CN109350018B - 应用于手掌疱疹检测系统的基于图像的手掌检测方法 - Google Patents
应用于手掌疱疹检测系统的基于图像的手掌检测方法 Download PDFInfo
- Publication number
- CN109350018B CN109350018B CN201910014071.XA CN201910014071A CN109350018B CN 109350018 B CN109350018 B CN 109350018B CN 201910014071 A CN201910014071 A CN 201910014071A CN 109350018 B CN109350018 B CN 109350018B
- Authority
- CN
- China
- Prior art keywords
- palm
- area
- image
- cam contour
- candidate
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dermatology (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种应用于手掌疱疹检测系统的基于图像的手掌检测方法。所述手掌检测方法包括以下步骤:获取RGB彩色图像;将RGB彩色图像转换成YCrCb三色图像后获取Cr图像,再将Cr图像进行二值化;肤色检测、获取肤色轮廓、凸轮廓特征检测;判定凸轮廓特征数是否大于零,若是则筛选出候选手掌区域;判断候选手掌区域是否为手掌轮廓区域。本发明的手掌检测方法基于图像、非接触式且动静态皆宜,不约束图像采集的距离,适合应用于手掌部位的具传染性的病症图样采集及检测系统,检测方法精确可信。
Description
技术领域
本发明涉及医学检测领域,尤其涉及一种应用于手掌疱疹检测系统的基于图像的手掌检测方法。
背景技术
现有技术中还未有基于图像的疱疹系统或机器,这种非接触式的基于图像的疱疹检测技术必须先检测出人体手掌,然后在此基础上检测疑似疱疹点,这一系列的过程皆通过机器的深度学习实现,本发明就在于提供这样一种技术,通过机器来识别图像中的人体手掌,且不受图像拍摄是否动态和图像大小比例的影响,为手部医疗等方面的应用提供可靠依据和技术支撑。
发明内容
本发明的目的是提供一种应用于手掌疱疹检测系统的基于图像的手掌检测方法。
一种所述的应用于手掌疱疹检测系统的基于图像的手掌检测方法,具体包括如下步骤:
S1:获取RGB彩色图像;
S2:将RGB彩色图像转换成YCrCb三色图像后获取Cr图像,再将Cr图像进行二值化;
S3:肤色检测,获取肤色轮廓,进行凸轮廓特征检测,判定凸轮廓特征数是否大于零,若是,则进入步骤S4,若否,则返回S1;
S4:筛选出候选手掌区域;
S5:获取所述候选手掌区域的凸轮廓缺陷特征区域及凸轮廓缺陷位置坐标;
当所述凸轮廓缺陷特征区域数量大于3,则继续,否则结束;
计算每个凸轮廓缺陷特征区域的最远点到凸轮廓的两相邻凸顶点的连线的距离并约束在[25像素,252像素]之间,得到手指间数量X;
计算各个所述凸轮廓缺陷特征区域的三角区域面积并累加,得到所有凸轮廓缺陷特征区域面积之和;
计算所述所有凸轮廓缺陷特征区域面积之和与所述候选手掌区域的外接轮廓面积的百分比Y;
计算所述候选手掌区域的外接轮廓周长的平方与其面积的比值Z;
计算各个所述凸轮廓缺陷特征区域的三角区域的锐角三角形数量之和W;
计算各个所述凸轮廓缺陷特征区域的三角区域的钝角三角形数量之和S;
判断候选手掌区域是否确为手掌轮廓区域。
在本发明提供的所述的应用于手掌疱疹检测系统的基于图像的手掌检测方法的一种较佳实施例中,步骤S4具体为:设定候选手掌区域的筛选约束条件为:候选手掌区域面积区间为[图像像素面积/200,图像像素面积*2/3];筛选符合条件的区域作为候选手掌区域。
在本发明提供的所述的应用于手掌疱疹检测系统的基于图像的手掌检测方法的一种较佳实施例中,步骤S5判定条件为:同时满足条件X≥3,50<Y≤80,60.0<Z<90.0,W≥3,S≤2,则判断所述候选手掌区域确为手掌轮廓区域,并获取该区域轮廓外接四边形点集坐标。
与现有技术相比,本发明提供的应用于手掌疱疹检测系统的基于图像的手掌检测方法,具有以下有益效果:
由于轮廓检测时,可能出现多个外接轮廓区域,本发明先通过判定凸轮廓特征数是否大于零来进行图像初步筛选,后首创性的提出通过约束手掌区域面积区间为[图像像素面积/200,图像像素面积*2/3]来判定候选手掌区域,以及手掌轮廓区域判断的条件:手指间数量X≥3,所述所有凸轮廓缺陷特征区域面积之和与所述候选手掌区域的外接轮廓面积的百分比50<Y≤80,可将手掌和其他部位例如头部等区别开来,所述候选手掌区域的外接轮廓周长平方与其面积的比值60.0<Z<90.0,W≥3,S≤2,五者同时满足后判定为手掌轮廓区域,此方法和参数皆通过多次试验测试得到,实际应用效果好,判断准确,不受拍摄图像的远近影响。同时,基于图像、测量条件为非接触式且动静态皆宜,不约束图像采集的距离,适合应用于手掌部位的具传染性的病症图样采集及检测系统,检测方法精确可信。
附图说明
图1为本发明提供的应用于手掌疱疹检测系统的基于图像的手掌检测方法的流程图;
图2为图1所示方法中判断候选手掌区域是否确为手掌轮廓区域流程图;
图3为基于图像的手掌检测方法的具体举例。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域的技术人员所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。
请参阅图1所示,为本发明提供的应用于手掌疱疹检测系统的基于图像的手掌检测方法流程图。所述应用于手掌疱疹检测系统的基于图像的手掌检测方法,具体包括如下步骤:
步骤一:获取RGB彩色图像。所述RGB彩色图像可为直接通过电脑上传或通过网络摄像头传输而得,可为单张的RGB图片,也可通过动态视频截取单图。本发明的手掌图像要求被拍摄者拍摄时手掌五指张开,远离近肤色区域。
步骤二:将RGB彩色图像转换成YCrCb三色图像后获取Cr图像,再将Cr图像进行二值化。将RGB图像转化成YCrCb三色图像通过编程实现,其算法目前已经比较成熟。YCbCr颜色空间是作为肤色分布统计的映射空间,该空间的优点是受亮度变化的影响较小,而且是两维独立分布,能较好地限制肤色分布区域,而且可以从RGB格式线性变化得到。由于疱疹的皮肤特性与肤色相近,获取Cr图像既能将手掌轮廓提取出来,也能将疱疹特征也一并提取,便于后续疱疹的检测。
例如,对于RGB(8位表示的RGB)与YCbCr(256级别)之间的转换如下:
Y=0.299R+0.587G+0.114B
Cb=0.5R-0.4187G-0.0813B+128
Cr=-0.1687R-0.3313G+0.5B+128
即YCbCr(256级别)可以从8位RGB直接计算。
步骤三:肤色检测、获取肤色轮廓、凸轮廓特征检测;判定凸轮廓特征数是否大于零,若是则进入步骤四,若否,则返回步骤一;
所述凸轮廓特征数表示的是目标外轮廓凸包顶点数。判定凸轮廓特征数是否大于零,先对图片进行了一个预筛选,不满足此条件则重新下一取样。
YCbCr颜色空间是常见的肤色检测方法,如果一个像点的Cb和Cr值满足:133≤Cr≤173,并且77≤Cb≤127,则该像点被认为具有皮肤色。
步骤四:筛选候选手掌区域。
设定候选手掌区域筛选约束条件为:候选手掌区域轮廓面积区间为[图像像素面积/200,图像像素面积*2/3],并筛选符合条件区域的作为候选手掌区域;
本发明中,图像像素面积是拟处理的视频图像面积,是完整的视频图像,该面积的单位为像素平方,故称为图像像素面积。
所述参数[图像像素面积/200,图像像素面积*2/3]是依据儿童手掌尺寸和相机焦距、物距范围,根据成像投影原理,计算而来,具体推导如下:
设儿童手掌的尺寸为宽W、长H。
相机焦距为f;相机分辨率为Px、Py,像元尺度为:u;
图像成像尺寸为:Pw,Ph
Dw:儿童手掌宽对应的物距
Dh:儿童手掌长对应的物距
下面推导物距与成像面积的关系,具体如下:
已知:
由此得:Dw=W*f/Pw
同理可得:Dh=H*f/Ph
对于一定的儿童手掌物距D,其手掌成像面积S为:
pw=W*f/D
ph=H*f/D
故:S=W×H×f2/D2
为了使手掌成像不至于溢出视场,设手掌最大成像面积为:
可得:
设手掌最少成像面积为
可得手掌最少成像面积的物距Dmin与手掌最大成像面积的物距
Dmax的比值:
根据资料,美国儿童手掌数据为:
年龄 | 手掌长 | 手掌宽 |
2.5~3 | 105mm | 50mm |
4 | 113mm | 54mm |
5 | 119mm | 55mm |
6 | 126mm | 59mm |
7 | 132mm | 61mm |
取最小年龄组的数据,即W=50mm,H=105mm,相机分辨率为:1920×1080,焦距f为:2.9mm(视场角:130度),像元尺寸u为:3um,故:
可得:
Dmin=17.32×Dmax=1031.77mm
根据手掌疱疹距离摄像头的距离在200mm~700mm之间,考虑一定的保险系数,故选择参数为:200和2/3。
步骤五:判断候选手掌区域是否确为手掌轮廓区域;如图2所示。
S51:获取所述候选手掌区域的凸轮廓缺陷特征区域及凸轮廓缺陷位置坐标;
S52:当所述凸轮廓缺陷特征区域数量大于3则继续S53,否则结束;
S53:计算每个凸轮廓缺陷特征区域的最远点到凸轮廓的两相邻凸顶点的连线的距离并约束在[25像素,252像素]之间,得到手指间数量X;
计算各个所述凸轮廓缺陷特征区域的三角区域面积并累加,得到所有凸轮廓缺陷特征区域面积之和;
计算所述所有凸轮廓缺陷特征区域面积之和与所述候选手掌区域的外接轮廓面积的百分比Y;
计算所述候选手掌区域的外接轮廓周长的平方与其面积的比值Z;
计算各个所述凸轮廓缺陷特征区域的三角区域的锐角三角形数量之和W;
计算各个所述凸轮廓缺陷特征区域的三角区域的钝角三角形数量之和S。
若同时满足条件X≥3,50<Y≤80,60.0<Z<90.0,W≥3,S≤2,则判断所述候选手掌区域确为手掌轮廓区域,并获取该区域轮廓外接四边形点集坐标,即两边分别与参考坐标轴X、Y轴平行的最小外接四边形的四点坐标,为下一步手部疱疹检测打下基础。
实施例1
获取RGB彩色图像,转换成YCrCb三色图像后获取Cr图像,再将Cr图像进行二值化,肤色检测、获取肤色轮廓,如图3所示,将肤色轮廓用最小的凸多面形把它包起来,如ABCDEFG所包围的区域,凸轮廓特征数即为凸包(即为A、B、C、D、E、F、G处)的数量,为7,大于零。其中,凹进去(Bulge Inside)的部分,如A aB、BbC、CcD、DdE等所围成的区域,称为凸轮廓缺陷,即箭头处、偏导的局部最大值处。图3所示ABCDEFG轮廓面积在区间[图像像素面积/200,图像像素面积*2/3]之间,因此判定为候选手掌区域。
图3所示的肤色轮廓的凸轮廓缺陷数为五,大于3。从左到右每个凸缺陷特征区域的最远点(a、b、c、d、e、f)到其对应的相邻凸包连线的距离分别为d1、d2、d3、d4、d5、d6,在区间[25像素,252像素]的为d1、d2、d3、d4,数量为四,得到手指间数量X为四;
如图3所示所有凸缺陷特征区域面积之和为SAaB+SBbC+SCcD+SDdE+SEeF+SGfA,所述候选手掌区域轮廓面积为SABCDEFG,所述候选手掌区域轮廓的周长为L=LAB+LBC+LCD+LDE+LEF+LGA,
Y=(SAaB+SBbC+SCcD+SDdE+SEeF+SGfA)/SABCDEFG,结合X和Y的值可将手掌与头部等其他部位有效区分开。
Z=(LAB+LBC+LCD+LDE+LEF+LGA)2/SABCDEFG。
W=4;S=2;
具体应用过程中,以上条件通过计算机程序计算实现。
当同时满足X≥3,50<Y≤80,60.0<Z<90.0,W≥3,S≤2时,判定ABCDEFG所包含的区域确为手掌区域轮廓。
本发明提供的应用于手掌疱疹检测系统的基于图像的手掌检测方法,具有以下有益效果:
由于轮廓检测时,可能出现多个外接轮廓区域,本发明先通过判定凸轮廓特征数是否大于零来进行图像初步筛选,后首创性的提出通过约束手掌区域面积区间为[图像像素面积/200,图像像素面积*2/3]来判定候选手掌区域,以及手掌轮廓区域判断的条件:手指间数量X≥3,所述所有凸轮廓缺陷特征区域面积之和与所述候选手掌区域的外接轮廓面积的百分比50<Y≤80,可将手掌和其他部位例如头部等区别开来,所述候选手掌区域的外接轮廓周长平方与其面积的比值60.0<Z<90.0,W≥3,S≤2,五者同时满足后判定为手掌轮廓区域,此方法和参数皆通过多次试验测试得到,实际应用效果好,判断准确,不受拍摄图像的远近影响。同时,基于图像、测量条件为非接触式且动静态皆宜,不约束图像采集的距离,适合应用于手掌部位的具传染性的病症图样采集及检测系统,检测方法精确可信。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (3)
1.一种应用于手掌疱疹检测系统的基于图像的手掌检测方法,其特征在于,具体包括如下步骤:
S1:获取RGB彩色图像;
S2:将RGB彩色图像转换成YCrCb三色图像后获取Cr图像,再将Cr图像进行二值化;
S3:肤色检测,获取肤色轮廓,进行凸轮廓特征检测,判定凸轮廓特征数是否大于零,若是,则进入步骤S4,若否,则返回S1;
S4:筛选出候选手掌区域;
