CN117517325B - 一种基于机器视觉的铝单板喷涂质量检测分析系统 - Google Patents
一种基于机器视觉的铝单板喷涂质量检测分析系统 Download PDFInfo
- Publication number
- CN117517325B CN117517325B CN202410008517.9A CN202410008517A CN117517325B CN 117517325 B CN117517325 B CN 117517325B CN 202410008517 A CN202410008517 A CN 202410008517A CN 117517325 B CN117517325 B CN 117517325B
- Authority
- CN
- China
- Prior art keywords
- aluminum
- aluminum veneer
- detection
- coating
- spraying
- 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.)
- Active
Links
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 433
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 433
- 238000001514 detection method Methods 0.000 title claims abstract description 216
- 238000005507 spraying Methods 0.000 title claims abstract description 132
- 238000004458 analytical method Methods 0.000 title claims abstract description 88
- 239000000126 substance Substances 0.000 claims abstract description 40
- 238000000576 coating method Methods 0.000 claims description 267
- 239000011248 coating agent Substances 0.000 claims description 256
- 230000006750 UV protection Effects 0.000 claims description 70
- 239000000853 adhesive Substances 0.000 claims description 61
- 230000001070 adhesive effect Effects 0.000 claims description 61
- 239000002253 acid Substances 0.000 claims description 58
- 238000000034 method Methods 0.000 claims description 35
- 230000007797 corrosion Effects 0.000 claims description 32
- 238000005260 corrosion Methods 0.000 claims description 32
- 230000003678 scratch resistant effect Effects 0.000 claims description 21
- 239000000243 solution Substances 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 239000007921 spray Substances 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 9
- 239000002390 adhesive tape Substances 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012797 qualification Methods 0.000 claims description 7
- 239000003637 basic solution Substances 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000007790 scraping Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 229910000831 Steel Inorganic materials 0.000 claims description 2
- 239000010959 steel Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000003929 acidic solution Substances 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 239000012670 alkaline solution Substances 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- -1 thickness uniformity Substances 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
- G01B21/08—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
- G01N17/004—Investigating resistance of materials to the weather, to corrosion, or to light to light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N19/00—Investigating materials by mechanical methods
- G01N19/04—Measuring adhesive force between materials, e.g. of sealing tape, of coating
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- 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
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Quality & Reliability (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
Abstract
本发明涉及机器视觉技术领域，具体而言，涉及一种基于机器视觉的铝单板喷涂质量检测分析系统，包括图像采集模块、外观参数检测模块、外观质量分析模块、喷涂质量检测模块、喷涂质量分析模块，喷涂化学性检测模块、喷涂化学性分析模块、喷涂综合质量分析模块、管理数据库，本系统通过分析外观质量系数评估铝单板涂层的外观质量，通过分析喷涂质量系数帮助判断铝单板的喷涂是否牢固、持久，通过分析化学质量系数判断涂层是否具备良好的持久性和稳定性，进而综合分析得到喷涂综合质量指数，从而了解铝单板的喷涂质量合格程度，有助于及时发现问题和不足，进行必要的调整，确保铝单板表面涂层的质量达到预期标准。
Description
技术领域
本发明涉及机器视觉技术领域，具体而言，是一种基于机器视觉的铝单板喷涂质量检测分析系统。
背景技术
随着工业制造的发展，铝单板作为一种广泛应用于建筑装饰的材料，其表面喷涂质量直接影响着产品的外观和质量，因此，对铝单板喷涂质量进行快速、准确的检测分析具有重要意义。
机器视觉技术是一门综合利用计算机视觉、图像处理、模式识别等技术实现对图像或视频进行理解、分析的交叉学科，在工业自动化、质量检测、智能识别等领域有着广泛的应用，可以通过图像处理和分析技术实现对铝单板喷涂质量的快速、准确评估，成为解决这一问题的有效手段。
专利名称为一种基于视觉的家具喷涂质量检测方法（专利号为201911404465.2）的中国专利公布的技术方案，该方案通过图像采集，将所得图像发送给工控机进行纹理分析和喷涂颗粒的粗糙度计算，根据纹理分析结果及粗糙值判断该家具表面质量是否合格，并通过界面显示喷涂颗粒，进行图像处理计算喷涂表面粗糙度从而判断家具质量是否合格，能够快速且准确的检测家具喷涂表面，但考虑仍不够全面，具体表现在以下方面：一、该方案对于表面涂层仅通过纹理分析和喷涂颗粒粗糙度计算来判断是否合格，可能无法全面评估其他因素对表面涂层质量的影响，如厚度均匀性、涂层附着力等。
二、该方案针对的检测对象为家具，因此只需在物理方面分析涂层质量，不能适用于其他应用场景，但在实际应用中，除了物理性质，化学性质也是评估涂层质量的重要指标之一，化学性质涉及到涂层的抗腐蚀性、抗紫外线性等因素，对涂层的耐久性和性能有着重要影响。
发明内容
为了克服背景技术中的缺点，本发明实施例提供了一种基于机器视觉的铝单板喷涂质量检测分析系统，能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现：本发明提供了一种基于机器视觉的铝单板喷涂质量检测分析系统，包括：图像采集模块，用于通过摄像头对各铝单板表面涂层进行图像获取，得到各铝单板涂层图像。
外观参数检测模块，用于根据各铝单板涂层图像得到各铝单板表面涂层的外观参数，外观参数包括坑洞程度、漏喷程度、涂层厚度均匀性。
外观质量分析模块，用于根据各铝单板表面涂层的外观参数分析得到各铝单板的外观质量系数，/>表示第/>个铝单板的编号，/>，将其和预设的外观质量系数阈值进行比对，筛选得到合格铝单板数量，并对合格铝单板进行样本划分。
喷涂质量检测模块，用于对各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性进行检测。
喷涂质量分析模块，用于根据各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性分析得到合格铝单板表面涂层的喷涂质量系数。
喷涂化学性检测模块，用于对合格铝单板表面涂层的抗腐蚀性、抗紫外线性进行检测。
喷涂化学性分析模块，用于根据合格铝单板表面涂层的抗腐蚀性、抗紫外线性分析得到合格铝单板表面涂层的化学质量系数。
喷涂综合质量分析模块，用于根据各铝单板的外观质量系数、合格铝单板表面涂层的喷涂质量系数、化学质量系数分析得到铝单板的喷涂综合质量指数，并将其和预设的喷涂综合质量指数阈值进行比对，得到铝单板的喷涂质量合格程度。
管理数据库，用于储存铝单板的总数。
优选的，所述外观质量检测模块的具体分析过程如下：第一步，通过摄像头依次对喷涂完毕的各铝单板进行表面图像获取，记为各铝单板涂层图像，将其转换为灰度图像并记为各铝单板涂层灰度图像，利用边缘检测算法检测各铝单板涂层灰度图像中的坑洞边缘轮廓，提取各铝单板涂层灰度图像中的各坑洞边缘轮廓内的像素点数量，记为各铝单板涂层灰度图像各坑洞像素点，其中/>表示第/>个铝单板的编号，/>，同时提取各铝单板涂层图像的像素点总数，记为/>，通过公式/>得到各铝单板表面涂层的坑洞程度/>。
第二步，读取各铝单板涂层图像，对各铝单板涂层图像中各像素点的色度值进行检测，记为，其中/>表示第/>个像素点的编号，/>，通过公式/>得到各铝单板涂层图像中各像素点色度值同铝单板初始表面色度值的色度差，记为各铝单板涂层图像各像素点色度差/>，/>表示设定的铝单板初始表面色度值，将各铝单板涂层图像各像素点色度差同预设的色度差阈值进行比对，筛选出各铝单板涂层图像色度差超出预设的色度值阈值的像素点，记为漏喷像素点，统计漏喷像素点的数量，记为/>，通过公式/>得到各铝单板表面涂层的漏喷程度/>。
第三步，读取各铝单板涂层图像，将各铝单板涂层图像划分为若干个等面积子区域，记为各铝单板各涂层子区域，通过测厚仪分别对各铝单板各涂层子区域的涂料厚度进行检测，记为，其中/>表示第/>个涂层子区域的编号，/>，将其代入到公式得到各铝单板表面涂层的涂层厚度均匀性/>，/>表示涂层子区域的数量。
优选的，所述外观质量分析模块的具体分析过程如下：第一步，分别读取各铝单板表面涂层的坑洞程度、漏喷程度/>、涂层厚度均匀性/>，将其代入到公式得到各铝单板的外观质量系数/>，其中分别表示设定的坑洞程度、漏喷程度、涂层厚度均匀性的权值因子，/>表示自然常数。
第二步，将各铝单板的外观质量系数同预设的外观质量系数阈值进行比对，筛选外观质量系数大于或等于预设的外观质量系数阈值的铝单板，将其记为合格铝单板，统计合格铝单板数量。
第三步，从各合格铝单板中抽取若干合格铝单板，并将其等数量划分为附着力检测组、抗刮擦检测组、抗腐蚀性检测组、抗紫外线性检测组，其中抗腐蚀性检测组分为酸性检测组和碱性检测组。
优选的，所述喷涂质量检测模块的具体分析过程如下：第一步，将附着力检测组中各合格铝单板划分为若干个等面积的子区域，记为各附着力检测铝单板各子区域，通过划格刀在各附着力检测铝单板各子区域交叉划痕，进而使用胶带粘贴在各附着力检测铝单板各子区域上并迅速剥离，对剥离胶带后的各附着力检测铝单板各子区域进行图像获取，记为各附着力检测铝单板各子区域图像，通过边缘检测技术提取各附着力检测铝单板各子区域图像中各涂层被剥离区域的边缘轮廓，通过求取其面积得到各附着力检测铝单板各子区域剥离区域面积，记为，其中/>表示第/>个附着力检测铝单板的编号，/>，/>表示第/>个子区域的编号，/>，读取各附着力检测铝单板各子区域面积，记为/>，通过公式/>得到各附着力检测铝单板表面涂层的附着力/>。
第二步，根据设定硬度差选择不同硬度的刀片，在设定压力下分别利用各硬度刀片对抗刮擦检测组中的各合格铝单板进行刮擦，并在刮擦结束后获取各合格铝单板的图像，记为各硬度下各抗刮擦检测铝单板图像，分别提取各硬度下各抗刮擦检测铝单板图像中刮痕的深度，记为各硬度下各抗刮擦检测铝单板刮痕深度，/>表示第/>个硬度的编号，/>，通过公式/>得到各抗刮擦检测铝单板表面涂层的抗刮擦性/>，其中/>表示第/>个抗刮擦检测铝单板的编号，/>，/>表示设定的第/>个硬度下的刮痕深度参考值。
优选的，所述喷涂质量分析模块具体的分析方法为：分别读取各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性/>，将其代入到公式得到合格铝单板表面涂层的喷涂质量系数/>，其中/>分别表示设定的附着力、抗刮擦性的权值因子。
优选的，所述合格铝单板表面涂层的抗腐蚀性的具体分析过程如下：第一步，对各酸性检测铝单板进行图像获取，记为各酸性检测铝单板初始涂层图像，将各酸性检测铝单板在配置好的酸性溶液中放置设定时长后再次进行图像获取，记为各酸性检测铝单板酸性溶液下涂层图像，根据各酸性检测铝单板初始涂层图像、各酸性检测铝单板酸性溶液下涂层图像分别为各酸性检测铝单板构建3D模型，记为各酸性检测铝单板初始模型、各酸性检测铝单板酸性溶液下模型，通过比对得到各酸性检测铝单板酸性溶液下模型同各酸性检测铝单板初始模型的体积差，记为，其中/>表示第/>个酸性检测铝单板的编号，。
第二步，第二步，根据分析各酸性检测铝单板酸性溶液下模型同各酸性检测铝单板初始模型的体积差的方法分析得到各碱性检测铝单板碱性溶液下模型同各碱性检测铝单板初始模型的体积差，记为，其中/>表示第/>个碱性检测铝单板的编号，，通过公式/>得到合格铝单板表面涂层的抗腐蚀性/>，其中/>表示设定的体积差参考值，/>分别表示酸性、碱性检测铝单板的数量。
优选的，所述合格铝单板表面涂层的抗紫外线性的具体分析方法为：对各抗紫外线性检测铝单板进行图像获取，记为各抗紫外线性检测铝单板初始涂层图像，对其各像素点的色度值进行检测，记为各抗紫外线性检测铝单板初始涂层图像各像素点色度值，其中/>表示第/>个抗紫外线性检测铝单板的编号，/>，/>表示第/>个像素点的编号，/>，将各抗紫外线性检测铝单板置于模拟阳光下照射设定时长后，再次对其进行图像获取，记为各抗紫外线性检测铝单板紫外线下涂层图像，对其各像素点的色度值进行检测，记为各抗紫外线性检测铝单板紫外线下涂层图像各像素点色度值/>，将其和各抗紫外线性检测铝单板初始涂层图像各像素点一一对应，并通过公式得到各抗紫外线性检测铝单板紫外线下涂层图像和各抗紫外线性检测铝单板初始涂层图像各像素点的色度差/>，通过公式得到合格铝单板表面涂层的抗紫外线性/>，/>表示设定的像素点的参考色度差，/>表示像素点的数量，/>表示抗紫外线性检测铝单板的数量。
优选的，所述喷涂化学性分析模块的具体分析方法为：分别读取合格铝单板表面涂层的抗腐蚀性、抗紫外线性/>，通过公式/>得到合格铝单板表面涂层的化学质量系数/>，其中/>分别表示抗腐蚀性、抗紫外线性的权值因子，/>表示自然常数。
优选的，所述喷涂综合质量分析模块的具体分析过程如下：第一步，读取各铝单板的外观质量系数、合格铝单板表面涂层的喷涂质量系数/>、合格铝单板表面涂层的化学质量系数/>，分析铝单板的喷涂综合质量指数/>得到铝单板的喷涂综合质量指数/>，其中/>分别表示设定的外观质量系数、喷涂质量系数、化学质量系数的权值因子，且/>，/>表示铝单板的数量。
