CN111046878A - 一种数据处理方法、装置及计算机存储介质和计算机 - Google Patents
一种数据处理方法、装置及计算机存储介质和计算机 Download PDFInfo
- Publication number
- CN111046878A CN111046878A CN201911388149.0A CN201911388149A CN111046878A CN 111046878 A CN111046878 A CN 111046878A CN 201911388149 A CN201911388149 A CN 201911388149A CN 111046878 A CN111046878 A CN 111046878A
- Authority
- CN
- China
- Prior art keywords
- key cap
- pixel
- label
- area
- threshold value
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Abstract
本发明公开了一种数据处理方法、装置及计算机存储介质和计算机,方法包括:获取键盘图像和键盘图像中键帽上的标签;根据所述标签确定包围标签的标签最小矩形图像;根据所述标签最小矩形图像获取键帽像素阈值;根据所述键帽像素阈值对所述键盘图像进行查找,得到符合所述键帽像素阈值的键帽区域像素点;根据所述键帽区域像素点确定键帽区域。本发明提供的数据处理方法、装置及计算机存储介质和计算机,利用键帽标签来计算键帽内部区域的键帽像素阈值,并通过所得到的键帽像素阈值来查找键帽区域像素点,最后得到键帽区域的方法,有效实现了全部键帽的自动化识别过程,减少人力和成本消耗,提高建模速度。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种数据处理方法、装置及计算机存储介质和计算机。
背景技术
随着自动化科技的发展,生产中对产品设备进行检测的工作也逐渐被自动化手段替代,对产品表面进行检测是保证产品质量的一个重要手段。
对笔记本产品表面的检测通常采用自动光学检测(AOI:Automatic OpticalInspection),其以对笔记本C面的键盘进行拍照检测最为关键。在对笔记本产品进行光学检测前,对正确的产品进行拍照以建立检测标准是重要的步骤。在这一步,需要操作员在用户界面上画矩形框,以确定需要检测的关键区域。
因为键盘键帽上经常出现多印标签的情况,所以对每个键帽都需要设为关键区域。在现有的解决方案中,操作员需要在每个键帽上画出关键区域,由于一个键盘上有几十个键帽,如果由操作员手工标记出每个键帽,非常耗时。现有技术已经存在自动识别键盘标签的方法,但是还没有方法能够自动识别出键帽,无法实现笔记本表面的全自动建模。
发明内容
本发明实施例为了有效克服现有技术所存在的上述缺陷,创造性地提供一种数据处理方法,包括:获取键盘图像和键盘图像中键帽上的标签;根据所述标签确定包围标签的标签最小矩形图像;根据所述标签最小矩形图像获取键帽像素阈值;根据所述键帽像素阈值对所述键盘图像进行查找,得到符合所述键帽像素阈值的键帽区域像素点;根据所述键帽区域像素点确定键帽区域。
在一可实施方式中,所述根据所述标签最小矩形图像获取键帽像素阈值包括:对所述标签最小矩形图像进行二值化处理,得到二值化图像;查找所述二值化图像中像素值为零的背景区域;根据所述背景区域的灰度最大值和最小值确定键帽像素阈值。
在一可实施方式中,所述根据所述键帽像素阈值对所述键盘图像进行查找,得到符合所述键帽像素阈值的键帽区域像素点包括:根据所述键帽像素阈值对所述键盘图像从所述标签或标签最小矩形的位置开始向外查找,得到符合所述键帽像素阈值的键帽区域像素点。
在一可实施方式中,所述根据所述键帽区域像素点确定键帽区域包括:从所述键帽区域像素点中提取键帽连续区域像素点;确定对应于所述键帽连续区域像素点的键帽最小矩形图像;将对应于所述键帽最小矩形图像的区域确定为键帽区域。
本发明实施例另一方面提供一种键盘图像中的数据处理装置,包括:标签获取模块,用于获取键盘图像和键盘图像中键帽上的标签;矩形图像获取模块,用于根据所述标签确定包围标签的标签最小矩形图像;阈值获取模块,用于根据所述标签最小矩形图像获取键帽像素阈值;像素点获取模块,用于根据所述键帽像素阈值对所述键盘图像进行查找,得到符合所述键帽像素阈值的键帽区域像素点;键帽区域获取模块,用于根据所述键帽区域像素点确定键帽区域。
