CN110033433B - 一种纹理缺陷检测方法、系统、装置和存储介质 - Google Patents

一种纹理缺陷检测方法、系统、装置和存储介质 Download PDF

Info

Publication number
CN110033433B
CN110033433B CN201910158924.7A CN201910158924A CN110033433B CN 110033433 B CN110033433 B CN 110033433B CN 201910158924 A CN201910158924 A CN 201910158924A CN 110033433 B CN110033433 B CN 110033433B
Authority
CN
China
Prior art keywords
energy
image
axis direction
average length
dimensional coordinates
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.)
Active
Application number
CN201910158924.7A
Other languages
English (en)
Other versions
CN110033433A (zh
Inventor
郑爽
陈和平
李耀楠
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.)
Jiaxing Minshuo Intelligent Technology Co ltd
Original Assignee
Shenzhen Academy Of Robotics
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 Shenzhen Academy Of Robotics filed Critical Shenzhen Academy Of Robotics
Priority to CN201910158924.7A priority Critical patent/CN110033433B/zh
Publication of CN110033433A publication Critical patent/CN110033433A/zh
Application granted granted Critical
Publication of CN110033433B publication Critical patent/CN110033433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种纹理缺陷检测方法、系统、装置和存储介质，其中方法包括以下步骤：获取待检测的图像，并采用预设的二维函数对图像进行标识后，获得多个二维坐标以及各二维坐标的标量值；结合标量值和预设方式分别计算各二维坐标的平均长度能量，以及所有二维坐标的平均图像能量；结合平均长度能量和平均图像能量检测图像的缺陷特征。本发明通过平均图像能量和平均长度能量进行结合去除分纹理特征，并保留下缺陷特征，能够有效的区分纹理特征和下缺陷特征，极大地提高了检测效率和质量；另外，本发明中的检测方法缺陷设计简便，运算速度快，适用于大多纹理缺陷检测，可广泛应用于缺陷检测技术领域。

Description

一种纹理缺陷检测方法、系统、装置和存储介质
技术领域
本发明涉及缺陷检测技术领域，尤其涉及一种纹理缺陷检测方法、系统、装置和存储介质。
背景技术
纹理特征研究一直是图像处理领域的热门课题。在对纹理表面的缺陷进行检测时，纹理特征对缺陷检测产生较大的影响，目前的缺陷检测方法不能有效的区分纹理特征和缺陷特征，容易造成缺陷的误判。
发明内容
为了解决上述技术问题，本发明的目的是提供一种有效区分纹理特征和缺陷特征的缺陷检测方法、系统、装置和存储介质。
本发明所采用的第一技术方案是：
一种纹理缺陷检测方法，包括以下步骤：
获取待检测的图像，并采用预设的二维函数对图像进行标识后，获得多个二维坐标以及各二维坐标的标量值；
结合标量值和预设方式分别计算各二维坐标的平均长度能量，以及所有二维坐标的平均图像能量；
结合平均长度能量和平均图像能量检测图像的缺陷特征。
进一步，所述标量值为图像的灰度值。
进一步，所述平均长度能量包括x轴方向平均长度能量和y轴方向平均长度能量，所述结合标量值和预设方式分别计算各二维坐标的平均长度能量这一步骤，具体包括以下步骤：
按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的x轴方向平均长度能量；
按照预设方式获取各二维坐标在y轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的y轴方向平均长度能量。
进一步，所述结合平均长度能量和平均图像能量检测图像的缺陷特征这一步骤，具体包括以下步骤：
结合所有二维坐标的x轴方向平均长度能量和平均图像能量获取图像的x轴能量差值矩阵；
结合所有二维坐标的y轴方向平均长度能量和平均图像能量获取图像的y轴能量差值矩阵；
将x轴能量差值矩阵和y轴能量差值矩阵进行叠加后，生成能量差值图；
根据能量差值图检测图像的缺陷特征。
进一步，所述按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值这一步骤，具体为：
依次以各二维坐标为中心，在x轴方向上获取预设个数与该二维坐标相邻的二维坐标的标量值；
所述按照预设方式获取各二维坐标在y轴方向相邻的二维坐标的标量值这一步骤，具体为：
依次以各二维坐标为中心，在y轴方向上获取预设个数与该二维坐标相邻的二维坐标的标量值。
进一步，所述根据获得的标量值计算该二维坐标的x轴方向平均长度能量这一步骤，具体为：
根据获得的标量值计算该二维坐标的x轴方向长度能量后，结合x轴方向长度能量和标量值的个数计算该二维坐标的x轴方向平均长度能量；
所述根据获得的标量值计算该二维坐标的y轴方向平均长度能量这一步骤，具体为：
根据获得的标量值计算该二维坐标的y轴方向长度能量后，结合y轴方向长度能量和标量值的个数计算该二维坐标的y轴方向平均长度能量。
本发明所采用的第二技术方案是：
一种纹理缺陷检测系统，包括：
标识模块，用于获取待检测的图像，并采用预设的二维函数对图像进行标识后，获得多个二维坐标以及各二维坐标的标量值；
计算模块，用于结合标量值和预设方式分别计算各二维坐标的平均长度能量，以及所有二维坐标的平均图像能量；
检测模块，用于结合平均长度能量和平均图像能量检测图像的缺陷特征。
进一步，所述标量值为图像的灰度值。
本发明所采用的第三技术方案是：
一种计算机代码自动生成装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行上述的方法。
本发明所采用的第四技术方案是：
一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行如上述的方法。
本发明的有益效果是：本发明通过对图像进行标识后，计算图像的平均图像能量和各二维坐标的平均长度能量，再通过平均图像能量和平均长度能量进行结合去除分纹理特征，并保留下缺陷特征，能够有效的区分纹理特征和下缺陷特征，极大地提高了检测效率和质量；另外，本发明中的检测方法缺陷设计简便，运算速度快，适用于大多纹理缺陷检测。
附图说明
图1是本发明一种纹理缺陷检测方法的步骤流程图；
图2是具体实施例中获取相邻二维坐标的示意图；
图3是具体实施例中二维坐标在x轴方向上相邻二维坐标的标量值的示意图；
图4是具体实施例中计算二维坐标的能量差值的示意图；
图5是一种纹理缺陷检测方法的一种具体实施方式的步骤流程图；
图6是本发明一种纹理缺陷检测系统的结构框图。
具体实施方式
实施例一
如图1所示，本实施例提供一种纹理缺陷检测方法，包括以下步骤：
S1、获取待检测的图像，并采用预设的二维函数对图像进行标识后，获得多个二维坐标以及各二维坐标的标量值。所述标量值为图像的灰度值。
S2、结合标量值和预设方式分别计算各二维坐标的平均长度能量，以及所有二维坐标的平均图像能量。
S3、结合平均长度能量和平均图像能量检测图像的缺陷特征。
获取到待检测的图像后，采用预设的二维函数对图像进行标识，即对图像进行二维划分，从而在图像上获得到多个二维坐标以及各二维坐标的标量值，所述二维函数采用现有的二维函数实现即可；对图像进行二维划分的最小单元为图像的像素，即每个坐标为一个像素点。根据图像检测的要求对图像进行不同的划分，有些检测要求高，则进行较小单元的划分。每个二维坐标对应一个标量值，所述标量值可以为图像的像素值或者灰度值等，在本实施例中，标量值采用标量值。获得二维坐标和对应的标量值后，计算各二维坐标平均长度能量，所述平均长度能量为各二维坐标与相邻二维坐标的能量的平均值；选择相邻的二维坐标可根据需求来选择，可选择二维坐标左侧或右侧的相邻二维坐标，也可选择其他相邻的二维坐标，且选择的相邻二维坐标个数根据实际计算来设定。所述平均图像能量为整个图像的平均灰度能量，即所有二维坐标的灰度能量的平均值。获得各二维坐标的平均长度能量后，将各二维坐标的平均长度能量分别减去平均图像能量，可以去除图像中的纹理特征，并保留缺陷，从而能够快速地对缺陷进行检测。从整体分布上看，纹理特征是一种近似均匀分布的能量，通过计算长度能量能够有效的规避掉纹理能量的影响，这是因为同样的纹理，在不同位置下的方向长度能量基本相同。因此，本方法能够有效地区分纹理特征和缺陷特征，极大地提高了检测效率和质量。另外，本方法检测方法缺陷设计简便，运算速度快，适用于大多纹理缺陷检测。
所述平均长度能量包括x轴方向平均长度能量和y轴方向平均长度能量。其中，步骤S2中所述结合标量值和预设方式分别计算各二维坐标的平均长度能量这一步骤包括步骤A1～A2：
A1、按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的x轴方向平均长度能量；
A2、按照预设方式获取各二维坐标在y轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的y轴方向平均长度能量。
所述步骤S3包括步骤S31～S34：
S31、结合所有二维坐标的x轴方向平均长度能量和平均图像能量获取图像的x轴能量差值矩阵；
S32、结合所有二维坐标的y轴方向平均长度能量和平均图像能量获取图像的y轴能量差值矩阵；
S33、将x轴能量差值矩阵和y轴能量差值矩阵进行叠加后，生成能量差值图；
S34、根据能量差值图检测图像的缺陷特征。
在二维坐标的x轴方向上获取相应的标量值，计算x轴方向平均长度能量；以及在二维坐标的y轴方向上获取相应的标量值，计算y轴方向平均长度能量。所述获取相应的标量值的方式可以只在该二维坐标的一侧获取，也可同时在该二维坐标的两侧获取，在本实施例中，在各该二维坐标的两侧获取相应的标量值。本实施例中，一个二维坐标获取两个平均长度能量，再由每个平均长度能量和平均图像能量获得能量差值，由能量差值组合成能量差值矩阵，最后获得x轴能量差值矩阵和y轴能量差值矩阵。将x轴能量差值矩阵和y轴能量差值矩阵进行叠加后，生成能量差值图，此时能量差值图中已经去除了纹理特征，只保留原有的缺陷特征。所述能量差值图由x轴能量差值矩阵和y轴能量差值矩阵叠合生成，极大地提高了缺陷检测的精确度。
进一步作为优选的实施方式，所述按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值这一步骤，具体为：依次以各二维坐标为中心，在x轴方向上获取预设个数与该二维坐标相邻的二维坐标的标量值。
所述按照预设方式获取各二维坐标在y轴方向相邻的二维坐标的标量值这一步骤，具体为：依次以各二维坐标为中心，在y轴方向上获取预设个数与该二维坐标相邻的二维坐标的标量值。
本方案中，在计算各二维坐标的在x轴方向和y轴方向获取相应的标量值时，以该二维坐标为中心，对称地获取该二维坐标两侧的二维坐标的标量值。从而使计算获得的平均长度能量更加具有代表性。其中，获取的标量值的个数根据实际的计算确定。
进一步作为优选的实施方式，所述按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值这一步骤，具体为：根据获得的标量值计算该二维坐标的x轴方向长度能量后，结合x轴方向长度能量和标量值的个数计算该二维坐标的x轴方向平均长度能量。
所述根据获得的标量值计算该二维坐标的y轴方向平均长度能量这一步骤，具体为：根据获得的标量值计算该二维坐标的y轴方向长度能量后，结合y轴方向长度能量和标量值的个数计算该二维坐标的y轴方向平均长度能量。
具体实施例
以下结合图2至图5对上述方法的一种实施方式进行详细的说明。
步骤一：
如图5所示，先获取一幅待处理的灰度图像后，用形如f(x,y)的二维函数进行标识，其中(x,y)表示空间坐标，f的值或幅度是一个正的标量，表示当前坐标下的灰度值。
步骤二：
获取各二维坐标的方向长度邻域，参照图2，所述长度邻域的定义为：坐标点(x,y)取x坐标轴或y坐标轴方向长度为b的邻域，所述b为大于0的整数。获得方向长度邻域后，计算方向长度能量，参照图3，所述方向长度能量的定义为：对于坐标点(x,y)，在方向长度邻域内的f(x,y)平方和，用Ef表示。计算方向长度能量的公式如下：
Figure BDA0001983882120000051
步骤三：
根据长度能量公式计算得到的能量函数是包含纹理特征和缺陷特征的，需要通过去除纹理特征保留缺陷特征，从而得到缺陷特征图像。
在这里首先计算方向长度能量的平均长度能量
Figure BDA0001983882120000061
参照图4，由于图像的纹理特征呈均匀分布，而缺陷特征是某种不均匀变化，通过计算整个图像的平均灰度能量Efall(即平均图像能量)，求出平均长度能量
Figure BDA0001983882120000062
和平均灰度能量Efall的能量差值E。
Figure BDA0001983882120000063
步骤四：
分别计算每个像素点(x，y)在x轴方向和y轴方向上的能量差值，可以得到整个图像的能量差值矩阵Efx(x，y)和Efy(x，y)。其中：Efx(x，y)表示x轴方向上的能量差值矩阵；Efy(x，y)表示y轴方向上的能量差值矩阵；将Efx(x，y)和Efy(x，y)叠加生成能量差值分布图像。能量差值分布图像能够在去除掉纹理特征的情况下保留原有的缺陷特征。
从整体分布上看，纹理特征是一种近似均匀分布的能量，通过计算方向长度能量能够有效的规避掉纹理能量的影响，这是因为同样的纹理，在不同位置下的方向长度能量基本相同。得到的x轴方向的能量差值和y轴方向的能量差值只具有少量的纹理信息(几乎没有)，而具有完整的缺陷信息，从而能够有效的提取出缺陷信息。
综上所述，上述一种纹理缺陷检测方法的有益效果为：
(1)、本发明方法适用于一般纹理缺陷检测，不需要进行纹理特征区分，适应性强；而且算法设计简便，运算速度快，极大地提高了缺陷检测的速度与质量。
(2)、通过计算图像的x轴能量差值矩阵和图像的y轴能量差值矩阵，并通过矩阵叠加生成能量差值图来检测图像的缺陷特征，极大地提高了缺陷检测准确性和精确度。
实施例二
参照图6，本实施例提供了一种纹理缺陷检测系统，包括：
标识模块，用于获取待检测的图像，并采用预设的二维函数对图像进行标识后，获得多个二维坐标以及各二维坐标的标量值；
计算模块，用于结合标量值和预设方式分别计算各二维坐标的平均长度能量，以及所有二维坐标的平均图像能量；
检测模块，用于结合平均长度能量和平均图像能量检测图像的缺陷特征。
进一步作为优选的实施方式，所述标量值为图像的灰度值。
本实施例的一种纹理缺陷检测系统，可执行本发明方法实施例所提供的一种纹理缺陷检测方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
实施例三
一种计算机代码自动生成装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例一所述方法。
本实施例的一种计算机代码自动生成装置，可执行本发明方法实施例所提供的一种纹理缺陷检测方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
实施例四
一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行如实施例一所述方法。
本实施例的一种存储介质，可执行本发明方法实施例所提供的一种纹理缺陷检测方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (8)

1.一种纹理缺陷检测方法，其特征在于，包括以下步骤：
获取待检测的图像，并采用预设的二维函数对图像进行标识后，获得多个二维坐标以及各二维坐标的标量值；
结合标量值和预设方式分别计算各二维坐标的平均长度能量，以及所有二维坐标的平均图像能量；
结合平均长度能量和平均图像能量检测图像的缺陷特征；
所述平均长度能量包括x轴方向平均长度能量和y轴方向平均长度能量，所述结合标量值和预设方式分别计算各二维坐标的平均长度能量这一步骤，具体包括以下步骤：
按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的x轴方向平均长度能量；
按照预设方式获取各二维坐标在y轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的y轴方向平均长度能量；
所述结合平均长度能量和平均图像能量检测图像的缺陷特征这一步骤，具体包括以下步骤：
结合所有二维坐标的x轴方向平均长度能量和平均图像能量获取图像的x轴能量差值矩阵；
结合所有二维坐标的y轴方向平均长度能量和平均图像能量获取图像的y轴能量差值矩阵；
将x轴能量差值矩阵和y轴能量差值矩阵进行叠加后，生成能量差值图；
根据能量差值图检测图像的缺陷特征。
2.根据权利要求1所述的一种纹理缺陷检测方法，其特征在于，所述标量值为图像的灰度值。
3.根据权利要求1所述的一种纹理缺陷检测方法，其特征在于，所述按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值这一步骤，具体为：依次以各二维坐标为中心，在x轴方向上获取预设个数与该二维坐标相邻的二维坐标的标量值；
所述按照预设方式获取各二维坐标在y轴方向相邻的二维坐标的标量值这一步骤，具体为：
依次以各二维坐标为中心，在y轴方向上获取预设个数与该二维坐标相邻的二维坐标的标量值。
4.根据权利要求3所述的一种纹理缺陷检测方法，其特征在于，所述根据获得的标量值计算该二维坐标的x轴方向平均长度能量这一步骤，具体为：
根据获得的标量值计算该二维坐标的x轴方向长度能量后，结合x轴方向长度能量和标量值的个数计算该二维坐标的x轴方向平均长度能量；
所述根据获得的标量值计算该二维坐标的y轴方向平均长度能量这一步骤，具体为：
根据获得的标量值计算该二维坐标的y轴方向长度能量后，结合y轴方向长度能量和标量值的个数计算该二维坐标的y轴方向平均长度能量。
5.一种纹理缺陷检测系统，其特征在于，包括：
标识模块，用于获取待检测的图像，并采用预设的二维函数对图像进行标识后，获得多个二维坐标以及各二维坐标的标量值；
计算模块，用于结合标量值和预设方式分别计算各二维坐标的平均长度能量，以及所有二维坐标的平均图像能量；
检测模块，用于结合平均长度能量和平均图像能量检测图像的缺陷特征；
所述平均长度能量包括x轴方向平均长度能量和y轴方向平均长度能量，所述结合标量值和预设方式分别计算各二维坐标的平均长度能量这一步骤，具体包括以下步骤：
按照预设方式获取各二维坐标在x轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的x轴方向平均长度能量；
按照预设方式获取各二维坐标在y轴方向相邻的二维坐标的标量值，并根据获得的标量值计算该二维坐标的y轴方向平均长度能量；
所述结合平均长度能量和平均图像能量检测图像的缺陷特征这一步骤，具体包括以下步骤：
结合所有二维坐标的x轴方向平均长度能量和平均图像能量获取图像的x轴能量差值矩阵；
结合所有二维坐标的y轴方向平均长度能量和平均图像能量获取图像的y轴能量差值矩阵；
将x轴能量差值矩阵和y轴能量差值矩阵进行叠加后，生成能量差值图；
根据能量差值图检测图像的缺陷特征。
6.根据权利要求5所述的一种纹理缺陷检测系统，其特征在于，所述标量值为图像的灰度值。
7.一种计算机代码自动生成装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求1-4任一项所述方法。
8.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-4任一项所述方法。
CN201910158924.7A 2019-03-04 2019-03-04 一种纹理缺陷检测方法、系统、装置和存储介质 Active CN110033433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910158924.7A CN110033433B (zh) 2019-03-04 2019-03-04 一种纹理缺陷检测方法、系统、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910158924.7A CN110033433B (zh) 2019-03-04 2019-03-04 一种纹理缺陷检测方法、系统、装置和存储介质

Publications (2)

Publication Number Publication Date
CN110033433A CN110033433A (zh) 2019-07-19
CN110033433B true CN110033433B (zh) 2021-07-02

Family

ID=67235696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910158924.7A Active CN110033433B (zh) 2019-03-04 2019-03-04 一种纹理缺陷检测方法、系统、装置和存储介质

Country Status (1)

Country Link
CN (1) CN110033433B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1335496A (zh) * 2000-04-18 2002-02-13 香港大学 一种检查图象以检测缺陷的方法及装置
CN101908143A (zh) * 2010-08-09 2010-12-08 哈尔滨工程大学 基于子带特征融合的活体指纹滑移缺陷检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4960026B2 (ja) * 2006-06-09 2012-06-27 富士フイルム株式会社 フイルムの欠陥検査装置及びフイルムの製造方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1335496A (zh) * 2000-04-18 2002-02-13 香港大学 一种检查图象以检测缺陷的方法及装置
CN101908143A (zh) * 2010-08-09 2010-12-08 哈尔滨工程大学 基于子带特征融合的活体指纹滑移缺陷检测方法

Also Published As

Publication number Publication date
CN110033433A (zh) 2019-07-19

Similar Documents

Publication Publication Date Title
CN107918931B (zh) 图像处理方法及系统及计算机可读存储介质
CN108052653A (zh) 图像特征描述符的获取方法、装置、存储介质、终端及图像检索方法
CN113379680B (zh) 缺陷检测方法、装置、电子设备和计算机可读存储介质
CN111768450B (zh) 基于散斑图的结构光相机行偏差的自动检测方法和装置
CN111738045B (zh) 一种图像检测方法、装置、电子设备及存储介质
CN110660072B (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN113012157B (zh) 一种设备缺陷视觉检测方法及系统
CN104867225A (zh) 一种纸币的面向识别方法及装置
CN112991374B (zh) 基于Canny算法的边缘增强方法、装置、设备及存储介质
CN109685142A (zh) 一种图像匹配方法及装置
CN110796174A (zh) 多类型虚拟样本的生成方法、装置、电子设备及存储介质
CN107067536A (zh) 一种图像边界确定方法、装置、设备和存储介质
CN113780484B (zh) 工业产品缺陷检测方法和装置
CN114937023A (zh) 一种承压设备的缺陷识别方法及装置
CN111141208B (zh) 一种平行线检测方法及装置
CN110033433B (zh) 一种纹理缺陷检测方法、系统、装置和存储介质
CN117788433A (zh) 玻璃缺陷检测方法
CN116448960A (zh) 一种芯片的质量检测方法、装置、电子设备及存储介质
CN111192358A (zh) 基于三维的管道裂痕检测方法、装置、设备和存储介质
CN114049380B (zh) 目标物体定位追踪方法、装置、计算机设备和存储介质
CN116416227A (zh) 背景图像处理方法和装置
CN113469969A (zh) 图像生成方法、图像生成装置、检测设备及可读存储介质
CN103729844B (zh) 一种静止检测方法和装置
CN106251468B (zh) 一种纸币鉴伪方法和装置
CN108010020B (zh) 一种硅片的滑道检测方法及装置

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20221209

Address after: 314001 Floor 1, Building 19, CETC (Jiaxing) Smart Industrial Park, No. 587, Taoyuan Road, Gaozhao Street, Xiuzhou District, Jiaxing City, Zhejiang Province

Patentee after: Jiaxing minshuo Intelligent Technology Co.,Ltd.

Address before: A306, key laboratory platform building, Shenzhen Virtual University Park, No.1, Yuexing 2nd Road, Yuehai street, Nanshan District, Shenzhen, Guangdong 518000

Patentee before: SHENZHEN ACADEMY OF ROBOTICS