CN103529053B - 瓶口缺陷检测方法 - Google Patents
瓶口缺陷检测方法 Download PDFInfo
- Publication number
- CN103529053B CN103529053B CN201310452499.5A CN201310452499A CN103529053B CN 103529053 B CN103529053 B CN 103529053B CN 201310452499 A CN201310452499 A CN 201310452499A CN 103529053 B CN103529053 B CN 103529053B
- Authority
- CN
- China
- Prior art keywords
- ring
- region
- detection
- area
- defective
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种瓶口缺陷检测方法,包括:S1、对所述瓶口进行检测区域划分,分为第一内环、第二内环、评估环、密封环和内密封环区域,并对各区域进行检测;S2、将各检测结果汇总,输出对瓶口的综合检测结果,若所有检测项结果均为正常,则输出该瓶口检测正常,否则输出该瓶口检测异常。本发明提出的瓶口缺陷检测方法,检测速度快、精度高、性能稳定、调试方便,适用于高速自动化流水线上对瓶口缺陷的长时间实时不间断检测。
Description
技术领域
本发明涉及工业自动化检测技术领域,特别涉及一种瓶口缺陷检测方法。
背景技术
目前,我国的食品安全管理体系快速推进,民众对于食品安全的关注程度愈加增强,欧洲的HACCP标准和我国的GB4927-91标准均对啤酒瓶空瓶的检测提出了严格的要求。在现有的啤酒、饮料和药品的生产过程中,都要求灌装容器满足相应的质量标准,生产每一步均需要进行检查,当不合格瓶流入市场,不但消费者可能会受到伤害,对于产品生产厂家其经济和声誉亦会受到损害。目前啤酒瓶空瓶检测主要依靠人工检测的方法实现,但是人工检测存在以下几个缺点:(1)检测速度慢,效率低下。近些年我国以啤酒为代表的玻璃品饮品的产量快速增加,啤酒产量自2002年以来一直稳居世界首位,啤酒生产线速度国内也快速增加到两万四到四万瓶每小时,国外最快速度超过七万瓶每小时。这样的速度下依靠人工进行检测已经难以实现;(2)随着近些年人力成本的快速增加,人工检测变得愈加昂贵;(3)人检工作需要人员量大,但该工作枯燥、强度大,愿意从事该工作的年轻人越来越少,导致企业招工难;(4)由于受到人员疲劳、情绪等影响,人检后的酒瓶质量和质量一致性均较差,难以满足日益提高的质量要求。所以,采用自动化方法对玻璃瓶空瓶进行检测的玻璃瓶空瓶验瓶机正在国内外被快速推广使用。
国外的玻璃瓶空瓶验瓶机已经有一些成功的案例,其产品在欧美地区拥有广泛的客户群,但进口验瓶机用于国内啤酒生产企业存在如下的问题:(1)价格昂贵,供货周期长,我国啤酒年产量和生产线数量均居世界首位,但高昂的价格和维护成本却非大部分企业所能承受的,且一般前期供货和售后维修周期均较长;(2)标准不同,进口验瓶机大多基于欧洲检测标准设计算法和参数,与我国的国家标准存在不相符合的情况,给啤酒生产厂商带来困扰;(3)瓶源不同,我国的啤酒瓶大于80%为回收瓶,20%为新瓶,而在欧洲比例相反。我国的新瓶生产一般为多家玻璃瓶厂同时生产,新瓶质量、外形也各有差异。回收瓶多为多次使用,瓶体磕损、划伤、裂纹较为严重。在这种情况下若采用进口验瓶机则失去了对国内瓶源以及各生产商质量要求的灵活性,往往无法满足国内啤酒生产商的需求,使进口验瓶机出现“水土不服”的情况。所以,研究和大力发展具有完全自主知识产权的自有品牌验瓶机设备对于提升我国自有核心技术的掌控和科技创新能力具有重要意义,对我国食品饮料行业卫生安全的提升具有实际价值。
作为玻璃瓶空瓶检测的重要环节,瓶口检测被啤酒生产厂商极为看重,当瓶口破损严重时,可能会对饮用者造成伤害,而即使微小的缺损,也会由于漏气导致酒在运输储存过程中快速变质,所以瓶口检测要求具有很高的精度。另一方面,由于瓶口缺陷的瓶子一般为废弃瓶,所以大多啤酒生产厂商将瓶口检测不合格的瓶子直接剔除击碎,而如侧壁、瓶底等环节检测不合格的瓶子则回洗瓶机再次清洗后回到链道再进行空瓶检测。所以要求瓶口检测的误剔除率必须很低,否则大量合格瓶被误剔除击碎会造成啤酒生产企业可观的经济损失。
