-
公开(公告)号：CN108802054A
公开(公告)日：2018-11-13
申请号：CN201810930045.7
申请日：2018-08-15
Applicant: 苏州富鑫林光电科技有限公司
CPC classification number: G01N21/8851 , G01B11/25 , G01N2021/8887
Abstract: 本发明涉及一种基于光栅成像的缺陷及三维形貌检测方法，包括以下步骤：步骤一、学习并建立标准模版；步骤二、采集待检产品在光栅成像下的云纹图像；步骤三、对云纹图像进行预处理，得到待检产品的真正的待检区；步骤四、找到所有可能的缺陷位置；步骤五、进行三维形貌检测分析并还原待检产品缺陷的三维信息；步骤六、根据待检产品缺陷的三维信息对待检产品分类处理。本发明的方法利用光栅成像技术解决了产品多样性、差异性带来的问题，结合缺陷检测算法及三维形貌检测算法能够满足目前市场上绝大多数的柔性产品的缺陷检测需求，快速、精准、稳定地检测被测物表面高度微弱不同变化缺陷并还原三维形貌特征，达到替代甚至超越人工检测的目的。
-
公开(公告)号：CN108716890A
公开(公告)日：2018-10-30
申请号：CN201810938655.1
申请日：2018-08-17
Applicant: 苏州富鑫林光电科技有限公司
Abstract: 本发明公开了一种基于机器视觉的高精度尺寸检测方法，通过可以自动上下料的尺寸检测机台、完整、清晰地呈现出产品局部轮廓的视觉成像技术以及针对该成像技术的快速、稳定的图像处理算法实现快速、精准、稳定地检测出标准形状物体的局部和整体长宽，达到替代甚至超越人工检测的目的，具有可靠性能高、定位精确、结构紧凑等优点，同时在产品尺寸检测的应用及普及上有着广泛的市场前景。通过上述方式，本发明基于机器视觉的高精度尺寸检测方法。
-
公开(公告)号：CN106896063A
公开(公告)日：2017-06-27
申请号：CN201710158781.0
申请日：2017-03-17
Applicant: 苏州富鑫林光电科技有限公司
Inventor： 许照林
CPC classification number: G01N21/01 , G01N21/84 , G01N2021/0112 , G01N2201/06146 , G01N2201/06186 , G01N2201/0631
Abstract: 本发明公开了一种AOI视觉检测背光源配四周条光检测机构，包括支架和CCD相机，支架于检测区域设置有支撑架，支撑架顶部设有用于固定待检产品的安装架，支撑架顶部的前、后侧分别设有用于朝待检产品上表面打光的上条形光源，支撑架顶部的左、右侧分别设有用于朝待检产品下表面打光的下条形光源，支撑架相对待检产品的正下方设置有背光源，所述CCD相机设置在待检产品的正上方，CCD相机与支架之间分别设有上下滑动机构，CCD相机通过上下滑动机构可相对支架上下调节高度；本发明能够解决在Cell产品进行检测时打光不充分、不均匀的问题。
-
公开(公告)号：CN109187550A
公开(公告)日：2019-01-11
申请号：CN201810927474.9
申请日：2018-08-15
Applicant: 苏州富鑫林光电科技有限公司
IPC: G01N21/88
Abstract: 本发明公开了一种基于光栅成像的缺陷检测成像方法，包括光源、光栅、图像采集装置和图像处理系统；所述光源发出平行光；所述光栅为相位光栅，所述光源发出的平行光经相位光栅衍射，并在物体的表面形成明暗相间的云纹图像；所述图像采集装置采集物体的表面形成的云纹图像；所述图像处理系统接收图像采集装置所采集的云纹图像，判断物体表面是否具有缺陷。其其能够检测物体表面缺陷，检测精度高，检测效率高。
-
公开(公告)号：CN106814073A
公开(公告)日：2017-06-09
申请号：CN201710158828.3
申请日：2017-03-17
Applicant: 苏州富鑫林光电科技有限公司
Inventor： 许照林
IPC: G01N21/88
CPC classification number: G01N21/8806
Abstract: 本发明公开了一种AOI视觉检测同轴光源配四周条光及高角度检测机构，包括支架、同轴光源和CCD相机，所述支架上具有检测区域，支架于检测区域的四周分别设有用于朝检测区域打光的条形光源，支架于检测区域的左、右侧的上方分别设有用于朝检测区域打光的高角度条形光源，CCD相机、同轴光源与支架之间分别设有上下滑动机构，所述CCD相机及同轴光源通过相应的上下滑动机构可相对支架上下调节高度；本发明能够解决AOI视觉外观检测时打光不充分、不均匀的问题，而由于打光效果好，CCD相机拍出的照片就更为优质，那么对AOI视觉外观检测的结果判定就更为准确。
-
Patent Agency Ranking
公开(公告)号：CN106680208A
公开(公告)日：2017-05-17
申请号：CN201710158803.3
申请日：2017-03-17
Applicant: 苏州富鑫林光电科技有限公司
Inventor： 许照林
CPC classification number: G01N21/01 , G01N21/8806
Abstract: 本发明公开了一种AOI视觉检测BOWL光源配四周条光检测机构，包括支架、BOWL光源和CCD相机，支架上具有检测区域，支架于检测区域的四周分别设有用于朝检测区域打光的条形光源，CCD相机包括位于检测区域正上方的正视角CCD相机及位于检测区域侧面的侧视角CCD相机，正视角CCD相机、侧视角CCD相机、BOWL光源与支架之间分别设有上下滑动机构，正视角CCD相机、侧视角CCD相机及BOWL光源通过相应的上下滑动机构可相对支架上下调节高度；本发明能够解决AOI视觉外观检测时打光不充分、不均匀的问题，而由于打光效果好，CCD相机拍出的照片就更为优质，那么对AOI视觉外观检测的结果判定就更为准确。
-
公开(公告)号：CN105424726A
公开(公告)日：2016-03-23
申请号：CN201610017917.1
申请日：2016-01-12
Applicant: 苏州富鑫林光电科技有限公司
Inventor： 许照林
IPC: G01N21/956
CPC classification number: G01N21/956
Abstract: 本发明涉及一种基于机器视觉的发光面板检测方法，其特点是：通过建立背景模型集来获取待检测产品图像，从而获得预处理图像。之后，通过地形等高线模型、辐射能量模型，对产品图像进行独立处理。最终，采用同步汇总处理数据，获取缺陷区域。由此，能够满足适各类常见发光面板的检测。同时，依托于各类模型的相互配合，可有效通过机器视觉来求解发光面板的各类缺陷，弥补对MURA缺陷收敛效果不佳的问题。再者，可配合常规图像采集系统、检测软件以及相关的机械机构来实现，易于推广。
-
公开(公告)号：CN119516335A
公开(公告)日：2025-02-25
申请号：CN202411603003.4
申请日：2024-11-11
Applicant: 苏州富鑫林光电科技有限公司
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种产品检测模型全局学习方法、装置、电子设备及存储介质。所述方法包括：获取目标项目的产品图像训练集；通过预训练的AI指导模型分别提取产品图像训练集中的每张产品正样本图像的至少两个尺度的训练指导特征图；根据每一尺度的训练指导特征图，确定AI精一模型中与每一尺度对应的网络层的特征信息融合矩阵和指导信号融合矩阵；根据特征信息融合矩阵及指导信号融合矩阵，学习AI精一模型中对应的网络层的网络参数，生成精一产品检测模型。本方案不仅大幅度提高了精一产品检测模型的训练速度，而且克服了现有深度学习算法中固有的局部最优解的难题，可有效保证精一产品检测模型能够学习到全局最优解。
-
公开(公告)号：CN109166111B
公开(公告)日：2021-06-29
申请号：CN201810927676.3
申请日：2018-08-15
Applicant: 苏州富鑫林光电科技有限公司
Abstract: 本发明公开了一种电子墨水屏缺陷检测方法及系统，其方法包括以下步骤：获取电子墨水屏图像；对图像进行处理，只留下红色区域；将图像转换成CV_32F，然后计算当前像素值；对图像进行傅里叶变换，得到F(u,v)；对F(u,v)求幅值，并将幅值图像素值做对数变换并进行归一化处理；对归一化图像做高斯滤波以及中值滤波；对两个滤波结果做差并进行二值化处理；将二值化处理结果分别与傅里叶变换得到的实部、虚部进行卷积运算；对图像进行傅里叶逆变换，并对逆变换中的实部做中心化处理并转换到CV_8U；对图像进行均值滤波，计算得到两者的差值图，并对差值图进行二值化处理；设置缺陷大小进行缺陷筛选。本发明能够快速、精准地检测出电子墨水屏缺陷。
-
公开(公告)号：CN109300109B
公开(公告)日：2020-10-09
申请号：CN201810965575.5
申请日：2018-08-23
Applicant: 苏州富鑫林光电科技有限公司
Abstract: 本发明涉及一种机器学习的工业智能图像分割及识别系统，包括：成像单元，所述成像单元对应用场景成像并转换成数字信号；计算单元，通讯单元，所述通讯单元把分析结果发送到相关设备；以及控制单元，所述控制单元根据分析结果来控制相关设备并通过显示端口输出结果到图像上。上述机器学习的工业智能图像分割及识别系统，利用图像匹配的技术来对齐输入图像并根据图像的特征进行分区，对于分区图进行人工智能的学习并分割图像找出图像中的待检测物体或者差异点，能更好的利用人工智能和计算机视觉系统进行自动化控制及缺陷查找，并能根据用户需求灵活配置系统参数。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.024 seconds)
