CN107798677B - 一种基于matlab图像处理的托槽焊膏视觉检测方法 - Google Patents
一种基于matlab图像处理的托槽焊膏视觉检测方法 Download PDFInfo
- Publication number
- CN107798677B CN107798677B CN201711054360.XA CN201711054360A CN107798677B CN 107798677 B CN107798677 B CN 107798677B CN 201711054360 A CN201711054360 A CN 201711054360A CN 107798677 B CN107798677 B CN 107798677B
- Authority
- CN
- China
- Prior art keywords
- image
- bracket
- boundary
- main body
- bracket main
- 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
- 238000005476 soldering Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 229910000679 solder Inorganic materials 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000011179 visual inspection Methods 0.000 claims description 5
- 210000000746 body region Anatomy 0.000 claims description 3
- 238000005219 brazing Methods 0.000 abstract description 6
- 239000000758 substrate Substances 0.000 abstract description 5
- 238000003466 welding Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30036—Dental; Teeth
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于MATLAB图像处理的托槽焊膏视觉检测方法，包括步骤为：首先以摄像头采集托槽图像；接着将采集的托槽图像转换到HSV空间，并对H空间灰度图进行对比度增强、二值化和去噪声处理；提取托槽主体图像；再对托槽主体图像的边界修正和去噪声，最后通过计算托槽主体图像内黑点百分比判定是否有焊膏。通过上述方法，满足托槽生产自动化对焊膏检测的要求，保证了托槽上基底钎焊的可靠性。
Description
技术领域
本发明属于视觉检测技术领域，涉及一种托槽焊膏检测方法。
背景技术
托槽是口腔正畸矫治所需的一种医疗器件，用粘接剂直接粘接于牙冠表面，弓丝通过托槽对牙齿施以各种类型的矫治力。托槽的主要作用在于固定弓丝，从而使弓丝更好的发挥作用，传递矫治力，以此控制牙齿三维的移动，达到正畸矫治的目的。为加强托槽与牙面的粘接力，托槽需要焊接具有金属网格的基底，通过粘合剂，使托槽牢固地粘接于牙面上。目前，托槽和基底主要由不锈钢制成，采用钎焊工艺实现两者的结合，钎料为银基钎焊膏，在焊接之前必须在托槽上点焊膏。传统生产过程全部由人工完成，产量低，成本高，市场竞争、成本控制等因素迫使托槽生产过程必须实行自动化。为了保证焊接的可靠性，托槽焊膏检测是自动化生产必备的一道工序。由于零件尺寸小，而且为了不影响焊接质量，不允许接触检测，而光电检测法误检率较高，不能够满足可靠性要求，托槽焊膏检测是一项技术难点。
发明内容
本发明要解决的技术问题是：针对托槽焊膏检测的技术难点，实现托槽焊膏的自动化检测，提高检测的效率和准确性。
为了解决上述技术问题，本发明提供一种基于MATLAB图像处理的托槽焊膏视觉检测方法。
本发明所述的基于MATLAB图像处理的托槽焊膏视觉检测方法，包括步骤：
(1)以摄像头采集托槽图像；摄像头可以是USB摄像头、数码相机等；
(2)将采集的托槽图像转换到HSV空间，并对H空间灰度图进行对比度增强、二值化和去噪声处理；
(3)提取托槽主体图像(根据托槽主体的形态提取感兴趣区)；
(4)托槽主体图像的边界修正和去噪声；
(5)计算托槽主体图像内黑点百分比判定是否有焊膏。
作为对所述的托槽焊膏视觉检测方法的进一步改进，步骤(3)所述提取托槽主体图像的过程如下：
