[go: up one dir, main page]

CN112288734A - 一种基于图像处理的印花织物表面缺陷检测方法 - Google Patents

一种基于图像处理的印花织物表面缺陷检测方法 Download PDF

Info

Publication number
CN112288734A
CN112288734A CN202011232463.2A CN202011232463A CN112288734A CN 112288734 A CN112288734 A CN 112288734A CN 202011232463 A CN202011232463 A CN 202011232463A CN 112288734 A CN112288734 A CN 112288734A
Authority
CN
China
Prior art keywords
image
cloth
detected
pixel
template
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011232463.2A
Other languages
English (en)
Inventor
张团善
马超华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shaoxing Keqiao District West Textile Industry Innovation Research Institute
Xian Polytechnic University
Original Assignee
Shaoxing Keqiao District West Textile Industry Innovation Research Institute
Xian Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shaoxing Keqiao District West Textile Industry Innovation Research Institute, Xian Polytechnic University filed Critical Shaoxing Keqiao District West Textile Industry Innovation Research Institute
Priority to CN202011232463.2A priority Critical patent/CN112288734A/zh
Publication of CN112288734A publication Critical patent/CN112288734A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像处理的印花织物表面缺陷检测方法，采集模板图像和采集待检测布匹图像，并对图像进行相同的预处理，计算图像的SURF特征，确定特征点；以待检测布匹图像为模板图像、以模板图像为基准图像，进行双向匹配特征点，获取配准后的特征点信息，再进行仿射变换、配准图像、图像差分、提取图像中的差异区域，得到差分图像；差分图像进行阈值分割、开运算、连通域标记操作，得到标记好缺陷的图像。本发明检测方法解决了现有缺陷检测方法中检测标准不统一、准确度低的问题。

Description

一种基于图像处理的印花织物表面缺陷检测方法
技术领域
本发明属于数码印花技术领域，具体涉及一种基于图像处理的印花织物表面缺陷检测方法。
背景技术
印花布匹在生产过程中会因为喷头堵塞、喷头漏墨、布匹褶皱、电机步进偏差等故障使得印花图案产生点状、条状类型的缺陷。在批量打印的过程中，如果不及时发现和排除故障，将会生产大量的残次品，造成不必要的资源浪费。目前，虽然每台机器都有分配相应的检测人员，但是人力成本高、检测标准不统一，而且由于长时间的工作，人眼会产生疲劳，实际的检测效果不好。由于人类生理因素的限制,不能准确客观的检测出对花的准确度。机器视觉是一种用机器代替人眼做测量和判断的技术，不仅能够替代人工监检,而且具有高速、工作时间长、测量精度高等优点。
发明内容
本发明的目的是提供一种基于图像处理的印花织物表面缺陷检测方法，解决了现有缺陷检测方法中检测标准不统一、准确度低的问题。
本发明所采用的技术方案是，一种基于图像处理的印花织物表面缺陷检测方法，具体按照以下步骤实施：
步骤1，采集模板图像和采集待检测布匹图像；
步骤2，对模板图像和待检测布匹图像进行相同的预处理；
步骤3，计算步骤2预处理后的模板图像和待检测布匹图像的SURF特征，确定特征点；
步骤4，根据步骤3确定的特征点分别以步骤2中处理后的待检测布匹图像为模板图像、以步骤2处理后的模板图像为基准图像，进行双向匹配特征点，获取配准后的特征点信息；
步骤5，根据步骤4获取配准后的特征点信息进行仿射变换，配准图像；
步骤6，根据步骤5的配准图像进行图像差分，提取图像中的差异区域，得到差分图像；
步骤7，对步骤6得到的差分图像进行阈值分割、开运算、连通域标记操作，得到标记好缺陷的图像。
本发明的特点还在于，
步骤2中的预处理包括灰度化、调整亮度、图像模糊，实现去纹理化。
灰度化具体为：
(1)通过OpenCV函数计算模板图像和待检测布匹图像的各像素点RGB的分量；
(2)计算加权灰度值：0.3×B+0.59×G+0.11×R；
(3)将(2)计算好的加权灰度值赋给(1)中各对应像素点；
调整亮度的表达式为：
g(i,j)＝αf(i,j)+β (1)
式(1)中，g(i,j)为调整后的像素，f(i,j)为调整前的像素，α>0，β为增益变量，i、j为采集的模板图像和待检测布匹图像中某个像素点坐标；
图像模糊采用拉普拉斯算子进行，实现去纹理化，表达式为：
sharpened_pixel＝5×current-left-right-up-down (2)。
步骤3的具体过程为：
步骤3.1，对步骤2预处理后的模板图像和待检测布匹图像进行高斯滤波操作，得到滤波后图像g(σ)，根据滤波后图像g(σ)构建步骤2预处理后的模板图像和待检测布匹图像中的每个像素点的海森矩阵，当尺度为σ时，像素点X＝(x，y)的黑森矩阵为:
Figure BDA0002765663740000031
其中，Lxx为滤波后图像g(σ)在x方向的二阶导数；Lxy为滤波后图像g(σ)在x，y方向的二阶导数；Lyy为滤波后图像g(σ)在y方向的二阶导数；
步骤3.2，根据判别式det(Happrox)＝LxxLyy-(0.9Lxy)2计算海森矩阵的值，根据海森矩阵的值的正负判断该像素点是否为特征点，若海森矩阵的值为正，则该像素点为特征点；
步骤3.3，根据尺度构建图像金字塔；
步骤3.4，根据步骤3.3构建的图像金字塔在不同尺度空间的领域内将步骤3.2中确定的特征点与其所在三维领域的26个点进行大小比较，若兴趣点为邻域内特征值最大点，则认定该兴趣点为此区域内的特征点。
步骤5中仿射的表达式为：
Figure BDA0002765663740000032
Figure BDA0002765663740000033
式(4)和式(5)中，(m，n)为预处理后待检测布匹图像变换前像素点的坐标，(m’，n’)为预处理后待检测布匹图像变换后像素点的坐标，dm、dn为平移量，a、b为旋转参数，c、d为拉伸参数。
步骤7中阈值分割选用的阈值为42，开运算使用单元结构为6×6的结构矩阵。
本发明的有益效果在于：本发明一种基于图像处理的印花织物表面缺陷检测方法，能够有效及时的检测出布匹的缺陷，提高了生产效率，降低布品的浪费、减少二次加工的概率，提高了生产线的自动化程度，并且能够根据缺陷类型来采取合适的改进措施。
附图说明
图1是本发明印花织物表面缺陷检测方法的流程图；
图2是本发明印花织物表面缺陷检测方法中仿射变换示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于图像处理的印花织物表面缺陷检测方法，具体按照以下步骤实施：
步骤1，采集模板图像和采集待检测布匹图像；
步骤2，对模板图像和待检测布匹图像进行相同的预处理，具体包括灰度化、调整亮度、图像模糊，实现去纹理化；
灰度化具体为：
(1)通过OpenCV函数计算模板图像和待检测布匹图像的各像素点RGB的分量；
(2)计算加权灰度值：0.3×B+0.59×G+0.11×R；
(3)将(2)计算好的加权灰度值赋给(1)中各对应像素点；
所述调整亮度的表达式为：
g(i,j)＝αf(i,j)+β (1)
式(1)中，g(i,j)为调整后的像素，f(i,j)为调整前的像素，α>0，β为增益变量，i、j为采集的模板图像和待检测布匹图像中某个像素点坐标；
所述图像模糊采用拉普拉斯算子进行，实现去纹理化，表达式为：
sharpened_pixel＝5×current-left-right-up-down (2)；
还包括、图像裁剪、图像去噪，需根据图像噪声类型选取合适的滤波方法，因为工厂环境所产生的椒盐噪声或颗粒噪声为常见噪声，故常选用中值滤波和均值滤波；
步骤3，计算步骤2预处理后的模板图像和待检测布匹图像的SURF特征，确定特征点，具体过程为：
步骤3.1，对步骤2预处理后的模板图像和待检测布匹图像进行高斯滤波操作，得到滤波后图像g(σ)，根据滤波后图像g(σ)构建步骤2预处理后的模板图像和待检测布匹图像中的每个像素点的海森矩阵，当尺度为σ时，像素点X＝(x，y)的黑森矩阵为:
Figure BDA0002765663740000051
其中，Lxx为滤波后图像g(σ)在x方向的二阶导数；Lxy为滤波后图像g(σ)在x，y方向的二阶导数；Lyy为滤波后图像g(σ)在y方向的二阶导数；
步骤3.2，根据判别式det(Happrox)＝LxxLyy-(0.9Lxy)2计算海森矩阵的值，根据海森矩阵的值的正负判断该像素点是否为特征点，若海森矩阵的值为正，则该像素点为特征点；
步骤3.3，根据尺度构建图像金字塔，则三维领域内共27个点；
步骤3.4，通过三维线性插值法确定特征点，具体为：根据步骤3.3构建的图像金字塔在不同尺度空间的领域内将步骤3.2中确定的特征点与其所在三维领域的26个点进行大小比较，若兴趣点为邻域内特征值最大点，则认定该兴趣点为此区域内的特征点。
步骤4，根据双向唯一性准则分别以步骤2中处理后的待检测布匹图像为模板图像、以步骤2处理后的模板图像为基准图像，进行双向匹配特征点，获取配准后的特征点信息；
步骤5，根据步骤4获取配准后的特征点信息，使用最小二乘法进行仿射变换，配准图像；
其中，仿射的表达式为：
Figure BDA0002765663740000061
Figure BDA0002765663740000062
式(4)和式(5)中，(m，n)为预处理后待检测布匹图像变换前像素点的坐标，(m’，n’)为预处理后待检测布匹图像变换后像素点的坐标，dm、dn为平移量，a、b为旋转参数，c、d为拉伸参数；
步骤6，根据步骤5的配准图像采用差影法进行图像差分，提取图像中的差异区域，得到差分图像；
差影法，即通过图像灰度值做差的方式提取出两幅图像之间的差异信息，模板图像和待检测布匹图像配准后，做图像分割提取出印刷品图文信息，然后模板图像和待检测布匹图像做差，做差后的差异处即为形状缺陷；
步骤7，对步骤6得到的差分图像进行阈值分割、开运算、连通域标记操作，得到标记好缺陷的图像；
其中，阈值分割选用的阈值为42，开运算使用单元结构为6×6的结构矩阵。

Claims (6)

1.一种基于图像处理的印花织物表面缺陷检测方法，其特征在于，具体按照以下步骤实施：
步骤1，采集模板图像和采集待检测布匹图像；
步骤2，对模板图像和待检测布匹图像进行相同的预处理；
步骤3，计算步骤2预处理后的模板图像和待检测布匹图像的SURF特征，确定特征点；
步骤4，根据步骤3确定的特征点分别以步骤2中处理后的待检测布匹图像为模板图像、以步骤2处理后的模板图像为基准图像，进行双向匹配特征点，获取配准后的特征点信息；
步骤5，根据步骤4获取配准后的特征点信息进行仿射变换，配准图像；
步骤6，根据步骤5的配准图像进行图像差分，提取图像中的差异区域，得到差分图像；
步骤7，对步骤6得到的差分图像进行阈值分割、开运算、连通域标记操作，得到标记好缺陷的图像。
2.根据权利要求1所述一种基于图像处理的印花织物表面缺陷检测方法，其特征在于，所述步骤2中的预处理包括灰度化、调整亮度、图像模糊，实现去纹理化。
3.根据权利要求2所述一种基于图像处理的印花织物表面缺陷检测方法，其特征在于，所述灰度化具体为：
(1)通过OpenCV函数计算模板图像和待检测布匹图像的各像素点RGB的分量；
(2)计算加权灰度值：0.3×B+0.59×G+0.11×R；
(3)将(2)计算好的加权灰度值赋给(1)中各对应像素点；
所述调整亮度的表达式为：
g(i,j)＝αf(i,j)+β (1)
式(1)中，g(i,j)为调整后的像素，f(i,j)为调整前的像素，α>0，β为增益变量，i、j为采集的模板图像和待检测布匹图像中某个像素点坐标；
所述图像模糊采用拉普拉斯算子进行，实现去纹理化，表达式为：
sharpened_pixel＝5×current-left-right-up-down (2)。
4.根据权利要求1所述一种基于图像处理的印花织物表面缺陷检测方法，其特征在于，所述步骤3的具体过程为：
步骤3.1，对步骤2预处理后的模板图像和待检测布匹图像进行高斯滤波操作，得到滤波后图像g(σ)，根据滤波后图像g(σ)构建步骤2预处理后的模板图像和待检测布匹图像中的每个像素点的海森矩阵，当尺度为σ时，像素点X＝(x，y)的黑森矩阵为:
Figure FDA0002765663730000021
其中，Lxx为滤波后图像g(σ)在x方向的二阶导数；Lxy为滤波后图像g(σ)在x，y方向的二阶导数；Lyy为滤波后图像g(σ)在y方向的二阶导数；
步骤3.2，根据判别式det(Happrox)＝LxxLyy-(0.9Lxy)2计算海森矩阵的值，根据海森矩阵的值的正负判断该像素点是否为特征点，若海森矩阵的值为正，则该像素点为特征点；
步骤3.3，根据尺度构建图像金字塔；
步骤3.4，根据步骤3.3构建的图像金字塔在不同尺度空间的领域内将步骤3.2中确定的特征点与其所在三维领域的26个点进行大小比较，若兴趣点为邻域内特征值最大点，则认定该兴趣点为此区域内的特征点。
5.根据权利要求1所述一种基于图像处理的印花织物表面缺陷检测方法，其特征在于，所述步骤5中仿射的表达式为：
Figure FDA0002765663730000031
Figure FDA0002765663730000032
式(4)和式(5)中，(m，n)为预处理后待检测布匹图像变换前像素点的坐标，(m’，n’)为预处理后待检测布匹图像变换后像素点的坐标，dm、dn为平移量，a、b为旋转参数，c、d为拉伸参数。
6.根据权利要求1所述一种基于图像处理的印花织物表面缺陷检测方法，其特征在于，所述步骤7中阈值分割选用的阈值为42，开运算使用单元结构为6×6的结构矩阵。
CN202011232463.2A 2020-11-06 2020-11-06 一种基于图像处理的印花织物表面缺陷检测方法 Pending CN112288734A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011232463.2A CN112288734A (zh) 2020-11-06 2020-11-06 一种基于图像处理的印花织物表面缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011232463.2A CN112288734A (zh) 2020-11-06 2020-11-06 一种基于图像处理的印花织物表面缺陷检测方法

Publications (1)

Publication Number Publication Date
CN112288734A true CN112288734A (zh) 2021-01-29

Family

ID=74352112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011232463.2A Pending CN112288734A (zh) 2020-11-06 2020-11-06 一种基于图像处理的印花织物表面缺陷检测方法

Country Status (1)

Country Link
CN (1) CN112288734A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470788A (zh) * 2021-07-08 2021-10-01 山东志盈医学科技有限公司 多个数字切片的同步浏览方法和装置
CN113592831A (zh) * 2021-08-05 2021-11-02 北京方正印捷数码技术有限公司 印刷误差的检测方法、装置和存储介质
CN113658176A (zh) * 2021-09-07 2021-11-16 重庆科技学院 基于交互注意力与卷积神经网络的瓷砖表面缺陷检测方法
CN114518526A (zh) * 2022-02-14 2022-05-20 深圳市微特精密科技股份有限公司 一种适用于pcb板ict的自动测试机控制系统
CN114565607A (zh) * 2022-04-01 2022-05-31 南通沐沐兴晨纺织品有限公司 基于神经网络的织物缺陷图像分割方法
CN116109839A (zh) * 2023-02-15 2023-05-12 北京拙河科技有限公司 一种图片差异比对方法及装置
CN116309573A (zh) * 2023-05-19 2023-06-23 成都工业学院 一种牛奶包装盒印刷字符的缺陷检测方法
CN117670872A (zh) * 2024-01-29 2024-03-08 江苏恒力化纤股份有限公司 一种筒纱纸管花纹快速识别方法
CN117953189A (zh) * 2024-01-31 2024-04-30 北京中科慧灵机器人技术有限公司 视点确定方法、装置、电子设备及存储介质
CN118010759A (zh) * 2024-04-08 2024-05-10 青岛天仁微纳科技有限责任公司 一种纳米压印图像的检测方法
CN118777312A (zh) * 2024-07-19 2024-10-15 江苏聚源新材料科技有限公司 一种基于机器视觉的无纺布表面检测系统及其方法
CN119379668A (zh) * 2024-12-25 2025-01-28 深圳市中钞科信金融科技有限公司 一种工业柔性产品缺陷检测与符样性定量评价方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0742431A1 (en) * 1995-05-10 1996-11-13 Mahlo GmbH & Co. KG Method and apparatus for detecting flaws in moving fabrics or the like
CN105160654A (zh) * 2015-07-09 2015-12-16 浙江工商大学 基于特征点提取的毛巾标签缺陷检测方法
CN106600600A (zh) * 2016-12-26 2017-04-26 华南理工大学 基于特征匹配的晶圆缺陷检测方法
CN109934802A (zh) * 2019-02-02 2019-06-25 浙江工业大学 一种基于傅里叶变换和图像形态学的布匹疵点检测方法
WO2019134327A1 (zh) * 2018-01-03 2019-07-11 东北大学 一种基于边缘检测与sift的人脸表情识别特征提取方法
CN110503633A (zh) * 2019-07-29 2019-11-26 西安理工大学 一种基于图像差分的贴花陶瓷盘表面缺陷检测方法
CN111028213A (zh) * 2019-12-04 2020-04-17 北大方正集团有限公司 图像缺陷检测方法、装置、电子设备及存储介质
CN111861996A (zh) * 2020-06-23 2020-10-30 西安工程大学 一种印花织物疵点检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0742431A1 (en) * 1995-05-10 1996-11-13 Mahlo GmbH & Co. KG Method and apparatus for detecting flaws in moving fabrics or the like
CN105160654A (zh) * 2015-07-09 2015-12-16 浙江工商大学 基于特征点提取的毛巾标签缺陷检测方法
CN106600600A (zh) * 2016-12-26 2017-04-26 华南理工大学 基于特征匹配的晶圆缺陷检测方法
WO2019134327A1 (zh) * 2018-01-03 2019-07-11 东北大学 一种基于边缘检测与sift的人脸表情识别特征提取方法
CN109934802A (zh) * 2019-02-02 2019-06-25 浙江工业大学 一种基于傅里叶变换和图像形态学的布匹疵点检测方法
CN110503633A (zh) * 2019-07-29 2019-11-26 西安理工大学 一种基于图像差分的贴花陶瓷盘表面缺陷检测方法
CN111028213A (zh) * 2019-12-04 2020-04-17 北大方正集团有限公司 图像缺陷检测方法、装置、电子设备及存储介质
CN111861996A (zh) * 2020-06-23 2020-10-30 西安工程大学 一种印花织物疵点检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张培 等: "一种仿射变换的印刷品缺陷检测方法", 《东华大学学报（自然科学版）》 *
徐足骋 等: "基于视觉的印刷品缺陷检测技术", 《重庆理工大学学报(自然科学)》 *
黄春凤 等: "改进的SURF算法在图像匹配中的应用", 《现代电子技术》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113470788A (zh) * 2021-07-08 2021-10-01 山东志盈医学科技有限公司 多个数字切片的同步浏览方法和装置
CN113470788B (zh) * 2021-07-08 2023-11-24 山东志盈医学科技有限公司 多个数字切片的同步浏览方法和装置
CN113592831A (zh) * 2021-08-05 2021-11-02 北京方正印捷数码技术有限公司 印刷误差的检测方法、装置和存储介质
CN113592831B (zh) * 2021-08-05 2024-03-19 北京方正印捷数码技术有限公司 印刷误差的检测方法、装置和存储介质
CN113658176B (zh) * 2021-09-07 2023-11-07 重庆科技学院 基于交互注意力与卷积神经网络的瓷砖表面缺陷检测方法
CN113658176A (zh) * 2021-09-07 2021-11-16 重庆科技学院 基于交互注意力与卷积神经网络的瓷砖表面缺陷检测方法
CN114518526A (zh) * 2022-02-14 2022-05-20 深圳市微特精密科技股份有限公司 一种适用于pcb板ict的自动测试机控制系统
CN114565607A (zh) * 2022-04-01 2022-05-31 南通沐沐兴晨纺织品有限公司 基于神经网络的织物缺陷图像分割方法
CN114565607B (zh) * 2022-04-01 2024-06-04 汕头市鼎泰丰实业有限公司 基于神经网络的织物缺陷图像分割方法
CN116109839A (zh) * 2023-02-15 2023-05-12 北京拙河科技有限公司 一种图片差异比对方法及装置
CN116309573B (zh) * 2023-05-19 2023-07-25 成都工业学院 一种牛奶包装盒印刷字符的缺陷检测方法
CN116309573A (zh) * 2023-05-19 2023-06-23 成都工业学院 一种牛奶包装盒印刷字符的缺陷检测方法
CN117670872A (zh) * 2024-01-29 2024-03-08 江苏恒力化纤股份有限公司 一种筒纱纸管花纹快速识别方法
CN117953189A (zh) * 2024-01-31 2024-04-30 北京中科慧灵机器人技术有限公司 视点确定方法、装置、电子设备及存储介质
CN117953189B (zh) * 2024-01-31 2024-06-18 北京中科慧灵机器人技术有限公司 视点确定方法、装置、电子设备及存储介质
CN118010759A (zh) * 2024-04-08 2024-05-10 青岛天仁微纳科技有限责任公司 一种纳米压印图像的检测方法
CN118777312A (zh) * 2024-07-19 2024-10-15 江苏聚源新材料科技有限公司 一种基于机器视觉的无纺布表面检测系统及其方法
CN119379668A (zh) * 2024-12-25 2025-01-28 深圳市中钞科信金融科技有限公司 一种工业柔性产品缺陷检测与符样性定量评价方法

Similar Documents

Publication Publication Date Title
CN112288734A (zh) 一种基于图像处理的印花织物表面缺陷检测方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN111879241B (zh) 基于机器视觉的手机电池尺寸测量方法
CN108355987B (zh) 一种基于分块模板匹配的电池丝印质量检测方法
CN111275697B (zh) 一种基于orb特征匹配和lk光流法的电池丝印质量检测方法
CN111126391B (zh) 一种印刷字符缺陷定位方法
CN102999886B (zh) 图像边缘检测器及标尺光栅栅线精度检测系统
CN110136120A (zh) 一种基于机器视觉的丝网印刷样板尺寸测量方法
CN102496161A (zh) 一种印刷电路板图像的轮廓提取方法
CN112489042B (zh) 基于超分辨重建的金属品印刷缺陷与表面损伤的检测方法
CN108171102A (zh) 一种基于视觉的零件快速识别方法
CN109781737B (zh) 一种软管表面缺陷的检测方法及其检测系统
CN102837497A (zh) 一种印刷机精度检测装置及精度检测的方法
CN110608685A (zh) 一种基于树莓派的物体尺寸快速测量方法
CN108389184A (zh) 一种基于机器视觉的工件制孔数检测方法
CN111624203A (zh) 一种基于机器视觉的继电器接点齐度非接触式测量方法
CN116880353A (zh) 一种基于两点间隙的机床对刀方法
CN106093055B (zh) 一种复数张菲林质量检测方法
CN111882549A (zh) 一种灰绿色细小异纤自动检测识别方法及检测识别系统
CN111578838A (zh) 一种齿轮尺寸视觉测量装置及测量方法
CN119006419A (zh) 基于线阵相机的零件尺寸在线检测方法及系统
CN113758439A (zh) 热态环件轧制成形过程中几何参数在线测量方法及装置
CN114677326B (zh) 一种基于机器视觉和深度学习的印刷手机壳表面瑕疵检测装置、系统及方法
CN107516309B (zh) 一种印刷面板缺陷视觉检测方法
CN111798429B (zh) 一种印刷品缺陷的视觉检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210129

RJ01 Rejection of invention patent application after publication