CN109752393B - 一种基于图像特征的贴片电阻型号检测方法及其装置 - Google Patents
一种基于图像特征的贴片电阻型号检测方法及其装置 Download PDFInfo
- Publication number
- CN109752393B CN109752393B CN201811606810.6A CN201811606810A CN109752393B CN 109752393 B CN109752393 B CN 109752393B CN 201811606810 A CN201811606810 A CN 201811606810A CN 109752393 B CN109752393 B CN 109752393B
- Authority
- CN
- China
- Prior art keywords
- image
- detection
- character
- horizontal
- model
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像特征的贴片电阻型号检测方法及其装置,采用了检测线来提取贴片电阻型号图像的字符特征进行字符验证,从而识别电阻的型号,只是单纯的对图像的检测线位置进行特征检测,根据灰度变化记录跳变位置和跳变次数,同时由于不同的跳变位置赋予不同的权值,因此能够计算出图像的编码结果和预存的模板图像的编码结果进行对比,本发明并没有对图像的字符区域进行分割,没有针对电阻元件每个像素点的比对,仅在检测线位置进行字符特征提取,从而不但能够大大降低漏检率,加快检测速度,而且还能够大大降低误检率,大大提升了AOI检测中对贴片电阻元件型号检测的性能。
Description
技术领域
本发明涉及元件质量检测领域,特别是一种基于图像特征的贴片电阻型号检测方法及其装置。
背景技术
目前,元件型号的检测是贴片质量自动检测(AOI)的一部分,在电路板贴片元件质量检测过程中,需要检测贴片元件的型号是否正确。但是由于生产后的不同型号的电阻元件也同样具有相似的外观特点,因此无法通过外观进行直接判断区分元件的型号,从而往往需要通过元件上的字符进行区分。
在对元件字符的判断区分过程中,由于在电阻元件的贴片过程中会存在一定的位置偏差和角度偏差,此外,相同型号的元件也会因为厂方或者出厂批次的不同而存在标识字符字体的差异,因此往往会对元件字符的识别结果造成较大的影响。
目前对于元件字符的检测,主要存在以下两种检测方法:
第一种为传统的整体匹配检测方法,主要采用模板匹配的方法进行字符块识别,实际上是求待检测字符块和模板图像的相似性,把相似性最大的结果作为识别结果。检测过程中需要分割出字符块的单个字符,并遍历单个字符图像的每一个像素点。由于没有考虑存在的位置角度差异和字符字体差异,从而会往往出现误检率高,速度慢的情况。
第二种为基于深度神经网络的检测方法,由于电阻元件上的字符与其它各类字符存在着较大的差异,具有自己的特征,因此需要人工提取电阻字码中的单个字符,制作电阻字符数据集,虽然准确度高,不过训练的时间,硬件的要求对资源的消耗都比较大。同时由于厂方的不同或者生产批次的不同也会对字体风格有较大的变化,因此对结果也有较大影响。
发明内容
为解决上述问题,本发明的目的在于提供一种基于图像特征的贴片电阻型号检测方法及其装置,不但能够大大降低漏检率,加快检测速度,而且还能够大大降低误检率,大大提升了AOI检测中对贴片电阻元件型号检测的性能。
本发明解决其问题所采用的技术方案是:
本发明的第一方面,提供了一种基于图像特征的贴片电阻型号检测方法,包括以下步骤:
提取图像;
对所提取的图像进行预处理;
对图像进行定位处理;
采用检测线对图像进行灰度跳变检测,根据灰度的不同沿着所述检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数;
对不同的跳变位置赋予不同的权值,计算获得图像的编码结果;
将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别。
进一步地,还包括以下步骤:
所述步骤将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别,表现为:
判断获得的编码结果和预存的模板图像的编码结果是否一致,
当一致时,则认为是成功识别出贴片电阻的型号,并结束型号的检测;
当不一致时,则对图像进行180°旋转后再次采用检测线对图像进行灰度跳变检测重新获得编码结果,判断重新获得的编码结果和预存的模板图像的编码结果是否一致,当一致时则认为是成功识别出贴片电阻的型号,并结束型号的检测,当不一致时则认为是无法识别出贴片电阻的型号,并结束型号的检测。
进一步地,所述步骤对所提取的图像进行预处理包括去燥滤波处理、图像二值化处理和形态学处理。
进一步地,所述去燥滤波处理采用中值滤波去燥方法。
进一步地,所述步骤对图像进行定位处理,表现为:
对图像进行垂直水平投影直方图的峰谷分析处理,所述垂直水平投影直方图的峰谷分析处理包括用于得出图像中字符区域的左右边界的垂直投影直方图的峰谷分析处理和用于得出图像中字符区域的上下边界的水平投影直方图的峰谷分析处理。
进一步地,所述检测线包括用于从水平方向对图像中字符区域进行检测的水平检测线和用于从竖直方向对图像中字符区域进行检测的竖直检测线,所述水平检测线和竖直检测线互为垂直设置。
进一步地,所述字符区域为单字符区域,所述水平检测线的数量为两条,分别设置于单字符区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为两条,分别设置于单字符区域的水平侧边长度的三分之一处和三分之二处。
进一步地,所述字符区域为字符块区域,所述字符块区域包括两个以上并排设置的单字符区域,所述水平检测线的数量为两条,分别设置于字符块区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为单字符区域数量的两倍,所述每个单字符区域的水平侧边长度的三分之一处和三分之二处均设置有所述的竖直检测线。
本发明的第二方面,提供了一种基于图像特征的贴片电阻型号检测装置,包括:
图像提取装置,用于提取图像;
图像预处理装置,用于对所提取的图像进行预处理;
图像定位装置,用于对图像进行定位处理;
图像灰度跳变检测装置,用于采用检测线对图像进行灰度跳变检测,根据灰度的不同沿着所述检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数;
图像编码结果计算装置,用于对不同的跳变位置赋予不同的权值,计算获得图像的编码结果;
图像编码结果对比装置,将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别。
本发明的第三方面,提供了一种基于图像特征的贴片电阻型号检测设备,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上述的基于图像特征的贴片电阻型号检测方法。
本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储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使计算机执行上述的基于图像特征的贴片电阻型号检测方法。
上述技术方案中的一个技术方案具有如下优点或有益效果:
根据本发明提供的一种基于图像特征的贴片电阻型号检测方法及其装置,包括了图像的提取、图像的预处理、图像的定位处理、采用检测线对图像进行灰度跳变检测并记录灰度的跳变位置和跳变次数、对不同的跳变位置赋予不同的权值进而计算获得图像的编码结果、将获得的编码结果和预存的模板图像的编码结果进行对比,从而实现贴片电阻型号的识别。本发明采用了检测线来提取贴片电阻型号图像的字符特征进行字符验证,从而识别电阻的型号,只是单纯的对图像的检测线位置进行特征检测,根据灰度变化记录跳变位置和跳变次数,同时由于不同的跳变位置赋予不同的权值,因此能够计算出图像的编码结果和预存的模板图像的编码结果进行对比,本发明并没有对图像的字符区域进行分割,没有针对电阻元件每个像素点的比对,仅在检测线位置进行字符特征提取,从而不但能够大大降低漏检率,加快检测速度,而且还能够大大降低误检率,大大提升了AOI检测中对贴片电阻元件型号检测的性能。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法的流程图;
图2是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法关于图像二值化处理后的示意图像;
图3是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法关于形态学处理后的示意图像;
图4是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法关于去基板处理后的示意图像;
图5是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法关于去左右边框处理后的示意图像;
图6是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法关于去上下边框处理后的示意图像;
图7是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法关于单字符区域的特征编码检测的多个示意图像;
图8是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测方法关于字符块区域的特征编码检测的两个示意图像;
图9是本发明一个实施例所提供的一种基于图像特征的贴片电阻型号检测装置的结构示意图。
具体实施方式
目前,元件型号的检测是贴片质量自动检测(AOI)的一部分,在电路板贴片元件质量检测过程中,需要检测贴片元件的型号是否正确。但是由于生产后的不同型号的电阻元件也同样具有相似的外观特点,因此无法通过外观进行直接判断区分元件的型号,从而往往需要通过元件上的字符进行区分。在对元件字符的判断区分过程中,由于在电阻元件的贴片过程中会存在一定的位置偏差和角度偏差,此外,相同型号的元件也会因为厂方或者出厂批次的不同而存在标识字符字体的差异,因此往往会对元件字符的识别结果造成较大的影响。
目前对于元件字符的检测,主要存在以下两种检测方法:
第一种为传统的整体匹配检测方法,主要采用模板匹配的方法进行字符块识别,实际上是求待检测字符块和模板图像的相似性,把相似性最大的结果作为识别结果。检测过程中需要分割出字符块的单个字符,并遍历单个字符图像的每一个像素点。由于没有考虑存在的位置角度差异和字符字体差异,从而会往往出现误检率高,速度慢的情况。
第二种为基于深度神经网络的检测方法,由于电阻元件上的字符与其它各类字符存在着较大的差异,具有自己的特征,因此需要人工提取电阻字码中的单个字符,制作电阻字符数据集,虽然准确度高,不过训练的时间,硬件的要求对资源的消耗都比较大。同时由于厂方的不同或者生产批次的不同也会对字体风格有较大的变化,因此对结果也有较大影响。
基于此,本发明采用了检测线来提取贴片电阻型号图像的字符特征进行字符验证,从而识别电阻的型号,只是单纯的对图像的检测线位置进行特征检测,根据灰度变化记录跳变位置和跳变次数,同时由于不同的跳变位置赋予不同的权值,因此能够计算出图像的编码结果和预存的模板图像的编码结果进行对比,本发明并没有对图像的字符区域进行分割,没有针对电阻元件每个像素点的比对,仅在检测线位置进行字符特征提取,从而不但能够大大降低漏检率,加快检测速度,而且还能够大大降低误检率,大大提升了AOI检测中对贴片电阻元件型号检测的性能。
参照图1-图9,本发明的第一方面,提供了一种基于图像特征的贴片电阻型号检测方法,包括以下步骤:
提取图像;
对所提取的图像进行预处理;由于贴片电阻元件的图像往往有噪声污染、字符倾斜、部分字体残缺等问题,这些问题会对图像中字符识别的准确性进行干扰,所以在对其进行型号识别前,先要对其进行预处理。
对图像进行定位处理;通过定位处理可以对电阻元件图像去基板、去上下左右边框操作,对预处理过的电阻元件进行精确的定位,找到图像中字符区域的上下边界和左右边界,便于后续检测线的位置设定。
采用检测线对图像进行灰度跳变检测,根据灰度的不同沿着所述检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数;当检测到字符区域和非字符区域的灰度跳变时,对其进行记录,本发明采用了检测线来提取贴片电阻型号图像的字符特征进行字符验证,从而识别贴片电阻的型号,只是单纯的对图像的检测线位置进行灰度特征检测,根据灰度变化记录跳变位置和跳变次数,用作后续的编码结果的生成。
对不同的跳变位置赋予不同的权值,计算获得图像的编码结果;通过不同位置检测到的跳变点赋予不同的权值的方法使得图像中每一个单个字符的编码结果都具有其特殊性。
将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别。
本发明采用了检测线来提取贴片电阻型号图像的字符特征进行字符验证,从而识别电阻的型号,只是单纯的对图像的检测线位置进行特征检测,根据灰度变化记录跳变位置和跳变次数,同时由于不同的跳变位置赋予不同的权值,因此能够计算出图像的编码结果和预存的模板图像的编码结果进行对比,本发明并没有对图像的字符区域进行分割,没有针对电阻元件每个像素点的比对,仅在检测线位置进行字符特征提取,从而不但能够大大降低漏检率,加快检测速度,而且还能够大大降低误检率,大大提升了AOI检测中对贴片电阻元件型号检测的性能。
进一步地,基于上述实施例,本发明还提供了一种基于图像特征的贴片电阻型号检测方法,还包括以下步骤:
所述步骤将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别,表现为:
判断获得的编码结果和预存的模板图像的编码结果是否一致,
当一致时,则认为是成功识别出贴片电阻的型号,并结束型号的检测;
当不一致时,则对图像进行180°旋转后再次采用检测线对图像进行灰度跳变检测重新获得编码结果,判断重新获得的编码结果和预存的模板图像的编码结果是否一致,当一致时则认为是成功识别出贴片电阻的型号,并结束型号的检测,当不一致时则认为是无法识别出贴片电阻的型号,并结束型号的检测。考虑到贴片字符的左右具有较好的对称性,在一次检测不成功的情况下调换图像的位置再进行二次检测,提高了可靠性。
进一步地,基于上述实施例,本发明还提供了一种基于图像特征的贴片电阻型号检测方法,所述步骤对所提取的图像进行预处理包括去燥滤波处理、图像二值化处理和形态学处理。所述去燥滤波处理能够去除图像噪声,获得较好的平滑图像。所述图像二值化处理是图像处理中一个非常基础的简化图像的方式,能够将图像中所要提取的图像背景或目标物体直接采用Otsu法进行阈值确定,再用计算得来的阈值将原始图像分割为对象和背景两部分。所述形态学处理包括膨胀、腐蚀、开运算和闭运算,主要起到了滤除小杂点、填充小孔以及连接断点等作用,达到提高图像质量的目的,有利于提取字符主要信息,去除所述图像二值化处理的毛刺边缘。
进一步地,基于上述实施例,本发明还提供了一种基于图像特征的贴片电阻型号检测方法,所述去燥滤波处理采用中值滤波去燥方法。所述中值滤波去燥方法是一种经典平滑噪声的方法,在平滑噪声的同时,它可以较好的保护图像边缘,使得图像周围的像素接近真实值,将孤立的噪声点去除。
进一步地,基于上述实施例,本发明还提供了一种基于图像特征的贴片电阻型号检测方法,所述步骤对图像进行定位处理,表现为:
对图像进行垂直水平投影直方图的峰谷分析处理,所述垂直水平投影直方图的峰谷分析处理包括用于得出图像中字符区域的左右边界的垂直投影直方图的峰谷分析处理和用于得出图像中字符区域的上下边界的水平投影直方图的峰谷分析处理。所述垂直水平投影直方图的峰谷分析处理得到的直方图会根据字符个数出现有规律的连续跳变,进行直方图峰谷分析,得到图像中字符区域的左右边界、上升点(字符起始点)、下降点(字符结束点)以及中心点(字符的中心)等参数。所述水平投影直方图的峰谷分析处理主要是从投影直方图上计算出图像上字符最大高度区域、字符上下边界位置等。
进一步地,基于上述实施例,本发明还提供了一种基于图像特征的贴片电阻型号检测方法,所述检测线包括用于从水平方向对图像中字符区域进行检测的水平检测线和用于从竖直方向对图像中字符区域进行检测的竖直检测线,所述水平检测线和竖直检测线互为垂直设置。所述检测线从水平和竖直两个方向对图像中字符进行检测,当检测到字符区域和非字符区域的跳变时,对其进行编码。
基于上述实施例,本发明还提供了一种基于图像特征的贴片电阻型号检测方法,其中字符区域可以为单字符区域或者为字符块区域,具体如下:
当所述字符区域为单字符区域时,所述水平检测线的数量为两条,分别设置于单字符区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为两条,分别设置于单字符区域的水平侧边长度的三分之一处和三分之二处。针对于单个字符的特征编码,首先选择两条竖直方向的检测线从字符区域的三分之一处与三分之二处进行竖直的跳变检测,一旦检测到了从字符区域向非字符区域的跳变即记录好跳变位置与跳变次数。同时选择两条水平方向的检测线从字符区域的四分之一处与四分之二处进行水平的跳变检测,一旦检测到了从字符区域向非字符区域的跳变即记录好跳变位置与跳变次数,考虑到贴片字符的左右具有较好的对称性,编码过程中对于位于字符区域中心的左右两侧的跳变点将赋予不同的权值。通过这种方法可以较好使编码结果有位置判断,更准确的验证字符。按照单个字符的个数来增加竖直方向检测线的条数,水平方向的检测线保持不变。一旦检测到了从字符区域向非字符区域的跳变即记录好跳变位置与跳变次数对检测结果进行编码。经过多次试验表明编码的结果可以很好的对单个字符进行验证识别,通过不同位置检测到的跳变点赋予不同的权值的方法使得每一个单个字符的编码结果都具有其特殊性。
当所述字符区域为字符块区域时,所述字符块区域包括两个以上并排设置的单字符区域,所述水平检测线的数量为两条,分别设置于字符块区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为单字符区域数量的两倍,所述每个单字符区域的水平侧边长度的三分之一处和三分之二处均设置有所述的竖直检测线。当为字符块检测,不需要经常字符分割,只需要增加检测线个数,就可以同时进行竖直水平的检测,原理同上述单字符区域的跳变检测类似。
进一步地,参照图1,基于上述实施例,本发明还提供了一种基于图像特征的贴片电阻型号检测方法,包括以下步骤:
S1:开始检测;
S2:提取图像;
S3:对所提取的图像进行中值滤波去燥处理、图像二值化处理和形态学处理;
S4:对图像进行垂直水平投影直方图的峰谷分析处理,实现对图像的定位处理;
S5:采用水平检测线和竖直检测线对图像进行灰度跳变检测,根据灰度的不同沿着所述水平检测线和竖直检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数;
S6:对不同的跳变位置赋予不同的权值,计算获得图像的编码结果;
S7:判断获得的编码结果和预存的模板图像的编码结果是否一致,当一致时,则执行步骤S8,否则执行步骤S9-1;
S8:认为是成功识别出贴片电阻的型号,并执行步骤S10;
S9-1:对图像进行180°旋转;
