CN112037161A - 一种基于区域自动阈值分析的涂胶分析方法 - Google Patents
一种基于区域自动阈值分析的涂胶分析方法 Download PDFInfo
- Publication number
- CN112037161A CN112037161A CN201910413170.5A CN201910413170A CN112037161A CN 112037161 A CN112037161 A CN 112037161A CN 201910413170 A CN201910413170 A CN 201910413170A CN 112037161 A CN112037161 A CN 112037161A
- Authority
- CN
- China
- Prior art keywords
- caliper
- analysis
- adhesive tape
- image
- automatic threshold
- 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.)
- Pending
Links
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
- 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
-
- 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
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30156—Vehicle coating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于涂胶分析技术领域,提供了一种基于区域自动阈值分析的涂胶分析方法,涂胶完成后,采集基板的原始图像,对原始图像进行卡尺工具处理,利用卡尺工具勾画出多个卡尺区域,每个卡尺区域为一个检测单元,在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓,在图像上标记卡尺区域、胶条轮廓、胶条中心点的信息,形成图像分析结果,通过对原始图像进行卡尺工具处理,利用卡尺工具勾画出多个卡尺区域,每个卡尺区域为一个检测单元,并在在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓,从而能够应对较为复杂光照和较低彩图质量的图像,本发明具有使用分析准确、成本低廉的特点。
Description
技术领域
本发明属于涂胶检测分析的技术领域,尤其涉及一种基于区域自动阈值分析的涂胶分析方法。
背景技术
自动化涂胶检测技术近几年开始于汽车行业刚刚兴起,主要指对车身自动化涂胶过程中的机器视觉检测。主要用于检测所涂胶条的断胶、胶宽、位置偏移等技术指标,辅助减少涂胶生产线的失误率并根据检测结果指导改善自动化涂胶生产技术。自动化涂胶检测技术最初是通过单光源配合单相机实现采图***,相机多采用智能相机,通过单相机采图分析,实现涂胶检测。此后,由于客户需求的复杂性提高,不少供应商又推出了多光源配合多相机的采图模组用于涂胶采图,解决了胶枪相对于工件位置多样性的问题。目前,自动化涂胶检测以多光源配合多相机的采图模组为主,用工控机分析图像并收集检测结果,最终与机器人或者PLC通信,实现闭环的涂胶检测***。
在现有自动化涂胶检测***中,大多采用智能相机算法、第三方算法库或者单一阈值算法作为涂胶分析算法,该三种方案虽各有所长,但也均存在较大的自身缺陷。首先,智能相机算法,顾名思义,此解决方案是直接采用供应商所提供的智能相机,此方法是早期较为流行的检测算法解决方案,旨在利用其中集成的算法库并运行于智能相机的DSP模块上,最终实现对所采集图像的分析。该方法的优点在于:一是可利用智能相机算法库的可视化界面通过简单的设置和编程即可形成相应的可用算法;二是算法运行在智能相机的DSP上,不占用工控机资源。但是,其缺点也显而易见,主要是体现在:一是智能相机算法库虽然使用配置简易,但是灵活性却受到了限制,只能使用其库中提供的有限检测工具,不能很好的实现对于涂胶检测的定制化开发;二是智能相机模块及其算法库成本极高,不利于整套自动化涂胶检测***的成本控制。其次,第三方算法库解决方案也是现下较为流行的涂胶检测算法解决方案之一,是利用第三方的商业算法库开发涂胶检测算法,运行于工控机上,用于分析采图模组返回的图像。其优点在于:一是第三方算法库开发相对简易,但是逊于智能相机算法方案;二是其灵活性相对智能相机算法方案稍高。但是,其缺点也是显而易见:一是随时第三方算法库开发,其灵活性依然欠缺;二是需要支付高额使用费用,成本胶高。最后就是单一阈值算法解决方案,该方案的优点在于:一是可利用OPENCV等开源算法库进行简单开发实现;二是不需要支付任何版权费用,成本较低;但是其适应较为复杂光照和较低彩图质量的图像时,表现不佳。
发明内容
本发明提供一种基于区域自动阈值分析的涂胶分析方法,旨在解决使用成本高,无法应对复杂光照和较低彩图质量的图像的问题。
本发明是这样实现的,一种基于区域自动阈值分析的涂胶分析方法,用于检测涂布在基板上的胶条是否存在涂胶失误,包括以下步骤:
S1,涂胶完成后,采集基板的原始图像;
S2,对原始图像进行卡尺工具处理,利用卡尺工具勾画出多个卡尺区域,每个卡尺区域为一个检测单元;
S3,在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓;
S4,在图像上标记卡尺区域、胶条轮廓、胶条中心点的信息,形成图像分析结果。
本发明还提供优选的,所述采集基板的原始图像为采用相机对基板进行拍摄。
本发明还提供优选的,所述原始图像为灰度图像。
本发明还提供优选的,所述自动阈值分割算法具体为:利用图像中胶条与基板在灰度上的差异,通过设置一个预设的阈值来把像素级分成若干类,从而分离胶条与基板以获得胶条的轮廓。
本发明还提供优选的,在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓之前,对卡尺工具处理后的原始图像进行预处理操作,使图像质量提高。
本发明还提供优选的,所述预处理操作具体为:对胶条边缘的阴影进行智能处理。
本发明还提供优选的,步骤S4中,图像上还标记有最大胶宽和最小胶宽。
本发明还提供优选的,在图像上标记卡尺区域、胶条轮廓、胶条中心点的信息,形成图像分析结果之前,利用每个卡尺检测单元提取的胶条轮廓计算胶条的胶宽值、断胶位置和位置偏移距离,形成检测结果。
与现有技术相比,本发明的有益效果是:本发明的一种基于区域自动阈值分析的涂胶分析方法,通过对原始图像进行卡尺工具处理,利用卡尺工具勾画出多个卡尺区域,每个卡尺区域为一个检测单元,并在在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓,从而能够应对较为复杂光照和较低彩图质量的图像,且采用自动阈值分割算法,其分析效果优于单一阈值算法,不需要依赖任何第三方算法库,成本低廉。
附图说明
图1为本发明的一种基于区域自动阈值分析的涂胶分析方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,本发明提供一种技术方案:一种基于区域自动阈值分析的涂胶分析方法,包括以下步骤:
S1,涂胶完成后,首先采用相机对基板进行拍摄,从而采集基板的原始图像,并将原始图像回传给外部工控机作为待检图像,原始图像为灰度图像。
S2,对原始图像进行卡尺工具处理,利用软件界面的卡尺工具根据胶条位置勾画待测区域卡尺,利用卡尺工具勾画出多个卡尺区域,每个卡尺区域为一个检测单元。
S3,对卡尺工具处理后的原始图像进行图像预处理操作,对胶条边缘的阴影进行智能处理,使图像质量提高,然后进行区域阈值自动分割处理,在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓,即利用图像中胶条与基板在灰度上的差异,通过设置一个预设的阈值来把像素级分成若干类,从而分离胶条与基板以获得胶条的轮廓,通过判断图像中每一个像素点的特征属性是否满足阈值的要求,来确定图像中的该像素点是属于胶条区域还是基板区域,从而将灰度图像转换成二值图像。
S4,进行结果提取,利用每个卡尺检测单元提取的胶条轮廓计算胶条的胶宽值、断胶位置和位置偏移距离,形成检测结果,然后进行图像标记,在图像上标记卡尺区域、胶条轮廓、胶条中心点、最大胶宽和最小胶宽的信息,形成图像分析结果,最后返回前端界面显示。
本发明的一种基于区域自动阈值分析的涂胶分析方法,在进行分析时,涂胶完成后,采用相机对基板进行拍摄,从而采集基板的原始图像,并将原始图像回传给外部工控机作为待检图像,原始图像为灰度图像,对原始图像进行卡尺工具处理,利用软件界面的卡尺工具根据胶条位置勾画待测区域卡尺,利用卡尺工具勾画出多个卡尺区域,每个卡尺区域为一个检测单元,对卡尺工具处理后的原始图像进行预处理操作,对胶条边缘的阴影进行智能处理,使图像质量提高,在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓,即利用图像中胶条与基板在灰度上的差异,通过设置一个预设的阈值来把像素级分成若干类,从而分离胶条与基板以获得胶条的轮廓,利用每个卡尺检测单元提取的胶条轮廓计算胶条的胶宽值、断胶位置和位置偏移距离,形成检测结果,在图像上标记卡尺区域、胶条轮廓、胶条中心点、最大胶宽和最小胶宽的信息,形成图像分析结果,最后返回前端界面显示,其分析效果优于单一阈值算法,不需要依赖任何第三方算法库,成本低廉,能够应对较为复杂光照和较低彩图质量的图像。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于区域自动阈值分析的涂胶分析方法,用于检测涂布在基板上的胶条是否存在涂胶失误,其特征在于:包括以下步骤:
S1,涂胶完成后,采集基板的原始图像;
S2,对原始图像进行卡尺工具处理,利用卡尺工具勾画出多个卡尺区域,每个卡尺区域为一个检测单元;
S3,在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓;
S4,在图像上标记卡尺区域、胶条轮廓、胶条中心点的信息,形成图像分析结果。
2.如权利要求1所述的一种基于区域自动阈值分析的涂胶分析方法,其特征在于:所述采集基板的原始图像为采用相机对基板进行拍摄。
3.如权利要求1所述的一种基于区域自动阈值分析的涂胶分析方法,其特征在于:所述原始图像为灰度图像。
4.如权利要求1所述的一种基于区域自动阈值分析的涂胶分析方法,其特征在于:所述自动阈值分割算法具体为:利用图像中胶条与基板在灰度上的差异,通过设置一个预设的阈值来把像素级分成若干类,从而分离胶条与基板以获得胶条的轮廓。
5.如权利要求1所述的一种基于区域自动阈值分析的涂胶分析方法,其特征在于:在每个卡尺检测单元中应用自动阈值分割算法检出胶条轮廓之前,对卡尺工具处理后的原始图像进行预处理操作,使图像质量提高。
6.如权利要求5所述的一种基于区域自动阈值分析的涂胶分析方法,其特征在于:所述预处理操作具体为:对胶条边缘的阴影进行智能处理。
7.如权利要求1所述的一种基于区域自动阈值分析的涂胶分析方法,其特征在于:步骤S4中,图像上还标记有最大胶宽和最小胶宽。
8.如权利要求1所述的一种基于区域自动阈值分析的涂胶分析方法,其特征在于:在图像上标记卡尺区域、胶条轮廓、胶条中心点的信息,形成图像分析结果之前,利用每个卡尺检测单元提取的胶条轮廓计算胶条的胶宽值、断胶位置和位置偏移距离,形成检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910413170.5A CN112037161A (zh) | 2019-05-17 | 2019-05-17 | 一种基于区域自动阈值分析的涂胶分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910413170.5A CN112037161A (zh) | 2019-05-17 | 2019-05-17 | 一种基于区域自动阈值分析的涂胶分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112037161A true CN112037161A (zh) | 2020-12-04 |
Family
ID=73575712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910413170.5A Pending CN112037161A (zh) | 2019-05-17 | 2019-05-17 | 一种基于区域自动阈值分析的涂胶分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037161A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112705421A (zh) * | 2020-12-25 | 2021-04-27 | 深圳市轴心自控技术有限公司 | 一种用于抓边点胶功能的处理*** |
CN114648533A (zh) * | 2022-05-23 | 2022-06-21 | 深圳市元硕自动化科技有限公司 | 凹凸面涂胶效果的检测方法、装置、设备及存储介质 |
CN114782406A (zh) * | 2022-05-21 | 2022-07-22 | 上海贝特威自动化科技有限公司 | 一种基于resnext50深度分割网络的汽车涂胶视觉检测方法 |
CN116777888A (zh) * | 2023-06-30 | 2023-09-19 | 广州高迪机电工程有限公司 | 带角度涂胶时视觉检测***对胶宽的自适应补偿修正方法 |
CN117392053A (zh) * | 2023-08-28 | 2024-01-12 | 上海贝特威自动化科技有限公司 | 一种基于BiSeNetV2双边分割网络的汽车涂胶视觉检测方法 |
CN118071744A (zh) * | 2024-04-19 | 2024-05-24 | 江南数控机床有限公司 | 一种基于图像检测的复合机智能涂胶方法、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866136A (zh) * | 2015-01-21 | 2016-08-17 | 苏州兰叶光电科技有限公司 | 摄像头模组滤光片涂胶检测装置和方法 |
CN106066328A (zh) * | 2016-07-04 | 2016-11-02 | 中国第汽车股份有限公司 | 机器人涂胶质量在线视觉检测装置及方法 |
CN107093183A (zh) * | 2017-04-28 | 2017-08-25 | 东莞职业技术学院 | 一种基于索贝尔边缘检测技术的涂胶路径提取方法 |
CN108537808A (zh) * | 2018-04-08 | 2018-09-14 | 易思维(天津)科技有限公司 | 一种基于机器人示教点信息的涂胶在线检测方法 |
CN108896545A (zh) * | 2018-05-09 | 2018-11-27 | 歌尔股份有限公司 | 涂胶检测方法、装置及计算机可读存储介质 |
CN109030515A (zh) * | 2018-06-08 | 2018-12-18 | 歌尔股份有限公司 | 涂胶的检测方法及装置 |
CN109127194A (zh) * | 2018-08-22 | 2019-01-04 | 广州瑞松北斗汽车装备有限公司 | 汽车涂胶视觉跟随检测方法 |
CN109741334A (zh) * | 2018-11-28 | 2019-05-10 | 恒银金融科技股份有限公司 | 一种通过分块阈值进行图像分割的方法 |
-
2019
- 2019-05-17 CN CN201910413170.5A patent/CN112037161A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105866136A (zh) * | 2015-01-21 | 2016-08-17 | 苏州兰叶光电科技有限公司 | 摄像头模组滤光片涂胶检测装置和方法 |
CN106066328A (zh) * | 2016-07-04 | 2016-11-02 | 中国第汽车股份有限公司 | 机器人涂胶质量在线视觉检测装置及方法 |
CN107093183A (zh) * | 2017-04-28 | 2017-08-25 | 东莞职业技术学院 | 一种基于索贝尔边缘检测技术的涂胶路径提取方法 |
CN108537808A (zh) * | 2018-04-08 | 2018-09-14 | 易思维(天津)科技有限公司 | 一种基于机器人示教点信息的涂胶在线检测方法 |
