CN110111350A - 一种焊接熔池边缘检测方法、装置及存储介质 - Google Patents
一种焊接熔池边缘检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110111350A CN110111350A CN201910335963.XA CN201910335963A CN110111350A CN 110111350 A CN110111350 A CN 110111350A CN 201910335963 A CN201910335963 A CN 201910335963A CN 110111350 A CN110111350 A CN 110111350A
- Authority
- CN
- China
- Prior art keywords
- melt tank
- tank edge
- edge
- image
- pixel
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000003466 welding Methods 0.000 title claims abstract description 37
- 238000003708 edge detection Methods 0.000 title claims abstract description 24
- 239000000155 melt Substances 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000003628 erosive effect Effects 0.000 claims description 6
- 230000010339 dilation Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000009472 formulation Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims description 2
- 230000036039 immunity Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003500 flue dust Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- 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
- G06T2207/30152—Solder
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种焊接熔池边缘检测方法、装置及存储介质,其方法包括,获取熔池边缘图像,对熔池边缘图像进行二值化处理,得到熔池边缘二值化图像,对熔池边缘二值化图像进行小波变换处理,对小波变换处理后的熔池边缘二值化图像进行提取处理,得到熔池边缘。本发明对熔池边缘图像二值化处理能够消除熔池边缘图像的干扰和噪声,并通过小波变换处理能够兼顾实时性,提高边缘定位的精度,与传统的边缘检测方法相比,检测出的边缘清晰、准确、实时性好,抗噪性强。
Description
技术领域
本发明主要涉及熔池边缘检测技术领域,具体涉及一种焊接熔池边缘检测方法、装置及存储介质。
背景技术
边缘检测是图像处理和机器视觉研究的重要内容,机器视觉的传感技术已经广泛应用于焊接自动化检测领域。在焊接质量在线检测中,焊接熔池的大小、形状和动态变化情况,是影响焊缝内在质量及外表成形好坏的主要因素。通过熔池信息就能直接反映出焊缝外部缺陷、外观形状以及判断内部成形是否良好,从而可以判断焊接质量的高低。在CO2焊接过程中,熔池周围不可避免地存在大量的飞溅、烟尘和强烈的弧光干扰,在用CCD捕获的熔池图像中必然会有弧光和飞溅形成的点噪声,另外,由于CCD存在延时,将产生颗粒飞过视图区而形成的线状噪声,并且现场的烟尘也会使图像变得更加模糊。这些噪声为后续的图像处理带来了很大的困难。准确快速地从被噪声干扰的熔池图像中提取出熔池边缘特征信息是焊接图像处理的关键。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种焊接熔池边缘检测方法、装置及存储介质。
本发明解决上述技术问题的技术方案如下:一种焊接熔池边缘检测方法,包括如下步骤:
获取熔池边缘图像。
对所述熔池边缘图像进行二值化处理,得到熔池边缘二值化图像。
对所述熔池边缘二值化图像进行小波变换处理。
对小波变换处理后的熔池边缘二值化图像进行提取处理,得到熔池边缘。
本发明解决上述技术问题的另一技术方案如下:一种焊接熔池边缘检测装置,包括:
采集模块,用于获取熔池边缘图像。
二值化处理模块,用于对所述熔池边缘图像进行二值化处理,得到熔池边缘二值化图像。
小波变换处理模块,用于对所述熔池边缘二值化图像进行小波变换处理。
提取模块,用于对小波变换处理后的熔池边缘二值化图像进行提取处理,得到熔池边缘。
本发明解决上述技术问题的另一技术方案如下:一种焊接熔池边缘检测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,当所述处理器执行所述计算机程序时,实现所述的焊接熔池边缘检测方法。
本发明解决上述技术问题的另一技术方案如下: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程序,当所述计算机程序被处理器执行时,实现如所述的焊接熔池边缘检测方法。
本发明的有益效果是:对熔池边缘图像二值化处理能够消除熔池边缘图像的干扰和噪声,并通过小波变换处理能够兼顾实时性,提高边缘定位的精度,与传统的边缘检测方法相比,检测出的边缘清晰、准确、实时性好,抗噪性强。
附图说明
图1为本发明一实施例提供的焊接熔池边缘检测方法的流程示意图;
图2为本发明一实施例提供的焊接熔池边缘检测装置的模块框图;
图3为本发明另一实施例提供的焊接熔池边缘检测装置的模块框图;
图4为本发明一实施例提供的原始熔池边缘二值化图像的示意图;
图5为本发明一实施例提供的膨胀后熔池边缘二值化图像的示意图;
图6为本发明一实施例提供的腐蚀后熔池边缘二值化图像的示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1为本发明一实施例提供的焊接熔池边缘检测方法的流程示意图。
如图1所示,一种焊接熔池边缘检测方法,包括如下步骤:
获取熔池边缘图像。
对所述熔池边缘图像进行二值化处理,得到熔池边缘二值化图像。
对所述熔池边缘二值化图像进行小波变换处理。
对小波变换处理后的熔池边缘二值化图像进行提取处理,得到熔池边缘。
具体地,通过预设的摄像设备对熔池的边缘进行图像采集,得到熔池边缘图像。
具体地,对熔池边缘图像进行小波变换处理,小波变换处理的多尺度特性使得图像的边缘信息在每个尺度中都存在,尺度越低,边缘信息越多,但对噪声越敏感;尺度越大,边缘信息越稳定,抗噪性越好,但定位精度不高。因为对熔池边缘图像已进行了消噪,兼顾实时性,所以对熔池图像进行二维小波变换,小波变换处理具体为二维小波变换。
上述实施例中,对熔池边缘图像二值化处理能够消除熔池边缘图像的干扰和噪声,并通过小波变换处理能够兼顾实时性,提高边缘定位的精度,与传统的边缘检测方法相比,检测出的边缘清晰、准确、实时性好,抗噪性强。
可选地,作为本发明的一个实施例,所述对所述熔池边缘图像进行二值化处理的步骤包括:
根据最大类间方差法对所述熔池边缘图像进行自适应分割处理,得到分割阈值。
获取所述熔池边缘图像中的多个像素点,并逐一将各个像素点灰度值与所述分割阈值进行比较处理,若比较的像素点灰度值大于所述分割阈值,则将所述比较的像素点灰度值置为1,否则将所述比较的像素点灰度值置为0,直至完成所述多个像素点的比较处理。
根据像素点灰度值为1的各个像素点得到熔池边缘图像的熔池区域,并根据像素点灰度值为0的各个像素点得到熔池边缘图像的非熔池区域。
根据所述熔池区域和所述非熔池区域,得到熔池边缘二值化图像。
上述实施例中,能够初步消除熔池边缘图像的部分干扰和噪声,便于获得准确的熔池边缘。
可选地,作为本发明的一个实施例,如图4所示,在所述得到熔池边缘二值化图像之后,所述方法还包括如下步骤:
对熔池边缘二值化图像进行消噪处理。
具体地,消噪处理的步骤在得到熔池边缘二值化图像之后,在小波变换处理步骤之前进行。
可选地,作为本发明的一个实施例,所述对熔池边缘二值化图像进行消噪处理的步骤包括:
设熔池边缘二值化图像的开运算为I′,设熔池边缘二值化图像的闭运算为I,通过第一公式和第二公式分别对熔池边缘二值化图像进行开运算和闭运算,所述第一公式为:
所述第二公式为:
其其中,符号Θ表示腐蚀运算,符号表示膨胀运算,B1和B2均为结构元素,B1的尺寸为3*3像素,B2的尺寸为5*5像素。
应理解地,B1和B2是形态学中的结构元素,该结构元素为二维结构元素,二维结构元素可理解为一个二维矩阵,矩阵元素的值为0或者1,结构元素小于熔池边缘二值化图像。
符号表示膨胀运算,膨胀运算的原理为:求局部最大值,定义一个卷积核,上述实施例中结构元素为B1和B2,核可以是任何的形状和大小,且拥有一个单独定义出来的参考点-锚点(anchorpoint);这里选择结构元素B1和结构元素B2均为带参考点的正方形,可将结构元素(核)称为模板或掩膜,将结构元素(核)与熔池边缘二值化图像进行卷积,计算核覆盖区域的像素点最大值,将这个最大值赋值给参考点指定的像素,如图5所示,因此膨胀运算后二值化熔池图像中的高亮区域逐渐增长。
符号Θ表示腐蚀运算,腐蚀运算的原理为:局部最小值(与膨胀相反),将结构元素(核)与熔池边缘二值化图像进行卷积,计算核覆盖区域的像素点最小值,将这个最小值赋值给参考点指定的像素,如图6所示,因此腐蚀运算后二值化熔池图像中的高亮区域逐渐减小。
上述实施例中,具体地,B1代表的是方形的3*3像素的结构元素,B2代表的是方形的5*5像素的结构元素。上述实施例中,开运算可以去除图像中的孤立点和毛刺,对图像起到平滑轮廓的作用,当图像中存在凹状噪声且噪声间距小于结构元素时,开运算则无法将其滤除;闭运算可对物体内部细小的孔洞和裂缝进行填补,具有平滑图像边缘和粘连相邻近的物体的作用,但是当图像中存在凸状噪声且噪声间距小于结构元素时,闭合运算则无法将其滤除。因此,为了实现对噪声的较好抑制,达到去除噪声的目的,将开运算和闭运算结合起来,能够较好的去除熔池边缘图像的干扰和噪声。
可选地,作为本发明的一个实施例,所述对小波变换处理后的熔池边缘二值化图像进行提取处理的步骤具体为:
根据Canny算子算法对小波变换处理后的熔池边缘二值化图像进行提取处理。
具体地,Canny算子算法的提取处理的过程包括:
S1:根据高斯滤波方法平滑熔池边缘二值化图像。
S2:根据一阶偏导有限差分计算经平滑后的熔池边缘二值化图像的梯度幅值和方向,得到梯度幅值。
S3:对所述梯度幅值进行非极大值抑制。
S4:根据双阈值算法检测经梯度幅值抑制后的熔池边缘二值化图像中的熔池边缘,得到多个边缘像素点,连接所述多个边缘像素点,得到熔池边缘。
图2为本发明一实施例提供的焊接熔池边缘检测装置的模块框图。
可选地,作为本发明的另一个实施例,如图2所示,一种焊接熔池边缘检测装置,包括:
采集模块,用于获取熔池边缘图像。
二值化处理模块,用于对所述熔池边缘图像进行二值化处理,得到熔池边缘二值化图像。
小波变换处理模块,用于对所述熔池边缘二值化图像进行小波变换处理。
提取模块,用于对小波变换处理后的熔池边缘二值化图像进行提取处理,得到熔池边缘。
可选地,作为本发明的一个实施例,所述二值化处理模块,具体用于:
根据最大类间方差法对所述熔池边缘图像进行自适应分割处理,得到分割阈值。
获取所述熔池边缘图像中的多个像素点,并逐一将各个像素点灰度值与所述分割阈值进行比较,若比较的像素点灰度值大于所述分割阈值,则将所述比较的像素点灰度值置为1,否则将所述比较的像素点灰度值置为0,直至完成所述多个像素点的比较处理。
根据像素点灰度值为1的各个像素点得到熔池边缘图像的熔池区域,并根据像素点灰度值为0的各个像素点得到熔池边缘图像的非熔池区域。
根据所述熔池区域和所述非熔池区域,得到熔池边缘二值化图像。
选择像素点灰度值为1的各个像素点,得到熔池边缘二值化图像。
图3为本发明另一实施例提供的焊接熔池边缘检测装置的模块框图。
可选地,作为本发明的一个实施例,如图3所示,还包括消噪处理模块,所述消噪处理模块用于:
对熔池边缘二值化图像进行消噪处理。
可选地,作为本发明的一个实施例,所述消噪处理模块,具体用于:
设熔池边缘二值化图像的开运算为I′,设熔池边缘二值化图像的闭运算为I,通过第一公式和第二公式分别对熔池边缘二值化图像进行开运算和闭运算,所述第一公式为:
所述第二公式为:
其中,符号Θ表示腐蚀运算,符号表示膨胀运算,B1和B2均为结构元素,B1的尺寸为3*3像素,B2的尺寸为5*5像素。
应理解的,B1和B2是形态学中的结构元素,B1代表的是方形的3*3像素的结构元素,B2代表的是方形的5*5像素的结构元素。
可选地,作为本发明的另一个实施例,一种焊接熔池边缘检测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,当所述处理器执行所述计算机程序时,实现如上所述的焊接熔池边缘检测方法。该装置可为处理器等装置。
可选地,作为本发明的另一个实施例,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程序,当所述计算机程序被处理器执行时,实现如上所述的焊接熔池边缘检测方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
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单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种焊接熔池边缘检测方法,其特征在于,包括如下步骤:
获取熔池边缘图像;
对所述熔池边缘图像进行二值化处理,得到熔池边缘二值化图像;
对所述熔池边缘二值化图像进行小波变换处理;
对小波变换处理后的熔池边缘二值化图像进行提取处理,得到熔池边缘。
2.根据权利要求1所述的焊接熔池边缘检测方法,其特征在于,所述对所述熔池边缘图像进行二值化处理的步骤包括:
根据最大类间方差法对所述熔池边缘图像进行自适应分割处理,得到分割阈值;
获取所述熔池边缘图像中的多个像素点,并逐一将各个像素点灰度值与所述分割阈值进行比较处理,若比较的像素点灰度值大于所述分割阈值,则将所述比较的像素点灰度值置为1,否则将所述比较的像素点灰度值置为0,直至完成所述多个像素点的比较处理;
根据像素点灰度值为1的各个像素点得到熔池边缘图像的熔池区域,并根据像素点灰度值为0的各个像素点得到熔池边缘图像的非熔池区域;
根据所述熔池区域和所述非熔池区域,得到熔池边缘二值化图像。
3.根据权利要求1所述的焊接熔池边缘检测方法,其特征在于,在所述得到熔池边缘二值化图像之后,所述方法还包括如下步骤:
对熔池边缘二值化图像进行消噪处理。
4.根据权利要求3所述的焊接熔池边缘检测方法,其特征在于,所述对熔池边缘二值化图像进行消噪处理的步骤包括:
设熔池边缘二值化图像的开运算为I′,设熔池边缘二值化图像的闭运算为I,通过第一公式和第二公式分别对熔池边缘二值化图像进行开运算和闭运算,所述第一公式为:
所述第二公式为:
其中,符号Θ表示腐蚀运算,符号表示膨胀运算,B1和B2均为结构元素,B1的尺寸为3*3像素,B2的尺寸为5*5像素。
5.根据权利要求1所述的焊接熔池边缘检测方法,其特征在于,所述对小波变换处理后的熔池边缘二值化图像进行提取处理的步骤具体为:
根据Canny算子算法对小波变换处理后的熔池边缘二值化图像进行提取处理,所述提取处理具体包括:
根据高斯滤波方法平滑熔池边缘二值化图像;
根据一阶偏导有限差分计算经平滑后的熔池边缘二值化图像的梯度幅值,得到梯度幅值;
对所述梯度幅值进行非极大值抑制;
根据双阈值算法检测经梯度幅值抑制后的熔池边缘二值化图像中的熔池边缘,得到多个边缘像素点,连接所述多个边缘像素点,得到熔池边缘。
6.一种焊接熔池边缘检测装置,其特征在于,包括:
采集模块,用于获取熔池边缘图像;
二值化处理模块,用于对所述熔池边缘图像进行二值化处理,得到熔池边缘二值化图像;
小波变换处理模块,用于对所述熔池边缘二值化图像进行小波变换处理;
提取模块,用于对小波变换处理后的熔池边缘二值化图像进行提取处理,得到熔池边缘。
7.根据权利要求6所述的焊接熔池边缘检测装置,其特征在于,所述二值化处理模块,具体用于:
根据最大类间方差法对所述熔池边缘图像进行自适应分割处理,得到分割阈值;
获取所述熔池边缘图像中的多个像素点,并逐一将各个像素点灰度值与所述分割阈值进行比较处理,若比较的像素点灰度值大于所述分割阈值,则将所述比较的像素点灰度值置为1,否则将所述比较的像素点灰度值置为0,直至完成所述多个像素点的比较处理;
根据像素点灰度值为1的各个像素点得到熔池边缘图像的熔池区域,并根据像素点灰度值为0的各个像素点得到熔池边缘图像的非熔池区域;
根据所述熔池区域和所述非熔池区域,得到熔池边缘二值化图像。
8.根据权利要求7所述的焊接熔池边缘检测装置,其特征在于,还包括消噪处理模块,所述消噪处理模块用于:
对熔池边缘二值化图像进行消噪处理。
9.一种焊接熔池边缘检测装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,当所述处理器执行所述计算机程序时,实现如权利要求1至5任一项所述的焊接熔池边缘检测方法。
10.一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程序,其特征在于,当所述计算机程序被处理器执行时,实现如权利要求1至5任一项所述的焊接熔池边缘检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335963.XA CN110111350A (zh) | 2019-04-24 | 2019-04-24 | 一种焊接熔池边缘检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910335963.XA CN110111350A (zh) | 2019-04-24 | 2019-04-24 | 一种焊接熔池边缘检测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110111350A true CN110111350A (zh) | 2019-08-09 |
Family
ID=67486623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910335963.XA Pending CN110111350A (zh) | 2019-04-24 | 2019-04-24 | 一种焊接熔池边缘检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110111350A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445419A (zh) * | 2020-04-09 | 2020-07-24 | 南京图格医疗科技有限公司 | 一种基于数学形态学的医学内窥镜图像增强方法 |
CN114523236A (zh) * | 2022-02-28 | 2022-05-24 | 柳州铁道职业技术学院 | 一种基于机器视觉的智能化自动检测平台 |
CN114994671A (zh) * | 2022-05-31 | 2022-09-02 | 南京慧尔视智能科技有限公司 | 基于雷达图像的目标检测方法、装置、设备及介质 |
CN115330774A (zh) * | 2022-10-12 | 2022-11-11 | 南通林多光学仪器有限公司 | 焊接图像熔池边缘检测方法 |
CN115908410A (zh) * | 2023-01-06 | 2023-04-04 | 磐石重工(青岛)股份有限公司 | 基于机器视觉的压力容器激光焊接控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105689859A (zh) * | 2014-11-25 | 2016-06-22 | 佛山市高明区生产力促进中心 | 一种不同种类金属之间的连接方法和设备 |
CN107622490A (zh) * | 2017-10-12 | 2018-01-23 | 哈尔滨工业大学(威海) | 基于机器视觉的嵌入式塑料织物质量检测装置及检测方法 |
-
2019
- 2019-04-24 CN CN201910335963.XA patent/CN110111350A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105689859A (zh) * | 2014-11-25 | 2016-06-22 | 佛山市高明区生产力促进中心 | 一种不同种类金属之间的连接方法和设备 |
CN107622490A (zh) * | 2017-10-12 | 2018-01-23 | 哈尔滨工业大学(威海) | 基于机器视觉的嵌入式塑料织物质量检测装置及检测方法 |
Non-Patent Citations (1)
Title |
---|
张亚红等: "一种形态学与Canny算子融合的焊接熔池边缘检测算法", 《桂林航天工业学院学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445419A (zh) * | 2020-04-09 | 2020-07-24 | 南京图格医疗科技有限公司 | 一种基于数学形态学的医学内窥镜图像增强方法 |
CN114523236A (zh) * | 2022-02-28 | 2022-05-24 | 柳州铁道职业技术学院 | 一种基于机器视觉的智能化自动检测平台 |
CN114994671A (zh) * | 2022-05-31 | 2022-09-02 | 南京慧尔视智能科技有限公司 | 基于雷达图像的目标检测方法、装置、设备及介质 |
CN114994671B (zh) * | 2022-05-31 | 2023-11-28 | 南京慧尔视智能科技有限公司 | 基于雷达图像的目标检测方法、装置、设备及介质 |
CN115330774A (zh) * | 2022-10-12 | 2022-11-11 | 南通林多光学仪器有限公司 | 焊接图像熔池边缘检测方法 |
CN115330774B (zh) * | 2022-10-12 | 2023-05-19 | 南通林多光学仪器有限公司 | 焊接图像熔池边缘检测方法 |
CN115908410A (zh) * | 2023-01-06 | 2023-04-04 | 磐石重工(青岛)股份有限公司 | 基于机器视觉的压力容器激光焊接控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110111350A (zh) | 一种焊接熔池边缘检测方法、装置及存储介质 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN109410230B (zh) | 一种可抗噪声的改进Canny图像边缘检测方法 | |
CN102156996B (zh) | 一种图像边缘检测的方法 | |
Hao et al. | Improved self-adaptive edge detection method based on Canny | |
CN106023204A (zh) | 一种基于边缘检测算法去除蚊式噪声的方法及系统 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN109003233B (zh) | 一种基于自适应权重全变分模型的图像去噪方法 | |
JP7449507B2 (ja) | カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体 | |
CN106446905A (zh) | 渗透算法和自适应Canny算法相融合的表面裂纹纹理的提取方法 | |
CN107644417B (zh) | 应变片外观缺损检测方法 | |
CN109190517B (zh) | 一种手指静脉图像边缘提取及方向矫正方法 | |
Deshpande et al. | A novel modified cepstral based technique for blind estimation of motion blur | |
CN106447640A (zh) | 基于字典学习、旋转引导滤波的多聚焦图像融合方法及装置 | |
EP3510526B1 (en) | Particle boundary identification | |
CN108305268B (zh) | 一种图像分割方法及装置 | |
CN112508923A (zh) | 弱小目标检测方法 | |
CN106651981B (zh) | 一种环形伪影修正的方法及装置 | |
CN111047619B (zh) | 人脸图像处理方法及装置、可读存储介质 | |
CN103839246B (zh) | 获取图像轮廓线的方法及装置 | |
Reddy et al. | Canny scale edge detection | |
CN111652809A (zh) | 一种增强细节的红外图像噪声抑制方法 | |
WO2019242388A1 (zh) | 一种基于深度图像的图书馆机器人障碍识别方法 | |
CN111639556A (zh) | 一种非均匀插值的手指轴旋转指静脉图像纠正方法 | |
CN108171661B (zh) | 基于改进Tri边缘算子的红外目标检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190809 |