CN106353324B - 磁环表面缺陷提取方法 - Google Patents
磁环表面缺陷提取方法 Download PDFInfo
- Publication number
- CN106353324B CN106353324B CN201610656786.1A CN201610656786A CN106353324B CN 106353324 B CN106353324 B CN 106353324B CN 201610656786 A CN201610656786 A CN 201610656786A CN 106353324 B CN106353324 B CN 106353324B
- Authority
- CN
- China
- Prior art keywords
- image
- magnetic ring
- calculating
- formula
- defect
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000011049 filling Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000008961 swelling Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 29
- 239000000047 product Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 229910000859 α-Fe Inorganic materials 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种磁环表面缺陷提取方法，包括如下步骤：利用0TSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；利用Canny算法提取磁环图像F(X，Y)的边缘检测图像Q(X，Y)；将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)；将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。本发明运行效率高和准确率高，稳定性和鲁棒性强，能够识别常见的缺陷的具有特点。
Description
技术领域
本发明涉及计算机视觉技术领域，尤其是涉及一种检测准确率高、检测效率高的磁环表面缺陷提取方法。
背景技术
铁氧体磁环被广泛应用于电饭煲、电磁炉、音响等产品中，也是电子电路中常用的抗干扰元件，对于高频噪声有很好的抑制作用。但是，在磁环成型过程中，原材料搅拌不均匀或混有杂质、成型模具的磨损、烧结工序的温度控制不当或半成品受热不均匀等均会使磁环产生表面缺陷，如裂纹、粘连、结晶及掉角等。表面缺陷会直接影响磁材后期的品质，导致产品导磁率低、气隙大，降低产品的可靠性和稳定性。因此，出厂之前必须快速高效并准确检测磁环表面缺陷。
目前，绝大多数磁环生产企业采取人工检测缺陷，受限于工人的精神状态、检测熟练水平、经验积累水平以及工作环境等多方面因素，检测的效率低、速度慢，而且不可避免的产生错捡、漏检。虽然超声波、电涡流等无损检测技术已广泛应用于产品缺陷检测，但其检测成本高、速度慢、精度低，而且涡流检测要求被检对象是导电材料。铁氧体磁环的导电性能比较差，绝大多数生产企业要求磁环检测速度8-10个/秒，而且不仅需要检测出是否存在缺陷，还要根据厂家要求精确测量出缺陷区域的参数，并以此对产品进行分级，超声波和电涡流等无损检测技术在磁环表面缺陷检测方面受到了限制。
数字图像处理技术具有信息含量大、表现形式直观、传输存储方便等优点，随着电子、计算机和通信技术的发展，基于机器视觉的表面缺陷检测成为可能，国内外学者对此开展了广泛的研究，一些研究成果已经成功应用于钢珠、铁轨等产品的表面缺陷检。
由于铁氧体永磁体呈深灰色，其成像对比度比较低，图像表面暗淡；而且磁体外表面存在磨加工产生的纹理，输送磁体的皮带会出现油污、磨损、灰尘等状况。因此，磁体图象比较复杂，已有的表面缺陷检测算法不能适用于铁氧体永磁体。
发明内容
本发明的发明目的是为了克服现有技术中的人工检测容易出现错捡、漏检的不足，提供了一种检测准确率高、检测效率高的磁环表面缺陷提取方法。
为了实现上述目的，本发明采用以下技术方案：
一种磁环表面缺陷提取方法，包括如下步骤：
(1-1)利用OTSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；OTSU为最大类间方差法；
(1-2)利用Canny算法提取屏蔽背景图像F(X，Y)的边缘检测图像Q(X，Y)；
(1-3)将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；
(1-4)对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)；
(1-5)将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。
横店东磁等铁氧永磁体生产企业的一般要求检测速度8-10个/秒，检测算法除了需要有比较高的表面缺陷正确识别率，还应具有很高的运行效率。
现有技术采用Curvelet变换、非下采样Contourlet变换、shearlet变换、小波变换凳多尺度分析技术，算法运行效率不能满足要求，而且在嵌入式***中难以实现；有的表面缺陷正确识别率比较低，不能满足精度要求。此外，目前磁环缺陷检测算法只能检测上下端面的表面缺陷，无法检测外表面和内表面的缺陷。
本发明的在线运行实验结果表明，本发明的算法运行效率高和准确率高，稳定性和鲁棒性强，能够识别常见的缺陷，并且对于不常见的微小缺陷检测能力高；本发明对光照变化、磁环类型变化适应性强；算法稳定，便于***的检修维护。
作为优选，步骤(1-2)包括如下步骤：
利用公式G(X，Y)＝H(X，Y，σ)*F(X，Y)对F(X，Y)进行降噪处理，得到平滑后的图像G(X，Y)；
其中，H(X，Y，σ)为高斯滤波函数，σ为高斯滤波函数的标准差，σ为0.1至0.5；
利用公式计算图像G(X，Y)的梯度幅值T[X，Y]；
利用公式计算图像G(X，Y)的方向角
其中，
Gx＝[F(X+1，Y)-F(X，Y)+F(X+1，Y+1)-F(X，Y+1)]/2
Gy＝[F(X，Y+1)-F(X，Y)+F(X+1，Y+1)-F(X+1，Y)]/2；
利用插值对梯度幅值T(X，Y)进行非极大值抑制：将非极大值抑制后的图像G(X，Y)中最大的像素值记为Lmax，统计非极大值抑制后的图像G(X，Y)中1-Lmax各灰度级的像素个数，并按灰度级大小进行排列，设定1-Lmax各灰度级像素总数为Hist；
设定C×Hist的灰度值为L，其中，(0＜C＜1)，则利用公式THH＝L+1计算高阈值THH，利用公式THL＝0.3*THH计算低阈值THL；得到边缘检测图像Q(X，Y)。
作为优选，步骤(1-3)包括如下步骤：
利用公式计算并得到Q(X，Y)的数字形态学运算图像Qx(X，Y)；
其中，H为腐蚀和膨胀结构元素，表示膨胀，Θ表示腐蚀。
作为优选，步骤(1-4)包括如下步骤：
在Qx(X，Y)中查找所有连通域N′i，设定连通域N′i中的每个像素的像素值均为255，得到图像Qm，其中i为连通域序号。
因此，本发明具有如下有益效果：运行效率高和准确率高，稳定性和鲁棒性强，能够识别常见的缺陷，并且对于不常见的微小缺陷检测能力高。
附图说明
图1是本发明的一种流程图；
图2是本发明的一种磁环表面缺陷检测过程状态图；
图3是一种算法对比图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1、图2所示的实施例是一种磁环表面缺陷提取方法，图2中，从左至右依次为：原图像S(X，Y)、屏蔽背景图像F(X，Y)、边缘提取图像Q(X，Y)、数学形态学图像Qx(X，Y)、掩模图像Qm(X，Y)、缺陷连通域图像Q′(X，Y)；
包括如下步骤：
步骤100，利用OTSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；
步骤200，利用Canny算法提取屏蔽背景图像F(X，Y)的边缘检测图像Q(X，Y)；
利用公式G(X，Y)＝H(X，Y，σ)*F(X，Y)对F(X，Y)进行降噪处理，得到平滑后的图像G(X，Y)；
其中，H(X，Y，σ)为高斯滤波函数，σ为高斯滤波函数的标准差，σ为0.1至0.5；
利用公式计算图像G(X，Y)的梯度幅值T[X，Y]；
利用公式计算图像G(X，Y)的方向角
其中，
Gx＝[F(X+1，Y)-F(X，Y)+F(X+1，Y+1)-F(X，Y+1)]/2
Gy＝[F(X，Y+1)-F(X，Y)+F(X+1，Y+1)-F(X+1，Y)]/2；
利用插值对梯度幅值T(X，Y)进行非极大值抑制：将非极大值抑制后的图像G(X，Y)中最大的像素值记为Lmax，统计非极大值抑制后的图像G(X，Y)中1-Lmax各灰度级的像素个数，并按灰度级大小进行排列，设定1-Lmax各灰度级像素总数为Hist；
设定C×Hist的灰度值为L，其中，(0＜C＜1)，则利用公式THH＝L+1计算高阈值THH，利用公式THL＝0.3*THH计算低阈值THL；得到边缘检测图像Q(X，Y)。
步骤300，将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；
利用公式计算并得到Q(X，Y)的数字形态学运算图像Qx(X，Y)；
其中，H为腐蚀和膨胀结构元素，表示膨胀，Θ表示腐蚀。
步骤400，对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)
在Qx(X，Y)中查找所有连通域N′i，设定连通域N′i中的每个像素的像素值均为255，得到图像Qm，其中i为连通域序号；
步骤500，将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。
算法对比
如图3所示，第一行为存在缺陷的4个磁环，从左至右的4个磁环依次存在裂纹、掉块、偏磨、磕边的缺陷，第二行为OTSU阈值分割提取的磁环缺陷图像，第三行为本发明提取的磁环缺陷图像。
从图3中可以看出，由于磁环表面复杂、缺陷种类多，传统的OTSU分割提取缺陷算法不能有效的提取磁环缺陷，而本发明的算法能较好的提取磁环的缺陷。
实验结果
为了验证本发明算法的有效性及实用性，本发明选择了297个磁环进行测试，其中正常磁环107个，缺陷磁环190，通过不间断检测，检测结果如表1和表2所示。从表2中可知，磁环起皮检测的正确率比其他缺陷要低，可能是磁环表面部分缺陷边缘部分不明显，Canny算法检测边缘时不连续造成的。
表1 实验检测结果
表2 各缺陷检测结果对比
结论
与传统的缺陷检测方法相比，本发明准确率高，耗时短，且能检测更广泛的缺陷。
应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (1)
1.一种磁环表面缺陷提取方法，其特征是，包括如下步骤：
(1-1)利用OTSU分割磁环图像S(X，Y)，得到磁环二值图像B(X，Y)，将B(X，Y)和S(X，Y)进行与运算，得到屏蔽背景图像F(X，Y)；
(1-2)利用Canny算法提取屏蔽背景图像F(X，Y)的边缘检测图像Q(X，Y)；
利用公式G(X，Y)＝H(X，Y，σ)*F(X，Y)对F(X，Y)进行降噪处理，得到平滑后的图像G(X，Y)；
其中，H(X，Y，σ)为高斯滤波函数，σ为高斯滤波函数的标准差，σ为0.1至0.5；
利用公式计算图像G(X，Y)的梯度幅值T[X，Y]；
利用公式θ[X，Y]＝arctan(GX(X，Y)/GY(X，Y))计算图像G(X，Y)的方向角θ[X，Y]；
其中，
Gx＝[F(X+1，Y)-F(X，Y)+F(X+1，Y+1)-F(X，Y+1)]/2
Gy＝[F(X，Y+1)-F(X，Y)+F(X+1，Y+1)-F(X+1，Y)]/2；
利用插值对梯度幅值T(X，Y)进行非极大值抑制：将非极大值抑制后的图像G(X，Y)中最大的像素值记为Lmax，统计非极大值抑制后的图像G(X，Y)中1-Lmax各灰度级的像素个数，并按灰度级大小进行排列，设定1-Lmax各灰度级像素总数为Hist；
设定C×Hist的灰度值为L，其中，0＜C＜1，则利用公式THH＝L+1计算高阈值THH，利用公式THL＝0.3*THH计算低阈值THL；得到边缘检测图像Q(X，Y)；
(1-3)将Q(X，Y)转换为数字形态学运算图像Qx(X，Y)；
利用公式计算并得到Q(X，Y)的数字形态学运算图像Qx(X，Y)；
其中，H为腐蚀和膨胀结构元素， 表示膨胀，Θ表示腐蚀；
(1-4)对Qx(X，Y)内部连通区域进行填充，得到掩模图像Qm(X，Y)；
在Qx(X，Y)中查找所有连通域N′i，设定连通域N′i中的每个像素的像素值均为255，得到掩模图像Qm(X，Y)，其中i为连通域的序号；
(1-5)将Qm(X，Y)和Qx(X，Y)进行异或运算，得到缺陷连通域图像Q′(X，Y)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610656786.1A CN106353324B (zh) | 2016-08-10 | 2016-08-10 | 磁环表面缺陷提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610656786.1A CN106353324B (zh) | 2016-08-10 | 2016-08-10 | 磁环表面缺陷提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106353324A CN106353324A (zh) | 2017-01-25 |
| CN106353324B true CN106353324B (zh) | 2019-01-18 |
Family
ID=57843793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610656786.1A Active CN106353324B (zh) | 2016-08-10 | 2016-08-10 | 磁环表面缺陷提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106353324B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108280838A (zh) * | 2018-01-31 | 2018-07-13 | 桂林电子科技大学 | 一种基于边缘检测的夹片牙型缺陷检测方法 |
| CN108876768B (zh) * | 2018-05-30 | 2022-05-06 | 金名山光电(吴江)有限公司 | 导光板暗影缺陷检测方法 |
| CN108776966B (zh) * | 2018-06-12 | 2021-11-16 | 成都银河磁体股份有限公司 | 一种磁体外观缺陷检测的方法及*** |
| CN110021011A (zh) * | 2019-03-15 | 2019-07-16 | 横店集团东磁有限公司 | 一种检测芯片画胶面积的方法 |
| CN110687121B (zh) * | 2019-09-19 | 2022-06-17 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5859698A (en) * | 1997-05-07 | 1999-01-12 | Nikon Corporation | Method and apparatus for macro defect detection using scattered light |
| CN102253050A (zh) * | 2011-03-14 | 2011-11-23 | 广州市盛通建设工程质量检测有限公司 | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 |
| CN102393397A (zh) * | 2011-08-30 | 2012-03-28 | 成都四星液压制造有限公司 | 一种磁瓦表面缺陷检测***及其检测方法 |
| JP2012178159A (ja) * | 2012-03-16 | 2012-09-13 | Hitachi High-Technologies Corp | 欠陥検査方法及び欠陥検査装置 |
| CN103090804A (zh) * | 2013-01-15 | 2013-05-08 | 中国计量学院 | 成品磁环图像自动检测***及检测方法 |
-
2016
- 2016-08-10 CN CN201610656786.1A patent/CN106353324B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5859698A (en) * | 1997-05-07 | 1999-01-12 | Nikon Corporation | Method and apparatus for macro defect detection using scattered light |
| CN102253050A (zh) * | 2011-03-14 | 2011-11-23 | 广州市盛通建设工程质量检测有限公司 | 基于机器视觉的磁瓦表面缺陷自动检测方法与装置 |
| CN102393397A (zh) * | 2011-08-30 | 2012-03-28 | 成都四星液压制造有限公司 | 一种磁瓦表面缺陷检测***及其检测方法 |
| JP2012178159A (ja) * | 2012-03-16 | 2012-09-13 | Hitachi High-Technologies Corp | 欠陥検査方法及び欠陥検査装置 |
| CN103090804A (zh) * | 2013-01-15 | 2013-05-08 | 中国计量学院 | 成品磁环图像自动检测***及检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于小波模极大值的磁瓦裂纹缺陷边缘检测算法;林丽君等;《电子科技大学学报》;20150331;第44卷(第2期);283-288 |
| 磁瓦表面缺陷的机器视觉检测方法;张振尧等;《光学技术》;20140930;第40卷(第5期);434-439 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106353324A (zh) | 2017-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106353324B (zh) | 磁环表面缺陷提取方法 | |
| CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
| CN108665458B (zh) | 透明体表面缺陷提取及识别方法 | |
| CN110230978A (zh) | 一种耐火砖几何尺寸测量方法 | |
| CN102496161B (zh) | 一种印刷电路板图像的轮廓提取方法 | |
| CN110827235B (zh) | 钢板表面缺陷检测方法 | |
| CN106296687A (zh) | 基于掩模技术的磁环表面缺陷提取方法 | |
| CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
| CN109727244A (zh) | 一种磁瓦表面裂纹检测方法 | |
| CN109584215A (zh) | 一种电路板在线视觉检测*** | |
| CN113077437B (zh) | 工件质量检测方法及其*** | |
| WO2024087640A1 (zh) | 一种基于数字图像处理的印刷电路板焊点缺陷检测方法 | |
| CN104318556A (zh) | 一种油污干扰下的硅钢板表面缺陷图像检测方法 | |
| CN106780437B (zh) | 一种快速qfn芯片塑封图像获取与放大方法 | |
| Hongxun et al. | Pavement crack detection by ridge detection on fractional calculus and dual-thresholds | |
| CN111638218A (zh) | 一种涂层表面缺陷的检测方法 | |
| CN107133952A (zh) | 一种融合时频特征的表面裂痕识别方法 | |
| Zhao et al. | Analysis of image edge checking algorithms for the estimation of pear size | |
| Hu et al. | Heavy rail surface defects detection based on the morphology of multi-scale and dual-structure elements | |
| CN101696876B (zh) | 一种vcm磁钢的视觉检测方法 | |
| CN111815600B (zh) | 一种基于视觉的环形磁钢外观缺陷检测方法 | |
| CN113628155A (zh) | 一种圆盘造球机的生球粒径检测方法及*** | |
| CN114354631A (zh) | 一种基于视觉的阀门毛坯表面缺陷检测方法 | |
| Sun et al. | Research on image segmentation and extraction algorithm for bicolor water level gauge | |
| CN109191439A (zh) | 一种靶材工件表面刀纹缺陷检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221010 Address after: Room 406, building 19, haichuangyuan, No. 998, Wenyi West Road, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: HANGZHOU HUICUI INTELLIGENT TECHNOLOGY CO.,LTD. Address before: 310018 Xiasha Higher Education Zone, Zhejiang, Hangzhou Province, Zhejiang Sci-Tech University Patentee before: ZHEJIANG SCI-TECH University |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method for extracting surface defects of magnetic rings Granted publication date: 20190118 Pledgee: Guotou Taikang Trust Co.,Ltd. Pledgor: HANGZHOU HUICUI INTELLIGENT TECHNOLOGY CO.,LTD. Registration number: Y2024980004919 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |