CN110929720A - 一种基于logo匹配和ocr的元器件检测方法 - Google Patents
一种基于logo匹配和ocr的元器件检测方法 Download PDFInfo
- Publication number
- CN110929720A CN110929720A CN201911031508.7A CN201911031508A CN110929720A CN 110929720 A CN110929720 A CN 110929720A CN 201911031508 A CN201911031508 A CN 201911031508A CN 110929720 A CN110929720 A CN 110929720A
- Authority
- CN
- China
- Prior art keywords
- logo
- component
- character string
- picture
- matching
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
Abstract
本发明涉及一种基于LOGO匹配和OCR的元器件检测方法,该方法步骤为:建立LOGO图片库:采集含有LOGO图案的元器件的图像,并将LOGO图案存入LOGO库;去噪处理:使用中值滤波对元器件图片进行去噪处理,获取更加清晰的图片;字符串区域定位与分割:对元器件图片进行字符行区域的目标检测,获取元器件图片上字符串区域并将字符串区域分割保存成图片;字符串识别:通过OCR对上述字符串区域图片进行识别处理,将图片中的字符串转换成计算机中的字符串;LOGO匹配:从LOGO图片库中获取LOGO图片,使用TM_CCOEFF_NORMED算法进行LOGO匹配,获取匹配结果的置信度;检测元器件的型号:字符识别的结果和LOGO匹配的置信度确定元器件的检测结果;本发明在提高了元器件检测速率的基础上保证了检测的准确性。
Description
技术领域
本发明属于图像处理技术领域,涉及深度学习和OCR技术(Optical CharacterRecognition,光学字符识别),并于图像匹配算法相融合的元器件检测方法。
背景技术
印制电路板(Printed Circuit Board,PCB)作为电子元器件电气连接的载体,是现代社会工业化的基础;由于PCB板具有高密度化和高集成性等特点,对PCB板上安装的元器件的检测具有非常高的精度要求。传统的人工目测往往需要耗费大量的人力与物力,并且测量误差大,难以实现对精度要求越来越高的元器件的检测标准;这使得开发一种高准确率、高效率的元器件安检测方案非常必要。
目前工业上常用的元器件检查方法主要有:人工检测、图像比对等,对于上述方法,首先人工检测是通过专业的检验员根据元器件清单列表,对PCB板上的元器件进行逐一核查,若元器件与清单列表能够对应,则在相应的质量检测栏标注合格;若元器件与清单列表无法对应,则在相应的质量检测栏标注不合格,这种方法主要依据检验员自身的背景知识,通过元器件文本内容和LOGO图案与元器件清单上的信息综合来判断所检测的元器件是否符合标准;这种只通过人工比对的方式检测元器件效率相当低下,很大程度上依赖与“人”,非常容易出错,而且这样的解决方案极大程度上受限于检验员的速度与精度,无法高效和高准确率的要求。
另一种检测方式为图像对比,该方式先将所有可能需要检测的元器件进行图片采集,随后根据采集到的图像建立元器件模板库,在需要检测新来的元器件时,将元器件与模板库中的图像做比对,选出最相似的元器件图像来确定该元器件的信息;这种方法提高了一定的工作效率,但是其准确率比人工检测还要低,因为这种方法将元器件视为一个整体,没能考虑和使用元器件的细节信息作为检测依据,例如:元器件上的丝印和LOGO图案等信息。
发明内容
根据上述缺陷,本发明提出了一种基于LOGO匹配和OCR的元器件检测方法;其中应用深度学习算法、OCR技术及图像对比等算法实现对元器件的检测。
为实现以上的目的,本发明是通过以下技术方案来实现的:
一种基于LOGO匹配和OCR的元器件检测方法,该方法包括以下步骤:
(1)建立LOGO图片库:采集含有LOGO图案的元器件图像,并将元器件图像上的LOGO图案存入LOGO图片库;
(2)去噪处理:使用中值滤波对元器件图片进行去噪处理,获取更加清晰的元器件图像Ⅰ;
(3)字符串区域定位与分割:对元器件图像Ⅰ进行字符行区域的目标检测,获取元器件图像Ⅰ上的字符串区域并将字符串区域分割保存成字符串区域图片;
(4)字符串识别:通过OCR对步骤(3)中字符串区域图片进行识别处理,将字符串区域图片中的字符串转换成计算机中的字符串,获取识别结果;
(5)LOGO匹配:从LOGO图片库中获取LOGO图片,使用TM_CCOEFF_NORMED算法进行LOGO匹配,获取匹配结果的置信度。
(6)检测元器件的型号:根据步骤(4)所述字符识别结果和步骤(5)中的LOGO匹配的置信度确定元器件的检测结果;
(7)以新的元器件为起始,重复步骤(2)~步骤(7),识别所需要检测的元器件。
步骤(1)中LOGO图案的命名具体如下:
2-1.建立中文拼音库,将中文文字与其拼音相对应;
2-2.使用步骤2-1中所述中文拼音库,将元器件名称中所含中文字符转换成拼音字符串,并将每个文字拼音的首字母大写,元器件中的其他字符保留不变;
2-3.根据2-2所述命名规则给元器件的LOGO图案进行命名,并保存至固定路径下;
所述的步骤(3)中字符串区域定位与分割具体是:
3-1.以行为单位,对元器件图片上字符串区域进行人工标注;
3-2.将标注好的元器件图片组成训练集,通过目标检测模型进行训练,直至模型收敛;
3-3.将元器件图片送入训练好的目标检测模型进行字符串区域的目标检测,获取图片上字符串区域的坐标并保存;
3-4.将元器件图片的字符串区域截取出来并保存成字符串区域图片。
所述的步骤(4)字符串识别具体是:
4-1.使用OCR技术将上述步骤3-4中所获取的字符串区域图片进行字符串识别;
4-2.对上述字符串识别的结果进行筛选,剔除识别结果中的标点符号和空格;
4-3.保存筛选后的OCR的结果;
所述的步骤(5)中的TM_CCOEFF_NORMED算法具体是:
5-1.通过TM_CCOEFF_NORMED算法,在待检测图像上,从左到右、从上向下计算模板图像与重叠子图像的匹配度,匹配程度越大,两者相同的可能性越大;
5-2.采用标准相关性系数R计算模板图像与重叠子图像的匹配度,即计算模板图像对其均值的相对值与重叠子图像对其均值的相对值的内积,具体公式为:
其中,T'(x',y')为减去均值的模板像素值,I'(x+x',y+y')为减去均值的子图像像素值;
5-3.选取标准相关性系数R最大的位置为与模板图像最相似的位置,并返回标准相关性系数R,将标准相关性系数R作为匹配结果的置信度;
所述的步骤(6)具体是:
6-1.设置判断LOGO图案合格的阀值,用于判断步骤(5)中的匹配结果是否合格;
6-2.若元器件含有LOGO图案,则使用步骤(5)中的置信度与所设阀值进行比较,若置信度大于等于阀值,则采用LOGO对应的生产厂家作为该元器件的生产厂商;若置信度小于阀值,元器件的生产厂家待定;
6-3.若元器件不包含LOGO,或者元器件LOGO匹配的置信度小于阀值,则根据步骤(4)中字符串识别的结果判断元器件的生产厂商和型号。
经过测试,本发明具有的有益效果是:
1、使用深度学习算法和OCR技术能够准确的识别元器件表面上的字符串,LOGO图像比对能够有效的匹配到元器件上LOGO图像,为元器件型号信息提供可靠的技术支持。
2、根据字符串识别和LOGO图像匹配的结果来确定元器件的详细信息,所以本发明提高了元器件检测的效率和准确率,具有良好的自适应性及鲁棒性。
附图说明
图1元器件检测框架图。
图2本发明方法流程图。
图3深度学习模型构建图。
具体实施方式
以下结合附图对本发明的具体实施方案做作进一步说明。
本发明的主用于元器件的检测;图1为本发明的元器件检测框架图;
步骤1采集含有LOGO图案的元器件的图像,并将LOGO图案存入LOGO库;在存入LOGO库时,根据元器件的名称给对应的LOGO图像命名并保存至固定的路径下。
步骤2使用中值滤波对元器件图片进行去噪处理,去除图片中的椒盐噪声,获取更加清晰的图片;
步骤3对去噪后的元器件图片的字符串区域进行目标检测。
所述字符串区域定位与分割功能是由基于深度学习的目标检测模型实现,首先以行为单位,对元器件图片上字符串区域进行人工标注;然后将标注好的图片组成训练集,通过目标检测模型进行训练,直至模型收敛;
再将元器件图片送入训练好的目标检测模型进行字符串区域的目标检测,获取图片上字符串区域的坐标并保存;最后将元器件图片的字符串区域截取出来并保存。
步骤4字符串识别具体是:使用OCR技术将上述步骤3中所获取的字符串区域图片进行字符串识别;对上述字符串识别的结果进行筛选,剔除识别结果中的标点符号和空格等,减少OCR的误差并保存OCR的结果;
步骤5根据元器件的名称从LOGO图片库中获取LOGO图片,使用TM_CCOEFF_NORMED算法进行LOGO匹配,TM_CCOEFF_NORMED算法是研究某一特定图案在图像中的位置,其原理为在待检测图像上,从左到右、从上向下计算模板图像与重叠子图像的匹配度,匹配程度越大,两者相同的可能性越大;采用标准相关性系数(R)计算模板与子图像的匹配度,即计算模版对其均值的相对值与子图像对其均值的相对值的内积,具体公式为:
其中,T'(x',y')为减去均值的模板像素值,I'(x+x',y+y')为减去均值的子图像像素值。选取标准相关系数(R)最大的位置为与模板图像最相似的位置,并返回标准相关系数(R);本发明将标准相关系数(R)作为LOGO匹配的置信度。
步骤6元器件的检测结果:根据所述步骤2字符识别的结果和所述步骤3中的LOGO匹配的置信度确定元器件的生产厂商和型号;设置判断LOGO合格的阀值,若LOGO匹配的置信度大于所设阀值,则采用LOGO对应的生产厂家作为该元器件的生产厂商;若置信度小于阀值,元器件的生产厂家待定;若元器件不包含LOGO,或者元器件LOGO匹配的置信度小于阀值,则根据步骤4中字符串识别的结果判断元器件的生产厂商和型号。
Claims (6)
1.一种基于LOGO匹配和OCR的元器件检测方法,其特征在于该方法包括以下步骤:
(1)建立LOGO图片库:采集含有LOGO图案的元器件图像,并将元器件图像上的LOGO图案存入LOGO图片库;
(2)去噪处理:使用中值滤波对元器件图片进行去噪处理,获取更加清晰的元器件图像Ⅰ;
(3)字符串区域定位与分割:对元器件图像Ⅰ进行字符行区域的目标检测,获取元器件图像Ⅰ上的字符串区域并将字符串区域分割保存成字符串区域图片;
(4)字符串识别:通过OCR对步骤(3)中字符串区域图片进行识别处理,将字符串区域图片中的字符串转换成计算机中的字符串,获取识别结果;
(5)LOGO匹配:从LOGO图片库中获取LOGO图片,使用TM_CCOEFF_NORMED算法进行LOGO匹配,获取匹配结果的置信度;
(6)检测元器件的型号:根据步骤(4)所述字符识别结果和步骤(5)中的LOGO匹配的置信度确定元器件的检测结果;
(7)以新的元器件为起始,重复步骤(2)~步骤(7),识别所需要检测的元器件。
2.根据权利要求1所述的一种基于LOGO匹配和OCR的元器件检测方法,其特征在于步骤(1)中LOGO图案的命名具体如下:
2-1.建立中文拼音库,将中文文字与其拼音相对应;
2-2.使用步骤2-1中所述中文拼音库,将元器件名称中所含中文字符转换成拼音字符串,并将每个文字拼音的首字母大写,元器件中的其他字符保留不变;
2-3.根据2-2所述命名规则给元器件的LOGO图案进行命名,并保存至固定路径下。
3.根据权利要求2所述的一种基于LOGO匹配和OCR的元器件检测方法,其特征在于步骤(3)中字符串区域定位与分割具体是:
3-1.以行为单位,对元器件图片上字符串区域进行人工标注;
3-2.将标注好的元器件图片组成训练集,通过目标检测模型进行训练,直至模型收敛;
3-3.将元器件图片送入训练好的目标检测模型进行字符串区域的目标检测,获取图片上字符串区域的坐标并保存;
3-4.将元器件图片的字符串区域截取出来并保存成字符串区域图片。
4.根据权利要求3所述的一种基于LOGO匹配和OCR的元器件检测方法,其特征在于步骤(4)字符串识别具体是:
4-1.使用OCR技术将上述步骤3-4中所获取的字符串区域图片进行字符串识别;
4-2.对上述字符串识别的结果进行筛选,剔除识别结果中的标点符号和空格;
4-3.保存筛选后的OCR的结果。
5.根据权利要求4所述的一种基于LOGO匹配和OCR的元器件检测方法,其特征在于步骤(5)中的TM_CCOEFF_NORMED算法具体是:
5-1.通过TM_CCOEFF_NORMED算法,在待检测图像上,从左到右、从上向下计算模板图像与重叠子图像的匹配度,匹配程度越大,两者相同的可能性越大;
5-2.采用标准相关性系数R计算模板图像与重叠子图像的匹配度,即计算模板图像对其均值的相对值与重叠子图像对其均值的相对值的内积,具体公式为:
其中,T'(x',y')为减去均值的模板像素值,I'(x+x',y+y')为减去均值的子图像像素值;
5-3.选取标准相关性系数R最大的位置为与模板图像最相似的位置,并返回标准相关性系数R,将标准相关性系数R作为匹配结果的置信度。
6.根据权利要求5所述的一种基于LOGO匹配和OCR的元器件检测方法,其特征在于步骤(6)具体是:
6-1.设置判断LOGO图案合格的阀值,用于判断步骤(5)中的匹配结果是否合格;
6-2.若元器件含有LOGO图案,则使用步骤(5)中的置信度与所设阀值进行比较,若置信度大于等于阀值,则采用LOGO对应的生产厂家作为该元器件的生产厂商;若置信度小于阀值,元器件的生产厂家待定;
6-3.若元器件不包含LOGO,或者元器件LOGO匹配的置信度小于阀值,则根据步骤(4)中字符串识别的结果判断元器件的生产厂商和型号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031508.7A CN110929720B (zh) | 2019-10-28 | 2019-10-28 | 一种基于logo匹配和ocr的元器件检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031508.7A CN110929720B (zh) | 2019-10-28 | 2019-10-28 | 一种基于logo匹配和ocr的元器件检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929720A true CN110929720A (zh) | 2020-03-27 |
CN110929720B CN110929720B (zh) | 2022-11-04 |
Family
ID=69849584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911031508.7A Active CN110929720B (zh) | 2019-10-28 | 2019-10-28 | 一种基于logo匹配和ocr的元器件检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929720B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553445A (zh) * | 2020-05-20 | 2020-08-18 | 北京三一智造科技有限公司 | 零部件识别方法、装置、存储介质和电子设备 |
CN111862041A (zh) * | 2020-07-21 | 2020-10-30 | 华夏天信(北京)智能低碳技术研究院有限公司 | 一种基于模板匹配的井底井筒尾绳断裂检测方法 |
CN112257768A (zh) * | 2020-10-19 | 2021-01-22 | 广州金融科技股份有限公司 | 一种非法金融图片的识别方法、装置、计算机存储介质 |
CN112435222A (zh) * | 2020-11-11 | 2021-03-02 | 深圳技术大学 | 一种电路板检测方法、装置及计算机可读存储介质 |
CN113327237A (zh) * | 2021-06-09 | 2021-08-31 | 合肥中科星翰科技有限公司 | 一种适用于电源电路板的视觉检测系统 |
CN116137077A (zh) * | 2023-04-13 | 2023-05-19 | 宁波为昕科技有限公司 | 电子元器件库的建立方法、装置、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110063468A1 (en) * | 2009-09-11 | 2011-03-17 | Samsung Electronics Co., Ltd. | Method and apparatus for retrieving label |
CN108205668A (zh) * | 2016-12-16 | 2018-06-26 | 李黎 | 一种设备铭牌信息识别采集装置 |
US10007863B1 (en) * | 2015-06-05 | 2018-06-26 | Gracenote, Inc. | Logo recognition in images and videos |
CN108764236A (zh) * | 2018-05-28 | 2018-11-06 | 广州绿怡信息科技有限公司 | 基于图像处理的手机回收方法和装置、计算机设备 |
CN108875727A (zh) * | 2018-06-29 | 2018-11-23 | 龙马智芯(珠海横琴)科技有限公司 | 图文标识的检测方法及装置、存储介质、处理器 |
CN108985285A (zh) * | 2018-02-07 | 2018-12-11 | 广州集创佳禾知识产权运营有限公司 | 一种基于机器识别的商品专利获取方法及系统 |
CN109190623A (zh) * | 2018-09-15 | 2019-01-11 | 闽江学院 | 一种识别投影仪品牌和型号的方法 |
CN109741551A (zh) * | 2018-12-24 | 2019-05-10 | 青岛海信智能商用系统股份有限公司 | 一种商品识别结算方法、装置及系统 |
CN110096980A (zh) * | 2019-04-20 | 2019-08-06 | 东莞中科蓝海智能视觉科技有限公司 | 字符检测识别系统 |
CN110291536A (zh) * | 2017-01-30 | 2019-09-27 | 赛门铁克公司 | 用于防止对象特定图像域中的数据丢失的结构化文本和图案匹配 |
-
2019
- 2019-10-28 CN CN201911031508.7A patent/CN110929720B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110063468A1 (en) * | 2009-09-11 | 2011-03-17 | Samsung Electronics Co., Ltd. | Method and apparatus for retrieving label |
US10007863B1 (en) * | 2015-06-05 | 2018-06-26 | Gracenote, Inc. | Logo recognition in images and videos |
CN108205668A (zh) * | 2016-12-16 | 2018-06-26 | 李黎 | 一种设备铭牌信息识别采集装置 |
CN110291536A (zh) * | 2017-01-30 | 2019-09-27 | 赛门铁克公司 | 用于防止对象特定图像域中的数据丢失的结构化文本和图案匹配 |
CN108985285A (zh) * | 2018-02-07 | 2018-12-11 | 广州集创佳禾知识产权运营有限公司 | 一种基于机器识别的商品专利获取方法及系统 |
CN108764236A (zh) * | 2018-05-28 | 2018-11-06 | 广州绿怡信息科技有限公司 | 基于图像处理的手机回收方法和装置、计算机设备 |
CN108875727A (zh) * | 2018-06-29 | 2018-11-23 | 龙马智芯(珠海横琴)科技有限公司 | 图文标识的检测方法及装置、存储介质、处理器 |
CN109190623A (zh) * | 2018-09-15 | 2019-01-11 | 闽江学院 | 一种识别投影仪品牌和型号的方法 |
CN109741551A (zh) * | 2018-12-24 | 2019-05-10 | 青岛海信智能商用系统股份有限公司 | 一种商品识别结算方法、装置及系统 |
CN110096980A (zh) * | 2019-04-20 | 2019-08-06 | 东莞中科蓝海智能视觉科技有限公司 | 字符检测识别系统 |
Non-Patent Citations (4)
Title |
---|
DUNCAN CAMPBELL ET AL: "Computational Intelligence for Automated Keg Identification and Deformnation Detection", 《2007 IEEE SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE IN IMAGE AND SIGNAL PROCESSING》 * |
NAOHITOHAYASHI ET AL: "Constructing an automatic object-recognition algorithm using labeling information for efficient recycling of WEEE", 《WASTE MANAGEMENT》 * |
唐铭豆等: "基于神经网络的芯片表面字符检测识别系统", 《现代计算机》 * |
王刚等: "基于网格特征和模糊匹配的徽标识别", 《计算机工程与科学》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553445A (zh) * | 2020-05-20 | 2020-08-18 | 北京三一智造科技有限公司 | 零部件识别方法、装置、存储介质和电子设备 |
CN111553445B (zh) * | 2020-05-20 | 2024-04-19 | 北京三一智造科技有限公司 | 零部件识别方法、装置、存储介质和电子设备 |
CN111862041A (zh) * | 2020-07-21 | 2020-10-30 | 华夏天信(北京)智能低碳技术研究院有限公司 | 一种基于模板匹配的井底井筒尾绳断裂检测方法 |
CN112257768A (zh) * | 2020-10-19 | 2021-01-22 | 广州金融科技股份有限公司 | 一种非法金融图片的识别方法、装置、计算机存储介质 |
CN112257768B (zh) * | 2020-10-19 | 2023-01-31 | 广州金融科技股份有限公司 | 一种非法金融图片的识别方法、装置、计算机存储介质 |
CN112435222A (zh) * | 2020-11-11 | 2021-03-02 | 深圳技术大学 | 一种电路板检测方法、装置及计算机可读存储介质 |
CN113327237A (zh) * | 2021-06-09 | 2021-08-31 | 合肥中科星翰科技有限公司 | 一种适用于电源电路板的视觉检测系统 |
CN116137077A (zh) * | 2023-04-13 | 2023-05-19 | 宁波为昕科技有限公司 | 电子元器件库的建立方法、装置、电子设备及存储介质 |
CN116137077B (zh) * | 2023-04-13 | 2023-08-08 | 宁波为昕科技有限公司 | 电子元器件库的建立方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110929720B (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929720B (zh) | 一种基于logo匹配和ocr的元器件检测方法 | |
JP4006224B2 (ja) | 画像品質判定方法、判定装置、判定プログラム | |
CN111091538B (zh) | 一种管道焊缝自动识别、缺陷检测方法及装置 | |
CN105957059B (zh) | 电子元件漏件检测方法和系统 | |
CN108764352B (zh) | 重复页面内容检测方法和装置 | |
CN111899241B (zh) | 一种定量化的炉前pcb贴片缺陷在线检测方法及系统 | |
CN106127746A (zh) | 电路板元件漏件检测方法和系统 | |
TWI716012B (zh) | 樣本標註方法、裝置、儲存媒體和計算設備、損傷類別的識別方法及裝置 | |
CN106033535B (zh) | 电子阅卷方法 | |
CN105976354B (zh) | 基于颜色和梯度的元件定位方法和系统 | |
CN103154972A (zh) | 基于文本的3d扩增实境 | |
CN109784342A (zh) | 一种基于深度学习模型的ocr识别方法及终端 | |
WO2018072333A1 (zh) | 一种元件错件检测方法和装置 | |
WO2018010387A1 (zh) | 元件反件检测方法和系统 | |
CN114549993B (zh) | 实验中线段图像的评分方法、系统、设备及可读存储介质 | |
CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
CN112766218B (zh) | 基于非对称联合教学网络的跨域行人重识别方法和装置 | |
CN108709500B (zh) | 一种电路板元件定位匹配方法 | |
CN112419260A (zh) | 一种pcb文字区域缺陷检测方法 | |
CN115841488A (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
US10395090B2 (en) | Symbol detection for desired image reconstruction | |
CN106017328B (zh) | 一种多类型线宽测量方法及装置 | |
CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
CN109472257B (zh) | 一种字符版面确定方法及装置 | |
JPH0762606B2 (ja) | パターン位置認識装置 |
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 |