CN115457035A - 基于机器视觉的建筑吊篮焊接质量检测方法 - Google Patents
基于机器视觉的建筑吊篮焊接质量检测方法 Download PDFInfo
- Publication number
- CN115457035A CN115457035A CN202211401697.4A CN202211401697A CN115457035A CN 115457035 A CN115457035 A CN 115457035A CN 202211401697 A CN202211401697 A CN 202211401697A CN 115457035 A CN115457035 A CN 115457035A
- Authority
- CN
- China
- Prior art keywords
- gray
- suspected
- value
- area
- image
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 74
- 238000010276 construction Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 230000007547 defect Effects 0.000 claims abstract description 141
- 230000011218 segmentation Effects 0.000 claims abstract description 97
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 239000011148 porous material Substances 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 17
- 238000012545 processing Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
-
- 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
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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 Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了基于机器视觉的建筑吊篮焊接质量检测方法,涉及图像处理领域,该方法包括:获取焊缝图像的灰度图像;利用拟合曲线中相邻波谷的中心列将灰度图像分割为多个图像块;利用波谷列中疑似缺陷点的灰度值和波谷列的灰度均值得到图像块中疑似气孔缺陷的直径;利用目标像素点的灰度值得到对应的每个像素点的疑似缺陷概率;获取每个灰度值的异常概率;利用灰度值的异常概率的差异得到多个疑似分割阈值;利用每个疑似分割阈值的分割权值和类间方差得到最佳分割阈值;利用目标区域与背景区域的灰度差值确定目标区域是否为气孔缺陷区域进而确定焊接质量是否合格,本发明提高了焊接质量检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于机器视觉的建筑吊篮焊接质量检测方法。
背景技术
建筑吊篮用于高层建筑的外墙施工、幕墙安装和维修清洗外墙类高空作业中,因此建筑吊篮的质量是保证施工安全的关键。现今建筑吊篮在生产过程中多使用自动激光焊接机器人完成工件之间的焊接工作,而激光焊接中比较容易出现的焊缝缺陷为气孔缺陷,因此为了保障建筑吊篮的焊接质量需要对建筑吊篮的焊缝进行快速精准的气孔缺陷检测。
传统的获取焊接缺陷的方法为利用Otsu大津法进行缺陷区域分割,利用大津法对焊接图像分割需要逐一遍历图像内的所有灰度级,计算以各灰度级为分割阈值下的类间方差,取最大类间方差对应的灰度级为最佳分割阈值,由于焊缝图像内缺陷区域面积往往比较微小,标准的大津法求取的最佳分割阈值会偏向于焊缝图像内的正常区域,导致缺陷区域误分,得到的缺陷检测结果不准确,进而导致无法得到准确的焊接质量,因此,本发明提出基于机器视觉的建筑吊篮焊接质量检测方法。
发明内容
本发明提供基于机器视觉的建筑吊篮焊接质量检测方法,以解决现有的问题。
本发明的基于机器视觉的建筑吊篮焊接质量检测方法,采用如下技术方案:
获取焊缝图像的灰度图像;对灰度图像中每一列的灰度均值进行曲线拟合得到拟合曲线,利用拟合曲线中相邻波谷的中心列将灰度图像分割为多个图像块;
将拟合曲线中波谷所在列记为波谷列,将每个波谷列中的最小灰度值对应的像素点作为疑似缺陷圆心点;利用疑似缺陷圆心点的灰度值以及所在波谷列中像素点的灰度值得到疑似缺陷圆心点所在图像块中疑似气孔缺陷的直径;
利用图像块中疑似气孔缺陷的直径得到图像块中每个像素点对应的多个目标像素点,利用目标像素点的灰度值得到对应的每个像素点的疑似缺陷概率;利用灰度图像中每个灰度值对应的所有像素点的疑似缺陷概率得到每个灰度值的异常概率;
利用相邻灰度值的异常概率的差异得到多个疑似分割阈值,以及每个疑似分割阈值的分割权值;
利用每个疑似分割阈值的分割权值以及每个疑似分割阈值作为分割阈值时的类间方差从疑似分割阈值中确定出最佳分割阈值;利用最佳分割阈值分割灰度图像得到目标区域和背景区域;
利用目标区域与背景区域的灰度差值确定目标区域是否为气孔缺陷区域,利用气孔缺陷区域的面积和灰度图像的面积得到焊接质量是否合格。
进一步,利用相邻灰度值的异常概率的差异得到多个疑似分割阈值的步骤包括:
将灰度图像中所有的灰度值按照从小到大的顺序排列,获取相邻灰度值的异常概率的概率差异;
获取所有相邻灰度值得到的概率差异的差异均值;
将所有大于差异均值的概率差异对应的相邻灰度值中值较小的灰度值作为疑似分割阈值。
进一步,利用目标区域与背景区域的灰度差值确定目标区域是否为气孔缺陷区域的步骤包括:
利用无缺陷焊缝图像得到的目标区域与背景区域的灰度差值得到缺陷阈值;
利用目标区域与背景区域的灰度差值和缺陷阈值确定目标区域是否为气孔缺陷区域。
进一步,得到每个疑似分割阈值的分割权值的步骤包括:
获取每个疑似分割阈值对应的相邻灰度值的概率差异;
获取所有的疑似分割阈值对应的相邻灰度值的概率差异的差异和值;
将每个疑似分割阈值对应的概率差异与差异和值的比值作为每个疑似分割阈值的分割权值。
进一步,得到每个像素点的疑似缺陷概率的步骤包括:
获取像素点与每个目标像素点的灰度差值;
对得到的灰度差值求均值得到像素点的疑似缺陷概率。
进一步,得到每个灰度值的异常概率的步骤包括:
获取每个灰度值对应的所有像素点的疑似缺陷概率;
对每个灰度值对应的所有像素点的疑似缺陷概率求均值得到每个灰度值的异常概率。
进一步,得到最佳分割阈值的步骤包括:
获取每个疑似分割阈值的类间方差与对应的分割权值的乘积;
将最大乘积对应的疑似分割阈值作为最佳分割阈值。
进一步,得到图像块中每个像素点的目标像素点的步骤包括:
获取图像块中与像素点距离为该图像块的疑似气孔缺陷的直径的多个目标像素点,作为像素点对应的多个目标像素点。
进一步,利用疑似缺陷圆心点的灰度值以及疑似缺陷圆心点所在波谷列像素点的灰度值得到波谷列所在图像块中疑似气孔缺陷的直径的步骤包括:
获取疑似缺陷圆心点沿着所在波谷列向上连续相邻且灰度值小于波谷列灰度均值的上侧连续像素点;
获取疑似缺陷圆心点沿着所在波谷列向下连续相邻且灰度值小于波谷列灰度均值的下侧连续像素点;
利用距离疑似缺陷点最远的上侧连续像素点和下侧连续像素点之间的长度得到疑似缺陷圆心点所在的图像块中疑似气孔缺陷的直径。
进一步,利用气孔缺陷区域的面积和灰度图像的面积得到焊接质量是否合格的步骤包括:
获取气孔缺陷区域的面积与灰度图像面积的比值;
若气孔缺陷区域的面积与灰度图像面积的比值大于设定焊接质量阈值,则该焊接质量不合格;
若气孔缺陷区域的面积与灰度图像面积的比值小于等于设定焊接质量阈值,则该焊接质量合格。
本发明的有益效果是:本发明的基于机器视觉的建筑吊篮焊接质量检测方法,利用灰度图像中列灰度均值的拟合曲线的波谷将灰度图像分为多个图像块,实现了对焊缝图像的灰度图像的自适应分块处理,将可能出现的气孔缺陷分别分到了同一个图像块,方便后续计算;获取所有像素点为气孔缺陷的疑似缺陷概率,得到每个灰度值的异常概率,进而得到多个疑似分割阈值,只对疑似分割阈值进行大津法的类间方差计算,得到最终的最佳分割阈值,相对于传统的大津法阈值分割需要遍历图像中所有的灰度级,本发明实现了对大津法遍历阈值范围的限定,减少了计算量;并且由于气孔缺陷区域的面积较小,传统的大津法求取的最佳分割阈值会偏向于灰度值较小的焊缝的正常区域,导致缺陷区域误分,本方案中利用疑似分割阈值的分割权值,对标准的Otsu大津法进行加权,并且利用灰度值的异常概率确定了疑似分割阈值,提高了算法对缺陷区域分割的精准度,能够得到准确的气孔缺陷区域,进而准确的确定焊接质量是否合格。
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为本发明的基于机器视觉的建筑吊篮焊接质量检测方法的实施例总体步骤的流程图。
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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的基于机器视觉的建筑吊篮焊接质量检测方法的实施例,如图1所示,该方法包括:
S1、获取焊缝图像的灰度图像;对灰度图像中每一列的灰度均值进行曲线拟合得到拟合曲线,利用拟合曲线中相邻波谷的中心列将灰度图像分割为多个图像块。
具体的,利用相机俯视采集位于激光焊接工作平台上的建筑吊篮的焊接前的图像以及焊接后的图像,将焊接前的图像作为背景图像,利用背景图像和焊接后的图像进行图像差分得到焊接后的图像的焊缝图像,对焊缝图像进行灰度化处理得到焊缝图像的灰度图像。
焊缝表面的气孔缺陷是激光焊接中比较容易出现的缺陷,在焊缝图像的灰度图像内气孔缺陷往往偏黑具有圆形轮廓,且气孔缺陷在沿激光焊接方向上,即在灰度图像的横向上无序分布,在垂直于激光焊接的方向上,即纵列上,每个纵列往往只存在一个气孔缺陷,一个纵列的气孔缺陷是不完整的,多个纵列中包含同一个气孔缺陷。因此需要先对焊缝图像进行分块处理,尽量令气孔缺陷单独处于一个图像块内,提高气孔缺陷检测的准确性。
灰度图像内气孔缺陷的灰度值相对于正常像素点较小,且气孔缺陷接近于圆形,因此灰度图像内无缺陷的列像素点灰度值的均值相似,而含有缺陷的列像素点灰度值的均值较小,且随着含有缺陷的列逐渐接近气孔缺陷的圆心,列中缺陷像素点逐渐变多,即列像素点灰度值的均值逐渐变小。
具体的,获取焊缝图像的灰度图像中每一列的像素点的灰度均值,利用每一列的灰度均值进行曲线拟合得到拟合曲线,拟合曲线的横坐标为灰度图像中的每一列,纵坐标为每一列的灰度均值。
从左至右统计拟合曲线上波谷的横坐标,波谷的横坐标表示各疑似气孔缺陷的圆心所在列,获取拟合曲线上每两个相邻波谷的中心列,利用中心列分割灰度图像得到多个图像块,令各疑似气孔缺陷分别位于同一个图像块中,令中心列属于左侧图像块。
S2、将拟合曲线中波谷所在列记为波谷列,将每个波谷列中的最小灰度值对应的像素点作为疑似缺陷圆心点;利用疑似缺陷圆心点的灰度值以及所在波谷列中像素点的灰度值得到疑似缺陷圆心点所在图像块中疑似气孔缺陷的直径。
具体的,将拟合曲线中波谷所在列记为波谷列,波谷列表示图像块内疑似气孔缺陷的圆心所在列,因为气孔缺陷像素点的灰度值较小,所以获取每个波谷列中的最小灰度值对应的像素点作为疑似缺陷圆心点。
获取每个波谷列中像素点的灰度均值,分别在每个波谷列中,以疑似缺陷圆心点
为中心点,沿着波谷列上下两侧遍历获取连续小于该疑似缺陷圆心点所在波谷列的灰度均
值的所有像素点,直到遍历到大于等于波谷列的灰度均值的像素点,遍历终止,得到的该波
谷列的疑似缺陷圆心点上侧连续像素点和下侧连续像素点,获取距离疑似缺陷圆心点最远
的上侧遍历终点,波谷列的下侧遍历终点,将上侧遍历终点和下侧遍历终点之间的距
离作为该疑似缺陷圆心点所在的疑似气孔缺陷的直径,即该疑似缺陷圆心点所在的图像块
中疑似气孔缺陷的直径。
S3、利用图像块中疑似气孔缺陷的直径得到图像块中每个像素点对应的多个目标像素点,利用目标像素点的灰度值得到对应的每个像素点的疑似缺陷概率。
具体的,获取每个图像块中距离每个像素点为该图像块的疑似气孔缺陷的直径的多个像素点作为对应的像素点的目标像素点,用于计算每个像素点位于疑似气孔缺陷中的概率,记为每个像素点的疑似缺陷概率。
获取每个像素点与对应的每个目标像素点的灰度差值,对得到的灰度差值求均值得到像素点的疑似缺陷概率,具体计算每个像素点的疑似缺陷概率的公式为:
其中,表示坐标为的像素点的疑似缺陷概率;表示坐标
为的像素点的灰度值;表示该像素点所在图像块的疑似气孔缺陷的直径;;表示位于像素点八个方向上距离为的像素点,即像素点的目标像素点;表示位于像素点八个方向上距离为的像素点的灰度值,即目标像素点的灰度值。由于气孔缺陷在
图像上表现为圆形,即当坐标为的像素点处于气孔缺陷内时,则该像素点八方向上
距离为该气孔缺陷直径E的像素点应都为正常像素点,故该像素点与八方向上距离为E的像
素点灰度差异较大,即其较大。而当坐标为的像素点不处于气孔缺陷内时,
即该像素点为正常像素点,则该像素点八方向上距离为该气孔缺陷直径E的像素点中只有
少部分像素点为缺陷像素点,大部分像素点应为正常像素点,即其较小。因此的值越大,说明坐标为的像素点为疑似气孔缺陷像素点的概率越大。
S4、利用灰度图像中每个灰度值对应的所有像素点的疑似缺陷概率得到每个灰度值的异常概率。
具体的,统计灰度图像的灰度直方图,获取灰度直方图中的所有灰度值对应的像素点,获取每个灰度值对应的所有像素点的疑似缺陷概率,对每个灰度值对应的所有像素点的疑似缺陷概率求均值得到每个灰度值的异常概率。
S5、利用相邻灰度值的异常概率的差异得到多个疑似分割阈值,以及每个疑似分割阈值的分割权值;利用每个疑似分割阈值的分割权值以及每个疑似分割阈值作为分割阈值时的类间方差从疑似分割阈值中确定出最佳分割阈值。
具体的,在灰度直方图中依次获取相邻灰度值的异常概率的差异,即灰度值从小到大排列时,获取相邻灰度值的异常概率的概率差异(此处的概率差异为两者概率差值的绝对值),概率差异越大,该概率差异对应的相邻灰度值为分割阈值的概率越大;获取所有相邻灰度值得到的概率差异的差异均值;将所有大于差异均值的疑似缺陷概率对应的相邻灰度值中值较小的灰度值作为疑似分割阈值。
获取每个疑似分割阈值对应的相邻灰度值的概率差异,并获取所有的疑似分割阈值对应的相邻灰度值的概率差异的差异和值,将每个疑似分割阈值对应的概率差异与差异和值的比值作为每个疑似分割阈值的分割权值。
根据每个疑似分割阈值的分割权值和类间方差得到最终的类间方差,具体计算最终的类间方差的公式为:
其中,表示第个疑似分割阈值的最终的类间方差;表示第个疑似分
割阈值,为Otsu大津法的遍历阈值,遍历阈值的选取范围为所有的疑似分割阈值;为标准的Otsu算法求取类间方差的公式;表示灰度
图像中灰度值小于等于的像素点占灰度图像总像素点的比例; 表示灰度图像内
灰度值小于等于的像素点的灰度均值, 表示灰度图像内灰度值大于的像素点
占图像总像素点的比例, 表示灰度图像内灰度值大于的像素点的灰度均值;为第个疑似分割阈值的分割权值,表示第个疑似分割阈值对应的相邻灰度值
的概率差异;为所有的疑似分割阈值对应的相邻灰度值的概率差异的差异和值,其
值越大,阈值为分割阈值的概率越大。
标准的Otsu算法也称最大类间方差法,其使用穷举法逐一遍历灰度图像内的所有灰度级,计算以各灰度级为分割阈值下的类间方差,取最大类间方差对应的灰度级为最佳分割阈值,其运算量较大,本方案中根据焊缝区域的气孔缺陷的特征,计算各像素点的疑似缺陷概率,进而选取最有可能为分割阈值的疑似分割阈值,以减少算法的运算量。并且由于焊缝图像内缺陷区域面积往往比较微小,因此标准的Otsu算法求取的最佳分割阈值会偏向于正常区域,导致缺陷区域误分,本方案中利用疑似分割阈值对应的相邻两灰度值的异常概率的概率差异为分割权值,对标准的Otsu算法进行加权,提高算法缺陷区域分割的精准度。
分别计算每个疑似分割阈值对应的最终的类间方差,选取最大的最终类间方差对应的疑似分割阈值为最佳分割阈值。
S6、利用最佳分割阈值分割灰度图像得到目标区域和背景区域;利用目标区域与背景区域的灰度差值确定目标区域是否为气孔缺陷区域,利用气孔缺陷区域的面积和灰度图像的面积得到焊接质量是否合格。
具体的,令灰度图像内灰度值小于等于最佳分割阈值的像素点为目标像素点,令灰度图像内灰度值大于最佳分割阈值的像素点为背景像素点,得到灰度图像内的目标区域和背景区域,目标区域为疑似气孔缺陷区域。
选取一张无缺陷的焊缝图像,获取无缺陷焊缝图像的灰度图像中的目标区域与背景区域,并获取目标区域和背景区域的像素点灰度均值的差值R,设定缺陷阈值为1.3R。
若灰度图像中背景区域与目标区域的像素点的灰度均值的差值大于1.3R,则判断当前灰度图像内分割的目标区域为气孔缺陷区域,否则判断当前灰度图像内无气孔缺陷。
获取气孔缺陷区域的面积与灰度图像面积的比值;若气孔缺陷区域的面积与灰度
图像面积的比值大于设定焊接质量阈值,则说明气孔缺陷面积在焊缝上占比较大,焊缝
质量太差,需要将当前焊缝敲掉重新焊接工件,焊接质量不合格;若气孔缺陷区域的面积与
灰度图像面积的比值小于等于设定焊接质量阈值,则说明气孔缺陷面积在焊缝上占比
较小,对焊缝质量的影响较小,可以根据气孔缺陷在焊缝图像内的坐标位置进行补焊修复,
可修复表明焊接质量一般,可认为焊接质量合格。
综上所述,本发明提供基于机器视觉的建筑吊篮焊接质量检测方法,利用灰度图像中列灰度均值的拟合曲线的波谷将灰度图像分为多个图像块,实现了对焊缝图像的灰度图像的自适应分块处理,将可能出现的气孔缺陷分别分到了同一个图像块,方便后续计算;获取所有像素点为气孔缺陷的疑似缺陷概率,得到每个灰度值的异常概率,进而得到多个疑似分割阈值,只对疑似分割阈值进行大津法的类间方差计算,得到最终的最佳分割阈值,相对于传统的大津法阈值分割需要遍历图像中所有的灰度级,本发明实现了对大津法遍历阈值范围的限定,减少了计算量;并且由于气孔缺陷区域的面积较小,传统的大津法求取的最佳分割阈值会偏向于灰度值较小的焊缝的正常区域,导致缺陷区域误分,本方案中利用疑似分割阈值的分割权值,对标准的Otsu大津法进行加权,并且利用灰度值的异常概率确定了疑似分割阈值,提高了算法对缺陷区域分割的精准度,能够得到准确的气孔缺陷区域,进而确定焊接质量。
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、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于:
获取焊缝图像的灰度图像;对灰度图像中每一列的灰度均值进行曲线拟合得到拟合曲线,利用拟合曲线中相邻波谷的中心列将灰度图像分割为多个图像块;
将拟合曲线中波谷所在列记为波谷列,将每个波谷列中的最小灰度值对应的像素点作为疑似缺陷圆心点;利用疑似缺陷圆心点的灰度值以及所在波谷列中像素点的灰度值得到疑似缺陷圆心点所在图像块中疑似气孔缺陷的直径;
利用图像块中疑似气孔缺陷的直径得到图像块中每个像素点对应的多个目标像素点,利用目标像素点的灰度值得到对应的每个像素点的疑似缺陷概率;利用灰度图像中每个灰度值对应的所有像素点的疑似缺陷概率得到每个灰度值的异常概率;
利用相邻灰度值的异常概率的差异得到多个疑似分割阈值,以及每个疑似分割阈值的分割权值;
利用每个疑似分割阈值的分割权值以及每个疑似分割阈值作为分割阈值时的类间方差从疑似分割阈值中确定出最佳分割阈值;利用最佳分割阈值分割灰度图像得到目标区域和背景区域;
利用目标区域与背景区域的灰度差值确定目标区域是否为气孔缺陷区域,利用气孔缺陷区域的面积和灰度图像的面积得到焊接质量是否合格。
2.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,利用相邻灰度值的异常概率的差异得到多个疑似分割阈值的步骤包括:
将灰度图像中所有的灰度值按照从小到大的顺序排列,获取相邻灰度值的异常概率的概率差异;
获取所有相邻灰度值得到的概率差异的差异均值;
将所有大于差异均值的概率差异对应的相邻灰度值中值较小的灰度值作为疑似分割阈值。
3.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,利用目标区域与背景区域的灰度差值确定目标区域是否为气孔缺陷区域的步骤包括:
利用无缺陷焊缝图像得到的目标区域与背景区域的灰度差值得到缺陷阈值;
利用目标区域与背景区域的灰度差值和缺陷阈值确定目标区域是否为气孔缺陷区域。
4.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,得到每个疑似分割阈值的分割权值的步骤包括:
获取每个疑似分割阈值对应的相邻灰度值的概率差异;
获取所有的疑似分割阈值对应的相邻灰度值的概率差异的差异和值;
将每个疑似分割阈值对应的概率差异与差异和值的比值作为每个疑似分割阈值的分割权值。
5.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,得到每个像素点的疑似缺陷概率的步骤包括:
获取像素点与每个目标像素点的灰度差值;
对得到的灰度差值求均值得到像素点的疑似缺陷概率。
6.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,得到每个灰度值的异常概率的步骤包括:
获取每个灰度值对应的所有像素点的疑似缺陷概率;
对每个灰度值对应的所有像素点的疑似缺陷概率求均值得到每个灰度值的异常概率。
7.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,得到最佳分割阈值的步骤包括:
获取每个疑似分割阈值的类间方差与对应的分割权值的乘积;
将最大乘积对应的疑似分割阈值作为最佳分割阈值。
8.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,得到图像块中每个像素点的目标像素点的步骤包括:
获取图像块中与像素点距离为该图像块的疑似气孔缺陷的直径的多个目标像素点,作为像素点对应的多个目标像素点。
9.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,利用疑似缺陷圆心点的灰度值以及疑似缺陷圆心点所在波谷列像素点的灰度值得到波谷列所在图像块中疑似气孔缺陷的直径的步骤包括:
获取疑似缺陷圆心点沿着所在波谷列向上连续相邻且灰度值小于波谷列灰度均值的上侧连续像素点;
获取疑似缺陷圆心点沿着所在波谷列向下连续相邻且灰度值小于波谷列灰度均值的下侧连续像素点;
利用距离疑似缺陷点最远的上侧连续像素点和下侧连续像素点之间的长度得到疑似缺陷圆心点所在的图像块中疑似气孔缺陷的直径。
10.根据权利要求1所述的基于机器视觉的建筑吊篮焊接质量检测方法,其特征在于,利用气孔缺陷区域的面积和灰度图像的面积得到焊接质量是否合格的步骤包括:
获取气孔缺陷区域的面积与灰度图像面积的比值;
若气孔缺陷区域的面积与灰度图像面积的比值大于设定焊接质量阈值,则该焊接质量不合格;
若气孔缺陷区域的面积与灰度图像面积的比值小于等于设定焊接质量阈值,则该焊接质量合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401697.4A CN115457035B (zh) | 2022-11-10 | 2022-11-10 | 基于机器视觉的建筑吊篮焊接质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211401697.4A CN115457035B (zh) | 2022-11-10 | 2022-11-10 | 基于机器视觉的建筑吊篮焊接质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115457035A true CN115457035A (zh) | 2022-12-09 |
CN115457035B CN115457035B (zh) | 2023-03-24 |
Family
ID=84295790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211401697.4A Active CN115457035B (zh) | 2022-11-10 | 2022-11-10 | 基于机器视觉的建筑吊篮焊接质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115457035B (zh) |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115760884A (zh) * | 2023-01-06 | 2023-03-07 | 山东恩信特种车辆制造有限公司 | 基于图像处理的半挂车表面焊渣优化分割方法 |
CN115830013A (zh) * | 2023-02-08 | 2023-03-21 | 磐石重工(青岛)股份有限公司 | 基于机器视觉的压力容器焊缝缺陷检测方法 |
CN115880302A (zh) * | 2023-03-08 | 2023-03-31 | 杭州智源电子有限公司 | 基于图像分析的仪表盘焊接质量检测方法 |
CN115937204A (zh) * | 2023-01-09 | 2023-04-07 | 江苏惠汕新能源集团有限公司 | 一种焊管生产质量检测方法 |
CN115984272A (zh) * | 2023-03-20 | 2023-04-18 | 山东杨嘉汽车制造有限公司 | 基于计算机视觉的半挂车车桥缺陷识别方法 |
CN116030061A (zh) * | 2023-03-29 | 2023-04-28 | 深圳市捷超行模具有限公司 | 一种基于视觉的硅胶成型效果检测方法 |
CN116228765A (zh) * | 2023-05-08 | 2023-06-06 | 济宁市健达医疗器械科技有限公司 | 一种口罩耳带焊接质量的检测方法 |
CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
CN116385439A (zh) * | 2023-06-05 | 2023-07-04 | 山东兰通机电有限公司 | 基于图像处理的电机橡胶减震垫质量检测方法 |
CN116385476A (zh) * | 2023-06-05 | 2023-07-04 | 青岛星跃铁塔有限公司 | 基于视觉检测的铁塔质量分析方法 |
CN116385438A (zh) * | 2023-06-05 | 2023-07-04 | 济南科汛智能科技有限公司 | 一种核磁共振肿瘤区域提取方法 |
CN116402808A (zh) * | 2023-05-31 | 2023-07-07 | 山东华禹威达机电科技有限公司 | 一种电缆夹板模具制造智能化检测方法 |
CN116416246A (zh) * | 2023-06-08 | 2023-07-11 | 临沂中科芯华新材料科技有限公司 | 基于机器视觉的全降解塑料制品淋膜效果评价方法 |
CN116503394A (zh) * | 2023-06-26 | 2023-07-28 | 济南奥盛包装科技有限公司 | 基于图像的印刷制品表面粗糙度检测方法 |
CN116664557A (zh) * | 2023-07-28 | 2023-08-29 | 无锡市明通动力工业有限公司 | 一种风机叶片表面缺陷视觉检测方法 |
CN116758061A (zh) * | 2023-08-11 | 2023-09-15 | 山东优奭趸泵业科技有限公司 | 基于计算机视觉的铸件表面缺陷检测方法 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN116797561A (zh) * | 2023-06-05 | 2023-09-22 | 江苏迅兴重工设备有限公司 | 一种钢结构焊接质量检测方法 |
CN116823822A (zh) * | 2023-08-29 | 2023-09-29 | 山东航宇游艇发展有限公司 | 基于视觉特征的船艇钣金件焊接缺陷检测方法 |
CN116862908A (zh) * | 2023-09-01 | 2023-10-10 | 菏泽学院 | 一种基于图像处理的金属齿轮啮合缺陷检测方法 |
CN117011303A (zh) * | 2023-10-08 | 2023-11-07 | 泰安金冠宏油脂工业有限公司 | 基于机器视觉的油料生产质量检测方法 |
CN117095004A (zh) * | 2023-10-20 | 2023-11-21 | 金成技术股份有限公司 | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 |
CN117152180A (zh) * | 2023-10-31 | 2023-12-01 | 山东克莱蒙特新材料科技有限公司 | 基于人工智能的矿物铸件缺陷检测方法 |
CN117173192A (zh) * | 2023-11-03 | 2023-12-05 | 南通双和食品有限公司 | 一种猪肉肉质智能化检测方法及*** |
CN117197140A (zh) * | 2023-11-07 | 2023-12-08 | 东莞市恒兴隆实业有限公司 | 基于机器视觉的不规则金属扣成型检测方法 |
CN117214183A (zh) * | 2023-11-07 | 2023-12-12 | 山东泗水金立得纸业有限公司 | 一种基于机器视觉的纸张缺陷检测方法 |
CN117218549A (zh) * | 2023-11-07 | 2023-12-12 | 山东力加力钢结构有限公司 | 一种公路桥梁的状态评估方法及*** |
CN117237364A (zh) * | 2023-11-16 | 2023-12-15 | 江苏高特高金属科技有限公司 | 基于图像特征的焊管质量检测方法 |
CN117237362A (zh) * | 2023-11-16 | 2023-12-15 | 山东嘉源复合材料有限公司 | 一种基于视觉的丙二醇二乙酸酯罐装密封检测方法 |
CN117274291A (zh) * | 2023-11-21 | 2023-12-22 | 深圳市京鼎工业技术股份有限公司 | 基于计算机视觉的模具脱模残留检测方法 |
CN117409029A (zh) * | 2023-12-14 | 2024-01-16 | 顺通信息技术科技(大连)有限公司 | 一种地热***环境影响评估方法及*** |
CN117437223A (zh) * | 2023-12-20 | 2024-01-23 | 连兴旺电子(深圳)有限公司 | 一种高速板对板连接器缺陷智能检测方法 |
CN117764952A (zh) * | 2023-12-25 | 2024-03-26 | 卡尔德线缆(东莞)有限公司 | 一种视觉机器人用高速线缆质量检测方法 |
CN117764981A (zh) * | 2024-01-11 | 2024-03-26 | 东莞市中钢模具有限公司 | 基于机器视觉的注塑模具质量在线检测*** |
CN117974646A (zh) * | 2024-03-29 | 2024-05-03 | 山东太平洋光纤光缆有限公司 | 一种光纤表面涂覆质量视觉检测方法 |
CN118212478A (zh) * | 2024-05-22 | 2024-06-18 | 大连***科技有限公司 | 基于图像处理的建筑工程质量检测方法 |
CN118212478B (zh) * | 2024-05-22 | 2024-07-30 | 大连***科技有限公司 | 基于图像处理的建筑工程质量检测方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461148A (zh) * | 2018-10-30 | 2019-03-12 | 兰州交通大学 | 基于二维Otsu的钢轨缺陷分割自适应快速算法 |
US20200394760A1 (en) * | 2019-06-13 | 2020-12-17 | Realtek Semiconductor Corp. | Image adjustment method and associated image processing circuit |
WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及*** |
CN114972326A (zh) * | 2022-07-20 | 2022-08-30 | 南通鼎彩新材料科技有限公司 | 热收缩管扩管工艺的次品识别方法 |
CN115020267A (zh) * | 2022-08-05 | 2022-09-06 | 启东旺晟电子科技有限公司 | 一种半导体表面缺陷检测方法 |
CN115049672A (zh) * | 2022-08-17 | 2022-09-13 | 南通源钰新材料科技有限公司 | 基于计算机视觉的金属铝表面磷化膜缺陷的检测方法 |
CN115049736A (zh) * | 2022-08-15 | 2022-09-13 | 聊城市正晟电缆有限公司 | 用于电缆表面缺陷精准定位的方法 |
CN115063400A (zh) * | 2022-07-22 | 2022-09-16 | 山东中艺音美器材有限公司 | 利用视觉手段的乐器生产缺陷检测方法 |
CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
CN115239704A (zh) * | 2022-09-19 | 2022-10-25 | 南通友联新材料科技有限公司 | 一种木材表面缺陷的精准检测修复方法 |
CN115272334A (zh) * | 2022-09-29 | 2022-11-01 | 江苏美克美斯自动化科技有限责任公司 | 用于复杂背景下的钢轨表面微小缺陷检测方法 |
CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
CN115272321A (zh) * | 2022-09-28 | 2022-11-01 | 山东军冠纺织有限公司 | 一种基于机器视觉的纺织品缺陷检测方法 |
CN115272347A (zh) * | 2022-09-30 | 2022-11-01 | 中威泵业(江苏)有限公司 | 一种轴承缺陷识别方法 |
-
2022
- 2022-11-10 CN CN202211401697.4A patent/CN115457035B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461148A (zh) * | 2018-10-30 | 2019-03-12 | 兰州交通大学 | 基于二维Otsu的钢轨缺陷分割自适应快速算法 |
US20200394760A1 (en) * | 2019-06-13 | 2020-12-17 | Realtek Semiconductor Corp. | Image adjustment method and associated image processing circuit |
WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及*** |
CN114972326A (zh) * | 2022-07-20 | 2022-08-30 | 南通鼎彩新材料科技有限公司 | 热收缩管扩管工艺的次品识别方法 |
CN115063400A (zh) * | 2022-07-22 | 2022-09-16 | 山东中艺音美器材有限公司 | 利用视觉手段的乐器生产缺陷检测方法 |
CN115020267A (zh) * | 2022-08-05 | 2022-09-06 | 启东旺晟电子科技有限公司 | 一种半导体表面缺陷检测方法 |
CN115049736A (zh) * | 2022-08-15 | 2022-09-13 | 聊城市正晟电缆有限公司 | 用于电缆表面缺陷精准定位的方法 |
CN115049672A (zh) * | 2022-08-17 | 2022-09-13 | 南通源钰新材料科技有限公司 | 基于计算机视觉的金属铝表面磷化膜缺陷的检测方法 |
CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
CN115239704A (zh) * | 2022-09-19 | 2022-10-25 | 南通友联新材料科技有限公司 | 一种木材表面缺陷的精准检测修复方法 |
CN115272321A (zh) * | 2022-09-28 | 2022-11-01 | 山东军冠纺织有限公司 | 一种基于机器视觉的纺织品缺陷检测方法 |
CN115272334A (zh) * | 2022-09-29 | 2022-11-01 | 江苏美克美斯自动化科技有限责任公司 | 用于复杂背景下的钢轨表面微小缺陷检测方法 |
CN115272346A (zh) * | 2022-09-30 | 2022-11-01 | 江苏炜盛光电科技有限公司 | 一种基于边缘检测的pcb板生产过程在线检测方法 |
CN115272347A (zh) * | 2022-09-30 | 2022-11-01 | 中威泵业(江苏)有限公司 | 一种轴承缺陷识别方法 |
Non-Patent Citations (5)
Title |
---|
LI ZHUANG等: "The Automatic Rail Surface Multi-Flaw Identification Based on a Deep Learning Powered Framework", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS 》 * |
LIN LI等: "Vision-based surface defect inspection for sequence circular objects", 《2012 5TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
刘芊汝: "基于图像处理的钢轨表面缺陷检测", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
袁小翠等: "基于Otsu方法的钢轨图像分割", 《光学精密工程》 * |
郭慧等: "人造板表面缺陷检测图像自适应快速阈值分割算法", 《林业科学》 * |
Cited By (69)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115760884A (zh) * | 2023-01-06 | 2023-03-07 | 山东恩信特种车辆制造有限公司 | 基于图像处理的半挂车表面焊渣优化分割方法 |
CN115760884B (zh) * | 2023-01-06 | 2023-04-14 | 山东恩信特种车辆制造有限公司 | 基于图像处理的半挂车表面焊渣优化分割方法 |
CN115937204A (zh) * | 2023-01-09 | 2023-04-07 | 江苏惠汕新能源集团有限公司 | 一种焊管生产质量检测方法 |
CN115937204B (zh) * | 2023-01-09 | 2023-05-02 | 江苏惠汕新能源集团有限公司 | 一种焊管生产质量检测方法 |
CN115830013A (zh) * | 2023-02-08 | 2023-03-21 | 磐石重工(青岛)股份有限公司 | 基于机器视觉的压力容器焊缝缺陷检测方法 |
CN115830013B (zh) * | 2023-02-08 | 2023-05-16 | 磐石重工(青岛)股份有限公司 | 基于机器视觉的压力容器焊缝缺陷检测方法 |
CN115880302A (zh) * | 2023-03-08 | 2023-03-31 | 杭州智源电子有限公司 | 基于图像分析的仪表盘焊接质量检测方法 |
CN115984272A (zh) * | 2023-03-20 | 2023-04-18 | 山东杨嘉汽车制造有限公司 | 基于计算机视觉的半挂车车桥缺陷识别方法 |
CN116030061A (zh) * | 2023-03-29 | 2023-04-28 | 深圳市捷超行模具有限公司 | 一种基于视觉的硅胶成型效果检测方法 |
CN116030061B (zh) * | 2023-03-29 | 2023-08-22 | 深圳市捷超行模具有限公司 | 一种基于视觉的硅胶成型效果检测方法 |
CN116228765B (zh) * | 2023-05-08 | 2023-07-21 | 济宁市健达医疗器械科技有限公司 | 一种口罩耳带焊接质量的检测方法 |
CN116228765A (zh) * | 2023-05-08 | 2023-06-06 | 济宁市健达医疗器械科技有限公司 | 一种口罩耳带焊接质量的检测方法 |
CN116228798A (zh) * | 2023-05-10 | 2023-06-06 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
CN116228798B (zh) * | 2023-05-10 | 2023-07-21 | 青岛星跃铁塔有限公司 | 基于机器视觉的铁塔智能切割检测方法 |
CN116402808B (zh) * | 2023-05-31 | 2023-08-25 | 山东华禹威达机电科技有限公司 | 一种电缆夹板模具制造智能化检测方法 |
CN116402808A (zh) * | 2023-05-31 | 2023-07-07 | 山东华禹威达机电科技有限公司 | 一种电缆夹板模具制造智能化检测方法 |
CN116385439B (zh) * | 2023-06-05 | 2023-08-15 | 山东兰通机电有限公司 | 基于图像处理的电机橡胶减震垫质量检测方法 |
CN116385476A (zh) * | 2023-06-05 | 2023-07-04 | 青岛星跃铁塔有限公司 | 基于视觉检测的铁塔质量分析方法 |
CN116797561A (zh) * | 2023-06-05 | 2023-09-22 | 江苏迅兴重工设备有限公司 | 一种钢结构焊接质量检测方法 |
CN116385438B (zh) * | 2023-06-05 | 2023-08-11 | 济南科汛智能科技有限公司 | 一种核磁共振肿瘤区域提取方法 |
CN116797561B (zh) * | 2023-06-05 | 2024-02-09 | 江苏迅兴重工设备有限公司 | 一种钢结构焊接质量检测方法 |
CN116385439A (zh) * | 2023-06-05 | 2023-07-04 | 山东兰通机电有限公司 | 基于图像处理的电机橡胶减震垫质量检测方法 |
CN116385476B (zh) * | 2023-06-05 | 2023-08-18 | 青岛星跃铁塔有限公司 | 基于视觉检测的铁塔质量分析方法 |
CN116385438A (zh) * | 2023-06-05 | 2023-07-04 | 济南科汛智能科技有限公司 | 一种核磁共振肿瘤区域提取方法 |
CN116416246B (zh) * | 2023-06-08 | 2023-08-11 | 临沂中科芯华新材料科技有限公司 | 基于机器视觉的全降解塑料制品淋膜效果评价方法 |
CN116416246A (zh) * | 2023-06-08 | 2023-07-11 | 临沂中科芯华新材料科技有限公司 | 基于机器视觉的全降解塑料制品淋膜效果评价方法 |
CN116503394B (zh) * | 2023-06-26 | 2023-09-08 | 济南奥盛包装科技有限公司 | 基于图像的印刷制品表面粗糙度检测方法 |
CN116503394A (zh) * | 2023-06-26 | 2023-07-28 | 济南奥盛包装科技有限公司 | 基于图像的印刷制品表面粗糙度检测方法 |
CN116664557A (zh) * | 2023-07-28 | 2023-08-29 | 无锡市明通动力工业有限公司 | 一种风机叶片表面缺陷视觉检测方法 |
CN116664557B (zh) * | 2023-07-28 | 2023-09-22 | 无锡市明通动力工业有限公司 | 一种风机叶片表面缺陷视觉检测方法 |
CN116758061A (zh) * | 2023-08-11 | 2023-09-15 | 山东优奭趸泵业科技有限公司 | 基于计算机视觉的铸件表面缺陷检测方法 |
CN116758061B (zh) * | 2023-08-11 | 2023-10-31 | 山东优奭趸泵业科技有限公司 | 基于计算机视觉的铸件表面缺陷检测方法 |
CN116760952B (zh) * | 2023-08-17 | 2023-10-20 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN116823822A (zh) * | 2023-08-29 | 2023-09-29 | 山东航宇游艇发展有限公司 | 基于视觉特征的船艇钣金件焊接缺陷检测方法 |
CN116823822B (zh) * | 2023-08-29 | 2023-11-21 | 山东航宇游艇发展有限公司 | 基于视觉特征的船艇钣金件焊接缺陷检测方法 |
CN116862908A (zh) * | 2023-09-01 | 2023-10-10 | 菏泽学院 | 一种基于图像处理的金属齿轮啮合缺陷检测方法 |
CN116862908B (zh) * | 2023-09-01 | 2023-11-24 | 菏泽学院 | 一种基于图像处理的金属齿轮啮合缺陷检测方法 |
CN117011303A (zh) * | 2023-10-08 | 2023-11-07 | 泰安金冠宏油脂工业有限公司 | 基于机器视觉的油料生产质量检测方法 |
CN117011303B (zh) * | 2023-10-08 | 2024-01-09 | 泰安金冠宏油脂工业有限公司 | 基于机器视觉的油料生产质量检测方法 |
CN117095004A (zh) * | 2023-10-20 | 2023-11-21 | 金成技术股份有限公司 | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 |
CN117095004B (zh) * | 2023-10-20 | 2024-01-12 | 金成技术股份有限公司 | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 |
CN117152180A (zh) * | 2023-10-31 | 2023-12-01 | 山东克莱蒙特新材料科技有限公司 | 基于人工智能的矿物铸件缺陷检测方法 |
CN117152180B (zh) * | 2023-10-31 | 2024-01-26 | 山东克莱蒙特新材料科技有限公司 | 基于人工智能的矿物铸件缺陷检测方法 |
CN117173192B (zh) * | 2023-11-03 | 2024-03-05 | 南通双和食品有限公司 | 一种猪肉肉质智能化检测方法及*** |
CN117173192A (zh) * | 2023-11-03 | 2023-12-05 | 南通双和食品有限公司 | 一种猪肉肉质智能化检测方法及*** |
CN117214183A (zh) * | 2023-11-07 | 2023-12-12 | 山东泗水金立得纸业有限公司 | 一种基于机器视觉的纸张缺陷检测方法 |
CN117197140B (zh) * | 2023-11-07 | 2024-02-20 | 东莞市恒兴隆实业有限公司 | 基于机器视觉的不规则金属扣成型检测方法 |
CN117218549B (zh) * | 2023-11-07 | 2024-03-05 | 山东力加力钢结构有限公司 | 一种公路桥梁的状态评估方法及*** |
CN117197140A (zh) * | 2023-11-07 | 2023-12-08 | 东莞市恒兴隆实业有限公司 | 基于机器视觉的不规则金属扣成型检测方法 |
CN117214183B (zh) * | 2023-11-07 | 2024-01-30 | 山东泗水金立得纸业有限公司 | 一种基于机器视觉的纸张缺陷检测方法 |
CN117218549A (zh) * | 2023-11-07 | 2023-12-12 | 山东力加力钢结构有限公司 | 一种公路桥梁的状态评估方法及*** |
CN117237362A (zh) * | 2023-11-16 | 2023-12-15 | 山东嘉源复合材料有限公司 | 一种基于视觉的丙二醇二乙酸酯罐装密封检测方法 |
CN117237362B (zh) * | 2023-11-16 | 2024-01-26 | 山东嘉源复合材料有限公司 | 一种基于视觉的丙二醇二乙酸酯罐装密封检测方法 |
CN117237364A (zh) * | 2023-11-16 | 2023-12-15 | 江苏高特高金属科技有限公司 | 基于图像特征的焊管质量检测方法 |
CN117237364B (zh) * | 2023-11-16 | 2024-01-30 | 江苏高特高金属科技有限公司 | 基于图像特征的焊管质量检测方法 |
CN117274291B (zh) * | 2023-11-21 | 2024-02-13 | 深圳市京鼎工业技术股份有限公司 | 基于计算机视觉的模具脱模残留检测方法 |
CN117274291A (zh) * | 2023-11-21 | 2023-12-22 | 深圳市京鼎工业技术股份有限公司 | 基于计算机视觉的模具脱模残留检测方法 |
CN117409029B (zh) * | 2023-12-14 | 2024-02-13 | 顺通信息技术科技(大连)有限公司 | 一种地热***环境影响评估方法及*** |
CN117409029A (zh) * | 2023-12-14 | 2024-01-16 | 顺通信息技术科技(大连)有限公司 | 一种地热***环境影响评估方法及*** |
CN117437223B (zh) * | 2023-12-20 | 2024-02-23 | 连兴旺电子(深圳)有限公司 | 一种高速板对板连接器缺陷智能检测方法 |
CN117437223A (zh) * | 2023-12-20 | 2024-01-23 | 连兴旺电子(深圳)有限公司 | 一种高速板对板连接器缺陷智能检测方法 |
CN117764952A (zh) * | 2023-12-25 | 2024-03-26 | 卡尔德线缆(东莞)有限公司 | 一种视觉机器人用高速线缆质量检测方法 |
CN117764952B (zh) * | 2023-12-25 | 2024-05-14 | 卡尔德线缆(东莞)有限公司 | 一种视觉机器人用高速线缆质量检测方法 |
CN117764981A (zh) * | 2024-01-11 | 2024-03-26 | 东莞市中钢模具有限公司 | 基于机器视觉的注塑模具质量在线检测*** |
CN117764981B (zh) * | 2024-01-11 | 2024-05-10 | 东莞市中钢模具有限公司 | 基于机器视觉的注塑模具质量在线检测*** |
CN117974646A (zh) * | 2024-03-29 | 2024-05-03 | 山东太平洋光纤光缆有限公司 | 一种光纤表面涂覆质量视觉检测方法 |
CN118212478A (zh) * | 2024-05-22 | 2024-06-18 | 大连***科技有限公司 | 基于图像处理的建筑工程质量检测方法 |
CN118212478B (zh) * | 2024-05-22 | 2024-07-30 | 大连***科技有限公司 | 基于图像处理的建筑工程质量检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115457035B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115457035B (zh) | 基于机器视觉的建筑吊篮焊接质量检测方法 | |
CN113409313B (zh) | 基于计算机视觉的车轮焊缝表面缺陷检测方法 | |
CN116703907B (zh) | 一种基于机器视觉的汽车铸件表面缺陷检测方法 | |
CN115423813B (zh) | 焊管表面焊接缺陷检测方法 | |
CN115908411B (zh) | 基于视觉检测的混凝土养护质量分析方法 | |
CN115375686B (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
CN115511889A (zh) | 一种太阳能电池板支架表面焊接缺陷检测方法 | |
CN110443278B (zh) | 一种太阳能电池片栅线粗细异常的检测方法、装置及设备 | |
CN111862055B (zh) | 一种基于图像处理的水准泡车削空腔缺陷检测方法 | |
CN105930762A (zh) | 一种眼球跟踪的方法及装置 | |
CN115439481A (zh) | 基于图像处理的除氧器焊接质量检测方法 | |
CN112381781B (zh) | 基于3d点云的胶路缺陷检测方法 | |
CN107218894A (zh) | 一种快速稳定的亚像素级精度器件厚度检测方法 | |
CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
CN113643276B (zh) | 一种基于统计分析的纺织物纹理缺陷自动检测方法 | |
CN116993744A (zh) | 一种基于阈值分割的焊缝缺陷检测方法 | |
CN115861320A (zh) | 一种汽车零件加工信息智能检测方法 | |
CN113513991A (zh) | 一种电池极片毛刺高度检测方法及装置 | |
CN117218124A (zh) | 一种铜铝转接表面加工质量检测方法 | |
CN115239728A (zh) | 一种消防器材识别方法 | |
CN111951240B (zh) | 一种基于线激光的焊印检测及高度测量方法 | |
CN114693659A (zh) | 基于图像处理的铜管表面清洗效果评估方法及*** | |
CN111307814B (zh) | 一种基于图像处理的硅块杂质检测方法 | |
CN115147407B (zh) | 基于计算机视觉的轴承质量检测方法 | |
CN116777875A (zh) | 一种花篮内硅片位置在线视觉检测的方法 |
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 |