FI122806B - Metoden och produkten för detektering avvikelser - Google Patents
Metoden och produkten för detektering avvikelser Download PDFInfo
- Publication number
- FI122806B FI122806B FI20050706A FI20050706A FI122806B FI 122806 B FI122806 B FI 122806B FI 20050706 A FI20050706 A FI 20050706A FI 20050706 A FI20050706 A FI 20050706A FI 122806 B FI122806 B FI 122806B
- Authority
- FI
- Finland
- Prior art keywords
- image data
- previous
- weighted
- filtered
- additional information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 13
- 238000011179 visual inspection Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000007704 transition Effects 0.000 description 7
- 239000000047 product Substances 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 238000002203 pretreatment Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000003612 virological effect Effects 0.000 description 2
- 101100518501 Mus musculus Spp1 gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005470 impregnation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011045 prefiltration Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 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
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
- G01N21/8983—Irregularities in textured or patterned surfaces, e.g. textiles, wood for testing textile webs, i.e. woven material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
En ny metod finns för behandling av bilddata för att detektera avvikelser på en bana. Banan övervakas med minst en kamera, varvid genereras en bild med en eller flera pixlar i banans tvärriktning och en eller flera pixlar i banans längsriktning. Bilddata lagras i ett minne. En processor behandlar bilddata genom att skapa filtrerade bilddata genom att vikta bilddata och kombinera viktade bilddata och minst en uppsättning viktade tidigare bilddata och viktade tidigare filtrerade bilddata och utföra filtrering med minst en ickelinjär algoritm. Filtrerade bilddata lagras i ett minne.
Claims (26)
1. Ett förfarande för behandling av bilddata för upptäckt av avvikelser i en produktbana (11), vid vilket förfarande produktbanan (11) övervakas med 5 ätminstone en kamera (13), bildas ätminstone en bild bestäende av flera pixlar (51- 56. för att bilda bilddata (x(n)), och bilddata (x(n)) sparas i minne, kännetecknat av att bilddata (x(n)) behandlas för att bilda processorfiltrerad bilddata (y(n)); och för att bilda filtrerad bilddata (y(n)) viktas bilddata (x(n), Cl0, b0) och ätminstone ett av följande: tidigare bilddata (x(n), 52-55, ai-a4; b0) frän den lokala 10 omgivningen för bilddata (x(n)) och tidigare filtrerad bilddata (y(n), 52-55, bi-b4) frän den lokala omgivningen för bilddata (x(n)), i en riktning, vilken rikming är beroende av resultatet frän den föregäende filtreringen (300); viktade bilddata förenas (310, 311) ätminstone med ett av följande: viktade tidigare bilddata frän den lokala omgivningen för bilddata (x(n), a(), b0) och viktade tidigare filtrerade 15 bilddata frän den lokala omgivningen för bilddata (x(n), a0, b()); filtreringen (300) styrs med ätminstone en olinjär algoritm (301); filtrerade bilddata (y(n)) bildas, och filtrerade bilddata (y(n)) trösklas (23) och trösklade bilddata sparas i minne.
2. Ett förfarande enligt patentkrav 1, kännetecknat av att för att bilda filtrerade bilddata (y(n)) är riktningen för viktade tidigare bilddata (x(n), 52-55, ai-a4) 20 och/eller tidigare filtrerade bilddata (y(n), 52-55, b|-b4) 0° (52) eller 45° (53) eller 90° (54) eller 135° (55).
3. Ett förfarande enligt patentkrav 1, kännetecknat av att för att bilda filtrerade o bilddata (y(n)) är riktningen för viktade tidigare bilddata (x(n), 52-55, ai-a4) oj och/eller tidigare filtrerade bilddata (y(n), 52-55, bi-b4) inte beroende av i o 25 riktningen för den föregäende viktningen av tidigare bilddata och/eller tidigare x filtrerade bilddata. CC CL o
4.Ett förfarande enligt patentkrav 1, kännetecknat av att för att bilda filtrerade S bilddata (y(n)) är riktningen för viktade tidigare bilddata (x(n), 52-55, ai-a4) cm och/eller tidigare filtrerade bilddata (y(n), 52-55, bi-b4) beroende av riktningen för 30 den föregäende viktningen av tidigare bilddata och/eller tidigare filtrerade bilddata.
5. Ett förfarande enligt patentkrav 1, kännetecknat av att för att bilda filtrerade bilddata (y(n)) är riktningen för viktade tidigare bilddata (x(n), 52-55, ai-a4) och/eller tidigare filtrerade bilddata (y(n), 52-55, bi-b4) begränsad tili en smalare sektor än den föregäende sektom för tidigare bilddata och/eller tidigare filtrerade 5 bilddata.
6. Ett förfarande enligt patentkrav 1, kännetecknat av att för att bilda filtrerade bilddata (y(n)) är riktningen för viktade tidigare bilddata (x(n), 52-55, ai-a4) och/eller tidigare filtrerade bilddata (y(n), 52-55, bi-b4) förbunden med en i förväg definierad sektor eller densamma som sektom för tidigare bilddata och/eller 10 tidigare filtrerade bilddata.
7. Ett förfarande enligt nägot av patentkraven 1-6, kännetecknat av att filtreringen (300) viktas baserat pä tidigare bilddata (x(n), 52-55, ai-a4).
8. Ett förfarande enligt nägot av patentkraven 1-7, kännetecknat av att filtreringen (300) viktas baserat pä tidigare filtrerade bilddata (y(n), 52-55, bi-b4). 15
9.Ett förfarande enligt nägot av patentkraven 1-8, kännetecknat av att filtreringen (300) viktas baserat pä ätminstone en parameter.
10. Ett förfarande enligt patentkrav 1, kännetecknat av att förfarandet dessutom innefattar utnyttjande av tilläggsinformation och att tilläggsinformationen sparas i minne.
11. Ett förfarande enligt patentkrav 10, kännetecknat av att filtreringen (300) viktas i- baserat pä tilläggsinformation som erhälls ffän filtreringsprocessens föregäende fas. δ CVJ cvj
12. Ett förfarande enligt patentkrav 11, kännetecknat av att filtreringen (300) viktas i o baserat pä tilläggsinformation (314) som erhälls ffän nägot annat filter i den serie- x och/eller parallell- och/eller matrisformade filterstrukturen. CL o 25
13. Ett förfarande enligt nägot av patentkraven 1-12, kännetecknat av att filtreringen § (300) genomförs med en olinjär adaptiv algoritm, i vilken används ätminstone ett o ° av följande: maximi-, minimi- och medianfimktion.
14. Ett förfarande enligt patentkrav 13, kännetecknat av att den olinjära adaptiva algoritmen innehäller tilläggsmformation.
15. Ett förfarande enligt nägot av patentkraven 1-14, kännetecknat av att bilddata förbehandlas (21).
16. Ett förfarande enligt patentkrav 10 eller 14, kännetecknat av att tilläggsinformationen bildas baserat pä tidigare bilddata (x(n), 52-55, aj-azt) och/eller tidigare filtrerade bilddata (y(n), 52-55, bi-bzt).
17. Ett förfarande enligt patentkrav 10 eller 14, kännetecknat av att tilläggsinformationen bildas baserat pä tilläggsmformation frän de föregäende 10 filtreringsprocessema.
18. Ett förfarande enligt patentkrav 10 eller 14, kännetecknat av att tilläggsinformationen bildas baserat pä ätminstone en parameter.
19. Ett förfarande enligt patentkrav 10 eller 14, kännetecknat av att tilläggsinformationen bildas baserat pä tilläggsmformation frän det föregäende 15 filtret.
20. Ett förfarande enligt patentkrav 10 eller 14, kännetecknat av att tilläggsinformationen ställs in pä ett i förväg definierat värde.
21. Ett förfarande enligt patentkrav 10 eller 14, kännetecknat av att tilläggsinformationen innehäller riktningen för viktade tidigare bilddata (x(n), 52- 20 55, ai-a4) och/eller tidigare filtrerade bilddata (y(n), 52-55, bi-b4). δ
^ 22. Ett förfarande enligt nägot av patentkraven 1-21, kännetecknat av att kameran CVJ V (13) för övervakning av produktbanan är en linjekamera. o CM
23. Ett förfarande enligt nägot av patentkraven 1-21, kännetecknat av att kameran (13) för övervakning av produktbanan är en matriskamera. o r-· g 25
24. Ett förfarande enligt patentkrav 15, kännetecknat av att förbehandlingen (21) cm roterar bilden.
25. Ett förfarande enligt patentkrav 15, kännetecknat av att förbehandlingen (21) spegelvänder bilden.
26.1 en för datorbehandling avsedd lagringsanordning sparad datorprogramvara för genomförande av förfarandet enligt patentkrav 1, med vilken datorprogramvara 5 behandlas bilddata för upptäckt av avvikelser i en produktbana (11), varvid produktbanan (11) övervakas med ätminstone en kamera (13), bildas ätminstone en bild bestäende av flera pixlar (51-56) för bildande av bilddata (x(n)), och bilddata sparas i minne, kännetecknad av att datorprogramvaran innefattar: medel för behandling av bilddata (x(n)) med en processor; medel för viktning av bilddata 10 (x(n)) och ätminstone ett av följande: tidigare bilddata (x(n), 52-55, ai-a4, b0) frän den lokala omgivningen för bilddata (x(n)) och tidigare filtrerad bilddata (y(n), 52-55, bi-b4) frän den lokala omgivningen för bilddata (x(n)), i en riktning, vilken riktning är beroende av resultatet frän den föregäende filtreringen (300); medel för förenande (310, 311) av viktade bilddata tili ätminstone ett av följande: viktade 15 tidigare bilddata frän den lokala omgivningen för bilddata (x(n), a0, b0) och viktade tidigare filtrerade bilddata frän den lokala omgivningen för bilddata (x(n), a0, b{)); medel för styming av filtreringen (300) med ätminstone en olinjär algoritm (301); medel för bildning av filtrerade bilddata (y(n)); medel för tröskling av filtrerade bilddata (y(n)) och medel för att spara trösklade bilddata i minne. 20 δ (M C\1 o (M X cc CL CO o 1^. o m o o (M
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20050706A FI122806B (sv) | 2005-07-01 | 2005-07-01 | Metoden och produkten för detektering avvikelser |
| US11/921,226 US8000501B2 (en) | 2005-07-01 | 2006-06-22 | Method and product for detecting abnormalities |
| PCT/FI2006/000223 WO2007003685A1 (en) | 2005-07-01 | 2006-06-22 | Method and product for detecting abnormalities |
| DE112006001774.8T DE112006001774B4 (de) | 2005-07-01 | 2006-06-22 | Verfahren und Produkt zur Entdeckung von Unregelmäßigkeiten |
| CN2006800241707A CN101213575B (zh) | 2005-07-01 | 2006-06-22 | 用于检测异常的方法和产品 |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI20050706A FI122806B (sv) | 2005-07-01 | 2005-07-01 | Metoden och produkten för detektering avvikelser |
| FI20050706 | 2005-07-01 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| FI20050706A0 FI20050706A0 (sv) | 2005-07-01 |
| FI20050706A FI20050706A (sv) | 2007-01-02 |
| FI122806B true FI122806B (sv) | 2012-07-13 |
Family
ID=34803174
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FI20050706A FI122806B (sv) | 2005-07-01 | 2005-07-01 | Metoden och produkten för detektering avvikelser |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US8000501B2 (sv) |
| CN (1) | CN101213575B (sv) |
| DE (1) | DE112006001774B4 (sv) |
| FI (1) | FI122806B (sv) |
| WO (1) | WO2007003685A1 (sv) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE531120C2 (sv) * | 2007-09-25 | 2008-12-23 | Abb Research Ltd | En anordning och ett förfarande för stabilisering och visuell övervakning av ett långsträckt metalliskt band |
| US8345949B2 (en) * | 2010-03-09 | 2013-01-01 | General Electric Company | Sequential approach for automatic defect recognition |
| RU2511391C1 (ru) * | 2010-03-25 | 2014-04-10 | Джапан Тобакко Инк. | Машина и способ производства слаботлеющего полотна и способ производства слаботлеющей оберточной бумаги, используемой для сигарет |
| DE202010008084U1 (de) * | 2010-07-15 | 2011-10-21 | Eltromat Gmbh | Vorrichtung zur Überwachung des Druckergebnisses bei Rotationsdruckmaschinen |
| US8666188B2 (en) * | 2011-03-23 | 2014-03-04 | Xerox Corporation | Identifying edges of web media using textural contrast between web media and backer roll |
| US8724904B2 (en) * | 2011-10-25 | 2014-05-13 | International Business Machines Corporation | Anomaly detection in images and videos |
| FI124434B (sv) | 2012-10-31 | 2014-08-29 | Metso Automation Oy | Förfarande och anordning för övervakning av bana |
| CN102967606B (zh) * | 2012-11-02 | 2015-04-15 | 海宁市科威工业电子科技有限公司 | 一种纺织机织物瑕疵视觉检测系统 |
| CN102944181B (zh) * | 2012-11-02 | 2015-04-15 | 海宁市科威工业电子科技有限公司 | 一种整经机整经数量及纱线直径检测系统 |
| KR102023581B1 (ko) * | 2012-11-23 | 2019-09-24 | 해성디에스 주식회사 | 릴-투-릴 검사장치 및 릴-투-릴 검사방법 |
| FI126174B (sv) * | 2012-12-04 | 2016-07-29 | Valmet Automation Oy | Mätning av mjukpapper |
| JP6089335B2 (ja) * | 2013-06-07 | 2017-03-08 | パナソニックＩｐマネジメント株式会社 | シート状物の検査装置及びシート状物の検査方法 |
| EP3174006A1 (de) * | 2015-11-30 | 2017-05-31 | MULTIVAC Sepp Haggenmüller SE & Co. KG | Verfahren zum ermitteln greifbarer objekte mittels eines visionssystems |
| EP3361444A1 (en) * | 2017-02-10 | 2018-08-15 | ABB Schweiz AG | Real-time, full web image processing method and system for web manufacturing supervision |
| US20180374022A1 (en) * | 2017-06-26 | 2018-12-27 | Midea Group Co., Ltd. | Methods and systems for improved quality inspection |
| JP6809510B2 (ja) * | 2018-03-09 | 2021-01-06 | Ｊｆｅスチール株式会社 | 金属帯表面の幅方向線状模様欠陥の検査方法及び検査装置 |
| JP6996363B2 (ja) | 2018-03-12 | 2022-01-17 | 王子ホールディングス株式会社 | シート状物の欠陥検査装置及び製造方法 |
| DE102018108696B4 (de) * | 2018-04-12 | 2024-05-02 | Ims Messsysteme Gmbh | Anordnung und Verfahren zum berührungslosen Bestimmen einer Abmessung einer bewegten Materialbahn |
| CN114324321B (zh) * | 2020-09-29 | 2024-06-18 | 南京造币有限公司 | 机器视觉检测控制装置、系统和方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5068799A (en) * | 1985-04-24 | 1991-11-26 | Jarrett Jr Harold M | System and method for detecting flaws in continuous web materials |
| ATE190722T1 (de) * | 1995-05-10 | 2000-04-15 | Mahlo Gmbh & Co Kg | Verfahren und vorrichtung zum erfassen von fehlern in textilbahnen und dergleichen |
| EP0816825A3 (en) | 1996-06-26 | 1998-08-12 | Toshiba Engineering Corporation | Method and apparatus for inspecting streak |
| FR2773247A1 (fr) * | 1997-12-31 | 1999-07-02 | Philips Electronics Nv | Procede de traitement d'une image multidimensionnelle bruitee et appareil d'imagerie medicale mettant en oeuvre ce procede |
| US7817844B2 (en) * | 1999-08-26 | 2010-10-19 | Nanogeometry Research Inc. | Pattern inspection apparatus and method |
| US6728416B1 (en) | 1999-12-08 | 2004-04-27 | Eastman Kodak Company | Adjusting the contrast of a digital image with an adaptive recursive filter |
| CN100401043C (zh) * | 2000-04-18 | 2008-07-09 | 香港大学 | 一种检验含缺陷织物的方法 |
| US6728592B2 (en) * | 2000-08-24 | 2004-04-27 | Voith Paper Automation, Inc. | Streak detection in papermaking |
| US6750466B2 (en) | 2001-02-09 | 2004-06-15 | Wintriss Engineering Corporation | Web inspection system |
| US7231080B2 (en) * | 2001-02-13 | 2007-06-12 | Orbotech Ltd. | Multiple optical input inspection system |
| US6990255B2 (en) | 2001-09-19 | 2006-01-24 | Romanik Philip B | Image defect display system |
| US20050135667A1 (en) * | 2003-12-22 | 2005-06-23 | Abb Oy. | Method and apparatus for labeling images and creating training material |
-
2005
- 2005-07-01 FI FI20050706A patent/FI122806B/sv active IP Right Grant
-
2006
- 2006-06-22 CN CN2006800241707A patent/CN101213575B/zh active Active
- 2006-06-22 DE DE112006001774.8T patent/DE112006001774B4/de active Active
- 2006-06-22 US US11/921,226 patent/US8000501B2/en active Active
- 2006-06-22 WO PCT/FI2006/000223 patent/WO2007003685A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| US8000501B2 (en) | 2011-08-16 |
| US20090022391A1 (en) | 2009-01-22 |
| CN101213575A (zh) | 2008-07-02 |
| FI20050706A0 (sv) | 2005-07-01 |
| CN101213575B (zh) | 2013-01-02 |
| DE112006001774T5 (de) | 2008-05-08 |
| FI20050706A (sv) | 2007-01-02 |
| DE112006001774B4 (de) | 2015-01-22 |
| WO2007003685A1 (en) | 2007-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| FI122806B (sv) | Metoden och produkten för detektering avvikelser | |
| CN111968144B (zh) | 一种图像边缘点获取方法及装置 | |
| GB2569751A (en) | Static infrared thermal image processing-based underground pipe leakage detection method | |
| CN104112269B (zh) | 一种基于机器视觉的太阳能电池激光刻线参数检测方法及系统 | |
| US20130242188A1 (en) | Method and Apparatus for Detection and Removal of Rain from Videos using Temporal and Spatiotemporal Properties | |
| CN102654464A (zh) | 基于多特征模糊识别的铜带表面缺陷检测系统 | |
| CN104508423A (zh) | 用于被检查对象的表面的检查的方法和装置 | |
| CN102175700A (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
| US11748874B2 (en) | Automated inspection for sheet parts of arbitrary shape from manufactured film | |
| CN102122344A (zh) | 基于红外图像的道路边界检测方法 | |
| JP2009139248A (ja) | 欠陥検出光学系および欠陥検出画像処理を搭載した表面欠陥検査装置 | |
| CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
| CN111353993A (zh) | 一种基于机器视觉的螺纹角度测量方法 | |
| KR20130072073A (ko) | 영상 윤곽선 추출 장치 및 방법 | |
| CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
| CN115330653A (zh) | 基于边窗滤波的多源图像融合方法 | |
| EP0563897A1 (en) | Defect inspection system | |
| US10388011B2 (en) | Real-time, full web image processing method and system for web manufacturing supervision | |
| Radovan et al. | An approach for automated inspection of wood boards | |
| CN111882537B (zh) | 视觉检测方法及系统 | |
| JP7469740B2 (ja) | ベルト検査システムおよびベルト検査プログラム | |
| JPH0979997A (ja) | 欠陥検査方法及び装置 | |
| EP3459045B1 (en) | Real-time, full web image processing method and system for web manufacturing supervision | |
| RU2466456C2 (ru) | Способ выделения контуров движущихся объектов | |
| JPH04238207A (ja) | 欠陥検査装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG | Patent granted |
Ref document number: 122806 Country of ref document: FI Kind code of ref document: B |