CN107367514A - 一种基于机器视觉的pos机缺陷检测方法 - Google Patents
一种基于机器视觉的pos机缺陷检测方法 Download PDFInfo
- Publication number
- CN107367514A CN107367514A CN201710748983.0A CN201710748983A CN107367514A CN 107367514 A CN107367514 A CN 107367514A CN 201710748983 A CN201710748983 A CN 201710748983A CN 107367514 A CN107367514 A CN 107367514A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- msub
- mtr
- pos
- 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
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
- G01N21/84—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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- 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)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明涉及一种基于机器视觉的POS机缺陷检测方法，包括以下步骤:S1、待检测POS机定位，使待检测POS机的显示屏区域以及按键区域分别进入各自所对应相机的视野；S2、步骤S1所述对应的相机分别采集待检测POS机显示屏区域以及按键区域的图像；S3、对采集到的待检测POS机显示屏区域以及按键区域的图像进行灰度化处理；S4、对待检测POS机的显示屏区域进行缺陷检测；S5、对待检测POS机的按键区域进行缺陷检测。本发明通过机器视觉代替人工检测，同时解决POS机显示屏和按键字符的检测，成倍提高了检测效率，解放劳动力，并且使检测精度得到保证。
Description
技术领域
本发明涉及视觉检测的技术领域，尤其涉及到一种基于机器视觉的POS机缺陷检测方法。
背景技术
随着社会的发展，POS机的使用越来越普及。与此同时，客户对POS机的性能与质量要求也越来越高。
目前大部分POS机生产企业对表面缺陷的检测大都是采用人工目测法来实现，此种人工目测法不仅会影响生产速度，而且人眼长时间工作容易疲劳，易出现漏检现象，产品的质量难以得到保证。
如何高精度、高效在线检测POS机的缺陷，成为POS机生产厂家亟待解决的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种检测精度高、效率高、解放劳动力的基于机器视觉的POS机缺陷检测方法。
为实现上述目的，本发明所提供的技术方案为：包括以下步骤：
S1、待检测POS机定位，使待检测POS机的显示屏区域以及按键区域分别进入各自所对应相机的视野；
S2、步骤S1所述对应的相机分别采集待检测POS机显示屏区域以及按键区域的图像；
S3、对采集到的待检测POS机显示屏区域以及按键区域的图像进行灰度化处理；
S4、对待检测POS机的显示屏区域进行缺陷检测；
S5、对待检测POS机的按键区域进行缺陷检测。
进一步地，步骤S2中，由于红外光波长，穿透力强，且在低角度环形光下划痕和背景对比度高，因此采集待检测POS机显示屏区域图像时使用红色环形低角度光源成像；而采集待检测POS机按键区域图像时使用白色条形光高角度照射，使得到均匀图像。
进一步地，步骤S4具体步骤如下：
S4-1、将显示屏区域转成频域图像，并将其与正弦带通滤波器作卷积运算，运算后的图像恢复到空间域处理；
S4-2、对间域图像分别定义两个二维变换矩阵，并对其作仿射变换；
S4-3、将两个经过仿射变换的图像作差，提取缺陷特征；
S4-4、由缺陷部分与背景图像的灰度差异性，分割缺陷部分。
进一步地，上述步骤S4-1具体步骤如下：
S4-1-1、频域转换
公式为：
其中，h(r,c)表示一幅图像，(r,c)和(k,l)表示像素点坐标，h表示图像的高，w表示图像的宽，频率(u,v)表示图像中每个像素的周期数；
S4-1-2、卷积运算
计算公式为：
其中，f表示图像函数，h表示正弦带通滤波器；(r,c)表示像素点坐标，(u,v)为频率，表示图像中每个像素的周期数；
S4-1-3、空间域转换
计算公式为：
进一步地，步骤S4-2对间域图像分别定义两个二维变换矩阵，并对其作仿射变换，公式如下：
其中，R1和R2表示两个经过仿射变换后的图像矩阵，(x1，y1)和(x2，y2)表示图像上一点坐标，α和β表示旋转角度。
进一步地，步骤S5具体步骤如下：
S5-1、局部阈值，分割出所有按键区域；
S5-2、对分割出的按键进行分类，将数字按键归为A类，汉字按键归为B类，特殊符号按键归为C类；
S5-3、分别对A、B、C类按键进行缺陷检测。
其中，步骤S5-3中检测A类数字按键的具体步骤如下：
A-1、选出A类按键并对其局部阈值，分割出按键表面OCR字符；
A-2、对分割出的OCR字符排序；
A-3、OCR字符识别，判断POS机A类按键是否有漏印和错印。
步骤S5-3中检测B类汉字按键的具体步骤如下：
B-1、选出B类按键并对其局部阈值，分割出按键表面汉字；
B-2、对分割出的汉字排序；
B-3、建立POS机良品按键表面汉字标准形状模板；
B-4、采用形状模版匹配，检测待测POS机汉字按键，由匹配得分判断POS机B类汉字按键是否有漏印和错印，具体为：
计算待测图像与模板图像的边缘像素点之间的相似度量S：
表示目标像素点的方向向量，i＝1，2，3…n，(r,c)表示像素点坐标，表示点(r，c)的方向向量，p表示模板上一点，q表示待测图像上一点；
当相似度量S＝1时，说明模板图像与待测图像匹配，即按键字符无缺陷；
当相似度量S≠1时，说明模板图像与待测图像不匹配，即按键字符有缺陷。
步骤S5-3中检测C类特殊按键包括如下步骤：
C-1、选出C类按键并对其局部阈值，分割出按键表面特殊符号；
C-2、对分割出的特殊符号排序；
C-3、建立POS机良品按键表面特殊符号标准形状模板；
C-4、将标准形状模板与待测按键图像作差，判断POS机C类按键是否有漏印和错印，具体步骤如下：
C-4-1、将标准形状模板S0和待测按键图像S1作差，得到差异区域Sd公式为：
Sd＝S0-S1
C-4-2、对差异部分提取连通域；
C-4-3、选择连通域；在提取的连通域中选择面积大于20个像素的连通域，即为待测POS机特殊符号按键的缺陷部位。
与现有技术相比，本方案优点如下：
通过机器视觉代替人工检测，同时解决POS机显示屏和按键字符的检测，成倍提高了检测效率，解放劳动力，并且使检测精度得到保证。
附图说明
图1为本发明一种基于机器视觉的POS机缺陷检测方法的流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
参见附图1所示，本实施例所述的一种基于机器视觉的POS机缺陷检测方法，包括以下步骤：
S1、待检测POS机定位，使待检测POS机的显示屏区域以及按键区域分别进入各自所对应相机的视野；
S2、步骤S1所述对应的相机分别采集待检测POS机显示屏区域以及按键区域的图像；采集待检测POS机显示屏区域图像时使用红色环形低角度光源成像；采集待检测POS机按键区域图像时使用白色条形光高角度照射。
S3、对采集到的待检测POS机显示屏区域以及按键区域的图像进行灰度化处理；
S4、对待检测POS机的显示屏区域进行缺陷检测，具体步骤为：
S4-1、将显示屏区域转成频域图像，频域转换公式为：
其中，h(r,c)表示一幅图像，(r,c)和(k,l)表示像素点坐标，h表示图像的高，w表示图像的宽，频率(u,v)表示图像中每个像素的周期数；
频域转换后，将其与正弦带通滤波器作卷积运算，计算公式为：
其中，f表示图像函数，h表示正弦带通滤波器；(r,c)表示像素点坐标，(u,v)为频率，表示图像中每个像素的周期数；
运算后的图像恢复到空间域处理，公式为：
S4-2、对间域图像分别定义两个二维变换矩阵，并对其作仿射变换，公式如下：
其中，R1和R2表示两个经过仿射变换后的图像矩阵，(x1，y1)和(x2，y2)表示图像上一点坐标，α和β表示旋转角度。
S4-3、将两个经过仿射变换的图像作差，提取缺陷特征；
subimage＝R1-R2
S4-4、由缺陷部分与背景图像的灰度差异性，分割缺陷部分。
S5、对待检测POS机的按键区域进行缺陷检测，具体步骤为：
S5-1、局部阈值，分割出所有按键区域：
先求取POS机按键区域每个像素点15x15窗口领域的平均值q(x,y)；然后获取POS机按键区域中局部较暗的区域t1,公式为：
t1＝{(x,y)|p(x,y)-q(x,y)＜-m}
其中，p(x,y)为当前像素的灰度值，m为设定阈值；
S5-2、对分割出的按键进行分类，将数字按键归为A类，汉字按键归为B类，特殊符号按键归为C类；
S5-3、分别对A、B、C类按键进行缺陷检测；
检测A类数字按键时，步骤为：
A-1、选出A类按键并对其局部阈值，分割出按键表面OCR字符；
A-2、对分割出的OCR字符排序；
A-3、OCR字符识别，判断POS机A类按键是否有漏印和错印。
检测B类汉字按键时，步骤为：
B-1、选出B类按键并对其局部阈值，分割出按键表面汉字；
B-2、对分割出的汉字排序；
B-3、建立POS机良品按键表面汉字标准形状模板；
B-4、采用形状模版匹配，检测待测POS机汉字按键，由匹配得分判断POS机B类汉字按键是否有漏印和错印，具体为：
计算待测图像与模板图像的边缘像素点之间的相似度量S：
表示目标像素点的方向向量，i＝1，2，3…n，(r,c)表示像素点坐标，表示点(r，c)的方向向量，p表示模板上一点，q表示待测图像上一点；
当相似度量S＝1时，说明模板图像与待测图像匹配，即按键字符无缺陷；
当相似度量S≠1时，说明模板图像与待测图像不匹配，即按键字符有缺陷。
检测C类特殊按键时，具体为：
C-1、选出C类按键并对其局部阈值，分割出按键表面特殊符号；
C-2、对分割出的特殊符号排序；
C-3、建立POS机良品按键表面特殊符号标准形状模板；
C-4、将标准形状模板与待测按键图像作差，判断POS机C类按键是否有漏印和错印，具体步骤如下：
C-4-1、将标准形状模板S0和待测按键图像S1作差，得到差异区域Sd公式为：
Sd＝S0-S1
C-4-2、对差异部分提取连通域；
C-4-3、选择连通域；在提取的连通域中选择面积大于20个像素的连通域，即为待测POS机特殊符号按键的缺陷部位。
本实施例通过机器视觉代替人工检测，同时解决POS机显示屏和按键字符的检测，成倍提高了检测效率，解放劳动力，并且使检测精度得到保证。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。
Claims (10)
1.一种基于机器视觉的POS机缺陷检测方法，其特征在于：包括以下步骤：
S1、待检测POS机定位，使待检测POS机的显示屏区域以及按键区域分别进入各自所对应相机的视野；
S2、步骤S1所述对应的相机分别采集待检测POS机显示屏区域以及按键区域的图像；
S3、对采集到的待检测POS机显示屏区域以及按键区域的图像进行灰度化处理；
S4、对待检测POS机的显示屏区域进行缺陷检测；
S5、对待检测POS机的按键区域进行缺陷检测。
2.根据权利要求1所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S2中，采集待检测POS机显示屏区域图像时使用红色环形低角度光源成像；采集待检测POS机按键区域图像时使用白色条形光高角度照射。
3.根据权利要求1所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S4具体步骤如下：
S4-1、将显示屏区域转成频域图像，并将其与正弦带通滤波器作卷积运算，运算后的图像恢复到空间域处理；
S4-2、对间域图像分别定义两个二维变换矩阵，并对其作仿射变换；
S4-3、将两个经过仿射变换的图像作差，提取缺陷特征；
S4-4、由缺陷部分与背景图像的灰度差异性，分割缺陷部分。
4.根据权利要求3所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S4-1具体步骤如下：
S4-1-1、频域转换
公式为：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<mi>H</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>l</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>h</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>c</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>w</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>h</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>k</mi>
</msub>
<mi>r</mi>
<mo>+</mo>
<msub>
<mi>v</mi>
<mn>1</mn>
</msub>
<mi>c</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>h</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>c</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>w</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>h</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>r</mi>
<mo>/</mo>
<mi>h</mi>
<mo>+</mo>
<mn>1</mn>
<mi>c</mi>
<mo>/</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>=</mo>
<mi>H</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>k</mi>
</msub>
<mo>,</mo>
<msub>
<mi>v</mi>
<mi>l</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>h</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>c</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>w</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>h</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>k</mi>
</msub>
<mi>r</mi>
<mo>+</mo>
<msub>
<mi>v</mi>
<mn>1</mn>
</msub>
<mi>c</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>h</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>c</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>w</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>h</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>r</mi>
<mo>/</mo>
<mi>h</mi>
<mo>+</mo>
<mn>1</mn>
<mi>c</mi>
<mo>/</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，h(r,c)表示一幅图像，(r,c)和(k,l)表示像素点坐标，h表示图像的高，w表示图像的宽，频率(u,v)表示图像中每个像素的周期数；
S4-1-2、卷积运算
计算公式为：
<mrow>
<mi>f</mi>
<mo>*</mo>
<mi>h</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>*</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>,</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</munderover>
<munderover>
<mo>&Integral;</mo>
<mrow>
<mo>-</mo>
<mi>&infin;</mi>
</mrow>
<mrow>
<mo>+</mo>
<mi>&infin;</mi>
</mrow>
</munderover>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>-</mo>
<mi>u</mi>
<mo>,</mo>
<mi>c</mi>
<mo>-</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>u</mi>
<mi>d</mi>
<mi>v</mi>
</mrow>
其中，f表示图像函数，h表示正弦带通滤波器；(r,c)表示像素点坐标，(u,v)为频率，表示图像中每个像素的周期数；
S4-1-3、空间域转换
公式为：
<mrow>
<msub>
<mi>h</mi>
<mrow>
<mi>r</mi>
<mo>,</mo>
<mi>c</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>w</mi>
<mi>h</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>h</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>w</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>H</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mi>r</mi>
<mo>/</mo>
<mi>h</mi>
<mo>+</mo>
<mi>l</mi>
<mi>c</mi>
<mo>/</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
</mrow>
</msup>
<mo>.</mo>
</mrow>
5.根据权利要求3所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S4-2对间域图像分别定义两个二维变换矩阵，并对其作仿射变换，公式如下：
<mrow>
<msub>
<mi>R</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&alpha;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&alpha;</mi>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>sin</mi>
<mi>&alpha;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>cos</mi>
<mi>&alpha;</mi>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<msub>
<mi>R</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&beta;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&alpha;</mi>
</mrow>
</mtd>
<mtd>
<mi>&beta;</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&beta;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&beta;</mi>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，R1和R2表示两个经过仿射变换后的图像矩阵，(x1，y1)和(x2，y2)表示图像上一点坐标，α和β表示旋转角度。
6.根据权利要求1所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S5具体步骤如下：
S5-1、局部阈值，分割出所有按键区域；
S5-2、对分割出的按键进行分类，将数字按键归为A类，汉字按键归为B类，特殊符号按键归为C类；
S5-3、分别对A、B、C类按键进行缺陷检测。
7.根据权利要求6所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S5-3中检测A类数字按键的具体步骤如下：
A-1、选出A类按键并对其局部阈值，分割出按键表面OCR字符；
A-2、对分割出的OCR字符排序；
A-3、OCR字符识别，判断POS机A类按键是否有漏印和错印。
8.根据权利要求6所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S5-3中检测B类汉字按键的具体步骤如下：
B-1、选出B类按键并对其局部阈值，分割出按键表面汉字；
B-2、对分割出的汉字排序；
B-3、建立POS机良品按键表面汉字标准形状模板；
B-4、采用形状模版匹配，检测待测POS机汉字按键，由匹配得分判断POS机B类汉字按键是否有漏印和错印。
9.根据权利要求8所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤B-4的具体步骤如下：
计算待测图像与模板图像的边缘像素点之间的相似度量S，计算公式为：
<mrow>
<mi>S</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mfrac>
<mrow>
<msubsup>
<mi>d</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mi>T</mi>
</mrow>
</msubsup>
<msub>
<mi>e</mi>
<mrow>
<mi>q</mi>
<mo>+</mo>
<msup>
<mi>p</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msubsup>
<mi>d</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mi>T</mi>
</mrow>
</msubsup>
<mo>|</mo>
<mo>|</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>e</mi>
<mrow>
<mi>q</mi>
<mo>+</mo>
<msup>
<mi>p</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mfrac>
<mrow>
<msubsup>
<mi>t</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<msub>
<mi>v</mi>
<mrow>
<mi>r</mi>
<mo>+</mo>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>,</mo>
<mi>c</mi>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>u</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<msub>
<mi>w</mi>
<mrow>
<mi>r</mi>
<mo>+</mo>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>,</mo>
<mi>c</mi>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
</msub>
</mrow>
<mrow>
<msqrt>
<mrow>
<msubsup>
<mi>t</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mn>2</mn>
</mrow>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>u</mi>
<mi>i</mi>
<mrow>
<mo>&prime;</mo>
<mn>2</mn>
</mrow>
</msubsup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<msubsup>
<mi>v</mi>
<mrow>
<mi>r</mi>
<mo>+</mo>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>,</mo>
<mi>c</mi>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>w</mi>
<mrow>
<mi>r</mi>
<mo>+</mo>
<msubsup>
<mi>r</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mo>,</mo>
<mi>c</mi>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
2
其中，表示目标像素点的方向向量，i＝1，2，3…n，(r,c)表示像素点坐标，表示点(r，c)的方向向量，p′表示模板上一点，q表示待测图像上一点；
当相似度量S＝1时，说明模板图像与待测图像匹配，即按键字符无缺陷；
当相似度量S≠1时，说明模板图像与待测图像不匹配，即按键字符有缺陷。
10.根据权利要求6所述的一种基于机器视觉的POS机缺陷检测方法，其特征在于：所述步骤S5-3中检测C类特殊按键包括如下步骤：
C-1、选出C类按键并对其局部阈值，分割出按键表面特殊符号；
C-2、对分割出的特殊符号排序；
C-3、建立POS机良品按键表面特殊符号标准形状模板；
C-4、将标准形状模板与待测按键图像作差，判断POS机C类按键是否有漏印和错印，具体步骤如下：
C-4-1、将标准形状模板S0和待测按键图像S1作差，得到差异区域Sd公式为：
Sd＝S0-S1
C-4-2、对差异部分提取连通域；
C-4-3、选择连通域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710748983.0A CN107367514A (zh) | 2017-08-28 | 2017-08-28 | 一种基于机器视觉的pos机缺陷检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710748983.0A CN107367514A (zh) | 2017-08-28 | 2017-08-28 | 一种基于机器视觉的pos机缺陷检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107367514A true CN107367514A (zh) | 2017-11-21 |
Family
ID=60310972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710748983.0A Pending CN107367514A (zh) | 2017-08-28 | 2017-08-28 | 一种基于机器视觉的pos机缺陷检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107367514A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108280825A (zh) * | 2018-01-19 | 2018-07-13 | 东华大学 | 一种液晶显示屏边缘缺口检测方法 |
| CN111929034A (zh) * | 2020-07-16 | 2020-11-13 | 艾体威尔电子技术(北京)有限公司 | 一种基于pos机型号的屏幕缺陷自动化测试方法 |
| CN115082508A (zh) * | 2022-08-18 | 2022-09-20 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1928535A (zh) * | 2006-09-07 | 2007-03-14 | 哈尔滨工业大学 | 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统 |
| CN103196918A (zh) * | 2013-03-22 | 2013-07-10 | 上海理工大学 | 一种汽车空调控制面板的按键装配检测方法 |
| CN103439348A (zh) * | 2013-08-16 | 2013-12-11 | 中国科学院半导体研究所 | 基于差影法的遥控器按键缺陷检测方法 |
| CN106198084A (zh) * | 2016-08-18 | 2016-12-07 | 上海盛付通电子支付服务有限公司 | 一种pos机的智能检测方法及系统 |
| CN106570511A (zh) * | 2016-11-02 | 2017-04-19 | 上海大学 | 基于计算机视觉的键盘字符缺陷在线检测系统和方法 |
| CN106651849A (zh) * | 2016-12-27 | 2017-05-10 | 广东锐视智能检测有限公司 | 基于面阵相机的pcb裸板缺陷检测方法 |
| CN106645209A (zh) * | 2016-12-29 | 2017-05-10 | 百富计算机技术（深圳）有限公司 | 一种按键丝印的检测方法及系统 |
-
2017
- 2017-08-28 CN CN201710748983.0A patent/CN107367514A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1928535A (zh) * | 2006-09-07 | 2007-03-14 | 哈尔滨工业大学 | 一种基于机器视觉的液晶显示器斑痕缺陷检测方法与系统 |
| CN103196918A (zh) * | 2013-03-22 | 2013-07-10 | 上海理工大学 | 一种汽车空调控制面板的按键装配检测方法 |
| CN103439348A (zh) * | 2013-08-16 | 2013-12-11 | 中国科学院半导体研究所 | 基于差影法的遥控器按键缺陷检测方法 |
| CN106198084A (zh) * | 2016-08-18 | 2016-12-07 | 上海盛付通电子支付服务有限公司 | 一种pos机的智能检测方法及系统 |
| CN106570511A (zh) * | 2016-11-02 | 2017-04-19 | 上海大学 | 基于计算机视觉的键盘字符缺陷在线检测系统和方法 |
| CN106651849A (zh) * | 2016-12-27 | 2017-05-10 | 广东锐视智能检测有限公司 | 基于面阵相机的pcb裸板缺陷检测方法 |
| CN106645209A (zh) * | 2016-12-29 | 2017-05-10 | 百富计算机技术（深圳）有限公司 | 一种按键丝印的检测方法及系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108280825A (zh) * | 2018-01-19 | 2018-07-13 | 东华大学 | 一种液晶显示屏边缘缺口检测方法 |
| CN111929034A (zh) * | 2020-07-16 | 2020-11-13 | 艾体威尔电子技术(北京)有限公司 | 一种基于pos机型号的屏幕缺陷自动化测试方法 |
| CN115082508A (zh) * | 2022-08-18 | 2022-09-20 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
| CN115082508B (zh) * | 2022-08-18 | 2022-11-22 | 山东省蓝睿科技开发有限公司 | 一种海洋浮标生产质量检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111650220B (zh) | 一种基于视觉的图文缺陷检测方法 | |
| CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
| Raghunandan et al. | Riesz fractional based model for enhancing license plate detection and recognition | |
| CN104361314B (zh) | 基于红外与可见光图像融合的变电设备定位方法及装置 | |
| CN102879401B (zh) | 基于模式识别和图像处理的纺织品瑕疵自动检测及分类方法 | |
| CN105894036A (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| CN105160654A (zh) | 基于特征点提取的毛巾标签缺陷检测方法 | |
| CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
| CN103258201B (zh) | 一种融合全局和局部信息的表格线提取方法 | |
| CN109409355B (zh) | 一种新型变压器铭牌识别的方法及装置 | |
| CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
| CN108982512A (zh) | 一种基于机器视觉的电路板检测系统及其方法 | |
| CN107729907A (zh) | 一种基于红外热成像系统的故障识别方法 | |
| CN102974551A (zh) | 一种基于机器视觉的多晶硅太阳能检测分选的方法 | |
| CN104680550A (zh) | 一种通过图像特征点的轴承表面瑕疵检测的方法 | |
| CN105424709A (zh) | 一种基于图像标记的水果表面缺陷检测方法 | |
| CN107367514A (zh) | 一种基于机器视觉的pos机缺陷检测方法 | |
| CN110047063B (zh) | 一种物料掉落的检测方法、装置、设备及存储介质 | |
| CN107084992A (zh) | 一种基于机器视觉的胶囊检测方法及系统 | |
| CN105718552A (zh) | 基于服装手绘草图的服装图像检索方法 | |
| CN102074031B (zh) | 一种印刷电路板外观检查机的建标方法 | |
| CN107796826A (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
| CN111861866A (zh) | 一种变电站设备巡检图像全景重建方法 | |
| CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
| CN104866826B (zh) | 一种基于knn和像素比梯度特征的静态手语识别方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171121 |