CN105798927A - 基于图像的坩埚缺陷磨削加工方法及应用其的加工*** - Google Patents

基于图像的坩埚缺陷磨削加工方法及应用其的加工*** Download PDF

Info

Publication number
CN105798927A
CN105798927A CN201610342546.4A CN201610342546A CN105798927A CN 105798927 A CN105798927 A CN 105798927A CN 201610342546 A CN201610342546 A CN 201610342546A CN 105798927 A CN105798927 A CN 105798927A
Authority
CN
China
Prior art keywords
crucible
image
processing method
defect
method based
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
Application number
CN201610342546.4A
Other languages
English (en)
Other versions
CN105798927B (zh
Inventor
李海艳
张皓亮
黄运保
骆继明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201610342546.4A priority Critical patent/CN105798927B/zh
Publication of CN105798927A publication Critical patent/CN105798927A/zh
Application granted granted Critical
Publication of CN105798927B publication Critical patent/CN105798927B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00Manipulators not otherwise provided for
    • B25J11/005Manipulators for mechanical processing tasks
    • B25J11/0065Polishing or grinding
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1656Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1694Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697Vision controlled systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Grinding And Polishing Of Tertiary Curved Surfaces And Surfaces With Complex Shapes (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明涉及石英陶瓷坩埚的加工领域,尤其涉及基于图像的坩埚缺陷磨削加工方法及应用其的加工***,所述加工方法包括如下步骤:(1)人工标记坩埚;(2)建立坩埚的外观图像模型;(3)生成灰度直方图;(4)生成二值化图像;(5)对单个像素值进行置0处理;(6)确定起始位置和结束位置;(7)采集相交区域的起始位置和结束位置;(8)得到数字集和区域集;(9)对数字集和区域集匹配处理;(10)对数字和区域做归一化;(11)对缺陷区域内数字进行识别,得出缺陷区域位置和打磨次数;(12)生成加工轨迹文件。该方法为机器人对坩埚进行打磨时,提供必要的加工参数并生成加工轨迹文件,使得打磨机器人能自动对坩埚进行打磨。

Description

基于图像的坩埚缺陷磨削加工方法及应用其的加工***
技术领域
本发明涉及石英陶瓷坩埚的加工领域,尤其涉及一种利用机器视觉识别石英陶瓷坩埚的缺陷并生成加工轨迹文件的方法及应用其的加工***。
背景技术
石英陶瓷坩埚全称为石英玻璃陶瓷坩埚,是用石英玻璃为原料做成的陶瓷质坩埚,多为方形。精细熔融石英陶瓷材料由于具有结构精细、热导率低、热膨胀系数小、尺寸精度高、高温不变形、热震稳定性好、电性能好、耐化学侵蚀性好等特点,因此在玻璃深加工行业、冶金工业、电子工业、化工工业、航空航天等领域得到广泛应用。
近年随着环保能源不断被重视和发展,太阳能作为绿色能源受到世界各国的普遍重视,得到了广泛的开发和利用,这使得用于太阳能转换的多晶硅的用量急剧增加。从而促进了多晶硅生产的快速发展,相应的大尺寸薄壁方形熔融石英陶瓷坩埚的用量也在急剧增大,国际上该产品的市场前景十分看好。熔融石英陶瓷坩埚以其热稳定性好、耐熔体(硅、铝、铜等)侵蚀性和对所加工的制品无污染等特性,被广泛应用于多晶硅生产及有色金属冶炼行业。石英陶瓷坩埚是太阳能电池用多晶硅铸锭炉的关键部件,它作为装载多晶硅原料的容器要在1500℃以上的高温下连续工作50小时以上,使之熔化生产出用来制造太阳能电池的多晶硅硅锭。由于其使用条件极其苛刻,对坩埚的纯度、强度、外观缺陷、内在质量、高温性能、热振稳定性、尺寸精度等都有极其严格的要求。
传统的石英陶瓷坩埚外观缺陷打磨是依靠有经验的工人对坩埚表面的缺陷进行识别和判断需要打磨的次数,然后进行人工打磨。这样的方法耗时长,工作效率低,长期工作在充满灰尘的恶劣环境,对工人的身体健康也有很大的影响。所以,可以利用机器人代替工人进行坩埚外观缺陷的打磨工作,实现生产的自动化。而实现打磨自动化的前提就是获取需要打磨的缺陷区域位置和需要打磨的次数。因此获取任意形状石英陶瓷坩埚的缺陷区域的位置和识别打磨的次数技术是石英陶瓷坩埚加工领域亟待解决的重要问题。
发明内容
本发明的目的在于提出一种利用机器视觉识别石英陶瓷坩埚的缺陷并生成加工轨迹文件的方法及应用其的加工方法。
为达此目的,本发明采用以下技术方案:
基于图像的坩埚缺陷磨削加工方法,其应用与数控打磨机器人,所述加工方法其包括如下步骤:
(1)人工标出待加工坩埚的缺陷位置和对应缺陷位置需要打磨的次数
(2)于数控***中对待加工坩埚的外观建立图像模型;
(3)对图像进行处理并生成灰度直方图;
(4)根据灰度直方图,设定像素阈值,对图像进行二直化并生成二值化图像;
(5)遍历二值化图像的像素,将二值化图像的每个连通域中单个即不与其他相同像素值连续的较大像素值置0;
(6)根据二值化图像中像素值大于设定的像素阈值的位置,在二值化图像内进行向前和向后搜索,确定二值化图像中每一行连通域的起始位置和结束位置;
(7)判定相邻两行的连通域是否有相交的区域,若有相交的区域,记下对应两行中像素值偏小的起始位置和像素值偏大的结束位置;
(8)提取步骤(7)中二值化图像的分辨率,并重复步骤(6)共n次,其中n小于或等于d!,得到打磨次数数字组成的数字集和相交的区域组成的区域集;
(9)对步骤(8)中得到的数字集和区域集分别进行离散点最优解求解,并对数字集的离散点最优解与对应的区域集离散点最优解进行匹配;
(10)根据数字集的离散点最优解,对对应区域做归一化,得到数字区域;
(11)将归一化之后的数字区域与模板数字区域相减,计算差分后该数字区域内的像素值的和,及模板数字区域中最小的模版数字;所述数字区域内的像素值的和模板数字区域中最小的模版数字分别为缺陷区域位置和打磨次数;
(12)将识别出来的缺陷区域位置结果和打磨次数送到轨迹规划***,生成加工轨迹文件。
具体的,所述步骤(4)中生成二值化图像时包括如下步骤:将图像中灰度大于设定像素阈值的像素置为255,将灰度小于设定像素阈值的像素置为0,从而得到二值化图像。
具体的,步骤(7)中判定相邻两行的连通域是否有相交的区域的步骤包括如下步骤:若第i行的某个连通域的起始位置为i_start和结束为止为i_end,将这个连通域的位置与i+1行的连通域位置进行比较,假设其中某个连通域的起始位置为i+1_start和i+1_end,若符合i_start<i+1_start和i_end>i+1_end或者i_start>i+1_start和i_end<i+1_end这两种情况之一,则认为这两行的连通域是有重叠的区域,否则认为这两行的连通域没有有重叠的区域。
更优的,所述步骤(9)中对数字集和区域集分别进行离散点最优解求解时是采用包围盒的方法计算的。石英陶瓷坩埚一个面上的缺陷区域是有多个的,每个区域打磨的次数也不是不一样的。上述的步骤可以将缺陷区域和数字的包围盒位置都找出来,并将缺陷区域和相对应的打磨次数数字进行匹配。由于数字是印在缺陷区域内,所以缺陷区域的包围盒位置和相对应的缺陷区域内的数字包围盒位置应该是包含关系。例如假设某个缺陷区域在图像中的位置坐标为,数字包围盒位置坐标为,如果该数字是在该缺陷区域的话,应满足一下条件:,
更优的,所述步骤(12)还包括建立模版数字的步骤:
a、于数控***中已加工完成没有缺陷的石英陶瓷坩埚的外观建立图像模型;
b、根据(1)-(9)所述的内容得到模版数字区域。
更优的,所述步骤(10)中根据数字集的离散点最优解,对对应区域做归一化时包括如下步骤:将所有数字进行放大或者缩小到与模板数字包围盒大小一样的尺寸。对所有的数字进行上述的归一化操作,提高数字识别的准确性,也保证了数控机床对待加工石英坩埚的准确加工。
更优的,所述步骤(2)步骤还包括如下步骤:利用工业相机对待加工的石英陶瓷坩埚包括外侧面、内侧面和底面在内的每个面进行拍照,然后将图像传输到PC端。只有对待加工的石英坩埚进行全面的图像采集,才能保证在数控***内建立的图像模型能完全记载待加工的石英坩埚的缺陷,才能方便后续对这些缺陷的准确提取。
更优的,上所述步骤(3)中在生成所述灰度直方图之前,还包括如下步骤:对图像依次进行预处理、噪声过滤和灰度化的操作。如灰度化是建立灰度直方图的必要操作,如预处理和噪声过滤是保证灰度直放图准确性的操作。
一种应用上述的基于图像的坩埚缺陷磨削加工方法的加工***;其包括数控***、打磨机器人和电脑;所述打磨机器人包括控制座和设于控制座的机械臂及安装与机械臂末端的打磨装置;
所述电脑包括工业相机、机械视觉模块、轨迹规划模块、电脑与打磨机器人通讯模块、电脑与数控***通讯模块和电脑与工业相机通讯模块;
所述打磨机器人的控制座和所述数控***均与所述电脑均电联接。
本发明根据上述内容提出一种基于图像的坩埚缺陷磨削加工方法及应用其的加工***,该方法通过识别坩埚需要磨削的缺陷区域位置和磨削次数,为后面机器人进行打磨提供必要的加工参数。该加工方法适用于石英坩埚缺陷的打磨,在工人标出缺陷的区域位置和需要磨削的次数之后,利用工业照相机分别对坩埚的所有面进行拍照,然后将图像传输到PC端,由PC对图像进行预处理,再利用区域位置识别和数字识别的算法将需要磨削的缺陷区域位置和磨削次数识别出来,为下一步打磨轨迹的规划做准备,最终生成能使得打磨机器人对坩埚进行自动打磨的加工轨迹文件。
附图说明
图1是本发明中所述加工方法的一个实施例的流程框架图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
基于图像的坩埚缺陷磨削加工方法,其应用与数控打磨机器人,如图1所示,所述加工方法包括如下步骤:
