CN108154510A - 产品表面缺陷检测方法、装置及计算机可读存储介质 - Google Patents
产品表面缺陷检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108154510A CN108154510A CN201810063199.0A CN201810063199A CN108154510A CN 108154510 A CN108154510 A CN 108154510A CN 201810063199 A CN201810063199 A CN 201810063199A CN 108154510 A CN108154510 A CN 108154510A
- Authority
- CN
- China
- Prior art keywords
- image
- binary
- label
- value
- connected domain
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000002689 soil Substances 0.000 claims abstract description 37
- 238000002372 labelling Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000006243 chemical reaction Methods 0.000 claims abstract description 17
- 230000002950 deficient Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 18
- 230000007797 corrosion Effects 0.000 claims description 13
- 238000005260 corrosion Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 102000008169 Co-Repressor Proteins Human genes 0.000 claims description 8
- 108010060434 Co-Repressor Proteins Proteins 0.000 claims description 8
- 230000003628 erosive effect Effects 0.000 claims description 3
- 239000000047 product Substances 0.000 description 70
- 230000006870 function Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000004568 cement Substances 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01N2021/888—Marking defects
-
- 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
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种产品表面缺陷检测方法、装置及计算机可读存储介质，其中方法包括：获取产品表面的图像；计算图像的局部墒，获取产品表面的纹理图像；对纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；计算灰度图像的平均灰度值，根据平均灰度值和预设的平均灰度值偏差计算出二值化阈值；采用二值化阈值对灰度图像进行二值化处理，得到产品表面的二值化图像；对二值化图像进行连通域标记，计算出标记的各连通域的面积；分别将各连通域的面积与预设的缺陷面积阈值相比较，若连通域的面积大于缺陷面积阈值，则将连通域标记为缺陷位置。本发明可以精确的识别出产品表面细微的缺陷，减小漏检风险。
Description
技术领域
本发明属于表面缺陷检测算法技术领域，尤其涉及一种产品表面缺陷检测方法、装置及计算机可读存储介质。
背景技术
随着制造业的不断发展，人们对产品质量的要求越来越严格。传统的塑胶产品表面缺陷通常采用人工检测，有通过高倍率显微镜观察检测，也有直接采用人工肉眼观察检测，检测的效率直接受到人为因素影响，检测的准确度也存在质疑，出口到国外的产品一半都不接受人工检测通过的产品。在此背景下，塑胶产品生产企业开始采用基于机器视觉的检测方法来检测产品表面的缺陷。
由于塑胶产品存在一致的纹理特征，现有技术中在塑胶产品表面缺陷检测中，通常会采用基于纹理特征来识别产品表面的缺陷，这种方法只能检测比较大的缺陷，对产品表面细微的缺陷存在漏检的风险。
发明内容
有鉴于此，本发明提供了一种产品表面缺陷检测方法、装置及计算机可读存储介质，以解决现有技术基于纹理特征来识别产品表面缺陷的方法只能检测比较大的缺陷，对产品表面细微的缺陷存在漏检风险的问题。
本发明的第一方面提供了一种产品表面缺陷检测方法，包括：
获取产品表面的图像；
计算所述图像的局部墒，获取所述产品表面的纹理图像；
对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；
计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差计算出二值化阈值；其中，所述二值化阈值等于所述平均灰度值与所述预设的平均灰度值偏差之差；
采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；
对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；
分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置。
本发明的第二方面提供了一种产品表面缺陷检测装置，包括：
图像采集单元，用于获取产品表面的图像；
局部墒计算单元，用于计算所述图像的局部墒，获取所述产品表面的纹理图像；
缺陷凸显处理单元，用于对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；
二值化阈值获取单元，用于计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差计算出二值化阈值；其中，所述二值化阈值等于所述平均灰度值与所述预设的平均灰度值偏差之差；
二值化处理单元，用于采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；
连通域标记单元，用于对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；
缺陷标记单元，用于分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置。
本发明第三方面提供一种产品表面缺陷检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上述第一方面所述方法的步骤。
本发明的有益效果是：
本发明由于在获取到产品表面的纹理图像后，对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；然后计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差之差计算出二值化阈值；采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；最后分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置，从而可以精确的识别出产品表面细微的缺陷，减小漏检风险。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的产品表面缺陷检测方法的实现流程示意图；
图2是本发明实施例提供的产品表面缺陷检测方法中图像的局部墒计算原理示意图；
图3是本发明实施例提供的产品表面缺陷检测装置的结构示意图；
图4是本发明另一实施例提供的产品表面缺陷检测装置的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1示出了本发明实施例提供的产品表面缺陷检测方法的实现流程，在图1所示实施例中，流程的执行主体为图1中的产品表面缺陷检测方法。该方法的实现流程详述如下：
步骤S101，获取产品表面的图像。
在本实施例中，采用电荷耦合器件(Charge Couple Device，CCD)图像传感器采集产品表面的数字图像。所述产品可以是塑胶产品、金属产品以及木材产品等表面纹理特征相对稳定的产品。
步骤S102，计算所述图像的局部墒，获取所述产品表面的纹理图像。
在本实施例中，步骤S102具体包括：
选取预设大小的滑动窗口按照先行后列的方式遍历所述图像，依次计算各滑动窗口的墒，在计算第i+1个滑动窗口的墒时，采用第i个滑动窗口的灰度直方图减去第i个滑动窗口中第一列像素点的灰度值概率，并加上第i+1个滑动窗口中最后一列像素点的灰度值概率，得到所述第i+1个滑动窗口的墒，其中i为正整数。
局部墒反映了图像灰度的离散程度，在局部墒大的地方，图像灰度相对均匀；局部墒小的地方，图像灰度离散性较大，而与图像灰度的均值无关，所以根据产品表面图像的局部墒把相对均匀的多目标分割出来，得到产品表面的纹理图像。参见图2所示，在计算图像局部墒的过程中，所述滑动窗口在滑动时，相邻两个滑动窗口所对应的局部图像中只有第一列和最后一列的像素点是不同的元素，因此本实施例中在计算下一个滑动窗口所对应的局部图像的直方图时，只需要在当前滑动窗口所对应的局部图像的直方图的基础上减去第一列，然后再加上最后一列。这种局部墒的计算方式，可以将计算速度提高20％左右。
步骤S103，对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像。
在本实施例中，步骤S103具体包括：
采用预设的腐蚀卷积核扫描所述纹理图像，用所述腐蚀卷积核所覆盖区域的最小像素值代替锚点位置的像素，得到腐蚀后的纹理图像；
采用预设的膨胀卷积核扫描所述腐蚀后的纹理图像，用所述膨胀卷积核所覆盖区域的最大像素值代替锚点位置的像素，得到凸显出缺陷的灰度图像。
其中，对所述纹理图像进行腐蚀处理时，锚点位置是指腐蚀卷积核所覆盖图像区域的中心位置。对所述纹理图像进行膨胀处理时，锚点位置是指膨胀卷积核所覆盖图像区域的中心位置。在本实施例中，由于先对所述纹理图像进行腐蚀，然后再对腐蚀后的纹理图像进行膨胀，这样可以放大产品表面细微的缺陷，使得后续精确的检测出产品表面细微的缺陷。
步骤S104，计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差计算出二值化阈值；其中，所述二值化阈值等于所述平均灰度值与所述预设的平均灰度值偏差之差。
在本实施例中，所述计算所述灰度图像的平均灰度值具体包括：遍历所述灰度图像的所有像素嗲，对每个像素点的灰度值进行累计求和，然后计算所述灰度图像中像素点的总个数，利用累计和除以灰度图像中像素点的总个数得出所述灰度图像的平均灰度值。在获取到所述平均灰度值后，即可利用所述平均灰度值减去预设的平均灰度值偏差，得到所述二值化阈值。
步骤S105，采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像。
在本实施例中，所述采用所述二值化阈值对所述灰度图像进行二值化处理包括：扫描所述灰度图像的每个像素点，将像素值小于所述二值化阈值的像素点设为黑色，将像素值大于或等于所述二值化阈值的像素点设为白色，得到所述产品表面的二值化图像。
步骤S106，对所述二值化图像进行连通域标记，计算出标记的各连通域的面积。
在本实施例中，步骤S106具体包括：
逐行扫描所述二值化图像，将每一行中连续的白色像素组成一个序列称为一个连通域，并记下它的起点、终点以及它所在的行号；
对除第一行外的所有行里的连通域，如果它与上一行中的所有连通域没有重合区域，则给它一个新的标号；如果它仅与上一行中一个连通域有重合区域，则将上一行的那个连通域的标号赋值给它；如果它与上一行的两个以上的连通域有重叠区域，则给当前连通域赋一个相连连通域的最小标号，并将上一行的这几个连通域的标记写入等价对；将等价对转换为等价序列，每一序列给一相同的标号；遍历起始连通域的标记，查找等价序列，给予它们新的标记，将每个连通域的标号填入标记图像中。
步骤S107，分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置。
在本实施例中，所述缺陷面积阈值可根据产品类型进行设定。在获取到产品表面图像上各个连通域标记后，依次将图像中各个连通域的面积与所述缺陷面积阈值进行比较，若某个连通域的面积小于或等于所述缺陷面积阈值，则说明该连通域不为缺陷；若某个连通域的面积大于所述缺陷面积阈值，则说明该连通域为产品表面的缺陷，此时将该连通域标记为缺陷位置。
以上可以看出，本实施例提供的产品表面缺陷检测方法由于在获取到产品表面的纹理图像后，对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；然后计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差之差计算出二值化阈值；采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；最后分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置，从而可以精确的识别出产品表面细微的缺陷，减小漏检风险；此外，由于采用改进的局部墒计算方式计算得到产品表面的纹理图像，从而可以减少计算时间，将计算速度提高了20％左右。
图3是本发明实施例提供的产品表面缺陷检测装置的结构示意图。为了便于说明，仅仅示出了与本实施例相关的部分。
参见图3所示，本实施例提供的产品表面缺陷检测装置3，包括：
图像采集单元31，用于获取产品表面的图像；
局部墒计算单元32，用于计算所述图像的局部墒，获取所述产品表面的纹理图像；
缺陷凸显处理单元33，用于对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；
二值化阈值获取单元34，用于计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差计算出二值化阈值；其中，所述二值化阈值等于所述平均灰度值与所述预设的平均灰度值偏差之差；
二值化处理单元35，用于采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；
连通域标记单元36，用于对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；
缺陷标记单元37，用于分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置。
可选的，所述局部墒计算单元32具体用于：
选取预设大小的滑动窗口按照先行后列的方式遍历所述图像，依次计算各滑动窗口的墒，在计算第i+1个滑动窗口的墒时，采用第i个滑动窗口的灰度直方图减去第i个滑动窗口中第一列像素点的灰度值概率，并加上第i+1个滑动窗口中最后一列像素点的灰度值概率，得到所述第i+1个滑动窗口的墒，其中i为正整数。
可选的，所述缺陷凸显处理单元33具体包括：
腐蚀单元331，用于采用预设的腐蚀卷积核扫描所述纹理图像，用所述腐蚀卷积核所覆盖区域的最小像素值代替锚点位置的像素，得到腐蚀后的纹理图像；
膨胀单元332，用于采用预设的膨胀卷积核扫描所述腐蚀后的纹理图像，用所述膨胀卷积核所覆盖区域的最大像素值代替锚点位置的像素，得到凸显出缺陷的灰度图像。
可选的，所述连通域标记单元36具体用于：
逐行扫描所述二值化图像，将每一行中连续的白色像素组成一个序列称为一个连通域，并记下它的起点、终点以及它所在的行号；
对除第一行外的所有行里的连通域，如果它与上一行中的所有连通域没有重合区域，则给它一个新的标号；如果它仅与上一行中一个连通域有重合区域，则将上一行的那个连通域的标号赋值给它；如果它与上一行的两个以上的连通域有重叠区域，则给当前连通域赋一个相连连通域的最小标号，并将上一行的这几个连通域的标记写入等价对；将等价对转换为等价序列，每一序列给一相同的标号；遍历起始连通域的标记，查找等价序列，给予它们新的标记，将每个连通域的标号填入标记图像中。
需要说明的是，本发明实施例提供的上述装置的各个单元，由于与本发明方法实施例基于同一构思，其带来的技术效果与本发明方法实施例相同，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
以上可以看出，本实施例提供的产品缺陷检测装置同样由于在获取到产品表面的纹理图像后，对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；然后计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差之差计算出二值化阈值；采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；最后分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置，从而可以精确的识别出产品表面细微的缺陷，减小漏检风险；此外，由于采用改进的局部墒计算方式计算得到产品表面的纹理图像，从而可以减少计算时间，将计算速度提高了20％左右。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图4是本发明另一实施例提供的产品缺陷检测装置的结构示意图。如图4所示，该实施例的产品缺陷检测装置包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个方法实施例中的步骤，例如图1所示的步骤S101至S107。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各单元的功能，例如图3所示单元31至37的功能。
示例性的，所述计算机程序42可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述装置中的执行过程。例如，所述计算机程序42可以被分割成图像采集单元31、局部墒计算单元32、缺陷凸显处理单元33、二值化阈值获取单元34、二值化处理单元35、连通域标记单元36以及缺陷标记单元37，各单元具体功能如下：
图像采集单元31，用于获取产品表面的图像；
局部墒计算单元32，用于计算所述图像的局部墒，获取所述产品表面的纹理图像；
缺陷凸显处理单元33，用于对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；
二值化阈值获取单元34，用于计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差计算出二值化阈值；其中，所述二值化阈值等于所述平均灰度值与所述预设的平均灰度值偏差之差；
二值化处理单元35，用于采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；
连通域标记单元36，用于对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；
缺陷标记单元37，用于分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置。
所述装置4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述装置4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是装置的示例，并不构成对装置4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述装置4还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述装置的内部存储单元，例如装置的硬盘或内存。所述存储器41也可以是所述装置的外部存储设备，例如所述装置上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器41还可以既包括所述装置的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种产品表面缺陷检测方法，其特征在于，包括：
获取产品表面的图像；
计算所述图像的局部墒，获取所述产品表面的纹理图像；
对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；
计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差计算出二值化阈值；其中，所述二值化阈值等于所述平均灰度值与所述预设的平均灰度值偏差之差；
采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；
对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；
分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置。
2.如权利要求1所述的产品表面缺陷检测方法，其特征在于，所述计算所述图像的局部墒，获取所述产品表面的纹理图像包括：
选取预设大小的滑动窗口按照先行后列的方式遍历所述图像，依次计算各滑动窗口的墒，在计算第i+1个滑动窗口的墒时，采用第i个滑动窗口的灰度直方图减去第i个滑动窗口中第一列像素点的灰度值概率，并加上第i+1个滑动窗口中最后一列像素点的灰度值概率，得到所述第i+1个滑动窗口的墒，其中i为正整数。
3.如权利要求1所述的产品表面缺陷检测方法，其特征在于，对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像具体包括：
采用预设的腐蚀卷积核扫描所述纹理图像，用所述腐蚀卷积核所覆盖区域的最小像素值代替锚点位置的像素，得到腐蚀后的纹理图像；
采用预设的膨胀卷积核扫描所述腐蚀后的纹理图像，用所述膨胀卷积核所覆盖区域的最大像素值代替锚点位置的像素，得到凸显出缺陷的灰度图像。
4.如权利要求1所述的产品表面缺陷检测方法，其特征在于，所述对所述二值化图像进行连通域标记包括：
逐行扫描所述二值化图像，将每一行中连续的白色像素组成一个序列称为一个连通域，并记下它的起点、终点以及它所在的行号；
对除第一行外的所有行里的连通域，如果它与上一行中的所有连通域没有重合区域，则给它一个新的标号；如果它仅与上一行中一个连通域有重合区域，则将上一行的那个连通域的标号赋值给它；如果它与上一行的两个以上的连通域有重叠区域，则给当前连通域赋一个相连连通域的最小标号，并将上一行的这几个连通域的标记写入等价对；将等价对转换为等价序列，每一序列给一相同的标号；遍历起始连通域的标记，查找等价序列，给予它们新的标记，将每个连通域的标号填入标记图像中。
5.一种产品表面缺陷检测装置，其特征在于，包括：
图像采集单元，用于获取产品表面的图像；
局部墒计算单元，用于计算所述图像的局部墒，获取所述产品表面的纹理图像；
缺陷凸显处理单元，用于对所述纹理图像进行腐蚀、膨胀处理，得到凸显出缺陷的灰度图像；
二值化阈值获取单元，用于计算所述灰度图像的平均灰度值，根据所述平均灰度值和预设的平均灰度值偏差计算出二值化阈值；其中，所述二值化阈值等于所述平均灰度值与所述预设的平均灰度值偏差之差；
二值化处理单元，用于采用所述二值化阈值对所述灰度图像进行二值化处理，得到所述产品表面的二值化图像；
连通域标记单元，用于对所述二值化图像进行连通域标记，计算出标记的各连通域的面积；
缺陷标记单元，用于分别将各连通域的面积与预设的缺陷面积阈值相比较，若所述连通域的面积大于所述缺陷面积阈值，则将所述连通域标记为缺陷位置。
6.如权利要求5所述的产品表面缺陷检测装置，其特征在于，所述局部墒计算单元具体用于：
选取预设大小的滑动窗口按照先行后列的方式遍历所述图像，依次计算各滑动窗口的墒，在计算第i+1个滑动窗口的墒时，采用第i个滑动窗口的灰度直方图减去第i个滑动窗口中第一列像素点的灰度值概率，并加上第i+1个滑动窗口中最后一列像素点的灰度值概率，得到所述第i+1个滑动窗口的墒，其中i为正整数。
7.如权利要求5所述的产品表面缺陷检测装置，其特征在于，所述缺陷凸显处理单元具体包括：
腐蚀单元，用于采用预设的腐蚀卷积核扫描所述纹理图像，用所述腐蚀卷积核所覆盖区域的最小像素值代替锚点位置的像素，得到腐蚀后的纹理图像；
膨胀单元，用于采用预设的膨胀卷积核扫描所述腐蚀后的纹理图像，用所述膨胀卷积核所覆盖区域的最大像素值代替锚点位置的像素，得到凸显出缺陷的灰度图像。
8.如权利要求5所述的产品表面缺陷检测装置，其特征在于，所述连通域标记单元具体用于：
逐行扫描所述二值化图像，将每一行中连续的白色像素组成一个序列称为一个连通域，并记下它的起点、终点以及它所在的行号；
对除第一行外的所有行里的连通域，如果它与上一行中的所有连通域没有重合区域，则给它一个新的标号；如果它仅与上一行中一个连通域有重合区域，则将上一行的那个连通域的标号赋值给它；如果它与上一行的两个以上的连通域有重叠区域，则给当前连通域赋一个相连连通域的最小标号，并将上一行的这几个连通域的标记写入等价对；将等价对转换为等价序列，每一序列给一相同的标号；遍历起始连通域的标记，查找等价序列，给予它们新的标记，将每个连通域的标号填入标记图像中。
9.一种产品表面缺陷检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810063199.0A CN108154510A (zh) | 2018-01-17 | 2018-01-17 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810063199.0A CN108154510A (zh) | 2018-01-17 | 2018-01-17 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108154510A true CN108154510A (zh) | 2018-06-12 |
Family
ID=62456771
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810063199.0A Pending CN108154510A (zh) | 2018-01-17 | 2018-01-17 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108154510A (zh) |
Cited By (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108827181A (zh) * | 2018-03-14 | 2018-11-16 | 浙江大学山东工业技术研究院 | 一种基于视觉的板材表面检测方法 |
| CN109697714A (zh) * | 2018-11-26 | 2019-04-30 | 联想(北京)有限公司 | 一种信息检测方法、设备及计算机存储介质 |
| CN109785353A (zh) * | 2019-01-15 | 2019-05-21 | 佛山市顺德区中山大学研究院 | 一种二维码的二次遍历二值化方法、装置和存储介质 |
| CN109850518A (zh) * | 2018-11-12 | 2019-06-07 | 太原理工大学 | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 |
| CN109900707A (zh) * | 2019-03-20 | 2019-06-18 | 湖南华曙高科技有限责任公司 | 一种铺粉质量检测方法、设备以及可读存储介质 |
| CN110186929A (zh) * | 2019-04-24 | 2019-08-30 | 南京邮电大学 | 一种实时的产品瑕疵定位方法 |
| CN110211107A (zh) * | 2019-05-28 | 2019-09-06 | 太原理工大学 | 一种基于双波段红外图像的矿用胶带损伤检测方法 |
| CN110610496A (zh) * | 2019-04-24 | 2019-12-24 | 广东工业大学 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
| CN110766679A (zh) * | 2019-10-25 | 2020-02-07 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
| CN110781885A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 基于图像处理的文本检测方法、装置、介质及电子设备 |
| CN110988660A (zh) * | 2019-10-21 | 2020-04-10 | 信利光电股份有限公司 | 一种ito缺陷检测方法及系统 |
| CN111008960A (zh) * | 2019-11-22 | 2020-04-14 | 广州大学 | 基于机器视觉的铝电解电容底部外观检测方法及装置 |
| CN111028197A (zh) * | 2019-11-01 | 2020-04-17 | 深圳先进技术研究院 | 一种检测金属锈蚀的方法及终端 |
| CN111161246A (zh) * | 2019-12-30 | 2020-05-15 | 歌尔股份有限公司 | 一种产品缺陷检测方法、装置与系统 |
| CN111402206A (zh) * | 2020-02-27 | 2020-07-10 | 红云红河烟草(集团)有限责任公司 | 一种烟支刮破视觉检测方法及系统 |
| CN111563845A (zh) * | 2019-01-28 | 2020-08-21 | 深圳怡化电脑股份有限公司 | 票据表面涂刮检测方法、装置、设备及存储介质 |
| CN111627004A (zh) * | 2020-05-25 | 2020-09-04 | 广东智源机器人科技有限公司 | 餐具的清洁度的检测方法、检测设备、存储介质与处理器 |
| CN111768348A (zh) * | 2020-05-29 | 2020-10-13 | 合肥联宝信息技术有限公司 | 一种缺陷检测方法、设备及计算机可读存储介质 |
| CN111862195A (zh) * | 2020-08-26 | 2020-10-30 | Oppo广东移动通信有限公司 | 光斑检测方法和装置、终端和存储介质 |
| CN111899237A (zh) * | 2020-07-27 | 2020-11-06 | 长沙大端信息科技有限公司 | 标尺精度测量方法、装置、计算机设备和存储介质 |
| CN111951255A (zh) * | 2020-08-20 | 2020-11-17 | 华北电力大学 | 缺陷识别方法、装置、终端设备和可读存储介质 |
| CN112053356A (zh) * | 2020-09-17 | 2020-12-08 | 惠州高视科技有限公司 | 塑封半导体管脚处缺陷的检测方法及装置 |
| CN112215802A (zh) * | 2018-07-16 | 2021-01-12 | 华为技术有限公司 | 一种皮肤检测方法和电子设备 |
| CN112258493A (zh) * | 2020-10-30 | 2021-01-22 | 上海交通大学 | 快速识别定位衬底上二维材料的方法、系统、设备及介质 |
| CN112419252A (zh) * | 2020-11-13 | 2021-02-26 | 国网天津市电力公司营销服务中心 | 一种用电信息采集终端液晶显示模块缺陷检测方法 |
| CN112603259A (zh) * | 2019-09-18 | 2021-04-06 | 华为技术有限公司 | 一种皮肤粗糙度检测方法及电子设备 |
| CN112651961A (zh) * | 2021-01-06 | 2021-04-13 | 华虹半导体(无锡)有限公司 | 晶圆缺陷的识别方法及装置 |
| CN113012137A (zh) * | 2021-03-24 | 2021-06-22 | 滁州惠科光电科技有限公司 | 一种面板缺陷检查方法、系统、终端设备及存储介质 |
| CN113052804A (zh) * | 2021-03-12 | 2021-06-29 | 中建西部建设贵州有限公司 | 一种混凝土构件外观质量量化评估处理方法和装置 |
| CN113096123A (zh) * | 2021-05-07 | 2021-07-09 | 湘潭大学 | 一种多模糊推理级联的底火侧面缺陷分类和受损程度分析方法 |
| CN113223039A (zh) * | 2020-01-21 | 2021-08-06 | 海信集团有限公司 | 显示设备、服装图像提取方法和存储介质 |
| CN113362288A (zh) * | 2021-05-24 | 2021-09-07 | 深圳明锐理想科技有限公司 | 一种金手指划伤检测方法、装置以及电子设备 |
| CN113379690A (zh) * | 2021-05-31 | 2021-09-10 | 山东省科学院激光研究所 | 墙体渗水自动检测方法及系统 |
| CN113516619A (zh) * | 2021-04-09 | 2021-10-19 | 重庆大学 | 一种基于图像处理技术的产品表面瑕疵识别方法 |
| CN113643289A (zh) * | 2021-10-13 | 2021-11-12 | 海门市芳华纺织有限公司 | 基于图像处理的织物表面缺陷检测方法和系统 |
| CN113674180A (zh) * | 2021-07-22 | 2021-11-19 | 华南理工大学 | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 |
| CN113689429A (zh) * | 2021-10-26 | 2021-11-23 | 南通恒祥木业有限公司 | 一种基于计算机视觉的木板缺陷检测方法 |
| CN113686261A (zh) * | 2020-05-13 | 2021-11-23 | 苏州阿特斯阳光电力科技有限公司 | 硅片绒面的测试方法、装置、电子设备及可读存储介质 |
| CN113706532A (zh) * | 2021-10-28 | 2021-11-26 | 南通博纳纺织品有限公司 | 一种验布机的布匹缺陷位置的智能检测方法 |
| CN113724180A (zh) * | 2020-05-20 | 2021-11-30 | 上海微创卜算子医疗科技有限公司 | 孔隙率计算方法、装置和存储介质 |
| CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
| CN114034706A (zh) * | 2021-10-29 | 2022-02-11 | 武汉理工大学 | 一种碳纤维零件表面缺陷检测装置及方法 |
| CN114708193A (zh) * | 2022-03-10 | 2022-07-05 | 北京建筑材料科学研究总院有限公司 | 软连接装置的漏粉检测方法、装置、电子设备及存储介质 |
| CN114833648A (zh) * | 2022-04-24 | 2022-08-02 | 启东市申力高压油泵厂 | 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 |
| CN115205223A (zh) * | 2022-06-22 | 2022-10-18 | 锋睿领创(珠海)科技有限公司 | 透明物体的视觉检测方法、装置、计算机设备及介质 |
| CN116385414A (zh) * | 2023-04-10 | 2023-07-04 | 哈尔滨耐是智能科技有限公司 | 零部件多尺度缺陷特征提取方法、计算设备及存储介质 |
| CN117115157A (zh) * | 2023-10-23 | 2023-11-24 | 湖南隆深氢能科技有限公司 | 基于pem电解槽的缺陷检测方法、系统、终端设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012173943A (ja) * | 2011-02-21 | 2012-09-10 | Nikon Corp | 画像処理装置および画像処理プログラム |
| CN103077384A (zh) * | 2013-01-10 | 2013-05-01 | 北京万集科技股份有限公司 | 一种车标定位识别的方法与系统 |
| CN104143091A (zh) * | 2014-08-18 | 2014-11-12 | 江南大学 | 基于改进mLBP的单样本人脸识别方法 |
| CN104637067A (zh) * | 2015-03-18 | 2015-05-20 | 厦门麦克玛视电子信息技术有限公司 | 一种纹理表面的缺陷检测方法 |
| CN105607218A (zh) * | 2015-08-24 | 2016-05-25 | 闽南师范大学 | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 |
| CN106846313A (zh) * | 2017-01-23 | 2017-06-13 | 广东工业大学 | 工件表面缺陷检测方法和装置 |
| CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
-
2018
- 2018-01-17 CN CN201810063199.0A patent/CN108154510A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012173943A (ja) * | 2011-02-21 | 2012-09-10 | Nikon Corp | 画像処理装置および画像処理プログラム |
| CN103077384A (zh) * | 2013-01-10 | 2013-05-01 | 北京万集科技股份有限公司 | 一种车标定位识别的方法与系统 |
| CN104143091A (zh) * | 2014-08-18 | 2014-11-12 | 江南大学 | 基于改进mLBP的单样本人脸识别方法 |
| CN104637067A (zh) * | 2015-03-18 | 2015-05-20 | 厦门麦克玛视电子信息技术有限公司 | 一种纹理表面的缺陷检测方法 |
| CN105607218A (zh) * | 2015-08-24 | 2016-05-25 | 闽南师范大学 | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 |
| CN106846313A (zh) * | 2017-01-23 | 2017-06-13 | 广东工业大学 | 工件表面缺陷检测方法和装置 |
| CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
Non-Patent Citations (6)
| Title |
|---|
| 张晓光等: "《射线检测焊接缺陷的提取和自动识别》", 31 October 2004, 国防工业出版社 * |
| 徐光明: "《基于熵的磁瓦内表面起级缺陷检测与识别》", 《数字技术与应用》 * |
| 杜培军: "《工矿区陆面演变监测分析与调控治理研究》", 31 October 2005 * |
| 王展: "《工业产品设计初步》", 31 December 2015, 国防工业出版社 * |
| 赵小川: "《MATLAB图像处理 能力提高与应用案例》", 31 January 2014, 北京航空航天大学出版社 * |
| 赵诗云: "《 低质量文档图像二值化算法研究》", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (69)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108827181A (zh) * | 2018-03-14 | 2018-11-16 | 浙江大学山东工业技术研究院 | 一种基于视觉的板材表面检测方法 |
| CN112215802A (zh) * | 2018-07-16 | 2021-01-12 | 华为技术有限公司 | 一种皮肤检测方法和电子设备 |
| CN112215802B (zh) * | 2018-07-16 | 2022-04-08 | 荣耀终端有限公司 | 一种皮肤检测方法和电子设备 |
| CN109850518A (zh) * | 2018-11-12 | 2019-06-07 | 太原理工大学 | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 |
| CN109850518B (zh) * | 2018-11-12 | 2022-01-28 | 太原理工大学 | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 |
| CN109697714A (zh) * | 2018-11-26 | 2019-04-30 | 联想(北京)有限公司 | 一种信息检测方法、设备及计算机存储介质 |
| CN109785353A (zh) * | 2019-01-15 | 2019-05-21 | 佛山市顺德区中山大学研究院 | 一种二维码的二次遍历二值化方法、装置和存储介质 |
| CN109785353B (zh) * | 2019-01-15 | 2020-12-08 | 佛山市顺德区中山大学研究院 | 一种二维码的二次遍历二值化方法、装置和存储介质 |
| CN111563845B (zh) * | 2019-01-28 | 2023-10-20 | 深圳怡化电脑股份有限公司 | 票据表面涂刮检测方法、装置、设备及存储介质 |
| CN111563845A (zh) * | 2019-01-28 | 2020-08-21 | 深圳怡化电脑股份有限公司 | 票据表面涂刮检测方法、装置、设备及存储介质 |
| CN109900707A (zh) * | 2019-03-20 | 2019-06-18 | 湖南华曙高科技有限责任公司 | 一种铺粉质量检测方法、设备以及可读存储介质 |
| CN109900707B (zh) * | 2019-03-20 | 2021-07-02 | 湖南华曙高科技有限责任公司 | 一种铺粉质量检测方法、设备以及可读存储介质 |
| CN110186929A (zh) * | 2019-04-24 | 2019-08-30 | 南京邮电大学 | 一种实时的产品瑕疵定位方法 |
| CN110610496B (zh) * | 2019-04-24 | 2023-09-26 | 广东工业大学 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
| CN110610496A (zh) * | 2019-04-24 | 2019-12-24 | 广东工业大学 | 一种对光照变化鲁棒的荧光胶缺陷分割方法 |
| CN110211107A (zh) * | 2019-05-28 | 2019-09-06 | 太原理工大学 | 一种基于双波段红外图像的矿用胶带损伤检测方法 |
| CN112603259A (zh) * | 2019-09-18 | 2021-04-06 | 华为技术有限公司 | 一种皮肤粗糙度检测方法及电子设备 |
| CN112603259B (zh) * | 2019-09-18 | 2022-04-19 | 荣耀终端有限公司 | 一种皮肤粗糙度检测方法及电子设备 |
| CN110988660A (zh) * | 2019-10-21 | 2020-04-10 | 信利光电股份有限公司 | 一种ito缺陷检测方法及系统 |
| CN110781885A (zh) * | 2019-10-24 | 2020-02-11 | 泰康保险集团股份有限公司 | 基于图像处理的文本检测方法、装置、介质及电子设备 |
| CN110766679A (zh) * | 2019-10-25 | 2020-02-07 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
| CN110766679B (zh) * | 2019-10-25 | 2022-09-06 | 普联技术有限公司 | 镜头脏污检测方法、装置及终端设备 |
| CN111028197A (zh) * | 2019-11-01 | 2020-04-17 | 深圳先进技术研究院 | 一种检测金属锈蚀的方法及终端 |
| CN111008960B (zh) * | 2019-11-22 | 2023-03-28 | 广州大学 | 基于机器视觉的铝电解电容底部外观检测方法及装置 |
| CN111008960A (zh) * | 2019-11-22 | 2020-04-14 | 广州大学 | 基于机器视觉的铝电解电容底部外观检测方法及装置 |
| CN111161246A (zh) * | 2019-12-30 | 2020-05-15 | 歌尔股份有限公司 | 一种产品缺陷检测方法、装置与系统 |
| CN111161246B (zh) * | 2019-12-30 | 2024-05-14 | 歌尔股份有限公司 | 一种产品缺陷检测方法、装置与系统 |
| CN113223039B (zh) * | 2020-01-21 | 2023-04-07 | 海信集团有限公司 | 显示设备、服装图像提取方法和存储介质 |
| CN113223039A (zh) * | 2020-01-21 | 2021-08-06 | 海信集团有限公司 | 显示设备、服装图像提取方法和存储介质 |
| CN111402206A (zh) * | 2020-02-27 | 2020-07-10 | 红云红河烟草(集团)有限责任公司 | 一种烟支刮破视觉检测方法及系统 |
| CN113686261A (zh) * | 2020-05-13 | 2021-11-23 | 苏州阿特斯阳光电力科技有限公司 | 硅片绒面的测试方法、装置、电子设备及可读存储介质 |
| CN113724180A (zh) * | 2020-05-20 | 2021-11-30 | 上海微创卜算子医疗科技有限公司 | 孔隙率计算方法、装置和存储介质 |
| CN111627004A (zh) * | 2020-05-25 | 2020-09-04 | 广东智源机器人科技有限公司 | 餐具的清洁度的检测方法、检测设备、存储介质与处理器 |
| CN111768348B (zh) * | 2020-05-29 | 2022-02-08 | 合肥联宝信息技术有限公司 | 一种缺陷检测方法、设备及计算机可读存储介质 |
| CN111768348A (zh) * | 2020-05-29 | 2020-10-13 | 合肥联宝信息技术有限公司 | 一种缺陷检测方法、设备及计算机可读存储介质 |
| CN111899237B (zh) * | 2020-07-27 | 2024-06-04 | 深圳蓝湘智影科技有限公司 | 标尺精度测量方法、装置、计算机设备和存储介质 |
| CN111899237A (zh) * | 2020-07-27 | 2020-11-06 | 长沙大端信息科技有限公司 | 标尺精度测量方法、装置、计算机设备和存储介质 |
| CN111951255A (zh) * | 2020-08-20 | 2020-11-17 | 华北电力大学 | 缺陷识别方法、装置、终端设备和可读存储介质 |
| CN111862195B (zh) * | 2020-08-26 | 2024-04-09 | Oppo广东移动通信有限公司 | 光斑检测方法和装置、终端和存储介质 |
| CN111862195A (zh) * | 2020-08-26 | 2020-10-30 | Oppo广东移动通信有限公司 | 光斑检测方法和装置、终端和存储介质 |
| CN112053356A (zh) * | 2020-09-17 | 2020-12-08 | 惠州高视科技有限公司 | 塑封半导体管脚处缺陷的检测方法及装置 |
| CN112053356B (zh) * | 2020-09-17 | 2021-08-20 | 高视科技(苏州)有限公司 | 塑封半导体管脚处缺陷的检测方法及装置 |
| CN112258493B (zh) * | 2020-10-30 | 2022-10-14 | 上海交通大学 | 快速识别定位衬底上二维材料的方法、系统、设备及介质 |
| CN112258493A (zh) * | 2020-10-30 | 2021-01-22 | 上海交通大学 | 快速识别定位衬底上二维材料的方法、系统、设备及介质 |
| CN112419252A (zh) * | 2020-11-13 | 2021-02-26 | 国网天津市电力公司营销服务中心 | 一种用电信息采集终端液晶显示模块缺陷检测方法 |
| CN112651961A (zh) * | 2021-01-06 | 2021-04-13 | 华虹半导体(无锡)有限公司 | 晶圆缺陷的识别方法及装置 |
| CN113052804A (zh) * | 2021-03-12 | 2021-06-29 | 中建西部建设贵州有限公司 | 一种混凝土构件外观质量量化评估处理方法和装置 |
| CN113012137A (zh) * | 2021-03-24 | 2021-06-22 | 滁州惠科光电科技有限公司 | 一种面板缺陷检查方法、系统、终端设备及存储介质 |
| CN113516619A (zh) * | 2021-04-09 | 2021-10-19 | 重庆大学 | 一种基于图像处理技术的产品表面瑕疵识别方法 |
| CN113096123A (zh) * | 2021-05-07 | 2021-07-09 | 湘潭大学 | 一种多模糊推理级联的底火侧面缺陷分类和受损程度分析方法 |
| CN113362288A (zh) * | 2021-05-24 | 2021-09-07 | 深圳明锐理想科技有限公司 | 一种金手指划伤检测方法、装置以及电子设备 |
| CN113362288B (zh) * | 2021-05-24 | 2024-03-08 | 深圳明锐理想科技股份有限公司 | 一种金手指划伤检测方法、装置以及电子设备 |
| CN113379690A (zh) * | 2021-05-31 | 2021-09-10 | 山东省科学院激光研究所 | 墙体渗水自动检测方法及系统 |
| CN113674180A (zh) * | 2021-07-22 | 2021-11-19 | 华南理工大学 | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 |
| CN113674180B (zh) * | 2021-07-22 | 2023-10-10 | 华南理工大学 | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 |
| CN113643289A (zh) * | 2021-10-13 | 2021-11-12 | 海门市芳华纺织有限公司 | 基于图像处理的织物表面缺陷检测方法和系统 |
| CN113689429A (zh) * | 2021-10-26 | 2021-11-23 | 南通恒祥木业有限公司 | 一种基于计算机视觉的木板缺陷检测方法 |
| CN113689429B (zh) * | 2021-10-26 | 2021-12-24 | 南通恒祥木业有限公司 | 一种基于计算机视觉的木板缺陷检测方法 |
| CN113706532A (zh) * | 2021-10-28 | 2021-11-26 | 南通博纳纺织品有限公司 | 一种验布机的布匹缺陷位置的智能检测方法 |
| CN114034706A (zh) * | 2021-10-29 | 2022-02-11 | 武汉理工大学 | 一种碳纤维零件表面缺陷检测装置及方法 |
| CN113934190A (zh) * | 2021-12-17 | 2022-01-14 | 武汉春田纸品包装有限公司 | 一种基于机器视觉的瓦楞纸板生产质量调控方法 |
| CN114708193A (zh) * | 2022-03-10 | 2022-07-05 | 北京建筑材料科学研究总院有限公司 | 软连接装置的漏粉检测方法、装置、电子设备及存储介质 |
| CN114833648B (zh) * | 2022-04-24 | 2023-11-28 | 启东市申力高压油泵厂 | 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 |
| CN114833648A (zh) * | 2022-04-24 | 2022-08-02 | 启东市申力高压油泵厂 | 液压泵轴承磨削工艺中的表面损伤识别及磨削控制方法 |
| CN115205223A (zh) * | 2022-06-22 | 2022-10-18 | 锋睿领创(珠海)科技有限公司 | 透明物体的视觉检测方法、装置、计算机设备及介质 |
| CN116385414B (zh) * | 2023-04-10 | 2023-11-07 | 哈尔滨耐是智能科技有限公司 | 零部件多尺度缺陷特征提取方法、计算设备及存储介质 |
| CN116385414A (zh) * | 2023-04-10 | 2023-07-04 | 哈尔滨耐是智能科技有限公司 | 零部件多尺度缺陷特征提取方法、计算设备及存储介质 |
| CN117115157A (zh) * | 2023-10-23 | 2023-11-24 | 湖南隆深氢能科技有限公司 | 基于pem电解槽的缺陷检测方法、系统、终端设备及介质 |
| CN117115157B (zh) * | 2023-10-23 | 2024-02-06 | 湖南隆深氢能科技有限公司 | 基于pem电解槽的缺陷检测方法、系统、终端设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108154510A (zh) | 产品表面缺陷检测方法、装置及计算机可读存储介质 | |
| CN107492091A (zh) | 基于机器视觉的标签外观检测方法及终端设备 | |
| CN113344910B (zh) | 缺陷标注图像的生成方法、装置、计算机设备及存储介质 | |
| US10060726B2 (en) | Parallel image measurement method oriented to the insulating layer thickness of a radial symmetrical cable section | |
| CN103940708B (zh) | 一种钢材全形态晶粒的快速测量、精细分类方法 | |
| CN108416351B (zh) | 路面病害区域的确定方法、装置和计算机设备 | |
| CN111476758B (zh) | Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质 | |
| CN108445009B (zh) | 一种太阳能电池板裂纹检测方法 | |
| CN111126393A (zh) | 车辆外观改装判断方法、装置、计算机设备及存储介质 | |
| CN112017157A (zh) | 一种光学元件激光损伤阈值测试中损伤点识别方法 | |
| CN107610316A (zh) | 检测纸币缺损的方法、装置及终端设备 | |
| CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、系统 | |
| CN115641332A (zh) | 产品边缘外观缺陷的检测方法及装置、介质、设备 | |
| CN108955901A (zh) | 一种红外测温方法、系统及终端设备 | |
| CN115713487A (zh) | 用于x射线焊缝图像的缺陷识别方法、设备和存储介质 | |
| CN115690012A (zh) | 一种电能表接错线的检测方法 | |
| CN113658345A (zh) | 一种样本标注方法及装置 | |
| CA2497592A1 (en) | Method and apparatus for producing a 3-d model of a semiconductor chip from mosaic images | |
| CN114445318A (zh) | 一种缺陷检测方法、装置、电子设备和存储介质 | |
| CN117333440A (zh) | 输配电线路缺陷检测方法、装置、设备、介质和程序产品 | |
| CN117218416A (zh) | 一种基于卷积神经网络的消化道内镜图像识别方法及系统 | |
| CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
| Van Der Heijden et al. | Measuring cell wall dimensions using the distance transform | |
| CN113793292A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| Xiao et al. | A novel automatic thresholding segmentation method with local adaptive thresholds |
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 |
Application publication date: 20180612 |
|
| RJ01 | Rejection of invention patent application after publication |