CN109472787A - 瓶盖的检测方法及设备、生产线、计算机设备、存储介质 - Google Patents
瓶盖的检测方法及设备、生产线、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN109472787A CN109472787A CN201811325553.9A CN201811325553A CN109472787A CN 109472787 A CN109472787 A CN 109472787A CN 201811325553 A CN201811325553 A CN 201811325553A CN 109472787 A CN109472787 A CN 109472787A
- Authority
- CN
- China
- Prior art keywords
- bottle cap
- image
- gray level
- foreground features
- detected
- 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
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
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
本发明公开了一种瓶盖的检测方法及设备、生产线、计算机设备、存储介质,该种瓶盖的检测方法包括:获取参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;获取待检测瓶盖的瓶盖区域的灰度图像,记为第二灰度图像;根据前景特征阈值,对第二灰度图像进行二值化处理,得到第二灰度图像中的瓶盖的前景特征图像,记为第二前景特征图像;统计第二前景特征图像包含的像素点个数N;若Mmin≤N≤Mmax,则待检测瓶盖为参考瓶盖的同类瓶盖;否则,待检测瓶盖为参考瓶盖的异类瓶盖。该种检测方法能够准确检测出待检测瓶盖是否为异类瓶盖,检测效率高。
Description
技术领域
本发明属于瓶装液体的生产领域,尤其涉及一种瓶盖的检测方法及设备、生产线、计算机设备、存储介质。
背景技术
瓶盖是瓶装饮料、瓶装啤酒等商品生产包装中不可或缺的部分。如果瓶盖为异类瓶盖,即瓶盖和饮料瓶不匹配,则可能发生饮料泄漏的情况;或者瓶盖上的logo不同,则会影响饮料的销售。
目前工厂大多采用人工目测的方式来检测瓶盖是否为异类瓶盖,效率低精度低,常常会造成漏检,且人工成本较高。
发明内容
本发明的目的是提供一种瓶盖的检测方法及设备、生产线、计算机设备、存储介质,该种检测方法能够准确检测出待检测瓶盖是否为异类瓶盖,检测效率高。
为解决上述问题,本发明的技术方案为:
一种瓶盖的检测方法,用于检测所述瓶盖是否为参考瓶盖的同类瓶盖,包括:
获取所述参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;
获取待检测瓶盖的瓶盖区域的灰度图像,记为第二灰度图像;
根据所述前景特征阈值,对所述第二灰度图像进行二值化处理,得到所述第二灰度图像中的瓶盖的前景特征图像,记为第二前景特征图像;
统计所述第二前景特征图像包含的像素点个数N;
若Mmin≤N≤Mmax,则所述待检测瓶盖为所述参考瓶盖的同类瓶盖;否则,
所述待检测瓶盖为所述参考瓶盖的异类瓶盖。
根据本发明一实施例,获取所述参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax进一步包括:
获取所述参考瓶盖的瓶盖区域的灰度图像,记为第一灰度图像;
根据设定的前景特征阈值,对所述第一灰度图像进行二值化处理,得到所述第一灰度图像中的瓶盖的前景特征图像,记为第一前景特征图像;
统计所述第一前景特征图像包含的像素点个数M;
根据所述像素点个数M得到所述参考瓶盖的同类瓶盖需要满足所述前景特征阈值的像素点个数的最小值Mmin和最大值Mmax。
根据本发明一实施例,所述参考瓶盖的瓶盖区域为对所述参考瓶盖进行圆形检测所得到的圆形区域;
所述待检测瓶盖的瓶盖区域为对所述待检测瓶盖进行圆形检测所得到的圆形区域。
根据本发明一实施例,所述第一前景特征图像为所述参考瓶盖上的图案的特征图像;
所述第二前景特征图像为所述待检测瓶盖上的图案的特征图像。
根据本发明一实施例,所述获取所述参考瓶盖的瓶盖区域的灰度图像进一步包括:
A1,获取所述参考瓶盖的灰度图像;
A2,对所述步骤A1中的灰度图像进行高斯滤波预处理;
A3,对经所述步骤A2之后的图像进行边缘检测;
A4,对经所述步骤A3之后的图像进行二值化处理,获得第一有效边缘区域图像;
A5,对所述步骤A4中的第一有效边缘区域图像进行圆形检测,得到所述参考瓶盖的瓶盖区域;
A6,根据所述参考瓶盖的瓶盖区域分割所述步骤A1中的所述参考瓶盖的灰度图像得到所述第一灰度图像。
根据本发明一实施例,根据所述像素点个数M得到所述参考瓶盖的同类瓶盖需要满足所述前景特征阈值的像素点个数的最小值Mmin和最大值Mmax进一步包括:
B1,计算满足所述前景特征阈值的像素点个数的最小值Mmin;
其中,Mmin=M×(1-t1);t1为小于1的常数;
B2,计算满足所述前景特征阈值的像素点个数的最大值Mmax;
其中,Mmax=M×(1+t2);t2为小于1的常数。
根据本发明一实施例,t1=0.1;t2=0.1。
根据本发明一实施例,所述获取所述待检测瓶盖的瓶盖区域的灰度图像进一步包括:
C1,获取待检测瓶盖的灰度图像;
C2,对所述步骤C1中的灰度图像进行高斯滤波预处理;
C3,对经所述步骤C2之后的图像进行边缘检测;
C4,对经所述步骤C3之后的图像进行二值化处理,获得第二有效边缘区域图像;
C5,对所述步骤C4中的第二有效边缘区域图像进行圆形检测,得到所述待检测瓶盖的瓶盖区域;
C6,根据所述待检测瓶盖的瓶盖区域分割所述步骤C1中的所述待检测瓶盖的灰度图像得到所述第二灰度图像。
根据本发明一实施例,所述步骤A5和/或所述步骤C5中使用霍夫变换进行圆形检测。
基于相同发明构思,本发明还提供了一种瓶盖的检测设备,用于检测所述瓶盖是否为参考瓶盖的同类瓶盖,包括:
图像获取和处理单元;
所述图像获取和处理单元用于获取所述参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;
所述图像获取和处理单元还用于获取待检测瓶盖的瓶盖区域的灰度图像,记为第二灰度图像;根据所述前景特征阈值,对所述第二灰度图像进行二值化处理,得到所述第二灰度图像中的瓶盖的前景特征图像,记为第二前景特征图像;统计所述第二前景特征图像包含的像素点个数N;
判断单元,用于判断所述待检测瓶盖是否为参考瓶盖的同类瓶盖;
若Mmin≤N≤Mmax,则所述待检测瓶盖为所述参考瓶盖的同类瓶盖;否则,所述待检测瓶盖为所述参考瓶盖的异类瓶盖。
基于相同发明构思,本发明还提供了一种瓶装液体的生产线,包括上述的瓶盖的检测设备。
基于相同发明构思,本发明还提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的瓶盖的检测方法。
基于相同发明构思,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的瓶盖的检测方法。
本发明由于采用以上技术方案,使其与现有技术相比具有以下的优点和积极效果:
本发明一实施例首先获得取参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;之后计算出待检测瓶盖满足前景特征阈值的像素点个数N,通过判断N是否在最小值Mmin和最大值Mmax之间可以推断出该待检测瓶盖是否为参考瓶盖的同类瓶盖。
附图说明
图1为本发明一实施例中的瓶盖的检测方法的流程图;
图2为获取参考瓶盖的瓶盖区域的灰度图像的流程图;
图3为获取待检测瓶盖的瓶盖区域的灰度图像的流程图;
图4为本发明一实施例中的瓶盖的检测设备的框图。
具体实施方式
以下结合附图和具体实施例对本发明提出的一种瓶盖的检测方法及设备、生产线、计算机设备、存储介质作进一步详细说明。根据下面说明和权利要求书,本发明的优点和特征将更清楚。
实施例1
参看图1,一种瓶盖的检测方法,用于检测瓶盖是否为参考瓶盖的同类瓶盖,包括:
获取参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;
进一步地,获取参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax进一步包括:获取参考瓶盖的瓶盖区域的灰度图像,记为第一灰度图像;根据设定的前景特征阈值,对第一灰度图像进行二值化处理,得到第一灰度图像中的瓶盖的前景特征图像,记为第一前景特征图像;统计第一前景特征图像包含的像素点个数M;根据像素点个数M得到参考瓶盖的同类瓶盖需要满足前景特征阈值的像素点个数的最小值Mmin和最大值Mmax。进一步地,根据像素点个数M得到参考瓶盖的同类瓶盖需要满足前景特征阈值的像素点个数的最小值Mmin和最大值Mmax进一步包括:B1,计算满足前景特征阈值的像素点个数的最小值Mmin;其中,Mmin=M×(1-t1);t1为小于1的常数;B2,计算满足前景特征阈值的像素点个数的最大值Mmax;其中,Mmax=M×(1+t2);t2为小于1的常数。具体地,t1=0.1;t2=0.1。
获取待检测瓶盖的瓶盖区域的灰度图像,记为第二灰度图像;
根据前景特征阈值,对第二灰度图像进行二值化处理,得到第二灰度图像中的瓶盖的前景特征图像,记为第二前景特征图像;
统计第二前景特征图像包含的像素点个数N;
若Mmin≤N≤Mmax,则待检测瓶盖为参考瓶盖的同类瓶盖;否则,待检测瓶盖为参考瓶盖的异类瓶盖。
具体而言,本实施例中的第一前景特征图像为参考瓶盖上的图案的特征图像;第二前景特征图像为待检测瓶盖上的图案的特征图像。瓶盖上的图案可以是商家的品牌logo,也可以为特制的图形图案。可以理解,若瓶盖的种类不一样,则其表面的前景特征图像的像素点(满足前景特征阈值的像素点)也是不同的,本实施例首先获得取参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;之后计算出待检测瓶盖满足前景特征阈值的像素点个数N,通过判断N是否在最小值Mmin和最大值Mmax之间可以推断出该待检测瓶盖是否为参考瓶盖的同类瓶盖。
具体地,参考瓶盖的瓶盖区域为对参考瓶盖进行圆形检测所得到的圆形区域;待检测瓶盖的瓶盖区域为对待检测瓶盖进行圆形检测所得到的圆形区域。
至此,完成图1所示的瓶盖的检测方法的流程图的描述。
参看图2,获取参考瓶盖的瓶盖区域的灰度图像进一步包括:
A1,获取参考瓶盖的灰度图像;具体可使用工业相机获取;
A2,对步骤A1中的灰度图像进行高斯滤波预处理;
A3,对经步骤A2之后的图像进行边缘检测;具体可用canny算子进行边缘检测;
A4,对经步骤A3之后的图像进行二值化处理,获得第一有效边缘区域图像;
A5,对步骤A4中的第一有效边缘区域图像进行圆形检测,得到参考瓶盖的瓶盖区域;具体可用霍夫变换进行圆形检测;
A6,根据参考瓶盖的瓶盖区域分割步骤A1中的参考瓶盖的灰度图像得到第一灰度图像。
至此,完成图2所述的获取参考瓶盖的瓶盖区域的灰度图像的流程图的描述。
参看图3,获取待检测瓶盖的瓶盖区域的灰度图像进一步包括:
C1,获取待检测瓶盖的灰度图像;具体可使用工业相机获取;
C2,对步骤C1中的灰度图像进行高斯滤波预处理;
C3,对经步骤C2之后的图像进行边缘检测;具体可用canny算子进行边缘检测;
C4,对经步骤C3之后的图像进行二值化处理,获得第二有效边缘区域图像;
C5,对步骤C4中的第二有效边缘区域图像进行圆形检测,得到待检测瓶盖的瓶盖区域;具体可用霍夫变换进行圆形检测;
C6,根据待检测瓶盖的瓶盖区域分割步骤C1中的待检测瓶盖的灰度图像得到第二灰度图像。
至此,完成图3所述的获取待检测瓶盖的瓶盖区域的灰度图像的流程图的描述。
实施例2
参看图4,基于相同发明构思,本发明还提供了一种瓶盖的检测设备,用于检测瓶盖是否为参考瓶盖的同类瓶盖,包括:
图像获取和处理单元;
图像获取和处理单元用于获取参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;
图像获取和处理单元还用于获取待检测瓶盖的瓶盖区域的灰度图像,记为第二灰度图像;根据前景特征阈值,对第二灰度图像进行二值化处理,得到第二灰度图像中的瓶盖的前景特征图像,记为第二前景特征图像;统计第二前景特征图像包含的像素点个数N;
判断单元,用于判断待检测瓶盖是否为参考瓶盖的同类瓶盖;若Mmin≤N≤Mmax,则待检测瓶盖为参考瓶盖的同类瓶盖;否则,待检测瓶盖为参考瓶盖的异类瓶盖。
实施例3
基于相同发明构思,本发明还提供了一种瓶装液体的生产线,包括实施例2中的瓶盖的检测设备。
实施例4
基于相同发明构思,本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现实施例1中的瓶盖的检测方法。
实施例5
基于相同发明构思,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现实施例1中的瓶盖的检测方法。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式。即使对本发明作出各种变化,倘若这些变化属于本发明权利要求及其等同技术的范围之内,则仍落入在本发明的保护范围之中。
Claims (13)
1.一种瓶盖的检测方法,其特征在于,用于检测所述瓶盖是否为参考瓶盖的同类瓶盖,包括:
获取所述参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;
获取待检测瓶盖的瓶盖区域的灰度图像,记为第二灰度图像;
根据所述前景特征阈值,对所述第二灰度图像进行二值化处理,得到所述第二灰度图像中的瓶盖的前景特征图像,记为第二前景特征图像;
统计所述第二前景特征图像包含的像素点个数N;
若Mmin≤N≤Mmax,则所述待检测瓶盖为所述参考瓶盖的同类瓶盖;否则,
所述待检测瓶盖为所述参考瓶盖的异类瓶盖。
2.如权利要求1所述瓶盖的检测方法,其特征在于,获取所述参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax进一步包括:
获取所述参考瓶盖的瓶盖区域的灰度图像,记为第一灰度图像;
根据设定的前景特征阈值,对所述第一灰度图像进行二值化处理,得到所述第一灰度图像中的瓶盖的前景特征图像,记为第一前景特征图像;
统计所述第一前景特征图像包含的像素点个数M;
根据所述像素点个数M得到所述参考瓶盖的同类瓶盖需要满足所述前景特征阈值的像素点个数的最小值Mmin和最大值Mmax。
3.如权利要求2所述瓶盖的检测方法,其特征在于,所述参考瓶盖的瓶盖区域为对所述参考瓶盖进行圆形检测所得到的圆形区域;
所述待检测瓶盖的瓶盖区域为对所述待检测瓶盖进行圆形检测所得到的圆形区域。
4.如权利要求2所述瓶盖的检测方法,其特征在于,所述第一前景特征图像为所述参考瓶盖上的图案的特征图像;
所述第二前景特征图像为所述待检测瓶盖上的图案的特征图像。
5.如权利要求2所述瓶盖的检测方法,其特征在于,所述获取所述参考瓶盖的瓶盖区域的灰度图像进一步包括:
A1,获取所述参考瓶盖的灰度图像;
A2,对所述步骤A1中的灰度图像进行高斯滤波预处理;
A3,对经所述步骤A2之后的图像进行边缘检测;
A4,对经所述步骤A3之后的图像进行二值化处理,获得第一有效边缘区域图像;
A5,对所述步骤A4中的第一有效边缘区域图像进行圆形检测,得到所述参考瓶盖的瓶盖区域;
A6,根据所述参考瓶盖的瓶盖区域分割所述步骤A1中的所述参考瓶盖的灰度图像得到所述第一灰度图像。
6.如权利要求2所述瓶盖的检测方法,其特征在于,根据所述像素点个数M得到所述参考瓶盖的同类瓶盖需要满足所述前景特征阈值的像素点个数的最小值Mmin和最大值Mmax进一步包括:
B1,计算满足所述前景特征阈值的像素点个数的最小值Mmin;
其中,Mmin=M×(1-t1);t1为小于1的常数;
B2,计算满足所述前景特征阈值的像素点个数的最大值Mmax;
其中,Mmax=M×(1+t2);t2为小于1的常数。
7.如权利要求6所述瓶盖的检测方法,其特征在于,t1=0.1;t2=0.1。
8.如权利要求5所述瓶盖的检测方法,其特征在于,所述获取所述待检测瓶盖的瓶盖区域的灰度图像进一步包括:
C1,获取待检测瓶盖的灰度图像;
C2,对所述步骤C1中的灰度图像进行高斯滤波预处理;
C3,对经所述步骤C2之后的图像进行边缘检测;
C4,对经所述步骤C3之后的图像进行二值化处理,获得第二有效边缘区域图像;
C5,对所述步骤C4中的第二有效边缘区域图像进行圆形检测,得到所述待检测瓶盖的瓶盖区域;
C6,根据所述待检测瓶盖的瓶盖区域分割所述步骤C1中的所述待检测瓶盖的灰度图像得到所述第二灰度图像。
9.如权利要求8所述瓶盖的检测方法,其特征在于,所述步骤A5和/或所述步骤C5中使用霍夫变换进行圆形检测。
10.一种瓶盖的检测设备,其特征在于,用于检测所述瓶盖是否为参考瓶盖的同类瓶盖,包括:
图像获取和处理单元;
所述图像获取和处理单元用于获取所述参考瓶盖的同类瓶盖需要满足的前景特征阈值的像素点个数的最小值Mmin和最大值Mmax;
所述图像获取和处理单元还用于获取待检测瓶盖的瓶盖区域的灰度图像,记为第二灰度图像;根据所述前景特征阈值,对所述第二灰度图像进行二值化处理,得到所述第二灰度图像中的瓶盖的前景特征图像,记为第二前景特征图像;统计所述第二前景特征图像包含的像素点个数N;
判断单元,用于判断所述待检测瓶盖是否为参考瓶盖的同类瓶盖;
若Mmin≤N≤Mmax,则所述待检测瓶盖为所述参考瓶盖的同类瓶盖;否则,所述待检测瓶盖为所述参考瓶盖的异类瓶盖。
11.一种瓶装液体的生产线,其特征在于,包括权利要求10所述的瓶盖的检测设备。
12.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-9任意一项所述的瓶盖的检测方法。
13.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-9任意一项所述的瓶盖的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811325553.9A CN109472787A (zh) | 2018-11-08 | 2018-11-08 | 瓶盖的检测方法及设备、生产线、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811325553.9A CN109472787A (zh) | 2018-11-08 | 2018-11-08 | 瓶盖的检测方法及设备、生产线、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109472787A true CN109472787A (zh) | 2019-03-15 |
Family
ID=65672475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811325553.9A Pending CN109472787A (zh) | 2018-11-08 | 2018-11-08 | 瓶盖的检测方法及设备、生产线、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109472787A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135416A (zh) * | 2010-12-30 | 2011-07-27 | 天津普达软件技术有限公司 | 瓶盖在线影像检测系统和方法 |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
CN105424722A (zh) * | 2015-11-05 | 2016-03-23 | 天津大学 | 一种基于机器视觉的瓶盖不合格品标记方法 |
CN106251352A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 一种基于图像处理的罐盖缺陷检测方法 |
WO2017117566A1 (en) * | 2015-12-31 | 2017-07-06 | Industrial Dynamics Company, Ltd. | System and method for inspecting containers using multiple images of the containers |
CN107525808A (zh) * | 2017-07-27 | 2017-12-29 | 佛山市南海区广工大数控装备协同创新研究院 | 一种生产线上泡罩药品分类及缺陷在线视觉检测方法 |
-
2018
- 2018-11-08 CN CN201811325553.9A patent/CN109472787A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135416A (zh) * | 2010-12-30 | 2011-07-27 | 天津普达软件技术有限公司 | 瓶盖在线影像检测系统和方法 |
CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
CN105424722A (zh) * | 2015-11-05 | 2016-03-23 | 天津大学 | 一种基于机器视觉的瓶盖不合格品标记方法 |
WO2017117566A1 (en) * | 2015-12-31 | 2017-07-06 | Industrial Dynamics Company, Ltd. | System and method for inspecting containers using multiple images of the containers |
CN106251352A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 一种基于图像处理的罐盖缺陷检测方法 |
CN107525808A (zh) * | 2017-07-27 | 2017-12-29 | 佛山市南海区广工大数控装备协同创新研究院 | 一种生产线上泡罩药品分类及缺陷在线视觉检测方法 |
Non-Patent Citations (1)
Title |
---|
黄达 等: "基于最小二乘法的瓶盖检测算法设计应用", 《计算机应用与软件》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103729632B (zh) | 一种基于连通区域滤波的圆形Mark点的定位方法 | |
MY193739A (en) | Picture-based vehicle loss assessment method and apparatus, and electronic device | |
CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
CN110163786B (zh) | 一种去除水印的方法、装置及设备 | |
US11126808B1 (en) | Methods for dot code image processing on a glass container | |
CN108205643B (zh) | 图像匹配方法和装置 | |
Ruchay et al. | A novel switching bilateral filtering algorithm for depth map | |
CN107993219A (zh) | 一种基于机器视觉的船板表面缺陷检测方法 | |
Deshpande et al. | A novel modified cepstral based technique for blind estimation of motion blur | |
CN117557526A (zh) | 一种铝箔封口密封性检测方法及系统和设备 | |
CN111709455A (zh) | 酒瓶表面缺陷模型的评价方法、电子装置及存储介质 | |
Felipe et al. | Vision-based liquid level detection in amber glass bottles using OpenCV | |
CN109472787A (zh) | 瓶盖的检测方法及设备、生产线、计算机设备、存储介质 | |
Hwang et al. | FPGA-based real-time lane detection for advanced driver assistance systems | |
CN111709452B (zh) | 酒瓶表面缺陷模型的评价方法、电子装置及存储介质 | |
CN109509185A (zh) | 瓶盖的检测方法及设备、生产线、计算机设备、存储介质 | |
US10176400B1 (en) | Method and apparatus for locating dot text in an image | |
CN111179182B (zh) | 图像的处理方法及装置、存储介质及处理器 | |
Anjum et al. | LSB steganalysis using modified Weighted Stego-image method | |
Huang et al. | A real-time algorithm for aluminum surface defect extraction on non-uniform image from CCD camera | |
CN110503368A (zh) | 一种用于电子商务的退货处理方法及系统 | |
CN104239950B (zh) | 一种基于机器视觉的活塞环点数系统及其计数方法 | |
KR20170098091A (ko) | 명함 인식 장치 및 이에 의한 명함 인식 방법 | |
US10176399B1 (en) | Method and apparatus for optical character recognition of dot text in an image | |
CN116402771A (zh) | 缺陷检测方法、装置和模型训练方法、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 |
Application publication date: 20190315 |
|
RJ01 | Rejection of invention patent application after publication |