(1)人工标出待加工的石英陶瓷坩埚上的缺陷位置和对应缺陷位置需要打磨的次数。
(2)于数控***中对待加工的石英陶瓷坩埚的外观建立图像模型:利用工业相机对待加工的石英陶瓷坩埚包括外侧面、内侧面和底面在内的每个面进行拍照,然后将图像传输到PC端。
(3)对图像依次进行预处理、噪声过滤和灰度化的操作并生成灰度直方图。
(4)将图像中灰度大于设定像素阈值的像素置为255,将灰度小于设定像素阈值的像素置为0,从而得到二值化图像。
(5)遍历二值化图像的像素,将二值化图像的每个连通域中单个即不与其他相同像素值连续的且像素值255的像素值置0;该步骤是为了去除连通域中单个出现的像素值,即是的整个二值化图像由像素值为255的区域和像素值为0的区域组成,不会存在一个相同像素值的连通域中出现零散、单个的且与该连通域像素值不等的像素值。
(6)根据二值化图像中像素值大于设定的像素阈值的位置,在二值化图像内进行向前和向后搜索,确定二值化图像中每一行连通域的起始位置和结束位置。
(7)若第i行的某个连通域的起始位置为i_start和结束为止为i_end,将这个连通域的位置与i+1行的连通域位置进行比较,假设其中某个连通域的起始位置为i+1_start和i+1_end,若符合i_start<i+1_start和i_end>i+1_end或者i_start>i+1_start和i_end<i+1_end这两种情况之一,则认为这两行的连通域是有重叠的区域,否则认为这两行的连通域没有有重叠的区域;若有相交的区域,记下对应两行中像素值偏小起始位置和像素值偏大结束位置。
(8)提取步骤(7)中二值化图像的分辨率,并重复步骤(6)共n次,其中n小于或等于d!,得到打磨次数数字组成的数字集和相交的区域组成的区域集;
(9)根据位置关系,对数字集的包围盒和区域集的包围盒进行匹配;
(10)根据数字集的离散点最优解,对对应区域做归一化,得到数字区域;
(11)建立模版数字:a、于数控***中已加工完成没有缺陷的石英陶瓷坩埚的外观建立图像模型;b、根据步骤(1)-(9)所述的内容得到模版数字区域;将归一化之后的数字区域与模板数字区域相减,计算差分后该数字区域内的像素值的和,及模板数字区域中最小的模版数字;所述数字区域内的像素值的和模板数字区域中最小的模版数字分别为缺陷区域位置和打磨次数;
(12)将识别出来的缺陷区域位置结果和打磨次数送到轨迹规划***,生成加工轨迹文件。
一种应用上述的基于图像的坩埚缺陷磨削加工方法的加工***;其包括数控***、打磨机器人和电脑;
所述打磨机器人包括控制座和设于控制座的机械臂及安装与机械臂末端的打磨装置;
所述电脑包括工业相机、机械视觉模块、轨迹规划模块、电脑与打磨机器人通讯模块、电脑与数控***通讯模块和电脑与工业相机通讯模块;
所述打磨机器人的控制座和所述数控***均与所述电脑均电联接。
本发明根据所述内容提出一种基于图像的坩埚缺陷磨削加工方法及应用其的加工***,该方法通过识别坩埚需要磨削的缺陷区域位置和磨削次数,为后面机器人进行打磨提供必要的加工参数。该方法适用于石英坩埚缺陷的打磨,在工人标出缺陷的区域位置和需要磨削的次数之后,利用工业照相机分别对坩埚的所有面进行拍照,然后将图像传输到PC端,由PC对图像进行预处理,再利用区域位置识别和数字识别的算法将需要磨削的缺陷区域位置和磨削次数识别出来,为下一步打磨轨迹的规划做准备,最终生成能使得打磨机器人对坩埚进行自动打磨的加工轨迹文件。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理,而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。

Claims (9)

1.基于图像的坩埚缺陷磨削加工方法,应用于数控打磨机器人,其特征在于:包括如下步骤:
(1)人工标出待加工坩埚的缺陷位置和对应缺陷位置需要打磨的次数;
(2)于数控***中对待加工坩埚的外观建立图像模型;
(3)对图像进行处理并生成灰度直方图;
(4)根据灰度直方图,设定像素阈值,对图像进行二值化并生成二值化图像;
(5)遍历二值化图像的像素,将二值化图像的每个连通域中单个即不与其他相同像素值连续的较大像素值置0;
(6)根据二值化图像中像素值大于设定的像素阈值的位置,在二值化图像内进行向前和向后搜索,确定二值化图像中每一行连通域的起始位置和结束位置;
(7)判定相邻两行的连通域是否有相交的区域,若有相交的区域,记下对应两行中像素值偏小的起始位置和像素值偏大的结束位置;
(8)提取步骤(7)中二值化图像的分辨率,并重复步骤(6)共n次,其中n小于或等于d!,得到打磨次数数字组成的数字集和相交的区域组成的区域集;
(9)对步骤(8)中得到的数字集和区域集分别进行离散点最优解求解,并对数字集的离散点最优解与对应的区域集离散点最优解进行匹配;
(10)根据数字集的离散点最优解,对对应区域做归一化,得到数字区域;
(11)将归一化之后的数字区域与模板数字区域相减,计算差分后该数字区域内的像素值的和,及模板数字区域中最小的模版数字;所述数字区域内的像素值的和模板数字区域中最小的模版数字分别为缺陷区域位置和打磨次数;
(12)将识别出来的缺陷区域位置和打磨次数送到轨迹规划***,生成加工轨迹文件,打磨机器人按照该加工轨迹文件对坩埚进行打磨。
2.根据权利要求1所述的基于图像的坩埚缺陷磨削加工方法,其特征在于:所述步骤(4)中生成二值化图像时包括如下步骤:将图像中灰度大于设定像素阈值的像素置为255,将灰度小于设定像素阈值的像素置为0,从而得到二值化图像。
3.根据权利要求1所述的基于图像的坩埚缺陷磨削加工方法,其特征在于:步骤(7)中判定相邻两行的连通域是否有相交的区域的步骤中包括如下步骤:
若第i行的某个连通域的起始位置为i_start和结束为止为i_end,将这个连通域的位置与i+1行的连通域位置进行比较,假设其中某个连通域的起始位置为i+1_start和i+1_end,若符合i_start<i+1_start和i_end>i+1_end或者i_start>i+1_start和i_end<i+1_end这两种情况之一,则认为这两行的连通域是有重叠的区域;否则,认为这两行的连通域没有有重叠的区域。
4.根据权利要求1所述的基于图像的坩埚缺陷磨削加工方法,其特征在于:所述步骤(9)中对数字集和区域集分别进行离散点最优解求解时是采用包围盒的方法计算的。
5.根据权利要求4所述的基于图像的坩埚缺陷磨削加工方法,其特征在于:所述步骤(12)还包括建立模版数字的步骤:
a、于数控***中对已加工完成没有缺陷的坩埚的外观建立图像模型;
b、根据(1)-(9)所述的内容得到模版数字区域。
6.根据权利要求5所述的基于图像的坩埚缺陷磨削加工方法,其特征在于:所述步骤(10)中根据数字集的离散点最优解,对对应区域做归一化时包括如下步骤:将所有数字进行放大或者缩小到与模板数字包围盒大小一样的尺寸。
7.根据权利要求1所述的基于图像的坩埚缺陷磨削加工方法,其特征在于:所述步骤(2)步骤还包括如下步骤:利用工业相机对待加工的石英陶瓷坩埚包括外侧面、内侧面和底面在内的每个面进行拍照,然后将图像传输到PC端。
8.根据权利要求1所述的基于图像的石英陶瓷坩埚缺陷磨削加工参数的提取方法,其特征在于:上所述步骤(3)中在生成所述灰度直方图之前,还包括如下步骤:对图像依次进行预处理,噪声过滤和灰度化的操作。
9.应用如权利要求1-8中任意一项所述的基于图像的坩埚缺陷磨削加工方法的加工***;其特征在于:包括数控***、打磨机器人和电脑;
所述打磨机器人包括控制座和设于控制座的机械臂及安装与机械臂末端的打磨装置;
所述电脑包括工业相机、机械视觉模块、轨迹规划模块、电脑与打磨机器人通讯模块、电脑与数控***通讯模块和电脑与工业相机通讯模块;
所述打磨机器人的控制座和所述数控***均与所述电脑均电联接。
CN201610342546.4A 2016-05-23 2016-05-23 基于图像的坩埚缺陷磨削加工方法及应用其的加工*** Expired - Fee Related CN105798927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610342546.4A CN105798927B (zh) 2016-05-23 2016-05-23 基于图像的坩埚缺陷磨削加工方法及应用其的加工***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610342546.4A CN105798927B (zh) 2016-05-23 2016-05-23 基于图像的坩埚缺陷磨削加工方法及应用其的加工***

Publications (2)

Publication Number Publication Date
CN105798927A true CN105798927A (zh) 2016-07-27
CN105798927B CN105798927B (zh) 2017-02-08

Family

ID=56452740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610342546.4A Expired - Fee Related CN105798927B (zh) 2016-05-23 2016-05-23 基于图像的坩埚缺陷磨削加工方法及应用其的加工***

Country Status (1)

Country Link
CN (1) CN105798927B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106568783A (zh) * 2016-11-08 2017-04-19 广东工业大学 一种五金零件缺陷检测***及方法
CN107584375A (zh) * 2017-09-13 2018-01-16 中国电子科技集团公司第十三研究所 陶瓷外壳磨抛方法及装置
CN108326853A (zh) * 2018-01-17 2018-07-27 广东工业大学 一种打磨机器人***
CN108460798A (zh) * 2017-12-29 2018-08-28 江苏金恒信息科技股份有限公司 一种试样槽口定位方法及装置
CN108509947A (zh) * 2018-01-29 2018-09-07 佛山市南海区广工大数控装备协同创新研究院 一种基于人工神经网络的自动识别打磨方法
CN109584259A (zh) * 2019-01-18 2019-04-05 西安科技大学 一种石英坩埚气泡分层计数装置及方法
CN110625628A (zh) * 2019-10-24 2019-12-31 四川智能创新铸造有限公司 一种清除大型铸钢件无损检测缺陷的方法及装置
CN110625491A (zh) * 2019-08-29 2019-12-31 中车青岛四方机车车辆股份有限公司 打磨设备以及打磨方法
CN110988140A (zh) * 2019-11-25 2020-04-10 西南交通大学 一种正交异性钢桥面板疲劳裂纹智能识别方法
TWI704110B (zh) * 2018-10-15 2020-09-11 日商Sumco股份有限公司 石英坩堝內周面的評估方法及石英坩堝內周面的評估裝置
CN116985143A (zh) * 2023-09-26 2023-11-03 山东省智能机器人应用技术研究院 一种打磨机器人的打磨轨迹生成***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005030813A (ja) * 2003-07-09 2005-02-03 Okamoto Machine Tool Works Ltd 非接触3次元測定装置およびそれを用いるcnc精密研削装置
CN1672871A (zh) * 2005-04-07 2005-09-28 上海第三机床厂 数字化曲线磨床
CN102172869A (zh) * 2011-03-30 2011-09-07 铁道第三勘察设计院集团有限公司 基于可视化的轨道板数控磨床优化打磨方法
CN103163834A (zh) * 2011-12-11 2013-06-19 西安扩力机电科技有限公司 基于图像处理的智能型数控机床
CN103886579A (zh) * 2013-12-11 2014-06-25 西安交通大学 面向在线铁谱图像自动识别的磨粒链自适应分割方法
CN103995934A (zh) * 2014-05-22 2014-08-20 北京铭隆世纪科技有限公司 自动打磨的实现方法及装置
CN104175222A (zh) * 2014-08-25 2014-12-03 上海交通大学 大型球面磨削迹线形貌图像采集装置及球度判别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005030813A (ja) * 2003-07-09 2005-02-03 Okamoto Machine Tool Works Ltd 非接触3次元測定装置およびそれを用いるcnc精密研削装置
CN1672871A (zh) * 2005-04-07 2005-09-28 上海第三机床厂 数字化曲线磨床
CN102172869A (zh) * 2011-03-30 2011-09-07 铁道第三勘察设计院集团有限公司 基于可视化的轨道板数控磨床优化打磨方法
CN103163834A (zh) * 2011-12-11 2013-06-19 西安扩力机电科技有限公司 基于图像处理的智能型数控机床
CN103886579A (zh) * 2013-12-11 2014-06-25 西安交通大学 面向在线铁谱图像自动识别的磨粒链自适应分割方法
CN103995934A (zh) * 2014-05-22 2014-08-20 北京铭隆世纪科技有限公司 自动打磨的实现方法及装置
CN104175222A (zh) * 2014-08-25 2014-12-03 上海交通大学 大型球面磨削迹线形貌图像采集装置及球度判别方法

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106568783B (zh) * 2016-11-08 2019-12-03 广东工业大学 一种五金零件缺陷检测***及方法
CN106568783A (zh) * 2016-11-08 2017-04-19 广东工业大学 一种五金零件缺陷检测***及方法
CN107584375A (zh) * 2017-09-13 2018-01-16 中国电子科技集团公司第十三研究所 陶瓷外壳磨抛方法及装置
CN108460798A (zh) * 2017-12-29 2018-08-28 江苏金恒信息科技股份有限公司 一种试样槽口定位方法及装置
CN108326853A (zh) * 2018-01-17 2018-07-27 广东工业大学 一种打磨机器人***
CN108326853B (zh) * 2018-01-17 2021-08-24 广东工业大学 一种打磨机器人***
CN108509947A (zh) * 2018-01-29 2018-09-07 佛山市南海区广工大数控装备协同创新研究院 一种基于人工神经网络的自动识别打磨方法
TWI704110B (zh) * 2018-10-15 2020-09-11 日商Sumco股份有限公司 石英坩堝內周面的評估方法及石英坩堝內周面的評估裝置
CN109584259A (zh) * 2019-01-18 2019-04-05 西安科技大学 一种石英坩埚气泡分层计数装置及方法
CN109584259B (zh) * 2019-01-18 2021-10-01 赵谦 一种石英坩埚气泡分层计数装置及方法
CN110625491A (zh) * 2019-08-29 2019-12-31 中车青岛四方机车车辆股份有限公司 打磨设备以及打磨方法
CN110625628A (zh) * 2019-10-24 2019-12-31 四川智能创新铸造有限公司 一种清除大型铸钢件无损检测缺陷的方法及装置
CN110625628B (zh) * 2019-10-24 2023-08-25 四川智能创新铸造有限公司 一种清除大型铸钢件无损检测缺陷的方法及装置
CN110988140A (zh) * 2019-11-25 2020-04-10 西南交通大学 一种正交异性钢桥面板疲劳裂纹智能识别方法
CN110988140B (zh) * 2019-11-25 2021-10-01 西南交通大学 一种正交异性钢桥面板疲劳裂纹智能识别方法
CN116985143A (zh) * 2023-09-26 2023-11-03 山东省智能机器人应用技术研究院 一种打磨机器人的打磨轨迹生成***
CN116985143B (zh) * 2023-09-26 2024-01-09 山东省智能机器人应用技术研究院 一种打磨机器人的打磨轨迹生成***

Also Published As

Publication number Publication date
CN105798927B (zh) 2017-02-08

Similar Documents

Publication Publication Date Title
CN105798927A (zh) 基于图像的坩埚缺陷磨削加工方法及应用其的加工***
CN110211182B (zh) 一种基于灰度匹配与目标轮廓的液晶背光视觉定位方法
CN108760766B (zh) 一种大口径光学晶体表面微缺陷检测用的图像拼接方法
CN110717872B (zh) 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取***
CN103185730B (zh) 缺陷分类法则建立方法、缺陷分类与致命缺陷判断方法
CN113538486B (zh) 一种提高汽车钣金工件的识别与定位精度的方法
CN101885152A (zh) 一种自动找正的预印制图像板材数控切割方法
CN108021683B (zh) 一种基于三维标注的相似模型检索实现方法
CN107036560B (zh) 光学玻璃精密磨削加工的表面粗糙度检测方法
AU2021104874A4 (en) A surface roughness detection method based on machine vision and machine learning
He et al. A critical review for machining positioning based on computer vision
CN108509947A (zh) 一种基于人工神经网络的自动识别打磨方法
CN114580559A (zh) 一种基于单目视觉***的测速方法
CN113705564B (zh) 一种指针式仪表识别读数方法
CN110992416A (zh) 基于双目视觉与cad模型的高反光面金属零件位姿测量方法
CN112784894B (zh) 一种岩石薄片显微图像自动标注方法
CN112508855A (zh) 一种铱坩埚卷圆过程中的圆度判断方法
CN106841211A (zh) 一种运用机器视觉对电池片表面缺陷检测的平台及方法
CN107563990A (zh) 一种光伏电池片崩边及钝型和v型缺口的检测算法
CN108734706B (zh) 一种融合区域分布特性与边缘尺度角度信息的转子绕线图像检测方法
CN110470670A (zh) 一种基于图像处理的磁芯缺陷检测***及方法
CN107292924B (zh) 一种对激光加工形成的激光槽的特征自动识别方法
Meng et al. Defect detection of glassivation passivation parts wafer surface with random texture and different brightness
CN113160147B (zh) 热处理工件图像特征识别匹配***
CN104408285A (zh) 一种尺寸链的智能计算方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170208

Termination date: 20180523

CF01 Termination of patent right due to non-payment of annual fee