-
公开(公告)号：CN109829910B
公开(公告)日：2020-10-30
申请号：CN201910102834.6
申请日：2019-02-01
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明提供了一种基于邻域查找的PCB缺陷检测方法，通过两次执行缺陷查找算法能够将不同种类、不同情况的缺陷悉数提取出来；通过模板图像和测试图像的轮廓边缘互相在对方的边缘点上进行遍历查找，并同时在边缘点的法向正反方向上进行邻域查找，在邻域范围内，将涵盖的所有像素点进行边界判断，对于超出边界的像素点将其删除，以保证程序的鲁棒性；然后获取邻域内所有白像素点离边缘点的距离，找出最小距离与设定阈值进行比较，若大于即为缺陷点并将其输出；本发明有效地提高了PCB表面质量的检测精度以及效率，实现了印制电路板表面缺陷的自动化检测，节省了人力财力物力，提高了生产自动化程度。
-
公开(公告)号：CN111583187A
公开(公告)日：2020-08-25
申请号：CN202010291461.4
申请日：2020-04-14
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明公开了一种基于CNN可视化的PCB电路板缺陷检测方法，克服了卷积神经网络可解释性差的问题，利用CNN模型结合其模型可视化来修正训练数据误差，检查模型类别定位的准确性来提高缺陷检测的精度。描述通过卷积神经网络对采集到的PCB电路板图像数据进行训练，然后通过Grad-CAM类别定位热力图来对可视化模型的预测的依据是否正确，同时可以检测预测错误的数据错误的原因，然后对数据进行调整，减少训练集的误差，从而达到提高数据集的精度。
-
公开(公告)号：CN109934808A
公开(公告)日：2019-06-25
申请号：CN201910169635.7
申请日：2019-03-04
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明提供了一种基于图像多形状法向梯度差值PCB板缺陷分类方法，通过原始模板图像的特征分类，得到各特征形状的轮廓，求出相应轮廓形状的法向量，利用模板精准匹配出缺陷位置，通过法向量上搜索像素点灰度梯度来判断缺陷种类及对缺陷进行分类，避免了仅依靠特征来分类造成分类错误的现象；本发明提高了PCB板缺陷检测及分类的检测速度和精度，有效提高了检测率及分类准确率，减少了缺陷误检或漏检情况的发生，实现了PCB板缺陷检测及自动分类，节省了人力物力财力，提高了生产自动化程度。
-
公开(公告)号：CN108830832A
公开(公告)日：2018-11-16
申请号：CN201810462352.7
申请日：2018-05-15
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 一种基于机器视觉的塑料筒表面缺陷检测算法，包括以下步骤：线扫相机视觉成像系统采集图像；通过分段线性变换灰度变换方法增强图像；对区域使用中值滤波去噪处理；使用LOG算子对图像进行分割得到印刷的边缘；提取塑料筒表面的图像区域ROI；使用阀值法分割图像，求取分割图像的连通区域；根据连通区域的面积和边缘特征，判断缺陷。本发明提供了一种特有的视觉成像方式，使得塑料筒检测的缺陷在图像中显得更加的明显；还提供了图像处理检测算法，能快速准确地检测出塑料筒是否有缺陷，实用性强。
-
公开(公告)号：CN108682012A
公开(公告)日：2018-10-19
申请号：CN201810463943.6
申请日：2018-05-15
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
IPC: G06T7/00 , G06T17/00 , G01N21/958 , G01N21/88 , G01B11/30
CPC classification number: G06T7/0004 , G01B11/303 , G01N21/8851 , G01N21/958 , G01N2021/8887 , G06T17/00 , G06T2207/10028 , G06T2207/30168
Abstract: 一种基于线扫激光的3D曲面玻璃表面平整性缺陷检测方法，包括待检测的3D曲面玻璃和载物台，缺陷检测方法包括以下步骤：视觉成像系统采集三维点云数据；三维重建得到3D曲面玻璃的三维轮廓；对三维点云数据进行渲染；沿载物台的垂直方向进行投影并进行灰度变换得到第一灰度图和第二灰度图；提取3D曲面玻璃的图像区域的ROI；根据第一灰度图和第二灰度图选取缺陷区域；对3D曲面玻璃的缺陷进行自动匹配评价。本发明提供了一种基于线扫激光的3D曲面玻璃表面平整性缺陷检测方法，使得3D曲面玻璃表面平整性的缺陷在图像中显得更加的明显,还提供了图像处理检测算法，能快速准确地检测出平整性不足的缺陷，还能通过分析对比对缺陷进行自动匹配评价。
-
Patent Agency Ranking
公开(公告)号：CN108572181A
公开(公告)日：2018-09-25
申请号：CN201810463945.5
申请日：2018-05-15
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
IPC: G01N21/958
Abstract: 一种基于条纹反射的手机曲面玻璃缺陷检测方法，所述缺陷检测方法包括以下步骤：步骤A：视觉成像系统采集图像，进行图像预处理；步骤B：相移图像相位解调和相位展开；步骤C：进行相位梯度运算；步骤D：SouthWell区域波前重构三维形面；步骤E：筛选曲率异常区域，标记缺陷。本发明提出一种基于条纹反射的手机曲面玻璃缺陷检测方法，通过处理由CCD摄像机拍摄手机曲面玻璃的条纹反射图像，从而找出其中的缺陷像素区域并检测出手机曲面玻璃上的缺陷，实现缺陷检测精度更高的效果。
-
公开(公告)号：CN108509947A
公开(公告)日：2018-09-07
申请号：CN201810085886.2
申请日：2018-01-29
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明提供了一种基于人工神经网络的自动识别打磨方法，包括以下步骤：S1，在坩埚表面标出打磨区域和次数；S2，采集坩埚表面图像信息；S3，读取采集的图像信息，对图像信息进行处理；S4，提取打磨区域和打磨次数在图像中的位置信息；S5，设定机器人初始起点，规划打磨路径；S6，提取数字特征向量，利用BP人工神经网络进行数字识别；S7，将打磨路径信息和打磨次数传送到机器人控制系统，机器人对坩埚表面进行打磨；本发明可以有效节省打磨石英陶瓷坩埚表面缺陷的时间，提高生产效率，节省人力资源成本，有利于合理利用资源，提高生产自动化程度，实现石英陶瓷坩埚表面缺陷全自动化打磨处理。
-
公开(公告)号：CN114612892B
公开(公告)日：2024-04-09
申请号：CN202210264106.7
申请日：2022-03-17
Applicant: 佛山市南海区广工大数控装备协同创新研究院
IPC: G06V20/62 , G06V10/26 , G06V30/148 , G06V10/25
Abstract: 本发明公开了一种PCB元器件表面3D字符分割方法，本方法是基于完整的字符候选区域，需要对其进行分割，得到互相分离的单个字符，为准确的将候选区域的字符分割出来，本部分提出了复杂环境下的字符分割算法：为确定字符区域的倾斜程度，利用连通域分析和最小外接矩形确定字符整体区域的偏转角度及其中心位置，并根据偏转角校正字符串的位置；为准确地将字符分离开，设计了复杂环境下的字符分割方法，其中包括基于连通域的投影分割与粘连字符串的分割；本方法解决了现有PCB元器件字符形式多样、背景复杂等因素对字符识别的影响，为后续PCB字符识别提供了基础。
-
公开(公告)号：CN109647725B
公开(公告)日：2024-02-13
申请号：CN201910032655.X
申请日：2019-01-14
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 一种塑胶管视觉检测装置，包括：Y轴输送组件和检测组件；Y轴输送组件设有Y轴传送带，Y轴输送组件于Y轴传送带上向检测组件输送塑胶管；检测组件包括：检测工作台、检测机架、光源件和检测相机；Y轴传送带设置于检测工作台上，检测机架安装于检测工作台；光源件安装于检测机架，并向Y轴传送带照射光源；检测相机安装于检测机架，并位于Y轴传送带的上方；检测相机用于识别扫描下方经过的塑胶管。本设计的检测装置灵活可靠，检测准确快速，能对塑胶管表面成像检测，并对塑胶管缺陷品的自动剔除的功能，实现自动化检测塑胶管的质量的效果。
-
公开(公告)号：CN111553350B
公开(公告)日：2023-11-24
申请号：CN202010340618.8
申请日：2020-04-26
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
IPC: G06V20/62 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/044
Abstract: 本发明公开一种基于深度学习的注意力机制文本识别方法，包括S1、获取模型训练数据集；S2、对所述模型训练数据集进行预处理；S3、构建模型卷积层，输入所述模型训练数据集进行特征提取，获得图像的特征图，以待输出给后面循环神经网络结构，其视觉特征是通过卷积层与最大池层交错的多层卷积神经网络提取的，CNN接受原始输入，并生成尺寸为D×H×W的特征网格V，其中D表示通道数，H和W是结果特征图的高度和宽度等6个步骤，本发明克服了使用基于CTC的模型的神经OCR技术文本识别准确率低的难题，同时可以显著较少网络的计算量，并且能保证模型对公式的预测精度没有太大的下降。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.052 seconds)