目前针对瓶口检测的研究工作已经在一些高校进行。但是由于验瓶机产品要求高速、稳定、高精度、适应性强、便于工程师调试等诸多实际要求,在玻璃瓶瓶口检测的算法设计过程中需要权衡上述各种因素,特别是速度和稳定性方面的要求,开发适合于工业化推广的玻璃瓶空瓶瓶口检测算法。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何提供一种高速高精度瓶口缺陷检测方法,用于解决现有的高速玻璃瓶灌装自动化生产流水线上空瓶瓶口缺陷检测方法的速度慢、精度低和稳定性差的问题。
(二)技术方案
为解决上述问题,本发明提供一种瓶口缺陷检测方法,包括:S1、对所述瓶口进行检测区域划分,分为第一内环、第二内环、评估环、密封环和内密封环区域,并对各区域进行检测;S2、将各检测结果汇总,输出对瓶口的综合检测结果,若所有检测项结果均为正常,则输出该瓶口检测正常,否则输出该瓶口检测异常。
优选地,在所述步骤S1中采用并行计算机制同时对所述第一内环、第二内环、评估环、密封环和内密封环区域进行检测,各项检测并行完成。
优选地,对所述第一内环区域进行检测包括:S111、对所述第一内环区域滤波后进行二值化操作,正常区域为黑色,异常区域为白色;S112、对所述白色区域进行连通域分析,当最大连通域面积大于给定阈值时,则返回第一内环检测异常,否则返回第一内环检测正常。
优选地,对所述评估环区域进行检测包括:S131、将所述评估环区域滤波后进行二值化处理,正常区域为黑色,异常区域为白色,然后进行极坐标展开;S132、沿所述评估环径向方向观察每列像素的白色像素个数,若某列白色像素个数超过给定范围,则标记该列为不合格;S133、若检测到某列不合格,则错误值增加,反之若合格则错误值减少,若错误值峰值超过给定阈值,则输出不合格,若输出为不合格,则返回评估环检测异常,否则返回评估环检测正常。
优选地,对所述密封环区域进行检测包括:S141、将所述密封环区域滤波后进行二值化处理,正常区域为黑色,异常区域为白色,然后进行极坐标展开;S142、沿密封环径向方向观察每列像素的白色像素个数,若某列白像素个数低于给定值,则标记该列为不合格;S143、若检测到某列不合格,则错误值增加,反之若合格则错误值减少,若错误值峰值超过给定阈值,则输出不合格,若输出为不合格,则返回密封环检测异常,否则返回密封环检测正常。
优选地,对所述内密封环区域进行检测包括:S151、将内密封环区域滤波后利用灰度阈值对该区域进行图像分割,小于该阈值区域设置灰度为黑色,作为背景区域,大于该阈值区域灰度不变,作为前景区域;S152、将前景区域求平均值后加上灰度偏置后作为阈值,将前景区域进行二值化处理,小于该阈值的设为黑色,大于该阈值的设为白色;S153、将白色区域进行开运算,去除细小条纹和小块虚假区域的影响;S154、计算白色区域的连通域信息,设定连通域面积、宽度和高度等检测项的上下限,至少存在一个连通域所有信息同时在限定范围内时返回内密封环异常,否则返回内密封环正常。
(三)有益效果
本发明提出的瓶口缺陷检测方法,检测速度快、精度高、性能稳定、调试方便,适用于高速自动化流水线上对瓶口缺陷的长时间实时不间断检测。
附图说明
图1为依照本发明一种实施方式的瓶口缺陷检测方法的流程示意图;
图2为依照本发明一种实施方式的瓶口检测图像示意图;
图3为依照本发明一种实施方式的瓶口检测图像采集***示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明提供了一种瓶口缺陷检测方法,包括:
S1、对瓶口进行检测区域划分,采用并行计算机制同时第一内环、第二内环、评估环、密封环和内密封环等区域进行检测;
S2、将各检测结果汇总,最终输出对瓶口的综合检测结果,若存在不少于1项检测项输出异常,则检测结果为异常,否则检测结果为正常。
其中,所述步骤S1中的采用并行计算机制同时第一内环、第二内环、评估环、密封环和内密封环等区域进行检测,各检测项并行完成,各项在检测过程中没有耦合关系,其具体流程为:
S11、第一内环检测,首先对区域滤波、二值化操作,正常区域为黑色,异常区域为白色,然后对白色区域进行连通域分析,若最大面积超过阈值,则返回第一内环检测异常,否则返回第一内环检测正常;
S12、第二内环检测,其检测流程与第一内环检测相同;
S13、评估环检测,首先对区域滤波、二值化操作,正常区域为黑色,异常区域为白色,然后沿评估环径向方向对每列像素的白色像素个数进行统计,当某列的白色像素个数在正常范围以外时,标记该列为不合格,若加权不合格列超过给定阈值,则返回评估环检测异常,否则返回评估环检测正常;
S14、密封环检测,首先对区域滤波、二值化操作,正常区域为黑色,异常区域为白色,然后沿密封环径向方向对每列像素的白色像素个数进行统计,若某列白色像素个数小于给定值,则标记该列不合格,若加权不合格列超过给定阈值,则返回密封环检测异常,否则返回密封环检测正常;
S15、内密封环检测,首先对分为灰度值不变的前景区域和为黑色的背景区域。然后进行二值化处理,小于阈值的设为黑色,即背景区域,大于阈值的设为白色,第三将白色区域进行开运算,第四计算白色区域的连通域信息,设定连通域面积、宽度和高度等检测项的上下限,至少存在一个连通域所有信息同时在限定范围内时返回内密封环异常,否则返回内密封环正常。
本实施例中提出的瓶口缺陷检测方法的流程如图1所示。所拍摄的图像和各检测区域标记如图2所示。其中外侧圆形亮环为密封环,内侧圆形亮环为内密封环,第一内环在密封环和内密封环之间,第二内环在内密封环以内,密封环向内外延展一定宽度后的区域为评估环。瓶口图像的采集***如图3所示,其中环形的LED光源2倾斜照射瓶体3中的瓶口,光线经瓶口表面反射后进入CCD相机1。当瓶口表面光滑完整时,图像为完整规范的亮环形状,而当瓶口表面缺损时,图像的亮环出现断开或附有大块白斑现象。
检测的主要步骤包括:
S11.第一内环检测。当瓶口存在较大缺口或磨口时,会在第一内环区域出现较大面积的白斑,第一内环区域的检测即主要针对上述缺陷进行检测。其检测方法为:
S111、对第一内环区域滤波后进行二值化操作,使正常区域呈黑色,异常区域呈白色;
S112、对白色区域进行连通域分析,当最大连通域面积大于给定阈值时,则返回第一内环检测异常,否则返回第一内环检测正常;
S12.第二内环检测。当有较大异物堵塞在瓶口,则可能在第二内环区域出现较大面积的白斑。第二内环区域的检测即主要针对上述缺陷进行检测。其检测方法与第一内环检测相同,在此不再赘述。
S13.评估环检测。当瓶口存在缺损时,会出现密封环断开的情况,若存在磨口时,会出现密封环周围出现较大白斑的情况。评估环区域的检测即主要针对上述缺陷进行检测。其检测方法为:
S131、将评估环区域滤波后进行二值化处理,然后进行极坐标展开;
S132、沿评估环径向方向观察每列像素的白色像素个数,若某列白色像素个数超过给定范围,则标记该列为不合格;
S133、若检测到某列不合格,则错误值增加,反之若合格则错误值降低。若错误值峰值超过给定阈值,则输出不合格。
若输出为不合格,则返回评估环检测异常,否则返回评估环检测正常。
S14.密封环检测。当瓶口存在缺损时,密封环会断开,密封环检测即针对该种缺陷进行检测,也是各检测项中最重要的一项,其检测方法为:
S141、将密封环区域滤波后进行二值化处理,然后进行极坐标展开;
S142、沿密封环径向方向观察每列像素的白色像素个数,若某列白像素个数低于给定值,则标记该列为不合格。;
S143、若检测到某列不合格,则错误值增加,反之若合格则错误值降低,若错误值峰值超过给定阈值,则输出不合格。
若输出为不合格,则返回密封环检测异常,否则返回密封环检测正常。
S15.内密封环检测。当瓶口内沿出现破损时,会出现内密封环出现白斑,但是由于瓶口内沿的形状各异,导致内密封环成像各异,其亮度、宽度和纹理各不相同,这就增加了检测的难度,内密封环的检测方法为:
S151、将内密封环区域滤波后利用灰度阈值对该区域进行图像分割,小于该阈值区域设置灰度为黑色,作为背景区域;大于该阈值区域灰度不变,作为前景区域;
S152、将前景区域求平均值后加上灰度偏置后作为阈值,将前景区域进行二值化处理,小于该阈值的设为黑色,大于该阈值的设为白色;
S153、将白色区域进行开运算,去除细小条纹和小块虚假区域的影响;
S154、计算白色区域的连通域信息,设定连通域面积、宽度和高度等检测项的上下限,至少存在一个连通域所有信息同时在限定范围内时返回内密封环异常,否则返回内密封环正常。
S2.检测结果汇总。将各检测项的检测结果进行综合后输出最终的结果,若所有定位项和检测项结果均为正常,则输出该瓶口检测正常,否则输出该瓶口检测异常。
综上所述,本发明具有以下几点优势:
1.检测速度快。在算法层面,各个检测项完全独立,因此在程序编制时可采用多线程并行计算。当采集图像为640×480像素,在I5CPU的计算机上进行运算,每幅图像的运算时间在14ms以内,该速度可以满足目前世界上最快的啤酒生产线的需要。
2.检测精度高,误检率低。利用本方法可以准确检出瓶口5mm2的缺损。同时能够有效抵抗干扰,误检率不高于0.1%。
3.性能稳定。本算法生成的检测程序运行过程中内存占用和吞吐量小,且在参数设置不合理或非瓶口图像输入时不会造成运行错误。因此长时间运行难以出现死机、内存耗尽等运行异常情况发生。
4.工程师调试方便,对工程师的要求较低。检测结果对除精度阈值外的参数不敏感;同时需设定的参数直观易懂,参数设定可以通过简单分析图像得到调整方向。因此理论水平和经验不太高的工程师也可胜任现场调试工作。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (5)
1.一种瓶口缺陷检测方法,其特征在于,包括:
S1、对所述瓶口进行检测区域划分,分为第一内环、第二内环、评估环、密封环和内密封环区域,并对各区域进行检测;
对所述内密封环区域进行检测包括:
S151、将内密封环区域滤波后利用灰度阈值对该区域进行图像分割,小于该阈值区域设置灰度为黑色,作为背景区域,大于该阈值区域灰度不变,作为前景区域;
S152、将前景区域求平均值后加上灰度偏置后作为阈值,将前景区域进行二值化处理,小于该阈值的设为黑色,大于该阈值的设为白色;
S153、将白色区域进行开运算,去除细小条纹和小块虚假区域的影响;
S154、计算白色区域的连通域信息,设定连通域面积、宽度和高度等检测项的上下限,至少存在一个连通域所有信息同时在限定范围内时返回内密封环异常,否则返回内密封环正常;
S2、将各检测结果汇总,输出对瓶口的综合检测结果,若所有检测项结果均为正常,则输出该瓶口检测正常,否则输出该瓶口检测异常。
2.根据权利要求1所述的方法,其特征在于,在所述步骤S1中采用并行计算机制同时对所述第一内环、第二内环、评估环、密封环和内密封环区域进行检测,各项检测并行完成。
3.根据权利要求1或2所述的方法,其特征在于,对所述第一内环区域进行检测包括:
S111、对所述第一内环区域滤波后进行二值化操作,正常区域为黑色,异常区域为白色;
S112、对所述白色区域进行连通域分析,当最大连通域面积大于给定阈值时,则返回第一内环检测异常,否则返回第一内环检测正常。
4.根据权利要求1或2所述的方法,其特征在于,对所述评估环区域进行检测包括:
S131、将所述评估环区域滤波后进行二值化处理,正常区域为黑色,异常区域为白色,然后进行极坐标展开;
S132、沿所述评估环径向方向观察每列像素的白色像素个数,若某列白色像素个数超过给定范围,则标记该列为不合格;
S133、若检测到某列不合格,则错误值增加,反之若合格则错误值减少,若错误值峰值超过给定阈值,则输出不合格,若输出为不合格,则返回评估环检测异常,否则返回评估环检测正常。
5.根据权利要求1或2所述的方法,其特征在于,对所述密封环区域进行检测包括:
S141、将所述密封环区域滤波后进行二值化处理,正常区域为白色,异常区域为黑色,然后进行极坐标展开;
S142、沿密封环径向方向观察每列像素的白色像素个数,若某列白像素个数低于给定值,则标记该列为不合格;
S143、若检测到某列不合格,则错误值增加,反之若合格则错误值减少,若错误值峰值超过给定阈值,则输出不合格,若输出为不合格,则返回密封环检测异常,否则返回密封环检测正常。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310452499.5A CN103529053B (zh) | 2013-09-27 | 2013-09-27 | 瓶口缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310452499.5A CN103529053B (zh) | 2013-09-27 | 2013-09-27 | 瓶口缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103529053A CN103529053A (zh) | 2014-01-22 |
CN103529053B true CN103529053B (zh) | 2015-12-02 |
Family
ID=49931239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310452499.5A Active CN103529053B (zh) | 2013-09-27 | 2013-09-27 | 瓶口缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103529053B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105241888B (zh) * | 2015-09-25 | 2018-11-02 | 上海金啤包装检测科技有限公司 | 一种瓶口缺陷的检测方法及检测装置 |
CN105717123A (zh) * | 2015-10-29 | 2016-06-29 | 山东明佳科技有限公司 | 一种全方位pet瓶持胚环缺陷检测设备及方法 |
CN107282460B (zh) * | 2016-11-14 | 2019-03-01 | 燕京啤酒(桂林漓泉)股份有限公司 | 啤酒包装生产现场验瓶机正常运行效果评价方法 |
CN106846294B (zh) * | 2016-12-16 | 2020-11-27 | 深圳市海科瑞科技有限公司 | 视觉检测方法、装置及设备 |
CN110431405B (zh) * | 2017-02-06 | 2022-06-14 | 东洋玻璃株式会社 | 玻璃瓶的检查装置 |
CN107472601A (zh) * | 2017-09-01 | 2017-12-15 | 广西德保新贝侬酒厂有限公司 | 一种制酒车间灯检装置 |
CN109063708B (zh) * | 2018-06-21 | 2022-10-28 | 歌尔股份有限公司 | 基于轮廓提取的工业图像特征识别方法及*** |
CN109297984B (zh) * | 2018-11-13 | 2021-02-19 | 正大天晴药业集团股份有限公司 | 一种泡罩包装缺陷检测方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1050768A (zh) * | 1989-10-06 | 1991-04-17 | 埃尔帕特朗尼股份公司 | 用于检验瓶子口部或同类物的装置 |
JP2000321214A (ja) * | 1999-05-10 | 2000-11-24 | Kawasaki Steel Corp | 欠陥検出方法および装置 |
CN101063662A (zh) * | 2007-05-15 | 2007-10-31 | 广州市万世德包装机械有限公司 | 空瓶瓶底缺陷的检测方法及基于dsp的空瓶瓶底缺陷检测装置 |
CN103257144A (zh) * | 2013-05-15 | 2013-08-21 | 华南理工大学 | 一种基于机器视觉的塑料瓶瓶口余料检测方法及装置 |
CN103308523A (zh) * | 2013-05-28 | 2013-09-18 | 清华大学 | 多尺度瓶口缺陷检测方法及装置 |
-
2013
- 2013-09-27 CN CN201310452499.5A patent/CN103529053B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1050768A (zh) * | 1989-10-06 | 1991-04-17 | 埃尔帕特朗尼股份公司 | 用于检验瓶子口部或同类物的装置 |
JP2000321214A (ja) * | 1999-05-10 | 2000-11-24 | Kawasaki Steel Corp | 欠陥検出方法および装置 |
CN101063662A (zh) * | 2007-05-15 | 2007-10-31 | 广州市万世德包装机械有限公司 | 空瓶瓶底缺陷的检测方法及基于dsp的空瓶瓶底缺陷检测装置 |
CN103257144A (zh) * | 2013-05-15 | 2013-08-21 | 华南理工大学 | 一种基于机器视觉的塑料瓶瓶口余料检测方法及装置 |
CN103308523A (zh) * | 2013-05-28 | 2013-09-18 | 清华大学 | 多尺度瓶口缺陷检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
《基于机器视觉的啤酒瓶瓶口检测***的研究》;张田田;《中国优秀硕士学位论文全文数据库信息科技辑》;20111231(第S1期);第44页4.4节第2-3段,第55页5.4节第1段,第18页第3段,50页第2段,第55页第1-2段,47-49页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103529053A (zh) | 2014-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103529053B (zh) | 瓶口缺陷检测方法 | |
CN101844633B (zh) | 标签检测***及其检测方法 | |
CN201143502Y (zh) | 条码检测、分析及统计装置 | |
CN106370659B (zh) | 一种瓶体封装质量视觉检测方法 | |
CN205436353U (zh) | 轴承分拣机 | |
CN101105460A (zh) | 多功能验瓶机 | |
CN103344577A (zh) | 一种基于多光谱成像技术的畜肉新鲜度无损伤检测方法 | |
CN205538710U (zh) | 一种基于机器视觉的电感质量自动检测*** | |
CN105403147A (zh) | 一种基于嵌入式的瓶胚检测***和检测方法 | |
CN105954301A (zh) | 一种基于机器视觉的瓶口质量检测方法 | |
CN104118609A (zh) | 贴标质量检测方法和装置 | |
CN108580333A (zh) | 基于机器视觉的液位检测平台研究与设计 | |
CN104550051A (zh) | 一种玻璃瓶空瓶分检*** | |
CN204731167U (zh) | 一种瓶装产品外包装标签喷码缺陷检测*** | |
CN103308523A (zh) | 多尺度瓶口缺陷检测方法及装置 | |
CN204544803U (zh) | 一种玻璃瓶空瓶分检*** | |
CN202066794U (zh) | 全自动按键检测装置 | |
CN104931505A (zh) | 机器视觉表面检测*** | |
CN103523491B (zh) | 瓶口定位方法 | |
CN201689317U (zh) | 标签检测*** | |
CN203672800U (zh) | 一种酒类灌装生产线质检*** | |
CN105241888B (zh) | 一种瓶口缺陷的检测方法及检测装置 | |
CN103278509B (zh) | 一种以泡沫外观为基础的啤酒在线检测方法 | |
Yang et al. | Design of drug and wine bottlecap defect detection system based on machine vision | |
CN204666224U (zh) | 一种矿物水加氮液位检测*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100084 Beijing Haidian District Tsinghua Yuan 100084-82 mailbox Co-patentee after: SHANDONG MINGJIA TECHNOLOGY CO., LTD. Patentee after: Tsinghua University Address before: 100084 Beijing Haidian District Tsinghua Yuan 100084-82 mailbox Co-patentee before: Shandong Mingjia Package Inspection Technology Co., Ltd. Patentee before: Tsinghua University |