基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
介绍了一种基于机器视觉的电池涂胶缺陷检测方法,将获得的电池涂胶图片经过中值滤波、二值化后,进行连通域提取,之后获得需要的连通区域,通过边缘形状匹配得出结论.这一方法具有稳定、可靠和精度高等特点,大大减小了运算量,提高了判别效率.
推荐文章
一种基于特征点的管材表面缺陷视觉检测方法
金属管材
表面缺陷
感兴趣区域
ORB特征点
视觉检测
基于机器视觉的纽扣电池表面划痕检测方法研究
划痕检测
扣式电池
模板匹配
图像处理
机器视觉
基于机器视觉的零部件表面缺陷检测方法研究
机器视觉
零部件表面缺陷
差影法
灰度计算
基于机器视觉的电池尾端破皮检测
机器视觉
电池尾端
破皮伤痕
形态学
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于机器视觉的电池涂胶缺陷检测方法
来源期刊 机械制造 学科 工学
关键词 机器视觉 电池涂胶 中值滤波 二值化
年,卷(期) 2017,(1) 所属期刊栏目 试验·检测
研究方向 页码范围 85-87
页数 3页 分类号 TH165+.2|TP391.41
字数 1833字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 殷苏民 江苏大学机械工程学院 89 659 11.0 22.0
2 胡乃龙 江苏大学机械工程学院 1 6 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (28)
参考文献  (10)
节点文献
引证文献  (6)
同被引文献  (23)
二级引证文献  (3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(4)
  • 参考文献(2)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(4)
  • 引证文献(2)
  • 二级引证文献(2)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
机器视觉
电池涂胶
中值滤波
二值化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机械制造
月刊
1000-4998
31-1378/TH
大16开
上海市中兴路960号2号楼415室
4-18
1950
chi
出版文献量(篇)
7796
总下载数(次)
30
总被引数(次)
26616
论文1v1指导