CN111462074A - 轴承外观检测方法、装置、***、计算机设备及存储介质 - Google Patents
轴承外观检测方法、装置、***、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111462074A CN111462074A CN202010241842.1A CN202010241842A CN111462074A CN 111462074 A CN111462074 A CN 111462074A CN 202010241842 A CN202010241842 A CN 202010241842A CN 111462074 A CN111462074 A CN 111462074A
- Authority
- CN
- China
- Prior art keywords
- gray
- bearing
- image
- preset
- appearance
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 152
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000007689 inspection Methods 0.000 claims abstract description 28
- 238000005520 cutting process Methods 0.000 claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 27
- 238000005086 pumping Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 5
- 230000002411 adverse Effects 0.000 abstract description 6
- 230000002950 deficient Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012856 packing Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000011324 bead Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种轴承外观检测方法、装置、***、计算机设备及存储介质,根据图像采集装置实现轴承的外观灰度图像采集操作,然后根据外观灰度图像分析轴承是否有料,即检测轴承是否有滚珠。在检测得到轴承有料的情况下进一步根据预设矩形区域对图像中指定位置进行裁剪,得到感兴趣区域灰度图像,并根据预设分割阈值进行分割得到前景灰度图像和背景灰度图像,最后根据前景灰度图像和背景灰度图像进行分析得到轴承外观检测的检测结果,实现对轴承的多种不良情况检测操作。上述方案通过自动检测代替手动检测,自动检测替代员工繁琐的检验,防止不合格品流到下一工序,造成异常停机,与传统的轴承外观检测方式相比具有更强的检测可靠性。
Description
技术领域
本申请涉及自动检测技术领域,特别是涉及一种轴承外观检测方法、装置、***、计算机设备及存储介质。
背景技术
轴承作为一种重要的支撑机械旋转体的部件,在机械设备中被广泛的应用。轴承机是一种轴承组装、加工的设备,轴承机在使用过程中,若轴承的滚珠组装异常,将会导致后续工位无法进行,轴承机容易异常停机频繁。因此,轴承机使用过程中,滚珠的组装正常显得尤为重要。
轴承机使用过程中,通常需要工作人员专门进行滚珠是否组装正常的检测操作,以确保后续工位能正常运行。传统的轴承外观检测方式会浪费大量的人力资源,并且人工检测的出错率较高。因此,传统的轴承外观检测方式具有检测可靠性低的缺点。
发明内容
基于此,有必要针对传统的轴承外观检测方式检测可靠性低的问题,提供一种轴承外观检测方法、装置、***、计算机设备及存储介质。
一种轴承外观检测方法,包括:根据轴承的外观灰度图像分析所述轴承是否有料,所述外观灰度图像通过图像采集装置对所述轴承进行图像采集得到;当所述轴承有料时,根据预设矩形区域对所述外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像;根据预设分割阈值对所述感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据所述前景灰度图像和所述背景灰度图像进行分析得到所述轴承的滚珠状态检测结果。
一种轴承外观检测装置,包括:物料分析模块,用于根据轴承的外观灰度图像分析所述轴承是否有料,所述外观灰度图像通过图像采集装置对所述轴承进行图像采集得到;感兴趣区域获取模块,用于当所述轴承有料时,根据预设矩形区域对所述外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像;检测分析模块,用于根据预设分割阈值对所述感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据所述前景灰度图像和所述背景灰度图像进行分析得到所述轴承的滚珠状态检测结果。
一种轴承外观检测***,包括图像采集装置和轴承检测器,所述图像采集装置连接所述轴承检测器,所述图像采集装置用于对轴承进行图像采集得到对应的外观灰度图,所述轴承检测器用于根据上述的方法进行轴承外观检测。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
上述轴承外观检测方法、装置、***、计算机设备及存储介质,根据图像采集装置实现轴承的外观灰度图像采集操作,然后根据外观灰度图像分析轴承是否有料,即检测轴承是否有滚珠。在检测得到轴承有料的情况下进一步根据预设矩形区域对图像中指定位置进行裁剪,得到感兴趣区域灰度图像,并根据预设分割阈值进行分割得到前景灰度图像和背景灰度图像,最后根据前景灰度图像和背景灰度图像进行分析得到轴承外观检测的检测结果,实现对轴承的多种不良情况检测操作。上述方案通过自动检测代替手动检测,自动检测替代员工繁琐的检验,防止不合格品流到下一工序,造成异常停机,可去掉后期的人工检测,以便实现组装打包整个流程的无人自动化生产。该方案一次性检测多种不良,并明确分类,便于分析组装设备的问题,同时检测效率高,节拍小于 0.2S/件,可兼容不同种类滚珠的外观检测,与传统的轴承外观检测方式相比具有更强的检测可靠性。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一实施例中轴承外观检测方法流程示意图;
图2为一实施例中图像获取方式示意图;
图3为一实施例中轴承无料灰度示意图;
图4为一实施例中轴承有料灰度示意图;
图5为一实施例中感兴趣区域灰度示意图;
图6为一实施例中分割后灰度示意图;
图7为另一实施例中轴承外观检测方法流程示意图;
图8为又一实施例中轴承外观检测方法流程示意图;
图9为一实施例中分割后图像分析流程示意图;
图10为一实施例中轴承外观检测流程图;
图11为一实施例中滚珠装歪示意图;
图12为一实施例中滚珠装正示意图;
图13为一实施例中滚珠装反没打油示意图;
图14为一实施例中滚珠装正没打油示意图;
图15为一实施例中滚珠装反打油示意图;
图16为一实施例中滚珠各项检测均合格示意图;
图17为另一实施例中分割后图像分析流程示意图;
图18为一实施例中连通域分析流程示意图;
图19为一实施例中轴承外观检测装置结构示意图;
图20为一实施例中轴承外观检测***结构示意图;
图21为一实施例中计算机设备内部结构示意图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的较佳的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。
请参阅图1,一种轴承外观检测方法,包括步骤S100、步骤S200和步骤S400。
步骤S100,根据轴承的外观灰度图像分析轴承是否有料。
具体地,外观灰度图像通过图像采集装置对轴承进行图像采集得到。灰度图像即灰度数字图像,灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度,具体可以把白色与黑色之间按对数关系分为256阶。而灰度处理即为将彩色图像进行灰度化,具体可以采用分量法、最大值法、平均值法和加权平均法等,外观灰度图像即为轴承的外观图像进行灰度处理之后得到的图像,图像采集装置首先可以采集得到轴承的一般图像(即彩色图像),然后进行灰度处理之后,即可以得到对应的外观灰度图像,并将灰度处理之后得到的外观灰度图像发送至对应的轴承检测器进行分析操作。
应当指出的是,图像采集装置可以是直接采集得到轴承外观灰度图的装置,此时轴承检测器直接根据接收到外观灰度图像进行分析即可。在另一个实施例中,还可以是图像采集装置采集轴承的彩色图像并发送至轴承检测器,轴承检测器进行灰度处理之后再得到对应的外观灰度图像。在一个实施例中,图像采集装置包括照相机和光源,在进行轴承的外观灰度图采集时,采用正向拍照的方式。请结合参阅图2,光源采用直径为75mm的红色环形光,灯珠的发光方向与垂直照相机镜头的方向成45°角,以保证图像采集的清晰性。可以理解,在其它实施例中,照相机、光源以及轴承之间还可以采用其它方式设置,只要能够采集得到清晰、完整的轴承外观图像即可。
可以理解,在一个实施例中,可以是以图像采集装置采集得到的原始图像作为轴承检测器中进行轴承外观检测的图像。在另一个实施例中,该可以是对图像采集装置采集得到的原始图像进行一定的裁剪,然后把裁剪得到的图像作为轴承检测器中进行轴承外观检测的图像。具体是否需要进行裁剪,可以根据实际拍摄图像进行选择,只要保证最终用于轴承外观检测的图像中包含整个轴承本体的影像即可。
请结合参阅图3和图4,在轴承的外观灰度图中,有料和无料(即有滚珠和无滚珠)两者区别是很大的,请参阅图3,在无料的情况下,外观灰度图中原本应该有滚珠的位置将会呈现白色,对应的该区域的灰度值将会非常大,接近255。请参阅图4,在有料的情况下,外观灰度图中应该有滚珠的位置将会呈现黑色,对应的该区域的灰度值将会非常小,接近0。因此,根据有料和无料两种情况下外观灰度图像的不一致,可以进行轴承是否有料的检测操作。
步骤S200,当轴承有料时,根据预设矩形区域对外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像。
具体地,在轴承无料的情况下,轴承中并没有滚珠,也就没有了进行进一步分析滚珠状态的必要。因此,本实施例中,在分析结果为轴承有料时,才会进一步进行滚珠状态检测的操作。此时轴承检测器根据预设矩形区域对外观灰度图进行裁剪,得到与矩形区域相匹配的感兴趣区域灰度图像。感兴趣区域 (Region Of Interest,ROI)为机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域。
在实际的轴承外观检测操作中,由于图像采集装置以及轴承的位置是固定的,相应的采集得到的外观灰度图像的大小基本是一致的。因此,在轴承外观检测器中利用算法设置有相对于外观灰度图固定大小和固定位置的矩形区域,在进行裁剪时,能够实现对外观灰度图像的固定位置进行裁剪,且每次裁剪得到的图像大小一致,然后对裁剪得到的感兴趣区域图像进行进一步地分析即可。例如,在一个实施例中,请结合参阅3和图4,预设矩形区域的位置如图中矩形位置所示,在每一轴承的外观检测操作中,均根据预设矩形区域进行该位置的裁剪,得到感兴趣区域灰度图如图5所示。可以理解,在其它实施例中,还可以设置其它大小的矩形区域对外观灰度图像进行裁剪,只要保证裁剪的图像能够合理的体现滚珠状态即可。
步骤S400,根据预设分割阈值对感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据前景灰度图像和背景灰度图像进行分析得到轴承的滚珠状态检测结果。
具体地,预设分割阈值的大小并不是唯一的,只要能够将滚珠部分与背景部分合理的区分即可,具体可以由用户根据实际情况进行不同的设定。在进行前景部分和背景部分的区分时,将灰度值高于预设分割阈值部分形成的图像作为前景灰度图像,将灰度值低于预设分割阈值部分形成的图像作为背景灰度图像。在一个实施例中,根据预设分割阈值对感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像如图6所示,其中类似环状的部分为前景灰度图像,而其余部分为背景灰度图像,在本实施例中,将前景灰度图像和背景灰度图像放置在图一图像中,以便于后续的分析处理操作。
请参阅图7,在一个实施例中,步骤S100包括步骤S110和步骤S120。
步骤S110,根据轴承的外观灰度图像进行灰度分析,得到外观灰度图像的第一灰度均值。步骤S120,若第一灰度均值小于第一预设灰度阈值,则轴承有料。
具体地,如上述实施例所描述,有料和无料的情况下,外观灰度图中物料部分的灰度值区别是非常大的,由于两者该部分灰度值的差异,最终会导致有料外观灰度图和无料外观灰度图中灰度均值存在实质性的差异。因此,在本实施例中,采用灰度均值分析的方式判断外观灰度图对应的轴承是否有料。具体通过外观灰度图中各个像素对应的灰度值进行分析计算,得到外观灰度图的第一灰度均值,然后将该灰度均值与对应的第一预设灰度阈值进行对比分析。在第一灰度均值小于第一预设灰度阈值的情况下,表示在原本有料的区域已经有无料,使得整个外观灰度图偏向于黑色,故计算得到的第一灰度均值较小,此时对应得到轴承有料的分析结论。
应当指出的是,第一预设灰度阈值的大小并不是唯一的,对于不同型号的轴承,具体可以设置不同大小的第一预设灰度阈值,只要能够合理的表征出有料和无料两者的区别均可。例如,在一个实施例中,第一预设灰度阈值为80,即在第一灰度均值小于80时,表示轴承有料,而当第一灰度均值大于或等于80 时,表示轴承无料。
请参阅图8,在一个实施例中,步骤S100之后,该方法还包括步骤S300。
步骤S300,当轴承无料时,得到轴承无料的检测结果。
具体地,在轴承无料时,表示此时轴承中并没有装滚珠,此时也就没有继续进行滚珠状态检测的必要。因此,当轴承无料时轴承检测器直接得到轴承无料的检测结果,直接结束该次的轴承外观检测操作。
请参阅图9,在一个实施例中,根据前景灰度图像和背景灰度图像进行分析得到轴承的滚珠状态检测结果的步骤,包括步骤S410、步骤S430、步骤S450 和步骤S470。
请结合参阅图10,步骤S410,根据预设圆形区域对背景灰度图像进行裁剪,并计算裁剪后的圆形灰度图像的第二灰度均值。
具体地,预设圆形区域与预设矩形区域相类似,预设圆形区域也同样是轴承检测器中以算法实现的相对于待裁剪区域固定位置和大小的区域。例如,在一个实施例中,请参阅图11和图12,圆形区域固定对感兴趣区域灰度图的中心位置进行裁剪。
步骤S430,当第二灰度均值小于或等于第二预设灰度阈值时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积。
具体地,灰度图中每一像素具有相应的灰度值,在利用预设圆形区域对感兴趣区域灰度图进行裁剪得到圆形区域之后,轴承检测器将会根据各个像素点对应的灰度值进行计算,得到各个像素点的灰度值的平均值,即为第二灰度均值。此时,轴承检测器将会把计算得到的第二灰度均值与预设第二灰度阈值进行比较分析,根据第二灰度均值与第二预设灰度阈值之间的大小关系,实现不同的检测操作。进一步地,当第二灰度均值小于或等于第二灰度阈值时,此时不能得到较为确切的检测结果,因此,需要对结合前景灰度图像进行另外的分析操作。应当指出的是,第二预设灰度阈值的大小并不是唯一的,例如,在一个实施例中,第二预设灰度阈值为10,即在第二灰度均值小于或等于第二预设灰度阈值的情况下,继续后续的前景灰度图像的分析操作。
预设圆环区域与上述预设圆形区域、预设矩形区域相类似,均为轴承检测器预存的、相对前景灰度图像固定位置和固定大小的圆环区域,在各次轴承外观检测操作中,对于相同型号的轴承,均根据相同的预设圆环区域进行裁剪,从而得到对应的圆环灰度图像,具体可以参阅图13-图16。轴承检测器在根据预设圆环区域对前景灰度图像进行裁剪得到圆环区域灰度图之后,将会统计该区域内像素面积的大小,每一像素对应的像素面积为1,轴承检测器只需要统计像素个数即可以得到对应的像素面积。
步骤S450,当像素面积小于预设像素面积时,计算圆环灰度图像的第三灰度均值。
具体地,轴承检测器中预存有预设像素面积,在统计得到像素面积之后,将会根据像素面积与预设像素面积进行对比分析,在像素面积小于预设像素面积的情况下,进一步对该圆环区域的各个像素点的灰度值的平均值(即第三灰度均值)进行分析。此时,轴承检测器统计各个像素点对应的灰度值,然后根据像素点的个数以及各个像素点的灰度值之和进行计算,得到对应的第三灰度均值。
步骤S470,当第三灰度均值大于第三预设灰度阈值时,得到轴承合格的检测结果。
具体地,请结合参阅图16,第三预设灰度阈值大于第二预设灰度阈值,第一预设灰度阈值大于第三预设灰度阈值。,在计算得到第三灰度均值时,轴承检测器将第三灰度均值与第三预设灰度值进行进一步地分析操作,在第三灰度均值大于或等于第三灰度阈值的情况下,轴承检测器将会得到轴承合格的最终检测结果。应当指出的是,第三预设灰度阈值的大小并不是唯一的,例如,在一个实施例中,第三预设灰度阈值为65,即在预设圆环区域裁剪得到的圆环灰度图像对应的第三灰度均值大于65的情况下,轴承检测器将会得到轴承合格的最终检测结果,完成一次轴承外观检测操作。
请参阅图17,在一个实施例中,步骤S410之后,该方法还包括步骤S420。
步骤S420,当第二灰度均值大于第二预设灰度阈值时,得到滚珠装歪的检测结果。
请结合参阅图10和图11,在轴承检测器分析得到第二灰度均值,并根据第二灰度均值与第二预设灰度阈值进行对比分析时,还会出现第二灰度均值大于第二预设灰度阈值的情况,此时即表示滚珠撞装歪,轴承检测器将会直接得到滚珠装歪的检测结果,结束该次轴承外观检测操作。
请参阅图17,在一个实施例中,步骤S430之后,该方法还包括步骤S440。
步骤S440,当像素面积大于或等于预设像素面积时,得到滚珠装正但未打油的检测结果。
请结合参阅图10和图14,同样的,轴承检测器在根据预设圆环区域进行裁剪,得到圆环区域灰度图像并计算得到该区域的像素面积之后,在将像素面积预设像素面积进行对比分析时,还会出现像素面积大于或等于预设像素面积的情况。此时对应的轴承控制器将会得到滚珠装正但未打油的检测结果,并结束此次对应的轴承外观检测操作。应当指出的是,预设像素面积的大小并不是唯一的,例如,在一个实施例中,预设像素面积为16000。
请参阅图17,在一个实施例中,步骤S450之后,该方法还包括步骤S460。
步骤S460,当第三灰度均值小于第三预设灰度阈值时,得到滚珠装反但打油的检测结果。
请结合参阅图10和图15,同样的,轴承检测器在根据圆环区域的第三灰度均值与预设第三灰度阈值进行比较分析时,还会出现第三灰度均值小于第三预设灰度阈值的情况。此时轴承检测器将会得到滚珠装反但打油的检测结果,并结束该次对应的轴承外观检测操作。
请参阅图18,在一个实施例中,步骤S430包括步骤S431,包括步骤S431、步骤S432和步骤S433。
步骤S431,当第二灰度均值小于或等于第二预设灰度阈值时,去除前景灰度图像中像素面积小于预设联通像素面积的连通域。步骤S432,统计前景灰度图像中剩余连通域的数量。步骤S433,当剩余连通域的数量不为零时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积。
具体地,请结合参阅图10,连通域即为连在一起的,没有断开的小区域,具体为根据灰度值得出的一些连在一起的像素点。在根据预设分割阈值对感兴趣区域灰度图像分割后,可以将图像转化为二值图像,背景灰度图像对应的像素值均为0,前景灰度图像的像素值均为1,轴承控制器只需要找到像素值为1 的区域即为对应连通域。然后轴承检测器分别计算各个连通域对应的像素面积,也就是像素点的个数,除去一些像素面积(即像素点)小于预设联通像素面积的连通域,轴承检测器统计剩余的连通域的数量即可。在剩余连通域的数量不为零时,表示存在至少一个像素面积大于8的像素区域,此时继续对前景图像进行分析即可。应当指出的是,预设联通像素面积的大小并不是唯一的,根据所监测的轴承型号以及用户需求不同,可以设置不同大小的预设联通像素面积。例如,在一个实施例中,预设联通像素面积的大小为8。
请参阅图18,在一个实施例中,步骤S432之后,该方法还包括步骤S434。
步骤S434,当剩余连通域的数量为零时,得到滚珠漏装或装反的检测结果。
具体地,请结合参阅图10和图13、图15,在根据预设联通像素面积对连通域进行筛选之后,还会出现剩余连通域个数为零的情况。此时轴承检测器将会得到滚珠漏装或装反的检测结果,结束该次对应的轴承外观检测操作。通过上述的轴承外观检测操作,可以通过自动检测替代员工繁琐的检验;
上述轴承外观检测方法,根据图像采集装置实现轴承的外观灰度图像采集操作,然后根据外观灰度图像分析轴承是否有料,即检测轴承是否有滚珠。在检测得到轴承有料的情况下进一步根据预设矩形区域对图像中指定位置进行裁剪,得到感兴趣区域灰度图像,并根据预设分割阈值进行分割得到前景灰度图像和背景灰度图像,最后根据前景灰度图像和背景灰度图像进行分析得到轴承外观检测的检测结果,实现对轴承的多种不良情况检测操作。上述方案通过自动检测代替手动检测,自动检测替代员工繁琐的检验,防止不合格品流到下一工序,造成异常停机,可去掉后期的人工检测,以便实现组装打包整个流程的无人自动化生产。该方案一次性检测多种不良,并明确分类,便于分析组装设备的问题,同时检测效率高,节拍小于0.2S/件,可兼容不同种类滚珠的外观检测,与传统的轴承外观检测方式相比具有更强的检测可靠性。
请参阅图19,一种轴承外观检测装置,包括:物料分析模块100、感兴趣区域获取模块200和检测分析模块300。
物料分析模块100用于根据轴承的外观灰度图像分析轴承是否有料;感兴趣区域获取模块200用于当轴承有料时,根据预设矩形区域对外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像;检测分析模块300用于根据预设分割阈值对感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据前景灰度图像和背景灰度图像进行分析得到轴承的滚珠状态检测结果。
在一个实施例中,物料分析模块100还用于根据轴承的外观灰度图像进行灰度分析,得到外观灰度图像的第一灰度均值;若第一灰度均值小于第一预设灰度阈值,则轴承有料;当第一灰度均值是大于或等于第一预设灰度阈值时,得到轴承无料的检测结果。
在一个实施例中,检测分析模块300还用于根据预设圆形区域对背景灰度图像进行裁剪,并计算裁剪后的圆形灰度图像的第二灰度均值;当第二灰度均值小于或等于第二预设灰度阈值时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积;当像素面积小于预设像素面积时,计算圆环灰度图像的第三灰度均值;当第三灰度均值大于第三预设灰度阈值时,得到轴承合格的检测结果。
在一个实施例中,检测分析模块300还用于当第二灰度均值大于第二预设灰度阈值时,得到滚珠装歪的检测结果。
在一个实施例中,检测分析模块300还用于当像素面积大于或等于预设像素面积时,得到滚珠装正但未打油的检测结果。
在一个实施例中,检测分析模块300还用于当第三灰度均值小于第三预设灰度阈值时,得到滚珠装反但打油的检测结果。
在一个实施例中,检测分析模块300还用于当第二灰度均值小于或等于第二预设灰度阈值时,去除前景灰度图像中像素面积小于预设联通像素面积的连通域;统计前景灰度图像中剩余连通域的数量;当剩余连通域的数量不为零时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积。
在一个实施例中,检测分析模块300还用于当剩余连通域的数量为零时,得到滚珠漏装或装反的检测结果。
关于轴承外观检测装置的具体限定可以参见上文中对于轴承外观检测方法的限定,在此不再赘述。上述轴承外观检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
上述轴承外观检测装置,根据图像采集装置实现轴承的外观灰度图像采集操作,然后根据外观灰度图像分析轴承是否有料,即检测轴承是否有滚珠。在检测得到轴承有料的情况下进一步根据预设矩形区域对图像中指定位置进行裁剪,得到感兴趣区域灰度图像,并根据预设分割阈值进行分割得到前景灰度图像和背景灰度图像,最后根据前景灰度图像和背景灰度图像进行分析得到轴承外观检测的检测结果,实现对轴承的多种不良情况检测操作。上述方案通过自动检测代替手动检测,自动检测替代员工繁琐的检验,防止不合格品流到下一工序,造成异常停机,可去掉后期的人工检测,以便实现组装打包整个流程的无人自动化生产。该方案一次性检测多种不良,并明确分类,便于分析组装设备的问题,同时检测效率高,节拍小于0.2S/件,可兼容不同种类滚珠的外观检测,与传统的轴承外观检测方式相比具有更强的检测可靠性。
请参阅图20,一种轴承外观检测***,包括图像采集装置10和轴承检测器20,图像采集装置10连接轴承检测器20,图像采集装置10用于对轴承进行图像采集得到对应的外观灰度图,轴承检测器20用于根据上述的方法进行轴承外观检测。
具体地,外观灰度图像通过图像采集装置10对轴承进行图像采集得到。灰度图像即灰度数字图像,灰度数字图像是每个像素只有一个采样颜色的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度,尽管理论上这个采样可以任何颜色的不同深浅,甚至可以是不同亮度上的不同颜色。灰度图像与黑白图像不同,在计算机图像领域中黑白图像只有黑白两种颜色,灰度图像在黑色与白色之间还有许多级的颜色深度,具体可以把白色与黑色之间按对数关系分为256阶。而灰度处理即为将彩色图像进行灰度化,具体可以采用分量法、最大值法、平均值法和加权平均法等,外观灰度图像即为轴承的外观图像进行灰度处理之后得到的图像,图像采集装置10首先可以采集得到轴承的一般图像(即彩色图像),然后进行灰度处理之后,即可以得到对应的外观灰度图像,并将灰度处理之后得到的外观灰度图像发送至对应的轴承检测器20进行分析操作。
进一步地,在一个实施例中,图像采集装置10包括照相机和光源,在进行轴承的外观灰度图采集时,采用正向拍照的方式。请结合参阅图2,工件即为轴承,工位间的切换是由电气控制的,当工件流到对应的工位时,电气会触发照相机进行拍照。光源采用直径为75mm的红色环形光,灯珠的发光方向与垂直照相机镜头的方向成45°角,以保证图像采集的清晰性。可以理解,在其它实施例中,照相机、光源以及轴承之间还可以采用其它方式设置,只要能够采集得到清晰、完整的轴承外观图像即可。
上述轴承外观检测***,根据图像采集装置实现轴承的外观灰度图像采集操作,然后根据外观灰度图像分析轴承是否有料,即检测轴承是否有滚珠。在检测得到轴承有料的情况下进一步根据预设矩形区域对图像中指定位置进行裁剪,得到感兴趣区域灰度图像,并根据预设分割阈值进行分割得到前景灰度图像和背景灰度图像,最后根据前景灰度图像和背景灰度图像进行分析得到轴承外观检测的检测结果,实现对轴承的多种不良情况检测操作。上述方案通过自动检测代替手动检测,自动检测替代员工繁琐的检验,防止不合格品流到下一工序,造成异常停机,可去掉后期的人工检测,以便实现组装打包整个流程的无人自动化生产。该方案一次性检测多种不良,并明确分类,便于分析组装设备的问题,同时检测效率高,节拍小于0.2S/件,可兼容不同种类滚珠的外观检测,与传统的轴承外观检测方式相比具有更强的检测可靠性。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图21所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储各个用于对比分析的预设参数。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种轴承外观检测方法。
本领域技术人员可以理解,图21中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:根据轴承的外观灰度图像分析轴承是否有料;当轴承有料时,根据预设矩形区域对外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像;根据预设分割阈值对感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据前景灰度图像和背景灰度图像进行分析得到轴承的滚珠状态检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据轴承的外观灰度图像进行灰度分析,得到外观灰度图像的第一灰度均值;若第一灰度均值小于第一预设灰度阈值,则轴承有料;当第一灰度均值是大于或等于第一预设灰度阈值时,得到轴承无料的检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据预设圆形区域对背景灰度图像进行裁剪,并计算裁剪后的圆形灰度图像的第二灰度均值;当第二灰度均值小于或等于第二预设灰度阈值时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积;当像素面积小于预设像素面积时,计算圆环灰度图像的第三灰度均值;当第三灰度均值大于第三预设灰度阈值时,得到轴承合格的检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当第二灰度均值大于第二预设灰度阈值时,得到滚珠装歪的检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当像素面积大于或等于预设像素面积时,得到滚珠装正但未打油的检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当第三灰度均值小于第三预设灰度阈值时,得到滚珠装反但打油的检测结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当第二灰度均值小于或等于第二预设灰度阈值时,去除前景灰度图像中像素面积小于预设联通像素面积的连通域;统计前景灰度图像中剩余连通域的数量;当剩余连通域的数量不为零时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当剩余连通域的数量为零时,得到滚珠漏装或装反的检测结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:根据轴承的外观灰度图像分析轴承是否有料;当轴承有料时,根据预设矩形区域对外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像;根据预设分割阈值对感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据前景灰度图像和背景灰度图像进行分析得到轴承的滚珠状态检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据轴承的外观灰度图像进行灰度分析,得到外观灰度图像的第一灰度均值;若第一灰度均值小于第一预设灰度阈值,则轴承有料;当第一灰度均值是大于或等于第一预设灰度阈值时,得到轴承无料的检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据预设圆形区域对背景灰度图像进行裁剪,并计算裁剪后的圆形灰度图像的第二灰度均值;当第二灰度均值小于或等于第二预设灰度阈值时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积;当像素面积小于预设像素面积时,计算圆环灰度图像的第三灰度均值;当第三灰度均值大于第三预设灰度阈值时,得到轴承合格的检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当第二灰度均值大于第二预设灰度阈值时,得到滚珠装歪的检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当像素面积大于或等于预设像素面积时,得到滚珠装正但未打油的检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当第三灰度均值小于第三预设灰度阈值时,得到滚珠装反但打油的检测结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当第二灰度均值小于或等于第二预设灰度阈值时,去除前景灰度图像中像素面积小于预设联通像素面积的连通域;统计前景灰度图像中剩余连通域的数量;当剩余连通域的数量不为零时,根据预设圆环区域对前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当剩余连通域的数量为零时,得到滚珠漏装或装反的检测结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM (EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM (SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
上述计算机设备及存储介质,根据图像采集装置实现轴承的外观灰度图像采集操作,然后根据外观灰度图像分析轴承是否有料,即检测轴承是否有滚珠。在检测得到轴承有料的情况下进一步根据预设矩形区域对图像中指定位置进行裁剪,得到感兴趣区域灰度图像,并根据预设分割阈值进行分割得到前景灰度图像和背景灰度图像,最后根据前景灰度图像和背景灰度图像进行分析得到轴承外观检测的检测结果,实现对轴承的多种不良情况检测操作。上述方案通过自动检测代替手动检测,自动检测替代员工繁琐的检验,防止不合格品流到下一工序,造成异常停机,可去掉后期的人工检测,以便实现组装打包整个流程的无人自动化生产。该方案一次性检测多种不良,并明确分类,便于分析组装设备的问题,同时检测效率高,节拍小于0.2S/件,可兼容不同种类滚珠的外观检测,与传统的轴承外观检测方式相比具有更强的检测可靠性。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (13)
1.一种轴承外观检测方法,其特征在于,包括:
根据轴承的外观灰度图像分析所述轴承是否有料,所述外观灰度图像通过图像采集装置对所述轴承进行图像采集得到;
当所述轴承有料时,根据预设矩形区域对所述外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像;
根据预设分割阈值对所述感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据所述前景灰度图像和所述背景灰度图像进行分析得到所述轴承的滚珠状态检测结果。
2.根据权利要求1所述的轴承外观检测方法,其特征在于,所述根据轴承的外观灰度图像分析所述轴承是否有料的步骤,包括:
根据轴承的外观灰度图像进行灰度分析,得到所述外观灰度图像的第一灰度均值;
若所述第一灰度均值小于第一预设灰度阈值,则所述轴承有料。
3.根据权利要求1所述的轴承外观检测方法,其特征在于,所述根据轴承的外观灰度图像分析所述轴承是否有料的步骤之后,还包括:
当所述轴承无料时,得到轴承无料的检测结果。
4.根据权利要求1所述的轴承外观检测方法,其特征在于,所述根据所述前景灰度图像和所述背景灰度图像进行分析得到所述轴承的滚珠状态检测结果的步骤,包括:
根据预设圆形区域对所述背景灰度图像进行裁剪,并计算裁剪后的圆形灰度图像的第二灰度均值;
当所述第二灰度均值小于或等于所述第二预设灰度阈值时,根据预设圆环区域对所述前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积;
当所述像素面积小于预设像素面积时,计算所述圆环灰度图像的第三灰度均值;
当所述第三灰度均值大于第三预设灰度阈值时,得到轴承合格的检测结果,所述第三预设灰度阈值大于所述第二预设灰度阈值,所述第一预设灰度阈值大于所述第三预设灰度阈值。
5.根据权利要求4所述的轴承外观检测方法,其特征在于,所述根据预设圆形区域对所述背景灰度图像进行裁剪,并计算裁剪后的圆形灰度图像的第二灰度均值的步骤之后,还包括:
当所述第二灰度均值大于所述第二预设灰度阈值时,得到滚珠装歪的检测结果。
6.根据权利要求4所述的轴承外观检测方法,其特征在于,所述当所述第二灰度均值小于或等于所述第二预设灰度阈值时,根据预设圆环区域对所述前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积步骤之后,还包括:
当所述像素面积大于或等于预设像素面积时,得到滚珠装正但未打油的检测结果。
7.根据权利要求4所述的轴承外观检测方法,其特征在于,所述当所述像素面积小于预设像素面积时,计算所述圆环灰度图像的第三灰度均值的步骤之后,还包括:
当第三灰度均值小于所述第三预设灰度阈值时,得到滚珠装反但打油的检测结果。
8.根据权利要求4所述的轴承外观检测方法,其特征在于,所述当所述第二灰度均值小于或等于所述第二预设灰度阈值时,根据预设圆环区域对所述前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积的步骤,包括:
当所述第二灰度均值小于或等于所述第二预设灰度阈值时,去除所述前景灰度图像中像素面积小于预设联通像素面积的连通域;
统计所述前景灰度图像中剩余连通域的数量;
当剩余连通域的数量不为零时,根据预设圆环区域对所述前景灰度图像进行裁剪,并计算裁剪后的圆环灰度图像的像素面积。
9.根据权利要求8所述的轴承外观检测方法,其特征在于,所述统计所述前景灰度图像中剩余连通域的数量的步骤之后,还包括:
当剩余连通域的数量为零时,得到滚珠漏装或装反的检测结果。
10.一种轴承外观检测装置,其特征在于,包括:
物料分析模块,用于根据轴承的外观灰度图像分析所述轴承是否有料,所述外观灰度图像通过图像采集装置对所述轴承进行图像采集得到。
感兴趣区域获取模块,用于当所述轴承有料时,根据预设矩形区域对所述外观灰度图像的对应位置进行裁剪,得到感兴趣区域灰度图像。
检测分析模块,用于根据预设分割阈值对所述感兴趣区域灰度图像进行分割得到前景灰度图像和背景灰度图像,根据所述前景灰度图像和所述背景灰度图像进行分析得到所述轴承的滚珠状态检测结果。
11.一种轴承外观检测***,其特征在于,包括图像采集装置和轴承检测器,所述图像采集装置连接所述轴承检测器,所述图像采集装置用于对轴承进行图像采集得到对应的外观灰度图,所述轴承检测器用于根据权利要求1-9任一项所述的方法进行轴承外观检测。
12.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010241842.1A CN111462074B (zh) | 2020-03-31 | 2020-03-31 | 轴承外观检测方法、装置、***、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010241842.1A CN111462074B (zh) | 2020-03-31 | 2020-03-31 | 轴承外观检测方法、装置、***、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111462074A true CN111462074A (zh) | 2020-07-28 |
CN111462074B CN111462074B (zh) | 2024-03-19 |
Family
ID=71678457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010241842.1A Active CN111462074B (zh) | 2020-03-31 | 2020-03-31 | 轴承外观检测方法、装置、***、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462074B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730459A (zh) * | 2021-02-05 | 2021-04-30 | 北京嘉恒中自图像技术有限公司 | 基于多角度光源拍摄图像的轴承内圈端面缺陷检测方法 |
CN113012121A (zh) * | 2021-03-09 | 2021-06-22 | 普迪飞半导体技术(上海)有限公司 | 裸片扫描结果的处理方法、装置、电子设备与存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN107967681A (zh) * | 2017-11-24 | 2018-04-27 | 常熟理工学院 | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 |
CN109636777A (zh) * | 2018-11-20 | 2019-04-16 | 广州方纬智慧大脑研究开发有限公司 | 一种交通信号灯的故障检测方法、***及存储介质 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
-
2020
- 2020-03-31 CN CN202010241842.1A patent/CN111462074B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106408555A (zh) * | 2015-12-27 | 2017-02-15 | 华南理工大学 | 一种基于图像视觉的轴承表面瑕疵检测方法 |
CN107967681A (zh) * | 2017-11-24 | 2018-04-27 | 常熟理工学院 | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 |
WO2019237520A1 (zh) * | 2018-06-11 | 2019-12-19 | 平安科技(深圳)有限公司 | 一种图像匹配方法、装置、计算机设备及存储介质 |
CN109636777A (zh) * | 2018-11-20 | 2019-04-16 | 广州方纬智慧大脑研究开发有限公司 | 一种交通信号灯的故障检测方法、***及存储介质 |
Non-Patent Citations (2)
Title |
---|
崔明等: "基于机器视觉的轴承滚动体缺陷检测算法研究", pages 74 - 78 * |
黄俊敏等: "基于机器视觉的轴承密封圈缺陷检测方法", vol. 24, no. 4, pages 13 - 15 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730459A (zh) * | 2021-02-05 | 2021-04-30 | 北京嘉恒中自图像技术有限公司 | 基于多角度光源拍摄图像的轴承内圈端面缺陷检测方法 |
CN112730459B (zh) * | 2021-02-05 | 2023-01-24 | 北京嘉恒中自图像技术有限公司 | 基于多角度光源拍摄图像的轴承内圈端面缺陷检测方法 |
CN113012121A (zh) * | 2021-03-09 | 2021-06-22 | 普迪飞半导体技术(上海)有限公司 | 裸片扫描结果的处理方法、装置、电子设备与存储介质 |
CN113012121B (zh) * | 2021-03-09 | 2022-09-06 | 普迪飞半导体技术(上海)有限公司 | 裸片扫描结果的处理方法、装置、电子设备与存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111462074B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683907B (zh) | 光学模组像素缺陷检测方法、装置及设备 | |
CN112348773B (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
US20200349875A1 (en) | Display screen quality detection method, apparatus, electronic device and storage medium | |
CN108827970B (zh) | 基于aoi***的适应不同面板缺陷自动判等方法和*** | |
CN109829859B (zh) | 图像处理方法及终端设备 | |
CN110441316B (zh) | 电池表面缺陷检测方法及检测*** | |
CN111462074A (zh) | 轴承外观检测方法、装置、***、计算机设备及存储介质 | |
CN111815623B (zh) | 输电线路开口销缺失识别方法 | |
CN108734684B (zh) | 动态照明场景的图像背景减除 | |
CN112417955B (zh) | 巡检视频流处理方法及装置 | |
CN105260716A (zh) | 故障指示器状态识别方法及装置 | |
CN114331997A (zh) | 一种基于图像识别的导线缺陷监测方法 | |
CN117191809B (zh) | 基于数据分析的玻璃检测设备故障监测预警*** | |
CN111353507B (zh) | 一种变电站器件表面油污的图像识别方法和装置 | |
CN117455887A (zh) | 基于机器视觉的pcb来料检测方法、装置、设备及介质 | |
CN110118786B (zh) | 检测方法、检测装置和工业设备 | |
CN112767397B (zh) | 工件的检测方法、工件检测设备及存储介质 | |
CN114549346A (zh) | 模糊图像识别方法、装置、设备及存储介质 | |
CN114445358A (zh) | 手机中框边缘外观缺陷检测方法、***、存储介质及计算机设备 | |
CN108447107B (zh) | 用于生成视频的方法和装置 | |
CN113342627A (zh) | 一种终端的应用服务监控方法及监控*** | |
CN111833309A (zh) | 一种光伏电池片检测方法及装置 | |
US20190197349A1 (en) | Image identification method and image identification device | |
CN115601606B (zh) | 一种门店状态检测方法、装置、设备及存储介质 | |
CN117333483B (zh) | 一种用于金属凹陷结构底部的缺陷检测方法及装置 |
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 |