CN212301356U - 一种轮毂焊缝视觉检测装置 - Google Patents
一种轮毂焊缝视觉检测装置 Download PDFInfo
- Publication number
- CN212301356U CN212301356U CN202021810453.8U CN202021810453U CN212301356U CN 212301356 U CN212301356 U CN 212301356U CN 202021810453 U CN202021810453 U CN 202021810453U CN 212301356 U CN212301356 U CN 212301356U
- Authority
- CN
- China
- Prior art keywords
- hub
- wheel hub
- detection
- welding seam
- sliding guide
- 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
Images
Abstract
本实用新型属于工业检测技术领域,公开了一种轮毂焊缝视觉检测装置,通过输送装置将轮毂由上一工序传送到检测平台,当轮毂到达预定位置并触发第一光电传感器时,图像采集装置开始对轮毂焊缝进行取像,获取到的图像信息会传输到图像工作站进行处理并判断轮毂焊缝是否合格,结果是焊缝无缺陷则检测结束,检测结果是焊缝存在缺陷,则在轮毂经过第二个光电传感器时启动缺陷工件顶出装置,将不合格轮毂顶出到缺陷工件回收滚道上,回收缺陷工件;控制输送装置、图像采集装置和缺陷工件顶出装置的动作通过信号连接PLC进行控制。本实用新型从图像采集到自动检测,再到缺陷工件顶出的检测流程,实现了在生产线上加装智能检测装置。
Description
技术领域
本实用新型属于工业检测技术领域,尤其涉及一种轮毂焊缝视觉检测装置。
背景技术
目前,轮毂的焊缝缺陷多为表面缺陷,在实际生产中多采用人工目测的方法进行表面缺陷检测,但此方法存在检测效率低,依赖检测人员水平,并且检测人员容易疲劳等问题,因此存在漏检或误检的情况。
基于深度学习的目标检测算法速度快、准确率高,在应用方面已经取得许多成果。特别是2018年提出的YOLOv3算法,其对于限定种类的目标检测具有极高的检测速度和较高的准确率,因此不少学者将YOLOv3算法应用于工业领域。
通过上述分析,现有技术存在的问题及缺陷为:现有检测方法多为人工目测检测,其检测效率低,依赖检测人员水平,存在漏检或误检;使用传统机器视觉检测方法存在依靠人工设计特征提取算法的问题,并且该方法通用性较差,鲁棒性不足,难以满足轮毂生产企业的实时在线检测需求和对检测准确率的高要求。
解决以上问题及缺陷的难度为:设计整体检测流程方案,搭建轮毂传输机构,轮毂焊缝自动采集装置和不合格轮毂筛选机构。需要选择合适的开源算法并进行改进,来满足生产企业的实时性和高精度要求。
解决以上问题及缺陷的意义为:实现轮毂焊缝缺陷的智能检测代替人工目测,提高了生产效率,满足了轮毂生产企业的焊缝缺陷实时在线检测需求。该方法可以快速高效地识别轮毂焊缝缺陷,并且鲁棒性高、通用性强,可以适应不同的生产环境,也可以根据需求增加识别焊缝缺陷的种类。
实用新型内容
针对现有技术存在的问题,本实用新型提供了一种轮毂焊缝视觉检测装置。
本实用新型是这样实现的,一种轮毂焊缝视觉检测装置包括输送装置;
通过所述输送装置将轮毂由上一工序传送到检测平台,当轮毂到达预定位置并触发第一光电传感器时,图像采集装置开始对轮毂焊缝进行取像,获取到的图像信息会传输到图像工作站进行处理并判断轮毂焊缝是否合格,结果是焊缝无缺陷则检测结束,轮毂传输至下一工序;检测结果是焊缝存在缺陷,则在轮毂经过第二个光电传感器时启动缺陷工件顶出装置,将不合格轮毂顶出到缺陷工件回收滚道上,回收缺陷工件;
所述输送装置、图像采集装置和缺陷工件顶出装置的通过信号连接PLC。
PLC用于控制输送装置、图像采集装置和缺陷工件顶出装置进行动作。
所述输送装置包括主动滚筒、从动滚筒;所述主动滚筒、从动滚筒上安装胶质传送带。
轴承和轴承杯组合后用螺钉固定在轴承套上,所述轴承套在主动滚筒、从动滚筒上;所述轴承套为多个。
铝型材器件分别连接主动滚筒、从动滚筒同一端的轴承套,并且在连接时加装有松紧块,用于调节主动滚筒、从动滚筒的距离。
在主动滚筒轴和步进电机输出轴上安装链轮并用链条进行连接,用于步进电机到主动滚筒的动力传输。
图像采集装置包括具有更多感光镜片的面阵CCD相机、旋转式检测框架;所述面阵CCD相机安装在旋转式检测框架上;所述旋转式检测框架包括:圆盘传送带、圆盘、圆盘支架、旋转电机。
所述圆盘传送带安装在圆盘上;圆盘安装在圆盘支架上端;旋转电机通过轴套连接在圆盘下方。
工业相机通过一根固定杆与圆盘支架连接。
所述缺陷工件顶出装置用于将确定的缺陷工件从原先的输送装置上推到另一条与其垂直的输送装置上,进行回收或者再加工;采用双作用单杆活塞式液压缸作为动力原件,并且用电磁换向阀与PLC相连进行控制,配合第二光电传感器实现对不合格轮毂的筛选;所述双作用单杆活塞式液压缸固定在滑动导杆固定板上;滑动导杆固定板两侧的滑动导杆孔上贯穿有自由滑动的滑动导杆;包括左滑动导杆和右滑动导杆;双作用单杆活塞式液压缸的顶端、左滑动导杆和右滑动导杆均与推板连接。
结合上述的所有技术方案,本实用新型所具备的优点及积极效果为:本实用新型的输送装置可以在实际应用中完成轮毂工件的输送任务,从而实现了轮毂生产流水线和轮毂焊缝视觉检测装置的连接任务。此外,本实用新型的图像采集装置可以准确地识别、分类与定位轮毂焊缝缺陷,从而实现了轮毂焊缝缺陷的智能检测,代替人工目测。最后,本实用新型的工件顶出装置实现了轮毂焊缝缺陷检测的自动化分类,节省了人工成本,提高了生产效率。本实用新型所使用的深度学习目标检测算法的单张检测时间不超过22毫秒,检测效率较高。因此,本实用新型的轮毂焊缝视觉检测系统可以满足轮毂生产企业的生产线节拍要求,实现轮毂焊缝缺陷的实时在线检测。
本实用新型针对检测装置在实际生产中应用的问题,设计了从图像采集到自动检测,再到缺陷工件顶出的检测流程,实现了在生产线上加装智能检测。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,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是本实用新型实施例提供的基于轮毂焊缝视觉检测装置结构示意图。
图1中:1、输送装置;2、图像采集装置;3、缺陷工件顶出装置;4、轮毂;5、检测平台;6、第一光电传感器;7、第二个光电传感器。
图2是本实用新型实施例提供的旋转式检测框架结构示意图。
图2中:8、圆盘传送带;9、圆盘;10、圆盘支架;11、旋转电机。
图3是本实用新型实施例提供的缺陷工件顶出装置示意图。
图3中:12、双作用单杆活塞式液压缸;13、左滑动导杆;14、右滑动导杆;15、推板。
具体实施方式
为了使本实用新型的目的、技术方案及优点更加清楚明白,以下结合实施例,对本实用新型进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本实用新型,并不用于限定本实用新型。
针对现有技术存在的问题,本实用新型提供了一种轮毂焊缝视觉检测方法及检测系统,下面结合附图对本实用新型作详细的描述。
如图1所示,本实用新型实施例提供的轮毂焊缝视觉检测装置目的是为了实现基于改进YOLOv3轮毂焊缝智能检测方法的工件传输和筛选功能,同时完成轮毂焊缝图像采集工作,解决了图像采集模糊不精确的问题,通过PLC使得智能检测系统包括的模块和机械结构相互配合,有效而准确的对轮毂焊缝进行定位并且在分类识别焊缝缺陷后对合格轮毂与不合格轮毂做筛选。
本实用新型实施例提供的基于YOLOV3的轮毂焊缝视觉检测装置的机械结构主要构成有输送装置1、图像采集装置(CCD相机)2和缺陷工件顶出装置3。还包括PLC,PLC控制输送装置1、图像采集装置(CCD相机)2和缺陷工件顶出装置进行工作。
为了保障轮毂自动化生产线高质量、高效率生产,需要将轮毂焊缝智能检测系统和轮毂自动化生产线相匹配,同时满足生产线节拍要求和焊缝缺陷检测精度要求。轮毂生产线的相关参数为生产线滚道高度1.35米,生产线滚道速度8.64米/分钟,轮毂焊接机器人单工位节拍12.5s/件,轮毂重量10kg,轮毂最小圆周半径150mm,轮毂最大圆周半径400mm。
本实用新型的整体检测流程如下:在实际生产过程中通过输送装置1将轮毂4由上一工序传送到检测平台5,当轮毂4到达预定位置并触发第一光电传感器6时,图像采集装置2开始对轮毂4焊缝进行取像,获取到的图像信息会传输到图像工作站进行处理并判断轮毂焊缝是否合格,若其结果是焊缝无缺陷则检测结束,轮毂4传输至下一工序;若检测结果是焊缝存在缺陷,则在轮毂经过第二个光电传感器7时启动缺陷工件顶出装置3,将不合格轮毂顶出到缺陷工件回收滚道上,回收缺陷工件。其结构简图如图3所示。
本实用新型的输送装置1选用传送带输送,单个输送装置的主要构成如下。首先,滚筒选用76×150×20(直径×长度×轴头直径)尺寸,单个输送装置共计2个分为主动滚筒和从动滚筒。其次,将轴承(6204)和轴承杯(6204)组合后用螺钉固定在轴承套(4080)上,共计4组。在主从动滚筒上安装胶质传送带,传送带尺寸为2118×150×3(周长×宽度×厚度)。将4组组合完成的轴承套分别套在主从动滚筒上,然后使用国标4080铝型材分别连接主从动滚筒同一端的轴承套,并且在连接时加装松紧L块,从而调节主从动滚筒的距离,实现传送带张紧程度调节功能。使用国标4040铝型材(150mm)支撑整个传送带,采用4040角码连接4040铝型材和4080铝型材,其中使用13FM8螺母和M8×16螺栓固定。最后,分别在主动滚筒轴和步进电机输出轴上安装链轮并用链条进行连接,实现电机到主动滚筒的动力传输。
本实用新型根据检测平台5尺寸确定了传送带周长,并更具轮毂的实际重量以及传送速度要求不少于8米/分钟确定了驱动传送带电机的功率。
由于轮毂焊缝图像区域较大,为了保证取像的准确性,本系统的图像采集装置采用具有更多感光镜片的面阵CCD相机,具体型号是凌云光技术集团有限责任公司研发生产的BFS-U3-89S6C-C型号的面阵CCD传感器工业相机。同时采用USB3.0作为输出接口,该接口能够直接输出数字图像信号,成本低,应用广,传输速度快。装置启动后待检测轮毂会不断地传送至检测平台,在检测平台上进行取像,一般一个轮毂有4条焊缝,需要保证图像采集装置能够清晰完整地获取每条焊缝图像。将工业相机安装在轮毂中心正上方且与焊缝成30度夹角,为了降低成本以及节约占地空间,图像采集装置的机电结构部分采用旋转式检测框架方案,结构如图2所示。包括:圆盘传送带8、圆盘9、圆盘支架10、旋转电机11。
所述圆盘传送带8安装在圆盘9上;圆盘9安装在圆盘支架10上端;旋转电机11通过轴套连接在圆盘9下方。圆盘传送带8与上述输送装置1的传送带在结构和选材上基本相同,不同点在于圆盘传送带8的底部与圆盘9连接,在旋转电机11的带动下,实现轮毂工件的旋转运动,使得工业相机取像更加完整和清晰。工业相机通过一根固定杆与圆盘支架10连接,通过调整工业相机安装角度使其可以更完整地获取待检测轮毂焊缝图像。
缺陷工件顶出装置3主要作用是将确定的缺陷工件从原先的输送装置上推到另一条与其垂直的输送装置上,进行回收或者再加工,考虑到轮毂属于重型金属工件,所以采用双作用单杆活塞式液压缸12作为动力原件,并且用电磁换向阀与PLC相连进行控制,配合第二光电传感器7实现对不合格轮毂的筛选功能。结构如图3所示。
双作用单杆活塞式液压缸12固定在滑动导杆固定板上;滑动导杆固定板两侧的滑动导杆孔上贯穿有自由滑动的滑动导杆;包括左滑动导杆13和右滑动导杆14;双作用单杆活塞式液压缸12的顶端、左滑动导杆13和右滑动导杆14均与推板15连接。
本实用新型选用机电传动控制器为三菱的Q35BPLC,使用该PLC控制步进电机从而达到控制传送带启停的功能,实现对待测轮毂的准确限位并保证相机位于轮毂的正上方,以确保图像信息的质量。在检测系统的图像采集装置开始工作后,控制旋转电机完成旋转取像,获取到的图像通过接口传输到工作站进行处理。在得到检测系统输出结果后,控制缺陷工件顶出装置3在合适位置将不合格轮毂顶出到缺陷工件回收传送带上。
本实用新型实施例提供的利用验证好的智能检测系统对轮毂焊缝进行视觉检测包括:
首先,输送装置将轮毂输送至预订位置;当轮毂于预订位置触发光电传感器时,利用面阵CCD相机对焊缝进行图像信息采集;
其次,对采集的图像信息进行处理并基于处理后的图像信息判断轮毂焊缝是否合格;若合格,则将检测后的轮毂利用输送装置传输至下一生产工序;若轮毂检测不合格,则在轮毂经过第二个光电传感器时启动顶出装置,将不合格轮毂顶出到缺陷工件回收滚道上,回收缺陷工件。
下面结合具体实施例对本实用新型的技术效果作进一步描述。
实施例:
1)轮毂焊缝检测实验平台搭建
在轮毂的生产过程中,依靠人工检测轮毂焊缝的焊接质量,筛选出不合格产品,检测平台的主要构成有输送装置、图像采集装置和缺陷工件顶出装置,其检测流程如下:在实际生产过程中轮毂是由输送装置从上一工序传送到检测平台上的,当轮毂到达预订位置并触发光电传感器时,图像采集装置对焊缝进行取像,获取到的图像信息会通过接口传输到计算机进行处理并判断轮毂焊缝是否合格,若其结果是焊缝无缺陷则检测结束,传输至下一生产工序;若检测结果是焊缝存在缺陷,则在轮毂经过第二个光电传感器时启动顶出装置,将不合格轮毂顶出到缺陷工件回收滚道上,回收缺陷工件。
输送装置使用步进电机驱动和PLC控制,以胶带作为传送带,将轮毂传送至各工位,图像采集装置采用面阵CCD相机。装置启动后,待检测轮毂会不断从上一工位传送至检测平台,在检测平台上进行取像,保证系统通过相机可以对每条焊缝进行检测,一般一个轮毂有4条焊缝。通过PLC来严格控制电机的启停,实现对待测轮毂的准确限位并保证相机位于轮毂的正上方,以确保采集图像信息的质量。整个过程中如果速度太低,会影响生产效率,如果速度太快会影响图像的清晰度,从而影响检测准确率,故既要满足生产节拍又要尽量准确无误,检测平台具有可靠的稳定性也是一个重要的评价指标。
2)设计检测试验流程
在搭建好检测系统模拟平台后,需要对智能检测系统的检测效果进行试验验证,来证明智能检测系统的算法性能达标,实现替代人工检测的目的。本实用新型使用的YOLOv3算法,是将缺陷检测问题转化为回归分类问题。试验流程大体可分为图像数据采集,制作数据集,训练模型,测试模型和对比分析。
试验首先需要采集轮毂焊缝图像,然后对采集的图像做预处理,调整图像大小以及对图像进行分类,接着使用图像标注工具对各类图像进行标注,并且制作轮毂焊缝缺陷的数据集,数据集包含了用于模型训练的训练集,用于评价模型性能的验证集和用于模拟真实检测试验的测试集。试验分别采用YOLOv3算法和改进后的YOLOv3算法进行训练,然后进行识别检测试验,对检测结果数据进行分析,通过检测结果分析进一步调整参数,优化基于YOLOv3的轮毂焊缝检测算法来得到更高的检测准确率,其整体试验流程图如图2所示。
3)图像数据采集与标注
图像数据采集使用相机拍照获取,保证图像中的轮毂焊缝清晰完整,采集的图像来源于工厂中的轮毂焊缝缺陷样本,对训练集和验证集的图像进行人工标注。基于深度学习的目标检测模型的训练需要大量的标注样本,理论上样本数量越多训练出来的模型检测效果越好,所以想训练出一个识别准确率高的模型就需要对大数量,多情况类型的数据样本进行标注。本次试验使用开源图像标定工具LabelImg。
本实用新型对常见的轮毂焊缝缺陷类型进行分析究后,将焊缝缺陷划分为断弧、焊瘤、偏焊、起弧不良和气孔,并作为不同类别进行分类标注,用于训练和检测,最终共标记图片1356张,随机选取一部分作为验证集,剩余的作为训练集。其中断弧缺陷标记256张,219张作为训练集,57张划分为验证集;焊瘤缺陷共标记276张,213张作为训练集,63张划分为验证集;偏焊缺陷共标记273张,203张作为训练集,70张作为验证集;起弧不良缺陷共标注254张,188张作为训练集,66张作为验证集;气孔缺陷共标注277张,209张作为训练集,68张划分为验证集。各数据集的比例大约为7:2:1。因为实际生产过程中焊缝有缺陷是一个小概率事件,所以在测试集中加入了603张完好无缺陷的焊缝图像作为干扰项,可以更贴合实际应用,统计结果如表1所示。
表1数据集中各类别图片数量
以上所述,仅为本实用新型的具体实施方式,但本实用新型的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本实用新型揭露的技术范围内,凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本实用新型的保护范围之内。
Claims (5)
1.一种轮毂焊缝视觉检测装置,其特征在于,所述轮毂焊缝视觉检测装置包括输送装置;
所述输送装置将轮毂由上一工序传送到检测平台,所述检测平台上安装有检测轮毂到达预定位置的第一光电传感器;
所述检测平台上方安装有用于用于检测轮毂焊缝是否合格的图像采集装置;
所述检测平台上还安装有用于对焊缝存在缺陷的轮毂运行位置检测的第二个光电传感器;
与所述第二个光电传感器连接,用于将焊缝存在缺陷的轮毂顶出到缺陷工件回收滚道上的缺陷工件顶出装置;
所述输送装置、图像采集装置和缺陷工件顶出装置通过信号连接PLC。
2.如权利要求1所述轮毂焊缝视觉检测装置,其特征在于,所述输送装置包括主动滚筒、从动滚筒;所述主动滚筒、从动滚筒上安装胶质传送带;
轴承和轴承杯组合后用螺钉固定在轴承套上,所述轴承套在主动滚筒、从动滚筒上;所述轴承套为多个;
铝型材器件分别连接主动滚筒、从动滚筒同一端的轴承套,并且在连接时加装有松紧块,用于调节主动滚筒、从动滚筒的距离;
在主动滚筒轴和步进电机输出轴上安装链轮并用链条进行连接,用于步进电机到主动滚筒的动力传输。
3.如权利要求1所述轮毂焊缝视觉检测装置,其特征在于,图像采集装置包括具有更多感光镜片的面阵CCD相机、旋转式检测框架;所述面阵CCD相机安装在旋转式检测框架上;所述旋转式检测框架包括:圆盘传送带、圆盘、圆盘支架、旋转电机;
所述圆盘传送带安装在圆盘上;圆盘安装在圆盘支架上端;旋转电机通过轴套连接在圆盘下方。
4.如权利要求3所述轮毂焊缝视觉检测装置,其特征在于,工业相机通过一根固定杆与圆盘支架连接。
5.如权利要求1所述轮毂焊缝视觉检测装置,其特征在于,所述缺陷工件顶出装置包括:
双作用单杆活塞式液压缸,所述双作用单杆活塞式液压缸固定在滑动导杆固定板上;滑动导杆固定板两侧的滑动导杆孔上贯穿有自由滑动的滑动导杆;包括左滑动导杆和右滑动导杆;双作用单杆活塞式液压缸的顶端、左滑动导杆和右滑动导杆均与推板连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021810453.8U CN212301356U (zh) | 2020-08-26 | 2020-08-26 | 一种轮毂焊缝视觉检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202021810453.8U CN212301356U (zh) | 2020-08-26 | 2020-08-26 | 一种轮毂焊缝视觉检测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN212301356U true CN212301356U (zh) | 2021-01-05 |
Family
ID=73937620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202021810453.8U Active CN212301356U (zh) | 2020-08-26 | 2020-08-26 | 一种轮毂焊缝视觉检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN212301356U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112858332A (zh) * | 2021-02-22 | 2021-05-28 | 菲特(珠海横琴)智能科技有限公司 | 基于机器视觉的同步器齿毂表面缺陷检测方法、系统、终端 |
CN114486923A (zh) * | 2022-03-14 | 2022-05-13 | 南通理工学院 | 基于压缩感知的轴类零件表面缺陷在线连续检测装置及方法 |
CN114755178A (zh) * | 2022-03-03 | 2022-07-15 | 燕山大学 | 一种轮毂表面缺陷自动检测装置 |
-
2020
- 2020-08-26 CN CN202021810453.8U patent/CN212301356U/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112858332A (zh) * | 2021-02-22 | 2021-05-28 | 菲特(珠海横琴)智能科技有限公司 | 基于机器视觉的同步器齿毂表面缺陷检测方法、系统、终端 |
CN114755178A (zh) * | 2022-03-03 | 2022-07-15 | 燕山大学 | 一种轮毂表面缺陷自动检测装置 |
CN114755178B (zh) * | 2022-03-03 | 2024-02-02 | 燕山大学 | 一种轮毂表面缺陷自动检测装置 |
CN114486923A (zh) * | 2022-03-14 | 2022-05-13 | 南通理工学院 | 基于压缩感知的轴类零件表面缺陷在线连续检测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN212301356U (zh) | 一种轮毂焊缝视觉检测装置 | |
CN111929314A (zh) | 一种轮毂焊缝视觉检测方法及检测系统 | |
CN109724984B (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
CN109374635B (zh) | 一种口罩缺陷检测装置及方法 | |
CN109115785B (zh) | 一种铸件打磨质量检测方法、装置及其使用方法 | |
CN110216080A (zh) | 一种基于图像对比的pcb加工产线的质量监控系统 | |
CN102621156B (zh) | 基于图像处理的微小零件自动分拣系统 | |
CN109499908A (zh) | 一种用于机械零件的视觉检测系统 | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
CN113030108A (zh) | 一种基于机器视觉的涂层缺陷检测系统与方法 | |
CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
CN112452801A (zh) | 一种高效率的玻璃瓶缺陷在线检测装置及其工作方法 | |
CN108844966A (zh) | 一种屏幕检测方法及检测系统 | |
CN113245242B (zh) | 一种载玻片缺陷检测分拣系统 | |
CN112056614A (zh) | 一种带有翻转结构的烟支外观检测装置 | |
CN206656692U (zh) | 一种气弹簧杆的多工位无损检测设备 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN111220544A (zh) | 一种镜片质量检测装置及检测方法 | |
CN106353336A (zh) | 一种镜片镀膜自动检测系统 | |
CN104722496A (zh) | 光伏电池板在线缺陷检测和分拣装置 | |
CN114252452A (zh) | 一种小型回转体外观缺陷和轮廓尺寸在线检测装置及方法 | |
CN109693140A (zh) | 一种智能化柔性生产线及其工作方法 | |
CN112881427A (zh) | 可见光和红外热成像的电子元器件缺陷检测装置及方法 | |
CN103292993A (zh) | 一种齿轮检测装置 | |
CN111929239A (zh) | 一种pcb板零件缺陷的aoi检测装置及检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |