CN109584220A - 一种丝印定位方法、丝印缺陷检测方法和相关装置 - Google Patents

一种丝印定位方法、丝印缺陷检测方法和相关装置 Download PDF

Info

Publication number
CN109584220A
CN109584220A CN201811363115.1A CN201811363115A CN109584220A CN 109584220 A CN109584220 A CN 109584220A CN 201811363115 A CN201811363115 A CN 201811363115A CN 109584220 A CN109584220 A CN 109584220A
Authority
CN
China
Prior art keywords
product
image
silk
screen
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
Application number
CN201811363115.1A
Other languages
English (en)
Inventor
吕丹娅
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.)
Ruijie Networks Co Ltd
Original Assignee
Ruijie Networks 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 Ruijie Networks Co Ltd filed Critical Ruijie Networks Co Ltd
Priority to CN201811363115.1A priority Critical patent/CN109584220A/zh
Publication of CN109584220A publication Critical patent/CN109584220A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种丝印定位方法、丝印缺陷检测方法和相关装置，属于图像处理技术领域，本发明提供的丝印定位方法及装置中，采集包含待检测产品的图像；基于图像中待检测产品的轮廓信息从图像中提取出所述待检测产品的产品图像；将产品图像划分成至少一个环形区域图像；分别对每一环形区域图像进行二值化处理；并根据二值化处理结果，从产品图像中定位出待检测产品中的丝印。通过采用上述方法，通过针对每一环形区域图像进行二值化处理，最后基于各个环形区域图像的二值化处理结果定位出待检测产品中的丝印，提高了丝印定位结果的准确率。

Description

一种丝印定位方法、丝印缺陷检测方法和相关装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种丝印定位方法、丝印缺陷检测方法和相关装置。
背景技术
随着社会的不断发展和科技的不断进步，智能化缺陷检测已经逐渐成为发展趋势，并逐步代替传统的人工检测。一般的电子产品表面都粘贴丝印标识，采用人工目检的方法进行丝印质量的检测，具有检测效率低且易受主观因素影响。为了提高丝印的检测效率、降低人力成本并保证检测结果不受主观影响，基于机器视觉的检测方法被广泛应用。目前常用的丝印检测方法主要是基于模板匹配的方法，通过计算机分析待检测产品的图像像素信息实现智能化定位丝印缺陷。虽然近些年来，丝印缺陷检测方法在准确度方面有很大的进步，但在该领域仍存在一些问题，主要表现在：(1)检测对象在图像采集时成像不清晰，存在图像偏转、偏移等问题，导致丝印检测准确度不够高；(2)部分产品表面呈弧状，采集的图像中丝印的不同位置具有不同的像素值，采用人工指定的二值化方法会使丝印的部分区域呈白色、部分区域呈黑色，因此，仍存在目前常用的二值化算法无法完全定位丝印位置的问题，此外，采用现有技术提供的方法来定位产品中表面呈现圆弧凸起或凹陷的丝印时，定位结果准确度极低。
发明内容
本发明实施例提供一种丝印定位方法、丝印缺陷检测方法和相关装置，用以基于待检测产品的图像准确地确定出待检测产品上的丝印。
第一方面，本发明实施例提供一种丝印定位方法，包括：
采集包含待检测产品的图像；
基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像；
将所述产品图像划分成至少一个环形区域图像；
分别对每一环形区域图像进行二值化处理；
根据二值化处理结果，从所述产品图像中定位出所述待检测产品中的丝印。
采用上述方法，通过采用上述方法，通过针对每一环形区域图像进行二值化处理，最后基于各个环形区域图像的二值化处理结果定位出待检测产品中的丝印，提高了丝印定位结果的准确率。
较佳地，分别对每一环形区域图像进行二值化处理，具体包括：
针对每一环形区域图像，分别执行下述过程：
利用大津法确定该环形区域图像中前景点和背景点之间类间方差取最大值时的二值化阈值；
确定该环形区域图像中像素值大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第一设定值；
确定该环形区域图像中像素值不大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第二设定值。
优选地，所述轮廓信息为在所述图像中所述待检测产品的边缘点的位置信息；以及基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像，具体包括：
基于边缘检测算法确定所述待检测产品的边缘点在图像空间中的位置信息；
根据每个边缘点在图像空间中的位置信息，利用霍夫变换Hough确定对应的边缘点在参数空间中的位置信息；
基于在参数空间中距离参数空间参考点最远的边缘点的位置信息，确定所述待检测产品的圆心和半径；
根据所述圆心和半径，从所述图像中提取出所述产品图像。
较佳地，在将所述产品图像划分成至少一个环形区域图像之前，还包括：
根据所述产品图像和所述待检测产品的标准产品图像对所述产品图像进行偏移矫正处理。
可选地，根据所述产品图像和所述待检测产品的标准产品图像对所述产品图像进行偏移矫正处理，具体包括：
确定所述产品图像与所述标准产品图像之间的偏转角度；
根据所述偏转角度对所述产品图像进行矫正处理。
较佳地，确定所述产品图像与所述标准产品图像之间的偏转角度，具体包括：
确定所述产品图像的最小外接矩形；
确定所述产品图像的圆心与所述最小外接矩形中任一顶点的连接线；
平移所述连接线以使所述产品图像的圆心与所述标准产品图像的圆心重合；
确定所述连接线与所述标准产品图像中对应连接线之间的偏转角度为所述产品图像与所述标准产品图像之间的偏转角度。
较佳地，采集具有丝印的待检测产品的图像，具体包括：
利用具有环形光源的图像采集设备采集具有丝印的待检测产品的图像。
第二方面，本发明实施例提供一种丝印缺陷检测方法，包括：
确定待检测产品中的丝印与标准丝印之间的像素差值，其中，所述待检测产品中的丝印为基于本发明实施例提供的丝印定位方法定位出的；
根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷。
较佳地，根据所述像素差值，确定待检测产品中的丝印是否存在缺陷，具体包括：
确定所述像素差值构成的差值图像；
确定所述差值图像中是否存在区域面积大于缺陷容忍阈值的区域；
若不存在，则确定所述待检测产品中的丝印不存在缺陷；
若存在，则确定所述待检测产品中的丝印存在缺陷。
第三方面，本发明实施例提供一种丝印定位装置，包括：
采集单元，用于采集包含待检测产品的图像；
提取单元，用于基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像；
划分单元，用于将所述产品图像划分成至少一个环形区域图像；
二值化处理单元，用于分别对每一环形区域图像进行二值化处理；
定位单元，用于根据二值化处理结果，从所述产品图像中定位出所述待检测产品中的丝印。
较佳地，所述二值化处理单元，具体用于针对每一环形区域图像，分别执行下述过程：利用大津法确定该环形区域图像中前景点和背景点之间类间方差取最大值时的二值化阈值；确定该环形区域图像中像素值大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第一设定值；确定该环形区域图像中像素值不大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第二设定值。
可选地，所述轮廓信息为在所述图像中所述待检测产品的边缘点的位置信息；以及
所述提取单元，具体用于基于边缘检测算法确定所述待检测产品的边缘点在图像空间中的位置信息；根据每个边缘点在图像空间中的位置信息，利用霍夫变换Hough确定对应的边缘点在参数空间中的位置信息；基于在参数空间中距离参数空间参考点最远的边缘点的位置信息，确定所述待检测产品的圆心和半径；根据所述圆心和半径，从所述图像中提取出所述产品图像。
较佳地，所述装置，还包括：
矫正单元，用于在所述划分单元将所述产品图像划分成至少一个环形区域图像之前，根据所述产品图像和所述待检测产品的标准产品图像对所述产品图像进行偏移矫正处理。
可选地，所述矫正单元，具体用于确定所述产品图像与所述标准产品图像之间的偏转角度；根据所述偏转角度对所述产品图像进行矫正处理。
可选地，所述矫正单元，具体用于确定所述产品图像的最小外接矩形；确定所述产品图像的圆心与所述最小外接矩形中任一顶点的连接线；平移所述连接线以使所述产品图像的圆心与所述标准产品图像的圆心重合；确定所述连接线与所述标准产品图像中对应连接线之间的偏转角度为所述产品图像与所述标准产品图像之间的偏转角度。
优选地，所述采集单元，具体用于利用具有环形光源的图像采集设备采集具有丝印的待检测产品的图像。
第四方面，本发明实施例提供一种丝印缺陷检测装置，包括：
确定单元，用于确定待检测产品中的丝印与标准丝印之间的像素差值，其中，所述待检测产品中的丝印为基于本发明实施例提供的丝印定位方法定位出的；
缺陷检测单元，用于根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷。
较佳地，所述缺陷检测单元，具体用于确定所述像素差值构成的差值图像；确定所述差值图像中是否存在区域面积大于缺陷容忍阈值的区域；若不存在，则确定所述待检测产品中的丝印不存在缺陷；若存在，则确定所述待检测产品中的丝印存在缺陷。
第五方面，本发明实施例提供一种计算机可读介质，存储有计算机可执行指令，所述计算机可执行指令用于执行本申请提供的丝印定位方法，或者执行指令用于执行本申请提供的丝印缺陷检测方法。
第六方面，本发明实施例提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请提供的丝印定位方法，或者执行本申请提供的丝印缺陷检测方法。
本发明有益效果：
本发明实施例提供的丝印定位方法和装置，采集包含待检测产品的图像；基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像；将产品图像划分成至少一个环形区域图像；分别对每一环形区域图像进行二值化处理；并根据二值化处理结果，从所述产品图像中定位出所述待检测产品中的丝印。通过采用上述方法，通过针对每一环形区域图像进行二值化处理，最后基于各个环形区域图像的二值化处理结果定位出待检测产品中的丝印，提高了丝印定位结果的准确率。
此外，本发明实施例提供的丝印缺陷检测方法和装置，确定待检测产品中的丝印与标准丝印之间的像素差值，其中，所述待检测产品中的丝印为基于本发明实施例提供的丝印定位方法定位出的；根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷。由于本发明准确地定位出待检测产品中的丝印，然后基于此可以准确地确定出该丝印是否存在缺陷。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明提供的实施本发明的丝印定位方法和丝印缺陷检测方法的应用场景示意图；
图2为本发明实施例提供的丝印定位方法的流程示意图；
图3为本发明实施例提供的图像采集设备的结构示意图；
图4为本发明实施例提供的从步骤S21中提取出仅存在待检测产品的产品图像的流程示意图；
图5为本发明实施例提供的对产品图像进行偏移矫正处理的流程示意图；
图6为本发明实施例提供的确定产品图像与标准产品图像之间的偏转角度的流程示意图；
图7为本发明实施例提供的划分成n个环形区域图像的效果示意图；
图8为本发明实施例提供的分别对每一环形区域图像进行二值化处理的流程示意图；
图9a为本发明实施例提供的标准丝印的效果示意图；
图9b为本发明实施例提供的现有技术中丝印定位方法定位出图9a的丝印的效果示意图；
图9c为本发明实施例提供的利用本发明提供的方法定位出图9a的丝印的效果示意图；
图10为本发明实施例提供的丝印缺陷检测方法的流程示意图；
图11为本发明实施例提供的根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷的流程示意图；
图12为本发明实施例提供的对待检测产品中的丝印进行丝印缺陷检测的效果示意图之一；
图13为本发明实施例提供的对待检测产品中的丝印进行丝印缺陷检测的效果示意图之二；
图14为本发明实施例提供的丝印定位装置的结构示意图；
图15为本发明实施例提供的丝印缺陷检测装置的结构示意图；
图16为本发明实施例提供的实施丝印定位方法或丝印缺陷检测方法的计算装置的硬件结构示意图。
具体实施方式
本发明实施例提供的数据丝印定位方法、丝印缺陷检测方法和相关装置，用以基于待检测产品的图像准确地确定出待检测产品上的丝印。
以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明，并且在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
为了便于理解本发明，本发明涉及的技术术语中：
1、霍夫变换Hough，是一种使用表决原理的参数估计技术，其原理是利用图像空间和Hough参数空间的点---线的对偶性，将图像空间中的检测问题转换到参数空间计算，Hough变换是一种检测间断点边界形状的方法，本发明基于Hough变换从采集到的具有丝印的待检测产品的图像中提取出仅具有待检测产品的产品图像。
2、大津法，也称最大类间方差法，为一种自适应阈值确定方法，是一种基于全局的二值化算法，它根据图像的灰度特性，将图像分为前景和背景两个部分，当取最佳阈值时，前景点构成的前景部分和背景点构成的背景部分之间的差别应该是最大的，本发明通过利用大律法对待检测产品的产品图像进行二值化处理，进而基于处理结果定位出待检测产品中的丝印。
3、边缘检测算法，该算法中的sobel算子是一阶导数的边缘检测算子，在算法实现过程中，通过3×3模板作为核与图像中的每个像素点做卷积和运算，然后选取合适的阈值以提取边缘，本发明利用sobel算子从图像中提取仅存在待检测产品的产品图像。
为了解决现有技术中确定待检测产品中的丝印准确度较低的问题，本发明实施例给出了解决方案，参考图1所示的应用场景示意图，其为丝印印刷与丝印检测自动化流程示意图，首先，机械手上料，将需要进行丝印的产品放到产品放置区，然后由移印机对该产品进行丝印印刷，基于此得到的具有丝印的产品即为本发明中的具有丝印的待检测产品，为了防止出厂产品不合格，故此处需要由丝印检测设备先采集具有丝印的待检测产品的图像，待丝印检测设备采集到图像后，将待检测产品移到工位4：机械手下料，由机械手将该待检测产品从产品放置区上移出，另一方面，丝印检测设备还需要利用本发明提供的丝印定位方法对前述印刷到产品上的丝印进行定位，然后再利用本发明提供的丝印缺陷检测方法确定定位出的丝印是否存在缺陷；如果存在缺陷会输出显示，由工作人员对该待检测产品进行处理。通过采用本发明提供的方法，首先从采集到的包含待检测产品的图像中提取出待检测产品的产品图像，然后将产品图像划分成至少一个环形区域图像，并分别对每一环形区域图像进行二值化处理，最后根据二值化处理结果，可以准确地从产品图像中定位出待检测产品中的丝印；然后再确定定位出的丝印与标准丝印之间的像素差值，再基于像素差值准确地确定待检测产品中的丝印是否存在缺陷。
下面结合图1的应用场景，参考图2-图16来分别描述根据本发明示例性实施方式提供的丝印定位方法和丝印缺陷检测方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。
如图2所示，为本发明实施例提供的丝印定位方法的流程示意图，以将其应用到图1中的丝印检测设备为例进行说明，上述方法可以包括以下步骤：
S21、采集包含待检测产品的图像。
本步骤中，可以利用具有环形光源的图像采集设备采集具有丝印的待检测产品的图像，具体地，该图像采集设备可以为图3所示，包括相机、镜头、环形光源和待检测产品放置区域，为了提供待检测产品的成像质量，可以选用具有高质量和高倍率的工业相机，通过采用具有环形光源的工业相机可以实现对待检测产品的均匀打光，由于大部分产品都是对称图形，采用环形光源能够有效提高成像质量，进而在一定程度上提高丝印定位的准确度。
S22、基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像。
具体地，本发明中的待检测产品的轮廓信息可以但不限于包括：在图像中待检测产品的边缘点的位置信息等。
本步骤中，由于在利用图像采集设备采集包含待检测产品的图像时，图像中一般不会仅包含待检测产品，可能包含放置区域的一些信息，故为了定位出待检测产品中的丝印，首先需要从步骤S21中采集到的图像中提取出仅存在待检测产品的产品图像，这样一来，为准确地定位出待检测产品中的丝印提供保障。
较佳地，可以采用Hough变换从步骤S21中提取出待检测产品的产品图像，参考图4所示的流程，包括以下步骤：
S41、基于边缘检测算法确定待检测产品的边缘点在图像空间中的位置信息。
本步骤中，利用边缘检测算法中sobel算子检测具有丝印的待检测产品的图像中的边缘点，然后保存其位置信息，具体地，每一边缘点的位置信息可以为该边缘点在图像空间中的坐标位置信息，包括横坐标和纵坐标。
较佳地，对步骤S21中采集到的图像进行图像灰度化，具体可以先确定图像的R、G和B值的平均值，然后将该平均值确定为图像灰度化后的R、G和B值。然后再对灰度化后的图像利用大津法进行二值化处理，以实现对灰度化后的图像的去噪。在此基础上，基于边缘检测算法，确定去噪处理后的具有丝印的待检测产品的图像中待检测产品的边缘点在图像空间中的位置信息。
S42、根据每个边缘点在图像空间中的位置信息，利用霍夫变换Hough确定对应的边缘点在参数空间中的位置信息。
本步骤中，基于步骤S42确定出待检测产品的边缘点在图像的坐标后，基于Hough原理，将其转换到参数空间中，具体以边缘点A(x,y)为例进行说明，x为边缘点A在图像空间中的横坐标，y为边缘点A在图像空间中的纵坐标，然后根据下述公式确定出参数空间中的a和b的值，而a和b即为该边缘点在参数空间中的位置信息。
上述公式中，角度theta和半径r的变化范围和步长均为预先配置的。基于上述公式可以求解出该边缘点在参数空间中的位置信息。
S43、基于在参数空间中距离参数空间参考点最远的边缘点的位置信息，确定待检测产品的圆心和半径。
具体地，可以将参数空间视为离散的，建立一个二维累加数组A(a,b)，第一维的范围是图像坐标空间中直线斜率的可能范围，第二维的范围是图像空间中直线截距的可能范围，开始时A(a,b)初始化为0，然后选取任意点(a,b)为参考点，然后对图像空间中待检测产品的每一个边缘点计算其切线方向和该边缘点到参考点(a,b)位置的偏移矢量r，以及偏移矢量r与x轴的夹角theta。具体计算时，基于每一边缘点的横纵坐标值，让a和b在取值范围内增加，求解出满足上述公式的偏移矢量r值，每计算出一个r值，就对相应的数组元素A(a,b)加1，然后遍历各个边缘点，均执行上述过程。计算结束后，将最大的A(a,b)对应的偏移矢量r值确定为从图像中提取待检测产品的产品图像的半径，而最大的A(a,b)对应的(a,b)即为用于从图像中提取待检测产品的产品图像的圆心。
S44、根据所述圆心和半径，从所述图像中提取出产品图像。
具体地，基于确定出的圆心坐标和半径值，在图像空间中找到该圆心坐标对应的像素点，然后以该像素点为圆心，以确定出的半径画圆，从图像中提取出圆内的所有像素点，而包含在该圆内的像素点构成的图像即为待检测产品的产品图像。
优选地，在实施步骤S22之前，为了有效地滤除图像中的噪音信号，可以采用中值滤波的方法对图像进行预处理，中值滤波方法是一种非线性平滑技术，可以将图像中的每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值，通过对步骤S21中的图像进行中值滤波，可以实现在滤除噪声的同时保护信号的边缘不被模糊。
优选地，在从包含待检测产品的图像中提取仅存在待检测产品的产品图像后，在执行步骤S23之前，还可以包括下述过程：
根据所述产品图像和所述待检测产品的标准产品图像对所述产品图像进行偏移矫正处理。
具体地，提取出的产品图像可能因采集的图像存在偏转或偏移问题，导致提取出的产品图像存在偏转或偏移问题，为了防止基于偏移或偏转的产品图像定位出的丝印准确率不高的问题，本发明提出根据提取出的产品图像和待检测产品的标准产品图像对产品图像进行偏移矫正处理。
较佳地，可以按照图5所示的流程对产品图像进行偏移矫正处理，包括以下步骤：
S51、确定产品图像与标准产品图像之间的偏转角度。
优选地，可以按照图6所示的流程执行步骤S51，包括以下步骤：
S61、确定所述产品图像的最小外接矩形。
具体地，由于基于图4所示的方法提取出的产品图像的轮廓为一个圆，而基于原具有外接矩形的原理，可以根据步骤S43确定出的圆心和半径确定出产品图像的最小外接矩形。
S62、确定所述产品图像的圆心与所述最小外接矩形中任一顶点的连接线。
本步骤中，可以连接圆心与最小外接矩阵任一顶点的连线，该连线记为步骤S62中的连接线。
S63、平移所述连接线以使所述产品图像的圆心与所述标准产品图像的圆心重合。
S64、确定所述连接线与所述标准产品图像中对应连接线之间的偏转角度为所述产品图像与所述标准产品图像之间的偏转角度。
步骤S63和S64中，通过平移该连接线来平移产品图像，使得产品图像的圆心与待检测产品的标准产品图像的圆心重合，而标准产品图像会根据产品图像中的连接线，在标准产品图像中画一条圆心与相应顶点之间的连接线，即与产品图像中连接线相对应的连接线，由此可以确定出上述两条连接线之间的偏转角度，而该偏转角度即为产品图像与待检测产品的标准产品图像之间的偏转角度。
S52、根据所述偏转角度对产品图像进行矫正处理。
本步骤中，基于图6所示的流程确定出偏转角度后，通过反向旋转与偏转角度相同大小的角度即可实现对产品图像的偏移矫正，进而保证基于偏移矫正后的产品图像定位出的丝印更加准确。
S23、将产品图像划分成至少一个环形区域图像。
具体地，由于本发明利用环形光源采集包含待检测产品的图像，采集到的图像具有中心像素更高，离中心越远像素越低的特点，因此为了保证定位出的丝印的准确性，本发明提出采用环形二值化法定位待检测产品中的丝印，即步骤S23、步骤S24和步骤S25的实施过程。在实施步骤S23时，将产品图像分割成至少一个环形区域图像，参考图7所示，将产品图像分割成n个环形区域图像，包括1个标号为1的圆形图像和n-1个环形区域图像，而圆形图像也属于环形区域图像。
S24、分别对每一环形区域图像进行二值化处理。
具体地，将每一个环形区域图像当作一张图，采用大津法对每一个环形区域图像进行二值化处理。
较佳地，针对每一环形区域图像，均可以按照图8所示的流程执行步骤S24，包括以下步骤：
S81、利用大津法确定该环形区域图像中前景点和背景点之间类间方差取最大值时的二值化阈值。
本步骤中，任一图像均分为前景点和背景点，本发明中待检测产品中的丝印记为前景点，待检测产品中其他部分则为背景点，利用大津法可以确定出待检测产品中前景点与背景点之间类间方差最大时的二值化阈值。
S82、确定该环形区域图像中像素值大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第一设定值。
本步骤中，可以将该环形区域图像中像素值大于步骤S81确定出的二值化阈值的像素点的像素值重新配置成第一设定值，如白色对应的像素值(255,255,255)。
S83、确定该环形区域图像中像素值不大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第二设定值。
本步骤中，可以将该环形区域图像中像素值不大于步骤S81确定出的二值化阈值的像素点的像素值重新配置成第二设定值，如黑色对应的像素值(0,0,0)。这样一来，可以将该环形区域图像处理成由白色和黑色构成的黑白环形区域图像。
基于图8所示的流程，可以确定出图7划分出的n个环形区域图像对应的黑白环形区域图像。
S25、根据二值化处理结果，从产品图像中定位出待检测产品中的丝印。
在步骤S24基础上，将各个环形区域的处理结果进行合并处理，即可定位出待检测产品中丝印所在位置。具体地，可以将基于图8得到的n个黑白环形区域图像拼接在一起，即可得到环形二值化处理后的待检测产品的黑白的待检测产品图像，从该黑白的待检测产品图像中即可定位出待检测产品中丝印。
本发明利用环形光源照射在有弧度(向中心凸起)的产品表面时，基于环形光源的照射原理，离产品中心点越远的部分的表面照度越低的特性，本发明提出在对产品图像进行二值化处理时，先将产品图像进行分割处理，然后对每一分割得到的环形区域图像件大津二值化处理，最后将各个环形区域图像的处理结果拼接在一起，从而可以定位出待检测产品中的丝印，有效降低了丝印的误检率，提高了丝印定位的准确率，本发明提供的方法尤其适用于定位产品中表面呈现圆弧凸起或凹陷的丝印，准确度非常高。参考图9a～图9c所示，通过采用大津法可以准确地定位出待检测产品中的丝印，图9a为标准丝印的效果示意图；图9b为现有技术中丝印定位方法定位出图9a的丝印的效果示意图，图9c为利用本发明提供的方法定位出图9a的丝印的效果示意图。通过比较这两个图可以得出图9b中定位出的丝印有缺失，而采用本发明提供的方法得到的丝印(图9c)没有缺失，且准确度较高。
本发明提供的丝印定位方法，采集包含待检测产品的图像；然后基于上述图像中待检测产品的轮廓信息从所述图像中提取出待检测产品的产品图像；将产品图像划分成至少一个环形区域图像；分别对每一环形区域图像进行二值化处理；并根据二值化处理结果，从产品图像中定位出待检测产品中的丝印。通过采用上述方法，通过针对每一环形区域图像进行二值化处理，最后基于各个环形区域图像的二值化处理结果定位出待检测产品中的丝印，提高了丝印定位结果的准确率。
基于同一发明构思，本发明实施例还提供了一种丝印缺陷检测方法，参考图10所示，为本发明实施例提供的丝印缺陷检测方法的流程示意图，可以包括以下步骤：
S101、确定待检测产品中的丝印与标准丝印之间的像素差值。
具体地，本步骤中待检测产品中的丝印为基于本发明提供的丝印定位方法定位出的，然后预先配置了产品的标准丝印，由此针对定位出的丝印中每一像素点，可以确定出该像素点的像素值与标准丝印中处于相同位置的像素点的像素值之间的像素差值。
S102、根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷。
本步骤中，可以按照图11所示的流程执行步骤S102，包括以下步骤：
S111、确定所述像素差值构成的差值图像。
S112、确定所述差值图像中是否存在区域面积大于缺陷容忍阈值的区域，若否，则执行步骤S113；若是，则执行步骤S114。
S113、确定所述待检测产品中的丝印不存在缺陷。
S114、确定所述待检测产品中的丝印存在缺陷。
步骤111～S115中，由于步骤S101中的丝印是基于本发明提供的丝印定位方法定位出的，而本发明提供的丝印定位方法中对提取出的待检测产品的产品图像划分了至少一个环形区域图像，并分别对各个环形区域图像进行了二值化处理，故基于此定位得到的丝印图像也是二值化处理后的二值化图像，然后将其与同样执行了环形二值化区域处理的标准丝印的二值化图像进行了像素点之间的像素差值运算，这样可以得到各个像素点的像素差值，从而基于各个像素点的像素差值构成差值图像，然后计算差值图像的每一个环形区域的面积是否小于缺陷容忍阈值，如果存在任一区域的区域面积不小于缺陷容忍阈值，则可以认定该区域存在缺陷，为缺陷区域，也即确定待检测产品中的丝印存在缺陷；若差值图像的所有区域均小于缺陷容忍阈值，则可以认定待检测产品中的丝印不存在缺陷，为正确丝印。还以图9a中所示的标准丝印为例进行说明，参考图12所示，明显可以得出基于本发明提供的丝印缺陷检测方法确定出图12中前7个丝印存在缺陷区域，即存在大于缺陷容忍阈值的区域，故前7个丝印被确定为缺陷丝印，用NG表示；最后一个丝印虽然与标准丝印之间有偏差，但最后一个丝印的破损程度不高，其面积小于缺陷容忍阈值，故最后一个丝印被确定为正确丝印，用OK表示。通过设缺陷容忍阈值可以降低丝印缺陷检测的误检率，例如，相机参数曝光或者锐化值等设置不同时，正确丝印与标准丝印之间存在像素差值，使得正确丝印被误识为缺陷丝印，设置缺陷容忍阈值使得丝印缺陷检测方法能够容忍上述情况所带来的像素差异，有效地降低丝印缺陷检测的误检率，参考图13所示，图13中左右两个图分别为改变锐化值和曝光值的情况下采用本发明提供的方法能够正确定位出丝印的效果图，表明丝印缺陷检测方法允许一定程度上的成像偏差，进一步说明了本发明提供的缺陷检测方法的准确率比较高。
基于同一发明构思，本发明实施例中还提供了一种丝印定位装置，由于上述装置解决问题的原理与丝印定位方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。
如图14所示，为本发明实施例提供的丝印定位装置的结构示意图，包括：
采集单元141，用于采集包含待检测产品的图像；
提取单元142，用于基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像；
划分单元143，用于将所述产品图像划分成至少一个环形区域图像；
二值化处理单元144，用于分别对每一环形区域图像进行二值化处理；
定位单元145，用于根据二值化处理结果，从所述产品图像中定位出所述待检测产品中的丝印。
较佳地，所述二值化处理单元144，具体用于针对每一环形区域图像，分别执行下述过程：利用大津法确定该环形区域图像中前景点和背景点之间类间方差取最大值时的二值化阈值；确定该环形区域图像中像素值大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第一设定值；确定该环形区域图像中像素值不大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第二设定值。
优选地，所述轮廓信息为在所述图像中所述待检测产品的边缘点的位置信息；以及
所述提取单元142，具体用于基于边缘检测算法确定所述待检测产品的边缘点在图像空间中的位置信息；根据每个边缘点在图像空间中的位置信息，利用霍夫变换Hough确定对应的边缘点在参数空间中的位置信息；基于在参数空间中距离参数空间参考点最远的边缘点的位置信息，确定所述待检测产品的圆心和半径；根据所述圆心和半径，从所述图像中提取出所述产品图像。
较佳地，所述装置，还包括：
矫正单元146，用于在所述划分单元143将所述产品图像划分成至少一个环形区域图像之前，根据所述产品图像和所述待检测产品的标准产品图像对所述产品图像进行偏移矫正处理。
可选地，所述矫正单元146，具体用于确定所述产品图像与所述标准产品图像之间的偏转角度；根据所述偏转角度对所述产品图像进行矫正处理。
较佳地，所述矫正单元146，具体用于确定所述产品图像的最小外接矩形；确定所述产品图像的圆心与所述最小外接矩形中任一顶点的连接线；平移所述连接线以使所述产品图像的圆心与所述标准产品图像的圆心重合；确定所述连接线与所述标准产品图像中对应连接线之间的偏转角度为所述产品图像与所述标准产品图像之间的偏转角度。
可选地，所述采集单元141，具体用于利用具有环形光源的图像采集设备采集具有丝印的待检测产品的图像。
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
基于同一发明构思，本发明实施例中还提供了一种丝印缺陷检测装置，由于上述装置解决问题的原理与丝印缺陷检测方法相似，因此上述装置的实施可以参见方法的实施，重复之处不再赘述。
如图15所示，为本发明实施例提供的丝印缺陷检测装置的结构示意图，包括：
确定单元151，用于确定待检测产品中的丝印与标准丝印之间的像素差值，其中，所述待检测产品中的丝印为基于本发明实施例提供的丝印定位方法定位出的；
缺陷检测单元152，用于根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷。
较佳地，所述缺陷检测单元152，具体用于确定所述像素差值构成的差值图像；确定所述差值图像中是否存在区域面积大于缺陷容忍阈值的区域；若不存在，则确定所述待检测产品中的丝印不存在缺陷；若存在，则确定所述待检测产品中的丝印存在缺陷。
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
在介绍了本发明示例性实施方式的丝印定位方法、丝印缺陷检测方法和相关装置之后，接下来，介绍根据本发明的另一示例性实施方式的计算装置。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本发明的计算装置可以至少包括至少一个处理单元、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行本说明书上述描述的根据本发明各种示例性实施方式的丝印定位方法或丝印缺陷检测方法中的步骤。例如，所述处理单元可以执行如图2所示的步骤S21～S25中丝印定位流程，或者执行如图10所示的步骤S101和S102中的丝印缺陷检测流程。
下面参照图16来描述根据本发明的这种实施方式的计算装置160。图16显示的计算装置160仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图16所示，计算装置160以通用计算设备的形式表现。计算装置160的组件可以包括但不限于：上述至少一个处理单元161、上述至少一个存储单元162、连接不同系统组件(包括存储单元162和处理单元161)的总线163。
总线163表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储单元162可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1621和/或高速缓存存储器1622，还可以进一步包括只读存储器(ROM)1623。
存储单元162还可以包括具有一组(至少一个)程序模块1624的程序/实用工具1625，这样的程序模块1624包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算装置160也可以与一个或多个外部设备164(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与计算装置160交互的设备通信，和/或与使得该计算装置160能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口165进行。并且，计算装置160还可以通过网络适配器166与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器166通过总线163与用于计算装置160的其它模块通信。应当理解，尽管图中未示出，可以结合计算装置160使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本发明提供的丝印定位方法或丝印缺陷检测方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算机设备上运行时，所述程序代码用于使所述计算机设备执行本说明书上述描述的根据本发明各种示例性实施方式的丝印定位方法或丝印缺陷检测方法中的步骤，例如，所述计算机设备可以执行如图2所示的步骤S21～S25中丝印定位流程，或者执行如图10所示的步骤S101和S102中的丝印缺陷检测流程。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本发明的实施方式的用丝印定位方法或丝印缺陷检测的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (13)

1.一种丝印定位方法，其特征在于，包括：
采集包含待检测产品的图像；
基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像；
将所述产品图像划分成至少一个环形区域图像；
分别对每一环形区域图像进行二值化处理；
根据二值化处理结果，从所述产品图像中定位出所述待检测产品中的丝印。
2.如权利要求1所述的方法，其特征在于，分别对每一环形区域图像进行二值化处理，具体包括：
针对每一环形区域图像，分别执行下述过程：
利用大津法确定该环形区域图像中前景点和背景点之间类间方差取最大值时的二值化阈值；
确定该环形区域图像中像素值大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第一设定值；
确定该环形区域图像中像素值不大于所述二值化阈值的像素点，并将确定出的像素点的像素值设置为第二设定值。
3.如权利要求1或2所述的方法，其特征在于，所述轮廓信息为在所述图像中所述待检测产品的边缘点的位置信息；以及基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像，具体包括：
基于边缘检测算法确定所述待检测产品的边缘点在图像空间中的位置信息；
根据每个边缘点在图像空间中的位置信息，利用霍夫变换Hough确定对应的边缘点在参数空间中的位置信息；
基于在参数空间中距离参数空间参考点最远的边缘点的位置信息，确定所述待检测产品的圆心和半径；
根据所述圆心和半径，从所述图像中提取出所述产品图像。
4.如权利要求3所述的方法，其特征在于，在将所述产品图像划分成至少一个环形区域图像之前，还包括：
根据所述产品图像和所述待检测产品的标准产品图像对所述产品图像进行偏移矫正处理。
5.如权利要求4所述的方法，其特征在于，根据所述产品图像和所述待检测产品的标准产品图像对所述产品图像进行偏移矫正处理，具体包括：
确定所述产品图像与所述标准产品图像之间的偏转角度；
根据所述偏转角度对所述产品图像进行矫正处理。
6.如权利要求5所述的方法，其特征在于，确定所述产品图像与所述标准产品图像之间的偏转角度，具体包括：
确定所述产品图像的最小外接矩形；
确定所述产品图像的圆心与所述最小外接矩形中任一顶点的连接线；
平移所述连接线以使所述产品图像的圆心与所述标准产品图像的圆心重合；
确定所述连接线与所述标准产品图像中对应连接线之间的偏转角度为所述产品图像与所述标准产品图像之间的偏转角度。
7.如权利要求1或2所述的方法，其特征在于，采集具有丝印的待检测产品的图像，具体包括：
利用具有环形光源的图像采集设备采集具有丝印的待检测产品的图像。
8.一种丝印缺陷检测方法，其特征在于，包括：
确定待检测产品中的丝印与标准丝印之间的像素差值，其中，所述待检测产品中的丝印为基于权利要求1～7任一所述的方法定位出的；
根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷。
9.如权利要求8所述的方法，其特征在于，根据所述像素差值，确定待检测产品中的丝印是否存在缺陷，具体包括：
确定所述像素差值构成的差值图像；
确定所述差值图像中是否存在区域面积大于缺陷容忍阈值的区域；
若不存在，则确定所述待检测产品中的丝印不存在缺陷；
若存在，则确定所述待检测产品中的丝印存在缺陷。
10.一种丝印定位装置，其特征在于，包括：
采集单元，用于采集包含待检测产品的图像；
提取单元，用于基于所述图像中所述待检测产品的轮廓信息从所述图像中提取出所述待检测产品的产品图像；
划分单元，用于将所述产品图像划分成至少一个环形区域图像；
二值化处理单元，用于分别对每一环形区域图像进行二值化处理；
定位单元，用于根据二值化处理结果，从所述产品图像中定位出所述待检测产品中的丝印。
11.一种丝印缺陷检测装置，其特征在于，包括：
确定单元，用于确定待检测产品中的丝印与标准丝印之间的像素差值，其中，所述待检测产品中的丝印为基于权利要求1～7任一所述的方法定位出的；
缺陷检测单元，用于根据所述像素差值，确定所述待检测产品中的丝印是否存在缺陷。
12.一种计算机可读介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行如权利要求1至7任一权利要求所述的丝印定位方法，或者执行如权利要求8或9所述的丝印缺陷检测方法。
13.一种计算装置，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7任一权利要求所述的丝印定位方法，或者执行如权利要求8或9所述的丝印缺陷检测方法。
CN201811363115.1A 2018-11-15 2018-11-15 一种丝印定位方法、丝印缺陷检测方法和相关装置 Pending CN109584220A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811363115.1A CN109584220A (zh) 2018-11-15 2018-11-15 一种丝印定位方法、丝印缺陷检测方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811363115.1A CN109584220A (zh) 2018-11-15 2018-11-15 一种丝印定位方法、丝印缺陷检测方法和相关装置

Publications (1)

Publication Number Publication Date
CN109584220A true CN109584220A (zh) 2019-04-05

Family

ID=65922614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811363115.1A Pending CN109584220A (zh) 2018-11-15 2018-11-15 一种丝印定位方法、丝印缺陷检测方法和相关装置

Country Status (1)

Country Link
CN (1) CN109584220A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533040A (zh) * 2019-09-05 2019-12-03 哈尔滨理工大学 一种环形区域二值化图像处理方法及装置
CN110866920A (zh) * 2020-01-20 2020-03-06 长沙琢冶信息技术有限公司 镀铜焊丝的缺陷检测方法、装置、设备及存储介质
CN111426693A (zh) * 2020-04-26 2020-07-17 湖南恒岳重钢钢结构工程有限公司 一种质量缺陷检测系统及其检测方法
CN113249949A (zh) * 2021-05-27 2021-08-13 孔华 用于自动化弹棉结构的出棉质量判断系统及方法
TWI738295B (zh) * 2020-04-15 2021-09-01 明基材料股份有限公司 適用於連續生產製程的自動化瑕疵檢測設備及適用於連續生產製程的自動化瑕疵檢測方法
CN113674203A (zh) * 2021-07-14 2021-11-19 歌尔股份有限公司 缺陷检测模型训练方法、装置和缺陷检测方法、装置
CN115439476A (zh) * 2022-11-07 2022-12-06 成都博视广达科技有限责任公司 基于图像分析的丝印缺陷检测方法及装置
CN117197112A (zh) * 2023-09-26 2023-12-08 四川数聚智造科技有限公司 一种基于样本比对的工业丝印缺陷检测方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298993A (zh) * 2014-01-09 2015-01-21 郑州金惠计算机系统工程有限公司 一种适用于轨道沿线复杂场景下的杆号定位和识别方法
US20150228063A1 (en) * 2012-10-15 2015-08-13 Hitachi High-Technologies Corporation Pattern Inspecting and Measuring Device and Program
US9355440B1 (en) * 2012-10-10 2016-05-31 Kla-Tencor Corp. Detection of selected defects in relatively noisy inspection data
CN106408555A (zh) * 2015-12-27 2017-02-15 华南理工大学 一种基于图像视觉的轴承表面瑕疵检测方法
CN106557751A (zh) * 2016-11-22 2017-04-05 中国石油大学(华东) 一种带颜色指示信息的指针式压力表自动读数方法
CN106651896A (zh) * 2016-09-30 2017-05-10 南京航空航天大学 沥青混合料的ct图像的材质分类方法
CN107421955A (zh) * 2017-08-25 2017-12-01 西京学院 一种陶瓷缺陷视觉检测方法
CN107742357A (zh) * 2017-10-10 2018-02-27 深圳怡化电脑股份有限公司 一种纸币冠字号的识别方法及装置
CN107798683A (zh) * 2017-11-10 2018-03-13 珠海格力智能装备有限公司 产品特定区域边缘检测方法、装置及终端

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9355440B1 (en) * 2012-10-10 2016-05-31 Kla-Tencor Corp. Detection of selected defects in relatively noisy inspection data
US20150228063A1 (en) * 2012-10-15 2015-08-13 Hitachi High-Technologies Corporation Pattern Inspecting and Measuring Device and Program
CN104298993A (zh) * 2014-01-09 2015-01-21 郑州金惠计算机系统工程有限公司 一种适用于轨道沿线复杂场景下的杆号定位和识别方法
CN106408555A (zh) * 2015-12-27 2017-02-15 华南理工大学 一种基于图像视觉的轴承表面瑕疵检测方法
CN106651896A (zh) * 2016-09-30 2017-05-10 南京航空航天大学 沥青混合料的ct图像的材质分类方法
CN106557751A (zh) * 2016-11-22 2017-04-05 中国石油大学(华东) 一种带颜色指示信息的指针式压力表自动读数方法
CN107421955A (zh) * 2017-08-25 2017-12-01 西京学院 一种陶瓷缺陷视觉检测方法
CN107742357A (zh) * 2017-10-10 2018-02-27 深圳怡化电脑股份有限公司 一种纸币冠字号的识别方法及装置
CN107798683A (zh) * 2017-11-10 2018-03-13 珠海格力智能装备有限公司 产品特定区域边缘检测方法、装置及终端

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
任皓: "基于图像识别的PCB焊接质量检测技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
刘劲松: "《专业学位研究生实验课程---工科篇》", 30 November 2017 *
刘爽等: "基于旋转校正和滑动窗口定位的智能仪表字符识别", 《电测与仪表》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110533040A (zh) * 2019-09-05 2019-12-03 哈尔滨理工大学 一种环形区域二值化图像处理方法及装置
CN110866920A (zh) * 2020-01-20 2020-03-06 长沙琢冶信息技术有限公司 镀铜焊丝的缺陷检测方法、装置、设备及存储介质
CN110866920B (zh) * 2020-01-20 2020-05-08 长沙琢冶信息技术有限公司 镀铜焊丝的缺陷检测方法、装置、设备及存储介质
TWI738295B (zh) * 2020-04-15 2021-09-01 明基材料股份有限公司 適用於連續生產製程的自動化瑕疵檢測設備及適用於連續生產製程的自動化瑕疵檢測方法
CN111426693A (zh) * 2020-04-26 2020-07-17 湖南恒岳重钢钢结构工程有限公司 一种质量缺陷检测系统及其检测方法
CN113249949A (zh) * 2021-05-27 2021-08-13 孔华 用于自动化弹棉结构的出棉质量判断系统及方法
CN113674203A (zh) * 2021-07-14 2021-11-19 歌尔股份有限公司 缺陷检测模型训练方法、装置和缺陷检测方法、装置
CN115439476A (zh) * 2022-11-07 2022-12-06 成都博视广达科技有限责任公司 基于图像分析的丝印缺陷检测方法及装置
CN115439476B (zh) * 2022-11-07 2023-03-14 成都博视广达科技有限责任公司 基于图像分析的丝印缺陷检测方法及装置
CN117197112A (zh) * 2023-09-26 2023-12-08 四川数聚智造科技有限公司 一种基于样本比对的工业丝印缺陷检测方法及系统
CN117197112B (zh) * 2023-09-26 2024-04-30 四川数聚智造科技有限公司 一种基于样本比对的工业丝印缺陷检测方法及系统

Similar Documents

Publication Publication Date Title
CN109584220A (zh) 一种丝印定位方法、丝印缺陷检测方法和相关装置
JP5699788B2 (ja) スクリーン領域検知方法及びシステム
CN106875444B (zh) 一种目标物定位方法及装置
CN111008597B (zh) Cad图纸的空间识别方法、装置、电子设备及存储介质
CN108363995B (zh) 用于生成数据的方法和装置
CN110032964B (zh) 图像处理方法、识别视角的方法、装置、设备和存储介质
CN109360203A (zh) 图像配准方法、图像配准装置及存储介质
CN112950667A (zh) 一种视频标注方法、装置、设备及计算机可读存储介质
CN108154111B (zh) 活体检测方法、系统、电子设备及计算机可读介质
CN105488791A (zh) 自然背景中图像边缘的定位方法及装置
CN108090486B (zh) 一种台球比赛中的图像处理方法及装置
CN106228548A (zh) 一种屏幕裂痕的检测方法及装置
CN106598235B (zh) 用于虚拟现实设备的手势识别方法、装置及虚拟现实设备
CN108564082A (zh) 图像处理方法、装置、服务器和介质
CN110414502B (zh) 图像处理方法及装置、电子设备和计算机可读介质
Larsson et al. Outlier Rejection for Absolute Pose Estimation with Known Orientation.
CN110756462B (zh) 电源适配器测试方法、装置、系统、控制装置及存储介质
JP2011134012A (ja) 画像処理装置、その画像処理方法及びプログラム
CN110009615B (zh) 图像角点的检测方法及检测装置
CN106845314B (zh) 一种二维码的快速定位方法
CN108182704A (zh) 基于形状上下文特征的定位方法
CN109214996A (zh) 一种图像处理方法及装置
CN115761126A (zh) 基于结构光的三维重建方法、装置、电子设备和存储介质
CN105933676B (zh) 基于图像分析的远程控制平台
KR20150003573A (ko) 영상 패턴 검출 방법 및 그 장치

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