CN109030499B - 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法 - Google Patents

一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法 Download PDF

Info

Publication number
CN109030499B
CN109030499B CN201810838824.4A CN201810838824A CN109030499B CN 109030499 B CN109030499 B CN 109030499B CN 201810838824 A CN201810838824 A CN 201810838824A CN 109030499 B CN109030499 B CN 109030499B
Authority
CN
China
Prior art keywords
image
target
defects
counting
detection
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
CN201810838824.4A
Other languages
English (en)
Other versions
CN109030499A (zh
Inventor
姚克明
王小兰
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.)
Jiangsu University of Technology
Original Assignee
Jiangsu University of Technology
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 Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN201810838824.4A priority Critical patent/CN109030499B/zh
Publication of CN109030499A publication Critical patent/CN109030499A/zh
Application granted granted Critical
Publication of CN109030499B publication Critical patent/CN109030499B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N21/8851—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
    • G01N2021/8858—Flaw counting
    • 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

Abstract

本发明提供一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法，通过高斯滤波来抑制噪声的干扰，采用最大类间方差法算法寻找最优阈值，进行阈值二值化分割；对分割后所得到的图像进行形态学处理；对形态学处理后所得到的二值图像进行遍历分析，判别目标是否重复计数，防止同一个目标重复计数；最后，统计检测对象的缺陷数量、位置并自动把有缺陷的图像截图并保存到数据库进行数据共享。本发明提高了检测效果、节约了人力成本、提高了检测效率和产品可信度，有效避免了缺陷目标重复计数的问题，大幅度提高了数据的有效性，为相关上下游企业提前做出生产规划提供了更有力的支撑。

Description

一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的 装置及方法
技术领域
本发明属于计算机视觉瑕疵检测技术领域，具体涉及一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法。
背景技术
缺陷检测是其生产过程中质量控制的重要环节。目前，国内企业的检测方式多是人工检测，由于人工检测计数效率低且不是一种客观一致的评判方法，这种工作方式还会极大的损伤工人的视觉系统。以先进的自动检测技术来代替人工检测，能很好的提高检测效率、降低劳动力成本和进一步提升产品质量。但是，当前检测算法中都没有考虑到当缺陷存在相邻两帧图像边界处时，会重复统计缺陷的个数，这导致后续对质量评估不准确。
(一)解决的技术问题
为了克服上述现有技术存在重复统计缺陷个数的缺陷问题，本发明提供一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法，提高企业生产效率，降低用人成本，不仅具有理论意义，而且具有重要的实践意义。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置，包括机械传动机构、图像信息管理平台，机械传动机构用于完成检测对象的传动平整，使摄像机能很好的获得高质量图片，减少不必要的干扰；图像信息管理平台由工业计算机和通讯设备构成，便于存储和远程分享一些缺陷信息。
进一步地，所述图像信息管理平台包括人机交互界面、数据库系统、图像处理器、图像采集系统，图像采集系统采集机械传动机构的控制信号、图形数据，并将采集信息传输给图像处理器，图像处理器、数据库系统通过串口通信与人机交互界面，用以显示、存储检测的结果。
一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的方法，包括以下步骤：
S1、采用工业相机采集相对运动中的检测对象，获取分辨率为m*m，位深度为8的灰度图像；
S2、将对象灰度图像进行高斯滤波来抑制噪声的干扰；
S3、对步骤S2所得的图像采用最大类间方差法算法寻找最优阈值，进行阈值二值化分割；
S4、对步骤S3所得到的二值图像使用连通分量来进行标注连通，连通域的个数即为目标的个数；
S5、对步骤S4对形态学处理后所得到的二值图像进行遍历分析，判别目标是否重复计数，防止同一个目标重复计数；
S6、把步骤S5中判别结果通过计数器进行相应动作；
S7、待检测对象完成后统计检测对象的缺陷数量、位置并自动把有缺陷的图像截图并保存到数据库进行数据共享。
进一步地，所述步骤S3对阈值二值化分割后所得到的图像进行形态学处理。
进一步地，所述步骤S3形态学处理包括孔洞填充、连通域处理和开闭运算，来平滑对象轮廓和填充目标内的孔洞。
进一步地，所述步骤S4每个连通区域内包含的像素和为目标区域的面积，连通域的质心为目标的中心位置。
进一步地，所述步骤S5二值图像进行遍历，如果当前帧图像矩阵的首末两行(第一帧图像只需满足末行有元素为1)存在元素为1的值则暂时把当前帧目标区域质心横坐标保存到内存中，然后采集下一帧图像经过相同的处理，对比前一帧末行和后一帧首行1值得分布判别前后两帧交界处有几个是同一缺陷，对同一缺陷在前一帧计数1次，后一帧不计，防止同一个目标重复计数；如果后一帧首行没有元素为1，则前后帧不作对比判断。
(三)有益效果
本发明的有益效果：一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法，通过高斯滤波来抑制噪声的干扰，采用最大类间方差法算法寻找最优阈值，进行阈值二值化分割；对分割后所得到的图像进行形态学处理；所得到的连通域图像进行遍历，如果当前帧图像矩阵的首末两行(第一帧图像只需满足末行有元素为1)存在元素为1的值则暂时把当前帧目标区域质心横坐标保存到内存中，然后采集下一帧图像经过相同的处理，对比前一帧末行和后一帧首行1值得分布判别前后两帧交界处有几个是同一缺陷，对同一缺陷在前一帧计数1次，后一帧不计，防止同一个目标重复计数；如果后一帧首行没有元素为1，则前后帧不作对比判断。最后，统计检测对象的缺陷数量、位置并自动把有缺陷的图像截图并保存到数据库进行数据共享。本发明提高了检测效果、节约了人力成本、提高了检测效率和产品可信度、有效避免了缺陷目标重复计数的问题，大幅度提高了数据的有效性，为相关上下游企业提前做出生产规划提供了更有力的支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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在布匹缺陷在线检测领域的一些实施例，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为本发明装置结构图；
图2为本发明方法流程图；
图3为实施例阈值二值化分割图一；
图4为实施例阈值二值化分割图二；
图5为实施例阈值二值化分割图三；
图6为实施例阈值二值化分割图四；
图7为阈值二值化分割图一形态学处理结果图；
图8为阈值二值化分割图二形态学处理结果图；
图9为阈值二值化分割图三形态学处理结果图；
图10为阈值二值化分割图四形态学处理结果图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
结合图1，一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置，包括机械传动机构、图像信息管理平台，机械传动机构用于完成检测对象的传动平整，使摄像机能很好的获得高质量图片，减少不必要的干扰；图像信息管理平台由工业计算机和通讯设备构成，便于存储和远程分享一些缺陷信息。
图像信息管理平台包括人机交互界面、数据库系统、图像处理器、图像采集系统，图像采集系统采集机械传动机构的控制信号、图形数据，并将采集信息传输给图像处理器，图像处理器、数据库系统通过串口通信与人机交互界面，用以显示、存储检测的结果。
结合图2，一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的方法，包括以下步骤：
S1、采用工业相机采集相对运动中的检测对象，获取分辨率为m*m，位深度为8的灰度图像；
S2、将对象灰度图像进行高斯滤波来抑制噪声的干扰；
S3、对步骤S2所得的图像采用最大类间方差法算法寻找最优阈值，进行阈值二值化分割；对分割后所得到的图像进行形态学处理，包括孔洞填充、连通域处理和开闭运算，来平滑对象轮廓和填充目标内的孔洞；
S4、对步骤S3所得到的二值图像使用连通分量来进行标注连通，连通域的个数即为目标的个数；每个连通区域内包含的像素和为目标区域的面积，连通域的质心为目标的中心位置；
S5、对步骤S4所得到的二值图像进行遍历，如果当前帧图像矩阵的首末两行(第一帧图像只需满足末行有元素为1)存在元素为1的值则暂时把当前帧目标区域质心横坐标保存到内存中，然后采集下一帧图像经过相同的处理，对比前一帧末行和后一帧首行1值得分布判别前后两帧交界处有几个是同一缺陷，对同一缺陷在前一帧计数1次，后一帧不计，防止同一个目标重复计数；如果后一帧首行没有元素为1，则前后帧不作对比判断。
S6、把步骤S5中判别结果通过计数器进行相应动作；
S7、待检测对象完成后统计检测对象的缺陷数量、位置并自动把有缺陷的图像截图并保存到数据库进行数据共享。
实施例：
一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的方法，包括以下步骤：
S1、采用工业相机采集相对运动中的检测对象，获取分辨率为m*m，位深度为8的图像并且进行灰度化处理；
S2、对采集的图像进行预处理，将采集的图像进行高斯滤波来抑制噪声的干扰；对采集来的图像进行高斯滤波，抑制噪声干扰的同时能有效保护边缘特征。
Figure BDA0001745108500000061
σ表示空域中高斯主方向的标准差。
S3、对步骤S2所得的图像采用最大类间方差法算法寻找最优阈值，进行阈值二值化分割，则图像中目标点为白色亮点(值为1)，其他值为0，如图3-6所示；对分割后所得到的图像进行形态学处理，包括孔洞填充、连通域处理和开闭运算；处理结果如图7-10所示。
S4、对步骤S3所得到的二值图像使用连通分量来进行标注连通；连通域处理：
Figure BDA0001745108500000062
k＝1,2,3,...，其中B是一个适当的结构元，A是包含一个或多个连通分量的集合。当Xk＝Xk-1时，迭代结束，Xk包含输入图像中的所有连通分量。
对连通域处理后的图像进行开闭运算，开运算：
Figure BDA0001745108500000063
闭运算：
Figure BDA0001745108500000064
其中结构元B对图像F的腐蚀运算表示为FθB，B对F的膨胀运算表示为
Figure BDA0001745108500000065
S5、对步骤S4所得到的二值图像进行遍历，对形态学处理后所得到的二值图像进行遍历分析，通过设计一种判别目标是否重复计数方法防止同一个目标重复计数。
形态学处理后的一帧图像像素的矩阵形式为一个m×n的矩阵，
Figure BDA0001745108500000066
对像素矩阵进行值遍历，除第一帧图像外，如果图像矩阵的首末两行值存在元素为1的值则暂时把当前帧目标区域质心横坐标保存到内存中计为x1…xi，如图7、9所示；然后采集下一帧图像经过相同的处理把目标区域质心横坐标保存到内存中计为x'1…x'j，如图8、10所示。
判别目标是否重复计数防止同一个目标重复计数，通过设计一个筛选器，读取相邻两帧图像目标区域质心横坐标值，设定一个阈值ξ，通过逐一比较各个元素的值，如果阈值小于ξ则计数器不累加计数，否则计数器累加求和。
S6、把步骤S5中判别结果通过计数器进行相应动作；最后通过筛选器进行筛选并进行相应内存的更新；否则，采集下一副图像做相同处理。
S7、待检测对象完成后统计检测对象的缺陷数量、位置并自动把有缺陷的图像截图并保存到数据库进行数据共享。
综上所述，本发明实施例，适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法，通过高斯滤波来抑制噪声的干扰，采用最大类间方差法算法寻找最优阈值，进行阈值二值化分割；对分割后所得到的图像进行形态学处理；所得到的连通域图像进行遍历，如果当前帧图像矩阵的首末两行(第一帧图像只需满足末行有元素为1)存在元素为1的值则暂时把当前帧目标区域质心横坐标保存到内存中，然后采集下一帧图像经过相同的处理，对比前一帧末行和后一帧首行1值得分布判别前后两帧交界处有几个是同一缺陷，对同一缺陷在前一帧计数1次，后一帧不计，防止同一个目标重复计数；如果后一帧首行没有元素为1，则前后帧不作对比判断；最后，统计检测对象的缺陷数量、位置并自动把有缺陷的图像截图并保存到数据库进行数据共享。本发明提高了检测效果、节约了人力成本、提高了检测效率和产品可信度、并降低了误检率，有效避免了缺陷目标重复计数的问题，对理论和实践具有重要意义。
以上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。

Claims (1)

1.一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置，其特征在于，包括机械传动机构、图像信息管理平台，机械传动机构用于完成检测对象的传动平整，使摄像机能很好的获得高质量图片，减少不必要的干扰；图像信息管理平台由工业计算机和通讯设备构成，便于存储和远程分享一些缺陷信息；
所述图像信息管理平台包括人机交互界面、数据库系统、图像处理器、图像采集系统，图像采集系统采集机械传动机构的控制信号、图形数据，并将采集信息传输给图像处理器，图像处理器、数据库系统通过串口通信与人机交互界面，用以显示、存储检测的结果；
适用于目标缺陷连续在线检测防止缺陷数目重复计数的方法，包括以下步骤：
S1、采用工业相机采集相对运动中的检测对象，获取分辨率为m*m，位深度为8的灰度图像；
S2、将对象灰度图像进行高斯滤波来抑制噪声的干扰；
S3、对步骤S2所得的图像采用最大类间方差法算法寻找最优阈值，进行阈值二值化分割；
S4、对步骤S3所得到的二值图像使用连通分量来进行标注连通，连通域的个数即为目标的个数；
S5、对步骤S4对形态学处理后所得到的二值图像进行遍历分析，判别目标是否重复计数，防止同一个目标重复计数；
S6、把步骤S5中判别结果通过计数器进行相应动作；
S7、待检测对象完成后统计检测对象的缺陷数量、位置并自动把有缺陷的图像截图并保存到数据库进行数据共享；
所述步骤S3对阈值二值化分割后所得到的图像进行形态学处理；
所述步骤S3形态学处理包括孔洞填充、连通域处理和开闭运算，来平滑对象轮廓和填充目标内的孔洞；
所述步骤S4每个连通区域内包含的像素和为目标区域的面积，连通域的质心为缺陷的中心位置；
所述步骤S5二值图像进行遍历，如果当前帧图像矩阵的首末两行，第一帧图像只需满足末行有元素为1，存在元素为1的值则暂时把当前帧目标区域质心横坐标保存到内存中，然后采集下一帧图像经过相同的处理，对比前一帧末行和后一帧首行1值得分布判别前后两帧交界处有几个是同一缺陷，对同一缺陷在前一帧计数1次，后一帧不计，防止同一个目标重复计数；如果后一帧首行没有元素为1，则前后帧不作对比判断。
CN201810838824.4A 2018-07-27 2018-07-27 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法 Active CN109030499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810838824.4A CN109030499B (zh) 2018-07-27 2018-07-27 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810838824.4A CN109030499B (zh) 2018-07-27 2018-07-27 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法

Publications (2)

Publication Number Publication Date
CN109030499A CN109030499A (zh) 2018-12-18
CN109030499B true CN109030499B (zh) 2021-08-24

Family

ID=64646935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810838824.4A Active CN109030499B (zh) 2018-07-27 2018-07-27 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法

Country Status (1)

Country Link
CN (1) CN109030499B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598873A (zh) * 2020-05-15 2020-08-28 吴奇光 基于面阵相机的零件连续计数方法及装置
CN111951222B (zh) * 2020-07-15 2024-04-19 广东交通职业技术学院 一种瓶盖齿牙计数检测方法、系统、装置和存储介质
CN112669296B (zh) * 2020-12-31 2023-09-26 江苏南高智能装备创新中心有限公司 基于大数据的数控冲床模具的缺陷检测方法、装置及设备
CN113538418A (zh) * 2021-08-27 2021-10-22 浙江工业大学 基于形态学分析的轮胎x射线图像缺陷提取模型构建方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1791717A (zh) * 2003-05-21 2006-06-21 大赛璐化学工业株式会社 自动确定装置
CN101861516A (zh) * 2007-10-05 2010-10-13 株式会社尼康 显示器件的缺陷检测方法及显示器件的缺陷检测装置
CN102341733A (zh) * 2010-02-26 2012-02-01 日东电工株式会社 切裁信息决定方法、以及使用了其的带状偏振片材的制造方法、光学显示组件的制造方法、带状偏振片材及偏振片材卷料
CN103983426A (zh) * 2014-05-13 2014-08-13 西安交通大学 一种基于机器视觉的光纤缺陷检测及分类系统及其方法
CN104268506A (zh) * 2014-09-15 2015-01-07 郑州天迈科技股份有限公司 基于深度图像的客流计数检测方法
CN104956210A (zh) * 2013-01-30 2015-09-30 住友化学株式会社 图像生成装置、缺陷检查装置以及缺陷检查方法
CN105718989A (zh) * 2014-11-30 2016-06-29 中国科学院沈阳自动化研究所 一种基于机器视觉的棒材计数方法
CN106053479A (zh) * 2016-07-21 2016-10-26 湘潭大学 一种基于图像处理的工件外观缺陷的视觉检测系统
CN106153634A (zh) * 2016-09-22 2016-11-23 武汉科技大学 一种用于自动测试耐火砖抗热震性的图像采集与处理系统
CN106529664A (zh) * 2016-11-10 2017-03-22 河南理工大学 用于检测凹形板状物的多传感器计数装置及计数方法
CN106780473A (zh) * 2016-12-23 2017-05-31 西安交通大学 一种磁环缺陷多目视觉检测方法及系统
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
CN107525813A (zh) * 2017-09-21 2017-12-29 常州有恒智能装备科技有限公司 钢板缺陷在线智能视觉检测系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7065239B2 (en) * 2001-10-24 2006-06-20 Applied Materials, Inc. Automated repetitive array microstructure defect inspection
CN101237562A (zh) * 2007-01-30 2008-08-06 中兴通讯股份有限公司 一种监控终端基于帧比较的运动检测方法
US20170273666A1 (en) * 2014-09-24 2017-09-28 Jiajiu Yang Method for storing ultrasonic scan image and ultrasonic device

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1791717A (zh) * 2003-05-21 2006-06-21 大赛璐化学工业株式会社 自动确定装置
CN101861516A (zh) * 2007-10-05 2010-10-13 株式会社尼康 显示器件的缺陷检测方法及显示器件的缺陷检测装置
CN102341733A (zh) * 2010-02-26 2012-02-01 日东电工株式会社 切裁信息决定方法、以及使用了其的带状偏振片材的制造方法、光学显示组件的制造方法、带状偏振片材及偏振片材卷料
CN104956210A (zh) * 2013-01-30 2015-09-30 住友化学株式会社 图像生成装置、缺陷检查装置以及缺陷检查方法
CN103983426A (zh) * 2014-05-13 2014-08-13 西安交通大学 一种基于机器视觉的光纤缺陷检测及分类系统及其方法
CN104268506A (zh) * 2014-09-15 2015-01-07 郑州天迈科技股份有限公司 基于深度图像的客流计数检测方法
CN105718989A (zh) * 2014-11-30 2016-06-29 中国科学院沈阳自动化研究所 一种基于机器视觉的棒材计数方法
CN106053479A (zh) * 2016-07-21 2016-10-26 湘潭大学 一种基于图像处理的工件外观缺陷的视觉检测系统
CN106153634A (zh) * 2016-09-22 2016-11-23 武汉科技大学 一种用于自动测试耐火砖抗热震性的图像采集与处理系统
CN106529664A (zh) * 2016-11-10 2017-03-22 河南理工大学 用于检测凹形板状物的多传感器计数装置及计数方法
CN106780473A (zh) * 2016-12-23 2017-05-31 西安交通大学 一种磁环缺陷多目视觉检测方法及系统
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
CN107525813A (zh) * 2017-09-21 2017-12-29 常州有恒智能装备科技有限公司 钢板缺陷在线智能视觉检测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于数字图像处理的室内人数统计;赵丽英;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120515;I138-1194 *
目标识别技术在钢筋计数系统中的研究与应用;郭倩倩;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20160215;B023-15 *

Also Published As

Publication number Publication date
CN109030499A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN109030499B (zh) 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法
Xuan et al. An improved canny edge detection algorithm
CN110766679B (zh) 镜头脏污检测方法、装置及终端设备
CN107256225B (zh) 一种基于视频分析的热度图生成方法及装置
CN111260616A (zh) 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法
WO2022088620A1 (zh) 相机镜头的状态检测方法、装置、设备及存储介质
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
Toh et al. Automated fish counting using image processing
CN107220649A (zh) 一种素色布匹缺陷检测和分类方法
CN111008961B (zh) 一种输电线路设备缺陷检测方法及其系统、设备、介质
CN108896278A (zh) 一种滤光片丝印缺陷检测方法、装置及终端设备
CN107657626B (zh) 一种运动目标的检测方法和装置
CN111898486A (zh) 监控画面异常的检测方法、装置及存储介质
CN107004266A (zh) 检测轮胎表面上缺陷的方法
CN112291551A (zh) 一种基于图像处理的视频质量检测方法、存储设备及移动终端
CN109850518B (zh) 一种基于红外图像的实时矿用胶带预警撕裂检测方法
WO2021000948A1 (zh) 配重重量的检测方法与系统、获取方法与系统及起重机
CN112417955A (zh) 巡检视频流处理方法及装置
CN113484867B (zh) 一种基于成像声呐封闭空间下鱼群密度探测方法
CN116485779B (zh) 自适应晶圆缺陷检测方法、装置、电子设备及存储介质
CN111626104B (zh) 一种基于无人机红外热像的电缆隐患点检测方法和装置
CN105427276A (zh) 一种基于图像局部边缘特征的摄像头检测方法
Newson et al. Robust automatic line scratch detection in films
CN115631191A (zh) 一种基于灰度特征和边缘检测的堵煤检测算法
CN113744200B (zh) 一种摄像头脏污检测方法、装置及设备

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