(31)确定托槽主体图像的上下边界：找到图像矩阵白点最多的一列，再分别从该列的第一行查找并记录第一个白点的行号、从最后一行起查找并记录最后一个白点的行号，行号即托槽主体在二值图像中的上边界和下边界；
(32)确定托槽主体图像左右边界：在图像的水平中心线上从图像的左边界向右查找第一个白点、从图像的右边界向左查找第一个白点，左边第一个白点的列号和右边第一个白点的列号即托槽主体的左边界和右边界；
(33)托槽主体图像提取：利用MATLAB提取子矩阵的方法从二值图像中提取托槽主体区域图像，提取方法为：托槽主体图像<＝处理的二值化图像(上边界：下边界，左边界：右边界)。
作为对所述的托槽焊膏视觉检测方法的进一步改进，确定托槽主体图像左右边界的方法是：将图像的水平中心线沿垂直方向上下调整，根据不同位置的水平中心线再用步骤(32)的方法确定出不同的左边界和右边界，再分别求出左边界集合的方差和右边界集合的方差，选择方差较小的集合的均值为基准，再根据托槽主体的几何宽度计算另一侧边界。
作为对所述的托槽焊膏视觉检测方法的进一步改进，步骤(4)中所述的边界修正是以得到托槽主体的最大内接矩形图像为准进行边界修正。
作为对所述的托槽焊膏视觉检测方法的进一步改进，步骤(5)中所述的黑点百分比判定阈值根据生产需要的焊膏量来确定。
作为对所述的托槽焊膏视觉检测方法的进一步改进，在步骤(2)之后、步骤(3)之前还有下述步骤：(21)把图像取反，去噪声处理后，再取反。
具体的说，本发明所述基于MATLAB图像处理的托槽焊膏视觉检测方法，包括如下步骤：
1图像采集，从USB摄像头获取托槽的图像
1.1调用videoinput函数，根据连接在计算机上USB数字摄像头的ID号创建视频输入对象；
1.2调用set函数设置步骤(1.1)所述摄像头的返回颜色空间为RGB；
1.3调用getsnapshot函数，从步骤(1.1)创建的视频输入对象中获取一帧图像；
2图像处理，对步骤(1)所获取的图像进行对比度增强和去噪声处理
2.1调用rgb2hsv函数将步骤(1.3)获取的图像转到HSV空间；
2.2提取步骤(2.1)所得的H空间灰度图；
2.3调用imadjust函数增强步骤(2.2)所得图像的对比度；
2.4调用graythresh函数自动确定步骤(2.3)生成增强图像的阈值；
2.5根据步骤(2.4)的阈值，调用im2bw函数将步骤(2.3)生成的增强图像二值化；
2.6调用bwareaopen函数删除步骤(2.5)二值化图像中的黑色背景中的白色小点；
2.7对步骤(2.6)得到的图像取反，再次调用bwareaopen函数删除取反图像中的白点，对结果再取反，得到步骤(2.5)所得图像去除小面积的白色和黑色噪声点后的图像。
3图像分析，分析步骤(2)的处理结果，提取托槽主体作为感兴趣区
3.1首先定义和图像列数相同的数组，统计步骤(2)所得图像的每一列的白点数，存放每一列的白点数，并找出白点数最多的列；
3.2自上而下扫描步骤(3.1)所述白点数最多的列，寻找第一个白点，保存索引值，定义为托槽主体上边界；
3.3自下而上扫描步骤(3.1)所述白点数最多的列，寻找第一个白点，保存索引值，定义为托槽主体下边界；
3.4使用步骤(3.2)、(3.3)所述的上边界和下边界提取步骤(2)的处理结果；
3.5取步骤(3.4)所得图像的最中间一行，并向上、下偏移再分别各取一行；
3.6从左到右扫描步骤(3.4)选择的行，找出每行左边第一个白点，保存其索引值；
3.7从右到左扫描步骤(3.4)选择的行，找出每行右边的一个白点，保存其索引值；
3.8分别计算步骤(3.6)和步骤(3.7)索引值的方差，选择方差值最小的一组，计算方差值最小组的平均值，以该平均值为边界，根据托槽主体宽度推算另一边界；
3.9根据左边界、右边界从步骤(3.4)得到的图片中提取托槽主体。
4托槽主体图像的边界修正和去噪声
4.1将步骤(3)所得的托槽主体图像的上、下、左、右边界分别减去一个修正量，得到托槽主体的最大内接矩形图像；
4.2调用bwareaopen函数删除步骤(4.1)所得图像中的黑色小面积噪声点；
4.3对步骤4.2所得的图像主体取反，再调用bwareaopen函数删除取反图像中的黑色小面积噪声点；
4.4对步骤(4.3)所得的图像取反，得到修正和去噪声后的托槽主体图像。
5托槽焊膏判定
计算步骤(4)所述修正和去噪声后的托槽主体图像黑点百分比，如果超过判定阈值，则说明已点焊膏，否则表示未点焊膏或焊膏量不足。
在本发明一个实施实例中，步骤(2.3)中所述增强对比度所用的亮度下限值和上限值从步骤(2.2)所生成图像的灰度图中读取；
在本发明一个实施实例中，步骤(2.6)、(2.7)、(4.2)和(4.3)所述小面积的数值由调试确定；
在本发明一个实施实例中，步骤(4.1)所述修正量的取值由调试确定，以得到托槽主体的最大内接矩形图像为准；
在本发明一个实施实例中，步骤(5)所述判定阈值根据生产需要的焊膏量来确定。
本发明的有益效果：
本发明所述的一种基于MATLAB图像处理的托槽焊膏视觉检测方法可以有效解决托槽焊膏检测的技术难点，为托槽生产自动化提供保证，具有成本低、检测可靠性高等优点。
附图说明
图1是采集的托槽图像(图1-1为无焊膏托槽图像，图1-2为有焊膏托槽图像)；
图2是采集图像的H、S、V空间图像；
图3是对比度增强前、后的H空间灰度图像(图3-1为增强前图像，图3-2为增强后图像)；
图4是二值化前、后的图像(图4-1为二值化前图像，图4-2为二值化后图像)；
图5是处理白色噪声后的图像；
图6是去除白色噪声点后图像取反后的图像；
图7是去除取反图像中白色噪声点后的图像；
图8是对图7取反后的图像；
图9是焊膏量和形状不同时的托槽图像经对比度增强和去噪声处理后的图像(包括图9-1、图9-2)；
图10是查找和统计每一列白点数流程；
图11是上边界确定流程；
图12是下边界确定流程；
图13是托槽主体上下边界确定后截取的图像(图13-1是对图9-1截取后图像、图13-2是对图8截取后图像)；
图14是左右边界提取原理图；
图15是左边界确定流程；
图16是右边界确定流程；
图17是提取的托槽主体图像与原始托槽图像对比图(图17-1-2是从图9-1中提取的托槽主体图像，图17-1-1是对图9-1处理之前的原始托槽图像；图17-2-2是从图8中提取的托槽主体图像，图17-2-1是对图8处理之前的原始托槽图像)；
图18是有焊膏实例的图像处理结果(图18-1、18-2、18-3分别是对图9-1、图9-2、图8经过边界修正和去噪声处理后的图像)；
图19是无焊膏实例的原始托槽图像及相对应的主体经过边界修正和去噪声处理后的图像(包括图19-1、19-2、19-3)。
具体实施方式
下面结合附图对本发明的方法进行详细阐述，以使本方法的优点和特征能更易于被本领域技术人员理解。包括以下步骤：
1.图像采集，从USB摄像头获取托槽的图像
本方法采用通用USB数字摄像头和调用MATLAB中的图像工具箱函数采集托槽图像，首先调用videoinput函数创建视频输入对象，再调用set函数将图像获取设备的颜色返回空间设置为RGB格式，最后调用getsnapshot函数获取一帧图像。本实施方式获取的图像如图1所示，分别为位于模具中无焊膏和有焊膏的托槽，虚线圆圈圈出具体点焊膏所在的位置，从图1中可以宏观的看出，焊膏的位置居于托槽主体表面，和托槽本体的颜色差距不显著。
2.图像处理，对步骤(1)所获取的图像进行对比度增强和去噪声处理
步骤(1)所获取的彩色图像信息量比较多，为了从中提取关键信息，便于托槽焊膏图像的处理和特征提取，需要对彩色图像的空间进行转换。本发明调用MATLAB图像处理工具箱中的rgb2hsv函数将步骤(1)获取的有焊膏彩色图像从RGB空间转化为HSV空间，图2是将图1-2转化后的灰度图像，分别是H空间、S空间和V空间，H空间的图像灰度差异比较明显。
为了使得托槽上点焊膏区域变得更清晰，从而提高检测的可靠性，本发明进一步调用MATLAB图像处理工具箱中的imadjust函数增强H空间灰度图像的对比度，增强对比度所用的亮度下限值和上限值从H空间图像的灰度图中读取，对比度增强前、后的H空间灰度图像如图3所示。
从图3中可以看出，对比度增强后的图像中托槽表面的焊膏区域得到了加强，与托槽的差异变大，能够比较清晰的显现出托槽表面的焊膏，为后续应用数字逻辑来判断，再采用im2bw函数将图像二值化，二值化前、后的图像如图4所示。
从图4可以看出，焊膏区域和背景黑色比例较高，而托槽主体为白色，二值化后图像的差异性明显提升。由于光线的不均匀性，二值化后的图像在托槽表面、背景区域和焊膏区域都存在一定数量的噪声点，在进行统计分析时，首先进行去噪声处理。二值化图像中的噪声点都是小面积的散点，本发明先采用bwareaopen函数删除小面积对象。删除小面积白色噪声点后的图像如图5所示，图中背景和焊膏区域的白色噪声点被去除，处理后的图像中的焊膏更加明显。
为了提高统计分析的准确性，还需将托槽白底上焊膏主体以外的黑色噪声点去除，因此，在上述结果的基础上，将图像先取反，如图6所示，从图中可以看出黑色噪声点变为白色。
采用bwareaopen函数处理后的结果如图7所示，从图中可以看出，托槽主体除焊膏区域外的白色噪声点已被去除。
经过上述处理后，再次取反，得到最终处理的图像如图8所示。
从图8可以看出，经过处理后的托槽二值图像，有焊膏和无焊膏的差别仅在托槽主体上是否有黑色区域。为了验证本发明的有效性，另选用两次有不同焊膏量和形状的托槽图像按上述方法进行处理，结果如图9所示，处理后的图像中焊膏区域和托槽本体差异明显。
参见图8、9，由于焊膏区域占整个图像的比例较小，而且焊膏量不均匀一致，还需对图像进一步分析。
3.图像分析，分析步骤(2)的处理结果，提取托槽主体作为感兴趣区
在处理后的二值图像上，焊膏呈现为黑色，托槽本体为白色，有焊膏和无焊膏的差别仅在托槽主体上是否存在黑色区域，由于焊膏区域占托槽背景图像的比例较小，而且焊膏量不均匀一致，简单的通过判断黑色比例变化不能够准确判断有焊膏、无焊膏，还需进一步提取图像的特征区域。
提取图像特征区域的目标是从二值图像中找出托槽上焊膏的核心区域，主要包括托槽主体的上、下边界和左、右边界的确定。包含如下分步：
3.1托槽主体上下边界确定
托槽主体近似白色矩形，因此本发明确定上下边界的方法是找到图像矩阵白点最多的一列，再分别从该列的第一行查找并记录第一个白点的行号，从最后一行起查找并记录最后一个白点的行号，行号即托槽主体在二值图像中的上边界和下边界。具体实现时首先定义一个一维数组，其维数和二值图像的总列数相同，用来存放每一列的白点数，查找和统计每一列白点数的流程图如附图10所示；然后找出前述数组中的最大值，其索引值即为白点数最多的列号；最后在白点数最多的一列确定上、下边界，流程图如附图11和12所示。托槽主体上下边界确定后截取的图像如图13所示，从图中可以看出，上下边界确定准确。
3.2托槽主体左右边界确定
由于焊膏位置存在不确定性，以及零件横向左右两侧的异形，本发明利用图像纵向的对称性特点，在图像的水平中心线上分别从图像的左边界向右、图像的右边界向左查找第一个白点，左边第一个白点的列号和右边第一个白点的列号即托槽主体的左边界和右边界，查找原理示意图如附图14所示，左边界和右边界确定流程图分别如附图15和16所示。
考虑焊膏位置的不确定性，有时可能会点到托槽主体的左边界或右边界，这会导致托槽主体左、右边界确定不准确，因此，本方法将水平中心线沿垂直方向上下调整，再用同样的方法确定左边界和右边界，最后，分别求出左边界集合的方差和右边界集合的方差，选择方差较小的集合的均值为基准，再根据托槽主体的几何宽度计算另一侧边界。如果左边界为基准，则右界等于左边界加上主体几何宽度；如果右边界为基准，则左边界等于右边界减去主体几何宽度。
3.3托槽主体提取
当上下边界、左右边界确定好后，利用MATLAB提取子矩阵的方法从二值图像中提取托槽主体区域图像，提取方法为：
托槽主体图像<＝处理的二值化图像(上边界：下边界，左边界：右边界)
本实施实例中，采用本发明提取的托槽主体图像如图17所示，即原始图像中矩形框限定的区域。
从图17示出的图像可以看出，经过上、下、左、右边界的提取之后，已经可以比较准确清晰地提取了托槽主体的图像，并且同时保留了焊膏区域的信息，由于光线的不均匀性，托槽主体边缘仍然存在部分噪声。
4.托槽主体图像的边界修正和去噪声
由于噪声的颜色和焊膏的颜色在二值图像上是一致的，因此在焊膏量比较少、噪声点比较多的极端情况下，可能会将噪声判断为焊膏，导致判断错误，将无焊膏判断为有焊膏。下面说明本发明对提取的托槽主体图像的边界修正和去噪声处理方法及步骤。
边界修正主要是针对托槽主体呈平行四边形的几何形态进行修正，未经边界修正的左右边界不是严格的垂直方向，上下边界也不是严格的水平方向，本方法分别对步骤3确定的上、下、左、右边界分别减去一个修正量，以在原托槽主体图像中得到一个最大内接矩形图像为原则进行修正。该修正量由实际多次调试确定，并且该修正量适用于同一规格的托槽。
经过上述处理后的托槽主体在有焊膏的情况下，焊膏在托槽主体图像上是一块很大的黑色联通区域，而噪声是面积较小的白色和黑色散点，根据这一特点，本方法采用bwareaopen函数删除托槽主体图像中的小白点噪声和小黑点噪声，处理方法同步骤2。
图18是三次有不同量和形状焊膏的托槽主体经过边界修正和去噪声处理后的图像，图19是三次无焊膏的原始托槽图像及相对应的经主体经过边界修正和去噪声处理后的图像，对比可以看出，经过本发明给出的步骤处理后，有焊膏和无焊膏的区别非常明显。
5托槽焊膏判定
经过步骤1到步骤4处理，有焊膏和无焊膏的托槽主体图像特征差异非常明显，有焊膏的托槽的图像可以在矩形图像区域内存在明显的黑色区域；而无焊膏的托槽图像矩形区域内除极少数的噪声点像素外均为白色，本方法通过计算图像的黑色像素点比例对焊膏情况进行判定，判定阈值根据生产对焊膏量的需求由多次调试确定。
本发明所述的一种基于MATLAB图像处理的托槽焊膏视觉检测方法，能够解决托槽生产自动化中焊膏检测的技术问题，保证了托槽上基底钎焊的可靠性。
Claims (4)
1.一种基于MATLAB图像处理的托槽焊膏视觉检测方法，其特征在于包括步骤：
（1）以摄像头采集托槽图像；
（2）将采集的托槽图像转换到HSV空间，并对H空间灰度图进行对比度增强、二值化和去噪声处理；
（3）提取托槽主体图像；
（4）托槽主体图像的边界修正和去噪声；
（5）计算托槽主体图像内黑点百分比判定是否有焊膏；
步骤（3）所述提取托槽主体图像的过程如下：
（31）确定托槽主体图像的上下边界：找到图像矩阵白点最多的一列，再分别从该列的第一行查找并记录第一个白点的行号、从最后一行起查找并记录最后一个白点的行号，行号即托槽主体在二值图像中的上边界和下边界；
（32）确定托槽主体图像的左右边界：将图像的水平中心线沿垂直方向上下调整，根据不同位置的水平中心线确定出不同的左边界和右边界，再分别求出左边界集合的方差和右边界集合的方差，选择方差较小的集合的均值为基准，再根据托槽主体的几何宽度计算另一侧边界；
根据不同位置的水平中心线确定出不同的左边界和右边界的方法：在图像的某个水平中心线上从图像的左边界向右查找第一个白点、从图像的右边界向左查找第一个白点，左边第一个白点的列号和右边第一个白点的列号即托槽主体的左边界和右边界；
（33）托槽主体图像提取：利用MATLAB提取子矩阵的方法从二值图像中提取托槽主体区域图像，提取方法为：托槽主体图像<=处理的二值化图像（上边界：下边界，左边界：右边界）。
2.根据权利要求1所述的基于MATLAB图像处理的托槽焊膏视觉检测方法，其特征在于步骤（4）中所述的边界修正是以得到托槽主体的最大内接矩形图像为准进行边界修正。
3.根据权利要求1所述的基于MATLAB图像处理的托槽焊膏视觉检测方法，其特征在于步骤（5）中所述的黑点百分比判定阈值根据生产需要的焊膏量来确定。
4.根据权利要求1所述的基于MATLAB图像处理的托槽焊膏视觉检测方法，其特征在于：在步骤（2）之后、步骤（3）之前还有下述步骤：
（21）把图像取反，去噪声处理后，再取反。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711054360.XA CN107798677B (zh) | 2017-10-31 | 2017-10-31 | 一种基于matlab图像处理的托槽焊膏视觉检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711054360.XA CN107798677B (zh) | 2017-10-31 | 2017-10-31 | 一种基于matlab图像处理的托槽焊膏视觉检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107798677A CN107798677A (zh) | 2018-03-13 |
| CN107798677B true CN107798677B (zh) | 2021-03-05 |
Family
ID=61548561
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711054360.XA Active CN107798677B (zh) | 2017-10-31 | 2017-10-31 | 一种基于matlab图像处理的托槽焊膏视觉检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107798677B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113562465B (zh) * | 2021-09-26 | 2021-12-03 | 成都新西旺自动化科技有限公司 | 片状物放置视觉引导方法及*** |
| CN114719762A (zh) * | 2022-06-08 | 2022-07-08 | 煤炭科学技术研究院有限公司 | 一种隔爆设备平面结合面间隙检测方法及装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477063B (zh) * | 2009-01-22 | 2011-02-16 | 北京星河泰视特科技有限公司 | 印刷电路板的检测方法及光学检测仪 |
| CN102306283B (zh) * | 2011-07-23 | 2013-06-12 | 浙江大学 | Lcd数显仪示值的图像识别方法 |
| US8559698B2 (en) * | 2012-03-09 | 2013-10-15 | National Applied Research Laboratories | Method of inspecting chip defects |
| CN103914849B (zh) * | 2014-04-18 | 2018-07-06 | 扬州福尔喜果蔬汁机械有限公司 | 一种红枣图像的检测方法 |
| CN104655643A (zh) * | 2015-02-12 | 2015-05-27 | 天津理工大学 | 一种电子器件表面焊接过程质量检测*** |
| CN105588845B (zh) * | 2016-01-04 | 2018-07-03 | 江苏科技大学 | 一种焊接缺陷特征参数提取方法 |
| CN106803252A (zh) * | 2017-01-16 | 2017-06-06 | 广东容祺智能科技有限公司 | 一种输电线路塔号牌污浊定位与自动检测方法 |
-
2017
- 2017-10-31 CN CN201711054360.XA patent/CN107798677B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107798677A (zh) | 2018-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019032101A1 (en) | IMAGE PROCESSING TECHNIQUES FOR PISTON DEPTH MEASUREMENT | |
| CN109447945B (zh) | 基于机器视觉和图形处理的小麦基本苗快速计数方法 | |
| CN109426814B (zh) | 一种***图片特定板块的定位、识别方法、***、设备 | |
| CN109523527B (zh) | 图像中脏污区域的检测方法、装置和电子设备 | |
| CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
| CN107798677B (zh) | 一种基于matlab图像处理的托槽焊膏视觉检测方法 | |
| JP2008011267A5 (zh) | ||
| US9881367B1 (en) | Image processing techniques for plunger depth measurement | |
| KR101182173B1 (ko) | 차량 번호판 인식 방법 및 시스템 | |
| CN105139386A (zh) | 一种快速自动检测电气接插件焊点不合格品的图像处理方法 | |
| CN109146878A (zh) | 一种基于图像处理的杂质检测方法 | |
| US8655071B2 (en) | Methods and systems for determining a document region-of-interest in an image | |
| CN103852034B (zh) | 一种电梯导轨垂直度检测方法 | |
| CN113298769B (zh) | Fpc软排线外观缺陷检测方法、***和介质 | |
| CN112507911B (zh) | 一种基于机器视觉的山核桃果实在图像中的实时识别方法 | |
| CN104361335B (zh) | 一种基于扫描图像自动去除黑边的处理方法 | |
| KR20190023374A (ko) | 디스플레이 패널 검사 방법 | |
| JP2017521011A (ja) | シンボルの光学的検出方法 | |
| CN110288619B (zh) | 基于视觉的太阳花模组表面螺钉孔位置检测方法 | |
| CN108197624A (zh) | 证书图像校正识别方法及装置、计算机存储介质 | |
| CN113283439A (zh) | 基于图像识别的智能计数方法、装置及*** | |
| JP5887242B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| JP2928714B2 (ja) | 細胞活性度判定方法及び装置 | |
| CN111815542A (zh) | 一种树木年轮图像髓心定位、年轮测量方法 | |
| CN115272173A (zh) | 锡球缺陷检测方法及其装置、计算机设备、存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 211219 practice base, No.18, Wufengshan Road, Honglan Street Industrial Park, Lishui District, Nanjing City, Jiangsu Province Applicant after: NANJING FORESTRY University Address before: Nanjing City, Jiangsu province 210037 Longpan Road No. 159 Applicant before: NANJING FORESTRY University |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180313 Assignee: Nanjing Monte tech Environmental Protection Technology Co.,Ltd. Assignor: NANJING FORESTRY University Contract record no.: X2021980012459 Denomination of invention: A visual inspection method of bracket solder paste based on MATLAB image processing Granted publication date: 20210305 License type: Common License Record date: 20211117 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180313 Assignee: Lishui Taihang Environmental Technology Co.,Ltd. Assignor: NANJING FORESTRY University Contract record no.: X2021980012809 Denomination of invention: A visual inspection method of bracket solder paste based on MATLAB image processing Granted publication date: 20210305 License type: Common License Record date: 20211122 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221207 Address after: 211399 Building 1, No. 18, Longjing Road, Gaochun Economic Development Zone, Nanjing City, Jiangsu Province Patentee after: LICI (JIANGSU) ELECTROMECHANICAL EQUIPMENT CO.,LTD. Address before: 211219 practice base, No.18, Wufengshan Road, Honglan Street Industrial Park, Lishui District, Nanjing City, Jiangsu Province Patentee before: NANJING FORESTRY University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231124 Address after: Room 132, 1st Floor, No. 12 Longfei Road, Yuhuatai District, Nanjing City, Jiangsu Province, 210000 Patentee after: Nanjing Haosheng Precision Machinery Technology Co.,Ltd. Address before: 211399 Building 1, No. 18, Longjing Road, Gaochun Economic Development Zone, Nanjing City, Jiangsu Province Patentee before: LICI (JIANGSU) ELECTROMECHANICAL EQUIPMENT CO.,LTD. |
|
| TR01 | Transfer of patent right |