CN109035245A - 基于灰度变化特征分析的无损射线底片灵敏度判别方法 - Google Patents
基于灰度变化特征分析的无损射线底片灵敏度判别方法 Download PDFInfo
- Publication number
- CN109035245A CN109035245A CN201810940669.7A CN201810940669A CN109035245A CN 109035245 A CN109035245 A CN 109035245A CN 201810940669 A CN201810940669 A CN 201810940669A CN 109035245 A CN109035245 A CN 109035245A
- Authority
- CN
- China
- Prior art keywords
- gray scale
- image
- quality indicator
- image quality
- column
- 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
- 230000035945 sensitivity Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 230000002093 peripheral effect Effects 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 230000004069 differentiation Effects 0.000 claims description 11
- 238000012797 qualification Methods 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 4
- 238000009659 non-destructive testing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 206010016256 fatigue Diseases 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,首先,以灵敏度待评价的无损射线底片数字图像A为对象,框选出像质计所在区域并进行预处理,扩大像质计丝线所在区域灰度和周围区域灰度区别;通过分析计算每列灰度的均值,构建列均值灰度折线图y=f(x);对折线图y=f(x)进行曲线拟合得到光滑曲线y1=g(x);最后,分析确定光滑曲线y1=g(x)中的极小值个数N,即确定底片图形中像质计丝线识别的数目信息,并以此进行灵敏度合格与否判定。本发明提高传统人工识别灵敏度的准确度,改变人工识别的主观性,能够自动识别底片像质计丝线,从而提高效率,降低成本成为射线图像缺陷类型识别的重要研究内容。
Description
技术领域
本发明属于底片灵敏度检测技术领域,具体涉及一种基于灰度变化特征分析的无损射线底片灵敏度判别方法。
背景技术
焊缝图像缺陷类型的识别要建立在该底片本身质量是否合格的基础之上,而底片灵敏度是否合格是判定底片本身是否合格的重要指标,底片灵敏度要求有A级、AB级、B级三个等级要求,不同设备要求底片达到的灵敏度等级要求不同。判断底片灵敏度是否合格依靠观察底片上像质计,常用的像质计是等线像质计,该像质计是由7根粗细不同按顺序排列的丝线及像质计标志组成。
目前,对于射线底片像质计丝线的识别需要有经验的工人在观片灯底下观察能看到第几根像质计的丝线,然后根据灵敏度要达到的等级要求,结合底片母材的厚度判断该底片灵敏度是否合格,由于人工评片方式主观性大;劳动强度大,造成评片效率较低;评定过程人眼易疲劳,造成评片准确性低。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,通过提取、分析像质计区域灰度值变化特征,实现底片灵敏度合格的自动识别与判别,克服了传统人工进行灵敏度合格判别的效率低及准确性差等问题。
本发明采用以下技术方案:
基于灰度变化特征分析的无损射线底片灵敏度判别方法,首先以灵敏度待评价的无损射线底片数字图像A为对象,框选出像质计所在区域并进行预处理,扩大像质计丝线所在区域灰度和周围区域灰度区别,通过分析计算每列灰度的均值,构建列均值灰度折线图y=f(x);对折线图y=f(x)进行曲线拟合得到光滑曲线y1=g(x);最后,分析确定光滑曲线y1=g(x)中的极小值个数N,即确定底片图形中像质计丝线识别的数目信息,并以此进行灵敏度合格与否判定。
具体的,针对数字图像A获取表征图像灵敏度的像质计所在区域S(m,n)做为分析对象,m为像质计所在区域的行,n为像质计所在区域的列。
具体的,基于直方图均衡化原理对像质计所在区域灰度进行对比度增强,将S(m,n)区域转换为灰度图像f(m,n),对图像求反,使得像质计丝线所在区域灰度低于周围区域灰度。
进一步的,具体步骤如下:
S201、统计原始图像中各灰度级的像素数目ni,i=0,1...,L-1,L为灰度总级数;
S202、计算原始图像直方图,Pi(ri)=ni/n,n为原始图像的总像素数目,Pi(ri)为各灰度级概率密度;
S203、计算累积分布函数如下:
其中,sk为灰度累计,rk为第k个灰度级,k=0,1......L-1;
S204、计算最后的输出灰度级如下:
gk=INT[(gmax-gmin)sk(rk)+gmin+0.5]/(L-1)
其中,k=0,1......L-1,INT[]是取整算符;
S205、用原图像的灰度级函数fk和g的映射关系,修改原图像的灰度级,获得输出图像,其直方图为近似均匀分布;
S206、得到对比度增强后的灰度图像f1(m,n),像质计丝线所在区域灰度高于周围灰度,将该图像取反,得到像质计丝线区域灰度低于周围区域灰度的灰度图像f2(m,n)。
更进一步的,步骤S204中,令gmin=0,gmax=L-1,简化公式如下:
gk=INT[(L-1)sk(rk)+0.5]/(L-1)。
具体的,每列灰度的均值具体计算如下:
对处理的图像进行灰度扫描,计算区域S(m*n)各列灰度均值,构建列数目-列灰度均值折线图如下:
其中,f2(i,x)为第i行,第x列灰度值,f(x)为第x列灰度的均值,x是像质计所在区域列的数目,0≤x≤n;y为第x列灰度均值。
具体的,对列数目-列灰度均值曲线进行曲线拟合包括以下步骤:
S401、对折线图y=f(x)离散化;
S402、选择合适的拟合曲线,将折线图拟合成光滑曲线。
进一步的,步骤S402中,拟合过程:
a)假设为n次多项式拟合,拟合曲线为:
其中,a为xi的系数;
b)拟合曲线要满足:
具体的,光滑曲线y1=g(x)中的极小值个数N具体计算为:对y1求一阶导数,若满足且则列灰度均值在xi和xi+1之间存在极小值。
具体的,若判断有N个极小值,根据承压设备无损检测射线检测标准得出母材射线图像灵敏度合格需要识别到第N′丝线,如果N<N′,灵敏度不合格;如果N≥N′,灵敏度合格。
与现有技术相比,本发明至少具有以下有益效果:
本发明基于灰度变化特征分析的无损射线底片灵敏度判别方法,对图像进行灰度对比度增强的处理,扩大像质计丝线所在位置灰度与周围灰度差,提高准确度;对底片图像列灰度求平均值,构建列灰度值折线图,折线图低谷处即我们要求的像质计丝线位置;将折线图根据误差最小原则拟合成光滑的曲线图,通过计算曲线图的极小值个数即能快速识别到像质计的第几根丝线;用计算机自动判定代替传统人工评定底片灵敏度是否合格,为识别数字化底片奠定重要基础。
进一步的,针对射线图像A获取表征图像灵敏度的像质计所在区域S(m,n)做为分析对象,射线底片包含多种信息,为防止其他信息对灵敏度识别产生影响,框选出像质计所在区域以提高准确度。
进一步的,基于直方图均衡化原理对像质计所在区域灰度进行对比度增强,像质计标志区域和焊缝区域灰度值较高,对列灰度均值影响较大,因此将灰度图像取反。
进一步的,提高图像的对比度,使得像质计丝线所在区域灰度和周围区域灰度差明显增大,有助于更好的找出像质计丝线位置。
进一步的,像质计丝线所在列的灰度整体低于周围区域,取每列灰度均值作比较结果更为明显。
进一步的,得到的折线图计算机无法识别折线图低谷的个数,拟合成光滑曲线通过对曲线求极小值的个数判断低谷的个数。
进一步的,对列数目-列灰度均值曲线进行曲线拟合,使得曲线最大成度的接近原折线图,提高识别低谷个数的准确性。
进一步的,光滑曲线y1=g(x)中的极小值个数N即曲线低谷的个数,即得出原折线图低谷的个数。
进一步的,由于像质计丝线所在列灰度明显低于周围区域灰度,所以极小值位置即像质计丝线位置,因此判断极小值个数就可以得出像质计丝线所能识别的根数。
综上所述,本发明提高传统人工识别灵敏度的准确度,改变人工识别的主观性,能够用计算机自动识别底片像质计丝线,从而提高效率,降低成本成为射线图像缺陷类型识别的重要研究内容。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的工作流程图;
图2为一张完整的射线底片;
图3为本发明框选出的像质计所在区域的图;
图4为本发明是增强图像对比度的前后对比图;
图5为将图4右图取反之后的图;
图6为本发明构建的列灰度均值折线图;
图7为将图6折线图拟合成光滑曲线的图。
具体实施方式
本发明提供了一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,首先对图像预处理,增强图像对比度,进一步扩大像质计丝线所在区域灰度和周围区域灰度区别,通过分析计算每列灰度的均值,构建列均值灰度折线图,最后通过判断折线图低谷的个数来确定识别到像质计丝线的数目信息。
请参阅图1,本发明一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,包括以下步骤:
S1、对灵敏度待评价的无损射线底片进行数字化扫描,得到射线数字化图像A;
针对射线图像A,如图2所示,获取表征图像灵敏度的像质计所在区域S(m,n)做为分析对象,如图3所示,其中m为像质计所在区域的行,n为像质计所在区域的列;
S2、基于直方图均衡化原理对像质计所在区域灰度进行增强
S(m,n)区域转换为灰度图像f(m,n),利用基于直方图均衡化的图像增强方法提高图像对比度,对图像求反,使得像质计丝线所在区域灰度低于周围区域灰度,原图像灰度值在一个有限的范围内聚集,对比度较低,利用直方图均衡化算法将图像的灰度直方图均匀的延展到整个分布域内,增强对比度,具体过程为:
S201、统计原始图像各灰度级的像素数目ni,i=0,1...,L-1,其中L为灰度总级数;
S202、计算原始图像直方图,即各灰度级的概率密度,Pi(ri)=ni/n,n为原始图像的总像素数目;
S203、计算累积分布函数
其中,k=0,1......L-1;
S204、计算最后的输出灰度级,
gk=INT[(gmax-gmin)sk(rk)+gmin+0.5]/(L-1) (4)
其中,k=0,1......L-1,INT[]是取整算符,令gmin=0,gmax=L-1.则计算式简化为
gk=INT[(L-1)sk(rk)+0.5]/(L-1) (5)
S205、用fk(原图像的灰度级函数)和g的映射关系,修改原图像的灰度级,获得输出图像,其直方图为近似均匀分布;
S206、得到对比度增强后的灰度图像f1(m,n),像质计丝线所在区域灰度明显高于周围灰度,由于S(m,n)区域中存在焊缝区域和像质计标记区域的灰度比较高,为消除其对焊缝区域灰度影响,将该图像取反,得到像质计丝线区域灰度低于周围区域灰度的灰度图像f2(m,n),如图4为增强灰度对比度的前后对比图;
S3、基于f2(m,n)构建其列数目-列灰度均值表达式
对步骤S2处理的图像进行灰度扫描,计算区域S(m*n)各列灰度均值,构建列数目(横坐标)-列灰度均值(纵坐标)折线图,得出像质计丝线所在列灰度均值明显低于周围列灰度均值。构建列数目(横坐标)-列灰度均值(纵坐标)折线图,如图5所示,其表达式如下:
其中,f2(i,x)为第i行,第x列灰度值,f(x)为第x列灰度的均值,x是像质计所在区域列的数目,0≤x≤n;y为第x列灰度均值;
S4、依据步骤S3构建的折线图,对列数目-列灰度均值曲线算式(6)进行曲线拟合
拟合的曲线图如图6所示,光滑曲线表达式如下:
y1=g(x) (2)
S401、对步骤3)得到的折线图y=f(x)离散化;
S402、选择合适的拟合曲线,将折线图拟合成光滑曲线,拟合过程:
a)假设为n次多项式拟合,拟合曲线为:
b)拟合曲线要满足:
S5、求出光滑曲线(2)中极小值的个数N,即得出能识别到像质计丝线的数目信息;
对y1求一阶导数,若满足且则列灰度均值在xi和xi+1之间存在极小值,即在xi和xi+1之间存在像质计丝线,通过判断有N个极小值,如图7中得出该底片有4个极小值;
S6、利用极小值个数N进行灵敏度合格判定
根据承压设备无损检测射线检测标准得出某一厚度的母材射线图像灵敏度合格需要识别到第N′丝线,如果N<N′,灵敏度不合格;如果N≥N′,灵敏度合格。
一般的每个像质计中有7根粗细等距排列的丝线,若判断出有N个极小值,则断定可以识别到像质计丝线的第N根丝线。如根据承压设备无损检测中的射线检测标准,确定设备灵敏度等级要求,以及底片的母材厚度达到所要求的灵敏度等级,需要看到第N′根像质计丝线。
本发明方法主要通过像质计丝线所在位置与周围存在灰度差,先对图像增强,提高底片对比度,然后提取底片每列灰度均值做成折线图,为便于识别折线低谷个数将折线图按误差最小拟合成一条光滑曲线,求曲线极小值最终确定识别到的像质计丝线的数目信息,以确定底片本身质量是否合格,提高工作效率和准确度。为下一步运用该底片识别焊缝缺陷类型奠定基础。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,首先以灵敏度待评价的无损射线底片数字图像A为对象,框选出像质计所在区域并进行预处理,扩大像质计丝线所在区域灰度和周围区域灰度区别;通过分析计算每列灰度的均值,构建列均值灰度折线图y=f(x);对折线图y=f(x)进行曲线拟合得到光滑曲线y1=g(x);最后,分析确定光滑曲线y1=g(x)中的极小值个数N,即确定底片图形中像质计丝线识别的数目信息,并以此进行灵敏度合格与否判定。
2.根据权利要求1所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,针对数字图像A获取表征图像灵敏度的像质计所在区域S(m,n)做为分析对象,m为像质计所在区域的行,n为像质计所在区域的列。
3.根据权利要求1所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,基于直方图均衡化原理对像质计所在区域灰度进行对比度增强,将S(m,n)区域转换为灰度图像f(m,n),对图像求反,使得像质计丝线所在区域灰度低于周围区域灰度。
4.根据权利要求3所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,具体步骤如下:
S201、统计原始图像中各灰度级的像素数目ni,i=0,1...,L-1,L为灰度总级数;
S202、计算原始图像直方图,Pi(ri)=ni/n,n为原始图像的总像素数目,Pi(ri)为各灰度级概率密度;
S203、计算累积分布函数如下:
其中,sk为灰度累计,rk为第k个灰度级,k=0,1......L-1;
S204、计算最后的输出灰度级如下:
gk=INT[(gmax-gmin)sk(rk)+gmin+0.5]/(L-1)
其中,k=0,1......L-1,INT[]是取整算符;
S205、用原图像的灰度级函数fk和g的映射关系,修改原图像的灰度级,获得输出图像,其直方图为近似均匀分布;
S206、得到对比度增强后的灰度图像f1(m,n),像质计丝线所在区域灰度高于周围灰度,将该图像取反,得到像质计丝线区域灰度低于周围区域灰度的灰度图像f2(m,n)。
5.根据权利要求4所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,步骤S204中,令gmin=0,gmax=L-1,简化公式如下:
gk=INT[(L-1)sk(rk)+0.5]/(L-1)。
6.根据权利要求1所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,每列灰度的均值具体计算如下:
对处理的图像进行灰度扫描,计算区域S(m*n)各列灰度均值,构建列数目-列灰度均值折线图如下:
其中,f2(i,x)为第i行,第x列灰度值,f(x)为第x列灰度的均值,x是像质计所在区域列的数目,0≤x≤n;y为第x列灰度均值。
7.根据权利要求1所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,对列数目-列灰度均值曲线进行曲线拟合包括以下步骤:
S401、对折线图y=f(x)离散化;
S402、选择合适的拟合曲线,将折线图拟合成光滑曲线。
8.根据权利要求7所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,步骤S402中,拟合过程:
a)假设为n次多项式拟合,拟合曲线为:
其中,a为xi的系数;
b)拟合曲线要满足:
9.根据权利要求1所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,光滑曲线y1=g(x)中的极小值个数N具体计算为:对y1求一阶导数,若满足且则列灰度均值在xi和xi+1之间存在极小值。
10.根据权利要求1所述的一种基于灰度变化特征分析的无损射线底片灵敏度判别方法,其特征在于,若判断有N个极小值,根据承压设备无损检测射线检测标准得出母材射线图像灵敏度合格需要识别到第N′丝线,如果N<N′,灵敏度不合格;如果N≥N′,灵敏度合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810940669.7A CN109035245B (zh) | 2018-08-17 | 2018-08-17 | 基于灰度变化特征分析的无损射线底片灵敏度判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810940669.7A CN109035245B (zh) | 2018-08-17 | 2018-08-17 | 基于灰度变化特征分析的无损射线底片灵敏度判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109035245A true CN109035245A (zh) | 2018-12-18 |
CN109035245B CN109035245B (zh) | 2021-07-13 |
Family
ID=64630861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810940669.7A Active CN109035245B (zh) | 2018-08-17 | 2018-08-17 | 基于灰度变化特征分析的无损射线底片灵敏度判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109035245B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033024A (zh) * | 2019-03-15 | 2019-07-19 | 吉林省电力科学研究院有限公司 | 用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 |
CN116703888A (zh) * | 2023-07-28 | 2023-09-05 | 菏泽城建新型工程材料有限公司 | 一种钻孔灌注桩施工辅助异常检测方法及其系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308102A (zh) * | 2008-07-16 | 2008-11-19 | 中北大学 | 一种计算机断层扫描成像装置和方法 |
CN102175700A (zh) * | 2011-01-20 | 2011-09-07 | 山东大学 | 数字x射线图像焊缝分割和缺陷检测方法 |
-
2018
- 2018-08-17 CN CN201810940669.7A patent/CN109035245B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101308102A (zh) * | 2008-07-16 | 2008-11-19 | 中北大学 | 一种计算机断层扫描成像装置和方法 |
CN102175700A (zh) * | 2011-01-20 | 2011-09-07 | 山东大学 | 数字x射线图像焊缝分割和缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
张宏亮: "数字射线影像与胶片影像评定的差异", 《无损检测》 * |
陈乐: "焊缝射线CR图像归一化信噪比研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033024A (zh) * | 2019-03-15 | 2019-07-19 | 吉林省电力科学研究院有限公司 | 用于空冷供热机组变工况的汽轮机最优滑压曲线获取方法 |
CN116703888A (zh) * | 2023-07-28 | 2023-09-05 | 菏泽城建新型工程材料有限公司 | 一种钻孔灌注桩施工辅助异常检测方法及其系统 |
CN116703888B (zh) * | 2023-07-28 | 2023-10-20 | 菏泽城建新型工程材料有限公司 | 一种钻孔灌注桩施工辅助异常检测方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109035245B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104794491B (zh) | 基于预分类的模糊聚类钢板表面缺陷检测方法 | |
Campbell et al. | New methods for automatic quantification of microstructural features using digital image processing | |
CN106952258B (zh) | 一种基于梯度方向直方图的瓶口缺陷检测方法 | |
CN111970506B (zh) | 镜头脏污检测方法、装置和设备 | |
CN111242123B (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
CN109472822A (zh) | 基于深度图像处理的物体尺寸测量方法 | |
CN101201329B (zh) | 基于射线衰减能量场的无损检测缺陷提取、识别方法 | |
CN109187581A (zh) | 基于视觉的成品轴承端面缺陷检测方法 | |
CN108846397B (zh) | 一种基于图像处理的电缆半导电层自动检测方法 | |
CN104101600A (zh) | 连铸坯断面微小裂纹检测方法及装置 | |
CN109682839A (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
CN107845090A (zh) | 一种硅片检测方法和硅片检测装置 | |
CN106886216A (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和系统 | |
CN103063576A (zh) | 激光显微镜下定量分析钢中夹杂物的方法 | |
CN109035245A (zh) | 基于灰度变化特征分析的无损射线底片灵敏度判别方法 | |
CN108186051A (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
CN108414531A (zh) | 一种基于机器视觉的柔性薄膜缺陷检测装置及其检测方法 | |
CN111369523A (zh) | 显微图像中细胞堆叠的检测方法、系统、设备及介质 | |
Patel et al. | Development and an application of computer vision system for nondestructive physical characterization of mangoes | |
Yao et al. | Inspection of rice appearance quality using machine vision | |
Lin et al. | Surface defect detection of machined parts based on machining texture direction | |
CN116091505A (zh) | 一种蓝宝石衬底自动缺陷检测分类的方法和系统 | |
CN106404893B (zh) | 一种轴向漏磁缺陷信号自动检测方法 | |
CN106097371A (zh) | 一种瑕疵检测方法及系统 | |
CN112115896A (zh) | 仪表盘指针读数预测方法、装置、计算机设备及存储介质 |
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 |