CN109870117A - 二值化轮廓检测系统及其方法 - Google Patents

二值化轮廓检测系统及其方法 Download PDF

Info

Publication number
CN109870117A
CN109870117A CN201711266700.5A CN201711266700A CN109870117A CN 109870117 A CN109870117 A CN 109870117A CN 201711266700 A CN201711266700 A CN 201711266700A CN 109870117 A CN109870117 A CN 109870117A
Authority
CN
China
Prior art keywords
detection
difference
template
binary image
binaryzation
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.)
Withdrawn
Application number
CN201711266700.5A
Other languages
English (en)
Inventor
杨志涵
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.)
Inventec Pudong Technology Corp
Inventec Corp
Original Assignee
Inventec Pudong Technology Corp
Inventec Corp
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 Inventec Pudong Technology Corp, Inventec Corp filed Critical Inventec Pudong Technology Corp
Priority to CN201711266700.5A priority Critical patent/CN109870117A/zh
Publication of CN109870117A publication Critical patent/CN109870117A/zh
Withdrawn legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种二值化轮廓检测系统及其方法,通过定位模板的目标组件在检测图中的位置,再根据二值化阈值分别将模板及在检测图中定位的位置进行二值化,用以产生模板二值化图像及检测图二值化图像,并且进行互斥或计算以生成差异二值化图像,以及侦测差异二值化图像的白色面积作为差异面积,并且计算差异面积与模板面积的比例产生差异百分比,进而根据差异百分比输出相应的信息,用以提高组件检测的效率及正确性的技术功效。

Description

二值化轮廓检测系统及其方法
技术领域
本发明涉及一种检测系统及其方法,特别是应用在检测印刷电路板的组件的二值化轮廓检测系统及其方法。
背景技术
近年来,随着电子电路的普及与蓬勃发展,各种基于印刷电路板的电子设备便如雨后春笋般出现,因此,如何快速检测印刷电路板上的组件是否被正确设置,便成为各家厂商为了提高生产力而亟欲解决的问题之一。
一般而言,检测印刷电路板上的组件是否被正确设置是通过人眼来进行检查及确认。然而,由于人在长期工作时容易因注意力不集中及分心,导致遗漏检查、误判等情况发生,使得印刷电路板上仍然存在设置错误的组件,以至于在进行通电测试时,连带使得整体印刷电路板损毁及报废,因此,此方式具有组件检测的效率及正确性不佳的问题。
有鉴于此,便有厂商提出自动光学检查(Automated Optical Inspection,AOI)的技术,通过机器视觉做为检测标准技术,用以改良传统上以人力使用光学仪器进行检测的缺点。然而,此方式是直接比较颜色作为判断条件,但是由于组件的外型及种类繁多,而且容易因为组件角度位置偏移而产生误判,因此,仍然无法有效解决组件检测的效率及正确性不佳的问题。
综上所述,可知现有技术中长期以来一直存在组件检测的效率及正确性不佳的问题,因此实有必要提出改进的技术手段,来解决此问题。
发明内容
本发明披露一种二值化轮廓检测系统及其方法。
首先,本发明揭露一种二值化轮廓检测系统,此系统包含:定位模块、生成模块、计算模块及输出模块。其中,定位模块用以定位模板中的目标组件在检测图中的位置;生成模块用以根据二值化阈值分别将模板及其相应位置的检测图进行二值化以产生相应的模板二值化图像及检测图二值化图像;计算模块用以根据模板二值化图像及检测图二值化图像进行互斥或(ExclusiveOR,XOR)计算以生成差异二值化图像,并且侦测此差异二值化图像的白色面积作为差异面积,以及计算此差异面积与模板的面积的比例以产生差异百分比;输出模块用以当差异百分比小于预设值时,输出正确信息,当差异百分比大于或等于预设值时,输出错误信息。
另外,本发明披露一种二值化轮廓检测方法,其步骤包括:定位模板中的目标组件在检测图中的位置;根据二值化阈值分别将模板及其相应位置的检测图进行二值化以产生相应的模板二值化图像及检测图二值化图像;根据模板二值化图像及检测图二值化图像进行互斥或计算以生成差异二值化图像,并且侦测此差异二值化图像的白色面积作为差异面积,以及计算此差异面积与模板的面积的比例以产生差异百分比;当差异百分比小于预设值时,输出正确信息,当差异百分比大于或等于预设值时,输出错误信息。
本发明所披露的系统与方法如上,与现有技术的差异在于本发明是通过定位模板的目标组件在检测图中的位置,再根据二值化阈值分别将模板及在检测图中定位的位置进行二值化,用以产生模板二值化图像及检测图二值化图像,并且进行互斥或计算以生成差异二值化图像,以及侦测差异二值化图像的白色面积作为差异面积,并且计算差异面积与模板面积的比例产生差异百分比,进而根据差异百分比输出相应的信息。
通过上述的技术手段,本发明可以达成提高组件检测的效率及正确性的技术功效。
附图说明
图1为本发明二值化轮廓检测系统的系统框图。
图2为本发明二值化轮廓检测方法的方法流程图。
图3为应用本发明进行二值化处理的示意图。
图4为应用本发明生成差异二值化图像的示意图。
图5为应用本发明设定预设值及二值化阈值的示意图。
符号说明:
110 定位模块
120 生成模块
130 计算模块
140 输出模块
310 灰阶图像
320 二值化图像
400 显示窗口
410 模板二值化图像
420 检测图二值化图像
430 差异二值化图像
431 差异面积
440 显示区块
500 设定窗口
510 输入区块
520 储存组件
具体实施方式
以下将配合图式及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
在说明本发明所揭露的二值化轮廓检测系统及其方法之前,先对本发明所自行定义的名词作说明,本发明所述的模板二值化图像是指作为比对基准的目标组件的黑白图像;检测图二值化图像则是指在印刷电路板中的目标组件的黑白图像;所述差异二值化图像以黑白图像呈现差异轮廓,其中白色为差异部分,黑色为相同的部分。
以下配合附图对本发明二值化轮廓检测系统及其方法做进一步说明,请先参阅图1,图1为本发明二值化轮廓检测系统的系统框图,此系统包含:定位模块110、生成模块120、计算模块130及输出模块140。其中,定位模块110用以定位模板(Template)中的目标组件在检测图中的位置。在实际实施上,检测图为待测单元(Unit Under Test,UUT)的图像,例如:设置有目标组件的印刷电路板(Printed Circuit Board,PCB)的图像,至于模板则是作为比较基准的目标组件的图像。前述各图像可通过摄像组件或扫描组件,例如:感光耦合组件(Charge Coupled Device,CCD)、互补式金属氧化物半导体(Complementary Metal-Oxide-Semiconductor,CMOS)等等来产生。另外,定位方式可通过灰阶相似度匹配进行比对及定位。
生成模块120用以根据二值化阈值分别将模板及其相应位置的检测图进行二值化以产生相应的模板二值化图像及检测图二值化图像。在实际实施上,在进行二值化之前,可先进行平滑处理以降低噪声(Noise)、避免图像失真。另外,所述二值化阈值可为预先设置或根据检测图以自适应阈值算法计算生成,所述自适应阈值算法至少包含大津算法(OTSU)及最小误差阈值算法其中之一。
计算模块130用以根据模板二值化图像及检测图二值化图像进行互斥或计算以生成差异二值化图像,并且侦测此差异二值化图像的白色面积作为差异面积,以及计算此差异面积与模板的面积的比例以产生差异百分比。在实际实施上,互斥或计算是指相异为真(Ture)、相同为假(False)的计算,因此,当两张二值化图像进行互斥或计算后,即可凸显两张二值化图像的相异部分(即:白色面积;差异面积),稍后将配合图式对此部分进行示意及说明。另外,假设检测图二值化图像为模板二值化图像的两倍大小,那么当差异面积和模板面积的比例换算为百分比为200%时,相当于两者没有任何重合的部分。
输出模块140用以当所述差异百分比小于预设值时,输出正确信息,当差异百分比大于等于预设值时,输出错误信息。举例来说,预设值可预先设为“15%”,当差异百分比小于预设值时,输出正确信息如:“组件正确”,反之则输出错误信息,如:“组件错误”。在实际实施上,输出正确信息及错误信息的方式可包含在显示器上显示文字、图像、符号;使用扬声器播放语音;甚至是使用不同颜色的发光二极管分别呈现不同信息,如:输出错误信息以驱动红色发光二极管来呈现,输出正确信息以驱动绿色发光二极管来呈现。另外,输出模块140可在图形用户界面产生设定窗口,以提供用户通过按压功能键或输入数值的方式设定预设值及二值化阈值。
特别要说明的是,该系统还可包含设定模块150用以在图形用户界面产生设定窗口,以便提供用户通过按压功能键或输入数值的方式设定预设值及二值化阈值。在实际实施上,本发明的系统所包含各模块皆可利用各种方式来实现,包含软件、硬件或其任意组合,例如,在某些实施方式中,各模块可利用软件及硬件或其中之一来实现,除此之外,系统也可部分地或完全地基于硬件来实现,例如,系统中的一个或多个模块可以通过集成电路芯片、系统单芯片(System on Chip,SoC)、复杂可程序逻辑装置(Complex ProgrammableLogic Device,CPLD)、现场可程序逻辑门阵列(Field Programmable Gate Array,FPGA)等等。
本发明可以是系统、方法及/或计算机程序。计算机程序可以包括计算机可读储存媒体,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令,计算机可读储存媒体可以是可以保持和储存由指令执行设备使用的指令的有形设备。计算机可读储存媒体可以是但不限于电储存设备、磁储存设备、光储存设备、电磁储存设备、半导体储存设备或上述的任意合适的组合。计算机可读储存媒体的更具体的例子(非穷举的列表)包括:硬盘、随机存取内存、只读存储器、闪存、光盘、软盘以及上述的任意合适的组合。此处所使用的计算机可读储存媒体不被解释为瞬时信号本身,诸如无线电波或者其它自由传播的电磁波、通过波导或其它传输媒介传播的电磁波(例如,通过光纤电缆的光信号)、或者通过电线传输的电信号。另外,此处所描述的计算机可读程序指令可以从计算机可读储存媒体下载到各个计算/处理设备,或者通过网络,例如:因特网、局域网络、广域网及/或无线网络下载到外部计算机设备或外部储存设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换器、集线器及/或网关。每一个计算/处理设备中的网络卡或者网络接口从网络接收计算机可读程序指令,并转发此计算机可读程序指令,以供储存在各个计算/处理设备中的计算机可读储存媒体中。执行本发明操作的计算机程序指令可以是汇编语言指令、指令集架构指令、机器指令、机器相关指令、微指令、固件指令、或者以一种或多种程序语言的任意组合编写的原始码或目标码(Object Code),所述程序语言包括面向对象的程序语言,如:Common Lisp、Python、C++、Objective-C、Smalltalk、Delphi、Java、Swift、C#、Perl、Ruby与PHP等等,以及常规的程序式(Procedural)程序语言,如:C语言或类似的程序语言。计算器可读程序指令可以完全地在计算机上执行、部分地在计算机上执行、作为一个独立的软件执行、部分在客户端计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。
接着,请参阅图2,图2为本发明二值化轮廓检测方法的方法流程图,其步骤包括:定位模板中的目标组件在检测图中的位置(步骤210);根据二值化阈值分别将模板及其相应位置的检测图进行二值化以产生相应的模板二值化图像及检测图二值化图像(步骤220);根据模板二值化图像及检测图二值化图像进行互斥或计算以生成差异二值化图像,并且侦测此差异二值化图像的白色面积作为差异面积,以及计算此差异面积与模板的面积的比例以产生差异百分比(步骤230);当所述差异百分比小于预设值时,输出正确信息,当差异百分比大于等于预设值时,输出错误信息(步骤240)。通过上述步骤,即可通过定位模板的目标组件在检测图中的位置,再根据二值化阈值分别将模板及在检测图中定位的位置进行二值化,用以产生模板二值化图像及检测图二值化图像,并且进行互斥或计算以生成差异二值化图像,以及侦测差异二值化图像的白色面积作为差异面积,并且计算差异面积与模板面积的比例产生差异百分比,进而根据差异百分比输出相应的信息。
在步骤210之前,还可在图形用户界面产生设定窗口,以提供用户通过按压功能键或输入数值的方式设定预设值及二值化阈值(步骤200)。由此调整预设值能够控制容错率;由此控制二值化阈值能够控制产生的二值化图像的清晰度及噪声。
以下配合图3至图5以实施例的方式进行如下说明,请先参阅图3,图3为应用本发明进行二值化处理的示意图。在实际实施上,由于通过摄像组件或扫描组件得到的图像为彩色图像,所以为了处理方便会先将图像转为灰阶图像310,以便通过灰阶相似度匹配的方式来定位模板中的目标组件在检测图中的位置,默认的搜索范围可设定为目标组件区域的长宽两倍的区域。接着,在进行二值化处理时,将灰阶图像310小于临界值的像素设定为“0”(即:黑色),大于或等于临界值的像素则设定为“255”(即:白色),此处所指的临界值一般称为“阈值(Threshold);二值化阈值”。如此一来,在设定完成后,将产生如图3所示意的二值化图像320。借由此二值化处理,生成模块120能够分别产生模板的二值化图像(即:模板二值化图像),以及模板中的目标组件在检测图中的位置的二值化图像(即:检测图二值化图像)。
如图4所示意,图4为应用本发明生成差异二值化图像的示意图。假设生成模块120产生的二值化图像分别为显示窗口400中所示意的模板二值化图像410、检测图二值化图像420。计算模块130会将模板二值化图像410及检测图二值化图像420进行XOR计算,并且生成差异二值化图像430,以及侦测差异二值化图像430的白色面积作为差异面积431。接着,计算差异面积431与模板的面积的比例以产生差异百分比,例如:“18%”。此时,假设预设值为“15%”,由于差异百分比大于预设值,所以输出模块140可在显示区块440中输出错误信息,例如:“组件错误”。
如图5所示意,图5为应用本发明设定预设值及二值化阈值的示意图。在实际实施上,可在图形用户界面产生设定窗口500,以提供用户通过按压功能键或在输入区块510中输入数值的方式设定预设值及二值化阈值,并且点选储存组件520以进行储存。特别要说明的是,除了以设定窗口500设定二值化阈值之外,也可根据检测图以自适应阈值算法计算生成二值化阈值,所述自适应阈值算法可以使用如:大津算法(OTSU)、最小误差阈值算法等等。
综上所述,可知本发明与现有技术之间的差异在于通过定位模板的目标组件在检测图中的位置,再根据二值化阈值分别将模板及在检测图中定位的位置进行二值化,用以产生模板二值化图像及检测图二值化图像,并且进行互斥或计算以生成差异二值化图像,以及侦测差异二值化图像的白色面积作为差异面积,并且计算差异面积与模板面积的比例产生差异百分比,进而根据差异百分比输出相应的信息,借由此技术手段可以解决现有技术所存在的问题,进而达成提高组件检测的效率及正确性的技术功效。
虽然本发明以前述的实施例说明如上,然其并非用以限定本发明,任何本领域技术人员,在不脱离本发明的精神和范围内,当可作些许的更动与润饰,因此本发明的专利保护范围须视本说明书所附的权利要求书所界定的范围为准。

Claims (10)

1.一种二值化轮廓检测系统,其特征在于,该系统包含:
定位模块,用以定位模板中的目标组件在检测图中的位置;
生成模块,用以根据二值化阈值分别将该模板及其相应位置的该检测图进行二值化以产生相应的模板二值化图像及检测图二值化图像;
计算模块,用以根据该模板二值化图像及该检测图二值化图像进行互斥或计算以生成差异二值化图像,并且侦测该差异二值化图像的白色面积作为差异面积,以及计算该差异面积与该模板的面积的比例以产生差异百分比;以及
输出模块,用以当该差异百分比小于预设值时,输出正确信息,当差异百分比大于或等于该预设值时,输出错误信息。
2.根据权利要求1的二值化轮廓检测系统,其特征在于,该二值化阈值为预先设置或根据该检测图以自适应阈值算法计算生成,该自适应阈值算法至少包含大津算法及最小误差阈值算法其中之一。
3.根据权利要求1的二值化轮廓检测系统,其特征在于,该定位模块定位该模板中的该目标组件在该检测图中的位置以灰阶相似度匹配进行比对及定位。
4.根据权利要求1的二值化轮廓检测系统,其特征在于,该系统还包含设定模块,用以在图形用户界面产生设定窗口,以提供按压功能键或输入数值的方式设定该预设值及该二值化阈值。
5.根据权利要求1的二值化轮廓检测系统,其特征在于,该正确信息及该错误信息包含文字、图像、符号及语音,并且以显示器或扬声器进行显示或播放。
6.一种二值化轮廓检测方法,其特征在于,其步骤包括:
定位模板中的目标组件在检测图中的位置;
根据二值化阈值分别将该模板及其相应位置的该检测图进行二值化以产生相应的模板二值化图像及检测图二值化图像;
根据该模板二值化图像及该检测图二值化图像进行互斥或计算以生成差异二值化图像,并且侦测该差异二值化图像的白色面积作为差异面积,以及计算该差异面积与该模板的面积的比例以产生差异百分比;以及
当该差异百分比小于预设值时,输出正确信息,当差异百分比大于等于该预设值,输出错误信息。
7.根据权利要求6的二值化轮廓检测方法,其特征在于,该二值化阈值为预先设置或根据该检测图以自适应阈值算法计算生成,该自适应阈值算法至少包含大津算法及最小误差阈值算法其中之一。
8.根据权利要求6的二值化轮廓检测方法,其特征在于,该定位该模板中的该目标组件在该检测图中的位置的步骤以灰阶相似度匹配进行比对及定位。
9.根据权利要求6的二值化轮廓检测方法,其特征在于,该方法还包含在图形用户界面产生设定窗口,以提供按压功能键或输入数值的方式设定该预设值及该二值化阈值的步骤。
10.根据权利要求6的二值化轮廓检测方法,其特征在于,该正确信息及该错误信息包含文字、图像、符号及语音,并且以显示器或扬声器进行显示或播放。
CN201711266700.5A 2017-12-05 2017-12-05 二值化轮廓检测系统及其方法 Withdrawn CN109870117A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711266700.5A CN109870117A (zh) 2017-12-05 2017-12-05 二值化轮廓检测系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711266700.5A CN109870117A (zh) 2017-12-05 2017-12-05 二值化轮廓检测系统及其方法

Publications (1)

Publication Number Publication Date
CN109870117A true CN109870117A (zh) 2019-06-11

Family

ID=66916331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711266700.5A Withdrawn CN109870117A (zh) 2017-12-05 2017-12-05 二值化轮廓检测系统及其方法

Country Status (1)

Country Link
CN (1) CN109870117A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111058182A (zh) * 2019-12-25 2020-04-24 杭州晶一智能科技有限公司 基于投影区域统计的纱线状态检测方法
CN111161332A (zh) * 2019-12-30 2020-05-15 上海研境医疗科技有限公司 同源病理影像配准预处理方法、装置、设备及存储介质
CN111507411A (zh) * 2020-04-20 2020-08-07 北京英迈琪科技有限公司 一种图像比对的方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH113427A (ja) * 1997-06-11 1999-01-06 Dainippon Printing Co Ltd 画像検査方法および装置
CN102053093A (zh) * 2010-11-08 2011-05-11 北京大学深圳研究生院 一种晶圆表面切割芯片的表面缺陷检测方法
CN102314615A (zh) * 2011-07-30 2012-01-11 山东电力研究院 基于变电站巡检机器人的断路器状态模板匹配识别方法
CN102938077A (zh) * 2012-10-25 2013-02-20 渭南师范学院 基于双阈值二值化的在线式aoi图像检索方法
CN102937595A (zh) * 2012-11-13 2013-02-20 浙江省电力公司电力科学研究院 一种pcb板检测方法、装置及系统
CN103439348A (zh) * 2013-08-16 2013-12-11 中国科学院半导体研究所 基于差影法的遥控器按键缺陷检测方法
CN104568965A (zh) * 2014-12-20 2015-04-29 佛山市多谱光电科技有限公司 一种led光源芯片缺陷检测方法及其装置
CN106370671A (zh) * 2016-10-12 2017-02-01 浙江理工大学 基于机器视觉的pcb上元器件检测系统及方法
CN106530275A (zh) * 2016-10-11 2017-03-22 广州视源电子科技股份有限公司 元件错件检测方法和系统
CN106934803A (zh) * 2017-03-13 2017-07-07 珠海格力智能装备有限公司 电子器件表面缺陷的检测方法及装置
CN107192716A (zh) * 2017-04-26 2017-09-22 广东工业大学 一种基于轮廓特征的工件缺陷快速检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH113427A (ja) * 1997-06-11 1999-01-06 Dainippon Printing Co Ltd 画像検査方法および装置
CN102053093A (zh) * 2010-11-08 2011-05-11 北京大学深圳研究生院 一种晶圆表面切割芯片的表面缺陷检测方法
CN102314615A (zh) * 2011-07-30 2012-01-11 山东电力研究院 基于变电站巡检机器人的断路器状态模板匹配识别方法
CN102938077A (zh) * 2012-10-25 2013-02-20 渭南师范学院 基于双阈值二值化的在线式aoi图像检索方法
CN102937595A (zh) * 2012-11-13 2013-02-20 浙江省电力公司电力科学研究院 一种pcb板检测方法、装置及系统
CN103439348A (zh) * 2013-08-16 2013-12-11 中国科学院半导体研究所 基于差影法的遥控器按键缺陷检测方法
CN104568965A (zh) * 2014-12-20 2015-04-29 佛山市多谱光电科技有限公司 一种led光源芯片缺陷检测方法及其装置
CN106530275A (zh) * 2016-10-11 2017-03-22 广州视源电子科技股份有限公司 元件错件检测方法和系统
CN106370671A (zh) * 2016-10-12 2017-02-01 浙江理工大学 基于机器视觉的pcb上元器件检测系统及方法
CN106934803A (zh) * 2017-03-13 2017-07-07 珠海格力智能装备有限公司 电子器件表面缺陷的检测方法及装置
CN107192716A (zh) * 2017-04-26 2017-09-22 广东工业大学 一种基于轮廓特征的工件缺陷快速检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
姜志高: "基于二值化处理与模板匹配的图像识别", 《才智》 *
陈丙森: "《计算机辅助焊接技术》", 31 October 1999 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111058182A (zh) * 2019-12-25 2020-04-24 杭州晶一智能科技有限公司 基于投影区域统计的纱线状态检测方法
CN111161332A (zh) * 2019-12-30 2020-05-15 上海研境医疗科技有限公司 同源病理影像配准预处理方法、装置、设备及存储介质
CN111507411A (zh) * 2020-04-20 2020-08-07 北京英迈琪科技有限公司 一种图像比对的方法及系统

Similar Documents

Publication Publication Date Title
CN111583223B (zh) 缺陷检测方法、装置、计算机设备及计算机可读存储介质
Wei et al. CNN‐based reference comparison method for classifying bare PCB defects
US10740912B2 (en) Detection of humans in images using depth information
CN103134807B (zh) 用于识别材料中的缺陷的系统和方法
CN109870117A (zh) 二值化轮廓检测系统及其方法
TWI238366B (en) Image processing method for appearance inspection
CN104966089B (zh) 一种二维码图像边缘检测的方法及装置
CN116721107B (zh) 一种电缆生产质量智能监控系统
CN109584220A (zh) 一种丝印定位方法、丝印缺陷检测方法和相关装置
US20200126202A1 (en) Detection for abnormal connectivity on a product
CN109564331A (zh) 用于评估光纤拼接的方法和设备
CN112069880A (zh) 活体检测方法、装置、电子设备和计算机可读介质
CN104076242A (zh) 一种固体绝缘环网柜电气接头检测方法和装置
US10241000B2 (en) Method for checking the position of characteristic points in light distributions
US11989874B2 (en) Multi-tier PCBA integrity validation process
TWM634148U (zh) 基於非監督式學習的瑕疵檢測系統
CN116993654A (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
US11288792B2 (en) Method and system for change detection using AR overlays
WO2019077863A1 (ja) 識別装置及び電子機器
TWI803393B (zh) 基於非監督式學習的瑕疵檢測系統及其方法
CN116046791B (zh) 点胶缺陷检测方法及检测装置
CN113962408A (zh) 一种用电安全巡检系统及分析方法
CN106204627B (zh) 一种芯片自动开封实现方法
CN113743451A (zh) 温度图像识别方法、装置、设备及存储介质
Vasquez et al. Improving Deep Learning-based Defect Detection on Window Frames with Image Processing Strategies

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190611