CN108765378A - 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 - Google Patents
基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 Download PDFInfo
- Publication number
- CN108765378A CN108765378A CN201810426396.4A CN201810426396A CN108765378A CN 108765378 A CN108765378 A CN 108765378A CN 201810426396 A CN201810426396 A CN 201810426396A CN 108765378 A CN108765378 A CN 108765378A
- Authority
- CN
- China
- Prior art keywords
- overlap
- protrusion
- workpiece
- point
- code
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000003708 edge detection Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 230000007547 defect Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 abstract 1
- 238000001914 filtration Methods 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 6
- 238000013450 outlier detection Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241000417436 Arcotheres Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
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
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于G代码引导的工件轮廓飞边凸起的机器视觉检测方法,具体对象为检测工件轮廓飞边凸起,其步骤为:分析推理出工件坐标与图像坐标之间转换的关系;使用G代码轮廓为引导,结合坐标转换关系,提取出图像感兴趣区域,对提取的感兴趣区域采取中值滤波、图像二值化和边缘检测的处理方法,得到工件轮廓边缘;以标准G代码轮廓为基准,识别判断边缘凸起,采用最小外接矩形法,包围轮廓边缘凸起,实现轮廓边缘凸起的视觉检测。本发明提供的工件轮廓飞边凸起机器视觉检测方法,能够有效地识别出工件轮廓飞边凸起特征段的起点、终点及高度信息。
Description
技术领域
本发明涉及一种机器视觉检测方法,尤其是一种工件轮廓飞边凸起的机器视觉检测方法
背景技术
在机械零件制造过程中不可避免地会产生轮廓飞边,其包括切削过程中塑性变形的材料、铸锻件的异常凸起、焊接所挤出的残料等。轮廓飞边的存在对工件的外观质量、加工精度、装配精度等方面会产生不良影响,从而降低机械***的稳定性和可靠性,因此去除飞边凸起在机械零件的加工和制造过程中显得尤为重要,然而去除飞边的前提是首先检测和定位飞边。目前检测飞边的方法主要是利用游标卡尺和平头千分尺测量飞边,或者肉眼粗略地定位飞边,然而飞边凸起具有多样性和随机性,使得人工检测难以精确定位,且检测效率低。因此,对于提高飞边凸起检测精度和检测效率的自动化装备的研究,受到越来越多的关注。
工件轮廓异常点是工件轮廓飞边凸起的基本组成单元,关于飞边凸起的异常点检测,国内外专家学者对此做了较多的研究,研究主要分为两类。第一类是参数法,该方法主要针对线性轮廓模型或者针对可以拟合成简单非线性组合的轮廓模型。第二类是非参数法,该方法主要针对随机复杂的非线性轮廓模型。上述对轮廓曲线异常点检测的研究,都是基于统计分布的异常点检测方法,对要检测的数据集假设了分布或概率模型,然后采用不和谐检验进行异常点检测。但是在实际飞边凸起的异常点检测中,异常点具有随机多样性,并不能满足上述检测方法假设的分布或概率模型,因此,这种基于统计分布的异常点检测方法,应用在工件轮廓飞边异常点检测时具有一定的局限性。
本发明利用工件现有G代码为对象自身性质,应用点与直线的近邻关系,对工件进行轮廓飞边凸起定位与测量。该方法首先推理出工件坐标与图像坐标之间转换的关系,以G代码轮廓为引导结合坐标转换关系提取出图像感兴趣区域,对提取的感兴趣区域采取中值滤波、图像二值化和边缘检测的方法,得到工件轮廓边缘。最后以标准G代码轮廓为基准,识别判断边缘凸起,并用最小外接矩形包围轮廓边缘凸起,实现轮廓边缘凸起的视觉检测。为工件轮廓飞边凸起的检测提供了一种机器视觉的检测方法。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行改进和完善,提供一种基于G代码引导的工件轮廓飞边凸起的机器视觉检测方法,该方法可以对随机多样分布的工件飞边凸起进行识别与检测,能在工件任意摆放状态下进行检测,拥有较高的检测效率和精度。
为实现上述目的,本发明采取以下技术方案:
一种基于G代码引导下工件轮廓飞边凸起的机器视觉检测方法,采用工件轮廓飞边凸起视觉检测***,该***包括工业相机、光源和镜头、运动控制卡、伺服驱动器、伺服电机、滚珠丝杠、螺母、减速器、检测平台,工业相机通过可沿X轴和Y轴移动的平台连接由X轴和Y轴组成的两轴伺服驱动机构,两轴伺服驱动机构中的每轴上的伺服螺母及滚珠丝杠通过联轴器和减速器连接伺服电机,伺服电机通过编码器连接伺服驱动器,伺服驱动器通过线路连接端子板连接上位计算机及运动控制卡;工业相机、镜头和光源置于检测平台上的待测工件上部,工业相机电连接上位计算机,包括以下步骤:
步骤1.分析并确定检测平台上待检测工件的工件坐标系与工业相机所获得的工件图片的图像坐标系之间的转换关系,以G代码为特征的工件坐标系与图像检测中基于的图像坐标系在识别毛刺凸起中具有紧密的联系,分析并推理出平台坐标系与工件坐标系的转换关系和平台坐标系与图像坐标系的转换关系,以上述两种转换关系,得到工件坐标系与图像坐标系的转换关系;
步骤2.对工业相机采集到的图片进行感兴趣区域提取,并针对感兴趣区域图像,采取图像二值化和边缘检测的方法,得到需要检测的轮廓边缘;
步骤3.基于G代码中的轮廓信息,对感兴趣区域轮廓进行飞边凸起缺陷判断识别,采用最小外接矩形法,包围轮廓边缘凸起,实现轮廓边缘凸起的视觉检测,完成对工件轮廓飞边凸起的定位与测量,得出飞边凸起的特征段的起始点及高度信息。
步骤2中根据步骤1得到的变换关系,将G代码对应的坐标映射到图像坐标内,根据线型是线段或者圆弧,进行感兴趣区域提取;线段类型ROI提取:根据线段的起点P1、终点P2和线段长度P1P2,绘制一个以线段P1P2为中位线的矩形,矩形的高为飞边最高经验值的k。圆弧类型ROI提取:连接圆弧起点P3和终点P4,绘制以线段P3P4为中位线的矩形,高为经验值K,即可获得感兴趣区域,对感兴趣区域采取图像二值化和边缘检测的方法,得到需要检测的轮廓边缘。
步骤3中对感兴趣区域轮廓进行飞边凸起缺陷判断识别,对于判断为线段的G代码段,解析后保存的线段起始点坐标,设为P1(x1,y1)、P2(x2,y2),飞边凸起的检测算法为:
1)根据线段上的两点P1、P2,推出线段所在直线L的一般式直线方程;
2)计算含有飞边的边缘点集V1中点的个数;
3)在点集V中取第i个点Pi,并计算第i个点到直线L的距离Dist;
4)判断Dist与标准飞边凸起判断距离D偏差的关系,如果Dist>D偏差,则把点Pi保存在一个新的点集V2中;
5)使用一边平行于直线L的最小矩形包围点集V2,提取矩形4个角点坐标,计算矩形的宽和高,单位为pixel;
6)根据相机标定参数将图像坐标转化为世界坐标,同时计算矩形在世界坐标内的的实际宽和高,单位为mm,此时就可以得到飞边凸起的实际宽高以及出现的位置。
步骤3中对感兴趣区域轮廓进行飞边凸起缺陷判断识别,对于圆弧的G代码段的识别判定方法:
1)根据终点起点两点坐标P3、P4和半径R,推出圆弧所在圆O的一般式圆弧方程;
2)判断圆弧的圆心角,如果大于15°则进行圆弧分段,按照圆心角不大于15°的标准进行分段,可将含有飞边凸起的边缘点集分成M段;
3)设置循环变量j=0,点集M段内取Pj段;
4)在点集Vj中取第i个点Pi,并计算第i个点到圆心O的距离Dist;
5)判断Dist与标准飞边凸起判断距离D偏差,如果Dist>D偏差,则把点Pi保存在一个新的点集V2中,否则不处理;
6)使用面积最小矩形包围点集V2,提取矩形4个角点坐标,计算矩形的宽和高,单位为pixel;
7)根据相机标定参数将图像坐标转化为世界坐标,同时计算矩形在世界坐标内的实际宽和高,单位为mm,此时就可以得到Pj段飞边凸起的实际宽高以及出现的位置。
本发明的有益效果:
1.本方法采用G代码提供的轮廓信息作为标准模板,提供了完全轮廓的判断标准,较之人工检测更为精确,拥有较高的准确性。满足随机分布飞边工件工况的检测要求。
2.相比一般的图像处理方法,创新地增加了基于G代码引导的感兴趣区域的提取,排除了不关心区域的图像,大幅减少了图像处理的时间,提高了图像处理及飞边凸起识别的效率。
附图说明
图1为本方法实施的***平台结构原理图;
图2为本方法实施的飞边凸起检测方法流程图;
图3为本方法实施的相机运动方案示意图;
图4为本方法实施的感兴趣区域提取模型图;
其中:a为线段基准,b为圆弧基准;
图5为本方法实施的图像处理效果图;
其中:a为原图,b为G代码引导的ROI提取图,c为二值化图,d为边缘检测图,e为飞边点集最小矩形包围图。
具体实施方法
为使本发明的目的、技术方案和优点更加清楚,下面结合附图及实施案例对本发明作进一步清楚、完整的描述:
本发明建立了如图1所示的工件轮廓飞边凸起视觉检测***,该***由三大部分组成:图像采集模块、运动控制模块和主机模块。其中图像采集模块包括工业相机4、光源6和镜头5;运动控制模块包括运动控制卡17、伺服驱动器、伺服电机和执行机构;主机模块主要包括上位计算机1和电源设备。执行机构包括滚珠丝杠10、螺母11、减速器8。工业相机4通过可沿X轴和Y轴移动的平台连接X轴上的螺母11及滚珠丝杠10、Y轴上的螺母11及滚珠丝杠10,X轴上的螺母11及滚珠丝杠10通过联轴器9和减速器8连接X伺服电机12,Y轴上的螺母11及滚珠丝杠10通过联轴器9和减速器8连接Y伺服电机13,X伺服电机12通过编码器7连接X轴伺服驱动器14,Y伺服电机13通过编码器7连接Y轴伺服驱动器15,X轴伺服驱动器14和Y轴伺服驱动器15通过线路连接端子板16连接上位计算机1及运动控制卡17。工业相机4、镜头5和光源6置于检测平台2上的待测工件3上部,工业相机4电连接上位计算机1。
本发明的基于G代码的工件轮廓飞边凸起的机器视觉检测方法,采用工件轮廓飞边凸起视觉检测***,包括以下步骤:
步骤1.分析并确定检测平台上待检测工件的工件坐标系与工业相机所获得的工件图片的图像坐标系之间的转换关系,以G代码为特征的工件坐标系与图像检测中基于的图像坐标系在识别毛刺凸起中具有紧密的联系,分析并推理出平台坐标系与工件坐标系的转换关系和平台坐标系与图像坐标系的转换关系,以上述两种转换关系,得到工件坐标系与图像坐标系的转换关系;
步骤2.对工业相机采集到的图片进行感兴趣区域提取,并针对感兴趣区域图像,采取图像二值化和边缘检测的方法,得到需要检测的轮廓边缘;
步骤3.基于G代码中的轮廓信息,对感兴趣区域轮廓进行飞边凸起缺陷判断识别,采用最小外接矩形法,包围轮廓边缘凸起,实现轮廓边缘凸起的视觉检测,完成对工件轮廓飞边凸起的定位与测量,得出飞边凸起的特征段的起始点及高度信息。
步骤2中根据步骤1得到的变换关系,将G代码对应的坐标映射到图像坐标内,根据线型是线段或者圆弧,进行感兴趣区域提取;线段类型ROI提取:根据线段的起点P1、终点P2和线段长度P1P2,绘制一个以线段P1P2为中位线的矩形,矩形的高为飞边最高经验值的k。圆弧类型ROI提取:连接圆弧起点P3和终点P4,绘制以线段P3P4为中位线的矩形,高为经验值K,即可获得感兴趣区域,对感兴趣区域采取图像二值化和边缘检测的方法,得到需要检测的轮廓边缘。
步骤3中对感兴趣区域轮廓进行飞边凸起缺陷判断识别,对于判断为线段的G代码段,解析后保存的线段起始点坐标,设为P1(x1,y1)、P2(x2,y2),飞边凸起的检测算法为:
1)根据线段上的两点P1、P2,推出线段所在直线L的一般式为:Ax+By+C=0;
2)计算含有飞边的边缘点集V1中点的个数;
3)在点集V中取第i个点Pi,并计算第i个点到直线L的距离Dist;
4)判断Dist与标准飞边凸起判断距离D偏差的关系,如果Dist>D偏差,则把点Pi保存在一个新的点集V2中;
5)使用一边平行于直线L的最小矩形包围点集V2,提取矩形4个角点坐标,计算矩形的宽和高,单位为pixel;
6)根据相机标定参数将图像坐标转化为世界坐标,同时计算矩形在世界坐标内的的实际宽和高,单位为mm,此时就可以得到飞边凸起的实际宽高以及出现的位置。
步骤3中对感兴趣区域轮廓进行飞边凸起缺陷判断识别,对于圆弧的G代码段的识别判定方法:
1)根据终点起点两点坐标P3、P4和半径R,推出圆弧所在圆O的一般式,为:(x-a)2+(y-b)2=R2;
2)判断圆弧的圆心角,如果大于15°则进行圆弧分段,按照圆心角不大于15°的标准进行分段,可将含有飞边凸起的边缘点集分成M段;
3)设置循环变量j=0,点集M段内取Pj段;
4)在点集Vj中取第i个点Pi,并计算第i个点到圆心O的距离Dist;
5)判断Dist与标准飞边凸起判断距离D偏差的关系,如果Dist>D偏差,则把点Pi保存在一个新的点集V2中,否则不处理;
6)使用面积最小矩形包围点集V2,提取矩形4个角点坐标,计算矩形的宽和高,单位为pixel;
7)根据相机标定参数将图像坐标转化为世界坐标,同时计算矩形在世界坐标内的实际宽和高,单位为mm,此时就可以得到Pj段飞边凸起的实际宽高以及出现的位置。
本发明的检测方法流程如图2和图3所示,首先上位计算机解析G代码,生成工业相机运动路径;应用主机模块控制平台的X1、Y1轴回零,此时工业相机的位置坐标为(0,0);在使用主机模块控制工业相机运动到位置S1,此时工业相机中心点O3与工件坐标原点O2重合,暂停20ms,记录此时工业相机的位置坐标,为平台坐标P1(X1,Y1),进行拍照;按照虚线箭头的方向主机模块控制工业相机运动到位置S2,此时相机中心点O3与线段O2G的中点重合,暂停20ms,记录此时工业相机的位置坐标,为平台坐标P2(X2,Y2),进行拍照;按照虚线箭头的方向,依次使用主机模块控制工业相机运动到G代码段解析后的中点位置,暂停20ms,记录工业相机的位置坐标,为平台坐标P3(X3,Y3),进行拍照,依次采集G代码对应的各轮廓点图片。根据工件坐标与图像坐标的转换关系,提取出G代码引导的感兴趣区域,如图4a,b所示。然后采取图像二值化和边缘检测的方法,得到需要检测轮廓边缘。最后,应用基于G代码轮廓信息的点与直线的近邻关系,完成对工件轮廓飞边凸起的定位与测量,得出飞边凸起的特征段的起始点及高度信息。图像处理及效果如图5a,b,c,d,e所示,识别出飞边凸起所在位置,用矩形框框出。
上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所作的等效变化或修饰,都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于G代码引导下工件轮廓飞边凸起的机器视觉检测方法,采用工件轮廓飞边凸起视觉检测***,该***包括工业相机、光源和镜头、运动控制卡、伺服驱动器、伺服电机、滚珠丝杠、螺母、减速器、检测平台,工业相机通过可沿X轴和Y轴移动的平台连接由X轴和Y轴组成的两轴伺服驱动机构,两轴伺服驱动机构中的每轴上的伺服螺母及滚珠丝杠通过联轴器和减速器连接伺服电机,伺服电机通过编码器连接伺服驱动器,伺服驱动器通过线路连接端子板连接上位计算机及运动控制卡;工业相机、镜头和光源置于检测平台上的待测工件上部,工业相机电连接上位计算机,其特征在于,包括以下步骤:
步骤1.分析并确定检测平台上待检测工件的工件坐标系与工业相机所获得的工件图片的图像坐标系之间的转换关系,以G代码为特征的工件坐标系与图像检测中基于的图像坐标系在识别毛刺凸起中具有紧密的联系,分析并推理出平台坐标系与工件坐标系的转换关系和平台坐标系与图像坐标系的转换关系,以上述两种转换关系,得到工件坐标系与图像坐标系的转换关系;
步骤2.对工业相机采集到的图片进行感兴趣区域提取,并针对感兴趣区域图像,采取图像二值化和边缘检测的方法,得到需要检测的轮廓边缘;
步骤3.基于G代码中的轮廓信息,对感兴趣区域轮廓进行飞边凸起缺陷判断识别,采用最小外接矩形法,包围轮廓边缘凸起,实现轮廓边缘凸起的视觉检测,完成对工件轮廓飞边凸起的定位与测量,得出飞边凸起的特征段的起始点及高度信息。
2.根据权利要求1所述的基于G代码引导下工件轮廓飞边凸起的机器视觉检测方法,其特征在于:步骤2中根据步骤1得到的变换关系,将G代码对应的坐标映射到图像坐标内,根据线型是线段或者圆弧,进行感兴趣区域提取;线段类型ROI提取:根据线段的起点P1、终点P2和线段长度P1P2,绘制一个以线段P1P2为中位线的矩形,矩形的高为飞边最高经验值的k,圆弧类型ROI提取:连接圆弧起点P3和终点P4,绘制以线段P3P4为中位线的矩形,高为经验值K,即可获得感兴趣区域,对感兴趣区域采取图像二值化和边缘检测的方法,得到需要检测的轮廓边缘。
3.根据权利要求1所述的基于G代码引导下工件轮廓飞边凸起的机器视觉检测方法,其特征在于:步骤3中对感兴趣区域轮廓进行飞边凸起缺陷判断识别,对于判断为线段的G代码段,解析后保存的线段起始点坐标,设为P1(x1,y1)、P2(x2,y2),飞边凸起的检测算法为:
1)根据线段上的两点P1、P2,推出线段所在直线L的一般式直线方程;
2)计算含有飞边的边缘点集V1中点的个数;
3)在点集V中取第i个点Pi,并计算第i个点到直线L的距离Dist;
4)判断Dist与标准飞边凸起判断距离D偏差的关系,如果Dist>D偏差,则把点Pi保存在一个新的点集V2中;
5)使用一边平行于直线L的最小矩形包围点集V2,提取矩形4个角点坐标,计算矩形的宽和高,单位为pixel;
6)根据相机标定参数将图像坐标转化为世界坐标,同时计算矩形在世界坐标内的的实际宽和高,单位为mm,此时就可以得到飞边凸起的实际宽高以及出现的位置。
4.根据权利要求1所述的基于G代码引导下工件轮廓飞边凸起的机器视觉检测方法,其特征在于:步骤3中对感兴趣区域轮廓进行飞边凸起缺陷判断识别,对于圆弧的G代码段的识别判定方法:
1)根据终点起点两点坐标P3、P4和半径R,推出圆弧所在圆O的一般式圆弧方程;
2)判断圆弧的圆心角,如果大于15°则进行圆弧分段,按照圆心角不大于15°的标准进行分段,可将含有飞边凸起的边缘点集分成M段;
3)设置循环变量j=0,点集M段内取Pj段;
4)在点集Vj中取第i个点Pi,并计算第i个点到圆心O的距离Dist;
5)判断Dist与D偏差的关系,如果Dist>D偏差,则把点Pi保存在一个新的点集V2中,否则不处理;
6)使用面积最小矩形包围点集V2,提取矩形4个角点坐标,计算矩形的宽和高,单位为pixel;
7)根据相机标定参数将图像坐标转化为世界坐标,同时计算矩形在世界坐标内的实际宽和高,单位为mm,此时就可以得到Pj段飞边凸起的实际宽高以及出现的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810426396.4A CN108765378B (zh) | 2018-05-07 | 2018-05-07 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810426396.4A CN108765378B (zh) | 2018-05-07 | 2018-05-07 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765378A true CN108765378A (zh) | 2018-11-06 |
CN108765378B CN108765378B (zh) | 2021-07-09 |
Family
ID=64010017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810426396.4A Active CN108765378B (zh) | 2018-05-07 | 2018-05-07 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765378B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
CN110163853A (zh) * | 2019-05-14 | 2019-08-23 | 广东奥普特科技股份有限公司 | 一种边缘缺陷的检测方法 |
CN110263204A (zh) * | 2019-06-05 | 2019-09-20 | 广州文冲船厂有限责任公司 | 一种构件轮廓编码方法、装置和设备 |
CN110455182A (zh) * | 2019-07-23 | 2019-11-15 | 中广核检测技术有限公司 | 一种基于图像识别技术测量控制棒导向卡磨损量的方法 |
CN111915581A (zh) * | 2020-07-27 | 2020-11-10 | 青岛大学 | 一种金属光滑弧面缺陷检测方法 |
CN112017232A (zh) * | 2020-08-31 | 2020-12-01 | 浙江水晶光电科技股份有限公司 | 图像内圆形图案的定位方法、装置及设备 |
CN112215891A (zh) * | 2020-07-13 | 2021-01-12 | 浙江大学山东工业技术研究院 | 一种铝型材门窗注胶孔及销钉孔的视觉定位方法和*** |
CN112233063A (zh) * | 2020-09-14 | 2021-01-15 | 东南大学 | 一种大尺寸圆形物体的圆心定位方法 |
CN112329501A (zh) * | 2020-01-08 | 2021-02-05 | 沈阳和研科技有限公司 | 一种划片机检测工件形状的方法 |
CN112489009A (zh) * | 2020-11-27 | 2021-03-12 | 芜湖哈特机器人产业技术研究院有限公司 | 基于视觉图像的泵体口环位姿检测方法 |
CN108765378B (zh) * | 2018-05-07 | 2021-07-09 | 上海理工大学 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
CN114022483A (zh) * | 2022-01-08 | 2022-02-08 | 南通欣斯特机械制造有限公司 | 一种基于边缘特性的注塑飞边区域识别方法 |
CN114441499A (zh) * | 2022-04-11 | 2022-05-06 | 天津美腾科技股份有限公司 | 品位检测方法及装置、识别设备、矿浆品位仪及存储介质 |
WO2022222467A1 (zh) * | 2021-04-22 | 2022-10-27 | 苏州华兴源创科技股份有限公司 | 开口圆环工件外观缺陷检测方法、***及计算机存储介质 |
CN115308222A (zh) * | 2022-07-11 | 2022-11-08 | 江苏汤谷智能科技有限公司 | 一种基于机器视觉的芯片外观不良识别***及方法 |
CN115753791A (zh) * | 2022-11-10 | 2023-03-07 | 哈尔滨耐是智能科技有限公司 | 基于机器视觉的缺陷检测方法、装置以及*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0292644A1 (de) * | 1987-05-21 | 1988-11-30 | VDO Adolf Schindling AG | Verfahren zur Programmierung eines digitalen Steuergerätes |
US20060091217A1 (en) * | 2004-11-03 | 2006-05-04 | The Code Corporation | Graphical code reader that is configured for efficient decoder management |
CN103733223A (zh) * | 2011-08-04 | 2014-04-16 | 三菱电机株式会社 | 用于确定对象模型的表面缺陷的方法和*** |
CN104933220A (zh) * | 2015-05-11 | 2015-09-23 | 东莞市凌英模具塑胶有限公司 | 复杂曲面汽车注塑模具高精密制造方法及注塑模具 |
CN106020120A (zh) * | 2016-07-29 | 2016-10-12 | 芜湖哈特机器人产业技术研究院有限公司 | 基于ios***的利用图像生成G代码的方法 |
CN106709911A (zh) * | 2016-12-26 | 2017-05-24 | 西北工业大学 | 一种基于机器视觉的高铁扣件检测与计数方法及*** |
CN107533769A (zh) * | 2015-03-16 | 2018-01-02 | 彩滋公司 | 制备切割热粘合膜中的自动计算机辅助设计 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765378B (zh) * | 2018-05-07 | 2021-07-09 | 上海理工大学 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
-
2018
- 2018-05-07 CN CN201810426396.4A patent/CN108765378B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0292644A1 (de) * | 1987-05-21 | 1988-11-30 | VDO Adolf Schindling AG | Verfahren zur Programmierung eines digitalen Steuergerätes |
US20060091217A1 (en) * | 2004-11-03 | 2006-05-04 | The Code Corporation | Graphical code reader that is configured for efficient decoder management |
CN103733223A (zh) * | 2011-08-04 | 2014-04-16 | 三菱电机株式会社 | 用于确定对象模型的表面缺陷的方法和*** |
CN107533769A (zh) * | 2015-03-16 | 2018-01-02 | 彩滋公司 | 制备切割热粘合膜中的自动计算机辅助设计 |
CN104933220A (zh) * | 2015-05-11 | 2015-09-23 | 东莞市凌英模具塑胶有限公司 | 复杂曲面汽车注塑模具高精密制造方法及注塑模具 |
CN106020120A (zh) * | 2016-07-29 | 2016-10-12 | 芜湖哈特机器人产业技术研究院有限公司 | 基于ios***的利用图像生成G代码的方法 |
CN106709911A (zh) * | 2016-12-26 | 2017-05-24 | 西北工业大学 | 一种基于机器视觉的高铁扣件检测与计数方法及*** |
Non-Patent Citations (2)
Title |
---|
YOSAFAT SURYA MURIJANTO等: ""MACHINE VISION IMPLEMENTATION IN RAPID PCB PROTOTYPING IMPLEMENTASI MACHINE VISION PADA PEMBUATAN DUPLIKASI PCB"", 《JOURNAL OF MECHATRONICS, ELECTRICAL POWER, AND VEHICULAR TECHNOLOGY》 * |
冯勋壮等: ""铸件自动循迹浮动磨边的研究"", 《现代制造技术与装备》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765378B (zh) * | 2018-05-07 | 2021-07-09 | 上海理工大学 | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 |
CN109978874B (zh) * | 2019-04-02 | 2023-03-14 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
CN109978874A (zh) * | 2019-04-02 | 2019-07-05 | 湖南大学 | 一种钢轨表面缺陷视觉检测装置及识别方法 |
CN110163853A (zh) * | 2019-05-14 | 2019-08-23 | 广东奥普特科技股份有限公司 | 一种边缘缺陷的检测方法 |
CN110163853B (zh) * | 2019-05-14 | 2021-05-25 | 广东奥普特科技股份有限公司 | 一种边缘缺陷的检测方法 |
CN110263204A (zh) * | 2019-06-05 | 2019-09-20 | 广州文冲船厂有限责任公司 | 一种构件轮廓编码方法、装置和设备 |
CN110455182A (zh) * | 2019-07-23 | 2019-11-15 | 中广核检测技术有限公司 | 一种基于图像识别技术测量控制棒导向卡磨损量的方法 |
CN112329501A (zh) * | 2020-01-08 | 2021-02-05 | 沈阳和研科技有限公司 | 一种划片机检测工件形状的方法 |
CN112215891A (zh) * | 2020-07-13 | 2021-01-12 | 浙江大学山东工业技术研究院 | 一种铝型材门窗注胶孔及销钉孔的视觉定位方法和*** |
CN111915581A (zh) * | 2020-07-27 | 2020-11-10 | 青岛大学 | 一种金属光滑弧面缺陷检测方法 |
CN112017232A (zh) * | 2020-08-31 | 2020-12-01 | 浙江水晶光电科技股份有限公司 | 图像内圆形图案的定位方法、装置及设备 |
CN112017232B (zh) * | 2020-08-31 | 2024-03-15 | 浙江水晶光电科技股份有限公司 | 图像内圆形图案的定位方法、装置及设备 |
CN112233063A (zh) * | 2020-09-14 | 2021-01-15 | 东南大学 | 一种大尺寸圆形物体的圆心定位方法 |
CN112233063B (zh) * | 2020-09-14 | 2024-02-13 | 东南大学 | 一种大尺寸圆形物体的圆心定位方法 |
CN112489009A (zh) * | 2020-11-27 | 2021-03-12 | 芜湖哈特机器人产业技术研究院有限公司 | 基于视觉图像的泵体口环位姿检测方法 |
CN112489009B (zh) * | 2020-11-27 | 2022-07-26 | 芜湖哈特机器人产业技术研究院有限公司 | 基于视觉图像的泵体口环位姿检测方法 |
WO2022222467A1 (zh) * | 2021-04-22 | 2022-10-27 | 苏州华兴源创科技股份有限公司 | 开口圆环工件外观缺陷检测方法、***及计算机存储介质 |
CN114022483A (zh) * | 2022-01-08 | 2022-02-08 | 南通欣斯特机械制造有限公司 | 一种基于边缘特性的注塑飞边区域识别方法 |
CN114022483B (zh) * | 2022-01-08 | 2022-03-25 | 南通欣斯特机械制造有限公司 | 一种基于边缘特性的注塑飞边区域识别方法 |
CN114441499A (zh) * | 2022-04-11 | 2022-05-06 | 天津美腾科技股份有限公司 | 品位检测方法及装置、识别设备、矿浆品位仪及存储介质 |
CN115308222A (zh) * | 2022-07-11 | 2022-11-08 | 江苏汤谷智能科技有限公司 | 一种基于机器视觉的芯片外观不良识别***及方法 |
CN115308222B (zh) * | 2022-07-11 | 2024-02-09 | 江苏汤谷智能科技有限公司 | 一种基于机器视觉的芯片外观不良识别***及方法 |
CN115753791A (zh) * | 2022-11-10 | 2023-03-07 | 哈尔滨耐是智能科技有限公司 | 基于机器视觉的缺陷检测方法、装置以及*** |
CN115753791B (zh) * | 2022-11-10 | 2024-03-01 | 哈尔滨耐是智能科技有限公司 | 基于机器视觉的缺陷检测方法、装置以及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108765378B (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765378A (zh) | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 | |
CN111080693A (zh) | 一种基于YOLOv3的机器人自主分类抓取方法 | |
JP3522280B2 (ja) | ボールボンド検査システム用の方法および装置 | |
CN106952250A (zh) | 一种基于Faster R‑CNN网络的金属板带表面缺陷检测方法及装置 | |
JP4571763B2 (ja) | 画像処理装置、およびボンディング装置 | |
CN108344743A (zh) | 一种基于机器视觉药品泡罩包装缺陷检测方法及*** | |
CN111122598A (zh) | 一种钢轨表面缺陷三维检测***及方法 | |
CN107393270A (zh) | 一种用于电气仪表检测的移动式视觉巡检设备及方法 | |
CN110400315A (zh) | 一种缺陷检测方法、装置及*** | |
CN110674808A (zh) | 一种变电站压板状态智能识别方法及装置 | |
CN110991360B (zh) | 一种基于视觉算法的机器人巡检点位智能配置方法 | |
TWI628415B (zh) | 基於影像尺的定位量測系統 | |
CN110533654A (zh) | 零部件的异常检测方法及装置 | |
CN103308524A (zh) | Pcb自动光学检测*** | |
CN112964724A (zh) | 一种多目标多区域视觉检测方法及检测*** | |
CN107703513A (zh) | 一种基于图像处理的新型非接触式接触网相对位置检测方法 | |
CN110186375A (zh) | 智能化高铁白车身焊接装配特征检测装置及检测方法 | |
CN104766330B (zh) | 一种图像处理方法及电子设备 | |
CN112233175A (zh) | 基于YOLOv3-tiny算法的芯片定位方法及一体化定位平台 | |
Han et al. | SSGD: A smartphone screen glass dataset for defect detection | |
Sun et al. | Cascaded detection method for surface defects of lead frame based on high-resolution detection images | |
Li et al. | Autofeeding system for assembling the CBCs on automobile engine based on 3-D vision guidance | |
CN102980536B (zh) | 刹车片钢背平面度检测***及方法 | |
CN113869407A (zh) | 一种基于单目视觉的车长测量方法和装置 | |
Zhang et al. | Research on brake pad surface defects detection based on deep learning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231116 Address after: 239000 No. 857, Shanghai South Road, Chengdong Industrial Park, Chuzhou City, Anhui Province Patentee after: Puwanini Intelligent Equipment Co.,Ltd. Address before: 200093 No. 516, military road, Shanghai, Yangpu District Patentee before: University of Shanghai for Science and Technology |
|
TR01 | Transfer of patent right |