公开(公告)号：CN119515825A

公开(公告)日：2025-02-25

申请号：CN202411578936.2

申请日：2024-11-07

Applicant: 东北大学秦皇岛分校

Inventor： 曾伟伟 ,  闫浩霖 ,  安伯阳 ,  刘成午 ,  龚骏宇 ,  王正松 ,  杨乐

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/70 ,  G06V10/75 ,  G06V10/74 ,  G06T5/70 ,  G06T5/30 ,  G06T7/194 ,  G06F17/16

Abstract: 本创新提供了一种基于Visionmaster的工业玻璃缺陷检测方法，是针对当前玻璃缺陷检测的痛点并结合企业实际需求而提出的。传统的工业玻璃缺陷检测方法存在不少问题和不足，如环境适应性差、缺乏鲁棒性、精度不高以及依赖人工调节等。为了解决这些问题，本创新采用以下步骤：图像预处理、检测玻璃是否被横断或纵分、玻璃边缘缺陷检测、玻璃表面缺陷检测，结果汇总判定玻璃合格性。首先，通过图像处理技术去除噪声干扰、获取玻璃区域位置和边缘，并利用图像增强手段提高对比度，使得图像更加清晰。基于Visionmaster，通过利用传统视觉技术并设定合适的阈值范围，判断玻璃是否被横断或纵分、是否存在边缘缺陷、是否存在表面缺陷。最终，通过汇总各个环节的检测结果，确定工业玻璃是否合格；若不合格，确定玻璃存在什么缺陷。本创新的优势降低了编码的难度、简化了检测流程中的参数调节过程、提高了工业玻璃缺陷检测的准确性、通用性和抗干扰能力；同时降低了人工成本，为产品质量提供了更高的保障，加快了检测速度和效率。此外，该方法具有较强的可解释性和适应性，适用于复杂多变的工业现场环境。这一方法在提高生产效率的同时，有效应对了传统方法存在的挑战，为工业玻璃生产过程提供了更为有效和可靠的检测方法。

公开(公告)号：CN119850504A

公开(公告)日：2025-04-18

申请号：CN202311337515.6

申请日：2023-10-16

Applicant: 东北大学秦皇岛分校

Inventor： 黄征 ,  曾伟伟 ,  魏棒 ,  王正松 ,  杨乐

IPC: G06T7/00 ,  G06T7/90 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V10/25

Abstract: 本发明公开了一种基于机器学习的工业金属螺母缺陷检测系统及检测方法，涉及工业金属螺母检测技术领域，包括图像检测与处理系统、模型设计与测试系统、分析与比对系统、产品分类系统；其中，图像检测与处理系统用于收集金属螺母图像数据，对图像数据进行处理，并提取检测数据；模型设计与测试系统利用机器学习算法创建模型，使用标注好的数据集对模型进行训练，并对模型进行测试；分析与比对系统用于显示与比对缺陷数据，最终形成对比数据表格；产品分类系统用于将产品通过气泵吹气、分类到正确区域。本发明一个或多个实施例中，使用组合平滑滤波模型进行图像预处理，基于工业金属螺母选择合适的滤波器和参数，同时，为了加强缺陷边缘的强特征区间，采用边缘增强算法，对图像进行边缘检测和增强，提高了训练模型过程中的准确性。