CN108838099A - 基于机器视觉的别针徽章瑕疵检测***及方法 - Google Patents

基于机器视觉的别针徽章瑕疵检测***及方法 Download PDF

Info

Publication number
CN108838099A
CN108838099A CN201810262180.9A CN201810262180A CN108838099A CN 108838099 A CN108838099 A CN 108838099A CN 201810262180 A CN201810262180 A CN 201810262180A CN 108838099 A CN108838099 A CN 108838099A
Authority
CN
China
Prior art keywords
safety pin
badge
conveyer belt
pin badge
plc controller
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.)
Pending
Application number
CN201810262180.9A
Other languages
English (en)
Inventor
黄文恺
杨康耀
张铭凯
陈广新
吴羽
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN201810262180.9A priority Critical patent/CN108838099A/zh
Publication of CN108838099A publication Critical patent/CN108838099A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • B07C5/362—Separating or distributor mechanisms
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined

Landscapes

  • 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)
  • Image Processing (AREA)

Abstract

本发明提供了基于机器视觉的别针徽章瑕疵检测***及方法，其***包括搬运模块、检测模块和剔除模块，搬运模块包括传送带和用于控制传送带运行的PLC控制器；检测模块包括图像处理单元、设置在传送带上的暗箱结构和位于暗箱结构内的工业摄像机，暗箱结构设有入口和出口，传送带的中间段贯穿暗箱结构的入口和出口，图像处理单元分别与工业摄像机、PLC控制器连接；剔除模块位于暗箱结构的出口旁，与PLC控制器连接，用于将检测模块所识别的劣质别针徽章推出传送带。本发明采用工业摄像机来识别那些贴纸图案严重不一致的徽章，并剔除掉劣质的徽章，仅保留优良的徽章，实现了快速分辨优劣徽章并且将劣质徽章进行剔除的目标。

Description

基于机器视觉的别针徽章瑕疵检测***及方法
技术领域
本发明涉及机器视觉与PLC数据处理领域，特别涉及基于机器视觉的别针徽章瑕疵检测***及方法。
背景技术
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉***是通过机器视觉产品(即图像摄取装置)将被摄取目标转换成图像信号，传送给专用的图像处理***，得到被摄目标的形态信息，根据像素分布、亮度和颜色等信息，转变成数字信号；图像处理***对这些数字信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40％-50％都集中在半导体行业。机器视觉***还在质量检测的各个方面得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。在中国，视觉技术的应用开始于90年代，机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。
目前市场上的别针徽章大多数是人工制造的，别针徽章里面的贴纸是人工剪裁的，这就会产生不同的贴纸模样，进而使人工做成的徽章不一致。徽章经手工制作后，对其所进行的瑕疵检测基本也是采用人工识别的方式，费时费力，准确度也不高。
发明内容
为了解决现有技术所存在的问题，本发明提出基于机器视觉的别针徽章瑕疵检测***及方法，采用工业摄像机来识别那些贴纸图案严重不一致的徽章，并剔除掉劣质的徽章，仅保留优良的徽章，实现了快速分辨优劣徽章并且将劣质徽章进行剔除的目标。
本发明瑕疵检测***采用如下技术方案来实现：基于机器视觉的别针徽章瑕疵检测***，包括搬运模块、检测模块和剔除模块，搬运模块包括传送带和用于控制传送带运行的PLC控制器；检测模块包括图像处理单元、设置在传送带上的暗箱结构和位于暗箱结构内的工业摄像机，暗箱结构设有入口和出口，传送带的中间段贯穿暗箱结构的入口和出口，图像处理单元分别与工业摄像机、PLC控制器连接；剔除模块位于暗箱结构的出口旁，与PLC控制器连接，用于将检测模块所识别的劣质别针徽章推出传送带；
当别针徽章放置到传送带上后，传送带开始传送并通过PLC控制器进行计时；当传送带将别针徽章传送至暗箱结构内，传送带停止传送，PLC控制器向图像处理单元发送开始瑕疵检测信号；图像处理单元收到开始瑕疵检测信号后开始瑕疵检测操作，根据工业摄像机所拍摄的别针徽章图像对别针徽章的表面进行瑕疵检测，并将检测结果发送给PLC控制器，同时向PLC控制器发送瑕疵检测结束信号；PLC控制器在接收到瑕疵检测结束信号后，控制传送带继续传送；当PLC控制器接收到的检测结果为劣质别针徽章时，则控制剔除模块运动，将劣质的别针徽章推出传送带。
优选地，所述剔除模块包括光电门和气缸，光电门和气缸分别与PLC控制器连接，在传送带两侧分别安装一个光电门，气缸前装有推手。
所述气缸通过基座固定在高于传送带的高度位置；所述推手的一端与气缸连接，另外一端随气缸的伸缩运动往返于传送带顶部与传送带侧边之间；当PLC控制器接收到的检测结果为劣质别针徽章时，则控制气缸运动，气缸驱动推手运动到传送带顶部，从而将劣质的别针徽章推出传送带。推手可以选择矩形结构，其宽度大于别针徽章的直径；推手的宽度为别针徽章直径的3-4倍，能取得更佳的效果。
本发明基于机器视觉的别针徽章瑕疵检测方法，采用上述基于机器视觉的别针徽章瑕疵检测***，且包括以下步骤：
S1、初始化，在图像处理单元接收到开始瑕疵检测信号时，工业摄像机开始对暗箱结构内的别针徽章拍摄图像，并将所拍摄的图像发送给图像处理单元；
S2、图像处理单元对接收到的图像进行预处理，对图像进行自适应二值化、形态学开闭运算降噪处理，突出图像特征；
S3、针对别针徽章具有圆形轮廓的特征，对图像进行圆形轮廓的识别，并根据识别到的圆形轮廓提取出别针徽章所在的区域图像；将所提取的区域图像缩放为与无瑕疵参考图相同的大小；
S4、对提取出的区域图像进行第二轮的直线识别，以步骤S3所识别的圆形轮廓的圆心为旋转中心，通过检测到的图片上一条直线为边生成一个矩形框，并通过将矩形框矫正的方法将区域图像旋转到与无瑕疵参考图相同的角度；
S5、将经过步骤S4处理后的区域图像，与无瑕疵参考图进行像素点级别的比较，通过设定一个阈值，将无瑕疵的别针徽章与有瑕疵的别针徽章检测出来，将检测结果发送给PLC控制器。
优选地，所述光电门检测别针徽章在传送带中的位置，并将位置检测信号传递给PLC控制器；若检测结果是劣质别针徽章，当别针徽章在传送带中的位置与推手所在的位置相同时，PLC控制器将向气缸输出控制信号，气缸驱动推手把劣质别针徽章推出传送带。
相对于现有技术，本发明具有如下有益效果：采用工业摄像机来检测别针徽章的优劣并进行劣质徽章的剔除和优质徽章的保留，大大提高了生产效率；此外，与机器学习方式相比，用图像处理方式进行徽章的瑕疵检测，能够检测多种不同图案，极大地提高了检测***的适应性，也大幅减少了前期处理时对徽章样本数量的要求，更适用于工业环境下的使用。
附图说明
图1为本发明检测***的结构示意图；
图2为剔除模块的结构示意图；
图3为本发明的瑕疵检测流程图；
图4为本发明对徽章图的检测结果示例图，其中(a)、(b)、(c)为有瑕疵的徽章，(d)为无瑕疵的徽章。
具体实施方式
下面将结合实施例和附图对本发明作进一步描述，但本发明的实施方式不限于此。
参见图1、2，本发明检测***包括搬运模块、检测模块和剔除模块，搬运模块包括传送带1和用于控制传送带运行的PLC控制器，检测模块包括图像处理单元和设置在传送带上的暗箱结构2，暗箱结构设有入口和出口，传送带的中间段贯穿暗箱结构的入口和出口，剔除模块位于暗箱结构的出口旁，用于将检测模块所识别的劣质别针徽章推出传送带。
检测模块还包括位于暗箱结构内的工业摄像机和用于给工业摄像机提供充足灯光的照明设备，图像处理单元分别与工业摄像机、PLC控制器连接；暗箱结构使得外界光线干扰不到暗箱里面的环境，使工业摄像机在无干扰条件下拍摄被检测别针徽章的图像，并将所拍摄图像传输给图像处理单元。检测模块的图像处理单元再根据所拍摄的别针徽章图像，对别针徽章的表面进行瑕疵检测，属于二维的检测。
搬运模块中，传送带的运行速度、何时停止或启动由PLC控制器进行控制。PLC控制器通过串口技术实现与外部设备通信，当别针徽章放置到传送带上后，传送带开始传送并通过PLC控制器进行计时；当传送带将别针徽章传送至暗箱结构内，传送带停止传送，PLC控制器向图像处理单元发送开始瑕疵检测信号，图像处理单元收到开始瑕疵检测信号后开始瑕疵检测操作，并将检测结果通过串口发送给PLC控制器，同时向PLC控制器发送瑕疵检测结束信号；PLC控制器在接收到瑕疵检测结束信号后，控制传送带继续传送，从而实现别针徽章在暗箱结构内的暂停与检测。而且在传送带将别针徽章搬运到暗箱结构内进行检测以及到最后的劣质徽章剔除这些步骤之前，不再放徽章到传送带上，是一个一个来检测的，因此不会造成徽章重叠这种现状。检测别针徽章再到筛选剔除，整个流程用时大概是5秒钟，不会浪费太多时间。
剔除模块包括光电门(图中未示出)和气缸3，光电门和气缸分别与PLC控制器连接。在传送带两侧分别安装一个光电门，以便能够准确无误地获取检测后的别针徽章在传送带的位置。气缸通过基座4固定在略高于传送带的高度位置；气缸前装有一个推手零件，推手通过螺栓螺母与气缸连接，推手5的一端与气缸连接，另外一端随气缸的伸缩运动往返于传送带顶部与传送带侧边之间。当PLC控制器接收到的检测结果为劣质别针徽章时，则控制气缸运动，气缸驱动推手运动到传送带顶部，从而将劣质的别针徽章推出传送带。本实施例中，推手为矩形结构，其宽度大于别针徽章的直径，优选为别针徽章直径的3-4倍，便于把劣质的别针徽章顺利地推出传送带。
本发明对别针徽章的瑕疵检测过程，如图3所示，包括如下步骤：
S1、对工业摄像机及PLC控制器等的串口进行初始化，在图像处理单元接收到开始瑕疵检测的信号时，工业摄像机开始对暗箱结构内的别针徽章(即待检样品)拍摄图像，并将所拍摄的图像发送给图像处理单元。
S2、图像处理单元对接收到的图像进行预处理，首先过滤掉前20帧图像，避免待检样品在传送带停止瞬间抖动的晃影对检测结果带来不良影响，然后对图像进行自适应二值化、形态学开闭运算降噪处理，突出图像特征。
S3、针对别针徽章具有圆形轮廓的特征，对图像进行圆形轮廓的识别，并根据识别到的圆形轮廓提取出别针徽章所在的区域图像；将所提取的区域图像缩放为特定大小(即与无瑕疵参考图相同的大小)，便于在后期与无瑕疵参考图比较时减少运算量，提高整个***的工作效率、准确度及稳定性。
S4、对提取出的区域图像进行第二轮的直线识别，以步骤S3所识别的圆形轮廓的圆心为旋转中心，通过检测到的图片上一条直线为边生成一个矩形框，并通过将矩形框矫正的方法将区域图像旋转到与无瑕疵参考图相同的角度，为接下来的图像比较做好准备。
S5、将经过步骤S4处理后的区域图像，与存储在电脑中的无瑕疵参考图进行像素点级别的比较，通过设定一个合适的阈值，将无瑕疵的徽章与有瑕疵的徽章检测出来，并通过串口将检测结果发送给PLC控制器。
为提高检测的效率，选取合适比例的随机坐标进行灰度值比较，并统计有差异的坐标个数，若有差异坐标个数超过设定的阈值时，则认为检测的别针徽章存在瑕疵，否则认为检测的别针徽章合格。
在本发明中，将做好的徽章放进传送带中去，进入有暗箱结构的传送带部分，传送带暂停一会，由暗箱结构中的工业摄像机进行拍照，图像处理单元对所拍摄图像进行检测，检测完成后发出信号给PLC控制器,传送带继续走动。光电门可以精确检测别针徽章在传送带中的位置，并将位置检测信号传递给PLC控制器，若是劣质徽章，当别针徽章在传送带中的位置与推手所在的位置相同时，PLC控制器将向气缸输出控制信号，气缸驱动推手把劣质徽章推出传送带，好的徽章将保留下来。有瑕疵的徽章的若干情形，以及无瑕疵的徽章情形，如图4所示，其中(a)、(b)、(c)为有瑕疵的徽章，(d)为无瑕疵的徽章。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.基于机器视觉的别针徽章瑕疵检测***，其特征在于，包括搬运模块、检测模块和剔除模块，搬运模块包括传送带和用于控制传送带运行的PLC控制器；检测模块包括图像处理单元、设置在传送带上的暗箱结构和位于暗箱结构内的工业摄像机，暗箱结构设有入口和出口，传送带的中间段贯穿暗箱结构的入口和出口，图像处理单元分别与工业摄像机、PLC控制器连接；剔除模块位于暗箱结构的出口旁，与PLC控制器连接，用于将检测模块所识别的劣质别针徽章推出传送带；
当别针徽章放置到传送带上后，传送带开始传送并通过PLC控制器进行计时；当传送带将别针徽章传送至暗箱结构内，传送带停止传送，PLC控制器向图像处理单元发送开始瑕疵检测信号；图像处理单元收到开始瑕疵检测信号后开始瑕疵检测操作，根据工业摄像机所拍摄的别针徽章图像对别针徽章的表面进行瑕疵检测，并将检测结果发送给PLC控制器，同时向PLC控制器发送瑕疵检测结束信号；PLC控制器在接收到瑕疵检测结束信号后，控制传送带继续传送；当PLC控制器接收到的检测结果为劣质别针徽章时，则控制剔除模块运动，将劣质的别针徽章推出传送带。
2.根据权利要求1所述的基于机器视觉的别针徽章瑕疵检测***，其特征在于，所述剔除模块包括光电门和气缸，光电门和气缸分别与PLC控制器连接，在传送带两侧分别安装一个光电门，气缸前装有推手。
3.根据权利要求2所述的基于机器视觉的别针徽章瑕疵检测***，其特征在于，所述气缸通过基座固定在高于传送带的高度位置；所述推手的一端与气缸连接，另外一端随气缸的伸缩运动往返于传送带顶部与传送带侧边之间；当PLC控制器接收到的检测结果为劣质别针徽章时，则控制气缸运动，气缸驱动推手运动到传送带顶部，从而将劣质的别针徽章推出传送带。
4.根据权利要求2或3所述的基于机器视觉的别针徽章瑕疵检测***，其特征在于，所述推手为矩形结构，其宽度大于别针徽章的直径。
5.根据权利要求4所述的基于机器视觉的别针徽章瑕疵检测***，其特征在于，所述推手的宽度为别针徽章直径的3-4倍。
6.根据权利要求1所述的基于机器视觉的别针徽章瑕疵检测***，其特征在于，所述检测模块还包括位于暗箱结构内的用于给工业摄像机提供灯光的照明设备。
7.基于机器视觉的别针徽章瑕疵检测方法，其特征在于，采用权利要求2所述的基于机器视觉的别针徽章瑕疵检测***，且包括以下步骤：
S1、初始化，在图像处理单元接收到开始瑕疵检测信号时，工业摄像机开始对暗箱结构内的别针徽章拍摄图像，并将所拍摄的图像发送给图像处理单元；
S2、图像处理单元对接收到的图像进行预处理，对图像进行自适应二值化、形态学开闭运算降噪处理，突出图像特征；
S3、针对别针徽章具有圆形轮廓的特征，对图像进行圆形轮廓的识别，并根据识别到的圆形轮廓提取出别针徽章所在的区域图像；将所提取的区域图像缩放为与无瑕疵参考图相同的大小；
S4、对提取出的区域图像进行第二轮的直线识别，以步骤S3所识别的圆形轮廓的圆心为旋转中心，通过检测到的图片上一条直线为边生成一个矩形框，并通过将矩形框矫正的方法将区域图像旋转到与无瑕疵参考图相同的角度；
S5、将经过步骤S4处理后的区域图像，与无瑕疵参考图进行像素点级别的比较，通过设定一个阈值，将无瑕疵的别针徽章与有瑕疵的别针徽章检测出来，将检测结果发送给PLC控制器。
8.根据权利要求7所述的基于机器视觉的别针徽章瑕疵检测方法，其特征在于，步骤S2对图像进行自适应二值化、形态学开闭运算降噪处理之前，首先过滤掉前20帧图像。
9.根据权利要求7所述的基于机器视觉的别针徽章瑕疵检测方法，其特征在于，所述光电门检测别针徽章在传送带中的位置，并将位置检测信号传递给PLC控制器；若检测结果是劣质别针徽章，当别针徽章在传送带中的位置与推手所在的位置相同时，PLC控制器将向气缸输出控制信号，气缸驱动推手把劣质别针徽章推出传送带。
CN201810262180.9A 2018-03-28 2018-03-28 基于机器视觉的别针徽章瑕疵检测***及方法 Pending CN108838099A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810262180.9A CN108838099A (zh) 2018-03-28 2018-03-28 基于机器视觉的别针徽章瑕疵检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810262180.9A CN108838099A (zh) 2018-03-28 2018-03-28 基于机器视觉的别针徽章瑕疵检测***及方法

Publications (1)

Publication Number Publication Date
CN108838099A true CN108838099A (zh) 2018-11-20

Family

ID=64211877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810262180.9A Pending CN108838099A (zh) 2018-03-28 2018-03-28 基于机器视觉的别针徽章瑕疵检测***及方法

Country Status (1)

Country Link
CN (1) CN108838099A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110040303A (zh) * 2019-05-22 2019-07-23 佛山隆深机器人有限公司 包装线视觉检测***
CN110877014A (zh) * 2019-10-28 2020-03-13 哈尔滨工大智慧工厂有限公司 一种基于机器视觉小尺寸产品分选线防环境光影响装置
CN112326664A (zh) * 2020-09-27 2021-02-05 浙江安胜科技股份有限公司 一种保温容器自动化质量控制方法
CN114939553A (zh) * 2022-04-02 2022-08-26 浙江匠选科技有限公司 紧凑型视觉检测筛选装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102095733A (zh) * 2011-03-02 2011-06-15 上海大学 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法
CN102218406A (zh) * 2011-01-04 2011-10-19 华南理工大学 一种基于机器视觉的手机外壳缺陷智能检测装置
CN102353349A (zh) * 2011-09-30 2012-02-15 广东工业大学 基于机器视觉的微型音膜同心度在线检测***及检测方法
CN103464384A (zh) * 2013-09-10 2013-12-25 浙江中烟工业有限责任公司 一种基于机器视觉的物流平托盘破损分级***及方法
CN104297254A (zh) * 2014-10-08 2015-01-21 华南理工大学 一种基于混合法的印刷电路板缺陷检测方法及***
CN105528600A (zh) * 2015-10-30 2016-04-27 小米科技有限责任公司 区域识别方法及装置
CN106053479A (zh) * 2016-07-21 2016-10-26 湘潭大学 一种基于图像处理的工件外观缺陷的视觉检测***
CN106290382A (zh) * 2016-07-01 2017-01-04 广东技术师范学院 泡罩药片包装缺陷视觉检测装置及方法
CN207992089U (zh) * 2018-03-28 2018-10-19 广州大学 基于机器视觉的别针徽章瑕疵检测***

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102218406A (zh) * 2011-01-04 2011-10-19 华南理工大学 一种基于机器视觉的手机外壳缺陷智能检测装置
CN102095733A (zh) * 2011-03-02 2011-06-15 上海大学 一种基于机器视觉对瓶盖表面瑕疵的智能检测方法
CN102353349A (zh) * 2011-09-30 2012-02-15 广东工业大学 基于机器视觉的微型音膜同心度在线检测***及检测方法
CN103464384A (zh) * 2013-09-10 2013-12-25 浙江中烟工业有限责任公司 一种基于机器视觉的物流平托盘破损分级***及方法
CN104297254A (zh) * 2014-10-08 2015-01-21 华南理工大学 一种基于混合法的印刷电路板缺陷检测方法及***
CN105528600A (zh) * 2015-10-30 2016-04-27 小米科技有限责任公司 区域识别方法及装置
CN106290382A (zh) * 2016-07-01 2017-01-04 广东技术师范学院 泡罩药片包装缺陷视觉检测装置及方法
CN106053479A (zh) * 2016-07-21 2016-10-26 湘潭大学 一种基于图像处理的工件外观缺陷的视觉检测***
CN207992089U (zh) * 2018-03-28 2018-10-19 广州大学 基于机器视觉的别针徽章瑕疵检测***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110040303A (zh) * 2019-05-22 2019-07-23 佛山隆深机器人有限公司 包装线视觉检测***
CN110877014A (zh) * 2019-10-28 2020-03-13 哈尔滨工大智慧工厂有限公司 一种基于机器视觉小尺寸产品分选线防环境光影响装置
CN112326664A (zh) * 2020-09-27 2021-02-05 浙江安胜科技股份有限公司 一种保温容器自动化质量控制方法
CN114939553A (zh) * 2022-04-02 2022-08-26 浙江匠选科技有限公司 紧凑型视觉检测筛选装置

Similar Documents

Publication Publication Date Title
CN108838099A (zh) 基于机器视觉的别针徽章瑕疵检测***及方法
CN108918543B (zh) 一种镜子表面划伤的动态检测装置及方法
CN107138431B (zh) 一种基于机器视觉的零部件识别分选方法及***
CN108288288B (zh) 基于视觉识别的精密轴尺寸测量方法、装置和***
CN102621156B (zh) 基于图像处理的微小零件自动分拣***
CN207908385U (zh) 一种基于视觉分辨的pcb板焊接缺陷自检***
CN106872474A (zh) 零件立体视觉检测机及其检测方法
CN103792240B (zh) 竹片智能检测***
CN103090804A (zh) 成品磁环图像自动检测***及检测方法
CN106824816A (zh) 一种基于机器视觉的pe瓶检测与分拣方法
CN109277318A (zh) 一种水果品质视觉检测分级装置及检测分级方法
CN106583268A (zh) 基于机器视觉的pe瓶检测与分拣***
CN103837097B (zh) 一种基于图像处理的工件角度自动测量装置及测量方法
CN106197273B (zh) 一种随动回转式视觉检测装置
CN113670923B (zh) 一种笔记本电脑外壳缺陷的全方位高精度检测装置与方法
CN111222445A (zh) 吸管检测***及其方法
CN204346935U (zh) 食品多重包装物无损检测***的定位及防尘装置
CN209124399U (zh) 一种水果品质视觉检测分级装置
CN113744247A (zh) 一种pcb焊点缺陷识别方法和***
CN114113129B (zh) 一种镜片微小缺陷识别抓取***及方法
CN206609797U (zh) 零件立体视觉检测机
CN207992089U (zh) 基于机器视觉的别针徽章瑕疵检测***
CN107350173B (zh) 一种板栗自动分拣方法
CN103837545A (zh) 一种镜片成像装置及方法
CN109596058A (zh) 塑胶工件的尺寸检测识别方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181120