CN111124895A - 一种主次峰值比计算算法的蜕变测试方法 - Google Patents
一种主次峰值比计算算法的蜕变测试方法 Download PDFInfo
- Publication number
- CN111124895A CN111124895A CN201911243727.1A CN201911243727A CN111124895A CN 111124895 A CN111124895 A CN 111124895A CN 201911243727 A CN201911243727 A CN 201911243727A CN 111124895 A CN111124895 A CN 111124895A
- Authority
- CN
- China
- Prior art keywords
- image
- primary
- secondary peak
- ratio calculation
- metamorphic
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
Abstract
本发明属于主次峰值比计算算法测试领域,具体涉及一种主次峰值比计算算法的蜕变测试方法。所述方法包括以下步骤:步骤1:基于主次峰值比计算算法输入区域图像及邻域图像,依据主次峰值比计算算法的几何属性、数值属性、算法特性提取蜕变关系;步骤2:依据原始测试用例,结合蜕变关系构造附加测试用例;步骤3:将原始测试用例和附加测试用例输入被测程序,判断蜕变关系是否满足,验证被测程序是否存在缺陷。与现有技术相比本发明由于蜕变测试方法来源于算法内部的几何属性、数值属性和算法特性,无需获取绝对准确的期望结果,可以很好地解决重构标准模型的测试判定不确定性的问题。
Description
技术领域
本发明属于主次峰值比计算算法测试领域,具体涉及一种主次峰值比计算算法的蜕变测试方法。
背景技术
近年来,随着虚拟现实、大数据、人工智能、航空航天等技术的飞速发展,实时图像处理已经普遍应用到军事战场环境、智能生活、航空航天等各个领域,并且在不同的领域呈现出专业化、细致化、精确化、实时化的特点。相关峰统计是图像景象匹配的重要功能之一,其中主次峰值比是其中普遍使用的参数,其表示图像主峰和的峰值与次高局部峰的峰值的比值,表征次高峰对应的图像区域与实时图的相似程度,用来衡量图像特征的重复模式。
目前,对于主次峰值比计算算法的测试工作通过人工重构方法标准模型比对的方法进行,包括步骤:
步骤1:依据主次峰值比计算算法的描述重构标准模型。
步骤2:构造主次峰值比计算算法测试用例的输入。
步骤3:将测试用例输入数据用于基于算法的被测程序,输出实测结果。
步骤4:将测试用例输入数据用于基于算法的标准模型,输出期望结果。
步骤5:测试判定,即比对实测结果和期望结果,若结果一致,则判定被测程序正确,若结果不一致,则判定被测程序错误。
在软件测试领域,测试判定通常是指一种能够检测测试结果是否正确的机制(上述第5步即属于测试判定)。上述方法的核心在于人工依据主次峰值比计算算法的描述重构标准模型,并执行测试用例获取输出作为被测软件测试判定使用的期望结果,用于被测程序的测试判定,该方法最大的缺陷在于,由于重构标准模型由人工编码实现,故重构标准模型本身的正确性引入了测试判定的不确定性,或者说难以获得绝对正确的预期结果,依赖于非算法内部属性、而是外来标准模型产生的数据。若重构标准模型出现错误,则可能会对主次峰值比计算算法的测试工作带来以下两类问题:
一、被测程序正确,但由于标准模型错误,导致测试判定不通过,误判程序错误,即错检。
二、被测程序错误,但由于标准模型错误,导致测试判定通过,误判程序正确,即漏检。
上述分析可知,主次峰值比计算算法因使用重构标准模型的输出作为期望结果进行测试判定,引入了错检和漏检问题,是否获得绝对正确的预期结果难以界定。因此只能对测试判定是否有其他可行方式开展研究。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何解决现有技术中主次峰值比计算算法的测试工作是通过人工重构方法标准模型比对时,次峰值比计算算法因使用重构标准模型的输出作为期望结果进行测试判定,引入了错检和漏检问题,是否获得绝对正确的预期结果难以界定的问题。
(二)技术方案
为解决上述技术问题,本发明提供一种主次峰值比计算算法的蜕变测试方法,所述主次峰值比计算算法的蜕变测试方法包括以下步骤:
步骤1:基于主次峰值比计算算法输入区域图像及邻域图像,依据主次峰值比计算算法的几何属性、数值属性、算法特性提取蜕变关系;
步骤2:依据原始测试用例,结合蜕变关系构造附加测试用例;
步骤3:将原始测试用例和附加测试用例输入被测程序,验证被测程序是否存在缺陷。
所述几何属性包括:图像几何旋转特点;
所述步骤1中依据图像几何旋转特点提取蜕变关系,包括:
步骤11A:以区域图像和邻域图像中心为原点,构建横纵坐标系;
步骤11B:使区域图像和邻域图像绕X轴做水平镜像变换,对应曲面的相关系数矩阵应当保持关于X轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系1;
步骤11C:使区域图像和邻域图像绕Y轴做水平镜像变换,对应曲面的相关系数矩阵应当保持关于Y轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系2;
步骤11D:使区域图像和邻域图像绕Y=X轴做对称变换,对应曲面的相关系数矩阵应当保持关于Y=X轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系3。
所述数值属性包括:输入区域图像和邻域图像的像素值;
所述步骤1中依据数值属性提取蜕变关系,包括:
步骤12A:对区域图像和邻域图像的像素值分别做出相同线性变换,变化前后的主次峰值比计算结果应当保持一致,记为蜕变关系4。
所述算法特性包括:对输入的区域图像和邻域图像做降低分辨率处理。
所述降低分辨率处理为将输入的区域图像和邻域图像每行和每列隔一个取一个像素点,使得处理后的图像大小缩小为原图像大小的四分之一。
所述步骤1中依据算法特性提取蜕变关系,包括:
步骤13A:记区域图像及邻域图像的奇数行奇数列为A11、B11,区域图像及邻域图像的奇数行偶数列为A12、B12,区域图像及邻域图像的偶数行奇数列为A21、B21,区域图像及邻域图像的偶数行偶数列为A22、B22,相应的主次峰值比计算结果依次为MSR11、MSR12、MSR21、MSR22,那么这四个计算结果应当在设定的差值范围内,记其差值为δ,记为蜕变关系5。
所述步骤2中构造附加测试用例时,引用基于自适应随机测试策略的蜕变测试用例生成方法,所述步骤2包括:
步骤21:分别计算多个候选原始测试用例到它们对应的附加测试用例像素点之间的距离,优先选择距离最大的用例作为下一个测试用例;
步骤22:若有多个候选用例的距离最大,再比较它们到已执行测试用例集合的距离,选择距离最大的作为下一个测试用例,即附加测试用例,输出附加测试用例。
所述步骤3中判断蜕变关系是否满足时应符合提取的蜕变关系。
所述步骤3包括:
步骤31:针对每一对原始测试用例和附加测试用例,输入到被测程序中,查看原始测试输出和附加测试输出是否满足蜕变关系对于输出的要求;
步骤32:若用例不通过,则说明主次峰值比计算程序存在软件缺陷;
步骤33:记录当前用例现象后,继续执行其他用例,直至所有用例实施完毕;
步骤34:依据不通过用例判断主次峰值比计算程序存在软件缺陷位置。
(三)有益效果
与现有技术相比较,本发明具备如下有益效果:本发明一种主次峰值比计算算法的蜕变测试方法由于测试方法来源于算法内部的几何属性、数值属性和算法特性,由于无需获取绝对准确的期望结果,可以很好地解决重构标准模型的测试判定不确定性的问题。
附图说明
图1为本发明一种主次峰值比计算算法的蜕变测试方法流程图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
蜕变测试是一种针对测试判定难题的测试方法,已经经过了近十年的发展,广泛应用于不同领域软件的测试中,例如,偏微分方程求解程序的测试,嵌入式程序的测试,机器学习软件的测试,计算机图形计算软件的测试,图论程序的测试5数值分析软件的测试,随机最优化程序的测试,分类和聚类算法实现程序的测试,规划算法实现程序的测试,仿真软件的测试以及生物医学模型实现程序的测试,不乏在算法类软件上的应用,目前已经比较成熟。蜕变测试基本思路是基于需求建立内在的蜕变关系(即当程序输入满足一定的关系时,其相应的输出也就必须满足某种关系),根据蜕变关系和原始测试用例生成附加测试用例,然后通过两种测试用例输出之间对蜕变关系的满足度来发现程序中是否存在缺陷,并对缺陷进行定位。简单的说,蜕变测试就是利用一些成功的测试用例来产生后续测试用例的一种技术,由于将后续的测试用例和前者之间的关系称作蜕变关系,因此这样的测试技术也被称作蜕变测试技术。
传统的重构标准模型测试方法,其模型为人工编码,不同的测试人员可以重构不同的标准模型,测试人员的主观因素会导致标准模型具有的极大的不确定性,由于其对非算法内部客观因素的依赖,导致无法得知用于测试用例期望结果的模型输出是否绝对准确,故而将其用于测试判定时会影响测试结果的可信性。而蜕变测试方法的基本思想是当被测程序输入满足一定的关系时其相应的输出必须满足某种蜕变关系,其来源于算法内部的几何属性、数值属性和算法特性,由于无需获取绝对准确的期望结果,可以很好地解决重构标准模型的测试判定不确定性的问题。
实施例1
本实施例提供一种主次峰值比计算算法的蜕变测试方法,所述主次峰值比计算算法的蜕变测试方法包括以下步骤:
步骤1:基于主次峰值比计算算法输入区域图像及邻域图像,依据主次峰值比计算算法的几何属性、数值属性、算法特性提取蜕变关系;
步骤2:依据原始测试用例,结合蜕变关系构造附加测试用例;
步骤3:将原始测试用例和附加测试用例输入被测程序,验证被测程序是否存在缺陷。
其中,所述几何属性包括:图像几何旋转特点;
所述步骤1中几何属性提取蜕变关系,包括:
步骤11A:以区域图像和邻域图像中心为原点,构建横纵坐标系;
步骤12B:使区域图像和邻域图像绕X轴做水平镜像变换,对应曲面的相关系数矩阵应当保持关于X轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系1;
步骤13C:使区域图像和邻域图像绕Y轴做水平镜像变换,对应曲面的相关系数矩阵应当保持关于Y轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系2;
步骤14D:使区域图像和邻域图像绕Y=X轴做对称变换,对应曲面的相关系数矩阵应当保持关于Y=X轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系3。
所述主次峰值比计算算法的输入为区域图像和邻域图像,计算结果由两幅图像的相对位置关系决定;
考虑到各像素点之间的相对位置关系对输出结果的影响,故可以根据图像几何旋转特点构造蜕变关系;
所述步骤1中依据数值属性提取蜕变关系包括:
步骤12A:对区域图像和邻域图像的像素值分别做出相同线性变换,变化前后的主次峰值比计算结果应当保持一致,记为蜕变关系4。
所述算法特性为对输入的区域图像和邻域图像做降低分辨率处理。
所述降低分辨率处理为将输入的区域图像和邻域图像每行和每列隔一个取一个像素点,使得处理后的图像大小缩小为原图像大小的四分之一。
所述步骤1中依据算法特性提取蜕变关系包括:
步骤13A:记区域图像及邻域图像的奇数行奇数列为A11、B11,区域图像及邻域图像的奇数行偶数列为A12、B12,区域图像及邻域图像的偶数行奇数列为A21、B21,区域图像及邻域图像的偶数行偶数列为A22、B22,相应的主次峰值比计算结果依次为MSR11、MSR12、MSR21、MSR22,那么这四个计算结果应当在设定的差值范围内,记其差值为δ,记为蜕变关系5。
所述步骤2中构造附加测试用例时,引用基于自适应随机测试策略的蜕变测试用例生成方法;
对于蜕变测试,如果原始用例和附加用例之间的距离越大,则它们的执行差异就越大,在蜕变测试过程中,认为可以优先选择原始用例和附加用例距离较大的测试用例。基于此先验知识,将自适应随机测试策略引入原始测试用例和附加测试用例的生成过程中,称之为基于自适应随机测试策略的蜕变测试用例生成方法。
所述步骤2包括:
步骤21:分别计算多个候选原始测试用例到它们对应的附加测试用例像素点之间的距离,优先选择距离最大的用例作为下一个测试用例;
步骤22:若有多个候选用例的距离最大,再比较它们到已执行测试用例集合的距离,选择距离最大的作为下一个测试用例,即附加测试用例,输出附加测试用例。
所述步骤3中判断蜕变关系是否满足时应符合提取的蜕变关系。
所述步骤3包括:
步骤31:针对每一对原始测试用例和附加测试用例,输入到被测程序中,查看原始测试输出和附加测试输出是否满足蜕变关系对于输出的要求;
步骤32:若用例不通过,则说明主次峰值比计算程序存在软件缺陷;
步骤33:记录当前用例现象后,继续执行其他用例,直至所有用例实施完毕;
步骤34:依据不通过用例判断主次峰值比计算程序存在软件缺陷位置。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.一种主次峰值比计算算法的蜕变测试方法,其特征在于,所述主次峰值比计算算法的蜕变测试方法包括以下步骤:
步骤1:基于主次峰值比计算算法输入区域图像及邻域图像,依据主次峰值比计算算法的几何属性、数值属性、算法特性提取蜕变关系;
步骤2:依据原始测试用例,结合蜕变关系构造附加测试用例;
步骤3:将原始测试用例和附加测试用例输入被测程序,验证被测程序是否存在缺陷。
2.如权利要求1所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述几何属性包括:图像几何旋转特点;
所述步骤1中依据图像几何旋转特点提取蜕变关系,包括:
步骤11A:以区域图像和邻域图像中心为原点,构建横纵坐标系;
步骤11B:使区域图像和邻域图像绕X轴做水平镜像变换,对应曲面的相关系数矩阵应当保持关于X轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系1;
步骤11C:使区域图像和邻域图像绕Y轴做水平镜像变换,对应曲面的相关系数矩阵应当保持关于Y轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系2;
步骤11D:使区域图像和邻域图像绕Y=X轴做对称变换,对应曲面的相关系数矩阵应当保持关于Y=X轴的水平镜像对称关系,主次峰值比计算结果应当保持一致,记为蜕变关系3。
3.如权利要求2所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述数值属性包括:输入区域图像和邻域图像的像素值;
所述步骤1中依据数值属性提取蜕变关系,包括:
步骤12A:对区域图像和邻域图像的像素值分别做出相同线性变换,变化前后的主次峰值比计算结果应当保持一致,记为蜕变关系4。
4.如权利要求3所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述算法特性包括:对输入的区域图像和邻域图像做降低分辨率处理。
5.如权利要求4所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述降低分辨率处理为将输入的区域图像和邻域图像每行和每列隔一个取一个像素点,使得处理后的图像大小缩小为原图像大小的四分之一。
6.如权利要求5所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述步骤1中依据区域图像及邻域图像的算法特性提取蜕变关系包括:
步骤13A:记区域图像及邻域图像的奇数行奇数列为A11、B11,区域图像及邻域图像的奇数行偶数列为A12、B12,区域图像及邻域图像的偶数行奇数列为A21、B21,区域图像及邻域图像的偶数行偶数列为A22、B22,相应的主次峰值比计算结果依次为MSR11、MSR12、MSR21、MSR22,那么这四个计算结果应当在设定的差值范围内,记其差值为δ,记为蜕变关系5。
7.如权利要求1所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述步骤2中构造附加测试用例时,引用基于自适应随机测试策略的蜕变测试用例生成方法,所述步骤2包括:
步骤21:分别计算多个候选原始测试用例到它们对应的附加测试用例像素点之间的距离,优先选择距离最大的用例作为下一个测试用例;
步骤22:若有多个候选用例的距离最大,再比较它们到已执行测试用例集合的距离,选择距离最大的作为下一个测试用例,即附加测试用例,输出附加测试用例。
8.如权利要求6所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述步骤3中判断蜕变关系是否满足时应符合提取的蜕变关系。
9.如权利要求8所述的主次峰值比计算算法的蜕变测试方法,其特征在于,所述步骤3包括:
步骤31:针对每一对原始测试用例和附加测试用例,输入到被测程序中,查看原始测试输出和附加测试输出是否满足蜕变关系对于输出的要求;
步骤32:若用例不通过,则说明主次峰值比计算程序存在软件缺陷;
步骤33:记录当前用例现象后,继续执行其他用例,直至所有用例实施完毕;
步骤34:依据不通过用例判断主次峰值比计算程序存在软件缺陷位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911243727.1A CN111124895B (zh) | 2019-12-06 | 2019-12-06 | 一种主次峰值比计算算法的蜕变测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911243727.1A CN111124895B (zh) | 2019-12-06 | 2019-12-06 | 一种主次峰值比计算算法的蜕变测试方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111124895A true CN111124895A (zh) | 2020-05-08 |
CN111124895B CN111124895B (zh) | 2022-12-02 |
Family
ID=70497704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911243727.1A Active CN111124895B (zh) | 2019-12-06 | 2019-12-06 | 一种主次峰值比计算算法的蜕变测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111124895B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111124896A (zh) * | 2019-12-06 | 2020-05-08 | 北京京航计算通讯研究所 | 一种主次峰值比计算算法的蜕变测试系统 |
CN112416766A (zh) * | 2020-11-19 | 2021-02-26 | 北京京航计算通讯研究所 | 双通道耦合飞行控制软件的故障模式分析和检测方法 |
CN112988566A (zh) * | 2021-01-25 | 2021-06-18 | 杭州衣科云科技有限公司 | 测试覆盖率提高方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5892570A (en) * | 1997-11-24 | 1999-04-06 | State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of The University Of Oregon | Method and apparatus for measuring and correcting metamorphopsia |
CN104134069A (zh) * | 2014-08-06 | 2014-11-05 | 南京大学 | 一种页岩显微薄片自动鉴别方法 |
CN105354795A (zh) * | 2015-10-08 | 2016-02-24 | Tcl集团股份有限公司 | 一种基于相位相关的自学习超分辨率图像获取方法及系统 |
CN109410241A (zh) * | 2018-10-29 | 2019-03-01 | 北京京航计算通讯研究所 | 图像区域生长算法的蜕变测试方法 |
CN111124896A (zh) * | 2019-12-06 | 2020-05-08 | 北京京航计算通讯研究所 | 一种主次峰值比计算算法的蜕变测试系统 |
-
2019
- 2019-12-06 CN CN201911243727.1A patent/CN111124895B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5892570A (en) * | 1997-11-24 | 1999-04-06 | State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of The University Of Oregon | Method and apparatus for measuring and correcting metamorphopsia |
CN104134069A (zh) * | 2014-08-06 | 2014-11-05 | 南京大学 | 一种页岩显微薄片自动鉴别方法 |
CN105354795A (zh) * | 2015-10-08 | 2016-02-24 | Tcl集团股份有限公司 | 一种基于相位相关的自学习超分辨率图像获取方法及系统 |
CN109410241A (zh) * | 2018-10-29 | 2019-03-01 | 北京京航计算通讯研究所 | 图像区域生长算法的蜕变测试方法 |
CN111124896A (zh) * | 2019-12-06 | 2020-05-08 | 北京京航计算通讯研究所 | 一种主次峰值比计算算法的蜕变测试系统 |
Non-Patent Citations (3)
Title |
---|
CHAO JIANG; SONG HUANG; ZHAN-WEI HUI: "Metamorphic Testing of Image Region Growth Programs in Image Processing Applications", 《IEEE XPLORE》 * |
JUNHUA DING; TONG WU; JUN Q. LU; XIN-HUA HU: "Self-Checked Metamorphic Testing of an Image Processing Program", 《IEEE XPLORE》 * |
蒋超,黄松,惠占伟: "图像区域增长程序的蜕变测试框架", 《计算机技术与发展》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111124896A (zh) * | 2019-12-06 | 2020-05-08 | 北京京航计算通讯研究所 | 一种主次峰值比计算算法的蜕变测试系统 |
CN112416766A (zh) * | 2020-11-19 | 2021-02-26 | 北京京航计算通讯研究所 | 双通道耦合飞行控制软件的故障模式分析和检测方法 |
CN112416766B (zh) * | 2020-11-19 | 2021-06-22 | 北京京航计算通讯研究所 | 双通道耦合飞行控制软件的故障模式分析和检测方法 |
CN112988566A (zh) * | 2021-01-25 | 2021-06-18 | 杭州衣科云科技有限公司 | 测试覆盖率提高方法、装置、计算机设备及存储介质 |
CN112988566B (zh) * | 2021-01-25 | 2024-01-02 | 杭州衣科信息技术股份有限公司 | 测试覆盖率提高方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111124895B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179251B (zh) | 基于孪生神经网络利用模板比对的缺陷检测系统及方法 | |
CN111028213B (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
CN111124895B (zh) | 一种主次峰值比计算算法的蜕变测试方法 | |
US8115169B2 (en) | Method and apparatus of pattern inspection and semiconductor inspection system using the same | |
CN111124896B (zh) | 一种主次峰值比计算算法的蜕变测试系统 | |
Jiang et al. | A machine vision-based realtime anomaly detection method for industrial products using deep learning | |
CN110766095A (zh) | 基于图像灰度特征的缺陷检测方法 | |
CN111814740B (zh) | 指针仪表读数的识别方法、装置、计算机设备和存储介质 | |
CN109410241A (zh) | 图像区域生长算法的蜕变测试方法 | |
CN115641332A (zh) | 产品边缘外观缺陷的检测方法及装置、介质、设备 | |
CN110909615A (zh) | 基于多尺度输入混合感知神经网络的目标检测方法 | |
CN113554630A (zh) | 芯片表面缺陷检测方法、系统、计算机设备和存储介质 | |
CN112766301A (zh) | 一种采油机示功图相似性判断方法 | |
CN117030129A (zh) | 纸杯在线检漏方法及其系统 | |
CN109447968A (zh) | 图像区域生长算法的蜕变测试系统 | |
CN112233104B (zh) | 实时位移场和应变场检测方法、系统、装置和存储介质 | |
CN117095236A (zh) | 一种用于评估叶根轮槽试验精确性的方法及系统 | |
CN115393172B (zh) | 基于gpu实时提取光条纹中心的方法及设备 | |
CN111291712A (zh) | 基于插值的cn和胶囊网络的森林火灾识别方法及装置 | |
Liang et al. | Relative saliency model over multiple images with an application to yarn surface evaluation | |
CN110503631A (zh) | 一种遥感图像变化检测方法 | |
CN115311287A (zh) | 一种共轨喷油器生产异常检测方法 | |
Rippel et al. | Anomaly detection for the automated visual inspection of pet preform closures | |
CN114882009A (zh) | 可适应多种表面状态的疲劳裂纹尖端自动检测方法及系统 | |
CN112862002A (zh) | 多尺度目标检测模型的训练方法、目标检测方法和装置 |
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 |