CN108734703B - 基于机器视觉的抛光砖打印图样检测方法、系统及装置 - Google Patents
基于机器视觉的抛光砖打印图样检测方法、系统及装置 Download PDFInfo
- Publication number
- CN108734703B CN108734703B CN201810387866.0A CN201810387866A CN108734703B CN 108734703 B CN108734703 B CN 108734703B CN 201810387866 A CN201810387866 A CN 201810387866A CN 108734703 B CN108734703 B CN 108734703B
- Authority
- CN
- China
- Prior art keywords
- pattern
- printing pattern
- printing
- color
- polished tile
- 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
Links
Images
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明公开了基于机器视觉的抛光砖打印图样检测方法、系统及装置,在抛光砖打印完毕后,自动拍摄抛光砖的打印图样;对打印图样进行预处理;对预处理后的打印图样进行特征提取;从预设的特征模板数据库中,获取打印图样对应的模板图像的特征;基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数;基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数;根据计算获得的相关性系数与结构相似性系数,获得抛光砖的图样打印效果。本发明可以实现抛光砖打印图样的自动化检测,操作简单,可以及时、快速、准确地获得抛光砖的检测结果,可广泛应用于抛光砖生产行业中。
Description
技术领域
本发明涉及机器视觉应用领域,特别是涉及一种基于机器视觉的抛光砖打印图样检测方法及系统。
背景技术
随着物质生活的提高,建筑行业的发展,各种建筑材料得到越来越广泛的应用。抛光砖作为重要的建筑材料,具有很广的应用范围。但是,现阶段,抛光砖的品质与图样效果一般,在其生产过程中,目前主要还是采用较传统的人为检测的方式进行打印图样的检测,检测效率低下,而且准确度高,另外,这种方式由于无法智能化,频繁更换打印图样将会增加检测难度,从而反过来降低了检测的准确度。
发明内容
为了解决上述的技术问题,本发明的目的是提供一种基于机器视觉的抛光砖打印图样检测方法、系统及装置。
本发明解决其技术问题所采用的第一技术方案是:
一种基于机器视觉的抛光砖打印图样检测方法,包括以下步骤:
在抛光砖打印完毕后,自动拍摄抛光砖的打印图样;
对打印图样进行预处理;
对预处理后的打印图样进行特征提取;
从预设的特征模板数据库中,获取打印图样对应的模板图像的特征;
基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数;
基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数;
根据计算获得的相关性系数与结构相似性系数,获得抛光砖的图样打印效果;
其中,所述特征包括纹理信息特征和颜色成分特征。
进一步,还包括以下步骤:
根据抛光砖的图样打印效果,对打印装置的工作系数进行调整。
进一步,所述对打印图样进行预处理的步骤,具体包括:
采用自适应分数阶积分算法对打印图样进行去噪处理;
采用自适应分数阶微分算法对去噪处理后的打印图样进行增强处理,强化打印图样的纹理边缘。
进一步,所述对预处理后的打印图样进行特征提取的步骤中,通过以下步骤进行纹理信息特征的提取:
采用改进的canny算子纹理检测算法对预处理后的打印图样进行处理,提取出打印图样的纹理图;
基于数字形态学方法对纹理图中的纹理断点进行填充处理后,获得完整的纹理信息特征。
进一步,所述对预处理后的打印图样进行特征提取的步骤中,通过以下步骤进行颜色成分特征的提取:
采用亮度分级算法划分预处理后的打印图样的不同亮度级;
引入国际色卡系统,根据划分的亮度级,基于多项式回归的颜色校正算法对打印图样进行颜色校正;
以抛光砖的基本颜色作为参考,基于颜色匹配算法,对颜色校正后的打印图样进行颜色分析;
利用数理统计方法统计获得打印图样中不同颜色成分的比例,进而获得打印图样中不同颜色成分的空间分布;
将获得的不同颜色成分的比例和空间分布作为打印图样的颜色成分特征。
进一步,所述以抛光砖的基本颜色作为参考,基于颜色匹配算法,对颜色校正后的打印图样进行颜色分析的步骤,其具体为:
以抛光砖的基本颜色作为参考,基于颜色匹配算法,根据下式,对颜色校正后的打印图样进行颜色分析,获得打印图样的不同空间位置所属的基本颜色:
Ci(x,y)=|Cinput(x,y)-Ci|,i=1,2,...,N
其中,Cinput(x,y)表示颜色校正后的打印图样在空间位置(x,y)的颜色值,Ci表示第i种基本颜色,Ci(x,y)表示位于(x,y)的空间位置的颜色所属的第i种基本颜色值。
进一步,所述基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数的步骤中,采用下式计算相关性系数di:
其中,α、β均表示权重系数,Tinput表示打印图样的纹理特征向量,Ti表示第i个模板图像的纹理特征向量,Cinput表示打印图样的颜色成分特征向量,Ci表示第i个模板图像的颜色成分特征向量。这里,第i个模板图像指与打印图样对应的模板图像。
进一步,所述基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数的步骤中,通过下式计算结构相似性系数SSIM(in,i):
其中,c1和c2均为常数,μin表示打印图样的平均值,μi表示第i个模板图像的平均值,σin表示打印图样的方差,σi表示第i个模板图像的方差,σin/i表示σin和σi的协方差。
本发明解决其技术问题所采用的第二技术方案是:
基于机器视觉的抛光砖打印图样检测系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的一种基于机器视觉的抛光砖打印图样检测方法。
本发明解决其技术问题所采用的第三技术方案是:
基于机器视觉的抛光砖打印图样检测装置,包括工业摄像头、上位机、用于传送待打印抛光砖的传送带以及用于将打印图样打印到抛光砖上的图样打印装置;
所述上位机分别与图样打印装置和工业摄像头连接;
所述工业摄像头设置在传送带上方,且用于在抛光砖打印完毕后,自动拍摄抛光砖的打印图样,并发送到上位机;
所述上位机具体用于:
对打印图样进行预处理;
对预处理后的打印图样进行特征提取;
从预设的特征模板数据库中,获取打印图样对应的模板图像的特征;
基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数;
基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数;
根据计算获得的相关性系数与结构相似性系数,获得抛光砖的图样打印效果;
其中,所述特征包括纹理信息特征和颜色成分特征。
本发明的有益效果是:本发明在拍摄抛光砖的打印图样后,可以准确提取抛光砖的打印图样的特征,结合打印图样对应的模板图像的特征计算打印图样与其对应的模板图像的相关性系数与结构相似性系数,从而根据这两个系数的值,获得抛光砖的图样打印效果,实现抛光砖打印图样的自动化检测,智能化程度高,而且检测准确度高,操作简单,可以及时、快速、准确地获得抛光砖的检测结果。
附图说明
图1是本发明的基于机器视觉的抛光砖打印图样检测方法的流程图;
图2是本发明具体实施例中对打印图样进行预处理的详细流程图;
图3是本发明具体实施例中进行纹理信息特征的提取的详细流程图;
图4是本发明具体实施例中进行颜色成分特征的提取的详细流程图;
图5是本发明的基于机器视觉的抛光砖打印图样检测系统的结构框图;
图6是本发明的基于机器视觉的抛光砖打印图样检测装置的电子框图。
具体实施方式
方法实施例
参照图1,一种基于机器视觉的抛光砖打印图样检测方法,包括以下步骤:
S1、在抛光砖打印完毕后,自动拍摄抛光砖的打印图样;
S2、对打印图样进行预处理;
S3、对预处理后的打印图样进行特征提取;
S4、从预设的特征模板数据库中,获取打印图样对应的模板图像的特征;
S5、基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数;
S6、基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数;
S7、根据计算获得的相关性系数与结构相似性系数,获得抛光砖的图样打印效果;
其中,所述特征包括纹理信息特征和颜色成分特征。
本方法在拍摄抛光砖的打印图样后,可以准确提取抛光砖的打印图样的特征,结合打印图样对应的模板图像的特征计算打印图样与其对应的模板图像的相关性系数与结构相似性系数,从而根据这两个系数的值,获得抛光砖的图样打印效果。通过拍摄图像进行处理后,实现抛光砖打印图样的自动化检测,智能化程度高,而且检测准确度高,操作简单,可以及时、快速、准确地获得抛光砖的检测结果。
步骤S4中,预设的特征模板数据库中,存储有打印图样对应的模板图像的特征,采用与打印图样同样的提取方法进行提取。这些特征事先采用与S3相同的提取步骤进行提取后,存储在预设的特征模板数据库中,步骤S4直接获取这些特征。
具体的,所述预设的特征模板数据库是通过以下方式建立的:对模板图像进行纹理信息特征的提取,以及对模板图像进行颜色成分特征的提取,从而将模板图像的纹理信息特征和颜色成分特征存储到预设的特征模板数据库中。
对模板图像进行纹理信息特征的提取的过程,与对打印图样进行纹理信息特征的提取的过程相同,与下述步骤S311和S312相同,只是处理对象的不同。对模板图像进行颜色成分特征的提取的过程,与对打印图样进行颜色成分特征的提取的过程也相同,即采用与S321~S325相同的处理步骤,只是处理对象的不同。具体可参照下述实施细节的描述。
另外,在执行过程中,也可以考虑不预先提取和存储,而是在检测过程中,执行步骤S4时,获取打印图样对应的模板图像后,直接采用与S3相同的提取步骤进行实时的特征提取。
进一步作为优选的实施方式,还包括以下步骤:
S8、根据抛光砖的图样打印效果,对打印装置的工作系数进行调整。
本方案在获得抛光砖的图样打印效果后,根据图样打印效果调整打印装置的工作系数,可以及时调整对抛光砖的打印参数,从而提高打印效果,提高抛光砖的产品质量。
具体调节过程,通过调整打印参数后,重新计算新的相关性系数与结构相似性系数后,判断是否合格,若不合格,则继续调整打印参数,直到相关性系数与结构相似性系数落在合格范围内。
进一步作为优选的实施方式,参照图2,所述步骤S2,具体包括:
S21、采用自适应分数阶积分算法对打印图样进行去噪处理;
S22、采用自适应分数阶微分算法对去噪处理后的打印图样进行增强处理,强化打印图样的纹理边缘。
本步骤中,利用自适应分数阶积分算法去除抛光砖图像的噪声影响,可以减少噪声对纹理提取的影响。利用自适应分数阶微分算法对去噪后的打印图样进行增强处理,可以强化打印图样的纹理边缘,便于提取更为细致的纹理信息。
本步骤中,考虑到纹理图像中存在强纹理也存在弱纹理,根据像素点的动态梯度来自适应调整分数阶阶次,可以更好地在处理图像纹理的同时,保留图像中弱纹理和平滑区域,从而达到更佳的图像处理效果。
进一步作为优选的实施方式,参照图3,所述步骤S3中,通过以下步骤进行纹理信息特征的提取:
S311、采用改进的canny算子纹理检测算法对预处理后的打印图样进行处理,提取出打印图样的纹理图;本步骤采用canny算子纹理检测算法进行处理后,可以准确提取图样的纹理;
S312、基于数字形态学方法对纹理图中的纹理断点进行填充处理后,获得完整的纹理信息特征。
进一步作为优选的实施方式,参照图4,所述步骤S3中,通过以下步骤进行颜色成分特征的提取:
S321、采用亮度分级算法划分预处理后的打印图样的不同亮度级;
S322、引入国际色卡系统,根据划分的亮度级,基于多项式回归的颜色校正算法对打印图样进行颜色校正;
S323、以抛光砖的基本颜色作为参考,基于颜色匹配算法,对颜色校正后的打印图样进行颜色分析;
S324、利用数理统计方法统计获得打印图样中不同颜色成分的比例,进而获得打印图样中不同颜色成分的空间分布;
S325、将获得的不同颜色成分的比例和空间分布作为打印图样的颜色成分特征。
统计不同颜色成分的空间分布的过程中,采用基于HSV空间的颜色直方图显示打印图样的空间分布。为若干个小的颜色区间,每个小区间成为直方图的一个字节;然后基于计算获得的不同颜色成分的空间分布,统计颜色落在每个小区间内的像素数量,进而描绘直方图,最后实现基于HSV空间的颜色直方图显示。
进一步作为优选的实施方式,所述步骤S323,其具体为:
以抛光砖的基本颜色作为参考,基于颜色匹配算法,根据下式,对颜色校正后的打印图样进行颜色分析,获得打印图样的不同空间位置所属的基本颜色:
Ci(x,y)=|Cinput(x,y)-Ci|,i=1,2,...,N
其中,Cinput(x,y)表示颜色校正后的打印图样在空间位置(x,y)的颜色值,Ci表示第i种基本颜色,Ci(x,y)表示位于(x,y)的空间位置的颜色所属的第i种基本颜色值。
进一步作为优选的实施方式,所述步骤S5中,采用下式计算相关性系数di:
其中,α、β均表示权重系数,Tinput表示打印图样的纹理特征向量,Ti表示第i个模板图像的纹理特征向量,Cinput表示打印图样的颜色成分特征向量,Ci表示第i个模板图像的颜色成分特征向量。这里,第i个模板图像指与打印图样对应的模板图像。相关性系数di用于表征打印图样与模板图像的相关性。这里,第i个模板图像指与打印图样对应的模板图像。
进一步作为优选的实施方式,所述步骤S6中,通过下式计算结构相似性系数SSIM(in,i):
其中,c1和c2均为常数,μin表示打印图样的平均值,μi表示第i个模板图像的平均值,σin表示打印图样的方差,σi表示第i个模板图像的方差,σin/i表示σin和σi的协方差。结构相似性系数SSIM(in,i)用于表征打印图样与模板图像的相似性与完整性。
步骤S5和S6中,基于提取的特征进行匹配计算,实现拍摄的抛光砖打印图样与对应的模板图像的匹配,计算量少,鲁棒性好,可以实现对抛光砖图样的实时、准确检测。
系统实施例
参照图5,本实施例提供了一种基于机器视觉的抛光砖打印图样检测系统,包括:
至少一个处理器200;
至少一个存储器100,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器200执行,使得所述至少一个处理器200实现所述的一种基于机器视觉的抛光砖打印图样检测方法。
本实施例的基于机器视觉的抛光砖打印图样检测系统,可执行本发明方法实施例所提供的基于机器视觉的抛光砖打印图样检测方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。
装置实施例
参照图6,本实施例提供了一种基于机器视觉的抛光砖打印图样检测装置,包括工业摄像头1、上位机2、用于传送待打印抛光砖的传送带3以及用于将打印图样打印到抛光砖上的图样打印装置4;
所述上位机2分别与图样打印装置4和工业摄像头1连接;
所述工业摄像头1设置在传送带3上方,且用于在抛光砖打印完毕后,自动拍摄抛光砖的打印图样,并发送到上位机2;图6中,附图标记51表示打印前的抛光砖,附图标记52表示打印完毕后印制了打印图样的抛光砖;
所述上位机2具体用于:
对打印图样进行预处理;
对预处理后的打印图样进行特征提取;
从预设的特征模板数据库中,获取打印图样对应的模板图像的特征;
基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数;
基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数;
根据计算获得的相关性系数与结构相似性系数,获得抛光砖的图样打印效果;
其中,所述特征包括纹理信息特征和颜色成分特征。
本实施例的基于机器视觉的抛光砖打印图样检测装置,可执行本发明方法实施例所提供的基于机器视觉的抛光砖打印图样检测方法,可执行方法实施例的任意组合实施步骤,具备该方法相应的功能和有益效果。同时可实现本发明系统实施例所提供的基于机器视觉的抛光砖打印图样检测系统,具备该系统相应的功能和有益效果。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种基于机器视觉的抛光砖打印图样检测方法,其特征在于,包括以下步骤:
在抛光砖打印完毕后,自动拍摄抛光砖的打印图样;
对打印图样进行预处理;
对预处理后的打印图样进行特征提取;
从预设的特征模板数据库中,获取打印图样对应的模板图像的特征;
基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数;
基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数;
根据计算获得的相关性系数与结构相似性系数,获得抛光砖的图样打印效果;
其中,所述特征包括纹理信息特征和颜色成分特征;
所述对预处理后的打印图样进行特征提取的步骤中,通过以下步骤进行颜色成分特征的提取:
采用亮度分级算法划分预处理后的打印图样的不同亮度级;
引入国际色卡系统,根据划分的亮度级,基于多项式回归的颜色校正算法对打印图样进行颜色校正;
以抛光砖的基本颜色作为参考,基于颜色匹配算法,对颜色校正后的打印图样进行颜色分析;
利用数理统计方法统计获得打印图样中不同颜色成分的比例,进而获得打印图样中不同颜色成分的空间分布;
将获得的不同颜色成分的比例和空间分布作为打印图样的颜色成分特征;
所述以抛光砖的基本颜色作为参考,基于颜色匹配算法,对颜色校正后的打印图样进行颜色分析的步骤,其具体为:
以抛光砖的基本颜色作为参考,基于颜色匹配算法,根据下式,对颜色校正后的打印图样进行颜色分析,获得打印图样的不同空间位置所属的基本颜色:
Ci(x,y)=|Cinput(x,y)-Ci|,i=1,2,...,N
其中,Cinput(x,y)表示颜色校正后的打印图样在空间位置(x,y)的颜色值,Ci表示第i种基本颜色,Ci(x,y)表示位于(x,y)的空间位置的颜色所属的第i种基本颜色值;
所述基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数的步骤中,采用下式计算相关性系数di:
其中,α、β均表示权重系数,Tinput表示打印图样的纹理特征向量,Ti表示第i个模板图像的纹理特征向量,Cinput表示打印图样的颜色成分特征向量,Ci表示第i个模板图像的颜色成分特征向量;
所述基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数的步骤中,通过下式计算结构相似性系数SSIM(in,i):
其中,c1和c2均为常数,μin表示打印图样的平均值,μi表示第i个模板图像的平均值,σin表示打印图样的方差,σi表示第i个模板图像的方差,σin/i表示σin和σi的协方差。
2.根据权利要求1所述的基于机器视觉的抛光砖打印图样检测方法,其特征在于,还包括以下步骤:
根据抛光砖的图样打印效果,对打印装置的工作系数进行调整。
3.根据权利要求1所述的基于机器视觉的抛光砖打印图样检测方法,其特征在于,所述对打印图样进行预处理的步骤,具体包括:
采用自适应分数阶积分算法对打印图样进行去噪处理;
采用自适应分数阶微分算法对去噪处理后的打印图样进行增强处理,强化打印图样的纹理边缘。
4.根据权利要求1所述的基于机器视觉的抛光砖打印图样检测方法,其特征在于,所述对预处理后的打印图样进行特征提取的步骤中,通过以下步骤进行纹理信息特征的提取:
采用改进的canny算子纹理检测算法对预处理后的打印图样进行处理,提取出打印图样的纹理图;
基于数字形态学方法对纹理图中的纹理断点进行填充处理后,获得完整的纹理信息特征。
5.基于机器视觉的抛光砖打印图样检测系统,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-4任一项所述的一种基于机器视觉的抛光砖打印图样检测方法。
6.基于机器视觉的抛光砖打印图样检测装置,其特征在于,包括工业摄像头、上位机、用于传送待打印抛光砖的传送带以及用于将打印图样打印到抛光砖上的图样打印装置;
所述上位机分别与图样打印装置和工业摄像头连接;
所述工业摄像头设置在传送带上方,且用于在抛光砖打印完毕后,自动拍摄抛光砖的打印图样,并发送到上位机;
所述上位机具体用于:
对打印图样进行预处理;
对预处理后的打印图样进行特征提取;
从预设的特征模板数据库中,获取打印图样对应的模板图像的特征;
基于提取的特征,采用归一化相关系数法,计算打印图样与其对应的模板图像的相关性系数;
基于提取的特征,计算打印图样与其对应的模板图像的结构相似性系数;
根据计算获得的相关性系数与结构相似性系数,获得抛光砖的图样打印效果;
其中,所述特征包括纹理信息特征和颜色成分特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387866.0A CN108734703B (zh) | 2018-04-26 | 2018-04-26 | 基于机器视觉的抛光砖打印图样检测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387866.0A CN108734703B (zh) | 2018-04-26 | 2018-04-26 | 基于机器视觉的抛光砖打印图样检测方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108734703A CN108734703A (zh) | 2018-11-02 |
CN108734703B true CN108734703B (zh) | 2020-12-01 |
Family
ID=63939947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810387866.0A Active CN108734703B (zh) | 2018-04-26 | 2018-04-26 | 基于机器视觉的抛光砖打印图样检测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734703B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112829464B (zh) * | 2021-01-05 | 2022-03-11 | 广东道氏技术股份有限公司 | 基于视觉反馈的瓷砖喷墨打印控制方法、装置和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424409A (zh) * | 2013-04-12 | 2013-12-04 | 安徽工业大学 | 一种基于dsp的视觉检测系统 |
CN104915400A (zh) * | 2015-05-29 | 2015-09-16 | 山西大学 | 基于彩色直方图和nsct的模糊相关同步图像检索方法 |
CN106226325A (zh) * | 2016-07-22 | 2016-12-14 | 广东工业大学 | 一种基于机器视觉的座椅表面缺陷检测系统及其方法 |
CN106770332A (zh) * | 2017-02-14 | 2017-05-31 | 杭州字节信息技术有限公司 | 一种基于机器视觉的电子模切料缺陷检测实现方法 |
CN107516315A (zh) * | 2017-08-25 | 2017-12-26 | 华南理工大学 | 一种基于机器视觉的掘进机出渣监测方法 |
CN107633535A (zh) * | 2017-09-06 | 2018-01-26 | 深圳市易天自动化设备股份有限公司 | 一种新型机器视觉目标高速定位方法 |
-
2018
- 2018-04-26 CN CN201810387866.0A patent/CN108734703B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424409A (zh) * | 2013-04-12 | 2013-12-04 | 安徽工业大学 | 一种基于dsp的视觉检测系统 |
CN104915400A (zh) * | 2015-05-29 | 2015-09-16 | 山西大学 | 基于彩色直方图和nsct的模糊相关同步图像检索方法 |
CN106226325A (zh) * | 2016-07-22 | 2016-12-14 | 广东工业大学 | 一种基于机器视觉的座椅表面缺陷检测系统及其方法 |
CN106770332A (zh) * | 2017-02-14 | 2017-05-31 | 杭州字节信息技术有限公司 | 一种基于机器视觉的电子模切料缺陷检测实现方法 |
CN107516315A (zh) * | 2017-08-25 | 2017-12-26 | 华南理工大学 | 一种基于机器视觉的掘进机出渣监测方法 |
CN107633535A (zh) * | 2017-09-06 | 2018-01-26 | 深圳市易天自动化设备股份有限公司 | 一种新型机器视觉目标高速定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108734703A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112330628A (zh) | 一种金属工件表面缺陷图像检测方法 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN107490582B (zh) | 一种流水线工件检测系统 | |
CN109858539A (zh) | 一种基于深度学习图像语义分割模型的roi区域提取方法 | |
CN112258426A (zh) | 一种基于Mask RCNN的脚手架图像自动倾斜校正的方法 | |
CN111882555B (zh) | 基于深度学习的网衣检测方法、装置、设备及存储介质 | |
CN110348461A (zh) | 一种工件表面缺陷特征提取方法 | |
CN115078365A (zh) | 一种软包装印刷质量缺陷检测方法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN108734703B (zh) | 基于机器视觉的抛光砖打印图样检测方法、系统及装置 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN109509194B (zh) | 一种复杂背景下正面人体图像分割方法及装置 | |
JP5080416B2 (ja) | 入力画像から検出対象物の像を検出する画像処理装置 | |
CN113947598B (zh) | 基于图像处理的塑料餐盒缺陷检测方法、装置及系统 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 | |
CN114088714B (zh) | 一种谷物颗粒表面规则度的检测方法 | |
CN111260625B (zh) | 胶印大张图像检测区域的自动提取方法 | |
CN113610185B (zh) | 基于主色调识别的木材色选方法 | |
CN115222652A (zh) | 一种成捆钢筋端面的识别计数及中心定位方法与其存储器 | |
CN112766338B (zh) | 一种计算距离图像的方法、系统及计算机可读存储介质 | |
CN112633393B (zh) | 一种瓷砖纹理自动分类方法及装置 | |
CN114723728A (zh) | 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统 | |
CN114358131A (zh) | 数码相框智能照片优化处理系统 | |
CN115705748A (zh) | 一种面部特征的识别系统 |
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 |