CN108416765A - 一种字符缺陷自动检测方法和系统 - Google Patents
一种字符缺陷自动检测方法和系统 Download PDFInfo
- Publication number
- CN108416765A CN108416765A CN201810088289.5A CN201810088289A CN108416765A CN 108416765 A CN108416765 A CN 108416765A CN 201810088289 A CN201810088289 A CN 201810088289A CN 108416765 A CN108416765 A CN 108416765A
- Authority
- CN
- China
- Prior art keywords
- character
- image
- array
- silk screen
- standard
- 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 41
- 238000012360 testing method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000002950 deficient Effects 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000007619 statistical method Methods 0.000 claims abstract 2
- 238000003491 array Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012946 outsourcing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 3
- 238000007639 printing Methods 0.000 claims description 3
- 230000032258 transport Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 2
- 239000004519 grease Substances 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000007650 screen-printing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000007306 turnover Effects 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
- G06T7/0004—Industrial image inspection
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Multimedia (AREA)
- Textile Engineering (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种字符缺陷自动检测方法和系统，该方法包括两个步骤，离线建立标准字符库时，针对每一种待检丝印产品，选取N张没有缺陷的图像，对图像中的字符进行统计分析和处理，得到标准字符，构建当前待检丝印产品的标准字符库；在线检测字符缺陷时，在线获取丝印产品的图像，提取图像中的字符，根据当前丝印产品的类型，将所有字符逐个与标准字符库中对应字符的特征进行比对，判断丝印产品是否存在缺陷。本发明还提出一种字符配准方法用于提高识别的准确性。本发明考虑到丝印产品图像的各种变化，提出为每一种待检产品建立标准字符库，然后根据标准字符库对在线获取的字符进行判断识别，具有准确率高、适用性广的优点。
Description
技术领域
本发明涉及计算机视觉技术，特别涉及一种字符缺陷自动检测方法和系统。
背景技术
丝印产品在丝印过程中，由于印刷油不均匀或丝网堵塞等工艺原因，会导致印完后的字符带有一些缺陷，缺陷种类主要包括少油、肥油、漏印、模糊、杂质等，为此，在印刷完成之后需要对印刷的字符进行质量检测，将出现了字符缺陷的丝印产品作为不合格品剔除或进行二次加工。
目前生产线上的丝印缺陷检测基本上还是依靠工人目测来进行质量检查。虽然也有研究人员考虑通过机器视觉用图像处理分析的手段检测丝印质量，但这种方法目前存在如下的技术难点：1.在印刷字符很小的情况下，不容易采集到精确的字符图像信息；2.在线采集图像时，即使是同一种产品型号，相同的拍摄环境，所采集的图像也不可能完全一致，影响的因素有传送带的震动，产品在传送带上位置的任意性，以及因此导致的微小光照变化和拍摄角度的差异等。3.丝印产品种类繁多，很难为五花八门的各类产品建立统一的检测模式。
发明内容
本发明的一个目的在于提供一种字符缺陷自动检测方法，该方法考虑到丝印产品图像的各种变化，提出为每一种待检产品建立标准字符库，然后根据标准字符库对在线获取的字符进行判断识别，具有准确率高、适用性广的优点。
本发明的另一目的在于提供一种用于实现上述字符缺陷自动检测方法的系统。
本发明的目的通过以下的技术方案实现：一种字符缺陷自动检测方法，包括步骤：
(1)离线建立标准字符库：针对每一种待检丝印产品，选取N张没有缺陷的图像，提取出每张图像中的字符，每个字符对应有N个样本，对每一个字符的N个样本数据进行统计分析和处理，得到一标准字符，所有标准字符共同构成当前待检丝印产品的标准字符库；
(2)在线检测字符缺陷：在线获取丝印产品的图像，提取图像中的字符，判断当前丝印产品的类型，调取其对应的标准字符库；将所有字符逐个与标准字符库中对应字符的特征进行比对，判断丝印产品是否存在缺陷。
优选的，步骤(1)中，提取出每张图像中的字符，步骤是：
获取丝印产品的彩色图像，对其做固定阈值的二值化；
在二值化图像中提取每个字符的轮廓；
根据每个字符的轮廓求其最小外包矩形，并根据最小外包矩形的宽度和高度确定字符位置。
优选的，步骤(1)中，根据每一个字符的N个样本数据得到标准字符的步骤是：
(1-1)选取N个样本中其中一个字符作为基准字符，将其余N-1个字符分别相对于基准字符进行配准，配准方法如下：
(1-1-1)新建两个一维数组，数组a＝[a1，a2，…anl]用于记录输入字符的列信息，数组b＝[b1，b2，…bml]用于记录与输入字符相对应的基准字符的列信息，两数组中的元素下标nl、ml分别表示所属二值图像的列，数组的元素值表示对应列中像素值为0的像素个数，数组a和b中的0值表示对应列的像素全部属于图像背景，非0值代表对应列中出现了属于字符的像素；
(1-1-2)分别搜索数组a和b中的第一个非零项和最后一个非零项，记其列坐标为(ae,af)和(bg,bh)，将b数组的区间(bg,bh)的元素值分别映射至以下9个区间：(ae,af)，(ae-1,af)，(ae+1,af)，(ae,af-1)，(ae,af+1)，(ae-1,af-1)，(ae-1,af+1)，(ae+1,af-1)，(ae+1,af+1)，得到9个数组b’；求每个数组b’和数组a对应映射区间元素的差异值，将a数组中上述9个区间差异值最小的区间记为(amin,amax)；
(1-1-3)新建两个一维数组，数组c＝[c1，c2，…cnh]用于记录输入字符的行信息，数组d＝[d1，d2，…dmh]用于记录与输入字符相对应的基准字符的行信息，两数组中的元素下标nh、mh分别表示所属二值图像的行，而其元素值均表示所对应行中像素值为0的个数；
(1-1-4)分别搜索数组c和d中的第一个非零项和最后一个非零项，记为(cs,ct)和(du,dv)，然后将d数组的区间值(du,dv)映射至c数组的以下9个区间：(cs,ct)，(cs-1,ct)，(cs+1,ct)，(cs,ct-1)，(cs,ct+1)，(cs-1,ct-1)，(cs-1,ct+1)，(cs+1,ct-1)，(cs+1,ct+1)，得到9个数组d’；求每个数组d’和数组c对应映射区间元素的差异值，将c数组中上述9个区间差异值最小的区间记为(cmin,cmax)；
(1-1-5)将输入图像的列区间(amin,amax)的像素值映射到(bg,bh)中，行区间(cmin,cmax)的像素值映射到(du,dv)中，得到的结果图即为配准完的图；
(1-2)将所有配准后的字符图和基准字符的像素值求和取平均，再做二值化，所得图像作为标准字符库的字符，保存所有字符即形成标准字符库。
优选的，步骤(2)中，在线获取丝印产品的图像，对图像中的字符进行分割，得到各个字符对应的字符图像，然后对每个字符图像进行二值化，将二值化后的图像与标准字符库中对应字符进行配准，然后将配准后的图像与标准字符库中对应字符做差值；如果所有字符图像的差值绝对值均小于设定的阈值，则判定当前丝印产品质量合格，否则判定存在缺陷。
更进一步的，所述将二值化后的图像与标准字符库中对应字符进行配准的方法同上面步骤(1)中的相同。
一种用于实现上述字符缺陷自动检测方法的系统，包括控制器、摄像头组件、灯箱、传送装置和支架，摄像头组件和传送装置均固定在支架上，传送装置运送待检丝印产品经过摄像头组件的下方，灯箱设置在摄像头组件的周围，摄像头组件和传送装置均分别与控制器连接，摄像头组件的开闭、待检丝印产品的传送速度均由控制器控制；摄像头组件在待检丝印产品经过其下方时拍摄图像，并将图像传送到控制器，控制器上安装有用于实现上述字符缺陷自动检测方法的程序。
优选的，所述摄像头组件包括线阵扫描工业相机和镜头，传送装置采用传送带输送方式，镜头设置在传送带的正上方。
优选的，所述支架高度可调。从而设置在支架上的摄像头组件高度也可调。
优选的，所述灯箱内部涂覆反光材料，光源朝上打光。从而能够为图像拍摄提供稳定的光源。
与现有技术相比，本发明具有如下有益效果：
1、本发明考虑到丝印产品图像的各种变化，提出针对每一种待检丝印产品，先根据没有缺陷的图像，离线建立标准字符库，构建标准字符特征，然后在加工该丝印产品时，可以实现在线检测，将当前采集的图像中字符与标准字符特征进行比对，从而实现缺陷自动检测，具有准确率高、适用性广的优点。
2、本发明在建立标准字符库以及进行字符比对时，提出一种字符配准方法，通过该配准方法配准后，构建的标准字符的特征稳定性强，能够大大提高后续识别的准确度。
3、在一个丝印产品可能有多达200多个7号字的印刷字符，字符小，且数量多，因此采用传统的人工人眼检测，使得工人的劳动量极大，易导致疲劳，进而直接造成检测正确率下降。本发明采用全自动化方法实现在线对丝印产品上的字符进行精确检测，可以大大降低工人的劳动量，同时还能够节省人工成本。
附图说明
图1为本实施例字符缺陷自动检测系统的结构示意图。
图2为本实施例字符缺陷自动检测的模块图。
图3为本实施例离线建立标准字符库方法的流程图。
图4为本实施例在线检测字符缺陷的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明的技术细节进行清晰、详尽的说明，所描述的实施例仅是本发明中的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其他实施例，都属于本发明的保护范围。
如图1所示，本实施例提供一种字符缺陷自动检测系统，包括PC机1，摄像头组件2，灯箱3，传送带4，用于固定相机和传送带的支架5以及印有字符的待检产品6。传送带4采用普通电机传送。摄像头组件2包括线阵扫描工业相机和镜头，与灯箱3固定连接，通过支架5固定安装于传送带4的正上方。摄像头组件2和传送带4的电机分别与PC机1电连接。带有丝印字符的产品6置于传送带4上，由传送带4将产品6传送经过摄像头组件2的正下方完成拍摄。摄像头组件2的高度可调。灯箱3分为上下两部分，如图1所示，上部分采用弧形结构，下部分采用中间有缺口的平板，在灯箱内部涂覆有反光材料，光源朝上打光打到弧形结构上，经过反射，光线向下集中平行投射在缺口下方的产品6上。从而可为字符拍摄提供稳定的光源。传送带4的速度可调，速度的选择需与线阵扫描相机的行频相配合，以获得正确的长宽比例。
PC机1中装载用于实现字符缺陷自动检测方法的程序。所述PC机1还包括用户输入设备及显示设备，所用输入设备可以是鼠标和键盘，所用显示设备可以是电脑显示屏或液晶显示屏等。
在实际应用中，摄像头组件2将在线采集的丝印产品彩色图像传送给PC机1，所述PC机1处理图像后，判断产品中的丝印字符是否有缺陷。
基于图1所示的硬件系统，图2示出了本实施例PC机中执行的字符缺陷自动检测方法，该方法主要包括两个部分：
1、离线建立标准字符库：针对每一种待检丝印产品，选取5张没有缺陷的图像，提取出每张图像中的字符，每个字符对应有5个样本，对每一个字符的5个样本数据进行统计分析和处理，得到一标准字符，所有标准字符共同构成当前待检丝印产品的标准字符库。
2、在线检测字符缺陷：在线获取丝印产品的图像，提取图像中的字符，即待检测字符，然后根据当前丝印产品的类型，调取其对应的标准字符库；将所有待检测字符逐个与标准字符库中对应字符的特征进行比对，即进行字符缺陷检测，判断丝印产品是否存在缺陷。
每一种型号的丝印产品均需建立一个标准字符库，其中包括该类产品上出现的全部独立字符。任何一种型号的丝印产品在开始检测前，均预先离线建立标准字符库。图3是离线建立标准字符库的流程图，包括以下步骤：
(1)取五个相同型号并且所有字符都没有缺陷的合格丝印产品；
(2)根据摄像头的行频和字符的长宽比例设置传送带速度，调节摄像头高度，逐个拍摄产品并保存5幅图像；
(3)对每幅图像均进行二指化处理，在二值化图像中提取每个字符的轮廓；
(4)对每个字符的轮廓进行最小外包矩形拟合，根据最小外包矩形的宽度和高度确定字符位置。同时将字符按照顺序逐个分割开。对每个字符二值化，数值1代表背景，数值0代表与字符信息相关的前景。
(5)取五个产品中任一个产品的字符作为基准字符，将其余四个产品的字符相对于基准字符进行配准，所述配准方法包括以下步骤：
(5-1)新建两个一维数组，数组a＝[a1，a2，…anl]用于记录输入字符的列信息，数组b＝[b1，b2，…bml]用于记录与输入相对应的基准字符的列信息。两数组中的元素下标nl、ml表示所属二值图像的列，元素值表示对应列中像素值为0的像素个数，数组a和b中的0值表示对应列的像素全部属于图像背景，非0值代表对应列中出现了属于字符的像素。
(5-2)分别搜索数组a和b中的第一个非零项和最后一个非零项，记其列坐标为(ae,af)和(bg,bh)，将b数组的区间(bg,bh)的元素值分别映射至以下9个区间：(ae,af)，(ae-1,af)，(ae+1,af)，(ae,af-1)，(ae,af+1)，(ae-1,af-1)，(ae-1,af+1)，(ae+1,af-1)，(ae+1,af+1)，分别得到9个数组b’。求每个数组b’和数组a对应映射区间元素的差异值，将a数组中上述9个区间差异值最小的区间记为(amin,amax)。
(5-3)新建两个一维数组，数组c＝[c1，c2，…cnh]用于记录输入字符的行信息，数组d＝[d1，d2，…dmh]用于记录与输入字符相对应的基准字符的行信息，两数组中的元素下标nh、mh分别表示二值图像的行，而其元素值均表示所对应行中像素值为0的个数。
(5-4)分别搜索数组c和d中的第一个非零项和最后一个非零项，记为(cs,ct)和(du,dv)，然后将d数组的区间值(du,dv)映射至c数组的以下9个区间：(cs,ct)，(cs-1,ct)，(cs+1,ct)，(cs,ct-1)，(cs,ct+1)，(cs-1,ct-1)，(cs-1,ct+1)，(cs+1,ct-1)，(cs+1,ct+1)，得到9个数组d’。求每个数组d’和数组c对应映射区间元素的差异值，将c数组中上述9个区间差异值最小的区间记为(cmin,cmax)。
(5-5)将输入图像的列区间(amin,amax)的像素值映射到(bg,bh)中，行区间(cmin,cmax)的像素值映射到(du,dv)中。得到的结果图即为配准完的图。
(6)将四个配准后的字符图和基准字符的像素值求和取平均，再做二值化，所得图像作为标准字符库的字符，保存所有字符即形成标准字符库。
图4是本实施例字符缺陷的在线检测方法流程图，包括以下步骤：
(1)传送带速度和摄像头高度与建立相同型号标准字符库时的参数相同。开启电机，将丝印产品送至合适的位置时，线阵摄像头开始拍摄一张丝印产品的彩色图片，并传至PC机内存。
(2)采用与标准字符库建立时相同的单字符分割方法对丝印产品的图片进行单字符分割。
(3)采用与标准字符库相同方法二值化分割出来的所有字符，即数值1代表背景，数值0代表前景即与字符相关的信息。
(4)对取得的每一张二值化字符图都和标准字符库对应的字符做配准，采用与标准字符库建立时相同的配准方法。
(5)将配准完的图和标准字符库的图做差值，如果每个像素灰度差值的和的绝对值大于设定阈值，则认为该字符有缺陷，并结束检测，标记该丝印产品不合格；如果绝对值小于一个阈值，则认为该字符无缺陷，并继续检测下一字符。如果所有的字符全部无缺陷，则标记该丝印产品合格。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (9)
1.一种字符缺陷自动检测方法，其特征在于，包括步骤：
(1)离线建立标准字符库：针对每一种待检丝印产品，选取N张没有缺陷的图像，提取出每张图像中的字符，每个字符对应有N个样本，对每一个字符的N个样本数据进行统计分析和处理，得到一标准字符，所有标准字符共同构成当前待检丝印产品的标准字符库；
(2)在线检测字符缺陷：在线获取丝印产品的图像，提取图像中的字符，判断当前丝印产品的类型，调取其对应的标准字符库；将所有字符逐个与标准字符库中对应字符的特征进行比对，判断丝印产品是否存在缺陷。
2.根据权利要求1所述的字符缺陷自动检测方法，其特征在于，步骤(1)中，提取出每张图像中的字符，步骤是：
获取丝印产品的彩色图像，对其做固定阈值的二值化；
在二值化图像中提取每个字符的轮廓；
根据每个字符的轮廓求其最小外包矩形，并根据最小外包矩形的宽度和高度确定字符位置。
3.根据权利要求1所述的字符缺陷自动检测方法，其特征在于，步骤(1)中，根据每一个字符的N个样本数据得到标准字符的步骤是：
(1-1)选取N个样本中其中一个字符作为基准字符，将其余N-1个字符分别相对于基准字符进行配准，配准方法如下：
(1-1-1)新建两个一维数组，数组a＝[a1，a2，…anl]用于记录输入字符的列信息，数组b＝[b1，b2，…bml]用于记录与输入字符相对应的基准字符的列信息，两数组中的元素下标nl、ml分别表示所属二值图像的列，数组的元素值表示对应列中像素值为0的像素个数，数组a和b中的0值表示对应列的像素全部属于图像背景，非0值代表对应列中出现了属于字符的像素；
(1-1-2)分别搜索数组a和b中的第一个非零项和最后一个非零项，记其列坐标为(ae,af)和(bg,bh)，将b数组的区间(bg,bh)的元素值分别映射至以下9个区间：(ae,af)，(ae-1,af)，(ae+1,af)，(ae,af-1)，(ae,af+1)，(ae-1,af-1)，(ae-1,af+1)，(ae+1,af-1)，(ae+1,af+1)，得到9个数组b’；求每个数组b’和数组a对应映射区间元素的差异值，将a数组中上述9个区间差异值最小的区间记为(amin,amax)；
(1-1-3)新建两个一维数组，数组c＝[c1，c2，…cnh]用于记录输入字符的行信息，数组d＝[d1，d2，…dmh]用于记录与输入字符相对应的基准字符的行信息，两数组中的元素下标nh、mh分别表示所属二值图像的行，而其元素值均表示所对应行中像素值为0的个数；
(1-1-4)分别搜索数组c和d中的第一个非零项和最后一个非零项，记为(cs,ct)和(du,dv)，然后将d数组的区间值(du,dv)映射至c数组的以下9个区间：(cs,ct)，(cs-1,ct)，(cs+1,ct)，(cs,ct-1)，(cs,ct+1)，(cs-1,ct-1)，(cs-1,ct+1)，(cs+1,ct-1)，(cs+1,ct+1)，得到9个数组d’；求每个数组d’和数组c对应映射区间元素的差异值，将c数组中上述9个区间差异值最小的区间记为(cmin,cmax)；
(1-1-5)将输入图像的列区间(amin,amax)的像素值映射到(bg,bh)中，行区间(cmin,cmax)的像素值映射到(du,dv)中，得到的结果图即为配准完的图；
(1-2)将所有配准后的字符图和基准字符的像素值求和取平均，再做二值化，所得图像作为标准字符库的字符，保存所有字符即形成标准字符库。
4.根据权利要求3所述的字符缺陷自动检测方法，其特征在于，步骤(2)中，在线获取丝印产品的图像，对图像中的字符进行分割，得到各个字符对应的字符图像，然后对每个字符图像进行二值化，将二值化后的图像与标准字符库中对应字符进行配准，然后将配准后的图像与标准字符库中对应字符做差值；如果所有字符图像的差值绝对值均小于设定的阈值，则判定当前丝印产品质量合格，否则判定存在缺陷。
5.根据权利要求4所述的字符缺陷自动检测方法，其特征在于，所述将二值化后的图像与标准字符库中对应字符进行配准的方法与步骤(1-1)中的配准方法相同。
6.一种用于实现权利要求1-5任一项所述字符缺陷自动检测方法的系统，其特征在于，包括控制器、摄像头组件、灯箱、传送装置和支架，摄像头组件和传送装置均固定在支架上，传送装置运送待检丝印产品经过摄像头组件的下方，灯箱设置在摄像头组件的周围，摄像头组件和传送装置均分别与控制器连接，摄像头组件的开闭、待检丝印产品的传送速度均由控制器控制；摄像头组件在待检丝印产品经过其下方时拍摄图像，并将图像传送到控制器，控制器上安装有用于实现权利要求1-5任一项所述字符缺陷自动检测方法的程序。
7.根据权利要求6所述的系统，其特征在于，所述摄像头组件包括线阵扫描工业相机和镜头，传送装置采用传送带输送方式，镜头设置在传送带的正上方。
8.根据权利要求6所述的系统，其特征在于，所述支架高度可调。
9.根据权利要求6所述的系统，其特征在于，所述灯箱内部涂覆反光材料，光源朝上打光。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810088289.5A CN108416765B (zh) | 2018-01-30 | 2018-01-30 | 一种字符缺陷自动检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810088289.5A CN108416765B (zh) | 2018-01-30 | 2018-01-30 | 一种字符缺陷自动检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108416765A true CN108416765A (zh) | 2018-08-17 |
| CN108416765B CN108416765B (zh) | 2020-08-18 |
Family
ID=63127350
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810088289.5A Expired - Fee Related CN108416765B (zh) | 2018-01-30 | 2018-01-30 | 一种字符缺陷自动检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108416765B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109165635A (zh) * | 2018-09-27 | 2019-01-08 | 珠海格力电器股份有限公司 | 显示屏中光符标记的视觉检测系统及其方法与智能终端 |
| CN110197180A (zh) * | 2019-05-30 | 2019-09-03 | 新华三技术有限公司 | 字符缺陷检测方法、装置及设备 |
| CN110239997A (zh) * | 2019-06-13 | 2019-09-17 | 华中科技大学 | 一种复卷机自动剔废方法及设备 |
| CN110426401A (zh) * | 2019-08-07 | 2019-11-08 | 北京赛育达科教有限责任公司 | 一种用于实训的机器人视觉字符检测系统及方法 |
| CN110596121A (zh) * | 2019-09-12 | 2019-12-20 | 南京旷云科技有限公司 | 键盘外观检测方法、装置和电子系统 |
| CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
| CN113063802A (zh) * | 2021-03-17 | 2021-07-02 | 深圳市霍克视觉科技有限公司 | 一种印刷标签缺陷检测方法及其装置 |
| CN113780235A (zh) * | 2021-09-24 | 2021-12-10 | 西安闻泰信息技术有限公司 | 图标瑕疵检测方法及系统 |
| CN115035522A (zh) * | 2022-08-11 | 2022-09-09 | 东声(苏州)智能科技有限公司 | 一种元器件字符缺陷的智能识别方法及装置 |
| CN118037640A (zh) * | 2024-01-18 | 2024-05-14 | 广州芯德通信科技股份有限公司 | 基于设计图智能识别的产品检测方法、系统和计算机介质 |
| CN118366167A (zh) * | 2024-04-16 | 2024-07-19 | 广东奥普特科技股份有限公司 | 字符缺陷检测方法及相关设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1400922A1 (en) * | 2002-09-20 | 2004-03-24 | Nitto Denko Corporation | Print inspection method and apparatus |
| CN102507592A (zh) * | 2011-11-01 | 2012-06-20 | 河海大学常州校区 | 表面缺陷仿蝇视觉在线检测装置及检测方法 |
| CN104268894A (zh) * | 2014-10-17 | 2015-01-07 | 盐城工学院 | 一种基于目标物像素投影判断的断层切片图像配准方法 |
| CN104268538A (zh) * | 2014-10-13 | 2015-01-07 | 江南大学 | 一种易拉罐点阵喷码字符在线视觉检测方法 |
| CN105046697A (zh) * | 2015-07-06 | 2015-11-11 | 湖南大学 | 一种基于多次随机圆检测及拟合度评估的啤酒瓶口定位方法 |
| CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
| CN106096601A (zh) * | 2016-06-06 | 2016-11-09 | 深圳辰通智能股份有限公司 | 一种自动检测票据中字符类型的方法和系统 |
| 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 |
-
2018
- 2018-01-30 CN CN201810088289.5A patent/CN108416765B/zh not_active Expired - Fee Related
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1400922A1 (en) * | 2002-09-20 | 2004-03-24 | Nitto Denko Corporation | Print inspection method and apparatus |
| CN102507592A (zh) * | 2011-11-01 | 2012-06-20 | 河海大学常州校区 | 表面缺陷仿蝇视觉在线检测装置及检测方法 |
| CN104268538A (zh) * | 2014-10-13 | 2015-01-07 | 江南大学 | 一种易拉罐点阵喷码字符在线视觉检测方法 |
| CN104268894A (zh) * | 2014-10-17 | 2015-01-07 | 盐城工学院 | 一种基于目标物像素投影判断的断层切片图像配准方法 |
| CN105046697A (zh) * | 2015-07-06 | 2015-11-11 | 湖南大学 | 一种基于多次随机圆检测及拟合度评估的啤酒瓶口定位方法 |
| CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
| CN106096601A (zh) * | 2016-06-06 | 2016-11-09 | 深圳辰通智能股份有限公司 | 一种自动检测票据中字符类型的方法和系统 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 史慧飞: "平面产品质量在线检测系统的算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）》 * |
| 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》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109165635A (zh) * | 2018-09-27 | 2019-01-08 | 珠海格力电器股份有限公司 | 显示屏中光符标记的视觉检测系统及其方法与智能终端 |
| CN110197180B (zh) * | 2019-05-30 | 2022-03-01 | 新华三技术有限公司 | 字符缺陷检测方法、装置及设备 |
| CN110197180A (zh) * | 2019-05-30 | 2019-09-03 | 新华三技术有限公司 | 字符缺陷检测方法、装置及设备 |
| CN110239997A (zh) * | 2019-06-13 | 2019-09-17 | 华中科技大学 | 一种复卷机自动剔废方法及设备 |
| CN110239997B (zh) * | 2019-06-13 | 2024-04-19 | 华中科技大学 | 一种复卷机自动剔废方法及设备 |
| CN110426401A (zh) * | 2019-08-07 | 2019-11-08 | 北京赛育达科教有限责任公司 | 一种用于实训的机器人视觉字符检测系统及方法 |
| CN110596121A (zh) * | 2019-09-12 | 2019-12-20 | 南京旷云科技有限公司 | 键盘外观检测方法、装置和电子系统 |
| CN111060527B (zh) * | 2019-12-30 | 2021-10-29 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
| CN111060527A (zh) * | 2019-12-30 | 2020-04-24 | 歌尔股份有限公司 | 一种字符缺陷检测方法及装置 |
| US12002198B2 (en) | 2019-12-30 | 2024-06-04 | Goertek Inc. | Character defect detection method and device |
| CN113063802A (zh) * | 2021-03-17 | 2021-07-02 | 深圳市霍克视觉科技有限公司 | 一种印刷标签缺陷检测方法及其装置 |
| CN113063802B (zh) * | 2021-03-17 | 2023-10-20 | 深圳市霍克视觉科技有限公司 | 一种印刷标签缺陷检测方法及其装置 |
| CN113780235A (zh) * | 2021-09-24 | 2021-12-10 | 西安闻泰信息技术有限公司 | 图标瑕疵检测方法及系统 |
| CN115035522A (zh) * | 2022-08-11 | 2022-09-09 | 东声(苏州)智能科技有限公司 | 一种元器件字符缺陷的智能识别方法及装置 |
| CN118037640A (zh) * | 2024-01-18 | 2024-05-14 | 广州芯德通信科技股份有限公司 | 基于设计图智能识别的产品检测方法、系统和计算机介质 |
| CN118366167A (zh) * | 2024-04-16 | 2024-07-19 | 广东奥普特科技股份有限公司 | 字符缺陷检测方法及相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108416765B (zh) | 2020-08-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108416765A (zh) | 一种字符缺陷自动检测方法和系统 | |
| CN104749184B (zh) | 自动光学检测方法和系统 | |
| CN106370671A (zh) | 基于机器视觉的pcb上元器件检测系统及方法 | |
| JP5953842B2 (ja) | 画像検査方法および検査領域設定方法 | |
| CN109429473A (zh) | 电路板中带极性电子元器件的自动检查方法及装置 | |
| CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
| CN105976354B (zh) | 基于颜色和梯度的元件定位方法和系统 | |
| CN110838149B (zh) | 一种相机光源自动配置方法及系统 | |
| CN112053318A (zh) | 基于深度学习的二维pcb缺陷实时自动检测与分类装置 | |
| CN107945184A (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 | |
| CN109856156A (zh) | 一种基于aoi的显示面板微小缺陷判定方法与装置 | |
| CN104335030A (zh) | 基板的异物检测方法 | |
| CN104992446B (zh) | 非线性光照自适应的图像拼接方法及其实现系统 | |
| CN104103069B (zh) | 图像处理装置、图像处理方法及记录介质 | |
| CN108520514A (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
| CN108986721B (zh) | 一种用于显示面板检测的检测图形生成方法 | |
| CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
| CN106886989A (zh) | 键盘按键的自动光学检测方法 | |
| CN108445010A (zh) | 自动光学检测方法及装置 | |
| CN114998308A (zh) | 一种基于光度立体的缺陷检测方法及系统 | |
| CN110533660B (zh) | 一种电子产品外壳丝印缺陷的检测方法 | |
| CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
| CN107633508A (zh) | 一种计量产品印刷线路板外观验证方法及系统 | |
| CN116580026B (zh) | 精密零部件外观缺陷自动光学检测方法、设备及存储介质 | |
| CN116091506B (zh) | 一种基于yolov5的机器视觉缺陷质检方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200818 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |