CN110378902A - 一种高噪声背景下的划痕检测方法 - Google Patents

一种高噪声背景下的划痕检测方法 Download PDF

Info

Publication number
CN110378902A
CN110378902A CN201910855357.0A CN201910855357A CN110378902A CN 110378902 A CN110378902 A CN 110378902A CN 201910855357 A CN201910855357 A CN 201910855357A CN 110378902 A CN110378902 A CN 110378902A
Authority
CN
China
Prior art keywords
scratch
image
detection
carried out
algorithm
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.)
Granted
Application number
CN201910855357.0A
Other languages
English (en)
Other versions
CN110378902B (zh
Inventor
都卫东
王岩松
吴健雄
赵梦逸
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.)
Focusight Technology Co Ltd
Original Assignee
Focusight Technology 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 Focusight Technology Co Ltd filed Critical Focusight Technology Co Ltd
Priority to CN201910855357.0A priority Critical patent/CN110378902B/zh
Publication of CN110378902A publication Critical patent/CN110378902A/zh
Application granted granted Critical
Publication of CN110378902B publication Critical patent/CN110378902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种高噪声背景下的划痕检测方法，包括以下步骤：通过相机采集获取产品图像；将上述产品图像传输给电脑进行图像处理获取检测区域；根据预处理模型，指定对应的划痕提取算法及相应的参数；设定需要提取的划痕种类的参数，进行可疑划痕提取；对提取出的划痕进行误检消除；误检消除后依据Blob的参数设置进行划痕筛选。本发明为通用型的划痕检测算法，将能够检测高噪声背景下划痕的算法及对应的参数形成预处理模型，增加了划痕筛选功能，能够根据实际检测需求筛选出真实的划痕，只需要在检测前进行参数设置，可以同时检测金属、纸质、光电膜等不同材质的划痕，且不需要在项目开发时再进行划痕算法开发，节约了人力成本，提高了开发效率。

Description

一种高噪声背景下的划痕检测方法
技术领域
本发明涉及图像处理技术领域，尤其是一种高噪声背景下的划痕检测方法。
背景技术
现有技术的划痕检测方法是根据不同的划痕成像开发不同的算法进行划痕检测。硬件配置上有相机、镜头、光源、光源控制器及电脑，根据不同的产品选择不同的相机（面阵相机、线扫相机、黑白相机、彩色相机）、不同的镜头（普通镜头、远心镜头）、不同的光源等。对采集的图像进行图像处理、划痕检测，目前常用的边缘提取算法有mura、Bandpass、LOG、Gauss、Gabor等，不同的算法适用不同的图像。
不同的成像开发不同的划痕检测算法，在项目开发中占用了一定的时间和人力，而不同的划痕检测算法又有不同的特点。如mura算法要求划痕与背景的对比度强，划痕本身连续性强，且该算法只能检测较宽的划痕；Bandpass算法只能检测低噪声背景下的划痕；LOG算法只能检测宽度较窄的划痕；Gauss算法也只能检测宽度较窄的划痕；Gabor算法的处理时间较长。划痕的成像在灰度级、对比度、方向性、连续性、宽度、背景亮度均匀性、背景噪声情况、背景干扰情况上也会有不同的呈现。这些因素均导致了划痕检测算法的开发难度较大，开发时间较长。
现有的划痕检测一般只会针对自身产品开发一种算法进行检测，如上述所述，算法的开发难度大、时间长，另外，采用这种算法提取的图像信息能否匹配产品图像特点及检测区域的划痕特征，直接影响到检测结果。因为算法的开发是预估产品及划痕的特性进行的，但是开发好后的算法是没法再回过去修改预估的产品及划痕特性的，这样就会导致高漏检或无法检测出一些划痕。
综上，需要一种通用型的划痕检测方法来缩短开发时间，提高开发效率，最好能根据实际产品设置其特性参数，再由设定的参数来自动选择适合的算法，从而得到划痕信息。
发明内容
本发明要解决的技术问题是：克服现有技术中之不足，提供一种高噪声背景下的划痕检测方法，可以用一种划痕检测算法检测不同类型的划痕，算法的通用性提高，加快了项目开发效率。
本发明解决其技术问题所采用的技术方案是：一种高噪声背景下的划痕检测方法，包括以下步骤：
1）通过相机采集获取产品图像；
2）将上述产品图像传输给电脑进行图像处理获取检测区域；
3）根据预处理模型，指定对应的划痕提取算法及相应的参数；
4）设定需要提取的划痕种类的参数，进行可疑划痕提取；
5）对提取出的划痕进行误检消除；
6）误检消除后依据Blob的参数设置进行划痕筛选；
所述步骤（3）中的预处理模型由以下步骤处理得到：
（a）通过相机采集获取划痕缺陷图像N张；
（b）将上述N张划痕缺陷图像传输给电脑标记划痕位置区域；
（c）对划痕位置区域的图像信息进行设定不同的参数组合，每个设定好参数组合的划痕位置区域图像进行调用不同的划痕提取算法；
（d）统计不同参数组合进行的算法的缺陷检出率和误检率，自动筛选出检出率最高的算法以及对应的参数组合，形成预处理模型。
本发明中的高噪声背景指的是图像上划痕与背景的对比度小，很难区分，而且划痕的成像在灰度级、对比度、方向性、连续性、宽度、背景亮度均匀性、背景噪声情况、背景干扰情况上会有不同的呈现，即这些参数对划痕的提取产生影响，所以需要对这些参数进行处理，而现有的处理方法是将所有这些参数一并设置在一个算法中，没有真正匹配产品图像特点及检测区域的划痕特征；而本发明将这些参数进行不同组合，再分别调用不同的算法，最终形成一个预处理模型，避免高漏检或无法检测出一些划痕的情况。
进一步地，所述步骤（3）中划痕提取算法相应的参数包括灰度级、对比度、方向性、连续性、宽度、背景亮度均匀性、背景噪声情况、背景干扰情况和处理时间。
进一步地，所述步骤（4）中可疑划痕提取的方式包括LOG划痕提取方式、Gauss划痕提取方式和Gabor划痕提取方式。
再进一步地，所述LOG划痕提取方式包括以下步骤：
A、对步骤（2）中的产品图像进行高斯降噪；
B、用拉普拉斯算子进行图像的边缘提取；
C、用处理后的图像与原图像做图像增强；
D、在增强后的图像上进行高斯找线。
本发明的LOG算法首先对图像做高斯降噪，然后再求其拉普拉斯二阶导数，最后通过检测滤波结果的零交叉获得图像的边缘，由于算法把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以在高噪声背景下检测划痕的效果会比较好。
再进一步地，所述Gauss划痕提取方式包括以下步骤：对步骤（2）中的产品图像进行傅里叶变换；在频域进行图像降噪；用处理后的图像与原图像做图像增强；在增强后的图像上进行高斯找线。
由于高斯函数的傅里叶变换仍是高斯函数，因此高斯函数能构成一个在频域具有平滑性能的低通滤波器，可以通过在频域做乘积来实现。高斯函数有几个重要性质：1.二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的；2.高斯函数是单值函数，表明高斯滤波器用像素领域的加权值来代替该点的像素值，而每一领域像素点权值是随该点与中心点的距离单调增减的；高斯函数的傅里叶变换频谱是单瓣的，意味着平滑图像不会被不需要的高频信号所污染，同时保留了大部分所需信号；3.高斯滤波器宽度由参数σ表征，σ决定了高斯滤波器的平滑程度，σ越大平滑程度越好，可以通过调节σ在过平滑和欠平滑之间折中；4.高斯函数有可分离性，二维高斯滤波的计算量随滤波模板宽度成线性增长而不是成平方增长。
再进一步地，所述Gabor划痕提取方式包括以下步骤：
a、对步骤（2）中的产品图像进行方向性小波变换；
b、用小波变换后的图像在不同的方向上做图像增强；
c、在增强后的图像上根据划痕角度进行划痕提取。
小波指的是一种能量在时域非常集中的波，它的能量有限，都集中在某一点附近，而且积分值为零，是正交波。小波变换将图像信号分解为由原始小波位移和缩放后的一组小波，通过低通和高通滤波器可以将图片信息一层一层分解剥离开，小波变换在去除噪声时可提取并保存对视觉起主要作用的边缘信息。
进一步地，所述步骤（2）中的检测区域为：通过电脑设定的检测区域与传输给电脑的待处理图像结合得到的待处理的图像区域。
本发明的有益效果是：本发明为通用型的划痕检测算法，将能够检测高噪声背景下划痕的算法及对应的参数形成预处理模型，并对每个算法进行了优化，增加了划痕筛选功能，能够根据实际检测需求筛选出真实的划痕，只需要在检测前进行参数设置，可以同时检测金属、纸质、光电膜等不同材质的划痕，且不需要在项目开发时再进行划痕算法开发，节约了人力成本，提高了开发效率。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的流程图。
图2是待处理的纸质材质上的产品图像。
图3是本发明实施例1处理后的划痕图片。
图4是本发明实施例2处理后的划痕图片。
图5是本发明实施例3处理后的划痕图片。
图6是本发明实施例4处理后的划痕图片。
图7是本发明实施例5处理后的划痕图片。
图8是待处理的金属材质上的产品图像。
图9是图8采用本发明的检测方法处理后的划痕图片。
图10是待处理的光电膜上的产品图像。
图11是图10采用本发明的检测方法处理后的划痕图片。
具体实施方式
现在结合附图和优选实施例对本发明作进一步的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示，一种高噪声背景下的划痕检测方法，包括以下步骤：通过相机采集获取产品图像；将上述产品图像传输给电脑进行图像处理获取检测区域；根据预处理模型（通过相机采集获取划痕缺陷图像100张；将上述100张划痕缺陷图像传输给电脑标记划痕位置区域；对划痕位置区域的图像信息进行设定不同的参数组合，每个设定好参数组合的划痕位置区域图像进行调用不同的划痕提取算法；统计不同参数组合进行的算法的缺陷检出率和误检率，自动筛选出检出率最高的算法以及对应的参数组合，形成预处理模型），指定对应的划痕提取算法及相应的参数；设定需要提取的划痕种类的参数，进行可疑划痕提取；对提取出的划痕进行误检消除；误检消除后依据Blob的参数设置进行划痕筛选。
为了符合设计的检测算法流程：缺陷提取→误检消除→划痕筛选，经过评估与实际采样测试，大都用到LOG划痕提取方式、Gauss划痕提取方式和Gabor划痕提取方式来满足实际检测的需求，以下就以这三种划痕提取方式来阐述高噪声背景下如何检测划痕的。
在进行划痕检测前先设置划痕的参数，包括灰度级、对比度、方向性、连续性、宽度、背景亮度均匀性、背景噪声情况、背景干扰情况和处理时间，通过设定划痕不同类别的参数，来选择采用哪种划痕提取方式，如表1所示：
表1 三种不同划痕提取方法适用的不同划痕类别表
另外，还需在选择提取方式后设置提取出的划痕的参数，包括灵敏度、对比度、划痕宽度、划痕长度和划痕颜色（黑、白）等，如表2所示：
表2 不同划痕提取方式设置的不同参数表
实施例1
首先将相机采集得到的产品图像（如图2所示）传输给电脑进行图像待处理，然后结合设定的检测区域和待处理图像得到待处理的图像区域，同时设置划痕的两个参数类别：处理时间＜180s（短），宽度＜10mm（窄），适合采用LOG划痕提取方式进行划痕提取，系统会自动选择LOG划痕提取方式；再设置该提取方式下划痕的参数：灵敏度为8W，对比度为8，划痕宽度为5mm，划痕长度为80mm，划痕颜色为白；将待处理图像进行高斯降噪，并用拉普拉斯算子进行图像的边缘提取，再用处理后的图像与原图像做图像增强，在增强后的图像上进行高斯找线；对提取出的划痕进行误检消除；误检消除后依据Blob的参数设置进行划痕筛选，得到如图3所示的划痕图片。
实施例2
首先将相机采集得到的产品图像传输给电脑进行图像待处理，然后结合设定的检测区域和待处理图像得到待处理的图像区域，同时设置划痕的两个参数类别：处理时间＜180s（短），宽度＜10mm（窄），适合采用LOG划痕提取方式进行划痕提取，系统会自动选择LOG划痕提取方式；再设置该提取方式下划痕的参数：灵敏度为5W，对比度为5，划痕宽度为5mm，划痕长度为80mm，划痕颜色为白；将待处理图像进行高斯降噪，并用拉普拉斯算子进行图像的边缘提取，再用处理后的图像与原图像做图像增强，在增强后的图像上进行高斯找线；对提取出的划痕进行误检消除；误检消除后依据Blob的参数设置进行划痕筛选，得到如图4所示的划痕图片。
实施例3
首先将相机采集得到的产品图像传输给电脑进行图像待处理，然后结合设定的检测区域和待处理图像得到待处理的图像区域，同时设置划痕的两个参数类别：处理时间180～600s（中），宽度＜10mm（窄），适合采用Gauss划痕提取方式进行划痕提取，系统会自动选择Gauss划痕提取方式；再设置该提取方式下划痕的参数：灵敏度为10W，对比度为8，划痕宽度为5mm，划痕长度为80mm，划痕颜色为白；将待处理图像进行傅里叶变换，在频域进行图像降噪，用处理后的图像与原图像做图像增强，在增强后的图像上进行高斯找线；对提取出的划痕进行误检消除；误检消除后依据Blob的参数设置进行划痕筛选，得到如图5所示的划痕图片。
实施例4
首先将相机采集得到的产品图像传输给电脑进行图像待处理，然后结合设定的检测区域和待处理图像得到待处理的图像区域，同时设置划痕的两个参数类别：处理时间180～600s（中），宽度＜10mm（窄），适合采用Gauss划痕提取方式进行划痕提取，系统会自动选择Gauss划痕提取方式；再设置该提取方式下划痕的参数：灵敏度为5W，对比度为5，划痕宽度为5mm，划痕长度为80mm，划痕颜色为白；将待处理图像进行傅里叶变换，在频域进行图像降噪，用处理后的图像与原图像做图像增强，在增强后的图像上进行高斯找线；对提取出的划痕进行误检消除；误检消除后依据Blob的参数设置进行划痕筛选，得到如图6所示的划痕图片。
实施例5
首先将相机采集得到的产品图像传输给电脑进行图像待处理，然后结合设定的检测区域和待处理图像得到待处理的图像区域，同时设置划痕的两个参数类别：处理时间大于600s（长），宽度＜10mm（窄），适合采用Gabor划痕提取方式进行划痕提取，系统会自动选择Gabor划痕提取方式；再设置该提取方式下划痕的参数：灵敏度为35W，对比度为20，划痕宽度为5mm，划痕长度为120mm，划痕颜色为白；将待处理图像进行方向性小波变换，用小波变换后的图像在不同的方向上做图像增强，在增强后的图像上根据划痕角度进行划痕提取；对提取出的划痕进行误检消除；误检消除后依据Blob的参数设置进行划痕筛选，得到如图7所示的划痕图片。
另外，对于不同材质上的划痕，该种高噪声背景下的划痕检测方法也适用，如图8和9所示，分别是金属材质上未处理的图像和用该划痕检测方法处理后得到的划痕图片，如图10和11所示，分别是光电膜上未处理的图像和用该划痕检测方法处理后得到的划痕图片，综上，可以看出用该划痕检测方法处理后图像上的划痕更清晰。
上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并加以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。

Claims (7)

1.一种高噪声背景下的划痕检测方法，其特征在于包括以下步骤：
1）通过相机采集获取产品图像；
2）将上述产品图像传输给电脑进行图像处理获取检测区域；
3）根据预处理模型，指定对应的划痕提取算法及相应的参数；
4）设定需要提取的划痕种类的参数，进行可疑划痕提取；
5）对提取出的划痕进行误检消除；
6）误检消除后依据Blob的参数设置进行划痕筛选；
所述步骤（3）中的预处理模型由以下步骤处理得到：
（a）通过相机采集获取划痕缺陷图像N张；
（b）将上述N张划痕缺陷图像传输给电脑标记划痕位置区域；
（c）对划痕位置区域的图像信息进行设定不同的参数组合，每个设定好参数组合的划痕位置区域图像进行调用不同的划痕提取算法；
（d）统计不同参数组合进行的算法的缺陷检出率和误检率，自动筛选出检出率最高的算法以及对应的参数组合，形成预处理模型。
2.根据权利要求1所述的一种高噪声背景下的划痕检测方法，其特征在于：所述步骤（3）中划痕提取算法相应的参数包括灰度级、对比度、方向性、连续性、宽度、背景亮度均匀性、背景噪声情况、背景干扰情况和处理时间。
3.根据权利要求1所述的一种高噪声背景下的划痕检测方法，其特征在于：所述步骤（4）中可疑划痕提取的方式包括LOG划痕提取方式、Gauss划痕提取方式和Gabor划痕提取方式。
4.根据权利要求3所述的一种高噪声背景下的划痕检测方法，其特征在于：所述LOG划痕提取方式包括以下步骤：
A、对步骤（2）中的产品图像进行高斯降噪；
B、用拉普拉斯算子进行图像的边缘提取；
C、用处理后的图像与原图像做图像增强；
D、在增强后的图像上进行高斯找线。
5.根据权利要求3所述的一种高噪声背景下的划痕检测方法，其特征在于：所述Gauss划痕提取方式包括以下步骤：对步骤（2）中的产品图像进行傅里叶变换；在频域进行图像降噪；用处理后的图像与原图像做图像增强；在增强后的图像上进行高斯找线。
6.根据权利要求3所述的一种高噪声背景下的划痕检测方法，其特征在于：所述Gabor划痕提取方式包括以下步骤：
a、对步骤（2）中的产品图像进行方向性小波变换；
b、用小波变换后的图像在不同的方向上做图像增强；
c、在增强后的图像上根据划痕角度进行划痕提取。
7.根据权利要求1所述的一种高噪声背景下的划痕检测方法，其特征在于：所述步骤（2）中的检测区域为：通过电脑设定的检测区域与传输给电脑的待处理图像结合得到的待处理的图像区域。
CN201910855357.0A 2019-09-11 2019-09-11 一种高噪声背景下的划痕检测方法 Active CN110378902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910855357.0A CN110378902B (zh) 2019-09-11 2019-09-11 一种高噪声背景下的划痕检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910855357.0A CN110378902B (zh) 2019-09-11 2019-09-11 一种高噪声背景下的划痕检测方法

Publications (2)

Publication Number Publication Date
CN110378902A true CN110378902A (zh) 2019-10-25
CN110378902B CN110378902B (zh) 2019-12-20

Family

ID=68261401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910855357.0A Active CN110378902B (zh) 2019-09-11 2019-09-11 一种高噪声背景下的划痕检测方法

Country Status (1)

Country Link
CN (1) CN110378902B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462080A (zh) * 2020-03-31 2020-07-28 征图新视(江苏)科技股份有限公司 玻璃平坦区的缺陷检测方法
CN111707677A (zh) * 2020-06-24 2020-09-25 江西景旺精密电路有限公司 一种pcb外观检测方法及装置
CN111784689A (zh) * 2020-07-24 2020-10-16 东莞市瑞图新智科技有限公司 多角度低对比度划痕提取方法、装置及存储介质
CN112508937A (zh) * 2020-12-22 2021-03-16 北京百度网讯科技有限公司 生成划痕数据的方法、装置、电子设备和存储介质
CN114677631A (zh) * 2022-04-22 2022-06-28 西北大学 一种基于多特征融合及多阶段训练的文化资源视频中文描述生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040114827A1 (en) * 2002-09-13 2004-06-17 Noriyoshi Chizawa Image reading apparatus and control program therefor
CN103808730A (zh) * 2013-01-25 2014-05-21 常州先进制造技术研究所 发动机凸轮轴零部件表面缺陷检测方法
CN103868924A (zh) * 2012-12-18 2014-06-18 江南大学 一种基于视觉的轴承外观缺陷检测算法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040114827A1 (en) * 2002-09-13 2004-06-17 Noriyoshi Chizawa Image reading apparatus and control program therefor
CN103868924A (zh) * 2012-12-18 2014-06-18 江南大学 一种基于视觉的轴承外观缺陷检测算法
CN103808730A (zh) * 2013-01-25 2014-05-21 常州先进制造技术研究所 发动机凸轮轴零部件表面缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田秋红等: "陶瓷水阀片表面缺陷图像检测方法研究", 《浙江理工大学学报(自然科学版)》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462080A (zh) * 2020-03-31 2020-07-28 征图新视(江苏)科技股份有限公司 玻璃平坦区的缺陷检测方法
CN111707677A (zh) * 2020-06-24 2020-09-25 江西景旺精密电路有限公司 一种pcb外观检测方法及装置
CN111784689A (zh) * 2020-07-24 2020-10-16 东莞市瑞图新智科技有限公司 多角度低对比度划痕提取方法、装置及存储介质
CN111784689B (zh) * 2020-07-24 2023-11-24 东莞市瑞图新智科技有限公司 多角度低对比度划痕提取方法、装置及存储介质
CN112508937A (zh) * 2020-12-22 2021-03-16 北京百度网讯科技有限公司 生成划痕数据的方法、装置、电子设备和存储介质
CN114677631A (zh) * 2022-04-22 2022-06-28 西北大学 一种基于多特征融合及多阶段训练的文化资源视频中文描述生成方法
CN114677631B (zh) * 2022-04-22 2024-03-12 西北大学 一种基于多特征融合及多阶段训练的文化资源视频中文描述生成方法

Also Published As

Publication number Publication date
CN110378902B (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110378902A (zh) 一种高噪声背景下的划痕检测方法
CN109410230B (zh) 一种可抗噪声的改进Canny图像边缘检测方法
CN110445921A (zh) 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置
CN102842136B (zh) 一种综合血管分布和视盘外观特性的视盘投影定位方法
CN110414411A (zh) 基于视觉显著性的海面船只候选区域检测方法
CN107657606B (zh) 一种显示装置的亮度缺陷检测方法与装置
CN104851085B (zh) 自动获取图像中检测区的方法及系统
CN108982512A (zh) 一种基于机器视觉的电路板检测系统及其方法
CN107798281A (zh) 一种基于lbp特征的人脸活体检测方法和装置
CN107292835B (zh) 一种眼底图像视网膜血管自动矢量化的方法及装置
CN107610104A (zh) 一种基于机器视觉的电梯补偿链r处裂纹检测方法
CN106780473A (zh) 一种磁环缺陷多目视觉检测方法及系统
CN106702870B (zh) 一种道路裂缝检测系统
CN108918093B (zh) 一种滤光片镜面缺陷检测方法、装置及终端设备
Deshpande et al. Automated detection of polycystic ovarian syndrome using follicle recognition
CN111047556B (zh) 一种带钢表面缺陷检测方法及装置
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
CN108186051A (zh) 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统
CN110007493A (zh) 液晶显示屏中碎亮点检测方法
EP3510526B1 (en) Particle boundary identification
CN109636793A (zh) 显示器的检测系统及其检测方法
Bi et al. An automatic detection method of Mura defects for liquid crystal display using real Gabor filters
CN106973290A (zh) 一种摄像模组污点测试方法及装置
CN109658394A (zh) 眼底图像预处理方法及系统和微血管瘤检测方法及系统
CN207366475U (zh) 一种凹凸图案在线视频检测装置

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