CN107084991A - 基于机器视觉的石英棒气泡检测及品质分级方法 - Google Patents

基于机器视觉的石英棒气泡检测及品质分级方法 Download PDF

Info

Publication number
CN107084991A
CN107084991A CN201710230130.8A CN201710230130A CN107084991A CN 107084991 A CN107084991 A CN 107084991A CN 201710230130 A CN201710230130 A CN 201710230130A CN 107084991 A CN107084991 A CN 107084991A
Authority
CN
China
Prior art keywords
group
bubble
bianry image
quartz pushrod
label
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
Application number
CN201710230130.8A
Other languages
English (en)
Inventor
撒继铭
施柳
龚洋珉
许佳辉
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN201710230130.8A priority Critical patent/CN107084991A/zh
Publication of CN107084991A publication Critical patent/CN107084991A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8858—Flaw counting
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8874—Taking dimensions of defect into account
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • G01N2201/06113—Coherent sources; lasers

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于机器视觉的石英棒气泡检测及品质分级方法，包括：S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；S2对灰度图像依次进行除噪、阈值分割、二值化，获得二值图像；S3利用基于行程的连通域标记法标记二值图像的连通域，所标记的连通域即气泡；S4从连通域提取气泡特征，根据气泡特征对石英棒品质进行分级。本发明基于图像处理技术检测石英棒中气泡，检测标准统一，抗环境光线干扰能力强，可快速准确地检测出石英棒中气泡。

Description

基于机器视觉的石英棒气泡检测及品质分级方法
技术领域
本发明涉及一种石英棒气泡自动检测方法，尤其涉及一种基于机器视觉的石英棒气泡检测及品质分级方法。
背景技术
目前，石英棒产品的检测方法种类繁多，常用的有人工检测、激光检测、摩尔干涉定律检测，人工检测成本高，误判率高，激光检测易受环境光线影响，摩尔干涉定理检测速度慢，不满足工况下对系统实时性的要求，也限制了石英棒制造业的发展。
发明内容
本发明的目的是提供一种基于机器视觉的石英棒气泡检测及品质分级方法。
为达到上述目的，本发明采用如下技术方案：
一、一种基于机器视觉的石英棒气泡检测方法，包括：
S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；
S2对灰度图像依次进行除噪、阈值分割、二值化，获得二值图像；
S3利用基于行程的连通域标记法标记二值图像的连通域，所标记的连通域即气泡；
本步骤具体为：
3.1第一次扫描，从二值图像的第一行开始，按照从左向右的扫描方向逐行扫描二值图像，从1开始对扫描到的团顺次标号，记录各团的起点位置start、终点位置end以及所在行的行号line；二值图像每一行中连续的白色像素构成一个团，白色像素即值为1的像素；
3.2第二次扫描，从二值图像的第二行开始，按照从左向右的扫描方向逐行扫描二值图像，对扫描到的当前团，判断当前团与前一行的所有团是否存在相邻边，若与前一行的所有团均不存在相邻边，继续扫描；若与前一行的仅一个团存在相邻边，将前一行的相邻团的标号赋值给当前团，将当前团和其相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；若与前一行的一个以上的团存在相邻边，则将前一行的多个相邻团的最小标号赋值给当前团，将当前团和其多个相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；
3.3第二次扫描结束后，遍历各等价对，对各等价，将等价对中所有团的最小标号min赋值给等价对中所有团；根据等价对中每个团的start、end和line，在二值图像中查找相应的团，修改团的标号，二值图像中标号相同的团即一个连通域。
步骤S2中采用均衡型阈值分割法进行阈值分割，具体为:
对灰度图像分别利用最大类间方差阈值选择法和迭代式阈值选择法确定阈值，以所确定的两个阈值的平均值作为最终阈值。
二、一种基于机器视觉的石英棒品质分级方法，包括：
S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；
S2对灰度图像依次进行除噪、阈值分割、二值化，获得二值图像；
S3利用基于行程的连通域标记法标记二值图像的连通域，所标记的连通域即气泡；
本步骤具体为：
3.1第一次扫描，从二值图像的第一行开始，按照从左向右的扫描方向逐行扫描二值图像，从1开始对扫描到的团顺次标号，记录各团的起点位置start、终点位置end以及所在行的行号line；二值图像每一行中连续的白色像素构成一个团，白色像素即值为1的像素；
3.2第二次扫描，从二值图像的第二行开始，按照从左向右的扫描方向逐行扫描二值图像，对扫描到的当前团，判断当前团与前一行的所有团是否存在相邻边，若与前一行的所有团均不存在相邻边，继续扫描；若与前一行的仅一个团存在相邻边，将前一行的相邻团的标号赋值给当前团，将当前团和其相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；若与前一行的一个以上的团存在相邻边，则将前一行的多个相邻团的最小标号赋值给当前团，将当前团和其多个相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；
3.3第二次扫描结束后，遍历各等价对，对各等价，将等价对中所有团的最小标号min赋值给等价对中所有团；根据等价对中每个团的start、end和line，在二值图像中查找相应的团，修改团的标号，二值图像中标号相同的团即一个连通域；
S4从连通域提取气泡特征，根据气泡特征对石英棒品质进行分级；所述的气泡特征包括气泡的位置、面积和数目，其中，气泡的位置即连通域的重心位置，气泡的面积即连通域内像素点数量，气泡的数目即连通域数目。
步骤S2中采用均衡型阈值分割法进行阈值分割，具体为:
对灰度图像分别利用最大类间方差阈值选择法和迭代式阈值选择法确定阈值，以所确定的两个阈值的平均值作为最终阈值。
与现有技术相比，本发明具有以下有益效果：
本发明基于图像处理技术检测石英棒中气泡，检测标准统一，抗环境光线干扰能力强，可快速准确地检测出石英棒中气泡。
附图说明
图1为本发明的具体流程图；
图2为基于行程的连通域标记法的具体流程图；
图3为二值图像中团的示意图。
具体实施方式
下面将结合附图进一步说明本发明的具体实施方式。
步骤1，采集石英棒横截面的灰度图像。
将石英棒浸泡于介质液体中，介质液体与石英棒折射率接近，且粘稠度较低。使石英棒置于暗室，激光光源发射的激光束从一侧照射石英棒，工业相机拍摄石英棒，获得石英棒横截面的灰度图像。
步骤2，对灰度图像依次进行除噪、阈值分割、二值化，获得二值图像。
本步骤中，采用均衡型阈值分割法进行阈值分割，具体为：
对灰度图像分别利用最大类间方差阈值选择法和迭代式阈值选择法确定阈值，以所确定的两个阈值的平均值作为最终阈值。
步骤3，利用基于行程的连通域标记法标记二值图像的连通域，所标记的连通域即气泡。
本步骤具体为：
3.1第一次扫描，从二值图像的第一行开始，按照从左向右的扫描方向，逐行扫描二值图像，将扫描到的团依次标号为1、2、3…，见图3，并记录各团的起点位置start、终点位置end以及所在行的行号line。二值图像每一行中连续的白色像素构成一个团，白色像素即值为1的像素。见图3，虚线方框内像素构成一个团，该图示意了8个团，依次标号为1、2、3、…8。。
3.2第二次扫描，从二值图像的第二行开始，按照从左向右的扫描方向逐行扫描二值图像，对扫描到的当前团，判断当前团与前一行的所有团是否存在相邻边，若与前一行的所有团均不存在相邻边，继续扫描；若与前一行的仅一个团存在相邻边，将该与当前团存在相邻边的团记为前一行的相邻团，将前一行的相邻团的标号赋值给当前团，将当前团和其相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；若与前一行的一个以上的团存在相邻边，则将前一行的多个相邻团的标号的最小值赋值给当前团，后文将标号的最小值记为最小标号，将当前团和其多个相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描。
3.3第二次扫描结束后，遍历各等价对，对各等价对分别执行：将等价对中所有团的最小标号(记为min)赋值给等价对中所有团；然后，根据等价对中每个团的start、end和line，在二值图像中查找相应的团，将团的标号修改为min。二值图像中标号相同的团即一个连通域。
步骤4，提取气泡特征，根据气泡特征对石英棒品质分级。
气泡特征包括气泡的位置、面积和数目，统计二值图像中连通域数目，即气泡数目。连通域内像素点数量即气泡面积。
为便于描述气泡位置，以气泡重心位置代替气泡位置，通过公式(1)和(2)计算连通域的重心坐标
式(1)～(2)中：
D表示连通域的面积；
dσ表示面积微分；
ρ(x,y)表示表示连通域的面密度，当二值图像像素点的值为1时，ρ(x,y)＝1；当二值图像像素点的值为0时，ρ(x,y)＝0；本发明中，ρ(x,y)取1；
(x,y)表示连通域内像素点坐标。

Claims (4)

1.一种基于机器视觉的石英棒气泡检测方法，其特征是，包括：
S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；
S2对灰度图像依次进行除噪、阈值分割、二值化，获得二值图像；
S3利用基于行程的连通域标记法标记二值图像的连通域，所标记的连通域即气泡；
本步骤具体为：
3.1第一次扫描，从二值图像的第一行开始，按照从左向右的扫描方向逐行扫描二值图像，从1开始对扫描到的团顺次标号，记录各团的起点位置start、终点位置end以及所在行的行号line；二值图像每一行中连续的白色像素构成一个团，白色像素即值为1的像素；
3.2第二次扫描，从二值图像的第二行开始，按照从左向右的扫描方向逐行扫描二值图像，对扫描到的当前团，判断当前团与前一行的所有团是否存在相邻边，若与前一行的所有团均不存在相邻边，继续扫描；若与前一行的仅一个团存在相邻边，将前一行的相邻团的标号赋值给当前团，将当前团和其相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；若与前一行的一个以上的团存在相邻边，则将前一行的多个相邻团的最小标号赋值给当前团，将当前团和其多个相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；
3.3第二次扫描结束后，遍历各等价对，对各等价，将等价对中所有团的最小标号min赋值给等价对中所有团；根据等价对中每个团的start、end和line，在二值图像中查找相应的团，修改团的标号，二值图像中标号相同的团即一个连通域。
2.如权利要求1所述的基于机器视觉的石英棒气泡检测方法，其特征是：
步骤S2中采用均衡型阈值分割法进行阈值分割，具体为：
对灰度图像分别利用最大类间方差阈值选择法和迭代式阈值选择法确定阈值，以所确定的两个阈值的平均值作为最终阈值。
3.一种基于机器视觉的石英棒品质分级方法，其特征是，包括：
S1石英棒置于暗室，激光束从一侧照射石英棒，工业相机拍摄石英棒横截面的灰度图像；
S2对灰度图像依次进行除噪、阈值分割、二值化，获得二值图像；
S3利用基于行程的连通域标记法标记二值图像的连通域，所标记的连通域即气泡；
本步骤具体为：
3.1第一次扫描，从二值图像的第一行开始，按照从左向右的扫描方向逐行扫描二值图像，从1开始对扫描到的团顺次标号，记录各团的起点位置start、终点位置end以及所在行的行号line；二值图像每一行中连续的白色像素构成一个团，白色像素即值为1的像素；
3.2第二次扫描，从二值图像的第二行开始，按照从左向右的扫描方向逐行扫描二值图像，对扫描到的当前团，判断当前团与前一行的所有团是否存在相邻边，若与前一行的所有团均不存在相邻边，继续扫描；若与前一行的仅一个团存在相邻边，将前一行的相邻团的标号赋值给当前团，将当前团和其相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；若与前一行的一个以上的团存在相邻边，则将前一行的多个相邻团的最小标号赋值给当前团，将当前团和其多个相邻团的标号、起点位置start、终点位置end以及所在行的行号line写入一等价对，然后，继续扫描；
3.3第二次扫描结束后，遍历各等价对，对各等价，将等价对中所有团的最小标号min赋值给等价对中所有团；根据等价对中每个团的start、end和line，在二值图像中查找相应的团，修改团的标号，二值图像中标号相同的团即一个连通域；
S4从连通域提取气泡特征，根据气泡特征对石英棒品质进行分级；所述的气泡特征包括气泡的位置、面积和数目，其中，气泡的位置即连通域的重心位置，气泡的面积即连通域内像素点数量，气泡的数目即连通域数目。
4.如权利要求3所述的基于机器视觉的石英棒品质分级方法，其特征是：
步骤S2中采用均衡型阈值分割法进行阈值分割，具体为：
对灰度图像分别利用最大类间方差阈值选择法和迭代式阈值选择法确定阈值，以所确定的两个阈值的平均值作为最终阈值。
CN201710230130.8A 2017-04-10 2017-04-10 基于机器视觉的石英棒气泡检测及品质分级方法 Pending CN107084991A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710230130.8A CN107084991A (zh) 2017-04-10 2017-04-10 基于机器视觉的石英棒气泡检测及品质分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710230130.8A CN107084991A (zh) 2017-04-10 2017-04-10 基于机器视觉的石英棒气泡检测及品质分级方法

Publications (1)

Publication Number Publication Date
CN107084991A true CN107084991A (zh) 2017-08-22

Family

ID=59611313

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710230130.8A Pending CN107084991A (zh) 2017-04-10 2017-04-10 基于机器视觉的石英棒气泡检测及品质分级方法

Country Status (1)

Country Link
CN (1) CN107084991A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561087A (zh) * 2017-08-31 2018-01-09 广东工业大学 一种基于机器视觉的鼠标logo定位及缺陷检测方法
CN107767385A (zh) * 2017-08-28 2018-03-06 江苏理工学院 一种基于机器视觉的金刚砂线颗粒计数方法和装置
CN107767361A (zh) * 2017-08-28 2018-03-06 江苏理工学院 一种金刚砂线颗粒计数方法、存储设备及终端设备
CN108154510A (zh) * 2018-01-17 2018-06-12 深圳市亿图视觉自动化技术有限公司 产品表面缺陷检测方法、装置及计算机可读存储介质
CN108548817A (zh) * 2018-03-26 2018-09-18 清华大学 多相浮射流实验发生装置及油滴气泡阴影图像处理方法
CN109029861A (zh) * 2018-07-12 2018-12-18 浙江工业大学 一种基于背景建模与质心聚类的压力容器气密性检测方法
CN109030499A (zh) * 2018-07-27 2018-12-18 江苏理工学院 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
CN109085166A (zh) * 2018-06-14 2018-12-25 天津大学 基于自调节窗口的塑料气泡检测方法
CN109115417A (zh) * 2018-07-12 2019-01-01 浙江工业大学 一种基于连通域判断的压力容器气密性检测方法
CN109115418A (zh) * 2018-07-12 2019-01-01 浙江工业大学 一种基于区域划分的压力容器气密性检测方法
CN109272548A (zh) * 2018-09-28 2019-01-25 北京拓金科技有限公司 一种浮选过程气泡直径的测量方法
CN109584262A (zh) * 2018-12-15 2019-04-05 中国科学院深圳先进技术研究院 基于遥感影像的云检测方法、装置及电子设备
CN109840909A (zh) * 2019-01-18 2019-06-04 西安科技大学 一种坩埚气泡计数装置及计数方法
CN109949308A (zh) * 2019-03-05 2019-06-28 北京空间飞行器总体设计部 一种抗星光干扰的空间相对导航目标快速提取方法
CN110455825A (zh) * 2019-08-27 2019-11-15 无锡领先针测电子有限公司 一种对玻璃上的微粒进行统计的方法
CN112634311A (zh) * 2020-12-28 2021-04-09 中国科学院半导体研究所 一种基于二值图的特征提取的方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101241086A (zh) * 2008-03-03 2008-08-13 中国科学院光电技术研究所 一种基于对玻璃材料的气泡、杂质测量的检测仪
CN202916216U (zh) * 2012-10-25 2013-05-01 淄博中材庞贝捷金晶玻纤有限公司 玻璃气泡数量检测装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101241086A (zh) * 2008-03-03 2008-08-13 中国科学院光电技术研究所 一种基于对玻璃材料的气泡、杂质测量的检测仪
CN202916216U (zh) * 2012-10-25 2013-05-01 淄博中材庞贝捷金晶玻纤有限公司 玻璃气泡数量检测装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
汪清芳: "基于机器视觉的标签缺陷检测系统设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
顾桂鹏等: "规则工件几何尺寸图像测量研究", 《工业控制计算机》 *

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767385A (zh) * 2017-08-28 2018-03-06 江苏理工学院 一种基于机器视觉的金刚砂线颗粒计数方法和装置
CN107767361A (zh) * 2017-08-28 2018-03-06 江苏理工学院 一种金刚砂线颗粒计数方法、存储设备及终端设备
CN107561087A (zh) * 2017-08-31 2018-01-09 广东工业大学 一种基于机器视觉的鼠标logo定位及缺陷检测方法
CN108154510A (zh) * 2018-01-17 2018-06-12 深圳市亿图视觉自动化技术有限公司 产品表面缺陷检测方法、装置及计算机可读存储介质
CN108548817B (zh) * 2018-03-26 2021-08-03 清华大学 多相浮射流实验发生装置及油滴气泡阴影图像处理方法
CN108548817A (zh) * 2018-03-26 2018-09-18 清华大学 多相浮射流实验发生装置及油滴气泡阴影图像处理方法
CN109085166B (zh) * 2018-06-14 2021-09-14 天津大学 基于自调节窗口的塑料气泡检测方法
CN109085166A (zh) * 2018-06-14 2018-12-25 天津大学 基于自调节窗口的塑料气泡检测方法
CN109115418A (zh) * 2018-07-12 2019-01-01 浙江工业大学 一种基于区域划分的压力容器气密性检测方法
CN109115417A (zh) * 2018-07-12 2019-01-01 浙江工业大学 一种基于连通域判断的压力容器气密性检测方法
CN109029861A (zh) * 2018-07-12 2018-12-18 浙江工业大学 一种基于背景建模与质心聚类的压力容器气密性检测方法
CN109030499A (zh) * 2018-07-27 2018-12-18 江苏理工学院 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
CN109030499B (zh) * 2018-07-27 2021-08-24 江苏理工学院 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
CN109272548A (zh) * 2018-09-28 2019-01-25 北京拓金科技有限公司 一种浮选过程气泡直径的测量方法
CN109272548B (zh) * 2018-09-28 2021-09-28 北京拓金科技有限公司 一种浮选过程气泡直径的测量方法
CN109584262A (zh) * 2018-12-15 2019-04-05 中国科学院深圳先进技术研究院 基于遥感影像的云检测方法、装置及电子设备
CN109840909B (zh) * 2019-01-18 2021-05-25 西安科技大学 一种坩埚气泡计数装置及计数方法
CN109840909A (zh) * 2019-01-18 2019-06-04 西安科技大学 一种坩埚气泡计数装置及计数方法
CN109949308A (zh) * 2019-03-05 2019-06-28 北京空间飞行器总体设计部 一种抗星光干扰的空间相对导航目标快速提取方法
CN110455825A (zh) * 2019-08-27 2019-11-15 无锡领先针测电子有限公司 一种对玻璃上的微粒进行统计的方法
CN112634311A (zh) * 2020-12-28 2021-04-09 中国科学院半导体研究所 一种基于二值图的特征提取的方法及装置
CN112634311B (zh) * 2020-12-28 2023-12-05 中国科学院半导体研究所 一种基于二值图的特征提取的方法及装置

Similar Documents

Publication Publication Date Title
CN107084991A (zh) 基于机器视觉的石英棒气泡检测及品质分级方法
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN112598001B (zh) 一种基于多模型融合的船舶水尺读数自动识别方法
CN111582294B (zh) 一种构建用于表面缺陷检测的卷积神经网络模型的方法及其利用
CN107123111B (zh) 一种用于手机屏幕缺陷检测的深度残差网络构造方法
CN104574353B (zh) 基于视觉显著性的表面缺陷判定方法
CN106033535B (zh) 电子阅卷方法
CN116559183B (zh) 一种提高缺陷判定效率的方法及系统
CN101819024B (zh) 一种基于机器视觉的二维位移检测方法
CN112037203A (zh) 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统
CN106251333B (zh) 元件反件检测方法和系统
CN112200776A (zh) 芯片封装缺陷检测方法和检测装置
CN111242899B (zh) 基于图像的瑕疵检测方法及计算机可读存储介质
CN106290392A (zh) 一种小微轴承表面凹痕缺陷在线检测方法及其系统
CN113139572B (zh) 一种基于图像的列车空气弹簧的故障检测方法
CN112750113B (zh) 基于深度学习和直线检测的玻璃瓶缺陷检测方法及装置
CN113487563B (zh) 一种基于el图像的光伏组件隐裂自适应检测方法
CN112819844B (zh) 一种图像边缘检测方法及装置
CN109472257B (zh) 一种字符版面确定方法及装置
CN111415330A (zh) 基于深度学习的铜箔外观缺陷检测方法
CN105023018A (zh) 一种喷码检测方法及系统
CN114577805A (zh) 一种MiniLED背光面板缺陷检测方法及装置
CN114494103A (zh) 缺陷检测方法及检测装置
CN109886936B (zh) 一种低对比度缺陷检测方法和装置
CN111178445A (zh) 图像处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170822