震;: "基于卷积特征的光纤缺陷检测方法", 中国惯性技术学报, no. 01 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117058130B (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114862862A (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
| CN115908411B (zh) | 基于视觉检测的混凝土养护质量分析方法 | |
| JP6099479B2 (ja) | ひび割れ検出方法 | |
| CN116740070B (zh) | 基于机器视觉的塑料管道外观缺陷检测方法 | |
| CN114972203A (zh) | 基于分水岭分割的机械零件轧制异常检测方法 | |
| CN116030060B (zh) | 一种塑料颗粒质量检测方法 | |
| CN116071363B (zh) | 一种自动化型钢智能生产监测系统 | |
| CN114219805A (zh) | 一种玻璃缺陷智能检测方法 | |
| CN115100200B (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
| CN115311267B (zh) | 一种格纹织物异常检测方法 | |
| CN116664569B (zh) | 一种焊瘤缺陷检测方法 | |
| CN115359053A (zh) | 一种金属板材缺陷智能检测方法及系统 | |
| CN116958144B (zh) | 一种新能源连接线表面瑕疵区域快速定位方法及系统 | |
| CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
| CN115953409A (zh) | 基于图像处理的注塑件表面缺陷检测方法 | |
| CN111968079A (zh) | 基于断面局部极值及分段稀疏的三维路面裂缝提取方法 | |
| CN117058130B (zh) | 一种光纤拉丝表面涂覆质量视觉检测方法 | |
| CN116778520B (zh) | 一种海量证照数据质量检验方法 | |
| CN116977333A (zh) | 基于图像数据的装配式钢结构构件质量检测方法 | |
| CN115578390B (zh) | 一种用于除氧器的焊接控制方法 | |
| CN116721096A (zh) | 基于人工智能的新能源线束质量在线检测方法 | |
| CN111192261A (zh) | 一种镜片疵病类型识别的方法 | |
| CN115205317A (zh) | 一种桥梁监测光电标靶图像光斑中心点提取方法 | |
| CN111915630B (zh) | 一种基于数据与模型联合驱动的陶瓷材料晶粒分割算法 | |
| CN114998346A (zh) | 一种防水布质量数据处理、识别方法 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Visual Inspection Method for Surface Coating Quality of Fiber Optic Drawing Granted publication date: 20240109 Pledgee: SHANDONG WEIHAI RURAL COMMERCIAL BANK Co.,Ltd. Pledgor: Weihai Weixin Fiber Technology Co.,Ltd.|WEIHAI CHANGHE LIGHT GUIDE TECHNOLOGY CO.,LTD.|HONGAN GROUP Co.,Ltd. Registration number: Y2024980009306 |