WO2014139273A1 - 焊缝缺陷检测方法 - Google Patents

焊缝缺陷检测方法 Download PDF

Info

Publication number
WO2014139273A1
WO2014139273A1 PCT/CN2013/083509 CN2013083509W WO2014139273A1 WO 2014139273 A1 WO2014139273 A1 WO 2014139273A1 CN 2013083509 W CN2013083509 W CN 2013083509W WO 2014139273 A1 WO2014139273 A1 WO 2014139273A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
weld
weld seam
shape
value
Prior art date
Application number
PCT/CN2013/083509
Other languages
English (en)
French (fr)
Inventor
沈华加
孙俊
李志聪
黄小林
Original Assignee
苏州华源包装股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 苏州华源包装股份有限公司 filed Critical 苏州华源包装股份有限公司
Priority to NZ711997A priority Critical patent/NZ711997A/en
Publication of WO2014139273A1 publication Critical patent/WO2014139273A1/zh

Links

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

Definitions

  • the invention relates to a method for detecting weld defects.
  • the barrel of the metal drum is generally welded by a metal sheet on both sides to form a cylindrical tank, and then other processes are performed to leave a weld at the welding position. Since the quality of the weld directly affects the quality of the drum, it is often necessary to test the weld when the weld is completed to determine whether the weld is defective. In the industry, the detection of welds is generally manual, but the detection efficiency of manual inspection is relatively low, and it is impossible to detect the fineness of the weld, and the judgment marks are deviated, which affects the stability of judgment.
  • a method for detecting weld defects including pixel ratio judgment and image shape judgment, wherein:
  • the pixel ratio judgment includes: determining the position of the weld seam, collecting the weld seam image, locking a rectangular frame close to the shape of the weld seam at the weld position of the image, calculating the gray value on each pixel of the image in the rectangular frame, and dividing the gray value. It is a low-value grayscale and a high-value grayscale, wherein: the grayscale value is a low-value grayscale in the range of 0-128, and the grayscale value is a high-value grayscale in the range of 128-255, when the pixel values of the image are low.
  • the proportion of gray scale exceeds 85%, the weld seam has defects; when the ratio of the low-value gray scale of each pixel of the image is less than 85%, the image shape judgment is performed;
  • the image shape determination includes: binarizing the acquired weld image, performing edge extraction on the converted image, extracting the shape of the weld in the image, and judging the shape of the weld by the eight-connected graph algorithm, when the weld is When the shape is irregular, the weld is defective.
  • the position of the weld bead is determined, and after the weld image is acquired, the weld position of the image is determined to be located at the two ends or the middle of the product, and when the image is located in the middle of the product, the pixel ratio is judged.
  • the weld seams of the image are scanned by two scanning lines to determine the position of the weld bead.
  • the present invention has the following advantages and effects compared with the prior art:
  • the invention comprehensively judges the defects of the weld seam from the two parts of the pixel ratio judgment and the image shape judgment, and performs image collection and defect judgment on the product in real time; converts the inspection work that needs to be manually completed into a computer, and reduces the labor cost; At the same time, machine testing is more stable and efficient than manual testing.
  • This technology improvement can effectively improve the production efficiency of enterprises and improve the competitiveness of enterprises.
  • the weld defect detection equipment is placed on the product production line.
  • the test equipment includes at least one industrial camera, acquisition card, computer, etc.; the industrial camera is controlled by computer to collect the weld image data in real time; the weld image is processed by the acquisition card to process the previous data. Passed to the computer, the computer receives the image data to judge it;
  • Judgment includes: pixel ratio judgment, image shape judgment,
  • the pixel ratio determination includes: scanning the sides of the image by two scanning lines to determine the position of the weld, locking a rectangular frame close to the shape of the weld at the weld position of the image, and calculating each pixel of the image in the rectangular frame.
  • the gray value on the gray value is divided into low value gray value and high value gray level, wherein: the gray value is a low value gray level in the range of 0-128, and the gray value is high in the range of 128-255.
  • Value gray when the proportion of low-value gray of each pixel of the image exceeds 85%, the weld has defects, the product is unqualified, and an alarm signal is given; when the ratio of low-value gray of each pixel of the image is lower than 85% , image shape judgment.
  • the ratio of low-value gray ie, dark color
  • the locked rectangular frame must include a part of the high-value grayscale (light color), so the ratio of the low-value grayscale is not as high as the normal weld image.
  • the image shape determination includes: binarizing the acquired weld image, performing edge extraction on the converted image, extracting the shape of the weld in the image, and using the eight-connected graph algorithm (in the binary image, the joints are connected to each other)
  • the set of black pixels becomes a (black) area. By marking each area in the image, the number of areas is obtained.
  • the eight-connected graph algorithm detects each pixel sequentially from left to right and top to bottom. When the pixel value of a pixel is 0, the pixel values of the four points of the upper right, upper right, upper left, and left front points of the point are sequentially detected to judge their connectivity, and the shape of the weld is determined.
  • the shape of the weld is In the case of regular graphics, the weld has no defects and the product is qualified; when the shape of the weld is irregularly curved, it is necessary to further judge the position of the image at the product; the image rule in the middle is the weld image of the qualified product. Otherwise it is a non-conforming product.
  • the control arm After the arm controller receives the alarm signal, the control arm removes the defective product to prevent it from entering the next processing and production process.
  • the system adopts the machine vision method to realize the detection of product defects, the quality of the acquired image is high, and the erection of the camera light source is essential, and the product and the light source need to be accurately ensured.
  • the camera is coaxial.
  • the overlap length is the average length of the defect

Abstract

一种焊缝缺陷检测方法，包括像素比例判断、图像形状判断，像素比例判断：确定焊缝位置，采集焊缝图像，在图像的焊缝位置锁定一个长方形框，计算长方形框内图像各像素点上的灰度值，将灰度值划分为0-128的低值灰度、128-255的高值灰度，当图像各像素点低值灰度的比例超过85%时，焊缝存在缺陷；当比例低于85%时，进行图像形状判断；图像形状判断：对采集的焊缝图像进行二值化转换，对转换后的图像进行边缘提取，提取出图像中焊缝的形状，通过八连通图算法，判断焊缝的形状，当焊缝的形状为不规则图形时，焊缝存在缺陷。焊缝缺陷检测方法将本来需要人工完成的检测工作，转变成由计算机完成，减少人工成本，更具稳定性和高效性。

Description

焊缝缺陷检测方法
技术领域
本发明涉及一种焊缝缺陷检测方法。
背景技术
金属包装桶的桶身一般由一张金属片体两边焊接，形成一个圆柱形的罐体后再进行其他工序，在焊接位置留下焊缝。由于焊缝的质量直接会影响到包装桶的质量，因此在完成焊接时往往需要对焊缝进行检测，判断焊缝是否存在缺陷。行业内检测焊缝一般是人工检测，但是人工检测的检测效率比较低，无法检测焊缝细微处，而且判断的标注存在偏差，影响判断的稳定。
发明内容
本发明目的是提供一种焊缝缺陷检测方法。
为达到上述目的，本发明采用的技术方案是：
一种焊缝缺陷检测方法，包括像素比例判断、图像形状判断，其中：
像素比例判断包括：确定焊缝位置，采集焊缝图像，在图像的焊缝位置锁定一个接近焊缝形状的长方形框，计算长方形框内图像各像素点上的灰度值，将灰度值划分为低值灰度、高值灰度，其中：灰度值在0-128范围内为低值灰度，灰度值在128-255范围内为高值灰度，当图像各像素点低值灰度的比例超过85%时，焊缝存在缺陷；当图像各像素点低值灰度的比例低于85%时，进行图像形状判断；
图像形状判断包括：对采集的焊缝图像进行二值化转换，对转换后的图像进行边缘提取，提取出图像中焊缝的形状，通过八连通图算法，判断焊缝的形状，当焊缝的形状为不规则图形时，焊缝存在缺陷。
优选地，确定焊缝位置，采集焊缝图像后判断图像的焊缝位置位于产品两端或中间，当图像位于产品中间时，进行像素比例判断。
优选地，像素比例判断时，通过两条扫描线对图像的焊缝两旁进行扫描，从而确定焊缝的位置。
由于上述技术方案运用，本发明与现有技术相比具有下列优点和效果：
本发明通过从像素比例判断、图像形状判断两个部分综合判断焊缝的缺陷，实时对产品进行图像采集、缺陷判断；将本来需要人工完成的检测工作，转变成由计算机完成，减少人工成本；同时，机器检测相比较人工检测来说，更具稳定性和高效性，这种技术改进，能有效提高企业生产效率，提高企业竞争力。
具体实施方式
下面结合实施案例对本发明作进一步描述：
在产品生产线上架入焊缝缺陷检测设备，检测设备中包括至少一台工业相机、采集卡、计算机等；通过计算机控制工业相机，实时采集焊缝图像数据；焊缝图像通过采集卡处理前期数据，传至计算机，计算机接收图像数据对其进行判断；
判断包括：像素比例判断、图像形状判断，
其中：首先需要判断图像是否取自产品的两端或中间，以及判断图像位于焊接进入位置还是焊接出去位置，记录其位置标记；当图像位于产品中间时，进行像素比例判断；当图像位于产品两端时，需要对两端进行特殊的判断，在此不进行描述；
像素比例判断包括：通过两条扫描线对图像的焊缝两旁进行扫描，从而确定焊缝的位置，在图像的焊缝位置锁定一个接近焊缝形状的长方形框，计算长方形框内图像各像素点上的灰度值，将灰度值划分为低值灰度、高值灰度，其中：灰度值在0-128范围内为低值灰度，灰度值在128-255范围内为高值灰度，当图像各像素点低值灰度的比例超过85%时，焊缝存在缺陷，产品不合格，给出报警信号；当图像各像素点低值灰度的比例低于85%时，进行图像形状判断。因为正常焊缝的形状接近为一个长方形框，因此，在锁定的长方形框中，低值灰度（即深颜色）比例较高，而在有缺陷的焊缝处，因为形状不太接近为一个长方形框，所以锁定的长方形框中，必然包括了一部分的高值灰度（浅颜色），因此低值灰度的比例就没有正常焊缝图像的高。
图像形状判断包括：对采集的焊缝图像进行二值化转换，对转换后的图像进行边缘提取，提取出图像中焊缝的形状，通过八连通图算法（在二值图像中，相互联结的黑像素的集合成为一个（黑）区域，通过对图像内每个区域进行标记操作，求得区域的数目，八连通图算法从左到右，从上到下，依次检测每个像素，如果发现某像素点像素值为0，则依次检测该点的右上、正上、左上及左前点共四个点的像素值，判断他们的连通性），判断焊缝的形状，当焊缝的形状为规则图形时，焊缝不存在缺陷，产品合格；当焊缝的形状为不规则弯曲图形时，则需要进一步判断该图像位于产品的位置；在中间部分的图像规则，为合格产品的焊缝图像；否则为不合格产品。
机械臂控制器接收到报警信号后，控制机械臂取出有缺陷产品，防止其进入下一个加工生产环节。
此外，对于检测设备的架设问题，因为该套系统采用机器视觉的方法来实现产品缺陷的检测，所以对获取的图像质量要求较高，而相机光源的架设至关重要，需精确保证产品、光源、相机同轴。
在采集焊缝图像的时候，需要通过相机进行重叠拍照（重叠部分长度为缺陷的平均长度），如此取得的图像，可以保证缺陷部分始终位于所获取图像的中间。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。

Claims (3)

1. 一种焊缝缺陷检测方法，其特征在于：包括像素比例判断、图像形状判断，其中：
像素比例判断包括：确定焊缝位置，采集焊缝图像，在图像的焊缝位置锁定一个接近焊缝形状的长方形框，计算长方形框内图像各像素点上的灰度值，将灰度值划分为低值灰度、高值灰度，其中：灰度值在0-128范围内为低值灰度，灰度值在128-255范围内为高值灰度，当图像各像素点低值灰度的比例超过85%时，焊缝存在缺陷；当图像各像素点低值灰度的比例低于85%时，进行图像形状判断；
图像形状判断包括：对采集的焊缝图像进行二值化转换，对转换后的图像进行边缘提取，提取出图像中焊缝的形状，通过八连通图算法，判断焊缝的形状，当焊缝的形状为不规则图形时，焊缝存在缺陷。
2. 根据权利要求1所述的焊缝缺陷检测方法，其特征在于：确定焊缝位置，采集焊缝图像后判断图像的焊缝位置位于产品两端或中间，当图像位于产品中间时，进行像素比例判断。
3. 根据权利要求1所述的焊缝缺陷检测方法，其特征在于：像素比例判断时，通过两条扫描线对图像的焊缝两旁进行扫描，从而确定焊缝的位置。
PCT/CN2013/083509 2013-03-14 2013-09-13 焊缝缺陷检测方法 WO2014139273A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
NZ711997A NZ711997A (en) 2013-03-14 2013-09-13 Weld seam defect detection method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310080871.4 2013-03-14
CN201310080871.4A CN103134809B (zh) 2013-03-14 2013-03-14 焊缝缺陷检测方法

Publications (1)

Publication Number Publication Date
WO2014139273A1 true WO2014139273A1 (zh) 2014-09-18

Family

ID=48494917

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2013/083509 WO2014139273A1 (zh) 2013-03-14 2013-09-13 焊缝缺陷检测方法

Country Status (3)

Country Link
CN (1) CN103134809B (zh)
NZ (1) NZ711997A (zh)
WO (1) WO2014139273A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106290394A (zh) * 2016-09-30 2017-01-04 华南理工大学 一种cpu散热器铝挤成型缺陷检测系统及检测方法
CN109741311A (zh) * 2018-12-28 2019-05-10 西南交通大学 带伪边缘的铝合金熔焊背面熔宽检测方法
CN112730428A (zh) * 2020-12-23 2021-04-30 联合汽车电子有限公司 接杆焊缝检测系统及方法
CN113160132A (zh) * 2021-03-10 2021-07-23 上海应用技术大学 焊缝缺陷图像的检测处理方法及系统
CN113610814A (zh) * 2021-08-10 2021-11-05 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、电子设备及存储介质
CN113686906A (zh) * 2021-08-27 2021-11-23 江苏新宏大集团有限公司 一种工业x射线平焊缝缺陷定位方法
CN115018827A (zh) * 2022-08-03 2022-09-06 山东亿昌装配式建筑科技有限公司 一种建材焊缝质量自动检测方法
CN115210035A (zh) * 2020-03-05 2022-10-18 松下知识产权经营株式会社 焊道外观检查装置、焊道外观检查方法、程序和焊道外观检查系统
CN115415704A (zh) * 2022-09-23 2022-12-02 千思跃智能科技(苏州)有限公司 一种智能焊接及3d相机检测设备
CN115457031A (zh) * 2022-10-27 2022-12-09 江苏集宿智能装备有限公司 基于x射线的集成箱体内部缺陷识别方法
CN115830013A (zh) * 2023-02-08 2023-03-21 磐石重工(青岛)股份有限公司 基于机器视觉的压力容器焊缝缺陷检测方法
CN116385476A (zh) * 2023-06-05 2023-07-04 青岛星跃铁塔有限公司 基于视觉检测的铁塔质量分析方法
CN116433669A (zh) * 2023-06-14 2023-07-14 山东兴华钢结构有限公司 基于机器视觉的抗震结构钢架焊缝质量检测方法
CN116503408A (zh) * 2023-06-28 2023-07-28 曲阜远大集团工程有限公司 基于扫描技术的钢结构表面缺陷检测方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103134809B (zh) * 2013-03-14 2015-04-29 苏州华源包装股份有限公司 焊缝缺陷检测方法
CN104215638A (zh) * 2013-06-03 2014-12-17 英业达科技有限公司 针脚弯曲检测方法
CN109001224B (zh) * 2017-06-07 2022-02-18 宁德时代新能源科技股份有限公司 焊缝的检测方法及检测装置
CN108122228A (zh) * 2017-12-21 2018-06-05 金翰阳科技（大连）股份有限公司 一种打磨腻子或漆面检测方法
CN108665452B (zh) * 2018-05-09 2019-06-07 广东大鹏液化天然气有限公司 管道焊缝底片扫描入库及焊缝缺陷识别方法及其系统
CN110751619A (zh) * 2019-08-28 2020-02-04 中国南方电网有限责任公司超高压输电公司广州局 一种绝缘子缺陷检测方法
CN112102255B (zh) * 2020-08-21 2024-01-23 杭州培慕科技有限公司 基于工业场景下的x射线成像图像的缺陷智能评级方法
CN113688807B (zh) * 2021-10-26 2022-02-08 中科慧远视觉技术(北京)有限公司 一种自适应缺陷检测方法、装置、识别系统及存储介质
CN116664554B (zh) * 2023-07-26 2023-10-20 微山晟轩机械制造有限公司 一种基于图像处理的螺栓螺纹缺陷检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050041852A1 (en) * 2001-11-15 2005-02-24 Joachim Schwarz Method and device for evaluation of jointing regions on workpieces
CN101915769A (zh) * 2010-06-29 2010-12-15 华南理工大学 一种印刷电路板中带电阻元件的自动光学检测方法
CN102455171A (zh) * 2010-10-27 2012-05-16 中国科学院沈阳自动化研究所 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置
CN102830129A (zh) * 2012-08-27 2012-12-19 张峰 用于承压类设备焊缝的射线检测底片的快速高清数字化录入装置
CN103134809A (zh) * 2013-03-14 2013-06-05 苏州华源包装股份有限公司 焊缝缺陷检测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004045356A (ja) * 2002-05-20 2004-02-12 Jfe Steel Kk 表面欠陥検出方法
JP2008304312A (ja) * 2007-06-07 2008-12-18 Fuji Xerox Co Ltd 画像処理プログラムおよび画像処理装置
CN101256157B (zh) * 2008-03-26 2010-06-02 广州中国科学院工业技术研究院 表面缺陷检测方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050041852A1 (en) * 2001-11-15 2005-02-24 Joachim Schwarz Method and device for evaluation of jointing regions on workpieces
CN101915769A (zh) * 2010-06-29 2010-12-15 华南理工大学 一种印刷电路板中带电阻元件的自动光学检测方法
CN102455171A (zh) * 2010-10-27 2012-05-16 中国科学院沈阳自动化研究所 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置
CN102830129A (zh) * 2012-08-27 2012-12-19 张峰 用于承压类设备焊缝的射线检测底片的快速高清数字化录入装置
CN103134809A (zh) * 2013-03-14 2013-06-05 苏州华源包装股份有限公司 焊缝缺陷检测方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106290394B (zh) * 2016-09-30 2023-04-07 华南理工大学 一种cpu散热器铝挤成型缺陷检测系统及检测方法
CN106290394A (zh) * 2016-09-30 2017-01-04 华南理工大学 一种cpu散热器铝挤成型缺陷检测系统及检测方法
CN109741311A (zh) * 2018-12-28 2019-05-10 西南交通大学 带伪边缘的铝合金熔焊背面熔宽检测方法
CN115210035A (zh) * 2020-03-05 2022-10-18 松下知识产权经营株式会社 焊道外观检查装置、焊道外观检查方法、程序和焊道外观检查系统
CN112730428A (zh) * 2020-12-23 2021-04-30 联合汽车电子有限公司 接杆焊缝检测系统及方法
CN113160132A (zh) * 2021-03-10 2021-07-23 上海应用技术大学 焊缝缺陷图像的检测处理方法及系统
CN113610814A (zh) * 2021-08-10 2021-11-05 广东利元亨智能装备股份有限公司 焊缝质量检测方法、装置、电子设备及存储介质
CN113686906A (zh) * 2021-08-27 2021-11-23 江苏新宏大集团有限公司 一种工业x射线平焊缝缺陷定位方法
CN115018827A (zh) * 2022-08-03 2022-09-06 山东亿昌装配式建筑科技有限公司 一种建材焊缝质量自动检测方法
CN115415704A (zh) * 2022-09-23 2022-12-02 千思跃智能科技(苏州)有限公司 一种智能焊接及3d相机检测设备
CN115415704B (zh) * 2022-09-23 2023-09-22 千思跃智能科技(苏州)股份有限公司 一种智能焊接及3d相机检测设备
CN115457031A (zh) * 2022-10-27 2022-12-09 江苏集宿智能装备有限公司 基于x射线的集成箱体内部缺陷识别方法
CN115830013A (zh) * 2023-02-08 2023-03-21 磐石重工(青岛)股份有限公司 基于机器视觉的压力容器焊缝缺陷检测方法
CN116385476A (zh) * 2023-06-05 2023-07-04 青岛星跃铁塔有限公司 基于视觉检测的铁塔质量分析方法
CN116385476B (zh) * 2023-06-05 2023-08-18 青岛星跃铁塔有限公司 基于视觉检测的铁塔质量分析方法
CN116433669A (zh) * 2023-06-14 2023-07-14 山东兴华钢结构有限公司 基于机器视觉的抗震结构钢架焊缝质量检测方法
CN116433669B (zh) * 2023-06-14 2023-08-18 山东兴华钢结构有限公司 基于机器视觉的抗震结构钢架焊缝质量检测方法
CN116503408A (zh) * 2023-06-28 2023-07-28 曲阜远大集团工程有限公司 基于扫描技术的钢结构表面缺陷检测方法
CN116503408B (zh) * 2023-06-28 2023-08-25 曲阜远大集团工程有限公司 基于扫描技术的钢结构表面缺陷检测方法

Also Published As

Publication number Publication date
CN103134809A (zh) 2013-06-05
NZ711997A (en) 2018-10-26
CN103134809B (zh) 2015-04-29

Similar Documents

Publication Publication Date Title
WO2014139273A1 (zh) 焊缝缺陷检测方法
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
CN107782733B (zh) 金属表面缺陷的图像识别无损检测装置及方法
CN107764839A (zh) 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置
CN104794720A (zh) 一种在接触网图像中定位出定位线夹的方法及系统
CN107154039B (zh) 胶管在线缺陷检测方法
CN101158650A (zh) 机器视觉系统对印花布瑕疵的在线检测方法
CN108805868B (zh) 一种电务车载车下走行部设备故障检测的图像处理方法及故障检测方法
CN111266315A (zh) 基于视觉分析的矿石物料在线分拣系统及其方法
CN103149222A (zh) 射线实时成像中缺陷检测方法
CN113702391B (zh) 一种钢坯表面及近表面缺陷复合检测方法及装置
CN107490583A (zh) 一种基于机器视觉的夹片缺陷检测方法
CN105205803A (zh) 显示面板缺陷检测方法
WO2022222467A1 (zh) 开口圆环工件外观缺陷检测方法、系统及计算机存储介质
CN104764752A (zh) 一种焊点连锡检测方法及设备
CN113838043A (zh) 金属箔材制造中基于机器视觉的质量分析方法
JP2009294033A (ja) パンタグラフのホーン監視装置
CN105699386B (zh) 一种采用接触式图像传感器的自动验布标记方法
CN108663376B (zh) 一种无缝钢管质量检测装置及检测方法
CN107248151A (zh) 一种基于机器视觉的液晶片智能检测方法及系统
CN103600752A (zh) 专用敞车车辆挂钩错误自动检测装置及其检测方法
WO2005008223A3 (en) Methods for defect detection and process monitoring based on sem images
CN103091332A (zh) 一种基于机器视觉的u型粉管的检测方法及其检测系统
CN105738376B (zh) 一种采用接触式图像传感器的自动验布机
CN112907524B (zh) 基于图像处理的铁路货车防火板故障检测方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13877445

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13877445

Country of ref document: EP

Kind code of ref document: A1