CN108596876B - 一种自动设置检测区域的方法 - Google Patents

一种自动设置检测区域的方法 Download PDF

Info

Publication number
CN108596876B
CN108596876B CN201810263274.8A CN201810263274A CN108596876B CN 108596876 B CN108596876 B CN 108596876B CN 201810263274 A CN201810263274 A CN 201810263274A CN 108596876 B CN108596876 B CN 108596876B
Authority
CN
China
Prior art keywords
data
chain data
preprocessing
initial
detection area
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.)
Active
Application number
CN201810263274.8A
Other languages
English (en)
Other versions
CN108596876A (zh
Inventor
沈明锋
王克生
吕建涛
袁旗
周民刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Weifang Lokomo Precision Industry Co Ltd
Original Assignee
Weifang Lokomo Precision Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Weifang Lokomo Precision Industry Co Ltd filed Critical Weifang Lokomo Precision Industry Co Ltd
Priority to CN201810263274.8A priority Critical patent/CN108596876B/zh
Publication of CN108596876A publication Critical patent/CN108596876A/zh
Application granted granted Critical
Publication of CN108596876B publication Critical patent/CN108596876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种自动设置检测区域的方法,涉及产品检测技术领域,通过对工程设计图纸的解析,获取物料基本图形元素,如直线、圆弧等,使用位置检索算法可以使用获取的图形元素创建一个标准的封闭多边形区域作为检测区域,该检测区域属于世界坐标系。检测相机经过标定,可以获取世界坐标系与图像坐标系的映射关系,将检测区域映射到图像坐标系下,获得图像坐标系下检测区域,最终实现检测区域自动设置。本发明一种自动设置检测区域的方法,降低了视觉软件中标定过程的复杂度,生成的检测区域更加规范,降低了标定物料时选取物料的品质对于检测效果耦合性。

Description

一种自动设置检测区域的方法
技术领域
本发明属于产品检测技术领域,特别涉及一种自动设置检测区域的方法。
背景技术
在做磁铁材料外观缺陷视觉检测时,需要对检测区域进行设置,目前视觉检测区域的设置方式有多种:
手动设置检测区域。根据检测位置要求,通常可以设定矩形、圆形、椭圆形、多边形区域等作为检测区域。优点是设置简单,但是设置区域形状固定,不能保证覆盖全部的“感兴趣”区域的同时不加入“不感兴趣”区域;
实时检测生成检测区域。检测过程中,使用图像分割等手段,实时获取物料的“感兴趣”区域,并对区域内物料进行检测。此方法,容易受被检测物料影响(物料的尺寸及缺陷),导致实时获取的检测区域不标准或者不合理,导致漏检或者误检;
标准物料标定检测区域。使用“标准物料”进行标定,使用图像分割等手段,获取标样物料的边界作为检测区域。执行检测过程时,使用该区域作为检测区域。优点,若选择的标准物料足够标准,检测区域能够较好的选定“感兴趣”区域;缺点,标准物料不易选取,若选择物料不够“标准”,获取的检测区域则不标准,造成检测效果下降。
然而磁铁材料外观缺陷视觉检测要求检测精准度高、检测设置简单、易于操作,这对外观检测区域的设置提出了较高的要求。
发明内容
针对以上缺陷,本发明的目的是提供一种自动设置检测区域的方法,该方法降低了视觉软件中标定过程的复杂度,生成的检测区域更加规范,降低了标定物料时选取物料的品质对于检测效果耦合性。
为实现上述目的,本发明的技术方案是:
一种自动设置检测区域的方法,包括以下步骤:
步骤一,检测执行前,预先对检测相机进行标定,以获取世界坐标系与图像坐标系映射关系,并保存数据信息到本地数据;
步骤二,根据物料的工程设计图纸,解析获取物料的形状信息,将物料的形状信息解析为基本的图形元素;
步骤三,对获取的所述图形元素做抽象预处理,将所述图形元素抽象为初始链状数据,再依据不同类型的所述初始链状数据分别进行插值处理形成预处理链状数据,完成数据提取及预处理工作;
步骤四,将所述预处理链状数据依据位置检索算法,自动获取所述预处理链状数据代表的所述图形元素之间的相互位置关系,在所述世界坐标系下创建生成能够描述所述物料轮廓的封闭多边形,所述封闭多边形围成的多边形区域为检测区域;
步骤五,若生成的所述多边形区域为一个,则整个所述多边形区域为所述检测区域,若生成的所述多边形区域为多个,则将周长最大的所述多边形区域减去其他周长小的所述多边形区域剩余部分作为所述检测区域;
步骤六,根据所述世界坐标系与所述图像坐标系映射关系,由所述步骤四生成的所述多边形区域映射生成在所述图像坐标系下的所述多变形区域,从而获得所述图像坐标系下的所述检测区域,并保存数据信息到所述本地数据;
步骤七,执行检测过程时,通过所述相机获取物料图像,然后对所述物料图像进行定位,并对所述物料图像位置偏移补正,使所述图像坐标系的原点与所述工程设计图纸中的坐标原点相同,且两者的坐标系方向相同;
步骤八,读取所述检测区域,根据实际检测需求,对所述检测区域进行定量缩放,以符合检测区域要求。
作为优选,所述图形元素包括直线、圆弧、圆形、椭圆形、线段。
作为优选,所述初始链状数据至少包括首点数据、尾点数据。
作为优选,所述插值处理包括直线插值、圆弧插值、椭圆弧插值。
作为优选,所述位置检索算法的具体步骤如下:
步骤A1:检验所述预处理链状数据是否存在圆形或椭圆形元素,若存在圆形或椭圆形元素,则程序跳转到步骤A10,对所述圆形或所述椭圆形元素进行操作;
步骤A2:将步骤1中非圆形元素和非椭圆形元素的所述预处理链状数据添加到处理队列;
步骤A3:随机选择所述处理队列中的所述预处理链状数据,作为初始预处理链状数据,删除所述处理队列中的所述初始预处理链状数据,然后遍历所述处理队列中的其他所述预处理链状数据;
步骤A4:判断所述初始预处理链状数据与所述处理队列中其他所述预处理链状数据的首点数据或尾点数据的数据相关性,若不相关则判断是否超出数据索引,若没有超出则返回步骤A3,若超出则为异常数据,结束运行;若相关则进入步骤A5;
步骤A5:若所述初始预处理链状数据的尾点数据与所述处理队列中的所述链状数据的首点数据相关,则添加相应的所述预处理链状数据到所述初始预处理链状数据上,使得所述初始预处理链状数据生长,若所述初始预处理链状数据的首点数据与所述处理队列中的所述链状数据的尾点数据相关,则交换所述初始预处理链状数据与相应的所述预处理链状数据顺序,再将相应的所述预处理链状数据添加到所述初始预处理链状数据上,使得所述初始预处理链状数据生长;
步骤A6:删除所述处理队列中添加到所述初始预处理链状数据上的所述预处理链状数据;
步骤A7:判断所述处理队列中的其他所述预处理链状数据是否遍历完毕,若否则返回步骤A4,若是则进行步骤A8;
步骤A8:判定所述初始预处理链状数据的首点数据和尾点数据是否相关,若不相关则为异常数据,结束运行,若相关则同时进行步骤A9和步骤A10;
步骤A9:确认所述初始预处理链状数据封闭,创建对应封闭多边形,并添加到输出队列;
步骤A10:判断所述处理队列中是否还有所述预处理链状数据,若有则返回步骤A3,若没有则结束运行,将输出队列中的所述多边形输出。
采用了上述技术方案后,本发明的有益效果是:
由于本发明一种自动设置检测区域的方法,包括以下步骤:步骤一,检测执行前,预先对检测相机进行标定,以获取世界坐标系与图像坐标系映射关系,并保存数据信息到本地数据;步骤二,根据物料的工程设计图纸,解析获取物料的形状信息,将物料的形状信息解析为基本的图形元素;步骤三,对获取的图形元素做抽象预处理,将图形元素抽象为初始链状数据,再依据不同类型的初始链状数据分别进行插值处理形成预处理链状数据,完成数据提取及预处理工作;步骤四,将预处理链状数据依据位置检索算法,自动获取预处理链状数据代表的图形元素之间的相互位置关系,在世界坐标系下创建生成能够描述物料轮廓的封闭多边形区域,多边形区域为检测区域;步骤五,若生成的多边形区域为一个,则整个多边形区域为检测区域,若生成的多边形区域为多个,则将周长最大的多边形区域减去其他周长小的多边形区域剩余部分作为检测区域;步骤六,根据所述世界坐标系与所述图像坐标系映射关系,由所述步骤四生成的所述多边形区域映射生成在所述图像坐标系下的所述多变形区域,从而获得图像坐标系下的检测区域,并保存数据信息到所述本地数据;步骤七,执行检测过程时,通过相机获取物料图像,然后对物料图像进行定位,并对物料图像位置偏移补正,使图像坐标系的原点与工程设计图纸中的坐标原点相同,且两者的坐标系方向相同;步骤八,读取检测区域,根据实际检测需求,对检测区域进行定量缩放,以符合检测区域要求。从软件操作的角度看,只通过简单的文件导入操作即可完成检测区域标定,降低了视觉检测软件中物料标定过程难度,对操作人员技术要求较低;该方法不同于根据标定物料边界设定检测区域的方式,标定物料时选取物料的品质对于检测效果耦合性降低;该方法可集成性较好,可较少程序设计工作;该方法形成的检测区域更加规范、检测区域点数更好控制,适合做批量物料检测的共同检测区域,通用性更好。
由于采用位置检索算法,可在世界坐标系下快速创建生成能够描述物料轮廓的封闭多边形区域。
综上,本发明一种自动设置检测区域的方法解决了目前在视觉检测中检测区域设置方法存在检测设置复杂,不易操作,标定物料时选取物料的品质对于检测效果耦合性高的问题。本发明一种自动设置检测区域的方法,降低了视觉软件中标定过程的复杂度,生成的检测区域更加规范,降低了标定物料时选取物料的品质对于检测效果耦合性。
附图说明
图1是本发明一种自动设置检测区域的方法的流程图;
图2是位置检索方法的流程图。
具体实施方式
下面结合附图和实施例,进一步阐述本发明。
对于物料加工设计过程前,都存在工程设计图纸。工程设计图纸描述信息包含产品设计尺寸要求、加工标准、尺寸边沿形态(直线、圆弧等)、规格标识等内容。电子图纸文件由固定的文件格式组成,记录着工程设计图纸的信息。对固定格式图纸文件的解析,可以获取物料的尺寸规格及边沿信息。一种自动设置检测区域的方法,包括以下步骤:
步骤一,检测执行前,预先对检测相机进行标定,以获取世界坐标系与图像坐标系映射关系,并保存数据信息到本地数据;
步骤二,根据物料的工程设计图纸,解析获取物料的形状信息,将物料的形状信息解析为基本的图形元素;
步骤三,对获取的图形元素做抽象预处理,将图形元素抽象为初始链状数据,再依据不同类型的初始链状数据分别进行插值处理形成预处理链状数据,完成数据提取及预处理工作;
步骤四,将预处理链状数据依据位置检索算法,自动获取预处理链状数据代表的图形元素之间的相互位置关系,在世界坐标系下创建生成能够描述物料轮廓的封闭多边形,封闭多边形围成的多边形区域为检测区域;
步骤五,若生成的多边形区域为一个,则整个多边形区域为检测区域,若生成的多边形区域为多个,则将周长最大的多边形区域减去其他周长小的多边形区域剩余部分作为检测区域,例如平板结构的物料,根据平板结构的物料外轮廓形成一个封闭多边形区域,则这个多边形区域就是检测区域,但是若平板结构的物料中间有一个空心部分,那么除了根据平板结构的物料外轮廓形成一个周长大的多边形区域,空心部分也会生成一个周长小的多边形区域,通过将周长大的多边形区域减去周长小的多边形区域,剩下的就是物料的实体部分,也就是检测区域,还有若是物料上存在多个孔的情况,也按照上述的计算方式确定检测区域;
步骤六,根据世界坐标系与图像坐标系映射关系,由步骤四生成的多边形区域映射生成在图像坐标系下的多变形区域,因此检测区域也生成在图像坐标系下的检测区域,从而获得图像坐标系下的检测区域,并保存数据信息到本地数据;
步骤七,执行检测过程时,通过相机获取物料图像,然后对物料图像进行定位,并对物料图像位置偏移补正,使图像坐标系的原点与工程设计图纸中的坐标原点相同,且两者的坐标系方向相同,通常物料图像的中心位于图像坐标系的原点,工程设计图纸的中心位于工程设计图纸的坐标原点;
步骤八,读取检测区域,根据实际检测需求,对检测区域进行定量缩放,等比例对检测区域进行缩小或放大,以符合检测区域要求。
图形元素为组成物料形状的基本元素,包括直线、圆弧、圆形、椭圆形、线段等。
初始链状数据至少包括首点数据、尾点数据,如直线元素包括首点数据和尾点数据,而圆弧元素除包括首点数据、尾点数据外还具有中间点数据。
插值处理根据图形元素的类型即初始链状数据的类型进行,包括直线插值、圆弧插值、椭圆弧插值等。
完成上述步骤后便可以对物料进行外观缺陷检测。
在本实施例中位置检索算法的具体步骤如下:
步骤A1:检验所述预处理链状数据是否存在圆形或椭圆形元素,若存在圆形或椭圆形元素,则程序跳转到步骤A10,对所述圆形或所述椭圆形元素进行操作;
步骤A2:将步骤1中非圆形元素和非椭圆形元素的所述预处理链状数据添加到处理队列;
步骤A3:随机选择所述处理队列中的所述预处理链状数据,作为初始预处理链状数据,删除所述处理队列中的所述初始预处理链状数据,然后遍历所述处理队列中的其他所述预处理链状数据;
步骤A4:判断所述初始预处理链状数据与所述处理队列中其他所述预处理链状数据的首点数据或尾点数据的数据相关性,若不相关则判断是否超出数据索引,若没有超出则返回步骤A3,若超出则为异常数据,结束运行;若相关则进入步骤A5;
步骤A5:若所述初始预处理链状数据的尾点数据与所述处理队列中的所述链状数据的首点数据相关,则添加相应的所述预处理链状数据到所述初始预处理链状数据上,使得所述初始预处理链状数据生长,若所述初始预处理链状数据的首点数据与所述处理队列中的所述链状数据的尾点数据相关,则交换所述初始预处理链状数据与相应的所述预处理链状数据顺序,再将相应的所述预处理链状数据添加到所述初始预处理链状数据上,使得所述初始预处理链状数据生长;
步骤A6:删除所述处理队列中添加到所述初始预处理链状数据上的所述预处理链状数据;
步骤A7:判断所述处理队列中的其他所述预处理链状数据是否遍历完毕,若否则返回步骤A4,若是则进行步骤A8;
步骤A8:判定所述初始预处理链状数据的首点数据和尾点数据是否相关,若不相关则为异常数据,结束运行,若相关则同时进行步骤A9和步骤A10;
步骤A9:确认所述初始预处理链状数据封闭,创建对应封闭多边形,并添加到输出队列;
步骤A10:判断所述处理队列中是否还有所述预处理链状数据,若有则返回步骤A3,若没有则结束运行,将输出队列中的所述多边形输出。
在位置检索算法中采用判断初始预处理链状数据与处理队列中其他预处理链状数据的首点数据或尾点数据的数据相关性,来实现使得初始预处理链状数据生长,避免了工程设计图纸存在的人为误差。
本发明一种自动设置检测区域的方法,通过对工程设计图纸的解析,获取物料基本图形元素,如直线、圆弧等,使用位置检索算法可以使用获取的图形元素创建一个标准的封闭多边形区域作为检测区域,该检测区域属于世界坐标系。检测相机经过标定,可以获取世界坐标系与图像坐标系的映射关系,将检测区域映射到图像坐标系下,最终实现检测区域自动设置。本发明一种自动设置检测区域的方法,从软件操作的角度看,只通过简单的文件导入操作即可完成检测区域标定,降低了视觉检测软件中物料标定过程难度,对操作人员技术要求较低;该方法不同于根据标定物料边界设定检测区域的方式,标定物料时选取物料的品质对于检测效果耦合性降低;该方法可集成性较好,可较少程序设计工作;该方法形成的检测区域更加规范、检测区域点数更好控制,适合做批量物料检测的共同检测区域,通用性更好。
本发明不局限于上述具体的实施方式,本领域的普通技术人员从上述构思出发,不经过创造性的劳动,所做出的种种变换,均落在本发明的保护范围之内。

Claims (4)

1.一种自动设置检测区域的方法,其特征在于,包括以下步骤:
步骤一,检测执行前,预先对检测相机进行标定,以获取世界坐标系与图像坐标系映射关系,并保存数据信息到本地数据;
步骤二,根据物料的工程设计图纸,解析获取物料的形状信息,将物料的形状信息解析为基本的图形元素;
步骤三,对获取的所述图形元素做抽象预处理,将所述图形元素抽象为初始链状数据,再依据不同类型的所述初始链状数据分别进行插值处理形成预处理链状数据,完成数据提取及预处理工作;
步骤四,所述初始链状数据至少包括首点数据、尾点数据,将不存在圆形元素和椭圆形元素的所述预处理链状数据添加到处理队列,随机选择所述处理队列中的所述预处理链状数据作为初始预处理链状数据,将所述预处理链状数据依据位置检索算法判断所述初始预处理链状数据与所述处理队列中其他所述预处理链状数据的所述首点数据或所述尾点数据的数据相关性,使得所述初始预处理链状数据生长,自动获取所述预处理链状数据代表的所述图形元素之间的相互位置关系,在所述世界坐标系下创建生成能够描述物料轮廓的封闭多边形,所述封闭多边形围成的多边形区域为检测区域;
步骤五,若生成的所述多边形区域为一个,则整个所述多边形区域为所述检测区域,若生成的所述多边形区域为多个,则将周长最大的所述多边形区域减去其他周长小的所述多边形区域剩余部分作为所述检测区域;
步骤六,根据所述世界坐标系与所述图像坐标系映射关系,由所述步骤四生成的所述多边形区域映射生成在所述图像坐标系下的所述多边形区域,从而获得所述图像坐标系下的所述检测区域,并保存数据信息到所述本地数据;
步骤七,执行检测过程时,通过所述相机获取物料图像,然后对所述物料图像进行定位,并对所述物料图像位置偏移补正,使所述图像坐标系的原点与所述工程设计图纸中的坐标原点相同,且两者的坐标系方向相同;
步骤八,读取所述检测区域,根据实际检测需求,对所述检测区域进行定量缩放,以符合检测区域要求。
2.根据权利要求1所述的一种自动设置检测区域的方法,其特征在于,所述图形元素包括直线、圆弧、圆形、椭圆形、线段。
3.根据权利要求1或2所述的一种自动设置检测区域的方法,其特征在于,所述插值处理包括直线插值、圆弧插值、椭圆弧插值。
4.根据权利要求1或2所述的一种自动设置检测区域的方法,其特征在于,所述位置检索算法的具体步骤如下:
步骤A1:检验所述预处理链状数据是否存在圆形或椭圆形元素,若存在圆形或椭圆形元素,则程序跳转到步骤A10,对所述圆形或所述椭圆形元素进行操作;
步骤A2:将步骤1中非圆形元素和非椭圆形元素的所述预处理链状数据添加到处理队列;
步骤A3:随机选择所述处理队列中的所述预处理链状数据,作为初始预处理链状数据,删除所述处理队列中的所述初始预处理链状数据,然后遍历所述处理队列中的其他所述预处理链状数据;
步骤A4:判断所述初始预处理链状数据与所述处理队列中其他所述预处理链状数据的首点数据或尾点数据的数据相关性,若不相关则判断是否超出数据索引,若没有超出则返回步骤A3,若超出则为异常数据,结束运行;若相关则进入步骤A5;
步骤A5:若所述初始预处理链状数据的尾点数据与所述处理队列中的所述链状数据的首点数据相关,则添加相应的所述预处理链状数据到所述初始预处理链状数据上,使得所述初始预处理链状数据生长,若所述初始预处理链状数据的首点数据与所述处理队列中的所述链状数据的尾点数据相关,则交换所述初始预处理链状数据与相应的所述预处理链状数据顺序,再将相应的所述预处理链状数据添加到所述初始预处理链状数据上,使得所述初始预处理链状数据生长;
步骤A6:删除所述处理队列中添加到所述初始预处理链状数据上的所述预处理链状数据;
步骤A7:判断所述处理队列中的其他所述预处理链状数据是否遍历完毕,若否则返回步骤A4,若是则进行步骤A8;
步骤A8:判定所述初始预处理链状数据的首点数据和尾点数据是否相关,若不相关则为异常数据,结束运行,若相关则同时进行步骤A9和步骤A10;
步骤A9:确认所述初始预处理链状数据封闭,创建对应封闭多边形,并添加到输出队列;
步骤A10:判断所述处理队列中是否还有所述预处理链状数据,若有则返回步骤A3,若没有则结束运行,将输出队列中的所述多边形输出。
CN201810263274.8A 2018-03-28 2018-03-28 一种自动设置检测区域的方法 Active CN108596876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810263274.8A CN108596876B (zh) 2018-03-28 2018-03-28 一种自动设置检测区域的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810263274.8A CN108596876B (zh) 2018-03-28 2018-03-28 一种自动设置检测区域的方法

Publications (2)

Publication Number Publication Date
CN108596876A CN108596876A (zh) 2018-09-28
CN108596876B true CN108596876B (zh) 2020-07-03

Family

ID=63624778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810263274.8A Active CN108596876B (zh) 2018-03-28 2018-03-28 一种自动设置检测区域的方法

Country Status (1)

Country Link
CN (1) CN108596876B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110795809B (zh) * 2019-11-07 2023-08-29 国网河北省电力有限公司电力科学研究院 基于cad图自动拾取的变电站电气二次回路连接关系的方法、系统及介质
CN111210459A (zh) * 2020-01-08 2020-05-29 北京天睿空间科技股份有限公司 一种利用先验知识的大场景内运动目标检测方法
CN111241988B (zh) * 2020-01-08 2021-07-13 北京天睿空间科技股份有限公司 一种结合定位信息的大场景内运动目标检测识别方法
CN113642597B (zh) * 2021-06-23 2024-09-27 北京航空航天大学 固体火箭发动机衬层缺陷图像数据集自制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6718057B1 (en) * 1998-12-22 2004-04-06 Mitsubishi Denki Kabushiki Kaisha Position error measurement method and device using positioning mark, and machining device for correcting position based on result of measuring position error using positioning mark
CN105825175A (zh) * 2016-03-11 2016-08-03 上海弼智仿生高科技有限公司 一种工业视觉检测方案生成方法及工业视觉检测方法
CN106506899A (zh) * 2015-09-08 2017-03-15 东莞市智觉电子科技有限公司 一种基于机器视觉的图像采集与重建方法及装置
CN107862679A (zh) * 2017-10-20 2018-03-30 歌尔股份有限公司 图像检测区域的确定方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8211346B2 (en) * 2010-01-08 2012-07-03 T.F.H. Publications, Inc. Paw-shaped toy

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6718057B1 (en) * 1998-12-22 2004-04-06 Mitsubishi Denki Kabushiki Kaisha Position error measurement method and device using positioning mark, and machining device for correcting position based on result of measuring position error using positioning mark
CN106506899A (zh) * 2015-09-08 2017-03-15 东莞市智觉电子科技有限公司 一种基于机器视觉的图像采集与重建方法及装置
CN105825175A (zh) * 2016-03-11 2016-08-03 上海弼智仿生高科技有限公司 一种工业视觉检测方案生成方法及工业视觉检测方法
CN107862679A (zh) * 2017-10-20 2018-03-30 歌尔股份有限公司 图像检测区域的确定方法及装置

Also Published As

Publication number Publication date
CN108596876A (zh) 2018-09-28

Similar Documents

Publication Publication Date Title
CN108596876B (zh) 一种自动设置检测区域的方法
CN110826416B (zh) 一种基于深度学习的卫浴陶瓷表面缺陷检测方法及装置
JP6879431B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
US5046109A (en) Pattern inspection apparatus
JP7000627B2 (ja) 標的細胞標識方法、装置、記憶媒体及び端末デバイス
CN101464951B (zh) 图像识别方法及系统
CN108228798A (zh) 确定点云数据之间的匹配关系的方法和装置
CN109685760B (zh) 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法
CN112348765A (zh) 数据增强方法、装置、计算机可读存储介质及终端设备
CN115641332B (zh) 产品边缘外观缺陷的检测方法及装置、介质、设备
CN111639647A (zh) 指示灯状态识别方法、装置、计算机设备及存储介质
CN109741325B (zh) 一种布线垂直度智能检测方法
CN110599453A (zh) 一种基于图像融合的面板缺陷检测方法、装置及设备终端
CN112419214A (zh) 一种标注图像生成方法、装置、可读存储介质及终端设备
WO2020100146A1 (en) Optimizing a set-up stage in an automatic visual inspection process
CN115035092A (zh) 基于图像的瓶体检测方法、装置、设备及存储介质
CN113947563A (zh) 一种基于深度学习的电缆工艺质量动态缺陷检测方法
CN110310239B (zh) 一种基于特性值拟合消除光照影响的图像处理方法
CN111598832A (zh) 一种槽孔缺陷标注方法、装置和存储介质
CN110826504A (zh) 一种结合细粒度分类的视觉识别方法、装置及计算机设备
CN115734072A (zh) 一种工业自动化设备的物联网集中监控方法及装置
CN114092542A (zh) 一种基于二维视觉的螺栓测量方法以及系统
CN118169144B (zh) 一种基于多级匹配和ai复检的缺陷检测方法、系统及介质
JP2004125690A (ja) 丸み自動計測方法、マスクパターン品質測定装置
CN114936965B (zh) 一种印章去除方法、装置、设备及存储介质

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