-
公开(公告)号：CN109764818B
公开(公告)日：2021-08-03
申请号：CN201910164987.3
申请日：2019-03-05
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: 本发明公开了一种硬质管自动检测装置，包括机座、按钮盒、压紧装置、测量装置、旋转装置和输出轴，所述按钮盒固定在机座上；所述压紧装置、测量装置和旋转装置依次安装在机座的顶面上，所述压紧装置包括托盒、气动夹具、工件气缸、V型座和气动夹钳支架，所述测量装置包括安装在机座上的活动板、激光位移传感器、丝杆轴、固定端板、导向杆、电机滑块、混合式丝杆步进电机、旋转块和滑块导轨，所述旋转装置包括步进电机、联轴器、轴承座、导轨滑块和滑轨。本发明解决了人工检测成本高、精度低的问题，并且整个硬质管自动检测装置结构设计紧凑，定位准确可靠，使用简单，加强了生产自动化程度。
-
公开(公告)号：CN111882547A
公开(公告)日：2020-11-03
申请号：CN202010754466.6
申请日：2020-07-30
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 , G06T7/11 , G06T7/136 , G06T7/187 , G06T7/62 , G06T7/90 , G06T5/00 , G06N3/08 , G06F17/16
Abstract: 本发明提供了一种基于神经网络的PCB漏件检测方法，包括S1，利用网络摄像头来获取一幅包含PCB的RGB图像；S2，进行图像分割；S3，将获取的PCB的RGB图像使用灰度阈值方法转化为二值图；S4，将获取的PCB图像和模板PCB图像对比提取不同点；S5，使用高斯滤波器函数移除干扰噪声；S6，对S4中提取后的图像上所有的对象进行特征提取，主要提取三个重要的特征包括：面积、周长、紧密度；最后运用BP神经网络根据PCB(印刷电路板)上缺失的类型对元件进行分类，同时使用MATLAB实现所提出的方法来开发代码，实现了印刷电路板的高精度自动检测系统。
-
公开(公告)号：CN109859198B
公开(公告)日：2020-10-30
申请号：CN201910102846.9
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: 本发明提供了一种大幅面PCB板多区域精准定位方法，采用将模板图和粗定位图划分成多个区域，按照小区域内图形特征进行特征定位，分别提取圆、矩形、其他形状等特征来获取对应区域的偏差值，最后在所有区域偏差值中选取方差最小的四个作为整幅图的精准定位值，按照精准定位值对粗定位图进行透视变换，获得精准定位后的目标图像；本发明采用多区域多形状特征定位的方法解决了现有的PCB定位精度低、速度慢等问题，可有效的减少板弯带来的定位误差，极大的提高了大幅面PCB板定位的速度和精度。
-
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：CN107238507B
公开(公告)日：2019-12-31
申请号：CN201710469573.2
申请日：2017-06-20
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: 本发明涉及一种基于深度学习的工业设备故障预测方法，包括以下步骤：S1.通过传感器采集工业设备传感数据；S2.根据传感数据固定时间内的时序波获取频谱图；S3.深度学习算法根据频谱图对工业设备进行故障预测。本发明先通过传感器采集工业设备传感数据，然后根据传感数据固定时间内的时序波获取频谱图，最后采用基于卷积神经网络框架的深度学习算法根据频谱图对工业设备进行故障预测，准确地预测工业设备故障与否，大大提高工业设备寿命，避免工业生产中因为不确定的故障造成严重的后果，最大限度地保障企业的生产效益。
-
Patent Agency Ranking
公开(公告)号：CN110607405A
公开(公告)日：2019-12-24
申请号：CN201910707243.1
申请日：2019-08-01
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: 本发明公开了一种基于机器视觉工业应用的皮革内轮廓识别切割装置及方法，该装置包括工业显示屏、传送带机构、伺服滑台机构、工业电脑、图像采集机构和光源设备。同时，皮革内轮廓识别切割方法包括：(1)皮革图像采集：使用传送带将皮革送至检测工位处，由检测工位上的相机进行图像采集。(2)皮革图像处理：分割皮革图像，进行图像平滑处理、HSV通道分离，最后通过基于区域生长的阈值分割算法提取出内轮廓(3)皮革切割：根据提取出来的内轮廓边缘，经过坐标系转换，对皮革内轮廓进行切割。本发明解决了现有人工检测成本高、检测效率低等实际问题，加强了生产自动化程度，大大提高了生产效率和市场竞争力。
-
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：CN109767445A
公开(公告)日：2019-05-17
申请号：CN201910102843.5
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
IPC: G06T7/00 , G01N21/88 , G01N21/956
Abstract: 本发明提供了一种高精度的PCB缺陷智能检测方法，通过对模板图像和测试图像进行模板匹配运算，得到模板图像在测试图像上的最佳匹配点，以同模板图像等宽高的区域进行截取并进行旋转对位，使得截取的测试图像与模板图像高度重合，继而进行差分处理、切割处理、边缘处理以及运用轮廓超差算法进行缺陷检测；本发明提高了PCB表面质量的检测速度和精度，有效提高了检测效率，减少了缺陷误检或漏检情况的发生，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：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。
-
-
-
-
-
-
-
-
-
Search Results
164
records
(took 0.104 seconds)
