CN106529572B - 色环电阻的检测方法、装置和自动光学检测系统 - Google Patents
色环电阻的检测方法、装置和自动光学检测系统 Download PDFInfo
- Publication number
- CN106529572B CN106529572B CN201610900096.6A CN201610900096A CN106529572B CN 106529572 B CN106529572 B CN 106529572B CN 201610900096 A CN201610900096 A CN 201610900096A CN 106529572 B CN106529572 B CN 106529572B
- Authority
- CN
- China
- Prior art keywords
- circle
- chromatic
- resistance
- image
- colour
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种色环电阻的检测方法、装置和自动光学检测系统。所述方法包括步骤:获取待检测的电路板的图像,从所述电路板的图像中提取色环电阻的图像;根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域;对所述色环的候选区域进行颜色识别,获得所述色环的颜色值;根据所述色环的颜色值对所述色环电阻进行检测。本发明有效节省了硬件成本和人工成本,大大提高了色环电阻的检测速度。
Description
技术领域
本发明涉及电子技术领域,特别是涉及一种色环电阻的检测方法、色环电阻的检测装置和自动光学检测系统。
背景技术
自动光学检测(AOI,Automated Optical Inspection)是工业制作过程的必要环节,已经广泛应用于TFT-LCD(thin film transistor-liquid crystal display,薄膜晶体管液晶显示器)、晶体管与PCB(Printed Circuit Board,印制电路板)等工业制作上,在民生用途则延伸至保全系统。它使用机器视觉作为检测标准技术,利用光学方式取得成品的表面状态,以影像处理来检测异物或表面瑕疵。
电子元件的错、漏和反检测是电路板缺陷检测领域中的一种常见应用。作为电路板中常用的电子元件,色环电阻的错、漏、反检测极为重要。传统技术中AOI系统对色环电阻的缺陷检测一般集中在漏件检测上,而对色环电阻的错件和反件检测则需要人工借助额外的色环电阻识别辅助设备配合进行,如色环电阻直读卡、色环电阻识别仪等,这种方案需要耗费额外的硬件与人力,成本较高。
发明内容
基于此,有必要针对上述问题,提供一种低成本的色环电阻的检测方法、装置和自动光学检测系统。
为了达到上述目的,本发明采取的技术方案如下:
一种色环电阻的检测方法,包括步骤:
获取待检测的电路板的图像,从所述电路板的图像中提取色环电阻的图像;
根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域;
对所述色环的候选区域进行颜色识别,获得所述色环的颜色值;
根据所述色环的颜色值对所述色环电阻进行检测。
上述色环电阻的检测方法,自动扫描电路板获取图像,然后提取色环电阻的图像,并通过图像处理技术,进一步提取色环电阻包含的色环的颜色值,从而根据各个色环的颜色值判断色环电阻是否存在错、反等缺陷,实现了色环电阻的自动检测,不再需要借助于额外的色环电阻识别辅助设备,也不需要额外安排工人进行检测,有效的节省了硬件成本和人工成本。另外,由于不再需要人工对色环电阻进行检测,所以色环电阻检测的速度不再受限于工人的熟练程度,大大提高了色环电阻的检测速度。
在一个实施例中,根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域的步骤包括:根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标;以所述色环的横坐标为中心点沿水平方向各扩展预设长度,获得所述色环的宽度;根据所述色环的宽度以及所述色环电阻的图像的高度,获得所述色环电阻包含的色环的候选区域。根据提取的色环电阻的图像自动定位色环电阻包含的色环的区域,准确性较高。
在一个实施例中,以所述色环的横坐标为中心点沿水平方向各扩展预设长度之前,还包括步骤:根据预设的色环宽度以及预设的相邻两个色环之间的距离确定所述预设长度。根据预设的色环宽度以及预设的相邻两个色环之间的距离确定色环的横坐标需要扩展的长度,进而可以准确获得色环的宽度。
在一个实施例中,根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标的步骤包括:将所述色环电阻的图像按照RGB颜色模式转换为各个颜色通道对应的子图像;对各个子图像分别进行X方向的色环边缘检测,根据全部子图像的色环边缘检测结果合成第一边缘图像;对所述第一边缘图像进行二值化,获得第二边缘图像;对所述第二边缘图像中的点的值在Y方向进行求和,得到第一向量;所述第一向量中的每一个值为每一个横坐标所对应的Y方向求和的值;由所述第一向量确定所述第二边缘图像中的波峰位置,将波峰位置的X坐标确定为所述色环电阻包含的色环的横坐标。考虑到某些色环在灰度图像与色环电阻的主体颜色的灰色度相似,采用分通道边缘检测的方法,有效提高了色环横坐标确定的准确性。
在一个实施例中,根据全部子图像的色环边缘检测结果合成第一边缘图像的步骤包括:获得同一色环在全部子图像的色环边缘检测结果中的最大值;根据获得的各个色环对应的最大值合成第一边缘图像。将分通道边缘检测后的图像按照最大值进行融合,后续根据融合的图像确定色环的横坐标,有效提高了色环横坐标确定的准确性。
在一个实施例中,对所述第一边缘图像进行二值化之后,获得第二边缘图像之前,还包括步骤:将二值化后的所述第一边缘图像中与水平方向的两个边缘距离小于设定范围的点的值设置为0。考虑到色环不会出现在色环电阻的左右边缘处,将二值化后的图像左右边缘附近的值设置为0,从而有效过滤干扰信息,有效提高了色环横坐标确定的准确性。
在一个实施例中,得到第一向量之后,由第一向量确定所述第二边缘图像中的波峰位置之前,还包括步骤:将所述第一向量中小于预设阈值的值设置为0。对第一向量中小于预设阈值的值设置为0,从而能够更为准确的定位出色环所对应的波峰位置。
在一个实施例中,对所述色环的候选区域进行颜色识别,获得所述色环的颜色值的步骤包括:对所述色环的候选区域中的点的值在Y方向上求平均,获得第二向量;所述第二向量中的每一个值为每一个横坐标所对应的Y方向求平均的值;将所述第二向量中的每一个值分别与预设的颜色值进行比较,将差值最小时的预设的颜色值确定为所述第二向量中对应值的颜色值;筛选出所述第二向量中出现次数最多且不为所述色环电阻的主体颜色的颜色值,将筛选出的颜色值作为所述色环的颜色值,所述主体颜色为除色环颜色之外的色环电阻表面的颜色。考虑到色环候选区域还可能存在着色环电阻的主体颜色,而且色环上的每个像素点的颜色也可能因为噪声有点偏差,所以对获得的色环的候选区域颜色值在纵坐标方向上求平均,从而根据颜色的平均值确定色环的颜色,提高了色环颜色值确定的准确性。
在一个实施例中,从所述电路板的图像中提取色环电阻的图像的步骤包括:根据所述电路板制版时设定的色环电阻在所述电路板中的位置,获得所述电路板的图像中所述色环电阻的初步位置;将所述色环电阻的初步位置向外各扩展预设像素,获得所述色环电阻的候选区域;根据所述电路板制版时所述色环电阻的图像,对所述色环电阻的候选区域进行图像匹配,获得所述色环电阻的候选区域中所述色环电阻的图像。考虑到实际生产出的电路板与制版时电路板的偏差,对生产电路板的图像中色环电阻的位置进行扩展,从而得到色环电阻的候选区域,根据该候选区域提取色环电阻的图像,大大提高了色环电阻图像提取的效率和准确度。
一种色环电阻的检测装置,包括:
色环电阻图像提取模块,用于获取待检测的电路板的图像,从所述电路板的图像中提取色环电阻的图像;
色环候选区域确定模块,用于根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域;
色环颜色值获得模块,用于对所述色环的候选区域进行颜色识别,获得所述色环的颜色值;
色环电阻检测模块,用于根据所述色环的颜色值对所述色环电阻进行检测。
上述色环电阻的检测装置,自动扫描电路板获取图像,然后提取色环电阻的图像,并通过图像处理技术,进一步提取色环电阻包含的色环的颜色值,从而根据各个色环的颜色值判断色环电阻是否存在错、反等缺陷,实现了色环电阻的自动检测,不再需要借助于额外的色环电阻识别辅助设备,也不需要额外安排工人进行检测,有效的节省了硬件成本和人工成本。另外,由于不再需要人工对色环电阻进行检测,所以色环电阻检测的速度不再受限于工人的熟练程度,大大提高了色环电阻的检测速度。
在一个实施例中,所述色环候选区域确定模块包括:色环横坐标确定单元,用于根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标;色环宽度确定单元,用于以所述色环的横坐标为中心点沿水平方向各扩展预设长度,获得所述色环的宽度;色环候选区域确定单元,用于根据所述色环的宽度以及所述色环电阻的图像的高度,获得所述色环电阻包含的色环的候选区域。所述色环候选区域确定模块根据提取的色环电阻的图像自动定位色环电阻包含的色环的区域,准确性较高。
在一个实施例中,所述色环横坐标确定单元包括:子图像获得子单元,用于将所述色环电阻的图像按照RGB颜色模式转换为各个颜色通道对应的子图像;第一边缘图像获得子单元,用于对各个子图像分别进行X方向的色环边缘检测,根据全部子图像的色环边缘检测结果合成第一边缘图像;第二边缘图像获得子单元,用于对所述第一边缘图像进行二值化,获得第二边缘图像;第一向量获得子单元,用于对所述第二边缘图像中的点的值在Y方向进行求和,得到第一向量;所述第一向量中的每一个值为每一个横坐标所对应的Y方向求和的值;横坐标确定子单元,用于由所述第一向量确定所述第二边缘图像中的波峰位置,将波峰位置的X坐标确定为所述色环电阻包含的色环的横坐标。考虑到某些色环在灰度图像与色环电阻的主体颜色的灰色度相似,采用分通道边缘检测的方法,有效提高了色环横坐标确定的准确性。
在一个实施例中,所述色环颜色值获得模块包括:第二向量获得单元,用于对所述色环的候选区域中的点的值在Y方向上求平均,获得第二向量;所述第二向量中的每一个值为每一个横坐标所对应的Y方向求平均的值;颜色值比较单元,用于将所述第二向量中的每一个值分别与预设的颜色值进行比较,将差值最小时的预设的颜色值确定为所述第二向量中对应值的颜色值;色环颜色值确定单元,用于筛选出所述第二向量中出现次数最多且不为所述色环电阻的主体颜色的颜色值,将筛选出的颜色值作为所述色环的颜色值,所述主体颜色为除色环颜色之外的色环电阻表面的颜色。考虑到色环候选区域还可能存在着色环电阻的主体颜色,而且色环上的每个像素点的颜色也可能因为噪声有点偏差,所以所述色环颜色值获得模块对获得的色环的候选区域颜色值在纵坐标方向上求平均,从而根据颜色的平均值确定色环的颜色,提高了色环颜色值确定的准确性。
一种自动光学检测系统,包括上述任意一项所述的色环电阻的检测装置。该自动光学检测系统可以自动扫描电路板获取图像,然后提取色环电阻的图像,并通过图像处理技术,进一步提取色环电阻包含的色环的颜色值,从而根据各个色环的颜色值判断色环电阻是否存在错、反等缺陷,实现了色环电阻的自动检测,不再需要借助于额外的色环电阻识别辅助设备,也不需要额外安排工人进行检测,有效的节省了硬件成本和人工成本。另外,由于不再需要人工对色环电阻进行检测,所以色环电阻检测的速度不再受限于工人的熟练程度,大大提高了色环电阻的检测速度。
附图说明
图1为一个实施例中色环电阻的检测方法的流程示意图;
图2为一个实施例中提取色环电阻图像方法的流程示意图;
图3为一个实施例中确定色环候选区域方法的流程示意图;
图4为一个实施例中确定色环的横坐标方法的流程示意图;
图5为一个具体实施例中根据RGB划分的三个子图像的示意图;
图6为一个具体实施例中对三个子图像进行水平方向的边缘检测后得到的三个边缘子图像的示意图;
图7为一个具体实施例中对三个边缘子图像进行合成后得到的边缘图像的示意图;
图8为一个具体实施例中对合成的边缘图像进行二值化后的边缘图像的示意图;
图9为一个具体实施例中对二值化后的边缘图像进行干扰过滤后得到的边缘图像的示意图;
图10为一个具体实施例中波峰位置的示意图;
图11为一个实施例中获得色环颜色值的方法的流程示意图;
图12为一个实施例中色环电阻的检测装置的结构示意图;
图13为一个实施例中色环候选区域确定模块的结构示意图;
图14为一个实施例中色环横坐标确定单元的结构示意图;
图15为一个实施例中色环颜色值获得模块的结构示意图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及取得的效果,下面结合附图及较佳实施例,对本发明的技术方案,进行清楚和完整的描述。
如图1所示,一种色环电阻的检测方法,包括步骤:
S110、获取待检测的电路板的图像,从所述电路板的图像中提取色环电阻的图像;
S120、根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域;
S130、对所述色环的候选区域进行颜色识别,获得所述色环的颜色值;
S140、根据所述色环的颜色值对所述色环电阻进行检测。
本实施例可以通过相应的程序实现,程序可以运行在自动光学检测系统中,则在对色环电阻进行检测时,不再需要借助于额外的色环电阻识别辅助设备,也不需要额外安排工人进行检测,有效的节省了硬件成本和人工成本,提高了色环电阻的检测速度。为了更好地理解本发明,下面对各个步骤的具体实施方式做详细描述。
在步骤S110中,为了实现色环电阻的自动检测,首先需要从电路板的图像中提取出色环电阻的图像,即对色环电阻的主体区域进行定位,主体区域即为色环电阻的整个区域。待检测的电路板为实际生产出来的需要进行缺陷检测的电路板。待检测电路板的图像可以根据自动光学检测系统自身携带的摄像头自动扫描获得。
从待检测电路板的图像中提取色环电阻的图像有多种实现方式,例如,在一个实施例中,可以根据所述电路板制版时保存的色环电阻的模板图像对整个电路板的图像进行匹配,从而获得色环电阻的图像,但是该种方法计算量较大,尤其在色环电阻数量很大时,该种方法效率很低。
因此,考虑计算量的大小以及实际生产的电路板与电路板制版时设计的电路板的偏差,在另一个实施例中,如图2所示,从所述电路板的图像中提取色环电阻的图像的步骤可以包括:
S1101、根据所述电路板制版时设定的色环电阻在所述电路板中的位置,获得所述电路板的图像中所述色环电阻的初步位置;
用户对电路板制版时,会设定好色环电阻在该电路板中的位置,理想状态下,实际生产的电路板应该与制版时设计的电路板相同,所以可以先根据电路板制版时色环电阻的位置找到色环电阻在待检测电路板图像中的位置。
S1102、将所述色环电阻的初步位置向外各扩展预设像素,获得所述色环电阻的候选区域;
如果色环电阻两边引脚插入插孔的长度不一样,那么就会使色环电阻在水平方向上出现偏移,比如左边的插孔引脚插入的比较多,那么色环电阻就会向左边偏移。因此,考虑到实际生产电路板与制版电路板的出入,找到色环电阻在待检测电路板图像中的位置后,将该位置向外扩展预设个像素,例如向外扩展30-60个像素等,将扩展后的区域作为色环电阻的候选区域,其中向外扩展为向各个方向扩展。
S1103、根据所述电路板制版时所述色环电阻的图像,对所述色环电阻的候选区域进行图像匹配,获得所述色环电阻的候选区域中所述色环电阻的图像;
用户在进行电路板制版时会保存有色环电阻的模板图像,利用色环电阻的模板图像,采用图像匹配的方法进行色环电阻的主体区域定位,提取出色环电阻的图像。图像匹配的方法可以根据现有技术中已有的方式实现。
在步骤S120中,获得色环电阻的主体区域后,还需要进行色环电阻的色环区域定位。在一个实施例中,如图3所示,根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域的步骤可以包括:
S1201、根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标;
S1202、以所述色环的横坐标为中心点沿水平方向各扩展预设长度,获得所述色环的宽度;
S1203、根据所述色环的宽度以及所述色环电阻的图像的高度,获得所述色环电阻包含的色环的候选区域。
为了更好的理解色环的候选区域确定的方式,下面对上述三个步骤分别进行详细介绍。
在步骤S1201中,通过图像处理方法获得色环横坐标有多种实现方式,例如,在一个实施例中,如图4所示,根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标的步骤可以包括:
S1201a、将所述色环电阻的图像按照RGB颜色模式转换为各个颜色通道对应的子图像;
因为某些色环在灰度图像与色环电阻的主体颜色的灰度值相似,无法很好的区分,因此需要充分的考虑颜色信息,将色环电阻的主体区域I,根据RGB三种颜色通道分开,得到I_R、I_G、I_B的子图像。例如,如图5所示,为将色环电阻的主体区域按照RGB模式分为三个颜色通道后,各个通道的子图像示意图,其中从左到右依次为红通道对应的子图像、绿通道对应的子图像以及蓝通道对应的子图像。
S1201b、对各个子图像分别进行X方向的色环边缘检测,根据全部子图像的色环边缘检测结果合成第一边缘图像;
因为色环电阻的色环是垂直印刷在色环电阻的主体上的,因此,在获得色环电阻三个通道的子图像后,对三个通道的子图像进行X方向(水平方向)的边缘检测。
对各通道的子图像进行边缘检测有多种实现方式,例如,利用Sobel算子(Sobeloperator,索贝尔算子)对各通道的子图像进行X方向的边缘检测,也即是利用式(1)得到R、G、B通道图像的边缘子图像GR、GG、GB。如图6所示,为得到的各个通道的边缘子图像,从左到右依次为红通道对应的边缘子图像、绿通道对应的边缘子图像以及蓝通道对应的边缘子图像。
分通道进行边缘检测后,还需要对边缘检测后的图像进行融合。在一个实施例中,根据全部子图像的色环边缘检测结果合成第一边缘图像的步骤可以包括:获得同一色环在全部子图像的色环边缘检测结果中的最大值;根据获得的各个色环对应的最大值合成第一边缘图像。
获得RGB三个通道的X方向的边缘子图像后,我们取对应位置的最大值,作为合成的边缘图像G,如式(2)所示。
G(x,y)=max(GR(x,y),GG(x,y),GB(x,y)) (2)
合成后的边缘图像G如图7所示。
S1201c、对所述第一边缘图像进行二值化,获得第二边缘图像;
获得了合成后的边缘图像G后,再利用二值化方法对边缘图像G进行二值化,二值化后的边缘图像G如图8所示。
从图8可以看出,在二值化后的边缘图像G左边缘附近(矩形虚线框内)有些不属于色环区域的干扰,而实际情况中色环并不会出现在左右边缘处。因此,在一个实施例中,对所述第一边缘图像进行二值化之后,获得第二边缘图像之前,还包括步骤:将二值化后的所述第一边缘图像中与水平方向的两个边缘距离小于设定范围的点的值设置为0。将二值化后的边缘图像G中水平方向的两个边缘处的值设置为0,以进行干扰过滤,得到二值化图像B。水平方向的两个边缘即为二值化后的边缘图像G左边边缘和右边边缘。设定范围可以根据需要进行设定。
在一个具体实施例中,可以利用Mask将靠近左右边缘处的干扰值去掉。例如,可以设定mask_length=color_length长度的区域全部值为0,其中,mask_length为从二值化后的边缘图像G左边边缘或右边边缘到二值化后的边缘图像G中心的长度。置零后的二值化图像B如图9所示,从图9可以看出,二值化图像B左边缘处不再存在不属于色环区域的干扰。
需要说明的是,如果不进行边缘干扰处理,二值化后的边缘图像G为第二边缘图像,后续对边缘图像G进行Y方向的求和。如果进行边缘干扰处理,则二值化图像B为第二边缘图像,后续对该二值化图像B进行Y方向的求和。
S1201d、对所述第二边缘图像中的点的值在Y方向进行求和,得到第一向量;所述第一向量中的每一个值为每一个横坐标所对应的Y方向求和的值;
在获得了第二边缘图像后,对第二边缘图像中的像素点在Y方向进行求和,得到向量B_X。对第二边缘图像在Y方向进行求和,即对第二边缘图像中每一个横坐标所对应的各个纵坐标进行求和,例如对横坐标1所对应的各个纵坐标进行求和,得到横坐标1所对应的和,对横坐标2所对应的各个纵坐标进行求和,得到横坐标2所对应的和,依次类推,获得第二边缘图像中各个横坐标所对应的纵坐标的和,这些横坐标对应的纵坐标的和组成一个向量B_X。
为了更为准确的确定波峰位置,在一个实施例中,得到第一向量之后,由第一向量确定所述第二边缘图像中的波峰位置之前,还可以包括步骤:将所述第一向量中小于预设阈值的值设置为0。
预设阈值可以根据需要进行设定。例如预设阈值为255*H/2,H为色环电阻的图像的高度,对向量B_X中的每个值按照下式(3)进行判断和处理:
S1201e、由所述第一向量确定所述第二边缘图像中的波峰位置,将波峰位置的X坐标确定为所述色环电阻包含的色环的横坐标;
如果不进行公式(3)的处理步骤,则直接根据Y方向求和得到的第一向量确定波峰位置。如果在第一向量进行了公式(3)的处理,则根据处理后的第一向量确定波峰位置。
在确定波峰位置时,可以将第一向量以直方图显示,色环的横坐标应该在直方图的波峰处,因此将波峰的X坐标作为色环电阻的色环的横坐标(X_color)。如图10所示,为第一向量的直方图的具体实施例的示意图,图10中有四个波峰,对应色环电阻中的四个色环,每一个波峰对应的横坐标即为对应色环的横坐标。
需要说明的是,本发明并不限制于上述确定色环横坐标的方式,本领域技术人员可以在上述方式的基础上增加其他实施方式,例如,增加图像清晰度处理的步骤等,也可以对某些步骤的顺序进行调整或者对某些步骤进行等同替代。
在步骤S1202和步骤S1203中,获得色环的横坐标后,以所述色环的横坐标为中心点沿水平方向各扩展预设长度X_length,确定色环的宽度。水平方向即左右方向,沿水平方向扩展即左右分别进行扩展。
在一个实施例中,以所述色环的横坐标为中心点沿水平方向各扩展预设长度之前,还可以包括步骤:根据预设的色环宽度以及预设的相邻两个色环之间的距离确定所述预设长度。所述预设长度X_length可以根据预设的色环宽度color_length以及预设的相邻两个色环之间的距离distance确定。电路板制版时色环电阻的型号和位置等已经确定,根据确定的色环电阻的型号即可以确定出对应的色环宽度以及相邻色环之间的距离。由于色环电阻的各个色环的宽度近似相等,每相邻两个色环之间的距离近似相等,所以任意选择一个色环的宽度和任意一个相邻色环之间的距离作为预设的色环宽度以及预设的相邻两个色环之间的距离。
在一个具体实施例中,可以根据X_length=color_length/2+distance/3确定色环宽度。获得色环的宽度后,根据色环电阻的图像的高度,即确定出色环的候选区域。
在步骤S130中,获得色环的候选区域后,就可以根据该候选区域得到色环的颜色信息。由于色环的候选区域内部还可能存在着色环电阻的主体颜色,而且色环上的每个像素点的颜色也可能因为噪声有点偏差,因此,为了保证获得的色环颜色值的准确性,在一个实施例中,如图11所示,对所述色环的候选区域进行颜色识别,获得所述色环的颜色值的步骤可以包括:
S1301、对所述色环的候选区域中的点的值在Y方向上求平均,获得第二向量;所述第二向量中的每一个值为每一个横坐标所对应的Y方向求平均的值;
对获得的色环的候选区域ROI_color在Y方向(竖直方向)上求平均,即对色环的候选区域中每一个横坐标所对应的各个纵坐标进行求平均,获得每一个横坐标所对应的颜色的平均值,各个横坐标所对应的颜色的平均值构成向量vector_color。例如,获得一个色环的候选区域后,对该候选区域的横坐标1所对应的各个纵坐标进行求平均,得到横坐标1所对应的颜色的平均值,对该候选区域的横坐标2所对应的各个纵坐标进行求平均,得到横坐标2所对应的颜色的平均值,以此类推,获得该候选区域中各个横坐标所对应的颜色的平均值,即获得该色环的向量。
S1302、将所述第二向量中的每一个值分别与预设的颜色值进行比较,将差值最小时的预设的颜色值确定为所述第二向量中对应值的颜色值;
分别将向量vector_color中的每个值与预设的各个颜色值进行比较,将颜色值差别最小的颜色作为该向量对应位置的颜色。例如,如表1所示,色环电阻一般有12种颜色,将向量vector_color中的第一个值与表1中的各个颜色值分别进行比较,找到表1中的颜色值与第一个值相差最小的颜色值,那么找到的表1中的颜色值即为向量中第一个值的颜色值,依次类推,找到向量中每一个值的颜色值。
表1色环电阻中色环颜色的HSV(Hue,Saturation,Value)值
颜色 | HSV值 | 颜色 | HSV值 |
Black | (0,0,0) | Green | (120,100,50) |
Brown | (0,75,65) | Blue | (240,100,100) |
Red | (0,100,100) | Purple | (300,100,50) |
Orange | (39,100,100) | Gray | (0,0,50) |
Yellow | (60,100,100) | White | (0,0,100) |
Golden | (51,100,100) | Silver | (0,0,75) |
S1303、筛选出所述第二向量中出现次数最多且不为所述色环电阻的主体颜色的颜色值,将筛选出的颜色值作为所述色环的颜色值,所述主体颜色为除色环颜色之外的色环电阻表面的颜色;
统计向量vector_color上每个值的颜色值,排除掉色环电阻主体颜色值后,取vector_color上颜色值统计次数最多的颜色作为色环的颜色。色环电阻的主体颜色即为色环电阻表面所印刷的颜色,在电路板制版时即可以确定出所采用的色环电阻的型号、颜色等等。
在步骤S140中,色环电阻的错件检测是指判断色环电阻的阻值是否是规定的大小,如果不是目标的阻值大小,那么即可认为是错件。色环电阻的反件检测是指判断色环电阻的色环顺序是否与规定的顺序相反,如果相反,那么即可认为是反件。所以,在一个实施例中,根据所述色环的颜色值对所述色环电阻进行检测的步骤可以包括:
若所述色环电阻中各个色环的颜色值的顺序与预设的各个色环的颜色值的顺序相同,确定所述色环电阻为正常件;
若所述色环电阻中各个色环的颜色值的顺序与预设的各个色环的颜色值的顺序相反,确定所述色环电阻为反件;
若所述色环电阻中各个色环的颜色值的顺序与预设的各个色环的颜色值的顺序不相同且不相反,确定所述色环电阻为错件。
例如,待检测色环电阻包含四个色环,根据上述步骤确定出该色环电阻四个色环从左到右的颜色是color=[color1,color2,color3,color4]。规定的颜色值为:set_color=[set_color1,set_color2,set_color3,set_color4]。如果color1=set_color1,color2=set_color2,color3=set_color3,color4=set_color4,则待检测色环电阻为正常件。如果color1=set_color4,color2=set_color3,color3=set_color2,color4=set_color1,则待检测色环电阻为反件。如果待检测色环电阻不满足上述正常件和反件的判断条件,则确定为错件。
对电路板中待检测色环电阻检测后,可以根据检测的结果将疑似缺陷的色环电阻显示或标记出来,方便用户查看与检修。
基于同一发明构思,本发明还提供一种色环电阻的检测装置,下面结合附图对本发明装置的具体实施方式做详细描述。
如图12所示,一种色环电阻的检测装置,包括:
色环电阻图像提取模块110,用于获取待检测的电路板的图像,从所述电路板的图像中提取色环电阻的图像;
色环候选区域确定模块120,用于根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域;
色环颜色值获得模块130,用于对所述色环的候选区域进行颜色识别,获得所述色环的颜色值;
色环电阻检测模块140,用于根据所述色环的颜色值对所述色环电阻进行检测。
本实施例装置可以运行在自动光学检测系统中,则在对色环电阻进行检测时,不再需要借助于额外的色环电阻识别辅助设备,也不需要额外安排工人进行检测,有效的节省了硬件成本和人工成本,提高了色环电阻的检测速度。为了更好地理解本发明,下面对各个模块的功能做详细描述。
色环电阻图像提取模块110从待检测电路板的图像中提取色环电阻的图像有多种实现方式。考虑计算量的大小以及实际生产的电路板与电路板制版时设计的电路板的偏差,在一个实施例中,所述色环电阻图像提取模块110可以包括:
初步位置获得单元1101,用于根据所述电路板制版时设定的色环电阻在所述电路板中的位置,获得所述电路板的图像中所述色环电阻的初步位置;
色环电阻候选区域获得单元1102,用于将所述色环电阻的初步位置向外各扩展预设像素,获得所述色环电阻的候选区域;
色环电阻图像提取单元1103,用于根据所述电路板制版时所述色环电阻的图像,对所述色环电阻的候选区域进行图像匹配,获得所述色环电阻的候选区域中所述色环电阻的图像。
获得色环电阻的主体区域后,还需要进行色环电阻的色环区域定位。在一个实施例中,如图13所示,所述色环候选区域确定模块120可以包括:
色环横坐标确定单元1201,用于根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标;
色环宽度确定单元1202,用于以所述色环的横坐标为中心点沿水平方向各扩展预设长度,获得所述色环的宽度;
所述预设长度X_length可以根据预设的色环宽度color_length以及预设的相邻两个色环之间的距离distance确定。
色环候选区域确定单元1203,用于根据所述色环的宽度以及所述色环电阻的图像的高度,获得所述色环电阻包含的色环的候选区域。
在一个实施例中,如图14所示,所述色环横坐标确定单元1201可以包括:
子图像获得子单元1201a,用于将所述色环电阻的图像按照RGB颜色模式转换为各个颜色通道对应的子图像;
第一边缘图像获得子单元1201b,用于对各个子图像分别进行X方向的色环边缘检测,根据全部子图像的色环边缘检测结果合成第一边缘图像;
第二边缘图像获得子单元1201c,用于对所述第一边缘图像进行二值化,获得第二边缘图像;
第一向量获得子单元1201d,用于对所述第二边缘图像中的点的值在Y方向进行求和,得到第一向量;所述第一向量中的每一个值为每一个横坐标所对应的Y方向求和的值;
横坐标确定子单元1201e,用于由所述第一向量确定所述第二边缘图像中的波峰位置,将波峰位置的X坐标确定为所述色环电阻包含的色环的横坐标。
需要说明的是,色环横坐标确定单元1201并不限制于上述子单元,本领域技术人员可以在上述色环横坐标确定单元1201的基础上增加其他子单元,例如,增加图像清晰度处理子单元等,也可以对某些子单元进行等同替代。
色环候选区域确定模块120获得色环的候选区域后,色环颜色值获得模块130就可以根据该候选区域得到色环的颜色信息。由于色环的候选区域内部还可能存在着色环电阻的主体颜色,而且色环上的每个像素点的颜色也可能因为噪声有点偏差,因此,为了保证获得的色环颜色值的准确性,在一个实施例中,如图15所示,所述色环颜色值获得模块130可以包括:
第二向量获得单元1301,用于对所述色环的候选区域中的点的值在Y方向上求平均,获得第二向量;所述第二向量中的每一个值为每一个横坐标所对应的Y方向求平均的值;
颜色值比较单元1302,用于将所述第二向量中的每一个值分别与预设的颜色值进行比较,将差值最小时的预设的颜色值确定为所述第二向量中对应值的颜色值;
色环颜色值确定单元1303,用于筛选出所述第二向量中出现次数最多且不为所述色环电阻的主体颜色的颜色值,将筛选出的颜色值作为所述色环的颜色值,所述主体颜色为除色环颜色之外的色环电阻表面的颜色。
本发明色环电阻的检测装置的其它技术特征与本发明色环电阻的检测方法的技术特征相同,在此不予赘述。
本发明还提供一种自动光学检测系统,所述自动光学检测系统包括上述任意一个实施例所述的色环电阻的检测装置。
上述色环电阻的检测方法、装置和自动光学检测系统,自动扫描电路板获取图像,然后提取色环电阻的图像,并通过图像处理技术,进一步准确提取出色环电阻包含的色环的颜色值,从而根据各个色环的颜色值判断色环电阻是否存在错、反等缺陷,实现了色环电阻的自动检测,不再需要借助于额外的色环电阻识别辅助设备,也不需要额外安排工人进行检测,有效的节省了硬件成本和人工成本。另外,由于不再需要人工对色环电阻进行检测,所以色环电阻检测的速度不再受限于工人的熟练程度,大大提高了色环电阻的检测速度。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种色环电阻的检测方法,其特征在于,包括步骤:
获取待检测的电路板的图像,从所述电路板的图像中提取色环电阻的图像;
根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域;
对所述色环的候选区域进行颜色识别,获得所述色环的颜色值;
根据所述色环的颜色值对所述色环电阻进行检测;
根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域的步骤包括:
根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标;
根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标的步骤包括:
将所述色环电阻的图像按照RGB颜色模式转换为各个颜色通道对应的子图像;
对各个子图像分别进行X方向的色环边缘检测,根据全部子图像的色环边缘检测结果合成第一边缘图像;
对所述第一边缘图像进行二值化,获得第二边缘图像;
对所述第二边缘图像中的点的值在Y方向进行求和,得到第一向量;所述第一向量中的每一个值为每一个横坐标所对应的Y方向求和的值;
由所述第一向量确定所述第二边缘图像中的波峰位置,将波峰位置的X坐标确定为所述色环电阻包含的色环的横坐标。
2.根据权利要求1所述的色环电阻的检测方法,其特征在于,根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域的步骤还包括:
以所述色环的横坐标为中心点沿水平方向各扩展预设长度,获得所述色环的宽度;
根据所述色环的宽度以及所述色环电阻的图像的高度,获得所述色环电阻包含的色环的候选区域。
3.根据权利要求2所述的色环电阻的检测方法,其特征在于,以所述色环的横坐标为中心点沿水平方向各扩展预设长度之前,还包括步骤:
根据预设的色环宽度以及预设的相邻两个色环之间的距离确定所述预设长度。
4.根据权利要求1所述的色环电阻的检测方法,其特征在于,
根据全部子图像的色环边缘检测结果合成第一边缘图像的步骤包括:获得同一色环在全部子图像的色环边缘检测结果中的最大值;根据获得的各个色环对应的最大值合成第一边缘图像;
对所述第一边缘图像进行二值化之后,获得第二边缘图像之前,还包括步骤:将二值化后的所述第一边缘图像中与水平方向的两个边缘距离小于设定范围的点的值设置为0;
得到第一向量之后,由第一向量确定所述第二边缘图像中的波峰位置之前,还包括步骤:将所述第一向量中小于预设阈值的值设置为0;
所述水平方向的两个边缘为二值化后的边缘图像的左边边缘和右边边缘。
5.根据权利要求1所述的色环电阻的检测方法,其特征在于,对所述色环的候选区域进行颜色识别,获得所述色环的颜色值的步骤包括:
对所述色环的候选区域中的点的值在Y方向上求平均,获得第二向量;所述第二向量中的每一个值为每一个横坐标所对应的Y方向求平均的值;
将所述第二向量中的每一个值分别与预设的颜色值进行比较,将差值最小时的预设的颜色值确定为所述第二向量中对应值的颜色值;
筛选出所述第二向量中出现次数最多且不为所述色环电阻的主体颜色的颜色值,将筛选出的颜色值作为所述色环的颜色值,所述主体颜色为除色环颜色之外的色环电阻表面的颜色。
6.根据权利要求1至5任意一项所述的色环电阻的检测方法,其特征在于,从所述电路板的图像中提取色环电阻的图像的步骤包括:
根据所述电路板制版时设定的色环电阻在所述电路板中的位置,获得所述电路板的图像中所述色环电阻的初步位置;
将所述色环电阻的初步位置向外扩展预设像素,获得所述色环电阻的候选区域;
根据所述电路板制版时所述色环电阻的图像,对所述色环电阻的候选区域进行图像匹配,获得所述色环电阻的候选区域中所述色环电阻的图像。
7.一种色环电阻的检测装置,其特征在于,包括:
色环电阻图像提取模块,用于获取待检测的电路板的图像,从所述电路板的图像中提取色环电阻的图像;
色环候选区域确定模块,用于根据所述色环电阻的图像确定所述色环电阻包含的色环的候选区域;
色环颜色值获得模块,用于对所述色环的候选区域进行颜色识别,获得所述色环的颜色值;
色环电阻检测模块,用于根据所述色环的颜色值对所述色环电阻进行检测;
所述色环候选区域确定模块包括:
色环横坐标确定单元,用于根据所述色环电阻的图像确定所述色环电阻包含的色环的横坐标;
所述色环横坐标确定单元包括:
子图像获得子单元,用于将所述色环电阻的图像按照RGB颜色模式转换为各个颜色通道对应的子图像;
第一边缘图像获得子单元,用于对各个子图像分别进行X方向的色环边缘检测,根据全部子图像的色环边缘检测结果合成第一边缘图像;
第二边缘图像获得子单元,用于对所述第一边缘图像进行二值化,获得第二边缘图像;
第一向量获得子单元,用于对所述第二边缘图像中的点的值在Y方向进行求和,得到第一向量;所述第一向量中的每一个值为每一个横坐标所对应的Y方向求和的值;
横坐标确定子单元,用于由所述第一向量确定所述第二边缘图像中的波峰位置,将波峰位置的X坐标确定为所述色环电阻包含的色环的横坐标。
8.根据权利要求7所述的色环电阻的检测装置,其特征在于,所述色环候选区域确定模块还包括:
色环宽度确定单元,用于以所述色环的横坐标为中心点沿水平方向各扩展预设长度,获得所述色环的宽度;
色环候选区域确定单元,用于根据所述色环的宽度以及所述色环电阻的图像的高度,获得所述色环电阻包含的色环的候选区域。
9.根据权利要求7至8任意一项所述的色环电阻的检测装置,其特征在于,所述色环颜色值获得模块包括:
第二向量获得单元,用于对所述色环的候选区域中的点的值在Y方向上求平均,获得第二向量;所述第二向量中的每一个值为每一个横坐标所对应的Y方向求平均的值;
颜色值比较单元,用于将所述第二向量中的每一个值分别与预设的颜色值进行比较,将差值最小时的预设的颜色值确定为所述第二向量中对应值的颜色值;
色环颜色值确定单元,用于筛选出所述第二向量中出现次数最多且不为所述色环电阻的主体颜色的颜色值,将筛选出的颜色值作为所述色环的颜色值,所述主体颜色为除色环颜色之外的色环电阻表面的颜色。
10.一种自动光学检测系统,其特征在于,包括权利要求7至9任意一项所述的色环电阻的检测装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900096.6A CN106529572B (zh) | 2016-10-14 | 2016-10-14 | 色环电阻的检测方法、装置和自动光学检测系统 |
PCT/CN2016/113145 WO2018068414A1 (zh) | 2016-10-14 | 2016-12-29 | 色环电阻的检测方法、装置和自动光学检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610900096.6A CN106529572B (zh) | 2016-10-14 | 2016-10-14 | 色环电阻的检测方法、装置和自动光学检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106529572A CN106529572A (zh) | 2017-03-22 |
CN106529572B true CN106529572B (zh) | 2019-07-09 |
Family
ID=58331860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610900096.6A Active CN106529572B (zh) | 2016-10-14 | 2016-10-14 | 色环电阻的检测方法、装置和自动光学检测系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106529572B (zh) |
WO (1) | WO2018068414A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118433B (zh) * | 2017-06-22 | 2022-03-29 | 南京理工大学 | 一种色环电阻色码识别方法 |
CN112419245A (zh) * | 2020-11-11 | 2021-02-26 | 广州视琨电子科技有限公司 | 色环电阻检测方法、装置、设备及存储介质 |
CN117351100B (zh) * | 2023-12-04 | 2024-03-22 | 成都数之联科技股份有限公司 | 一种色环电阻颜色提取方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2385379Y (zh) * | 1999-07-16 | 2000-06-28 | 河南英威东风机械制造有限公司 | 色环电阻快速识别器 |
CN103400366A (zh) * | 2013-07-03 | 2013-11-20 | 西安电子科技大学 | 基于条纹结构光的动态场景深度获取方法 |
CN103530606A (zh) * | 2013-09-30 | 2014-01-22 | 中国农业大学 | 一种杂草环境下的农机导航路径提取方法 |
CN105067629A (zh) * | 2015-07-24 | 2015-11-18 | 北京理工大学 | 一种色环电阻外观缺陷和阻值集成检测方法 |
CN105205802A (zh) * | 2015-02-13 | 2015-12-30 | 比亚迪股份有限公司 | 纹线距离的计算方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001068900A (ja) * | 1999-08-30 | 2001-03-16 | Sony Corp | 実装部品検査方法並びに実装部品検査装置及びその照明器具 |
CN102081802A (zh) * | 2011-01-26 | 2011-06-01 | 北京中星微电子有限公司 | 一种基于块匹配的色卡检测方法和装置 |
CN105957065A (zh) * | 2016-04-21 | 2016-09-21 | 广州视源电子科技股份有限公司 | 元件漏检方法和系统 |
-
2016
- 2016-10-14 CN CN201610900096.6A patent/CN106529572B/zh active Active
- 2016-12-29 WO PCT/CN2016/113145 patent/WO2018068414A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2385379Y (zh) * | 1999-07-16 | 2000-06-28 | 河南英威东风机械制造有限公司 | 色环电阻快速识别器 |
CN103400366A (zh) * | 2013-07-03 | 2013-11-20 | 西安电子科技大学 | 基于条纹结构光的动态场景深度获取方法 |
CN103530606A (zh) * | 2013-09-30 | 2014-01-22 | 中国农业大学 | 一种杂草环境下的农机导航路径提取方法 |
CN105205802A (zh) * | 2015-02-13 | 2015-12-30 | 比亚迪股份有限公司 | 纹线距离的计算方法和装置 |
CN105067629A (zh) * | 2015-07-24 | 2015-11-18 | 北京理工大学 | 一种色环电阻外观缺陷和阻值集成检测方法 |
Non-Patent Citations (4)
Title |
---|
Advance Resistor Value Calculator with MATLAB;Heera Lal Bhadrecha, Praveen Kumar Sharma;《Engineering And Computer Science》;20150101;第4卷(第1期);第9899-9901页 |
一种基于结构光视觉的焊缝跟踪特征提取方法;龚烨飞 等;《电焊机》;20090430;第39卷(第4期);第51-55页 |
基于机器视觉的色标判读系统;朱光 等;《现代显示》;20100331(第109期);第52页第第2节第1-2段 |
基于机器视觉的色环电阻阻值测量;徐红霞 等;《中国科技信息》;20091231(第24期);第133-134页 |
Also Published As
Publication number | Publication date |
---|---|
CN106529572A (zh) | 2017-03-22 |
WO2018068414A1 (zh) | 2018-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945184B (zh) | 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法 | |
CN105453153B (zh) | 交通灯检测 | |
CN105067638A (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN106770362A (zh) | 基于aoi的宏观缺陷检测装置及方法 | |
CN110322522B (zh) | 一种基于目标识别区域截取的车辆颜色识别方法 | |
CN105976354B (zh) | 基于颜色和梯度的元件定位方法和系统 | |
CN106529572B (zh) | 色环电阻的检测方法、装置和自动光学检测系统 | |
CN108288264B (zh) | 一种广角摄像头模组脏污测试方法 | |
CN103345755A (zh) | 一种基于Harris算子的棋盘格角点亚像素提取方法 | |
CN109886960A (zh) | 基于机器视觉的玻璃边缘缺陷检测的方法 | |
CN109523524A (zh) | 一种基于集成学习的眼底图像硬性渗出检测方法 | |
CN108537787B (zh) | 一种人脸图像的质量判定方法 | |
CN103035013A (zh) | 一种基于多特征融合的精确运动阴影检测方法 | |
WO2018010386A1 (zh) | 元件反件检测方法和系统 | |
CN104217440B (zh) | 一种从遥感图像中提取建成区的方法 | |
CN115294116B (zh) | 基于人工智能的纺织材料染色质量评估方法、装置及系统 | |
CN107525768A (zh) | 一种dna倍体分析设备的质量控制方法 | |
CN110910394B (zh) | 影像模组的解像力测量方法 | |
CN110414521A (zh) | 一种变电站内变压器油位计示数识别方法 | |
CN105957065A (zh) | 元件漏检方法和系统 | |
CN104252710A (zh) | 基于动态阈值的Susan算子彩色图像边缘检测方法 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN105389818B (zh) | 元件的定位方法和系统 | |
CN105957067A (zh) | 一种基于颜色差分的彩色图像边缘检测方法 | |
CN116245793A (zh) | 基于视觉的色环电阻阻值检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |