CN106226325B - 一种基于机器视觉的座椅表面缺陷检测系统及其方法 - Google Patents
一种基于机器视觉的座椅表面缺陷检测系统及其方法 Download PDFInfo
- Publication number
- CN106226325B CN106226325B CN201610585786.7A CN201610585786A CN106226325B CN 106226325 B CN106226325 B CN 106226325B CN 201610585786 A CN201610585786 A CN 201610585786A CN 106226325 B CN106226325 B CN 106226325B
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- analysis platform
- seat
- image processing
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 230000007547 defect Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000007689 inspection Methods 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims 2
- 230000007257 malfunction Effects 0.000 claims 2
- 238000004826 seaming Methods 0.000 claims 2
- 238000005253 cladding Methods 0.000 claims 1
- 238000005192 partition Methods 0.000 claims 1
- 238000004088 simulation Methods 0.000 claims 1
- 230000007704 transition Effects 0.000 claims 1
- 230000032258 transport Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 12
- 239000000047 product Substances 0.000 abstract description 11
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 239000013589 supplement Substances 0.000 abstract description 2
- 230000037303 wrinkles Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005058 metal casting Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于机器视觉的座椅表面缺陷检测系统，包括机械臂、数控装置、激光测距仪、图像采集装置、图像处理和分析平台和数据库系统，其中激光测距仪和图像采集装置安装在机械臂上；数控装置连接机械臂；图像采集装置连接图像处理和分析平台；图像处理和分析平台连接数据库系统，数据库系统用于存储图像处理和分析平台的检测分析结果。与现有技术相比，本发明提高了产品质量检测水平，提高了产品质量检测的效率，是智能化工业制造的一个有益补充，不仅解放了劳动力，而且推动了企业利用信息技术改造提升传统生产流程，同时，本发明使用单个相机，代替多个相机以降低检测成本，单帧拍摄降低了信息处理的压力，使得系统更简单、稳定。
Description
技术领域
本发明涉及机器视觉检测领域，尤其涉及一种基于机器视觉的座椅表面缺陷检测系统及其方法。
背景技术
座椅是汽车整车的核心部件之一，包含了大量的科技价值与形象价值。目前，我国约有700家汽车座椅生产商，江苏、浙江以及广东是我国汽车座椅的生产中心，但小规模汽车座椅生产企业数量多，低端汽车座椅产品充斥市场，存在产能过剩问题。同时，这也导致国内汽车座椅企业无序竞争现象严重。目前我国大多数座椅生产线采用的还是传统的人工串连生产方式，生产效率低下，而且出错率高。
在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。本发明的目的在于使用视觉检测来代替座椅生产线的座椅表面缺陷检测，视觉识别座椅表面的油污，划痕，皱褶，线头和接缝异常以及安装差错等缺陷，提高检测的效率和准确度。
汽车座椅检测装置的研制(吴彦强，张若青.测控技术,2013,32(3):120-123.)，该文献设计了以SIMATIC S7-300系列PLC为核心控制器的汽车座椅检测装置。测控系统通过TCP/IP协议将PLC与组态王开发的人机界面相连；通过采用零漂移补偿以及软硬件滤波技术,提高了测试信号的精度和稳定性；编程中采用的模块化结构,使程序的执行效率大大提高,且具有良好的可读性和易维护性，然而该文献主要针对汽车座椅结构的检测。
纵观国内外，机器视觉在汽车制造和检测领域的应用主要有汽车整车尺寸测量、气缸盖检测、汽车金属铸件检测、汽车发动机装配检测。但在汽车座椅表面缺陷检测中，目前都采用人工视觉检查产品质量，效率低且精度不高，随着劳动力成本的提高，检测成本也在上升。
为克服现有技术的不足，本申请人在2016年4月11日递交了一份申请号为201610217127.8名称为基于机器视觉的汽车座椅表面缺陷检测系统及检测方法的专利申请。该申请的技术方案包括光源装置、单片机数控装置、图像采集装置、图像处理和分析平台、数据库系统以及硬件装置，所述图像采集装置、图像处理和分析平台以及数据库系统顺序连接，所述光源装置设置在硬件装置上，所述单片机数控装置与光源装置电连接；所述光源装置用于提高待测特征对比度、简化图像处理程序；所述单片机数控装置，用于调整、控制光源颜色和照度；所述图像采集装置，用于采集所述检测图像并发送至所述图像处理和分析平台；所述图像处理和分析平台，用于对采集到的图形进行特征识别，并根据拾取的特征判断待检测座椅是否有缺陷；所述数据库系统，用于存储所述检测分析结果。
该申请中的技术方案中用于拍摄汽车座椅的各个方向上需要设置多个静态相机，检测成本较高，同时获取图像信息量较大，同时对所有图像处理时往往要花费较多的时间，同时CPU运转率较高，检测系统不太稳定。
发明内容
为克服现有技术的不足，本发明提出一种基于机器视觉的座椅表面缺陷检测系统及其方法。
本发明的技术方案是这样的：一种基于机器视觉的座椅表面缺陷检测系统，包括机械臂、数控装置、激光测距仪、图像采集装置、图像处理和分析平台和数据库系统，其中
所述激光测距仪和图像采集装置安装在所述机械臂上；
所述数控装置连接所述机械臂，用于调整和控制机械臂的运动路径；
所述图像采集装置连接所述图像处理和分析平台，用于采集检测图像并发送至所述图像处理和分析平台；
所述图像处理和分析平台连接所述数据库系统，所述图像处理和分析平台用于对采集到的图形进行特征识别，并根据识别的特征判断待检测座椅是否有缺陷，所述数据库系统用于存储所述图像处理和分析平台的检测分析结果。
进一步地，所述机械臂为六自由度机械臂。
进一步地，所述图像采集装置无线连接所述图像处理和分析平台。
进一步地，所述图像处理和分析平台无线连接所述数据库系统。
进一步地，所述图像采集装置包括工业相机、镜头、AD转换装置和图像采集卡，所述镜头固定在所述工业相机上，所述工业相机和所述AD转换装置、图像采集卡进行电连接；
所述工业相机用于实时采集图像；
所述AD转换装置将采集到的图像转换为数字图像；
所述图像采集卡用于将所述数字图像并发送至所述图像处理和分析平台。
本发明还提供一种基于机器视觉的座椅表面缺陷检测方法，包括步骤
S1：向数据库系统中输入座椅模板信息；
S2：组装座椅，运输到机械臂下方；
S3：机械臂根据数控装置的路径规划和激光测距仪的距离反馈，带动图像采集装置分别对座椅的不同位置进行拍摄；
S4：将拍摄到的图像发送到图像处理和分析平台进行图像处理和分析；
S5：将图像处理和分析平台的分析结果存储至数据库系统中。
进一步地，步骤S4中图像处理和分析平台进行图像处理和分析的过程包括步骤
S41：对所述检测图像使用分类器算法，进行颜色识别与材质识别，然后与模板相匹配，判断座椅是否组装错误，蒙皮材料是否出错；
S42：对所述检测图像使用形态学处理和阈值选取进行线头位置、接缝位置识别；
S43：对所述检测图像进行特征提取、分析算法来进行判断线头缺陷和接缝缺陷；
若上述步骤有一步检测到缺陷，直接报错，产品不合格；
若上述步骤都合格，重置处理过的检测图像，进行一下步骤：
S44：对所述检测图像使用高斯混合建模、形态学、图像卷积组合算法进行纹理滤波，减少座椅表面纹理干扰；
S45：对所述检测图像进行阈值处理，再使用边缘检测算法，提取特征，与划痕、褶皱和油污特征模板进行匹配，判断座椅表面是否有划痕、褶皱或油污，生成检测分析结果。
更进一步地，步骤S41包括步骤：通过数据库系统，对检测图像进行模板匹配，确定检测图像类型，再获取检测图像的颜色和特征，与模板数据进行对比，将获取数据与模板数据做数学运算，若模板数据与获取数据差小于一定范围，则产品皮料、组装合格。
更进一步地，步骤S43包括步骤：对图像进行RGB到灰度图像转换，再进行阈值选择、外轮廓特征提取，然后使用区域分割对连接线进行提取，除去其它无关背景，再与连接线模板进行模板匹配，判断是否有线头，接缝是否有破损。
进一步地，步骤S5包括步骤：
S51：给所述检测分析结果添加存储标识信息生成待存储分析结果；
S52：将所述存储分析结果存储至数据库中。
本发明的有益效果在于，与现有技术相比，本发明提高了产品质量检测水平，提高了产品质量检测的效率，是智能化工业制造的一个有益补充，不仅解放了劳动力，而且推动了企业利用信息技术改造提升传统生产流程，同时，本发明使用单个相机，代替多个相机以降低检测成本，单帧拍摄降低了图像处理和分析平台信息处理的压力，使得系统更简单、稳定。
附图说明
图1是本发明一种基于机器视觉的座椅表面缺陷检测系统结构示意图。
图2是本发明一种基于机器视觉的座椅表面缺陷检测系统电路连接示意图。
图3是本发明一种基于机器视觉的座椅表面缺陷检测方法流程图。
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作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。
请参见图1和图2，本发明一种基于机器视觉的座椅表面缺陷检测系统，包括机械臂3、数控装置1、激光测距仪5、图像采集装置4、图像处理和分析平台2和数据库系统6，其中
所述激光测距仪5和图像采集装置4安装在所述机械臂3上；
所述数控装置1连接所述机械臂3，用于调整和控制机械臂的运动路径；
所述图像采集装置4连接所述图像处理和分析平台2，用于采集检测图像并发送至所述图像处理和分析平台2；
所述图像处理和分析平台2连接所述数据库系统6，所述图像处理和分析平台2用于对采集到的图形进行特征识别，并根据识别的特征判断待检测座椅是否有缺陷，所述数据库系统6用于存储所述图像处理和分析平台的检测分析结果。
所述机械臂3可设置于附加框体上，也可设置于如图1所述的龙门架7上。
所述激光测距仪，用于测量采集系统到座椅表面的距离，并反馈给数控装置；
所述数控装置1连接有电源和机械臂3，所述数控装置1通过激光测距仪5反馈数据控制机械臂末端位置，使图像采集系统与座椅表面保持恒定距离。
所述数控系统1控制机械臂3运动，使得图像采集系统获取座椅表面各个不同部位的清晰图像。
在本发明的某些实施例中，所述机械臂3为六自由度机械臂。
本发明的某些实施例中，所述图像采集装置无线连接所述图像处理和分析平台，所述图像处理和分析平台无线连接所述数据库系统。
所述图像采集装置4包括工业相机、镜头、AD转换装置和图像采集卡，所述镜头固定在所述工业相机上，所述工业相机和所述AD转换装置、图像采集卡进行电连接；所述工业相机用于实时采集图像；所述AD转换装置将采集到的图像转换为数字图像；所述图像采集卡用于将所述数字图像并发送至所述图像处理和分析平台。
本发明还提供一种基于机器视觉的座椅表面缺陷检测方法，包括步骤
S1：向数据库系统中输入座椅模板信息；
S2：组装座椅，运输到机械臂下方；
S3：机械臂根据数控装置的路径规划和激光测距仪的距离反馈，带动图像采集装置分别对座椅的不同位置进行拍摄；
S4：将拍摄到的图像发送到图像处理和分析平台进行图像处理和分析；
S5：将图像处理和分析平台的分析结果存储至数据库系统中。
其中，步骤S4中图像处理和分析平台进行图像处理和分析的过程包括步骤
S41：对所述检测图像使用分类器算法，进行颜色识别与材质识别，然后与模板相匹配，判断座椅是否组装错误，蒙皮材料是否出错；
S42：对所述检测图像使用形态学处理和阈值选取进行线头位置、接缝位置识别；
S43：对所述检测图像进行特征提取、分析算法来进行判断线头缺陷和接缝缺陷；
若上述步骤有一步检测到缺陷，直接报错，产品不合格；
若上述步骤都合格，重置处理过的检测图像，进行一下步骤：
S44：对所述检测图像使用高斯混合建模、形态学、图像卷积组合算法进行纹理滤波，减少座椅表面纹理干扰；
S45：对所述检测图像进行阈值处理，再使用边缘检测算法，提取特征，与划痕、褶皱和油污特征模板进行匹配，判断座椅表面是否有划痕、褶皱或油污，生成检测分析结果。
其中，步骤S41包括步骤：通过数据库系统，对检测图像进行模板匹配，确定检测图像类型，再获取检测图像的颜色和特征，与模板数据进行对比，将获取数据与模板数据做数学运算，若模板数据与获取数据差小于一定范围，则产品皮料、组装合格。
其中，步骤S43包括步骤：对图像进行RGB到灰度图像转换，再进行阈值选择、外轮廓特征提取，然后使用区域分割对连接线进行提取，除去其它无关背景，再与连接线模板进行模板匹配，判断是否有线头，接缝是否有破损。
其中，步骤S5包括步骤：
S51：给所述检测分析结果添加存储标识信息生成待存储分析结果；
S52：将所述存储分析结果存储至数据库中。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种基于机器视觉的座椅表面缺陷检测系统，其特征在于，包括机械臂、数控装置、激光测距仪、图像采集装置、图像处理和分析平台和数据库系统，其中
所述激光测距仪和图像采集装置安装在所述机械臂上；
所述数控装置连接所述机械臂，用于调整和控制机械臂的运动路径；
所述图像采集装置连接所述图像处理和分析平台，用于采集检测图像并发送至所述图像处理和分析平台；
所述图像处理和分析平台连接所述数据库系统，所述图像处理和分析平台用于对采集到的图形进行特征识别，并根据识别的特征判断待检测座椅是否有缺陷，所述数据库系统用于存储所述图像处理和分析平台的检测分析结果；
所述检测系统的检测方法包括以下步骤：
向数据库系统中输入座椅模板信息；
组装座椅，运输到机械臂下方；
机械臂根据数控装置的路径规划和激光测距仪的距离反馈，带动图像采集装置分别对座椅的不同位置进行拍摄；
将拍摄到的图像发送到图像处理和分析平台进行图像处理和分析；
将图像处理和分析平台的分析结果存储至数据库系统中；
对所述检测图像使用分类器算法，进行颜色识别与材质识别，然后与模板相匹配，判断座椅是否组装错误，蒙皮材料是否出错；
对所述检测图像使用形态学处理和阈值选取进行线头位置、接缝位置识别；
对所述检测图像进行特征提取、分析算法来进行判断线头缺陷和接缝缺陷；
若上述步骤对图像的检测出现缺陷，直接报错，产品不合格；
若上述步骤都合格，重置处理过的检测图像，进行以下步骤：
对所述检测图像使用高斯混合建模、形态学、图像卷积组合算法进行纹理滤波，减少座椅表面纹理干扰；
对所述检测图像进行阈值处理，再使用边缘检测算法，提取特征，与划痕、褶皱和油污特征模板进行匹配，判断座椅表面是否有划痕、褶皱或油污，生成检测分析结果。
2.如权利要求1所述的基于机器视觉的座椅表面缺陷检测系统，其特征在于，所述机械臂为六自由度机械臂。
3.如权利要求1所述的基于机器视觉的座椅表面缺陷检测系统，其特征在于，所述图像采集装置无线连接所述图像处理和分析平台。
4.如权利要求1所述的基于机器视觉的座椅表面缺陷检测系统，其特征在于，所述图像处理和分析平台无线连接所述数据库系统。
5.如权利要求1所述的基于机器视觉的座椅表面缺陷检测系统，其特征在于，所述图像采集装置包括工业相机、镜头、AD转换装置和图像采集卡，所述镜头固定在所述工业相机上，所述工业相机和所述AD转换装置、图像采集卡进行电连接；
所述工业相机用于实时采集图像；
所述AD转换装置将采集到的图像转换为数字图像；
所述图像采集卡用于将所述数字图像发送至所述图像处理和分析平台。
6.一种基于机器视觉的座椅表面缺陷检测方法，其特征在于，包括步骤
S1：向数据库系统中输入座椅模板信息；
S2：组装座椅，运输到机械臂下方；
S3：机械臂根据数控装置的路径规划和激光测距仪的距离反馈，带动图像采集装置分别对座椅的不同位置进行拍摄；
S4：将拍摄到的图像发送到图像处理和分析平台进行图像处理和分析；
S5：将图像处理和分析平台的分析结果存储至数据库系统中；
所述激光测距仪和图像采集装置安装在所述机械臂上；
所述数控装置连接所述机械臂，用于调整和控制机械臂的运动路径；
所述图像采集装置连接所述图像处理和分析平台，用于采集检测图像并发送至所述图像处理和分析平台；
所述图像处理和分析平台连接所述数据库系统，所述图像处理和分析平台用于对采集到的图形进行特征识别，并根据识别的特征判断待检测座椅是否有缺陷，所述数据库系统用于存储所述图像处理和分析平台的检测分析结果；
步骤S4中图像处理和分析平台进行图像处理和分析的过程包括步骤
S41：对所述检测图像使用分类器算法，进行颜色识别与材质识别，然后与模板相匹配，判断座椅是否组装错误，蒙皮材料是否出错；
S42：对所述检测图像使用形态学处理和阈值选取进行线头位置、接缝位置识别；
S43：对所述检测图像进行特征提取、分析算法来进行判断线头缺陷和接缝缺陷；
若上述步骤有一步检测到缺陷，直接报错，产品不合格；
若上述步骤都合格，重置处理过的检测图像，进行以下步骤：
S44：对所述检测图像使用高斯混合建模、形态学、图像卷积组合算法进行纹理滤波，减少座椅表面纹理干扰；
S45：对所述检测图像进行阈值处理，再使用边缘检测算法，提取特征，与划痕、褶皱和油污特征模板进行匹配，判断座椅表面是否有划痕、褶皱或油污，生成检测分析结果。
7.如权利要求6所述的基于机器视觉的座椅表面缺陷检测方法，其特征在于，步骤S41包括步骤：通过数据库系统，对检测图像进行模板匹配，确定检测图像类型，再获取检测图像的颜色和特征，与模板数据进行对比，将获取数据与模板数据做数学运算，若模板数据与获取数据差小于一定范围，则产品皮料、组装合格。
8.如权利要求6所述的基于机器视觉的座椅表面缺陷检测方法，其特征在于，步骤S43包括步骤：对图像进行RGB到灰度图像转换，再进行阈值选择、外轮廓特征提取，然后使用区域分割对连接线进行提取，除去其它无关背景，再与连接线模板进行模板匹配，判断是否有线头，接缝是否有破损。
9.如权利要求6所述的基于机器视觉的座椅表面缺陷检测方法，其特征在于，步骤S5包括步骤：
S51：给所述检测分析结果添加存储标识信息生成待存储分析结果；
S52：将所述存储分析结果存储至数据库中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610585786.7A CN106226325B (zh) | 2016-07-22 | 2016-07-22 | 一种基于机器视觉的座椅表面缺陷检测系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610585786.7A CN106226325B (zh) | 2016-07-22 | 2016-07-22 | 一种基于机器视觉的座椅表面缺陷检测系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106226325A CN106226325A (zh) | 2016-12-14 |
| CN106226325B true CN106226325B (zh) | 2019-07-26 |
Family
ID=57531350
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610585786.7A Expired - Fee Related CN106226325B (zh) | 2016-07-22 | 2016-07-22 | 一种基于机器视觉的座椅表面缺陷检测系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106226325B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230093440A1 (en) * | 2021-09-23 | 2023-03-23 | Lear Corporation | Vehicle Seat Correction System and Method of Correcting a Defect in a Vehicle Seat |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107253215B (zh) * | 2017-01-22 | 2020-12-29 | 梅卡曼德（北京）机器人科技有限公司 | 一种集成了2d、3d相机和激光器的机器人智能传感模块 |
| CN106872477A (zh) * | 2017-04-11 | 2017-06-20 | 安徽国防科技职业学院 | 汽车发动机密封件外观缺陷探伤系统 |
| CN107643293A (zh) * | 2017-08-15 | 2018-01-30 | 广东工业大学 | 一种汽车座椅的出厂检测装置及系统 |
| US10269108B2 (en) * | 2017-09-01 | 2019-04-23 | Midea Group Co., Ltd. | Methods and systems for improved quality inspection of products using a robot |
| CN109493311B (zh) * | 2017-09-08 | 2022-03-29 | 上海宝信软件股份有限公司 | 一种无规则缺陷图片模式识别与匹配方法及系统 |
| CN107688029A (zh) * | 2017-09-20 | 2018-02-13 | 广州视源电子科技股份有限公司 | 外观检测方法和装置 |
| CN107957244B (zh) * | 2017-11-28 | 2024-02-06 | 东莞市富宝家居集团有限公司 | 一种原木结构件自动化加工方法及自动化原木加工设备 |
| CN109974764A (zh) * | 2017-12-27 | 2019-07-05 | 天津明源机械设备有限公司 | 一种自动外观检验装置 |
| CN108734703B (zh) * | 2018-04-26 | 2020-12-01 | 广东道氏技术股份有限公司 | 基于机器视觉的抛光砖打印图样检测方法、系统及装置 |
| CN109431009B (zh) * | 2018-12-21 | 2021-01-08 | 季华实验室 | 一种鞋体脱楦检测装置 |
| CN109807083A (zh) * | 2019-03-18 | 2019-05-28 | 长春光华学院 | 一种基于图像分析的汽车座椅靠背识别方法和系统 |
| CN112816492A (zh) * | 2019-11-15 | 2021-05-18 | 株洲中车时代电气股份有限公司 | 基于机器视觉的变流器底部盖板的检测装置及系统 |
| CN111024005A (zh) * | 2019-12-31 | 2020-04-17 | 芜湖哈特机器人产业技术研究院有限公司 | 一种基于视觉的家具喷涂质量检测方法 |
| CN111272775A (zh) * | 2020-02-24 | 2020-06-12 | 上海感图网络科技有限公司 | 一种使用人工智能检测换热器缺陷的装置及方法 |
| CN111504458A (zh) * | 2020-04-02 | 2020-08-07 | 沈阳祥宝科技有限公司 | 一种工业用3d视觉检测系统 |
| CN111830061A (zh) * | 2020-08-01 | 2020-10-27 | 深圳天海宸光科技有限公司 | 基于机器视觉的航空发动机检测系统及方法 |
| WO2022260431A1 (ko) * | 2021-06-09 | 2022-12-15 | 주식회사 한울시스템 | 시트에 대한 주름 영역을 결정하는 방법 및 디바이스 |
| CN115128986A (zh) * | 2022-07-29 | 2022-09-30 | 深圳市玄羽科技有限公司 | 基于SaaS级的工业互联网产量实时监控系统及方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07190742A (ja) * | 1993-11-19 | 1995-07-28 | Toyota Motor Corp | 表面欠陥検出方法及びその装置 |
| US20120105623A1 (en) * | 2010-11-01 | 2012-05-03 | Ford Motor Company | System for Detecting Surface Variations on Engine Cylinder Head Valve Seats |
| CN103017630B (zh) * | 2012-12-03 | 2015-06-10 | 奇瑞汽车股份有限公司 | 一种车辆座椅检测装置 |
| CN203385680U (zh) * | 2013-06-30 | 2014-01-08 | 北京工业大学 | 一种内壁表面缺陷图像采集装置 |
| CN103426166A (zh) * | 2013-07-09 | 2013-12-04 | 杭州电子科技大学 | 一种基于激光和单目的机器人手眼协同定位方法 |
| CN103901861B (zh) * | 2014-04-09 | 2016-06-29 | 广东伯朗特智能装备股份有限公司 | 伺服控制机械手及视觉检测生产线的控制方法及机械手臂 |
| CN104280740A (zh) * | 2014-10-11 | 2015-01-14 | 三峡大学 | 一种基于摄像机与激光测距传感器联合定位爆破孔的装置及定位方法 |
| CN105181943B (zh) * | 2015-08-25 | 2016-11-30 | 富卓汽车内饰（安徽）有限公司 | 汽车座椅皮质检测系统 |
-
2016
- 2016-07-22 CN CN201610585786.7A patent/CN106226325B/zh not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230093440A1 (en) * | 2021-09-23 | 2023-03-23 | Lear Corporation | Vehicle Seat Correction System and Method of Correcting a Defect in a Vehicle Seat |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106226325A (zh) | 2016-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106226325B (zh) | 一种基于机器视觉的座椅表面缺陷检测系统及其方法 | |
| CN109886298B (zh) | 一种基于卷积神经网络的焊缝质量检测方法 | |
| CN110216080A (zh) | 一种基于图像对比的pcb加工产线的质量监控系统 | |
| CN109840900B (zh) | 一种应用于智能制造车间的故障在线检测系统及检测方法 | |
| CN107123114A (zh) | 一种基于机器学习的布匹缺陷检测方法及装置 | |
| CN113111903B (zh) | 智能产线监测系统及监测方法 | |
| CN108355981A (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
| CN109946304A (zh) | 基于特征匹配的零件表面缺陷在线检测系统及检测方法 | |
| CN105806849A (zh) | 基于机器视觉的汽车座椅表面缺陷检测系统及检测方法 | |
| CN108355987A (zh) | 一种基于分块模板匹配的电池丝印质量检测方法 | |
| CN109986172B (zh) | 一种焊缝定位方法、设备及系统 | |
| CN108710876A (zh) | 一种基于机器视觉的电池表面标识缺陷检测方法及系统 | |
| CN106501272B (zh) | 机器视觉焊锡定位检测系统 | |
| CN111739003B (zh) | 一种用于外观检测的机器视觉方法 | |
| CN107895362A (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
| CN110186375A (zh) | 智能化高铁白车身焊接装配特征检测装置及检测方法 | |
| CN111640088A (zh) | 基于深度学习的电子元件极性检测方法、系统及电子装置 | |
| CN117974629B (zh) | 一种覆铜板产线在线缺陷检测方法、装置、存储介质及产品 | |
| CN117670887B (zh) | 一种基于机器视觉的锡焊高度及缺陷检测方法 | |
| CN105023018A (zh) | 一种喷码检测方法及系统 | |
| CN108972556A (zh) | 微特电机生产线上复杂光照环境下的导线抓取系统及方法 | |
| CN117542301A (zh) | 一种显示屏的检测方法及系统 | |
| CN117218079A (zh) | 一种基于机器视觉的车身缺陷检测方法 | |
| CN118427101A (zh) | 基于机器视觉的汽车零部件缺陷识别系统 | |
| CN109461156A (zh) | 基于视觉的螺纹密封塞装配检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | 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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190726 Termination date: 20200722 |