CN116008289B - 一种非织造产品表面缺陷检测方法及*** - Google Patents
一种非织造产品表面缺陷检测方法及*** Download PDFInfo
- Publication number
- CN116008289B CN116008289B CN202310132009.7A CN202310132009A CN116008289B CN 116008289 B CN116008289 B CN 116008289B CN 202310132009 A CN202310132009 A CN 202310132009A CN 116008289 B CN116008289 B CN 116008289B
- Authority
- CN
- China
- Prior art keywords
- flaw
- layering
- texture
- dirt
- metal
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 123
- 230000007547 defect Effects 0.000 title claims abstract description 53
- 238000003708 edge detection Methods 0.000 claims abstract description 110
- 239000002184 metal Substances 0.000 claims abstract description 102
- 229910052751 metal Inorganic materials 0.000 claims abstract description 102
- 239000004744 fabric Substances 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000011156 evaluation Methods 0.000 claims abstract description 33
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000013210 evaluation model Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 17
- 238000013139 quantization Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000011002 quantification Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000011179 visual inspection Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 230000003321 amplification Effects 0.000 abstract description 6
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 230000008030 elimination Effects 0.000 description 12
- 238000003379 elimination reaction Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000032798 delamination Effects 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004746 geotextile Substances 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Classifications
-
- 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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及缺陷检测技术领域，提供了一种非织造产品表面缺陷检测方法及***，所述方法包括：根据视觉检测装置进行检测，得到织品表面检测数据集，表面瑕疵识别获取标识瑕疵点集合，分类得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；获取预设分层精度，对金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层，边缘检测获取边缘检测结果，获取瑕疵评估结果，解决了非织造产品表面缺陷检测精度低，检测通过产品仍存在细小瑕疵隐患的技术问题，实现了针对瑕疵点的定位放大，分层进行瑕疵检测，提升非织造产品表面缺陷检测精度，降低检测通过产品的细小瑕疵隐患的技术效果。
Description
技术领域
本发明涉及缺陷检测相关技术领域，具体涉及一种非织造产品表面缺陷检测方法及***。
背景技术
非织造即是纺织的一种特殊工艺，即不需要纺纱织布，将纺织短纤维或者长丝进行定向或随机排列，形成纤网结构而形成的织物，广泛应用于服装业(常见如衬里、粘合衬等)、工业(常见如土工布、包覆布等)，农业(常见如育秧布、保温幕帘等)。
一般的，非织造产品表面缺陷包括斑点、布污、稀网、熔点、黑点等缺陷，以人工肉眼方式对非织造产品表面缺陷识别，受人工产生疲劳/情绪/误判/漏眼等因素的影响；利用视觉检测设备发出的高速射线扫描非织造产品，实现产品表面缺陷检测，但视觉检测精度以毫米起步，检测精度低。
综上所述，现有技术中存在非织造产品表面缺陷检测精度低，检测通过产品仍存在细小瑕疵隐患的技术问题。
发明内容
本申请通过提供了一种非织造产品表面缺陷检测方法及***，旨在解决现有技术中的非织造产品表面缺陷检测精度低，检测通过产品仍存在细小瑕疵隐患的技术问题。
鉴于上述问题，本申请实施例提供了一种非织造产品表面缺陷检测方法及***。
本申请公开的第一个方面，提供了一种非织造产品表面缺陷检测方法，其中，所述方法应用于非织造产品表面缺陷检测***，所述***与视觉检测装置通信连接，所述方法包括：根据所述视觉检测装置进行检测，得到织品表面检测数据集；对所述织品表面检测数据集进行表面瑕疵识别，获取标识瑕疵点集合；对所述标识瑕疵点集合进行分类，得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；获取预设分层精度，包括预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度；根据所述预设分层精度，对所述金属瑕疵点集合、所述纹理瑕疵点集合和所述脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层；对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，获取边缘检测结果；根据所述边缘检测结果，获取瑕疵评估结果。
本申请公开的另一个方面，提供了一种非织造产品表面缺陷检测***，其中，所述***包括：织品表面检测模块，用于根据视觉检测装置进行检测，得到织品表面检测数据集；表面瑕疵识别模块，用于对所述织品表面检测数据集进行表面瑕疵识别，获取标识瑕疵点集合；瑕疵点分类模块，用于对所述标识瑕疵点集合进行分类，得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；分层精度获取模块，用于获取预设分层精度，包括预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度；瑕疵图像分层模块，用于根据所述预设分层精度，对所述金属瑕疵点集合、所述纹理瑕疵点集合和所述脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层；边缘检测模块，用于对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，获取边缘检测结果；瑕疵评估结果获取模块，用于根据所述边缘检测结果，获取瑕疵评估结果。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了根据视觉检测装置进行检测，得到织品表面检测数据集；对织品表面检测数据集进行表面瑕疵识别，获取标识瑕疵点集合，分类得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；获取预设分层精度；根据预设分层精度，对金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层；对金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层进行边缘检测，获取边缘检测结果，获取瑕疵评估结果，实现了针对瑕疵点的定位放大，分层进行瑕疵检测，提升非织造产品表面缺陷检测精度，降低检测通过产品的细小瑕疵隐患的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供了一种非织造产品表面缺陷检测方法可能的流程示意图；
图2为本申请实施例提供了一种非织造产品表面缺陷检测方法中辅助边缘像素识别可能的流程示意图；
图3为本申请实施例提供了一种非织造产品表面缺陷检测方法中边界点补偿可能的流程示意图；
图4为本申请实施例提供了一种非织造产品表面缺陷检测***可能的结构示意图。
附图标记说明：织品表面检测模块100，表面瑕疵识别模块200，瑕疵点分类模块300，分层精度获取模块400，瑕疵图像分层模块500，边缘检测模块600，瑕疵评估结果获取模块700。
具体实施方式
本申请实施例提供了一种非织造产品表面缺陷检测方法及***，解决了非织造产品表面缺陷检测精度低，检测通过产品仍存在细小瑕疵隐患的技术问题，实现了针对瑕疵点的定位放大，分层进行瑕疵检测，提升非织造产品表面缺陷检测精度，降低检测通过产品的细小瑕疵隐患的技术效果。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种非织造产品表面缺陷检测方法，其中，所述方法应用于非织造产品表面缺陷检测***，所述***与视觉检测装置通信连接，所述方法包括：
S10：根据所述视觉检测装置进行检测，得到织品表面检测数据集；
S20：对所述织品表面检测数据集进行表面瑕疵识别，获取标识瑕疵点集合；
S30：对所述标识瑕疵点集合进行分类，得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；
具体而言，所述非织造产品表面缺陷检测***与视觉检测装置通信连接，所述通信连接简单来说就是通过信号的传输交互，在所述非织造产品表面缺陷检测***与视觉检测装置之间构成通讯网络，为进行非织造产品表面缺陷检测提供硬件支持；
根据所述视觉检测装置对非织造产品进行检测(非织造产品表面缺陷初步视觉检测，检测精度有限，为现有技术，非织造产品的检测包括但不限于瑕疵的颜色检测、物理加热再冷却造成的表面凸起检测)，得到织品表面检测数据集(织品表面检测数据集的元素为单位面积的织品表面检测数据，一般的，所述视觉检测装置的检测精度为毫米级别，单位面积可以是1mm*1mm)；对所述织品表面检测数据集进行表面瑕疵识别(非织造产品的表面瑕疵识别包括但不限于瑕疵的颜色识别、物理加热再冷却造成的表面凸起识别)，完成表面瑕疵识别后，对识别所得表面瑕疵进行瑕疵点标记，获取标识瑕疵点集合(标识瑕疵点集合的元素可以是第一标记位置瑕疵点、第二标记位置瑕疵点等一系列存在位置标记的瑕疵点)；
对所述标识瑕疵点集合进行分类，得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合：对所述标识瑕疵点集合进行金属检测(有金属瑕疵的图像，铁、锌、钢等金属材料的直径≤0.1mm为合格)，将检测通过的瑕疵点计入金属瑕疵点集合中；对所述标识瑕疵点集合进行纹理检测(表面凸起、纹理出线)，将检测通过的瑕疵点计入纹理瑕疵点集合中；对所述标识瑕疵点集合进行污浊检测(污浊疵点检测：黑点≥0.3mm为不合格；头发、油污、棉团等污浊)，将检测通过的瑕疵点计入脏污瑕疵点集合中，为后续进行高精度检测提供数据支持。
S40：获取预设分层精度，包括预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度；
S50：根据所述预设分层精度，对所述金属瑕疵点集合、所述纹理瑕疵点集合和所述脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层；
具体而言，获取预设分层精度，所述预设分层精度包括预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度(所述预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度均为预设参数指标，预设金属瑕疵精度，所述预设金属瑕疵精度可以为1μm级别，所述预设纹理瑕疵精度可以为非织造产品的纤维直径级别，所述预设脏污瑕疵精度可以为10μm级别)；根据所述预设分层精度中的预设金属瑕疵精度，按照预设金属瑕疵精度设置放大倍数，对金属瑕疵点集合中的金属瑕疵点进行区域放大，对所述金属瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层；根据所述预设分层精度中的预设纹理瑕疵精度，按照预设纹理瑕疵精度设置放大倍数，对纹理瑕疵点集合中的纹理瑕疵点进行区域放大，对所述纹理瑕疵点集合进行瑕疵图像分层，得到纹理瑕疵分层；根据所述预设分层精度中的预设脏污瑕疵精度，按照预设脏污瑕疵精度设置放大倍数，对脏污瑕疵点集合中的脏污瑕疵点进行区域放大，对所述脏污瑕疵点集合进行瑕疵图像分层，得到脏污瑕疵分层，为后续进行非织造产品的表面缺陷高精度检测提供基础。
S60：对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，获取边缘检测结果；
步骤S60包括步骤：
S61：对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层的瑕疵像素大小进行计算，确定金属瑕疵的边缘检测像素、纹理瑕疵的边缘检测像素和脏污瑕疵的边缘检测像素；
S62：将所述金属瑕疵的边缘检测像素、所述纹理瑕疵的边缘检测像素和所述脏污瑕疵的边缘检测像素，输入边缘检测模块中，用于对各类瑕疵进行边缘检测。
具体而言，对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，具体包括：瑕疵像素大小计算公式：水平像素点*垂直像素点*1色黑白或3基色*一种颜色深度bit数/8/1024/1024；在所述金属瑕疵分层，进行瑕疵像素点统计，将金属瑕疵点的水平像素点与金属瑕疵点的垂直像素点代入瑕疵像素大小计算公式进行计算，确定金属瑕疵的边缘检测像素；在所述纹理瑕疵分层，进行瑕疵像素点统计，将纹理瑕疵点的水平像素点与纹理瑕疵点的垂直像素点代入瑕疵像素大小计算公式进行计算，确定纹理瑕疵的边缘检测像素；在所述脏污瑕疵分层，进行瑕疵像素点统计，将脏污瑕疵点的水平像素点与脏污瑕疵点的垂直像素点代入瑕疵像素大小计算公式进行计算，确定脏污瑕疵的边缘检测像素；
以经验数据为基础，构建边缘检测模块，具体包括：基于所述非织造产品表面缺陷检测***的数据存储单元，以所述金属瑕疵的边缘检测像素、所述纹理瑕疵的边缘检测像素和所述脏污瑕疵的边缘检测像素为检索内容，设置检索符，在所述非织造产品表面缺陷检测***的数据存储单元中，进行关联检索，获取经验数据，所述经验数据包括金属瑕疵的历史边缘检测像素信息、纹理瑕疵的历史边缘检测像素信息、脏污瑕疵的历史边缘检测像素信息等相关数据，以BP网络模型为模型基础，以所述经验数据为训练集，进行模型收敛训练，在模型输出区域稳定状态，确定边缘检测模块，为后续进行边缘检测提供模型支持；
将所述金属瑕疵的边缘检测像素、所述纹理瑕疵的边缘检测像素和所述脏污瑕疵的边缘检测像素作为输入数据，从所述边缘检测模块的数据输入端口输入边缘检测模块中，获取边缘检测结果，边缘检测模块用于对各类瑕疵进行边缘检测，为后续代入边缘检测模块进行边缘检测提供参照。
如图2所示，步骤S62还包括步骤：
S621：获取目标织品的织品表面纹理信息；
S622：根据所述表面纹理信息，获取图像背景特征；
S623：根据所述图像背景特征，确定每一像素中的背景灰度值；
S624：以所述背景灰度值输入所述边缘检测模块中，辅助所述边缘检测模块进行边缘像素识别的背景识别数据。
具体而言，所述目标织品为需要进行表面缺陷检测的非织造产品，按照所述目标织品的纤维直径确定放大倍数，避开存在瑕疵点的位置，对所述目标织品随机进行区域提取，获取目标织品的织品表面纹理信息，所述织品表面纹理信息包括第一区域织品表面纹理图样、第二区域织品表面纹理图样、……、第N区域织品表面纹理图样(N个区域织品表面纹理图样的形状均一致)；
基于所述表面纹理信息，若第一区域织品表面纹理图样、第二区域织品表面纹理图样、……、第N区域织品表面纹理图样均一致，对第一区域织品表面纹理图样进行卷积处理(卷积处理为现有技术，常用于图像特征处理)，直接将第一区域织品表面纹理图样的卷积处理结果作为图像背景特征；若第一区域织品表面纹理图样、第二区域织品表面纹理图样、……、第N区域织品表面纹理图样不一致，依照纹理图样类型进行分类，若分为第一区域织品表面纹理图样、……、第M-1区域织品表面纹理图样以及第M区域织品表面纹理图样、……、第N区域织品表面纹理图样(M＜N)两类，对第一区域织品表面纹理图样与第M区域织品表面纹理图样分别进行卷积处理，将第一区域织品表面纹理图样与第M区域织品表面纹理图样的卷积处理结果作为图像背景特征；根据所述图像背景特征，利用灰度扫描仪，确定每一像素中的背景灰度值；以所述背景灰度值作为辅助信息，输入所述边缘检测模块中，所述背景灰度值为辅助所述边缘检测模块进行边缘像素识别的背景识别数据，为提升边缘检测模块的边缘识别精度提供支持。
步骤S624还包括步骤：
S624-1：通过对所述背景灰度值与所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层的灰度值进行比对，得到第一比对结果、第二比对结果和第三比对结果；
S624-2：按照所述第一比对结果、所述第二比对结果和所述第三比对结果，获取图像预处理参数；
S624-3：将所述图像预处理参数输入所述边缘检测模块中，用于对输入的图像进行预处理。
具体而言，以所述背景灰度值作为辅助信息，输入所述边缘检测模块中，具体包括：通过对所述背景灰度值，分别与所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层的灰度值进行比对(灰度值以百分比形式表征，0％(白色)到100％(黑色)，灰度值比对同样采用百分比形式表征)，得到第一比对结果、第二比对结果和第三比对结果(比对结果形如6％-20％)；
按照所述第一比对结果、所述第二比对结果和所述第三比对结果，获取图像预处理参数(所述图像预处理即背景灰度消除处理，所述图像预处理参数包括第一背景灰度消除参数、第二背景灰度消除参数和第三背景灰度消除参数，所述第一背景灰度消除参数参照第一比对结果设置，示例性的，若第一比对结果为6％-20％，按照灰度值6％对金属瑕疵分层进行背景灰度消除，后对非白色区域按照灰度值20％进行加强，完成背景灰度消除处理，所述第一背景灰度消除参数包括背景灰度消除参数与灰度值加强参数，不对第二背景灰度消除参数和第三背景灰度消除参数的背景灰度消除处理过程进行重复性叙述说明)；将所述图像预处理参数输入所述边缘检测模块中，所述图像预处理参数用于对输入的图像进行预处理，排除背景灰度对边缘检测的影响，为提升边缘检测模块的边缘识别精度提供支持。
如图3所示，步骤S62还包括步骤：
S625：获取边缘检测的边界点集合；
S626：对所述边界点集合进行边界点连续性分析，得到边缘连续性；
S627：判断所述边缘连续性是否大于预设边缘连续性，若所述边缘连续性小于所述预设边缘连续性，获取补偿指令；
S628：根据所述补偿指令对所述边界点集合进行边界点补偿。
具体而言，在边缘检测模块检测出图像轮廓的像素点后，对检测得到的边界点进行坐标整理，获取边缘检测的边界点集合；通过预设连接规则(预设连接规则为预设指标)，对所述边缘检测的边界点集合进行边界连接，获取瑕疵边界曲线，通过所述边界点集合，进行边界点连续性分析(边界点连续性分析：边界点坐标点分布密集，瑕疵边界唯一确定，即边缘连续；边界点坐标点分布稀疏，瑕疵边界不唯一确定，即边缘不连续)，得到边缘连续性(代入边缘连续性函数中p＝kx，其中，p为边缘连续性、x为不连续位置数量，即存在x处边缘不连续，k为连续性系数，k为常数且k∈N*)；
判断所述边缘连续性是否大于预设边缘连续性(预设边缘连续性为预设参数指标)，若所述边缘连续性小于所述预设边缘连续性，发出补偿指令，所述补偿指令用于再次检测并连接一些之前未被识别的边界点；根据所述补偿指令，再次检测获取补偿边界点集合，使用所述补偿边界点集合对所述边界点集合进行边界点补偿，为保证边缘轮廓的可信度提供支持。
S70：根据所述边缘检测结果，获取瑕疵评估结果。
步骤S70包括步骤：
S71：获取所述边缘检测结果，其中，所述边缘检测结果包括金属瑕疵检测结果、纹理瑕疵检测结果和脏污瑕疵检测结果；
S72：对所述金属瑕疵检测结果、所述纹理瑕疵检测结果和所述脏污瑕疵检测结果进行特征识别，获取金属瑕疵特征、纹理瑕疵特征和脏污瑕疵特征；
S73：将所述金属瑕疵特征、所述纹理瑕疵特征和脏污瑕疵特征输入瑕疵评估模型中，根据所述瑕疵评估模型，输出所述瑕疵评估结果。
具体而言，根据所述边缘检测结果，获取瑕疵评估结果，具体包括：进行边缘检测，获取所述边缘检测结果，所述边缘检测结果包括金属瑕疵检测结果、纹理瑕疵检测结果和脏污瑕疵检测结果；对所述金属瑕疵检测结果、所述纹理瑕疵检测结果和所述脏污瑕疵检测结果进行特征识别(特征识别即对所述金属瑕疵检测结果、所述纹理瑕疵检测结果和所述脏污瑕疵检测结果分别进行特征聚类评估，识别确定瑕疵特征，具体包括：一般的，所述特征聚类评估对应的算法可以包括k-means算法、K-medoids算法等其他相关聚类算法，通过计算相似度来进行所述金属瑕疵检测结果的簇的划分，对所述金属瑕疵检测结果进行自底向上的凝聚层次聚类分析，获取金属瑕疵特征，所述纹理瑕疵检测结果和所述脏污瑕疵检测结果的特征识别步骤不做重复性叙述说明)，获取金属瑕疵特征、纹理瑕疵特征和脏污瑕疵特征；将所述金属瑕疵特征、所述纹理瑕疵特征和脏污瑕疵特征所谓输入数据，从瑕疵评估模型的输入端口依次输入瑕疵评估模型中，根据所述瑕疵评估模型进行瑕疵评估，瑕疵评估模型的输出端口输出所述瑕疵评估结果，确定目标织品的表面缺陷检测结果，为后续进行瑕疵评估提供参照。
步骤S73还包括步骤：
S731：搭建所述瑕疵评估模型，其中，所述瑕疵评估模型包括瑕疵量化指标、瑕疵复杂指标和瑕疵精度指标；
S732：根据所述瑕疵评估模型，得到瑕疵量化指数、瑕疵复杂指数和瑕疵精度指数；
S733：对所述瑕疵量化指数、所述瑕疵复杂指数和所述瑕疵精度指数进行权重识别，输出所述瑕疵评估结果，其中，所述瑕疵评估结果为瑕疵强度。
具体而言，根据所述瑕疵评估模型，输出所述瑕疵评估结果，具体包括：所述瑕疵评估模型包括瑕疵量化指标(瑕疵数量)、瑕疵复杂指标和瑕疵精度指标，以三维评价模型为模型基础，以瑕疵量化指标作为第一重维度、以瑕疵复杂指标作为第二重维度、以瑕疵精度指标作为第三重维度，搭建所述瑕疵评估模型；
将金属瑕疵检测结果、纹理瑕疵检测结果和脏污瑕疵检测结果依次输入瑕疵评估模型中第一重维度；将金属瑕疵检测结果、纹理瑕疵检测结果和脏污瑕疵检测结果依次输入瑕疵评估模型中第二重维度；将金属瑕疵检测结果、纹理瑕疵检测结果和脏污瑕疵检测结果依次输入瑕疵评估模型中第三重维度；根据所述瑕疵评估模型对各类瑕疵进行评估，得到瑕疵量化指数(瑕疵量化指数为第一重维度输出，所述瑕疵量化指数包括金属瑕疵量化指数、纹理瑕疵量化指数和脏污瑕疵量化指数)、瑕疵复杂指数(瑕疵复杂指数为第二重维度输出，所述瑕疵复杂指数包括金属瑕疵复杂指数、纹理瑕疵复杂指数和脏污瑕疵复杂指数)和瑕疵精度指数(瑕疵精度指数为第三重维度输出，所述瑕疵精度指数包括金属瑕疵精度指数、纹理瑕疵精度指数和脏污瑕疵精度指数)；依照3:3:4(3:3:4为验证优选所得)的权重比例，对所述瑕疵量化指数、所述瑕疵复杂指数和所述瑕疵精度指数进行权重识别匹配运算，计算获取所述瑕疵评估结果，所述瑕疵评估结果为瑕疵强度，为后续进行瑕疵评估提供模型支持。
综上所述，本申请实施例所提供的一种非织造产品表面缺陷检测方法及***具有如下技术效果：
1.由于采用了根据视觉检测装置进行检测，得到织品表面检测数据集，进行表面瑕疵识别，获取标识瑕疵点集合，分类得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；获取预设分层精度，对金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层，进行边缘检测，获取边缘检测结果，获取瑕疵评估结果，本申请通过提供了一种非织造产品表面缺陷检测方法及***，实现了针对瑕疵点的定位放大，分层进行瑕疵检测，提升非织造产品表面缺陷检测精度，降低检测通过产品的细小瑕疵隐患的技术效果。
2.由于采用了获取边缘检测的边界点集合，进行边界点连续性分析，得到边缘连续性；判断边缘连续性是否大于预设边缘连续性，若边缘连续性小于预设边缘连续性，获取补偿指令，对边界点集合进行边界点补偿，为保证边缘轮廓的可信度提供支持。
实施例二
基于与前述实施例中一种非织造产品表面缺陷检测方法相同的发明构思，如图4所示，本申请实施例提供了一种非织造产品表面缺陷检测***，其中，所述***包括：
织品表面检测模块100，用于根据视觉检测装置进行检测，得到织品表面检测数据集；
表面瑕疵识别模块200，用于对所述织品表面检测数据集进行表面瑕疵识别，获取标识瑕疵点集合；
瑕疵点分类模块300，用于对所述标识瑕疵点集合进行分类，得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；
分层精度获取模块400，用于获取预设分层精度，包括预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度；
瑕疵图像分层模块500，用于根据所述预设分层精度，对所述金属瑕疵点集合、所述纹理瑕疵点集合和所述脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层；
边缘检测模块600，用于对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，获取边缘检测结果；
瑕疵评估结果获取模块700，用于根据所述边缘检测结果，获取瑕疵评估结果。
进一步的，所述***包括：
边缘检测结果获取模块，用于获取所述边缘检测结果，其中，所述边缘检测结果包括金属瑕疵检测结果、纹理瑕疵检测结果和脏污瑕疵检测结果；
特征识别模块，用于对所述金属瑕疵检测结果、所述纹理瑕疵检测结果和所述脏污瑕疵检测结果进行特征识别，获取金属瑕疵特征、纹理瑕疵特征和脏污瑕疵特征；
瑕疵评估模块，用于将所述金属瑕疵特征、所述纹理瑕疵特征和脏污瑕疵特征输入瑕疵评估模型中，根据所述瑕疵评估模型，输出所述瑕疵评估结果。
进一步的，所述***包括：
瑕疵评估模型搭建模块，用于搭建所述瑕疵评估模型，其中，所述瑕疵评估模型包括瑕疵量化指标、瑕疵复杂指标和瑕疵精度指标；
瑕疵指数获取模块，用于根据所述瑕疵评估模型，得到瑕疵量化指数、瑕疵复杂指数和瑕疵精度指数；
权重识别模块，用于对所述瑕疵量化指数、所述瑕疵复杂指数和所述瑕疵精度指数进行权重识别，输出所述瑕疵评估结果，其中，所述瑕疵评估结果为瑕疵强度。
进一步的，所述***包括：
瑕疵像素计算模块，用于对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层的瑕疵像素大小进行计算，确定金属瑕疵的边缘检测像素、纹理瑕疵的边缘检测像素和脏污瑕疵的边缘检测像素；
检测像素输入模块，用于将所述金属瑕疵的边缘检测像素、所述纹理瑕疵的边缘检测像素和所述脏污瑕疵的边缘检测像素，输入边缘检测模块中，用于对各类瑕疵进行边缘检测。
进一步的，所述***包括：
表面纹理信息获取模块，用于获取目标织品的织品表面纹理信息；
图像背景特征获取模块，用于根据所述表面纹理信息，获取图像背景特征；
背景灰度值确定模块，用于根据所述图像背景特征，确定每一像素中的背景灰度值；
边缘像素识别模块，用于以所述背景灰度值输入所述边缘检测模块中，辅助所述边缘检测模块进行边缘像素识别的背景识别数据。
进一步的，所述***包括：
边界点集合获取模块，用于获取边缘检测的边界点集合；
边界点连续性分析模块，用于对所述边界点集合进行边界点连续性分析，得到边缘连续性；
边缘连续性判断模块，用于判断所述边缘连续性是否大于预设边缘连续性，若所述边缘连续性小于所述预设边缘连续性，获取补偿指令；
边界点补偿模块，用于根据所述补偿指令对所述边界点集合进行边界点补偿。
进一步的，所述***包括：
灰度值比对模块，用于通过对所述背景灰度值与所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层的灰度值进行比对，得到第一比对结果、第二比对结果和第三比对结果；
图像预处理参数获取模块，用于按照所述第一比对结果、所述第二比对结果和所述第三比对结果，获取图像预处理参数；
图像预处理模块，用于将所述图像预处理参数输入所述边缘检测模块中，用于对输入的图像进行预处理。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (5)
1.一种非织造产品表面缺陷检测方法，其特征在于，所述方法应用于非织造产品表面缺陷检测***，所述***与视觉检测装置通信连接，所述方法包括：
根据所述视觉检测装置进行检测，得到织品表面检测数据集；
对所述织品表面检测数据集进行表面瑕疵识别，获取标识瑕疵点集合；
对所述标识瑕疵点集合进行分类，得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；
获取预设分层精度，包括预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度；
根据所述预设分层精度，对所述金属瑕疵点集合、所述纹理瑕疵点集合和所述脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层；
对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，获取边缘检测结果；
根据所述边缘检测结果，获取瑕疵评估结果；
其中，所述方法还包括：
获取所述边缘检测结果，其中，所述边缘检测结果包括金属瑕疵检测结果、纹理瑕疵检测结果和脏污瑕疵检测结果；
对所述金属瑕疵检测结果、所述纹理瑕疵检测结果和所述脏污瑕疵检测结果进行特征识别，获取金属瑕疵特征、纹理瑕疵特征和脏污瑕疵特征；
将所述金属瑕疵特征、所述纹理瑕疵特征和脏污瑕疵特征输入瑕疵评估模型中，根据所述瑕疵评估模型，输出所述瑕疵评估结果；
其中，所述方法还包括：
搭建所述瑕疵评估模型，其中，所述瑕疵评估模型包括瑕疵量化指标、瑕疵复杂指标和瑕疵精度指标；
根据所述瑕疵评估模型，得到瑕疵量化指数、瑕疵复杂指数和瑕疵精度指数；
对所述瑕疵量化指数、所述瑕疵复杂指数和所述瑕疵精度指数进行权重识别，输出所述瑕疵评估结果，其中，所述瑕疵评估结果为瑕疵强度；
其中，对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，方法还包括：
对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层的瑕疵像素大小进行计算，确定金属瑕疵的边缘检测像素、纹理瑕疵的边缘检测像素和脏污瑕疵的边缘检测像素；
将所述金属瑕疵的边缘检测像素、所述纹理瑕疵的边缘检测像素和所述脏污瑕疵的边缘检测像素，输入边缘检测模块中，用于对各类瑕疵进行边缘检测。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取目标织品的织品表面纹理信息；
根据所述表面纹理信息，获取图像背景特征；
根据所述图像背景特征，确定每一像素中的背景灰度值；
以所述背景灰度值输入所述边缘检测模块中，辅助所述边缘检测模块进行边缘像素识别的背景识别数据。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取边缘检测的边界点集合；
对所述边界点集合进行边界点连续性分析，得到边缘连续性；
判断所述边缘连续性是否大于预设边缘连续性，若所述边缘连续性小于所述预设边缘连续性，获取补偿指令；
根据所述补偿指令对所述边界点集合进行边界点补偿。
4.如权利要求2所述的方法，其特征在于，所述方法还包括：
通过对所述背景灰度值与所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层的灰度值进行比对，得到第一比对结果、第二比对结果和第三比对结果；
按照所述第一比对结果、所述第二比对结果和所述第三比对结果，获取图像预处理参数；
将所述图像预处理参数输入所述边缘检测模块中，用于对输入的图像进行预处理。
5.一种非织造产品表面缺陷检测***，其特征在于，用于实施权利要求1-4任一一项所述的一种非织造产品表面缺陷检测方法，包括：
织品表面检测模块，用于根据视觉检测装置进行检测，得到织品表面检测数据集；
表面瑕疵识别模块，用于对所述织品表面检测数据集进行表面瑕疵识别，获取标识瑕疵点集合；
瑕疵点分类模块，用于对所述标识瑕疵点集合进行分类，得到金属瑕疵点集合、纹理瑕疵点集合和脏污瑕疵点集合；
分层精度获取模块，用于获取预设分层精度，包括预设金属瑕疵精度、预设纹理瑕疵精度和预设脏污瑕疵精度；
瑕疵图像分层模块，用于根据所述预设分层精度，对所述金属瑕疵点集合、所述纹理瑕疵点集合和所述脏污瑕疵点集合进行瑕疵图像分层，得到金属瑕疵分层、纹理瑕疵分层和脏污瑕疵分层；
边缘检测模块，用于对所述金属瑕疵分层、所述纹理瑕疵分层和所述脏污瑕疵分层进行边缘检测，获取边缘检测结果；
瑕疵评估结果获取模块，用于根据所述边缘检测结果，获取瑕疵评估结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310132009.7A CN116008289B (zh) | 2023-02-07 | 2023-02-07 | 一种非织造产品表面缺陷检测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310132009.7A CN116008289B (zh) | 2023-02-07 | 2023-02-07 | 一种非织造产品表面缺陷检测方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116008289A CN116008289A (zh) | 2023-04-25 |
| CN116008289B true CN116008289B (zh) | 2024-06-07 |
Family
ID=86023235
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310132009.7A Active CN116008289B (zh) | 2023-02-07 | 2023-02-07 | 一种非织造产品表面缺陷检测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116008289B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116754484B (zh) * | 2023-06-19 | 2024-01-05 | 江苏省特种设备安全监督检验研究院 | 一种非金属内胆纤维缠绕容器的无损检测方法 |
| CN117274248B (zh) * | 2023-11-20 | 2024-02-02 | 滨州三元家纺有限公司 | 一种布料印染瑕疵缺陷视觉检测方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1760437A (zh) * | 2005-11-10 | 2006-04-19 | 东华大学 | 一种自动验布等级客观评定*** |
| CN104751443A (zh) * | 2014-12-12 | 2015-07-01 | 郑州轻工业学院 | 基于多光谱技术棉花疵点检测与识别方法 |
| CN107782733A (zh) * | 2017-09-30 | 2018-03-09 | 中国船舶重工集团公司第七〇九研究所 | 金属表面缺陷的图像识别无损检测装置及方法 |
| CN109146875A (zh) * | 2018-09-05 | 2019-01-04 | 深圳灵图慧视科技有限公司 | 用于织物表面缺陷检测的方法、装置和设备 |
| CN109187579A (zh) * | 2018-09-05 | 2019-01-11 | 深圳灵图慧视科技有限公司 | 织物疵点检测方法及装置、计算机设备及计算机可读介质 |
| CN109242846A (zh) * | 2018-09-05 | 2019-01-18 | 深圳灵图慧视科技有限公司 | 用于织物表面缺陷检测的方法、装置和设备 |
| WO2019109184A1 (en) * | 2017-12-05 | 2019-06-13 | 9360-3561 Québec Inc. | System and method for analysis of chromogenic material |
| CN110389130A (zh) * | 2019-07-04 | 2019-10-29 | 盎古(上海)科技有限公司 | 应用于织物的智能检测*** |
| CN110412037A (zh) * | 2019-07-04 | 2019-11-05 | 盎古(上海)科技有限公司 | 一种织物疵点信息处理方法和装置 |
| CN113177924A (zh) * | 2021-05-10 | 2021-07-27 | 南通大学 | 一种工业流水线产品瑕疵检测方法 |
| CN113554080A (zh) * | 2021-07-15 | 2021-10-26 | 长沙长泰机器人有限公司 | 一种基于机器视觉的无纺布瑕疵检测分类方法及*** |
| CN113781458A (zh) * | 2021-09-16 | 2021-12-10 | 厦门理工学院 | 一种基于人工智能的识别方法 |
| CN114393895A (zh) * | 2022-01-21 | 2022-04-26 | 山东晶创新材料科技有限公司 | 一种基于聚丙烯长丝非织造布的复合防水卷材tpo制备方法 |
| CN114419004A (zh) * | 2022-01-21 | 2022-04-29 | 佛山技研智联科技有限公司 | 织物瑕疵的检测方法、装置、计算机设备及可读存储介质 |
| CN114460004A (zh) * | 2022-01-26 | 2022-05-10 | 奥美医疗(湖北)防护用品有限公司 | 非织造布表面瑕疵在线检测装置和方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20210299879A1 (en) * | 2018-10-27 | 2021-09-30 | Gilbert Pinter | Machine vision systems, illumination sources for use in machine vision systems, and components for use in the illumination sources |
| US11328380B2 (en) * | 2018-10-27 | 2022-05-10 | Gilbert Pinter | Machine vision systems, illumination sources for use in machine vision systems, and components for use in the illumination sources |
| CN111028204B (zh) * | 2019-11-19 | 2021-10-08 | 清华大学 | 一种基于多模态融合深度学习的布匹缺陷检测方法 |
-
2023
- 2023-02-07 CN CN202310132009.7A patent/CN116008289B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1760437A (zh) * | 2005-11-10 | 2006-04-19 | 东华大学 | 一种自动验布等级客观评定*** |
| CN104751443A (zh) * | 2014-12-12 | 2015-07-01 | 郑州轻工业学院 | 基于多光谱技术棉花疵点检测与识别方法 |
| CN107782733A (zh) * | 2017-09-30 | 2018-03-09 | 中国船舶重工集团公司第七〇九研究所 | 金属表面缺陷的图像识别无损检测装置及方法 |
| WO2019109184A1 (en) * | 2017-12-05 | 2019-06-13 | 9360-3561 Québec Inc. | System and method for analysis of chromogenic material |
| CN109146875A (zh) * | 2018-09-05 | 2019-01-04 | 深圳灵图慧视科技有限公司 | 用于织物表面缺陷检测的方法、装置和设备 |
| CN109242846A (zh) * | 2018-09-05 | 2019-01-18 | 深圳灵图慧视科技有限公司 | 用于织物表面缺陷检测的方法、装置和设备 |
| CN109187579A (zh) * | 2018-09-05 | 2019-01-11 | 深圳灵图慧视科技有限公司 | 织物疵点检测方法及装置、计算机设备及计算机可读介质 |
| CN110389130A (zh) * | 2019-07-04 | 2019-10-29 | 盎古(上海)科技有限公司 | 应用于织物的智能检测*** |
| CN110412037A (zh) * | 2019-07-04 | 2019-11-05 | 盎古(上海)科技有限公司 | 一种织物疵点信息处理方法和装置 |
| CN113177924A (zh) * | 2021-05-10 | 2021-07-27 | 南通大学 | 一种工业流水线产品瑕疵检测方法 |
| CN113554080A (zh) * | 2021-07-15 | 2021-10-26 | 长沙长泰机器人有限公司 | 一种基于机器视觉的无纺布瑕疵检测分类方法及*** |
| CN113781458A (zh) * | 2021-09-16 | 2021-12-10 | 厦门理工学院 | 一种基于人工智能的识别方法 |
| CN114393895A (zh) * | 2022-01-21 | 2022-04-26 | 山东晶创新材料科技有限公司 | 一种基于聚丙烯长丝非织造布的复合防水卷材tpo制备方法 |
| CN114419004A (zh) * | 2022-01-21 | 2022-04-29 | 佛山技研智联科技有限公司 | 织物瑕疵的检测方法、装置、计算机设备及可读存储介质 |
| CN114460004A (zh) * | 2022-01-26 | 2022-05-10 | 奥美医疗(湖北)防护用品有限公司 | 非织造布表面瑕疵在线检测装置和方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于图像处理的非织造布的外观质量检测;夏天;中国优秀硕士学位论文全文数据库 信息科技辑;20140915;第32-41页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116008289A (zh) | 2023-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116008289B (zh) | 一种非织造产品表面缺陷检测方法及*** | |
| Çelik et al. | Development of a machine vision system: real-time fabric defect detection and classification with neural networks | |
| JP5354343B2 (ja) | ファンシーヤーンの特徴付け方法 | |
| CN108414531A (zh) | 一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法 | |
| CN103221807A (zh) | 快速处理和检测幅材型材料中的不均匀因素 | |
| CN116402742A (zh) | 一种汽车钣金件表面缺陷的视觉检测方法及*** | |
| WO2021255565A2 (en) | Inspecting sheet goods using deep learning | |
| CN113777033A (zh) | 一种基于机器视觉的生条缺陷检测方法和装置 | |
| Pereira et al. | Computer vision techniques for detecting yarn defects | |
| CN110458809B (zh) | 一种基于亚像素边缘检测的纱线条干均匀度检测方法 | |
| JP2001516909A (ja) | 繊維面組織からのデータを評価する方法 | |
| CN116894840A (zh) | 纺纱打样机产品质量检测方法及*** | |
| US10388011B2 (en) | Real-time, full web image processing method and system for web manufacturing supervision | |
| KR102284095B1 (ko) | 외관 검사 관리 시스템, 외관 검사 관리 장치, 외관 검사 관리 방법 및 프로그램 | |
| CN112750119B (zh) | 一种面向白玻璃盖板表面微弱缺陷的检测与测量方法 | |
| Semnani et al. | Detecting and measuring fabric pills using digital image analysis | |
| EP3459045B1 (en) | Real-time, full web image processing method and system for web manufacturing supervision | |
| JPH10123066A (ja) | 特異点検出装置及び方法 | |
| CN106910276A (zh) | 检测纸币新旧的方法及装置 | |
| Perng et al. | A novel quasi-contact lens auto-inspection system | |
| Niles et al. | A system for analysis, categorisation and grading of fabric defects using computer vision | |
| CN113538489B (zh) | 一种非织造布纤维直径测量方法 | |
| Wu et al. | A defect detection method based on sub-image statistical feature for texture surface | |
| Gültekin et al. | A Machine Vision Solution for Industrial Application of Abrage Inspection and Diameter Measurement on Yarn Bobbins | |
| Demircioglu et al. | Metal Surface Texture Classification with Gabor Filter Banks and Xai |
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 |