CN110146509B - 电池检测方法及电池检测设备 - Google Patents

电池检测方法及电池检测设备 Download PDF

Info

Publication number
CN110146509B
CN110146509B CN201910376415.1A CN201910376415A CN110146509B CN 110146509 B CN110146509 B CN 110146509B CN 201910376415 A CN201910376415 A CN 201910376415A CN 110146509 B CN110146509 B CN 110146509B
Authority
CN
China
Prior art keywords
channel
image
defect
color
area
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
CN201910376415.1A
Other languages
English (en)
Other versions
CN110146509A (zh
Inventor
不公告发明人
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.)
Wuxi Lead Intelligent Equipment Co Ltd
Original Assignee
Wuxi Lead Intelligent Equipment Co Ltd
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 Wuxi Lead Intelligent Equipment Co Ltd filed Critical Wuxi Lead Intelligent Equipment Co Ltd
Priority to CN201910376415.1A priority Critical patent/CN110146509B/zh
Publication of CN110146509A publication Critical patent/CN110146509A/zh
Application granted granted Critical
Publication of CN110146509B publication Critical patent/CN110146509B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G01N2021/8893—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques providing a video image and a processed signal for helping visual decision
    • 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
    • G06T2207/10024—Color image

Abstract

本申请提供一种电池检测方法及电池检测设备，用于检测电池物料的缺陷，所述电池检测方法包括：获取所述电池物料的彩色图像；将所述彩色图像分解为多个单通道图像；根据待检测缺陷的类别选择对应的单通道图像；根据对应的单通道图像确定电池物料是否存在待检测缺陷。本申请中，通过将彩色图像分解为多个单通道图像，针对电池物料的不同缺陷，通过不同的单通道图像分别进行检测，检测的精度更高且能够检测的缺陷类别更多，从而避免对缺陷的漏检或误检。

Description

电池检测方法及电池检测设备
技术领域
本申请涉及电池制造领域，尤其涉及一种电池检测方法及电池检测设备。
背景技术
目前对电池物料的外观缺陷的检测，通常以黑白相机拍摄的灰度图像为基础。若以灰度图像检测缺陷，灰度值成为判断是否存在缺陷的最重要指标之一。一旦不同缺陷的灰度值相近，那么就无法准确判断其中某一种缺陷是否存在。而且灰度图杂糅多种特征信息，色调、饱和度、明度等信息无法独立作为检测指标，给检测带来了困难。随着工艺标准的提高，待检测的极片外观缺陷越来越多，现有的检测方法已不能满足需求。
发明内容
本申请提供一种准确检测多种缺陷的电池检测方法及电池检测设备。
本申请提供一种电池检测方法，用于检测电池物料的缺陷，所述电池检测方法包括：获取所述电池物料的彩色图像；将所述彩色图像分解为多个单通道图像；根据待检测缺陷的类别选择对应的单通道图像；根据对应的单通道图像确定电池物料是否存在待检测缺陷。
可选的，所述彩色图像为RGB图像，所述将所述彩色图像分解为多个单通道图像，包括：将所述彩色图像在RGB颜色空间进行分解，获得R通道图像、G通道图像及B通道图像。
可选的，所述彩色图像为RGB图像，所述将所述彩色图像分解为多个单通道图像，包括：将所述彩色图像从RGB颜色空间转换为HSV颜色空间；将所述彩色图像在HSV颜色空间进行分解，获得H通道图像、S通道图像及V通道图像。
可选的，所述彩色图像为RGB图像，所述将所述彩色图像分解为多个单通道图像，包括：将所述彩色图像从RGB颜色空间转换为Lab颜色空间；将所述彩色图像在Lab颜色空间进行分解，获得L通道图像、a通道图像及b通道图像。
可选的，所述根据对应的单通道图像确定电池物料是否存在待检测缺陷，包括：选择所述彩色图像的感兴趣区域，获取所述感兴趣区域的H通道数值；筛选H通道数值位于第一阈值范围内的第一区域；获取所述第一区域的S通道数值及第一区域的V通道数值；判断第一区域中S通道数值位于第二阈值范围内且V通道数值位于第三阈值范围的区域为第一缺陷区域。
可选的，所述根据对应的单通道图像确定电池物料是否存在待检测缺陷，包括：判断第一区域中S通道数值位于第四阈值范围内且V通道数值位于第五阈值范围内的区域为第二缺陷区域。
可选的，所述根据待检测缺陷的类别选择对应的单通道图像，包括：根据待检测缺陷的颜色信息选择对应的单通道图像。
可选的，所述根据待检测缺陷的类别选择对应的单通道图像，包括：获取待检测缺陷类别与单通道图像的映射关系，根据待检测缺陷的类别及所述映射关系选择对应的单通道图像。
本申请还提供一种电池检测设备，用于检测电池物料的缺陷，所述检测设备包括相机及处理单元，所述相机用于获取所述电池物料的彩色图像；所述处理单元与所述相机通讯连接且用于将所述彩色图像分解为多个单通道图像，所述处理单元根据待检测缺陷的类别选择对应的单通道图像，并根据对应的单通道图像确定电池物料是否存在待检测缺陷。
可选的，所述检测设备包括与所述处理单元通讯连接的存储单元，所述存储单元存储有待检测缺陷的类别与单通道图像的映射关系，所述处理单元根据待检测缺陷的类别和所述映射关系，选择对应的单通道图像。
本申请中，通过将彩色图像分解为多个单通道图像，针对电池物料的不同缺陷，通过不同的单通道图像分别进行检测，检测的精度更高且能够检测的缺陷类别更多，从而避免对缺陷的漏检或误检。
附图说明
图1为电池检测方法的一个实施例的流程示意图；
图2为图1所示电池检测方法中将所述彩色图像分解为多个单通道图像的一个实施例流程示意图；
图3为图1所示电池检测方法中将所述彩色图像分解为多个单通道图像的另一个实施例流程示意图；
图4为图1所示的电池检测方法中根据对应的单通道图像确定电池物料是否存在待检测缺陷的流程示意图；
图5为本申请电池检测设备的一个实施例的模块示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。除非另作定义，本申请使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本申请说明书以及权利要求书中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“多个”或者“若干”表示两个及两个以上。“包括”或者“包含”等类似词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而且可以包括电性的连接，不管是直接的还是间接的。在本申请说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
本申请提供一种电池检测方法，用于对电池物料进行检测，本实施中电池物料以极片为例。极片表面可能出现露箔或脱碳等缺陷，尤其是阳极极片，其中露箔是指极片表面的碳粉已脱落而使内部金属可见，脱碳是指极片上的碳粉部分脱落，但内部金属尚不可见，没有达到露箔的程度。
请结合图1，本实施例中，所述电池检测方法包括：
步骤S1：获取电池物料的彩色图像。
可选的，通过相机获取电池物料的彩色图像，相比于现有的黑白相机获取的黑白图像，彩色图像包含了更多维度的信息。
步骤S2：将所述彩色图像分解为多个单通道图像。
在一个实施例中，所述彩色图像为RGB图像，将所述彩色图像在RGB颜色空间进行分解，获得R通道图像、G通道图像及B通道图像。R、G、B分别对应红(Red)、绿(Green)、蓝(Blue)，红、绿、蓝三个颜色通道中的每种色各分为256阶亮度，在0时最弱，而在255时最亮。当三色灰度数值相同时，产生不同灰度值的灰色调，即三色灰度都为0时，是最暗的黑色调；三色灰度都为255时，是最亮的白色调。R通道图像、G通道图像及B通道图像提供了三个单通道图像，可分别用于检测不同的缺陷，例如露箔或脱碳，相较于单通道的黑白色灰度图像，检测的精度更高且能够检测的缺陷类别更多，从而避免对缺陷的漏检或误检。
在一个实施例中，所述彩色图像为RGB图像，请结合图2，步骤S2进一步包括：
S21：将所述彩色图像从RGB颜色空间转换为HSV颜色空间。
可选的，RGB颜色空间转换为HSV颜色空间的过程如下：
将R、G、B的值除以255，将0～255的值转换成0～1，
R'＝R/255；
G'＝G/255；
B'＝B/255；
Cmax＝max(R',G',B')；
Cmin＝min(R',G',B')；
Δ＝Cmax–Cmin；
Hue calculation(色调计算)：
Figure BDA0002051832480000051
其中，mod6是指除以6取余数；
Saturation calculation:(饱和度计算)：
Figure BDA0002051832480000052
Value calculation:(明度计算)：
V＝Cmax。
S22：将所述彩色图像在HSV颜色空间进行分解，获得H通道图像、S通道图像及V通道图像。
H、S、V分别对应色调(Hue)、饱和度(Saturation)、明度(Value)。H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°，蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°。饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0％～100％，值越大，颜色越饱和。明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0％(黑)到100％(白)。
通过提供了H、S、V三个单通道图像，可分别用于检测不同的缺陷，例如露箔或脱碳，相较于单通道的黑白色灰度图像，检测的精度更高且能够检测的缺陷类别更多，从而避免对缺陷的误检。
在另一个实施例中，所述彩色图像为RGB图像，请结合图3，步骤S2包括：
S21'：将所述彩色图像从RGB颜色空间转换为Lab颜色空间。
可选的，RGB颜色空间转换为Lab颜色空间如下：
Figure BDA0002051832480000061
Figure BDA0002051832480000062
Figure BDA0002051832480000063
其中，
Figure BDA0002051832480000064
L*＝116f(Y/Yn)-16
a*＝500[f(X/Xn)-f(Y/Yn)]
b*＝500[f(Y/Yn)-f(Z/Zn)]
Figure BDA0002051832480000071
其中，L*，a*，b*是最终的Lab色彩空间三个通道的值。X，Y，Z是RGB转XYZ后计算出来的值。本实施例中，Xn，Yn，Zn取值分别为95.047，100.0，108.883。
S22'：将所述彩色图像在Lab颜色空间进行分解，获得L通道图像、a通道图像及b通道图像。
Lab颜色空间中的L分量用于表示像素的亮度，取值范围是[0，100]，表示从纯黑到纯白；a表示从红色到绿色的范围，取值范围是[127，-128]；b表示从黄色到蓝色的范围，取值范围是[127，-128]。
通过提供了L、a、b三个单通道图像，可分别用于检测不同的缺陷，例如露箔或脱碳，相较于单通道的黑白色灰度图像，检测的精度更高且能够检测的缺陷类别更多。
在一些实施例中，可以获取九个单通道图像，九个维度的图像分别用于检测不同的缺陷。在另一些实施例中，也可以选择获取其中几个通道的图像，用于对缺陷的检测。需要注意的是，一个通道的图像可用于检测一种缺陷，也可用于检测多种缺陷，多个通道的图像可以用于检测同一种缺陷，多个单通道图像也可以分别用于检测不同种类的缺陷。
步骤S3：根据待检测缺陷的类别选择对应的单通道图像。
在一个实施例中，待检测缺陷可以通过颜色信息进行分类，例如脱碳区域颜色较深，露箔区域颜色较浅。将待检测缺陷的类别与对应的单通道图像建立映射关系，获取待检测缺陷的类别与单通道图像的映射关系，根据待检测缺陷的类别及所述映射关系选择对应的单通道图像。如前所述，映射关系可以是一对一、一对多、多对一或多对多。可选择的，待检测缺陷的类别可由操作者进行确定。
步骤S4：根据对应的单通道图像确定电池物料是否存在待检测缺陷。
以HSV色彩空间分解获得的H通道图像、S通道图像及V通道图像为例，请结合图4，步骤S3进一步包括：
子步骤S41：选择所述彩色图像的感兴趣区域，获取感兴趣区域对应的H通道数值。
子步骤S42：筛选H通道数值位于第一阈值范围内的第一区域，例如第一阈值范围为0°～15°或160°～175°。
子步骤S43：获取所述第一区域的S通道数值及V通道数值。需要注意的是，H通道数值、S通道数值、V通道数值分别通过对应的单通道图像(H通道图像、S通道图像、V通道图像)获得。
子步骤S44：判断第一区域中S通道数值位于第二阈值范围内且V通道数值位于第三阈值范围的区域为第一缺陷区域，例如露箔区域或贴胶不良(贴胶不良的区域与正常区域存在颜色差异)。
子步骤S45：判断第一区域中S通道数值位于第四阈值范围内且V通道数值位于第五阈值范围内的区域为第二缺陷区域，例如脱碳区域或贴胶不良。
其中，所述第二阈值范围、第三阈值范围、第四阈值范围及第五阈值范围均可根据经验进行设定。
在其他实施例中，还可以根据其他单通道图像检测对应的缺陷，本申请中不再一一枚举。
除此之外，本申请还提供一种电池检测设备，所述电池检测设备用于执行所述电池检测方法，以检测电池物料的缺陷。请结合图5，所述电池检测设备包括相机10、处理单元20及存储单元30，所述处理单元20分别与相机10及存储单元30通讯连接，这里的通讯连接可以是有线连接，也可以是无线连接。
所述相机10用于获取电池物料的彩色图像。所述处理单元20将所述彩色图像分解为多个单通道图像，所述处理单元20根据待检测缺陷的类别选择对应的单通道图像，并根据对应的单通道图像确定电池物料是否存在待检测缺陷。所述存储单元30存储有待检测缺陷的类别与单通道图像的映射关系，所述处理单元20根据待检测缺陷的类别和映射关系，选择对应的单通道图像。
本申请中，通过将彩色图像分解为多个单通道图像，针对电池物料的不同缺陷，通过不同的单通道图像分别进行检测，检测的精度更高且能够检测的缺陷类别更多，从而避免对缺陷的漏检或误检。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (6)

1.一种电池检测方法，用于检测电池物料的缺陷，其特征在于，所述电池检测方法包括：
获取所述电池物料的彩色图像；
将所述彩色图像分解为多个单通道图像；
根据待检测缺陷的类别选择对应的单通道图像；
根据对应的单通道图像确定电池物料是否存在所述待检测缺陷；
所述彩色图像为RGB图像，所述将所述彩色图像分解为多个单通道图像，包括：
将所述彩色图像从RGB颜色空间转换为HSV颜色空间；
将所述彩色图像在HSV颜色空间进行分解，获得H通道图像、S通道图像及V通道图像；
所述根据对应的单通道图像确定电池物料是否存在待检测缺陷，包括：
选择所述彩色图像的感兴趣区域，获取所述感兴趣区域的H通道数值，所述H通道数值通过所述H通道图像获得；
筛选H通道数值位于第一阈值范围内的第一区域；
获取所述第一区域的S通道数值及第一区域的V通道数值，所述S通道数值通过所述S通道图像获得，所述V通道数值通过所述V通道图像获得；
判断第一区域中S通道数值位于第二阈值范围内且V通道数值位于第三阈值范围的区域为第一缺陷区域；
判断第一区域中S通道数值位于第四阈值范围内且V通道数值位于第五阈值范围内的区域为第二缺陷区域。
2.如权利要求1所述的电池检测方法，其特征在于：所述彩色图像为RGB图像，所述将所述彩色图像分解为多个单通道图像，包括：
将所述彩色图像从RGB颜色空间转换为Lab颜色空间；
将所述彩色图像在Lab颜色空间进行分解，获得L通道图像、a通道图像及b通道图像。
3.如权利要求1所述的电池检测方法，其特征在于，所述根据待检测缺陷的类别选择对应的单通道图像，包括：
根据待检测缺陷的颜色信息选择对应的单通道图像。
4.如权利要求1所述的电池检测方法，其特征在于，所述根据待检测缺陷的类别选择对应的单通道图像，包括：
获取待检测缺陷的类别与单通道图像的映射关系，根据待检测缺陷的类别及所述映射关系选择对应的单通道图像。
5.一种电池检测设备，用于检测电池物料的缺陷，其特征在于，所述检测设备包括：
相机，用于获取所述电池物料的彩色图像；
处理单元，与所述相机通讯连接且用于将所述彩色图像分解为多个单通道图像，所述处理单元根据待检测缺陷的类别选择对应的单通道图像，并根据对应的单通道图像确定电池物料是否存在所述待检测缺陷；
所述彩色图像为RGB图像，所述将所述彩色图像分解为多个单通道图像，包括：
将所述彩色图像从RGB颜色空间转换为HSV颜色空间；
将所述彩色图像在HSV颜色空间进行分解，获得H通道图像、S通道图像及V通道图像；
所述根据对应的单通道图像确定电池物料是否存在所述待检测缺陷，包括：
选择所述彩色图像的感兴趣区域，获取所述感兴趣区域的H通道数值，所述H通道数值通过所述H通道图像获得；
筛选H通道数值位于第一阈值范围内的第一区域；
获取所述第一区域的S通道数值及第一区域的V通道数值，所述S通道数值通过所述S通道图像获得，所述V通道数值通过所述V通道图像获得；
判断第一区域中S通道数值位于第二阈值范围内且V通道数值位于第三阈值范围的区域为第一缺陷区域；
判断第一区域中S通道数值位于第四阈值范围内且V通道数值位于第五阈值范围内的区域为第二缺陷区域。
6.如权利要求5所述的电池检测设备，其特征在于：所述检测设备包括与所述处理单元通讯连接的存储单元，所述存储单元用于存储有待检测缺陷的类别与单通道图像的映射关系，所述处理单元根据待检测缺陷的类别和映射关系，选择对应的单通道图像。
CN201910376415.1A 2019-05-07 2019-05-07 电池检测方法及电池检测设备 Active CN110146509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910376415.1A CN110146509B (zh) 2019-05-07 2019-05-07 电池检测方法及电池检测设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910376415.1A CN110146509B (zh) 2019-05-07 2019-05-07 电池检测方法及电池检测设备

Publications (2)

Publication Number Publication Date
CN110146509A CN110146509A (zh) 2019-08-20
CN110146509B true CN110146509B (zh) 2022-12-13

Family

ID=67594949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910376415.1A Active CN110146509B (zh) 2019-05-07 2019-05-07 电池检测方法及电池检测设备

Country Status (1)

Country Link
CN (1) CN110146509B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112184689A (zh) * 2020-10-12 2021-01-05 罗建华 一种半导体器件检测方法、装置、智能终端及存储介质
CN117274263B (zh) * 2023-11-22 2024-01-26 泸州通源电子科技有限公司 一种显示器瘢痕缺陷检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101907574A (zh) * 2009-06-08 2010-12-08 贾立锋 一种鉴别纤维类别的方法和显色试剂及其鉴别系统
CN103323460A (zh) * 2013-06-03 2013-09-25 深圳供电局有限公司 一种基于可见光图像的绝缘子检测方法及装置
CN108596903A (zh) * 2017-09-27 2018-09-28 广东产品质量监督检验研究院（国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室） 一种太阳能电池片的黑边和碎片的缺陷检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106504252A (zh) * 2016-09-27 2017-03-15 合肥欣奕华智能机器有限公司 一种彩色图像的颜色分割方法及装置
JP6861092B2 (ja) * 2017-05-24 2021-04-21 株式会社カネカ 電子部品の外観検査方法及び外観検査装置
CN107843600B (zh) * 2017-10-31 2021-01-08 河北工业大学 一种多晶硅太阳能电池片外观手印缺陷检测的方法
CN108230303A (zh) * 2017-12-21 2018-06-29 河北工业大学 一种多晶硅太阳能电池片外观划痕缺陷检测的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101907574A (zh) * 2009-06-08 2010-12-08 贾立锋 一种鉴别纤维类别的方法和显色试剂及其鉴别系统
CN103323460A (zh) * 2013-06-03 2013-09-25 深圳供电局有限公司 一种基于可见光图像的绝缘子检测方法及装置
CN108596903A (zh) * 2017-09-27 2018-09-28 广东产品质量监督检验研究院（国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室） 一种太阳能电池片的黑边和碎片的缺陷检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于区域颜色特征的食物类别识别算法;丁伟利 等;《电子科技》;20160615;第29卷(第6期);章节2 *
基于颜色及纹理特征的果蔬种类识别方法;陶华伟 等;《农业工程学报》;20140831;第30卷(第16期);全文 *

Also Published As

Publication number Publication date
CN110146509A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
US6567543B1 (en) Image processing apparatus, image processing method, storage medium for storing image processing method, and environment light measurement apparatus
US5420704A (en) Method and apparatus for the analysis of color casts in color originals
US5668890A (en) Method and apparatus for the automatic analysis of density range, color cast, and gradation of image originals on the BaSis of image values transformed from a first color space into a second color space
KR101030393B1 (ko) 디지털 영상의 화이트 밸런스 조정 장치 및 방법
KR101776355B1 (ko) 광학 검사 파라미터를 설정하는 장치 및 방법
US7791760B2 (en) Recording-medium profile correction to achieve color matching
CN110146509B (zh) 电池检测方法及电池检测设备
CN106504241A (zh) 一种自动对色装置和方法
Green Colorimetry and colour difference
CN100458423C (zh) 彩色印刷质量检查方法
JP2020012668A (ja) 評価装置、計測装置、評価方法および評価プログラム
JP2006333463A (ja) 眼、光源、色再現機器の色特性検証システム
CN109348219B (zh) 一种不同结构下图像转换的方法及图像转换装置
EP2672719A2 (en) Color calibration of a image capture device in a way that is adaptive to the scene to be captured
CN108896184B (zh) 颜色识别方法
Khandual et al. Colorimetric processing of digital colour image!
JP2005233826A (ja) 表面検査装置
CN113239770B (zh) 一种财务报表核算方法
JP3029225B2 (ja) 原画の解析方法及び装置
KR100230446B1 (ko) 칼라 화상으로부터 조명의 칼라를 결정하는 방법
JP2541749B2 (ja) 複製すべきカラ―原画における色ばみの分析方法および装置
CN111798442B (zh) 一种白度测量方法及白度测量中的参数标定方法
Plataniotis et al. Color spaces
Pointer et al. Perceived colour differences in displayed colours Part 1: hard copy to soft copy matching
Romero et al. Sensor‐response‐ratio constancy under changes in natural and artificial illuminants

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