CN108918093A - 一种滤光片镜面缺陷检测方法、装置及终端设备 - Google Patents
一种滤光片镜面缺陷检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN108918093A CN108918093A CN201810502306.5A CN201810502306A CN108918093A CN 108918093 A CN108918093 A CN 108918093A CN 201810502306 A CN201810502306 A CN 201810502306A CN 108918093 A CN108918093 A CN 108918093A
- Authority
- CN
- China
- Prior art keywords
- optical filter
- image
- mirror
- optical
- filtering picture
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 364
- 230000007547 defect Effects 0.000 title claims abstract description 120
- 238000001514 detection method Methods 0.000 title claims abstract description 76
- 238000001914 filtration Methods 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 40
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 19
- 238000011426 transformation method Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003708 edge detection Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000013011 mating Effects 0.000 description 6
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000007323 disproportionation reaction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
- G01M11/0278—Detecting defects of the object to be tested, e.g. scratches or dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0207—Details of measuring devices
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明适用于图像处理技术领域，提供了一种滤光片镜面缺陷检测方法、装置及终端设备，所述方法包括：本发明首先通过获取包含多个滤光片的滤光片图像；然后根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；接着利用仿射变换方法对各个单一滤光片图像的角度进行调整；并分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；最后根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测，本发明能够实现滤光片镜面的自动检测，提高滤光片镜面缺陷检测效率及检测精度，从而进一步提高滤光片的整体质量。
Description
技术领域
本发明属于图像处理技术领域，尤其涉及一种滤光片镜面缺陷检测方法、装置及终端设备。
背景技术
滤光片作为现代光学器件的重要组成部分，通过在基底材料表面镀上多层膜，利用光的干涉效应，在改进光器件功能等方面起着十分关键的作用，因此被广泛应用在光通信网络中。随着远程通信和波分复用技术的发展，光通信技术对滤光片的设计和工艺提出了更高的要求，滤光片产品的品质好坏变得尤为重要。
在滤光片的生产过程中，难免会产生划痕、毛发、脏污等多种外观缺陷，目前，生产厂家通常通过在显微镜下以人工目检的方法对上述外观缺陷进行检测，但是人工目检的方法判断标准不一致，个人主观因素对检测结果影响较大，且一些肉眼难以察觉到的缺陷不能被及时发现，检测准确性和检测效率都较低，不利于大规模生产。
发明内容
有鉴于此，本发明实施例提供了一种滤光片镜面缺陷检测方法、装置及终端设备，以解决现有技术中镜面缺陷检测精度和效率低下的问题。
本发明实施例的第一方面提供了一种滤光片镜面缺陷检测方法，包括：
获取包含多个滤光片的滤光片图像；
根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；
利用仿射变换方法对各个单一滤光片图像的角度进行调整；
分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；
根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测。
本发明实施例的第二方面提供了一种滤光片镜面缺陷检测装置，包括：
滤光片图像获取模块，用于获取包含多个滤光片的滤光片图像；
单一滤光片图像获取模块，用于根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；
角度调整模块，用于利用仿射变换方法对各个单一滤光片图像的角度进行调整；
镜面区域图像提取模块，用于分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；
缺陷检测模块，用于根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测。
本发明实施例的第三方面提供了一种终端设备，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所述滤光片镜面缺陷检测方法的步骤。
本发明实施例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，所述计算机程序被处理器执行时实现如上所述滤光片镜面缺陷检测方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先通过获取包含多个滤光片的滤光片图像；然后根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；接着利用仿射变换方法对各个单一滤光片图像的角度进行调整；并分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；最后根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测，能够实现滤光片镜面的自动检测，提高滤光片镜面缺陷检测效率及检测精度，从而进一步提高滤光片的整体质量。
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一种滤光片镜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图1中步骤S102的的实现流程示意图；
图3是本发明实施例提供的图1中步骤S103的的实现流程示意图；
图4是本发明实施例提供的图1中步骤S104的的实现流程示意图；
图5是本发明实施例提供的图1中步骤S105的的实现流程示意图；
图6是本发明实施例提供的图1中步骤S501的的实现流程示意图；
图7是本发明实施例提供的一种滤光片镜面缺陷检测装置的结构示意图；
图8是本发明实施例提供的终端设备的示意图；
图9示出了本发明实施例提供的由第三处理图像转化为镜面区域图像的示例图。
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。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。
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。
实施例1：
图1示出了本发明的一个实施例提供的一种滤光片镜面缺陷检测方法的实现流程，本实施例的流程执行主体可以是服务器，其过程详述如下：
在S101中，获取包含多个滤光片的滤光片图像。
在本实施例中，滤光片图像中包含有多个滤光片，多个滤光片放在底座上，可以通过高清相机采集滤光片及底座的图像，得到滤光片图像。例如，一张滤光片图像中可以包含6个滤光片，如此，可以一次同时对六个滤光片的镜面进行检测。
在本实施例中，在对滤光片进行拍摄时，可以取两种不同的光源进行俯视拍摄，包括标准光源和背光光源。其中，标准光源为光源强度比较合适的从滤光片正面照射的光源，通过标准光源拍摄出滤光片整体的大致轮廓，但是标准光源无法清晰的显示出镜面区域，所以还需要采取背光光源着重拍摄滤光片的镜面区域。背光光源为从滤光片背面照射的光源，在背光光源条件下拍摄的滤光片图像能够凸显镜面透光部分，使镜面轮廓细节更加清晰的显示出来。
在S102中，根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像。
在本实施例中，需要根据预设定位参数，将滤光片图像中的多个滤光片分成只包括单个滤光片的单一滤光片图像，从而更好的确定每个滤光片镜面检测的结果。
在S103中，利用仿射变换方法对各个单一滤光片图像的角度进行调整。
在本实施例中，由于底座上的滤光片并不是完全摆正的，为了更加准确的对滤光片镜面区域进行检测，首先需要设置基准线对单一滤光片图像进行调整，摆正各个单一滤光片图像。
在S104中，分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像。
在本实施例中，滤光片包括镜面区域和丝印区域，为了得到精确的镜面区域缺陷检测结果，需要精确定位滤光片的镜面区域，得到各个滤光片的镜面区域图像。
在S105中，根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测。
在本实施例中，预设检测参数为一个可以判断滤光片的镜面区域是否存在缺陷的判断阈值。
从上述实施例可知，本发明实施例首先通过获取包含多个滤光片的滤光片图像；然后根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；接着利用仿射变换方法对各个单一滤光片图像的角度进行调整；并分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；最后根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测，能够实现滤光片镜面的自动检测，提高滤光片镜面缺陷检测效率及检测精度，从而进一步提高滤光片的整体质量。
如图2所示，在本发明的一个实施例中，图2示出了图1中步骤S102的具体实现流程，详述如下：
在S201中，对背光图像进行二值化处理，得到第一处理图像。
在本实施例中，背光图像为在背光光源条件下采集的滤光片图像，将背光图像进行二值化处理，能够使背光图像中的滤光片区域和底座区域分离，消除背景底座对滤光片提取的影响。
在S202中，对第一处理图像进行边缘检测，得到第一处理图像中各个轮廓所围成的区域面积。
在本实施例中，在背光图像二值化后，可以对第一处理图像进行边缘检测，提取第一处理图像中包含的所有轮廓，然后根据提取出的轮廓得到各个轮廓所围成的区域面积。
在S203中，计算各个轮廓对应的第一差值，第一差值为轮廓所围成的区域面积与预设滤光片面积的差值。
在本实施例中，预设定位参数包括预设滤光片面积及面积差阈值。其中，预设滤光片面积可以通过人工标定样本滤光片的面积得到。当一个轮廓中存在滤光片时，轮廓所围成的面积即为滤光片面积，而当一个轮廓中不包括滤光片时，该轮廓所围成的区域面积会比预设滤光片的面积大，因此通过计算第一差值，能够筛选出滤光片区域。
在S204中，将各个轮廓对应的第一差值分别与面积差阈值进行对比，将第一差值小于面积差阈值的轮廓判定为滤光片轮廓。
在本实施例中，预设定位参数还包括面积差阈值，第一差值为轮廓所围成的面积与预设滤光片面积的差值，通过判断第一差值与面积差阈值的大小，能够清楚地判断出滤光片的轮廓，从而能够提取出单个滤光片的图像。
在S205中，分别获取各个滤光片轮廓的最小外接圆信息。
在本实施例中，最小外接圆信息包括最小外接圆的圆心和半径。
在S206中，根据各个滤光片轮廓的最小外接圆信息，从标准图像中提取各个滤光片对应的单一滤光片图像。
在本实施例中，根据各个滤光片轮廓的最小外接圆的圆心和半径，从标准图像中提取出各个滤光片的单一滤光片图像。例如，当滤光片图像中包括6个滤光片时，则可以得到6个单一滤光片图像。
以一个具体的应用场景为例，假设滤光片图像中包括6个滤光片，则将第一处理图像中轮廓所围成的区域面积按照降序排列，取其中前6个值，作为可能存在滤光片的位置，然后根据预设定位参数对这些轮廓进行判断，若这些轮廓所围成的区域中有滤光片，则轮廓所围成的面积与预设滤光片面积的差值不大，若轮廓所围成的区域中滤光片空缺，则对应的空缺位置会拍摄到底座，由于底座面积大于预设滤光片面积，则轮廓所围成的面积与预设滤光片面积的差值相差较大，所以通过第一差值能够很清楚的判断出滤光片所在的位置。
在本发明的一个实施例中，当获取到单一滤光片图像后，可以对各个外接圆的圆心进行分析，然后确定各个滤光片在原滤光片图像中的位置，具体过程详述如下：
1)在滤光片图像上以滤光片图像的左上角为坐标零点建立坐标系，滤光片图像的纵坐标向下递增，横坐标向右递增。
2)将各个单一滤光片图像按照各自的最小外接圆的圆心进行排序，得到各个单一滤光片的序号，并根据各个单一滤光片图像的序号得到单一滤光片在原滤光片图像的位置信息。
在本实施例中，排序过程详述如下：
1)按照各个单一滤光片图像的最小外接圆的圆心纵坐标进行降序排列；
2)当多个单一滤光片图像的最小外接圆的圆心纵坐标相同时，对相同纵坐标的单一滤光片图像按照圆心横坐标进行升序排列，得到各个单一滤光片图像的序号。
根据上述排序方法，得到各个单一滤光片图像的序号，从而可以根据序号确定单一滤光片图像在滤光片图像中的位置。
从上述实施例可知，根据预设定位参数将滤光片图像分为单个的单一滤光片图像，能够根据单一滤光片图像进行进一步准确的镜面缺陷检测，提高了镜面缺陷检测的检测精度。
如图3所示，在本发明的一个实施例中，图3示出了图1中步骤S103的具体实现流程，详述如下：
在S301中，对各个单一滤光片图像进行二值化处理，得到对应的第二处理图像。
在本实施例中，对各个单一滤光片图像进行二值化处理，分离出单一滤光片图像中的滤光片区域和背景区域。
在S302中，对各个第二处理图像进行边缘检测，提取各个滤光片的最大外围轮廓。
在本实施例中，对二值化后得到的第二处理图像进行边缘检测，提取各个第二处理图像中检测出的轮廓，然后对轮廓进行处理，过滤掉每个第二处理图像中的小轮廓，只保留每张第二处理图像中最大外围轮廓，即第二处理图像中滤光片的轮廓。
在S303中，分别获取各个滤光片的最大外围轮廓的最小外接矩形。
在S304中，分别获取各个最小外接矩形的预设边与基准线的夹角，确定各个最小外接矩形的旋转角度及旋转中心。
在本实施例中，查找各个第二处理图像中滤光片轮廓的最小外接矩形。取最小外接矩形中预设边与基准线的夹角为第二处理图像的旋转角度。
在本实施例中，以一个具体的应用场景为例，假设基准线为水平线，则取矩形左上角的点坐标P1(x1，y1)和右上角的点坐标P2(x2，y2)，并取点P3(x2，y1)，则△P1P2P3构成一个直角三角形，而∠P2P1P3就是所要求的旋转角度。
在本实施例中，旋转角度∠P2P1P3的计算过程详述如下：
1)计算L1＝x2-x1；
2)计算L2＝y2-y1；
3)根据arctan∠P2P1P3＝L2/L1，即可得出旋转角度。
在S305中，根据各个最小外接矩形的旋转角度及旋转中心，生成各个滤光片对应的旋转矩阵。
在本实施例中，旋转矩阵为：
其中，center.x表示旋转中心的横坐标，center.y表示旋转中心的纵坐标，θ表示旋转角度，α＝cosθ，β＝sinθ。
在本实施例中，旋转中心即最小外接矩形的中心，根据旋转中心和旋转角度，生成各个单一滤光片图像对应的旋转矩阵，然后根据旋转矩阵对单一滤光片图像进行仿射变换，即可得到调整后的各个单一滤光片图像。
在S306中，根据各个滤光片对应的旋转矩阵，对相应的单一滤光片图像进行仿射变换。
从上述实施例可知，通过仿射变换将偏转的单一滤光片图像摆正，然后根据调整后的单一滤光片图像能够更加精确的得到各个滤光片的镜面区域，从而提高滤光片镜面缺陷检测的准确性。并且，通过仿射变换调整各个单一滤光片图像的角度，不需要在拍照前精确摆正各个滤光片，也能得到摆正后的单一滤光片图像，从而简化了滤光片检测的程序，提高了滤光片的检测效率。
如图4所示，在本发明的一个实施例中，图4示出了图1中步骤S104的具体实现流程，详述如下：
在S401中，根据预设分割阈值，分别对各个调整后的单一滤光片图像进行二值化处理，得到各个滤光片对应的二值化图像，二值化图像包括前景区域和背景区域。
在本实施例中，选取合适的预设分割阈值，根据预设分割阈值对调整后的单一滤光片图像进行二值化处理，具体过程详述如下：
将调整后的单一滤光片图像中的像素按照亮度值进行分割，将亮度高于预设分割阈值的像素置为1，否则置为0，从而得到二值化图像。
在S402中，对各个二值化图像分别进行形态学操作，得到各个滤光片对应的第三处理图像。
在本实施例中，由于镜面透光部分偏亮，因此能够通过二值化的方法得到镜面区域，但由于部分区域的亮度不均，所以在得到的二值化图像中会存在较小的明亮区域，即非镜面区域的白斑，因此需要通过形态学开操作将这些白斑消除。
在本实施例中，还可以对镜面区域进行腐蚀操作，消除镜面区域与背景区域连接处的干扰，得到第三处理图像，使第三处理图像中镜面区域的轮廓更加清晰，有助于下一步对镜面区域的检测。
在S403中，对各个第三处理图像进行边缘检测，检测出各个滤光片的镜面轮廓信息。
在本实施例中，对第三处理图像进行边缘检测，提取第三处理图像中的镜面轮廓，形成镜面轮廓信息。
在S404中，根据各个滤光片的镜面轮廓信息，从背光图像中提取各个滤光片的初始镜面区域。
在本实施例中，初始镜面区域即根据镜面轮廓信息提取的背光图像中的镜面区域。
在S405中，分别计算各个初始镜面区域的像素均值。
在S406中，将各个初始镜面区域的镜面轮廓的像素值替换为对应的像素均值，得到各个滤光片的镜面区域图像。
在本实施例中，如图9所示，图9中左图为第三处理图像，由于初始镜面区域可能存在部分缺陷与丝印区域相连，若不进行处理，则二值化后无法检测出与丝印区域相连的缺陷，所以，为了更好的提取镜面区域，需要隔离开镜面区域与丝印区域。所以，首先获取初始镜面区域中的镜面轮廓，镜面轮廓可以为预设像素宽度的带状区域，通过初始镜面区域的像素均值替换镜面轮廓的像素值，使初始镜面区域与丝印区域隔离开，从而较好的分离出镜面区域，如图9中右图所示，得到各个滤光片的镜面区域图像，便于后续检测。
从上述实施例可知，通过二值化处理单一滤光片图像，并分离出镜面区域的缺陷与丝印区域的连接部分，使镜面区域的获取更加准确，便于后续的镜面缺陷检测，从而提高镜面缺陷检测的精度。
如图5所示，在本发明的一个实施例中，图5示出了图1中步骤S105的具体实现流程，详述如下：
在S501中，对各个滤光片的镜面区域图像分别进行二值化处理，得到各个滤光片的镜面二值化图像。
在本实施例中，选取合适的阈值，对各个镜面区域图像进行二值化处理，由于单独提取出的镜面区域图像没有丝印区域以及底座等因素的影响，得到的镜面二值化图像可以直接突出显示缺陷部分。
在S502中，提取各个镜面二值化图像的缺陷轮廓。
在本实施例中，对各个镜面二值化图像进行边缘检测，提取各个镜面二值化图像的缺陷轮廓。
在S503中，分别计算各个镜面二值化图像的缺陷轮廓的最小外接圆数据。
在本实施例中，最小外接圆数据包括最小外接圆半径及最小外接圆面积。
在S504中，判断各个镜面二值化图像中缺陷轮廓的最小外接圆数据是否大于缺陷阈值。
在S505中，将存在第一缺陷轮廓的镜面二值化图像的检测结果判定为存在缺陷，并确定第一缺陷轮廓的位置信息；第一缺陷轮廓为最小外接圆数据大于缺陷阈值的缺陷轮廓。
在本实施例中，缺陷阈值可以包括缺陷半径及缺陷面积。第一缺陷轮廓为最小外接圆数据大于缺陷阈值的缺陷轮廓。
在本实施例中，对每一个缺陷轮廓计算最小外接圆半径以及面积，若最小外接圆半径大于缺陷半径，且最小外接圆的面积大于缺陷面积，则判断该缺陷轮廓为第一缺陷轮廓，并判定存在第一缺陷轮廓的镜面二值化图像存在缺陷，记录该第一缺陷轮廓在滤光片图像中的位置信息，并可以在原滤光片图像上描出缺陷轮廓。
在本实施例中，首先可以根据前述获取的各个单一滤光片图像的序号确定各个滤光片在原滤光片图像中的坐标范围，然后再确定第一缺陷轮廓在对应的镜面二值化图像中的位置，最后综合确定出各个滤光片的缺陷轮廓在原滤光片图像中的位置信息。
从上述实施例可知，通过提取镜面二值化图像中的缺陷轮廓，并根据缺陷检测参数确定各个滤光片是否存在缺陷，不仅能够准确的判断出各个滤光片镜面区域是否存在缺陷，还能够得到各个滤光片缺陷的精确位置，提高了滤光片镜面缺陷检测的精度，从而进一步提高滤光片的整体质量。
如图6所示，在本发明的一个实施例中，图6示出了图1中步骤S501的具体实现流程，详述如下：
在S601中，分别计算各个滤光片的镜面区域图像的像素点的均值，得到各个镜面区域图像的像素均值。
在S602中，将各个镜面区域图像的像素均值加上预设偏移量，得到各个滤光片对应的第一分割阈值。
在S603中，根据各个滤光片对应的第一分割阈值，对相应的镜面区域图像进行二值化处理，得到第五处理图像。
在S604中，将各个镜面区域图像的像素均值减去预设偏移量，得到各个滤光片对应的第二分割阈值。
在S605中，根据各个滤光片对应的第二分割阈值，对相应的镜面区域图像进行二值化处理，再将二值化后的图像进行取反处理得到第六处理图像。
在S606中，将各个滤光片的第五处理图像与对应的第六处理图像合并，得到各个滤光片的镜面二值化图像。
在本实施例中，将各个镜面区域图像中大于第一分割阈值的像素点置为1，否则置为0，得到对应的第五处理图像；将各个镜面区域图像中大于第二分割阈值的像素点置为0，否则置为1，得到对应的第六处理图像。然后将各个第五处理图像中的像素点和对应的第六处理图像中相应位置的像素点相加，得到各个滤光片的镜面二值化图像，
从上述实施例可知，通过设置预设偏移量，能够使镜面二值化图像中的缺陷轮廓更加凸显，从而使镜面缺陷检测更加准确。
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。
实施例2：
如图7所示，本发明的一个实施例提供的滤光片镜面缺陷检测装置100，用于执行图1所对应的实施例中的方法步骤，其包括：
滤光片图像获取模块110，用于获取包含多个滤光片的滤光片图像；
单一滤光片图像获取模块120，用于根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；
角度调整模块130，用于利用仿射变换方法对各个单一滤光片图像的角度进行调整；
镜面区域图像提取模块140，用于分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；
缺陷检测模块150，用于根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测。
从上述实施例可知，本发明实施例首先通过获取包含多个滤光片的滤光片图像；然后根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；接着利用仿射变换方法对各个单一滤光片图像的角度进行调整；并分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；最后根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测，能够实现滤光片镜面的自动检测，提高滤光片镜面缺陷检测效率及检测精度，从而进一步提高滤光片的整体质量。
在本发明的一个实施例中，滤光片图像包括背光图像和标准图像，背光图像为在背光光源条件下采集的滤光片图像，标准图像为在标准光源条件下采集的滤光片图像；预设定位参数包括预设滤光片面积及面积差阈值；单一滤光片图像获取模块120还包括用于执行图2所对应的实施例中的方法步骤的结构，其包括：
第一处理图像获取单元，用于对背光图像进行二值化处理，得到第一处理图像；
区域面积获取单元，用于对第一处理图像进行边缘检测，得到第一处理图像中各个轮廓所围成的区域面积；
差值计算单元，用于计算各个轮廓对应的第一差值，第一差值为轮廓所围成的区域面积与预设滤光片面积的差值；
面积差对比单元，用于将各个轮廓对应的第一差值分别与面积差阈值进行对比，将第一差值小于面积差阈值的轮廓判定为滤光片轮廓；
最小外接圆信息获取单元，用于分别获取各个滤光片轮廓的最小外接圆信息；
单一滤光片图像获取单元，用于根据各个滤光片轮廓的最小外接圆信息，从标准图像中提取各个滤光片对应的单一滤光片图像。
从上述实施例可知，根据预设定位参数将滤光片图像分为单个的单一滤光片图像，能够根据单一滤光片图像进行进一步准确的镜面缺陷检测，提高了镜面缺陷检测的检测精度。
在本发明的一个实施例中，角度调整模块130还包括用于执行图3所对应的实施例中的方法步骤的结构，其包括：
第二处理图像获取单元，用于对各个单一滤光片图像进行二值化处理，得到对应的第二处理图像；
最大外围轮廓提取单元，用于对各个第二处理图像进行边缘检测，提取各个滤光片的最大外围轮廓；
最小外接矩形获取单元，用于分别获取各个滤光片的最大外围轮廓的最小外接矩形；
旋转角度获取单元，用于分别获取各个最小外接矩形的预设边与基准线的夹角，确定各个最小外接矩形的旋转角度及旋转中心；
旋转矩阵获取单元，用于根据各个最小外接矩形的旋转角度及旋转中心，生成各个滤光片对应的旋转矩阵；
角度调整单元，用于根据各个滤光片对应的旋转矩阵，对相应的单一滤光片图像进行仿射变换。
从上述实施例可知，通过仿射变换将偏转的单一滤光片图像摆正，然后根据调整后的单一滤光片图像能够更加精确的得到各个滤光片的镜面区域，从而提高滤光片镜面缺陷检测的准确性。并且，通过仿射变换调整各个单一滤光片图像的角度，则不需要在拍照前特意摆正各个滤光片，简化了滤光片检测的程序，提高了滤光片的检测效率。
在本发明的一个实施例中，旋转矩阵为：
其中，center.x表示旋转中心的横坐标，center.y表示旋转中心的纵坐标，θ表示旋转角度，α＝cosθ，β＝sinθ。
在本发明的一个实施例中，滤光片图像包括背光图像，背光图像为在背光光源条件下采集的滤光片图像，镜面区域图像提取模块140还包括用于执行图4所对应的实施例中的方法步骤的结构，其包括：
二值化图像获取单元，用于根据预设分割阈值，分别对各个调整后的单一滤光片图像进行二值化处理，得到各个滤光片对应的二值化图像，二值化图像包括前景区域和背景区域；
形态学处理单元，用于对各个二值化图像分别进行形态学操作，得到各个滤光片对应的第三处理图像；
边缘检测单元，用于对各个第三处理图像进行边缘检测，检测出各个滤光片的镜面轮廓信息；
初始镜面区域获取单元，用于根据各个滤光片的镜面轮廓信息，从背光图像中提取各个滤光片的初始镜面区域；
像素均值计算单元，用于分别计算各个初始镜面区域的像素均值；
镜面区域图像获取单元，用于将各个初始镜面区域的镜面轮廓的像素值替换为对应的像素均值，得到各个滤光片的镜面区域图像。
从上述实施例可知，通过二值化处理单一滤光片图像，并分离出镜面区域的缺陷与丝印区域的连接部分，使镜面区域的获取更加准确，便于后续的镜面缺陷检测，从而提高镜面缺陷检测的精度。
在本发明的一个实施例中，预设检测参数包括缺陷阈值，镜面缺陷检测结果包括缺陷的位置信息。缺陷检测模块150还包括用于执行图5所对应的实施例中的方法步骤的结构，其包括：
镜面二值化图像获取单元，用于对各个滤光片的镜面区域图像分别进行二值化处理，得到各个滤光片的镜面二值化图像；
缺陷轮廓提取单元，用于提取各个镜面二值化图像的缺陷轮廓；
最小外接圆数据计算单元，用于分别计算各个镜面二值化图像的缺陷轮廓的最小外接圆数据；
缺陷判断单元，用于判断各个镜面二值化图像中缺陷轮廓的最小外接圆数据是否大于缺陷阈值；
检测结果获取单元，用于将存在第一缺陷轮廓的镜面二值化图像的检测结果判定为存在缺陷，并确定第一缺陷轮廓的位置信息；第一缺陷轮廓为最小外接圆数据大于缺陷阈值的缺陷轮廓。
从上述实施例可知，通过提取镜面二值化图像中的缺陷轮廓，并根据缺陷检测参数确定各个滤光片是否存在缺陷，不仅能够准确的判断出各个滤光片是否存在缺陷，还能够得到各个滤光片缺陷的精确位置，提高了滤光片镜面缺陷检测的精度，从而进一步提高滤光片的整体质量。
在本发明的一个实施例中，镜面二值化图像获取单元还包括用于执行图6所对应的实施例中的方法步骤的结构，其包括：
像素均值计算子单元，用于分别计算各个滤光片的镜面区域图像的像素点的均值，得到各个镜面区域图像的像素均值；
第一分割阈值获取子单元，用于将各个镜面区域图像的像素均值加上预设偏移量，得到各个滤光片对应的第一分割阈值；
第五处理图像获取子单元，用于根据各个滤光片对应的第一分割阈值，对相应的镜面区域图像进行二值化处理，得到第五处理图像；
第二分割阈值获取子单元，用于将各个镜面区域图像的像素均值减去预设偏移量，得到各个滤光片对应的第二分割阈值；
第六处理图像获取子单元，用于根据各个滤光片对应的第二分割阈值，对相应的镜面区域图像进行二值化处理，再将二值化后的图像进行取反处理得到第六处理图像；
镜面二值化图像获取子单元，用于将各个滤光片的第五处理图像与对应的第六处理图像合并，得到各个滤光片的镜面二值化图像。
从上述实施例可知，通过设置预设偏移量，能够使镜面二值化图像中的缺陷轮廓更加凸显，从而使镜面缺陷检测更加准确。
从上述实施例可知，本发明实施例提供的滤光片镜面缺陷检测方法及装置，通过计算机视觉技术，实现了对滤光片镜面质量的在线实时监测，具有操作简单、速度快、可靠性强的优点，能够很好的适应实际的工程环境，满足高速生产线的需求。
在一个实施例中，滤光片镜面缺陷检测装置100还包括其他功能模块/单元，用于实现实施例1中各实施例中的方法步骤。
实施例3：
本发明实施例还提供了一种终端设备8，包括存储器81、处理器80以及存储在存储器81中并可在处理器80上运行的计算机程序82，处理器80执行所述计算机程序82时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述处理器80执行所述计算机程序82时实现如实施例2中所述的各装置实施例中的各模块的功能，例如图7所示的模块110至150的功能。
所述终端设备8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。所述终端设备8可包括，但不仅限于，处理器80、存储器81。例如所述终端设备8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80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80也可以是任何常规的处理器80等。
所述存储器81可以是所述终端设备8的内部存储单元，例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备，例如所述终端设备8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81还可以既包括终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序82以及所述终端设备8所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
实施例4：
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序82，计算机程序82被处理器80执行时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述计算机程序82被处理器80执行时实现如实施例2中所述的各装置实施例中的各模块的功能，例如图7所示的模块110至150的功能。
所述的计算机程序82可存储于一计算机可读存储介质中，该计算机程序82在被处理器80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82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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、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。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例系统中的模块或单元可以根据实际需要进行合并、划分和删减。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种滤光片镜面缺陷检测方法，其特征在于，包括：
获取包含多个滤光片的滤光片图像；
根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；
利用仿射变换方法对各个单一滤光片图像的角度进行调整；
分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；
根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测。
2.如权利要求1所述的滤光片镜面缺陷检测方法，其特征在于，所述滤光片图像包括背光图像和标准图像，所述背光图像为在背光光源条件下采集的滤光片图像，所述标准图像为在标准光源条件下采集的滤光片图像；所述预设定位参数包括预设滤光片面积及面积差阈值；
所述根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像，包括：
对所述背光图像进行二值化处理，得到第一处理图像；
对所述第一处理图像进行边缘检测，得到所述第一处理图像中各个轮廓所围成的区域面积；
计算各个轮廓对应的第一差值，所述第一差值为轮廓所围成的区域面积与预设滤光片面积的差值；
将各个轮廓对应的第一差值分别与所述面积差阈值进行对比，将第一差值小于所述面积差阈值的轮廓判定为滤光片轮廓；
分别获取各个滤光片轮廓的最小外接圆信息；
根据各个滤光片轮廓的最小外接圆信息，从所述标准图像中提取各个滤光片对应的单一滤光片图像。
3.如权利要求1所述的滤光片镜面缺陷检测方法，其特征在于，所述利用仿射变换方法对各个单一滤光片图像的角度进行调整，包括：
对各个单一滤光片图像进行二值化处理，得到对应的第二处理图像；
对各个第二处理图像进行边缘检测，提取各个滤光片的最大外围轮廓；
分别获取各个滤光片的最大外围轮廓的最小外接矩形；
分别获取各个最小外接矩形的预设边与基准线的夹角，确定各个最小外接矩形的旋转角度及旋转中心；
根据各个最小外接矩形的旋转角度及旋转中心，生成各个滤光片对应的旋转矩阵；
根据各个滤光片对应的旋转矩阵，对相应的单一滤光片图像进行仿射变换。
4.如权利要求3所述的滤光片镜面缺陷检测方法，其特征在于，所述旋转矩阵为：
其中，center.x表示旋转中心的横坐标，center.y表示旋转中心的纵坐标，θ表示旋转角度，α＝cosθ，β＝sinθ。
5.如权利要求1所述的滤光片镜面缺陷检测方法，其特征在于，所述滤光片图像包括背光图像，所述背光图像为在背光光源条件下采集的滤光片图像；
所述分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像，包括：
根据预设分割阈值，分别对各个调整后的单一滤光片图像进行二值化处理，得到各个滤光片对应的二值化图像，所述二值化图像包括前景区域和背景区域；
对各个二值化图像分别进行形态学操作，得到各个滤光片对应的第三处理图像；
对各个第三处理图像进行边缘检测，检测出各个滤光片的镜面轮廓信息；
根据各个滤光片的镜面轮廓信息，从背光图像中提取各个滤光片的初始镜面区域；
分别计算各个初始镜面区域的像素均值；
将各个初始镜面区域的镜面轮廓的像素值替换为对应的像素均值，得到各个滤光片的镜面区域图像。
6.如权利要求1所述的滤光片镜面缺陷检测方法，其特征在于，所述预设检测参数包括缺陷阈值，所述镜面缺陷检测结果包括缺陷的位置信息；
所述根据预设检测参数，对各个滤光片的镜面区域图像进行检测，包括：
对各个滤光片的镜面区域图像分别进行二值化处理，得到各个滤光片的镜面二值化图像；
提取各个镜面二值化图像的缺陷轮廓；
分别计算各个镜面二值化图像的缺陷轮廓的最小外接圆数据；
判断各个镜面二值化图像中缺陷轮廓的最小外接圆数据是否大于所述缺陷阈值；
将存在第一缺陷轮廓的镜面二值化图像的检测结果判定为存在缺陷，并确定第一缺陷轮廓的位置信息；所述第一缺陷轮廓为最小外接圆数据大于所述缺陷阈值的缺陷轮廓。
7.如权利要求6所述的滤光片镜面缺陷检测方法，其特征在于，所述对各个滤光片的镜面区域图像分别进行二值化处理，得到各个滤光片的镜面二值化图像，包括：
分别计算各个滤光片的镜面区域图像的像素点的均值，得到各个镜面区域图像的像素均值；
将各个镜面区域图像的像素均值加上预设偏移量，得到各个滤光片对应的第一分割阈值；
根据各个滤光片对应的第一分割阈值，对相应的镜面区域图像进行二值化处理，得到第五处理图像；
将各个镜面区域图像的像素均值减去所述预设偏移量，得到各个滤光片对应的第二分割阈值；
根据各个滤光片对应的第二分割阈值，对相应的镜面区域图像进行二值化处理，再将二值化后的图像进行取反处理得到第六处理图像；
将各个滤光片的第五处理图像与对应的第六处理图像合并，得到各个滤光片的镜面二值化图像。
8.一种滤光片镜面缺陷检测装置，其特征在于，包括：
滤光片图像获取模块，用于获取包含多个滤光片的滤光片图像；
单一滤光片图像获取模块，用于根据预设定位参数，从滤光片图像中提取各个滤光片对应的单一滤光片图像；
角度调整模块，用于利用仿射变换方法对各个单一滤光片图像的角度进行调整；
镜面区域图像提取模块，用于分别从调整后的单一滤光片图像中提取各个滤光片对应的镜面区域图像；
缺陷检测模块，用于根据预设检测参数，对各个滤光片对应的镜面区域图像进行检测。
9.一种终端设备，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7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7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810502306.5A CN108918093B (zh) | 2018-05-23 | 2018-05-23 | 一种滤光片镜面缺陷检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810502306.5A CN108918093B (zh) | 2018-05-23 | 2018-05-23 | 一种滤光片镜面缺陷检测方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108918093A true CN108918093A (zh) | 2018-11-30 |
| CN108918093B CN108918093B (zh) | 2020-08-04 |
Family
ID=64403927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810502306.5A Active CN108918093B (zh) | 2018-05-23 | 2018-05-23 | 一种滤光片镜面缺陷检测方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108918093B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113225550A (zh) * | 2021-04-16 | 2021-08-06 | 南昌欧菲光电技术有限公司 | 偏移检测方法、装置、摄像头模组、终端设备及存储介质 |
| CN113289911A (zh) * | 2021-06-04 | 2021-08-24 | 宁波舜宇仪器有限公司 | 用于多面体物料的缺陷检测方法及系统 |
| CN113628161A (zh) * | 2021-07-06 | 2021-11-09 | 深圳市格灵精睿视觉有限公司 | 缺陷检测方法、装置及计算机可读存储介质 |
| CN113935966A (zh) * | 2021-10-13 | 2022-01-14 | 东风本田发动机有限公司 | 金属物料的渣点检测方法、装置、设备和存储介质 |
| CN115100105A (zh) * | 2022-05-12 | 2022-09-23 | 厦门微亚智能科技有限公司 | 一种凸透镜的缺陷检测方法、装置、设备及可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093222A (zh) * | 2011-11-07 | 2013-05-08 | 鸿富锦精密工业（深圳）有限公司 | 主板圆孔定位方法及系统 |
| CN103674965A (zh) * | 2013-12-06 | 2014-03-26 | 深圳市大族激光科技股份有限公司 | 一种晶圆外观缺陷的分类以及检测方法 |
| CN105352437A (zh) * | 2015-10-21 | 2016-02-24 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
| CN106814083A (zh) * | 2015-11-30 | 2017-06-09 | 宁波舜宇光电信息有限公司 | 滤波片缺陷检测系统及其检测方法 |
| CN107255641A (zh) * | 2017-06-06 | 2017-10-17 | 西安理工大学 | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 |
| CN107356213A (zh) * | 2017-06-26 | 2017-11-17 | 精锐视觉智能科技（深圳）有限公司 | 滤光片同心度测量方法及终端设备 |
| EP3246729A1 (en) * | 2016-05-03 | 2017-11-22 | Datalogic IP Tech S.r.l. | Laser scanner and optical system |
-
2018
- 2018-05-23 CN CN201810502306.5A patent/CN108918093B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093222A (zh) * | 2011-11-07 | 2013-05-08 | 鸿富锦精密工业（深圳）有限公司 | 主板圆孔定位方法及系统 |
| CN103674965A (zh) * | 2013-12-06 | 2014-03-26 | 深圳市大族激光科技股份有限公司 | 一种晶圆外观缺陷的分类以及检测方法 |
| CN105352437A (zh) * | 2015-10-21 | 2016-02-24 | 广州视源电子科技股份有限公司 | 板卡位置检测方法及装置 |
| CN106814083A (zh) * | 2015-11-30 | 2017-06-09 | 宁波舜宇光电信息有限公司 | 滤波片缺陷检测系统及其检测方法 |
| EP3246729A1 (en) * | 2016-05-03 | 2017-11-22 | Datalogic IP Tech S.r.l. | Laser scanner and optical system |
| CN107255641A (zh) * | 2017-06-06 | 2017-10-17 | 西安理工大学 | 一种针对自聚焦透镜表面缺陷进行机器视觉检测的方法 |
| CN107356213A (zh) * | 2017-06-26 | 2017-11-17 | 精锐视觉智能科技（深圳）有限公司 | 滤光片同心度测量方法及终端设备 |
Non-Patent Citations (1)
| Title |
|---|
| 黄坚: "滤光片表面疵病视觉识别与质量等级智能评定系统硏制", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113225550A (zh) * | 2021-04-16 | 2021-08-06 | 南昌欧菲光电技术有限公司 | 偏移检测方法、装置、摄像头模组、终端设备及存储介质 |
| CN113289911A (zh) * | 2021-06-04 | 2021-08-24 | 宁波舜宇仪器有限公司 | 用于多面体物料的缺陷检测方法及系统 |
| CN113628161A (zh) * | 2021-07-06 | 2021-11-09 | 深圳市格灵精睿视觉有限公司 | 缺陷检测方法、装置及计算机可读存储介质 |
| CN113935966A (zh) * | 2021-10-13 | 2022-01-14 | 东风本田发动机有限公司 | 金属物料的渣点检测方法、装置、设备和存储介质 |
| CN115100105A (zh) * | 2022-05-12 | 2022-09-23 | 厦门微亚智能科技有限公司 | 一种凸透镜的缺陷检测方法、装置、设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108918093B (zh) | 2020-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108918093A (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| CN104749184B (zh) | 自动光学检测方法和系统 | |
| CN108896278A (zh) | 一种滤光片丝印缺陷检测方法、装置及终端设备 | |
| CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
| CN109344724A (zh) | 一种证件照自动背景替换方法、系统及服务器 | |
| CN105894655B (zh) | 基于rgb-d相机的复杂环境下纸币检测和识别方法 | |
| CN115018838B (zh) | 用于被氧化钢管材料表面麻点瑕疵的识别方法 | |
| CN106530281B (zh) | 基于边缘特征的无人机图像模糊判断方法及系统 | |
| CN104331710B (zh) | 开关状态识别系统 | |
| CN108037132B (zh) | 一种用于干电池浆层纸卷绕缺陷检测的视觉传感器系统及方法 | |
| CN105894015B (zh) | 一种道闸状态分析方法和系统 | |
| CN110049319B (zh) | 一种摄像头清晰度检测方法及清晰度检测图卡 | |
| CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
| CN116977342B (zh) | 基于图像分割的pcb板线路检测方法 | |
| CN117252868B (zh) | 基于机器视觉的直流屏缺陷检测方法 | |
| CN109378279A (zh) | 晶圆检测方法及晶圆检测系统 | |
| WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
| CN116664565A (zh) | 一种光伏太阳能电池片的隐裂检测方法及系统 | |
| CN110007493A (zh) | 液晶显示屏中碎亮点检测方法 | |
| CN115272312A (zh) | 基于机器视觉的塑料手机外壳缺陷检测方法 | |
| CN108805872A (zh) | 产品的检测方法和装置 | |
| CN109635679B (zh) | 一种实时的靶纸定位及环线识别方法 | |
| CN105336035A (zh) | 一种脏污冠字号图像分类的方法与系统 | |
| CN109271985A (zh) | 一种数字仪表读数图像识别方法及系统 |
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 | ||
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20201019 Granted publication date: 20200804 |
|
| PD01 | Discharge of preservation of patent |
Date of cancellation: 20201210 Granted publication date: 20200804 |
|
| PD01 | Discharge of preservation of patent | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201228 Address after: 271100 1340, NO.67 Huiyuan street, Laiwu high tech Zone, Jinan City, Shandong Province Patentee after: Elite vision technology (Shandong) Co.,Ltd. Address before: 518000 3503, Shenzhen Bay venture capital building, Haitian 2nd Road, Nanshan District, Shenzhen City, Guangdong Province Patentee before: RISEYE INTELLIGENT TECHNOLOGY (SHENZHEN) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method, device and terminal device for detecting filter mirror defects Effective date of registration: 20220721 Granted publication date: 20200804 Pledgee: Laishang Bank Co.,Ltd. Development Zone sub branch Pledgor: Elite vision technology (Shandong) Co.,Ltd. Registration number: Y2022980010818 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |