CN117094609A - 一种基于机器视觉的铝型材生产质量智能管理系统 - Google Patents
一种基于机器视觉的铝型材生产质量智能管理系统 Download PDFInfo
- Publication number
- CN117094609A CN117094609A CN202311360029.6A CN202311360029A CN117094609A CN 117094609 A CN117094609 A CN 117094609A CN 202311360029 A CN202311360029 A CN 202311360029A CN 117094609 A CN117094609 A CN 117094609A
- Authority
- CN
- China
- Prior art keywords
- defect
- aluminum profile
- appearance
- production
- abnormal
- 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
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 267
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 267
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 173
- 230000007547 defect Effects 0.000 claims description 344
- 230000002159 abnormal effect Effects 0.000 claims description 91
- 238000001514 detection method Methods 0.000 claims description 60
- 238000012544 monitoring process Methods 0.000 claims description 49
- 238000007726 management method Methods 0.000 claims description 48
- 230000002950 deficient Effects 0.000 claims description 15
- 238000011835 investigation Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 11
- 239000002994 raw material Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 210000001503 joint Anatomy 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000005507 spraying Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000003326 Quality management system Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000010924 continuous production Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000004411 aluminium Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
- B07C5/362—Separating or distributor mechanisms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8914—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the material examined
- G01N2021/8918—Metal
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Game Theory and Decision Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Operations Research (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Textile Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于铝型材生产质量管理技术领域,具体公开一种基于机器视觉的铝型材生产质量智能管理系统,本发明通过将铝型材生产线与外观检测机构对接,由此在生产过程中依次将生产完成的成品铝型材经由生产线对接传送到外观检测机构进行外观缺陷检测,并实时将检测结果反馈到生产线,体现了生产流程监管和成品外观检测的同步进行,能够在生产过程中实现生产线的针对性智能控制,极大规避了管理滞后性,能够最大限度避免现有批次中缺陷铝型材的出现,使得外观质量管理结果能够有效作用到此时此刻正在生产的铝型材上,在一定程度上提高了外观质量管理效果,有利于铝型材在外观缺陷方面的生产降损。
Description
技术领域
本发明属于铝型材生产质量管理技术领域,具体为一种基于机器视觉的铝型材生产质量智能管理系统。
背景技术
铝型材因其轻质、高强度及耐腐蚀的特性,使其广泛应用于建筑、交通运输、电子、航空航天等领域,铝型材的产品质量更是直接关系到工程和设备的安全性,因而对于铝型材生产企业来说,有必要对铝型材的生产质量进行有效管理。
由于铝型材常应用的建筑、装饰、汽车领域对外观要求非常高,外观缺陷会直接影响产品的美观度,这使得铝型材的外观质量管理成为众多质量管理对象中较为重要的管理对象。
目前对铝型材的外观质量管理通常包括生产流程监管和成品外观缺陷检测,具体为在铝型材的生产过程中各个流程进行监管,在铝型材生产结束后对成品铝型材进行外观缺陷检测,由于对成品铝型材的外观缺陷检测结果可以通过生产流程监管结果进行追溯,能够针对性地进行生产流程优化处理,达到有效的外观质量管理效果,使得很多铝型材生产企业都会使用这两种管理方式,但现有技术中生产流程监管和成品外观检测这两种管理方式是不同步的,即在现有批次的铝型材生产时其生产流程监管与成品外观缺陷检测是分开的,在所有铝型材生产结束之后才统一进行外观缺陷检测,这种方式由于无法在现有批次铝型材生产过程中实时与生产流程保持反馈联动,容易造成管理滞后,其外观缺陷追溯结果只能对下一批次的铝型材生产产生作用,无法避免现有批次中缺陷铝型材的出现,从而导致现有技术铝型材的外观质量管理方式存在时间适用局限,使得外观质量管理效果无法实现较大提升,不利于铝型材在外观缺陷方面的生产降损。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种基于机器视觉的铝型材生产质量智能管理系统。
本发明的目的可以通过以下技术方案实现:一种基于机器视觉的铝型材生产质量智能管理系统,包括:外观检测机构设置模块,用于在铝型材生产线末端对接设置外观检测机构,并在外观检测机构上划定检测位置,进而在检测位置上设置高清摄像头和喷码机,其中外观检测机构包括出口传送端,其中出口传送端包含合格品传送端和缺陷品传送端。
铝型材外观检测模块,用于依次将生产完成的成品铝型材经由生产线对接传送到外观检测机构的检测位置上利用高清摄像头采集外观图像,得到待检铝型材的外观图像。
外观缺陷识别模块,用于将待检铝型材的外观图像与正常外观图像进行对比,识别是否存在外观缺陷,若识别存在外观缺陷,则确定待检铝型材的外观缺陷等级。
管理信息库,用于存储铝型材对应各种缺陷类型的质量影响因子,存储铝型材在各种外观缺陷等级下对应的外观缺陷度区间,存储铝型材对应各种缺陷类型的易发生产流程。
铝型材生产线停机触发模块,用于将待检铝型材的外观缺陷等级与设置的风险外观缺陷等级进行对比,若达到风险外观缺陷等级,则触发铝型材生产线自动停机,反之则持续铝型材的生产、外观检测。
铝型材分类处理模块,用于将不存在外观缺陷的铝型材传送到合格品传送端,将存在外观缺陷的铝型材记为异常铝型材,进而分析异常铝型材的缺陷指向,并利用喷码机在异常铝型材表面将缺陷指向进行标签标识,同时将异常铝型材传送到缺陷品传送端。
异常铝型材缺陷原因动态预测模块,用于在缺陷品传送端按照设定时间间隔统计异常铝型材的数量,并通过识别标签获取各监测时刻内各异常铝型材的缺陷指向,由此在各监测时刻进行缺陷原因预测。
生产过程追踪优化控制模块,用于基于预测的异常铝型材缺陷原因在各监测时刻进行生产过程追踪优化控制。
在一种可替换的实施方式中,所述外观检测机构还包括入口传送端和传送皮带。
在一种可替换的实施方式中,所述入口传送端用于接收由生产线对接传送来的待检铝型材,并入口传送端上设置标记设备,用于对待检铝型材进行标记编号。
在一种可替换的实施方式中,所述缺陷品传送端上设置标签扫描仪。
在一种可替换的实施方式中,所述确定待检铝型材的外观缺陷等级参见下述过程:统计待检铝型材的外观图像中存在的缺陷区域数量,并将外观图像聚焦在各处外观缺陷区域,由此提取各处外观缺陷区域的缺陷类型和缺陷面积。
将各处外观缺陷区域的缺陷类型与管理信息库中铝型材对应各种缺陷类型的质量影响因子进行匹配,从中匹配出待检铝型材对应各处外观缺陷区域的质量影响因子,并进行相互对比,从中选取最大质量影响因子对应的外观缺陷区域作为第一重点外观缺陷区域。
将各处外观缺陷区域的缺陷面积进行相互对比,从中选取最大缺陷面积对应的外观缺陷区域作为第二重点外观缺陷区域。
利用表达式计算出待检铝型材的外
观缺陷度,式中、分别表示为第一重点外观缺陷区域、第二重点外观缺陷区域的缺
陷面积,、分别表示为第一重点外观缺陷区域、第二重点外观缺陷区域的质量影响因
子,表示为待检铝型材的表面积,e表示为自然常数。
将待检铝型材的外观缺陷度与管理信息库中铝型材在各种外观缺陷等级下对应的外观缺陷度区间进行比对,从中获取待检铝型材的外观缺陷等级。
在一种可替换的实施方式中,所述缺陷指向包括缺陷类型数量和各种缺陷类型的分布面积。
在一种可替换的实施方式中,所述分析异常铝型材的缺陷指向具体包括下述步骤:将异常铝型材对应各处外观缺陷区域的缺陷类型进行对比,进而将相同缺陷类型对应的外观缺陷区域进行归类,得到各种缺陷类型对应的若干外观缺陷区域。
统计异常铝型材表面存在的缺陷类型数量,并将同种缺陷类型对应各处外观缺陷区域的缺陷面积进行累加,得到各种缺陷类型的分布面积。
在一种可替换的实施方式中,所述在各监测时刻进行缺陷原因预测具体执行过程如下:获取各监测时刻内各异常铝型材的标记编号,并将标记编号按照由小到大的顺序进行排列,进而按照排列结果将后一个标记编号与前一个标记编号相减,得到相邻标记编号差。
将相邻标记编号差导入公式,计
算得到各监测时刻对应的铝型材缺陷出现连续度,进而与设定值进行对比,若某监测时刻
对应的铝型材缺陷出现连续度大于设定值,则预测该监测时刻异常铝型材的缺陷原因优先
为原材料质量不合格,反之则预测该监测时刻异常铝型材的缺陷原因优先为生产流程控制
不当。
在一种可替换的实施方式中,所述基于预测的异常铝型材缺陷原因在各监测时刻进行生产过程追踪优化控制具体操作过程如下:(1)若预测某监测时刻异常铝型材的缺陷原因为原材料质量不合格时则在该监测时刻调取生产铝型材使用的原材料图像,识别是否存在质量问题,若识别存在质量问题,则控制铝型材生产线中断运行。
(2)若预测某监测时刻异常铝型材的缺陷原因为生产流程控制不当时则将该监测时刻内各异常铝型材存在的缺陷类型进行对比,识别是否存在相同缺陷类型,若存在相同缺陷类型,则执行(3)-(4),若不存在相同缺陷类型,则执行(5)。
(3)将相同缺陷类型对应的异常铝型材进行归类,构成各种缺陷类型对应的若干异常铝型材,进而统计各种缺陷类型对应的异常铝型材数量,并进行相互对比,从中选取最多异常铝型材数量对应的缺陷类型作为偏向缺陷类型。
(4)将偏向缺陷类型与管理信息库中铝型材对应各种缺陷类型的易发生产流程进行匹配,从中匹配出偏向缺陷类型对应的易发生产流程,作为重点生产流程,进而调取重点生产流程的所有生产数据,进行异常排查,从而根据排查结果对重点生产流程进行优化控制。
(5)将该监测时刻内各异常铝型材存在的缺陷类型构成缺陷类型集合,并将集合
内各种缺陷类型对应的分布面积结合质量影响因子代入表达式,
计算出各种缺陷类型对应的表现力系数,同时将该监测时刻内各异常铝型材存在的缺陷类
型与管理信息库中铝型材对应各种缺陷类型的易发生产流程进行匹配,从中匹配出各种缺
陷类型对应的易发生产流程,并将其按照各缺陷类型对应的表现力系数由大到小的顺序进
行排列,得到易发生产流程的排列结果,进而按照排列结果依次调取易发生产流程的所有
生产数据,进行异常排查,并根据排查结果识别出异常生产流程,从而对异常生产流程进行
优化控制。
在一种可替换的实施方式中,所述生产数据包括生产环境数据、生产设备运行数据和操作人员操作视频数据。
相较于现有技术,本发明的有益效果如下:(1)本发明通过将铝型材生产线与外观检测机构对接,由此在生产过程中依次将生产完成的成品铝型材经由生产线对接传送到外观检测机构利用机器识别技术进行外观缺陷检测,并实时将检测结果反馈到生产线,能够在生产过程中实现生产线的针对性智能控制,极大规避了管理滞后性,能够最大限度避免现有批次中缺陷铝型材的出现,使得外观质量管理结果能够有效作用到此时此刻正在生产的铝型材上,在一定程度上提高了外观质量管理效果,有利于铝型材在外观缺陷方面的生产降损。
(2)本发明在针对铝型材的外观缺陷检测结果进行生产线智能控制时包括了针对铝型材外观缺陷等级的生产线停机控制,实现了基于铝型材外观缺陷检测结果的生产线整体控制,在当前检测铝型材存在严重外观缺陷时,说明此时的生产线存在较大问题,通过停机控制,这有助于及时停止有问题的生产线,防止严重缺陷品的继续生产,避免损失扩大化。
(3)本发明在针对铝型材的外观缺陷检测结果进行生产线智能控制时还包括实时将存在外观缺陷的铝型材进行缺陷原因预测,以根据缺陷原因合理追踪到有问题的生产流程,进行生产数据异常排查,从而根据排查结果对生产线的特定生产流程进行优化控制,实现了基于铝型材外观缺陷检测结果的生产线局部控制,有利于防止轻微缺陷品的继续生产,使得对铝型材外观缺陷的防控更加全面有效。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明系统各模块连接示意图。
图2为本发明中外观检测机构结构示意图。
附图标记:1——生产线末端,2——入口传送端,3——检测位置,4——传送皮带,5——合格品传送端,6——缺陷品传送端。
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所示,本发明提出一种基于机器视觉的铝型材生产质量智能管理系统,包括外观检测机构设置模块、铝型材外观检测模块、外观缺陷识别模块、管理信息库、铝型材生产线停机触发模块、铝型材分类处理模块、异常铝型材缺陷原因动态预测模块和生产过程追踪优化控制模块,其中外观检测机构设置模块与铝型材外观检测模块连接,铝型材外观检测模块与外观缺陷识别模块连接,外观缺陷识别模块分别与铝型材生产线停机触发模块和铝型材分类处理模块连接,铝型材分类处理模块与异常铝型材缺陷原因动态预测模块连接,异常铝型材缺陷原因动态预测模块与生产过程追踪优化控制模块连接,管理信息库分别与外观缺陷识别模块和生产过程追踪优化控制模块连接。
所述外观检测机构设置模块用于在铝型材生产线末端对接设置外观检测机构,其中外观检测机构包括入口传送端、传送皮带和出口传送端,并在外观检测机构的传送皮带上划定检测位置,进而在检测位置上设置高清摄像头和喷码机。
作为上述方案的优选实施例,入口传送端用于接收由生产线对接传送来的待检铝型材,并入口传送端上设置标记设备,用于对待检铝型材进行标记编号。出口传送端包含合格品传送端和缺陷品传送端,其中缺陷品传送端上设置标签扫描仪。
应用于上述实施例,外观检测机构的结构参见图2所示。
所述铝型材外观检测模块用于依次将生产完成的成品铝型材经由生产线对接传送到外观检测机构的检测位置上利用高清摄像头采集外观图像,得到待检铝型材的外观图像。
所述外观缺陷识别模块用于将待检铝型材的外观图像与正常外观图像进行对比,识别是否存在外观缺陷,若识别存在外观缺陷,则确定待检铝型材的外观缺陷等级,具体参见下述过程:统计待检铝型材的外观图像中存在的缺陷区域数量,并将外观图像聚焦在各处外观缺陷区域,由此提取各处外观缺陷区域的缺陷类型和缺陷面积。
作为上述方案的一个具体实施例,缺陷类型的提取可通过从缺陷区域中提取缺陷形态特征,例如颜色、形状、纹理等,从而确定缺陷类型。
缺陷面积的提取可通过缺陷区域轮廓获取。
在一个示例中,铝型材的外观缺陷类型包括但不限于气泡、裂纹、划痕等。
将各处外观缺陷区域的缺陷类型与管理信息库中铝型材对应各种缺陷类型的质量影响因子进行匹配,从中匹配出待检铝型材对应各处外观缺陷区域的质量影响因子,并进行相互对比,从中选取最大质量影响因子对应的外观缺陷区域作为第一重点外观缺陷区域。
将各处外观缺陷区域的缺陷面积进行相互对比,从中选取最大缺陷面积对应的外观缺陷区域作为第二重点外观缺陷区域。
利用表达式计算出待检铝型材的外观缺
陷度,式中、分别表示为第一重点外观缺陷区域、第二重点外观缺陷区域的缺陷面
积,、分别表示为第一重点外观缺陷区域、第二重点外观缺陷区域的质量影响因子,表示为待检铝型材的表面积,e表示为自然常数。
本发明在评判铝型材的外观缺陷度时不仅考虑到了缺陷类型对外观缺陷度的影响,这是由于缺陷类型对铝型材质量的影响是直接且致命的,例如某些缺陷可能会直接影响产品的强度、性能和功能,而有些缺陷可能主要影响产品的外观、美观度和市场接受度,还考虑到了缺陷面积对外观缺陷度的影响,这是由于缺陷面积对铝型材质量的影响是覆盖性的,缺陷面积越大,对铝型材质量的覆盖性影响越大。
将待检铝型材的外观缺陷度与管理信息库中铝型材在各种外观缺陷等级下对应的外观缺陷度区间进行比对,从中获取待检铝型材的外观缺陷等级。
所述管理信息库用于存储铝型材对应各种缺陷类型的质量影响因子,存储铝型材在各种外观缺陷等级下对应的外观缺陷度区间,存储铝型材对应各种缺陷类型的易发生产流程。
所述铝型材生产线停机触发模块用于将待检铝型材的外观缺陷等级与设置的风险外观缺陷等级进行对比,若达到风险外观缺陷等级,则触发铝型材生产线自动停机,反之则持续铝型材的生产、外观检测。
本发明在针对铝型材的外观缺陷检测结果进行生产线智能控制时包括了针对铝型材外观缺陷等级的生产线停机控制,实现了基于铝型材外观缺陷检测结果的生产线整体控制,在当前检测铝型材存在严重外观缺陷时,说明此时的生产线存在较大问题,通过停机控制,这有助于及时停止有问题的生产线,防止严重缺陷品的继续生产,避免损失扩大化。
所述铝型材分类处理模块用于将不存在外观缺陷的铝型材传送到合格品传送端,将存在外观缺陷的铝型材记为异常铝型材,进而分析异常铝型材的缺陷指向,并利用喷码机在异常铝型材表面将缺陷指向进行标签标识,同时将异常铝型材传送到缺陷品传送端。
上述中缺陷指向包括缺陷类型数量和各种缺陷类型的分布面积,其中分析异常铝型材的缺陷指向具体包括下述步骤:将异常铝型材对应各处外观缺陷区域的缺陷类型进行对比,进而将相同缺陷类型对应的外观缺陷区域进行归类,得到各种缺陷类型对应的若干外观缺陷区域。
统计异常铝型材表面存在的缺陷类型数量,并将同种缺陷类型对应各处外观缺陷区域的缺陷面积进行累加,得到各种缺陷类型的分布面积。
所述异常铝型材缺陷原因动态预测模块用于在缺陷品传送端按照设定时间间隔统计异常铝型材的数量,并通过标签扫描仪识别标签获取各监测时刻内各异常铝型材的缺陷指向,由此在各监测时刻进行缺陷原因预测,具体执行过程如下:获取各监测时刻内各异常铝型材的标记编号,并将标记编号按照由小到大的顺序进行排列,进而按照排列结果将后一个标记编号与前一个标记编号相减,得到相邻标记编号差。
将相邻标记编号差导入公式,计
算得到各监测时刻对应的铝型材缺陷出现连续度,其中相邻标记编号差越小,铝型材缺陷
出现连续度越大,进而将各监测时刻对应的铝型材缺陷出现连续度与设定值进行对比,若
某监测时刻对应的铝型材缺陷出现连续度大于设定值,此时说明铝型材的外观缺陷时连续
出现的,这时优先考虑生产铝型材的原材料存在质量问题,这是因为当原材料出现质量问
题时,其质量问题会连续传递到每个成品铝型材上,因而预测该监测时刻异常铝型材的缺
陷原因优先为原材料质量不合格,反之则说明铝型材的外观缺陷是间断出现的,此时就不
需要优先考虑原材料的质量问题,因而预测该监测时刻异常铝型材的缺陷原因优先为生产
流程控制不当,这是因为在铝型材生产过程中其生产质量受生产环境、生产设备、操作人员
操作水平的影响,当生产环境在某时刻控制失宜时,生产设备在某时刻出现故障时,操作人
员在某时候操作失误时,就有可能造成该时刻下的成品铝型材出现外观缺陷,在某时刻生
产环境、生产设备、操作人员操作水平控制得当时,就不会造成成品铝型材出现外观缺陷,
由此在生产流程控制不当时就有可能存在铝型材外观缺陷的间断出现。
所述生产过程追踪优化控制模块用于基于预测的异常铝型材缺陷原因在各监测时刻进行生产过程追踪优化控制,具体操作过程如下:(1)若预测某监测时刻异常铝型材的缺陷原因为原材料质量不合格时则在该监测时刻调取生产铝型材使用的原材料图像,识别是否存在质量问题,若识别存在质量问题,则控制铝型材生产线中断运行。
(2)若预测某监测时刻异常铝型材的缺陷原因为生产流程控制不当时则将该监测时刻内各异常铝型材存在的缺陷类型进行对比,识别是否存在相同缺陷类型,若存在相同缺陷类型,则执行(3)-(4),若不存在相同缺陷类型,则执行(5)。
(3)将相同缺陷类型对应的异常铝型材进行归类,构成各种缺陷类型对应的若干异常铝型材,进而统计各种缺陷类型对应的异常铝型材数量,并进行相互对比,从中选取最多异常铝型材数量对应的缺陷类型作为偏向缺陷类型。
(4)将偏向缺陷类型与管理信息库中铝型材对应各种缺陷类型的易发生产流程进行匹配,从中匹配出偏向缺陷类型对应的易发生产流程,作为重点生产流程,进而调取重点生产流程的所有生产数据,其中生产数据包括生产环境数据、生产设备运行数据和操作人员操作视频数据,对生产数据进行异常排查,从而根据排查结果对重点生产流程进行优化控制。
上述中对偏向缺陷类型的识别能够为重点生产流程的获取提供可靠依据,从而加快重点生产流程的优化控制进程,无形之中提高了缺陷处理效率。
(5)将该监测时刻内各异常铝型材存在的缺陷类型构成缺陷类型集合,并将集合
内各种缺陷类型对应的分布面积结合质量影响因子代入表达式,
计算出各种缺陷类型对应的表现力系数,同时将该监测时刻内各异常铝型材存在的缺陷类
型与管理信息库中铝型材对应各种缺陷类型的易发生产流程进行匹配,从中匹配出各种缺
陷类型对应的易发生产流程,并将其按照各缺陷类型对应的表现力系数由大到小的顺序进
行排列,得到易发生产流程的排列结果,进而按照排列结果依次调取易发生产流程的所有
生产数据,进行异常排查,若某易发生产流程的生产数据存在异常,则识别该生产流程为异
常生产流程,从而对异常生产流程进行优化控制。
上述中对易发生产流程的排序能够有效提高异常生产流程的识别效率,有利于实现铝型材外观缺陷的及时控制。
本发明在针对铝型材的外观缺陷检测结果进行生产线智能控制时还包括实时将存在外观缺陷的铝型材进行缺陷原因预测,以根据缺陷原因合理追踪到有问题的生产流程,进行生产数据异常排查,从而根据排查结果对生产线的特定生产流程进行优化控制,实现了基于铝型材外观缺陷检测结果的生产线局部控制,有利于防止轻微缺陷品的继续生产,使得对铝型材外观缺陷的防控更加全面有效。
本发明通过将铝型材生产线与外观检测机构对接,由此在生产过程中依次将生产完成的成品铝型材经由生产线对接传送到外观检测机构利用机器识别技术进行外观缺陷检测,并实时将检测结果反馈到生产线,能够在生产过程中实现生产线的针对性智能控制,极大规避了管理滞后性,能够最大限度避免现有批次中缺陷铝型材的出现,使得外观质量管理结果能够有效作用到此时此刻正在生产的铝型材上,在一定程度上提高了外观质量管理效果,有利于铝型材在外观缺陷方面的生产降损。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于,包括:
外观检测机构设置模块,用于在铝型材生产线末端对接设置外观检测机构,并在外观检测机构上划定检测位置,进而在检测位置上设置高清摄像头和喷码机,其中外观检测机构包括出口传送端,其中出口传送端包含合格品传送端和缺陷品传送端;
铝型材外观检测模块,用于依次将生产完成的成品铝型材经由生产线对接传送到外观检测机构的检测位置上利用高清摄像头采集外观图像,得到待检铝型材的外观图像;
外观缺陷识别模块,用于将待检铝型材的外观图像与正常外观图像进行对比,识别是否存在外观缺陷,若识别存在外观缺陷,则确定待检铝型材的外观缺陷等级;
管理信息库,用于存储铝型材对应各种缺陷类型的质量影响因子,存储铝型材在各种外观缺陷等级下对应的外观缺陷度区间,存储铝型材对应各种缺陷类型的易发生产流程;
铝型材生产线停机触发模块,用于将待检铝型材的外观缺陷等级与设置的风险外观缺陷等级进行对比,若达到风险外观缺陷等级,则触发铝型材生产线自动停机,反之则持续铝型材的生产、外观检测;
铝型材分类处理模块,用于将不存在外观缺陷的铝型材传送到合格品传送端,将存在外观缺陷的铝型材记为异常铝型材,进而分析异常铝型材的缺陷指向,并利用喷码机在异常铝型材表面将缺陷指向进行标签标识,同时将异常铝型材传送到缺陷品传送端;
异常铝型材缺陷原因动态预测模块,用于在缺陷品传送端按照设定时间间隔统计异常铝型材的数量,并通过识别标签获取各监测时刻内各异常铝型材的缺陷指向,由此在各监测时刻进行缺陷原因预测;
生产过程追踪优化控制模块,用于基于预测的异常铝型材缺陷原因在各监测时刻进行生产过程追踪优化控制。
2.如权利要求1所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述外观检测机构还包括入口传送端和传送皮带。
3.如权利要求2所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述入口传送端用于接收由生产线对接传送来的待检铝型材,并入口传送端上设置标记设备,用于对待检铝型材进行标记编号。
4.如权利要求1所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述缺陷品传送端上设置标签扫描仪。
5.如权利要求1所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述确定待检铝型材的外观缺陷等级参见下述过程:
统计待检铝型材的外观图像中存在的缺陷区域数量,并将外观图像聚焦在各处外观缺陷区域,由此提取各处外观缺陷区域的缺陷类型和缺陷面积;
将各处外观缺陷区域的缺陷类型与管理信息库中铝型材对应各种缺陷类型的质量影响因子进行匹配,从中匹配出待检铝型材对应各处外观缺陷区域的质量影响因子,并进行相互对比,从中选取最大质量影响因子对应的外观缺陷区域作为第一重点外观缺陷区域;
将各处外观缺陷区域的缺陷面积进行相互对比,从中选取最大缺陷面积对应的外观缺陷区域作为第二重点外观缺陷区域;
利用表达式计算出待检铝型材的外观缺陷度/>,式中/>、/>分别表示为第一重点外观缺陷区域、第二重点外观缺陷区域的缺陷面积,/>、/>分别表示为第一重点外观缺陷区域、第二重点外观缺陷区域的质量影响因子,表示为待检铝型材的表面积,e表示为自然常数;
将待检铝型材的外观缺陷度与管理信息库中铝型材在各种外观缺陷等级下的外观缺陷度区间进行比对,从中获取待检铝型材的外观缺陷等级。
6.如权利要求1所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述缺陷指向包括缺陷类型数量和各种缺陷类型的分布面积。
7.如权利要求6所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述分析异常铝型材的缺陷指向具体包括下述步骤:
将异常铝型材对应各处外观缺陷区域的缺陷类型进行对比,进而将相同缺陷类型对应的外观缺陷区域进行归类,得到各种缺陷类型对应的若干外观缺陷区域;
统计异常铝型材表面存在的缺陷类型数量,并将同种缺陷类型对应各处外观缺陷区域的缺陷面积进行累加,得到各种缺陷类型的分布面积。
8.如权利要求1所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述在各监测时刻进行缺陷原因预测具体执行过程如下:
获取各监测时刻内各异常铝型材的标记编号,并将标记编号按照由小到大的顺序进行排列,进而按照排列结果将后一个标记编号与前一个标记编号相减,得到相邻标记编号差;
将相邻标记编号差导入公式,计算得到各监测时刻对应的铝型材缺陷出现连续度,进而与设定值进行对比,若某监测时刻对应的铝型材缺陷出现连续度大于设定值,则预测该监测时刻异常铝型材的缺陷原因优先为原材料质量不合格,反之则预测该监测时刻异常铝型材的缺陷原因优先为生产流程控制不当。
9.如权利要求8所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述基于预测的异常铝型材缺陷原因在各监测时刻进行生产过程追踪优化控制具体操作过程如下:
(1)若预测某监测时刻异常铝型材的缺陷原因为原材料质量不合格时则在该监测时刻调取生产铝型材使用的原材料图像,识别是否存在质量问题,若识别存在质量问题,则控制铝型材生产线中断运行;
(2)若预测某监测时刻异常铝型材的缺陷原因为生产流程控制不当时则将该监测时刻内各异常铝型材存在的缺陷类型进行对比,识别是否存在相同缺陷类型,若存在相同缺陷类型,则执行(3)-(4),若不存在相同缺陷类型,则执行(5);
(3)将相同缺陷类型对应的异常铝型材进行归类,构成各种缺陷类型对应的若干异常铝型材,进而统计各种缺陷类型对应的异常铝型材数量,并进行相互对比,从中选取最多异常铝型材数量对应的缺陷类型作为偏向缺陷类型;
(4)将偏向缺陷类型与管理信息库中铝型材对应各种缺陷类型的易发生产流程进行匹配,从中匹配出偏向缺陷类型对应的易发生产流程,作为重点生产流程,进而调取重点生产流程的所有生产数据,进行异常排查,从而根据排查结果对重点生产流程进行优化控制;
(5)将该监测时刻内各异常铝型材存在的缺陷类型构成缺陷类型集合,并将集合内各种缺陷类型对应的分布面积结合质量影响因子代入表达式,计算出各种缺陷类型对应的表现力系数,同时将该监测时刻内各异常铝型材存在的缺陷类型与管理信息库中铝型材对应各种缺陷类型的易发生产流程进行匹配,从中匹配出各种缺陷类型对应的易发生产流程,并将其按照各缺陷类型对应的表现力系数由大到小的顺序进行排列,得到易发生产流程的排列结果,进而按照排列结果依次调取易发生产流程的所有生产数据,进行异常排查,并根据排查结果识别出异常生产流程,从而对异常生产流程进行优化控制。
10.如权利要求9所述的一种基于机器视觉的铝型材生产质量智能管理系统,其特征在于:所述生产数据包括生产环境数据、生产设备运行数据和操作人员操作视频数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311360029.6A CN117094609B (zh) | 2023-10-20 | 2023-10-20 | 一种基于机器视觉的铝型材生产质量智能管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311360029.6A CN117094609B (zh) | 2023-10-20 | 2023-10-20 | 一种基于机器视觉的铝型材生产质量智能管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117094609A true CN117094609A (zh) | 2023-11-21 |
CN117094609B CN117094609B (zh) | 2024-01-12 |
Family
ID=88770180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311360029.6A Active CN117094609B (zh) | 2023-10-20 | 2023-10-20 | 一种基于机器视觉的铝型材生产质量智能管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117094609B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117686516A (zh) * | 2024-01-29 | 2024-03-12 | 江苏优众微纳半导体科技有限公司 | 基于机器视觉的芯片外观缺陷自动检测系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593670A (zh) * | 2013-10-14 | 2014-02-19 | 浙江工业大学 | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 |
CN104458755A (zh) * | 2014-11-26 | 2015-03-25 | 吴晓军 | 一种基于机器视觉的多类型材质表面缺陷检测方法 |
CN114029237A (zh) * | 2021-11-08 | 2022-02-11 | 上海电机学院 | 一种铝型材表面缺陷实时分拣系统及方法 |
WO2022065621A1 (ko) * | 2020-09-28 | 2022-03-31 | (주)미래융합정보기술 | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 |
CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
CN114648521A (zh) * | 2022-04-02 | 2022-06-21 | 武汉旻一数字科技有限公司 | 一种基于机器视觉的智慧工厂生产在线监测分析系统 |
CN114997628A (zh) * | 2022-05-25 | 2022-09-02 | 武汉望曦龙辰建筑劳务有限公司 | 一种基于多维特征数据的bim可视化设计分析管理平台 |
CN115201444A (zh) * | 2022-07-14 | 2022-10-18 | 安徽强邦新材料股份有限公司 | 一种铝版基缺陷检测筛查系统及方法 |
CN115907279A (zh) * | 2022-09-08 | 2023-04-04 | 蚌埠中企东方孵化器有限公司 | 基于物联网的工业生产产品用质量检测系统及方法 |
CN115984184A (zh) * | 2022-12-06 | 2023-04-18 | 武汉霖馨建筑装饰工程有限公司 | 基于目标识别技术的建筑材料钢材缺陷检测方法 |
CN116086650A (zh) * | 2023-03-31 | 2023-05-09 | 深圳市美路科技有限公司 | 一种基于物联网的分布式电缆桥架温度监测方法及系统 |
CN116777911A (zh) * | 2023-08-18 | 2023-09-19 | 深圳市华盛源机电有限公司 | 一种基于图像识别的双基板散热器表面缺陷检测系统 |
-
2023
- 2023-10-20 CN CN202311360029.6A patent/CN117094609B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103593670A (zh) * | 2013-10-14 | 2014-02-19 | 浙江工业大学 | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 |
CN104458755A (zh) * | 2014-11-26 | 2015-03-25 | 吴晓军 | 一种基于机器视觉的多类型材质表面缺陷检测方法 |
WO2022065621A1 (ko) * | 2020-09-28 | 2022-03-31 | (주)미래융합정보기술 | 제품 결함 이미지 원격 학습을 통한 비전 검사 시스템 |
CN114029237A (zh) * | 2021-11-08 | 2022-02-11 | 上海电机学院 | 一种铝型材表面缺陷实时分拣系统及方法 |
CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理系统 |
CN114648521A (zh) * | 2022-04-02 | 2022-06-21 | 武汉旻一数字科技有限公司 | 一种基于机器视觉的智慧工厂生产在线监测分析系统 |
CN114997628A (zh) * | 2022-05-25 | 2022-09-02 | 武汉望曦龙辰建筑劳务有限公司 | 一种基于多维特征数据的bim可视化设计分析管理平台 |
CN115201444A (zh) * | 2022-07-14 | 2022-10-18 | 安徽强邦新材料股份有限公司 | 一种铝版基缺陷检测筛查系统及方法 |
CN115907279A (zh) * | 2022-09-08 | 2023-04-04 | 蚌埠中企东方孵化器有限公司 | 基于物联网的工业生产产品用质量检测系统及方法 |
CN115984184A (zh) * | 2022-12-06 | 2023-04-18 | 武汉霖馨建筑装饰工程有限公司 | 基于目标识别技术的建筑材料钢材缺陷检测方法 |
CN116086650A (zh) * | 2023-03-31 | 2023-05-09 | 深圳市美路科技有限公司 | 一种基于物联网的分布式电缆桥架温度监测方法及系统 |
CN116777911A (zh) * | 2023-08-18 | 2023-09-19 | 深圳市华盛源机电有限公司 | 一种基于图像识别的双基板散热器表面缺陷检测系统 |
Non-Patent Citations (2)
Title |
---|
李彦滨;: "基于机器视觉的彩钢板缺陷检测和智能分类研究", 科学技术创新, no. 31, pages 35 - 36 * |
郑晓玲;: "基于机器视觉的铝铸件表面缺陷自动识别技术", 黎明职业大学学报, no. 03, pages 78 - 83 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117686516A (zh) * | 2024-01-29 | 2024-03-12 | 江苏优众微纳半导体科技有限公司 | 基于机器视觉的芯片外观缺陷自动检测系统 |
CN117686516B (zh) * | 2024-01-29 | 2024-05-10 | 江苏优众微纳半导体科技有限公司 | 基于机器视觉的芯片外观缺陷自动检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117094609B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117094609B (zh) | 一种基于机器视觉的铝型材生产质量智能管理系统 | |
Borselli et al. | A fuzzy inference system applied to defect detection in flat steel production | |
CN110490842B (zh) | 一种基于深度学习的带钢表面缺陷检测方法 | |
CN105044122A (zh) | 一种基于半监督学习模型的铜件表面缺陷视觉检测系统及检测方法 | |
CN113744244B (zh) | 测量锂电池极片边缘到极耳边缘距离的在线视觉检测系统 | |
CN104949990A (zh) | 一种适用于机织纺织品的瑕疵在线检测方法 | |
CN113962997A (zh) | 基于图像处理的带钢边裂缺陷检测方法及系统 | |
Pham et al. | A YOLO-based real-time packaging defect detection system | |
Wu et al. | Design of online surface inspection system of hot rolled strips | |
CN115456963A (zh) | 一种基于视觉识别的料场皮带跑偏检测方法及系统 | |
Li et al. | Intelligent monitoring system of coal conveyor belt based on computer vision technology | |
CN115866502A (zh) | 一种麦克风零件表面缺陷在线检测流程 | |
KR20210122429A (ko) | 영상 딥러닝을 이용한 ai 기반 화장품 용기 인쇄 제조 공정에서의 자동 결함 탐지 방법 및 시스템 | |
CN117035669A (zh) | 基于人工智能的企业安全生产管理方法及系统 | |
CN117333727A (zh) | 一种基于可视化图像处理技术的输送带磨损区域识别分析系统 | |
CN116482125A (zh) | 一种基于机器视觉的布匹缺陷处理方法 | |
CN107121063A (zh) | 检测工件的方法 | |
Heger et al. | Using data mining techniques to investigate the correlation between surface cracks and flange lengths in deep drawn sheet metals | |
CN116258680A (zh) | 一种烧结皮带下料异常监测图像的处理方法 | |
Wang et al. | Visual defect detection for substation equipment based on joint inspection data of camera and robot | |
CN114120175A (zh) | 基于计算机视觉的输煤皮带异物识别方法 | |
Elanangai et al. | Automated system for defect identification and character recognition using IR images of SS-plates | |
CN112184665A (zh) | 一种应用于纸塑行业的人工智能缺陷侦测系统 | |
CN117409005B (zh) | 基于图像的收板机用不良品检测系统及方法 | |
CN113283339A (zh) | 基于机器视觉的工业矿料运输皮带少料异常监测方法 |
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 |