CN111024722A - 一种基于数据融合的木材缺陷检测***及方法 - Google Patents

一种基于数据融合的木材缺陷检测***及方法 Download PDF

Info

Publication number
CN111024722A
CN111024722A CN201911403317.9A CN201911403317A CN111024722A CN 111024722 A CN111024722 A CN 111024722A CN 201911403317 A CN201911403317 A CN 201911403317A CN 111024722 A CN111024722 A CN 111024722A
Authority
CN
China
Prior art keywords
defect
station
wood
data fusion
coordinate system
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
Application number
CN201911403317.9A
Other languages
English (en)
Other versions
CN111024722B (zh
Inventor
张星宇
陈健
刘志恒
梅振
高云峰
曹雏清
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.)
Wuhu Hit Robot Technology Research Institute Co Ltd
Original Assignee
Wuhu Hit Robot Technology Research Institute Co Ltd
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 Wuhu Hit Robot Technology Research Institute Co Ltd filed Critical Wuhu Hit Robot Technology Research Institute Co Ltd
Priority to CN201911403317.9A priority Critical patent/CN111024722B/zh
Publication of CN111024722A publication Critical patent/CN111024722A/zh
Application granted granted Critical
Publication of CN111024722B publication Critical patent/CN111024722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
    • G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
    • G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
    • G01N21/8986—Wood
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • 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
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30161—Wood; Lumber
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Textile Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于数据融合的木材缺陷检测***及方法，具有：台架；传送机构，设置在台架上，木板能够在传送机构上输送；第一工位和第二工位，在传送机构的输送方向上依次设有第一工位和第二工位；线阵相机，设置在第一工位上，线阵相机采集木板的图像；线结构光传感器，设置在第二工位上，线结构光传感器采集木板的点云数据，基于视觉对木板进行检测，并提取缺陷部分，并根据缺陷面积及类型进行拣选到下一个加工线，并输出缺陷类型及面积等参数。

Description

一种基于数据融合的木材缺陷检测***及方法
技术领域
本发明属于家具生产技术领域，尤其涉及一种基于数据融合的木材缺陷检测***及方法。
背景技术
家具工厂的复合地板是由多个厚度为2mm的木板组成，木板可能存在死结、漏洞、裂缝等缺陷，而具有某种规格缺陷的木板需要挑选出来进行后续处理措施后再进行使用，不同缺陷类别后续处理的措施不同。
在实现本发明的过程中，发明人发现现有技术至少存在以下问题：目前是由人工进行缺陷木板拣选然后放置到相应后续处理加工线，长时间的分拣会造成人员疲劳或者因惯性思维导致缺陷木板的错误拣选，会给木板合成带来较大的质量问题。
发明内容
本发明所要解决的技术问题是提供一种基于视觉对木板进行检测，并提取缺陷部分，并根据缺陷面积及类型进行拣选到下一个加工线，并输出缺陷类型及面积等参数的基于数据融合的木材缺陷检测***及方法。
为了解决上述技术问题，本发明所采用的技术方案是：一种基于数据融合的木材缺陷检测***，具有：
台架；
传送机构，设置在所述台架上，木板能够在所述传送机构上输送；
第一工位和第二工位，在所述传送机构的输送方向上依次设有第一工位和第二工位；
线阵相机，设置在所述第一工位上，所述线阵相机采集所述木板的图像；
线结构光传感器，设置在所述第二工位上，所述线结构光传感器采集所述木板的点云数据。
所述第一工位和第二工位上均设有支架，所述线阵相机和线结构光传感器，均安装在所述支架上。
所述传送机构为输送带；所述台架上输送带两侧均设有光电传感器。
上述的基于数据融合的木材缺陷检测***的检测方法，其特征在于，包括如下步骤：
1)标定线阵相机像素坐标系到线结构光传感器坐标系的转换矩阵H；
2)第一工位缺陷检测及识别；
3)第二工位区分死结和漏洞缺陷；
4)分类及筛选缺陷木板。
所述第1)步包括如下步骤：
1.1)使用线阵相机与线结构光分别采集标准矩形工件数据，分别提取工件的四个角点，并记录在线阵相机像素坐标系下四个角点坐标为p1,p2,p3,p4，线结构光传感器坐标系下四个角点坐标为q1,q2,q3,q4；
1.2)移动标准矩形工件，重复步骤(1.1)，记录p5～p8及q5～q8；
1.3)使用基于奇异值分解的最小二乘拟合求解线阵相机像素坐标系到线结构光传感器坐标系的转换矩阵H。
所述第2)步包括如下步骤：
2.1)采集木板图片后，经过灰度化、高斯滤波、局部阈值化图像预处理后，提取缺陷轮廓，并记录每个缺陷轮廓中心坐标及面积尺寸；
2.2)对每个缺陷轮廓拟合旋转矩形，根据拟合矩形的长宽比来确定裂缝缺陷类型，长宽比大于阈值thresh1的为裂缝缺陷。
所述第3)步包括如下步骤：
3.1)将第一工位提取的缺陷在像素坐标系下的中心坐标通过H矩阵转换到第二工位的线结构光传感器坐标系下；
3.2)去除工位一挑选出的裂缝缺陷信息；
3.3)通过对缺陷部分位置进行密度计算，密度大于阈值thresh2为死结缺陷，反之为漏洞缺陷。
所述第4)步中，木板将根据缺陷类型不同进行分类，并送往其相对应的加工区进行二次加工。
上述技术方案中的一个技术方案具有如下优点或有益效果，可快速准确的识别缺陷类型，并可以检测缺陷尺寸等信息，将尺寸较大的缺陷抛弃，并能完成不同缺陷类型木板的分类，将每一个缺陷类型的木板送往其相对应的加工区进行二次加工。
附图说明
图1为本发明实施例中提供的基于数据融合的木材缺陷检测***的结构示意图；
图2为图1的基于数据融合的木材缺陷检测***的控制原理图；
上述图中的标记均为：1、台架，2、传送机构，3、第一工位，31、线阵相机，4、第二工位，41、线结构光传感器，5、木板。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
参见图1-2，一种基于数据融合的木材缺陷检测***，具有：
台架；传送机构，设置在台架上，木板能够在传送机构上输送；第一工位和第二工位，在传送机构的输送方向上依次设有第一工位和第二工位；线阵相机，设置在第一工位上，线阵相机采集木板的图像；线结构光传感器，设置在第二工位上，线结构光传感器采集木板的点云数据。
第一工位和第二工位上均设有支架，线阵相机和线结构光传感器，均安装在支架上。传送机构为输送带；台架上输送带两侧均设有光电传感器。
通过传送机构传输薄木板，并且在传送带上方设置两个工位，第一工位放置工业线阵相机，第二工位放置线结构光传感器，由于线结构光对漏洞缺陷的采集需要有高度差要求，因此传送机构由两根横杆支撑着木板进行传送。并且在传送带侧方放置两个光电传感器，当木板即将进入线阵相机及线结构光传感器扫描区域时，由光电传感器感应木板到位，并发送信号触发线阵相机及线结构光进行数据采集，示意图如图1所示。
通过第一工位中图像采集，对图像进行处理，提取漏洞、死结、裂缝缺陷，通过缺陷特征差异筛选出裂缝类型缺陷，记录裂缝缺陷位置及尺寸；同时记录漏洞、死结缺陷中心坐标及面积大小；由于无法区分孔洞及死结缺陷，通过第二工位采集的点云数据，对孔洞及死结位置根据密度大小进行类型区分。
上述的基于数据融合的木材缺陷检测***的检测方法，包括如下步骤：
1、标定线阵相机像素坐标系到线结构光传感器坐标系的转换矩阵H：
(1)使用线阵相机与线结构光分别采集标准矩形工件数据，分别提取工件的四个角点，并记录在线阵相机像素坐标系下四个角点坐标为p1,p2,p3,p4，线结构光传感器坐标系下四个角点坐标为q1,q2,q3,q4；
(2)移动标准矩形工件，重复步骤(1)，记录p5～p8及q5～q8；
(3)使用基于奇异值分解的最小二乘拟合求解线阵相机像素坐标系到线结构光传感器坐标系的转换矩阵H；
2、第一工位缺陷检测及识别：
(1)采集木板图片后，经过灰度化、高斯滤波、局部阈值化等图像预处理后，提取缺陷轮廓，并记录每个缺陷轮廓中心坐标及面积尺寸；
(2)由于裂缝缺陷呈细条状，而死结和漏洞呈类似圆形状；对每个缺陷轮廓拟合旋转矩形，根据拟合矩形的长宽比来确定裂缝缺陷类型，长宽比大于阈值thresh1的为裂缝缺陷，其中thresh1根据经验值取10。
3、第二工位区分死结和漏洞缺陷：
(1)将第一工位提取的缺陷在像素坐标系下的中心坐标通过H矩阵转换到第二工位的线结构光传感器坐标系下；
(2)去除工位一挑选出的裂缝缺陷信息；
(3)由于漏洞缺陷部分木板为空心的，而死结缺陷部分木板是实心的，则两种缺陷在线结构光采集的点云数据中密度不同，通过对缺陷部分位置进行密度计算，密度大于阈值thresh2为死结缺陷，反之为漏洞缺陷，其中thresh2根据经验值取1000。
4、缺陷木板分类及筛选：
将缺陷尺寸较大的木板进行抛弃处理，其余木板将根据缺陷类型不同进行分类，并送往其相对应的加工区进行二次加工。
可快速准确的识别缺陷类型，并可以检测缺陷尺寸等信息，将尺寸较大的缺陷抛弃，并能完成不同缺陷类型木板的分类，将每一个缺陷类型的木板送往其相对应的加工区进行二次加工。
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (8)

1.一种基于数据融合的木材缺陷检测***，其特征在于，具有：
台架；
传送机构，设置在所述台架上，木板能够在所述传送机构上输送；
第一工位和第二工位，在所述传送机构的输送方向上依次设有第一工位和第二工位；
线阵相机，设置在所述第一工位上，所述线阵相机采集所述木板的图像；
线结构光传感器，设置在所述第二工位上，所述线结构光传感器采集所述木板的点云数据。
2.如权利要求1所述的基于数据融合的木材缺陷检测***，其特征在于，所述第一工位和第二工位上均设有支架，所述线阵相机和线结构光传感器，均安装在所述支架上。
3.如权利要求2所述的基于数据融合的木材缺陷检测***，其特征在于，所述传送机构为输送带；所述台架上输送带两侧均设有光电传感器。
4.如权利要求1-3任一所述的基于数据融合的木材缺陷检测***的检测方法，其特征在于，包括如下步骤：
1)标定线阵相机像素坐标系到线结构光传感器坐标系的转换矩阵H；
2)第一工位缺陷检测及识别；
3)第二工位区分死结和漏洞缺陷；
4)分类及筛选缺陷木板。
5.如权利要求4所述的基于数据融合的木材缺陷检测***的检测方法，其特征在于，所述第1)步包括如下步骤：
1.1)使用线阵相机与线结构光分别采集标准矩形工件数据，分别提取工件的四个角点，并记录在线阵相机像素坐标系下四个角点坐标为p1、p2、p3、p4，线结构光传感器坐标系下四个角点坐标为q1、q2、q3、q4；
1.2)移动标准矩形工件，重复步骤(1.1)，记录p5～p8及q5～q8；
1.3)使用基于奇异值分解的最小二乘拟合求解线阵相机像素坐标系到线结构光传感器坐标系的转换矩阵H。
6.如权利要求5所述的基于数据融合的木材缺陷检测***的检测方法，其特征在于，所述第2)步包括如下步骤：
2.1)采集木板图片后，经过灰度化、高斯滤波、局部阈值化图像预处理后，提取缺陷轮廓，并记录每个缺陷轮廓中心坐标及面积尺寸；
2.2)对每个缺陷轮廓拟合旋转矩形，根据拟合矩形的长宽比来确定裂缝缺陷类型，长宽比大于阈值thresh1的为裂缝缺陷。
7.如权利要求5所述的基于数据融合的木材缺陷检测***的检测方法，其特征在于，所述第3)步包括如下步骤：
3.1)将第一工位提取的缺陷在像素坐标系下的中心坐标通过H矩阵转换到第二工位的线结构光传感器坐标系下；
3.2)去除工位一挑选出的裂缝缺陷信息；
3.3)通过对缺陷部分位置进行密度计算，密度大于阈值thresh2为死结缺陷，反之为漏洞缺陷。
8.如权利要求5所述的基于数据融合的木材缺陷检测***的检测方法，其特征在于，所述第4)步中，木板将根据缺陷类型不同进行分类，并送往其相对应的加工区进行二次加工。
CN201911403317.9A 2019-12-31 2019-12-31 一种基于数据融合的木材缺陷检测***及方法 Active CN111024722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911403317.9A CN111024722B (zh) 2019-12-31 2019-12-31 一种基于数据融合的木材缺陷检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911403317.9A CN111024722B (zh) 2019-12-31 2019-12-31 一种基于数据融合的木材缺陷检测***及方法

Publications (2)

Publication Number Publication Date
CN111024722A true CN111024722A (zh) 2020-04-17
CN111024722B CN111024722B (zh) 2023-04-07

Family

ID=70199966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911403317.9A Active CN111024722B (zh) 2019-12-31 2019-12-31 一种基于数据融合的木材缺陷检测***及方法

Country Status (1)

Country Link
CN (1) CN111024722B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112595266A (zh) * 2020-12-02 2021-04-02 武汉中仪物联技术股份有限公司 一种用于管道检测的缺陷面积计算方法及***
CN113141901A (zh) * 2021-01-29 2021-07-23 山东汇友市政园林集团有限公司 一种分体式乔灌木远程验收修剪机及验收方法
CN117090133A (zh) * 2023-08-23 2023-11-21 青岛迪乐普精密机械有限公司 一种护栏及其检测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5644392A (en) * 1995-09-12 1997-07-01 U.S. Natural Resources, Inc. Scanning system for lumber
CN104132945A (zh) * 2014-08-12 2014-11-05 武汉华科喻德科技有限公司 一种基于光纤传导的棒材表面质量在线视觉检测装置
CN104237252A (zh) * 2014-09-25 2014-12-24 华南理工大学 一种机器视觉产品表面微缺陷智能检测方法及其装置
CN105973912A (zh) * 2016-06-12 2016-09-28 合肥汉重智能装备有限公司 基于机器视觉的真皮表面缺陷检测***及其检测方法
CN106018431A (zh) * 2016-05-23 2016-10-12 南京林业大学 一种实木板材表面裂纹的检测***和检测方法
CN106596575A (zh) * 2016-12-15 2017-04-26 南通维新自动化科技有限公司 一种木材板的表面缺陷检测装置
CN107561091A (zh) * 2017-07-06 2018-01-09 南京林业大学 一种斜射式实木板材表面裂纹的检测***和检测方法
CN208334222U (zh) * 2018-05-21 2019-01-04 南京林业大学 一种木单板图像自动采集装置
CN109975314A (zh) * 2018-12-27 2019-07-05 江苏理工学院 一种基于三维激光点云数据的木材表面检测***及检测方法
CN110018178A (zh) * 2019-04-28 2019-07-16 华南理工大学 一种手机曲面玻璃典型缺陷在线检测装置与方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5644392A (en) * 1995-09-12 1997-07-01 U.S. Natural Resources, Inc. Scanning system for lumber
CN104132945A (zh) * 2014-08-12 2014-11-05 武汉华科喻德科技有限公司 一种基于光纤传导的棒材表面质量在线视觉检测装置
CN104237252A (zh) * 2014-09-25 2014-12-24 华南理工大学 一种机器视觉产品表面微缺陷智能检测方法及其装置
CN106018431A (zh) * 2016-05-23 2016-10-12 南京林业大学 一种实木板材表面裂纹的检测***和检测方法
CN105973912A (zh) * 2016-06-12 2016-09-28 合肥汉重智能装备有限公司 基于机器视觉的真皮表面缺陷检测***及其检测方法
CN106596575A (zh) * 2016-12-15 2017-04-26 南通维新自动化科技有限公司 一种木材板的表面缺陷检测装置
CN107561091A (zh) * 2017-07-06 2018-01-09 南京林业大学 一种斜射式实木板材表面裂纹的检测***和检测方法
CN208334222U (zh) * 2018-05-21 2019-01-04 南京林业大学 一种木单板图像自动采集装置
CN109975314A (zh) * 2018-12-27 2019-07-05 江苏理工学院 一种基于三维激光点云数据的木材表面检测***及检测方法
CN110018178A (zh) * 2019-04-28 2019-07-16 华南理工大学 一种手机曲面玻璃典型缺陷在线检测装置与方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马娟娟等: "木质板材表面缺陷自动检测技术研究", 《林业机械与木工设备》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112595266A (zh) * 2020-12-02 2021-04-02 武汉中仪物联技术股份有限公司 一种用于管道检测的缺陷面积计算方法及***
CN113141901A (zh) * 2021-01-29 2021-07-23 山东汇友市政园林集团有限公司 一种分体式乔灌木远程验收修剪机及验收方法
CN117090133A (zh) * 2023-08-23 2023-11-21 青岛迪乐普精密机械有限公司 一种护栏及其检测方法
CN117090133B (zh) * 2023-08-23 2024-06-11 青岛迪乐普精密机械有限公司 一种护栏及其检测方法

Also Published As

Publication number Publication date
CN111024722B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN111024722B (zh) 一种基于数据融合的木材缺陷检测***及方法
CN108627457B (zh) 自动光学检测***及其操作方法
JP3041090B2 (ja) 外観検査装置
CN101566582B (zh) 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测***
CN102393397B (zh) 一种磁瓦表面缺陷检测***及其检测方法
CN110246122A (zh) 基于机器视觉的小型轴承质量检测方法、装置及***
CN104132945A (zh) 一种基于光纤传导的棒材表面质量在线视觉检测装置
CN102879404B (zh) 工业结构化场景中医用胶囊缺陷自动检测的***
CN205879814U (zh) 一种柱状容器内壁缺陷斜视自动检测装置
CN110554052A (zh) 一种人造板表面缺陷检测方法及其***
CN114529510B (zh) 一种阴极铜在线质量自动检测分类方法
CN210775265U (zh) 一种人造板表面缺陷检测***
CN111551559A (zh) 一种基于多目视觉***的lcd液晶屏缺陷检测方法
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
CN111862050A (zh) 一种物料检测***、方法及设备
CN111330874A (zh) 药瓶底部区域污染或杂物缺陷检测装置及其检测方法
CN103383239A (zh) 一种bnc端子图像识别装置及识别方法
CN109701890A (zh) 磁瓦表面缺陷检测与分拣方法
CN212207061U (zh) 瓶底缺陷检测***
CN111413354A (zh) 一种人造板表面缺陷检测方法
CN210377552U (zh) 一种水果分类用多面图像获取装置
CN114359260B (zh) 一种烟条表面的缺陷检测方法及装置
CN113588655A (zh) 一种mdf纤维线条表面缺陷的检测装置及其工作方法
JP5679564B2 (ja) 表面異物検査装置
CN111080623A (zh) 一种用于圆形零件缺失的视觉检测装置及方法

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
GR01 Patent grant
GR01 Patent grant