CN108107611A - 一种自适应缺陷检测方法、装置及电子设备 - Google Patents
一种自适应缺陷检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN108107611A CN108107611A CN201611050869.2A CN201611050869A CN108107611A CN 108107611 A CN108107611 A CN 108107611A CN 201611050869 A CN201611050869 A CN 201611050869A CN 108107611 A CN108107611 A CN 108107611A
- Authority
- CN
- China
- Prior art keywords
- image
- gray value
- value
- defects
- adaptive
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 80
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000007689 inspection Methods 0.000 title claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 27
- 239000004973 liquid crystal related substance Substances 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
- G02F1/1306—Details
- G02F1/1309—Repairing; Testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nonlinear Science (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Crystallography & Structural Chemistry (AREA)
- Quality & Reliability (AREA)
- Optics & Photonics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种自适应缺陷检测方法、装置及电子设备。所述方法包括:对校正过的待检测的图像进行同态滤波;将滤波后的图像的灰度值统一化;对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;合并所有图像块的缺陷区域;以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;对所述圆内的缺陷进行分类。本发明能够替代人工检测,实现不同型号的电视液晶模组的自适应缺陷检测。
Description
技术领域
本发明涉及图像检测技术领域,尤其涉及一种自适应缺陷检测方法、装置及电子设备。
背景技术
液晶模组检测是电视生产中需要多次循环检查的工序,电视机型号众多、尺寸不一,导致显示出的图像亮度有一定的差异,对缺陷的检测产生极大的影响。液晶模组缺陷检测过去主要是人工检测,检测效率不高,还常常出现漏检、误检的现象,随着数字图像处理技术在工业领域的发展,基于机器视觉的检测设备越来越受青睐,用于检测视觉缺陷和外观缺陷的基于机器视觉的液晶模组检测设备得到了广泛的应用。
现有的基于机器视觉的液晶模组检测设备通常在配置文件中设定好先验的参数,控制界面通过选择不同的型号直接读取配置文件中相应型号的参数。
在实现本发明的过程中,发明人发现现有技术中至少存在如下技术问题:
现有的检测设备需要产线工人进行操作,如果对控制界面操作不熟练,设置错型号和尺寸会直接导致设备检测的错误。
发明内容
本发明提供的自适应缺陷检测方法、装置及电子设备,能够替代人工检测,实现不同型号的电视液晶模组的自适应缺陷检测,提高了检测效率,避免了人为手动设置型号出错时造成的损失。
第一方面,本发明提供一种自适应缺陷检测方法,包括:
对校正过的待检测的图像进行同态滤波;
将滤波后的图像的灰度值统一化;
对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;
对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;
合并所有图像块的缺陷区域;
以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;
对所述圆内的缺陷进行分类。
可选地,所述将滤波后的图像的灰度值统一化包括:
求取所述滤波后的图像的灰度值;
计算所述滤波后的图像的平均灰度值;
将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像。
可选地,所述对任意一张经过灰度值统一化的图像,进行自适应阈值分割,得到自适应灰度值的图像包括:
将所述固定灰度值的图像分成N×N个图像块;
求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;
将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像,其中,所述N为整数。
可选地,所述对校正过的待检测的图像进行同态滤波包括:在频域对所述图像进行滤波,滤去图像背景的低频成分,强化图像的缺陷部分。
第二方面,本发明提供一种自适应缺陷检测装置,包括:
滤波单元,用于对校正过的待检测的图像进行同态滤波;
第一处理单元,用于将滤波后的图像的灰度值统一化;
第二处理单元,用于对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;
第三处理单元,用于对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;
合并单元,用于合并所有图像块的缺陷区域;
定位单元,用于以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;
分类单元,用于对所述圆内的缺陷进行分类。
可选地,所述第一处理单元包括:
求取模块,用于求取所述滤波后的图像的灰度值;
第一计算模块,用于计算所述滤波后的图像的平均灰度值;
第一赋值模块,用于将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像。
可选地,所述第二处理单元包括:
分块单元模块,用于将所述固定灰度值的图像分成N×N个图像块;
第二计算模块,用于求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;
第二赋值模块,用于将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像,其中,所述N为整数。
可选地,所述滤波单元,用于在频域对所述图像进行滤波,滤去图像背景的低频成分,强化图像的缺陷部分。
第三方面,本发明提供一种电子设备,所述电子设备包括上述自适应缺陷检测装置。
本发明实施例提供的自适应缺陷检测方法、装置及电子设备,通过将滤波后的图像的灰度值进行统一化,从而对图像进行自适应阈值分割,使图像的背景部分和缺陷部分区分开来,再对图像进行自动阈值分割以显示出图像的缺陷区域,定位缺陷区域,检测出缺陷的类型。与现有技术相比,本发明能够替代人工检测,实现不同型号的电视液晶模组的自适应缺陷检测,提高检测效率,降低出错率。
附图说明
图1为本发明一实施例自适应缺陷检测方法的流程图;
图2为本发明一实施例自适应缺陷检测装置的结构示意图;
图3为本发明一实施例第一处理单元的结构示意图;
图4为本发明一实施例第二处理单元的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,都属于本发明保护的范围。
本发明提供一种自适应缺陷检测方法,如图1所示,所述方法包括:
S11、对校正过的待检测的图像进行同态滤波;
S12、将滤波后的图像的灰度值统一化;
S13、对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;
S14、对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;
S15、合并所有图像块的缺陷区域;
S16、以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;
S17、对所述圆内的缺陷进行分类。
具体地,当采用多个相机拍摄画面时,一副画面会被分成多张图像,例如采用4个400w的相机拍摄画面,则一副画面采集出4张图像。如果用一个像素较高的相机进行实现,可以使采集到的图像的前景与后景的对比度增大,从而减少算法的复杂度,并且能提高检测速度。
以采用4个400w的相机拍摄画面为例,一副画面采集出4张图像,如果相机与拍摄画面未对齐,采集到的图像出现倾斜现象,则需要先对图像进行校正,解决图像倾斜的问题。
可选地,对校正过的待检测的图像进行同态滤波包括在频域通过高斯高通滤波器对采集到的图像进行滤波,滤去图像背景的低频成分,使图像背景的亮度均匀化,从而揭示图像的缺陷部分。
可选地,所述将滤波后的图像的灰度值统一化包括:
求取所述滤波后的图像的灰度值;
计算所述滤波后的图像的平均灰度值;
将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像;
此时图像可大致分出背景部分和缺陷部分。
可选地,所述对任意一张经过灰度值统一化的图像,进行自适应阈值分割,得到自适应灰度值的图像包括:
将所述固定灰度值的图像分成N×N个图像块;
求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;
将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像;
此时图像可进一步显示出缺陷的区域。
可选地,对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域包括:将图像分成M×M块,对每一个图像块进行自动阈值分割,从而显示出每个图像块的缺陷区域,所述自动阈值分割可以选择二值化阈值分割算法或者全局阈值分割算法,通过选择一个灰度处于前景和背景之间的阈值,将图像中的前景区域和背景区域区分开来,从而强化图像的缺陷部分。
可选地,所述对所述圆内的缺陷进行分类包括:采用高斯二阶偏导数来提取线缺陷;利用平均曲率算法、各项同性发散算法或者canny边缘算法等将mura部分增强,从而检测出mura缺陷。
其中,mura是指由于显示器亮度不均匀造成各种痕迹的现象,图像经过滤波后,可显示出mura与背景的对比度,但是由于对比度很小,检测出mura需要加强mura与背景的对比度。
本发明实施例提供的自适应缺陷检测方法,通过将滤波后的图像的灰度值进行统一化,从而对图像进行自适应阈值分割,使图像的背景部分和缺陷部分区分开来,再对图像进行自动阈值分割以显示出图像的缺陷区域,定位缺陷区域,检测出缺陷的类型。与现有技术相比,本发明能够替代人工检测,实现不同型号的电视液晶模组的自适应缺陷检测,提高检测效率,降低出错率。
本发明实施例还提供一种自适应缺陷检测装置,如图2所示,所述装置包括:
滤波单元11,用于对校正过的待检测的图像进行同态滤波;
第一处理单元12,用于将滤波后的图像的灰度值统一化;
第二处理单元13,用于对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;
第三处理单元14,用于对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;
合并单元15,用于合并所有图像块的缺陷区域;
定位单元16,用于以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;
分类单元17,用于对所述圆内的缺陷进行分类。
可选地,如图3所示,所述第一处理单元12包括:
求取模块121,用于求取所述滤波后的图像的灰度值;
第一计算模块122,用于计算所述滤波后的图像的平均灰度值;
第一赋值模块123,用于将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像。
可选地,如图4所示,所述第二处理单元13包括:
分块模块131,用于将所述固定灰度值的图像分成N×N个图像块;
第二计算模块132,用于求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;
第二赋值模块133,用于将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像,其中,所述N为整数。
可选地,所述滤波单元11,用于在频域对所述图像进行滤波,滤去图像背景的低频成分,强化图像的缺陷部分。
本发明实施例提供的自适应缺陷检测装置,通过将滤波后的图像的灰度值进行统一化,从而对图像进行自适应阈值分割,使图像的背景部分和缺陷部分区分开来,再对图像进行自动阈值分割以显示出图像的缺陷区域,定位缺陷区域,检测出缺陷的类型。与现有技术相比,本发明能够替代人工检测,实现不同型号的电视液晶模组的自适应缺陷检测,提高检测效率,降低出错率。
本发明实施例还提供一种电子设备,所述电子设备包括上述自适应缺陷检测装置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种自适应缺陷检测方法,其特征在于,包括:
对校正过的待检测的图像进行同态滤波;
将滤波后的图像的灰度值统一化;
对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;
对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;
合并所有图像块的缺陷区域;
以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;
对所述圆内的缺陷进行分类。
2.根据权利要求1所述的方法,其特征在于,所述将滤波后的图像的灰度值统一化包括:
求取所述滤波后的图像的灰度值;
计算所述滤波后的图像的平均灰度值;
将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像。
3.根据权利要求2所述的方法,其特征在于,所述对任意一张经过灰度值统一化的图像,进行自适应阈值分割,得到自适应灰度值的图像包括:
将所述固定灰度值的图像分成N×N个图像块;
求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;
将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像,其中,所述N为整数。
4.根据权利要求1所述的方法,其特征在于,所述对校正过的待检测的图像进行同态滤波包括:在频域对所述图像进行滤波,滤去图像背景的低频成分,强化图像的缺陷部分。
5.一种自适应缺陷检测装置,其特征在于,包括:
滤波单元,用于对校正过的待检测的图像进行同态滤波;
第一处理单元,用于将滤波后的图像的灰度值统一化;
第二处理单元,用于对任意一张经过灰度值统一化的图像进行自适应阈值分割,得到自适应灰度值的图像;
第三处理单元,用于对所述自适应灰度值的图像分块,进行自动阈值分割以显示出每个图像块的缺陷区域;
合并单元,用于合并所有图像块的缺陷区域;
定位单元,用于以合并后的缺陷区域的中心为圆心画出半径为预定数量的像素点的圆;
分类单元,用于对所述圆内的缺陷进行分类。
6.根据权利要求5所述的装置,其特征在于,所述第一处理单元包括:
求取模块,用于求取所述滤波后的图像的灰度值;
第一计算模块,用于计算所述滤波后的图像的平均灰度值;
第一赋值模块,用于将所述滤波后的图像的灰度值都赋值为所述平均灰度值,得到固定灰度值的图像。
7.根据权利要求6所述的装置,其特征在于,所述第二处理单元包括:
分块模块,用于将所述固定灰度值的图像分成N×N个图像块;
第二计算模块,用于求取N×N个图像块的灰度值,得到最大灰度值和最小灰度值,计算所述最大灰度值和最小灰度值的差值;
第二赋值模块,用于将所述N×N个图像块的灰度值都赋值为所述最大灰度值和最小灰度值的差值,得到自适应灰度值的图像,其中,所述N为整数。
8.根据权利要求5所述的装置,其特征在于,所述滤波单元,用于在频域对所述图像进行滤波,滤去图像背景的低频成分,强化图像的缺陷部分。
9.一种电子设备,其特征在于,所述电子设备包括如权利要求5至8中任一项所述的自适应缺陷检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611050869.2A CN108107611B (zh) | 2016-11-24 | 2016-11-24 | 一种自适应缺陷检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611050869.2A CN108107611B (zh) | 2016-11-24 | 2016-11-24 | 一种自适应缺陷检测方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108107611A true CN108107611A (zh) | 2018-06-01 |
CN108107611B CN108107611B (zh) | 2021-01-12 |
Family
ID=62205026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611050869.2A Active CN108107611B (zh) | 2016-11-24 | 2016-11-24 | 一种自适应缺陷检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108107611B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400319A (zh) * | 2019-07-16 | 2019-11-01 | 东华大学 | 一种基于区域分割法的丝饼油污分割算法 |
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN111855672A (zh) * | 2020-07-29 | 2020-10-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种cof软板缺陷检测的方法 |
CN113538603A (zh) * | 2021-09-16 | 2021-10-22 | 深圳市光明顶照明科技有限公司 | 一种基于阵列产品的光学检测方法、系统和可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006145228A (ja) * | 2004-11-16 | 2006-06-08 | Seiko Epson Corp | ムラ欠陥検出方法及び装置 |
CN1920539A (zh) * | 2005-08-26 | 2007-02-28 | 精工爱普生株式会社 | 缺陷检测方法与缺陷检测装置 |
CN103559857A (zh) * | 2013-10-31 | 2014-02-05 | 桂林机床电器有限公司 | 一种面向oled屏像素缺陷检测的方法及装置 |
CN104851086A (zh) * | 2015-04-17 | 2015-08-19 | 武汉恒兴通检测有限公司 | 一种针对缆索表面缺陷的图像检测方法 |
-
2016
- 2016-11-24 CN CN201611050869.2A patent/CN108107611B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006145228A (ja) * | 2004-11-16 | 2006-06-08 | Seiko Epson Corp | ムラ欠陥検出方法及び装置 |
CN1920539A (zh) * | 2005-08-26 | 2007-02-28 | 精工爱普生株式会社 | 缺陷检测方法与缺陷检测装置 |
CN103559857A (zh) * | 2013-10-31 | 2014-02-05 | 桂林机床电器有限公司 | 一种面向oled屏像素缺陷检测的方法及装置 |
CN104851086A (zh) * | 2015-04-17 | 2015-08-19 | 武汉恒兴通检测有限公司 | 一种针对缆索表面缺陷的图像检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110400319A (zh) * | 2019-07-16 | 2019-11-01 | 东华大学 | 一种基于区域分割法的丝饼油污分割算法 |
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN110530883B (zh) * | 2019-09-30 | 2022-08-02 | 凌云光技术股份有限公司 | 一种缺陷检测方法 |
CN111855672A (zh) * | 2020-07-29 | 2020-10-30 | 佛山市南海区广工大数控装备协同创新研究院 | 一种cof软板缺陷检测的方法 |
CN113538603A (zh) * | 2021-09-16 | 2021-10-22 | 深圳市光明顶照明科技有限公司 | 一种基于阵列产品的光学检测方法、系统和可读存储介质 |
CN113538603B (zh) * | 2021-09-16 | 2021-12-24 | 深圳市光明顶照明科技有限公司 | 一种基于阵列产品的光学检测方法、系统和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108107611B (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022042579A1 (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
US7783103B2 (en) | Defect detecting device, image sensor device, image sensor module, image processing device, digital image quality tester, and defect detecting method | |
CN108107611A (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
CN115330784B (zh) | 一种布匹表面缺陷检测方法 | |
Toh et al. | Automated fish counting using image processing | |
WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
CN107657606A (zh) | 一种显示装置的亮度缺陷检测方法与装置 | |
CN111768348B (zh) | 一种缺陷检测方法、设备及计算机可读存储介质 | |
EP2743886B1 (en) | System for detecting structured artifacts in video sequences | |
CN106599783B (zh) | 一种视频遮挡检测方法及装置 | |
CN113538603B (zh) | 一种基于阵列产品的光学检测方法、系统和可读存储介质 | |
CN113159064A (zh) | 基于精简的YOLOv3电路板电子元件目标检测的方法与装置 | |
CN109102507A (zh) | 螺钉螺纹检测方法以及装置 | |
CN110458789B (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN111047556A (zh) | 一种带钢表面缺陷检测方法及装置 | |
CN114155241A (zh) | 一种异物检测方法、装置及电子设备 | |
CN112927247A (zh) | 基于目标检测的切图方法、切图装置和存储介质 | |
CN102005051A (zh) | 一种边缘检测方法以及相关装置 | |
CN113781393B (zh) | 屏幕缺陷检测方法、装置、设备及存储介质 | |
CN108288274A (zh) | 模具检测方法、装置以及电子设备 | |
CN116934746B (zh) | 划伤缺陷检测方法、系统、设备及其介质 | |
CN105229665A (zh) | 对基于图像的蛇形带子磨损评估的增强分析 | |
CN115205288B (zh) | 工业缺陷检测方法和装置 | |
CN112488986A (zh) | 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及系统 | |
CN111757182B (zh) | 图像花屏检测方法、设备、计算机设备和可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |