CN110514665A - 一种电子产品塑料外壳划痕缺陷的检测方法 - Google Patents
一种电子产品塑料外壳划痕缺陷的检测方法 Download PDFInfo
- Publication number
- CN110514665A CN110514665A CN201910829643.XA CN201910829643A CN110514665A CN 110514665 A CN110514665 A CN 110514665A CN 201910829643 A CN201910829643 A CN 201910829643A CN 110514665 A CN110514665 A CN 110514665A
- Authority
- CN
- China
- Prior art keywords
- image
- scratch
- detection
- product
- template
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 239000004033 plastic Substances 0.000 title claims abstract description 28
- 229920003023 plastic Polymers 0.000 title claims abstract description 28
- 230000007547 defect Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 239000000047 product Substances 0.000 claims description 65
- 238000001914 filtration Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 4
- 239000006227 byproduct Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010009 beating Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 239000011521 glass Substances 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 6
- 239000002184 metal Substances 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000001746 injection moulding Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000010112 shell-mould casting Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
- G01N21/898—Irregularities in textured or patterned surfaces, e.g. textiles, wood
-
- 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
- G06T7/0008—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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
- G01N2201/06146—Multisources for homogeneisation, as well sequential as simultaneous operation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Textile Engineering (AREA)
- Quality & Reliability (AREA)
- Wood Science & Technology (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了电子产品塑料外壳划痕缺陷的检测方法,属于机器视觉缺陷检测领域,本发明首先采集电子产品模板图像;在待检图像利用二值化和连通域分析寻找产品区域,根据模板图确定产品区域的检测区域,采用Retinex方法对检测区域计算前景区域特征图,利用形态学处理和二值化确定前景区域,前景区域通过判定网络剔除不属于划痕的检测区域,剩下的前景区域即为划痕。本发明实现电子产品塑料外壳的划痕检测,弥补了在该领域划痕检测的空白。本发明的设计了正面打特定位置的高亮定制无影光源的方式,使暗痕和轻微划痕都呈现出来。本发明采用图像增强方法,使轻微划痕与背景的差异变大,对于轻微划痕具有较好的检测效果。
Description
技术领域
本发明涉及机器视觉缺陷检测领域,具体涉及到一种电子产品塑料外壳划痕缺陷的检测方法。
背景技术
随着计算机科技日新月异的进步,电子产品已经成了生活中不可或缺的必备品,对产品外观样式的要求也越来越高,因此要求外壳的供应商在出厂之前做好质检,如存在一片缺陷品,集成厂家会对供应商进行罚款处理,或减少该厂订单的处理,因此,外壳生产厂家在产品出厂之前进行多个环节的质量检测,主要包括外壳划痕检测。
电子产品塑料外壳为通过注塑机注塑成型的塑胶件。对于外壳本身而言,具有型号多样,颜色不一,多种表面纹理和光滑度的特点。厂家在生产时,也会根据订单频繁更换型号生产。由于以上特点,市面上还没有针对划痕的检测设备。仅有Logo丝印错漏混的视觉检测设备,主要是检测外壳上的Logo丝印是否印错,漏印,或混料。而对于电子产品塑料外壳的划痕类缺陷,目前注塑厂家均采用人工在高亮光源下进行目检,人眼长期在高亮环境下工作,不仅对工人的身体健康产生影响,而且长时间工作,会产生疲劳,精神不专注,导致漏检。同时,人工检测也存在检测标准不一的情况。
在金属外观缺陷检测领域,也存在划痕类的检测,由于金属表面特性与电子产品外壳注塑件的表面特性存在一定的差异性,且针对某一种金属工件外观检测的场景,不同型号的同一种金属工件外观特性基本一致,该场景下仅需要一套参数的检测方法,既能达到上线的检测效果,而电子产品外壳同一类工件不同型号之间的表面光学特性差异比较大,且换线频繁,要求检测方法对多种型号都具有兼容性。因此,现有的金属外观划痕检测方法无法对电子产品塑料外壳的划痕缺陷进行检测。
透明玻璃划痕缺陷检测领域,同样存在针对划痕的检测的需求。目前,现有技术中有采用背光源拍摄的方式进行成像,如图1所示,相机位于被测玻璃的上面向下拍摄,光源位于被测玻璃的下面,发光面向上,检测表面划痕,由于玻璃是透明的,所以玻璃上的一些缺陷,采用这种方式拍摄可以把缺陷呈现出来,但电子产品塑料外壳不是透明的,因此无法采用这样的光学方法拍摄缺陷;也有现有技术中研制的玻璃表面缺陷检测系统,如图2所示,线扫相机位于产品上方,添加背面光源,对玻璃表面划痕进行检测,对于这种透明材质的产品具有一定的检测效果,无法应用于非透明的电子产品塑料外壳的划痕检测上。
发明内容
针对轻微划痕设计图像增强方法,增强后的图像中的轻微划痕与背景的灰度差异变大,能很容易检测出轻微划痕,本发明提出了一种电子产品塑料外壳划痕缺陷的检测方法,本发明采用机器视觉的方法解决了针对电子产品塑料外壳的划痕检测的问题;本发明设计了正面打特定位置的高亮定制无影光源的方式,使暗痕和轻微划痕都呈现出来;通过快速设置模板与检测方法的适应性设计,满足电子产品塑料外壳的生产要求,换线后,也能快速检测新的型号产品;
为实现上述目的,本发明是根据以下技术方案实现的:
一种电子产品塑料外壳划痕缺陷的检测方法,其特征在于,包括如下步骤:
步骤S1:对电子产品塑料外壳进行拍照,采集一张黑白的模板图像;
步骤S2:打开模板设置界面,并加载模板图像,将用来标识的各个方框的位置和大小保存成模板文件;
步骤S3:对待检测的电子产品塑料外壳进行拍照,采集一张黑白的待检图像;
步骤S4:对待检图像进行二值化,得到二值化图,然后对二值化图进行形态学滤波去噪处理,接着对二值化图中的连通域进行分析,然后提取二值化图中连通域的外边缘,并连接外边缘,从而得到待检图像中产品图像的范围以及位置参数;
步骤S5:根据得到的待检图像中产品图像的范围以及位置参数从待检图像中将产品图像提取出来;
步骤S6:加载模板文件,根据模板文件中记录的各个方框的参数将产品图像中不检测划痕区域扣除;
步骤S7:通过单尺度的Retinex图像增强方法对扣除不检测划痕区域的产品图像进行图像增强;
步骤S8:对图像增强后的产品图像进行形态学滤波去噪处理,然后对产品图像进行二值化,得到二值化图,接着提取二值化图中的各个前景区域,并计算各个前景区域的特征;
步骤S9:根据设定的划痕特征来剔除不满足划痕特征的前景区域,从而得到满足划痕特征的各个前景区域;
步骤S10:在待检图像的产品图像上将满足划痕特征的各个前景区域所对应的区域标识出来,标识出来的区域即为检测出来的划痕区域。
上述技术方案中,所述步骤S2中利用人工通过模板设置界面对模板图像中的产品图像上的不检测划痕区域用方框进行标识。
上述技术方案中,步骤S2中,利用人工对模板设置界面打开一幅没有缺陷的图像,然后绘制矩形框设置检测的主区域,扣除不检测的Logo丝印和银环位置,选取合适检测区域为全白的二值图像作为模板,记录二值化和滤波参数,制作完成模板文件。
本发明与现有技术相比,具有如下的技术效果:
本发明实现电子产品塑料外壳的划痕检测,弥补了在该领域划痕检测的空白。本发明的设计了正面打特定位置的高亮定制无影光源的方式,使暗痕和轻微划痕都呈现出来。此外,本发明采用图像增强方法,使轻微划痕与背景的差异变大,对于轻微划痕具有较好的检测效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为玻璃划痕检测装置1成像示意图;
图2为玻璃划痕检测装置2系统示意图;
图3(a)和图3(b)为本发明所使用的检测成像系统示意图;
图4为本发明的采集到的产品图像示意图;
图5示例所用图像模板示意图;
图6为模板制作软件示意图;
图7为模板制作流程示意图;
图8为示例所用待测图像示意图;
图9为示例图像检测区域定位结果图示意图
图10为示例图像增强结果图示意图;
图11为示例图像检测最终结果示意图;
图12为系统检测流程图示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
本发明为了适应不同款式的电子产品的塑料外壳,并能清晰呈现出外壳上的划痕,本发明采用相机2个12M黑白相机和高清工业镜头,相机位于产品正上方。使用打光方式为特定位置的高亮定制无影光源,光源位于产品的正上方,通过平移产品来配合相机检测缺陷,如图3(a)和图3(b)所示,其中,图3(a)为成像系统的俯视图,相机拍摄被测产品的上表面,图3(b)为成像系统的侧视图,光源位于被测产品与相机之间,光从上面打向被测产品。
本发明采集到的产品图像如图4,图像中的暗痕和轻微划痕都通过这种方式的打光呈现出来,方便检测。
本发明提供的一种电子产品塑料外壳划痕缺陷的检测方法,包括如下步骤:
步骤S1:对电子产品塑料外壳进行拍照,采集一张黑白的模板图像,如图5所示;
步骤S2:打开模板设置界面,并加载模板图像,将用来标识的各个方框的位置和大小保存成模板文件,如图6所示;
为了能适应不同款式的电子产品塑料外壳,本发明采用预先制作模板的方式,在执行检测方法前,加载模板参数来确定检测方法的预处理参数。其中,步骤S2中利用人工通过模板设置界面对模板图像中的产品图像上的不检测划痕区域用方框进行标识。其中,利用人工对模板设置界面打开一幅没有缺陷的图像,然后绘制矩形框设置检测的主区域,扣除不检测的Logo丝印和银环位置,选取合适检测区域为全白的二值图像作为模板,记录二值化和滤波参数,制作完成模板文件,如图7所示。
步骤S3:对待检测的电子产品塑料外壳进行拍照,采集一张黑白的待检图像,如图7所示;
步骤S4:对待检图像进行二值化,得到二值化图,然后对二值化图进行形态学滤波去噪处理,接着对二值化图中的连通域进行分析,然后提取二值化图中连通域的外边缘,并连接外边缘,从而得到待检图像中产品图像的范围以及位置参数;
步骤S5:根据得到的待检图像中产品图像的范围以及位置参数从待检图像中将产品图像提取出来,如图8所示,灰色部分为产品待检测区域;
步骤S6:加载模板文件,根据模板文件中记录的各个方框的参数将产品图像中不检测划痕区域扣除;
步骤S7:通过单尺度的Retinex图像增强方法对扣除不检测划痕区域的产品图像进行图像增强;
Retinex图像增强公式:
O(x,y)=R(x,y)·I(x,y)
O为原始图、R为入射的分量图、I为光亮度图
对上述公式取对数:log(O(x,y))=log(R(x,y))+log(I(x,y));
定义一个高斯函数:
设I(x,y)=G(x,y)*O(x,y)
然后得到增强后的图像:
log(R(x,y))=log(O(x,y))-log(G(x,y)*O(x,y));
步骤S8:对图像增强后的产品图像进行形态学滤波去噪处理,然后对产品图像进行二值化,得到二值化图,接着提取二值化图中的各个前景区域,并计算各个前景区域的特征;采取本步骤的主要原因是由于增强后的图像划痕与背景区域的灰度差异变大,使轻微划痕更加明显,并且容易检测出来,如图9所示,增强后划痕区域更加明显;
步骤S9:根据设定的划痕特征来剔除不满足划痕特征的前景区域,从而得到满足划痕特征的各个前景区域;
步骤S10:在待检图像的产品图像上将满足划痕特征的各个前景区域所对应的区域标识出来,标识出来的区域即为检测出来的划痕区域如图10所示。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (3)
1.一种电子产品塑料外壳划痕缺陷的检测方法,其特征在于,包括如下步骤:
步骤S1:对电子产品塑料外壳进行拍照,采集一张黑白的模板图像;
步骤S2:打开模板设置界面,并加载模板图像,将用来标识的各个方框的位置和大小保存成模板文件;
步骤S3:对待检测的电子产品塑料外壳进行拍照,采集一张黑白的待检图像;
步骤S4:对待检图像进行二值化,得到二值化图,然后对二值化图进行形态学滤波去噪处理,接着对二值化图中的连通域进行分析,然后提取二值化图中连通域的外边缘,并连接外边缘,从而得到待检图像中产品图像的范围以及位置参数;
步骤S5:根据得到的待检图像中产品图像的范围以及位置参数从待检图像中将产品图像提取出来;
步骤S6:加载模板文件,根据模板文件中记录的各个方框的参数将产品图像中不检测划痕区域扣除;
步骤S7:通过单尺度的Retinex图像增强方法对扣除不检测划痕区域的产品图像进行图像增强;
步骤S8:对图像增强后的产品图像进行形态学滤波去噪处理,然后对产品图像进行二值化,得到二值化图,接着提取二值化图中的各个前景区域,并计算各个前景区域的特征;
步骤S9:根据设定的划痕特征来剔除不满足划痕特征的前景区域,从而得到满足划痕特征的各个前景区域;
步骤S10:在待检图像的产品图像上将满足划痕特征的各个前景区域所对应的区域标识出来,标识出来的区域即为检测出来的划痕区域。
2.根据权利要求1所述的一种电子产品塑料外壳划痕缺陷的检测方法,其特征在于,所述步骤S2中利用人工通过模板设置界面对模板图像中的产品图像上的不检测划痕区域用方框进行标识。
3.根据权利要求2所述的一种电子产品塑料外壳划痕缺陷的检测方法,其特征在于,步骤S2中,利用人工对模板设置界面打开一幅没有缺陷的图像,然后绘制矩形框设置检测的主区域,扣除不检测的Logo丝印和银环位置,选取合适检测区域为全白的二值图像作为模板,记录二值化和滤波参数,制作完成模板文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910829643.XA CN110514665A (zh) | 2019-09-03 | 2019-09-03 | 一种电子产品塑料外壳划痕缺陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910829643.XA CN110514665A (zh) | 2019-09-03 | 2019-09-03 | 一种电子产品塑料外壳划痕缺陷的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110514665A true CN110514665A (zh) | 2019-11-29 |
Family
ID=68630656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910829643.XA Pending CN110514665A (zh) | 2019-09-03 | 2019-09-03 | 一种电子产品塑料外壳划痕缺陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110514665A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827280A (zh) * | 2020-01-09 | 2020-02-21 | 莱克电气股份有限公司 | 基于机器视觉的胶水检测方法、装置以及胶水检测设备 |
CN112014407A (zh) * | 2020-09-03 | 2020-12-01 | 浙江长芯光电科技有限公司 | 一种集成电路晶圆表面缺陷检测的方法 |
CN113221881A (zh) * | 2021-04-30 | 2021-08-06 | 浙大城市学院 | 一种多层级的智能手机屏幕缺陷检测方法 |
CN115060731A (zh) * | 2022-08-04 | 2022-09-16 | 楚能新能源股份有限公司 | 一种方差算法检测负极膜片颗粒划痕露金属的方法 |
CN117197138A (zh) * | 2023-11-07 | 2023-12-08 | 深圳市极摩客科技有限公司 | 基于图像特征的电脑主机外壳划痕检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157303A (zh) * | 2016-06-24 | 2016-11-23 | 浙江工商大学 | 一种基于机器视觉对表面检测的方法 |
CN106780486A (zh) * | 2017-01-16 | 2017-05-31 | 大连海事大学 | 一种钢板表面缺陷图像提取方法 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN108355987A (zh) * | 2018-01-08 | 2018-08-03 | 西安交通大学 | 一种基于分块模板匹配的电池丝印质量检测方法 |
CN108830832A (zh) * | 2018-05-15 | 2018-11-16 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的塑料筒表面缺陷检测算法 |
-
2019
- 2019-09-03 CN CN201910829643.XA patent/CN110514665A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157303A (zh) * | 2016-06-24 | 2016-11-23 | 浙江工商大学 | 一种基于机器视觉对表面检测的方法 |
CN106780486A (zh) * | 2017-01-16 | 2017-05-31 | 大连海事大学 | 一种钢板表面缺陷图像提取方法 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN108355987A (zh) * | 2018-01-08 | 2018-08-03 | 西安交通大学 | 一种基于分块模板匹配的电池丝印质量检测方法 |
CN108830832A (zh) * | 2018-05-15 | 2018-11-16 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于机器视觉的塑料筒表面缺陷检测算法 |
Non-Patent Citations (6)
Title |
---|
宋迪: "基于机器视觉的手机隔板划痕检测研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
李克斌等: "基于形态学特征的机械零件表面划痕检测", 《光学学报》 * |
王帅全等: "基于LabVIEW 的电机壳表面缺陷检测系统设计", 《电子制作》 * |
赵荣椿等, 西北工业大学出版社 * |
赵荣椿等编: "《数字图像处理》", 30 April 2016 * |
陈玉叶: "液晶屏非显示缺陷检测", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827280A (zh) * | 2020-01-09 | 2020-02-21 | 莱克电气股份有限公司 | 基于机器视觉的胶水检测方法、装置以及胶水检测设备 |
CN110827280B (zh) * | 2020-01-09 | 2020-04-21 | 莱克电气股份有限公司 | 基于机器视觉的胶水检测方法、装置以及胶水检测设备 |
CN112014407A (zh) * | 2020-09-03 | 2020-12-01 | 浙江长芯光电科技有限公司 | 一种集成电路晶圆表面缺陷检测的方法 |
CN113221881A (zh) * | 2021-04-30 | 2021-08-06 | 浙大城市学院 | 一种多层级的智能手机屏幕缺陷检测方法 |
CN113221881B (zh) * | 2021-04-30 | 2022-03-22 | 浙大城市学院 | 一种多层级的智能手机屏幕缺陷检测方法 |
CN115060731A (zh) * | 2022-08-04 | 2022-09-16 | 楚能新能源股份有限公司 | 一种方差算法检测负极膜片颗粒划痕露金属的方法 |
CN117197138A (zh) * | 2023-11-07 | 2023-12-08 | 深圳市极摩客科技有限公司 | 基于图像特征的电脑主机外壳划痕检测方法 |
CN117197138B (zh) * | 2023-11-07 | 2024-02-23 | 深圳市极摩客科技有限公司 | 基于图像特征的电脑主机外壳划痕检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110514665A (zh) | 一种电子产品塑料外壳划痕缺陷的检测方法 | |
CN104749184B (zh) | 自动光学检测方法和系统 | |
CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN105894036A (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
CN112686858A (zh) | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 | |
Ma | Defect detection and recognition of bare PCB based on computer vision | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
CN113252568A (zh) | 基于机器视觉的镜片表面缺陷检测方法、系统、产品、终端 | |
CN111161295B (zh) | 一种菜品图像背景剥离方法 | |
CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
CN113034488A (zh) | 一种喷墨印刷品的视觉检测方法 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN109767428A (zh) | 一种摄像模组脏污检测方法 | |
CN109102497A (zh) | 高分辨率的导光板图像缺陷检测方法 | |
CN113205099A (zh) | 一种镀镍金属表面去料字符视觉检测系统及方法 | |
CN114577805A (zh) | 一种MiniLED背光面板缺陷检测方法及装置 | |
CN111739003A (zh) | 一种用于外观检测的机器视觉算法 | |
CN106960424A (zh) | 基于优化分水岭的结核杆菌图像分割识别方法及装置 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
CN110530894B (zh) | 导光板亮点缺陷检测方法 | |
CN115131355B (zh) | 利用电子设备数据检测防水布异常的智能方法 | |
CN104866837B (zh) | 字画微观纹理的图像采集装置及其采集方法 | |
Zhang et al. | Defect detection of mobile phone screen based on improved difference image method | |
CN113284148B (zh) | 一种屏幕灰尘过滤方法 | |
Owczarek | The impact and importance of fabric image preprocessing for the new method of individual inter-thread pores detection |
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 |
Application publication date: 20191129 |
|
RJ01 | Rejection of invention patent application after publication |