CN111797909B - 一种基于机器视觉的指针式仪表读数方法 - Google Patents

一种基于机器视觉的指针式仪表读数方法 Download PDF

Info

Publication number
CN111797909B
CN111797909B CN202010571594.7A CN202010571594A CN111797909B CN 111797909 B CN111797909 B CN 111797909B CN 202010571594 A CN202010571594 A CN 202010571594A CN 111797909 B CN111797909 B CN 111797909B
Authority
CN
China
Prior art keywords
image
instrument
read
pointer
meter
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
Application number
CN202010571594.7A
Other languages
English (en)
Other versions
CN111797909A (zh
Inventor
周志峰
贾强汉
吴明晖
方宇
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.)
Shanghai University of Engineering Science
Original Assignee
Shanghai University of Engineering Science
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 Shanghai University of Engineering Science filed Critical Shanghai University of Engineering Science
Priority to CN202010571594.7A priority Critical patent/CN111797909B/zh
Publication of CN111797909A publication Critical patent/CN111797909A/zh
Application granted granted Critical
Publication of CN111797909B publication Critical patent/CN111797909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于机器视觉的指针式压力仪表读数方法，包括以下步骤：获取仪表标准模板图像和待读数仪表图像；使用匹配算法将待读数仪表图像与仪表标准模板图像进行匹配，得到校正待读数仪表图像；对校正待读数仪表图像进行去噪，对去噪后的校正待读数仪表图像进行阈值分割，得到去除背景的待读数仪表图像，并在去除背景的待读数仪表图像中定位出表盘边界圆所在位置；对去除背景的待读数仪表图像进行膨胀操作，得到指针图像；在指针图像中得到针尖坐标(x1,y1)和圆心坐标(x2,y2)；根据针尖坐标(x1,y1)和圆心坐标(x2,y2)得到指针角度位置，根据指针角度位置得到仪表读数。与现有技术相比，使仪表读数更精确。

Description

一种基于机器视觉的指针式仪表读数方法
技术领域
本发明涉及图像监测处理***领域，尤其是涉及一种基于机器视觉的指针式仪表读数方法。
背景技术
在指针式压力仪表出厂检定环节，需要对仪表进行读数误差的检定和调校。目前主要通过人工手动进行仪表的加压，通过人眼观测读出仪表当前读数，对比高精度数字仪表的数值，计算出被测仪表的误差。通过这种人工的方式进行指针压力仪表的出厂检定，效率低且精确度不高，特别是长时间持续判读，容易引起视觉疲劳，从而导致误差的产生。另外仪表在固定安装时未拧到位，用于采集仪表图像的相机没有正对着仪表，导致采集摄像头无法较好的对仪表盘进行精准的图像采集，采集到的仪表图像会存在一定的姿态误差。如何对产生姿态误差的仪表进行高效精准的仪表图像采集并且识别仪表的读数，是保障指针式压力仪表出厂高效准确检定的关键。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于机器视觉的指针式仪表读数方法。
本发明的目的可以通过以下技术方案来实现：
一种基于机器视觉的指针式仪表读数方法，该方法包括以下步骤：
步骤S1：获取仪表标准模板图像和待读数仪表图像；
步骤S2：使用匹配算法将待读数仪表图像与仪表标准模板图像进行匹配，得到校正待读数仪表图像；
步骤S3：对校正待读数仪表图像进行去噪，对去噪后的校正待读数仪表图像进行阈值分割，得到去除背景的待读数仪表图像，并在去除背景的待读数仪表图像中定位出表盘边界圆所在位置；
步骤S4：对去除背景的待读数仪表图像进行膨胀操作，得到指针图像；
步骤S5：在指针图像中得到针尖坐标(x1,y1)和圆心坐标(x2,y2)；
步骤S6：根据针尖坐标(x1,y1)和圆心坐标(x2,y2)得到指针角度位置，根据指针角度位置得到仪表读数。
所述步骤S2使用GMS栅格移动统计策略的特征匹配算法将待读数仪表图像与仪表标准模板图像进行匹配，其过程包括：
步骤S21：检测仪表标准模板图像和待读数仪表图像的特征点以及计算描述子；
步骤S22：将仪表标准模板图像的特征点和计算描述子分别与待读数仪表图像的特征点和计算描述子通过BF暴力匹配算法进行匹配；
步骤S23：将仪表标准模板图像和待读数仪表图像分别划分多个网格，保留正确匹配的特征点，计算得到仪表标准模板图像和待读数仪表图像之间的投影矩阵；
步骤S24：根据投影矩阵，得到校正待读数仪表图像。
所述正确匹配的特征点为周围正确匹配点个数大于阈值的特征点。
所述的步骤S3中对校正待读数仪表图像使用中值滤波进行去噪。
所述的步骤S3中使用OTSU阈值分割算法对去噪后的校正待读数仪表图像进行阈值分割。
所述的步骤S3中得到去除背景的待读数仪表图像后，使用Canny算子对去除背景的待读数仪表图像进行边缘检测，然后使用霍夫变换算法进行圆检测，得到表盘边界圆，在去除背景的待读数仪表图像中定位表盘边界圆所在位置。
所述步骤S5中在指针图像中得到针尖坐标的过程包括：
步骤S51：得到指针位置预测值；
步骤S52：在指针图像的指针位置预测值周围查找指针边缘侧线；
步骤S53：利用边缘侧线，得到针尖坐标。
所述步骤S6中根据针尖坐标(x1,y1)和圆心坐标(x2,y2)得到指针角度位置θ的计算公式为：
所述步骤S6中根据指针角度位置得到仪表读数N的计算公式如下：
其中，θ为指针角度位置，θ0为仪表最小角度位置，θmax为仪表最大角度位置，N0为仪表读数最小值，Nmax为仪表读数最大值。
所述的仪表标准模板图像和待读数仪表图像通过工业相机拍摄。
与现有技术相比，本发明具有以下优点：
(1)利用模板匹配算法对被测仪表的姿态进行校正，降低了仪表姿态误差引起的测量误差，提高了算法的识别精度。
(2)利用GMS栅格移动统计策略的特征匹配算法，保留了精确匹配的特征点对，精确地计算出待读数仪表和标准模板仪表之间的投影矩阵，降低了仪表读数的误差。
(3)识别出表盘边界圆后，确定有效区域，可将仪表边框和刻度盘等影响识别指针的元素删除，降低了指针边缘侧线检测的计算开销。
(4)根据指针仪表检测的特殊性，在一定压力范围内(即指针位置预测值周围)进行指针边缘侧线检测，而不是在整张图像上进行直线检测，大大降低了指针边缘侧线检测的速度，提高了算法运行速度。
附图说明
图1为本发明的流程图；
图2为本发明的仪表标准模板图像；
图3为本发明的匹配结果图；
图4为本发明的OTSU阈值分割图；
图5为本发明的表盘边界圆检测图；
图6为本发明的指针图像；
图7为本发明的指针边缘侧线检测图；
图8为本发明的指针角度位置-仪表读数转换图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
本实施例提供了一种基于机器视觉的指针式压力仪表读数方法，如图1所示，包括如下步骤：
(1)将标准仪表放置在平面上，使用环形低角度光源对仪表进行打光，使用工业相机采集仪表标准模板图像，仪表标准模板图像如图2所示；将待读数仪表放置在和标准仪表同样的光照环境中，使用工业相机采集待读数仪表图像；
(2)使用GMS网格运动统计策略的特征匹配算法进行模板匹配，流程如下：
a.检测仪表标准模板图像和待读数仪表图像的特征点以及计算描述子；
b.将仪表标准模板图像的特征点和计算描述子分别与待读数仪表图像的特征点和计算描述子通过BF暴力匹配算法进行匹配；
c.将仪表标准模板图像和待读数仪表图像分别划分多个网格；
d.通过计算BF暴力匹配算法匹配好的特征点附近的正确匹配点个数，与设定好的阈值比较，判断是否该特征点被正确匹配，保留被正确匹配的特征点，去除错误匹配的特征点，如图3所示；
e.选取4对正确匹配的特征点对，得到一个四元一次方程，计算得到仪表标准模板图像和待读数仪表图像之间的投影矩阵，通过投影矩阵对待读数仪表图像进行姿态的校正，得到校正待读数仪表图像；
(3)对校正待读数仪表图像进行中值滤波，去除噪声干扰；使用OTSU阈值分割算法对待读数仪表图像进行阈值分割，去除仪表盘背景如图4所示；用Canny算子对去除背景的待读数仪表图像进行边缘检测，然后使用霍夫变换算法进行圆检测，从半径最大的圆开始检测，得到表盘边界圆，定位出表盘边界圆所在位置，如图5所示。
(4)对定位出表盘边界圆的去除背景的待读数仪表图像进行7×7大小的十字形区域膨胀，去除仪表盘内各种干扰直线，只保留指针图像，如图6所示。
(5)对指针边缘侧线进行检测，此处指针边缘侧线检测有一定的特殊性，指针当前的读数是由标准可控压力发生器提供的，根据仪表的类型提供压力发生方案，待读书仪表当前的指针位置应是在提供的压力值附近。根据这种先验知识进行指针边缘侧线检测，具体步骤如下：
a.根据标准可控压力发生器提供的当前压力值，得到当前指针位置预测值，如17MPa，仪表误差要求在1MPa之内，在16～18MPa区间之间对仪表指针进行指针边缘侧线检测；
b.如果在当前区间没有查找到指针边缘侧线，那么扩大范围到15～16MPa和18～19MPa区间进行指针边缘侧线查找，如图7所示；
c.查找到指针边缘侧线之后，得到针尖坐标(x1,y1)和圆心坐标(x2,y2)；
(6)根据针尖坐标(x1,y1)和圆心坐标(x2,y2)得到指针角度位置，根据指针角度位置得到仪表读数，如图8所示。
根据针尖坐标(x1,y1)和圆心坐标(x2,y2)得到指针角度位置θ的计算公式为：
根据指针角度位置得到仪表读数N的计算公式如下：
其中，θ为指针角度位置，θ0为仪表最小角度位置，θmax为仪表最大角度位置，N0为仪表读数最小值，Nmax为仪表读数最大值。

Claims (1)

1.一种基于机器视觉的指针式仪表读数方法，其特征在于，该方法包括以下步骤：
步骤S1：获取仪表标准模板图像和待读数仪表图像；
步骤S2：使用匹配算法将待读数仪表图像与仪表标准模板图像进行匹配，得到校正待读数仪表图像；
步骤S3：对校正待读数仪表图像进行去噪，对去噪后的校正待读数仪表图像进行阈值分割，得到去除背景的待读数仪表图像，并在去除背景的待读数仪表图像中定位出表盘边界圆所在位置；
步骤S4：对去除背景的待读数仪表图像进行膨胀操作，得到指针图像；
步骤S5：在指针图像中得到针尖坐标(x1,y1)和圆心坐标(x2,y2)；
步骤S6：根据针尖坐标(x1,y1)和圆心坐标(x2,y2)得到指针角度位置，根据指针角度位置得到仪表读数；
所述的步骤S3中得到去除背景的待读数仪表图像后，使用Canny算子对去除背景的待读数仪表图像进行边缘检测，然后使用霍夫变换算法进行圆检测，得到表盘边界圆，在去除背景的待读数仪表图像中定位表盘边界圆所在位置；
所述步骤S5中在指针图像中得到针尖坐标的过程包括：
步骤S51：得到指针位置预测值；
步骤S52：在指针图像的指针位置预测值周围查找指针边缘侧线；
步骤S53：利用边缘侧线，得到针尖坐标；
所述步骤S2使用GMS栅格移动统计策略的特征匹配算法将待读数仪表图像与仪表标准模板图像进行匹配，其过程包括：
步骤S21：检测仪表标准模板图像和待读数仪表图像的特征点以及计算描述子；
步骤S22：将仪表标准模板图像的特征点和计算描述子分别与待读数仪表图像的特征点和计算描述子通过BF暴力匹配算法进行匹配；
步骤S23：将仪表标准模板图像和待读数仪表图像分别划分多个网格，保留正确匹配的特征点，计算得到仪表标准模板图像和待读数仪表图像之间的投影矩阵；
步骤S24：根据投影矩阵，得到校正待读数仪表图像；
所述正确匹配的特征点为周围正确匹配点个数大于阈值的特征点；
所述的步骤S3中对校正待读数仪表图像使用中值滤波进行去噪；
所述的步骤S3中使用OTSU阈值分割算法对去噪后的校正待读数仪表图像进行阈值分割；
所述步骤S6中根据针尖坐标(x1,y1)和圆心坐标(x2,y2)得到指针角度位置θ的计算公式为：
所述步骤S6中根据指针角度位置得到仪表读数N的计算公式如下：
其中，θ为指针角度位置，θ0为仪表最小角度位置，θmax为仪表最大角度位置，N0为仪表读数最小值，Nmax为仪表读数最大值；
所述的仪表标准模板图像和待读数仪表图像通过工业相机拍摄。
CN202010571594.7A 2020-06-22 2020-06-22 一种基于机器视觉的指针式仪表读数方法 Active CN111797909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010571594.7A CN111797909B (zh) 2020-06-22 2020-06-22 一种基于机器视觉的指针式仪表读数方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010571594.7A CN111797909B (zh) 2020-06-22 2020-06-22 一种基于机器视觉的指针式仪表读数方法

Publications (2)

Publication Number Publication Date
CN111797909A CN111797909A (zh) 2020-10-20
CN111797909B true CN111797909B (zh) 2024-03-29

Family

ID=72804487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010571594.7A Active CN111797909B (zh) 2020-06-22 2020-06-22 一种基于机器视觉的指针式仪表读数方法

Country Status (1)

Country Link
CN (1) CN111797909B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114549814A (zh) * 2022-01-25 2022-05-27 福建和盛高科技产业有限公司 基于yolox检测的仪表读数识别方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009152418A1 (en) * 2008-06-13 2009-12-17 University Of Tennessee Research Foundation Passive microwave assessment of human body core to surface temperature gradients and basal metabolic rate
CN103927507A (zh) * 2013-01-12 2014-07-16 山东鲁能智能技术有限公司 一种改进的变电站巡检机器人的多仪表读数识别方法
CN104392206A (zh) * 2014-10-24 2015-03-04 南京航空航天大学 一种指针式仪表读数自动识别的图像处理方法
CN105913095A (zh) * 2016-05-17 2016-08-31 杭州申昊科技股份有限公司 一种适用于变电站巡检机器人的仪表识别方法
CN107358237A (zh) * 2017-07-21 2017-11-17 东南大学 一种去环境干扰的多仪表盘自动读数方法
CN108491838A (zh) * 2018-03-08 2018-09-04 南京邮电大学 基于sift和hough的指针型仪表示数读取方法
CN108921176A (zh) * 2018-06-22 2018-11-30 河海大学常州校区 一种基于机器视觉的指针式仪表定位与识别方法
CN109029520A (zh) * 2018-06-22 2018-12-18 杭州摩焕科技有限公司 一种基于红外发射管与接收管阵列的外置的数字显示仪表监测***
CN109034170A (zh) * 2018-07-18 2018-12-18 东南大学 一种开关柜检测装置的圆形指针式仪表读数方法
CN109544628A (zh) * 2018-11-23 2019-03-29 福州大学 一种指针式仪表的准确读数识别***及方法
CN109740616A (zh) * 2019-01-04 2019-05-10 山东交通学院 一种利用计算机视觉实现双指针仪表自动读数的方法
CN110543878A (zh) * 2019-08-07 2019-12-06 华南理工大学 一种基于神经网络的指针仪表读数识别方法
CN110807458A (zh) * 2019-10-24 2020-02-18 深圳市嘉繁科技有限公司 一种指针式仪表自动读数方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4913911B1 (ja) * 2011-02-16 2012-04-11 パナソニック株式会社 画像処理装置およびこれを備えた原稿読取システム

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009152418A1 (en) * 2008-06-13 2009-12-17 University Of Tennessee Research Foundation Passive microwave assessment of human body core to surface temperature gradients and basal metabolic rate
CN103927507A (zh) * 2013-01-12 2014-07-16 山东鲁能智能技术有限公司 一种改进的变电站巡检机器人的多仪表读数识别方法
CN104392206A (zh) * 2014-10-24 2015-03-04 南京航空航天大学 一种指针式仪表读数自动识别的图像处理方法
CN105913095A (zh) * 2016-05-17 2016-08-31 杭州申昊科技股份有限公司 一种适用于变电站巡检机器人的仪表识别方法
CN107358237A (zh) * 2017-07-21 2017-11-17 东南大学 一种去环境干扰的多仪表盘自动读数方法
CN108491838A (zh) * 2018-03-08 2018-09-04 南京邮电大学 基于sift和hough的指针型仪表示数读取方法
CN108921176A (zh) * 2018-06-22 2018-11-30 河海大学常州校区 一种基于机器视觉的指针式仪表定位与识别方法
CN109029520A (zh) * 2018-06-22 2018-12-18 杭州摩焕科技有限公司 一种基于红外发射管与接收管阵列的外置的数字显示仪表监测***
CN109034170A (zh) * 2018-07-18 2018-12-18 东南大学 一种开关柜检测装置的圆形指针式仪表读数方法
CN109544628A (zh) * 2018-11-23 2019-03-29 福州大学 一种指针式仪表的准确读数识别***及方法
CN109740616A (zh) * 2019-01-04 2019-05-10 山东交通学院 一种利用计算机视觉实现双指针仪表自动读数的方法
CN110543878A (zh) * 2019-08-07 2019-12-06 华南理工大学 一种基于神经网络的指针仪表读数识别方法
CN110807458A (zh) * 2019-10-24 2020-02-18 深圳市嘉繁科技有限公司 一种指针式仪表自动读数方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
OpenCV-Based Automatic Detection System for Automobile Meter;Ze Long Hao等;《Applied Mechanics and Materials》;20140831;第615卷;149-152 *
优化栅格移动统计的图像匹配算法;贾强汉等;《激光与光电子学进展》;第57卷(第12期);摘要 *
基于图像处理的指针式温湿度计读数识别方法;徐宙等;《国外电子测量技术》;第38卷(第7期);第3节 *
基于机器视觉的圆形指针式仪表自动读数识别关键技术研究;韩绍超;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20190215(第2期);I138-1295 *
基于机器视觉的指针式仪表示数识别方法研究;童伟圆等;《计算机测量与控制》;20180325;第26卷(第3期);162-166 *
基于深度学习的指针式仪表检测与识别研究;徐发兵等;《高技术通讯》;20191231;第29卷(第12期);1206-1215 *
徐宙等.基于图像处理的指针式温湿度计读数识别方法.《国外电子测量技术》.2019,第38卷(第7期),第3节. *
改进ORB与Hough变换的指针式仪表识读方法;高建龙等;《计算机工程与应用》;第54卷(第23期);第3.4、4.1、4.3、5.3节，图3 *
贾强汉等.优化栅格移动统计的图像匹配算法.《激光与光电子学进展》.2019,第57卷(第12期),摘要. *
高建龙等.改进ORB与Hough变换的指针式仪表识读方法.《计算机工程与应用》.2019,第54卷(第23期),第3.4、4.1、4.3、5.3节，图3. *

Also Published As

Publication number Publication date
CN111797909A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN110189314B (zh) 基于机器视觉的汽车仪表盘图像定位方法
CN114549835B (zh) 一种基于深度学习的指针式仪表矫正识别方法及装置
CN112686920A (zh) 一种圆形零件几何尺寸参数视觉测量方法及***
CN110189375B (zh) 一种基于单目视觉测量的图像目标识别方法
CN110298840B (zh) 一种基于图像的纱线缺陷检测方法
CN110111330B (zh) 手机屏幕检测方法
CN113706537A (zh) 一种基于机器视觉的不规则工件检测方法
CN117250208B (zh) 基于机器视觉的纳米压印晶圆缺陷精准检测***及方法
CN111062940A (zh) 一种基于机器视觉的螺钉定位与识别方法
CN106599890A (zh) 变电站巡检机器人数字式仪表识别算法
CN111652069B (zh) 移动机器人的目标识别与定位方法
CN108709500B (zh) 一种电路板元件定位匹配方法
CN111797909B (zh) 一种基于机器视觉的指针式仪表读数方法
CN109034170A (zh) 一种开关柜检测装置的圆形指针式仪表读数方法
CN107388991A (zh) 一种端面多圆角轴类零件圆角半径测量方法
CN116503316A (zh) 一种基于图像处理的芯片缺陷量测方法及***
CN111882569A (zh) 一种基于机器视觉的指针式压力表自动校验仪示值读数方法
CN113705564B (zh) 一种指针式仪表识别读数方法
CN111815580B (zh) 一种图像边缘识别方法及小模数齿轮模数检测方法
CN113607058B (zh) 一种基于机器视觉的直刃刀尺寸检测方法及***
CN107748897B (zh) 基于模式识别的大尺寸弯曲零件轮廓度质量检测方法
CN115575407B (zh) 一种应用于轨道与隧道的检测方法
CN112734779A (zh) 一种圆点标定板边缘亚像素检测方法
CN110991233A (zh) 指针式压力表的自动读数方法
CN114926417B (zh) 高密度柔性fpc表面弱划痕的显微成像检测方法及***

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