CN110440716B - 基于ccd图像传感器的指纹模组检测系统及方法 - Google Patents
基于ccd图像传感器的指纹模组检测系统及方法 Download PDFInfo
- Publication number
- CN110440716B CN110440716B CN201910557223.0A CN201910557223A CN110440716B CN 110440716 B CN110440716 B CN 110440716B CN 201910557223 A CN201910557223 A CN 201910557223A CN 110440716 B CN110440716 B CN 110440716B
- Authority
- CN
- China
- Prior art keywords
- module
- fingerprint
- inspection
- qualified
- fingerprint module
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000007689 inspection Methods 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims abstract description 57
- 238000004519 manufacturing process Methods 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000013500 data storage Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000012937 correction Methods 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 20
- 238000012797 qualification Methods 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003702 image correction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000003754 machining Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Input (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于CCD图像传感器的指纹模组检测系统及方法，所述检测系统包括数据存储模块、人工检查模块、深入检查模块和加工产线评估模块，所述数据存储模块用于待检测指纹模组的总数以及待检测指纹模组中的合格数量，所述人工检查模块用于人工初步筛选检查指纹模组，所述深入检查模块用于使用机器对指纹模组进行深入检查，所述加工产线评估模块根据人工检查模块和深入检查模块的结果评估指纹模组加工产线的状况，并根据评估状况提出建议；所述数据存储模块包括待检测总数存储模块，初步检查合格数存储模块和深入检查合格数存储模块，所述初步检查合格数存储模块用于存储人工检查的指纹模组中指纹模组合格的数量。
Description
技术领域
本发明涉及指纹模组检测领域，具体是一种基于CCD图像传感器的指纹模组检测系统及方法。
背景技术
指纹模组是指纹锁的核心部件，安装在如指纹门禁或者硬盘等器件上，用来完成指纹的采集和指纹的识别的模块。指纹模组主要由指纹采集模块、指纹识别模块和扩展功能模块(如锁具驱动模块)组成。指纹识别具有高唯一性、高稳定性、高准确性、高安全性等特点，因此，指纹模组的应用越来越广，市场潜力巨大。指纹模组在加工过程中，需要加工指纹模组的倒角，如果指纹模组的倒角出现损伤或者加工精度较低，将会影响指纹模组的使用，降低指纹识别解锁的效率。现有技术中，缺少对于指纹模组的加工倒角情况的有效检测。
发明内容
本发明的目的在于提供一种基于CCD图像传感器的指纹模组检测系统及方法，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于CCD图像传感器的指纹模组检测系统，所述检测系统包括数据存储模块、人工检查模块、深入检查模块和加工产线评估模块，所述数据存储模块用于待检测指纹模组的总数以及待检测指纹模组中的合格数量，所述人工检查模块用于人工初步筛选检查指纹模组，所述深入检查模块用于使用机器对指纹模组进行深入检查，所述加工产线评估模块根据人工检查模块和深入检查模块的结果评估指纹模组加工产线的状况，并根据评估状况提出建议。
作为优选方案，所述数据存储模块包括待检测总数存储模块，初步检查合格数存储模块和深入检查合格数存储模块，所述初步检查合格数存储模块用于存储人工检查的指纹模组中指纹模组合格的数量，所述人工检查模块用于人工检查倒角上是否存在划伤，所述深入检查合格数存储模块用于存储机器检查的指纹模组中指纹模组合格的数量，所述深入检查模块包括图像采集模块、指纹模组图像预处理模块、倒角区域确定模块和倒角区域检测模块，所述图像采集模块为CCD图像传感器，所述图像采集模块用于采集多张指纹模组图像，所述指纹模组图像预处理模块包括亮度分布计算模块、图像合成模块、校正值计算模块、指纹模组图像校正模块和滤波去噪处理模块，所述亮度分布计算模块用于计算每张指纹模组图像上各亮度分布的特征量，所述图像合成模块用与将图像采集模块所采集到的指纹模组图像相加并合成获得合成指纹模组图像，所述校正值计算模块用于需要对合成指纹模组图像进行色调校正的校正值，所述指纹模组图像校正模块根据计算出的校正值对合成指纹模组进行校正，所述滤波去噪处理模块用于对校正后的合成指纹模组图像进行高斯平滑处理；所述倒角区域确定模块包括轮廓线搜索模块、灰度值计算模块和灰度值比较模块，所述轮廓线搜索模块用于确定合成指纹模组图像的轮廓线，所述灰度值计算模块用于计算在轮廓线的垂直方向上计算各点之间的灰度值之差，所述灰度值比较模块用于比较各点之间的灰度值之差，并筛选出灰度值之差最大的两点之间的区域，将该区域作为倒角区域，所述倒角区域检测模块包括厚度计算模块和倒角区域评估模块，所述厚度计算模块用于计算倒角区域中多点的平均厚度以及他们的厚度方差，所述倒角区域评估模块用于根据平均厚度和厚度方差评估倒角区域加工的是否合格，所述加工产线评估模块根据人工检查的指纹模组中指纹模组合格的数量和机器检查的指纹模组中指纹模组合格的数量计算出初步检查合格率P和深入检查合格率Q，并提出加工产线的改善建议。
一种基于CCD图像传感器的指纹模组检测方法，所述检测方法包括以下步骤：
S1：确定该批待检测指纹模组的总数量；
S2：人工筛选初步检查指纹模组；
S3：深处检查指纹模组；
S4：将该块指纹模组进行返工维修；
S5：评估指纹模组的加工产线。
在上述技术方案中，不仅能够将不良的指纹模组筛选出来进行返工维修，而且通过对指纹模组的检查反馈出指纹模组加工产线的情况，有利于提高后续指纹模组的产线的加工效率。
作为优选方案，所述检测方法进一步包括：
S1：确定该批待检测指纹模组的总数量；
S2：人工筛选初步检查指纹模组，并对指纹模组初步检查合格的数量进行计数，若某块指纹模组初步检查合格，则转步骤S3，若某块指纹模组初步检查不合格，则转步骤S4；
S3：深处检查指纹模组，并对指纹模组深入检查合格的数量进行计数，若某块指纹模组初入检查合格，则该块指纹模组可以出货，若某块指纹模组深入检查不合格，则转步骤S4；
S4：将该块指纹模组进行返工维修；
S5：根据该批待检测指纹模组的总数量M、初步检查合格的指纹模组数量N和深入检查合格的指纹模组数量K，计算该批待检测模组的合格率，并根据合格率评估指纹模组的加工产线。
作为优选方案，所述步骤S2中的人工筛选检查为人工检查指纹模组的倒角的划伤情况，若人工检查指纹模组的倒角存在划伤，则为初步检查不合格，若人工检查指纹模组的倒角不存在划伤，则为初步检查合格。
作为优选方案，所述步骤S3中的深处检查指纹模组包括以下步骤：
S31：CCD图像传感器(电荷耦合元件)采集多张指纹模组图像；
S32：预处理指纹模组图像；
S33：搜索倒角边界，确定到倒角区域；
S34：检测倒角区域。
作为优选方案，所述步骤S32中预处理指纹模组图像包括以下步骤：
S321：根据亮度分布计算每张指纹模组图像上各亮度分布的特征量；
S322：将采集到的多张指纹模组图像相加并合成获得合成指纹模组图像；
S323：根据多张指纹模组图像上个亮度分布分特征值计算合成指纹模组图像的亮度分布的特征量，并计算需要对合成指纹模组图像进行色调校正的校正值；
S324：根据校正值校正合成指纹模组图像的色调；
S325：将校正后合成指纹模组图像的进行高斯平滑处理。
作为优选方案，所述步骤S33中搜索倒角边界包括以下步骤：
S331：确定合成指纹模组图像的轮廓线；
S332：在轮廓线的垂直方向上计算各点之间的灰度值之差
S333：比较各点之间的灰度值之差，灰度值之差最大的两点之间的区域即为倒角区域。
作为优选方案，所述步骤S34中检测倒角区域包括以下步骤：
S341：在倒角区域内，任选若干个点，其中任意两个点不处于同一垂直线上；
S342：分别计算每个点垂直方向上倒角区域的厚度，并求这些厚度的平均厚度E和厚度方差H，
S342：评估倒角区域，设平均厚度阈值为E0，厚度方差阈值为H0，若-0.02<＝(E-E0)<＝0.02且厚度方差-0.05<＝(H-H0)<＝0.05，则深入检查合格，否则深入检查不合格。
作为优选方案，所述步骤S5中该批待检测模组的合格率包括初步检查合格率P和深入检查合格率Q，
所述初步检查合格率P＝(N/M)*100％，所述深入检查合格率Q＝[K/(M-N)]*100％，若初步检查合格率P大于等于初步检查合格率阈值P0，则表明指纹模组的加工过程较规范，若初步检查合格率P小于初步检查合格率阈值P0，则表明指纹模组的加工过程存在不规范，导致指纹模组初步检查合格率低，应当进一步规范指纹模组的加工过程；
若深入检查合格率Q大于等于深入检查合格率阈值Q0，则表明指纹模组的加工精度良好，若深入检查合格率Q小于深入检查合格率阈值Q0，则表明指纹模组的加工精度较低，应当调整指纹模组的加工精度。
与现有技术相比，本发明的有益效果是：本发明通过对指纹模组的倒角进行有效的检测，防止因为指纹模组的倒角影响指纹模组的使用，防止降低指纹识别解锁的效率；同时还根据指纹模组的检测结果对指纹模组加工产线的进行评估并提出提出建议，有利于提高后续指纹模组的加工效率。
附图说明
图1为本发明一种基于CCD图像传感器的指纹模组检测系统模块结构示意图；
图2为本发明一种基于CCD图像传感器的指纹模组检测系统流程示意图；
图3为本发明一种基于CCD图像传感器的指纹模组检测方法的步骤S32中预处理指纹模组图像的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～3，本发明实施例中，一种基于CCD图像传感器的指纹模组检测系统检测系统包括数据存储模块、人工检查模块、深入检查模块和加工产线评估模块，数据存储模块用于待检测指纹模组的总数以及待检测指纹模组中的合格数量，人工检查模块用于人工初步筛选检查指纹模组，深入检查模块用于使用机器对指纹模组进行深入检查，加工产线评估模块根据人工检查模块和深入检查模块的结果评估指纹模组加工产线的状况，并根据评估状况提出建议。
数据存储模块包括待检测总数存储模块，初步检查合格数存储模块和深入检查合格数存储模块，初步检查合格数存储模块用于存储人工检查的指纹模组中指纹模组合格的数量，人工检查模块用于人工检查倒角上是否存在划伤，深入检查合格数存储模块用于存储机器检查的指纹模组中指纹模组合格的数量，深入检查模块包括图像采集模块、指纹模组图像预处理模块、倒角区域确定模块和倒角区域检测模块，图像采集模块为CCD图像传感器，图像采集模块用于采集多张指纹模组图像，指纹模组图像预处理模块包括亮度分布计算模块、图像合成模块、校正值计算模块、指纹模组图像校正模块和滤波去噪处理模块，亮度分布计算模块用于计算每张指纹模组图像上各亮度分布的特征量，图像合成模块用与将图像采集模块所采集到的指纹模组图像相加并合成获得合成指纹模组图像，校正值计算模块用于需要对合成指纹模组图像进行色调校正的校正值，指纹模组图像校正模块根据计算出的校正值对合成指纹模组进行校正，滤波去噪处理模块用于对校正后的合成指纹模组图像进行高斯平滑处理；倒角区域确定模块包括轮廓线搜索模块、灰度值计算模块和灰度值比较模块，轮廓线搜索模块用于确定合成指纹模组图像的轮廓线，灰度值计算模块用于计算在轮廓线的垂直方向上计算各点之间的灰度值之差，灰度值比较模块用于比较各点之间的灰度值之差，并筛选出灰度值之差最大的两点之间的区域，将该区域作为倒角区域，倒角区域检测模块包括厚度计算模块和倒角区域评估模块，厚度计算模块用于计算倒角区域中多点的平均厚度以及他们的厚度方差，倒角区域评估模块用于根据平均厚度和厚度方差评估倒角区域加工的是否合格，加工产线评估模块根据人工检查的指纹模组中指纹模组合格的数量和机器检查的指纹模组中指纹模组合格的数量计算出初步检查合格率P和深入检查合格率Q，并提出加工产线的改善建议。
一种基于CCD图像传感器的指纹模组检测方法，检测方法包括以下步骤：
S1：确定该批待检测指纹模组的总数量；
S2：人工筛选初步检查指纹模组；
S3：深处检查指纹模组；
S4：将该块指纹模组进行返工维修；
S5：评估指纹模组的加工产线。
检测方法进一步包括：
S1：数据存储模块存储确定该批待检测指纹模组的总数量；
S2：人工筛选初步检查指纹模组，并对指纹模组初步检查合格的数量进行计数，若某块指纹模组初步检查合格，则转步骤S3，若某块指纹模组初步检查不合格，则转步骤S4；
S3：深入检查模块深处检查指纹模组，并对指纹模组深入检查合格的数量进行计数，若某块指纹模组初入检查合格，则该块指纹模组可以出货，若某块指纹模组深入检查不合格，则转步骤S4；
S4：将该块指纹模组进行返工维修；
S5：根据该批待检测指纹模组的总数量M、初步检查合格的指纹模组数量N和深入检查合格的指纹模组数量K，加工产线评估模块计算该批待检测模组的合格率，并根据合格率评估指纹模组的加工产线。
步骤S2中的人工筛选检查为人工检查指纹模组的倒角的划伤情况，若人工检查指纹模组的倒角存在划伤，则为初步检查不合格，若人工检查指纹模组的倒角不存在划伤，则为初步检查合格。
步骤S3中的深处检查指纹模组包括以下步骤：
S31：CCD图像传感器采集多张指纹模组图像；
S32：指纹模组图像预处理模块预处理指纹模组图像；
S33：倒角区域确定模块搜索倒角边界，确定到倒角区域；
S34：倒角区域检测模块检测倒角区域。
步骤S32中预处理指纹模组图像包括以下步骤：
S321：亮度分布计算模块根据亮度分布计算每张指纹模组图像上各亮度分布的特征量；
S322：图像合成模块将采集到的多张指纹模组图像相加并合成获得合成指纹模组图像；
S323：校正值计算模块根据多张指纹模组图像上个亮度分布分特征值计算合成指纹模组图像的亮度分布的特征量，并计算需要对合成指纹模组图像进行色调校正的校正值；
S324：指纹模组图像校正模块根据校正值校正合成指纹模组图像的色调；
S325：滤波去噪处理模块将校正后合成指纹模组图像的进行高斯平滑处理。
步骤S33中搜索倒角边界包括以下步骤：
S331：轮廓线搜索模块确定合成指纹模组图像的轮廓线；
S332：灰度值计算模块在轮廓线的垂直方向上计算各点之间的灰度值之差
S333：灰度值比较模块比较各点之间的灰度值之差，灰度值之差最大的两点之间的区域即为倒角区域。
步骤S34中检测倒角区域包括以下步骤：
S341：在倒角区域内，任选若干个点，其中任意两个点不处于同一垂直线上；
S342：分别计算每个点垂直方向上倒角区域的厚度，并求这些厚度的平均厚度E和厚度方差H，
S342：评估倒角区域，设平均厚度阈值为E0，厚度方差阈值为H0，若-0.02<＝(E-E0)<＝0.02且厚度方差-0.05<＝(H-H0)<＝0.05，则深入检查合格，否则深入检查不合格。
步骤S5中该批待检测模组的合格率包括初步检查合格率P和深入检查合格率Q，
初步检查合格率P＝(N/M)*100％，深入检查合格率Q＝[K/(M-N)]*100％，若初步检查合格率P大于等于初步检查合格率阈值P0，则表明指纹模组的加工过程较规范，若初步检查合格率P小于初步检查合格率阈值P0，则表明指纹模组的加工过程存在不规范，导致指纹模组初步检查合格率低，应当进一步规范指纹模组的加工过程；
若深入检查合格率Q大于等于深入检查合格率阈值Q0，则表明指纹模组的加工精度良好，若深入检查合格率Q小于深入检查合格率阈值Q0，则表明指纹模组的加工精度较低，应当调整指纹模组的加工精度。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (5)
1.一种基于CCD图像传感器的指纹模组检测系统，其特征在于：所述检测系统包括数据存储模块、人工检查模块、深入检查模块和加工产线评估模块，所述数据存储模块用于待检测指纹模组的总数以及待检测指纹模组中的合格数量，所述人工检查模块用于人工初步筛选检查指纹模组，所述深入检查模块用于使用机器对指纹模组进行深入检查，所述加工产线评估模块根据人工检查模块和深入检查模块的结果评估指纹模组加工产线的状况，并根据评估状况提出建议；
所述数据存储模块包括待检测总数存储模块，初步检查合格数存储模块和深入检查合格数存储模块，所述初步检查合格数存储模块用于存储人工检查的指纹模组中指纹模组合格的数量，所述人工检查模块用于人工检查倒角上是否存在划伤，所述深入检查合格数存储模块用于存储机器检查的指纹模组中指纹模组合格的数量，所述深入检查模块包括图像采集模块、指纹模组图像预处理模块、倒角区域确定模块和倒角区域检测模块，所述图像采集模块为CCD图像传感器，所述图像采集模块用于采集多张指纹模组图像，所述指纹模组图像预处理模块包括亮度分布计算模块、图像合成模块、校正值计算模块、指纹模组图像校正模块和滤波去噪处理模块，所述亮度分布计算模块用于计算每张指纹模组图像上各亮度分布的特征量，所述图像合成模块用于将图像采集模块所采集到的指纹模组图像相加并合成获得合成指纹模组图像，所述校正值计算模块用于计算需要对合成指纹模组图像进行色调校正的校正值，所述指纹模组图像校正模块根据计算出的校正值对合成指纹模组进行校正，所述滤波去噪处理模块用于对校正后的合成指纹模组图像进行高斯平滑处理；所述倒角区域确定模块包括轮廓线搜索模块、灰度值计算模块和灰度值比较模块，所述轮廓线搜索模块用于确定合成指纹模组图像的轮廓线，所述灰度值计算模块用于计算在轮廓线的垂直方向上计算各点之间的灰度值之差，所述灰度值比较模块用于比较各点之间的灰度值之差，并筛选出灰度值之差最大的两点之间的区域，将该区域作为倒角区域，所述倒角区域检测模块包括厚度计算模块和倒角区域评估模块，所述厚度计算模块用于计算倒角区域中多点的平均厚度以及它们的厚度方差，所述倒角区域评估模块用于根据平均厚度和厚度方差评估倒角区域加工的是否合格，所述加工产线评估模块根据人工检查的指纹模组中指纹模组合格的数量和机器检查的指纹模组中指纹模组合格的数量计算出初步检查合格率P和深入检查合格率Q，并提出加工产线的改善建议。
2.一种基于CCD图像传感器的指纹模组检测方法，其特征在于：所述检测方法包括以下步骤：
S1：确定一批待检测指纹模组的总数量；
S2：人工筛选初步检查指纹模组；
S3：深入检查指纹模组；
S4：将指纹模组进行返工维修；
S5：评估指纹模组的加工产线；
所述检测方法进一步包括：
S2：人工筛选初步检查指纹模组，并对指纹模组初步检查合格的数量进行计数，若某块指纹模组初步检查合格，则转步骤S3，若某块指纹模组初步检查不合格，则转步骤S4；
S3：深入检查指纹模组，并对指纹模组深入检查合格的数量进行计数，若某块指纹模组深入检查合格，则该块指纹模组可以出货，若某块指纹模组深入检查不合格，则转步骤S4；
S5：根据该批待检测指纹模组的总数量M、初步检查合格的指纹模组数量N和深入检查合格的指纹模组数量K，计算该批待检测指纹模组的合格率，并根据合格率评估指纹模组的加工产线；
所述步骤S2中的人工筛选初步检查为人工检查指纹模组的倒角的划伤情况，若人工检查指纹模组的倒角存在划伤，则为初步检查不合格，若人工检查指纹模组的倒角不存在划伤，则为初步检查合格；
所述步骤S3中的深入检查指纹模组包括以下步骤：
S31：CCD图像传感器采集多张指纹模组图像；
S32：预处理指纹模组图像；
S33：搜索倒角边界，确定到倒角区域；
S34：检测倒角区域；
所述步骤S32中预处理指纹模组图像包括以下步骤：
S321：根据亮度分布计算每张指纹模组图像上各亮度分布的特征量；
S322：将采集到的多张指纹模组图像相加并合成获得合成指纹模组图像；
S323：根据多张指纹模组图像上各亮度分布的特征量计算合成指纹模组图像的亮度分布的特征量，并计算需要对合成指纹模组图像进行色调校正的校正值；
S324：根据校正值校正合成指纹模组图像的色调；
S325：将校正后合成指纹模组图像进行高斯平滑处理。
3.根据权利要求2所述的一种基于CCD图像传感器的指纹模组检测方法，其特征在于：所述步骤S33中搜索倒角边界包括以下步骤：
S331：确定合成指纹模组图像的轮廓线；
S332：在轮廓线的垂直方向上计算各点之间的灰度值之差
S333：比较各点之间的灰度值之差，灰度值之差最大的两点之间的区域即为倒角区域。
4.根据权利要求2所述的一种基于CCD图像传感器的指纹模组检测方法，其特征在于：所述步骤S34中检测倒角区域包括以下步骤：
S341：在倒角区域内，任选若干个点，其中任意两个点不处于同一垂直线上；
S342：分别计算每个点垂直方向上倒角区域的厚度，并求这些厚度的平均厚度E和厚度方差H，
S342：评估倒角区域，设平均厚度阈值为E0，厚度方差阈值为H0，若-0.02<＝(E-E0)<＝0.02且厚度方差-0.05<＝(H-H0)<＝0.05，则深入检查合格，否则深入检查不合格。
5.根据权利要求2所述的一种基于CCD图像传感器的指纹模组检测方法，其特征在于：所述步骤S5中该批待检测指纹模组的合格率包括初步检查合格率P和深入检查合格率Q，
所述初步检查合格率P＝(N/M)*100％，所述深入检查合格率Q＝[K/(M-N)]*100％，若初步检查合格率P大于等于初步检查合格率阈值P0，则表明指纹模组的加工过程较规范，若初步检查合格率P小于初步检查合格率阈值P0，则表明指纹模组的加工过程存在不规范，导致指纹模组初步检查合格率低，应当进一步规范指纹模组的加工过程；
若深入检查合格率Q大于等于深入检查合格率阈值Q0，则表明指纹模组的加工精度良好，若深入检查合格率Q小于深入检查合格率阈值Q0，则表明指纹模组的加工精度较低，应当调整指纹模组的加工精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910557223.0A CN110440716B (zh) | 2019-06-25 | 2019-06-25 | 基于ccd图像传感器的指纹模组检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910557223.0A CN110440716B (zh) | 2019-06-25 | 2019-06-25 | 基于ccd图像传感器的指纹模组检测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110440716A CN110440716A (zh) | 2019-11-12 |
| CN110440716B true CN110440716B (zh) | 2021-03-19 |
Family
ID=68429323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910557223.0A Expired - Fee Related CN110440716B (zh) | 2019-06-25 | 2019-06-25 | 基于ccd图像传感器的指纹模组检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110440716B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003296716A (ja) * | 2002-03-29 | 2003-10-17 | Casio Comput Co Ltd | 読取装置 |
| CN104021382A (zh) * | 2014-06-20 | 2014-09-03 | 北京释码大华科技有限公司 | 一种眼部图像采集方法及其系统 |
| US9797753B1 (en) * | 2014-08-27 | 2017-10-24 | Apple Inc. | Spatial phase estimation for optical encoders |
| CN207066402U (zh) * | 2017-06-01 | 2018-03-02 | 科森科技东台有限公司 | 自动倒角检测机 |
| CN207113814U (zh) * | 2017-06-01 | 2018-03-16 | 昆山科森科技股份有限公司 | 指纹模组倒角的批量检测系统 |
-
2019
- 2019-06-25 CN CN201910557223.0A patent/CN110440716B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003296716A (ja) * | 2002-03-29 | 2003-10-17 | Casio Comput Co Ltd | 読取装置 |
| CN104021382A (zh) * | 2014-06-20 | 2014-09-03 | 北京释码大华科技有限公司 | 一种眼部图像采集方法及其系统 |
| US9797753B1 (en) * | 2014-08-27 | 2017-10-24 | Apple Inc. | Spatial phase estimation for optical encoders |
| CN207066402U (zh) * | 2017-06-01 | 2018-03-02 | 科森科技东台有限公司 | 自动倒角检测机 |
| CN207113814U (zh) * | 2017-06-01 | 2018-03-16 | 昆山科森科技股份有限公司 | 指纹模组倒角的批量检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110440716A (zh) | 2019-11-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109141232B (zh) | 一种基于机器视觉的盘类铸件在线检测方法 | |
| CN109870461B (zh) | 一种电子元器件质量检测系统 | |
| CN110163853A (zh) | 一种边缘缺陷的检测方法 | |
| CN110298840B (zh) | 一种基于图像的纱线缺陷检测方法 | |
| CN115222733A (zh) | 基于图像识别的金属构件表面缺陷检测方法 | |
| CN110310275B (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
| CN109359604B (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
| CN113838054A (zh) | 基于人工智能的机械零件表面损伤检测方法 | |
| CN116523913B (zh) | 一种丝杆质量智能检测方法 | |
| CN117522863B (zh) | 基于图像特征的集成箱体质量检测方法 | |
| CN111415339A (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
| CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
| CN114495098A (zh) | 一种基于显微镜图像的盘星藻类细胞统计方法及系统 | |
| CN115526885A (zh) | 一种产品图像缺陷检测方法、系统、装置及介质 | |
| CN116993742A (zh) | 基于机器视觉的镍合金轧制缺陷检测方法 | |
| CN102842131A (zh) | 一种监测目标物体缺陷的方法及设备 | |
| CN117808799B (zh) | 基于人工智能的倒角设备加工质量检测方法 | |
| CN115266728A (zh) | 一种冷轧带钢表面夹杂缺陷的识别方法 | |
| CN118225803A (zh) | 一种推土机刀片表面外观视觉检测方法 | |
| CN117252486B (zh) | 基于物联网的汽车零配件缺陷检测方法及系统 | |
| CN110440716B (zh) | 基于ccd图像传感器的指纹模组检测系统及方法 | |
| CN117011291B (zh) | 一种手表外壳质量视觉检测方法 | |
| CN108805854A (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
| CN116958082A (zh) | 一种带钢表面色差缺陷检出方法、装置及电子设备 | |
| CN111192261A (zh) | 一种镜片疵病类型识别的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220302 Address after: 252500 No. 223, beitongzhuang village, Donggu Town, Guan County, Liaocheng City, Shandong Province Patentee after: Zhang Yanhua Address before: 224014 intersection of Weiba road and Qinchuan Road, Yanlong sub district office, Yandu District, Yancheng City, Jiangsu Province (d) Patentee before: YANCHENG HUAYU PHOTOELECTRIC TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210319 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |