CN111251296B - 一种适用于码垛电机转子的视觉检测*** - Google Patents
一种适用于码垛电机转子的视觉检测*** Download PDFInfo
- Publication number
- CN111251296B CN111251296B CN202010053352.9A CN202010053352A CN111251296B CN 111251296 B CN111251296 B CN 111251296B CN 202010053352 A CN202010053352 A CN 202010053352A CN 111251296 B CN111251296 B CN 111251296B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- motor rotor
- rotor
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 230000000007 visual effect Effects 0.000 title claims abstract description 21
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 230000004438 eyesight Effects 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims description 22
- 238000011179 visual inspection Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G61/00—Use of pick-up or transfer devices or of manipulators for stacking or de-stacking articles not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种适用于码垛电机转子的视觉检测***,其技术方案要点是包括有依次连接的视觉传感器、图像预处理模块、特征抽取模块、数据处理模块、以及神经网络监测模块;视觉传感器用于获取电机转子原始图像,视觉传感器上设置有坐标定位模块,图像预处理模块电连接有检测信息数据库,图像预处理模块用于将原始图像的灰度级和比对基准数据中的预设值进行比较并分类,特征抽取模块能够抽取待比对数据中各个特征顶点之间的间距并形成特征向量,数据处理模块形成比对数据,并生成相应的输出网络模式,神经网络监测模块用于对输出网络模式进行识别和分类,该视觉检测***能够对电机转子进行精准检测。
Description
技术领域
本发明涉及工业机器人技术领域,更具体地说,它涉及一种适用于码垛电机转子的视觉检测***。
背景技术
机器人视觉主要用计算机来模拟人的视觉功能,并不仅仅是人眼的简单延伸,更重要的是具有人脑的一部分功能。从客观食物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。机器视觉的最大特点是速度快、信息量大、功能多;将工业机器人与视觉技术进行结合,帮助工业机器人胜任更加智能化的工作,已经成为工业机器人应用领域的一种趋势。目前工业机器人逐渐应用于码垛工作中。
在电机行业中,由于电机行业劳动密集型程度高,很多生产工序都是由人工完成,工人的劳动强度较大,工作环境恶劣等,从而导致电机转子在生产过程中容易出现一些人为的差错,以及人工检测过程中容易出现检测遗漏、检测失误的现象。
然而现在,在对电机转子该类精度较高的工业零件检测过程中,依旧存在检测效率低下,检测不够精准的问题,因此难以被广泛推广应用。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种适用于码垛电机转子的视觉检测***,该视觉检测***能够对电机转子进行精准检测。
为实现上述目的,本发明提供了如下技术方案:一种适用于码垛电机转子的视觉检测***,包括有依次连接的视觉传感器、图像预处理模块、特征抽取模块、数据处理模块、以及神经网络监测模块;
所述视觉传感器用于获取电机转子原始图像,所述视觉传感器上设置有坐标定位模块,所述坐标定位模块用于以电机转子原始图像长度方向的四个顶点交叉取点得到交叉中心点,所述坐标定位模块以交叉中心点为原点以电子转子原始图像宽度方向为一方向轴建立转子坐标系并抓取电机转子各个顶点位置数据形成待比对数据;
所述图像预处理模块电连接有检测信息数据库,所述检测信息数据库用于预存各种电机转子的比对基准数据;
所述图像预处理模块用于将原始图像的灰度级和比对基准数据中的预设值进行比较并分类;
所述特征抽取模块能够抽取待比对数据中各个特征顶点之间的间距并形成特征向量;
所述数据处理模块与检测信息数据库连接,所述数据处理模块将特征抽取模块抽取的特征向量与比对基准数据比较形成比对数据,并生成相应的输出网络模式;
所述神经网络监测模块用于对输出网络模式进行识别和分类。
本发明进一步设置为:所述神经网络监测模块内设置有标记模块,所述标记模块用于将检测结果为合格的电机转子进行电子标签的生成以及储存。
本发明进一步设置为:所述神经网络监测模块电连接***垛机器人,所述码垛机器人将未标记有电子标签的电机转子码垛至指定区域。
本发明进一步设置为:所述码垛机器人分别与特征抽取模块和检测信息数据库连接并且用于接收转子坐标系与比对基准数据中预设坐标系,所述视觉传感器设置于码垛机器人上并且所述码垛机器人能够控制视觉传感器转动,使转子坐标系与比对基准数据中预设坐标系相对准。
本发明进一步设置为:所述数据处理模块根据转子坐标系各个顶点位置数据与预设坐标系内各个顶点位置数据比较形成重合比对数据,并生成相应的输入网络模式传输至神经网络监测模块内。
本发明进一步设置为:所述标记模块能够根据重合比对数据生成重合度标签,所述码垛机器人根据重合度标签将不符合设定重合度的电机转子码垛至指定区域。
本发明进一步设置为:所述图像预处理模块包括有过滤模块,所述过滤模块设置有输送装置模型,所述过滤模块根据输送装置模型于待比对数据中抓取过滤区域,所述过滤区域包括待比对数据中的输送装置模型,所述过滤模块从待比对数据中删除过滤区域内的数据形成过滤待比对数据。
综上所述,本发明具有以下有益效果:先通过灰度级将电机转子进行第一步分类,减少比对量,提高后续比对效率,再将电机转子进行坐标化,从转子坐标系中抓取各点顶点坐标,再根据各个顶点坐标生成特征向量,通过向量化的比对,加快比对速率、提高比对准确度。
附图说明
图1为视觉检测***的流程示意图;
图2为视觉检测***的方法流程示意图。
附图标记:1、视觉传感器;11、坐标定位模块;2、图像预处理模块;21、检测信息数据库;22、过滤模块;3、特征抽取模块;4、数据处理模块;5、神经网络监测模块;51、标记模块;52、码垛机器人。
具体实施方式
下面结合附图和实施例,对本发明进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向,词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
参照图1至图2所示,为实现上述目的,本发明提供了如下技术方案:为实现上述目的,本发明提供了如下技术方案:一种适用于码垛电机转子的视觉检测***,包括有依次连接的视觉传感器1、图像预处理模块2、特征抽取模块3、数据处理模块4、以及神经网络监测模块5;
视觉传感器1用于获取电机转子原始图像,视觉传感器1上设置有坐标定位模块11,坐标定位模块11用于以电机转子原始图像长度方向的四个顶点交叉取点得到交叉中心点,坐标定位模块11以交叉中心点为原点以电子转子原始图像宽度方向为一方向轴建立转子坐标系并抓取电机转子各个顶点位置数据形成待比对数据;电机转子随输送装置进入视觉传感器1的视觉范围内,视觉传感器1截取电子转子图像并且生成原始图像,再通过坐标定位模块11根据视觉传感器1截取的原始图像内电机转子长度方向的四个顶点交叉取点得到交叉中心点,再以原始图像宽度方向为x轴、长度方向为y轴垂直方向为z轴建立转子坐标系,并且抓取电机转子的转轴、转子铁心、三相转子绕组、转子绕组出线头、换向器等位置顶点坐标生成待比对数据。
图像预处理模块2电连接有检测信息数据库21,检测信息数据库21用于预存各种电机转子的比对基准数据;检测信息数据库21内预存了多种电机转子的各个重要数据:电机转子自身坐标系、电机转子自身灰度级、电机转子各个位置的完美坐标。
图像预处理模块2用于将原始图像的灰度级和比对基准数据中的预设值进行比较并分类;图像预处理模块2将原始图像内的灰度级和比对基准数据中预存的设定灰度级相互匹配,先一步对原始图像进行分类,从而减小后续比对量,减少***比对工作量。
特征抽取模块3能够抽取待比对数据中各个特征顶点之间的间距并形成特征向量;
数据处理模块4与检测信息数据库21连接,数据处理模块4将特征抽取模块3抽取的特征向量与比对基准数据比较形成比对数据,并生成相应的输出网络模式;特征抽取模块3将视觉传感器1内的抓取生成的顶点与相邻的顶点生成特征向量,数据处理模块4再根据特征向量与比对基准数据的预存特征特征向量进行比对,确定各个顶点之间的间距是否符合规格。根据z方向上的向量值能够确定绕好的线圈两边是否平直,转轴内外径尺寸是否在符合标准的范围之内,根据向量的数值判断绕好的线圈是否存在交叉现象,根据x方向上的向量确定电磁线是否粗细均匀,根据y方向上的向量确定两端伸出槽口的长度是否一致并且是否高处槽口。
神经网络监测模块5用于对输出网络模式进行识别和分类。将输送至神经网络监测模块5内的输出网络模式进行识别,将符合规格的分为一类、将不符合规格的分为另一类。
本发明的好处在于:先通过灰度级将电机转子进行第一步分类,减少比对量,提高后续比对效率,再将电机转子进行坐标化,从转子坐标系中抓取各点顶点坐标,再根据各个顶点坐标生成特征向量,通过向量化的比对,加快比对速率、提高比对准确度。
神经网络监测模块5内设置有标记模块51,标记模块51用于将检测结果为合格的电机转子进行电子标签的生成以及储存。该标记模块51将生成符合规格的电机转子生成相应的电子标签,再将电子标签进行存储,减少后续整理、包装过程中的工作量。
神经网络监测模块5电连接***垛机器人52,码垛机器人52将未标记有电子标签的电机转子码垛至指定区域。该码垛机器人52根据电机标签,将不符合规格,不具备电子标签的电机转子进行码垛。然后重新进行检修,检测,再判断是否生产电子标签。
码垛机器人52分别与特征抽取模块3和检测信息数据库21连接并且用于接收转子坐标系与比对基准数据中预设坐标系,视觉传感器1设置于码垛机器人52上并且码垛机器人52能够控制视觉传感器1转动,使转子坐标系与比对基准数据中预设坐标系相对准。将视觉传感器1设置在码垛机器人52上,在生成转子坐标系的同时将转子坐标系传输至码垛机器人52内,并且通过码垛机器人52的第一步转动使得转子坐标系与预设坐标系对准,从而防止由于电机转子摆放时,摆放角度有所偏差造成后续生成的向量出现数值上的浮动。
数据处理模块4根据转子坐标系各个顶点位置数据与预设坐标系内各个顶点位置数据比较形成重合比对数据,并生成相应的输入网络模式传输至神经网络监测模块5内。在转子坐标系与预设坐标系对准的情况下,根据待比对数据内的各个顶点坐标与比对基准数据内的各个顶点进行比较,形成重合比对数据,比对重合比对数据是否符合标准,当所有抓取的顶点坐标重合度符合规格时,并且特征向量为符合的电机转子为最终的合格产品。
标记模块51能够根据重合比对数据生成重合度标签,码垛机器人52根据重合度标签将不符合设定重合度的电机转子码垛至指定区域。根据得到不同重合度标签将预设重合度的电机转子进行标注并分为不同档次的等级;并且码垛机器人52根据电机转子是否存在重合度标签,将没有重合度标签的电机转子码垛出来。
图像预处理模块2包括有过滤模块22,过滤模块22设置有输送装置模型,过滤模块22根据输送装置模型于待比对数据中抓取过滤区域,过滤区域包括待比对数据中的输送装置模型,过滤模块22从待比对数据中删除过滤区域内的数据形成过滤待比对数据。该过滤模块22能够将输送装置排除,从而在抓取生成原始图像时有且仅有电机转子,在图像预处理模块2进行灰度级分类时避免输送装置的灰度级对电机转子的灰度级造成影响。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种适用于码垛电机转子的视觉检测***,其特征是包括有依次连接的视觉传感器(1)、图像预处理模块(2)、特征抽取模块(3)、数据处理模块(4)、以及神经网络监测模块(5);
所述视觉传感器(1)用于获取电机转子原始图像,所述视觉传感器(1)上设置有坐标定位模块(11),所述坐标定位模块(11)用于以电机转子原始图像长度方向的四个顶点交叉取点得到交叉中心点,所述坐标定位模块(11)以交叉中心点为原点以电子转子原始图像宽度方向为一方向轴建立转子坐标系并抓取电机转子各个顶点位置数据形成待比对数据;
所述图像预处理模块(2)电连接有检测信息数据库(21),所述检测信息数据库(21)用于预存各种电机转子的比对基准数据;
所述图像预处理模块(2)用于将原始图像的灰度级和比对基准数据中的预设值进行比较并分类;
所述特征抽取模块(3)能够抽取待比对数据中各个特征顶点之间的间距并形成特征向量;
所述数据处理模块(4)与检测信息数据库(21)连接,所述数据处理模块(4)将特征抽取模块(3)抽取的特征向量与比对基准数据比较形成比对数据,并生成相应的输出网络模式;
所述神经网络监测模块(5)用于对输出网络模式进行识别和分类;
所述神经网络监测模块(5)内设置有标记模块(51),所述标记模块(51)用于将检测结果为合格的电机转子进行电子标签的生成以及储存;
所述神经网络监测模块(5)电连接***垛机器人(52),所述码垛机器人(52)将未标记有电子标签的电机转子码垛至指定区域;
所述码垛机器人(52)分别与特征抽取模块(3)和检测信息数据库(21)连接并且用于接收转子坐标系与比对基准数据中预设坐标系,所述视觉传感器(1)设置于码垛机器人(52)上并且所述码垛机器人(52)能够控制视觉传感器(1)转动,使转子坐标系与比对基准数据中预设坐标系相对准;
所述数据处理模块(4)根据转子坐标系各个顶点位置数据与预设坐标系内各个顶点位置数据比较形成重合比对数据,并生成相应的输入网络模式传输至神经网络监测模块(5)内;
所述标记模块(51)能够根据重合比对数据生成重合度标签,所述码垛机器人(52)根据重合度标签将不符合设定重合度的电机转子码垛至指定区域。
2.根据权利要求1所述的一种适用于码垛电机转子的视觉检测***,其特征是:所述图像预处理模块(2)包括有过滤模块(22),所述过滤模块(22)设置有输送装置模型,所述过滤模块(22)根据输送装置模型于待比对数据中抓取过滤区域,所述过滤区域包括待比对数据中的输送装置模型,所述过滤模块(22)从待比对数据中删除过滤区域内的数据形成过滤待比对数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053352.9A CN111251296B (zh) | 2020-01-17 | 2020-01-17 | 一种适用于码垛电机转子的视觉检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010053352.9A CN111251296B (zh) | 2020-01-17 | 2020-01-17 | 一种适用于码垛电机转子的视觉检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111251296A CN111251296A (zh) | 2020-06-09 |
CN111251296B true CN111251296B (zh) | 2021-05-18 |
Family
ID=70954213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010053352.9A Active CN111251296B (zh) | 2020-01-17 | 2020-01-17 | 一种适用于码垛电机转子的视觉检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111251296B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112591356A (zh) * | 2020-12-04 | 2021-04-02 | 佛山隆深机器人有限公司 | 一种在封闭或半封闭局限空间下的码垛视觉检测*** |
CN115582827A (zh) * | 2022-10-20 | 2023-01-10 | 大连理工大学 | 一种基于2d和3d视觉定位的卸货机器人抓取方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004050390A (ja) * | 2002-07-24 | 2004-02-19 | Fanuc Ltd | ワーク取出し装置 |
CN103383730A (zh) * | 2013-06-03 | 2013-11-06 | 上海索广映像有限公司 | 一种bnc端子自动检测机及其工作方法 |
CN105772407A (zh) * | 2016-01-26 | 2016-07-20 | 耿春茂 | 一种基于图像识别技术的垃圾分类机器人 |
CN106568783A (zh) * | 2016-11-08 | 2017-04-19 | 广东工业大学 | 一种五金零件缺陷检测***及方法 |
CN106997590A (zh) * | 2017-04-12 | 2017-08-01 | 浙江硕和机器人科技有限公司 | 一种基于检测产品特性的图像处理与检测*** |
CN207181307U (zh) * | 2017-04-12 | 2018-04-03 | 浙江硕和机器人科技有限公司 | 一种立体图像采集装置 |
US10269108B2 (en) * | 2017-09-01 | 2019-04-23 | Midea Group Co., Ltd. | Methods and systems for improved quality inspection of products using a robot |
CN109909998A (zh) * | 2017-12-12 | 2019-06-21 | 北京猎户星空科技有限公司 | 一种控制机械臂运动的方法及装置 |
CN110116415A (zh) * | 2019-06-12 | 2019-08-13 | 中北大学 | 一种基于深度学习的瓶罐类垃圾识别分类机器人 |
CN110458798A (zh) * | 2019-06-20 | 2019-11-15 | 长沙理工大学 | 基于关键点检测的防振锤缺陷视觉检测方法、***及介质 |
-
2020
- 2020-01-17 CN CN202010053352.9A patent/CN111251296B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004050390A (ja) * | 2002-07-24 | 2004-02-19 | Fanuc Ltd | ワーク取出し装置 |
CN103383730A (zh) * | 2013-06-03 | 2013-11-06 | 上海索广映像有限公司 | 一种bnc端子自动检测机及其工作方法 |
CN105772407A (zh) * | 2016-01-26 | 2016-07-20 | 耿春茂 | 一种基于图像识别技术的垃圾分类机器人 |
CN106568783A (zh) * | 2016-11-08 | 2017-04-19 | 广东工业大学 | 一种五金零件缺陷检测***及方法 |
CN106997590A (zh) * | 2017-04-12 | 2017-08-01 | 浙江硕和机器人科技有限公司 | 一种基于检测产品特性的图像处理与检测*** |
CN207181307U (zh) * | 2017-04-12 | 2018-04-03 | 浙江硕和机器人科技有限公司 | 一种立体图像采集装置 |
US10269108B2 (en) * | 2017-09-01 | 2019-04-23 | Midea Group Co., Ltd. | Methods and systems for improved quality inspection of products using a robot |
CN109909998A (zh) * | 2017-12-12 | 2019-06-21 | 北京猎户星空科技有限公司 | 一种控制机械臂运动的方法及装置 |
CN110116415A (zh) * | 2019-06-12 | 2019-08-13 | 中北大学 | 一种基于深度学习的瓶罐类垃圾识别分类机器人 |
CN110458798A (zh) * | 2019-06-20 | 2019-11-15 | 长沙理工大学 | 基于关键点检测的防振锤缺陷视觉检测方法、***及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111251296A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN109785317B (zh) | 自动码垛桁架机器人的视觉*** | |
CN111251296B (zh) | 一种适用于码垛电机转子的视觉检测*** | |
CN109013405A (zh) | 一种具有铸件表面自主检测及次品分拣功能的机器人*** | |
CN105563481B (zh) | 一种用于轴孔装配的机器人视觉引导方法 | |
CN106935683A (zh) | 一种太阳能电池片高速视觉定位及矫正***及其方法 | |
CN113877836B (zh) | 一种基于视觉检测***的智能识别分拣*** | |
Xia et al. | Workpieces sorting system based on industrial robot of machine vision | |
CN112497219B (zh) | 一种基于目标检测和机器视觉的柱状工件分类定位方法 | |
Bellandi et al. | Roboscan: a combined 2D and 3D vision system for improved speed and flexibility in pick-and-place operation | |
CN105478529B (zh) | 全自动冲压生产线制品表面质量在线检测***及方法 | |
CN113012098B (zh) | 一种基于bp神经网络的铁塔角钢冲孔缺陷检测方法 | |
CN111645111A (zh) | 一种基于工业机器人的智能制造***及方法 | |
CN106248680A (zh) | 一种基于机器视觉的电机换向器质量检测***及检测方法 | |
CN107598775A (zh) | 一种通过激光进行检测并多轴机器人打磨的方法 | |
CN112150439A (zh) | 注塑件的自动分拣设备及分拣方法 | |
CN109397072A (zh) | 工件加工方法及加工*** | |
CN112847321A (zh) | 基于人工智能的工业机器人视觉图像识别*** | |
CN104952754A (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
CN105945953A (zh) | 一种机器人的视觉识别*** | |
CN114913346A (zh) | 一种基于产品颜色及形状识别的智能分拣***及方法 | |
CN115319338A (zh) | 基于深度学习的螺纹钢焊牌机器人3d视觉计数和定位方法 | |
CN110935646A (zh) | 基于图像识别的全自动螃蟹分级*** | |
CN117409005A (zh) | 基于图像的收板机用不良品检测***及方法 | |
CN111168674A (zh) | 基于ccd定位***的测试卡组装方法 |
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 |