CN113838038B - 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 - Google Patents
一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113838038B CN113838038B CN202111144261.7A CN202111144261A CN113838038B CN 113838038 B CN113838038 B CN 113838038B CN 202111144261 A CN202111144261 A CN 202111144261A CN 113838038 B CN113838038 B CN 113838038B
- Authority
- CN
- China
- Prior art keywords
- carbon fiber
- cloth cover
- fiber cloth
- detection
- image data
- 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
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
- G06T7/13—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
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Treatment Of Fiber Materials (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种碳纤维布面疵点检测方法、装置、电子设备和存储介质,检测方法包括以下步骤,设置监控区域,在线采集碳纤维布面视频图像并提取每一帧图片,通过预设算法将检测相机采集的彩色图像数据转换成灰度图像数据,在每一副灰度图像数据中根据预设宽度沿第二方向分成多个检测区域,并计算出每个检测区中所有像素点的平均灰度值,对一幅图片中多个检测区域中的所有像素点灰度值进行基于该像素点所在检测区域的平均灰度值的阈值分割,筛选出符合条件的边界点,再对由连续边界点构成的选定区域筛选出符合条件的布面疵点;通过电子设备实现对碳纤维布面疵点的在线智能检测,提高检测精度,同时节省了大量的人力物力。
Description
技术领域
本发明涉及碳纤维生产技术领域,尤其涉及一种碳纤维布面疵点检测方法、装置、电子设备和存储介质。
背景技术
碳纤维经过拉丝工艺形成碳纤维原丝,若干碳纤维原丝合并在一起并经过碳化工艺形成可供织布的碳纤维纱线。但是在碳化过程、以及其他生产环节会出现个别碳纤维纱线局部破损的情况,在碳纤维纱线的纺织过程中,还会因为机械故障、人工操作失误以及生产环境等因素干扰,使碳纤维布面不可避免的产生缺陷。
其中,在黑色碳纤维布面上的黑色疵点很难依赖人工进行检测,不适合自动化程度较高的碳纤维生产线,通过人工对生产出的碳纤维布面上的疵点检测,不仅检出率很低,还会造成不必要的人力、物力的浪费。
鉴于上述问题的存在,本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识,积极加以研究创新,以期创设一种碳纤维布面疵点检测方法、装置、电子设备和存储介质,使其更具有实用性。
发明内容
本发明的目的就是针对现有技术中存在的缺陷提供一种碳纤维布面疵点检测方法、装置、电子设备和存储介质,实现对碳纤维布面上疵点的在线实时检测。
为了达到上述目的,本发明所采用的技术方案是:一种碳纤维布面疵点检测方法,包括以下步骤:
S1:设置监控区域,实时采集经过的碳纤维布面视频图像;
S2:提取视频图像中的每一帧图片,将每一图片的彩色图像数据f转化为灰度图像数据g并存储;
S3:将灰度图像数据等分出k个检测区域;
S4:计算出该图片中每个所述检测区域的平均灰度值gk;
S5:对检测区域中所有像素点的灰度值基于对应所述检测区域的平均灰度值gk进行阈值分割,并筛选出边界点;
S6:提取所有边界点的坐标,并根据其连续性判定是否为疵点。
进一步的,在步骤S2中,通过预设算法提取每一图片中所有像素点的灰度值,具体通过如下公式得到灰度图像数据:
g=0.299*R+0.587*G+0.114*B;
其中,g表示计算处理得出的像素点的灰度值,R、G、B分别表示该像素点的三原色数值。
进一步的,在步骤S1中,当监控区域设置完成后,通过检测相机采集碳纤维布面的图片,确定每一碳纤维纱线的线宽在图片中占据的像素点个数,并设该比例参数为p;
设定碳纤维布面中经纱的长度方向为第一方向,第二方向与所述第一方向垂直设置,所述检测区域由灰度图像数据沿所述第二方向以预设宽度等分获得。
进一步的,所述预设宽度通过所述第二方向上的多个像素点确定,设定所述预设宽度在第二方向上的像素点个数为q,其中,q=α*p,α表示疵点在第二方向上的长度与经纱线宽的最小长宽比,α的取值为3或者4。
进一步的,在步骤S4中,通过如下公式计算所述检测区域的平均灰度值gk;
gk=∑g/(w*q);
其中,w表示所述检测区域沿所述第一方向的像素点个数。
进一步的,在步骤S5中,将灰度图像数据中的所有像素点放入坐标系中,x轴沿第一方向设置,y轴沿第二方向设置,g(x,y)表示第y行,第x列的像素点灰度值;
将灰度图像数据中所有像素点进行阈值分割,通过预设条件算法:g(x,y)≤gk*0.85,历遍所有像素点,且满足上述条件算法的像素点为边界点。
进一步的,在步骤S6中,在由坐标系构成的灰度图像数据中,提取有连续边界点形成的多个选定区域,当任一选定区域中,在x轴方向和y轴方向上的边界点均都连续超过q个时,则判定该选定区域表示一个疵点。
一种碳纤维布面疵点检测装置,包括:
输送模块,用于碳纤维布的输送;
摄像模块,用于实时采集经过的碳纤维图像;
检测模块,对采集的碳纤维图像进行处理并筛查出布面疵点。
一种电子设备,包括存储器、处理器以及存储在存储器上并可以在处理器上运行计算机程序,所述处理器执行所述计算机程序时,实现上述碳纤维布面疵点检测方法。
一种存储介质,其上存储有计算机程序,该计算机程序处理器执行时实现上述碳纤维布面疵点检测方法。
本发明的有益效果为:
在本发明中,通过预设算法将检测相机采集的彩色图像数据转换成灰度图像数据,在每一副灰度图像数据中根据预设宽度沿第二方向分成多个检测区域,并计算出每个检测区中所有像素点的平均灰度值,对一幅图片中多个检测区域中的所有像素点灰度值进行基于该像素点所在检测区域的平均灰度值的阈值分割,筛选出符合条件的边界点,再对由连续边界点构成的选定区域筛选出符合条件的布面疵点;通过电子设备实现对碳纤维布面疵点的在线智能检测,提高检测精度,同时节省了大量的人力物力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有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发明中记载的一些实施例,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为本发明实施例中碳纤维布面疵点检测方法的流程框架示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明公开的一种碳纤维布面疵点检测方法,用于碳纤维生产过程中在线检测碳纤布面上的疵点,具体检测过程中,碳纤维布面和疵点都是黑色的,需要向碳纤布面打光,使疵点在采集图像中与碳纤布面之间显出差异,但在向碳纤布面打光过程中,使疵点显现的同时还会使布面上出现一些干扰点,因此需要通过预设算法提取出疑似疵点的像素点,同时过滤掉干扰点,最后筛选出疵点区域。
具体的,如图1所示的检测流程框架图,包括以下步骤:S1:设置监控区域,实时采集经过的碳纤维布面视频图像;S2:提取视频图像中的每一帧图片,将每一图片的彩色图像数据f转化为灰度图像数据g并存储;S3:将灰度图像数据等分出k个检测区域;S4:计算出该图片中每个检测区域的平均灰度值gk;S5:对检测区域中所有像素点的灰度值基于对应检测区域的平均灰度值gk进行阈值分割,并筛选出边界点;S6:提取所有边界点的坐标,并根据其连续性判定是否为疵点。
在上述步骤S1中,在设置监控区域过程中,需要在监控区域设置光源并在碳纤布面的上下两侧均设置反光板,通过反光板将光线折射至碳纤布面的上下两侧,通过检测相机对经过的碳纤布面的两侧进行图像采集。
在开启检测***配合碳纤维生产检测时,需要调整监控区域中检测相机与碳纤维布面之间的距离,并采集碳纤布面的图片,而后通过预采集到的图片生成比例参数p。
具体的,在步骤S1中,当监控区域设置完成后,通过检测相机采集碳纤维布面的图片,确定每一碳纤维纱线的线宽在图片中占据的像素点个数,并设该比例参数为p;同时设定碳纤维布面中经纱的长度方向为第一方向,第二方向与第一方向垂直设置,检测区域由灰度图像数据沿第二方向以预设宽度等分获得。
在通过预设算法对图片像素点进行预处理后,能够得到图片的灰度图像数据,其中不仅显现出疵点,还有干扰点。本发明将多有像素点的灰度值与其所在的部分区域的平均灰度值进行比对,筛选出疵点以及干扰点的像素点。通过将整个灰度图像数据分成多个,能够使用于比对的平均灰度值更精确。
具体的,灰度图像数据沿第二方向以预设宽度等分出多个检测区域,预设宽度通过第二方向上的多个像素点确定,设定预设宽度在第二方向上的像素点个数为q,其中,q=α*p,α表示疵点在第二方向上的长度与经纱线宽的最小长宽比,α的取值为3或者4。
进一步计算每一检测区域的平均灰度值gk,对每一检测区域都需要将检测区域中所有像素点的灰度值累加后再均分至每一像素点,获得平均灰度值gk,在实施过程中,在上述步骤S4中,通过如下公式计算检测区域的平均灰度值gk;gk=∑g/(w*q);其中,w表示检测区域沿第一方向的像素点个数。
在对每一帧图片转换成灰度图像数据的同时对图片中的所有像素点建立坐标系并标记每一个像素点g(x,y),在步骤S5中,将灰度图像数据中的所有像素点放入坐标系中,x轴沿第一方向设置,y轴沿第二方向设置,g(x,y)表示第y行,第x列的像素点灰度值;
将灰度图像数据中所有像素点进行阈值分割,通过预设条件算法:g(x,y)≤gk*0.85,历遍所有像素点,且满足上述条件算法的像素点为边界点。
在本发明中,通过预设算法筛选出构成疵点以及干扰点的像素点,统称为边界点,具体对一幅图片中多个检测区域中的所有像素点灰度值进行基于该像素点所在检测区域的平均灰度值的阈值分割,筛选出边界点。
将整幅灰度图像数据分成多个检测区域,能够使用于阈值分割的平均灰度数据更加精确,筛选出边界点也更加准确。在建立坐标系时是基于整幅图像的所有像素点,能够将多个检测区域边缘位置的边界点彼此联系起来,进行最后一步中疵点的筛选确认。
具体的,在步骤S6中,在由坐标系构成的灰度图像数据中,提取有连续边界点形成的多个选定区域,当任一选定区域中,在x轴方向和y轴方向上的边界点均都连续超过q个时,则判定该选定区域表示一个疵点。
上述检测方法的具体实施过程中,若在预采集图片中,确定每一碳纤维纱线的线宽在图片中占据1个像素点,疵点在第二方向上的长度与经纱线宽的最小长宽比α设置为3,取小值使检测结果更准确,此时预设宽度占据3个像素点,gk=∑g/(w*3)。且疵点的判定标准为,在x轴方向和y方向上均有连续的3个边界点以上。
在本发明步骤S2中,通过预设算法提取每一图片中所有像素点的灰度值,具体通过如下公式得到灰度图像数据:g=0.299*R+0.587*G+0.114*B;
其中,g表示计算处理得出的像素点的灰度值,R、G、B分别表示该像素点的三原色数值。
本发明还公开了一种碳纤维布面疵点检测装置,包括:输送模块,用于碳纤维布的输送;摄像模块,用于实时采集经过的碳纤维图像;检测模块,对采集的碳纤维图像进行处理并筛查出布面疵点。
一种电子设备,包括存储器、处理器以及存储在存储器上并可以在处理器上运行计算机程序,处理器执行计算机程序时,实现上述碳纤维布面疵点检测方法。
以及一种存储介质,其上存储有计算机程序,该计算机程序处理器执行时实现上述碳纤维布面疵点检测方法。
程框架图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备获取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种碳纤维布面疵点检测方法,其特征在于,包括以下步骤:
S1:设置监控区域,实时采集经过的碳纤维布面视频图像;
S2:提取视频图像中的每一帧图片,将每一图片的彩色图像数据f转化为灰度图像数据g并存储;
S3:将灰度图像数据等分出k个检测区域;
S4:计算出该图片中每个所述检测区域的平均灰度值gk;
S5:对检测区域中所有像素点的灰度值基于对应所述检测区域的平均灰度值gk进行阈值分割,并筛选出边界点;
S6:提取所有边界点的坐标,并根据其连续性判定是否为疵点;
在步骤S1中,当监控区域设置完成后,通过检测相机采集碳纤维布面的图片,确定每一碳纤维纱线的线宽在图片中占据的像素点个数,并设比例参数为p;
设定碳纤维布面中经纱的长度方向为第一方向,第二方向与所述第一方向垂直设置,所述检测区域由灰度图像数据沿所述第二方向以预设宽度等分获得;
所述预设宽度通过所述第二方向上的多个像素点确定,设定所述预设宽度在第二方向上的像素点个数为q,其中,q=α*p,α表示疵点在第二方向上的长度与经纱线宽的最小长宽比,α的取值为3或者4;
在步骤S5中,基于整幅图像的所有检测区域建立坐标系,将灰度图像数据中的所有像素点放入坐标系中,x轴沿第一方向设置,y轴沿第二方向设置,g(x,y)表示第y行,第x列的像素点灰度值;
将灰度图像数据中所有像素点进行阈值分割,通过预设条件算法:g(x,y)≤gk*0.85,历遍所有像素点,且满足上述条件算法的像素点为边界点;
在步骤S6中,在由坐标系构成的灰度图像数据中,提取有连续边界点形成的多个选定区域,当任一选定区域中,在x轴方向和y轴方向上的边界点均都连续超过q个时,则判定该选定区域表示一个疵点。
2.根据权利要求1所述的一种碳纤维布面疵点检测方法,其特征在于,在步骤S2中,通过预设算法提取每一图片中所有像素点的灰度值,具体通过如下公式得到灰度图像数据:
g=0.299*R+0.587*G+0.114*B;
其中,g表示计算处理得出的像素点的灰度值,R、G、B分别表示该像素点的三原色数值。
3.根据权利要求1所述的一种碳纤维布面疵点检测方法,其特征在于,在步骤S4中,通过如下公式计算所述检测区域的平均灰度值gk;
gk=∑g/(w*q);
其中,w表示所述检测区域沿所述第一方向的像素点个数。
4.一种碳纤维布面疵点检测装置,采用上述权利要求1-3任一项所述的碳纤维布面疵点检测方法,其特征在于,包括:
输送模块,用于碳纤维布的输送;
摄像模块,用于实时采集经过的碳纤维图像;
检测模块,对采集的碳纤维图像进行处理并筛查出布面疵点。
5.一种电子设备,包括存储器、处理器以及存储在存储器上并可以在处理器上运行计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现根据权利要求1-3中任一项所述的碳纤维布面疵点检测方法。
6.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序处理器执行时实现根据权利要求1-3中任一项所述的碳纤维布面疵点检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144261.7A CN113838038B (zh) | 2021-09-28 | 2021-09-28 | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111144261.7A CN113838038B (zh) | 2021-09-28 | 2021-09-28 | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113838038A CN113838038A (zh) | 2021-12-24 |
CN113838038B true CN113838038B (zh) | 2022-08-02 |
Family
ID=78967102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111144261.7A Active CN113838038B (zh) | 2021-09-28 | 2021-09-28 | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113838038B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677337B (zh) * | 2022-03-11 | 2022-10-04 | 常州市新创智能科技有限公司 | 一种碳纤维布面的油污检测方法及装置 |
CN115115635B (zh) * | 2022-08-30 | 2022-11-15 | 江苏万喜登家居科技有限公司 | 用于纺织品漂白工艺的漂白质量识别方法 |
TWI836945B (zh) * | 2023-03-27 | 2024-03-21 | 安能聚綠能股份有限公司 | 再生碳纖維裁切分篩及分析方法 |
CN116109642B (zh) * | 2023-04-13 | 2023-06-20 | 新创碳谷集团有限公司 | 一种碳纤维断丝缺陷检测方法、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012152336A1 (en) * | 2011-05-12 | 2012-11-15 | Centre De Visió Per Computador (Cvc) | Method for detecting defects on yarns |
CN109035195B (zh) * | 2018-05-08 | 2021-11-30 | 武汉纺织大学 | 一种织物疵点检测方法 |
CN110687119A (zh) * | 2018-07-04 | 2020-01-14 | 东腾投资集团有限公司 | 一种缺陷检测方法、***与装置、计算机可读存储介质 |
CN112365448B (zh) * | 2020-10-20 | 2022-08-30 | 天津大学 | 一种经编织造过程中的织物疵点检测方法 |
-
2021
- 2021-09-28 CN CN202111144261.7A patent/CN113838038B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113838038A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113838038B (zh) | 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质 | |
CN113724241B (zh) | 一种碳纤维经编织物的毛丝检测方法、装置和存储介质 | |
US20090202172A1 (en) | Image Inspection Apparatus, Image Inspection Method and Computer Program | |
CN114842016B (zh) | 一种基于计算机视觉的消防水带缺陷检测方法及*** | |
CN113592867B (zh) | 一种基于碳纤维布面残留捆绑纱的检测方法 | |
CN105158258A (zh) | 一种基于计算机视觉的竹条表面缺陷检测方法 | |
CN115131348B (zh) | 一种纺织品表面缺陷的检测方法及*** | |
CN115330784B (zh) | 一种布匹表面缺陷检测方法 | |
CN113870233B (zh) | 一种捆绑纱检测方法、计算机设备及存储介质 | |
CN114782416B (zh) | 基于图像识别的纺织品质量检测方法及*** | |
CN113724257A (zh) | 一种碳板灰色污点检测方法、计算机设备及存储介质 | |
CN113592868B (zh) | 一种玻纤布面黑灰检测方法 | |
CN116109642B (zh) | 一种碳纤维断丝缺陷检测方法、设备及存储介质 | |
CN115861310B (zh) | 一种床单表面纺织缺陷检测方法 | |
CN115330770B (zh) | 一种布匹区域类疵点识别方法 | |
CN113785181A (zh) | Oled屏幕点缺陷判定方法、装置、存储介质及电子设备 | |
JP2005165387A (ja) | 画面のスジ欠陥検出方法及び装置並びに表示装置 | |
CN110349133B (zh) | 物体表面缺陷检测方法、装置 | |
CN112488986A (zh) | 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及*** | |
CN114913180B (zh) | 一种棉布筘痕缺陷的智能检测方法 | |
CN116563223A (zh) | 一种玻纤纱线绕罗拉检测方法、设备及存储介质 | |
JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
KR20140082333A (ko) | 평판디스플레이의 얼룩 검사 방법 및 장치 | |
JPH08145907A (ja) | 欠陥検査装置 | |
JP2014106141A (ja) | 欠陥検査装置、及び欠陥検査方法 |
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 |