CN106447649A - 一种珠体位置缺陷检测方法及装置 - Google Patents

一种珠体位置缺陷检测方法及装置 Download PDF

Info

Publication number
CN106447649A
CN106447649A CN201610726389.7A CN201610726389A CN106447649A CN 106447649 A CN106447649 A CN 106447649A CN 201610726389 A CN201610726389 A CN 201610726389A CN 106447649 A CN106447649 A CN 106447649A
Authority
CN
China
Prior art keywords
bead
training
sample projection
image
projection region
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
CN201610726389.7A
Other languages
English (en)
Other versions
CN106447649B (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.)
Beijing Lingyunguang Technology Group Co ltd
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 CN201610726389.7A priority Critical patent/CN106447649B/zh
Publication of CN106447649A publication Critical patent/CN106447649A/zh
Application granted granted Critical
Publication of CN106447649B publication Critical patent/CN106447649B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning

Abstract

本发明是关于一种珠体位置缺陷检测方法及装置,通过将训练珠体图像划分为多个训练采样投影区域;在每个训练采样投影区域中,筛选出路径边缘对;连接相邻路径边缘对的中点,获取标准路径折线;将与训练珠体图像相匹配的待检测珠体图像划分为多个检测采样投影区域;在每个检测采样投影区域中,筛选出检测边缘对;当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。在检测过程中,精细划分训练采样投影区域,得到标准路径折线,所述标准路径折线能够准确描述珠体的形状;然后将边缘对的中点作为检测目标,精确感知珠体上的检测目标是否发生位置的变化,提高珠体位置缺陷检测的精度。

Description

一种珠体位置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,尤其涉及一种珠体位置缺陷检测方法及装置。
背景技术
珠体具有一致的宽度和不规则的延展路径,例如电线或钢缆等均属于珠体。珠体各个位置处的宽度一致,但是延展路径不规则;其中,珠体的延展路径可能为基本趋势为直线的路径,例如曲线;当珠体的延展路径的弯曲度较大时,其基本趋势还可以是折线;或者,珠体的延展路径可以为基本趋势为圆形的路径,例如闭合曲线或者圆弧等。
在使用时,珠体通常被加工成异形形状,使珠体具有与工作场景相适应的不规则的延展路径。为了保证珠体能够正常工作,需要检测珠体是否存在位置缺陷,即检测珠体各个部位位置与标准位置的一致性,确定珠体是否发生变形。目前珠体位置缺陷检测通常在待检测珠体上设置几个检测点,通过对所述检测点处珠体边缘位置是否与标准位置吻合,确定珠体是否存在位置缺陷。
然而,发明人通过研究发现,当珠体的形状发生改变时,在检测点位置处由于存在突出或凹陷等缺陷,可能使珠体边缘位置与标准位置重合,这样珠体的位置缺陷就无法检出,从而造成漏检,影响珠体位置缺陷检测精度。
发明内容
本发明实施例中提供了一种珠体位置缺陷检测方法及装置,以解决现有技术中的珠
体位置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:
本发明实施例提供了一种珠体位置缺陷检测方法,该方法包括:
将训练珠体图像划分为多个训练采样投影区域;
在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;
连接相邻路径边缘对的中点,生成标准路径折线;
将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;
在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;
当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。
可选地,连接相邻路径边缘对的中点,生成标准路径折线之前,还包括:
连接当前路径边缘对的中点,获得参考路径折线;
沿所述参考路径折线,将训练珠体图像划分为多个优化采样投影区域;
在每个优化采样投影区域中,筛选出由相应的边缘点组成的路径边缘对。
可选地,连接相邻路径边缘对的中点,生成标准路径折线之前,还包括:
获取多个训练珠体图像组成的训练珠体图像组,对所述训练珠体图像组中的图像划分相应的训练采样投影区域;
在每个训练珠体图像中,从各个训练采样投影区域,筛选出由相应的边缘点组成的路径边缘对;
在每个训练采样投影区域中,确定训练珠体图像组的路径边缘对统计中点,将所述统计中点作为所述训练采样投影区域的路径边缘对的中点。
可选地,所述将训练珠体图像划分为多个训练采样投影区域,包括:
根据训练珠体的弯曲度,确定多个训练采样投影区域间距;
根据所述训练采样投影区域间距,将所述训练珠体图像划分为多个训练采样投影区域。
可选地,当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷之前,还包括:
根据训练珠体的弯曲度,设置多个缺陷阈值。
本发明实施例还提供一种珠体位置缺陷检测装置,该装置包括:
训练采样投影区域划分模块,用于将训练珠体图像划分为多个训练采样投影区域;
路径边缘对确定模块,用于在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;
标准路径折线生成模块,用于连接相邻路径边缘对的中点,生成标准路径折线;
检测采样投影区域划分模块,用于将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;
检测边缘对确定模块,用于在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;
位置缺陷记录模块,用于当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。
可选地,装置还包括:
参考路径折线获得模块,用于连接当前路径边缘对的中点,获得参考路径折线;
优化采样投影区域划分模块,用于沿所述参考路径折线,将训练珠体图像划分为多个优化采样投影区域;
路径边缘对优化模块,用于在每个优化采样投影区域中,筛选出由相应的边缘点组成的路径边缘对。
可选地,该装置还包括:
训练珠体图像组采样投影区域划分模块,用于获取多个训练珠体图像组成的训练珠体图像组,对所述训练珠体图像组中的图像划分相应的训练采样投影区域;
训练珠体图像组路径边缘对确定模块,用于在每个训练珠体图像中,从各个训练采样投影区域,筛选出由相应的边缘点组成的路径边缘对;
训练珠体图像组统计中点确定模块,用于在每个训练采样投影区域中,确定训练珠体图像组的路径边缘对统计中点,将所述统计中点作为所述训练采样投影区域的路径边缘对的中点。
可选地,训练采样投影区域划分模块包括:
训练采样投影区域间距确定模块,用于根据训练珠体的弯曲度,确定多个训练采样投影区域间距;
训练采样投影区域分布模块,用于根据所述训练采样投影区域间距,将所述训练珠体图像划分为多个训练采样投影区域。
可选地,该装置还包括缺陷阈值设置模块,用于根据训练珠体的弯曲度,设置多个缺陷阈值。
本发明的实施例提供的技术方案可以包括以下有益效果:本发明的实施例提供的一种珠体位置缺陷检测方法及装置,通过将训练珠体图像划分为多个训练采样投影区域;在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;连接相邻路径边缘对的中点,获取标准路径折线;将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。在珠体位置缺陷的检测过程中,通过精细划分训练采样投影区域,得到标准路径折线,所述标准路径折线能够准确描述珠体的形状;然后将边缘对的中点作为检测目标,通过边缘对中点到标准路径折线的距离,精确感知珠体上的检测目标是否发生位置的变化,提高了珠体位置缺陷检测的精度。
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珠体示意图;
图2为本发明实施例提供的一种珠体位置缺陷检测方法的流程示意图;
图3为本发明实施例提供的一种直线珠体训练采样投影区域划分示意图;
图4为本发明实施例提供的一种折线珠体训练采样投影区域划分示意图;
图5为本发明实例提供的一种圆形珠体训练采样投影区域划分示意图;
图6为本发明实施例提供的一种圆形珠体的标准路径折线示意图;
图7为本发明实施例提供的一种位置缺陷检测结果示意图;
图8为本发明实施例提供的另一种珠体位置缺陷检测方法的流程示意图;
图9为本发明实施例提供的再一种珠体位置缺陷检测方法的流程示意图;
图10为本发明实施例提供的一种珠体位置缺陷检测装置的结构示意图;
图11为本发明实施例提供的另一种珠体位置缺陷检测装置的结构示意图;
图12为本发明实施例提供的再一种珠体位置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珠体示意图,如图1所示,珠体通常具有固定的宽度,但是珠体的延展路径通常是不规则的;珠体的形状可以理解为珠子在平面上滚动后留下的路径形状。例如电线或钢缆均属于珠体,电线或钢缆的宽度一致,但在延展路径可能是弯曲、不规则的。在使用过程中,珠体通常被加工成异形形状,使珠体具有与工作环境相适应的不规则的延展路径;如果珠体的形状即珠体的延展路径,与工作环境要求的异形形状不吻合时,可能造成珠体无法正常使用,因此需要对珠体的形状与标准形状进行比对,判断珠体各个位置是否与标准形状相应位置一致,即需要对珠体的位置缺陷进行检测,确定珠体是否发生变形。然而,珠体的形状是不规则的,这样增大了珠体位置缺陷检测的难度。
虽然珠体具有不规则的形状,但具有一定的基本趋势,即珠体的延展路径具有基本趋势。在图1中,珠体110的延展路径弯曲度比较低,与直线的形状近似,珠体110的基本趋势为直线;珠体111的延展路径弯曲度与圆形形状近似,珠体111的基本趋势为圆形;珠体112的延展路径弯曲度变化比较大,与折线形状近似,珠体112的基本趋势为折线。
本发明实施例提供了一种珠体位置缺陷检测方法,以对具有不规则延展路径的珠体的位置缺陷进行检测。参见图2,为本发明实施例提供的一种珠体位置缺陷检测方法的流程示意图,该方法包括:
步骤S101:将训练珠体图像划分为多个训练采样投影区域。
在进行珠体位置缺陷检测时,需要提供标准珠体以作为待检测珠体位置缺陷检测的基准。在本发明实施例中,训练珠体即为所述标准珠体,所述训练珠体是符合工作环境要求的标准珠体,将所述训练珠体作为待检测珠体位置缺陷检测的基准。
在具体实施时,通过摄像设备获取训练珠体图像,所述训练珠体图像可以为训练珠体的局部图像或者训练珠体的全局图像,在本发明实施例中不做限制。利用采样投影技术,将所述训练珠体图像划分为多个训练采样投影区域。其中,所述训练采样投影区域可以为仿射矩形或仿射圆弧环等。可选地,根据训练珠体的基本趋势,将训练珠体图像划分为过个训练采样投影区域。
参见图3,为本发明实施例提供的一种直线珠体训练采样投影区域划分示意图。如图3所示,在训练珠体图像中,训练珠体110的基本趋势为直线;将训练珠体110划分为多个训练采样投影区域210,所述训练采样投影区域210沿训练珠体110延展路径的基本趋势设置。在具体实施时,可以用参考直线表征训练珠体110延展路径的基本趋势,例如所述参考直线可以为训练珠体110的头端和尾端所连接成的直线;所述训练采样投影区域210沿所述参考直线分布,且可选地,所述训练采样投影区域210的中轴线垂直于所述参考直线。
需要说明的是,上述表征所述训练珠体110延展路径的基本趋势的方式仅是一示例性实施例,还可以使用拟合的方式确定描述所述基本趋势的参考直线;而且,所述训练采样投影区域210的中轴线可以与所述参考直线成任意角度。
参见图4,为本发明实施例提供的一种折线珠体训练采样投影区域划分示意图。如图4所示,在训练珠体图像中,训练珠体111的基本趋势为折线;将训练珠体111划分为多个训练采样投影区域211,所述训练采样投影区域211沿训练珠体111延展路径的基本趋势设置。在具体实施时,可以在训练珠体111弯曲度最大的位置,将训练珠体图像划分为多个延展路径段,在每个延展路径段上,训练珠体111的延展路径的基本趋势为直线。在图4中,训练珠体111被划分为2个延展路径段;对每个延展路径段,确定相应的参考直线,并按照上述直线珠体训练采样投影区域的划分方式,将训练珠体图像划分为多个训练采样投影区域,具体的划分过程可参见上述直线训练珠体实施例,在此不再赘述。
参见图5,为本发明实例提供的一种圆形珠体训练采样投影区域划分示意图。如图5所示,在训练珠体图像中,训练珠体112的基本趋势为圆形;将训练珠体112划分为多个训练采样投影区域212,所述训练采样投影区域212沿训练珠体112延展路径的基本趋势设置。在具体实施时,可以在训练珠体112所围成区域的内部确定参考中心,例如在训练珠体112的上随机选择三个点,所述三个点能够唯一确定一个圆心,将所述圆心作为参考中心,所述参考中心确定的任意圆形可以用于表征训练珠体112的基本趋势;以所述参考中心为圆心,沿向外发散的径向方向设置所述训练采样投影区域212,所述训练采样投影区域212的中轴线方向平行于所述径向方向,所有训练采样投影区域212的中轴线汇聚于所述参考中心。
而且,在具体实施时,所述训练采样投影区域可以均匀分布或不均匀分布。在第一种实施情况下,根据训练采样投影区域间距,将训练珠体图像划分为多个训练采样投影区域。对于直线训练珠体,预设训练采样投影区域间距,所述训练采样投影区域间距可以理解为沿所述参考直线,相邻训练采样投影区域之间的距离。以所述训练采样投影间距,均匀设置所述训练采样投影区域。对于折线训练珠体,同样预设训练采样投影区域间距,在每个延展路径段内,沿相应的参考直线,以所述训练采样投影区域间距,均匀设置所述训练采样投影区域。对于圆形训练珠体,所述训练采样投影间距可以理解为相邻训练采样投影区域之间的角度或弧长,以所述参考中心为圆心,按照所述角度或弧长,均匀设置所述训练采样投影区域。
在第二种实施情况下,根据训练珠体图像的弯曲度,设置多个训练采样投影区域间距。在具体实施时,训练珠体图像中,各个区域的弯曲度不同;例如训练珠体图像的第一区域具有第一弯曲度,则设置相应的训练采样投影区域间距D1;训练珠体图像的第二区域具有第二弯曲度,则设置相应的训练采样投影区域间距D2;训练珠体图像的第三区域具有第三弯曲度,则设置相应的训练采样投影区域间距D3。而且,如果训练珠体图像区域的弯曲度越高,则设置相应的训练采样投影区域间距越小;具体地,在第一弯曲度>第二弯曲度>第三弯曲度的情况下,训练采样投影区域间距D1<训练采样投影区域间距D2<训练采样投影区域间距D3。
在训练珠体图像的不同区域内,按照相应的训练采样投影间距,设置所述第一采样投影区域。具体地,在训练珠体图像的第一区域内,以训练采样投影间距D1,设置所述训练采样投影区域;在训练珠体图像的第二区域内,以训练采样投影间距D2,设置所述训练采样投影区域;在训练珠体图像的第三区域,以训练采样投影间距D3,设置所述训练采样投影区域。
在本发明实施例中,以不同的训练采样投影间距设置所述训练采样投影区域,在弯曲度较高区域,以较小的训练采样投影间距设置训练采样投影区域,提高采样密度,能够有效提高训练珠体的延展路径的描述精度;在弯曲度较低的区域,以较大的训练采样投影间距设置训练采样投影区域,减小采样密度,能够节省计算资源,进而提高珠体位置缺陷检测效率。
步骤S102:在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对。
根据步骤S101确定的训练采样投影区域,在每个训练采样投影区域中,确定相应的边缘点;具体地,将灰度变化最大的位置确定为所述边缘点,由于在训练采样投影区域内,外界环境的干扰可能导致出现假边缘点,因此在训练采样投影区域内,确定的边缘点数目可能大于2,即在一个训练采样投影区域内,确定的边缘点包括训练珠体的实际边缘点和假边缘点。
在每个训练采样投影区域内,将所述边缘点两两组合为参考边缘对。根据评价准则,对各个参考边缘对进行评分。其中,所述评价准则包括“第一边缘准则”、“最强边缘准则”和“对尺寸准则”中的一种或多种的组合。
所述“第一边缘准则”为:在每个训练采样投影区域内,边缘点的评分按照边缘点位置从外到内的顺序降低;将每个参考边缘对中两个边缘点的评分的平均值,作为所述参考边缘对的评分。
所述“最强边缘准则”为:在每个训练采样投影区域内,边缘点的评分按照边缘点的对比度从高到低的顺序降低;将每个参考边缘对中两个边缘点的评分的平均值,作为所述参考边缘对的评分。
所述“对尺寸准则”为:计算每个参考边缘对中两个边缘点之间的距离,并计算所述距离与预设尺寸阈值的差值,所述参考边缘对的评分随着所述差值绝对值的从小到大的顺序降低。
在具体实施时,可以使用上述评价准则中的一种或多种的组合,对参考边缘对进行评分;当使用多种评价准则对参考边缘对进行评分时,可以将不同评价准则得到的评分取算术平均或加权平均,作为参考边缘对的评分。在每个训练采样投影区域内,选择评分最高的参考边缘对作为路径边缘对
步骤S103:连接相邻路径边缘对的中点,生成标准路径折线。
参见图6,为本发明实施例提供的一种圆形珠体的标准路径折线示意图,如图6所示,在训练珠体图像中,训练珠体113的图像被划分为多个训练采样投影区域213;在每个训练投影区域213中,确定了路径边缘对,每个路径边缘对均有2个边缘点214组成;路径边缘对中点311,为每个路径边缘对中相应2个边缘点的连线的中点,对每个路径边缘对均确定相应的路径边缘对中点311;连接相邻的路径边缘对中点311,从而形成标准路径折线310,所述标准路径折线310更接近训练珠体113的延展路径,从而对训练珠体113的延展路径进行准确描述。
步骤S104:将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配。
获取待检测珠体图像,对待检测珠体进行位置缺陷检测;在具体实施时,通过摄像设备获取待检测珠体图像,所述待检测珠体图像可以为待检测珠体的局部或全部图像,在本发明实施中,对所述待检测珠体图像不做具体限制,但应当与训练珠体图像相匹配,以保证待检测珠体图像能够与训练珠体图像相匹配。具体地,可以按照与拍摄训练珠体图像相同的位置、拍摄环境和拍摄参数,拍摄所述训练珠体图像,保证待检测珠体图像能够与训练珠体图像匹配吻合。
然后,将待检测珠体图像划分为多个检测采样投影区域。同样,在具体实施时,可以根据直线待检测珠体、折线待检测珠体以及圆形待检测珠体的不同基本趋势,设置所述检测采样投影区域;而且,可以以预设的检测投影区域间距,将待检测珠体图像划分为均匀分布的检测采样投影区域;或者,可以根据待检测珠体的弯曲度,设置多个检测投影区域间距,在不同图像区域,以相应的检测采样投影区域间距,不均匀地设置相应的检测采样投影区域。所述检测投影区域划分的方式与步骤S101的过程类似,相同之处可参见步骤S101的描述,在此不再赘述。
当然,在划分检测采样投影区域时,还可以根据待检测珠体的缺陷检测的历史统计结果,将待检测珠体图像划分为检测采样投影区域。例如,根据历史统计结果,在位置缺陷出现频度较高的图像区域,设置较低的检测采样投影区域间距,以提高检测采样投影区域的密度,对相应的图像区域进行重点检测。
需要说明的是,所述检测采样投影区域不必与训练采样投影区域完全一致,可以根据实际的检测需要,以任意采样投影区域间距均匀或不均匀设置所述检测采样投影区域,或者仅在待检测图像的局部,设置所述采样投影区域,以对待检测珠体进行位置缺陷检测。
步骤S105:在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对。
在每个检测采样投影区域中,确定相应的边缘点;具体地,将灰度变化最大的位置确定为所述边缘点,将所述边缘点两两组合为候选边缘对。根据评价准则,对各个候选边缘对进行评分。其中,所述评价准则包括“第一边缘准则”、“最强边缘准则”和“对尺寸准则”。在具体实施时,可以使用所述评价准则中的一种或多种的组合,对候选边缘对进行评分;当使用多种评价准则对候选边缘对进行评分时,可以将不同评价准则得到的评分取算术平均或加权平均,作为候选边缘对的评分。在每个检测采样投影区域内,选择评分最高的候选边缘对作为检测边缘对。具体的评分过程,可参见步骤S102的描述,在此不再赘述。
步骤S106:当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。
参见图7,为本发明实施例提供的一种位置缺陷检测结果示意图,如图7所示,在待检测珠体图像中,待检测珠体410的图像被划分为多个检测采样投影区域510;在每个检测采样投影区域内,确定有检测边缘对(图7中实心原点所示),所示检测边缘对中两个边缘点511连线的中点512(图7中虚线圆点所示),即为检测边缘对的中点。
在理想情况下,检测边缘对的中点应当靠近标准路径折线310,因此,计算每个检测边缘对的中点到所述标准路径折线的距离,可以判断待检测边缘是否存在位置缺陷。所述距离的计算过程包括:在标准路径折线中,确定与所述检测边缘对510相交的折线段;计算所述检测边缘对510的中点510与所述折线段的距离。当所述距离大于缺陷阈值时,则所述检测边缘对为缺陷边缘对,则待检测珠体出现位置缺陷,而且所述位置缺陷存在于缺陷边缘对所对应的位置;当所述距离小于或等于缺陷阈值时,则所述检测边缘对为正常边缘对,如果遍历所有的检测边缘对,所有的检测边缘对均为正常边缘对,则待检测珠体不存在位置缺陷。记录所有的缺陷边缘对,根据所述缺陷边缘对,对缺陷的位置、以及位置缺陷的程度进行评价,从而得到珠体位置缺陷检测结果。
另外,为了提高珠体位置缺陷检测的灵活性,根据训练珠体的弯曲度,设置多个缺陷阈值。在具体实施时,在训练珠体图像的第一区域内,训练珠体具有第一弯曲度,根据第一弯曲度,设置第一区域的缺陷阈值T1;在训练珠体图像的第二区域内,训练珠体具有第二弯曲度,设置第二区域的缺陷阈值T2;在训练珠体图像的第三区域内,训练珠体具有第三弯曲度,设置第三区域的缺陷阈值T3。在第一弯曲度>第二弯曲度>第三弯曲度的情况下,所述缺陷阈值T1<缺陷阈值T2<缺陷阈值T3。由于训练珠体图像与待检测珠体图像相互匹配对应,则在待检测珠体图像相应的第一区域、第二区域以及第三区域,以相应的缺陷阈值T1、缺陷阈值T2以及缺陷阈值T3,判断相应的区域的检测边缘对是否为缺陷边缘对,进而判断整个待检测珠体是否存在位置缺陷。
通过设置不同检测区域的缺陷阈值,能够对弯曲度较高的重点区域进行检测,以分区的方式对待检测珠体进行位置缺陷检测,提高珠体位置缺陷检测的效率。
由上述实施例可见,本发明实施例提供的一种珠体位置缺陷检测方法,通过将训练珠体图像划分为多个训练采样投影区域;在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;连接相邻路径边缘对的中点,获取标准路径折线;将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。在珠体位置缺陷的检测过程中,通过精细划分训练采样投影区域,得到标准路径折线,所述标准路径折线能够准确描述珠体的形状;然后将边缘对的中点作为检测目标,通过边缘对中点到标准路径折线的距离,精确判断珠体上的检测目标是否发生位置的变化,提高了珠体位置缺陷检测的精度。
参见图8,为本发明实施例提供的另一种珠体位置缺陷检测方法的流程示意图,示出了路径边缘对的优化方法;在图1所述的珠体位置缺陷检测方法的基础上,在步骤S102确定的路径边缘对,由于训练采样投影区域的间距可能较大,由此根据当前路径边缘对获得的路径折线是对训练珠体延展路径的粗略表示,为了进一步提高对所述基本趋势描述的准确性,该方法还包括:
步骤S201:连接当前路径边缘对的中点,获得参考路径折线。
在本发明实施例中,连接相邻对的当前路径边缘对的中点,从而得到参考路径折线。
步骤S202:沿所述参考路径折线,将训练珠体图像划分为多个优化采样投影区域。
所述参考路径折线由多条折线段组成,在每个折线段内,沿所述折线段的延伸方向设置所述优化采样投影区域,所述优化采样投影区域的中轴线与相应的折线段垂直。而且,所述优化采样投影区域可以均匀划分或不均匀划分,通过设置相同的采样投影区域间距的方式,均匀划分所述优化采样投影区域;或者,通过设置不同区域的采样投影区域间距的方式,不均匀划分所述优化采样投影区域。
步骤S203:在每个优化采样投影区域中,筛选出由相应的边缘点组成的路径边缘对。
在每个优化采样投影区域中,通过灰度差值,能够确定多个边缘点;将所述边缘点两两组合形成参考边缘对;通过“第一条边缘”、“最强边缘”和“对尺寸”评价准则中的一种或多种组合的评价方式,对参考边缘对进行评分;将评分高的参考边缘对作为相应优化采样投影区域的优化路径边缘对,使用所述优化路径边缘替换当前路径边缘对,从而完成路径边缘对的更新。由此,更新后的路径边缘对所确定的标准路径折线,具有更多的折线段,能够更准确地描述训练珠体的延展路径。对路径边缘对的筛选与步骤S102的过程类似,详细的过程描述可参见步骤S102,在此不再赘述。
另外,需要说明的是,根据实际珠体位置缺陷检测精度的需要,可以进行一次或多次步骤S201至步骤S203的迭代,从而实现边缘对的优化,进而以大量优化的路径折线段逼近训练珠体的延展路径。
由上述实施例可见,本发明实施例提供的另一种珠体位置缺陷检测方法,对获得的路径边缘对进行优化,在参考路径折线的每个折线段上,进一步划分细化的优化采样投影区域,在每个优化采样投影区域内,确定优化路径边缘对;根据优化路径边缘对,能够得到更精确的标准路径折线,所述标准路径折线包含了大量折线段,更准确地描述了训练珠体延展路径的细节,从而进一步提高珠体位置缺陷检测的精度。
参见图9,为本发明实施例提供的再一种珠体位置缺陷检测方法的流程示意图,示出了通过训练珠体图像组,训练得到标准路径折线的方法;在图1所示的珠体位置缺陷检测方法的基础上,该方法包括:
步骤S301:获取多个训练珠体图像组成的训练珠体图像组,对所述训练珠体图像组中的图像划分相应的训练采样投影区域。
获取多个训练珠体图像,所述多个训练珠体图像,可以理解为在相同拍摄环境下,使用相同的拍摄参数,对同一训练珠体或者训练珠体上同一局部位置,拍摄的训练珠体图像;将多个训练珠体图像,组成训练珠体图像组。例如所述训练珠体图像包括三个训练珠体图像,即第一训练珠体图像、第二训练珠体图像以及第三训练珠体图像。
对训练珠体图像组中的每个训练珠体图像,划分相应的训练采样投影区域。具体地,对第一训练珠体图像,划分相应的多个第一训练采样投影区域;对第二训练珠体图像,划分相应的多个第二训练采样投影区域;第三训练珠体图像,划分相应的多个第三训练采样投影区域。而且,所述第一训练采样投影区域、第二训练采样投影区域以及第三训练采样投影区域,均具有相同的位置以及相同的训练采样投影区域间距,保证所述第一训练采样投影区域、第二训练采样投影区域以及第三训练采样投影区域能够相互匹配吻合。
步骤S302:在每个训练珠体图像中,从各个训练采样投影区域,筛选出由相应的边缘点组成的路径边缘对。
对训练珠体图像组中的每个训练珠体图像,确定相应的路径边缘对。具体地,在第一训练珠体图像中,从相应的第一训练采样投影区域,筛选出路径边缘对;在第二训练珠体图像中,从相应的第二训练采样投影区域,筛选出路径边缘对;在第三训练珠体图像中,从相应的第三训练采样投影区域,筛选出路径边缘对。上述每个训练珠体图像中,从训练采样投影区域筛选路径边缘对的过程,可参见步骤S102的描述,在此不再赘述。
步骤S303:在每个训练采样投影区域中,确定训练珠体图像组的路径边缘对统计中点,将所述统计中点作为所述训练采样投影区域的路径边缘对的中点。
在第一训练珠体图像中,提取每个第一训练采样投影区域的路径边缘对的中点,所述路径边缘对的中点可以理解为路径边缘对中两个边缘点连线的中点;在第二训练珠体图像中,提取每个第二训练采样投影区域的路径边缘对的中点,所述路径边缘对的中点可以理解为路径边缘对中两个边缘点连线的中点;在第三训练珠体图像中,提取每个第三训练采样投影区域的路径边缘对的中点,所述路径边缘对的中点可以理解为路径边缘对中两个边缘点连线的中点。在对应训练珠体图像上相同位置的第一训练采样投影区域、第二训练采样投影区域以及第三训练采样投影区域,相应的训练采样投影区域分别确定有相应的中点,即三个训练珠体图像,在同一位置的采样投影区域内,存在三个中点;在理想情况下,三个中点的位置重合,然而由于边缘点提取误差,实际情况下,三个中点之间存在差距、不完全重合。在训练珠体图像组包括大量训练珠体图像的情况下,相应的同一采样投影区域内的中点,可能分布在一定范围内,可以确定所述范围对应的中心作为所述统计中点;或者,将出现次数最多的位置点作为统计中点。将通过上述方式获得的统计中点,作为该训练采样投影区域的路径边缘对的中点;进而通过所述统计中点,能够确定标准路径折线,所述标准路径折线基于大量测量数据,因此能够具有更高的准确性。
由上述实施例可见,本发明实施例提供的再一种珠体位置缺陷检测方法,通过设置训练珠体图像组,基于大量的测试数据获得统计中点,进而根据所述统计中点生成的标准路径折线,更逼近训练采样图像的延展路径,从而提高珠体位置缺陷检测的精度。
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珠体位置缺陷检测方法实施例相对应,本发明还提供了一种珠体位置缺陷检测装置,参见图10,为本发明实施例提供的一种珠体位置缺陷检测装置的结构示意图,该装置包括:
训练采样投影区域划分模块11,用于将训练珠体图像划分为多个训练采样投影区域;
路径边缘对确定模块12,用于在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;
标准路径折线生成模块13,用于连接相邻路径边缘对的中点,生成标准路径折线;
检测采样投影区域划分模块14,用于将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;
检测边缘对确定模块15,用于在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;
位置缺陷记录模块16,用于当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。
可选地,训练采样投影区域划分模块11可以均匀或不均匀地划分训练采样投影区域。具体地,所述训练采样投影区域划分模块11,还用于根据训练采样投影区域间距,将训练珠体图像划分为多个训练采样投影区域;或者,所述训练采样投影区域划分模块11,还用于根据训练珠体图像的弯曲度,设置多个训练采样投影区域间距,根据所述训练采样投影区域间距,设置不同图像区域的训练采样投影区域。
同样,检测采样投影区域划分模块14可以均匀或不均匀地划分检测采样投影区域。具体地,所述检测采样投影区域划分模块14,还用于以预设的检测投影区域间距,将待检测珠体图像划分为均匀分布的检测采样投影区域;或者,所述检测采样投影区域划分模块14,还用于根据待检测珠体的弯曲度,设置多个检测投影区域间距,在不同图像区域,以相应的检测采样投影区域间距,不均匀地设置相应的检测采样投影区域。
而且,为了提高珠体位置缺陷检测的灵活性,所述位置缺陷记录模块16,还用于根据训练珠体的弯曲度,设置多个缺陷阈值。
由上述实施例可见,本发明实施例提供的一种珠体位置缺陷检测装置,通过将训练珠体图像划分为多个训练采样投影区域;在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;连接相邻路径边缘对的中点,获取标准路径折线;将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。在珠体位置缺陷的检测过程中,通过精细划分训练采样投影区域,得到标准路径折线,所述标准路径折线能够准确描述珠体的形状;然后将边缘对的中点作为检测目标,通过边缘对中点到标准路径折线的距离,精确感知珠体上的检测目标是否发生位置的变化,提高了珠体位置缺陷检测的精度。
参见图11,为本发明实施例提供的另一种珠体位置缺陷检测装置的结构示意图,在图10所示的珠体位置缺陷检测装置的基础上,该装置还包括:
参考路径折线获得模块21,用于连接当前路径边缘对的中点,获得参考路径折线;
优化采样投影区域划分模块22,用于沿所述参考路径折线,将训练珠体图像划分为多个优化采样投影区域;
路径边缘对优化模块23,用于在每个优化采样投影区域中,筛选出由相应的边缘点组成的路径边缘对。
由上述实施例可见,本发明实施例提供的另一种珠体位置缺陷检测装置,对获得的路径边缘对进行优化,在参考路径折线的每个折线段上,进一步划分细化的优化采样投影区域,在每个优化采样投影区域内,确定优化路径边缘对;根据优化路径边缘对,能够得到更精确的标准路径折线,所述标准路径折线包含了大量折线段,更准确地描述了训练珠体延展路径的细节,从而进一步提高珠体位置缺陷检测的精度。
参见图12,为本发明实施例提供的再一种珠体位置缺陷检测装置的结构示意图,在图10所示的珠体位置缺陷检测装置的基础上,该装置还包括:
训练珠体图像组采样投影区域划分模块31,用于获取多个训练珠体图像组成的训练珠体图像组,对所述训练珠体图像组中的图像划分相应的训练采样投影区域;
训练珠体图像组路径边缘对确定模块32,用于在每个训练珠体图像中,从各个训练采样投影区域,筛选出由相应的边缘点组成的路径边缘对;
训练珠体图像组统计中点确定模块33,用于在每个训练采样投影区域中,确定训练珠体图像组的路径边缘对统计中点,将所述统计中点作为所述训练采样投影区域的路径边缘对的中点。
由上述实施例可见,本发明实施例提供的再一种珠体位置缺陷检测装置,通过设置训练珠体图像组,基于大量的测试数据获得统计中点,进而根据所述统计中点生成的标准路径折线,更逼近训练采样图像的延展路径,从而提高珠体位置缺陷检测的精度。
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 (10)

1.一种珠体位置缺陷检测方法,其特征在于,包括以下步骤:
将训练珠体图像划分为多个训练采样投影区域;
在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;
连接相邻路径边缘对的中点,生成标准路径折线;
将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;
在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;
当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。
2.根据权利要求1所述的珠体位置缺陷检测方法,其特征在于,连接相邻路径边缘对的中点,生成标准路径折线之前,还包括:
连接当前路径边缘对的中点,获得参考路径折线;
沿所述参考路径折线,将训练珠体图像划分为多个优化采样投影区域;
在每个优化采样投影区域中,筛选出由相应的边缘点组成的路径边缘对。
3.根据权利要求1所述的珠体位置缺陷检测方法,其特征在于,连接相邻路径边缘对的中点,生成标准路径折线之前,还包括:
获取多个训练珠体图像组成的训练珠体图像组,对所述训练珠体图像组中的图像划分相应的训练采样投影区域;
在每个训练珠体图像中,从各个训练采样投影区域,筛选出由相应的边缘点组成的路径边缘对;
在每个训练采样投影区域中,确定训练珠体图像组的路径边缘对统计中点,将所述统计中点作为所述训练采样投影区域的路径边缘对的中点。
4.根据权利要求1所述的珠体位置缺陷检测方法,其特征在于,所述将训练珠体图像划分为多个训练采样投影区域,包括:
根据训练珠体的弯曲度,确定多个训练采样投影区域间距;
根据所述训练采样投影区域间距,将所述训练珠体图像划分为多个训练采样投影区域。
5.根据权利要求1所述的珠体位置缺陷检测方法,其特征在于,当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷之前,还包括:
根据训练珠体的弯曲度,设置多个缺陷阈值。
6.一种珠体位置缺陷检测装置,其特征在于,该装置包括:
训练采样投影区域划分模块,用于将训练珠体图像划分为多个训练采样投影区域;
路径边缘对确定模块,用于在每个训练采样投影区域中,筛选出由相应的边缘点组成的路径边缘对;
标准路径折线生成模块,用于连接相邻路径边缘对的中点,生成标准路径折线;
检测采样投影区域划分模块,用于将待检测珠体图像划分为多个检测采样投影区域,其中,所述待检测珠体图像与所述训练珠体图像相匹配;
检测边缘对确定模块,用于在每个检测采样投影区域中,筛选出由相应的边缘点组成的检测边缘对;
位置缺陷记录模块,用于当检测边缘对的中点到所述标准路径折线的距离大于缺陷阈值时,记录位置缺陷。
7.根据权利要求6所述的珠体位置缺陷检测装置,其特征在于,该装置还包括:
参考路径折线获得模块,用于连接当前路径边缘对的中点,获得参考路径折线;
优化采样投影区域划分模块,用于沿所述参考路径折线,将训练珠体图像划分为多个优化采样投影区域;
路径边缘对优化模块,用于在每个优化采样投影区域中,筛选出由相应的边缘点组成的路径边缘对。
8.根据权利要求6所述的珠体位置缺陷检测装置,其特征在于,该装置还包括:
训练珠体图像组采样投影区域划分模块,用于获取多个训练珠体图像组成的训练珠体图像组,对所述训练珠体图像组中的图像划分相应的训练采样投影区域;
训练珠体图像组路径边缘对确定模块,用于在每个训练珠体图像中,从各个训练采样投影区域,筛选出由相应的边缘点组成的路径边缘对;
训练珠体图像组统计中点确定模块,用于在每个训练采样投影区域中,确定训练珠体图像组的路径边缘对统计中点,将所述统计中点作为所述训练采样投影区域的路径边缘对的中点。
9.根据权利要求6所述的珠体位置缺陷检测装置,其特征在于,训练采样投影区域划分模块包括:
训练采样投影区域间距确定模块,用于根据训练珠体的弯曲度,确定多个训练采样投影区域间距;
训练采样投影区域分布模块,用于根据所述训练采样投影区域间距,将所述训练珠体图像划分为多个训练采样投影区域。
10.根据权利要求6所述的珠体位置缺陷检测装置,其特征在于,该装置还包括缺陷阈值设置模块,用于根据训练珠体的弯曲度,设置多个缺陷阈值。
CN201610726389.7A 2016-08-25 2016-08-25 一种珠体位置缺陷检测方法及装置 Active CN106447649B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610726389.7A CN106447649B (zh) 2016-08-25 2016-08-25 一种珠体位置缺陷检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610726389.7A CN106447649B (zh) 2016-08-25 2016-08-25 一种珠体位置缺陷检测方法及装置

Publications (2)

Publication Number Publication Date
CN106447649A true CN106447649A (zh) 2017-02-22
CN106447649B CN106447649B (zh) 2019-03-29

Family

ID=58181972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610726389.7A Active CN106447649B (zh) 2016-08-25 2016-08-25 一种珠体位置缺陷检测方法及装置

Country Status (1)

Country Link
CN (1) CN106447649B (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
CN111415327A (zh) * 2020-02-20 2020-07-14 清华大学 基于相关分析的pcb图像分块采样装置及方法
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
CN111986221A (zh) * 2020-09-07 2020-11-24 北京凌云光技术集团有限责任公司 一种基于灰度或位置信息的边缘评价方法及装置
CN112147147A (zh) * 2019-06-26 2020-12-29 杭州海康机器人技术有限公司 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101099657A (zh) * 2007-07-13 2008-01-09 上海大学 细长柔性杆的空间形状检测装置和方法
CN101477685A (zh) * 2009-01-15 2009-07-08 西安交通大学 具有景深零件加工质量的亚像素级图像检测方法
CN101620676A (zh) * 2009-07-02 2010-01-06 浙江省电力公司 绝缘子轮廓的快速图像识别方法
CN101625723A (zh) * 2009-07-02 2010-01-13 浙江省电力公司 电力线轮廓的快速图像识别方法
EP2680222A1 (en) * 2012-06-28 2014-01-01 Nokia Corporation Method, apparatus and computer program product for processing media content
CN103778411A (zh) * 2014-01-15 2014-05-07 宁波韦尔德斯凯勒智能科技有限公司 一种基于栅格图像划分的圆检测方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101099657A (zh) * 2007-07-13 2008-01-09 上海大学 细长柔性杆的空间形状检测装置和方法
CN101477685A (zh) * 2009-01-15 2009-07-08 西安交通大学 具有景深零件加工质量的亚像素级图像检测方法
CN101620676A (zh) * 2009-07-02 2010-01-06 浙江省电力公司 绝缘子轮廓的快速图像识别方法
CN101625723A (zh) * 2009-07-02 2010-01-13 浙江省电力公司 电力线轮廓的快速图像识别方法
EP2680222A1 (en) * 2012-06-28 2014-01-01 Nokia Corporation Method, apparatus and computer program product for processing media content
CN103778411A (zh) * 2014-01-15 2014-05-07 宁波韦尔德斯凯勒智能科技有限公司 一种基于栅格图像划分的圆检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
严慧敏 等: "《机械零件二维几何尺寸和形状检测系统研究与开发》", 《机械》 *
余玲玲 等: "《三维物体形状检测精度分析与研究》", 《电子工程师》 *

Cited By (7)

* 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
CN112147147A (zh) * 2019-06-26 2020-12-29 杭州海康机器人技术有限公司 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备
CN112147147B (zh) * 2019-06-26 2023-12-22 杭州海康机器人股份有限公司 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备
CN111415327A (zh) * 2020-02-20 2020-07-14 清华大学 基于相关分析的pcb图像分块采样装置及方法
CN111415327B (zh) * 2020-02-20 2023-02-28 清华大学 基于相关分析的pcb图像分块采样装置及方法
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
CN111986221A (zh) * 2020-09-07 2020-11-24 北京凌云光技术集团有限责任公司 一种基于灰度或位置信息的边缘评价方法及装置

Also Published As

Publication number Publication date
CN106447649B (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN106447649A (zh) 一种珠体位置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
KR101698700B1 (ko) 패턴 검사·계측 장치 및 프로그램
Saukh et al. On boundary recognition without location information in wireless sensor networks
CN103927750B (zh) 棋盘格图像角点亚像素的检测方法
CN105453245B (zh) 使用无固定形式管理区域的晶片检验
CN109190473A (zh) 一种“机器视觉理解”在电力远程监控中的应用
CN107871322A (zh) 虹膜图像分割方法和装置
US20090129682A1 (en) Method and system for the optical inspection of a periodic structure
Powell et al. Comparing curved-surface range image segmenters
CN108846397A (zh) 一种基于图像处理的电缆半导电层自动检测方法
CN105975925A (zh) 基于联合检测模型的部分遮挡行人检测方法
CN101082592A (zh) 不均检查方法、不均检查装置以及记录介质
KR101130284B1 (ko) 수치지도를 이용한 실감정사영상 정확도 검사 시스템 및 검사방법
CN106339710B (zh) 一种边缘宽度缺陷检测方法及装置
CN112334761A (zh) 缺陷判别方法、缺陷判别装置、缺陷判别程序及记录介质
CN106327558A (zh) 点云立面提取方法和装置
CN110458053A (zh) 一种有效监控区域划分方法及视频客流计数方法
JP6756417B1 (ja) ワークの表面欠陥検出装置及び検出方法、ワークの表面検査システム並びにプログラム
CN106017328A (zh) 一种多类型线宽测量方法及装置
Stewart et al. Edge detection, cosmic strings and the south pole telescope
CN108629771B (zh) 一种具有尺度鲁棒性的图像质量盲评价方法
CN106403823B (zh) 一种珠体宽度缺陷检测方法及装置
US10062155B2 (en) Apparatus and method for detecting defect of image having periodic pattern
CN110017998A (zh) 车辆检测方法、装置和设备

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

Address after: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Patentee after: Lingyunguang Technology Co.,Ltd.

Address before: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Patentee before: Beijing lingyunguang Technology Group Co.,Ltd.

Address after: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Patentee after: Beijing lingyunguang Technology Group Co.,Ltd.

Address before: 100094 701, 7 floor, 7 building, 13 Cui Hunan Ring Road, Haidian District, Beijing.

Patentee before: LUSTER LIGHTTECH GROUP Co.,Ltd.

CP01 Change in the name or title of a patent holder