第二步，将铝单板的喷涂综合质量指数和预设的喷涂综合质量指数阈值进行比对，若铝单板的喷涂综合质量指数小于预设的喷涂综合质量指数阈值，则表示该批次铝单板的喷涂综合质量不合格，向系统进行反馈。
相对于现有技术，本发明具有以下有益效果：一、本发明通过分析各铝单板表面涂层的坑洞程度、漏喷程度、涂层厚度均匀性得到各铝单板的外观质量系数，进而了解铝单板的外观质量合格程度，可以尽早发现铝单板外观质量问题，及时进行调整和修复，避免了不合格产品的产生，确保产品达到设计标准，提高产品质量。
二、本发明通过分析各铝单板表面涂层的附着力、抗刮擦性得到合格铝单板表面涂层的喷涂质量系数，可以确保铝单板的涂层具有足够的附着力和抗刮擦性，增强了产品的耐久性和使用寿命。
三、本发明通过对合格铝单板表面涂层的抗腐蚀性、抗紫外线性分析得到合格铝单板表面涂层的化学质量系数，可以确保铝单板表面涂层能够在不同环境下保持稳的化学性能从而适应不同的应场景，提高产品的可靠性。
四、本系统通过各铝单板的外观质量系数、各合格铝单板表面涂层的喷涂质量系数、化学质量系数分析得到铝单板的喷涂综合质量指数，并将其和预设的喷涂综合质量指数阈值进行比对，得到铝单板的喷涂质量合格程度，可以全面评估铝单板的喷涂质量，确保产品质量符合标准和要求。
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为本发明的系统模块连接图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于机器视觉的铝单板喷涂质量检测分析系统，包括图像采集模块、外观参数检测模块、外观质量分析模块、喷涂质量检测模块、喷涂质量分析模块，喷涂化学性检测模块、喷涂化学性分析模块、喷涂综合质量分析模块、管理数据库。
所述管理数据库和喷涂质量分析模块、喷涂综合质量分析模块、喷涂化学性分析模块、外观质量分析模块连接，喷涂综合质量分析模块和喷涂质量分析模块、外观质量分析模块、喷涂化学性分析模块连接，喷涂化学性分析模块和喷涂化学性检测模块连接，喷涂质量分析模块和喷涂质量检测模块连接，外观参数检测模块和图像采集模块、外观质量分析模块连接。
图像采集模块，用于通过摄像头对各铝单板表面涂层进行图像获取，得到各铝单板涂层图像。
外观参数检测模块，用于根据各铝单板涂层图像得到各铝单板表面涂层的外观参数，外观参数包括坑洞程度、漏喷程度、涂层厚度均匀性。
所述外观质量检测模块的具体分析过程如下：第一步，通过摄像头依次对喷涂完毕的各铝单板进行表面图像获取，记为各铝单板涂层图像，将其转换为灰度图像并记为各铝单板涂层灰度图像，利用边缘检测算法检测各铝单板涂层灰度图像中的坑洞边缘轮廓，提取各铝单板涂层灰度图像中的各坑洞边缘轮廓内的像素点数量，记为各铝单板涂层灰度图像各坑洞像素点，其中/>表示第/>个铝单板的编号，/>，同时提取各铝单板涂层图像的像素点总数，记为/>，通过公式/>得到各铝单板表面涂层的坑洞程度/>；通过对坑洞程度的评估，可以及时发现问题和缺陷，以便及时修复和改进涂层工艺，提升生产效率和产品质量。
第二步，读取各铝单板涂层图像，对各铝单板涂层图像中各像素点的色度值进行检测，记为，其中/>表示第/>个像素点的编号，/>，通过公式/>得到各铝单板涂层图像中各像素点色度值同铝单板初始表面色度值的色度差，记为各铝单板涂层图像各像素点色度差/>，/>表示设定的铝单板初始表面色度值，将各铝单板涂层图像各像素点色度差同预设的色度差阈值进行比对，筛选出各铝单板涂层图像色度差超出预设的色度值阈值的像素点，记为漏喷像素点，统计漏喷像素点的数量，记为/>，通过公式/>得到各铝单板表面涂层的漏喷程度/>；通过评估漏喷程度，可以及时发现并修复涂层质量问题，从而提升产品的外观质量，同时还可以帮助优化喷涂工艺，减少漏喷现象的发生，提高生产效率和产品质量。
第三步，读取各铝单板涂层图像，将各铝单板涂层图像划分为若干个等面积子区域，记为各铝单板各涂层子区域，通过测厚仪分别对各铝单板各涂层子区域的涂料厚度进行检测，记为，其中/>表示第/>个涂层子区域的编号，/>，将其代入到公式得到各铝单板表面涂层的涂层厚度均匀性/>，/>表示涂层子区域的数量；涂料厚度的不均匀分布可能导致产品外观的质量问题，例如出现色差、斑驳、粗糙等现象，通过及时检测和调整涂料厚度，可以提高铝单板等产品的外观品质，确保产品的质量符合规定标准。
外观质量分析模块，用于根据各铝单板表面涂层的外观参数分析得到各铝单板的外观质量系数，/>表示第/>个铝单板的编号，/>，将其和预设的外观质量系数阈值进行比对，筛选得到合格铝单板数量，并对合格铝单板进行样本划分。
所述外观质量分析模块的具体分析过程如下：第一步，分别读取各铝单板表面涂层的坑洞程度、漏喷程度/>、涂层厚度均匀性/>，将其代入到公式得到各铝单板的外观质量系数/>，其中分别表示设定的坑洞程度、漏喷程度、涂层厚度均匀性的权值因子，/>表示自然常数；可以帮助评估铝单板的外观质量，了解坑洞、漏喷和涂层厚度均匀性等问题对于外观的影程度，进而了解铝单板的外观质量合格程度，可以尽早发现铝单板外观质量问题，及时进行调整和修复，避免了不合格产品的产生，确保产品达到设计标准，提高产品质量。
第二步，将各铝单板的外观质量系数同预设的外观质量系数阈值进行比对，筛选外观质量系数大于或等于预设的外观质量系数阈值的铝单板，将其记为合格铝单板，统计合格铝单板数量。
第三步，从各合格铝单板中抽取若干合格铝单板，并将其等数量划分为附着力检测组、抗刮擦检测组、抗腐蚀性检测组、抗紫外线性检测组，其中抗腐蚀性检测组分为酸性检测组和碱性检测组。
喷涂质量检测模块，用于对各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性进行检测。
所述喷涂质量检测模块的具体分析过程如下：第一步，将附着力检测组中各合格铝单板划分为若干个等面积的子区域，记为各附着力检测铝单板各子区域，通过划格刀在各附着力检测铝单板各子区域交叉划痕，进而使用胶带粘贴在各附着力检测铝单板各子区域上并迅速剥离，对剥离胶带后的各附着力检测铝单板各子区域进行图像获取，记为各附着力检测铝单板各子区域图像，通过边缘检测技术提取各附着力检测铝单板各子区域图像中各涂层被剥离区域的边缘轮廓，通过求取其面积得到各附着力检测铝单板各子区域剥离区域面积，记为，其中/>表示第/>个附着力检测铝单板的编号，/>，/>表示第/>个子区域的编号，/>，读取各附着力检测铝单板各子区域面积，记为/>，通过公式得到各附着力检测铝单板表面涂层的附着力/>；通过对剥离区域像素数量的累加和附着力的计算，可以得到不同铝单板的涂层剥离情况，帮助验证铝单板表面涂层的附着力，评估涂层与基材之间的粘附程度，以及涂层的稳定性和耐久性。
根据设定硬度差选择不同硬度的刀片，在设定压力下分别利用各硬度刀片对抗刮擦检测组中的各合格铝单板进行刮擦，并在刮擦结束后获取各合格铝单板的图像，记为各硬度下各抗刮擦检测铝单板图像，分别提取各硬度下各抗刮擦检测铝单板图像中刮痕的深度，记为各硬度下各抗刮擦检测铝单板刮痕深度，/>表示第/>个硬度的编号，，通过公式/>得到各抗刮擦检测铝单板表面涂层的抗刮擦性/>，其中/>表示第/>个抗刮擦检测铝单板的编号，/>，/>表示设定的第/>个硬度下的刮痕深度参考值；可以帮验证铝单板表面涂层的耐刮擦性能，评估表面涂层对日常使用和外界刮擦的抵抗能力。
喷涂质量分析模块，用于根据各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性分析得到合格铝单板表面涂层的喷涂质量系数。
所述喷涂质量分析模块具体的分析方法为：分别读取各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性/>，将其代入到公式得到合格铝单板表面涂层的喷涂质量系数/>，其中/>分别表示设定的附着力、抗刮擦性的权值因子；确保了铝单板的涂层具有足够的附着力和抗刮擦性，增强了产品的耐久性和使用寿命。
喷涂化学性检测模块，用于对合格铝单板表面涂层的抗腐蚀性、抗紫外线性进行检测。
所述合格铝单板表面涂层的抗腐蚀性的具体分析过程如下：第一步，对酸性检测组中各酸性检测铝单板进行图像获取，记为各酸性检测铝单板初始涂层图像，将各酸性检测铝单板在配置好的酸性溶液中放置设定时长后再次进行图像获取，记为各酸性检测铝单板酸性溶液下涂层图像，根据各酸性检测铝单板初始涂层图像、各酸性检测铝单板酸性溶液下涂层图像分别为各酸性检测铝单板构建3D模型，记为各酸性检测铝单板初始模型、各酸性检测铝单板酸性溶液下模型，通过比对得到各酸性检测铝单板酸性溶液下模型同各酸性检测铝单板初始模型的体积差，记为，其中/>表示第/>个酸性检测铝单板的编号，；通过将铝单板在酸性溶液中处理后获取图像，可以观察和评估涂层的稳定性，酸性溶液可能对涂层产生一定的腐蚀或反应，通过比较铝单板的初始模型和酸性溶液下的模型之间的体积差，反映了涂层在酸性溶液中被腐蚀或溶解的程度，可以为评估涂层在酸性环境中的抗腐蚀能力提供参考，从而帮助选择和优化涂层材料，提升涂层的耐腐蚀性能。
第二步，根据分析各酸性检测铝单板酸性溶液下模型同各酸性检测铝单板初始模型的体积差的方法分析得到碱性检测组中各碱性检测铝单板碱性溶液下模型同各碱性检测铝单板初始模型的体积差，记为，其中/>表示第/>个碱性检测铝单板的编号，，通过公式/>得到合格铝单板表面涂层的抗腐蚀性/>，其中/>表示设定的体积差参考值，/>分别表示酸性、碱性检测铝单板的数量；通过计算合格铝单板碱性溶液下模型与初始模型的体积差可以综合评估涂层的抗腐蚀性能，有助于量化涂层在碱性环境中的耐腐蚀能力，提供一个客观的指标来比较不同涂层的性能。
所述合格铝单板表面涂层的抗紫外线性的具体分析方法为：对抗紫外线性检测组中各抗紫外线性检测铝单板进行图像获取，记为各抗紫外线性检测铝单板初始涂层图像，对其各像素点的色度值进行检测，记为各抗紫外线性检测铝单板初始涂层图像各像素点色度值，其中/>表示第/>个抗紫外线性检测铝单板的编号，/>，/>表示第/>个像素点的编号，/>，将各抗紫外线性检测铝单板置于模拟阳光下照射设定时长后，再次对其进行图像获取，记为各抗紫外线性检测铝单板紫外线下涂层图像，对其各像素点的色度值进行检测，记为各抗紫外线性检测铝单板紫外线下涂层图像各像素点色度值，将其和各抗紫外线性检测铝单板初始涂层图像各像素点一一对应，并通过公式得到各抗紫外线性检测铝单板紫外线下涂层图像和各抗紫外线性检测铝单板初始涂层图像各像素点的色度差/>，通过公式得到合格铝单板表面涂层的抗紫外线性/>，/>表示设定的像素点的参考色度差，/>表示像素点的数量，/>表示抗紫外线性检测铝单板的数量；色度差反映了涂层在紫外线照射下的颜色变化程度，可以量化涂层对紫外线的阻挡效果，通过计算初始涂层图像和紫外线下涂层图像像素的色度差，可以客观评估涂层的抗紫外线性能，指导涂层的优化和应用选择，有助于提高涂层的质量和性能，保护基材免受紫外线的照射，延长使用寿命。
喷涂化学性分析模块，用于根据合格铝单板表面涂层的抗腐蚀性、抗紫外线性分析得到合格铝单板表面涂层的化学质量系数。
所述喷涂化学性分析模块的具体分析方法为：分别读取合格铝单板表面涂层的抗腐蚀性、抗紫外线性/>，通过公式/>得到合格铝单板表面涂层的化学质量系数/>，其中/>分别表示抗腐蚀性、抗紫外线性的权值因子，/>表示自然常数；通过计算合格铝单板表面涂层的化学质量系数，确保了铝单板表面涂层能够在不同环境下保持稳的化学性能从而适应不同的应场景，有助于提高涂层的品质、延长其寿命，并为特定应用提供合适的涂层解决方案，提高了产品的可靠性。
喷涂综合质量分析模块，用于根据各铝单板的外观质量系数、合格铝单板表面涂层的喷涂质量系数、化学质量系数分析得到铝单板的喷涂综合质量指数，并将其和预设的喷涂综合质量指数阈值进行比对，得到铝单板的喷涂质量合格程度。
所述喷涂综合质量分析模块的具体分析过程如下：第一步，读取各铝单板的外观质量系数、合格铝单板表面涂层的喷涂质量系数/>、合格铝单板表面涂层的化学质量系数/>，分析铝单板的喷涂综合质量指数/>得到铝单板的喷涂综合质量指数/>，其中/>分别表示设定的外观质量系数、喷涂质量系数、化学质量系数的权值因子，且/>，/>表示铝单板的数量；可以全面评估铝单板的喷涂质量，确保产品质量符合标准和要求。
第二步，将铝单板的喷涂综合质量指数和预设的喷涂综合质量指数阈值进行比对，若铝单板的喷涂综合质量指数小于预设的喷涂综合质量指数阈值，则表示该批次铝单板的喷涂综合质量不合格，向系统进行反馈；有助于实现及时的异常检测和质量问题的快速反应，通过提前发现不合格的铝单板批次，可以及时采取有效的补救措施，提高质量控制的效率和准确性。
管理数据库，用于储存铝单板的总数。
本系统通过分析各铝单板表面涂层的外观质量系数评估铝单板涂层的外观质量，通过分析表面涂层的喷涂质量系数帮助判断铝单板的喷涂是否牢固、持久，通过分析表面涂层的化学质量系数判断涂层是否具备良好的耐久性和稳定性，进而综合分析得到喷涂综合质量指数，从而了解铝单板的喷涂质量合格程度，有助于及时发现问题和不足，进行必要的调整，确保铝单板表面涂层的质量达到预期标准。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型，仍涵盖在本发明的保护范围。
Claims (4)
1.一种基于机器视觉的铝单板喷涂质量检测分析系统，其特征在于，该系统具体包括以下模块：
图像采集模块，用于通过摄像头对各铝单板表面涂层进行图像获取，得到各铝单板涂层图像；
外观参数检测模块，用于根据各铝单板涂层图像得到各铝单板表面涂层的外观参数，外观参数包括坑洞程度、漏喷程度、涂层厚度均匀性；
外观质量分析模块，用于根据各铝单板表面涂层的外观参数分析得到各铝单板的外观质量系数，/>表示第/>个铝单板的编号，/>，将其和预设的外观质量系数阈值进行比对，筛选得到合格铝单板数量，并对合格铝单板进行样本划分；
喷涂质量检测模块，用于对各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性进行检测；
喷涂质量分析模块，用于根据各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性分析得到合格铝单板表面涂层的喷涂质量系数；
喷涂化学性检测模块，用于对合格铝单板表面涂层的抗腐蚀性、抗紫外线性进行检测；
喷涂化学性分析模块，用于根据合格铝单板表面涂层的抗腐蚀性、抗紫外线性分析得到合格铝单板表面涂层的化学质量系数；
喷涂综合质量分析模块，用于根据各铝单板的外观质量系数、合格铝单板表面涂层的喷涂质量系数、化学质量系数分析得到铝单板的喷涂综合质量指数，并将其和预设的喷涂综合质量指数阈值进行比对，得到铝单板的喷涂质量合格程度；
管理数据库，用于储存铝单板的总数；
所述喷涂质量检测模块的具体分析过程如下：
第一步，将附着力检测组中各合格铝单板划分为若干个等面积的子区域，记为各附着力检测铝单板各子区域，通过划格刀在各附着力检测铝单板各子区域交叉划痕，进而使用胶带粘贴在各附着力检测铝单板各子区域上并迅速剥离，对剥离胶带后的各附着力检测铝单板各子区域进行图像获取，记为各附着力检测铝单板各子区域图像，通过边缘检测技术提取各附着力检测铝单板各子区域图像中各涂层被剥离区域的边缘轮廓，通过求取其面积得到各附着力检测铝单板各子区域剥离区域面积，记为，其中/>表示第/>个附着力检测铝单板的编号，/>，/>表示第/>个子区域的编号，/>，读取各附着力检测铝单板各子区域面积，记为/>，通过公式/>得到各附着力检测铝单板表面涂层的附着力/>；
第二步，根据设定硬度差选择不同硬度的刀片，在设定压力下分别利用各硬度刀片对抗刮擦检测组中的各合格铝单板进行刮擦，并在刮擦结束后获取各合格铝单板的图像，记为各硬度下各抗刮擦检测铝单板图像，分别提取各硬度下各抗刮擦检测铝单板图像中刮痕的深度，记为各硬度下各抗刮擦检测铝单板刮痕深度，/>表示第/>个硬度的编号，，通过公式/>得到各抗刮擦检测铝单板表面涂层的抗刮擦性/>，其中/>表示第/>个抗刮擦检测铝单板的编号，/>，/>表示设定的第/>个硬度下的刮痕深度参考值；
所述喷涂质量分析模块具体的分析方法为：
分别读取各附着力检测铝单板表面涂层的附着力、各抗刮擦检测铝单板表面涂层的抗刮擦性/>，将其代入到公式/>得到合格铝单板表面涂层的喷涂质量系数/>，其中/>分别表示设定的附着力、抗刮擦性的权值因子；
所述合格铝单板表面涂层的抗腐蚀性的具体分析过程如下：
第一步，对各酸性检测铝单板进行图像获取，记为各酸性检测铝单板初始涂层图像，将各酸性检测铝单板在配置好的酸性溶液中放置设定时长后再次进行图像获取，记为各酸性检测铝单板酸性溶液下涂层图像，根据各酸性检测铝单板初始涂层图像、各酸性检测铝单板酸性溶液下涂层图像分别为各酸性检测铝单板构建3D模型，记为各酸性检测铝单板初始模型、各酸性检测铝单板酸性溶液下模型，通过比对得到各酸性检测铝单板酸性溶液下模型同各酸性检测铝单板初始模型的体积差，记为，其中/>表示第/>个酸性检测铝单板的编号，/>；
第二步，根据分析各酸性检测铝单板酸性溶液下模型同各酸性检测铝单板初始模型的体积差的方法分析得到各碱性检测铝单板碱性溶液下模型同各碱性检测铝单板初始模型的体积差，记为，其中/>表示第/>个碱性检测铝单板的编号，/>，通过公式得到合格铝单板表面涂层的抗腐蚀性/>，其中/>表示设定的体积差参考值，/>分别表示酸性、碱性检测铝单板的数量；
所述合格铝单板表面涂层的抗紫外线性的具体分析方法为：
对各抗紫外线性检测铝单板进行图像获取，记为各抗紫外线性检测铝单板初始涂层图像，对其各像素点的色度值进行检测，记为各抗紫外线性检测铝单板初始涂层图像各像素点色度值，其中/>表示第/>个抗紫外线性检测铝单板的编号，/>，/>表示第/>个像素点的编号，/>，将各抗紫外线性检测铝单板置于模拟阳光下照射设定时长后，再次对其进行图像获取，记为各抗紫外线性检测铝单板紫外线下涂层图像，对其各像素点的色度值进行检测，记为各抗紫外线性检测铝单板紫外线下涂层图像各像素点色度值/>，将其和各抗紫外线性检测铝单板初始涂层图像各像素点一一对应，并通过公式得到各抗紫外线性检测铝单板紫外线下涂层图像和各抗紫外线性检测铝单板初始涂层图像各像素点的色度差/>，通过公式得到合格铝单板表面涂层的抗紫外线性/>，/>表示设定的像素点的参考色度差，/>表示像素点的数量，/>表示抗紫外线性检测铝单板的数量；
所述喷涂化学性分析模块的具体分析方法为：
分别读取合格铝单板表面涂层的抗腐蚀性、抗紫外线性/>，通过公式得到合格铝单板表面涂层的化学质量系数/>，其中/>分别表示抗腐蚀性、抗紫外线性的权值因子，/>表示自然常数。
2.根据权利要求1所述的一种基于机器视觉的铝单板喷涂质量检测分析系统，其特征在于，所述外观质量分析模块的具体分析过程如下：
第一步，通过摄像头依次对喷涂完毕的各铝单板进行表面图像获取，记为各铝单板涂层图像，将其转换为灰度图像并记为各铝单板涂层灰度图像，利用边缘检测算法检测各铝单板涂层灰度图像中的坑洞边缘轮廓，提取各铝单板涂层灰度图像中的各坑洞边缘轮廓内的像素点数量，记为各铝单板涂层灰度图像各坑洞像素点，其中/>表示第/>个铝单板的编号，/>，同时提取各铝单板涂层图像的像素点总数，记为/>，通过公式得到各铝单板表面涂层的坑洞程度/>；
第二步，读取各铝单板涂层图像，对各铝单板涂层图像中各像素点的色度值进行检测，记为，其中/>表示第/>个像素点的编号，/>，通过公式/>得到各铝单板涂层图像中各像素点色度值同铝单板初始表面色度值的色度差，记为各铝单板涂层图像各像素点色度差/>，/>表示设定的铝单板初始表面色度值，将各铝单板涂层图像各像素点色度差同预设的色度差阈值进行比对，筛选出各铝单板涂层图像色度差超出预设的色度值阈值的像素点，记为漏喷像素点，统计漏喷像素点的数量，记为/>，通过公式得到各铝单板表面涂层的漏喷程度/>；
第三步，读取各铝单板涂层图像，将各铝单板涂层图像划分为若干个等面积子区域，记为各铝单板各涂层子区域，通过测厚仪分别对各铝单板各涂层子区域的涂料厚度进行检测，记为，其中/>表示第/>个涂层子区域的编号，/>，将其代入到公式得到各铝单板表面涂层的涂层厚度均匀性/>，/>表示涂层子区域的数量。
3.根据权利要求2所述的一种基于机器视觉的铝单板喷涂质量检测分析系统，其特征在于，所述外观质量分析模块的具体分析过程如下：
第一步，分别读取各铝单板表面涂层的坑洞程度、漏喷程度/>、涂层厚度均匀性/>，将其代入到公式/>得到各铝单板的外观质量系数，其中/>分别表示设定的坑洞程度、漏喷程度、涂层厚度均匀性的权值因子，/>表示自然常数；
第二步，将各铝单板的外观质量系数同预设的外观质量系数阈值进行比对，筛选外观质量系数大于或等于预设的外观质量系数阈值的铝单板，将其记为合格铝单板，统计合格铝单板数量；
第三步，从各合格铝单板中抽取若干合格铝单板，并将其等数量划分为附着力检测组、抗刮擦检测组、抗腐蚀性检测组、抗紫外线性检测组，其中抗腐蚀性检测组分为酸性检测组和碱性检测组。
4.根据权利要求1所述的一种基于机器视觉的铝单板喷涂质量检测分析系统，其特征在于，所述喷涂综合质量分析模块的具体分析过程如下：
第一步，读取各铝单板的外观质量系数、合格铝单板表面涂层的喷涂质量系数/>、合格铝单板表面涂层的化学质量系数/>，分析铝单板的喷涂综合质量指数得到铝单板的喷涂综合质量指数/>，其中分别表示设定的外观质量系数、喷涂质量系数、化学质量系数的权值因子，且，/>表示铝单板的数量；
第二步，将铝单板的喷涂综合质量指数和预设的喷涂综合质量指数阈值进行比对，若铝单板的喷涂综合质量指数小于预设的喷涂综合质量指数阈值，则表示该批次铝单板的喷涂综合质量不合格，向系统进行反馈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410008517.9A CN117517325B (zh) | 2024-01-04 | 2024-01-04 | 一种基于机器视觉的铝单板喷涂质量检测分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410008517.9A CN117517325B (zh) | 2024-01-04 | 2024-01-04 | 一种基于机器视觉的铝单板喷涂质量检测分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117517325A CN117517325A (zh) | 2024-02-06 |
| CN117517325B true CN117517325B (zh) | 2024-04-02 |
Family
ID=89755238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410008517.9A Active CN117517325B (zh) | 2024-01-04 | 2024-01-04 | 一种基于机器视觉的铝单板喷涂质量检测分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117517325B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117805145B (zh) * | 2024-02-28 | 2024-05-14 | 西安汉华建筑实业有限公司 | 一种铝模板表面缺陷检测方法及系统 |
| CN117804551B (zh) * | 2024-02-29 | 2024-05-10 | 吉林汉资堂人参生物科技股份有限公司 | 一种人参皂苷提取用人参原料清洗质量控制管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110702035A (zh) * | 2019-10-25 | 2020-01-17 | 四川大学青岛研究院 | 一种基于面结构光的家电喷涂质量检测系统及方法 |
| CN113125458A (zh) * | 2019-12-30 | 2021-07-16 | 韩国科学技术院 | 钢结构涂层状态的检查与评估方法及系统 |
| CN114283112A (zh) * | 2020-09-17 | 2022-04-05 | 赢创运营有限公司 | 涂层表面的定性或定量表征 |
| 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 |
| CN117288099A (zh) * | 2023-11-27 | 2023-12-26 | 江苏海德曼新材料股份有限公司 | 基于机器视觉的铝塑复合板生产质量检测分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7430485B2 (en) * | 2003-08-22 | 2008-09-30 | Rohm And Haas Company | Method and system for analyzing coatings undergoing exposure testing |
-
2024
- 2024-01-04 CN CN202410008517.9A patent/CN117517325B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110702035A (zh) * | 2019-10-25 | 2020-01-17 | 四川大学青岛研究院 | 一种基于面结构光的家电喷涂质量检测系统及方法 |
| CN113125458A (zh) * | 2019-12-30 | 2021-07-16 | 韩国科学技术院 | 钢结构涂层状态的检查与评估方法及系统 |
| CN114283112A (zh) * | 2020-09-17 | 2022-04-05 | 赢创运营有限公司 | 涂层表面的定性或定量表征 |
| 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 |
| CN117288099A (zh) * | 2023-11-27 | 2023-12-26 | 江苏海德曼新材料股份有限公司 | 基于机器视觉的铝塑复合板生产质量检测分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117517325A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117517325B (zh) | 一种基于机器视觉的铝单板喷涂质量检测分析系统 | |
| Liu et al. | Steel surface defect detection using a new Haar–Weibull-variance model in unsupervised manner | |
| CN107657603B (zh) | 一种基于智能视觉的工业外观检测方法 | |
| CN115294113B (zh) | 一种木饰面板质量检测方法 | |
| CN114280076B (zh) | 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 | |
| CN113838054B (zh) | 基于人工智能的机械零件表面损伤检测方法 | |
| CN110441305B (zh) | 一种二次喷丸的表面覆盖率检验方法 | |
| CN116030060B (zh) | 一种塑料颗粒质量检测方法 | |
| CN115861290B (zh) | 一种肤感木门表面缺陷检测方法 | |
| CN116152242B (zh) | 一种篮球用天然皮革缺陷可视化检测系统 | |
| CN116500086B (zh) | 一种基于深度学习的铜复铝散热底板生产评价方法及系统 | |
| CN114881961A (zh) | 一种玻璃纤维板裂纹检测方法及设备 | |
| CN116881530B (zh) | 一种基于深度学习的器件表面缺陷检测系统 | |
| CN116152234B (zh) | 基于图像处理的模板端面缺陷识别方法 | |
| CN115931870A (zh) | 一种产品环境效应表观损伤特征采集装置及评价方法 | |
| CN116777875A (zh) | 一种花篮内硅片位置在线视觉检测的方法 | |
| KR101024598B1 (ko) | 표면 밝기 분포의 분산 산출 알고리즘을 이용한 대상물 표면의 영상 검사방법 | |
| CN114937174A (zh) | 一种基于数字全息机器视觉的精密件的检测方法及装置 | |
| CN114627049A (zh) | 一种注塑产品表面缺陷检测方法 | |
| CN113092486B (zh) | 一种适于高光面产品表面水波纹检测的方法 | |
| Xu | Machine vision-based defect detection method for flexible circuit boards | |
| CN117830237A (zh) | 一种缺陷检测方法及皮革缺陷智能检测系统 | |
| CN114646563B (zh) | 一种具有金属涂层的聚酯膜表面耐磨度检测方法 | |
| CN115307731B (zh) | 一种激光投线仪的出射激光线检测方法 | |
| CN115908408B (zh) | 基于多邻域预测模型的磁芯缺陷检测方法 |
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 |