S5:获取所述候选手掌区域的凸轮廓缺陷特征区域及凸轮廓缺陷位置坐标;
当所述凸轮廓缺陷特征区域数量大于3,则继续,否则结束;
计算每个凸轮廓缺陷特征区域的最远点到凸轮廓的两相邻凸顶点的连线的距离并约束在[25像素,252像素]之间,得到手指间数量X;
计算各个所述凸轮廓缺陷特征区域的三角区域面积并累加,得到所有凸轮廓缺陷特征区域面积之和;
计算所述所有凸轮廓缺陷特征区域面积之和与所述候选手掌区域的外接轮廓面积的百分比Y;
计算所述候选手掌区域的外接轮廓周长的平方与其面积的比值Z;
计算各个所述凸轮廓缺陷特征区域的三角区域的锐角三角形数量之和W;
计算各个所述凸轮廓缺陷特征区域的三角区域的钝角三角形数量之和S;
判断候选手掌区域是否确为手掌轮廓区域。
2.根据权利要求1所述的应用于手掌疱疹检测系统的基于图像的手掌检测方法,其特征在于,步骤S4具体为:设定候选手掌区域的筛选约束条件为:候选手掌区域面积区间为[图像像素面积/200,图像像素面积*2/3];筛选符合条件的区域作为候选手掌区域。
3.根据权利要求2所述的应用于手掌疱疹检测系统的基于图像的手掌检测方法,其特征在于,步骤S5判定条件为:同时满足条件X≥3,50<Y≤80,60.0<Z<90.0,W≥3,S≤2,则判断所述候选手掌区域确为手掌轮廓区域,并获取该区域轮廓外接四边形点集坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910014071.XA CN109350018B (zh) | 2019-01-08 | 2019-01-08 | 应用于手掌疱疹检测系统的基于图像的手掌检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910014071.XA CN109350018B (zh) | 2019-01-08 | 2019-01-08 | 应用于手掌疱疹检测系统的基于图像的手掌检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109350018A CN109350018A (zh) | 2019-02-19 |
CN109350018B true CN109350018B (zh) | 2019-04-26 |
Family
ID=65329565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910014071.XA Active CN109350018B (zh) | 2019-01-08 | 2019-01-08 | 应用于手掌疱疹检测系统的基于图像的手掌检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109350018B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296117B (zh) * | 2020-04-22 | 2023-08-08 | 追觅创新科技(苏州)有限公司 | 障碍物识别方法、装置及存储介质 |
CN113487610B (zh) * | 2021-09-07 | 2021-11-12 | 湖南超能机器人技术有限公司 | 疱疹图像识别方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160023417A (ko) * | 2014-08-22 | 2016-03-03 | 군산대학교산학협력단 | 컬러 이미지 분석을 이용한 비접촉 멀티 터치 인식 방법 및 시스템 |
CN106650628A (zh) * | 2016-11-21 | 2017-05-10 | 南京邮电大学 | 一种基于三维k曲率的指尖检测方法 |
CN106971130A (zh) * | 2016-01-14 | 2017-07-21 | 芋头科技(杭州)有限公司 | 一种以人脸为参照的手势识别方法 |
US10126820B1 (en) * | 2012-11-29 | 2018-11-13 | Amazon Technologies, Inc. | Open and closed hand detection |
CN109102505A (zh) * | 2018-08-17 | 2018-12-28 | 湖南超能机器人技术有限公司 | 基于图像的非接触式手掌疱疹检测系统及其检测方法 |
-
2019
- 2019-01-08 CN CN201910014071.XA patent/CN109350018B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10126820B1 (en) * | 2012-11-29 | 2018-11-13 | Amazon Technologies, Inc. | Open and closed hand detection |
KR20160023417A (ko) * | 2014-08-22 | 2016-03-03 | 군산대학교산학협력단 | 컬러 이미지 분석을 이용한 비접촉 멀티 터치 인식 방법 및 시스템 |
CN106971130A (zh) * | 2016-01-14 | 2017-07-21 | 芋头科技(杭州)有限公司 | 一种以人脸为参照的手势识别方法 |
CN106650628A (zh) * | 2016-11-21 | 2017-05-10 | 南京邮电大学 | 一种基于三维k曲率的指尖检测方法 |
CN109102505A (zh) * | 2018-08-17 | 2018-12-28 | 湖南超能机器人技术有限公司 | 基于图像的非接触式手掌疱疹检测系统及其检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109350018A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112734692B (zh) | 一种变电设备缺陷识别方法及装置 | |
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
US8320658B2 (en) | Unevenness inspection method, method for manufacturing display panel, and unevenness inspection apparatus | |
CN109948566B (zh) | 一种基于权重融合与特征选择的双流人脸反欺诈检测方法 | |
JP2004294202A (ja) | 画面の欠陥検出方法及び装置 | |
CN112215795B (zh) | 一种基于深度学习的服务器部件智能检测方法 | |
CN103543394A (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
CN109613023B (zh) | 一种区域亮度自适应校正的水果表面缺陷快速检测方法 | |
CN109350018B (zh) | 应用于手掌疱疹检测系统的基于图像的手掌检测方法 | |
CN114066857A (zh) | 红外图像质量评价方法、装置、电子设备及可读存储介质 | |
CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
CN113221881B (zh) | 一种多层级的智能手机屏幕缺陷检测方法 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN115880288B (zh) | 电子元件焊接的检测方法、系统及计算机设备 | |
CN115775210A (zh) | 一种广域眼底相机图像融合方法、系统及存储介质 | |
CN116721066A (zh) | 一种金属表面缺陷检测方法、装置和存储介质 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN117078608B (zh) | 一种基于双掩码引导的高反光皮革表面缺陷检测方法 | |
CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
CN117011291A (zh) | 一种手表外壳质量视觉检测方法 | |
CN111595781A (zh) | 一种曲面拟合的地面高光谱影像反射率校正方法 | |
CN116309307A (zh) | 焊缝缺陷检测方法、装置、可读存储介质及电子设备 | |
CN110766675A (zh) | 太阳能电池板缺陷检测方法 | |
CN110232677A (zh) | 一种用于干涉条纹分析的手机app |
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 |