CN108896545A (zh) * | 2018-05-09 | 2018-11-27 | 歌尔股份有限公司 | 涂胶检测方法、装置及计算机可读存储介质 |
CN109030515A (zh) * | 2018-06-08 | 2018-12-18 | 歌尔股份有限公司 | 涂胶的检测方法及装置 |
CN109127194A (zh) * | 2018-08-22 | 2019-01-04 | 广州瑞松北斗汽车装备有限公司 | 汽车涂胶视觉跟随检测方法 |
CN109741334A (zh) * | 2018-11-28 | 2019-05-10 | 恒银金融科技股份有限公司 | 一种通过分块阈值进行图像分割的方法 |
Non-Patent Citations (2)
Title |
---|
王亚运: "基于机器视觉的机器人涂胶质量在线检测技术研究", 《万方数据知识服务平台》》 * |
马潇: "基于视觉的涂胶检测技术研究", 《万方数据知识服务平台》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112705421A (zh) * | 2020-12-25 | 2021-04-27 | 深圳市轴心自控技术有限公司 | 一种用于抓边点胶功能的处理*** |
CN114782406A (zh) * | 2022-05-21 | 2022-07-22 | 上海贝特威自动化科技有限公司 | 一种基于resnext50深度分割网络的汽车涂胶视觉检测方法 |
CN114648533A (zh) * | 2022-05-23 | 2022-06-21 | 深圳市元硕自动化科技有限公司 | 凹凸面涂胶效果的检测方法、装置、设备及存储介质 |
CN116777888A (zh) * | 2023-06-30 | 2023-09-19 | 广州高迪机电工程有限公司 | 带角度涂胶时视觉检测***对胶宽的自适应补偿修正方法 |
CN116777888B (zh) * | 2023-06-30 | 2024-02-06 | 广州高迪机电工程有限公司 | 带角度涂胶时视觉检测***对胶宽的自适应补偿修正方法 |
CN117392053A (zh) * | 2023-08-28 | 2024-01-12 | 上海贝特威自动化科技有限公司 | 一种基于BiSeNetV2双边分割网络的汽车涂胶视觉检测方法 |
CN118071744A (zh) * | 2024-04-19 | 2024-05-24 | 江南数控机床有限公司 | 一种基于图像检测的复合机智能涂胶方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112037161A (zh) | 一种基于区域自动阈值分析的涂胶分析方法 | |
CN101576956B (zh) | 基于机器视觉的在线字符检测方法和*** | |
CN113221889B (zh) | 一种芯片字符抗干扰识别方法及装置 | |
CN111567989B (zh) | 一种用于测量鞋子刷胶边缘胶线的装置及其测量方法 | |
CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
CN106290382A (zh) | 泡罩药片包装缺陷视觉检测装置及方法 | |
CN111982916A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法及*** | |
CN111179233B (zh) | 基于激光切割二维零部件的自适应纠偏方法 | |
CN107891012B (zh) | 基于等效算法的珍珠大小及圆形度分拣装置 | |
CN111721259A (zh) | 基于双目视觉的水下机器人回收定位方法 | |
CN110646431B (zh) | 涂胶传感器的自动示教方法 | |
CN111489352A (zh) | 一种基于数字图像处理的隧道缝隙检测与测量方法及装置 | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN110261391A (zh) | 一种led芯片外观检测***及方法 | |
CN106383121B (zh) | 一种可自适应多品牌的视觉检测方法及*** | |
CN111191546A (zh) | 基于机器视觉识别的产品智能装配方法 | |
US8315457B2 (en) | System and method for performing multi-image training for pattern recognition and registration | |
CN114445707A (zh) | 瓶装水标签缺陷智能化视觉精细检测方法 | |
CN109583306B (zh) | 一种基于机器视觉的纱管残留纱线检测方法 | |
CN115753791B (zh) | 基于机器视觉的缺陷检测方法、装置以及*** | |
CN112101060A (zh) | 基于平移不变性和小区域模板匹配的二维码定位方法 | |
CN110969357A (zh) | 一种铝合金机加工零件孔洞视觉检测方法 | |
CN109584212B (zh) | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 | |
CN110930393A (zh) | 一种基于机器视觉的芯片料管计数方法、装置及*** | |
CN109345519A (zh) | 基于深度学习yolo算法的线束连接器加工型号检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |