CN109671052A - 一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法 - Google Patents
一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法 Download PDFInfo
- Publication number
- CN109671052A CN109671052A CN201811363529.4A CN201811363529A CN109671052A CN 109671052 A CN109671052 A CN 109671052A CN 201811363529 A CN201811363529 A CN 201811363529A CN 109671052 A CN109671052 A CN 109671052A
- Authority
- CN
- China
- Prior art keywords
- circle
- circular contour
- circular
- via hole
- circular arc
- 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.)
- Granted
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Abstract
本发明公开了一种基于圆形轮廓提取的柔性IC封装基板的过孔检测方法,包括如下步骤:首先对柔性IC封装基板原始彩色图像进行灰度变换,得到灰度图;然后获取灰度图的灰度直方图信息,采用自适应阈值选择法确定分割阈值,对灰度图分割得到二值化图;之后去除二值化图中的噪点区域,进行轮廓提取得到边缘图;再采用圆检测算法方法中提取边缘后的算法对边缘图进行圆检测,提取圆形轮廓,得到圆形轮廓图;最后遍历所有的圆形轮廓,通过计算两两圆形轮廓的圆心位置偏移值,当偏移值满足缺陷过孔的圆形轮廓圆心偏移条件时,则判定该圆形轮廓属于某一缺陷过孔,从而标记出该过孔区域。本发明能够精准地实现缺陷过孔的识别与定位。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种基于圆形轮廓提取的柔性IC封装基板的过孔检测方法。
背景技术
柔性IC封装基板具有厚度薄、柔性高、集成度高的特点,被广泛应用于各种领域的电子产品中,并且其产值逐年增加。由于柔性IC封装基板的线路密度大,其生产工艺受众多控制参数的影响,因而在生产过程中容易出现表面缺陷,如线路缺陷、过孔缺陷等。其中,过孔质量好坏直接影响到元器件之间的连接。因此,设计一种高效实用的缺陷过孔检测算法具有重要的现实意义。
目前市场中缺陷检测已经逐渐向自动检测技术发展,首先通过检测装置获取到被检对象的图像,然后采用图像处理与识别算法实现检测。现有技术中常用的柔性IC封装基板的缺陷过孔检测法有模板匹配法、直接检测法、红外热成像法等。模板匹配法根据检测对象与标准模板之间的差异找出缺陷,将被检对象的图像进行形态学处理后与标准模板图像比较,但该方法需要获取各种标准模板,所需的存储空间大,对光照、定位的要求比较高,局限性较大。直接检测法根据过孔具有圆的特性,采用圆检测算法实现图像中圆的定位,再进一步结合特征信息识别缺陷;但常见的Hough变换圆检测算法具有计算复杂、占内存大,且受限于过孔的不规则特性的缺点。红外热成像法基于不同材料的热辐射不一样的原理,通过观察热图上区域的灰度差异识别缺陷过孔,但每次检测都需要加热与冷却,耗时较久,不适合大批量的检测。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种基于圆形轮廓提取的柔性IC封装基板的过孔检测方法,本发明能够准确检测图像中圆形轮廓部分,并实现缺陷过孔的定位。
本发明采用如下技术方案:
一种基于圆形轮廓提取的柔性IC封装基板的过孔检测方法,包括如下步骤:
S1对待检测的柔性IC封装基板图像进行灰度变换,得到灰度图;
S2获取灰度图的灰度直方图信息,再采用自适应阈值选取方法确定分割阈值,对灰度图进行分割后得到二值化图;
S3去除二值化图的噪点区域,再对其进行边缘提取得到边缘图;
S4对边缘图进行圆检测,输出圆形轮廓图;
S5遍历所有的圆形轮廓,计算圆形轮廓的之间的圆心距离,若存在一组圆形轮廓之间的圆心距离满足设定的阈值条件,则判定该组圆形轮廓属于某一过孔,且该过孔为缺陷过孔,并对该过孔标记及输出。
所述S3去除二值化图的噪点区域,再对其进行边缘提取得到边缘图,具体如下:
S3.1采用形态学方法中的开闭操作,去除二值化图中小于设定面积阈值的连通区域;
S3.2扫描去除连通区域的二值化图,直至遇到某一连通区域的一个像素点,以该像素点为起始点,跟踪该连通区域的轮廓,标记边界上的像素点,当该连通区域的轮廓完整闭合后,继续新一轮的扫描,直至所有连通域的轮廓均被遍历,确定所有边界上的像素点,得到边缘图。
所述S4对边缘图进行圆检测,输出圆形轮廓图,具体为:
S4.1用线段检测算法线段化边缘图的所有轮廓,得到线段集;
S4.2根据转向及转角的规则检测线段集的圆弧;
S4.3将圆弧进行连接得到候选圆;
S4.4对候选圆进行亥姆霍兹验证,消除无效检测,输出圆形轮廓,得到圆形轮廓检测图。
所述S4.2根据转向及转角的规则检测线段集的圆弧,具体为:
S4.2.1遍历线段集,提取在线段检测算法中由最小二乘法拟合所得的直线方程,以及每条线段的斜率,对于每两条首尾相接的线段,获取到其斜率分别为k1、k2,计算该组相邻线段的夹角θ;
S4.2.2若存在连续三条或以上的线段满足:斜率同号并且两两夹角满足条件6°<θ<60°,且使用最小二乘法对这些线段中的所有像素点进行圆拟合,再计算这些线段上的像素到拟合圆的圆心距离,若距离与半径差值在2个像素值范围内,则将这些线段添加到圆弧列表中。
所述S5遍历所有的圆形轮廓,计算圆形轮廓的之间的圆心距离,若存在一组圆形轮廓之间的圆心距离满足设定的阈值条件,则判定该组圆形轮廓属于某一过孔,且该过孔为缺陷过孔,并对该过孔标记及输出,具体为:
S5.1遍历圆形轮廓图,获取圆形轮廓的圆心坐标x-y;
S5.2根据圆心坐标计算得到圆形轮廓相互之间的圆心位置距离dc,若圆心距离dc满足:Tmin<dc<Tmax,则判定该圆形轮廓组合属于同一过孔,且该过孔为缺陷过孔;
其中,Tmin为圆形轮廓间的圆心距离最小阈值;Tmax为圆形轮廓间的圆心距离最大阈值;
S5.3对每一个缺陷过孔选择该组圆形轮廓中半径最大的圆,提取该圆形轮廓的圆心位置x-y坐标,在柔性IC封装基板原始图像中的对应位置绘制新圆,实现对缺陷过孔的标记。
所述S4.3将圆弧进行连接得到候选圆,具体为:
S4.3.1对所有圆弧按长度降序排列,从最长的圆弧开始延长,把该圆弧作为待连接圆弧;
S4.3.2根据两个准则选择候选圆弧:
(1)半径差约束:待连接的圆弧与候选圆弧的半径差值不能超过待连接圆弧半径的25%;
(2)圆心距离约束:待连接圆弧的圆心与候选圆弧圆心的距离不能超过待连接圆弧半径的25%;
S4.3.3连接满足上述准则的圆弧,再计算圆弧跨度,若大于50%,则将其拟合为圆,并作为候选圆。
所述Tmin=3,Tmax=50。
本发明检测方法先对柔性IC封装基板原始彩色图像进行灰度变换,得到灰度图;然后获取灰度图的灰度直方图信息,采用自适应阈值选择法确定分割阈值,对灰度图分割得到二值化图;之后去除二值化图中的噪点区域,进行轮廓提取得到边缘图;再采用圆检测算法(Edge Drawing Circles,EDCircles)方法中提取边缘后的算法对边缘图进行圆检测,提取圆形轮廓,得到圆形轮廓图;最后遍历所有的圆形轮廓,通过计算两两圆形轮廓的圆心位置偏移值,当偏移值满足缺陷过孔的圆形轮廓圆心偏移条件时,则判定该圆形轮廓属于某一缺陷过孔,从而标记出该过孔区域。
本发明的有益效果:
本发明能够精准地实现缺陷过孔的识别与定位,该方法能够自适应确定二值化阈值,以获取精准的边缘信息;
本发明可以检测边缘中的所有圆弧,并且无需太多参数设置,能够实现圆形轮廓的提取,进一步结合圆形轮廓特征准确检测出柔性IC封装基板中的缺陷过孔,是一种高效的缺陷过孔检测方法。
附图说明
图1是本发明方法的流程图;
图2是本发明实施例中柔性IC封装基板的二值化图;
图3是本发明实施例中柔性IC封装基板的去除噪点后的二值化图;
图4是本发明实施例柔性IC封装基板的边缘图;
图5是本发明实施例柔性IC封装基板的圆弧检测图;
图6是本发明实施例柔性IC封装基板的圆形轮廓检测图;
图7是本发明实施例柔性IC封装基板的缺陷过孔检测图。
具体实施方式
下面结合实施例及附图,对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例
如图1所示,一种基于圆形轮廓提取的柔性IC封装基板的过孔检测方法,包括如下步骤:
S1对待检测的柔性IC封装基板图像进行灰度变换,得到灰度图;
S2获取灰度图的灰度直方图信息,再采用自适应阈值选取方法确定分割阈值,对灰度图进行分割后得到二值化图。
本实施例中,自适应阈值选取具体过程如下:
S2.1从灰度直方图中的最小灰度值开始对斜坡计数并且编号,得到具有N个斜波的斜波序列;
其中,斜坡定义为灰度直方图中两个相邻波谷之间的区域;
S2.2在灰度直方图[T1,T2]的灰度值范围内选取出波峰值全局最高的斜坡,得到该斜坡的序号t,波峰值P,再初始化分割阈值下界L和分割阈值上界R:L=lt,R=rt;
其中,lt和rt分别为最高的斜坡对应的最小灰度值和最大灰度值,T1、T2为灰度直方图中的最小灰度值与最大灰度值;
S2.3对分割阈值下界L和分割阈值上界R进行调整更新,具体过程为:
S2.3.1、以全局最高的斜波为起点,对灰度直方图从右往左依次搜索,即令斜坡序数c=t-1,对斜坡c进行检测判断:若当前斜坡c满足(1)pc≥P/e1,(2)sc≥e2或mc≥e3,则更新L=lc,再令斜坡序数c=c-1,重复步骤S231直到c<1,得到最终的下界阈值L;
S2.3.2、以全局最高的斜波为起点,对灰度直方图从左往右依次搜索,即令斜坡序数c=t+1,对斜坡c进行检测判断:若当前斜坡c满(1)pc≥P/e1,(2)sc≥e2或mc≥e3,则更新R=rc,再令斜坡序数c=c+1,重复步骤S232直到c>N,得到最终的上界阈值R;
其中,pc为斜坡c的波峰值,sc为斜坡c的高度总和,mc为斜坡的c平均高度lc为斜坡c的最小灰度值,rc为斜坡c的最小灰度值,e1、e2和e3是固定参数,在本实施例中设定的参数为e1=4,e2=0.03,e3=0.006;
S2.4、确定自适应阈值σ:计算灰度值小于L的像素点个数LS和灰度值大于R的像素点个数RS,若LS>RS,则设置σ=L,否则设置σ=R;
S2.5、根据步骤S24得到的阈值σ对灰度图进行分割,得到二值化图,如图2所示;
S3、去除二值化图的噪点区域,再对其进行边缘提取得到边缘图;
其中在本实施例中,本步骤中去噪及提取边缘的具体过程如下:
S3.1、采用形态学方法中的开闭操作,去除二值化图中的小连通区域,如图3所示;
S3.2、针对于步骤S31的二值化图,系统性地扫描图像直至遇到某一连通区域的一个像素点,以该像素点为起始点,跟踪该连通区域的轮廓,标记边界上的像素点,当该连通区域的轮廓完整闭合后,开始新一轮的扫描,直至所有连通域的轮廓均被遍历,如图4所示。
S4采用圆检测算法(Edge Drawing Circles,EDCircles)中提取边缘后的步骤,对边缘图进行圆检测,输出圆形轮廓图;
其中在本实施例中,本步骤中对边缘图进行圆检测的具体过程如下:
S4.1、用线段检测算法(Edge Drawing Lines,EDLines)线段化步骤S3中边缘图的所有轮廓,得到线段集;
其中,EDLines中涉及参数有:线段最小长度lm为40~60、均方根差阈值a为5~20,在本实施例中,设置线段的最小长度lm为50和均方根差阈值a为5;
S4.2、根据转向及转角的规则检测出线段集里的圆弧,具体过程为:
S4.2.1遍历步骤S4.1得到的线段集,提取每段线段在EDLines中经最小二乘法拟合所得的直线方程,以及每条线段的斜率,针对于每两条首尾相接的线段,获取到其斜率分别为k1、k2,则通过以下公式计算该组相邻线段的锐角夹角θ
S4.2.2、检测线段集中的圆弧,具体为:若存在连续三条或以上的线段满足:斜率同号并且两两夹角满足条件6°<θ<60°,且使用最小二乘法对这些线段中的所有像素点进行圆拟合,再计算这些线段上的像素到拟合圆的圆心距离,若距离与半径差值在2个像素值范围内,则将这些线段添加到圆弧列表中;
S4.2.3、重复步骤S4.2.1~S4.2.2,直至遍历完所有线段,得到圆弧集,如图5所示;
S4.3、针对于步骤S4.2中得到的圆弧,进行连接得到候选圆,具体过程为:
S4.3.1、对所有圆弧按长度降序排列,从最长的圆弧开始延长,把该圆弧作为待连接圆弧;
S4.3.2、根据以下两个准则选择候选圆弧:
(1)半径差约束:待连接的圆弧与候选圆弧的半径差值不能超过待连接圆弧半径的25%;
(2)圆心距离约束:待连接圆弧的圆心与候选圆弧圆心的距离不能超过待连接圆弧半径的25%;
S4.3.3、连接满足上述准则的圆弧,再计算圆弧跨度,若大于50%,则将其拟合为圆,并作为候选圆。
S4.4、针对于步骤S4.3得到的候选圆,进行亥姆霍兹验证,消除无效检测,输出圆形轮廓,得到圆形轮廓检测图,如图6所示。
S5、遍历所有的圆形轮廓,计算圆形轮廓相互之间的圆心距离,若存在一组圆形轮廓之间的圆心距离满足设定的阈值条件,则判定该组圆形轮廓属于某一过孔,且该过孔为缺陷过孔,并对该过孔标记及输出,如图7所示。
在本实施例中,本步骤中判定缺陷过孔并定位的具体过程如下:
S5.1、遍历步骤S4得到的圆形轮廓,获取圆形轮廓的圆心的x-y坐标;
S5.2、根据圆心坐标计算得到圆形轮廓相互之间的圆心位置距离dc,若圆心距离dc满足:Tmin<dc<Tmax,则判定该圆形轮廓组合属于同一过孔,且该过孔为缺陷过孔;
其中,Tmin为圆形轮廓间的圆心距离最小阈值;Tmax为圆形轮廓间的圆心距离最大阈值,数值设为Tmin=3,Tmax=50;
S5.3、针对步骤S5.2中判定为缺陷的过孔,对每一缺陷过孔选择。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种基于圆形轮廓提取的柔性IC封装基板的过孔检测方法,其特征在于,包括如下步骤:
S1对待检测的柔性IC封装基板图像进行灰度变换,得到灰度图;
S2获取灰度图的灰度直方图信息,再采用自适应阈值选取方法确定分割阈值,对灰度图进行分割后得到二值化图;
S3去除二值化图的噪点区域,再对其进行边缘提取得到边缘图;
S4对边缘图进行圆检测,输出圆形轮廓图;
S5遍历所有的圆形轮廓,计算圆形轮廓的之间的圆心距离,若存在一组圆形轮廓之间的圆心距离满足设定的阈值条件,则判定该组圆形轮廓属于某一过孔,且该过孔为缺陷过孔,并对该过孔标记及输出。
2.根据权利要求1所述的过孔检测方法,其特征在于,所述S3去除二值化图的噪点区域,再对其进行边缘提取得到边缘图,具体如下:
S3.1采用形态学方法中的开闭操作,去除二值化图中小于设定面积阈值的连通区域;
S3.2扫描去除连通区域的二值化图,直至遇到某一连通区域的一个像素点,以该像素点为起始点,跟踪该连通区域的轮廓,标记边界上的像素点,当该连通区域的轮廓完整闭合后,继续新一轮的扫描,直至所有连通域的轮廓均被遍历,确定所有边界上的像素点,得到边缘图。
3.根据权利要求1所述的过孔检测方法,其特征在于,所述S4对边缘图进行圆检测,输出圆形轮廓图,具体为:
S4.1用线段检测算法线段化边缘图的所有轮廓,得到线段集;
S4.2根据转向及转角的规则检测线段集的圆弧;
S4.3将圆弧进行连接得到候选圆;
S4.4对候选圆进行亥姆霍兹验证,消除无效检测,输出圆形轮廓,得到圆形轮廓检测图。
4.根据权利要求3所述的过孔检测方法,其特征在于,所述S4.2根据转向及转角的规则检测线段集的圆弧,具体为:
S4.2.1遍历线段集,提取在线段检测算法中由最小二乘法拟合所得的直线方程,以及每条线段的斜率,对于每两条首尾相接的线段,获取到其斜率分别为k1、k2,计算该组相邻线段的夹角θ;
S4.2.2若存在连续三条或以上的线段满足:斜率同号并且两两夹角满足条件6°<θ<60°,且使用最小二乘法对这些线段中的所有像素点进行圆拟合,再计算这些线段上的像素到拟合圆的圆心距离,若距离与半径差值在2个像素值范围内,则将这些线段添加到圆弧列表中。
5.根据权利要求1所述的过孔检测方法,其特征在于,所述S5遍历所有的圆形轮廓,计算圆形轮廓的之间的圆心距离,若存在一组圆形轮廓之间的圆心距离满足设定的阈值条件,则判定该组圆形轮廓属于某一过孔,且该过孔为缺陷过孔,并对该过孔标记及输出,具体为:
S5.1遍历圆形轮廓图,获取圆形轮廓的圆心坐标x-y;
S5.2根据圆心坐标计算得到圆形轮廓相互之间的圆心位置距离dc,若圆心距离dc满足:Tmin<dc<Tmax,则判定该圆形轮廓组合属于同一过孔,且该过孔为缺陷过孔;
其中,Tmin为圆形轮廓间的圆心距离最小阈值;Tmax为圆形轮廓间的圆心距离最大阈值;
S5.3对每一个缺陷过孔选择该组圆形轮廓中半径最大的圆,提取该圆形轮廓的圆心位置x-y坐标,在柔性IC封装基板原始图像中的对应位置绘制新圆,实现对缺陷过孔的标记。
6.根据权利要求3所述的过孔检测方法,其特征在于,所述S4.3将圆弧进行连接得到候选圆,具体为:
S4.3.1对所有圆弧按长度降序排列,从最长的圆弧开始延长,把该圆弧作为待连接圆弧;
S4.3.2根据两个准则选择候选圆弧:
(1)半径差约束:待连接的圆弧与候选圆弧的半径差值不能超过待连接圆弧半径的25%;
(2)圆心距离约束:待连接圆弧的圆心与候选圆弧圆心的距离不能超过待连接圆弧半径的25%;
S4.3.3连接满足上述准则的圆弧,再计算圆弧跨度,若大于50%,则将其拟合为圆,并作为候选圆。
7.根据权利要求5所述的过孔检测方法,其特征在于,所述Tmin=3,Tmax=50。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811363529.4A CN109671052B (zh) | 2018-11-16 | 2018-11-16 | 一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811363529.4A CN109671052B (zh) | 2018-11-16 | 2018-11-16 | 一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109671052A true CN109671052A (zh) | 2019-04-23 |
CN109671052B CN109671052B (zh) | 2023-03-24 |
Family
ID=66142306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811363529.4A Active CN109671052B (zh) | 2018-11-16 | 2018-11-16 | 一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109671052B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097548A (zh) * | 2019-05-08 | 2019-08-06 | 北华航天工业学院 | 一种基于机器视觉的钻孔缺陷检测系统及其检测方法 |
CN110530273A (zh) * | 2019-09-23 | 2019-12-03 | 易思维(杭州)科技有限公司 | 基于结构光测量的涂胶信息检测方法 |
CN111488719A (zh) * | 2020-03-20 | 2020-08-04 | 苏州浪潮智能科技有限公司 | 一种根据过孔位置自动形成闭合路径的方法及装置 |
CN111640104A (zh) * | 2020-05-29 | 2020-09-08 | 研祥智慧物联科技有限公司 | 一种螺钉装配的视觉检测方法 |
CN112258473A (zh) * | 2020-10-22 | 2021-01-22 | 中冶南方工程技术有限公司 | 一种高炉炉顶中心气流检测方法、系统及存储介质 |
CN112605000A (zh) * | 2020-12-03 | 2021-04-06 | 苏州天立达胶粘制品有限公司 | 一种模切片材自动光学检测方法及其设备 |
CN112819845A (zh) * | 2021-02-26 | 2021-05-18 | 华南理工大学 | 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备 |
CN113111941A (zh) * | 2021-04-13 | 2021-07-13 | 浙江理工大学 | 一种基于彩色图和矢量图的织物图案匹配方法及系统 |
CN113393479A (zh) * | 2021-05-21 | 2021-09-14 | 杭州电子科技大学 | 一种分割细胞板图像中试管孔的方法 |
CN114820493A (zh) * | 2022-04-15 | 2022-07-29 | 西南交通大学 | 一种制孔导致的复合材料孔口劈裂检测方法 |
CN115063603A (zh) * | 2022-07-27 | 2022-09-16 | 海门王巢家具制造有限公司 | 基于边缘信息的木材年轮线精确提取及复原方法 |
CN116433701A (zh) * | 2023-06-15 | 2023-07-14 | 武汉中观自动化科技有限公司 | 一种工件孔洞轮廓的提取方法、装置、设备及存储介质 |
CN117314910A (zh) * | 2023-11-29 | 2023-12-29 | 广州爱德医疗科技有限公司 | 基于机器视觉的腕带材料精准裁切控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020049560A1 (en) * | 2000-10-23 | 2002-04-25 | Omron Corporation | Contour inspection method and apparatus |
JP2002230562A (ja) * | 2000-11-29 | 2002-08-16 | Omron Corp | 画像処理方法およびその装置 |
JP2009145161A (ja) * | 2007-12-13 | 2009-07-02 | Seiko Epson Corp | 欠陥検出方法および欠陥検出装置 |
JP2011007728A (ja) * | 2009-06-29 | 2011-01-13 | Seiko Epson Corp | 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム |
JP2011118882A (ja) * | 2009-11-04 | 2011-06-16 | Shinko Electric Ind Co Ltd | データ生成方法および画像検査方法 |
CN103077916A (zh) * | 2013-02-04 | 2013-05-01 | 福建省威诺数控有限公司 | 一种图像检测自动定位晶圆位置的方法 |
US20140198970A1 (en) * | 2013-01-11 | 2014-07-17 | Fujitsu Limited | Edge detection device and edge detection method |
CN104331877A (zh) * | 2014-10-13 | 2015-02-04 | 西北工业大学 | 融合色调梯度的彩色图像边缘检测方法 |
-
2018
- 2018-11-16 CN CN201811363529.4A patent/CN109671052B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020049560A1 (en) * | 2000-10-23 | 2002-04-25 | Omron Corporation | Contour inspection method and apparatus |
JP2002230562A (ja) * | 2000-11-29 | 2002-08-16 | Omron Corp | 画像処理方法およびその装置 |
JP2009145161A (ja) * | 2007-12-13 | 2009-07-02 | Seiko Epson Corp | 欠陥検出方法および欠陥検出装置 |
JP2011007728A (ja) * | 2009-06-29 | 2011-01-13 | Seiko Epson Corp | 欠陥検出方法、欠陥検出装置、および欠陥検出プログラム |
JP2011118882A (ja) * | 2009-11-04 | 2011-06-16 | Shinko Electric Ind Co Ltd | データ生成方法および画像検査方法 |
US20140198970A1 (en) * | 2013-01-11 | 2014-07-17 | Fujitsu Limited | Edge detection device and edge detection method |
CN103077916A (zh) * | 2013-02-04 | 2013-05-01 | 福建省威诺数控有限公司 | 一种图像检测自动定位晶圆位置的方法 |
CN104331877A (zh) * | 2014-10-13 | 2015-02-04 | 西北工业大学 | 融合色调梯度的彩色图像边缘检测方法 |
Non-Patent Citations (1)
Title |
---|
苑玮琦等: "基于骨架特征的柔性电路板缺陷检测方法", 《计算机应用》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097548B (zh) * | 2019-05-08 | 2021-01-15 | 北华航天工业学院 | 一种基于机器视觉的钻孔缺陷检测系统及其检测方法 |
CN110097548A (zh) * | 2019-05-08 | 2019-08-06 | 北华航天工业学院 | 一种基于机器视觉的钻孔缺陷检测系统及其检测方法 |
CN110530273A (zh) * | 2019-09-23 | 2019-12-03 | 易思维(杭州)科技有限公司 | 基于结构光测量的涂胶信息检测方法 |
CN110530273B (zh) * | 2019-09-23 | 2024-04-02 | 易思维(杭州)科技股份有限公司 | 基于结构光测量的涂胶信息检测方法 |
CN111488719A (zh) * | 2020-03-20 | 2020-08-04 | 苏州浪潮智能科技有限公司 | 一种根据过孔位置自动形成闭合路径的方法及装置 |
CN111640104A (zh) * | 2020-05-29 | 2020-09-08 | 研祥智慧物联科技有限公司 | 一种螺钉装配的视觉检测方法 |
CN111640104B (zh) * | 2020-05-29 | 2023-11-24 | 研祥智慧物联科技有限公司 | 一种螺钉装配的视觉检测方法 |
CN112258473B (zh) * | 2020-10-22 | 2023-08-25 | 中冶南方工程技术有限公司 | 一种高炉炉顶中心气流检测方法、系统及存储介质 |
CN112258473A (zh) * | 2020-10-22 | 2021-01-22 | 中冶南方工程技术有限公司 | 一种高炉炉顶中心气流检测方法、系统及存储介质 |
CN112605000A (zh) * | 2020-12-03 | 2021-04-06 | 苏州天立达胶粘制品有限公司 | 一种模切片材自动光学检测方法及其设备 |
CN112819845A (zh) * | 2021-02-26 | 2021-05-18 | 华南理工大学 | 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备 |
CN112819845B (zh) * | 2021-02-26 | 2023-10-27 | 华南理工大学 | 柔性封装基板轮廓、线宽线距缺陷检测方法及介质和设备 |
CN113111941A (zh) * | 2021-04-13 | 2021-07-13 | 浙江理工大学 | 一种基于彩色图和矢量图的织物图案匹配方法及系统 |
CN113111941B (zh) * | 2021-04-13 | 2023-11-24 | 浙江理工大学 | 一种基于彩色图和矢量图的织物图案匹配方法及系统 |
CN113393479B (zh) * | 2021-05-21 | 2024-02-02 | 杭州电子科技大学 | 一种分割细胞板图像中试管孔的方法 |
CN113393479A (zh) * | 2021-05-21 | 2021-09-14 | 杭州电子科技大学 | 一种分割细胞板图像中试管孔的方法 |
CN114820493A (zh) * | 2022-04-15 | 2022-07-29 | 西南交通大学 | 一种制孔导致的复合材料孔口劈裂检测方法 |
CN114820493B (zh) * | 2022-04-15 | 2023-08-22 | 西南交通大学 | 一种制孔导致的复合材料孔口劈裂检测方法 |
CN115063603A (zh) * | 2022-07-27 | 2022-09-16 | 海门王巢家具制造有限公司 | 基于边缘信息的木材年轮线精确提取及复原方法 |
CN115063603B (zh) * | 2022-07-27 | 2023-04-07 | 海门王巢家具制造有限公司 | 基于边缘信息的木材年轮线精确提取及复原方法 |
CN116433701A (zh) * | 2023-06-15 | 2023-07-14 | 武汉中观自动化科技有限公司 | 一种工件孔洞轮廓的提取方法、装置、设备及存储介质 |
CN116433701B (zh) * | 2023-06-15 | 2023-10-10 | 武汉中观自动化科技有限公司 | 一种工件孔洞轮廓的提取方法、装置、设备及存储介质 |
CN117314910A (zh) * | 2023-11-29 | 2023-12-29 | 广州爱德医疗科技有限公司 | 基于机器视觉的腕带材料精准裁切控制方法 |
CN117314910B (zh) * | 2023-11-29 | 2024-02-27 | 广州爱德医疗科技有限公司 | 基于机器视觉的腕带材料精准裁切控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109671052B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109671052A (zh) | 一种基于圆形轮廓提取的柔性ic封装基板的过孔检测方法 | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN108918526B (zh) | 一种柔性ic封装基板线路的缺口缺陷检测方法 | |
CN109377485B (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
CN108389179B (zh) | 一种基于机器视觉的罐盖表面缺陷检测方法 | |
CN105334219B (zh) | 一种残差分析动态阈值分割的瓶口缺陷检测方法 | |
CN107798679B (zh) | 乳腺钼靶图像乳房区域分割与钙化点检测方法 | |
CN109446895B (zh) | 一种基于人体头部特征的行人识别方法 | |
CN108648168A (zh) | Ic晶圆表面缺陷检测方法 | |
JP6099479B2 (ja) | ひび割れ検出方法 | |
CN107993224B (zh) | 一种基于圆形标志物的物体检测定位方法 | |
Er-Sen et al. | An adaptive edge-detection method based on the canny operator | |
CN115100191B (zh) | 基于工业检测的金属铸件缺陷识别方法 | |
CN113256580A (zh) | 一种目标菌落特征自动识别方法 | |
CN107274452B (zh) | 一种痘痘自动检测方法 | |
CN110298344A (zh) | 一种基于机器视觉的仪表旋钮定位与检测方法 | |
CN109447062A (zh) | 基于巡检机器人的指针型仪表识别方法 | |
CN114511770A (zh) | 道路标识标牌识别方法 | |
CN116051543B (zh) | 一种用于钢材剥皮的缺陷识别方法 | |
CN112884746A (zh) | 一种基于边缘形状匹配的字符缺陷智能检测算法 | |
CN112734729A (zh) | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 | |
Cheng et al. | Image segmentation technology and its application in digital image processing | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
Rahman et al. | A review of vision based defect detection using image processing techniques for beverage manufacturing industry | |
CN101976347A (zh) | 基于Mean Shift分割的遥感图像中水上桥梁识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |