CN109285140A - 一种印刷电路板图像配准评估方法 - Google Patents
一种印刷电路板图像配准评估方法 Download PDFInfo
- Publication number
- CN109285140A CN109285140A CN201810845887.2A CN201810845887A CN109285140A CN 109285140 A CN109285140 A CN 109285140A CN 201810845887 A CN201810845887 A CN 201810845887A CN 109285140 A CN109285140 A CN 109285140A
- Authority
- CN
- China
- Prior art keywords
- point
- angle point
- printed circuit
- circuit board
- appraisal procedure
- 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.)
- Pending
Links
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- 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
- G06T2207/30141—Printed circuit board [PCB]
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
本发明属于数字图像处理技术领域,本发明公开了一种印刷电路板图像配准评估方法。该方法具体步骤为:S1.对参考图像和配准后图像分别进行Canny边缘检测,提取图像边缘信息;S2.在获得的图像边缘信息中,对在图像边缘上的角点进行角点预检测和Harris角点检测,提取角点特征点的坐标;S3.使用归一化互相关算法进行角点特征坐标的匹配;S4.使用误匹配点排除法排除坐标差统计中的误匹配点对;S5.计算排除误匹配点对的均方根误差和标准差,对图像配准效果进行评估。本发明通过结合边缘检测、角点预检测和角点检测的方法,提升了角点检测的速度,科学性的进行特征点的选取,能够有效适用于图像配准效果的定量评估。
Description
技术领域
本发明属于数字图像处理技术领域,更具体地,涉及一种印刷电路板图像配准评估方法。
背景技术
目前,现有的印刷电路板图像配准评估方法中采用的图像配准的评价指标一般包括两类,一类是主观评价指标,另一类是客观评价指标。主观评价指标即直接利用人的视觉来评价匹配点对或是配结果,这种方式能够清晰地看出匹配点对或配准结果的误差区域和大小,但不同的人对误差大小的判断不一样,且当误差较小时,视觉一般分辨不出。客观评价指标是利用一些客观参数来评价匹配点对或配准结果。基于距离误差的印刷电路板图像配准评估方法为:Ⅰ.进行印刷电路板与模板电路板的图像配准;Ⅱ.提取配准后印刷电路板与模板电路板的三对定位圆圆心作为匹配点对;Ⅲ.对匹配点计算距离误差进行误差评估。现有技术配准评估中距离误差越小,则匹配点对的仿射变换一致性越好。选取定位圆圆心作为特征点虽然稳定,但是特征点对的数量太少,配准距离误差容易受到特征点的影响太敏感,不能很好地体现匹配点对的配准效果。
以计算机为核心的印刷电路板缺陷检测系统的基本原理是,先通过摄像头采集一幅无缺陷的标准印刷图像,然后在线采集待测图像。将待测图像和标准图像进行做差操作,得到缺陷图像,再对缺陷图象进行相应的分析处理。由于印刷电路板再传输过程中难免会发生平移和旋转,因此做差前要首先将标准图像和待测图像进行图像配准。配准结果的评判往往是以人的主观评价为主导,容易受观察者的主观因素影响,且现有图像配准评估方法容易受到特征点数量影响。
发明内容
为了解决上述现有技术存在的不足和缺点,本发明目的在于提供一种印刷电路板图像配准评估方法。该方法科学的进行特征点的选取,能够有效适用于图像配准效果的定量评估。
本发明的目的通过下述技术方案来实现:
一种印刷电路板图像配准评估方法,包括如下具体步骤:
S1.对参考图像和配准后图像分别进行Canny边缘检测,提取图像边缘信息;
S2.在获得的图像边缘信息中,对在图像边缘上的角点进行角点预检测和Harris角点检测,提取角点的特征坐标;
S3.使用归一化互相关算法进行角点特征坐标的匹配,得到候选匹配点对;
S4.使用误匹配点排除法排除候选匹配点对中的误匹配点对;
S5.计算排除误匹配点对的均方根误差和标准差,对图像配准效果进行评估。
优选地,步骤S2中所述角点预检测的具体方法为:如果该像素点与3×3像素点邻域内各像素值之差的绝对值在设定的阈值T范围之内,就认为这个点与中心点相似;计算8次之后对在阈值T范围内像素进行计数,然后根据计数判断该中心点是否是角点。
优选地,所述阈值T的范围为10<T<30。
优选地,步骤S3中所述归一化互相关算法的具体方法为:设两幅图像中角点的坐标分别为(x,y)和(x′,y′),选择窗口大小为(2k+1)×(2k+1)的角点邻域进行匹配,归一化互相关算法的匹配公式为:
其中,I和I′分别表示两个窗口内的灰度值;和表示两个窗口内的平均灰度;R表示相关度,若R=-1,则表示匹配完全不相关;若R=1,表示匹配完全相关,对相关值R进行阈值处理,阈值T的取值根据实际情况选取,尽可能接近1,相关值R大于阈值T的角点作候匹配点对。
优选地,所述k的范围为1<k<3。
优选地,步骤S4中所述误匹配点排除法的具体做法为:计算所有候选匹配点对的坐标差(Δx,Δy),对每对(Δx,Δy)出现的次数进行统计,选取出现次数最多的(Δx,Δy)作为两幅图像偏移量的最终估计,相应的匹配点对构成正确匹配点对集。
优选地,步骤S5中所述均方根误差的计算如式(2)所示,RMSE计算的结果用于图像配准评估参考:
其中,(xi,yi)为从步骤S1中所述参考图像中提取并且经过筛选的角点,(x′i,y′i)为从步骤S1中所述配准后图像中提取并且经过筛选的角点,n为角点对的数量,角点对n的个数由筛选的阈值条件决定。
优选地,所述n的范围为30<n<80。
优选地,步骤S5中所述标准差的计算如式(3)所示:
其中,(xi,yi)为从步骤S1中所述参考图像中提取并且经过筛选的角点,为从步骤S1中所述配准后图像中提取并且经过筛选的角点的平均值,n为角点对的数量,角点对n的个数由筛选的阈值条件决定。
优选地,所述n的范围为30<n<80。
与现有技术相比,本发明具有以下有益效果:
1.本发明通过结合边缘检测、角点预检测和角点检测的新方法,在特征点提取即角点提取处采取了角点预检测提升了角点检测的速度;通过坐标差统计排除误匹配点科学的筛选角点用于图像配准评估,同时特征点的数量也可以得到控制,通过采集更多科学的特征点进行配准评估;评估结果使用均方根误差与标准差相结合,观察误差量的同时也可以分析误差的波动情况。
2.本发明提出的排除误匹配点的方法,使得提取到的角点更合理。
3.本发明首次将改进后的角点检测算法用于配准结果的评估;并将均方根误差与标准差结合作为评估指标,使得评估结果更具有科学性科学的进行特征点的选取,能够有效适用于图像配准效果的定量评估。
附图说明
图1为图像配准评估方法流程示意图。
具体实施方式
下面结合具体实施例进一步说明本发明的内容,但不应理解为对本发明的限制。若未特别指明,实施例中所用的技术手段为本领域技术人员所熟知的常规手段。除非特别说明,本发明采用的试剂、方法和设备为本技术领域常规试剂、方法和设备。
实施例1
如图1所示,图像配准评估方法的具体步骤包括:
S1.对参考图像和配准后图像分别进行Canny边缘检测,提取图像边缘信息;
S2.在获得的图像边缘信息中,对在图像边缘上的角点进行角点预检测和Harris角点检测,提取角点特征点坐标;
S3.使用归一化互相关算法进行角点特征坐标的匹配;
S4.使用误匹配点排除法排除坐标差统计中的误匹配点对;
S5.计算排除误匹配点对的均方根误差和标准差,对图像配准效果进行评估。
实施例2改进的Harris角点检测算法
经典的Harris角点检测方法在整幅图像中进行角点检测,因此费时。由于角点必然在图像边缘上,本发明提出了一种结合边缘检测、角点预检测和角点检测的方法。本发明在综合比较各边缘检测算子后采用Canny算子检测边,再针对边缘点进行角点预检测、Harris角点检测。
通过分析角点的特性,利用角点附近图像像素灰度值剧烈变化这一特点,提出了一种角点预检测算法,其角点判断方法是:如果该像素点与3×3像素点邻域内各像素值之差的绝对值在设定的阈值T(10<T<30)范围之内,那就认为这个点与中心点是相似的。反之,则认为不相似。计算8次之后对在阈值T范围(10<T<30)内像素进行计数,然后根据计数来判断这个中心点是否是角点。
实施例3角点的邻域NCC算法特征点匹配
采用准确性和稳定性较好的NCC(归一化互相关)算法进行角点匹配。设两幅图像中角点的坐标分别为(x,y)和(x′,y′),选择窗口大小为(2k+1)×(2k+1)的角点邻域进行匹配,其中,1<k<3,NCC匹配公式为:
式(1)中:I和分别为两个窗口内的灰度值;I和I′是窗口内的平均灰度。对以上计算的所有相关值R进行阈值处理,相关值R大于阈值T的角点作候选匹配点对。
实施例4误匹配点排除方法
排除误匹配点的方法的具体做法是:计算所有候选匹配点对的坐标差(Δx,Δy),对每对(Δx,Δy)出现的次数进行统计,选取出现次数最多的(Δx,Δy)作为两幅图像偏移量的最终估计,相应的匹配点对构成正确匹配点对集。
实施例5均方根误差和标准差的计算
均方根误差(RMSE)能够很好地反映出测量的精密度。均方根误差计算公式如式(2):
式(2)中(xi,yi)从为参考图像中提取并且经过筛选的角点,(x′i,y′i)为匹配后图像中提取并且经过帅选的角点,n为角点对的数量;RMSE计算得到(Δx,Δy)用于图像配准评估参考。
标准差(S)也被称为标准偏差,标准差是一组数据平均值分散程度的一种度量。一个较大的标准差,代表个体数据和其平均值之间差异较大;一个较小的标准差,代表个体数据较接近平均值。标准差能反应数据的波动性。标准差的计算如式(3)所示:
式(3)中(xi,yi)为从参考图像中提取并且经过筛选的角点,为匹配后图像中提取并且经过筛选的角点的平均值,n为角点对的数量。角点对n的个数由筛选的阈值条件决定,其中,30<n<80。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合和简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种印刷电路板图像配准评估方法,其特征在于,包括如下具体步骤:
S1.对参考图像和配准后图像分别进行Canny边缘检测,提取图像边缘信息;
S2.在获得的图像边缘信息中,对在图像边缘上的角点进行角点预检测和Harris角点检测,提取角点的特征坐标;
S3.使用归一化互相关算法进行角点特征坐标的匹配,得到候选匹配点对;
S4.使用误匹配点排除法排除候选匹配点对中的误匹配点对;
S5.计算排除误匹配点对的均方根误差和标准差,对图像配准效果进行评估。
2.根据权利要求1所述的印刷电路板图像配准评估方法,其特征在于,步骤S2中所述角点预检测的具体方法为:如果该像素点与3×3像素点邻域内各像素值之差的绝对值在设定的阈值T范围之内,就认为这个点与中心点相似;计算8次之后对在阈值T范围内像素进行计数,然后根据计数判断该中心点是否是角点。
3.根据权利要求2所述的印刷电路板图像配准评估方法,其特征在于,所述阈值T的范围为10<T<30。
4.根据权利要求1所述的印刷电路板图像配准评估方法,其特征在于,步骤S3中所述归一化互相关算法的具体方法为:设两幅图像中角点的坐标分别为(x,y)和(x′,y′),选择窗口大小为(2k+1)×(2k+1)的角点邻域进行匹配,归一化互相关算法的匹配公式为:
其中,I和I′分别表示两个窗口内的灰度值;和表示两个窗口内的平均灰度;R表示相关度,若R=-1,则表示匹配完全不相关;若R=1,表示匹配完全相关,对相关值R进行阈值处理,阈值T的取值根据实际情况选取,尽可能接近1,相关值R大于阈值T的角点作候匹配点对。
5.根据权利要求4所述的印刷电路板图像配准评估方法,其特征在于,所述k的范围为1<k<3。
6.根据权利要求1所述的印刷电路板图像配准评估方法,其特征在于,步骤S4中所述误匹配点排除法的具体做法为:计算所有候选匹配点对的坐标差(Δx,Δy),对每对(Δx,Δy)出现的次数进行统计,选取出现次数最多的(Δx,Δy)作为两幅图像偏移量的最终估计,相应的匹配点对构成正确匹配点对集。
7.根据权利要求1所述的印刷电路板图像配准评估方法,其特征在于,步骤S5中所述均方根误差的计算如式(2)所示,RMSE计算的结果用于图像配准评估参考:
其中,(xi,yi)为从步骤S1中所述参考图像中提取并且经过筛选的角点,(x′i,y′i)为从步骤S1中所述配准后图像中提取并且经过筛选的角点,n为角点对的数量,角点对n的个数由筛选的阈值条件决定。
8.根据权利要求7所述的印刷电路板图像配准评估方法,其特征在于,所述n的范围为30<n<80。
9.根据权利要求1所述的印刷电路板图像配准评估方法,其特征在于,步骤S5中所述标准差的计算如式(3)所示:
其中,(xi,yi)为从步骤S1中所述参考图像中提取并且经过筛选的角点,为从步骤S1中所述配准后图像中提取并且经过筛选的角点的平均值,n为角点对的数量,角点对n的个数由筛选的阈值条件决定。
10.根据权利要求9所述的印刷电路板图像配准评估方法,其特征在于,所述n的范围为30<n<80。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810845887.2A CN109285140A (zh) | 2018-07-27 | 2018-07-27 | 一种印刷电路板图像配准评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810845887.2A CN109285140A (zh) | 2018-07-27 | 2018-07-27 | 一种印刷电路板图像配准评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109285140A true CN109285140A (zh) | 2019-01-29 |
Family
ID=65182771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810845887.2A Pending CN109285140A (zh) | 2018-07-27 | 2018-07-27 | 一种印刷电路板图像配准评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109285140A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784634A (zh) * | 2020-05-28 | 2020-10-16 | 天津科技大学 | 一种基于Harris-CPDA的角点检测方法 |
CN113916131A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市浩创盛科技有限公司 | 一种基于图案的pcb板孔位智能检测系统及方法 |
CN114170229A (zh) * | 2022-02-14 | 2022-03-11 | 北京阿丘科技有限公司 | 印制电路板缺陷图像配准方法、装置、设备及存储介质 |
CN115049658A (zh) * | 2022-08-15 | 2022-09-13 | 合肥的卢深视科技有限公司 | Rgb-d相机质量检测方法、电子设备及存储介质 |
CN115578383A (zh) * | 2022-11-23 | 2023-01-06 | 惠州威尔高电子有限公司 | 基于全景图像的厚铜pcb板检测方法 |
CN117115142A (zh) * | 2023-10-16 | 2023-11-24 | 宜兴启明星物联技术有限公司 | 基于人工智能的电子元件缺陷快速检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609918A (zh) * | 2012-02-15 | 2012-07-25 | 国家海洋局第二海洋研究所 | 基于图像特征配准的航空多光谱遥感影像几何精校正方法 |
CN103679720A (zh) * | 2013-12-09 | 2014-03-26 | 北京理工大学 | 一种基于小波分解与Harris角点检测的快速图像配准方法 |
CN103679636A (zh) * | 2013-12-23 | 2014-03-26 | 江苏物联网研究发展中心 | 基于点、线双重特征的快速图像拼接方法 |
CN105427304A (zh) * | 2015-11-19 | 2016-03-23 | 北京航空航天大学 | 基于多种特征联合的目标sar图像和光学图像配准方法 |
CN106898019A (zh) * | 2017-02-21 | 2017-06-27 | 广西大学 | 基于尺度不变Harris特征的图像配准方法和装置 |
CN107808165A (zh) * | 2017-10-19 | 2018-03-16 | 南京理工大学 | 一种基于susan角点检测的红外图像匹配方法 |
CN107871325A (zh) * | 2017-11-14 | 2018-04-03 | 华南理工大学 | 基于Log‑Euclidean协方差矩阵描述符的图像非刚性配准方法 |
-
2018
- 2018-07-27 CN CN201810845887.2A patent/CN109285140A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609918A (zh) * | 2012-02-15 | 2012-07-25 | 国家海洋局第二海洋研究所 | 基于图像特征配准的航空多光谱遥感影像几何精校正方法 |
CN103679720A (zh) * | 2013-12-09 | 2014-03-26 | 北京理工大学 | 一种基于小波分解与Harris角点检测的快速图像配准方法 |
CN103679636A (zh) * | 2013-12-23 | 2014-03-26 | 江苏物联网研究发展中心 | 基于点、线双重特征的快速图像拼接方法 |
CN105427304A (zh) * | 2015-11-19 | 2016-03-23 | 北京航空航天大学 | 基于多种特征联合的目标sar图像和光学图像配准方法 |
CN106898019A (zh) * | 2017-02-21 | 2017-06-27 | 广西大学 | 基于尺度不变Harris特征的图像配准方法和装置 |
CN107808165A (zh) * | 2017-10-19 | 2018-03-16 | 南京理工大学 | 一种基于susan角点检测的红外图像匹配方法 |
CN107871325A (zh) * | 2017-11-14 | 2018-04-03 | 华南理工大学 | 基于Log‑Euclidean协方差矩阵描述符的图像非刚性配准方法 |
Non-Patent Citations (2)
Title |
---|
洪改艳等: "Harris角点检测的优化算法", 《计算机系统应用》 * |
郭晨曦: "基于Harris角点检测算法的图像拼接技术的研究与应用", 《中国硕士学位论文全文数据库信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111784634A (zh) * | 2020-05-28 | 2020-10-16 | 天津科技大学 | 一种基于Harris-CPDA的角点检测方法 |
CN111784634B (zh) * | 2020-05-28 | 2024-02-02 | 天津科技大学 | 一种基于Harris-CPDA的角点检测方法 |
CN113916131A (zh) * | 2021-12-15 | 2022-01-11 | 深圳市浩创盛科技有限公司 | 一种基于图案的pcb板孔位智能检测系统及方法 |
CN114170229A (zh) * | 2022-02-14 | 2022-03-11 | 北京阿丘科技有限公司 | 印制电路板缺陷图像配准方法、装置、设备及存储介质 |
CN115049658A (zh) * | 2022-08-15 | 2022-09-13 | 合肥的卢深视科技有限公司 | Rgb-d相机质量检测方法、电子设备及存储介质 |
CN115578383A (zh) * | 2022-11-23 | 2023-01-06 | 惠州威尔高电子有限公司 | 基于全景图像的厚铜pcb板检测方法 |
CN115578383B (zh) * | 2022-11-23 | 2023-04-07 | 惠州威尔高电子有限公司 | 基于全景图像的厚铜pcb板检测方法 |
CN117115142A (zh) * | 2023-10-16 | 2023-11-24 | 宜兴启明星物联技术有限公司 | 基于人工智能的电子元件缺陷快速检测方法 |
CN117115142B (zh) * | 2023-10-16 | 2024-01-26 | 宜兴启明星物联技术有限公司 | 基于人工智能的电子元件缺陷快速检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109285140A (zh) | 一种印刷电路板图像配准评估方法 | |
JP6993027B2 (ja) | 画像分析方法、装置及びコンピュータプログラム | |
Mahalingam et al. | Pcb-metal: A pcb image dataset for advanced computer vision machine learning component analysis | |
CN109145921A (zh) | 一种基于改进的直觉模糊c均值聚类的图像分割方法 | |
WO2017181724A1 (zh) | 电子元件漏件检测方法和系统 | |
CN108682008B (zh) | 一种白细胞图像清晰度评价方法及装置 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
WO2017092427A1 (zh) | 一种电子元件定位方法及装置 | |
CN109946303A (zh) | 检查装置和方法 | |
CN111242123A (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
CN109307675A (zh) | 一种产品外观检测方法和系统 | |
CN110161233B (zh) | 一种免疫层析试纸卡的快速定量检测方法 | |
CN105510364B (zh) | 基于x射线的工业部件缺陷的无损检测系统及其检测方法 | |
CN107341538A (zh) | 一种基于视觉的统计数量方法 | |
CN106340000A (zh) | 骨龄评估方法 | |
CN105718931B (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
CN106355579A (zh) | 烟条表面褶皱的缺陷检测方法 | |
CN116563279B (zh) | 基于计算机视觉的量测开关检测方法 | |
US20090290788A1 (en) | System and method for performing multi-image training for pattern recognition and registration | |
CN105466921A (zh) | 一种多样品同时检测的方法 | |
CN107529963A (zh) | 图像处理装置、图像处理方法和图像处理程序 | |
CN113850749A (zh) | 训练缺陷侦测器的方法 | |
TWI707137B (zh) | 智能產線監測系統及監測方法 | |
JP2010008159A (ja) | 外観検査処理方法 | |
CN104568639B (zh) | 一种水果糖度的确定方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190129 |