CN105321182A - 一种手机玻璃面板的音孔缺陷检测方法及系统 - Google Patents

一种手机玻璃面板的音孔缺陷检测方法及系统 Download PDF

Info

Publication number
CN105321182A
CN105321182A CN201510772815.6A CN201510772815A CN105321182A CN 105321182 A CN105321182 A CN 105321182A CN 201510772815 A CN201510772815 A CN 201510772815A CN 105321182 A CN105321182 A CN 105321182A
Authority
CN
China
Prior art keywords
sound hole
contour
value
defect
glass panel
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.)
Granted
Application number
CN201510772815.6A
Other languages
English (en)
Other versions
CN105321182B (zh
Inventor
彭涛
程涛
冯平
孙高磊
刘新辉
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201510772815.6A priority Critical patent/CN105321182B/zh
Publication of CN105321182A publication Critical patent/CN105321182A/zh
Application granted granted Critical
Publication of CN105321182B publication Critical patent/CN105321182B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0008—Industrial image inspection checking presence/absence

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
  • Image Processing (AREA)

Abstract

本发明适用于音孔缺陷检测技术领域，提供了一种手机玻璃面板的音孔缺陷检测方法及系统，包括：步骤S1，对玻璃面板表面的灰度图像进行预处理；步骤S2，对预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取轮廓特征中的音孔轮廓的二值化图像；步骤S3，从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；步骤S4，计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；步骤S5，比较|D(i,j)-d|与预设的第二阈值Δd的大小，进而判断音孔是否存在缺陷。本发明提供的音孔缺陷检测方法及系统，解决了现有技术中只能通过人工肉眼去检测手机玻璃面板的音孔缺陷问题。

Description

一种手机玻璃面板的音孔缺陷检测方法及系统
技术领域
本发明属于音孔缺陷检测技术领域，尤其涉及一种手机玻璃面板的音孔缺陷检测方法及系统。
背景技术
目前，对于手机玻璃面板音孔缺陷检测，国内外大部分企业，尤其是中小企业，使用的是人工肉眼检测；即在光源照射下，肉眼检查音孔是否存在缺陷。这种检测方法优点是比较灵活，可以多角度检测，但是由于受人主观性影响，检测结果不能量化，效率不稳定，而且这种检测方法对人的眼睛伤害较大，劳动强度高，不能长时间工作。而目前市面上存在的手机玻璃面板缺陷检测设备，检测对象主要是针对玻璃面板的表面划痕、凹凸点等缺陷，而对于音孔缺陷，如孔崩(CNC即数控机床切出音孔形状时轮廓所受应力较大，再加上面板较薄，造成轮廓上崩掉一小块，其在缺陷形态上表现为轮廓凸起—马刺缺陷，轮廓凹进—鼠咬缺陷)没有涉及。
发明内容
本发明所要解决的技术问题在于提供一种手机玻璃面板的音孔缺陷检测方法及系统，旨在解决现有技术中只能通过人工肉眼去检测手机玻璃面板的音孔缺陷问题。
本发明是这样实现的，一种手机玻璃面板的音孔缺陷检测方法，包括下述步骤：
步骤S1，对玻璃面板表面的灰度图像进行预处理；
步骤S2，对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的音孔轮廓的二值化图像；
步骤S3，从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；
步骤S4，计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；
步骤S5，比较|D(i,j)-d|与预设的第二阈值Δd的大小，若|D(i,j)-d|小于第二阈值Δd，则代表音孔合格；若|D(i,j)-d|不小于第二阈值Δd，则代表音孔存在缺陷。
进一步地，所述步骤S1中，所述预处理具体为滤波、去噪。
进一步地，所述步骤S2中，所述预设的第一阈值包括所述音孔轮廓长度L1的极大值L1max、极小值L1min和音孔轮廓所围面积A1的极大值A1max、极小值A1min；
所述步骤S2具体为：
对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值满足：
L 1 m i n ≤ L 1 ≤ L 1 m a x A 1 m i n ≤ A 1 ≤ A 1 m a x ;
则提取所述轮廓特征中音孔轮廓的二值化图像。
进一步地，所述步骤S4中，
外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)为：
D ( i , j ) = m i n { ( i 1 - j 2 ) 2 + ( i 1 - j 2 ) 2 2 } ,
其中，外轮廓上点的坐标为(i1,j1),内轮廓上点的坐标为(i2,j2)；
所述最短距离D(i,j)的平均值d为：
d＝∑D(i,j)/N；
其中，N为提取的外轮廓上的像素点的个数。
进一步地，所述步骤S5还包括：若D(i,j)不大于d-Δd，则为鼠咬缺陷；若D(i,j)不小于d+Δd，则为马刺缺陷；其中，d-Δd为D(i,j)的极小值，d+Δd为D(i,j)的极大值。
本发明还提供了一种手机玻璃面板的音孔缺陷检测系统，包括：
预处理模块，用于对玻璃面板表面的灰度图像进行预处理；
音孔轮廓提取模块，用于对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的音孔轮廓的二值化图像；
内外轮廓提取模块，用于从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；
最短距离计算模块，用于计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；
音孔缺陷判断模块，用于比较|D(i,j)-d|与预设的第二阈值Δd的大小，若|D(i,j)-d|小于第二阈值Δd，则代表音孔合格；若|D(i,j)-d|不小于第二阈值Δd，则代表音孔存在缺陷。
进一步地，所述预处理具体为滤波、去噪。
进一步地，所述预设的第一阈值包括所述音孔轮廓长度L1的极大值L1max、极小值L1min和音孔轮廓所围面积A1的极大值A1max、极小值A1min；
所述音孔轮廓提取模块具体为：
对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值满足：
L 1 m i n ≤ L 1 ≤ L 1 m a x A 1 m i n ≤ A 1 ≤ A 1 m a x ;
则提取所述轮廓特征中音孔轮廓的二值化图像。
进一步地，外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)为：
D ( i , j ) = m i n { ( i 1 - j 2 ) 2 + ( i 1 - j 2 ) 2 2 } ,
其中，外轮廓上点的坐标为(i1,j1),内轮廓上点的坐标为(i2,j2)；
所述最短距离D(i,j)的平均值d为：
d＝∑D(i,j)/N；
其中，N为提取的外轮廓上的像素点的个数。
进一步地，所述音孔缺陷判断模块还用于判断音孔的缺陷类型，具体为：若D(i,j)不大于d-Δd，则为鼠咬缺陷；若D(i,j)不小于d+Δd，则为马刺缺陷；其中，d-Δd为D(i,j)的极小值，d+Δd为D(i,j)的极大值。
本发明与现有技术相比，有益效果在于：本发明提供了一种手机玻璃面板的音孔缺陷检测方法及系统，通过提取音孔外轮廓的像素点到内轮廓的最短距离，并通过与阈值比较去判断音孔是否存在缺陷；解决了现有技术中只能通过人工肉眼去检测手机玻璃面板的音孔缺陷问题，对于手机玻璃面板检测行业实现快速、高效、智能化的音孔缺陷检测具有重要意义。
附图说明
图1是本发明实施例提供的手机玻璃面板的音孔缺陷检测方法流程图；
图2a、图2b是本发明实施例提供的音孔图像；
图3a是图2a对应的音孔外轮廓图，图3b是图2b对应的音孔外轮廓图；
图4a是图2a对应的音孔内轮廓图，图4b是图2b对应的音孔内轮廓图；
如图5a所示为图2a中音孔各像素点对应的内外轮廓距离值，如图5b所示为图2b中音孔各像素点对应的内外轮廓距离值；
图6a为与图2a对应的标记有鼠咬缺陷的音孔图像，图6b为与图2a对应的标记有马刺缺陷的音孔图像；
图7是本发明实施例提供的手机玻璃面板的音孔缺陷检测系统示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明的主要实现思想为：通过对音孔缺陷采集装置采集到的图像进行分析处理，得到音孔外轮廓和内轮廓，提取音孔外轮廓的像素点到内轮廓的最短距离并计算其平均值，进一步地，通过与阈值比较的结果判断音孔是否存在缺陷。
下面具体介绍这种手机玻璃面板的音孔缺陷检测方法，如图1所示，其包括下述步骤：
步骤S1，对玻璃面板表面的灰度图像进行预处理；
所述预处理具体为滤波、去噪。
步骤S2，对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的音孔轮廓的二值化图像；
所述预设的第一阈值包括所述音孔轮廓长度L1的极大值L1max、极小值L1min和音孔轮廓所围面积A1的极大值A1max、极小值A1min；
所述步骤S2具体为：
对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值满足：
L 1 m i n ≤ L 1 ≤ L 1 m a x A 1 m i n ≤ A 1 ≤ A 1 m a x ;
则提取所述轮廓特征中音孔轮廓的二值化图像。
步骤S3，从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；
如图2a、图2b所示为采集的两组音孔图像，图3a、图3b分别为图2a、图2b对应的音孔外轮廓；图4a、图4b分别为图2a、图2b对应的音孔内轮廓。
步骤S4，计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；
其中， D ( i , j ) = m i n { ( i 1 - j 2 ) 2 + ( i 1 - j 2 ) 2 2 } ,
而外轮廓上点的坐标为(i1,j1),内轮廓上点的坐标为(i2,j2)；
所述最短距离D(i,j)的平均值d为：
d＝∑D(i,j)/N；
其中，N为提取的外轮廓上的像素点的个数。
进一步地，提取的音孔外轮廓的像素点(i,j)到内轮廓的最短距离D(i,j)保存至一数组中。
步骤S5，比较|D(i,j)-d|与预设的第二阈值Δd的大小，若|D(i,j)-d|小于第二阈值Δd，则代表音孔合格；若|D(i,j)-d|不小于第二阈值Δd，则代表音孔存在缺陷。本发明实施例中所述第二阈值Δd的大小为至
所述步骤S5具体为：D(i,j)的极小值为d-Δd，D(i,j)的极大值为d+Δd；若D(i,j)在极小值和极大值之间，则代表音孔合格；若D(i,j)不大于极小值，则为鼠咬缺陷；若D(i,j)不小于极大值，则为马刺缺陷。
如图5a所示为图2a中音孔各像素点对应的内外轮廓距离值；图5a的横坐标为距离值数组的索引号，可通过该索引号找到外轮廓上对应的像素点坐标和最短距离值；图5a的纵坐标为外轮廓上某像素点到内轮廓的最短距离值；图中纵坐标为5.2-8的范围为正常波动范围，从图中可知，该音孔存在外轮廓上某像素点到内轮廓的最短距离小于极小值，即该音孔存在鼠咬缺陷；图6a为与图2a对应的标记有鼠咬缺陷的音孔图像。
如图5b所示为图2b中音孔各像素点对应的内外轮廓距离值；图5b的横坐标为距离值数组的索引号，可通过该索引号找到外轮廓上对应的像素点坐标和最短距离值；图5b的纵坐标为外轮廓上某像素点到内轮廓的最短距离值；图中纵坐标为5-8.8的范围为正常波动范围，从图中可知，该音孔存在外轮廓上某像素点到内轮廓的最短距离大于极大值，即该音孔存在马刺缺陷；图6b为与图2a对应的标记有马刺缺陷的音孔图像。
本发明还提供了一种手机玻璃面板的音孔缺陷检测系统，如图7所示，包括：
预处理模块1，用于对玻璃面板表面的灰度图像进行预处理；
音孔轮廓提取模块2，用于对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的音孔轮廓的二值化图像；
内外轮廓提取模块3，用于从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；
最短距离计算模块4，用于计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；
音孔缺陷判断模块5，用于比较|D(i,j)-d|与预设的第二阈值Δd的大小，若|D(i,j)-d|小于第二阈值Δd，则代表音孔合格；若|D(i,j)-d|不小于第二阈值Δd，则代表音孔存在缺陷。
所述音孔缺陷判断模块5还用于判断音孔的缺陷类型，具体为：若D(i,j)不大于d-Δd，则为鼠咬缺陷；若D(i,j)不小于d+Δd，则为马刺缺陷；其中，d-Δd为D(i,j)的极小值，d+Δd为D(i,j)的极大值。
本发明提供的一种手机玻璃面板的音孔缺陷检测方法及系统，通过对音孔缺陷图像采集装置采集的图像进行分析，基于其内外轮廓距离均值判断是否存在孔崩缺陷。对于手机玻璃面板检测行业实现快速、高效、智能化的音孔缺陷检测具有重要意义。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种手机玻璃面板的音孔缺陷检测方法，其特征在于，包括下述步骤：
步骤S1，对玻璃面板表面的灰度图像进行预处理；
步骤S2，对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的音孔轮廓的二值化图像；
步骤S3，从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；
步骤S4，计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；
步骤S5，比较|D(i,j)-d|与预设的第二阈值Δd的大小，若|D(i,j)-d|小于第二阈值Δd，则代表音孔合格；若|D(i,j)-d|不小于第二阈值Δd，则代表音孔存在缺陷。
2.如权利要求1所述的音孔缺陷检测方法，其特征在于，所述步骤S1中，所述预处理具体为滤波、去噪。
3.如权利要求1所述的音孔缺陷检测方法，其特征在于，所述步骤S2中，所述预设的第一阈值包括所述音孔轮廓长度L1的极大值L1max、极小值L1min和音孔轮廓所围面积A1的极大值A1max、极小值A1min；
所述步骤S2具体为：
对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值满足：
L 1 m i n ≤ L 1 ≤ L 1 m a x A 1 m i n ≤ A 1 ≤ A 1 m a x ;
则提取所述轮廓特征中音孔轮廓的二值化图像。
4.如权利要求1所述的音孔缺陷检测方法，其特征在于，所述步骤S4中，外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)为：
D ( i , j ) = m i n { ( i 1 - j 2 ) 2 + ( i 1 - j 2 ) 2 2 } ,
其中，外轮廓上点的坐标为(i1,j1),内轮廓上点的坐标为(i2,j2)；
所述最短距离D(i,j)的平均值d为：
d＝ΣD(i,j)/N；
其中，N为提取的外轮廓上的像素点的个数。
5.如权利要求1所述的音孔缺陷检测方法，其特征在于，所述步骤S5还包括：若D(i,j)不大于d-Δd，则为鼠咬缺陷；若D(i,j)不小于d+Δd，则为马刺缺陷；其中，d-Δd为D(i,j)的极小值，d+Δd为D(i,j)的极大值。
6.一种手机玻璃面板的音孔缺陷检测系统，其特征在于，包括：
预处理模块，用于对玻璃面板表面的灰度图像进行预处理；
音孔轮廓提取模块，用于对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值在预设第一阈值范围内，则提取所述轮廓特征中的音孔轮廓的二值化图像；
内外轮廓提取模块，用于从音孔轮廓的二值化图像中提取音孔内轮廓和外轮廓；
最短距离计算模块，用于计算音孔外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)，并计算所有最短距离D(i,j)的平均值d；
音孔缺陷判断模块，用于比较|D(i,j)-d|与预设的第二阈值Δd的大小，若|D(i,j)-d|小于第二阈值Δd，则代表音孔合格；若|D(i,j)-d|不小于第二阈值Δd，则代表音孔存在缺陷。
7.如权利要求6所述的音孔缺陷检测系统，其特征在于，所述预处理具体为滤波、去噪。
8.如权利要求6所述的音孔缺陷检测系统，其特征在于，所述预设的第一阈值包括所述音孔轮廓长度L1的极大值L1max、极小值L1min和音孔轮廓所围面积A1的极大值A1max、极小值A1min；
所述音孔轮廓提取模块具体为：
对玻璃面板表面的预处理后的灰度图像进行二值化分割得到若干轮廓特征，若二值化分割后的各轮廓特征的值满足：
L 1 m i n ≤ L 1 ≤ L 1 m a x A 1 m i n ≤ A 1 ≤ A 1 m a x ;
则提取所述轮廓特征中音孔轮廓的二值化图像。
9.如权利要求6所述的音孔缺陷检测系统，其特征在于，外轮廓的各像素点(i,j)到内轮廓的最短距离D(i,j)为：
D ( i , j ) = m i n { ( i 1 - j 2 ) 2 + ( i 1 - j 2 ) 2 2 } ,
其中，外轮廓上点的坐标为(i1,j1),内轮廓上点的坐标为(i2,j2)；
所述最短距离D(i,j)的平均值d为：
d＝ΣD(i,j)/N；
其中，N为提取的外轮廓上的像素点的个数。
10.如权利要求6所述的音孔缺陷检测系统，其特征在于，所述音孔缺陷判断模块还用于判断音孔的缺陷类型，具体为：若D(i,j)不大于d-Δd，则为鼠咬缺陷；若D(i,j)不小于d+Δd，则为马刺缺陷；其中，d-Δd为D(i,j)的极小值，d+Δd为D(i,j)的极大值。
CN201510772815.6A 2015-11-12 2015-11-12 一种手机玻璃面板的音孔缺陷检测方法及系统 Expired - Fee Related CN105321182B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510772815.6A CN105321182B (zh) 2015-11-12 2015-11-12 一种手机玻璃面板的音孔缺陷检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510772815.6A CN105321182B (zh) 2015-11-12 2015-11-12 一种手机玻璃面板的音孔缺陷检测方法及系统

Publications (2)

Publication Number Publication Date
CN105321182A true CN105321182A (zh) 2016-02-10
CN105321182B CN105321182B (zh) 2019-06-07

Family

ID=55248497

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510772815.6A Expired - Fee Related CN105321182B (zh) 2015-11-12 2015-11-12 一种手机玻璃面板的音孔缺陷检测方法及系统

Country Status (1)

Country Link
CN (1) CN105321182B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127779A (zh) * 2016-06-29 2016-11-16 上海晨兴希姆通电子科技有限公司 基于视觉识别的缺陷检测方法及系统
CN106770372A (zh) * 2016-11-29 2017-05-31 中国科学院自动化研究所 基于显微视觉的白玻表面缺陷检测方法
CN110501349A (zh) * 2018-05-18 2019-11-26 蓝思科技（长沙）有限公司 一种盖板弧边检测方法和系统及其检测设备
CN113554582A (zh) * 2020-04-22 2021-10-26 中国科学院长春光学精密机械与物理研究所 电子设备盖板上功能孔的缺陷检测方法、装置以及系统
CN114939545A (zh) * 2022-04-20 2022-08-26 广州超音速自动化科技股份有限公司 一次性针贴生产设备及其控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002310928A (ja) * 2001-04-11 2002-10-23 Dainippon Screen Mfg Co Ltd パターン欠陥検査方法およびパターン欠陥検査装置
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
CN103674965A (zh) * 2013-12-06 2014-03-26 深圳市大族激光科技股份有限公司 一种晶圆外观缺陷的分类以及检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002310928A (ja) * 2001-04-11 2002-10-23 Dainippon Screen Mfg Co Ltd パターン欠陥検査方法およびパターン欠陥検査装置
CN101839690A (zh) * 2010-04-13 2010-09-22 河海大学常州校区 一种基于边缘拟合的片式电子元件位置误差视觉检测方法
CN103674965A (zh) * 2013-12-06 2014-03-26 深圳市大族激光科技股份有限公司 一种晶圆外观缺陷的分类以及检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵洋: ""基于图像分析的钢管厚度测量技术的研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127779A (zh) * 2016-06-29 2016-11-16 上海晨兴希姆通电子科技有限公司 基于视觉识别的缺陷检测方法及系统
CN106127779B (zh) * 2016-06-29 2018-12-11 上海晨兴希姆通电子科技有限公司 基于视觉识别的缺陷检测方法及系统
CN106770372A (zh) * 2016-11-29 2017-05-31 中国科学院自动化研究所 基于显微视觉的白玻表面缺陷检测方法
CN106770372B (zh) * 2016-11-29 2019-07-26 中国科学院自动化研究所 基于显微视觉的白玻表面缺陷检测方法
CN110501349A (zh) * 2018-05-18 2019-11-26 蓝思科技（长沙）有限公司 一种盖板弧边检测方法和系统及其检测设备
CN110501349B (zh) * 2018-05-18 2022-04-01 蓝思科技（长沙）有限公司 一种盖板弧边检测方法和系统及其检测设备
CN113554582A (zh) * 2020-04-22 2021-10-26 中国科学院长春光学精密机械与物理研究所 电子设备盖板上功能孔的缺陷检测方法、装置以及系统
CN114939545A (zh) * 2022-04-20 2022-08-26 广州超音速自动化科技股份有限公司 一次性针贴生产设备及其控制方法

Also Published As

Publication number Publication date
CN105321182B (zh) 2019-06-07

Similar Documents

Publication Publication Date Title
CN105321182B (zh) 一种手机玻璃面板的音孔缺陷检测方法及系统
CN105139386B (zh) 一种快速自动检测电气接插件焊点不合格品的图像处理方法
CN105046700B (zh) 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
CN111862064A (zh) 一种基于深度学习的银质丝材表面瑕疵识别方法
CN109444169B (zh) 一种轴承缺陷检测方法及系统
CN106568783A (zh) 一种五金零件缺陷检测系统及方法
CN109215009B (zh) 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法
CN105158258A (zh) 一种基于计算机视觉的竹条表面缺陷检测方法
CN103871053A (zh) 一种基于视觉显著性的布匹瑕疵检测方法
CN104949925A (zh) 珍珠分级方法
CN110619146B (zh) 基于结构相似性度量的多晶硅电池片裂纹缺陷检测方法
CN107490582A (zh) 一种流水线工件检测系统
CN104700417A (zh) 木材节子瑕疵的计算机图像自动识别方法
CN104156913A (zh) 金属圆柱工件表观缺陷自动光学检测方法
KR20140120716A (ko) 불균일한 텍스쳐 표면의 불량 검출방법
CN116993682B (zh) 基于图像数据分析的角膜塑形镜瑕疵区域提取方法
CN104112123A (zh) 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法
CN117808799B (zh) 基于人工智能的倒角设备加工质量检测方法
CN115866502A (zh) 一种麦克风零件表面缺陷在线检测流程
CN115753791B (zh) 基于机器视觉的缺陷检测方法、装置以及系统
CN110751687B (zh) 一种基于计算机视觉最小最大圆的苹果大小分级方法
CN106169079B (zh) 一种基于计算机视觉的压力容器数量识别方法
Louban Image processing of edge and surface defects
CN107833222B (zh) 一种非金属零件多余物检测装置及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190607