CN117876359A - 一种橡胶制品缺陷检测方法、装置、设备及介质 - Google Patents
一种橡胶制品缺陷检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117876359A CN117876359A CN202410240000.2A CN202410240000A CN117876359A CN 117876359 A CN117876359 A CN 117876359A CN 202410240000 A CN202410240000 A CN 202410240000A CN 117876359 A CN117876359 A CN 117876359A
- Authority
- CN
- China
- Prior art keywords
- information
- product
- determining
- crack
- defect
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 190
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 94
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 239000000463 material Substances 0.000 claims description 6
- 230000037303 wrinkles Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及图像处理技术领域,尤其是涉及一种橡胶制品缺陷检测方法、装置、设备及介质。方法包括:获取橡胶制品在生产时的产品图像,所述产品图像包含在制造橡胶制品时每个制作流水线节点橡胶制品正反面的产品图像;根据所述产品图像,确定裂纹信息;若所述裂纹信息与预设裂纹信息匹配失败,则确定裂纹信息的边缘圆滑度,所述边缘圆滑度为表征裂纹信息对应的边缘光滑程度;若所述边缘圆滑度小于预设边缘圆滑度,则确定正面裂纹信息以及反面裂纹信息;若所述正面裂纹信息与所述反面裂纹信息不匹配,则根据产品标准信息,确定缺陷结果,所述产品标准信息包含褶皱信息以及评定标准。本申请可以提高缺陷检测的准确度。
Description
技术领域
本申请涉及图像处理技术领域,尤其是涉及一种橡胶制品缺陷检测方法、装置、设备及介质。
背景技术
随着科技的发展和工业自动化的需求,对橡胶制品的需求也与日俱增,橡胶制品广泛应用于医疗、实验室、食品加工等领域;为了保证人们在使用橡胶制品的安全,橡胶类制品的缺陷检测越来越受到重视。
传统的缺陷检测方法主要依靠人工进行检测,由质检员采用充气检测或充水检测的方式对生产的产品进行抽样检测或全部检测。
但是,由于传统的缺陷检测方法还是以人为主导,并且由于橡胶材质特性,在生产过程中可能会出现产品折叠的情况,无法直接对橡胶制品折叠部分进行检测,从而导致缺陷检测不准确。
发明内容
为了提高缺陷检测的准确度,本申请提供一种橡胶制品缺陷检测方法、装置、设备及介质。
第一方面,本申请提供一种橡胶制品缺陷检测方法,采用如下的技术方案:
一种橡胶制品缺陷检测方法,包括:
获取橡胶制品在生产时的产品图像,所述产品图像包含在制造橡胶制品时每个制作流水线节点橡胶制品正反面的产品图像;
根据所述产品图像,确定裂纹信息;
若所述裂纹信息与预设裂纹信息匹配失败,则确定裂纹信息的边缘圆滑度,所述边缘圆滑度为表征裂纹信息对应的边缘光滑程度;
若所述边缘圆滑度小于预设边缘圆滑度,则确定正面裂纹信息以及反面裂纹信息;
若所述正面裂纹信息与所述反面裂纹信息不匹配,则根据产品标准信息,确定缺陷结果,所述产品标准信息包含褶皱信息以及评定标准。
通过采用上述技术方案,通过获取每个制作流水线节点正反面的产品图像,即橡胶制品在生产时的产品图像,实时检测产品质量;随即,对产品图像进行分析识别,确定出裂纹信息;随即将裂纹信息与预设裂纹信息进行匹配,若裂纹信息与预设裂纹信息匹配失败,对橡胶制品出现的裂纹进行初步判断,说明此时橡胶制品出现了折叠情况,随即确定裂纹信息的边缘圆滑度,对橡胶制品的裂纹信息进一步判断;之后将边缘圆滑度与预设边缘圆滑度进行比对,若边缘圆滑度小于预设边缘圆滑度则说明此时的橡胶制品的裂纹并不是由于橡胶制品折叠导致的,则确定正面裂纹信息以及反面裂纹信息;随即将正面裂纹信息与反面裂纹信息进行匹配,若正面裂纹信息与反面裂纹信息不匹配,则说明此时橡胶制品出现断裂,随即根据产品标准信息,确定出缺陷结果;从而提高缺陷检测的准确度。
在一种可能的实现方式中,所述根据所述产品图像,确定裂纹信息,包括:
对所述产品图像进行分割处理,确定橡胶制品图像以及产品边缘线,所述橡胶制品图像为产品图像中包含橡胶制品的图像;
基于所述橡胶制品图像以及所述产品边缘线,确定目标图像,所述目标图像为所述橡胶制品图像中包含所述产品边缘线的图像区域;
对所述橡胶制品图像进行特征提取,确定特征信息,所述特征信息包含纹理特征信息、形状特征信息以及颜色特征信息;
基于所述特征信息以及所述目标图像,确定所述裂纹信息。
通过采用上述技术方案,对产品图像进行分割处理,确定出橡胶制品图像以及产品边缘线,从而提高后续分析的准确性;基于橡胶制品图像以及产品边缘线,确定出橡胶制品图像中包含产品边缘线的图像区域,即确定出目标图像,进一步确定出边缘线的具体图像区域;随即对橡胶制品图像进行特征提取,确定出包含表征裂纹的特征信息;随即根据特征信息以及目标图像,确定出裂纹信息,从而提高确定裂纹信息的准确性。
在一种可能的实现方式中,所述确定裂纹信息的边缘圆滑度,包括:
根据所述裂纹信息,确定裂纹边缘线;
基于所述裂纹边缘线,确定边缘线交叉点信息,所述边缘线交叉点信息包含边缘线交叉点位置以及交叉点数量;
根据所述边缘线交叉点信息,确定所述边缘圆滑度。
通过采用上述技术方案,根据裂纹信息确定出裂纹边缘线,有助于进一步分析裂纹的具体情况;随即根据裂纹边缘线,确定出边缘线交叉点信息;随即通过边缘交叉点信息确定出边缘圆滑度;从而实现对裂纹信息进一步分析。
在一种可能的实现方式中,所述根据产品标准信息,确定缺陷结果,所述产品标准信息包含所述褶皱信息、所述裂纹信息以及评定标准,包括:
基于所述褶皱信息以及所述裂纹信息,确定产品完整度以及产品加工节点;
若所述产品完整度小于预设产品完整度,则确定缺陷影响度;
根据所述缺陷影响度以及所述评定标准,确定缺陷严重性;
基于所述产品加工节点以及所述缺陷严重性,确定缺陷结果。
通过采用上述技术方案,根据对褶皱信息以及裂纹信息识别分析,确定出橡胶制品的产品完整度以及产品加工节点,从而对橡胶制品的质量进行评估,定位出现问题的加工节点,找到问题所在环节;将产品完整度与预设产品完整度进行对比,若产品完整度小于预设产品完整度,则说明该橡胶制品在加工过程中出现缺陷,随即确定出缺陷的影响度;之后通过对缺陷影响度以及评定标准进行比对,确定出缺陷严重性,并根据缺陷严重性以及产品加工节点确定出缺陷结果,从而及时发现缺陷。
在一种可能的实现方式中,所述基于所述产品加工节点以及所述缺陷严重性,确定缺陷结果,包括:
基于所述产品加工节点以及所述缺陷严重性,确定每个所述产品加工节点的缺陷关联性;
基于所述缺陷关联性,确定候选节点,所述候选节点为造成橡胶制品残缺的候选产品加工节点;
获取所述候选节点的加工信息,所述加工信息包含操作信息以及材料信息;
若所述加工信息与预设加工信息不一致,则确定所述候选节点为不合格节点;
基于所述不合格节点,确定缺陷结果。
通过采用上述技术方案,通过对产品加工节点以及缺陷严重性,确定每个产品加工节点的缺陷关联性;随即,根据缺陷关联性,确定出候选节点,从而精准定位造成橡胶制品残缺的候选产品加工节点;在获取到候选节点的加工信息后,将加工信息与预设加工信息进行对比,若加工信息与预设加工信息不一致,则说明该候选节点为造成缺陷的产品加工节点,将该候选节点设定为不合格节点;随即基于不合格节点,确定出缺陷结果;从而精准定位造成缺陷的节点。
在一种可能的实现方式中,所述确定缺陷结果,之前还包括:
获取订单信息;
基于所述订单信息,确定产品信息,所述产品信息包含橡胶制品规格、尺寸、用途;
基于产品信息,确定所述评定标准。
通过采用上述技术方案, 通过获取的订单信息,得到橡胶制品规格、尺寸、用途,即产品信息,从而了解该橡胶制品的具体信息以及用户的需求;随即根据产品信息确定出评定标准;从而制定统一的评价标准,提高确定缺陷结果的准确性。
在一种可能的实现方式中,所述确定缺陷结果,之后还包括:
基于所述缺陷结果以及所述不合格节点,确定缺陷原因;
根据所述缺陷原因,确定改进措施。
通过采用上述技术方案,根据缺陷结果以及不合格节点,确定出造成橡胶制品缺陷的缺陷原因;随即根据缺陷原因,制定出与之对应的改进措施;从而对生产过程进行优化。
第二方面,本申请提供一种橡胶制品缺陷检测装置,采用如下的技术方案:
一种橡胶制品缺陷检测装置,包括:产品图像获取模块、第一信息确定模块、边缘圆滑度确定模块、第二信息确定模块以及缺陷结果确定模块,其中,
产品图像获取模块,用于获取橡胶制品在生产时的产品图像,所述产品图像包含在制造橡胶制品时每个制作流水线节点橡胶制品正反面的产品图像;
第一信息确定模块,用于根据所述产品图像,确定裂纹信息;
边缘圆滑度确定模块,用于若所述裂纹信息与预设裂纹信息匹配失败,则确定裂纹信息的边缘圆滑度,所述边缘圆滑度为表征裂纹信息对应的边缘光滑程度;
第二信息确定模块,用于若所述边缘圆滑度小于预设边缘圆滑度,则确定正面裂纹信息以及反面裂纹信息;
缺陷结果确定模块,用于若所述正面裂纹信息与所述反面裂纹信息不匹配,则根据产品标准信息,确定缺陷结果,所述产品标准信息包含褶皱信息以及评定标准。
通过采用上述技术方案,产品图像获取模块通过获取每个制作流水线节点正反面的产品图像,即橡胶制品在生产时的产品图像,实时检测产品质量;随即,第一信息确定模块对产品图像进行分析识别,确定出裂纹信息;随即边缘圆滑度确定模块将裂纹信息与预设裂纹信息进行匹配,若裂纹信息与预设裂纹信息匹配失败,对橡胶制品出现的裂纹进行初步判断,说明此时橡胶制品出现了折叠情况,随即确定裂纹信息的边缘圆滑度,对橡胶制品的裂纹信息进一步判断;之后第二信息确定模块将边缘圆滑度与预设边缘圆滑度进行比对,若边缘圆滑度小于预设边缘圆滑度则说明此时的橡胶制品的裂纹并不是由于橡胶制品折叠导致的,则确定正面裂纹信息以及反面裂纹信息;随即缺陷结果确定模块将正面裂纹信息与反面裂纹信息进行匹配,若正面裂纹信息与反面裂纹信息不匹配,则说明此时橡胶制品出现断裂,随即根据产品标准信息,确定出缺陷结果;从而提高缺陷检测的准确度。
在一种可能的实现方式中,所述第一信息确定模块包括:第一信息确定单元、目标图像确定单元、特征信息确定单元以及第二信息确定单元,其中,
第一信息确定单元,用于对所述产品图像进行分割处理,确定橡胶制品图像以及产品边缘线,所述橡胶制品图像为产品图像中包含橡胶制品的图像;
目标图像确定单元,用于基于所述橡胶制品图像以及所述产品边缘线,确定目标图像,所述目标图像为所述橡胶制品图像中包含所述产品边缘线的图像区域;
特征信息确定单元,用于对所述橡胶制品图像进行特征提取,确定特征信息,所述特征信息包含纹理特征信息、形状特征信息以及颜色特征信息;
第二信息确定单元,用于基于所述特征信息以及所述目标图像,确定所述裂纹信息。
在一种可能的实现方式中,所述边缘圆滑度模块包括:裂纹边缘线确定单元、边缘线交叉点信息确定单元以及边缘圆滑度确定单元,其中,
裂纹边缘线确定单元,用于根据所述裂纹信息,确定裂纹边缘线;
边缘线交叉点信息确定单元,用于基于所述裂纹边缘线,确定边缘线交叉点信息,所述边缘线交叉点信息包含边缘线交叉点位置以及交叉点数量;
边缘圆滑度确定单元,用于根据所述边缘线交叉点信息,确定所述边缘圆滑度。
在一种可能的实现方式中,所述缺陷结果确定模块包括:第三信息确定单元、缺陷影响度确定单元、缺陷严重性确定单元以及缺陷结果确定单元,其中,
第三信息确定单元,用于基于所述褶皱信息以及所述裂纹信息,确定产品完整度以及产品加工节点;
缺陷影响度确定单元,用于若所述产品完整度小于预设产品完整度,则确定缺陷影响度;
缺陷严重性确定单元,用于根据所述缺陷影响度以及所述评定标准,确定缺陷严重性;
缺陷结果确定单元,用于基于所述产品加工节点以及所述缺陷严重性,确定缺陷结果。
在一种可能的实现方式中,所述缺陷结果确定单元,具体用于:
基于所述产品加工节点以及所述缺陷严重性,确定每个所述产品加工节点的缺陷关联性;
基于所述缺陷关联性,确定候选节点,所述候选节点为造成橡胶制品残缺的候选产品加工节点;
获取所述候选节点的加工信息,所述加工信息包含操作信息以及材料信息;
若所述加工信息与预设加工信息不一致,则确定所述候选节点为不合格节点;
基于所述不合格节点,确定缺陷结果。
在一种可能的实现方式中,所述橡胶制品缺陷检测装置,还包括:订单信息获取模块、产品信息确定模块以及评定标准确定模块,其中,
订单信息获取模块,用于获取订单信息;
产品信息确定模块,用于基于所述订单信息,确定产品信息,所述产品信息包含橡胶制品规格、尺寸、用途;
评定标准确定模块,用于基于产品信息,确定所述评定标准。
在一种可能的实现方式中,所述橡胶制品缺陷检测装置,还包括:缺陷原因确定模块以及改进措施确定模块,其中,
缺陷原因确定模块,用于基于所述缺陷结果以及所述不合格节点,确定缺陷原因;
改进措施确定模块,用于根据所述缺陷原因,确定改进措施。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述橡胶制品缺陷检测方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述橡胶制品缺陷检测方法的计算机程序。
综上所述,本申请包括以下有益技术效果:
通过获取每个制作流水线节点正反面的产品图像,即橡胶制品在生产时的产品图像,实时检测产品质量;随即,对产品图像进行分析识别,确定出裂纹信息;随即将裂纹信息与预设裂纹信息进行匹配,若裂纹信息与预设裂纹信息匹配失败,对橡胶制品出现的裂纹进行初步判断,说明此时橡胶制品出现了折叠情况,随即确定裂纹信息的边缘圆滑度,对橡胶制品的裂纹信息进一步判断;之后将边缘圆滑度与预设边缘圆滑度进行比对,若边缘圆滑度小于预设边缘圆滑度则说明此时的橡胶制品的裂纹并不是由于橡胶制品折叠导致的,则确定正面裂纹信息以及反面裂纹信息;随即将正面裂纹信息与反面裂纹信息进行匹配,若正面裂纹信息与反面裂纹信息不匹配,则说明此时橡胶制品出现断裂,随即根据产品标准信息,确定出缺陷结果;从而提高缺陷检测的准确度。
附图说明
图1是本申请橡胶制品缺陷检测方法的流程示意图;
图2是本申请橡胶制品缺陷检测装置的方框示意图;
图3是本申请实施例电子设备的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
本申请实施例提供了一种橡胶制品缺陷检测方法,由电子设备执行,该电子设备可以为服务器,也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式设备,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式电脑等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制。
参照图1,该方法包括:步骤S101、步骤S102、步骤S103、步骤S104以及步骤S105,其中:
步骤S101、获取橡胶制品在生产时的产品图像。
在本申请实施例中,产品图像包含在制造橡胶制品时每个制作流水线节点橡胶制品正反面的产品图像。
具体地,每个制造橡胶制品的流水线节点都安设有检测设备,当该流水线节点完成作业时,检测设备随即对橡胶半成品或成品进行拍摄,随即传输至电子设备中,电子设备在接收到产品图像后,电子将每个橡胶制品按照制造顺序进行编号处理,并将橡胶制品按照编号对产品图像进行分类存储。
步骤S102、根据产品图像,确定裂纹信息。
具体地,电子设备在获取到产品图像后,随即对产品图像进行灰度化处理,从而降低色彩对图像识别的影响;随即,电子设备对产品图像进行边缘检测,得到橡胶制品完整的产品边缘线;电子设备根据产品边缘线对产品图像进行分割处理,将产品图像中背景与橡胶制品进行分离;电子设备对橡胶制品进行特征提取,利用图像处理算法,确定出裂纹信息。
步骤S103、若裂纹信息与预设裂纹信息匹配失败,则确定裂纹信息的边缘圆滑度。
在申请实施例中,边缘圆滑度为表征裂纹信息对应的边缘光滑程度。
具体地,电子设备将裂纹信息与预设裂纹信息进行匹配,若裂纹信息与预设裂纹信息匹配成功,则说明此时虽出现裂纹,但是并不为断裂情况,此时出现裂纹为橡胶制品在经过折叠后产生的裂纹;若裂纹信息与预设裂纹信息匹配失败,则说明此时出现的裂纹可能为橡胶制品出现破损造成的,随即,电子设备对产品图像进行裂纹边缘线提取,从而确定出裂纹信息所对应的边缘圆滑度;其中预设裂纹信息为电子信息通过对橡胶制品在折叠时的裂纹信息进行识别存储。
步骤S104、若边缘圆滑度小于预设边缘圆滑度,则确定正面裂纹信息以及反面裂纹信息。
在申请实施例中,产品标准信息包含褶皱信息、裂纹信息以及评定标准。
具体地,电子设备在确定出边缘圆滑度后,将边缘圆滑度与预设边缘圆滑度进行比较;若边缘圆滑度大于等于预设边缘圆滑度,则说明与之对应的裂纹信息对应的边缘是光滑的,没有断裂的情况,表明此橡胶制品没有出现断裂的情况;若边缘圆滑度小于预设边缘圆滑度,则说明此时与之对应的裂纹信息对应的边缘出现断裂,表明此橡胶制品出现断裂的情况,即说明橡胶制品出现破损;随即电子设备将裂纹信息与产品图像进行匹配,确定出橡胶制品正反面对应的正面裂纹信息以及反面裂纹信息。
步骤S105、若正面裂纹信息与反面裂纹信息不匹配,则根据产品标准信息,确定缺陷结果。
在申请实施例中,产品标准信息包含褶皱信息以及评定标准。
具体地,电子设备将正面裂纹信息与反面裂纹信息进行匹配,若正面裂纹信息与反面裂纹信息匹配成功,则说明产品图像正面的裂纹与背面的裂纹相互连接,则说明该橡胶制品出现了折叠的情况,该橡胶制品完整没有出现破损;若正面裂纹信息与反面裂纹信息匹配失败,则说明该橡胶制品出现了破损,此时裂纹出现断裂的情况;随即,电子设备利用深度学习算法的同时,对裂纹信息进行分析识别,并结合评定标准,确定出缺陷结果。
本申请实施例提供了一种橡胶制品缺陷检测方法,通过获取每个制作流水线节点正反面的产品图像,即橡胶制品在生产时的产品图像,实时检测产品质量;随即,对产品图像进行分析识别,确定出裂纹信息;随即将裂纹信息与预设裂纹信息进行匹配,若裂纹信息与预设裂纹信息匹配失败,对橡胶制品出现的裂纹进行初步判断,说明此时橡胶制品出现了折叠情况,随即确定裂纹信息的边缘圆滑度,对橡胶制品的裂纹信息进一步判断;之后将边缘圆滑度与预设边缘圆滑度进行比对,若边缘圆滑度小于预设边缘圆滑度则说明此时的橡胶制品的裂纹并不是由于橡胶制品折叠导致的,则确定正面裂纹信息以及反面裂纹信息;随即将正面裂纹信息与反面裂纹信息进行匹配,若正面裂纹信息与反面裂纹信息不匹配,则说明此时橡胶制品出现断裂,随即根据产品标准信息,确定出缺陷结果;从而提高缺陷检测的准确度。
步骤S102中,根据产品图像,确定裂纹信息,具体包括:对产品图像进行分割处理,确定橡胶制品图像以及产品边缘线;基于橡胶制品图像以及产品边缘线,确定目标图像;对橡胶制品图像进行特征提取,确定特征信息;基于特征信息以及目标图像,确定裂纹信息。
在本申请实施例中,橡胶制品图像为产品图像中包含橡胶制品的图像;目标图像为橡胶制品图像中包含产品边缘线的图像区域;特征信息包含纹理特征信息、形状特征信息以及颜色特征信息。
具体地,电子设备在获取到产品图像后,对产品图像进行读取处理,之后,电子设备利用灰度转换函数将产品图像进行灰度化处理,电子设备将经过灰度化处理的产品图像设定为灰度图像;电子设备利用图像分割算法将产品图像中背景与橡胶制品进行分割,并将分割完成的图像中包含橡胶制品的图像设定为橡胶制品图像,由于产品图像包含橡胶制品在每个流水线节点的正反面的图像,所以电子设备在得到橡胶制品图像时会按照橡胶制品编号以及流水线节点的排列顺序进行存储;电子设备利用边缘检测算法对橡胶制品图像进行边缘检测,确定出产品边缘线;随即,电子设备将产品边缘线与橡胶制品图像进行匹配,电子设备将产品边缘线的图像区域设定为目标图像;随即电子设备对橡胶制品图像进行特征提取,得到与之对应的特征信息;电子设备将特征信息与目标图像输入至训练完成的深度学习模型,确定出与之对应的裂纹信息;从而提高缺陷识别准确性。
步骤S103中,确定裂纹信息的边缘圆滑度,具体包括:根据裂纹信息,确定裂纹边缘线;基于裂纹边缘线,确定边缘线交叉点信息;根据边缘线交叉点信息,确定边缘圆滑度。
在本申请实施例中,边缘线交叉点信息包含边缘线交叉点位置以及交叉点数量。
具体地,电子设备将裂纹信息与产品图像进行匹配,在产品图像中标注出裂纹,并利用边缘提取算法,确定出裂纹边缘线;电子设备将得到的裂纹边缘线进行等比例绘制,并将裂纹边缘线朝橡胶制品重心方向进行延长,电子设备通过计算每个裂纹边缘线的斜率和截距,确定出边缘线交叉点;之后电子设备将边缘线交叉点进行标注,确定出每个边缘线交叉点对应的交叉点位置,并将边缘线交叉点的位置以及交叉点数量设定为边缘交叉点信息;随即电子设备计算出相邻边缘交叉点之间的距离以及曲率,并对计算出的距离进行统计,若边缘线交叉点间的距离分布均匀且曲率值较低,则说明边缘圆滑度较高;反之,若边缘线交叉点距离分布不均且曲率值较高,则说明边缘圆滑度较低。
步骤S105中,根据产品标准信息,确定缺陷结果,具体包括:基于褶皱信息以及裂纹信息,确定产品完整度以及产品加工节点;若产品完整度小于预设产品完整度,则确定缺陷影响度;根据缺陷影响度以及评定标准,确定缺陷严重性;基于产品加工节点以及缺陷严重性,确定缺陷结果。
在本申请实施例中,产品标准信息包含褶皱信息、裂纹信息以及评定标准;褶皱信息包含褶皱的大小、形状、位置;裂纹信息包含裂纹的大小、形状、位置。
具体地,电子设备根据褶皱信息以及裂纹信息,绘制出橡胶制品对应的完整图像,电子设备通过计算褶皱信息以及裂纹信息在该橡胶制品中面积占比,确定出产品完整度;电子设备调取出每个褶皱信息以及每个裂纹信息对应的橡胶制品图像,确定出褶皱信息以及裂纹信息对应的产品加工节点;随即,电子设备将产品完整度与预设产品完整度进行对比,若产品完整度小于预设产品完整度,则说明该橡胶制品在加工过程中出现缺陷,电子设备通过模拟橡胶制品在实际使用过程中的情况,确定出缺陷的影响度;电子设备根据缺陷影响度以及评定标准确定出缺陷严重性,每个缺陷影响度都有其与之对应的缺陷严重性;随即,电子设备通过对缺陷严重性以及产品加工节点进行匹配分析,确定出橡胶制品对应的缺陷结果。
基于产品加工节点以及缺陷严重性,确定缺陷结果,包括:基于产品加工节点以及缺陷严重性,确定每个产品加工节点的缺陷关联性;基于缺陷关联性,确定候选节点;获取候选节点的加工信息;若加工信息与预设加工信息不一致,则确定候选节点为不合格节点;基于不合格节点,确定缺陷结果。
在本申请实例中,候选节点为造成橡胶制品残缺的候选产品加工节点;加工信息包含操作信息以及材料信息。
具体地,电子设备基于缺陷严重性以及每个产品加工节点,通过历史产品加工数据进行分析,确定出每个产品加工节点的缺陷关联性;电子设备通过缺陷关联性,对每个产品加工节点进行匹配,确定出候选节点,例如,该产品加工节点对应的缺陷关联性强,电子设备则将该产品加工节点设定为候选节点,若该产品加工节点对应的缺陷关联性弱,则将该产品加工节点舍弃。
进一步地,电子设备确定出候选节点后,随即生成加工信息获取指令,并传输至与之对应的产品加工节点的检测设备中,检测设备在接收到加工信息获取指令后,将产品加工节点对应的加工信息传输至电子设备中;随即电子设备将加工信息与预设加工信息进行对比,若加工信息与预设加工信息一致,则说明该候选节点正常工作没有出现故障;若加工信息与预设加工信息不一致,则说明该候选节点为造成缺陷的产品加工节点,电子设备将该候选节点设定为不合格节点;随即电子设备对不合格节点进行分析识别,确定出缺陷结果。
确定缺陷结果,之前还包括:获取订单信息;基于订单信息,确定产品信息;基于产品信息,确定评定标准。
在本申请实施例中,产品信息包含橡胶制品规格、尺寸、用途。
具体地,电子设备在接收到由技术人员传输的订单信息后,随即对订单信息进行查阅提取,确定出橡胶制品规格、尺寸、用途即产品信息;之后,电子设备通过产品信息,利用历史评定标准数据库制定出与之对应的评定标准,产品信息与评定标准一一对应。
确定缺陷结果,之后还包括:基于缺陷结果以及不合格节点,确定缺陷原因;根据缺陷原因,确定改进措施。
具体地,电子设备在确定出缺陷结果后,将缺陷结果与不合格节点进行匹配,确定出造成缺陷结果具体的缺陷原因;随即电子设备根据缺陷原因,制定出与之对应的改进措施。
参照图2,橡胶制品缺陷检测装置20具体可以包括:产品图像获取模块201、第一信息确定模块202、边缘圆滑度确定模块203、第二信息确定模块204以及缺陷结果确定模块205,其中,
产品图像获取模块201,用于获取橡胶制品在生产时的产品图像,产品图像包含在制造橡胶制品时每个制作流水线节点橡胶制品正反面的产品图像;
第一信息确定模块202,用于根据产品图像,确定裂纹信息;
边缘圆滑度确定模块203,用于若裂纹信息与预设裂纹信息匹配失败,则确定裂纹信息的边缘圆滑度,边缘圆滑度为表征裂纹信息对应的边缘光滑程度;
第二信息确定模块204,用于若边缘圆滑度小于预设边缘圆滑度,则确定正面裂纹信息以及反面裂纹信息;
缺陷结果确定模块205,用于若正面裂纹信息与反面裂纹信息不匹配,则根据产品标准信息,确定缺陷结果,产品标准信息包含褶皱信息以及评定标准。
本申请实施例的一种可能的实现方式,第一信息确定模块202包括:第一信息确定单元、目标图像确定单元、特征信息确定单元以及第二信息确定单元,其中,
第一信息确定单元,用于对产品图像进行分割处理,确定橡胶制品图像以及产品边缘线,橡胶制品图像为产品图像中包含橡胶制品的图像;
目标图像确定单元,用于基于橡胶制品图像以及产品边缘线,确定目标图像,目标图像为橡胶制品图像中包含产品边缘线的图像区域;
特征信息确定单元,用于对橡胶制品图像进行特征提取,确定特征信息,特征信息包含纹理特征信息、形状特征信息以及颜色特征信息;
第二信息确定单元,用于基于特征信息以及目标图像,确定裂纹信息。
本申请实施例的一种可能的实现方式,边缘圆滑度模块203包括:裂纹边缘线确定单元、边缘线交叉点信息确定单元以及边缘圆滑度确定单元,其中,
裂纹边缘线确定单元,用于根据裂纹信息,确定裂纹边缘线;
边缘线交叉点信息确定单元,用于基于裂纹边缘线,确定边缘线交叉点信息,边缘线交叉点信息包含边缘线交叉点位置以及交叉点数量;
边缘圆滑度确定单元,用于根据边缘线交叉点信息,确定边缘圆滑度。
本申请实施例的一种可能的实现方式,缺陷结果确定模块205包括:第二信息确定单元、缺陷影响度确定单元、缺陷严重性确定单元以及缺陷结果确定单元,其中,
第三信息确定单元,用于基于褶皱信息以及裂纹信息,确定产品完整度以及产品加工节点;
缺陷影响度确定单元,用于若产品完整度小于预设产品完整度,则确定缺陷影响度;
缺陷严重性确定单元,用于根据缺陷影响度以及评定标准,确定缺陷严重性;
缺陷结果确定单元,用于基于产品加工节点以及缺陷严重性,确定缺陷结果。
本申请实施例的一种可能的实现方式,缺陷结果确定单元,具体用于:
基于产品加工节点以及缺陷严重性,确定每个产品加工节点的缺陷关联性;
基于缺陷关联性,确定候选节点,候选节点为造成橡胶制品残缺的候选产品加工节点;
获取候选节点的加工信息,加工信息包含操作信息以及材料信息;
若加工信息与预设加工信息不一致,则确定候选节点为不合格节点;
基于不合格节点,确定缺陷结果。
本申请实施例的一种可能的实现方式,橡胶制品缺陷检测装置20,还包括:订单信息获取模块、产品信息确定模块以及评定标准确定模块,其中,
订单信息获取模块,用于获取订单信息;
产品信息确定模块,用于基于订单信息,确定产品信息,产品信息包含橡胶制品规格、尺寸、用途;
评定标准确定模块,用于基于产品信息,确定评定标准。
本申请实施例的一种可能的实现方式,橡胶制品缺陷检测装置20,还包括:缺陷原因确定模块以及改进措施确定模块,其中,
缺陷原因确定模块,用于基于缺陷结果以及不合格节点,确定缺陷原因;
改进措施确定模块,用于根据缺陷原因,确定改进措施。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种电子设备,如图3所示,图3所示的电子设备30包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备30还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备30的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数字信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种橡胶制品缺陷检测方法,其特征在于,包括:
获取橡胶制品在生产时的产品图像,所述产品图像包含在制造橡胶制品时每个制作流水线节点橡胶制品正反面的产品图像;
根据所述产品图像,确定裂纹信息;
若所述裂纹信息与预设裂纹信息匹配失败,则确定裂纹信息的边缘圆滑度,所述边缘圆滑度为表征裂纹信息对应的边缘光滑程度;
若所述边缘圆滑度小于预设边缘圆滑度,则确定正面裂纹信息以及反面裂纹信息;
若所述正面裂纹信息与所述反面裂纹信息不匹配,则根据产品标准信息,确定缺陷结果,所述产品标准信息包含褶皱信息以及评定标准。
2.根据权利要求1所述的一种橡胶制品缺陷检测方法,其特征在于,所述根据所述产品图像,确定裂纹信息,包括:
对所述产品图像进行分割处理,确定橡胶制品图像以及产品边缘线,所述橡胶制品图像为产品图像中包含橡胶制品的图像;
基于所述橡胶制品图像以及所述产品边缘线,确定目标图像,所述目标图像为所述橡胶制品图像中包含所述产品边缘线的图像区域;
对所述橡胶制品图像进行特征提取,确定特征信息,所述特征信息包含纹理特征信息、形状特征信息以及颜色特征信息;
基于所述特征信息以及所述目标图像,确定所述裂纹信息。
3.根据权利要求1所述的一种橡胶制品缺陷检测方法,其特征在于,所述确定裂纹信息的边缘圆滑度,包括:
根据所述裂纹信息,确定裂纹边缘线;
基于所述裂纹边缘线,确定边缘线交叉点信息,所述边缘线交叉点信息包含边缘线交叉点位置以及交叉点数量;
根据所述边缘线交叉点信息,确定所述边缘圆滑度。
4.根据权利要求1所述的一种橡胶制品缺陷检测方法,其特征在于,所述根据产品标准信息,确定缺陷结果,所述产品标准信息包含所述褶皱信息、所述裂纹信息以及评定标准,包括:
基于所述褶皱信息以及所述裂纹信息,确定产品完整度以及产品加工节点;
若所述产品完整度小于预设产品完整度,则确定缺陷影响度;
根据所述缺陷影响度以及所述评定标准,确定缺陷严重性;
基于所述产品加工节点以及所述缺陷严重性,确定缺陷结果。
5.根据权利要求4所述的一种橡胶制品缺陷检测方法,其特征在于,所述基于所述产品加工节点以及所述缺陷严重性,确定缺陷结果,包括:
基于所述产品加工节点以及所述缺陷严重性,确定每个所述产品加工节点的缺陷关联性;
基于所述缺陷关联性,确定候选节点,所述候选节点为造成橡胶制品残缺的候选产品加工节点;
获取所述候选节点的加工信息,所述加工信息包含操作信息以及材料信息;
若所述加工信息与预设加工信息不一致,则确定所述候选节点为不合格节点;
基于所述不合格节点,确定缺陷结果。
6.根据权利要求1所述的一种橡胶制品缺陷检测方法,其特征在于,所述确定缺陷结果,之前还包括:
获取订单信息;
基于所述订单信息,确定产品信息,所述产品信息包含橡胶制品规格、尺寸、用途;
基于产品信息,确定所述评定标准。
7.根据权利要求5所述的一种橡胶制品缺陷检测方法,其特征在于,所述确定缺陷结果,之后还包括:
基于所述缺陷结果以及所述不合格节点,确定缺陷原因;
根据所述缺陷原因,确定改进措施。
8.一种橡胶制品缺陷检测装置,其特征在于,包括:
产品图像获取模块,用于获取橡胶制品在生产时的产品图像,所述产品图像包含在制造橡胶制品时每个制作流水线节点橡胶制品正反面的产品图像;
第一信息确定模块,用于根据所述产品图像,确定裂纹信息;
边缘圆滑度确定模块,用于若所述裂纹信息与预设裂纹信息匹配失败,则确定裂纹信息的边缘圆滑度,所述边缘圆滑度为表征裂纹信息对应的边缘光滑程度;
第二信息确定模块,用于若所述边缘圆滑度小于预设边缘圆滑度,则确定正面裂纹信息以及反面裂纹信息;
缺陷结果确定模块,用于若所述正面裂纹信息与所述反面裂纹信息不匹配,则根据产品标准信息,确定缺陷结果,所述产品标准信息包含褶皱信息以及评定标准。
9.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~7任一项所述的一种橡胶制品缺陷检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的一种橡胶制品缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410240000.2A CN117876359B (zh) | 2024-03-04 | 2024-03-04 | 一种橡胶制品缺陷检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410240000.2A CN117876359B (zh) | 2024-03-04 | 2024-03-04 | 一种橡胶制品缺陷检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117876359A true CN117876359A (zh) | 2024-04-12 |
CN117876359B CN117876359B (zh) | 2024-06-14 |
Family
ID=90581546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410240000.2A Active CN117876359B (zh) | 2024-03-04 | 2024-03-04 | 一种橡胶制品缺陷检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117876359B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894423A (zh) * | 2017-11-08 | 2018-04-10 | 安吉汽车物流股份有限公司 | 车身表面质损自动检测设备及方法、车辆智能检测系统 |
CN111291814A (zh) * | 2020-02-15 | 2020-06-16 | 河北工业大学 | 基于卷积神经网络与信息熵数据融合策略的裂纹识别算法 |
CN111899230A (zh) * | 2020-07-15 | 2020-11-06 | 重庆大学 | 基于钢铸坯低倍组织三维特征的质量量化及自动多级评判方法 |
CN112083062A (zh) * | 2019-06-13 | 2020-12-15 | 宝山钢铁股份有限公司 | 一种基于涡流探伤的方坯角部表面缺陷检测方法 |
CN113686874A (zh) * | 2021-08-16 | 2021-11-23 | 沭阳林冉塑业有限公司 | 一种基于人工智能的机械零件损伤检测方法及系统 |
CN114331986A (zh) * | 2021-12-21 | 2022-04-12 | 中国长江三峡集团有限公司 | 一种基于无人机视觉的坝体裂纹识别与测量方法 |
CN114943415A (zh) * | 2022-04-15 | 2022-08-26 | 上海波士内智能科技有限公司 | 一种基于知识图谱的金属焊接缺陷根因分析方法 |
CN115452723A (zh) * | 2022-10-09 | 2022-12-09 | 西安科技大学 | 一种桥梁工程用的桥梁缺陷检测设备及缺陷识别方法 |
CN116310360A (zh) * | 2023-05-18 | 2023-06-23 | 实德电气集团有限公司 | 一种电抗器表面缺陷检测方法 |
CN116443639A (zh) * | 2023-05-09 | 2023-07-18 | 中国科学院宁波材料技术与工程研究所 | 热塑性预浸料片材切边和表面缺陷检测及贴标装置 |
-
2024
- 2024-03-04 CN CN202410240000.2A patent/CN117876359B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107894423A (zh) * | 2017-11-08 | 2018-04-10 | 安吉汽车物流股份有限公司 | 车身表面质损自动检测设备及方法、车辆智能检测系统 |
CN112083062A (zh) * | 2019-06-13 | 2020-12-15 | 宝山钢铁股份有限公司 | 一种基于涡流探伤的方坯角部表面缺陷检测方法 |
CN111291814A (zh) * | 2020-02-15 | 2020-06-16 | 河北工业大学 | 基于卷积神经网络与信息熵数据融合策略的裂纹识别算法 |
CN111899230A (zh) * | 2020-07-15 | 2020-11-06 | 重庆大学 | 基于钢铸坯低倍组织三维特征的质量量化及自动多级评判方法 |
CN113686874A (zh) * | 2021-08-16 | 2021-11-23 | 沭阳林冉塑业有限公司 | 一种基于人工智能的机械零件损伤检测方法及系统 |
CN114331986A (zh) * | 2021-12-21 | 2022-04-12 | 中国长江三峡集团有限公司 | 一种基于无人机视觉的坝体裂纹识别与测量方法 |
CN114943415A (zh) * | 2022-04-15 | 2022-08-26 | 上海波士内智能科技有限公司 | 一种基于知识图谱的金属焊接缺陷根因分析方法 |
CN115452723A (zh) * | 2022-10-09 | 2022-12-09 | 西安科技大学 | 一种桥梁工程用的桥梁缺陷检测设备及缺陷识别方法 |
CN116443639A (zh) * | 2023-05-09 | 2023-07-18 | 中国科学院宁波材料技术与工程研究所 | 热塑性预浸料片材切边和表面缺陷检测及贴标装置 |
CN116310360A (zh) * | 2023-05-18 | 2023-06-23 | 实德电气集团有限公司 | 一种电抗器表面缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
张瀚丹 等: ""基于视觉的汽车装配件缺陷检测研究进展"", 《仪器仪表学报》, 31 August 2023 (2023-08-31), pages 1 - 20 * |
韩建民: ""橡胶轮胎内部缺陷检测技术研"", 《汽车零部件》, 28 September 2022 (2022-09-28), pages 149 - 151 * |
Also Published As
Publication number | Publication date |
---|---|
CN117876359B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111078908B (zh) | 一种数据标注的检测方法和装置 | |
EP4280153A1 (en) | Defect detection method, apparatus and system | |
TWI525317B (zh) | 整合影像分析與資料挖礦之自動光學檢測缺陷影像分類方法 | |
CN114627092A (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN116152257B (zh) | 应用于传感器的检测信息优化方法、服务器及介质 | |
US11721229B2 (en) | Question correction method, device, electronic equipment and storage medium for oral calculation questions | |
CN111223078B (zh) | 瑕疵等级判定的方法及存储介质 | |
CN111242899B (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
CN108955901B (zh) | 一种红外测温方法、系统及终端设备 | |
CN111758117B (zh) | 检查系统、识别系统以及学习数据生成装置 | |
US20230401691A1 (en) | Image defect detection method, electronic device and readable storage medium | |
CN113313704B (zh) | 一种集成电路引脚检测方法、装置、终端及存储介质 | |
CN112200776A (zh) | 芯片封装缺陷检测方法和检测装置 | |
CN109118476B (zh) | 一种零部件边缘轮廓完整性检测方法及装置 | |
CN111680546A (zh) | 注意力检测方法、装置、电子设备及存储介质 | |
CN111124896B (zh) | 一种主次峰值比计算算法的蜕变测试系统 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN106815830A (zh) | 图像的缺陷检测方法 | |
CN114881996A (zh) | 缺陷检测方法及装置 | |
CN112633327B (zh) | 分阶段金属表面缺陷检测方法、系统、介质、设备及应用 | |
CN117876359B (zh) | 一种橡胶制品缺陷检测方法、装置、设备及介质 | |
CN114862740A (zh) | 瑕疵检测方法、装置、电子设备及计算机可读存储介质 | |
US20240013369A1 (en) | Image defect detecting system, generation method of image defect detecting system and non-transitory computer readable medium | |
CN113870754B (zh) | 一种面板检测电子信号缺陷判定的方法和系统 | |
CN113111734B (zh) | 一种水印分类模型训练方法及装置 |
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 |