CN109377493B - 一种基于规则库的蜂胶软胶囊不良品快速识别系统 - Google Patents

一种基于规则库的蜂胶软胶囊不良品快速识别系统 Download PDF

Info

Publication number
CN109377493B
CN109377493B CN201811542583.5A CN201811542583A CN109377493B CN 109377493 B CN109377493 B CN 109377493B CN 201811542583 A CN201811542583 A CN 201811542583A CN 109377493 B CN109377493 B CN 109377493B
Authority
CN
China
Prior art keywords
defect
capsule
propolis soft
rule base
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
CN201811542583.5A
Other languages
English (en)
Other versions
CN109377493A (zh
Inventor
张志胜
田伟
张勇
林福金
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 Hongqi Biotechnology Co ltd
Original Assignee
Jiangsu Hongqi Biotechnology Co ltd
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 Hongqi Biotechnology Co ltd filed Critical Jiangsu Hongqi Biotechnology Co ltd
Priority to CN201811542583.5A priority Critical patent/CN109377493B/zh
Publication of CN109377493A publication Critical patent/CN109377493A/zh
Application granted granted Critical
Publication of CN109377493B publication Critical patent/CN109377493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Signal Processing (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Endoscopes (AREA)

Abstract

一种基于规则库的蜂胶软胶囊不良品快速识别系统，在系统规则库中设定蜂胶软胶囊可能存在的缺陷种类，以及每种缺陷的优先级；使用摄像头拍摄待检测胶囊，对图像进行预处理；根据规则库所设的优先级对待检测胶囊依次进行可能存在的缺陷检测；检测完一批蜂胶软胶囊后，记录当批蜂胶软胶囊存在各个缺陷的比例，以及每种缺陷检测所占用系统的平均时长；根据当批蜂胶软胶囊中各个缺陷出现的概率以及各个缺陷检测所耗平均时长，重新计算各个缺陷检测的优先级，并以新的优先级重设规则库，进行下批蜂胶软胶囊的不良品识别。本发明通过实时更新缺陷检测的规则库，降低系统的重复性操作，能有效提高蜂胶软胶囊不良品检测效率，达到快速检测的目的。

Description

一种基于规则库的蜂胶软胶囊不良品快速识别系统
技术领域
本发明涉及缺陷识别、图像处理以及快速识别技术领域，特别是涉及一种基于规则库的蜂胶软胶囊不良品快速识别系统。
背景技术
蜂胶软胶囊不良品识别系统决定着蜂胶软胶囊产品的出厂质量，快速高效的蜂胶软胶囊不良品识别系统能有效提高蜂胶软胶囊产品的出厂良品率和出厂效率。由于决定蜂胶软胶囊不良品的缺陷不是单一，传统的不良品识别系统就采用对蜂胶软胶囊依次进行不同种类的缺陷检测来判断识别不良品。而不同种类的缺陷检测耗时长短不一，且不同种类的缺陷出现概率在每个批次的产品中也不完全一样，传统的蜂胶软胶囊不良品识别系统仍然花费大量时间进行检测识别。因此，本发明基于各种缺陷出现概率和检测耗时，采用了一种能够实施实时更新最优检测顺序的基于规则库的蜂胶软胶囊不良品快速识别系统，实现快速识别蜂胶软胶囊不良品。
发明内容
为了解决上述存在的问题，本发明提供一种基于规则库的蜂胶软胶囊不良品快速识别系统，通过实时更新缺陷检测的规则库，降低系统的重复性操作，能有效提高蜂胶软胶囊不良品检测效率，达到快速检测的目的，为达此目的，本发明提供一种基于规则库的蜂胶软胶囊不良品快速识别系统，利用机器视觉技术和图像识别算法进行蜂胶软胶囊缺陷快速识别，包括以下步骤：
步骤1：设定规则库，即设定蜂胶软胶囊常见的缺陷种类，以及每种缺陷进行检测时候的优先级；
步骤2：利用basler摄像头拍摄胶囊图像，对图像进行滤波、分割、形态学运算等一系列预处理，达到背景为黑色，胶囊为白色的二值化图像；
步骤3：读取规则库设定的缺陷种类以及优先级情况，根据优先级高低，依次对胶囊进行相应的缺陷检测，若高优先级的缺陷存在，则无需进行低优先级的缺陷检测，判定该蜂胶软胶囊为不良品；若所有缺陷检测完毕，没有缺陷存在，则判定该胶囊为合格品。
步骤4：计算当前蜂胶软胶囊检测下，各个胶囊缺陷所存在的比例和每种缺陷的检测方法实际所用的检测时间。根据缺陷出现概率和缺陷检测用时重新计算各个缺陷的优先级，并根据优先级重新设定规则库，重复步骤2到4，直到完成所有胶囊的检测。
本发明的进一步改进，所述检测对象为医疗保健品行业用透明明胶包装的蜂胶软胶囊，且该类胶囊不良品种类主要有内含黑色杂质，内含气泡，外观畸形。
本发明的进一步改进，步骤1中的规则库优先级预设定如下：
Figure BDA0001908545310000021
其中，A，B，C各为蜂胶软胶囊不良品种类中一种，A，B，C的具体种类情况，根据实际测试中检测耗时情况来定。
本发明的进一步改进，所述蜂胶软胶囊不良品种类包括黑斑、气泡、畸形中一种或两种以上。
本发明的进一步改进，步骤3中的各类缺陷的识别方法如下：
黑斑缺陷：采用颜色阈值来判定，对蜂胶软胶囊的个体进行逐像素点判断，若存在RGB值满足黑色的阈值条件，则判定该胶囊中存在黑斑缺陷，否则，判定该胶囊不存在黑斑缺陷；
气泡缺陷：采用气泡轮廓提取来判定。对蜂胶软胶囊进行二值化处理，并对二值化后的蜂胶软胶囊进行内部的轮廓提取操作，若蜂胶软胶囊内部存在轮廓，则判断该软胶囊内部含有气泡，否则，判定该胶囊不存在气泡缺陷；
外观缺陷：采用hu矩匹配来判定。提取蜂胶软胶囊的外观轮廓，对外观进行hu矩计算，将提取的外观轮廓的hu矩与标准椭圆的hu矩进行相似度计算，若相似度大于预设值，则判定该软胶囊存在外观缺陷，否则，判定该胶囊不存在外观缺陷。
本发明的进一步改进，步骤4中的缺陷优先级判定是基于每种缺陷在当前产品中出现的概率以及每种缺陷的方法所耗时长。具体计算判断方法如下：
步骤4.1：计算当前N颗胶囊检测中各个缺陷出现的比例PA，PB，PC；计算每种缺陷单次检测所要消耗的时间ta，tb，tc；
步骤4.2：将三种缺陷进行排列，计算六种情况(ABC，ACB，BAC，BCA，CAB，CBA)下，检测N颗胶囊所需要的时间T1，T2，T3，T4，T5，T6，计算方法如下：
T1＝Nta+N(1-PA)tb+N(1-PA-PB)tc
T2＝Nta+N(1-PA)tc+N(1-PA-PB)tb
T3＝Ntb+N(1-PB)ta+N(1-PA-PB)tc
T4＝Ntb+N(1-PB)tc+N(1-PC-PB)ta
T5＝Ntc+N(1-PC)ta+N(1-PA-PC)tb
T6＝Ntc+N(1-PC)tb+N(1-PB-PC)ta
步骤4.3：根据计算结果取T最小的情况对规则库进行更新重设。
本发明提供了一种基于规则库的蜂胶软胶囊不良品快速识别系统，在系统规则库中设定蜂胶软胶囊可能存在的缺陷种类，以及每种缺陷的优先级；使用摄像头拍摄待检测胶囊，对获取的图像进行滤波、去噪、分割等一系列预处理；根据规则库所设的优先级对待检测胶囊依次进行可能存在的缺陷检测，若某一高优先级的缺陷存在，则判定该蜂胶软胶囊为良品，不继续进行低优先级缺陷的检测，若没有任何缺陷存在，则判定该蜂胶软胶囊为合格品；检测完一批蜂胶软胶囊后，记录当批蜂胶软胶囊存在各个缺陷的比例，以及每种缺陷检测所占用系统的平均时长；根据当批蜂胶软胶囊中各个缺陷出现的概率以及各个缺陷检测所耗平均时长，重新计算各个缺陷检测的优先级，并以新的优先级重设规则库，进行下批蜂胶软胶囊的不良品识别。本发明能根据当前批次蜂胶软胶囊的检测情况，实时更新缺陷检测的规则库，降低系统的重复性操作，能有效提高蜂胶软胶囊不良品检测效率，达到快速检测的目的。
附图说明
图1为本发明快速检测系统流程图；
图2为本发明蜂胶软胶囊缺陷种类示意图；
图3为本发明待检测胶囊示意图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述：
本发明提供一种基于规则库的蜂胶软胶囊不良品快速识别系统，通过实时更新缺陷检测的规则库，降低系统的重复性操作，能有效提高蜂胶软胶囊不良品检测效率，达到快速检测的目的。
一种基于规则库的蜂胶软胶囊不良品快速识别系统，具体包括以下步骤，整个系统的实现流程图，如图1所示：
(1)设定更新节点N＝100,即系统每检测完100颗蜂胶软胶囊，就根据检测结果对规则库进行更新，同时设定该类蜂胶软胶囊常见的缺陷种类和对应缺陷的检测方法，其中，如图2所示，蜂胶软胶囊常见缺陷种类有内含黑色杂质(即黑斑)，内含气泡，外观畸形三种，各类缺陷对应的检测方法如下所示：
黑斑缺陷：采用颜色阈值来判定。对蜂胶软胶囊的个体进行逐像素点判断，若存在RGB值满足黑色的阈值条件，则判定该胶囊中存在黑斑缺陷，否则，判定该胶囊不存在黑斑缺陷。
气泡缺陷：采用气泡轮廓提取来判定。对蜂胶软胶囊进行二值化处理，并对二值化后的蜂胶软胶囊进行内部的轮廓提取操作，若蜂胶软胶囊内部存在轮廓，则判断该软胶囊内部含有气泡，否则，判定该胶囊不存在气泡缺陷。
外观缺陷：采用hu矩匹配来判定。提取蜂胶软胶囊的外观轮廓，对外观进行hu矩计算，将提取的外观轮廓的hu矩与标准椭圆的hu矩进行相似度计算，若相似度大于预设值，则判定该软胶囊存在外观缺陷，否则，判定该胶囊不存在外观缺陷。
(2)根据蜂胶软胶囊常见缺陷种类以及出现概率在规则库中设定初始规则LA＝0，LB＝1，LC＝2，其中，预设的规则库优先级定义如下：
Figure BDA0001908545310000041
假定A,B,C分别代表蜂胶软胶囊不良品种类(黑斑、气泡、畸形)中一种，在实际检测应用中，要根据实际出现概率来设定。
(3)用basler工业相机对识别检测区域进行拍摄，获得待处理检测图像。图像坐标系为x0y,x正方向朝右，y正方向朝下。图像宽高2448X2048像素，以每颗胶囊中心点为中心点，提取矩形区域作为图像检测识别的处理区域如图3所示。对处理区域进行图像滤波、分割、形态学运算等一些列处理，得到纯黑为背景，蜂胶软胶囊胶囊作为目标的彩色图像Pic。
(4)读取规则库设定的规则，对优先级标识为0的缺陷种类使用对应的检测方法进行检测，若存在该缺陷，则判断该蜂胶软胶囊为不良品，记录该类不良品出现的数量N0＝N0+1，跳转到第(7)步，否则继续。
(5)对优先级标识为1的缺陷种类使用对应的检测方法进行检测，若存在该缺陷，则判断该蜂胶软胶囊为不良品，记录该类不良品出现的数量N1＝N1+1，跳转到第(7)步，否则继续。
(6)对优先级标识为2的缺陷种类使用对应的检测方法进行检测，若存在该缺陷，则判断该蜂胶软胶囊为不良品，记录该类不良品出现的数量N2＝N2+1，继续运行下一步，否则判定该蜂胶软胶囊为合格品，继续运行下一步。
(7)本次胶囊检测是否达到N颗，如果达到N颗，就继续运行，否则跳转到第(3)步运行，开始检测下一颗胶囊。
(8)计算各类缺陷在当前N颗胶囊中出现的概率PA＝N1/N，PB＝N2/N，PC＝N3/N；计算每种缺陷单次检测所要消耗的时间ta，tb，tc。
(9)将三种缺陷进行排列，计算六种情况(ABC，ACB，BAC，BCA，CAB，CBA)下，检测N颗胶囊所需要的时间T1，T2，T3，T4，T5，T6，计算方法如下：
T1＝Nta+N(1-PA)tb+N(1-PA-PB)tc
T2＝Nta+N(1-PA)tc+N(1-PA-PB)tb
T3＝Ntb+N(1-PB)ta+N(1-PA-PB)tc
T4＝Ntb+N(1-PB)tc+N(1-PC-PB)ta
T5＝Ntc+N(1-PC)ta+N(1-PA-PC)tb
T6＝Ntc+N(1-PC)tb+N(1-PB-PC)ta
(10)根据计算结果，选T最小的的取T最小的情况对规则库进行更新重设，具体设定方法如下：
Figure BDA0001908545310000051
(11)判断所有胶囊是否全部检测完毕，如果全部检测完，则结束本系统，否则跳转第(3)步继续检测。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (5)

1.一种基于规则库的蜂胶软胶囊不良品快速识别系统，利用机器视觉技术和图像识别算法进行蜂胶软胶囊缺陷快速识别，包括以下步骤，其特征在于：
步骤1：设定规则库，即设定蜂胶软胶囊常见的缺陷种类，以及每种缺陷进行检测时候的优先级；
步骤2：利用basler摄像头拍摄胶囊图像，对图像进行滤波、分割、形态学运算一系列预处理，达到背景为黑色，胶囊为白色的二值化图像；
步骤3：读取规则库设定的缺陷种类以及优先级情况，根据优先级高低，依次对胶囊进行相应的缺陷检测，若高优先级的缺陷存在，则无需进行低优先级的缺陷检测，判定该蜂胶软胶囊为不良品；若所有缺陷检测完毕，没有缺陷存在，则判定该胶囊为合格品；
步骤4：计算当前蜂胶软胶囊检测下，各个胶囊缺陷所存在的比例和每种缺陷的检测方法实际所用的检测时间，根据缺陷出现概率和缺陷检测用时重新计算各个缺陷的优先级，并根据优先级重新设定规则库，重复步骤2到4，直到完成所有胶囊的检测；
步骤4中的缺陷优先级判定是基于每种缺陷在当前产品中出现的概率以及每种缺陷的方法所耗时长，具体计算判断方法如下：
步骤4.1：计算当前N颗胶囊检测中各个缺陷出现的比例PA，PB，PC；计算每种缺陷单次检测所要消耗的时间ta，tb，tc；
步骤4.2：将三种缺陷进行排列，计算六种情况ABC，ACB，BAC，BCA，CAB，CBA下，检测N颗胶囊所需要的时间T1，T2，T3，T4，T5，T6，计算方法如下：
T1＝Nta+N(1-PA)tb+N(1-PA-PB)tc
T2＝Nta+N(1-PA)tc+N(1-PA-PB)tb
T3＝Ntb+N(1-PB)ta+N(1-PA-PB)tc
T4＝Ntb+N(1-PB)tc+N(1-PC-PB)ta
T5＝Ntc+N(1-PC)ta+N(1-PA-PC)tb
T6＝Ntc+N(1-PC)tb+N(1-PB-PC)ta
步骤4.3：根据计算结果取T最小的情况对规则库进行更新重设。
2.根据权利要求1所述的一种基于规则库的蜂胶软胶囊不良品快速识别系统，其特征在于：检测对象为医疗保健品行业用透明明胶包装的蜂胶软胶囊，且该胶囊不良品种类内含黑色杂质，内含气泡，外观畸形。
3.根据权利要求1所述的一种基于规则库的蜂胶软胶囊不良品快速识别系统，其特征在于：步骤1中的规则库优先级预设定如下：
Figure FDA0003118533490000021
其中，A,B,C各为蜂胶软胶囊不良品种类中一种，A，B，C的具体种类情况，根据实际测试中检测耗时情况来定。
4.根据权利要求3所述的一种基于规则库的蜂胶软胶囊不良品快速识别系统，其特征在于：所述蜂胶软胶囊不良品种类包括黑斑、气泡、畸形中一种或两种以上。
5.根据权利要求1所述的一种基于规则库的蜂胶软胶囊不良品快速识别系统，其特征在于：步骤3中的各类缺陷的识别方法如下：
黑斑缺陷：采用颜色阈值来判定，对蜂胶软胶囊的个体进行逐像素点判断，若存在RGB值满足黑色的阈值条件，则判定该胶囊中存在黑斑缺陷，否则，判定该胶囊不存在黑斑缺陷；
气泡缺陷：采用气泡轮廓提取来判定，对蜂胶软胶囊进行二值化处理，并对二值化后的蜂胶软胶囊进行内部的轮廓提取操作，若蜂胶软胶囊内部存在轮廓，则判断该软胶囊内部含有气泡，否则，判定该胶囊不存在气泡缺陷；
外观缺陷：采用hu矩匹配来判定，提取蜂胶软胶囊的外观轮廓，对外观进行hu矩计算，将提取的外观轮廓的hu矩与标准椭圆的hu矩进行相似度计算，若相似度大于预设值，则判定该软胶囊存在外观缺陷，否则，判定该胶囊不存在外观缺陷。
CN201811542583.5A 2018-12-17 2018-12-17 一种基于规则库的蜂胶软胶囊不良品快速识别系统 Active CN109377493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811542583.5A CN109377493B (zh) 2018-12-17 2018-12-17 一种基于规则库的蜂胶软胶囊不良品快速识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811542583.5A CN109377493B (zh) 2018-12-17 2018-12-17 一种基于规则库的蜂胶软胶囊不良品快速识别系统

Publications (2)

Publication Number Publication Date
CN109377493A CN109377493A (zh) 2019-02-22
CN109377493B true CN109377493B (zh) 2021-08-27

Family

ID=65374247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811542583.5A Active CN109377493B (zh) 2018-12-17 2018-12-17 一种基于规则库的蜂胶软胶囊不良品快速识别系统

Country Status (1)

Country Link
CN (1) CN109377493B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109975321A (zh) * 2019-03-29 2019-07-05 深圳市派科斯科技有限公司 一种用于fpc的缺陷检测方法和装置
CN113408972A (zh) * 2020-03-17 2021-09-17 鸿富锦精密电子（成都）有限公司 不良库存监测方法、装置及计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4060750B2 (ja) * 2003-05-16 2008-03-12 株式会社三協 撮像検査システム
CN105784711A (zh) * 2014-12-25 2016-07-20 锐视（厦门）科技有限公司 一种鱼肝油软胶囊外观缺陷视觉检测方法及其装置
CN108636830A (zh) * 2018-05-10 2018-10-12 苏州大学 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4060750B2 (ja) * 2003-05-16 2008-03-12 株式会社三協 撮像検査システム
CN105784711A (zh) * 2014-12-25 2016-07-20 锐视（厦门）科技有限公司 一种鱼肝油软胶囊外观缺陷视觉检测方法及其装置
CN108636830A (zh) * 2018-05-10 2018-10-12 苏州大学 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Null interferometric microscope for ICF-capsule surface-defect detection》;Wei, Cong；et al;《Optics Letters》;20181101;第43卷(第21期);第5174-5177页 *
《硬胶囊表面缺陷检测关键技术研究与实现》;张哲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20141015(第10期);第I138-930页 *

Also Published As

Publication number Publication date
CN109377493A (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN110060237B (zh) 一种故障检测方法、装置、设备及系统
EP3036730B1 (en) Traffic light detection
US20180070798A1 (en) Image processing apparatus, image processing method, and computer-readable recording medium
JP2018005640A (ja) 分類器生成装置、画像検査装置、及び、プログラム
JP2018005639A (ja) 画像分類装置、画像検査装置、及び、プログラム
CN111311542A (zh) 一种产品质量检测方法及装置
CN101122953A (zh) 一种图片文字分割的方法
CN110189383B (zh) 基于机器学习的中医舌色苔色定量分析方法
CN109767445B (zh) 一种高精度的pcb缺陷智能检测方法
CN103543277A (zh) 一种基于灰度分析与种类识别的血型结果识别算法
CN116559183B (zh) 一种提高缺陷判定效率的方法及系统
CN109932370B (zh) 利用改善的预处理的用于白色点斑检测的系统和方法
CN101122952A (zh) 一种图片文字检测的方法
CN110866932A (zh) 多通道舌体边缘检测装置、方法及存储介质
CN109377493B (zh) 一种基于规则库的蜂胶软胶囊不良品快速识别系统
CN112308854A (zh) 一种芯片表面瑕疵的自动检测方法、系统及电子设备
AU2018207032A1 (en) Logo detection video analytics
Khan et al. Counting clustered cells using distance mapping
JP2007048006A (ja) 画像処理装置および画像処理プログラム
CN113012096A (zh) 显示屏子像素定位及亮度提取方法、设备以及存储介质
CN114037868B (zh) 图像识别模型的生成方法及装置
CN111178445A (zh) 图像处理方法及装置
JP2019109710A (ja) 画像処理装置、画像処理方法、及びプログラム
CN111508017B (zh) 一种弱对比度定位标记中心的方法和系统
CN112987356A (zh) 液晶面板底部异物误检滤除方法及装置

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
GR01 Patent grant
GR01 Patent grant