CN109622404A - 一种基于机器视觉的微工件自动分拣***及方法 - Google Patents
一种基于机器视觉的微工件自动分拣***及方法 Download PDFInfo
- Publication number
- CN109622404A CN109622404A CN201811378064.XA CN201811378064A CN109622404A CN 109622404 A CN109622404 A CN 109622404A CN 201811378064 A CN201811378064 A CN 201811378064A CN 109622404 A CN109622404 A CN 109622404A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- module
- profile
- work piece
- chamfering
- 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
-
- 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
- B07C5/363—Sorting apparatus characterised by the means used for distribution by means of air
- B07C5/365—Sorting apparatus characterised by the means used for distribution by means of air using a single separation means
Landscapes
- Sorting Of Articles (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及自动分拣***的技术领域,更具体地,涉及一种基于机器视觉的微工件自动化分拣***及方法,包括工件运输模块、图像采集模块、图像处理模块、中央控制模块、工件筛选模块和直流稳压模块;所述工件运输模块包括振动盘和步进电机转盘,所述图像采集模块包括光纤传感器、光源和工业相机,所述图像处理模块为PC上位机,所述中央控制模块为PLC控制器,所述工件筛选模块包括***和挡板,所述直流稳压模块为12V直流稳压模块;本发明***运用了摄像机标定,亚像素边缘检测和多边形逼近算法,提高了微工件的分拣精度。
Description
技术领域
本发明涉及自动分拣***的技术领域,更具体地,涉及一种基于机器视觉的微工件自动分拣***及方法。
背景技术
目前国内对于零部件的外形缺陷的检测主要是采用人工检测,人工检测方法效率低、精度低、易疲劳且易受主观因素影响;而对于零部件尺寸的检测还有一些采用压电转换方法,但由于传感器工艺和机械结构的限制,难以检测尺寸较小的精密工件。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供了一种高效率、高精度的微工件自动分拣***及方法。其具体技术方案如下:
一种基于机器视觉的微工件自动分拣***,包括工件运输模块、图像采集模块、图像处理模块、中央控制模块、工件筛选模块和直流稳压模块;
所述工件运输模块用于将工件运送至图像采集模块、工件筛选模块的工作工位;
所述图像采集模块与图像处理模块、中央控制模块连接,用于采集工件图片信息,并将图片信息发送至图像处理模块;
所述图像处理模块与中央控制模块连接,用于分析工件是否为合格工件,并将分析结果发送至中央控制模块;
所述中央控制模块用于控制图像采集模块的开关、接收图像处理模块发送的信息、控制工件筛选模块的开关;
所述工件筛选模块用于将工件分送至正品区域和次品区域;
所述直流稳压模块与中央控制模块和图像采集模块连接,用于向中央控制模块和图像采集模块提供稳定的直流电压。
本发明通过利用图像采集模块可以采集工件轮廓信息,再利用图像处理模块利用计算机技术可以精确识别工件是否合格,然后再利用中央控制模块和工件筛选模块可将工件进行分区。本发明可以高效率、高精度的检测较小的精密工件,克服了人工检测方法效率低、精度低、易疲劳且易受主观因素影响的问题。
作为优选,所述工件运输模块包括振动盘和步进电机转盘,所述图像采集模块包括光纤传感器、光源和工业相机,所述图像处理模块为PC上位机,所述中央控制模块为PLC控制器,所述工件筛选模块包括***和挡板,所述直流稳压模块为12V直流稳压模块;
所述振动盘与步进电机转盘连接,可将工件送至步进电机转盘,所述光纤传感器和工业相机设于步进电机转盘上方,光源设于步进电机转盘下方,所述光纤传感器、光源、工业相机与PLC控制器电连接,工业相机还与所述PC上位机电连接,PC上位机与PLC控制器电连接,所述***、挡板与PLC控制器电连接,***和挡板设于步进电机转盘侧面,***和挡板配合将工件送至正品区域或者次品区域,12V直流稳压模块与光纤传感器和PLC控制器电连接。
本发明巧妙的利用工业CCD相机对工件进行数据采集,将采集到的数据通过网口通信发送到工业PC上位机上,由PC上位机调用图像处理算法对数据进行分析处理后给出控制信号,再利用PLC控制器对控制信号进行处理,控制***筛选出不良品。本发明综合运用数字图像处理、机械控制、计算机软硬件等技术,适用于尺寸较小的精密工件的自动分拣工作,分拣精度高。
进一步的,所述工业相机为Basler 200万像素的工业CCD相机,采用远心镜头,视野是13.5mm,使用千兆以太网传输线传输图像,该类工业相机采集图片质量高,传输数据快。
进一步的,所述步进电机转盘由步进电机和高平整度的透明玻璃组成,步进电机通过联动关系带动转盘旋转,高平整度的玻璃透明度好,有利于光源照射工件形成清晰轮廓,使相机可以采集高质量的工件轮廓图片。
进一步的,所述光源为背景光源,可以为相机提供良好光源,形成高反差轮廓工件图。
一种利用上述微工件分拣***基于机器视觉的微工件分拣方法,包括以下步骤:
步骤1:根据用户要求和现场环境因素,在PC上位机设置相关参数,运行***;
步骤2:振动盘震动工件以使工件自动下落至步进电机转盘,与此同时,步进电机转盘以固定速度旋转;
步骤3:步进电机转盘带动工件旋转,光纤传感器感知工件到来,告知PLC控制器;
步骤4:PLC控制器感知工件到来后,在一段时间后启动背景光源,并触发工业相机拍照;
步骤5:工业相机捕捉背景光源透过工件的高反差轮廓图,并发送至PC上位机进行图像处理;
步骤6:PC上位机处理后,将正品/次品信号发送PLC控制器,PLC控制器操控***和挡板,将工件送到正品区域或次品区域。
本发明提供的方法可以精确的采集工件轮廓图像,再利用PC上位机对采集到的工件轮廓图像进行分析,可以实现对微工件的精确检测,并实现自动分拣的功能。
进一步的,所述PC上位机的图形处理的过程依次是摄像机标定、预处理、亚像素边缘检测、多边形逼近算法处理;
所述摄像机标定用于获取工件的尺寸和坐标信息,所述预处理用于去除噪点,所述亚像素边缘检测用于获得工件倒角轮廓,所述多边形逼近算法处理用于分析工件倒角轮廓是否合格。亚像素边缘检测法获得工件倒角轮廓精度高,可以达到±0.02mm,多边形逼近算法分析工件轮廓的缺陷信息的准确率高。
进一步的,所述的摄像机标定是基于矩形网格状圆靶平面标定法,可以获得工件轮廓的尺寸和坐标信息,非线性优化所求参数,降低相机畸变,提高视觉测量准确度。
进一步的,所述亚像素边缘检测的方法用于提取工件倒角轮廓,具体方法如下:
基于摄像机标定获得的工件轮廓的尺寸和坐标信息,计算得出工件轮廓最小外接矩形,求得最小外接矩形的边缘点坐标和中心点坐标;
根据工件轮廓的最小外接矩形边缘点坐标、中心点坐标和工件倒角的长度,获得出一个与工件轮廓相交且长度比最小外接矩形短的第二矩形,第二矩形和最小外接矩形中心点坐标相同,第二矩形的长度等于最小外接矩形的长度减去2倍的工件倒角长度,第二矩形的宽度不小于最小外接矩形的宽度;
由工件边缘轮廓减去第二矩形轮廓,得到差值,差值为两个闭合且不相交的轮廓;
根据倒角轮廓的特点获取工件倒角轮廓,若工件倒角长度短、面积小,则选择长度短、面积小的轮廓为工件倒角轮廓,若工件倒角长度长、面积大,则选择长度长、面积大的轮廓为工件倒角轮廓。
所述多边形逼近算法用于分析倒角轮廓的是否合格,具体方法如下:
计算得到工件倒角轮廓曲线两端点的连线;
计算工件倒角轮廓曲线距离连线最远点到连线的距离;
比较最远点到连线的距离是否小于设定值;如果大于设定值,则把该工件倒角轮廓曲线以最远点为分割点分为两段;
重复以上3个步骤,直到新曲线的最远点到对应新曲线端点连线的距离小于设定值;
分析倒角轮廓是否有缺陷,若工件倒角轮廓被分成两段弧形,则为合格倒角轮廓;若工件倒角轮廓被分成三段或者更多段弧形,则为不合格倒角轮廓。
与现有技术相比,有益效果是:
本发明巧妙的利用工业CCD相机对工件进行数据采集,将采集到的数据通过网口通信发送到工业PC机上,由PC机调用所设计的图像处理算法对数据进行分析处理后给出控制信号,再利用PLC对控制信号进行处理,控制***筛选出不良品。还设置照明模块,增强工件特征,以及排除其他自然光的干扰。***运用了摄像机标定,亚像素边缘检测等图像处理技术对工件的轮廓图片进行处理、分析、检测,测量工件的外形尺寸精度可以达到±0.02mm。在检测弧形倒角的时候,***开创性地使用多边形逼近算法,根据弧的形态进行分析工件的缺陷情况,大大地提高工件弧形的识别准确率。
附图说明
图1是本发明基于机器视觉的微工件自动分拣***的控制框架图。
图2是本发明基于机器视觉的微工件自动分拣***的图像处理流程图。
图3是亚像素边缘检测方法的示意图。
图4是多边形的检测算法的示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
如图1所示,一种基于机器视觉的微工件自动分拣***,包括振动盘、步进电机转盘、光纤传感器、光源、工业相机、PC上位机、PLC控制器、***、挡板和12V直流稳压模块。
振动盘与步进电机转盘连接,可将工件送至步进电机转盘,光纤传感器和工业相机设于步进电机转盘上方,光源设于步进电机转盘下方,光纤传感器、光源、工业相机与PLC控制器电连接,工业相机还与所述PC上位机电连接,PC上位机与PLC控制器电连接,***、挡板与PLC控制器电连接,***和挡板设于步进电机转盘侧面,***和挡板配合将工件送至正品区域或者次品区域,12V直流稳压模块与光纤传感器和PLC控制器电连接。
具体的,工业相机为Basler 200万像素的工业CCD相机,采用远心镜头,视野是13.5mm,使用千兆以太网传输线传输图像。
具体的,步进电机转盘由步进电机和高平整度的透明玻璃组成,步进电机通过联动关系带动转盘旋转。
具体的,光源为背景光源。
如图2所示,一种利用上述微工件分拣***基于机器视觉的微工件分拣方法,包括以下步骤:
一种利用上述微工件分拣***基于机器视觉的微工件分拣方法,包括以下步骤:
步骤1:根据用户要求和现场环境因素,在PC上位机设置相关参数,运行***;
步骤2:振动盘震动工件以使工件自动下落步进电机转盘,与此同时,转盘以固定速度旋转;
步骤3:步进电机转盘带动工件旋转,光纤传感器感知工件到来,告知PLC控制器;
步骤4:PLC控制器感知工件到来后,在一段时间后启动背景光源,并触发工业相机拍照;
步骤5:工业相机捕捉背景光源透过工件的高反差轮廓图,并发送至PC上位机进行图像处理;
步骤6:PC上位机处理后,将正品/次品信号发送PLC控制器,PLC控制器操控***和挡板,将工件送到正品区域或次品区域。
具体的,PC上位机的图形处理的过程依次是摄像机标定、预处理、亚像素边缘检测、多边形逼近算法处理;
所述摄像机标定用于获取工件的尺寸和坐标信息,所述预处理用于去除噪点,所述亚像素边缘检测用于获得工件倒角轮廓,所述多边形逼近算法处理用于分析工件倒角轮廓是否合格。
具体的,摄像机标定是基于矩形网格状圆靶平面标定法,可以获得工件轮廓的尺寸和坐标信息。
具体的,如图3所示,亚像素边缘检测的方法用于提取工件倒角轮廓,具体方法如下:
基于摄像机标定获得的工件轮廓的尺寸和坐标信息,计算得出工件轮廓最小外接矩形,求得最小外接矩形的边缘点坐标和中心点坐标;
根据工件轮廓的最小外接矩形边缘点坐标、中心点坐标和工件倒角的长度(工件倒角长度为已知条件,可以根据工件的类型确定),获得出一个与工件轮廓相交且长度比最小外接矩形短的第二矩形,第二矩形和最小外接矩形中心点坐标相同,第二矩形的长度等于最小外接矩形的长度减去2倍的工件倒角长度,第二矩形的宽度不小于最小外接矩形的宽度;
由工件边缘轮廓减去第二矩形轮廓,得到差值,差值为两个闭合且不相交的轮廓;
根据倒角轮廓的特点获取工件倒角轮廓,若工件倒角长度短、面积小,则选择长度短、面积小的轮廓为工件倒角轮廓,若工件倒角长度长、面积大,则选择长度长、面积大的轮廓为工件倒角轮廓。本实施例的工件倒角特征(特征是已知条件,可以根据工件的类型确定)为长度短、面积小,因此选取左边的轮廓作为工件倒角轮廓。
具体的,多边形逼近算法用于分析倒角轮廓的是否合格,具体方法如下:
计算得到工件倒角轮廓曲线两端点的连线;
计算工件倒角轮廓曲线距离连线最远点到连线的距离;
比较最远点到连线的距离是否小于设定值;如果大于设定值,则把该工件倒角轮廓曲线以最远点为分割点分为两段,设定值根据工件类型可以预先确定;
重复以上3个步骤,直到新曲线的最远点到对应新曲线端点连线的距离小于设定值;
分析倒角轮廓是否有缺陷,若工件倒角轮廓被分成两段弧形,则为合格倒角轮廓;若工件倒角轮廓被分成三段或者更多段弧形,则为不合格倒角轮廓。
如图4所示,为了方便说明,可以将工件倒角轮廓进行降维处理,用点1-6代替,即工件倒角轮廓只有六个点,多边形逼近算法具体过程如下:先将点1和点6的连线形成线段16,假设点3为工件倒角轮廓到线段16的最远点,并且点3到线段16的距离大于设定值,因此将工件倒角轮廓以点3为分割点分成两段,即工件倒角轮廓左半部和工件倒角轮廓右半部,然后将点1和点3连线形成线段13,将点3和点6连线形成线段36,假设点2为工件倒角轮廓左半部到线段13的最远点,点4为工件倒角轮廓右半部到线段36的最远点,并且点2到线段13的距离小于设定值,点4到线段36的距离小于设定值,则分割过程结束,最终工件倒角轮廓被分成了两段,因此该工件倒角是合格的。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种基于机器视觉的微工件自动分拣***,其特征在于,包括工件运输模块、图像采集模块、图像处理模块、中央控制模块、工件筛选模块和直流稳压模块;
所述工件运输模块用于将工件运送至图像采集模块、工件筛选模块的工作工位;
所述图像采集模块与图像处理模块、中央控制模块连接,用于采集工件图片信息,并将图片信息发送至图像处理模块;
所述图像处理模块与中央控制模块连接,用于分析工件是否为合格工件,并将分析结果发送至中央控制模块;
所述中央控制模块用于控制图像采集模块的开关、接收图像处理模块发送的信息、控制工件筛选模块的开关;
所述工件筛选模块用于将工件分送至正品区域或次品区域;
所述直流稳压模块与中央控制模块和图像采集模块连接,用于向中央控制模块和图像采集模块提供稳定的直流电压。
2.根据权利要求1所述的基于机器视觉的微工件自动分拣***,其特征在于,所述工件运输模块包括振动盘和步进电机转盘,所述图像采集模块包括光纤传感器、光源和工业相机,所述图像处理模块为PC上位机,所述中央控制模块为PLC控制器,所述工件筛选模块包括***和挡板,所述直流稳压模块为12V直流稳压模块;
所述振动盘与步进电机转盘连接,可将工件送至步进电机转盘,所述光纤传感器和工业相机设于步进电机转盘上方,光源设于步进电机转盘下方,所述光纤传感器、光源、工业相机与PLC控制器电连接,工业相机还与所述PC上位机电连接,PC上位机与PLC控制器电连接,所述***、挡板与PLC控制器电连接,***和挡板设于步进电机转盘侧面,***和挡板配合将工件送至正品区域或次品区域,12V直流稳压模块与光纤传感器、PLC控制器电连接。
3.根据权利要求2所述的基于机器视觉的微工件自动分拣***,其特征在于,所述工业相机为Basler 200万像素的工业CCD相机,使用千兆以太网传输线传输图像。
4.根据权利要求2所述的基于机器视觉的微工件自动分拣***,其特征在于,所述步进电机转盘由步进电机和高平整度的透明玻璃组成。
5.根据权利要求2所述的基于机器视觉的微工件自动分拣***,其特征在于,所述光源为背景光源。
6.一种基于机器视觉的微工件分拣方法,其特征在于,包括以下步骤:
步骤1:根据用户要求和现场环境因素,在PC上位机设置相关参数,运行***;
步骤2:振动盘震动工件以使工件自动下落至步进电机转盘,与此同时,步进电机转盘以固定速度旋转;
步骤3:步进电机转盘带动工件旋转,光纤传感器感知工件到来,告知PLC控制器;
步骤4:PLC控制器感知工件到来后,在一段时间后启动背景光源,并触发工业相机拍照;
步骤5:工业相机捕捉背景光源透过工件的高反差轮廓图,并发送至PC上位机进行图像处理;
步骤6:PC上位机处理后,将正品/次品信号发送PLC控制器,PLC控制器操控***和挡板,将工件送到正品区域或次品区域。
7.根据权利要求6所述的基于机器视觉的微工件分拣方法,其特征在于,所述PC上位机的图形处理的过程依次是摄像机标定、预处理、亚像素边缘检测、多边形逼近算法处理;
所述摄像机标定用于获取工件的尺寸和坐标信息,所述预处理用于去除噪点,所述亚像素边缘检测用于获得工件倒角轮廓,所述多边形逼近算法处理用于分析工件倒角轮廓是否合格。
8.根据权利要求7所述的基于机器视觉的微工件分拣方法,其特征在于,所述的摄像机标定是基于矩形网格状圆靶平面标定法,可以获得工件轮廓的尺寸和坐标信息。
9.根据权利要求7所述的基于机器视觉的微工件分拣方法,其特征在于,所述亚像素边缘检测的方法用于提取工件倒角轮廓,具体方法如下:
基于摄像机标定获得的工件轮廓的尺寸和坐标信息,计算得出工件轮廓最小外接矩形,求得最小外接矩形的边缘点坐标和中心点坐标;
根据工件轮廓的最小外接矩形边缘点坐标、中心点坐标和工件倒角的长度,获得出一个与工件轮廓相交且长度比最小外接矩形短的第二矩形,第二矩形和最小外接矩形中心点坐标相同,第二矩形的长度等于最小外接矩形的长度减去2倍的工件倒角长度,第二矩形的宽度不小于最小外接矩形的宽度;
由工件轮廓减去第二矩形轮廓,得到差值,差值为两个闭合且不相交的轮廓;
根据倒角轮廓的特点获取工件倒角轮廓,若工件倒角长度短、面积小,则选择长度短、面积小的轮廓为工件倒角轮廓,若工件倒角长度长、面积大,则选择长度长、面积大的轮廓为工件倒角轮廓。
10.根据权利要求7所述的基于机器视觉的微工件分拣方法,其特征在于,所述多边形逼近算法用于分析倒角轮廓的是否合格,具体方法如下:
计算得到工件倒角轮廓曲线两端点的连线;
计算工件倒角轮廓曲线距离连线最远点到连线的距离;
比较最远点到连线的距离是否小于设定值;如果大于设定值,则把工件倒角轮廓曲线以最远点为分割点分为两段;
重复以上3个步骤,直到新曲线的最远点到对应新曲线端点连线的距离小于设定值;
分析倒角轮廓是否有缺陷,若工件倒角轮廓被分成两段弧形,则为合格倒角轮廓;若工件倒角轮廓被分成三段或者更多段弧形,则为不合格倒角轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811378064.XA CN109622404B (zh) | 2018-11-19 | 2018-11-19 | 一种基于机器视觉的微工件自动分拣***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811378064.XA CN109622404B (zh) | 2018-11-19 | 2018-11-19 | 一种基于机器视觉的微工件自动分拣***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109622404A true CN109622404A (zh) | 2019-04-16 |
CN109622404B CN109622404B (zh) | 2021-08-13 |
Family
ID=66068478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811378064.XA Active CN109622404B (zh) | 2018-11-19 | 2018-11-19 | 一种基于机器视觉的微工件自动分拣***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109622404B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111871841A (zh) * | 2020-08-12 | 2020-11-03 | 安徽信息工程学院 | 一种转动分类的机器视觉零件分拣***、方法和装置 |
CN112084964A (zh) * | 2020-09-11 | 2020-12-15 | 浙江水晶光电科技股份有限公司 | 产品识别设备、方法及存储介质 |
CN113822180A (zh) * | 2021-09-07 | 2021-12-21 | 深圳市长龙铁路电子工程有限公司 | 空气开关分合状态识别方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5239358A (en) * | 1991-02-12 | 1993-08-24 | Hajime Industries | Powder material inspection apparatus |
CN102637300A (zh) * | 2012-04-26 | 2012-08-15 | 重庆大学 | 改进的Zernike矩边缘检测方法 |
CN103512888A (zh) * | 2013-06-05 | 2014-01-15 | 北京化工大学 | 一种基于图像识别技术的烟包封条缺陷检测*** |
CN203830307U (zh) * | 2014-05-16 | 2014-09-17 | 歌尔声学股份有限公司 | 精密工件检测分选机 |
CN203842839U (zh) * | 2014-04-15 | 2014-09-24 | 宁波韩华磁电有限公司 | 一种微小产品的全自动外观筛选装置 |
CN105783786A (zh) * | 2016-04-26 | 2016-07-20 | 北方工业大学 | 一种基于结构光视觉的零件倒角测量方法与装置 |
CN206583812U (zh) * | 2017-03-02 | 2017-10-24 | 河南西普电气有限公司 | 一种银触点双面视觉检测设备 |
-
2018
- 2018-11-19 CN CN201811378064.XA patent/CN109622404B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5239358A (en) * | 1991-02-12 | 1993-08-24 | Hajime Industries | Powder material inspection apparatus |
CN102637300A (zh) * | 2012-04-26 | 2012-08-15 | 重庆大学 | 改进的Zernike矩边缘检测方法 |
CN103512888A (zh) * | 2013-06-05 | 2014-01-15 | 北京化工大学 | 一种基于图像识别技术的烟包封条缺陷检测*** |
CN203842839U (zh) * | 2014-04-15 | 2014-09-24 | 宁波韩华磁电有限公司 | 一种微小产品的全自动外观筛选装置 |
CN203830307U (zh) * | 2014-05-16 | 2014-09-17 | 歌尔声学股份有限公司 | 精密工件检测分选机 |
CN105783786A (zh) * | 2016-04-26 | 2016-07-20 | 北方工业大学 | 一种基于结构光视觉的零件倒角测量方法与装置 |
CN206583812U (zh) * | 2017-03-02 | 2017-10-24 | 河南西普电气有限公司 | 一种银触点双面视觉检测设备 |
Non-Patent Citations (2)
Title |
---|
刘国华: "《HALCON数字图像处理》", 31 May 2018, 西安电子科技大学出版社 * |
田金文等: "基于轮廓跟踪链码表的多边形逼近新方法", 《全国第五届遥感遥测遥控技术年会论文集 上集》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111871841A (zh) * | 2020-08-12 | 2020-11-03 | 安徽信息工程学院 | 一种转动分类的机器视觉零件分拣***、方法和装置 |
CN112084964A (zh) * | 2020-09-11 | 2020-12-15 | 浙江水晶光电科技股份有限公司 | 产品识别设备、方法及存储介质 |
CN113822180A (zh) * | 2021-09-07 | 2021-12-21 | 深圳市长龙铁路电子工程有限公司 | 空气开关分合状态识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109622404B (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11774735B2 (en) | System and method for performing automated analysis of air samples | |
CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN109974582B (zh) | 一种汽车线束的芯线尺寸非接触式视觉检测装置及方法 | |
CN109454006A (zh) | 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法 | |
CN109622404A (zh) | 一种基于机器视觉的微工件自动分拣***及方法 | |
CN109406527B (zh) | 一种***模组镜头精细外观缺陷检测***及方法 | |
CN104458749A (zh) | 基于机器视觉的铝型材表面缺陷实时检测*** | |
CN111122590B (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN110490826B (zh) | 一种照相机中雾滴样本图像处理方法 | |
CN110434090A (zh) | 一种胡萝卜表面瑕疵检测方法 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
CN110567976A (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
Neethu et al. | Role of computer vision in automatic inspection systems | |
CN103630544A (zh) | 一种视觉在线检测*** | |
CN113723325A (zh) | 一种装配式预制构件的工装缺陷检测*** | |
CN208366871U (zh) | 检测*** | |
CN111426693A (zh) | 一种质量缺陷检测***及其检测方法 | |
CN103198472B (zh) | 一种重型汽车连杆成品质量检测方法及其检测*** | |
CN113588653A (zh) | 一种检测和追踪铝用阳极炭块质量的***及方法 | |
CN104749801B (zh) | 高精度自动光学检测方法和*** | |
CN104952754A (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
CN114280073A (zh) | 激光和相机复合检测方式的瓷砖缺陷检测装置及分级方法 | |
CN106370673A (zh) | 一种镜片疵病自动检测方法 | |
CN106501278B (zh) | 基于旋转不变纹理特征的灯管表面瑕疵分类方法及*** |
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 |