CN109143393A - 瓶装透明药液异物检测同步跟踪视觉补偿方法 - Google Patents
瓶装透明药液异物检测同步跟踪视觉补偿方法 Download PDFInfo
- Publication number
- CN109143393A CN109143393A CN201810860367.9A CN201810860367A CN109143393A CN 109143393 A CN109143393 A CN 109143393A CN 201810860367 A CN201810860367 A CN 201810860367A CN 109143393 A CN109143393 A CN 109143393A
- Authority
- CN
- China
- Prior art keywords
- image
- bottled
- medical fluid
- foreign bodies
- offset
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- 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
Landscapes
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Geophysics (AREA)
- Health & Medical Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种瓶装透明药液异物检测同步跟踪视觉补偿方法,具体包括以下步骤:S1、使用高速工业相机对待检测的当前液体药品获取多帧连续图像;S2、对所述图像感兴趣区域进行瓶壁与背景区分;S3、对所述区分后的图像进行形态学处理;S4、对所述形态学处理后的图像进行Sobel滤波,得到一个方向的梯度信息;S5、对所述Sobel滤波后图像进行霍夫变换,最终得出图像的补偿值;S6、对图像序列重复以上操作并得到每张图像的偏移量,并根据所述每张图的偏移量对所述图像序列的第一张图像对齐;最终得到补偿的新的处理区域。本发明能够提高异物分析的准确率,从软件上克服了机械上无法克服的问题,并提升了成像的效果,从而进一步保障了输液患者的生命安全。
Description
技术领域
本发明涉及工业机器视觉检测领域,具体涉及一种瓶装透明药液异物检测同步跟踪视觉补偿方法。
背景技术
医用输液是我国药品中五大类重要制剂之一,市场需求量巨大。医用输液瓶对瓶内液体的洁净程度要求非常高,但由于生产工艺或生产环境等方面的原因,输液成品中可能混入玻璃屑、铝屑、橡皮屑、毛发、纤维或不溶药质等微小异物。这些异物粒径微小,可能随输液进入人体,导致血管堵塞,造成囊肿现象,严重危及病人的生命与健康。
根据中国药典规定,在输液瓶生产过程中,要对输液瓶内的注射剂逐瓶进行不溶物检查。然而,传统的检查方法是直接通过人工视觉方法进行检验,在一定的光照条件下,用人眼直接观察瓶装液体,发现是否存在异物。这种传统的方法劳动强度大,直接增加了大规模生产过程中的劳动成本,且灯检人员长时间工作时产生视觉疲劳和质量波动,是自动化生产线上的突出问题。
现有的比较成熟的大输液灯检机,大部分采用的是随动回摆法。该方法中,相机在旋转大圆盘的某段圆弧区间来回摆动。在进入拍照工位前,夹持装置带动输液瓶进行自转,输液瓶中的液体旋转,在到达拍照工位前停转,瓶中的液体由于惯性作用继续旋转。一组相机同步跟踪输液瓶,在大圆盘的某段圆弧区间继续进行公转,多个相机对对应的多个输液瓶进行连续拍照,相机与输液瓶的位置保持相对静止,即同步跟踪状态。拍照结束后该组相机回摆。回摆后的相机继续对下一组输液瓶进行跟踪拍摄。
实现这一回摆以及同步跟踪过程的,有两种方式。一是使用机械凸轮,用纯机械的方式让摆臂回摆并同步跟踪。但是由于机械加工中的不确定性,以及机械设计中的失误,使用这种方式往往偏差极大。二是使用电动伺服***,使用电子凸轮,相比机械凸轮,表现较好。但是伺服***涉及到控制问题,如果参数调整的不好,便会存在超调、阻尼振荡等问题,同样会造成微小视觉偏差。
已有的大输液灯检机,如果采用的是机械凸轮,由于其位移偏差太大,一般不会采集多帧图像。如果采用的是电动伺服***,则采集多帧图像,但对于其中的微小视觉偏差,往往选择了忽略处理。但是在像素层面,这种微小偏差却是不可忽视的,会严重影响灯检机的漏检率和误检率。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本发明。
发明内容
为解决上述技术缺陷,本发明采用的技术方案在于,提供一种瓶装透明药液异物检测同步跟踪视觉补偿方法,具体包括以下步骤:
S1、使用高速工业相机对待检测的当前液体药品获取多帧连续图像;
S2、对所述图像感兴趣区域进行瓶壁与背景区分;
S3、对所述区分后的图像进行形态学处理;
S4、对所述形态学处理后的图像进行Sobel滤波,得到一个方向的梯度信息;
S5、对所述Sobel滤波后图像进行霍夫变换,最终得出图像的补偿值;
S6、对图像序列重复以上操作并得到每张图像的偏移量,并根据所述每张图的偏移量对所述图像序列的第一张图像对齐;最终得到补偿的新的处理区域。
较佳的,所述步骤S1中的所述工业相机获取的图像可形成灰度图。
较佳的,所述步骤S2中的所述图像感兴趣区域为一个图像的上半部分;并对这一区域进行二值化处理;所述感兴趣区域为一矩形区域。
较佳的,所述二值化处理为基于大津算法的二值化操作;所述大津算法计算的出阈值后,小于阈值的像素值置为0,大于阈值的像素值置为255。
较佳的,所述步骤S3中的所述形态学处理,包括图像膨胀与图像腐蚀操作。
较佳的,所述步骤S4中所述Sobel滤波使用Sobel算子得到图像梯度;由函数在两个正交方向上的一阶导数组成的二维向量:
较佳的,在S5中所述霍夫变换中,直线用下述方程表示:
ρ=xcosθ+ysinθ
其中:ρ是直线到图像原点(左上角)的距离,θ则是与直线垂直的角度,x代表x坐标值,y代表y坐标值。
较佳的,使用所述霍夫变换得到多条直线后,根据每一条直线的置信度,选择置信度最高且大于150的一条直线作为结果。
较佳的,在所述S6中所述霍夫变换求得了可能性最大的一条直线后,计算该直线的左端点和右端点,取两个端点的Y坐标的平均数,即为该张图像的偏移量。
较佳的,对图像序列的每一幅图进行上述相同的操作,可以得到每一张图像的偏移量;根据每张图的偏移量,对图像序列的第一张图像对齐;最终得出图像的补偿值。
与现有技术比较本发明的有益效果在于:
1,本发明能够提高异物分析的准确率,从而上克服了机械上无法克服的问题,并提升了成像的效果,从而进一步保障了输液患者的生命安全;2,本发明的核心Sobel算子步骤,简单高效,适用性和针对性很高;3,本发明的检测直线步骤采用投票形式,且选择投票最高的结果。可适用于多种大输液灯检机设备可适用于多种多帧图像检测问题,解决了随动过程不稳定的问题;4,本发明算法速度快,效率高;在环境条件不变的情况下,稳定性高。5,本发明的补偿方法是为了后续异物检测算法的准确率,减少误检率。
附图说明
为了更清楚地说明本发明各实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本发明的现有技术大输液灯检机的左视图;
图2是本发明的现有技术大输液灯检机的右视;
图3是本发明的现有技术大输液灯检机的俯视图;
图4是本发明的流程图。
图中数字表示:
1.***支架 2.主轴部分 3.转盘部分 4.输入部分 5.输出部分 6.动力输入部分7.跟随摆动部分 8.输送带***
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
实施例1
如图1,2,3,4所示,一种瓶装透明药液异物检测同步跟踪视觉补偿方法,本方法可应用于大部分的采用随动回摆方式的大输液灯检机。在正常工作状态下,输液瓶从传送带***8上,由输入部分4的搓瓶装置转移到转盘部分3上的机械手上,机械手夹持检测瓶随转盘部分3公转,在将要进入检测工位之前,机械手带动检测瓶自转,到达检测位置时停转。此时由于惯性作用,瓶体内液体仍在旋转。于此同时,摆臂在伺服控制器的控制下来到与待检测瓶对齐的位置,并与转盘保持同步跟踪状态,相机与检测瓶几乎相对静止。相机连续采集图像。
本发明,在相机连续采集图像后,计算机分析是否有异物以及异物类别前,对图像序列进行预处理,对含有位移偏差的图像序列进行视觉补偿。
具体的补偿方法包括以下步骤:
S1、使用高速工业相机对待检测的当前液体药品获取多帧连续图像;
1、伺服控制器向工业相机发射脉冲指令,工业相机根据指令采集图像,通过GigE接口回传给计算机,从而获取图像序列。所用的工业相机,采集的图像是Mono8类型的(单通道8位图),采用的工业相机获取的图像可形成灰度图;
S2、对图像感兴趣区域进行瓶壁与背景区分;
划定一个图像上半部分的感兴趣区域;对这一区域进行二值化处理,使一边的输液瓶瓶壁与背景得到区分。一方面减少其他区域的干扰,一方面可以提高处理速度。
现有的大输液灯检机的相机放置时均旋转了90度,故采集的图像输液瓶也是旋转了90的度,因此,输液瓶一边的瓶壁必定出现在图像的上半部区域。图像是由一个一个像素组成的,算法的处理也是一个一个像素的处理。因此像素数量越少,处理速度越快;所以只取上半部作为感兴趣区域。
为保证算法的鲁棒性与准确性,在定义感兴趣区域时,以图象的左上角为起始点,宽度为源图像的宽度,高度为源图像高度的一半。
进行二值化的时候,使用大津算法得到二值化的阈值,然后遍历图像中所有像素的像素值,大于阈值的灰度值置为255(8位灰度图的最大值),小于阈值的灰度值置为0。
通过二值化的手段。二值化过后,大部分背景的灰度值为0(纯黑),大部分输液瓶瓶壁的灰度值为255(纯白),因此背景和输液瓶瓶壁得到很好的区分。
S3、对二值化的图像进行形态学处理;
进行形态学滤波的时候,使用图像膨胀操作和图像腐蚀操作。
对于图像膨胀操作,使用3x3大小的卷积核,对图像膨胀2至5次。
对于图像腐蚀操作,使用3x3大小的卷积核,对图像膨胀2至5次。
对于二值化图像,腐蚀将当前的像素集合里白色(255)像素替换为黑色(0)像素。膨胀则是相反的操作,将当前的像素集合里黑色(0)像素替换为白色(255)像素。应用腐蚀后,物体的尺寸会变小,可以观察到一些非常细小的物体(可被认为是背景像素中的“噪音“)被完全移除了。相似的,膨胀后的物体更大,同时内部的一些”洞“被填满。
该发明的形态学处理操作,是对图像先腐蚀,再膨胀,称为开运算,是一种更高级的形态学滤波。应用开运算,可以移除场景中的比较小的物体(可被认为是背景像素中的“噪音“),即达到了去噪的效果,并且可以让前景(输液瓶)的边界更圆润。
S4、使用Sobel算子,得到该方向的梯度信息;
沿一个方向使用Sobel算子,得到该方向的梯度信息,梯度变化最大的地方即为瓶壁。
Sobel滤波器,是具有方向性的滤波器,根据使用的核的不同它只改变图像的水平或垂直频率。
Sobel算子是一种经典的边缘检测线性滤波器,它基于一个简单的3x3核:
如果我们将图像视作二维函数,Sobel算子可被认为是图像在垂直和水平方向变化的测量。这种测量在数学中被称为梯度,它被定义为由函数在两个正交方向上的一阶导数组成的二维向量:
因此,Sobel算子通过在水平和垂直方向下进行像素差分给出图像梯度的近似。
沿一个方向使用:Sobel算子只能沿一个方向使用,对于我们的情况使用竖向的卷积核。
S5、利用Hough算法进行计算,最终得出图像的补偿值;
在霍夫变换中,直线用下述方程表示:
ρ=xcosθ+ysinθ
公式中:ρ是直线到图像原点(左上角)的距离,θ则是与直线垂直的角度,x代表x坐标值,y代表y坐标值。
以1个像素作为最小半径单位,π/500作为最小角度单位,使用霍夫变换得到多条直线。得到直线后,根据每一条直线的置信度,选择置信度最高且大于150的一条直线作为结果。
S6、对图像序列重复以上操作并补偿。
对整个图像序列中的每一张图像做相同的操作,得到每一张图像的补偿值。在通过Hough变换求得了可能性最大的一条直线后。计算该直线的左端点和右端点,取两个端点的Y坐标的平均数,即为该张图像的偏移量。
Point pt1(cvRound(x0+1000*(-b)),cvRound(y0+1000*(a)));
Point pt2(cvRound(x0-1000*(-b)),cvRound(y0-1000*(a)));
其中pt1,pt2即为左右两端点,其y坐标分别为cvRound(y0+1000*(a))和cvRound(y0-1000*(a)),则两个端点的Y坐标(即该张图像的偏移量)为(cvRound(y0+1000*(a))+cvRound(y0-1000*(a)))/2。
对图像序列的每一幅图进行相同的操作,可以得到每一张图像的偏移量。根据每张图的偏移量,对图像序列的第一张图像对齐。从而提高后续异物检测算法的准确率,减少误检率。
在上一步中,图像序列中的每一张图像都得到了一个偏移量,从而对图像序列的第一张图像对齐;
dy[5]表示含有5个元素的数组则相应的对第i+1张图片的处理区域为
Roi[i]=Rect(x,y+dy[i]-dy[0],width,height)
其中Rect函数及其参数如前所述,dy[i]表示dy[5]数组中的第i+1个元素,dy[0]表示dy[5]数组中的第1个元素。
比如,图像序列中由5张图,其偏移量为10010210199100。与第一张图的偏移量相减,得dy=[0-2-110]。在后续处理的步骤中,对处理区域的Y坐标,加减相应的数值。新的处理区域,五张图各不相同,分别为(500,200),(500,198),(500,199),(500,201),(500,200)。
经实际测试,该算法对于3台1600x1200分辨率的灰度工业相机,5帧的图像序列,共15张图像,算法的处理时间在150ms以内,可以满足大部分的实时需求。
通过上述的到的多幅图像,并将多幅图像送至现有的图像处理***进行检测异物。
本发明能够提高异物分析的准确率,从软件上克服了机械上无法克服的问题,并提升了成像的效果,从而进一步保障了输液患者的生命安全。
以上所述仅为本发明的较佳实施例,对本发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在本发明权利要求所限定的精神和范围内可对其进行许多改变,修改,甚至等效,但都将落入本发明的保护范围内。
Claims (10)
1.一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,具体包括以下步骤:
S1、使用高速工业相机对待检测的当前液体药品获取多帧连续图像;
S2、对所述图像感兴趣区域进行瓶壁与背景区分;
S3、对所述区分后的图像进行形态学处理;
S4、对所述形态学处理后的图像进行Sobel滤波,得到一个方向的梯度信息;
S5、对所述Sobel滤波后图像进行霍夫变换,最终得出图像的补偿值;
S6、对图像序列重复以上操作并得到每张图像的偏移量,并根据所述每张图的偏移量对所述图像序列的第一张图像对齐;最终得到补偿的新的处理区域。
2.如权利要求2所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,所述步骤S1中的所述工业相机获取的图像可形成灰度图。
3.如权利要求1所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,所述步骤S2中的所述图像感兴趣区域为一个图像的上半部分;并对这一区域进行二值化处理;所述感兴趣区域为一矩形区域。
4.如权利要求3所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,所述二值化处理为基于大津算法的二值化操作;所述大津算法计算的出阈值后,小于阈值的像素值置为0,大于阈值的像素值置为255。
5.如权利要求1所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,所述步骤S3中的所述形态学处理,包括图像膨胀操作和图像腐蚀操作。
6.如权利要求1所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,所述步骤S4中所述Sobel滤波使用Sobel算子得到图像梯度;由函数在两个正交方向上的一阶导数组成的二维向量:
。
7.如权利要求1所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,在所述S5中所述霍夫变换中,直线用下述方程表示:
ρ=xcosθ+ysinθ
其中:ρ是直线到图像原点(左上角)的距离,θ则是与直线垂直的角度,x代表x坐标值,y代表y坐标值。
8.如权利要求1所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,使用所述霍夫变换得到多条直线,根据每一条直线的置信度,选择置信度最高且大于150的一条直线作为结果。
9.如权利要求1所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,在所述S6中所述霍夫变换求得了可能性最大的一条直线后,计算该直线的左端点和右端点,取两个端点的Y坐标的平均数,即为该张图像的偏移量。
10.如权利要求9所述的一种瓶装透明药液异物检测同步跟踪视觉补偿方法,其特征在于,对图像序列的每一幅图进行上述相同的操作,可以得到每一张图像的偏移量;根据每张图的偏移量,对图像序列的第一张图像对齐;最终得出图像的补偿值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810860367.9A CN109143393B (zh) | 2018-08-01 | 2018-08-01 | 瓶装透明药液异物检测同步跟踪视觉补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810860367.9A CN109143393B (zh) | 2018-08-01 | 2018-08-01 | 瓶装透明药液异物检测同步跟踪视觉补偿方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109143393A true CN109143393A (zh) | 2019-01-04 |
CN109143393B CN109143393B (zh) | 2020-06-30 |
Family
ID=64798863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810860367.9A Active CN109143393B (zh) | 2018-08-01 | 2018-08-01 | 瓶装透明药液异物检测同步跟踪视觉补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109143393B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033439A (zh) * | 2019-03-19 | 2019-07-19 | 河南中烟工业有限责任公司 | 一种制丝过程中皮带输送机堵料的视觉检测方法 |
CN110264446A (zh) * | 2019-05-30 | 2019-09-20 | 中国科学院长春光学精密机械与物理研究所 | 基于Facet方向导数的药液异物检测方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5179419A (en) * | 1991-11-22 | 1993-01-12 | At&T Bell Laboratories | Methods of detecting, classifying and quantifying defects in optical fiber end faces |
EP0963898A2 (en) * | 1998-06-09 | 1999-12-15 | Westinghouse Air Brake Company | Method and apparatus for using machine vision to detect relative locomotive position on parallel tracks |
CN101354359A (zh) * | 2008-09-04 | 2009-01-28 | 湖南大学 | 药液内运动可见异物的检测跟踪与识别方法 |
CN101806752A (zh) * | 2010-03-12 | 2010-08-18 | 长沙图创机电科技有限公司 | 用于瓶装液体药品中可见异物视觉检测的方法及设备 |
CN102708368A (zh) * | 2012-05-04 | 2012-10-03 | 湖南大学 | 一种基于机器视觉的生产线上瓶体的定位方法 |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
CN105869154A (zh) * | 2015-09-23 | 2016-08-17 | 长沙理工大学 | 一种250ml医药大输液可见异物与气泡的分类识别检测方法 |
CN107944444A (zh) * | 2017-11-21 | 2018-04-20 | 北京化工大学 | 一种瓶装液体异物检测方法及*** |
-
2018
- 2018-08-01 CN CN201810860367.9A patent/CN109143393B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5179419A (en) * | 1991-11-22 | 1993-01-12 | At&T Bell Laboratories | Methods of detecting, classifying and quantifying defects in optical fiber end faces |
EP0963898A2 (en) * | 1998-06-09 | 1999-12-15 | Westinghouse Air Brake Company | Method and apparatus for using machine vision to detect relative locomotive position on parallel tracks |
CN101354359A (zh) * | 2008-09-04 | 2009-01-28 | 湖南大学 | 药液内运动可见异物的检测跟踪与识别方法 |
CN101806752A (zh) * | 2010-03-12 | 2010-08-18 | 长沙图创机电科技有限公司 | 用于瓶装液体药品中可见异物视觉检测的方法及设备 |
CN102708368A (zh) * | 2012-05-04 | 2012-10-03 | 湖南大学 | 一种基于机器视觉的生产线上瓶体的定位方法 |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
CN105869154A (zh) * | 2015-09-23 | 2016-08-17 | 长沙理工大学 | 一种250ml医药大输液可见异物与气泡的分类识别检测方法 |
CN107944444A (zh) * | 2017-11-21 | 2018-04-20 | 北京化工大学 | 一种瓶装液体异物检测方法及*** |
Non-Patent Citations (3)
Title |
---|
夏贤华,等: "基于机器视觉的玻璃瓶在线检测***研究与开发", 《机械与电子》 * |
王耀南,等: "医药输液视觉检测机器人关键技术综述", 《机械工程学报》 * |
马敬奇,等: "基于Canny算子和改进型Hough变换的边缘定位方法", 《自动化与信息工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033439A (zh) * | 2019-03-19 | 2019-07-19 | 河南中烟工业有限责任公司 | 一种制丝过程中皮带输送机堵料的视觉检测方法 |
CN110033439B (zh) * | 2019-03-19 | 2022-12-02 | 河南中烟工业有限责任公司 | 一种制丝过程中皮带输送机堵料的视觉检测方法 |
CN110264446A (zh) * | 2019-05-30 | 2019-09-20 | 中国科学院长春光学精密机械与物理研究所 | 基于Facet方向导数的药液异物检测方法及*** |
CN110264446B (zh) * | 2019-05-30 | 2021-09-17 | 中国科学院长春光学精密机械与物理研究所 | 基于Facet方向导数的药液异物检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109143393B (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | A surface defect detection framework for glass bottle bottom using visual attention model and wavelet transform | |
CN106017325B (zh) | 一种改进的复杂表面和不规则物体体积的非接触光学测量方法 | |
US7916935B2 (en) | Systems and methods for automatically determining 3-dimensional object information and for controlling a process based on automatically-determined 3-dimensional object information | |
EP3258441B1 (en) | Template creation device and template creation method | |
CN109580630A (zh) | 一种机械零部件缺陷的视觉检测方法 | |
US7885467B2 (en) | Systems and methods for automatically determining object information and systems and methods for control based on automatically determined object information | |
US12033280B2 (en) | Method and apparatus for generating a 3D reconstruction of an object | |
Pithadiya et al. | Selecting the most favourable edge detection technique for liquid level inspection in bottles | |
CN111462066A (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN116165216B (zh) | 一种液晶显示屏微划伤瑕疵3d检测方法、***及计算设备 | |
CN109143393A (zh) | 瓶装透明药液异物检测同步跟踪视觉补偿方法 | |
Fu et al. | Medicine glass bottle defect detection based on machine vision | |
Felipe et al. | Vision-based liquid level detection in amber glass bottles using OpenCV | |
Pithadiya et al. | Machine vision based liquid level inspection system using ISEF edge detection technique | |
CN107248151B (zh) | 一种基于机器视觉的液晶片智能检测方法及*** | |
CN114092385A (zh) | 基于机器视觉的工业机械故障检测方法及装置 | |
CN209606340U (zh) | 透明药瓶底部积料缺陷检测*** | |
CN116500052A (zh) | 一种食用油杂质视觉检测***及其使用方法 | |
Xu et al. | Research on real-time quality inspection of PET bottle caps | |
Roy et al. | Abnormal regions detection and quantification with accuracy estimation from MRI of brain | |
CN115170596A (zh) | 一种基于图像边缘检测的血液凝集检测装置、***及方法 | |
CN114627055A (zh) | 柱面标签质量检测方法及*** | |
Ren et al. | Research and application of label defect detection method based on machine vision | |
Peng et al. | An online glass medicine bottle defect inspection method based on machine vision | |
Kai et al. | Cob angle recognition algorithm based on machine vision |
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 |