CN117300335A - 一种基于机器视觉的激光加工方法及系统 - Google Patents
一种基于机器视觉的激光加工方法及系统 Download PDFInfo
- Publication number
- CN117300335A CN117300335A CN202311236958.6A CN202311236958A CN117300335A CN 117300335 A CN117300335 A CN 117300335A CN 202311236958 A CN202311236958 A CN 202311236958A CN 117300335 A CN117300335 A CN 117300335A
- Authority
- CN
- China
- Prior art keywords
- image
- surface image
- area
- attribute
- coordinates
- 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
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 16
- 230000005484 gravity Effects 0.000 claims description 12
- 238000003754 machining Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
- B23K26/032—Observing, e.g. monitoring, the workpiece using optical means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/70—Auxiliary operations or equipment
-
- 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)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于机器视觉的激光加工方法及系统,其中,所述方法包括:采集目标工件的表面图像,并从所述表面图像中识别出所述目标工件上的待加工区域;将所述表面图像划分为包含所述待加工区域的区域图像和除所述待加工区域以外的环境图像;提取所述区域图像的属性特征,并确定与所述属性特征相匹配的激光加工策略;生成所述区域图像经过所述激光加工策略处理后的预览图像,并将所述预览图像和所述环境图像进行融合,以生成所述表面图像对应的激光加工图像。本发明提供的技术方案,能够提高加工精度、减少人工干预并提升生产效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于机器视觉的激光加工方法及系统。
背景技术
随着人工智能技术的迅速发展,传统的激光加工系统通常需要人工操作和控制,在复杂的加工过程中,往往要求高精度和高稳定性的操作。亟需一种基于机器视觉的激光加工系统,使得激光加工系统能够实现自动化和智能化,提高加工精度、减少人工干预并提升生产效率。
发明内容
有鉴于此,本发明提供一种基于机器视觉的激光加工方法及系统,能够提高加工精度、减少人工干预并提升生产效率。
本发明一方面提供了一种基于机器视觉的激光加工方法,所述方法包括:
采集目标工件的表面图像,并从所述表面图像中识别出所述目标工件上的待加工区域;
将所述表面图像划分为包含所述待加工区域的区域图像和除所述待加工区域以外的环境图像;
提取所述区域图像的属性特征,并确定与所述属性特征相匹配的激光加工策略;
生成所述区域图像经过所述激光加工策略处理后的预览图像,并将所述预览图像和所述环境图像进行融合,以生成所述表面图像对应的激光加工图像。
在一个实施方式中,在采集目标工件的表面图像之后,所述方法还包括:
对所述表面图像进行去噪处理,并调整去噪处理后的表面图像的图像属性,其中,所述图像属性包括图像亮度、图像对比度和图像色彩中的至少一种;
计算经过图像属性调整后的表面图像的梯度信息,并基于所述梯度信息检测所述经过图像属性调整后的表面图像中的边缘;
对检测到的边缘进行增强处理,并将增强处理后的表面图像转换为标准格式的表面图像。
在一个实施方式中,对所述表面图像进行去噪处理包括:
步骤一:设Sxy为坐标(x,y)的像素值信息,则坐标(x,y)的领域重心为:
其中G(x,y)为坐标(x,y)的领域重心,n为坐标(x,y)的相邻像素点的总数,i为坐标(x,y)的相邻像素点的编号,i大于等于1且小于等于n,Sxyi为坐标(x,y)的第i个相邻像素点的像素值信息;
步骤二:根据步骤一计算的坐标(x,y)的领域重心,计算坐标(x,y)像素值变异的标准差,其计算公式为:
其中σ(x,y)为坐标(x,y)像素值变异的标准差;
步骤三:根据步骤二计算的坐标(x,y)像素值变异的标准差,对所述表面图像进行降噪处理,处理函数为:
其中F(x,y)为降噪函数,x为横坐标值,y为纵坐标值,e为自然数,π取3.14。
在一个实施方式中,从所述表面图像中识别出所述目标工件上的待加工区域包括:
获取预先输入的加工指令;
对所述加工指令进行语义分析,获取加工语义信息;
根据所述加工语义信息,在所述表面图像中确定感兴趣区域,并将所述感兴趣区域作为所述目标工件上的待加工区域。
在一个实施方式中,确定与所述属性特征相匹配的激光加工策略包括:
确定各个所述属性特征的明显性系数,并根据所述明显性系数对各个所述属性特征进行排序;
从排序结果中筛选出代表属性特征,并基于所述代表属性特征构建特征向量;
在策略数据库中查询与所述特征向量相匹配的激光加工策略,并将查询到的所述激光加工策略作为与所述属性特征相匹配的激光加工策略。
本发明另一方面提供了一种基于机器视觉的激光加工系统,所述系统包括:
区域识别单元,用于采集目标工件的表面图像,并从所述表面图像中识别出所述目标工件上的待加工区域;
图像划分单元,用于将所述表面图像划分为包含所述待加工区域的区域图像和除所述待加工区域以外的环境图像;
策略匹配单元,用于提取所述区域图像的属性特征,并确定与所述属性特征相匹配的激光加工策略;
图像融合单元,用于生成所述区域图像经过所述激光加工策略处理后的预览图像,并将所述预览图像和所述环境图像进行融合,以生成所述表面图像对应的激光加工图像。
在一个实施方式中,所述系统还包括:
预处理单元,用于对所述表面图像进行去噪处理,并调整去噪处理后的表面图像的图像属性,其中,所述图像属性包括图像亮度、图像对比度和图像色彩中的至少一种;
边缘检测单元,用于计算经过图像属性调整后的表面图像的梯度信息,并基于所述梯度信息检测所述经过图像属性调整后的表面图像中的边缘;
增强处理单元,用于对检测到的边缘进行增强处理,并将增强处理后的表面图像转换为标准格式的表面图像。
在一个实施方式中,所述区域识别单元具体用于,获取预先输入的加工指令;对所述加工指令进行语义分析,获取加工语义信息;根据所述加工语义信息,在所述表面图像中确定感兴趣区域,并将所述感兴趣区域作为所述目标工件上的待加工区域。
本发明提供的技术方案,通过机器视觉算法,能够从工件的表面图像中识别出待加工区域,后续,针对待加工区域的属性特征,可以确定出相匹配的激光加工策略。此外,可以生成经过激光加工后的预览图像,并将预览图像与表面图像中的环境相融合,从而给用户展示直观的加工效果,不仅提高了加工精度、减少了人工干预、提升了生产效率,同时还能提高用户的满意度。
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的前提下,还可以根据这些附图获得其他的附图。其中:
图1为本发明提供的一种基于机器视觉的激光加工方法的步骤示意图。
图2为本发明提供的一种基于机器视觉的激光加工系统的功能模块示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更为明显易懂,下面结合附图,对本申请的具体实施方式做详细的说明。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
本申请中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1所示,本申请一实施例提供的一种基于机器视觉的激光加工方法,所述方法包括:
S1:采集目标工件的表面图像,并从所述表面图像中识别出所述目标工件上的待加工区域;
S2:将所述表面图像划分为包含所述待加工区域的区域图像和除所述待加工区域以外的环境图像;
S3:提取所述区域图像的属性特征,并确定与所述属性特征相匹配的激光加工策略;
S4:生成所述区域图像经过所述激光加工策略处理后的预览图像,并将所述预览图像和所述环境图像进行融合,以生成所述表面图像对应的激光加工图像。
在一个实施方式中,在采集目标工件的表面图像之后,所述方法还包括:
对所述表面图像进行去噪处理,并调整去噪处理后的表面图像的图像属性,其中,所述图像属性包括图像亮度、图像对比度和图像色彩中的至少一种;
计算经过图像属性调整后的表面图像的梯度信息,并基于所述梯度信息检测所述经过图像属性调整后的表面图像中的边缘;
对检测到的边缘进行增强处理,并将增强处理后的表面图像转换为标准格式的表面图像。
通过边缘增强处理,可以使得工件表面的边缘信息在整个图像中更加突出,从而提高了后续对待加工区域的识别精度。
在一个实施方式中,由于图像中可能存在大量噪音图像,而部分噪音图像可能和目标图像(去噪后的图像)相连或者重叠,例如拍摄工件的表面图像时,恰好工件表面有其他附着物或者工件旁边有其他物品,这会给后续图像处理造成很大干扰,特别是会降低特征选择的准确性,鉴于此,对所述表面图像进行去噪处理包括:
步骤一:设Sxy为坐标(x,y)的像素值信息,则坐标(x,y)的领域重心为:
其中G(x,y)为坐标(x,y)的领域重心,n为坐标(x,y)的相邻像素点的总数,i为坐标(x,y)的相邻像素点的编号,其取值可根据实际需要进行调整,一般取8,i大于等于1且小于等于n,Sxyi为坐标(x,y)的第i个相邻像素点的像素值信息;
步骤二:根据步骤一计算的坐标(x,y)的领域重心,计算坐标(x,y)像素值变异的标准差,其计算公式为:
其中σ(x,y)为坐标(x,y)像素值变异的标准差;
步骤三:根据步骤二计算的坐标(x,y)像素值变异的标准差,对所述表面图像进行降噪处理,处理函数为:
其中F(x,y)为降噪函数,x为横坐标值,y为纵坐标值,e为自然数,π取3.14。
该算法综合考虑像素点周边其他像素点的情况,根据需要调整采样周边像素点,克服采样中样本枯竭问题,提高滤波进度,对噪音图像进行有效过滤,特别是图像遮挡等情况,具有良好的滤波效果,对图像噪声予以去除。
在一个实施方式中,从所述表面图像中识别出所述目标工件上的待加工区域包括:
获取预先输入的加工指令;
对所述加工指令进行语义分析,获取加工语义信息;
根据所述加工语义信息,在所述表面图像中确定感兴趣区域,并将所述感兴趣区域作为所述目标工件上的待加工区域。
其中,加工指令可以表征对目标工件的整体加工方式,例如加工指令可以是抛光、去污等。通过对加工指令进行语义分析,从而可以对表面图像中的待加工区域进行定位。举例来说,当加工指令是抛光时,就可以将目标工件表面光泽度较低的区域作为感兴趣区域。
在一个实施方式中,确定与所述属性特征相匹配的激光加工策略包括:
确定各个所述属性特征的明显性系数,并根据所述明显性系数对各个所述属性特征进行排序;
从排序结果中筛选出代表属性特征,并基于所述代表属性特征构建特征向量;
在策略数据库中查询与所述特征向量相匹配的激光加工策略,并将查询到的所述激光加工策略作为与所述属性特征相匹配的激光加工策略。
其中,属性特征可以从多个不同的维度来表征目标工件的表面图像,例如,属性特征可以包括亮度、色彩饱和度、工件表面占比、工件表面与环境的区分度、工件表面的完整度、工件表面的颜色等等。这些属性特征可以通过XGBoost网络,确定出各自的明显性系数,该明显性系数的大小,可以表示属性特征的重要程度。通过将明显性系数较大的一个或者多个属性特征提取出来,便可以按照顺序构建出包含这些属性特征的特征向量。后续通过机器学习的方式,便可以预测得到该特征向量相匹配的激光加工策略。其中,激光加工策略在策略数据库中也可以通过向量的形式来体现,通过计算向量之间的距离,便可以得到特征向量与激光加工策略的匹配度。
请参阅图2,本发明另一方面提供了一种基于机器视觉的激光加工系统,所述系统包括:
区域识别单元,用于采集目标工件的表面图像,并从所述表面图像中识别出所述目标工件上的待加工区域;
图像划分单元,用于将所述表面图像划分为包含所述待加工区域的区域图像和除所述待加工区域以外的环境图像;
策略匹配单元,用于提取所述区域图像的属性特征,并确定与所述属性特征相匹配的激光加工策略;
图像融合单元,用于生成所述区域图像经过所述激光加工策略处理后的预览图像,并将所述预览图像和所述环境图像进行融合,以生成所述表面图像对应的激光加工图像。
在一个实施方式中,所述系统还包括:
预处理单元,用于对所述表面图像进行去噪处理,并调整去噪处理后的表面图像的图像属性,其中,所述图像属性包括图像亮度、图像对比度和图像色彩中的至少一种;
边缘检测单元,用于计算经过图像属性调整后的表面图像的梯度信息,并基于所述梯度信息检测所述经过图像属性调整后的表面图像中的边缘;
增强处理单元,用于对检测到的边缘进行增强处理,并将增强处理后的表面图像转换为标准格式的表面图像。
在一个实施方式中,所述区域识别单元具体用于,获取预先输入的加工指令;对所述加工指令进行语义分析,获取加工语义信息;根据所述加工语义信息,在所述表面图像中确定感兴趣区域,并将所述感兴趣区域作为所述目标工件上的待加工区域。
本发明提供的技术方案,通过机器视觉算法,能够从工件的表面图像中识别出待加工区域,后续,针对待加工区域的属性特征,可以确定出相匹配的激光加工策略。此外,可以生成经过激光加工后的预览图像,并将预览图像与表面图像中的环境相融合,从而给用户展示直观的加工效果,不仅提高了加工精度、减少了人工干预、提升了生产效率,同时还能提高用户的满意度。
上述仅为本发明的一个具体实施方式,其它基于本发明构思的前提下做出的任何改进都视为本发明的保护范围。
Claims (9)
1.一种基于机器视觉的激光加工方法,其特征在于,所述方法包括:
采集目标工件的表面图像,并从所述表面图像中识别出所述目标工件上的待加工区域;
将所述表面图像划分为包含所述待加工区域的区域图像和除所述待加工区域以外的环境图像;
提取所述区域图像的属性特征,并确定与所述属性特征相匹配的激光加工策略;
生成所述区域图像经过所述激光加工策略处理后的预览图像,并将所述预览图像和所述环境图像进行融合,以生成所述表面图像对应的激光加工图像。
2.根据权利要求1所述的方法,其特征在于,在采集目标工件的表面图像之后,所述方法还包括:
对所述表面图像进行去噪处理,并调整去噪处理后的表面图像的图像属性,其中,所述图像属性包括图像亮度、图像对比度和图像色彩中的至少一种;
计算经过图像属性调整后的表面图像的梯度信息,并基于所述梯度信息检测所述经过图像属性调整后的表面图像中的边缘;
对检测到的边缘进行增强处理,并将增强处理后的表面图像转换为标准格式的表面图像。
3.根据权利要求2所述的方法,其特征在于,对所述表面图像进行去噪处理包括:
步骤一:设Sxy为坐标(x,y)的像素值信息,则坐标(x,y)的领域重心为:
其中G(x,y)为坐标(x,y)的领域重心,n为坐标(x,y)的相邻像素点的总数,i为坐标(x,y)的相邻像素点的编号,i大于等于1且小于等于n,Sxyi为坐标(x,y)的第i个相邻像素点的像素值信息;
步骤二:根据步骤一计算的坐标(x,y)的领域重心,计算坐标(x,y)像素值变异的标准差,其计算公式为:
其中σ(x,y)为坐标(x,y)像素值变异的标准差;
步骤三:根据步骤二计算的坐标(x,y)像素值变异的标准差,对所述表面图像进行降噪处理,处理函数为:
其中F(x,y)为降噪函数,x为横坐标值,y为纵坐标值,e为自然数,π取3.14。
4.根据权利要求1所述的方法,其特征在于,从所述表面图像中识别出所述目标工件上的待加工区域包括:
获取预先输入的加工指令;
对所述加工指令进行语义分析,获取加工语义信息;
根据所述加工语义信息,在所述表面图像中确定感兴趣区域,并将所述感兴趣区域作为所述目标工件上的待加工区域。
5.根据权利要求1所述的方法,其特征在于,确定与所述属性特征相匹配的激光加工策略包括:
确定各个所述属性特征的明显性系数,并根据所述明显性系数对各个所述属性特征进行排序;
从排序结果中筛选出代表属性特征,并基于所述代表属性特征构建特征向量;
在策略数据库中查询与所述特征向量相匹配的激光加工策略,并将查询到的所述激光加工策略作为与所述属性特征相匹配的激光加工策略。
6.一种基于机器视觉的激光加工系统,其特征在于,所述系统包括:
区域识别单元,用于采集目标工件的表面图像,并从所述表面图像中识别出所述目标工件上的待加工区域;
图像划分单元,用于将所述表面图像划分为包含所述待加工区域的区域图像和除所述待加工区域以外的环境图像;
策略匹配单元,用于提取所述区域图像的属性特征,并确定与所述属性特征相匹配的激光加工策略;
图像融合单元,用于生成所述区域图像经过所述激光加工策略处理后的预览图像,并将所述预览图像和所述环境图像进行融合,以生成所述表面图像对应的激光加工图像。
7.根据权利要求6所述的系统,其特征在于,所述系统还包括:
预处理单元,用于对所述表面图像进行去噪处理,并调整去噪处理后的表面图像的图像属性,其中,所述图像属性包括图像亮度、图像对比度和图像色彩中的至少一种;
边缘检测单元,用于计算经过图像属性调整后的表面图像的梯度信息,并基于所述梯度信息检测所述经过图像属性调整后的表面图像中的边缘;
增强处理单元,用于对检测到的边缘进行增强处理,并将增强处理后的表面图像转换为标准格式的表面图像。
8.根据权利要求6所述的系统,其特征在于,所述区域识别单元具体用于,获取预先输入的加工指令;对所述加工指令进行语义分析,获取加工语义信息;根据所述加工语义信息,在所述表面图像中确定感兴趣区域,并将所述感兴趣区域作为所述目标工件上的待加工区域。
9.一种图像去噪方法,其特征在于,
步骤一:设Sxy为图像的坐标(x,y)的像素值信息,则坐标(x,y)的领域重心为:
其中G(x,y)为坐标(x,y)的领域重心,n为坐标(x,y)的相邻像素点的总数,i为坐标(x,y)的相邻像素点的编号,i大于等于1且小于等于n,Sxyi为坐标(x,y)的第i个相邻像素点的像素值信息;
步骤二:根据步骤一计算的坐标(x,y)的领域重心,计算坐标(x,y)像素值变异的标准差,其计算公式为:
其中σ(x,y)为坐标(x,y)像素值变异的标准差;
步骤三:根据步骤二计算的坐标(x,y)像素值变异的标准差,对所述表面图像进行降噪处理,处理函数为:
其中F(x,y)为降噪函数,x为横坐标值,y为纵坐标值,e为自然数,π取3.14。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311236958.6A CN117300335B (zh) | 2023-09-22 | 2023-09-22 | 一种基于机器视觉的激光加工方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311236958.6A CN117300335B (zh) | 2023-09-22 | 2023-09-22 | 一种基于机器视觉的激光加工方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117300335A true CN117300335A (zh) | 2023-12-29 |
CN117300335B CN117300335B (zh) | 2024-08-06 |
Family
ID=89285920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311236958.6A Active CN117300335B (zh) | 2023-09-22 | 2023-09-22 | 一种基于机器视觉的激光加工方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117300335B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160070978A1 (en) * | 2014-09-05 | 2016-03-10 | Samsung Electronics Co., Ltd. | Digital image processing method, non-transitory computer-readable recording medium having recorded thereon a program for executing the digital image processing method, and digital image processing apparatus |
WO2016131022A1 (en) * | 2015-02-12 | 2016-08-18 | Glowforge Inc. | Cloud controlled laser fabrication |
WO2022188482A1 (zh) * | 2021-03-12 | 2022-09-15 | 湖北文理学院 | 基于主被动视觉结合的焊接偏差检测系统及检测方法 |
CN115722813A (zh) * | 2021-08-27 | 2023-03-03 | 大族激光科技产业集团股份有限公司 | 一种使用视觉成像的激光加工方法及激光加工系统 |
CN116765635A (zh) * | 2023-08-18 | 2023-09-19 | 济南邦德激光股份有限公司 | 一种用于激光切割机的焊缝识别方法及识别系统 |
-
2023
- 2023-09-22 CN CN202311236958.6A patent/CN117300335B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160070978A1 (en) * | 2014-09-05 | 2016-03-10 | Samsung Electronics Co., Ltd. | Digital image processing method, non-transitory computer-readable recording medium having recorded thereon a program for executing the digital image processing method, and digital image processing apparatus |
WO2016131022A1 (en) * | 2015-02-12 | 2016-08-18 | Glowforge Inc. | Cloud controlled laser fabrication |
WO2022188482A1 (zh) * | 2021-03-12 | 2022-09-15 | 湖北文理学院 | 基于主被动视觉结合的焊接偏差检测系统及检测方法 |
CN115722813A (zh) * | 2021-08-27 | 2023-03-03 | 大族激光科技产业集团股份有限公司 | 一种使用视觉成像的激光加工方法及激光加工系统 |
CN116765635A (zh) * | 2023-08-18 | 2023-09-19 | 济南邦德激光股份有限公司 | 一种用于激光切割机的焊缝识别方法及识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117300335B (zh) | 2024-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sezer et al. | Detection of solder paste defects with an optimization‐based deep learning model using image processing techniques | |
JP7458328B2 (ja) | マルチ分解能登録を介したマルチサンプル全体スライド画像処理 | |
CN110148162B (zh) | 一种基于复合算子的异源图像匹配方法 | |
CN102520796B (zh) | 一种基于逐步回归分析映射模型的视线跟踪方法 | |
CN108510491B (zh) | 虚化背景下人体骨骼关键点检测结果的过滤方法 | |
Zakaria et al. | Object shape recognition in image for machine vision application | |
CN111738045B (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
US20100040276A1 (en) | Method and apparatus for determining a cell contour of a cell | |
CN107369176B (zh) | 一种柔性ic基板氧化面积检测系统及方法 | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
CN112991374A (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
CN116229189B (zh) | 基于荧光内窥镜的图像处理方法、装置、设备及存储介质 | |
CN107169996A (zh) | 一种视频中动态人脸识别方法 | |
JP2008146278A (ja) | 細胞輪郭抽出装置、細胞輪郭抽出方法およびプログラム | |
CN117576095A (zh) | 一种多尺度学习任务的金属表面缺陷检测和分类方法 | |
CN113673396B (zh) | 一种孢子发芽率计算方法、装置及存储介质 | |
CN111275758A (zh) | 混合型3d视觉定位方法、装置、计算机设备及存储介质 | |
CN109165551B (zh) | 一种自适应加权融合显著性结构张量和lbp特征的表情识别方法 | |
CN110186929A (zh) | 一种实时的产品瑕疵定位方法 | |
CN117300335B (zh) | 一种基于机器视觉的激光加工方法及系统 | |
CN113362221A (zh) | 用于门禁的人脸识别系统与人脸识别方法 | |
CN110349129B (zh) | 一种高密度柔性ic基板外观缺陷检测方法 | |
CN116934734A (zh) | 基于图像的零件缺陷多路并行检测方法、装置及相关介质 | |
Varkonyi-Koczy | Fuzzy logic supported corner detection | |
CN108629788B (zh) | 一种图像边缘检测方法、装置、设备及可读存储介质 |
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 |