[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111986158B - 一种同规格铜球高精度测量方法及系统 - Google Patents

一种同规格铜球高精度测量方法及系统 Download PDF

Info

Publication number
CN111986158B
CN111986158B CN202010714956.3A CN202010714956A CN111986158B CN 111986158 B CN111986158 B CN 111986158B CN 202010714956 A CN202010714956 A CN 202010714956A CN 111986158 B CN111986158 B CN 111986158B
Authority
CN
China
Prior art keywords
points
pixel
pit
rough
point
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
Application number
CN202010714956.3A
Other languages
English (en)
Other versions
CN111986158A (zh
Inventor
林伟文
关铿强
钱瑞锋
周建新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Cheng'an Group Co ltd
Original Assignee
Foshan Cheng'an Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Cheng'an Group Co ltd filed Critical Foshan Cheng'an Group Co ltd
Priority to CN202010714956.3A priority Critical patent/CN111986158B/zh
Publication of CN111986158A publication Critical patent/CN111986158A/zh
Application granted granted Critical
Publication of CN111986158B publication Critical patent/CN111986158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • 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
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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
    • G06T2207/30136—Metal

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)
  • Mechanical Engineering (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

本发明公开了一种同规格铜球高精度测量方法及系统，通过图像处理技术检测到粗糙点,在二值化图像的像素点的像素8邻域中的频繁变换的像素点和坑洞点，从而检测出存在问题的铜球的不合格产品，能够快速的全自动识别出加工后的铜球上的加工粗糙位置并监测到加工制造过程中由于铸造、打磨或者碰撞磨损等问题导致的不合格的坑/洞问题，从而提高了铜球的加工精度，能够极大地提高了铜球产品质量，降低不合格率，本发明应用于铜球产品检测领域。

Description

一种同规格铜球高精度测量方法及系统
技术领域
本公开涉及产品加工检测技术领域，具体涉及一种同规格铜球高精度测量方法及系统。
背景技术
在铜球工业零件的生产过程中，要经过一系列的加工过程，从铜棒铜墩、等原材料的进料、截断、模腔压制铜球坯、打磨抛光到电镀等流程，如果任何一个关键步骤产生误差或者其原材料的材质产生差异，相同规格的铜球往往会产生重量、光滑度等误差,在一些诸如阀门、喷雾器、仪表仪器等应用场景，往往需要相同重量和光滑度的铜球，如果这些指标产生不同的差异，可能会在应用环境中由于铜球之间的细微差异导致铜球磨损加快，使得设备寿命缩短或者需要频换更换铜球等问题。
发明内容
本发明的目的在于提出一种同规格铜球高精度测量方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
由于打磨抛光，铜球表面的纹路都是的细微狭长的磨痕，本发明通过图像处理技术检测到粗糙点(在二值化图像的像素点的像素8邻域中的频繁变换的像素点)和坑洞点，从而检测出存在问题的铜球的不合格产品。
为了实现上述目的，根据本公开的一方面，提供一种同规格铜球高精度测量方法，所述方法包括以下步骤：
步骤1，采用LED冷光源白光对打磨抛光好的铜球进行照射，通过线阵相机采集铜球图像；所述铜球图像包括铜球的左半球图像和右半球图像；
步骤2，对铜球图像进行Hough变换圆检测获得铜球圆图像；
步骤3，将铜球圆图像二值化处理得到二值化图像；
步骤4，扫描二值化图像从而提取粗糙点；
步骤5，根据粗糙点扫描二值化图像中是否存在坑洞点，当发现存在坑洞点时，标记该铜球为不合格产品，不存在坑洞点时转到步骤6；
步骤6，当粗糙点的总数量大于粗糙点阈值时转到步骤7，否则标记铜球为合格产品；
步骤7，将铜球重新打磨抛光后重新执行步骤1到步骤6。
其中，二值化图像是只有黑色和白色两种颜色的图像，以1表示白色的像素点，以0表示黑色的像素点。
进一步地，在步骤4中，扫描二值化图像从而提取粗糙点的方法为：
扫描二值化图像中满足以下2个条件的像素点作为粗糙点：
条件1：3≤P(x,y)≤7，其中P(x,y)为像素点(x,y)的8邻域中颜色为0(即黑色)的像素数量；
条件2：像素点(x,y)的8邻域中像素点从0到1或者从1到0的变化次数大于1；
当像素点(x,y)在图像边界时则不扫描粗糙点。
进一步地，在步骤5中，根据粗糙点扫描二值化图像中的坑洞点的方法为：
步骤5.1，获取(x,y)周围的坑洞像素阈值的像素范围内的粗糙点集合M；所述坑洞像素阈值默认设置为50，即50个像素点范围。
步骤5.2，逐一扫描集合M中的满足磨痕线条件的元素(x′,y′)；
所述磨痕线条件包括：由像素点(x,y)到像素点(x′,y′)之间具有线条连接，所述线条为连续相同的像素值的像素点构成；像素值的灰度不为0；
步骤5.3，通过Shi-Tomasi角点检测得到磨痕线的角点，角点的坐标为(x0,y0)；
所述磨痕线为像素点(x,y)到像素点(x′,y′)之间像素值连续相同的像素点构成线条；
步骤5.4，计算两个端点像素点(x,y)到像素点(x′,y′)与角点之间夹角的角度，当夹角的角度大于角度阈值时则判断像素点(x,y)到像素点(x′,y′)不在同一条磨痕线上，由此检测到磨痕线集合；
其中，计算两个端点像素点(x,y)到像素点(x′,y′)与角点之间夹角的角度Angle的公式为：
其中，角度阈值设置为20度，可以在[10,60]度之间调整角度阈值；
步骤5.5，当磨痕线集合中有超过N条磨痕线超过磨痕线的平均线宽时，则判断磨痕线的端点(x,y)和(x′,y′)为坑洞点；
磨痕线的平均线宽为M个像素或者人工设置为预设值15；N为预设的点坑容忍值，点坑容忍值为[2,10]中的任一值。
本发明还提供了一种同规格铜球高精度测量系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
铜球图像采集单元，用于通过线阵相机采集铜球图像；
铜球圆检测单元，用于对铜球图像进行Hough变换圆检测获得铜球圆图像；
图像二值化单元，用于将铜球圆图像二值化处理得到二值化图像；
粗糙点提取单元，用于扫描二值化图像从而提取粗糙点；
坑洞点扫描单元，用于根据粗糙点扫描二值化图像中是否存在坑洞点，当发现存在坑洞点时，标记该铜球为不合格产品，不存在坑洞点时转到合格产品标记单元；
合格产品标记单元，用于判断粗糙点的总数量是否大于粗糙点阈值，小于阈值则标记铜球为合格产品。
本公开的有益效果为：本发明提供一种同规格铜球高精度测量方法及系统，能够快速的全自动识别出加工后的铜球上的加工粗糙位置并监测到加工制造过程中由于铸造、打磨或者碰撞磨损等问题导致的不合格的坑/洞问题，从而提高了铜球的加工精度，能够极大地提高了铜球产品质量，降低不合格率。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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，在附图中：
图1所示为一种同规格铜球高精度测量方法的流程图；
图2所示为一种同规格铜球高精度测量系统图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种同规格铜球高精度测量方法的流程图，下面结合图1来阐述根据本公开的实施方式的一种同规格铜球高精度测量方法。
本公开提出一种同规格铜球高精度测量方法，具体包括以下步骤：
步骤1，采用LED冷光源白光对打磨抛光好的铜球进行照射，通过线阵相机采集铜球图像；所述铜球图像包括铜球的左半球图像和右半球图像；或者，铜球在线阵相机前旋转一周，通过线阵相机采集得到铜球的铜球图像；
步骤2，对铜球图像进行Hough变换圆检测获得铜球圆图像；
步骤3，将铜球圆图像二值化处理得到二值化图像；
步骤4，扫描二值化图像从而提取粗糙点；
步骤5，根据粗糙点扫描二值化图像中是否存在坑洞点，当发现存在坑洞点时，标记该铜球为不合格产品，不存在坑洞点时转到步骤6；
步骤6，当粗糙点的总数量大于粗糙点阈值时转到步骤7，否则标记铜球为合格产品；
步骤7，将铜球重新打磨抛光后重新执行步骤1到步骤6。
其中，二值化图像是只有黑色和白色两种颜色的图像，以1表示白色的像素点，以0表示黑色的像素点。
进一步地，在步骤4中，扫描二值化图像从而提取粗糙点的方法为：
扫描二值化图像中满足以下2个条件的像素点作为粗糙点：
条件1：3≤P(x,y)≤7，其中P(x,y)为像素点(x,y)的8邻域中颜色为0(即黑色)的像素数量；
条件2：像素点(x,y)的8邻域中像素点从0到1或者从1到0的变化次数大于1；
当像素点(x,y)在图像边界时则不扫描粗糙点。
进一步地，在步骤5中，根据粗糙点扫描二值化图像中的坑洞点的方法为：
步骤5.1，获取(x,y)周围的坑洞像素阈值的像素范围内的粗糙点集合M；所述坑洞像素阈值默认设置为50，即50个像素点范围。
步骤5.2，逐一扫描集合M中的满足磨痕线条件的元素(x′,y′)；
所述磨痕线条件包括：由像素点(x,y)到像素点(x′,y′)之间具有线条连接，所述线条为连续相同的像素值的像素点构成；像素值的灰度不为0；
步骤5.3，通过Shi-Tomasi角点检测得到磨痕线的角点，角点的坐标为(x0,y0)；
所述磨痕线为像素点(x,y)到像素点(x′,y′)之间像素值连续相同的像素点构成线条；
步骤5.4，计算两个端点像素点(x,y)到像素点(x′,y′)与角点之间夹角的角度，当夹角的角度大于角度阈值时则判断像素点(x,y)到像素点(x′,y′)不在同一条磨痕线上，由此检测到磨痕线集合；
其中，计算两个端点像素点(x,y)到像素点(x′,y′)与角点之间夹角的角度Angle的公式为：
其中，角度阈值设置为20度，可以在[10,60]度之间调整角度阈值；
步骤5.5，当磨痕线集合中有超过N条磨痕线超过磨痕线的平均线宽时，则判断磨痕线的端点(x,y)和(x′,y′)为坑洞点；
磨痕线的平均线宽为M个像素或者人工设置为预设值15；N为预设的点坑容忍值，点坑容忍值为[2,10]中的任一值。
本公开的实施例提供的一种同规格铜球高精度测量系统，如图2所示为本公开的一种同规格铜球高精度测量系统图，该实施例的一种同规格铜球高精度测量系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种同规格铜球高精度测量系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
铜球图像采集单元，用于通过线阵相机采集铜球图像；
铜球圆检测单元，用于对铜球图像进行Hough变换圆检测获得铜球圆图像；
图像二值化单元，用于将铜球圆图像二值化处理得到二值化图像；
粗糙点提取单元，用于扫描二值化图像从而提取粗糙点；
坑洞点扫描单元，用于根据粗糙点扫描二值化图像中是否存在坑洞点，当发现存在坑洞点时，标记该铜球为不合格产品，不存在坑洞点时转到合格产品标记单元；
合格产品标记单元，用于判断粗糙点的总数量是否大于粗糙点阈值，小于阈值则标记铜球为合格产品。
所述一种同规格铜球高精度测量系统可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种同规格铜球高精度测量系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种同规格铜球高精度测量系统的示例，并不构成对一种同规格铜球高精度测量系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种同规格铜球高精度测量系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种同规格铜球高精度测量系统运行系统的控制中心，利用各种接口和线路连接整个一种同规格铜球高精度测量系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种同规格铜球高精度测量系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (5)

1.一种同规格铜球高精度测量方法，其特征在于，所述方法包括以下步骤：
步骤1，通过线阵相机采集铜球图像；
步骤2，对铜球图像进行Hough变换圆检测获得铜球圆图像；
步骤3，将铜球圆图像二值化处理得到二值化图像；
步骤4，扫描二值化图像从而提取粗糙点；
步骤5，根据粗糙点扫描二值化图像中是否存在坑洞点，当发现存在坑洞点时，标记该铜球为不合格产品，不存在坑洞点时转到步骤6；
步骤6，当粗糙点的总数量大于粗糙点阈值时转到步骤7，否则标记铜球为合格产品；
步骤7，将铜球重新打磨抛光后重新执行步骤1到步骤6；
其中，在步骤5中，根据粗糙点扫描二值化图像中的坑洞点的方法为：
步骤5.1，获取像素点周围的坑洞像素阈值的像素范围内的粗糙点集合M；
步骤5.2，逐一扫描集合M中的满足磨痕线条件的元素；其中，所述磨痕线条件包括：由像素点/>到像素点/>之间具有线条连接，所述线条为连续相同的像素值的像素点构成；像素值的灰度不为0；
步骤5.3，通过Shi-Tomasi角点检测得到磨痕线的角点，角点的坐标为；其中，所述磨痕线为像素点/>到像素点/>之间像素值连续相同的像素点构成线条；
步骤5.4，计算两个端点像素点到像素点/>与角点之间夹角的角度，当夹角的角度大于角度阈值时则判断像素点/>到像素点/>不在同一条磨痕线上，由此检测到磨痕线集合；其中，角度阈值的范围为在[10,60]度；
步骤5.5，当磨痕线集合中有超过N条磨痕线超过磨痕线的平均线宽时，则判断磨痕线的端点和/>为坑洞点。
2.根据权利要求1所述的一种同规格铜球高精度测量方法，其特征在于，在步骤4中，扫描二值化图像从而提取粗糙点的方法为：
扫描二值化图像中满足以下2个条件的像素点作为粗糙点：
条件1：，其中/>为像素点/>的8邻域中颜色为0的像素数量；
条件2：像素点的8邻域中像素点从0到1或者从1到0的变化次数大于1。
3.根据权利要求2所述的一种同规格铜球高精度测量方法，其特征在于，当像素点在图像边界时则不扫描粗糙点。
4.根据权利要求1所述的一种同规格铜球高精度测量方法，其特征在于，磨痕线的平均线宽为M个像素或者人工设置为预设值15；N为预设的点坑容忍值，点坑容忍值为[2,10]中的任一值。
5.一种同规格铜球高精度测量系统，其特征在于，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
铜球图像采集单元，用于通过线阵相机采集铜球图像；
铜球圆检测单元，用于对铜球图像进行Hough变换圆检测获得铜球圆图像；
图像二值化单元，用于将铜球圆图像二值化处理得到二值化图像；
粗糙点提取单元，用于扫描二值化图像从而提取粗糙点；
坑洞点扫描单元，用于根据粗糙点扫描二值化图像中是否存在坑洞点，当发现存在坑洞点时，标记该铜球为不合格产品，不存在坑洞点时转到合格产品标记单元；
合格产品标记单元，用于判断粗糙点的总数量是否大于粗糙点阈值，小于阈值则标记铜球为合格产品；
其中，根据粗糙点扫描二值化图像中的坑洞点，包括：
获取周围的坑洞像素阈值的像素范围内的粗糙点集合M；
逐一扫描集合M中的满足磨痕线条件的元素；其中，所述磨痕线条件包括：由像素点/>到像素点/>之间具有线条连接，所述线条为连续相同的像素值的像素点构成；像素值的灰度不为0；
通过Shi-Tomasi角点检测得到磨痕线的角点，角点的坐标为；其中，所述磨痕线为像素点/>到像素点/>之间像素值连续相同的像素点构成线条；
计算两个端点像素点到像素点/>与角点之间夹角的角度，当夹角的角度大于角度阈值时则判断像素点/>到像素点/>不在同一条磨痕线上，由此检测到磨痕线集合；其中，角度阈值的范围为在[10,60]度；
当磨痕线集合中有超过N条磨痕线超过磨痕线的平均线宽时，则判断磨痕线的端点和/>为坑洞点。
CN202010714956.3A 2020-07-23 2020-07-23 一种同规格铜球高精度测量方法及系统 Active CN111986158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010714956.3A CN111986158B (zh) 2020-07-23 2020-07-23 一种同规格铜球高精度测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010714956.3A CN111986158B (zh) 2020-07-23 2020-07-23 一种同规格铜球高精度测量方法及系统

Publications (2)

Publication Number Publication Date
CN111986158A CN111986158A (zh) 2020-11-24
CN111986158B true CN111986158B (zh) 2024-03-29

Family

ID=73438080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010714956.3A Active CN111986158B (zh) 2020-07-23 2020-07-23 一种同规格铜球高精度测量方法及系统

Country Status (1)

Country Link
CN (1) CN111986158B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114862790A (zh) * 2022-05-05 2022-08-05 南京久盯自动化科技有限公司 一种基于视觉的钢球正侧面瑕疵矫正方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106425700A (zh) * 2016-10-16 2017-02-22 上海车功坊汽车服务有限公司 一种铝合金轮毂修复中打磨抛光工艺
CN110261410A (zh) * 2019-05-24 2019-09-20 西安交通大学 一种玻璃透镜缺陷的检测装置及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1685373B (zh) * 2003-03-14 2011-03-02 富士通株式会社 钞票的识别方法和识别装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106425700A (zh) * 2016-10-16 2017-02-22 上海车功坊汽车服务有限公司 一种铝合金轮毂修复中打磨抛光工艺
CN110261410A (zh) * 2019-05-24 2019-09-20 西安交通大学 一种玻璃透镜缺陷的检测装置及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"内孔侧壁缺陷检测系统及其关键技术研究";曾斌;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;全文 *
"基于Hough变换的角点检测算法";郭斯羽 等;《仪器仪表学报》;第29卷(第11期);全文 *
"基于阈值分割的钛合金铸件X光图像缺陷检测";马源 等;《2019中国铸造活动周论文集》;全文 *
Tong Zhang 等."Object Detection Based on Minimum Convex Hull and Generalized Hough Transform".《Proceedings of 2nd Global Conference on Robotics,Artificial Intelligence and Engineering Technology(RAET2019)》.2019,全文. *

Also Published As

Publication number Publication date
CN111986158A (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN108364311B (zh) 一种金属部件自动定位方法及终端设备
CN107084666B (zh) 基于机器视觉的刹车片尺寸综合检测方法
CN107941808B (zh) 基于机器视觉的3d打印成型质量检测系统及方法
CN109784250B (zh) 自动引导小车的定位方法和装置
El-Sayed et al. New edge detection technique based on the shannon entropy in gray level images
CN109671078B (zh) 一种产品表面图像异常检测方法及装置
CN113538491B (zh) 一种基于自适应阈值的边缘识别方法、系统及存储介质
CN108269274B (zh) 基于傅里叶变换和Hough变换的图像配准方法
CN106127258B (zh) 一种目标匹配方法
CN106651801A (zh) 一种光斑定位时去除噪声的方法及系统
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
CN111986158B (zh) 一种同规格铜球高精度测量方法及系统
CN115409787A (zh) 小型可插拔收发光模块底座缺陷的检测方法
Tien et al. Automated visual inspection for microdrills in printed circuit board production
EP1868066A2 (en) Optimization of statistical movement measurement for optical mouse, with particular application to laser-illuminated surfaces
CN112381765A (zh) 基于人工智能的设备检测方法、装置、设备及存储介质
CN109816627B (zh) 平面玻璃元件油墨区弱小缺陷目标检测方法
CN117333489A (zh) 一种薄膜破损检测装置及检测系统
CN108288274B (zh) 模具检测方法、装置以及电子设备
CN110390682B (zh) 一种模板自适应的图像分割方法、系统和可读存储介质
JP2011007728A (ja) 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム
CN107895166B (zh) 基于特征描述子的几何哈希法实现目标鲁棒识别的方法
Lin et al. Defect contour detection of complex structural chips
KR101562988B1 (ko) 열간소재의 표면결함 검출 장치 및 표면 검출 방법
CN116309602B (zh) 基于机器视觉的数控钻铣床工作状态检测方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 528000 Jiujiang Industrial Park, Shazui village, Jiujiang Town, Nanhai District, Foshan City, Guangdong Province

Applicant after: Foshan Cheng'an Group Co.,Ltd.

Address before: 528000 Jiujiang Industrial Park, Shazui village, Jiujiang Town, Nanhai District, Foshan City, Guangdong Province

Applicant before: CHEON WESTERN (CHINA) COPPER Ltd.

GR01 Patent grant
GR01 Patent grant