在一可实施方式中,所述阈值获取模块包括:二值化处理单元,用于对所述标签最小矩形图像进行二值化处理,得到二值化图像;背景查找单元,用于查找所述二值化图像中像素值为零的背景区域;阈值确定单元,用于根据所述背景区域的灰度最大值和最小值确定键帽像素阈值。
在一可实施方式中,所述像素点获取模块包括:像素点获取单元,用于根据所述键帽像素阈值对所述键盘图像从所述标签或标签最小矩形的位置开始向外查找,得到符合所述键帽像素阈值的键帽区域像素点。
在一可实施方式中,所述键帽区域获取模块包括:连续点获取单元,用于从所述键帽区域像素点中提取键帽连续区域像素点;图像确定单元,用于确定对应于所述键帽连续区域像素点的键帽最小矩形图像;键帽确定单元,用于将对应于所述键帽最小矩形图像的区域确定为键帽区域。
本发明实施例另一方面提供一种计算机可读存储介质,所述计算机存储介质中存储有计算机可执行指令,当所述指令被执行时用于执行上述中任一项所述的数据处理方法。
本发明实施例另一方面提供一种计算机,包括存储器和处理器,所述存储器中储存有计算机程序指令,所述指令由所述处理器加载并执行以实现上述中任一项所述的数据处理方法。
本发明实施例提供的数据处理方法、装置及计算机存储介质和计算机,利用键帽标签来计算键帽内部区域的键帽像素阈值,并通过所得到的键帽像素阈值来查找键帽区域像素点,最后得到键帽区域的方法,有效实现了全部键帽的自动化识别过程,减少人力和成本消耗,提高建模速度。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1为本发明一实施例所提供的一种数据处理方法的一种实现流程示意图;
图2为本发明一实施例所提供的一种数据处理方法的一种具体实现流程示意图;
图3为本发明一实施例所提供的一种数据处理方法的另一种具体实现流程示意图;
图4为本发明一实施例所提供的一种数据处理装置的一种组成结构图;
图5为本发明一实施例所提供的一种阈值获取模块的一种具体组成结构图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,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,而非全部实施例。基于本发明中的实施例,本领域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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以下示例性实施例中所描述的实施方式并不代表与本说明书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、本说明书中的一些方面相一致的方法、装置或设备的例子。
请参考图1,本发明实施例一方面提供一种数据处理方法,包括:
步骤101,获取键盘图像和键盘图像中键帽上的标签;
步骤102,根据标签确定包围标签的标签最小矩形图像;
步骤103,根据标签最小矩形图像获取键帽像素阈值;
步骤104,根据键帽像素阈值对键盘图像进行查找,得到符合键帽像素阈值的键帽区域像素点;
步骤105,根据键帽区域像素点确定键帽区域。
本发明实施例中,步骤101可以为先通过自动化检测获取到键盘图像和图像中键帽上的标签,也可以从其他数据库或平台直接获取到键盘图像和图像中键帽上的标签。然后通过步骤102确定包围标签的标签最小矩形图像,这里具体可以利用OpenCV(OpenSource Computer Vision Library,开源计算机视觉库)中的boundRect(轮廓的最小外接矩形)函数来计算得到对应于标签的标签最小矩形图像,也可以通过其他可实现同等效果的轮廓外矩形计算函数等来计算,只要能够实现提取到包围标签的标签最小矩形图像,从而能够在图像中获取键帽像素阈值信息即可。本发明实施例步骤103中,根据标签最小矩形获取键帽像素阈值具体为通过分析标签最小矩形图像中像素点的颜色空间值或灰度值范围来判断键帽像素阈值,由于正常情况下,键帽缝隙处的图像较暗,其像素点不符合上述键帽像素阈值,据此便可排除键帽缝隙,并查找到键帽内部区域的所有像素点。步骤104中根据键帽像素阈值对键盘图像进行查找,得到符合键帽像素阈值的键帽区域像素点,具体可以为对键盘图像从标签位置或标签最小矩形位置开始,向外查找符合键帽像素阈值的像素点,并将这些符合键帽像素阈值的像素点确定为键帽区域像素点。最后步骤105根据键帽区域像素点确定键帽区域具体可以为,取包围这些键帽区域像素点的最小外接矩形,将这个矩形包围的区域确定为键帽区域,这里同样可以利用OpenCV中的boundRect函数来计算得到对应于标签的标签最小矩形图像,也可以通过其他可实现同等效果的轮廓外矩形计算函数等来计算。
本发明实施例利用键帽标签来计算键帽内部区域的键帽像素阈值,并通过所得到的键帽像素阈值来查找键帽区域像素点,最后得到键帽区域的方法,有效实现了全部键帽的自动化识别过程,减少人力和成本消耗,提高建模速度。
请参考图2,在一可实施方式中,根据标签最小矩形图像获取键帽像素阈值包括:
步骤201,对标签最小矩形图像进行二值化处理,得到二值化图像;
步骤202,查找二值化图像中像素值为零的背景区域;
步骤203,根据背景区域的灰度最大值和最小值确定键帽像素阈值。
本发明实施例中,由于标签最小矩形图像能够确保在键帽区域内部,而键帽区域内部与键帽缝隙之间像素值相差较大,因此本发明实施例可以通过利用标签最小矩形图像区域的像素点灰度阈值来确定键帽像素阈值。具体的,可以先通过步骤201对标签最小矩形图像进行二值化处理,二值化后像素值为0的区域为键帽背景区域,即为键帽上的黑色区域,像素值为1的区域为标签,即为键帽上的白色区域。然后步骤202通过查找二值化图像中像素值为零的背景区域,再通过步骤203根据背景区域像素点的灰度最大值和最小值便能得到键帽像素阈值,以便后续利用键帽像素阈值排除键帽缝隙像素点,选择键帽内部区域范围。
在一可实施方式中,根据键帽像素阈值对键盘图像进行查找,得到符合键帽像素阈值的键帽区域像素点包括:
根据键帽像素阈值对键盘图像从标签或标签最小矩形的位置开始向外查找,得到符合键帽像素阈值的键帽区域像素点。
本发明实施例查找起始位置可以为标签的位置或标签最小矩形的位置,由于标签最小矩形内的区域确定为键帽内部区域,可不进行重复查找,因此优选为从包围标签的最小矩形的位置开始查找。请参考图3,具体方式可以为,从标签最小矩形位置区域的周围任意一点开始,寻找满足键帽像素阈值的第一个像素点,将该像素点加入像素队列,作为像素队列的队列头,并以此像素点为起始点向外遍历查找其他符合键帽像素阈值的像素点,存储在队列中,直至全部符合键帽像素阈值的像素点查找完成。当然本技术领域人员应当知晓,此处也可以采用其他具体查找方法,只要能够实现根据键帽像素阈值对键盘图像的查找,得到符合键帽像素阈值的键帽区域像素点即可。
在一可实施方式中,根据键帽区域像素点确定键帽区域包括:
从键帽区域像素点中提取键帽连续区域像素点;
确定对应于键帽连续区域像素点的键帽最小矩形图像;
将对应于键帽最小矩形图像的区域确定为键帽区域。
为提高键帽区域的查找准确率,本发明实施例对所查找到的键帽区域像素点进行分析,排除异常的非连续像素点,得到键帽连续区域像素点,然后根据此键帽连续区域像素点确定键帽最小矩形图像,最后将对应于此键帽最小矩形图像的区域确定为键帽区域,实现了键帽的自动化识别过程。
请参考图4,本发明实施例另一方面提供一种数据处理装置,包括:
标签获取模块301,用于获取键盘图像和键盘图像中键帽上的标签;
矩形图像获取模块302,用于根据标签确定包围标签的标签最小矩形图像;
阈值获取模块303,用于根据标签最小矩形图像获取键帽像素阈值;
像素点获取模块304,用于根据键帽像素阈值对键盘图像进行查找,得到符合键帽像素阈值的键帽区域像素点;
键帽区域获取模块305,用于根据键帽区域像素点确定键帽区域。
本发明实施例中,标签获取模块301可以先通过自动化检测获取到键盘图像和图像中键帽上的标签,也可以从其他数据库或平台直接获取到键盘图像和图像中键帽上的标签。然后通过矩形图像获取模块302确定包围标签的标签最小矩形图像,这里具体可以利用OpenCV(Open Source Computer Vision Library,开源计算机视觉库)中的boundRect(轮廓的最小外接矩形)函数来计算得到对应于标签的标签最小矩形图像,也可以通过其他可实现同等效果的轮廓外矩形计算函数等来计算,只要能够实现提取到包围标签的标签最小矩形图像,从而能够在图像中获取键帽像素阈值信息即可。本发明实施例阈值获取模块303中,根据标签最小矩形获取键帽像素阈值具体为通过分析标签最小矩形图像中像素点的颜色空间值或灰度值范围来判断键帽像素阈值,由于正常情况下,键帽缝隙处的图像较暗,其像素点不符合上述键帽像素阈值,据此便可排除键帽缝隙,并查找到键帽内部区域的所有像素点。像素点获取模块304中根据键帽像素阈值对键盘图像进行查找,得到符合键帽像素阈值的键帽区域像素点,具体可以为对键盘图像从标签位置或标签最小矩形位置开始,向外查找符合键帽像素阈值的像素点,并将这些符合键帽像素阈值的像素点确定为键帽区域像素点。最后键帽区域获取模块305根据键帽区域像素点确定键帽区域具体可以为,取包围这些键帽区域像素点的最小外接矩形,将这个矩形包围的区域确定为键帽区域,这里同样可以利用OpenCV中的boundRect函数来计算得到对应于标签的标签最小矩形图像,也可以通过其他可实现同等效果的轮廓外矩形计算函数等来计算。
本发明实施例利用键帽标签来计算键帽内部区域的键帽像素阈值,并通过所得到的键帽像素阈值来查找键帽区域像素点,最后得到键帽区域的方法,有效实现了全部键帽的自动化识别过程,减少人力和成本消耗,提高建模速度。
请参考图5,在一可实施方式中,阈值获取模块303包括:
二值化处理单元401,用于对标签最小矩形图像进行二值化处理,得到二值化图像;
背景查找单元402,用于查找二值化图像中像素值为零的背景区域;
阈值确定单元403,用于根据背景区域的灰度最大值和最小值确定键帽像素阈值。
本发明实施例中,由于标签最小矩形图像能够确保在键帽区域内部,而键帽区域内部与键帽缝隙之间像素值相差较大,因此本发明实施例可以通过利用标签最小矩形图像区域的像素点灰度阈值来确定键帽像素阈值。具体的,可以先通过二值化处理单元401对标签最小矩形图像进行二值化处理,二值化后像素值为0的区域为键帽背景区域,即为键帽上的黑色区域,像素值为1的区域为标签,即为键帽上的白色区域。然后通过背景查找单元402查找二值化图像中像素值为零的背景区域,再通过阈值确定单元403根据背景区域像素点的灰度最大值和最小值便能得到键帽像素阈值,以便后续利用键帽像素阈值排除键帽缝隙像素点,选择键帽内部区域范围。
在一可实施方式中,像素点获取模块304包括:
像素点获取单元,用于根据键帽像素阈值对键盘图像从标签或标签最小矩形的位置开始向外查找,得到符合键帽像素阈值的键帽区域像素点。
本发明实施例查找起始位置可以为标签的位置或标签最小矩形的位置,由于标签最小矩形内的区域确定为键帽内部区域,可不进行重复查找,因此优选为从包围标签的最小矩形的位置开始查找。具体方式可以为,通过像素点获取单元从标签最小矩形位置区域的周围任意一点开始,寻找满足键帽像素阈值的第一个像素点,将该像素点加入像素队列,作为像素队列的队列头,并以此像素点为起始点向外遍历查找其他符合键帽像素阈值的像素点,存储在队列中,直至全部符合键帽像素阈值的像素点查找完成。当然本技术领域人员应当知晓,此处也可以采用其他具体查找方法,只要能够实现根据键帽像素阈值对键盘图像的查找,得到符合键帽像素阈值的键帽区域像素点即可。
在一可实施方式中,键帽区域获取模块305包括:
连续点获取单元,用于从键帽区域像素点中提取键帽连续区域像素点;
图像确定单元,用于确定对应于键帽连续区域像素点的键帽最小矩形图像;
键帽确定单元,用于将对应于键帽最小矩形图像的区域确定为键帽区域。
为提高键帽区域的查找准确率,本发明实施例通过连续点获取单元对所查找到的键帽区域像素点进行分析,排除异常的非连续像素点,得到键帽连续区域像素点,然后通过图像确定单元根据此键帽连续区域像素点确定键帽最小矩形图像,最后通过键帽确定单元将对应于此键帽最小矩形图像的区域确定为键帽区域,实现了键帽的自动化识别过程。
本发明实施例另一方面提供一种计算机可读存储介质,计算机存储介质中存储有计算机可执行指令,当指令被执行时用于执行上述中任一项的数据处理方法。
本发明实施例另一方面提供一种计算机,包括存储器和处理器,存储器中储存有计算机程序指令,指令由处理器加载并执行以实现上述中任一项的数据处理方法。
这里需要指出的是:以上两实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果,对于本发明实施例中未披露的技术细节,请参照本发明方法实施例的描述而理解,为节约篇幅,因此不再赘述。
本发明实施例中,多个步骤之间的实现顺序在不影响实现目的的情况下可以替换。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获取键盘图像和键盘图像中键帽上的标签;
根据所述标签确定包围标签的标签最小矩形图像;
根据所述标签最小矩形图像获取键帽像素阈值;
根据所述键帽像素阈值对所述键盘图像进行查找,得到符合所述键帽像素阈值的键帽区域像素点;
根据所述键帽区域像素点确定键帽区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述标签最小矩形图像获取键帽像素阈值包括:
对所述标签最小矩形图像进行二值化处理,得到二值化图像;
查找所述二值化图像中像素值为零的背景区域;
根据所述背景区域的灰度最大值和最小值确定键帽像素阈值。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述键帽像素阈值对所述键盘图像进行查找,得到符合所述键帽像素阈值的键帽区域像素点包括:
根据所述键帽像素阈值对所述键盘图像从所述标签或标签最小矩形的位置开始向外查找,得到符合所述键帽像素阈值的键帽区域像素点。
4.根据权利要求3所述的方法,其特征在于,所述根据所述键帽区域像素点确定键帽区域包括:
从所述键帽区域像素点中提取键帽连续区域像素点;
确定对应于所述键帽连续区域像素点的键帽最小矩形图像;
将对应于所述键帽最小矩形图像的区域确定为键帽区域。
5.一种数据处理装置,其特征在于,包括:
标签获取模块,用于获取键盘图像和键盘图像中键帽上的标签;
矩形图像获取模块,用于根据所述标签确定包围标签的标签最小矩形图像;
阈值获取模块,用于根据所述标签最小矩形图像获取键帽像素阈值;
像素点获取模块,用于根据所述键帽像素阈值对所述键盘图像进行查找,得到符合所述键帽像素阈值的键帽区域像素点;
键帽区域获取模块,用于根据所述键帽区域像素点确定键帽区域。
6.根据权利要求5所述的装置,其特征在于,所述阈值获取模块包括:
二值化处理单元,用于对所述标签最小矩形图像进行二值化处理,得到二值化图像;
背景查找单元,用于查找所述二值化图像中像素值为零的背景区域;
阈值确定单元,用于根据所述背景区域的灰度最大值和最小值确定键帽像素阈值。
7.根据权利要求5或6所述的装置,其特征在于,所述像素点获取模块包括:
像素点获取单元,用于根据所述键帽像素阈值对所述键盘图像从所述标签或标签最小矩形的位置开始向外查找,得到符合所述键帽像素阈值的键帽区域像素点。
8.根据权利要求7所述的装置,其特征在于,所述键帽区域获取模块包括:
连续点获取单元,用于从所述键帽区域像素点中提取键帽连续区域像素点;
图像确定单元,用于确定对应于所述键帽连续区域像素点的键帽最小矩形图像;
键帽确定单元,用于将对应于所述键帽最小矩形图像的区域确定为键帽区域。
9.一种计算机可读存储介质,所述计算机存储介质中存储有计算机可执行指令,当所述指令被执行时用于执行权利要求1-4中任一项所述的数据处理方法。
10.一种计算机,包括存储器和处理器,所述存储器中储存有计算机程序指令,所述指令由所述处理器加载并执行以实现权利要求1-4中任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911388149.0A CN111046878B (zh) | 2019-12-30 | 2019-12-30 | 一种数据处理方法、装置及计算机存储介质和计算机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911388149.0A CN111046878B (zh) | 2019-12-30 | 2019-12-30 | 一种数据处理方法、装置及计算机存储介质和计算机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111046878A true CN111046878A (zh) | 2020-04-21 |
CN111046878B CN111046878B (zh) | 2022-02-08 |
Family
ID=70241203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911388149.0A Active CN111046878B (zh) | 2019-12-30 | 2019-12-30 | 一种数据处理方法、装置及计算机存储介质和计算机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046878B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066893A (zh) * | 2020-08-14 | 2020-12-11 | 苏州杰锐思智能科技股份有限公司 | 测量键盘键帽高度的方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130076631A1 (en) * | 2011-09-22 | 2013-03-28 | Ren Wei Zhang | Input device for generating an input instruction by a captured keyboard image and related method thereof |
CN106325750A (zh) * | 2016-08-26 | 2017-01-11 | 曹蕊 | 一种应用于终端设备的文字识别方法及系统 |
CN107179067A (zh) * | 2016-03-09 | 2017-09-19 | 富泰华工业(深圳)有限公司 | 键帽检测装置及检测方法 |
CN108562250A (zh) * | 2018-05-16 | 2018-09-21 | 湖南大学 | 基于结构光成像的键盘键帽平整度快速测量方法与装置 |
CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
CN109471586A (zh) * | 2018-10-26 | 2019-03-15 | 麒麟合盛网络技术股份有限公司 | 一种键帽配色方法、装置和终端设备 |
CN109886276A (zh) * | 2019-02-18 | 2019-06-14 | 福州视驰科技有限公司 | 一种表盘滚动数字字符的半字判断方法 |
CN110033016A (zh) * | 2019-02-20 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 数字键盘识别模型的训练方法、数字键盘识别方法及系统 |
CN110596121A (zh) * | 2019-09-12 | 2019-12-20 | 南京旷云科技有限公司 | 键盘外观检测方法、装置和电子系统 |
-
2019
- 2019-12-30 CN CN201911388149.0A patent/CN111046878B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130076631A1 (en) * | 2011-09-22 | 2013-03-28 | Ren Wei Zhang | Input device for generating an input instruction by a captured keyboard image and related method thereof |
CN107179067A (zh) * | 2016-03-09 | 2017-09-19 | 富泰华工业(深圳)有限公司 | 键帽检测装置及检测方法 |
CN106325750A (zh) * | 2016-08-26 | 2017-01-11 | 曹蕊 | 一种应用于终端设备的文字识别方法及系统 |
CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
CN108562250A (zh) * | 2018-05-16 | 2018-09-21 | 湖南大学 | 基于结构光成像的键盘键帽平整度快速测量方法与装置 |
CN109471586A (zh) * | 2018-10-26 | 2019-03-15 | 麒麟合盛网络技术股份有限公司 | 一种键帽配色方法、装置和终端设备 |
CN109886276A (zh) * | 2019-02-18 | 2019-06-14 | 福州视驰科技有限公司 | 一种表盘滚动数字字符的半字判断方法 |
CN110033016A (zh) * | 2019-02-20 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 数字键盘识别模型的训练方法、数字键盘识别方法及系统 |
CN110596121A (zh) * | 2019-09-12 | 2019-12-20 | 南京旷云科技有限公司 | 键盘外观检测方法、装置和电子系统 |
Non-Patent Citations (3)
Title |
---|
ZONGYI (JOE) LIU 等: "A Deep Neural Network to Detect Keyboard Regions and Recognize Isolated Characters", 《RESEARCHGATE》 * |
徐珂 等: "基于机器视觉的手机键盘质量检测系统", 《计算机系统应用》 * |
管兴坚: "自动光学检测中的键盘缺陷字符关键检测技术研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112066893A (zh) * | 2020-08-14 | 2020-12-11 | 苏州杰锐思智能科技股份有限公司 | 测量键盘键帽高度的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111046878B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111078908B (zh) | 一种数据标注的检测方法和装置 | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN115690102B (zh) | 缺陷检测方法、装置、电子设备、存储介质和程序产品 | |
CN111429482A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
CN111912846A (zh) | 一种基于机器视觉的表面缺陷与边缘毛刺检测方法 | |
CN114037672A (zh) | 一种图像缺陷的检测方法、装置及计算机可读介质 | |
CN111046878B (zh) | 一种数据处理方法、装置及计算机存储介质和计算机 | |
CN116797553A (zh) | 图像处理方法、装置、设备及存储介质 | |
KR20170010753A (ko) | 부호의 광학적 검출 방법 | |
CN115546219B (zh) | 检测板式生成方法、板卡缺陷检测方法、装置及产品 | |
CN111738991A (zh) | 一种焊缝缺陷的数字射线检测模型的创建方法 | |
CN116091503A (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
CN116002480A (zh) | 电梯轿厢内乘客意外摔倒的自动检测方法和系统 | |
CN115690101A (zh) | 缺陷检测方法、装置、电子设备、存储介质和程序产品 | |
CN112861861B (zh) | 识别数码管文本的方法、装置及电子设备 | |
CN114841255A (zh) | 检测模型的训练方法、装置、设备、存储介质及程序产品 | |
CN114092542A (zh) | 一种基于二维视觉的螺栓测量方法以及系统 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN117853826B (zh) | 基于机器视觉的物体表面精度识别方法及相关设备 | |
CN111950538B (zh) | 一种标签检测方法、装置以及计算机可读存储介质 | |
CN117727052A (zh) | 字符缺陷检测方法和装置、电子设备以及存储介质 | |
CN118037719A (zh) | 产品缺陷检测方法、设备及存储介质 | |
CN111579211B (zh) | 显示屏的检测方法、检测装置及计算机存储介质 | |
CN115081500A (zh) | 用于对象识别模型的训练方法、装置及计算机存储介质 | |
CN115393337A (zh) | 工业缺陷检测方法、装置、设备及计算机可读存储介质 |
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 |