CN103913465A - 一种多信息融合的高温铸坯表面缺陷在线检测方法 - Google Patents
一种多信息融合的高温铸坯表面缺陷在线检测方法 Download PDFInfo
- Publication number
- CN103913465A CN103913465A CN201410137362.5A CN201410137362A CN103913465A CN 103913465 A CN103913465 A CN 103913465A CN 201410137362 A CN201410137362 A CN 201410137362A CN 103913465 A CN103913465 A CN 103913465A
- Authority
- CN
- China
- Prior art keywords
- information
- green
- blue
- depth
- light source
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种高温铸坯表面缺陷的在线检测方法,采用单台彩色摄像机和红、绿、蓝三台条形光源获取高温铸坯表面灰度、深度和温度。摄像机为彩色三CCD的线阵摄像机,具有R、G、B三行像元,分别对红、绿、蓝三种波长的光线敏感。红、绿、蓝三台光源发射的光照射到高温铸坯表面的同一区域,摄像机采集该区域的反射光。从摄像机采集到的彩色图像可分离出R(红)、G(绿)、B(蓝)三个通道图像,分别对应红、绿、蓝三种光源的反射光图像。从R通道图像提取灰度信息,从G通道、B通道图像提取深度信息,从R通道、G通道图像提取温度信息。通过深度、温度信息的像素级融合检测缺陷区域,通过灰度、深度信息的特征级融合对缺陷进行分类识别。
Description
技术领域
本发明涉及一种高温铸坯表面缺陷的在线检测方法,通过红色、绿色、蓝色三台条形光源和单台彩色三CCD线阵摄像机的组合,获取高温铸坯表面灰度、深度和温度信息,通过深度信息和温度信息的像素级融合检测高温铸坯表面缺陷所在的区域,通过灰度信息和深度信息的特征级融合对高温铸坯表面缺陷进行分类识别。
背景技术
连铸坯的质量直接影响后续钢材产品的质量,板带材表面缺陷很大部分是连铸坯表面缺陷的后续表现,严格监控连铸坯表面缺陷具有非常重要的意义。目前,铸坯表面质量主要依靠人工离线进行检测,不仅劳动强度大、生产效率低,而且无法对缺陷进行及时反馈。由于铸坯表面温度高达1000℃以上,在这种温度下检测,要求既不能采用耦合剂,也不能采用接触检测方式。即使采用非接触检测方式,铸坯表面与传感器之间距离也不能太近,否则,传感器会在高温金属长时间烘烤下改变其特性。因此,传统的超声、涡流、电磁等无损检测方法无法实现高温铸坯的在线检测。基于CCD摄像的机器视觉检测技术具有远距离、响应快等优点,将机器视觉检测技术应用于高温铸坯表面缺陷在线检测,可以发挥远距离的优点,因而受高温金属影响较小,具有较高的抗干扰能力。但是,现有的机器视觉表面检测技术通常采用黑白CCD摄像机采集物体的表面图像,通过图像灰度值的变化以及提取的灰度信息来检测和识别缺陷。由于连铸生产中铸坯在高温下被氧化,表面生成大面积的氧化铁皮,并且由于连铸工艺的要求,铸坯表面覆盖着大量的保护渣。因此,摄像机采集到的高温铸坯表面图像中包含着大量氧化铁皮和保护渣等干扰物,这些干扰物与表面缺陷在灰度上非常接近,如果仅仅通过灰度信息进行缺陷检测与识别,会造成大量的“误报”。
铸坯表面的裂纹、凹陷等缺陷都会造成铸坯表面深度的变化,而氧化铁皮、保护渣等干扰物与裂纹、凹陷等缺陷在深度变化上存在着不同,如果能提取铸坯表面的深度信息,根据深度信息判别缺陷,会增加缺陷检测的准确率,减少“误报”现象。此外,高温铸坯表面的热辐射现象非常突出,铸坯自身的热辐射与其表面覆盖的氧化铁皮和保护渣的热辐射能量是不同的,因此,通过高温铸坯表面的热辐射形成的温度场信息,能为铸坯表面缺陷的准确检测与识别提供可靠的依据。因此,如果能够获取表面灰度、深度、温度等信息,通过这些信息的融合检测与识别高温铸坯表面缺陷,可以提高缺陷检测与识别的准确率。
传统的信息融合往往指多传感器的信息融合,如果通过多台摄像机分别获取灰度、深度和温度信息,不仅增加摄像机的数量,而且还需要对不同摄像机采集到的图像进行配准,增加了***的复杂性。本发明通过单台彩色摄像机与多台不同颜色光源的组合,实现了单台摄像机同时获取高温铸坯表面的灰度、深度与温度图像,不仅减少了摄像机的数量,而且灰度、深度与温度图像对应的是高温铸坯表面的同一区域,无需进行图像的配准,降低了信息融合的难度。
发明内容
本发明采用红色、绿色、蓝色三台条形光源和彩色线阵CCD摄像机,获取高温铸坯表面灰度、深度、温度等信息,通过灰度、深度、温度等信息的融合检测与识别高温铸坯表面缺陷,从而提高缺陷检测与识别的准确率。
本发明是这样实现的:
一种多信息融合的高温铸坯表面缺陷在线检测方法,采用单台彩色摄像机和红色、绿色、蓝色三台条形光源的组合获取高温铸坯表面灰度信息、深度信息和温度信息,所述的摄像机采用彩色三CCD的线阵摄像机,具有R、G、B三行像元,分别对红、绿、蓝三种波长的光线敏感,所述的红色光源的发光波长为700nm,绿色光源的发光波长为546.1nm,蓝色光源的发光波长为435.8nm,所述的摄像机放置在垂直于高温铸坯表面的方向上,所述的蓝色光源与绿色光源的发光强度相等,分别安装在摄像机位于高温铸坯运行方向的两侧,其入射角相等,为30°,其距离高温铸坯表面的高度也相等,所述的红色光源的入射角约为10°,红色、绿色、蓝色三台光源发射的光照射到高温铸坯表面的同一区域,摄像机采集该区域的反射光。从摄像机采集到的彩色图像可分离出R、G、B三个通道图像,分别对应红色、绿色、蓝色三种光源的反射光图像,通过摄像机采集到的R通道图像可以提取铸坯表面的灰度信息,通过摄像机采集到的G、B通道图像可以提取铸坯表面的深度信息,通过摄像机采集到的R、B通道图像可以提取铸坯表面的温度信息,通过深度信息与温度信息的像素级融合,把在深度上“凹于表面”,温度比背景高或基本相等的区域检测出来,作为缺陷区域;通过深度信息与灰度信息的特征级融合进行缺陷的分类识别,从摄像机采集到的R通道图像中提取缺陷的灰度特征,从深度信息中提取缺陷的深度特征,灰度特征与深度特征分别进行特征维数约减,将降维后的灰度特征和深度特征进行特征级融合,将融合后的特征量作为分类器的输入进行缺陷分类,从而实现缺陷的识别。
本发明的另一个技术方案是上述的的深度信息,其计算公式如下:
式中,IG、IB分别为G通道、B通道图像的灰度值,α为绿色光源与蓝色光源的入射角,通过γ′可反映表面深度的变化。
本发明的再一个技术方案是上述的温度信息,其计算公式如下:
式中,C2为第二辐射常数,C2=1.4388*10-2mK;λR为红色光源发光波长700nm,λG为绿色光源发光波长546.1nm,λB为蓝色光源的发光波长435.8nm,IR、IG分别为R通道、G通道图像的灰度值;KR、KG分别为摄像机的红、绿基色光谱响应系数。
本发明的有益效果是:通过一台摄像机实现高温铸坯表面灰度信息、深度信息、温度信息的获取,不仅减少摄像机数量,而且由于灰度信息、深度信息、温度信息对应的是高温铸坯表面同一区域,在信息融合时不需要做图像的配准。通过灰度信息、深度信息、温度信息的融合,有利于提高缺陷检测与识别的准确率,降低“误报”率。
附图说明
图1为检测光路的配置方式。图1中:1为红色光源,2为绿色光源,3为蓝色光源,4为彩色线阵CCD摄像机,5为待检测的高温铸坯,箭头表示高温铸坯5的运行方向。
图2为灰度信息、深度信息、温度信息的获取及通过三种信息融合进行高温铸坯表面缺陷检测与识别的流程。
具体实施方式
图1中,红色光源1、绿色光源2与蓝色光源3照射到待检测的高温铸坯1表面的同一区域,彩色线阵CCD摄像机4采集待检测的高温铸坯5表面光照区域的图像,v为高温铸坯5运行方向。绿色光源2与蓝色光源3放置在摄像机4与高温铸坯5运行方向的两侧,两台光源的入射角都为α,α≈30°。两台的发光强度相等,并且距离高温铸坯5表面的高度也相等。红色光源1的入射角为β,β≈10°。红色光源1、绿色光源2与蓝色光源3发射的光照射到高温铸坯5表面的同一区域,摄像机4采集该区域的图像。从摄像机4采集到的彩色图像可分离出R(红)、G(绿)、B(蓝)三个通道图像,分别对应红色光源1、绿色光源2与蓝色光源3的反射光图像。
图2中,从彩色图像分离出来的R通道图像对应的是红色光源1的反射光图像,该图像是高温铸坯表面的灰度图像。从彩色图像分离出来的G通道图像和B通道图像可以合成高温铸坯表面倾角的变化图,表面倾角的变化图反映了表面深度的变化,因此可以认为是表面深度的变化图。表面倾角的计算方式如下:
式中,γ为表面倾角,IG、IB分别为G通道、B通道图像的灰度值,α为绿色光源2与蓝色光源3的入射角。由于cotα为一常数,因此式(1)可简化为:
根据式(2)可计算表面倾角的变化,由此可以得到表面深度的变化图。通过从彩色图像分离出来的R通道图像和G通道图像可以用比色测温法得到表面温度的分布图,计算方法如下:
式中,C2为第二辐射常数,C2=1.4388*10-2mK;λR为红色光源1的发光波长700nm,λG为绿色光源2的发光波长546.1nm,λB为蓝色光源的发光波长435.8nm,IR、IG分别为R通道、G通道图像的灰度值;KR、KG分别为摄像机4的红、绿基色光谱响应系数。
由于灰度图像、深度图像、温度图像对应的是高温铸坯表面的同一区域,无需配准就可以进行信息融合。通过信息融合实现缺陷的检测与识别分为两个过程:
(1)像素级融合。像素级融合用于检测缺陷所在的区域,高温铸坯表面呈现出的特点如表1所示。
表1高温铸坯表面信息的特点
根据表1所示的高温铸坯裂纹、凹陷等缺陷与氧化铁皮、保护渣等“伪缺陷”以及正常表面在灰度、深度、温度等方面表现出的变化,由于灰度信息比较复杂,在正常状态下也会有变化,所以在检测缺陷所在的区域时主要用深度信息和温度信息。把在深度上“凹于表面”,温度比背景高或基本相等的区域检测出来,作为缺陷区域,从而避免氧化铁皮、保护渣等“伪缺陷”的干扰。
(2)特征级融合。特征级融合用于缺陷的分类识别,根据检测到的缺陷区域,从灰度图像,即摄像机采集的R通道图像中提取缺陷的灰度特征,从合成的深度信息中提取缺陷的深度特征。分别对灰度特征和深度特征进行特征维数约减,将降维后的灰度特征和深度特征进行特征级的融合,将融合后的特征量作为分类器的输入进行缺陷分类,从而实现缺陷的识别。
Claims (3)
1.一种多信息融合的高温铸坯表面缺陷在线检测方法,其特征在于:采用单台彩色摄像机和红色、绿色、蓝色三台条形光源的组合获取高温铸坯表面灰度信息、深度信息和温度信息,所述的摄像机采用彩色三CCD的线阵摄像机,具有R、G、B三行像元,分别对红、绿、蓝三种波长的光线敏感,所述的红色光源的发光波长为700nm,绿色光源的发光波长为546.1nm,蓝色光源的发光波长为435.8nm,所述的摄像机放置在垂直于高温铸坯表面的方向上,所述的蓝色光源与绿色光源的发光强度相等,分别安装在摄像机位于高温铸坯运行方向的两侧,其入射角相等,为30°,其距离高温铸坯表面的高度也相等,所述的红色光源的入射角约为10°,红色、绿色、蓝色三台光源发射的光照射到高温铸坯表面的同一区域,摄像机采集该区域的反射光,从摄像机采集到的彩色图像可分离出R、G、B三个通道图像,分别对应红色、绿色、蓝色三种光源的反射光图像,通过摄像机采集到的R通道图像可以提取铸坯表面的灰度信息,通过摄像机采集到的G、B通道图像可以提取铸坯表面的深度信息,通过摄像机采集到的R、B通道图像可以提取铸坯表面的温度信息,通过深度信息与温度信息的像素级融合,把在深度上“凹于表面”,温度比背景高或基本相等的区域检测出来,作为缺陷区域;通过深度信息与灰度信息的特征级融合进行缺陷的分类识别,从摄像机采集到的R通道图像中提取缺陷的灰度特征,从深度信息中提取缺陷的深度特征,灰度特征与深度特征分别进行特征维数约减,将降维后的灰度特征和深度特征进行特征级融合,将融合后的特征量作为分类器的输入进行缺陷分类,从而实现缺陷的识别。
2.如权利要求1所述的一种多信息融合的高温铸坯表面缺陷在线检测方法,其特征在于:所述的的深度信息,其计算公式如下:
式中,IG、IB分别为G通道、B通道图像的灰度值,α为绿色光源与蓝色光源的入射角,通过γ′可反映表面深度的变化。
3.如权利要求1所述的的一种多信息融合的高温铸坯表面缺陷在线检测方法,其特征在于:所述的温度信息,其计算公式如下:
式中,C2为第二辐射常数,C2=1.4388*10-2mK;λR为红色光源发光波长700nm,λG为绿色光源发光波长546.1nm,λB为蓝色光源的发光波长435.8nm,IR、IG分别为R通道、G通道图像的灰度值;KR、KG分别为摄像机的红、绿基色光谱响应系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410137362.5A CN103913465B (zh) | 2014-04-04 | 2014-04-04 | 一种多信息融合的高温铸坯表面缺陷在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410137362.5A CN103913465B (zh) | 2014-04-04 | 2014-04-04 | 一种多信息融合的高温铸坯表面缺陷在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103913465A true CN103913465A (zh) | 2014-07-09 |
CN103913465B CN103913465B (zh) | 2016-04-20 |
Family
ID=51039307
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410137362.5A Active CN103913465B (zh) | 2014-04-04 | 2014-04-04 | 一种多信息融合的高温铸坯表面缺陷在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103913465B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170044679A (ko) * | 2015-06-05 | 2017-04-25 | 신닛테츠스미킨 카부시키카이샤 | 금속체의 형상 검사 장치 및 금속체의 형상 검사 방법 |
CN107234074A (zh) * | 2017-07-19 | 2017-10-10 | 合肥泰禾光电科技股份有限公司 | 一种分时led双红外在线物料分选装置及分选方法 |
CN108072672A (zh) * | 2017-12-14 | 2018-05-25 | 清华大学 | 一种烧蚀结构形貌及产物的在线监测装置及其监测方法 |
CN108303623A (zh) * | 2018-01-12 | 2018-07-20 | 华中科技大学 | 一种诊断电弧放电非热平衡物理特性的方法 |
CN108490000A (zh) * | 2018-03-13 | 2018-09-04 | 北京科技大学 | 一种棒线材表面缺陷在线检测装置和方法 |
CN109829886A (zh) * | 2018-12-25 | 2019-05-31 | 苏州江奥光电科技有限公司 | 一种基于深度信息的pcb板缺陷检测方法 |
CN110288561A (zh) * | 2018-03-14 | 2019-09-27 | 浙江大学山东工业技术研究院 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
CN111398288A (zh) * | 2020-03-05 | 2020-07-10 | 包头联方高新技术有限责任公司 | 连铸坯在线热状态下表面全幅周向检测***、方法及装置 |
CN112078237A (zh) * | 2020-08-25 | 2020-12-15 | 北京黎马敦太平洋包装有限公司 | 一种具有自动烫印质量检测装置的烫印*** |
CN113706534A (zh) * | 2021-10-28 | 2021-11-26 | 南通欣斯特机械制造有限公司 | 一种基于多光线分析的注塑产品缺陷检测方法 |
CN114112903A (zh) * | 2021-02-01 | 2022-03-01 | 苏州威华智能装备有限公司 | 一种光伏电池片表面缺陷检测方法、设备及存储介质 |
IT202100015773A1 (it) * | 2021-06-16 | 2022-12-16 | Visiorobotics S R L | Sistema ottico e metodo per analizzare una superficie |
CN116128810A (zh) * | 2022-12-15 | 2023-05-16 | 众芯汉创(北京)科技有限公司 | 一种基于前端识别的红外缺陷检测方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02213711A (ja) * | 1989-02-14 | 1990-08-24 | Omron Tateisi Electron Co | 部品検査装置 |
JP2010019657A (ja) * | 2008-07-10 | 2010-01-28 | Rozefu Technol:Kk | カラー照明を用いた検査装置 |
CN102830123A (zh) * | 2012-08-16 | 2012-12-19 | 北京科技大学 | 一种金属板带表面微小缺陷的在线检测方法 |
US20130271596A1 (en) * | 2012-04-12 | 2013-10-17 | Kla-Tencor Corporation | Systems and Methods for Sample Inspection and Review |
-
2014
- 2014-04-04 CN CN201410137362.5A patent/CN103913465B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02213711A (ja) * | 1989-02-14 | 1990-08-24 | Omron Tateisi Electron Co | 部品検査装置 |
JP2010019657A (ja) * | 2008-07-10 | 2010-01-28 | Rozefu Technol:Kk | カラー照明を用いた検査装置 |
US20130271596A1 (en) * | 2012-04-12 | 2013-10-17 | Kla-Tencor Corporation | Systems and Methods for Sample Inspection and Review |
CN102830123A (zh) * | 2012-08-16 | 2012-12-19 | 北京科技大学 | 一种金属板带表面微小缺陷的在线检测方法 |
Non-Patent Citations (1)
Title |
---|
徐科 等: "基于光度立体学的金属板带表面微小缺陷在线检测方法", 《机械工程学报》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101956488B1 (ko) * | 2015-06-05 | 2019-03-08 | 신닛테츠스미킨 카부시키카이샤 | 금속체의 형상 검사 장치 및 금속체의 형상 검사 방법 |
CN107003115A (zh) * | 2015-06-05 | 2017-08-01 | 新日铁住金株式会社 | 金属体的形状检查装置和金属体的形状检查方法 |
EP3182060A4 (en) * | 2015-06-05 | 2018-01-17 | Nippon Steel & Sumitomo Metal Corporation | Apparatus for inspecting shape of metal body, and method for inspecting shape of metal body |
KR20170044679A (ko) * | 2015-06-05 | 2017-04-25 | 신닛테츠스미킨 카부시키카이샤 | 금속체의 형상 검사 장치 및 금속체의 형상 검사 방법 |
CN107003115B (zh) * | 2015-06-05 | 2019-08-09 | 日本制铁株式会社 | 金属体的形状检查装置和金属体的形状检查方法 |
CN107234074A (zh) * | 2017-07-19 | 2017-10-10 | 合肥泰禾光电科技股份有限公司 | 一种分时led双红外在线物料分选装置及分选方法 |
CN108072672A (zh) * | 2017-12-14 | 2018-05-25 | 清华大学 | 一种烧蚀结构形貌及产物的在线监测装置及其监测方法 |
CN108303623A (zh) * | 2018-01-12 | 2018-07-20 | 华中科技大学 | 一种诊断电弧放电非热平衡物理特性的方法 |
CN108303623B (zh) * | 2018-01-12 | 2019-07-09 | 华中科技大学 | 一种诊断电弧放电非热平衡物理特性的方法 |
CN108490000A (zh) * | 2018-03-13 | 2018-09-04 | 北京科技大学 | 一种棒线材表面缺陷在线检测装置和方法 |
CN110288561A (zh) * | 2018-03-14 | 2019-09-27 | 浙江大学山东工业技术研究院 | 基于频率域滤波增强的耐火砖表面划痕识别方法 |
CN109829886A (zh) * | 2018-12-25 | 2019-05-31 | 苏州江奥光电科技有限公司 | 一种基于深度信息的pcb板缺陷检测方法 |
CN111398288A (zh) * | 2020-03-05 | 2020-07-10 | 包头联方高新技术有限责任公司 | 连铸坯在线热状态下表面全幅周向检测***、方法及装置 |
CN111398288B (zh) * | 2020-03-05 | 2022-11-15 | 包头联方高新技术有限责任公司 | 连铸坯在线热状态下表面全幅周向检测***、方法及装置 |
CN112078237B (zh) * | 2020-08-25 | 2022-05-27 | 北京黎马敦太平洋包装有限公司 | 一种具有自动烫印质量检测装置的烫印*** |
CN112078237A (zh) * | 2020-08-25 | 2020-12-15 | 北京黎马敦太平洋包装有限公司 | 一种具有自动烫印质量检测装置的烫印*** |
CN114112903A (zh) * | 2021-02-01 | 2022-03-01 | 苏州威华智能装备有限公司 | 一种光伏电池片表面缺陷检测方法、设备及存储介质 |
IT202100015773A1 (it) * | 2021-06-16 | 2022-12-16 | Visiorobotics S R L | Sistema ottico e metodo per analizzare una superficie |
CN113706534B (zh) * | 2021-10-28 | 2022-01-25 | 南通欣斯特机械制造有限公司 | 一种基于多光线分析的注塑产品缺陷检测方法 |
CN113706534A (zh) * | 2021-10-28 | 2021-11-26 | 南通欣斯特机械制造有限公司 | 一种基于多光线分析的注塑产品缺陷检测方法 |
CN116128810A (zh) * | 2022-12-15 | 2023-05-16 | 众芯汉创(北京)科技有限公司 | 一种基于前端识别的红外缺陷检测方法和*** |
CN116128810B (zh) * | 2022-12-15 | 2024-01-23 | 众芯汉创(北京)科技有限公司 | 一种基于前端识别的红外缺陷检测方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN103913465B (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103913465B (zh) | 一种多信息融合的高温铸坯表面缺陷在线检测方法 | |
US7970202B2 (en) | Method and arrangement for detecting surface and structural defects of a long moving product | |
ES2890649T3 (es) | Método para la inspección de superficie de productos largos y aparato adecuado para llevar a cabo dicho método | |
CN104020177B (zh) | 连铸坯表面缺陷双ccd扫描成像检测方法 | |
TWI232298B (en) | Apparatus and method for detecting surface defects on a workpiece such as a rolled/drawn metal bar | |
US7623226B2 (en) | Optical method and device for detecting surface and structural defects of a travelling hot product | |
CN102608126A (zh) | 一种高温连铸坯表面缺陷在线检测方法和装置 | |
US10060858B2 (en) | Device and method for measuring distortion defects in a manufactured float glass strip | |
US9903710B2 (en) | Shape inspection apparatus for metallic body and shape inspection method for metallic body | |
KR101679205B1 (ko) | 디바이스 결함 검출장치 | |
WO2012176106A4 (en) | Method and apparatus for inspection of light emitting semiconductor devices using photoluminescence imaging | |
CN103017869A (zh) | 一种基于数字图像处理的水位测定***及方法 | |
CN101846501B (zh) | 用于气门座间隙评估的***和方法 | |
CN106017694A (zh) | 一种基于图像传感器的温度测量*** | |
US10345248B2 (en) | Optical system and method for inspecting a transparent plate | |
CN202548069U (zh) | 一种高温连铸坯表面缺陷在线检测装置 | |
US20010015414A1 (en) | Method and arrangement for inspection of surfaces | |
US10241057B2 (en) | Optical inspecting apparatus with an optical screening device | |
CN104215179A (zh) | 使用激光位移传感器动态测量钢坯宽度的方法 | |
Wang et al. | Online detection technique of 3D defects for steel strips based on photometric stereo | |
CN104776799B (zh) | 使用侧向光构建光影特征的盖面焊前焊缝检测装置及方法 | |
Jia et al. | A spectrum selection method based on SNR for the machine vision measurement of large hot forgings | |
CN104677920A (zh) | 一种基于果面局部灰度突变的水果表面虫眼检测标记方法 | |
CN103091332B (zh) | 一种基于机器视觉的u型粉管的检测方法及其检测*** | |
CN111650212A (zh) | 基于线阵相机立体视觉的金属表面法向立体信息获取方法 |
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 |