CN105044119A - 一种基于灰度均值分析的玻璃瑕疵分类方法 - Google Patents
一种基于灰度均值分析的玻璃瑕疵分类方法 Download PDFInfo
- Publication number
- CN105044119A CN105044119A CN201510535357.4A CN201510535357A CN105044119A CN 105044119 A CN105044119 A CN 105044119A CN 201510535357 A CN201510535357 A CN 201510535357A CN 105044119 A CN105044119 A CN 105044119A
- Authority
- CN
- China
- Prior art keywords
- glass
- flaw
- gray
- image
- threshold
- 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
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种基于灰度均值分析的玻璃瑕疵分类方法,该方法包括:1)提供一种基于灰度均值分析的玻璃瑕疵分类装置,所述分类装置包括玻璃传送结构、图像检测机构、FPGA芯片和DSP芯片,所述玻璃传送结构用于逐块滚动各块待检测玻璃到图像检测机构下,所述图像检测机构用于对待检测玻璃块进行数据采集以获得玻璃采集图像,所述FPGA芯片和所述图像检测机构连接,用于对所述玻璃采集图像进行图像预处理操作,以获得预处理玻璃图像,所述DSP芯片与所述FPGA芯片连接,用于对所述预处理玻璃图像执行灰度均值分析以确定待检测玻璃块中的瑕疵类别;2)使用所述分类装置来进行分类。本发明能够根据瑕疵的灰度特性智能化地识别出待检测玻璃块中的各种瑕疵。
Description
技术领域
本发明涉及产品检测领域,尤其涉及一种基于灰度均值分析的玻璃瑕疵分类方法。
背景技术
对于玻璃厂家生产的玻璃产品来说,如果外观上存在瑕疵,不仅影响设计的美观性,而且很有可能影响最终工程的质量,容易造成经济损失和人身伤亡。因此,对于刚出厂的玻璃进行瑕疵类别检测,对玻璃厂商改变生产工艺、提高产品质量非常重要。
然而,现有技术中的玻璃瑕疵检测方案无法有效地区分出玻璃产品的几种主要瑕疵:贴锡、夹杂物、气泡、表面不平整和划痕。在无法进行瑕疵类别有效区分的前提下,玻璃厂商也难以确定问题所在,无法为后续合格的玻璃生产提供改良方案。
为此,本发明提出了一种基于灰度均值分析的玻璃瑕疵分类方法,能够有效地区分出玻璃产品的几种主要瑕疵:贴锡、夹杂物、气泡、表面不平整和划痕,为玻璃厂商的后续生产提供重要的参考数据。
发明内容
为了解决现有技术存在的技术问题,本发明提供了一种基于灰度均值分析的玻璃瑕疵分类方法,采用EPLD控制电路、高速缓存双口RAM、FPGA芯片和所述DSP芯片搭建玻璃瑕疵分类装置的主要结构,以检测出的瑕疵图像的灰度值为参考,有效区别出玻璃产品的几种主要瑕疵:贴锡、夹杂物、气泡、表面不平整和划痕。
根据本发明的一方面,提供了一种基于灰度均值分析的玻璃瑕疵分类方法,该方法包括:1)提供一种基于灰度均值分析的玻璃瑕疵分类装置,所述分类装置包括玻璃传送结构、图像检测机构、FPGA芯片和DSP芯片,所述玻璃传送结构用于逐块滚动各块待检测玻璃到图像检测机构下,所述图像检测机构用于对待检测玻璃块进行数据采集以获得玻璃采集图像,所述FPGA芯片和所述图像检测机构连接,用于对所述玻璃采集图像进行图像预处理操作,以获得预处理玻璃图像,所述DSP芯片与所述FPGA芯片连接,用于对所述预处理玻璃图像执行灰度均值分析以确定待检测玻璃块中的瑕疵类别;2)使用所述分类装置来进行分类。
更具体地,在所述基于灰度均值分析的玻璃瑕疵分类装置中,还包括:高速缓存双口RAM,用于连接所述FPGA芯片和所述DSP芯片;玻璃传送入口,设置在玻璃传送带的前端上方,用于逐个将待检测玻璃块放置到玻璃传送带上;SDRAM存储设备,用于预先存储瑕疵灰度范围,所述瑕疵灰度范围由瑕疵灰度上限阈值和瑕疵灰度下限阈值组成,瑕疵灰度上限阈值和瑕疵灰度下限阈值的取值都在0-255之间,还用于存储瑕疵灰度阈值;所述玻璃传送结构,包括伺服电机、玻璃传送带和多个转动滚轴,多个转动滚轴带动玻璃传送带水平传送其上方的玻璃块,伺服电机用于带动多个转动滚轴;所述图像检测机构,设置在玻璃传送带中部位置的上方,包括CMOS图像传感器、红绿滤光片和镜头,红绿滤光片设置在CMOS图像传感器和镜头之间,CMOS图像传感器用于对待检测玻璃块进行拍摄以获得玻璃采集图像;所述FPGA芯片集成了自适应递归滤波子设备、中值滤波子设备、尺度变换增强子设备、灰度化处理子设备和瑕疵目标分割子设备,所述自适应递归滤波子设备与所述CMOS图像传感器连接,用于对所述玻璃采集图像执行自适应递归滤波处理,以滤除所述玻璃采集图像中的高斯噪声,获得自适应递归滤波图像;所述中值滤波子设备与所述自适应递归滤波子设备连接,用于对所述自适应递归滤波图像执行中值滤波处理,以滤除所述自适应递归滤波图像中的散射成分,获得中值滤波图像;所述尺度变换增强子设备与所述中值滤波子设备连接,用于对所述中值滤波图像执行尺度变换增强处理,以增强图像中目标与背景的对比度,获得增强图像;所述瑕疵目标分割子设备与所述尺度变换增强子设备连接,将所述增强图像中像素灰度值在所述瑕疵灰度范围内的所有像素组成瑕疵子图像并输出;EPLD控制电路,连接所述高速缓存双口RAM、所述FPGA芯片和所述DSP芯片,用于控制所述高速缓存双口RAM、所述FPGA芯片和所述DSP芯片之间的数据交互和时序;供电设备,为所述分类装置的其他用电设备提供电力供应,并与所述EPLD控制电路连接,以在所述EPLD控制电路的控制下,为所述分类装置提供省电模式和正常用电模式两种用电方式;所述DSP芯片与所述SDRAM存储设备、所述高速缓存双口RAM和所述EPLD控制电路分别连接,接收所述瑕疵子图像和所述瑕疵灰度阈值,计算所述瑕疵子图像的灰度平均值,当所述灰度平均值小于等于所述瑕疵灰度阈值时,判断瑕疵类别为贴锡或夹杂物,当所述灰度平均值大于所述瑕疵灰度阈值且所述瑕疵子图像内中间像素灰度值高于边缘灰度像素值时,判断瑕疵类别为气泡,当所述灰度平均值大于所述瑕疵灰度阈值且所述瑕疵子图像内中间像素灰度值低于边缘灰度像素值时,判断瑕疵类别为表面不平整或划痕;无线通信设备,与所述DSP芯片连接,用于接收远端服务器发送的控制指令,还用于将玻璃批次不合格信号和瑕疵类别通过无线通信链路发送到远端服务器中;液晶显示设备,与所述DSP芯片连接,用于实时显示玻璃批次不合格信号和瑕疵类别;其中,所述DSP芯片还包括计数单元,所述DSP芯片对每块待检测玻璃的瑕疵子图像进行像素总数统计,对于每块待检测玻璃,在其瑕疵子图像的像素总数大于预设像素阈值时,所述计数单元的计数值自动加1,在其瑕疵子图像的像素总数小于等于预设像素阈值时,所述计数单元的计数值保持不变;所述DSP芯片在所述计数单元的计数值大于等于预设计数阈值时,发出玻璃批次不合格信号;所述预设像素阈值和所述预设计数阈值被预先存储在所述DSP芯片的内置存储器中。
更具体地,在所述基于灰度均值分析的玻璃瑕疵分类装置中,所述分类装置还包括:输入键盘,与所述DSP芯片和所述SDRAM存储设备连接,用于在用户的操作下,输入所述瑕疵灰度阈值、所述预设像素阈值和所述预设计数阈值。
更具体地,在所述基于灰度均值分析的玻璃瑕疵分类装置中:所述供电设备包括太阳能供电器件、市电接口、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述市电接口分别连接,根据市电接口处的市电电压大小决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压。
更具体地,在所述基于灰度均值分析的玻璃瑕疵分类装置中:将所述SDRAM存储设备集成到所述DSP芯片内。
更具体地,在所述基于灰度均值分析的玻璃瑕疵分类装置中:替换地,采用所述SDRAM存储设备预先存储所述预设像素阈值和所述预设计数阈值。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的基于灰度均值分析的玻璃瑕疵分类装置的结构方框图。
附图标记:1玻璃传送结构;2DSP芯片;3图像检测机构;4FPGA芯片
具体实施方式
下面将参照附图对本发明的基于灰度均值分析的玻璃瑕疵分类装置的实施方案进行详细说明。
在玻璃生产过程中,如何克服各种瑕疵的存在,对于玻璃厂商非常重要。一般地,玻璃厂商采用以下方式提高玻璃成品质量:对玻璃成品进行瑕疵类别检测,根据检测到的瑕疵类型有针对性地改变玻璃生产工艺,从而消除检测到的玻璃瑕疵。
然而,现有技术中对于玻璃的几种主要瑕疵:贴锡、夹杂物、气泡、表面不平整和划痕缺乏有效的检测方案。在无法进行瑕疵类别有效区分的前提下,玻璃厂商也难以确定问题所在,无法消除出现的玻璃瑕疵。
为了克服上述不足,本发明搭建了一种基于灰度均值分析的玻璃瑕疵分类装置,采用适合玻璃和玻璃瑕疵特性的检测结构和检测参数,有效鉴别出上述几种主要玻璃瑕疵。
图1为根据本发明实施方案示出的基于灰度均值分析的玻璃瑕疵分类装置的结构方框图,所述分类装置包括玻璃传送结构、图像检测机构、FPGA芯片和DSP芯片,所述玻璃传送结构用于逐块滚动各块待检测玻璃到图像检测机构下,所述图像检测机构用于对待检测玻璃块进行数据采集以获得玻璃采集图像,所述FPGA芯片和所述图像检测机构连接,用于对所述玻璃采集图像进行图像预处理操作,以获得预处理玻璃图像,所述DSP芯片与所述FPGA芯片连接,用于对所述预处理玻璃图像执行灰度均值分析以确定待检测玻璃块中的瑕疵类别。
接着,继续对本发明的基于灰度均值分析的玻璃瑕疵分类装置的具体结构进行进一步的说明。
所述分类装置还包括:高速缓存双口RAM,用于连接所述FPGA芯片和所述DSP芯片。
所述分类装置还包括:玻璃传送入口,设置在玻璃传送带的前端上方,用于逐个将待检测玻璃块放置到玻璃传送带上。
所述分类装置还包括:SDRAM存储设备,用于预先存储瑕疵灰度范围,所述瑕疵灰度范围由瑕疵灰度上限阈值和瑕疵灰度下限阈值组成,瑕疵灰度上限阈值和瑕疵灰度下限阈值的取值都在0-255之间,还用于存储瑕疵灰度阈值。
所述玻璃传送结构,包括伺服电机、玻璃传送带和多个转动滚轴,多个转动滚轴带动玻璃传送带水平传送其上方的玻璃块,伺服电机用于带动多个转动滚轴。
所述图像检测机构,设置在玻璃传送带中部位置的上方,包括CMOS图像传感器、红绿滤光片和镜头,红绿滤光片设置在CMOS图像传感器和镜头之间,CMOS图像传感器用于对待检测玻璃块进行拍摄以获得玻璃采集图像。
所述FPGA芯片集成了自适应递归滤波子设备、中值滤波子设备、尺度变换增强子设备、灰度化处理子设备和瑕疵目标分割子设备。
所述自适应递归滤波子设备与所述CMOS图像传感器连接,用于对所述玻璃采集图像执行自适应递归滤波处理,以滤除所述玻璃采集图像中的高斯噪声,获得自适应递归滤波图像。
所述中值滤波子设备与所述自适应递归滤波子设备连接,用于对所述自适应递归滤波图像执行中值滤波处理,以滤除所述自适应递归滤波图像中的散射成分,获得中值滤波图像。
所述尺度变换增强子设备与所述中值滤波子设备连接,用于对所述中值滤波图像执行尺度变换增强处理,以增强图像中目标与背景的对比度,获得增强图像。
所述瑕疵目标分割子设备与所述尺度变换增强子设备连接,将所述增强图像中像素灰度值在所述瑕疵灰度范围内的所有像素组成瑕疵子图像并输出。
所述分类装置还包括:EPLD控制电路,连接所述高速缓存双口RAM、所述FPGA芯片和所述DSP芯片,用于控制所述高速缓存双口RAM、所述FPGA芯片和所述DSP芯片之间的数据交互和时序。
所述分类装置还包括:供电设备,为所述分类装置的其他用电设备提供电力供应,并与所述EPLD控制电路连接,以在所述EPLD控制电路的控制下,为所述分类装置提供省电模式和正常用电模式两种用电方式。
所述DSP芯片与所述SDRAM存储设备、所述高速缓存双口RAM和所述EPLD控制电路分别连接,接收所述瑕疵子图像和所述瑕疵灰度阈值,计算所述瑕疵子图像的灰度平均值,当所述灰度平均值小于等于所述瑕疵灰度阈值时,判断瑕疵类别为贴锡或夹杂物,当所述灰度平均值大于所述瑕疵灰度阈值且所述瑕疵子图像内中间像素灰度值高于边缘灰度像素值时,判断瑕疵类别为气泡,当所述灰度平均值大于所述瑕疵灰度阈值且所述瑕疵子图像内中间像素灰度值低于边缘灰度像素值时,判断瑕疵类别为表面不平整或划痕。
所述分类装置还包括:无线通信设备,与所述DSP芯片连接,用于接收远端服务器发送的控制指令,还用于将玻璃批次不合格信号和瑕疵类别通过无线通信链路发送到远端服务器中;液晶显示设备,与所述DSP芯片连接,用于实时显示玻璃批次不合格信号和瑕疵类别。
其中,所述DSP芯片还包括计数单元,所述DSP芯片对每块待检测玻璃的瑕疵子图像进行像素总数统计,对于每块待检测玻璃,在其瑕疵子图像的像素总数大于预设像素阈值时,所述计数单元的计数值自动加1,在其瑕疵子图像的像素总数小于等于预设像素阈值时,所述计数单元的计数值保持不变;所述DSP芯片在所述计数单元的计数值大于等于预设计数阈值时,发出玻璃批次不合格信号;所述预设像素阈值和所述预设计数阈值被预先存储在所述DSP芯片的内置存储器中。
可选地,在所述分类装置中,所述分类装置还包括:输入键盘,与所述DSP芯片和所述SDRAM存储设备连接,用于在用户的操作下,输入所述瑕疵灰度阈值、所述预设像素阈值和所述预设计数阈值;所述供电设备包括太阳能供电器件、市电接口、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述市电接口分别连接,根据市电接口处的市电电压大小决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压;将所述SDRAM存储设备集成到所述DSP芯片内;以及替换地,采用所述SDRAM存储设备预先存储所述预设像素阈值和所述预设计数阈值。
另外,FPGA(Field-ProgrammableGateArray),即现场可编程门阵列,他是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。他是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。
以硬件描述语言(Verilog或VHDL)所完成的电路设计,可以经过简单的综合与布局,快速的烧录至FPGA上进行测试,是现代IC设计验证的技术主流。这些可编辑元件可以被用来实现一些基本的逻辑门电路(比如AND、OR、XOR、NOT)或者更复杂一些的组合功能比如解码器或数学方程式。在大多数的FPGA里面,这些可编辑的元件里也包含记忆元件例如触发器(Flip-flop)或者其他更加完整的记忆块。系统设计师可以根据需要通过可编辑的连接把FPGA内部的逻辑块连接起来,就好像一个电路试验板被放在了一个芯片里。一个出厂后的成品FPGA的逻辑块和连接可以按照设计者而改变,所以FPGA可以完成所需要的逻辑功能。
FPGA一般来说比ASIC(专用集成电路)的速度要慢,实现同样的功能比ASIC电路面积要大。但是他们也有很多的优点比如可以快速成品,可以被修改来改正程序中的错误和更便宜的造价。厂商也可能会提供便宜的但是编辑能力差的FPGA。因为这些芯片有比较差的可编辑能力,所以这些设计的开发是在普通的FPGA上完成的,然后将设计转移到一个类似于ASIC的芯片上。另外一种方法是用CPLD(ComplexProgrammableLogicDevice,复杂可编程逻辑器件)。FPGA的开发相对于传统PC、单片机的开发有很大不同。FPGA以并行运算为主,以硬件描述语言来实现;相比于PC或单片机(无论是冯诺依曼结构还是哈佛结构)的顺序操作有很大区别。
早在1980年代中期,FPGA已经在PLD设备中扎根。CPLD和FPGA包括了一些相对大数量的可编辑逻辑单元。CPLD逻辑门的密度在几千到几万个逻辑单元之间,而FPGA通常是在几万到几百万。CPLD和FPGA的主要区别是他们的系统结构。CPLD是一个有点限制性的结构。这个结构由一个或者多个可编辑的结果之和的逻辑组列和一些相对少量的锁定的寄存器组成。这样的结果是缺乏编辑灵活性,但是却有可以预计的延迟时间和逻辑单元对连接单元高比率的优点。而FPGA却是有很多的连接单元,这样虽然让他可以更加灵活的编辑,但是结构却复杂的多。
采用本发明的基于灰度均值分析的玻璃瑕疵分类装置,针对现有技术中难以进行玻璃瑕疵分类的技术问题,根据玻璃和玻璃瑕疵的图像特性,采用EPLD控制电路、高速缓存双口RAM、FPGA芯片和所述DSP芯片搭建玻璃瑕疵分类装置的主要结构,以检测出的瑕疵图像的灰度值为参考,有效区别出玻璃产品的几种主要瑕疵,从而为玻璃厂商的后续生产提供改良途径。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种基于灰度均值分析的玻璃瑕疵分类方法,该方法包括:
1)提供一种基于灰度均值分析的玻璃瑕疵分类装置,所述分类装置包括玻璃传送结构、图像检测机构、FPGA芯片和DSP芯片,所述玻璃传送结构用于逐块滚动各块待检测玻璃到图像检测机构下,所述图像检测机构用于对待检测玻璃块进行数据采集以获得玻璃采集图像,所述FPGA芯片和所述图像检测机构连接,用于对所述玻璃采集图像进行图像预处理操作,以获得预处理玻璃图像,所述DSP芯片与所述FPGA芯片连接,用于对所述预处理玻璃图像执行灰度均值分析以确定待检测玻璃块中的瑕疵类别;
2)使用所述分类装置来进行分类。
2.如权利要求1所述的方法,其特征在于,所述分类装置还包括:
高速缓存双口RAM,用于连接所述FPGA芯片和所述DSP芯片;
玻璃传送入口,设置在玻璃传送带的前端上方,用于逐个将待检测玻璃块放置到玻璃传送带上;
SDRAM存储设备,用于预先存储瑕疵灰度范围,所述瑕疵灰度范围由瑕疵灰度上限阈值和瑕疵灰度下限阈值组成,瑕疵灰度上限阈值和瑕疵灰度下限阈值的取值都在0-255之间,还用于存储瑕疵灰度阈值;
所述玻璃传送结构,包括伺服电机、玻璃传送带和多个转动滚轴,多个转动滚轴带动玻璃传送带水平传送其上方的玻璃块,伺服电机用于带动多个转动滚轴;
所述图像检测机构,设置在玻璃传送带中部位置的上方,包括CMOS图像传感器、红绿滤光片和镜头,红绿滤光片设置在CMOS图像传感器和镜头之间,CMOS图像传感器用于对待检测玻璃块进行拍摄以获得玻璃采集图像;
所述FPGA芯片集成了自适应递归滤波子设备、中值滤波子设备、尺度变换增强子设备、灰度化处理子设备和瑕疵目标分割子设备,所述自适应递归滤波子设备与所述CMOS图像传感器连接,用于对所述玻璃采集图像执行自适应递归滤波处理,以滤除所述玻璃采集图像中的高斯噪声,获得自适应递归滤波图像;所述中值滤波子设备与所述自适应递归滤波子设备连接,用于对所述自适应递归滤波图像执行中值滤波处理,以滤除所述自适应递归滤波图像中的散射成分,获得中值滤波图像;所述尺度变换增强子设备与所述中值滤波子设备连接,用于对所述中值滤波图像执行尺度变换增强处理,以增强图像中目标与背景的对比度,获得增强图像;所述瑕疵目标分割子设备与所述尺度变换增强子设备连接,将所述增强图像中像素灰度值在所述瑕疵灰度范围内的所有像素组成瑕疵子图像并输出;
EPLD控制电路,连接所述高速缓存双口RAM、所述FPGA芯片和所述DSP芯片,用于控制所述高速缓存双口RAM、所述FPGA芯片和所述DSP芯片之间的数据交互和时序;
供电设备,为所述分类装置的其他用电设备提供电力供应,并与所述EPLD控制电路连接,以在所述EPLD控制电路的控制下,为所述分类装置提供省电模式和正常用电模式两种用电方式;
所述DSP芯片与所述SDRAM存储设备、所述高速缓存双口RAM和所述EPLD控制电路分别连接,接收所述瑕疵子图像和所述瑕疵灰度阈值,计算所述瑕疵子图像的灰度平均值,当所述灰度平均值小于等于所述瑕疵灰度阈值时,判断瑕疵类别为贴锡或夹杂物,当所述灰度平均值大于所述瑕疵灰度阈值且所述瑕疵子图像内中间像素灰度值高于边缘灰度像素值时,判断瑕疵类别为气泡,当所述灰度平均值大于所述瑕疵灰度阈值且所述瑕疵子图像内中间像素灰度值低于边缘灰度像素值时,判断瑕疵类别为表面不平整或划痕;
无线通信设备,与所述DSP芯片连接,用于接收远端服务器发送的控制指令,还用于将玻璃批次不合格信号和瑕疵类别通过无线通信链路发送到远端服务器中;
液晶显示设备,与所述DSP芯片连接,用于实时显示玻璃批次不合格信号和瑕疵类别;
其中,所述DSP芯片还包括计数单元,所述DSP芯片对每块待检测玻璃的瑕疵子图像进行像素总数统计,对于每块待检测玻璃,在其瑕疵子图像的像素总数大于预设像素阈值时,所述计数单元的计数值自动加1,在其瑕疵子图像的像素总数小于等于预设像素阈值时,所述计数单元的计数值保持不变;所述DSP芯片在所述计数单元的计数值大于等于预设计数阈值时,发出玻璃批次不合格信号;
其中,所述预设像素阈值和所述预设计数阈值被预先存储在所述DSP芯片的内置存储器中。
3.如权利要求2所述的方法,其特征在于,所述分类装置还包括:输入键盘,与所述DSP芯片和所述SDRAM存储设备连接,用于在用户的操作下,输入所述瑕疵灰度阈值、所述预设像素阈值和所述预设计数阈值。
4.如权利要求2所述的方法,其特征在于:所述供电设备包括太阳能供电器件、市电接口、切换开关和电压转换器,所述切换开关与所述太阳能供电器件和所述市电接口分别连接,根据市电接口处的市电电压大小决定是否切换到所述太阳能供电器件以由所述太阳能供电器件供电,所述电压转换器与所述切换开关连接,以将通过切换开关输入的5V电压转换为3.3V电压。
5.如权利要求2所述的方法,其特征在于:将所述SDRAM存储设备集成到所述DSP芯片内。
6.如权利要求2所述的方法,其特征在于:替换地,采用所述SDRAM存储设备预先存储所述预设像素阈值和所述预设计数阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510535357.4A CN105044119A (zh) | 2015-08-27 | 2015-08-27 | 一种基于灰度均值分析的玻璃瑕疵分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510535357.4A CN105044119A (zh) | 2015-08-27 | 2015-08-27 | 一种基于灰度均值分析的玻璃瑕疵分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105044119A true CN105044119A (zh) | 2015-11-11 |
Family
ID=54450832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510535357.4A Pending CN105044119A (zh) | 2015-08-27 | 2015-08-27 | 一种基于灰度均值分析的玻璃瑕疵分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105044119A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105573220A (zh) * | 2015-12-17 | 2016-05-11 | 彭冬青 | 输电线路监控平台 |
CN105785860A (zh) * | 2015-12-17 | 2016-07-20 | 彭冬青 | 输电线路监控平台 |
CN107169957A (zh) * | 2017-04-28 | 2017-09-15 | 燕山大学 | 一种基于机器视觉的玻璃瑕疵在线检测系统及方法 |
CN107764832A (zh) * | 2017-09-29 | 2018-03-06 | 青海黄河上游水电开发有限责任公司光伏产业技术分公司 | 光伏组件的隐裂缺陷检测方法 |
CN109387527A (zh) * | 2017-08-09 | 2019-02-26 | 苏州精濑光电有限公司 | 一种膜上膜内缺陷的检测方法 |
CN112950598A (zh) * | 2021-03-09 | 2021-06-11 | 深圳棱镜空间智能科技有限公司 | 工件的瑕疵检测方法、装置、设备及存储介质 |
CN115018829A (zh) * | 2022-08-03 | 2022-09-06 | 创新奇智(成都)科技有限公司 | 一种玻璃瑕疵定位方法及装置 |
CN116309559A (zh) * | 2023-05-17 | 2023-06-23 | 山东鲁玻玻璃科技有限公司 | 一种中硼硅玻璃生产瑕疵智能识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101115988A (zh) * | 2005-02-10 | 2008-01-30 | 中央硝子株式会社 | 用于检测玻璃板端面缺陷的装置和方法 |
CN101419176A (zh) * | 2007-10-26 | 2009-04-29 | 比亚迪股份有限公司 | 表面瑕疵检测方法及装置 |
US20110007966A1 (en) * | 2009-07-07 | 2011-01-13 | Konica Minolta Business Technologies, Inc. | Image Processing Apparatus, Image Processing System, Image Processing Method and Image Processing Program |
US20140184811A1 (en) * | 2012-12-27 | 2014-07-03 | Hiroyuki Yoshida | Image processing apparatus, image processing method, and computer program product |
-
2015
- 2015-08-27 CN CN201510535357.4A patent/CN105044119A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101115988A (zh) * | 2005-02-10 | 2008-01-30 | 中央硝子株式会社 | 用于检测玻璃板端面缺陷的装置和方法 |
CN101419176A (zh) * | 2007-10-26 | 2009-04-29 | 比亚迪股份有限公司 | 表面瑕疵检测方法及装置 |
US20110007966A1 (en) * | 2009-07-07 | 2011-01-13 | Konica Minolta Business Technologies, Inc. | Image Processing Apparatus, Image Processing System, Image Processing Method and Image Processing Program |
US20140184811A1 (en) * | 2012-12-27 | 2014-07-03 | Hiroyuki Yoshida | Image processing apparatus, image processing method, and computer program product |
Non-Patent Citations (2)
Title |
---|
严华宇: "基于FPGA的玻璃缺陷图像采集预处理系统设计", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
周欣等: "玻璃缺陷快速检测分类研究", 《微计算机信息》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105573220A (zh) * | 2015-12-17 | 2016-05-11 | 彭冬青 | 输电线路监控平台 |
CN105785860A (zh) * | 2015-12-17 | 2016-07-20 | 彭冬青 | 输电线路监控平台 |
CN107169957A (zh) * | 2017-04-28 | 2017-09-15 | 燕山大学 | 一种基于机器视觉的玻璃瑕疵在线检测系统及方法 |
CN109387527A (zh) * | 2017-08-09 | 2019-02-26 | 苏州精濑光电有限公司 | 一种膜上膜内缺陷的检测方法 |
CN107764832A (zh) * | 2017-09-29 | 2018-03-06 | 青海黄河上游水电开发有限责任公司光伏产业技术分公司 | 光伏组件的隐裂缺陷检测方法 |
CN112950598A (zh) * | 2021-03-09 | 2021-06-11 | 深圳棱镜空间智能科技有限公司 | 工件的瑕疵检测方法、装置、设备及存储介质 |
CN112950598B (zh) * | 2021-03-09 | 2024-03-19 | 深圳棱镜空间智能科技有限公司 | 工件的瑕疵检测方法、装置、设备及存储介质 |
CN115018829A (zh) * | 2022-08-03 | 2022-09-06 | 创新奇智(成都)科技有限公司 | 一种玻璃瑕疵定位方法及装置 |
CN116309559A (zh) * | 2023-05-17 | 2023-06-23 | 山东鲁玻玻璃科技有限公司 | 一种中硼硅玻璃生产瑕疵智能识别方法 |
CN116309559B (zh) * | 2023-05-17 | 2023-08-04 | 山东鲁玻玻璃科技有限公司 | 一种中硼硅玻璃生产瑕疵智能识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105044119A (zh) | 一种基于灰度均值分析的玻璃瑕疵分类方法 | |
CN105044124A (zh) | 基于灰度均值分析的玻璃瑕疵分类装置 | |
CN109544527B (zh) | 一种基于硬卡编程的玻璃表面缺陷的检测方法及装置 | |
CN105092593A (zh) | 一种基于高强度照明的钢板缺陷检测方法 | |
CN105184783A (zh) | 玻璃缺陷类型识别系统 | |
CN103424409B (zh) | 一种基于dsp的视觉检测系统 | |
CN105181708A (zh) | 纺织机针批次合格检测平台 | |
Jadhav et al. | A fruit quality management system based on image processing | |
CN110142228B (zh) | 锯片裂纹检测识别分拣系统及分拣方法 | |
CN202649135U (zh) | 一种用于柑橘分级检测的图像采集装置 | |
CN103364400A (zh) | 一种多工位智能融合的瓶装啤酒在线检测装置 | |
CN103406286A (zh) | 一种基于LabVIEW的水果外部品质在线分级方法 | |
CN102721702A (zh) | 基于嵌入式处理器的分布式纸病检测系统及方法 | |
CN105206034A (zh) | 智能家居空气自适应互动系统 | |
CN109738448A (zh) | 一种工业产品智能检测装置和方法 | |
CN105139400A (zh) | 基于图像处理的工件缺陷定位系统 | |
CN101477065B (zh) | 基于缺陷边界值变化次数的ic缺陷分类方法 | |
CN105181705A (zh) | 一种基于多重滤波的陶瓷外观分析方法 | |
CN107220946A (zh) | 一种岩石运输带上不良块度图像的实时剔除方法 | |
CN105678224A (zh) | 一种用于矿石智能拣选的图像识别系统及拣选方法 | |
CN105241891A (zh) | 一种基于wifi网络的玻璃缺陷检测方法 | |
CN105092591A (zh) | 一种基于图像处理的工件缺陷定位方法 | |
CN102397843A (zh) | 彩色ccd杂粮色选机的电控筛选系统 | |
CN104883589B (zh) | 基于电子检测的视频文件播放平台 | |
CN105136813A (zh) | 一种纺织机针批次合格检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151111 |