CN106339710A - 一种边缘宽度缺陷检测方法及装置 - Google Patents

一种边缘宽度缺陷检测方法及装置 Download PDF

Info

Publication number
CN106339710A
CN106339710A CN201610726036.7A CN201610726036A CN106339710A CN 106339710 A CN106339710 A CN 106339710A CN 201610726036 A CN201610726036 A CN 201610726036A CN 106339710 A CN106339710 A CN 106339710A
Authority
CN
China
Prior art keywords
edge
defect
sample projection
width
detection
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
CN201610726036.7A
Other languages
English (en)
Other versions
CN106339710B (zh
Inventor
杨艺
彭斌
钟克洪
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.)
Luster LightTech Co Ltd
Original Assignee
Luster LightTech Co Ltd
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 Luster LightTech Co Ltd filed Critical Luster LightTech Co Ltd
Priority to CN201610726036.7A priority Critical patent/CN106339710B/zh
Publication of CN106339710A publication Critical patent/CN106339710A/zh
Application granted granted Critical
Publication of CN106339710B publication Critical patent/CN106339710B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明是关于一种边缘宽度缺陷检测方法及装置,通过从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;将各个边缘点组成参考边缘对;对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。在边缘宽度缺陷检测过程中,通过采样投影技术精确定位所有边缘点位置,两两组合成边缘点对序列,对边缘对序列进行评分筛选,能够有效屏蔽假边缘的干扰,从而保证边缘宽度缺陷检测的精度。

Description

一种边缘宽度缺陷检测方法及装置
技术领域
本发明涉及视觉图像检测技术领域,尤其涉及一种边缘宽度缺陷检测方法及装置。
背景技术
产品例如手机外壳或螺丝垫片等具有标准的边缘宽度。其中,手机外壳通常包括直线型边缘,即手机外壳的两条边缘形状均为直线,手机外壳的边缘宽度通常是指两条直线型的间距;螺丝垫片通常包括圆弧型边缘,接螺丝垫片的链条边缘形状均为圆弧,螺丝垫片的边缘宽度通常是指两条圆弧型的半径差。边缘宽度是产品的一项重要技术特征,是衡量产品质量的关键因素。
在产品质量检测过程中,边缘宽度缺陷检测主要是检测产品边缘宽度的一致性,即检测产品的边缘宽度是否满足一定范围,是否存在宽度过小或过大的情况。为了检测产品的边缘宽度缺陷,目前通常使用高分辨率工业照相机获取待检测产品的边缘图像;在边缘图像中,能够观察到产品的边缘,从而通过测量两个边缘之间的距离得到产品的边缘宽度;然后通过与标准边缘宽度的比较,确定产品是否存在边缘宽度缺陷。
然而,发明人通过研究发现,在获取边缘图像的过程中由于光线、光圈等拍摄环境的影响,边缘图像中可能存在多条假边缘,技术人员很容易受到误导而使用假边缘计算产品的边缘宽度,导致产品边缘宽度检测误差,进而导致产品边缘宽度缺陷的误判或漏判,检测精度低。
发明内容
本发明实施例中提供了一种边缘宽度缺陷检测方法及装置,以解决现有技术中的边
缘宽度缺陷检测精度低的问题。
为了解决上述技术问题,本发明实施例发明了如下技术方案:
本发明实施例提供一种边缘宽度缺陷检测方法,该方法包括:
从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;
将各个边缘点组成参考边缘对;
对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;
当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。
可选地,所述从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点,包括:
沿检测目标边缘的延伸方向,将边缘图像划分多个采样投影区域,其中所述延伸方向垂直于所述宽度方向,所述采样投影区域均平行于所述宽度方向;
从所述采样投影区域中提取边缘点。
可选地,所述沿检测目标的延伸方向,将边缘图像划分成多个采样投影区域,包括:
当所述检测目标的边缘为直线型边缘时,沿任意一条直线型边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述直线型边缘。
可选地,所述沿检测目标的延伸方向,将边缘图像划分成多个采样投影区域,包括:
当所述检测目标的边缘为圆弧型边缘时,沿任意一条圆弧形边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述圆弧形边缘的法线。
可选地,对所述参考边缘对进行评分,包括:
预设多个与评分相对应的尺寸阈值范围;
当参考边缘对中边缘点之间的距离属于所述尺寸阈值范围时,确定所述尺寸阈值范围对应的评分为所述参考边缘对的评分。
可选地,确定所述检测边缘对为缺陷边缘对之后,还包括:
根据缺陷边缘对中边缘点之间的距离,以及宽度阈值范围,确定缺陷边缘对的缺陷类型;
当相邻缺陷边缘对的缺陷类型相同时,将所述相邻缺陷边缘对组成缺陷边缘对集;
根据所述缺陷边缘对集计算缺陷面积。
可选地,所述沿检测目标的延伸方向,将边缘图像划分成多个采样投影区域,包括:
根据检测目标边缘的复杂度,将边缘图像划分为多个图像区,确定与所述图像区分别对应的采样投影间距;
在各个图像区中,按照相应的采样投影间距,设置所述采样投影区域。
本发明实施例还提供一种边缘宽度缺陷检测装置,该装置包括:
边缘点获取模块,用于从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;
参考边缘对组成模块,用于将各个边缘点组成参考边缘对;
检测边缘对确定模块,用于对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;
缺陷边缘对确定模块,用于当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。
可选地,所述边缘点获取模块包括:
采样投影区域划分模块,用于沿检测目标的延伸方向,将边缘图像划分多个采样投影区域,其中所述延伸方向垂直于所述宽度方向,所述采样投影区域均平行于所述宽度方向;
采样投影区域边缘点提取模块,用于从所述采样投影区域中提取边缘点。
可选地,所述采样投影区域划分模块,用于当所述检测目标的边缘为直线型边缘时,沿任意一条直线型边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述直线型边缘。
可选地,所述采样投影区域划分模块,用于当所述检测目标的边缘为圆弧型边缘时,沿任意一条圆弧形边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述圆弧形边缘的法线。
可选地,所述检测边缘对确定模块包括:
尺寸阈值范围预设模块,用于预设多个与评分相对应的尺寸阈值范围;
参考边缘对评分模块,用于当参考边缘对中边缘点之间的距离属于所述尺寸阈值范围时,确定所述尺寸阈值范围对应的评分为所述参考边缘对的评分。
可选地,该装置还包括:
缺陷类型确定模块,用于根据缺陷边缘对中边缘点之间的距离,以及宽度阈值范围,确定缺陷边缘对的缺陷类型;
缺陷边缘对集组成模块,用于当相邻缺陷边缘对的缺陷类型相同时,将所述相邻缺陷边缘对组成缺陷边缘对集;
缺陷结果计算模块,用于根据所述缺陷边缘对集计算缺陷面积。
可选地,所述采样投影区域划分模块包括:
采样投影间距确定模块,用于根据产品边缘的复杂度,将边缘图像划分为多个图像区,确定与所述图像区分别对应的采样投影间距;
采样投影区域设置模块,用于在各个图像区中,按照相应的采样投影间距,设置所述采样投影区域。
本发明的实施例提供的技术方案可以包括以下有益效果:本发明实施例提供一种边缘宽度缺陷检测方法及装置,通过从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;将各个边缘点组成参考边缘对;对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。在边缘宽度缺陷检测过程中,通过采样投影技术精确定位所有边缘点位置,两两组合成边缘点对序列,对边缘对序列进行评分筛选,能够有效屏蔽假边缘的干扰,从而保证边缘宽度缺陷检测的精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有
技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人
员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种边缘宽度缺陷检测方法的流程示意图;
图2为本发明实施例提供的一种边缘点提取方法的流程示意图;
图3为本发明实施例提供的一种直线型边缘的示意图;
图4为本发明实施例提供的一种圆弧型边缘的示意图;
图5为本发明实施例提供的一种采样投影区域的示意图;
图6为本发明实施例提供的一种参考边缘对评分的方法流程示意图;
图7为本发明实施例提供的一种边缘宽度缺陷计算方法;
图8为本发明实施例提供的一种边缘宽度缺陷检测装置的结构示意图;
图9为本发明实施例提供的一种边缘点获取模块的结构示意图;
图10为本发明实施例提供的一种检测边缘对确定模块的结构示意图;
图11为本发明实施例提供的另一种边缘宽度缺陷检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
参见图1,为本发明实施例提供的一种边缘宽度缺陷检测方法的流程示意图,该方法包括:
步骤S101:从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点。
在本发明实施例中,检测目标通常具有固定的宽度,对检测目标进行宽度缺陷检测主要是确定检测目标是否存在宽度过大或过小的情况。
例如检测目标为手机,对手机侧边的进行宽度缺陷检测,可以获取手机侧边的边缘图像,在所述边缘图像中包括上边缘和下边缘两条平行的直线型边缘,所述上边缘和下边缘之间的间距即为检测目标的宽度,在理想情况下,所述上边缘和下边缘之间的间距一致。所述检测目标的宽度方向可以理解为垂直于所述上边缘或下边缘的方向。
检测目标为螺丝垫片,对螺丝垫片进行宽度缺陷检测,可以获取螺丝垫片的边缘图像,在所述边缘图像中包括内环边缘和外环边缘两个同心的圆弧型边缘,所述内环边缘和外环边缘之间的半径差即为检测目标的宽度,在理想情况下,所述内环边缘和外环边缘之间的间距一致。所述检测目标的宽度方向可以理解为以圆心为中心向外延伸的径向方向,或者与所述内环边缘或外环边缘的法线垂直的方向。
在检测目标的边缘图像中,检测目标的边缘通常对应灰度变化较大的位置,因此通过对边缘图像进行灰度分析,能够确定检测目标的边缘。具体地,可以在边缘图像的多个位置,沿检测目标的宽度方向,通过寻找灰度变化较大的点,从而获取相应的边缘点。而且,在具体实施时,由于边缘图像的摄取时的环境影响,在边缘图像的同一位置,沿检测目标的宽度方向,通常能够找到多个灰度变化较大的点,即找到多个边缘点;所述多个边缘点包括检测目标实际边缘对应的边缘点,以及虚假边缘对应的边缘点;这样,边缘点的数目有可能超过检测目标实际边缘的数目,例如对于手机等具有直线型边缘的检测目标,在手机的侧边所对应的边缘图像中,一个位置沿宽度方向所得到的边缘点数目大于或等于2;对于螺丝垫圈等具有圆弧型边缘的检测目标,在螺丝垫圈的边缘图像中,一个位置沿宽度方向所得到的边缘点数目大于或等于2。
参见图2,为本发明实施例提供的一种边缘点提取方法的流程示意图,示出了提取检测目标边缘点的过程,该方法包括:
步骤S1011:沿检测目标边缘的延伸方向,将边缘图像划分多个采样投影区域,其中所述延伸方向垂直于所述宽度方向,所述采样投影区域均平行于所述宽度方向。
沿检测目标边缘的延伸方向,将边缘图像划分为多个采样投影区域。检测目标的边缘为直线型边缘时,例如检测目标为手机,在检测目标图像中具有上边缘和下边缘两条直线型边缘;所述延伸方向可以理解为所述上边缘或下边缘的延伸方向。检测目标的边缘为圆弧型边缘时,例如检测目标为螺丝垫片,在检测目标图像中具有内环边缘和外环边缘两条圆弧型边缘;所述延伸方向可以理解为所述内环边缘和所述外环边缘的圆周延伸方向。所述采样投影区域均为仿射图像区域,例如仿射矩形、仿射椭圆形等。
参见图3,为本发明实施例提供的一种直线型边缘的示意图。所述检测目标110包括两条直线型边缘即边缘111和边缘112,所述边缘111和边缘112在理想情况下相互平行、且各个位置处的间距一致;但当检测目标的边缘出现凸起113时,凸起113对应位置处的边缘111和边缘112之间的间距大于标准间距,即凸起113对应位置处的边缘宽度大于标准宽度;当检测目标的边缘出现凹陷114时,凹陷114对应位置处的边缘111和边缘112之间的间距小于标准间距,即凹陷114对应位置处的边缘宽度小于标准宽度。
在本发明实施例中,沿任意一条直线型边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述直线型边缘。如图3所示,可以沿边缘111或边缘112,将检测目标的边缘图像划分为多个采样投影区域210,所述采样投影区域210为仿射矩形投影区域;而且,所述采样投影区域210的中轴线垂直于边缘111或边缘112,以保证通过采样投影区域确定的边缘点位于宽度方向上,精确计算检测目标各个位置上的边缘宽度。当然,在具体实施时,所述采样投影区域210也可以垂直于检测目标边缘图像的中轴线。
参见图4,为本发明实施例提供的一种圆弧型边缘的示意图。所述检测目标310包括两条圆弧型边缘即内环边缘311和外环边缘312,所述内环边缘311和外环边缘312在理想情况下为同心圆弧、且各个位置处的间距一致;但当检测目标310的边缘出现凸起313时,凸起313对应位置处的内环边缘311和外环边缘312之间的间距大于标准间距,即凸起313对应位置处的边缘宽度大于标准宽度;当检测目标310的边缘出现凹陷314时,凹陷314对应位置处的内环边缘311和外环边缘312之间的间距小于标准间距,即凹陷314对应位置处的边缘宽度小于标准宽度。
在本发明实施例中,沿任意一条圆弧形边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述圆弧形边缘的法线。如图3所示,可以沿内环边缘311或外环边缘312,将检测目标310的边缘图像划分为多个采样投影区域410,所述采样投影区域4为仿射矩形投影区域;而且,所述采样投影区域410的中轴线垂直于内环边缘31或外环边缘32圆周的法线,以保证通过采样投影区域确定的边缘点位于宽度方向上,精确计算检测目标各个位置上的边缘宽度。当然,在具体实施时,所述采样投影区域410的中轴线也可以平行于圆心到内环边缘311或外环边缘312圆周上相应位置点的连线方向,即采样投影区域410的中轴线平行于内环边缘311或外环边缘312圆周的径向方向。
在检测目标的边缘图像中,采样投影区域可以以固定的采样投影间距进行均匀设置。为了更灵活地设置所述采样投影区域,以提高边缘宽度缺陷检测效率,在本发明实施例中,可选地,划分采样投影区域的过程可以包括以下步骤:
步骤S10111:根据检测目标边缘的复杂度,将边缘图像划分为多个图像区,确定与所述图像区分别对应的采样投影间距。
在检测目标的加工生产过程中,边缘位置可能采取不同的加工工艺,例如有些区域进行拉丝处理,有些处于进行平滑处理等;进行拉丝等工艺处理的边缘区域通常在边缘宽度缺陷检测过程中产生较多的虚假边缘,因此具有较高的复杂度。
在本发明实施中,根据边缘复杂度的不同,将边缘图像划分为多个图像区,例如对应高边缘复杂度的第一图像区、对应低边缘复杂度的第二图像区等。对不同的图像区,设置不同的采样投影宽度。由于第一图像区对应高边缘复杂度,则设置小的采样投影间距,以在第一图像区设置较高密度的采样投影区域,例如设置采样投影间距为0.1mm等;由于第二图像区对应低边缘复杂度,则设置大的采样投影间距,以在第二图像区设置较低密度的采样投影区域,例如设置采样投影间距为0.3mm等。
当然,在具体实施时,技术人员还可以根据边缘宽度缺陷检测的统计结果,将发生边缘宽度缺陷频度或概率高的区域划分为第一图像区,并在所述第一图像区内,设置低的采样投影间距;将发生边缘宽度缺陷频率或概率低的区域划分为第二图像区,并在所述第二图像区内,设置较高的采样投影间距。
另外,需要说明的是,对于直线型边缘,所述采样投影间距可以理解为沿检测目标任意一条边缘延伸方向,相邻采样投影区域之间的距离;对于圆弧型边缘,所述采样投影间距可以理解为相邻采样投影区域之间的角度差或弧度差。
步骤S10112:在各个图像区中,按照相应的采样投影间距,设置所述采样投影区域。
按照步骤S10111确定的采样投影间距,在各个图像区,以相应的采样投影间距,设置所述采样投影区域。这样,在边缘复杂度较高的第一图像区,则设置有较多的采样投影区域,即采样投影区域的密度较高;在边缘复杂度较低的第二图像区,则设置有较少的采样投影区域,即采样投影区域的密度较低。
根据不同的边缘复杂度,将边缘图像划分为不同图像区,对所述图像区设置相应的采样投影间距,进而根据所述采样投影间距设置采样投影区域,能够有效提高采样投影区域设置的灵活性;在需要重点检测的图像区,设置较低的采样投影间距,保证采样投影区域的高密度,保证对所述图像区的检测精度;在普通检测的图像区,设置较高的采样投影间距,使用较低密度的采样投影区域描述该图像区,有效提高检测效率。
步骤S1012:从所述采样投影区域中提取边缘点。
参见图5,为本发明实施例提供的一种采样投影区域的示意图。如图5所示,在一个采样投影区域内,由于灰度差异,可以确定4个边缘点,即第一边缘点1、第二边缘点11、第三边缘点3和第四边缘点4;在这4个边缘点包括检测目标实际边缘对应的边缘点,以及虚假边缘对应的边缘点。
步骤S102:将各个边缘点组成参考边缘对。
将步骤S101中确定的边缘点两两组合,组成所述参考边缘对。同样参见图5,在所述采样投影区域,存在4个边缘点,则将所述4个边缘点两两组合,成为6个参考边缘对,即第一参考边缘对(第一边缘点1,第二边缘点1),第二参考边缘对(第一边缘点1,第三边缘点33),第三参考边缘对(第一边缘点1,第四边缘点4),第四参考边缘对(第二边缘点1,第三边缘点3),第五参考边缘对(第二边缘点1,第四边缘点4),以及第六参考边缘对(第三边缘点3,第四边缘点4)。
步骤S103:对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对。
在参考边缘对中,参考边缘点可能部分或全部为虚假边缘对应的边缘点,因此需要从所述参考边缘对中筛选出全部为检测目标实际边缘对应的边缘点,以进行边缘宽度检测。而且,在多个参考边缘对中,至少存在一个参考边缘对,所述参考边缘对中的边缘点均为检测目标的实际边缘对应的边缘点。
在本发明实施例中,通过评分的方式对参考边缘对进行筛选,并将评分高的参考边缘对作为检测边缘对,以进行后续的边缘宽度检测。
参见图6,为本发明实施例提供的一种参考边缘对评分的方法流程示意图,本发明实施例示出了通过“对尺寸”评价标准对参考边缘对进行评分的过程,该方法包括:
步骤S1031:预设多个与评分相对应的尺寸阈值范围。
根据检测目标的标准宽度设定所述尺寸阈值范围。例如所述标准宽度为W,设定第一尺寸阈值范围[W-0.1,W+0.1],且第一尺寸阈值范围对应的评分为100;设定第二尺寸阈值范围[W-0.3,W-0.1),(W+0.1,W+0.3],且第二尺寸阈值范围对应的评分为90;设定第三尺寸阈值范围[W-0.4,W-0.3),(W+0.3,W+0.4],且第三尺寸阈值范围对应的评分为80。
需要说明的是,上述尺寸阈值范围和相应的评分仅是一实例性实施例,在具体实施时,所述尺寸阈值范围可以是任意的范围,而且相应的评分可以是5分制或10分制等。
步骤S1032:当参考边缘对中边缘点之间的距离属于所述尺寸阈值范围时,确定所述尺寸阈值范围对应的评分为所述参考边缘对的评分。
计算每个参考边缘对中边缘点之间的距离,例如对于第一参考边缘对,计算第一边缘点1和第二边缘点1之间的距离,得到第一参考边缘对对应的距离;同样,在每个采样投影区域内,计算每个参考边缘对所对应的距离。当第一参考边缘对的距离属于第一尺寸阈值范围时,对应第一参考边缘对的评分为100;当第二参考边缘对的距离属于第三尺寸阈值范围时,对应的第二参考边缘对的评分为80;当第三参考边缘对的距离属于第二尺寸阈值范围时,对应的第二参考边缘对的评分为90;从而,可以确定所有参考边缘对的评分。
当然在具体实施时,对参考边缘对进行评分还可以使用其他评价标准,例如“第一条边缘”准则,以及“最强边缘准则”等。而且,为了更精确的定量评价参考边缘对,提高筛选精度,还可以使用上述三种评价标准中任意两种相结合的方式,或者三种评价标准结合的方式对参考边缘对进行评分。
其中,所述“第一条边缘”评价准则为:在每个采样投影区域内,最外侧的边缘点评分高,内侧的边缘点评分低。具体地,在上述实施例中,第一边缘点1和第四边缘点4最靠近外侧,因此第一边缘点1和第四边缘点4的评分高,例如所述第一边缘点1和第四边缘点4的评分为100;相应的,第二边缘点1和第三边缘点3在采样投影区域内部,如果第二边缘点1更靠近采样投影区域的内部中心,则可以设定第二边缘点1的评分为70,第三边缘点3的评分为80。对于每个参考边缘对,将参考边缘对中两个边缘点对应的评分取平均值,将所述平均值作为参考边缘对的评分。
所述“最强边缘”评价准则为:根据边缘点的对比度,确定参考边缘对的评分,边缘点的对比度越高,对应的评分越高。具体地,第一边缘点1的对比度>第三边缘点3的对比度>第二边缘点1的对比度>第四边缘点4的对比度,则第一边缘点1的评分为100,第二边缘点1的评分为80,第三边缘点3的评分为90,第三边缘点3的评分为70。对于每个参考边缘对,将参考边缘对中两个边缘点对应的评分取平均值,将所述平均值作为参考边缘对的评分。
当使用多个评价准则对参考边缘对进行评分时,可以将各个平均准则得到的参考边缘对评分,通过算术平均或加权平均等数学计算方式,得到参考边缘对的评分。
在每个采样投影区域内,得到各个参考边缘对的评分后,选择评分高的参考边缘对作为所述采样投影区域的检测边缘对;对所有的采样投影区域,均可以确定相应的检测边缘对。
为了更精确地确定所述检测边缘对,本发明实施还提供一种检测边缘对的优化方法,该方法包括:
步骤S1033:从当前检测边缘对得到拟合边缘对,拟合拟合边缘对对中的边缘点,得到相应的拟合边缘。
将当前检测边缘对作为拟合边缘对,进行拟合。如果检测目标的边缘为直线型边缘,则进行直线拟合;如果检测目标的边缘为圆弧型边缘,则进行圆的拟合。具体地,根据拟合边缘对中第一位置的边缘点,拟合得到第一拟合边缘;根据拟合边缘对中第二位置的边缘点,拟合得到第二拟合边缘。
步骤S1034:当拟合边缘对中的边缘点到相应拟合边缘的距离大于异常阈值距离时,剔除拟合边缘对中的边缘点,重新拟合更新相应的拟合边缘。
计算各个拟合边缘对中,第一位置的边缘点到第一拟合边缘的距离,如果该距离大于异常阈值距离,则剔除该拟合边缘对中的第一位置的边缘点,在后续拟合步骤中不再使用所述边缘点;如果该距离小于或等于异常阈值距离,则不作任何操作。同样,计算第二位置的边缘点到第二拟合边缘的距离,如果该距离大于异常阈值距离,则剔除该拟合边缘对中第二位置的边缘点,在后续拟合步骤中不再使用所述边缘点;如果该距离小于或等于异常阈值距离,则不作任何操作。
遍历所有的拟合边缘对,并进行相应操作后,根据操作后的拟合边缘对,重新拟合得到相应的第一拟合边缘和第二拟合边缘。
步骤S1035:在每个采样投影区域内,根据参考边缘对中边缘点到更新后相应拟合边缘的距离,对参考边缘对进行重新评分,将评分高的参考边缘对更新为检测边缘对。
在每个采样投影区域,根据参考边缘对中边缘点到相应的拟合边缘的距离,对参考边缘对进行重新评分。例如对于第一参考边缘对(第一边缘点1,第二边缘点1),第一边缘点1距离第一拟合边缘的距离较远,则第一边缘点1对应的评分较低为70,第二边缘点1距离第二拟合边缘的距离较近,则第二边缘点1对应的评分较高为90;同样对于第二参考边缘对(第一边缘点1,第三边缘点3),第一边缘点1的评分为70,第三边缘点3距离第二拟合边缘的距离较远,则第二边缘点1的评分较低为80。对于每个参考边缘对,将相应的边缘点的评分的平均值作为参考边缘对的评分,将评分高的参考边缘对更新为检测边缘对。
通过拟合的方式,对参考边缘对进行重新评分,完成对参考边缘对的进一步筛选,排出由虚假边缘构成的干扰,有效保证检测边缘对的准确性。
步骤S104:当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。
计算检测边缘对中边缘点之间的距离,当所述距离超出宽度阈值范围时,对应的检测边缘对对应位置处对应的边缘宽度可能大于或小于检测目标的标准宽度,则检测目标存在宽度缺陷,将所述检测边缘对作为缺陷边缘对。根据所述缺陷边缘对,能够进一步确定边缘宽度缺陷的位置、计算边缘宽度缺陷的大小等。
为了便于统计边缘宽度缺陷的面积,参见图7,为本发明实施例提供的一种边缘宽度缺陷计算方法,本发明实施例示出了边缘宽度缺陷的计算过程,在图1所示边缘宽度缺陷检测方法的基础上,该方法还包括:
步骤S105:根据缺陷边缘对中边缘点之间的距离,以及宽度阈值范围,确定缺陷边缘对的缺陷类型。
计算所有缺陷边缘对中边缘点之间的距离,如果所述距离大于所述宽度阈值范围的上限,则该缺陷边缘对对应的缺陷类型为宽度过大;如果所述距离小于所述宽度阈值范围的下限,则该缺陷边缘对对应的缺陷类型为宽度过小。
步骤S106:当相邻缺陷边缘对的缺陷类型相同时,将所述相邻缺陷边缘对组成缺陷边缘对集。
当相邻缺陷边缘对的缺陷类型均为宽度过大时,则将相邻的缺陷边缘对组成第一缺陷边缘对集;当相邻缺陷边缘对的缺陷类型均为宽度过小时,则将相邻的缺陷边缘对组成第二缺陷边缘对集。当检测目标的边缘上存在多个不连续的边缘宽度缺陷时,可以确定相应的多个第一缺陷边缘对集和多个第二缺陷边缘对集。
步骤S107:根据所述缺陷边缘对集计算缺陷面积。
对第一缺陷边缘对集,可以根据第一缺陷边缘对集中各个缺陷边缘对两个边缘点之间的距离,以及多个采样投影区域的总间距,估算宽度过大缺陷对应的面积;对第二缺陷边缘对集,可以根据第二缺陷边缘对集中各个缺陷边缘对两个边缘点之间的距离,以及多个采样投影区域的总间距,估算宽度过小缺陷对应的面积。
由上述实施例可见,本发明实施例提供的一种边缘宽度缺陷检测方法,通过从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;将各个边缘点组成参考边缘对;对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。在边缘宽度缺陷检测过程中,通过采样投影技术精确定位所有边缘点位置,两两组合成边缘点对序列,对边缘对序列进行评分筛选,能够有效屏蔽假边缘的干扰,从而保证边缘宽度缺陷检测的精度。
通过以上的方法实施例的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
与本发明提供的一种边缘宽度缺陷检测方法实施例相对应,本发明还提供了一种边缘宽度缺陷检测装置。
参见图8,为本发明实施例提供的一种边缘宽度缺陷检测装置的结构示意图,该装置包括:
边缘点获取模块11,用于从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;
参考边缘对组成模块12,用于将各个边缘点组成参考边缘对;
检测边缘对确定模块13,用于对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;
缺陷边缘对确定模块14,用于当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。
参见图9,为本发明实施例提供的一种边缘点获取模块的结构示意图,所述边缘点获取模块11包括:
采样投影区域划分模块111,用于沿检测目标的延伸方向,将边缘图像划分多个采样投影区域,其中所述延伸方向垂直于所述宽度方向,所述采样投影区域均平行于所述宽度方向;
当所述检测目标的边缘为直线型边缘时,所述采样投影区域划分模块111用于沿任意一条直线型边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述直线型边缘;
当所述检测目标的边缘为圆弧型边缘时,所述采样投影区域划分模块111沿任意一条圆弧形边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述圆弧形边缘的法线;
采样投影区域边缘点提取模块112,用于从所述采样投影区域中提取边缘点。
参见图10,为本发明实施例提供的一种检测边缘对确定模块的结构示意图,所述检测边缘对确定模块13包括:
尺寸阈值范围预设模块131,用于预设多个与评分相对应的尺寸阈值范围;
参考边缘对评分模块132,用于当参考边缘对中边缘点之间的距离属于所述尺寸阈值范围时,确定所述尺寸阈值范围对应的评分为所述参考边缘对的评分。
为了更精确地确定所述检测边缘对,可选地,所述检测边缘对确定模块13还包括:
拟合模块133,用于从当前检测边缘对得到拟合边缘对,拟合拟合边缘对对中的边缘点,得到相应的拟合边缘;
拟合边缘更新模块134,用于当拟合边缘对中的边缘点到相应拟合边缘的距离大于异常阈值距离时,剔除拟合边缘对中的边缘点,重新拟合更新相应的拟合边缘;
检测边缘对更新模块135,用于在每个采样投影区域内,根据参考边缘对中边缘点到更新后相应拟合边缘的距离,对参考边缘对进行重新评分,将评分高的参考边缘对更新为检测边缘对。
参见图11,为本发明实施例提供的另一种边缘宽度缺陷检测装置的结构示意图,该装置还包括:
缺陷类型确定模块15,用于根据缺陷边缘对中边缘点之间的距离,以及宽度阈值范围,确定缺陷边缘对的缺陷类型;
缺陷边缘对集组成模块16,用于当相邻缺陷边缘对的缺陷类型相同时,将所述相邻缺陷边缘对组成缺陷边缘对集;
缺陷结果计算模块17,用于根据所述缺陷边缘对集计算缺陷面积。
由上述实施例可见,通过从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;将各个边缘点组成参考边缘对;对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。在边缘宽度缺陷检测过程中,通过采样投影技术精确定位所有边缘点位置,两两组合成边缘点对序列,对边缘对序列进行评分筛选,能够有效屏蔽假边缘的干扰,从而保证边缘宽度缺陷检测的精度。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。

Claims (14)

1.一种边缘宽度缺陷检测方法,其特征在于,包括以下步骤:
从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;
将各个边缘点组成参考边缘对;
对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;
当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。
2.根据权利要求1所述的边缘宽度缺陷检测方法,其特征在于,所述从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点,包括:
沿检测目标边缘的延伸方向,将边缘图像划分多个采样投影区域,其中所述延伸方向垂直于所述宽度方向,所述采样投影区域均平行于所述宽度方向;
从所述采样投影区域中提取边缘点。
3.根据权利要求2所述的边缘宽度缺陷检测方法,其特征在于,所述沿检测目标的延伸方向,将边缘图像划分成多个采样投影区域,包括:
当所述检测目标的边缘为直线型边缘时,沿任意一条直线型边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述直线型边缘。
4.根据权利要求2所述的边缘宽度缺陷检测方法,其特征在于,所述沿检测目标的延伸方向,将边缘图像划分成多个采样投影区域,包括:
当所述检测目标的边缘为圆弧型边缘时,沿任意一条圆弧形边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述圆弧形边缘的法线。
5.根据权利要求1所述的边缘宽度缺陷检测方法,其特征在于,对所述参考边缘对进行评分,包括:
预设多个与评分相对应的尺寸阈值范围;
当参考边缘对中边缘点之间的距离属于所述尺寸阈值范围时,确定所述尺寸阈值范围对应的评分为所述参考边缘对的评分。
6.根据权利要求1所述的边缘宽度缺陷检测方法,其特征在于,确定所述检测边缘对为缺陷边缘对之后,还包括:
根据缺陷边缘对中边缘点之间的距离,以及宽度阈值范围,确定缺陷边缘对的缺陷类型;
当相邻缺陷边缘对的缺陷类型相同时,将所述相邻缺陷边缘对组成缺陷边缘对集;
根据所述缺陷边缘对集计算缺陷面积。
7.根据权利要求2所述的边缘宽度缺陷检测方法,其特征在于,所述沿检测目标的延伸方向,将边缘图像划分成多个采样投影区域,包括:
根据检测目标边缘的复杂度,将边缘图像划分为多个图像区,确定与所述图像区分别对应的采样投影间距;
在各个图像区中,按照相应的采样投影间距,设置所述采样投影区域。
8.一种边缘宽度缺陷检测装置,其特征在于,该装置包括:
边缘点获取模块,用于从检测目标的边缘图像中,沿检测目标的宽度方向获取边缘点;
参考边缘对组成模块,用于将各个边缘点组成参考边缘对;
检测边缘对确定模块,用于对所述参考边缘对进行评分,根据所述评分从所述参考边缘对中确定检测边缘对;
缺陷边缘对确定模块,用于当所述检测边缘对中边缘点之间的距离超出宽度阈值范围时,确定所述检测边缘对为缺陷边缘对。
9.根据权利要求8所述的边缘宽度缺陷检测装置,其特征在于,所述边缘点获取模块包括:
采样投影区域划分模块,用于沿检测目标的延伸方向,将边缘图像划分多个采样投影区域,其中所述延伸方向垂直于所述宽度方向,所述采样投影区域均平行于所述宽度方向;
采样投影区域边缘点提取模块,用于从所述采样投影区域中提取边缘点。
10.根据权利要求9所述的边缘宽度缺陷检测装置,其特征在于,所述采样投影区域划分模块,用于当所述检测目标的边缘为直线型边缘时,沿任意一条直线型边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述直线型边缘。
11.根据权利要求9所述的边缘宽度缺陷检测装置,其特征在于,所述采样投影区域划分模块,用于当所述检测目标的边缘为圆弧型边缘时,沿任意一条圆弧形边缘,将边缘图像划分为多个采样投影区域,所述采样投影区域垂直于所述圆弧形边缘的法线。
12.根据权利要求8所述的边缘宽度缺陷检测装置,其特征在于,所述检测边缘对确定模块包括:
尺寸阈值范围预设模块,用于预设多个与评分相对应的尺寸阈值范围;
参考边缘对评分模块,用于当参考边缘对中边缘点之间的距离属于所述尺寸阈值范围时,确定所述尺寸阈值范围对应的评分为所述参考边缘对的评分。
13.根据权利要求8所述的边缘宽度缺陷检测装置,其特征在于,该装置还包括:
缺陷类型确定模块,用于根据缺陷边缘对中边缘点之间的距离,以及宽度阈值范围,确定缺陷边缘对的缺陷类型;
缺陷边缘对集组成模块,用于当相邻缺陷边缘对的缺陷类型相同时,将所述相邻缺陷边缘对组成缺陷边缘对集;
缺陷结果计算模块,用于根据所述缺陷边缘对集计算缺陷面积。
14.根据权利要求9所述的边缘宽度缺陷检测装置,其特征在于,所述采样投影区域划分模块包括:
采样投影间距确定模块,用于根据产品边缘的复杂度,将边缘图像划分为多个图像区,确定与所述图像区分别对应的采样投影间距;
采样投影区域设置模块,用于在各个图像区中,按照相应的采样投影间距,设置所述采样投影区域。
CN201610726036.7A 2016-08-25 2016-08-25 一种边缘宽度缺陷检测方法及装置 Active CN106339710B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610726036.7A CN106339710B (zh) 2016-08-25 2016-08-25 一种边缘宽度缺陷检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610726036.7A CN106339710B (zh) 2016-08-25 2016-08-25 一种边缘宽度缺陷检测方法及装置

Publications (2)

Publication Number Publication Date
CN106339710A true CN106339710A (zh) 2017-01-18
CN106339710B CN106339710B (zh) 2019-09-24

Family

ID=57825808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610726036.7A Active CN106339710B (zh) 2016-08-25 2016-08-25 一种边缘宽度缺陷检测方法及装置

Country Status (1)

Country Link
CN (1) CN106339710B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020133046A1 (zh) * 2018-12-27 2020-07-02 深圳配天智能技术研究院有限公司 一种缺陷检测方法及装置
CN111724346A (zh) * 2020-05-21 2020-09-29 北京配天技术有限公司 直线边缘检测方法、机器人及存储装置
CN111968144A (zh) * 2020-09-07 2020-11-20 北京凌云光技术集团有限责任公司 一种图像边缘点获取方法及装置
CN113989489A (zh) * 2021-10-22 2022-01-28 珠海格力电器股份有限公司 非平滑边缘的距离检测方法和系统
CN114170228A (zh) * 2022-02-14 2022-03-11 西南石油大学 一种计算机图像边缘检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040197015A1 (en) * 2003-04-02 2004-10-07 Siemens Medical Solutions Usa, Inc. Border detection for medical imaging
CN103983426A (zh) * 2014-05-13 2014-08-13 西安交通大学 一种基于机器视觉的光纤缺陷检测及分类系统及其方法
US20150016731A1 (en) * 2013-07-10 2015-01-15 Canon Kabushiki Kaisha Pattern matching method and pattern matching apparatus
CN104458764A (zh) * 2014-12-14 2015-03-25 中国科学技术大学 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法
US20150110405A1 (en) * 2012-04-30 2015-04-23 Nikon Corporation Point spread function cost function with non-uniform weights
US20150227800A1 (en) * 2014-02-07 2015-08-13 Toyota Jidosha Kabushiki Kaisha Marking line detection system and marking line detection method
CN105335963A (zh) * 2015-09-24 2016-02-17 凌云光技术集团有限责任公司 一种边缘缺陷检测方法及装置
CN105469414A (zh) * 2015-12-15 2016-04-06 凌云光技术集团有限责任公司 轮廓连接方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040197015A1 (en) * 2003-04-02 2004-10-07 Siemens Medical Solutions Usa, Inc. Border detection for medical imaging
US20150110405A1 (en) * 2012-04-30 2015-04-23 Nikon Corporation Point spread function cost function with non-uniform weights
US20150016731A1 (en) * 2013-07-10 2015-01-15 Canon Kabushiki Kaisha Pattern matching method and pattern matching apparatus
US20150227800A1 (en) * 2014-02-07 2015-08-13 Toyota Jidosha Kabushiki Kaisha Marking line detection system and marking line detection method
CN103983426A (zh) * 2014-05-13 2014-08-13 西安交通大学 一种基于机器视觉的光纤缺陷检测及分类系统及其方法
CN104458764A (zh) * 2014-12-14 2015-03-25 中国科学技术大学 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法
CN105335963A (zh) * 2015-09-24 2016-02-17 凌云光技术集团有限责任公司 一种边缘缺陷检测方法及装置
CN105469414A (zh) * 2015-12-15 2016-04-06 凌云光技术集团有限责任公司 轮廓连接方法及装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020133046A1 (zh) * 2018-12-27 2020-07-02 深圳配天智能技术研究院有限公司 一种缺陷检测方法及装置
CN111758024A (zh) * 2018-12-27 2020-10-09 深圳配天智能技术研究院有限公司 一种缺陷检测方法及装置
CN111758024B (zh) * 2018-12-27 2023-03-21 深圳配天智能技术研究院有限公司 一种缺陷检测方法及装置
CN111724346A (zh) * 2020-05-21 2020-09-29 北京配天技术有限公司 直线边缘检测方法、机器人及存储装置
CN111968144A (zh) * 2020-09-07 2020-11-20 北京凌云光技术集团有限责任公司 一种图像边缘点获取方法及装置
CN111968144B (zh) * 2020-09-07 2024-03-29 凌云光技术股份有限公司 一种图像边缘点获取方法及装置
CN113989489A (zh) * 2021-10-22 2022-01-28 珠海格力电器股份有限公司 非平滑边缘的距离检测方法和系统
CN114170228A (zh) * 2022-02-14 2022-03-11 西南石油大学 一种计算机图像边缘检测方法
CN114170228B (zh) * 2022-02-14 2022-04-19 西南石油大学 一种计算机图像边缘检测方法

Also Published As

Publication number Publication date
CN106339710B (zh) 2019-09-24

Similar Documents

Publication Publication Date Title
CN106339710A (zh) 一种边缘宽度缺陷检测方法及装置
CN106408583B (zh) 一种多边缘缺陷检测方法及装置
CN105335963B (zh) 一种边缘缺陷检测方法及装置
CN104392206B (zh) 一种指针式仪表读数自动识别的图像处理方法
CN110163853A (zh) 一种边缘缺陷的检测方法
CN103927750B (zh) 棋盘格图像角点亚像素的检测方法
CN104718428B (zh) 图案的检查、测量装置及程序
CN105453153B (zh) 交通灯检测
CN109900711A (zh) 基于机器视觉的工件缺陷检测方法
CN107525808A (zh) 一种生产线上泡罩药品分类及缺陷在线视觉检测方法
CN106204540B (zh) 视觉检测方法
CN107239742B (zh) 一种仪表指针刻度值计算方法
CN105139384B (zh) 缺陷胶囊检测的方法和装置
EP3384430B1 (en) Method for identification of characteristic points of a calibration pattern within a set of candidate points in an image of the calibration pattern
JP2002508069A (ja) 測定マークおよび測定マークの検出方法並びに物体測量方法
CN106824806A (zh) 基于机器视觉的小模数塑料齿轮的检测系统及检测方法
CN107067412A (zh) 一种多信息融合的视频火焰烟雾检测方法
CN106780473A (zh) 一种磁环缺陷多目视觉检测方法及系统
CN114994060B (zh) 一种机器视觉下的磁环外观缺陷智能检测系统及方法
CN111797726A (zh) 一种火焰检测方法、装置、电子设备及存储介质
CN115272305A (zh) 一种纽扣孔洞缺陷检测方法
CN114972204A (zh) 一种钢制品表面裂纹检测方法及设备
CN106556606A (zh) 基于机器视觉的大型机械产品总成件的在线质量控制方法
CN108428247B (zh) 焊锡点方向的检测方法和系统
CN105115987B (zh) 基于数字滤波的圆锥滚子倒装缺陷检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701

Patentee after: Lingyunguang Technology Co., Ltd

Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701

Patentee before: LUSTER LIGHTTECH GROUP Co.,Ltd.