S9-2:再次采用水平检测线和竖直检测线对图像进行灰度跳变检测重新获得编码结果,判断重新获得的编码结果和预存的模板图像的编码结果是否一致,当一致时则执行步骤S8,当不一致时则执行步骤S9-3;
S9-3:认为是无法识别出贴片电阻的型号,并执行步骤S10;
S10:结束型号的检测。
本发明采用了检测线来提取贴片电阻型号图像的字符特征进行字符验证,从而识别电阻的型号,只是单纯的对图像的检测线位置进行特征检测,根据灰度变化记录跳变位置和跳变次数,同时由于不同的跳变位置赋予不同的权值,因此能够计算出图像的编码结果和预存的模板图像的编码结果进行对比,本发明并没有对图像的字符区域进行分割,没有针对电阻元件每个像素点的比对,仅在检测线位置进行字符特征提取,从而不但能够大大降低漏检率,加快检测速度,而且还能够大大降低误检率,大大提升了AOI检测中对贴片电阻元件型号检测的性能。
本发明研究了贴片电阻的型号字符规律,设计了基于图像特征的快速检测算法。本发明主要分做三部分:对图像进行去燥、二值化和形态学变换,提取贴片电阻字符区域的图像信息;通过水平和垂直投影的峰谷分析去除图像字符区域的上下左右边框,定位单个字符的左右位置和中心位置;利用竖直与水平方向的特定位置检测线来提取字符特征与模板特征进行快速比较识别。本方法具有速度快、鲁棒性好、准确性高的特点。
本发明在检测过程中,部分字符会出现多个编码结果这是因为电阻元件很小在印刷的过程中不能保证字体绝对的相同,不过因为本发明的目的是对电阻元件快速验证性识别,所以根据先验知识判断是否是已知的字符内容,而不必完全的识别出字符内容,只需要验证其余模板是否相同。
对于不同厂家,及不同批次生产的不同书写风格的字体可以在建模过程中通过形态学运算和调整检测线的位置来便于检测,对于字符投影特征明显的字符,在进行垂直水平投影时就可以对其进行提前预判。
本发明不需要分割出单个字符进行模板匹配,对字符进行识别,可以直接用水平和竖直的检测线对整个字符区域进行检测。
本发明的第二方面,提供了一种基于图像特征的贴片电阻型号检测装置,包括:
图像提取装置,用于提取图像;
图像预处理装置,用于对所提取的图像进行预处理;
图像定位装置,用于对图像进行定位处理;
图像灰度跳变检测装置,用于采用检测线对图像进行灰度跳变检测,根据灰度的不同沿着所述检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数;
图像编码结果计算装置,用于对不同的跳变位置赋予不同的权值,计算获得图像的编码结果;
图像编码结果对比装置,将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别。
本发明的第三方面,提供了一种基于图像特征的贴片电阻型号检测设备,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上述的基于图像特征的贴片电阻型号检测方法。
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包括上述的基于图像特征的贴片电阻型号检测装置。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块,如本发明实施例中的基于图像特征的贴片电阻型号检测方法对应的程序指令/装置。处理器通过运行存储在存储器中的非暂态软件程序、指令以及装置,从而执行装置的各种功能应用以及数据处理,即实现上述的基于图像特征的贴片电阻型号检测方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络方式进行连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器中,当被所述一个或者多个处理器执行时,执行上述任意方法实施例中的基于图像特征的贴片电阻型号检测方法。例如,执行以上描述的图1的方法步骤。
本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储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使计算机执行上述的基于图像特征的贴片电阻型号检测方法。例如,执行以上描述的图1的方法步骤。
本实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行,例如,被图9中的一个处理器执行,使所述计算机执行如上述基于图像特征的贴片电阻型号检测方法。例如,执行以上描述的图1的方法步骤。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。
Claims (7)
1.一种基于图像特征的贴片电阻型号检测方法,其特征在于,包括以下步骤:
提取图像;
对所提取的图像进行预处理;
对图像进行定位处理;
采用检测线对图像进行灰度跳变检测,根据灰度的不同沿着所述检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数;
对不同的跳变位置赋予不同的权值,计算获得图像的编码结果;
将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别;
所述检测线包括用于从水平方向对图像中字符区域进行检测的水平检测线和用于从竖直方向对图像中字符区域进行检测的竖直检测线,所述水平检测线和竖直检测线互为垂直设置;
所述方法还包括如下之一:
所述字符区域为单字符区域,所述水平检测线的数量为两条,分别设置于单字符区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为两条,分别设置于单字符区域的水平侧边长度的三分之一处和三分之二处;
所述字符区域为字符块区域,所述字符块区域包括两个以上并排设置的单字符区域,所述水平检测线的数量为两条,分别设置于字符块区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为单字符区域数量的两倍,每个所述单字符区域的水平侧边长度的三分之一处和三分之二处均设置有所述的竖直检测线。
2.根据权利要求1所述的一种基于图像特征的贴片电阻型号检测方法,其特征在于,还包括以下步骤:
所述步骤将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别,表现为:
判断获得的编码结果和预存的模板图像的编码结果是否一致,
当一致时,则认为是成功识别出贴片电阻的型号,并结束型号的检测;
当不一致时,则对图像进行180°旋转后再次采用检测线对图像进行灰度跳变检测重新获得编码结果,判断重新获得的编码结果和预存的模板图像的编码结果是否一致,当一致时则认为是成功识别出贴片电阻的型号,并结束型号的检测,当不一致时则认为是无法识别出贴片电阻的型号,并结束型号的检测。
3.根据权利要求1所述的一种基于图像特征的贴片电阻型号检测方法,其特征在于:所述步骤对所提取的图像进行预处理包括去噪滤波处理和图像形态学处理。
4.根据权利要求1所述的一种基于图像特征的贴片电阻型号检测方法,其特征在于:所述步骤对图像进行定位处理,表现为:
对图像进行垂直水平投影直方图的峰谷分析处理,所述垂直水平投影直方图的峰谷分析处理包括用于得出图像中字符区域的左右边界的垂直投影直方图的峰谷分析处理和用于得出图像中字符区域的上下边界的水平投影直方图的峰谷分析处理。
5.一种基于图像特征的贴片电阻型号检测装置,其特征在于,包括:
图像提取装置,用于提取图像;
图像预处理装置,用于对所提取的图像进行预处理;
图像定位装置,用于对图像进行定位处理;
图像灰度跳变检测装置,用于采用检测线对图像进行灰度跳变检测,根据灰度的不同沿着所述检测线检测图像中字符区域和非字符区域之间的跳变位置和跳变次数,所述检测线包括用于从水平方向对图像中字符区域进行检测的水平检测线和用于从竖直方向对图像中字符区域进行检测的竖直检测线,所述水平检测线和竖直检测线互为垂直设置;
其中,所述字符区域为单字符区域,所述水平检测线的数量为两条,分别设置于单字符区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为两条,分别设置于单字符区域的水平侧边长度的三分之一处和三分之二处;或者,
所述字符区域为字符块区域,所述字符块区域包括两个以上并排设置的单字符区域,所述水平检测线的数量为两条,分别设置于字符块区域的竖直侧边长度的四分之一处和四分之二处,所述竖直检测线的数量为单字符区域数量的两倍,每个所述单字符区域的水平侧边长度的三分之一处和三分之二处均设置有所述的竖直检测线;
图像编码结果计算装置,用于对不同的跳变位置赋予不同的权值,计算获得图像的编码结果;
图像编码结果对比装置,将获得的编码结果和预存的模板图像的编码结果进行对比,实现贴片电阻型号的识别。
6.一种基于图像特征的贴片电阻型号检测设备,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1-4任一项所述的方法。
7.一种计算机可读存储介质,其特征在于:所述计算机可读存储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使计算机执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811606810.6A CN109752393B (zh) | 2018-12-26 | 2018-12-26 | 一种基于图像特征的贴片电阻型号检测方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811606810.6A CN109752393B (zh) | 2018-12-26 | 2018-12-26 | 一种基于图像特征的贴片电阻型号检测方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109752393A CN109752393A (zh) | 2019-05-14 |
CN109752393B true CN109752393B (zh) | 2021-08-17 |
Family
ID=66403161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811606810.6A Expired - Fee Related CN109752393B (zh) | 2018-12-26 | 2018-12-26 | 一种基于图像特征的贴片电阻型号检测方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109752393B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111458353B (zh) * | 2020-05-29 | 2023-03-10 | 无锡和博永新科技有限公司 | 一种电阻基板正反检测方法 |
CN112508789A (zh) * | 2020-12-16 | 2021-03-16 | 广州佳帆计算机有限公司 | 一种基于残差的贴片图像增强识别方法及装置 |
CN114646461A (zh) * | 2022-04-01 | 2022-06-21 | 国网福建省电力有限公司晋江市供电公司 | 一种高压开关机械特性试验方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0765508B1 (en) * | 1994-06-15 | 2004-01-14 | Hewlett-Packard Company, A Delaware Corporation | System and method for enhancing graphic features produced by marking engines |
KR100854495B1 (ko) * | 2006-09-07 | 2008-08-26 | 주식회사 휴니드 테크놀러지스 | 주파수 도약형 단파 무전기에서의 데이터 송신 및 수신장치와, 데이터 송신 및 수신 방법과, 송수신 모듈 |
CN103488978A (zh) * | 2013-09-26 | 2014-01-01 | 浙江工业大学 | 一种基于灰度跳变和字符投影间隔模式的车牌定位方法 |
CN104112132A (zh) * | 2014-07-03 | 2014-10-22 | 中国人民解放军第二炮兵工程大学 | 一种枪械编号自动识别方法 |
CN104156731A (zh) * | 2014-07-31 | 2014-11-19 | 成都易默生汽车技术有限公司 | 基于人工神经网络的车牌识别系统与方法 |
CN106326821A (zh) * | 2015-07-07 | 2017-01-11 | 北京易车互联信息技术有限公司 | 车牌定位的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7486813B2 (en) * | 1998-10-08 | 2009-02-03 | Easton Hunt Capital Partners, L.P. | Electronic assembly video inspection system |
-
2018
- 2018-12-26 CN CN201811606810.6A patent/CN109752393B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0765508B1 (en) * | 1994-06-15 | 2004-01-14 | Hewlett-Packard Company, A Delaware Corporation | System and method for enhancing graphic features produced by marking engines |
KR100854495B1 (ko) * | 2006-09-07 | 2008-08-26 | 주식회사 휴니드 테크놀러지스 | 주파수 도약형 단파 무전기에서의 데이터 송신 및 수신장치와, 데이터 송신 및 수신 방법과, 송수신 모듈 |
CN103488978A (zh) * | 2013-09-26 | 2014-01-01 | 浙江工业大学 | 一种基于灰度跳变和字符投影间隔模式的车牌定位方法 |
CN104112132A (zh) * | 2014-07-03 | 2014-10-22 | 中国人民解放军第二炮兵工程大学 | 一种枪械编号自动识别方法 |
CN104156731A (zh) * | 2014-07-31 | 2014-11-19 | 成都易默生汽车技术有限公司 | 基于人工神经网络的车牌识别系统与方法 |
CN106326821A (zh) * | 2015-07-07 | 2017-01-11 | 北京易车互联信息技术有限公司 | 车牌定位的方法及装置 |
Non-Patent Citations (3)
Title |
---|
"Machine Learning-Based Imaging System for Surface Defect Inspection";Je-Kang Park,et.al.;《INTERNATIONAL JOURNAL OF PRECISION ENGINEERING AND MANUFACTURING-GREEN TECHNOLOGY》;20160831;第303-310页 * |
"基于扫描线和特征筛选的车牌定位快速算法";陆铖 等;《计算机工程与设计》;20081031;第29卷(第19期);第5125-5128页 * |
"基于机器视觉的贴片元件定位系统的研究与开发";王力;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180315(第3期);第3、5章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109752393A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6719457B2 (ja) | 画像の主要被写体を抽出する方法とシステム | |
US11797886B2 (en) | Image processing device, image processing method, and image processing program | |
CN109752393B (zh) | 一种基于图像特征的贴片电阻型号检测方法及其装置 | |
CN110232713B (zh) | 一种图像目标定位修正方法及相关设备 | |
CN104318225B (zh) | 车牌检测方法及装置 | |
CN111091544B (zh) | 铁路货车转向架侧面一体架构断裂故障检测方法 | |
CN111353549B (zh) | 图像标签的核验方法及装置、电子设备、存储介质 | |
CN110490190B (zh) | 一种结构化图像文字识别方法及系统 | |
CN106326895B (zh) | 图像处理装置和图像处理方法 | |
CN109145906B (zh) | 目标对象的图像确定方法、装置、设备及存储介质 | |
CN103413149A (zh) | 复杂背景中实现静态目标检测和识别的方法 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN109508716B (zh) | 一种图像文字的定位方法及装置 | |
Fang et al. | Towards real-time crack detection using a deep neural network with a Bayesian fusion algorithm | |
CN111199240A (zh) | 银行卡识别模型的训练方法、银行卡识别方法以及装置 | |
CN111178359A (zh) | 车牌号码识别方法、装置和设备及计算机存储介质 | |
CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
CN109034166B (zh) | 易混淆字符识别模型训练方法和装置 | |
CN112801013B (zh) | 一种基于关键点识别校验的人脸识别方法、系统及装置 | |
CN115471849A (zh) | 一种手写汉字图像评估方法及系统 | |
CN112308061B (zh) | 一种车牌字符识别方法及装置 | |
CN114627457A (zh) | 一种票面信息识别方法及装置 | |
CN110969210A (zh) | 一种小慢目标的识别分类方法、装置、设备及存储介质 | |
CN110188601A (zh) | 一种基于学习的机场遥感图像检测方法 | |
CN104573692B (zh) | 一种基于模糊退化模型的车牌二值化方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210817 Termination date: 20211226 |