CN109584214A - 一种背光检中图像管理方法与系统 - Google Patents
一种背光检中图像管理方法与系统 Download PDFInfo
- Publication number
- CN109584214A CN109584214A CN201811324609.9A CN201811324609A CN109584214A CN 109584214 A CN109584214 A CN 109584214A CN 201811324609 A CN201811324609 A CN 201811324609A CN 109584214 A CN109584214 A CN 109584214A
- Authority
- CN
- China
- Prior art keywords
- image
- pretreatment
- benchmark
- foreground
- information
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
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 Processing (AREA)
Abstract
本发明公开了一种背光检中图像管理方法与系统。它包括图像压缩存储操作,过程为:采集一幅没有缺陷的面板图像作为基准图像,采集实际的面板图像作为预处理图像并进行计数+1,对预处理图像进行缺陷检测;当存在缺陷或不存在缺陷且计数小于等于设定值时,通过当前基准图像对预处理图像进行差值移位操作得到前景图像,对前景图像进行压缩保存;当没有缺陷同时计数大于设定值时,将该预处理图像作为新的基准图像,同时将计数清零;重复上述过程直至采集完所有面板图像。本发明将图像无损压缩保存和缺陷检测结合起来,极大降低图像本身信息量,既提高了图像的压缩率,又降低了压缩处理时间,极大的降低了人力成本,提高了效率。
Description
技术领域
本发明属于BLU的自动化缺陷检测技术领域,尤其是基于AOI的BLU缺陷检测领域,具体涉及一种背光检中图像管理方法与系统。
背景技术
BLU(背光源组件)作为LCD显示器的光源,随着显示技术的发展,其产量越来越大,缺陷检测精度要求也越来越高,对应使用的工业相机的分辨率也越来越高,另外,某些缺陷只有侧视环境下才能拍摄到。假设检测15.6寸BLU,在满足最小检测精度为φ0.05mm的前提下,至少需要1个29M正视相机和一个20M侧视相机。假设检测每块BLU需要2个Pattern,一条产线每天生产5000片BLU,那么一共需要2*5000*(29+20)=478.5GB的空间进行存储。一般要求的存储时间久,普遍在半年以上,假设存图要求为半年,则总共需要的存储空间为478.5*30*6=84.1TB。
存图的目的是便于问题的追踪与分析,且由于BLU的缺陷很可能是微弱缺陷,故不可对图像进行有损压缩等存储方式,需要考虑如何进行长久有效的图像存储于管理并且降低存储空间。
现有的技术方案,针对减少图像存储空间主要有两种思路:
原图存储:如采用bmp格式进行原图存储,不对图像进行任何有损或无损压缩,直接存储原图。此种方法耗费存储空间较大,不是较好的解决方案。
无损压缩存储:采用png格式或者tiff格式等对原图进行压缩,然后存储。此种方法虽然可以降低一部分存储空间,但是在图像存储量较大的情况下,性能损失较为严重,压缩效率也较低。
发明内容
本发明的目的就是为了解决上述背景技术存在的不足,提供一种高效率、高压缩率的背光检中图像管理方法与系统。
本发明采用的技术方案是:一种背光检中图像管理方法,包括图像压缩存储操作,过程为:
步骤1,采集一幅没有缺陷的面板图像作为基准图像,进行无损压缩后保存;
步骤2,采集实际的面板图像作为预处理图像,并进行计数+1,对预处理图像进行缺陷检测;
步骤3,当检测预处理图像存在缺陷时,进行步骤4;当检测预处理图像没有缺陷时,进行步骤5;
步骤4,通过当前基准图像对预处理图像进行差值移位操作得到前景图像,对前景图像进行无损压缩后保存,进行步骤7;
步骤5,判断计数是否大于设定值,若是则进行步骤6,若不是则进行步骤4;
步骤6,将该预处理图像作为新的基准图像,并进行无损压缩保存,同时将计数清零,进行步骤7;
步骤7,判断是否采集完所有面板图像,若是则结束操作,若不是则返回步骤2。
进一步地,对基准图像和前景图像进行无损压缩保存时,还分别保存基准图像的ID信息和前景图像对应的预处理图像的ID信息,所述ID信息包括图像编号、图像是否存在缺陷、图像是否为原图。
进一步地,所述差值移位操作过程为:将预处理图像中每个像素点的灰度值减去基准图像上对应的每个像素点的灰度值得到差值图像,然后对差值图像进行128位移位操作得到前景图像。
进一步地,还包括图像还原操作,过程为:
步骤1,读取需要还原的前景图像并获取该前景图像对应的预处理图像的ID信息;
步骤2,读取离预处理图像的ID信息中编号最接近的基准图像的ID信息,根据基准图像的ID信息获取基准图像;
步骤3,根据基准图像对前景图像进行逆向操作得到需要的预处理图像。
更进一步地,所述逆向操作的过程为:将前景图像进行128反移位操作,对操作后的图像中每个像素点的灰度值加上基准图像中每个像素点的灰度值得到预处理图像。
一种背光检中图像管理系统,包括
图像采集单元,用于采集没有缺陷的面板图像和实际的面板图像,分别定义为基准图像和预处理图像,将基准图像发送至图像处理单元,将预处理图像发送至缺陷检测单元和图像处理单元;
缺陷检测单元,用于对预处理图像进行缺陷检测,将检测结果发送至图像处理单元,
图像处理单元,用于接收到预处理图像后进行计数;用于判断计数是否大于设定值,在判断计数大于设定值后对计数清零;用于对存在缺陷的预处理图像和对没有缺陷且计数小于等于设定值的预处理图像进行差值移位操作得到前景图像,对前景图像进行无损压缩并发送至图像存储单元;用于将没有缺陷且计数大于设定值的预处理图像定义为新的基准图像,对基准图像进行无损压缩并发送至图像存储单元;用于将基准图像的ID信息和前景图像对应的预处理图像的ID信息发送至图像存储单元;
图像存储单元,用于存储无损压缩后的基准图像和前景图像,存储基准图像的ID信息和前景图像对应的预处理图像的ID信息。
进一步地,所述差值移位操作过程为:将预处理图像中每个像素点的灰度值减去基准图像上对应的每个像素点的灰度值得到差值图像,然后对差值图像进行128位移位操作得到前景图像。
进一步地,所述图像处理单元还用于从图像存储单元中读取需要还原的前景图像并获取该前景图像对应的预处理图像的ID信息;用于从图像存储单元中读取离预处理图像的ID信息最近的基准图像的ID信息,根据基准图像的ID信息获取基准图像;用于根据基准图像对前景图像进行逆向操作得到需要的预处理图像。
进一步地,所述逆向操作的过程为:将前景图像进行128反移位操作,对操作后的图像中每个像素点的灰度值加上基准图像中每个像素点的灰度值得到预处理图像。
更进一步地,所述图像存储单元包括第一存储单元和第二存储单元,所述第一存储单元用于存储无损压缩后的基准图像,所述第二存储单元用于存储无损压缩后的前景图像、基准图像的ID信息和前景图像对应的预处理图像的ID信息。
本发明针对BLU面板检测图像的特征,将图像无损压缩保存和缺陷检测以及深度学习样本收集结合起来,在极大降低图像本身信息量的同时,形成了前后相关的图像序列,既提高了图像的压缩率,大大降低了压缩处理时间,又为LSTM深度学习收集了样本序列,极大的降低了人力成本,提高了效率。
附图说明
图1为本发明的图像存储操作的流程示意图。
图2为本发明图像还原操作的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明,便于清楚地了解本发明,但它们不对本发明构成限定。
由于BLU发光均匀,同一个Pattern下,同一个相机拍摄,前一片面板与后一片面板拍摄的图像,同位置像素灰度差异性不大,只有存在缺陷的面板图像才会与上一片正常面板图像存在一定程度的差异。
基于同一相机同一Pattern下,连续帧之间差异性非常小的特点,本发明提出了一种高效的图像管理方法,本方法结合BLU缺陷检测,由两个部分组成——压缩存储、图像还原。压缩存储对图像进行快速压缩存储,并且要保证存储的图像可以无损还原。
针对快速压缩要求,本发明的设计方案为:以白画面为例,首先,采集一幅没有缺陷的面板图像,存入计算机内存;然后,后续采集的图像都减去计算机内存中保存的图像,并对差值图像进行128位移位操作,消除差值图像中的负值信息,此操作后图像中的背景信息被消除,得到的是与缺陷和噪声相关的前景信息,前景图像中的信息量大大减少,可以极大提高无损压缩速度;因此,然后将该前景信息保存到硬盘;最后,对图像进行缺陷检测,如果图像上没有缺陷,则将该图像替换内存中的图像,否则不进行替换。
针对保证图像无损还原的要求,本方法的设计方案为:在上述压缩过程中,首先,将采集到的没有缺陷的面板图像直接保存到硬盘;此后每幅图像,在保存前景图像的同时,每隔n幅图像,如果图像上没有缺陷,则保存一次原始图像,如果有缺陷,则直到碰到下一幅没有缺陷的图像再进行保存。并将BLU面板ID以及图像是否存在缺陷与该ID图像是否对原图进行了压缩保存三种信息,以文本的形式保存下来,留待图像还原使用。
详细的压缩存储操作如图1所示,过程为:
步骤1,采集一幅没有缺陷的面板图像作为基准图像,进行无损压缩后保存;
步骤2,采集实际的面板图像作为预处理图像,并进行计数+1,对预处理图像进行缺陷检测;
步骤3,当检测预处理图像存在缺陷时,进行步骤4;当检测预处理图像没有缺陷时,进行步骤5;
步骤4,通过当前基准图像对预处理图像进行差值移位操作得到前景图像,对前景图像进行无损压缩后保存,进行步骤7;
步骤5,判断计数是否大于设定值,该设定值根据实际需要确定,若是则进行步骤6,若不是则进行步骤4;
步骤6,将该预处理图像作为新的基准图像,并进行无损压缩保存,同时将计数清零,进行步骤7;
步骤7,判断是否采集完所有面板图像,若是则结束操作,若不是则返回步骤2。
上述方案中,对基准图像和前景图像进行无损压缩保存时,还分别保存基准图像的ID信息和前景图像对应的预处理图像的ID信息,所述ID信息包括图像编号、图像是否存在缺陷、图像是否为原图。
上述方案中,差值移位操作过程为:将预处理图像中每个像素点的灰度值减去基准图像种对应的每个像素点的灰度值得到差值图像,然后对差值图像进行128位移位操作(即将差值图像中每个像素点的灰度值都加上128)得到前景图像。
采用本方法压缩的图像效果如下:
效果分析:第一次由于直接对原图进行无损压缩,压缩率只有56.2%。后续所有图片都是对前景图进行压缩,单张图片压缩率保持在80%以上,总体来讲压缩率逐步上升。
本发明针对BLU面板检测图像的特征,将图像无损压缩保存和缺陷检测以及深度学习样本收集结合起来,在极大降低图像本身信息量的同时,形成了前后相关的图像序列,既提高了图像的压缩率,降低压缩时间,又为LSTM深度学习收集了样本序列,极大的降低了人力成本,提高了效率。
如图2所示,本发明的背光检中图像管理方法还包括图像还原操作,过程为:
步骤1,读取需要还原的前景图像并获取该前景图像对应的预处理图像的ID信息;
步骤2,读取离预处理图像的ID信息中编号最接近的基准图像的ID信息,根据基准图像的ID信息获取基准图像;
步骤3,根据基准图像对前景图像进行逆向操作得到需要的预处理图像。逆向操作的过程为:将前景图像进行128反移位操作(将前景图像中每个像素点的灰度值都减去128),对操作后的图像中每个像素点的灰度值加上基准图像中每个像素点的灰度值得到预处理图像。
为实现上述的背光检中图像管理方法,本发明还提供一种背光检中图像管理系统,包括:
图像采集单元,用于采集没有缺陷的面板图像和实际的面板图像,分别定义为基准图像和预处理图像,将基准图像发送至图像处理单元,将预处理图像发送至缺陷检测单元和图像处理单元;
缺陷检测单元,用于对预处理图像进行缺陷检测,将检测结果发送至图像处理单元,
图像处理单元,用于接收到预处理图像后进行计数;用于判断计数是否大于设定值,在判断计数大于设定值后对计数清零;用于对存在缺陷的预处理图像和对没有缺陷且计数小于等于设定值的预处理图像进行差值移位操作得到前景图像,对前景图像进行无损压缩并发送至图像存储单元;用于将没有缺陷且计数大于设定值的预处理图像定义为新的基准图像,对基准图像进行无损压缩并发送至图像存储单元;用于将基准图像的ID信息和前景图像对应的预处理图像的ID信息发送至图像存储单元;
图像存储单元,用于存储无损压缩后的基准图像和前景图像,存储基准图像的ID信息和前景图像对应的预处理图像的ID信息。
上述方案中,差值移位操作过程为:将预处理图像中每个像素点的灰度值减去基准图像上对应的每个像素点的灰度值得到差值图像,然后对差值图像进行128位移位操作得到前景图像。
上述方案中,图像处理单元还用于从图像存储单元中读取需要还原的前景图像并获取该前景图像对应的预处理图像的ID信息;用于从图像存储单元中读取离预处理图像的ID信息最近的基准图像的ID信息,根据基准图像的ID信息获取基准图像;用于根据基准图像对前景图像进行逆向操作得到需要的预处理图像。
上述方案中,逆向操作的过程为:将前景图像进行128反移位操作,对操作后的图像中每个像素点的灰度值加上基准图像中每个像素点的灰度值得到预处理图像。
上述方案中,图像存储单元包括第一存储单元和第二存储单元,第一存储单元可以是一般的PC内存,第一存储单元选用常规的硬盘,存储容量大,所述第一存储单元用于存储无损压缩后的基准图像,所述第二存储单元用于存储无损压缩后的前景图像、基准图像的ID信息和前景图像对应的预处理图像的ID信息。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (10)
1.一种背光检中图像管理方法,其特征在于:包括图像压缩存储操作,过程为:
步骤1,采集一幅没有缺陷的面板图像作为基准图像,进行无损压缩后保存;
步骤2,采集实际的面板图像作为预处理图像,并进行计数+1,对预处理图像进行缺陷检测;
步骤3,当检测预处理图像存在缺陷时,进行步骤4;当检测预处理图像没有缺陷时,进行步骤5;
步骤4,通过当前基准图像对预处理图像进行差值移位操作得到前景图像,对前景图像进行无损压缩后保存,进行步骤7;
步骤5,判断计数是否大于设定值,若是则进行步骤6,若不是则进行步骤4;
步骤6,将该预处理图像作为新的基准图像,并进行无损压缩保存,同时将计数清零,进行步骤7;
步骤7,判断是否采集完所有面板图像,若是则结束操作,若不是则返回步骤2。
2.根据权利要求1所述的背光检中图像管理方法,其特征在于:对基准图像和前景图像进行无损压缩保存时,还分别保存基准图像的ID信息和前景图像对应的预处理图像的ID信息,所述ID信息包括图像编号、图像是否存在缺陷、图像是否为原图。
3.根据权利要求1所述的背光检中图像管理方法,其特征在于:所述差值移位操作过程为:将预处理图像中每个像素点的灰度值减去基准图像上对应的每个像素点的灰度值得到差值图像,然后对差值图像进行128位移位操作得到前景图像。
4.根据权利要求1所述的背光检中图像管理方法,其特征在于:还包括图像还原操作,过程为:
步骤1,读取需要还原的前景图像并获取该前景图像对应的预处理图像的ID信息;
步骤2,读取离预处理图像的ID信息中编号最接近的基准图像的ID信息,根据基准图像的ID信息获取基准图像;
步骤3,根据基准图像对前景图像进行逆向操作得到需要的预处理图像。
5.根据权利要求4所述的背光检中图像管理方法,其特征在于:所述逆向操作的过程为:将前景图像进行128反移位操作,对操作后的图像中每个像素点的灰度值加上基准图像中每个像素点的灰度值得到预处理图像。
6.一种背光检中图像管理系统,其特征在于:包括
图像采集单元,用于采集没有缺陷的面板图像和实际的面板图像,分别定义为基准图像和预处理图像,将基准图像发送至图像处理单元,将预处理图像发送至缺陷检测单元和图像处理单元;
缺陷检测单元,用于对预处理图像进行缺陷检测,将检测结果发送至图像处理单元,
图像处理单元,用于接收到预处理图像后进行计数;用于判断计数是否大于设定值,在判断计数大于设定值后对计数清零;用于对存在缺陷的预处理图像和对没有缺陷且计数小于等于设定值的预处理图像进行差值移位操作得到前景图像,对前景图像进行无损压缩并发送至图像存储单元;用于将没有缺陷且计数大于设定值的预处理图像定义为新的基准图像,对基准图像进行无损压缩并发送至图像存储单元;用于将基准图像的ID信息和前景图像对应的预处理图像的ID信息发送至图像存储单元;
图像存储单元,用于存储无损压缩后的基准图像和前景图像,存储基准图像的ID信息和前景图像对应的预处理图像的ID信息。
7.根据权利要求6所述的背光检中图像管理系统,其特征在于:所述差值移位操作过程为:将预处理图像中每个像素点的灰度值减去基准图像上对应的每个像素点的灰度值得到差值图像,然后对差值图像进行128位移位操作得到前景图像。
8.根据权利要求6所述的背光检中图像管理系统,其特征在于:所述图像处理单元还用于从图像存储单元中读取需要还原的前景图像并获取该前景图像对应的预处理图像的ID信息;用于从图像存储单元中读取离预处理图像的ID信息最近的基准图像的ID信息,根据基准图像的ID信息获取基准图像;用于根据基准图像对前景图像进行逆向操作得到需要的预处理图像。
9.根据权利要求8所述的背光检中图像管理系统,其特征在于:所述逆向操作的过程为:将前景图像进行128反移位操作,对操作后的图像中每个像素点的灰度值加上基准图像中每个像素点的灰度值得到预处理图像。
10.根据权利要求6所述的背光检中图像管理系统,其特征在于:所述图像存储单元包括第一存储单元和第二存储单元,所述第一存储单元用于存储无损压缩后的基准图像,所述第二存储单元用于存储无损压缩后的前景图像、基准图像的ID信息和前景图像对应的预处理图像的ID信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811324609.9A CN109584214A (zh) | 2018-11-08 | 2018-11-08 | 一种背光检中图像管理方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811324609.9A CN109584214A (zh) | 2018-11-08 | 2018-11-08 | 一种背光检中图像管理方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109584214A true CN109584214A (zh) | 2019-04-05 |
Family
ID=65921799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811324609.9A Pending CN109584214A (zh) | 2018-11-08 | 2018-11-08 | 一种背光检中图像管理方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109584214A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247630A1 (en) * | 2006-12-08 | 2008-10-09 | Olympus Corporation | Defect inspecting apparatus and defect-inspecting method |
CN101738401A (zh) * | 2008-11-11 | 2010-06-16 | 奥林巴斯株式会社 | 缺陷检查装置和缺陷检查方法 |
CN102132147A (zh) * | 2008-08-26 | 2011-07-20 | 夏普株式会社 | 缺陷检测装置、缺陷检测方法、缺陷检测程序、及记录有该程序的计算机可读取的记录介质 |
CN103604809A (zh) * | 2013-10-22 | 2014-02-26 | 江南大学 | 一种图案布匹瑕疵在线视觉检测方法 |
CN104933978A (zh) * | 2015-07-02 | 2015-09-23 | 京东方科技集团股份有限公司 | 显示面板的检测方法和检测装置 |
CN105528798A (zh) * | 2014-09-29 | 2016-04-27 | 优视科技有限公司 | 图片压缩方法及装置 |
JP2016191589A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社Screenホールディングス | 欠陥分類装置および欠陥分類方法 |
CN107333124A (zh) * | 2017-06-30 | 2017-11-07 | 武汉精测电子技术股份有限公司 | Aoi检测系统中的图片压缩方法及显示面板缺陷检测系统 |
CN108449525A (zh) * | 2018-03-26 | 2018-08-24 | 京东方科技集团股份有限公司 | 自动光学检查中标准图像的获取方法及自动光学检查设备 |
-
2018
- 2018-11-08 CN CN201811324609.9A patent/CN109584214A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247630A1 (en) * | 2006-12-08 | 2008-10-09 | Olympus Corporation | Defect inspecting apparatus and defect-inspecting method |
CN102132147A (zh) * | 2008-08-26 | 2011-07-20 | 夏普株式会社 | 缺陷检测装置、缺陷检测方法、缺陷检测程序、及记录有该程序的计算机可读取的记录介质 |
CN101738401A (zh) * | 2008-11-11 | 2010-06-16 | 奥林巴斯株式会社 | 缺陷检查装置和缺陷检查方法 |
CN103604809A (zh) * | 2013-10-22 | 2014-02-26 | 江南大学 | 一种图案布匹瑕疵在线视觉检测方法 |
CN105528798A (zh) * | 2014-09-29 | 2016-04-27 | 优视科技有限公司 | 图片压缩方法及装置 |
JP2016191589A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社Screenホールディングス | 欠陥分類装置および欠陥分類方法 |
CN104933978A (zh) * | 2015-07-02 | 2015-09-23 | 京东方科技集团股份有限公司 | 显示面板的检测方法和检测装置 |
CN107333124A (zh) * | 2017-06-30 | 2017-11-07 | 武汉精测电子技术股份有限公司 | Aoi检测系统中的图片压缩方法及显示面板缺陷检测系统 |
CN108449525A (zh) * | 2018-03-26 | 2018-08-24 | 京东方科技集团股份有限公司 | 自动光学检查中标准图像的获取方法及自动光学检查设备 |
Non-Patent Citations (1)
Title |
---|
严云洋 等: "基于视频图像的火灾自动检测", 《计算机应用研究》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256225B (zh) | 一种基于视频分析的热度图生成方法及装置 | |
CN114494259A (zh) | 一种基于人工智能的布匹缺陷检测方法 | |
CN108229480A (zh) | 一种数字表读数的识别方法、装置及设备 | |
US20070223839A1 (en) | Signal noise estimation | |
CN115082451B (zh) | 一种基于图像处理的不锈钢汤勺缺陷检测方法 | |
CN112802016A (zh) | 基于深度学习的实时布匹缺陷检测方法及系统 | |
CN111598869B (zh) | 一种对显示屏幕的Mura进行检测的方法、设备及存储介质 | |
CN117252872B (zh) | 一种手机屏幕缺陷视觉检测方法及系统 | |
CN112001299B (zh) | 一种隧道车指器和照明灯故障识别方法 | |
CN110503092B (zh) | 基于领域适应的改进ssd监控视频目标检测方法 | |
CN110186929A (zh) | 一种实时的产品瑕疵定位方法 | |
CN109584214A (zh) | 一种背光检中图像管理方法与系统 | |
CN113965814A (zh) | 基于视频会议场景的多会场关键帧提取方法及系统 | |
Salih et al. | Adaptive local exposure based region determination for non-uniform illumination and low contrast images | |
CN117392469A (zh) | 基于机器视觉的钙钛矿电池表面涂膜检测方法及系统 | |
CN116067671B (zh) | 一种用于测试车辆漆面质量的方法、系统及介质 | |
CN109215547A (zh) | 一种快速储存背光检图像的方法与系统 | |
JP2022514427A (ja) | バクテリアコロニーのバクテリア増殖を監視しコロニーバイオマスを予測するシステム及び方法 | |
CN116523851A (zh) | 一种档案报表扫描图像清晰度识别方法、装置与系统 | |
CN110930393A (zh) | 一种基于机器视觉的芯片料管计数方法、装置及系统 | |
CN110019060B (zh) | 一种机车视频文件与运行记录文件自动同步方法与装置 | |
CN110807416A (zh) | 适用于移动检测装置的数字式仪表智能识别装置及方法 | |
CN107403192B (zh) | 一种基于多分类器的快速目标检测方法及系统 | |
CN112699824B (zh) | 电能表仪表常数检测方法、设备及存储介质 | |
CN110446067B (zh) | 基于张量分解的视频浓缩方法 |
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: 20190405 |