CN114235758A - 缺陷检测方法、装置、设备及存储介质 - Google Patents
缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114235758A CN114235758A CN202111518451.0A CN202111518451A CN114235758A CN 114235758 A CN114235758 A CN 114235758A CN 202111518451 A CN202111518451 A CN 202111518451A CN 114235758 A CN114235758 A CN 114235758A
- Authority
- CN
- China
- Prior art keywords
- image
- gray
- pixel point
- determining
- original
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 153
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 49
- 230000009467 reduction Effects 0.000 claims description 29
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 15
- 238000003709 image segmentation Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了一种缺陷检测方法、装置、设备及存储介质，所述方法包括：获取待检测物体表面的原始灰度图像；将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；对所述灰度调整图像进行阈值分割，并根据阈值分割结果，确定所述待检测物体的缺陷检测结果；通过上述技术方案，在有效提取缺陷的基础上，提高了检测速度，满足了物体缺陷的快速检测要求。
Description
技术领域
本申请实施例涉及图像处理技术领域，尤其涉及一种缺陷检测方法、装置、设备及存储介质。
背景技术
物体的表面缺陷对美观度、舒适度和使用性能等带来不良影响，所以生产企业对物体的表面缺陷进行检测以便及时发现。在物体检测过程中，检测速度是影响生产企业经济效益的关键因素。
现有技术中，在复杂背景下进行微弱凹凸点类型的缺陷检测时，通常需要先对物体原始灰度图像进行傅里叶变换，在频域中消除纹理信息，然后使用傅里叶反变换得到背景平滑缺陷增强的图像，最后通过阈值分割提取出缺陷。然而，一次傅里叶变换的时间至少在20毫秒以上，根本做不到在10毫秒内检测完，检测速度受到很大影响，无法满足物体缺陷的快速检测要求。
因此，针对现有技术中存在的问题，亟待进行改善。
发明内容
本申请提供一种缺陷检测方法、装置、设备及存储介质，以在有效提取缺陷的基础上，提高检测速度，满足物体缺陷的快速检测要求。
第一方面，本申请实施例提供了一种缺陷检测方法，该方法包括：
获取待检测物体表面的原始灰度图像；
将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；
对所述灰度调整图像进行阈值分割，并根据阈值分割结果，确定所述待检测物体的缺陷检测结果。
第二方面，本申请实施例还提供了一种缺陷检测装置，该装置包括：
灰度图像获取模块，用于获取待检测物体表面的原始灰度图像；
灰度调整模块，用于将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；
检测结果确定模块，用于对所述灰度调整图像进行阈值分割，并根据阈值分割结果，确定所述待检测物体的缺陷检测结果。
第三方面，本申请实施例还提供了一种电子设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面实施例所提供的任意一种缺陷检测方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所提供的任意一种缺陷检测方法。
本申请实施例通过获取待检测物体表面的原始灰度图像；将原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；对灰度调整图像进行阈值分割，并根据阈值分割结果，确定待检测物体的缺陷检测结果。通过上述技术方案，在进行图像阈值分割之前，可以先基于凹凸点缺陷存在亮暗相接的特性，利用邻域像素点的灰度值，对原始灰度图像中的各像素点进行灰度调整，使得凹凸点缺陷相比于背景中的噪声可以更加明显，之后再在灰度调整图像上进行阈值分割，可以快速从原始灰度图像中检测到缺陷，上述缺陷检测过程快速有效，不用经过复杂费时的傅里叶变换处理，在有效提取缺陷的基础上，提高了检测速度，满足了物体缺陷的快速检测要求。
附图说明
图1是本申请实施例一提供的一种缺陷检测方法的流程图；
图2是本申请实施例一提供的一种存在凹凸点缺陷的原始灰度图像的示意图；
图3是本申请实施例二提供的一种缺陷检测方法的流程图；
图4是本申请实施例三提供的一种缺陷检测方法的流程图；
图5是本申请实施例三提供的一种缩小图像的示意图；
图6是本申请实施例三提供的一种灰度调整图像的示意图；
图7是本申请实施例三提供的一种阈值分割图像的示意图；
图8是本申请实施例三提供的一种缺陷真实区域的示意图；
图9是本申请实施例四提供的一种缺陷检测装置的示意图；
图10是本申请实施例五提供的一种电子设备的示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本申请实施例一提供的一种缺陷检测方法的流程图。本申请实施例可适用于针对物体表面凹凸点进行快速检测的情况。该方法可以由一种缺陷检测装置来执行，该装置可以由软件和/或硬件的方式实现，并具体配置于电子设备中，该电子设备可以是移动终端或固定终端。
参见图1，本申请实施例提供的缺陷检测方法，包括：
S110、获取待检测物体表面的原始灰度图像。
其中，待检测物体可以是各种金属工件如钢坯、锻件和铸件等。
本实施例中，可以通过工业相机获取待检测物体表面的拍摄图像，并对摄图像进行灰度化处理后，得到待检测物体表面的原始灰度图像。
例如，可以参见图2示例性给出的一种存在凹凸点缺陷的原始灰度图像的示意图，其中，图中靠近中间的位置区域有一个凹凸点，该凹凸点即为待检测的缺陷区域。原始灰度图像背景存在杂乱、无规则的纹理干扰，缺陷尺寸不足0.1毫米，同时缺陷和背景浑然一体，没有明确的边缘界限。若直接采用常规的阈值分割方法，对原始灰度图像进行阈值分割，背景和缺陷混在一起，难以对缺陷进行有效检测，存在漏检、错检的情况。
一般地，在进行缺陷检测时，针对一张大小为600*600的原始灰度图像，生产企业的检测要求是检测时间需要在10毫秒以内。
S120、将原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像。
具体地，邻域像素点可以是以该像素点为中心，设定区域范围内所包含的像素点。其中，设定区域范围可以是圆形、矩形或多边形等，设定区域范围又可以称为掩膜，对像素点的灰度值进行调整的过程又可以称为掩膜处理。
本实施例中，对像素点的灰度值进行调整的方式可以包括：根据该像素点的邻域像素点的灰度值，将各邻域像素点的灰度均值作为参考调整值；根据参考调整值，对该像素点的灰度值进行调整。例如，可以直接将参考调整值替代该像素点的原始灰度值。
可选地，在一些实施例中，还可以将各邻域像素点的灰度均值、中位数和灰度标准差等统计数据作为参考调整值；根据参考调整值，对该像素点的灰度值进行调整，以优化调整过程。
或者可选地，还可以将邻域像素点之间的最大灰度差值作为参考调整值；根据参考调整值，对该像素点的灰度值进行调整。
可以理解的是，通过对原始灰度图像进行灰度值调整，可以在图像中更加凸显出凹凸点缺陷，从而有利于后续对凹凸点缺陷的提取。
本实施例中，对像素点的灰度值进行调整的方式有多种，可以根据实际使用需求和情况进行选取，本申请实施例对灰度值的调整方式不作任何限定。
S130、对灰度调整图像进行阈值分割，并根据阈值分割结果，确定待检测物体的缺陷检测结果。
可选地，对灰度调整图像进行阈值分割的过程可以包括：确定图像分割阈值；根据图像分割阈值，对灰度调整图像进行阈值分割。具体地，阈值分割可以将灰度调整图像分成两部分：大于图像分割阈值的像素群和小于图像分割阈值的像素群。其中，图像分割阈值可以根据灰度调整图像的灰度均值和/或灰度标准差进行确定。
在一些实施例中，在确定图像分割阈值的过程中，还可以根据经验值，加入调节系数，对图像分割阈值进行动态调整，使得图像分割阈值更加灵活、合理。例如，可以将“灰度均值+灰度标准差*调节系数”的计算结果作为图像分割阈值，进行阈值分割也即图像二值化。
本实施例中，根据阈值分割结果，可以从二值图像中获取凹凸点缺陷所在的目标区域，其中，目标区域为二值图像中较亮区域，可以凸显出目标的轮廓。
本申请实施例通过获取待检测物体表面的原始灰度图像；将原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；对灰度调整图像进行阈值分割，并根据阈值分割结果，确定待检测物体的缺陷检测结果。通过上述技术方案，在进行图像阈值分割之前，可以先基于凹凸点缺陷存在亮暗相接的特性，利用邻域像素点的灰度值，对原始灰度图像中的各像素点进行灰度调整，使得凹凸点缺陷相比于背景中的噪声可以更加明显，之后再在灰度调整图像上进行阈值分割，可以快速从原始灰度图像中检测到缺陷，上述缺陷检测过程快速有效，不用经过复杂费时的傅里叶变换处理，在有效提取缺陷的基础上，提高了检测速度，满足了物体缺陷的快速检测要求。
实施例二
图3为本申请实施例二提供的一种缺陷检测方法的流程图，本实施例是在上述实施例的基础上，对上述方案的优化。
进一步地，将操作“将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像”，细化为“确定掩膜尺寸，并根据所述掩膜尺寸，确定该像素点的掩膜区域内的邻域像素点；根据所述掩膜区域内的邻域像素点之间的最大灰度差值，确定所述灰度调整图像中该像素点的像素值”，以明确灰度调整图像的确定过程。
其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图3，本实施例提供的缺陷检测方法，包括：
S210、获取待检测物体表面的原始灰度图像。
S220、确定掩膜尺寸，并针对原始灰度图像中的各像素点，根据掩膜尺寸，确定该像素点的掩膜区域内的邻域像素点。
本实施例中，可以以固定大小的掩膜尺寸在原始灰度图像上进行逐像素点遍历，以遍历的像素点为中心，将掩膜区域内的像素点确定为该像素点的邻域像素点。
本实施例中，掩膜尺寸的大小影响灰度调整图像的确定，而灰度调整图像又影响最终对缺陷的检测提取，因此，为了从原始灰度图像中有效提取出缺陷区域，可选地，掩膜尺寸的确定过程可以包括：根据原始灰度图像中各像素点的像素值，估计原始灰度图像的缺陷区域；根据缺陷区域，确定掩膜尺寸。
具体地，可以根据缺陷区域的尺寸确定掩膜尺寸，如可以将缺陷尺寸的设定比例大小确定为掩膜尺寸。其中，设定比例大小可以是四分之一或二分之一等，具体设定比例大小可以根据实际使用需求和情况进行选取，本申请实施例对此不作具体限定。
例如，假设缺陷区域的尺寸为20*20，则掩膜尺寸可以为10*10。
可以理解的是，估计出的缺陷区域具有一定的参考价值，可以定量确定掩膜尺寸，而不是统一预先设置一个固定不变的掩膜尺寸。本实施例中，掩膜尺寸可以根据待检测物体表面的原始灰度图像进行适应性调整，使得掩膜尺寸不至于过大或过小，使得掩膜尺寸可以更加合理、准确。
可选地，可以根据待检测物体表面缺陷的灰度特性，根据典型缺陷像素点的灰度值，对原始灰度图像中的像素点进行初步筛选，从而估计出原始灰度图像的缺陷区域。其中，典型缺陷像素点的灰度值可以根据以下方式确定：通过大数据分析处理的方式，对同一类型物体的历史缺陷检测数据进行分析，从中确定典型缺陷像素点的灰度值。
或者可选地，还可以依据原始灰度图像的灰度均值，直接对原始灰度图像进行阈值分割，从原始灰度图像中估计出缺陷区域。
可以理解的是，缺陷区域的估计方式有多种，可以根据实际使用需求和情况进行选取，本申请实施例对此不作任何限定。
S230、根据掩膜区域内的邻域像素点之间的最大灰度差值，确定灰度调整图像中该像素点的像素值。
具体地，可以对掩膜区域内的像素点进行遍历，找到最大灰度值和最小灰度值；根据最大灰度值和最小灰度值，计算得到最大灰度差值；根据最大灰度差值，确定灰度调整图像中该像素点的像素值。
典型地，可以直接将最大灰度差值替代该像素点的像素值，得到灰度调整图像，根据灰度调整图像的确定过程，灰度调整图像又可以称为灰度差图像。
可以理解的是，灰度差图像可以使得凹凸点缺陷在图像中高亮显示，与图像中的噪声有效区分开来。
S240、对灰度调整图像进行阈值分割，并根据阈值分割结果，确定待检测物体的缺陷检测结果。
本申请实施例在上述实施例的基础上，对灰度调整图像的确定过程进行了明确，通过确定掩膜尺寸，并根据掩膜尺寸，确定该像素点的掩膜区域内的邻域像素点；根据掩膜区域内的邻域像素点之间的最大灰度差值，确定灰度调整图像中该像素点的像素值。通过上述技术方案，根据掩膜区域内的邻域像素点之间的最大灰度差值调整像素点的像素值，一方面可以使得凹凸点缺陷在图像中有效显示出来，另一方面也可以有效抑制图像中的噪声，之后再在灰度调整图像上进行阈值分割，可以快速地从原始灰度图像中检测到缺陷，上述缺陷检测过程快速有效，不用经过复杂费时的傅里叶变换处理，提高了检测速度，满足了物体缺陷的快速检测要求。
实施例三
图4为本申请实施例三提供的一种缺陷检测方法的流程图，本实施例是在上述实施例的基础上，对上述方案的优化。
进一步地，在操作“将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像”之前，增加操作“对所述原始灰度图像进行缩小处理，以更新所述原始灰度图像”，以优化缺陷检测过程。
其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图4，本实施例提供的缺陷检测方法，包括：
S310、获取待检测物体表面的原始灰度图像。
S320、对原始灰度图像进行缩小处理，以更新原始灰度图像。
可选地，考虑到原始灰度图像中缺陷和背景混合在一起，没有清晰的轮廓，直接进行检测存在一定的难度，因此，可以基于设定缩小系数，采用双线性插值算法对原始灰度图像进行缩小处理，以更新原始灰度图像。
具体地，双线性插值算法可以利用周围四个邻点的灰度值在两个方向上做线性插值得到采样点的灰度值，基于双线性插值算法进行图像缩小处理，可以使得缩小后的图像具有较高的质量，能够保证图像不失真。
可以理解的是，通过双线性插值进行图像缩小，一方面可以实现对原始灰度图像进行平滑滤波，减弱或消除图像中的高频分量；另一方面基于缩小后的图像进行图像处理，可以达到数据降维的效果，有效减小后续图像处理的数据量。
本实施例中，对原始灰度图像进行缩小处理，可以得到缩小图像；将缩小图像作为原始灰度图像，可以实现对原始灰度图像的更新过程。例如，可以参见图5示例性给出的一种缩小图像的示意图。
可选地，设定缩小系数根据以下方式确定：根据原始灰度图像，确定原始灰度图像中亮度噪点的平均像素个数；将平均像素个数的倒数确定为缩小系数。
具体地，可以找出原始灰度图像中的亮度噪点，并分别统计各亮度噪点所包括的像素个数，得到统计数据；根据统计数据，确定亮度噪点的平均像素个数。
例如，假设原始灰度图像中亮度噪点的平均像素个数为5个，则缩小系数为1/5。
可以理解的是，将亮度噪点的平均像素个数作为缩小系数确定的依据，可以使有效抑制图像中的噪点。
S330、确定掩膜尺寸，并针对原始灰度图像中的各像素点，根据掩膜尺寸，确定该像素点的掩膜区域内的邻域像素点。
S340、根据掩膜区域内的邻域像素点之间的最大灰度差值，确定灰度调整图像中该像素点的像素值。
本实施例中，可以基于缩小图像进行灰度调整，得到灰度调整图像。例如，可以参见图6示例性给出的一种灰度调整图像的示意图，其中，图中靠近中间的位置区域有一个比较明显的白色区域，该白色区域也即凹凸点缺陷所在的位置区域。
S350、对灰度调整图像进行阈值分割，并根据阈值分割结果，确定待检测物体的缺陷检测结果。
例如，可以参见图7示例性给出的一种阈值分割图像的示意图，图中采用白色线条对缺陷轮廓进行了绘制，需要说明的是，图中的缺陷轮廓并不是真正的缺陷区域，需要经过后续处理映射到原始灰度图像中。
本实施例中，在对原始灰度图像进行缩小处理后，阈值分割确定出的缺陷区域是缩小图像中的缺陷区域，因此，还需根据阈值分割结果，确定缺陷区域在原始灰度图像中的真实位置区域。
可选地，所述根据阈值分割结果，确定所述待检测物体的缺陷检测结果可以包括：确定阈值分割结果中缺陷参考区域的中心坐标和区域大小；根据所述设定缩小系数、所述中心坐标和所述区域大小，确定所处待检测物体缺陷所在的真实区域。
其中，缺陷参考区域是指对原始灰度图像进行缩小处理后，进行阈值分割确定出的缺陷区域。
可选地，可以根据缺陷参考区域，确定缺陷参考区域的最小外接多边形；根据最小外接多边形，确定中心坐标和区域大小，以实现对缺陷参考区域的量化过程。
其中，外接多边形可以是四边形、五边形或六边形等，外接多边形的类型可以根据实际使用需求和情况进行选取，本申请实施例对此不作任何限定。
典型地，还可以根据缺陷参考区域，确定缺陷参考区域的最小外接圆形；根据最小外接圆形，确定中心坐标和区域大小。
可以理解的是，考虑到缺陷是凹凸类型的缺陷，具有固定的圆形几何特征，因此，可以通过外接圆形量化缺陷参考区域，从而可以简单、快速地确定出中心坐标和区域大小。
可以理解的是，缺陷参考区域为确定待检测物体缺陷所在的真实区域提供了数据支撑。
在一些实施例中，缺陷真实区域的确定过程可以包括：根据缺陷参考区域的最小外接圆形，确定中心坐标和外接圆形的半径；根据设定缩小系数，确定对应的放大系数；根据放大系数，对中心坐标进行放大；以及，根据放大系数，对外接圆形的半径进行放大；将放大后的中心坐标放置到原始灰度图像上，根据放大后的外接圆形的半径，绘制圆形区域，绘制出的圆形区域即为处待检测物体缺陷所在的真实区域，例如，可以参见图8示例性给出的一种缺陷真实区域的示意图。
本申请实施例在上述实施例的基础上，优化了缺陷检测过程，通过在进行灰度调整之前，对原始灰度图像进行缩小处理，以更新原始灰度图像，使得后续在进行图像处理的过程中，一方面可以实现对原始灰度图像的平滑滤波，减弱或消除图像中的高频分量，有利于对缺陷的有效提取；另一方面基于缩小后的图像进行图像处理，可以达到数据降维的效果，有效减小了后续图像处理的数据量，进一步提高了缺陷检测速度，优化了缺陷检测过程，使得缺陷检测过程可以更加高效。
实施例四
图9是本申请实施例四提供的一种缺陷检测装置的结构示意图。参见图9，本申请实施例提供的一种缺陷检测装置，该装置包括：灰度图像获取模块410、灰度调整模块420和检测结果确定模块430。
灰度图像获取模块410，用于获取待检测物体表面的原始灰度图像；
灰度调整模块420，用于将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；
检测结果确定模块430，用于对所述灰度调整图像进行阈值分割，并根据阈值分割结果，确定所述待检测物体的缺陷检测结果。
本申请实施例通过获取待检测物体表面的原始灰度图像；将原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；对灰度调整图像进行阈值分割，并根据阈值分割结果，确定待检测物体的缺陷检测结果。通过上述技术方案，在进行图像阈值分割之前，可以先基于凹凸点缺陷存在亮暗相接的特性，利用邻域像素点的灰度值，对原始灰度图像中的各像素点进行灰度调整，使得凹凸点缺陷相比于背景中的噪声可以更加明显，之后再在灰度调整图像上进行阈值分割，可以快速从原始灰度图像中检测到缺陷，上述缺陷检测过程快速有效，不用经过复杂费时的傅里叶变换处理，在有效提取缺陷的基础上，提高了检测速度，满足了物体缺陷的快速检测要求。
进一步地，所述灰度调整模块420，包括：
掩膜尺寸确定单元，用于确定掩膜尺寸，并根据所述掩膜尺寸，确定该像素点的掩膜区域内的邻域像素点；
调整值确定单元，用于根据所述掩膜区域内的邻域像素点之间的最大灰度差值，确定所述灰度调整图像中该像素点的像素值。
进一步地，所述掩膜尺寸确定单元，包括：
预估子单元，用于根据所述原始灰度图像中各像素点的像素值，估计所述原始灰度图像的缺陷区域；
掩膜尺寸确定子单元，用于根据所述缺陷区域，确定所述掩膜尺寸。
进一步地，所述装置还包括：
图像缩小处理模块，用于在将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像之前，对所述原始灰度图像进行缩小处理，以更新所述原始灰度图像。
进一步地，所述图像缩小处理模块，包括：
图像缩小处理单元，用于基于设定缩小系数，采用双线性插值算法对所述原始灰度图像进行缩小处理，以更新所述原始灰度图像。
进一步地，所述图像缩小处理单元，包括：
亮度噪点统计子单元，用于根据所述原始灰度图像，确定所述原始灰度图像中亮度噪点的平均像素个数；
缩小系数确定子单元，用于将所述平均像素个数的倒数确定为所述缩小系数。
进一步地，所述检测结果确定模块430，包括：
缺陷位置确定单元，用于确定阈值分割结果中缺陷参考区域的中心坐标和区域大小；
真实区域确定单元，用于根据所述设定缩小系数、所述中心坐标和所述区域大小，确定所处待检测物体缺陷所在的真实区域。
确定阈值分割结果中缺陷参考区域的中心坐标和区域大小；
根据所述设定缩小系数、所述中心坐标和所述区域大小，确定所处待检测物体缺陷所在的真实区域。
本申请实施例所提供的缺陷检测装置可执行本申请任意实施例所提供的缺陷检测方法，具备执行方法相应的功能模块和有益效果。
实施例五
图10是本申请实施例五提供的一种电子设备的结构图。图10示出了适于用来实现本申请实施方式的示例性电子设备512的框图。图10显示的电子设备512仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示，电子设备512以通用计算设备的形式表现。电子设备512的组件可以包括但不限于：一个或者多个处理器或者处理单元516，系统存储器528，连接不同系统组件(包括系统存储器528和处理单元516)的总线518。
总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MCA)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)530和/或高速缓存存储器532。电子设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质(图10未显示，通常称为“硬盘驱动器”)。尽管图10中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。系统存储器528可以包括至少一个程序物，该程序物具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如系统存储器528中，这样的程序模块542包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本申请所描述的实施例中的功能和/或方法。
电子设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信，还可与一个或者多个使得用户能与该电子设备512交互的设备通信，和/或与使得该电子设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且，电子设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与电子设备512的其它模块通信。应当明白，尽管图10中未示出，可以结合电子设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元516通过运行存储在系统存储器528中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的任意一种缺陷检测方法。
实施例六
本申请实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任一实施例所提供的一种缺陷检测方法，该方法包括：获取待检测物体表面的原始灰度图像；将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；对所述灰度调整图像进行阈值分割，并根据阈值分割结果，确定所述待检测物体的缺陷检测结果。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件物的形式体现出来，该计算机软件物可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是，上述缺陷检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种缺陷检测方法，其特征在于，包括：
获取待检测物体表面的原始灰度图像；
将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；
对所述灰度调整图像进行阈值分割，并根据阈值分割结果，确定所述待检测物体的缺陷检测结果。
2.根据权利要求1所述的方法，其特征在于，所述根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像，包括：
确定掩膜尺寸，并根据所述掩膜尺寸，确定该像素点的掩膜区域内的邻域像素点；
根据所述掩膜区域内的邻域像素点之间的最大灰度差值，确定所述灰度调整图像中该像素点的像素值。
3.根据权利要求2所述的方法，其特征在于，所述确定掩膜尺寸，包括：
根据所述原始灰度图像中各像素点的像素值，估计所述原始灰度图像的缺陷区域；
根据所述缺陷区域，确定所述掩膜尺寸。
4.根据权利要求1所述的方法，其特征在于，在所述将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像之前，所述方法还包括：
对所述原始灰度图像进行缩小处理，以更新所述原始灰度图像。
5.根据权利要求4所述的方法，其特征在于，所述对所述原始灰度图像进行缩小处理，以更新所述原始灰度图像，包括：
基于设定缩小系数，采用双线性插值算法对所述原始灰度图像进行缩小处理，以更新所述原始灰度图像。
6.根据权利要求5所述的方法，其特征在于，所述设定缩小系数根据以下方式确定：
根据所述原始灰度图像，确定所述原始灰度图像中亮度噪点的平均像素个数；
将所述平均像素个数的倒数确定为所述缩小系数。
7.根据权利要求5所述的方法，其特征在于，所述根据阈值分割结果，确定所述待检测物体的缺陷检测结果，包括：
确定阈值分割结果中缺陷参考区域的中心坐标和区域大小；
根据所述设定缩小系数、所述中心坐标和所述区域大小，确定所处待检测物体缺陷所在的真实区域。
8.一种缺陷检测装置，其特征在于，包括：
灰度图像获取模块，用于获取待检测物体表面的原始灰度图像；
灰度调整模块，用于将所述原始灰度图像中的各像素点，根据该像素点的邻域像素点的灰度值，对该像素点的灰度值进行调整，得到灰度调整图像；
检测结果确定模块，用于对所述灰度调整图像进行阈值分割，并根据阈值分割结果，确定所述待检测物体的缺陷检测结果。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的一种缺陷检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种缺陷检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111518451.0A CN114235758A (zh) | 2021-12-10 | 2021-12-10 | 缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111518451.0A CN114235758A (zh) | 2021-12-10 | 2021-12-10 | 缺陷检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114235758A true CN114235758A (zh) | 2022-03-25 |
Family
ID=80755192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111518451.0A Pending CN114235758A (zh) | 2021-12-10 | 2021-12-10 | 缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114235758A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114972348A (zh) * | 2022-08-01 | 2022-08-30 | 山东尚雅建材有限公司 | 一种基于图像处理的美缝效果检测方法 |
| CN115274486A (zh) * | 2022-09-27 | 2022-11-01 | 南通睿禧智能科技有限公司 | 一种半导体表面缺陷识别方法 |
| CN115314634A (zh) * | 2022-06-28 | 2022-11-08 | 上海艾为电子技术股份有限公司 | 防抖检测方法、装置、终端设备和可读存储介质 |
| CN115330704A (zh) * | 2022-08-04 | 2022-11-11 | 合肥欣奕华智能机器股份有限公司 | 一种亮点缺陷检测方法、装置、计算机设备和存储介质 |
| CN115546145A (zh) * | 2022-09-29 | 2022-12-30 | 杭州海康机器人股份有限公司 | 一种基于机器视觉的缺陷检测方法、装置及电子设备 |
| CN115661054A (zh) * | 2022-10-14 | 2023-01-31 | 蓝思系统集成有限公司 | 封口的检测方法及装置、电子设备及存储介质 |
| CN115797317A (zh) * | 2022-12-16 | 2023-03-14 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 重载绳的断丝检测方法、装置、终端设备及存储介质 |
| CN115984863A (zh) * | 2023-03-17 | 2023-04-18 | 中化现代农业有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN116012330A (zh) * | 2022-12-28 | 2023-04-25 | 广州市易鸿智能装备有限公司 | 一种极片的缺陷检测方法、装置、设备和计算机存储介质 |
| CN116823924A (zh) * | 2023-08-24 | 2023-09-29 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
| CN116843678A (zh) * | 2023-08-28 | 2023-10-03 | 青岛冠宝林活性炭有限公司 | 一种硬碳电极生产质量检测方法 |
| CN116973311A (zh) * | 2023-09-22 | 2023-10-31 | 成都中嘉微视科技有限公司 | 一种膜上膜下异物的检测装置及检测方法 |
| CN117392404A (zh) * | 2023-11-02 | 2024-01-12 | 中国人民解放军陆军工程大学 | 一种提高图像检测速度的方法及系统 |
| CN117636077A (zh) * | 2024-01-25 | 2024-03-01 | 高视科技(苏州)股份有限公司 | 缺陷检测参数调整方法、电子设备和储存介质 |
| CN117690142A (zh) * | 2024-02-01 | 2024-03-12 | 深圳中科精工科技有限公司 | 晶圆字符的预处理方法、设备及存储介质 |
| CN118096732A (zh) * | 2024-04-22 | 2024-05-28 | 高视科技(苏州)股份有限公司 | 显示屏漏光检测方法、电子设备及存储介质 |
| CN118777311A (zh) * | 2024-07-19 | 2024-10-15 | 深圳市盛麦客精密模切有限公司 | 基于视觉检测的破膜刀质量检测方法、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090208050A1 (en) * | 2008-02-19 | 2009-08-20 | Keyence Corporation | Defect Detection Apparatus, Defect Detection Method and Computer Program |
| JP2013149055A (ja) * | 2012-01-19 | 2013-08-01 | Panasonic Corp | 画像処理装置およびこれを備えた原稿読取システム |
| CN103440654A (zh) * | 2013-08-27 | 2013-12-11 | 南京大学 | 一种lcd异物缺陷检测方法 |
| CN104364636A (zh) * | 2012-06-22 | 2015-02-18 | 霍夫曼-拉罗奇有限公司 | 用于检测体液中的分析物的方法和器件 |
| CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
| CN109166109A (zh) * | 2018-08-14 | 2019-01-08 | 珠海格力智能装备有限公司 | 缺陷检测方法、装置、存储介质及处理器 |
| US20200412940A1 (en) * | 2019-06-28 | 2020-12-31 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and device for image processing, method for training object detection model |
-
2021
- 2021-12-10 CN CN202111518451.0A patent/CN114235758A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090208050A1 (en) * | 2008-02-19 | 2009-08-20 | Keyence Corporation | Defect Detection Apparatus, Defect Detection Method and Computer Program |
| JP2013149055A (ja) * | 2012-01-19 | 2013-08-01 | Panasonic Corp | 画像処理装置およびこれを備えた原稿読取システム |
| CN104364636A (zh) * | 2012-06-22 | 2015-02-18 | 霍夫曼-拉罗奇有限公司 | 用于检测体液中的分析物的方法和器件 |
| CN103440654A (zh) * | 2013-08-27 | 2013-12-11 | 南京大学 | 一种lcd异物缺陷检测方法 |
| CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
| CN109166109A (zh) * | 2018-08-14 | 2019-01-08 | 珠海格力智能装备有限公司 | 缺陷检测方法、装置、存储介质及处理器 |
| US20200412940A1 (en) * | 2019-06-28 | 2020-12-31 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and device for image processing, method for training object detection model |
Non-Patent Citations (1)
| Title |
|---|
| 杨丹丹;王卫星;廖一鹏;: "基于多尺度分析及图论归一化割的矿岩颗粒图像分割及应用", 四川大学学报(工程科学版) * |
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115314634A (zh) * | 2022-06-28 | 2022-11-08 | 上海艾为电子技术股份有限公司 | 防抖检测方法、装置、终端设备和可读存储介质 |
| CN115314634B (zh) * | 2022-06-28 | 2024-05-31 | 上海艾为电子技术股份有限公司 | 防抖检测方法、装置、终端设备和可读存储介质 |
| CN114972348A (zh) * | 2022-08-01 | 2022-08-30 | 山东尚雅建材有限公司 | 一种基于图像处理的美缝效果检测方法 |
| CN114972348B (zh) * | 2022-08-01 | 2022-09-30 | 山东尚雅建材有限公司 | 一种基于图像处理的美缝效果检测方法 |
| CN115330704A (zh) * | 2022-08-04 | 2022-11-11 | 合肥欣奕华智能机器股份有限公司 | 一种亮点缺陷检测方法、装置、计算机设备和存储介质 |
| CN115274486A (zh) * | 2022-09-27 | 2022-11-01 | 南通睿禧智能科技有限公司 | 一种半导体表面缺陷识别方法 |
| CN115546145A (zh) * | 2022-09-29 | 2022-12-30 | 杭州海康机器人股份有限公司 | 一种基于机器视觉的缺陷检测方法、装置及电子设备 |
| CN115661054A (zh) * | 2022-10-14 | 2023-01-31 | 蓝思系统集成有限公司 | 封口的检测方法及装置、电子设备及存储介质 |
| CN115661054B (zh) * | 2022-10-14 | 2024-05-31 | 蓝思系统集成有限公司 | 封口的检测方法及装置、电子设备及存储介质 |
| CN115797317A (zh) * | 2022-12-16 | 2023-03-14 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 重载绳的断丝检测方法、装置、终端设备及存储介质 |
| CN116012330B (zh) * | 2022-12-28 | 2023-10-20 | 广州市易鸿智能装备有限公司 | 一种极片的缺陷检测方法、装置、设备和计算机存储介质 |
| CN116012330A (zh) * | 2022-12-28 | 2023-04-25 | 广州市易鸿智能装备有限公司 | 一种极片的缺陷检测方法、装置、设备和计算机存储介质 |
| CN115984863A (zh) * | 2023-03-17 | 2023-04-18 | 中化现代农业有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN116823924A (zh) * | 2023-08-24 | 2023-09-29 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
| CN116823924B (zh) * | 2023-08-24 | 2023-12-12 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
| CN116843678B (zh) * | 2023-08-28 | 2023-11-21 | 青岛冠宝林活性炭有限公司 | 一种硬碳电极生产质量检测方法 |
| CN116843678A (zh) * | 2023-08-28 | 2023-10-03 | 青岛冠宝林活性炭有限公司 | 一种硬碳电极生产质量检测方法 |
| CN116973311A (zh) * | 2023-09-22 | 2023-10-31 | 成都中嘉微视科技有限公司 | 一种膜上膜下异物的检测装置及检测方法 |
| CN116973311B (zh) * | 2023-09-22 | 2023-12-12 | 成都中嘉微视科技有限公司 | 一种膜上膜下异物的检测装置及检测方法 |
| CN117392404A (zh) * | 2023-11-02 | 2024-01-12 | 中国人民解放军陆军工程大学 | 一种提高图像检测速度的方法及系统 |
| CN117636077B (zh) * | 2024-01-25 | 2024-04-02 | 高视科技(苏州)股份有限公司 | 缺陷检测参数调整方法、电子设备和储存介质 |
| CN117636077A (zh) * | 2024-01-25 | 2024-03-01 | 高视科技(苏州)股份有限公司 | 缺陷检测参数调整方法、电子设备和储存介质 |
| CN117690142B (zh) * | 2024-02-01 | 2024-05-28 | 深圳中科精工科技有限公司 | 晶圆字符的预处理方法、设备及存储介质 |
| CN117690142A (zh) * | 2024-02-01 | 2024-03-12 | 深圳中科精工科技有限公司 | 晶圆字符的预处理方法、设备及存储介质 |
| CN118096732A (zh) * | 2024-04-22 | 2024-05-28 | 高视科技(苏州)股份有限公司 | 显示屏漏光检测方法、电子设备及存储介质 |
| CN118777311A (zh) * | 2024-07-19 | 2024-10-15 | 深圳市盛麦客精密模切有限公司 | 基于视觉检测的破膜刀质量检测方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114235758A (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
| US8345063B2 (en) | Filtering method and apparatus for anti-aliasing | |
| CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
| CN112464829B (zh) | 一种瞳孔定位方法、设备、存储介质及视线追踪系统 | |
| CN111539238B (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
| CN112037287B (zh) | 相机标定方法、电子设备及存储介质 | |
| CN111369570B (zh) | 一种视频图像的多目标检测跟踪方法 | |
| CN110415237A (zh) | 皮肤瑕疵检测方法、检测装置、终端设备及可读存储介质 | |
| CN118570072B (zh) | 一种钛金属加工过程中毛刺检测方法及系统 | |
| CN111898610A (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
| CN112200826A (zh) | 一种工业弱缺陷分割方法 | |
| CN116883408A (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
| CN116862812A (zh) | 红外图像处理方法、装置、计算机设备、存储介质及产品 | |
| CN119941740A (zh) | 一种零件加工检测方法及系统 | |
| CN113591507B (zh) | 一种鲁棒的二维码DataMatrix定位方法及系统 | |
| CN110751156A (zh) | 用于表格线大块干扰去除方法、系统、设备及介质 | |
| CN114998186A (zh) | 基于图像处理的铜始极片表面结疤缺陷检测方法及系统 | |
| CN116703921A (zh) | 一种柔性线路板表面镀层质量检测方法 | |
| CN111524152B (zh) | 一种基于深度估计的水下图像复原计算效率提升方法及系统 | |
| CN114418848A (zh) | 视频处理方法、装置、存储介质及电子设备 | |
| CN112330553A (zh) | 一种裂缝图像去噪方法、设备及存储介质 | |
| CN112652004A (zh) | 一种图像处理方法、装置、设备及介质 | |
| CN116612040B (zh) | 一种基于改进Sobel算子的移液管图像不均匀光照修正方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220325 |