CN111127410B - 一种汽车仪表盘印刷瑕疵的自动检测方法 - Google Patents

一种汽车仪表盘印刷瑕疵的自动检测方法 Download PDF

Info

Publication number
CN111127410B
CN111127410B CN201911283316.5A CN201911283316A CN111127410B CN 111127410 B CN111127410 B CN 111127410B CN 201911283316 A CN201911283316 A CN 201911283316A CN 111127410 B CN111127410 B CN 111127410B
Authority
CN
China
Prior art keywords
printing
instrument panel
image
area
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.)
Active
Application number
CN201911283316.5A
Other languages
English (en)
Other versions
CN111127410A (zh
Inventor
童莹
赵曼雪
曹雪虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201911283316.5A priority Critical patent/CN111127410B/zh
Publication of CN111127410A publication Critical patent/CN111127410A/zh
Application granted granted Critical
Publication of CN111127410B publication Critical patent/CN111127410B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30268—Vehicle interior
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种汽车仪表盘印刷瑕疵的自动检测方法，涉及图像自动处理的技术领域。本发明对仪表盘图像进行预处理，去除噪声干扰；获取仪表盘图像中心处复杂印刷图标/符号模板；将匹配到的中心处复杂印刷图标/符号从仪表盘图像中去除；获取仪表盘圆内区域；获取仪表盘圆内区域的连通域；判断连通域是否为印刷图标连通域；判断是否存在印刷毛刺；判断是否存在印刷重影；将检测到的背景印刷异物、检测到的目标区域毛刺、检测到的目标区域重影在图像中标识印刷瑕疵。本发明通过计算机自动完成，提高了检测精度，缩短了检测时间，实现了汽车仪表盘的印刷质量检测自动化。有效避免了人眼检测造成的误检和漏检，提高了工作效率，降低了生产成本。

Description

一种汽车仪表盘印刷瑕疵的自动检测方法
技术领域
本发明涉及对汽车仪表盘印刷瑕疵自动检测方法的技术领域。
背景技术
近些年，汽车产业飞速发展，仅在2018年我国汽车销量就超出了2800万辆，10年连续世界第一。作为汽车安全驾驶不可或缺的保障，仪表盘是一个非常重要的汽车部件，盘面各个警示符号和图标印刷的正确性与清晰性，是汽车产品质量与安全性保证的重要前提。
汽车仪表盘的印刷瑕疵可能存在于非目标区域(背景)的印刷异物；也可能存在于目标区域的印刷毛刺或者印刷重影。目前，我国汽车行业普遍采用人工方式进行仪表盘印刷质量进行检测，这种方法受人的主观因素和外界环境影响较大，在对大批量的仪表盘进行印刷质量检测时，长时间、重复性工作容易引起检查人员的视觉疲劳，造成误检和漏检，同时还存在检测效率低的缺点。
发明内容
本发明目的是提供一种汽车仪表盘表面印刷瑕疵的自动检测方法,采用计算机对汽车仪表盘的印刷质量进行自动检测，可有效克服传统人工检测的缺陷，既保证了仪表盘的印刷质量，又提高了工作效率、降低了生产成本。
一种汽车仪表盘印刷瑕疵的自动检测方法，其特征在于包括如下步骤：
1)输入仪表盘图像，并对仪表盘图像进行预处理，去除噪声干扰；
2)获取仪表盘图像中心处复杂印刷图标/符号模板；
3)采用模板匹配方法进行印刷图标/符号模板匹配，将匹配到的中心处复杂印刷图标/符号从仪表盘图像中去除；
模板匹配方法具体实现如下：
在原图像上滑动模板图像，按照从左往右、从上往下的顺序，每次移动一个像素位置。在每一个位置上用如下公式计算匹配度量值R(x,y)，其中，T(x',y')是模板图像在(x',y')上的灰度值，I(x+x',y+y')是原图像在(x+x',y+y')上的灰度值。
Figure GDA0004065273780000021
统计模板图像中所有像素与对应原图像像素的灰度差值平方和，得到匹配度量值R(x,y)，匹配值越小，说明原图像对应区域与模板图像越相似,反之，越不相似；
4)采用轮廓检测方法获取仪表盘圆内区域；
具体方法为：
通过轮廓检测法提取仪表盘图像中各连通域的轮廓，然后计算各个轮廓的周长，将这些轮廓按照周长的大小降序排序，选择第二大周长值对应的轮廓，即为图中仪表盘圆内区域的轮廓。将该轮廓外的像素灰度值置为0，即得到仪表盘圆内区域图像；
5)采用轮廓检测方法获取仪表盘圆内区域的连通域；
具体方法为：
采用轮廓检测法提取仪表盘圆内区域中各目标区域的轮廓，这些轮廓由一系列像素点集表示，一个像素点集对应一个轮廓。这些像素点集勾勒的区域即为连通域；
6)判断连通域是否为印刷图标连通域，若为是，则判断是否存在印刷毛刺；若为否，则判为背景印刷异物；
7)判断是否存在印刷毛刺，若为否，则判断是否存在印刷重影；若为是，则判为目标区域毛刺；
具体方法为：
进行印刷毛刺的检测。将剩余连通小区域图像进行尺寸归一化，对归一化图像进行二值化运算，统计每一个二值图像中每一行的目标像素个数，并与对应的边缘处标准简单图标/符号模板(如图4)的二值图像进行逐行的目标像素个数比较，若连续n行(n≥5)目标像素个数相差大于阈值T(T≥6)，则判定该连通小区域中存在印刷毛刺，如图8所示，其中，图8a为在图6b中检测得到的边缘简单印刷图标/符号处的印刷毛刺，图8b为其对应的标准模板。
8)判断是否存在印刷重影，若为是，则判为目标区域重影；若为否，则检测结束；
具体方法为：
进行印刷重影的检测。统计连通小区域中灰度值处于90到210之间的像素个数，若该像素个数占总像素比例大于阈值T(T≥0.2)，则判定该连通小区域中存在印刷重影，如图9所示，其中，图9a为在图6c中检测得到的边缘简单印刷图标/符号处的印刷重影，图9b为其对应的标准模板。
9)将步骤6)中检测到的背景印刷异物、步骤7)中检测到的目标区域毛刺、步骤8)中检测到的目标区域重影在图像中标识印刷瑕疵。
本发明采用上述技术方案，与现有技术相比具有如下优点：
本发明对输入的仪表盘圆内的印刷图标/符合进行检测处理，利用模板匹配方法、轮廓检测方法将存在印刷毛刺、背景印刷异物、印刷重影的情况标识为印刷瑕疵。整个过程通过计算机自动完成，提高了检测精度，缩短了检测时间，实现了汽车仪表盘的印刷质量检测自动化。有效避免了人眼检测造成的误检和漏检，提高了工作效率，降低了生产成本。
附图说明
图1是本发明的整体流程图。
图2a为印刷异物在非目标区域(背景)处的示意图。
图2b为印刷毛刺在目标区域处的示意图。
图2c为印刷重影在目标区域处的示意图。
图3为复杂印刷图标/符号模板的示意图。
图4为边缘简单印刷图标/符号模板的示意图。
图5a为图2a对应的去除中心处复杂图标/符号的仪表盘图像示意图。
图5b为图2b对应的去除中心处复杂图标/符号的仪表盘图像示意图。
图5c为图2c对应的去除中心处复杂图标/符号的仪表盘图像示意图。
图6a为图2a对应的圆内区域示意图。
图6b为图2b对应的圆内区域示意图。
图6c为图2c对应的圆内区域示意图。
图7为印刷异物在非目标区域(背景)处检测结果示意图。
图8a为图6b中印刷毛刺的示意图。
图8b为图8a对应的标准简单印刷图标/符号模板的示意图。
图9a为图6c中印刷重影的示意图。
图9b为图9a对应的标准简单印刷图标/符号模板的示意图。
图10a为印刷异物在非目标区域(背景)处的示意图。
图10b为印刷毛刺在目标区域边缘简单印刷图标/符号的示意图。
图10c为印刷重影在目标区域边缘简单印刷图标/符号的示意图。
具体实施方式
下面结合附图对本发明的技术方案进行说明：
如图1所示，一种汽车仪表盘表面印刷瑕疵的自动检测方法，包括如下步骤：
1)输入仪表盘图像，并对仪表盘图像进行预处理，去除噪声干扰；
对输入的仪表盘图像采用手工切割的方法，将属于同一印刷图标/符号，但区域不连通的多个小图标整体切割出来，制作成模板；同时采用轮廓检测方法，获取边缘处区域连通的简单图标/符号模板。
2)获取仪表盘图像中心处复杂印刷图标/符号模板；
3)采用模板匹配方法进行印刷图标/符号模板匹配，将匹配到的中心处复杂印刷图标/符号从仪表盘图像中去除；
模板匹配方法具体实现如下：
在如图2的原图像上滑动如图3的模板图像，按照从左往右、从上往下的顺序，每次移动一个像素位置。在每一个位置上用如下公式计算匹配度量值R(x,y)，其中，T(x',y')是模板图像在(x',y')上的灰度值，I(x+x',y+y')是原图像在(x+x',y+y')上的灰度值。
Figure GDA0004065273780000061
统计模板图像中所有像素与对应原图像像素的灰度差值平方和，得到匹配度量值R(x,y)，匹配值越小，说明原图像对应区域与模板图像越相似,反之，越不相似。
4)采用轮廓检测方法获取仪表盘圆内区域；
具体方法为：
通过轮廓检测法提取仪表盘图像中各连通域的轮廓，然后计算各个轮廓的周长，将这些轮廓按照周长的大小降序排序，选择第二大周长值对应的轮廓，即为图中仪表盘圆内区域的轮廓。将该轮廓外的像素灰度值置为0，即得到仪表盘圆内区域图像，如图6所示。
5)采用轮廓检测方法获取仪表盘圆内区域的连通域；
具体方法为：
采用轮廓检测法提取仪表盘圆内区域中各目标区域的轮廓，这些轮廓由一系列像素点集表示，一个像素点集对应一个轮廓。这些像素点集勾勒的区域即为连通域。
6)判断连通域是否为印刷图标连通域，若为是，则判断是否存在印刷毛刺；若为否，则判为背景印刷异物；
具体方法为：
计算每个连通区域的平均灰度值及其方差。若平均灰度值处于75到160之间，或者平均灰度值小于75但是方差大于400，则判断该区域为非目标区域(背景)处的印刷异物，剩余区域判为印刷图标连通域。
7)判断是否存在印刷毛刺，若为否，则判断是否存在印刷重影；若为是，则判为目标区域毛刺；
具体方法为：
进行印刷毛刺的检测。将剩余连通小区域图像进行尺寸归一化，对归一化图像进行二值化运算，统计每一个二值图像中每一行的目标像素个数，并与对应的边缘处标准简单图标/符号模板(如图4)的二值图像进行逐行的目标像素个数比较，若连续n行(n≥5)目标像素个数相差大于阈值T(T≥6)，则判定该连通小区域中存在印刷毛刺，如图8所示，其中，图8a为在图6b中检测得到的边缘简单印刷图标/符号处的印刷毛刺，图8b为其对应的标准模板。
8)判断是否存在印刷重影，若为是，则判为目标区域重影；若为否，则检测结束；
具体方法为：
进行印刷重影的检测。统计连通小区域中灰度值处于90到210之间的像素个数，若该像素个数占总像素比例大于阈值T(T≥0.2)，则判定该连通小区域中存在印刷重影，如图9所示，其中，图9a为在图6c中检测得到的边缘简单印刷图标/符号处的印刷重影，图9b为其对应的标准模板。
9)将步骤6)中检测到的背景印刷异物、步骤7)中检测到的目标区域毛刺、步骤8)中检测到的目标区域重影在图像中标识印刷瑕疵。
如图2a、2b、2c所示，输入三种类型汽车仪表盘图像，其中，图2a为印刷异物在非目标区域(背景)处，图2b为印刷毛刺在目标区域处，图2c为印刷重影在目标区域处。由于仪表盘中心区域印刷图标/符号种类繁多，且同一印刷图标/符号又由多小图标组成，不便于整体连通域判断，因此，这里采用手工切割的方法，将这些属于同一印刷图标/符号，但区域不连通的多小图标整体切割出来，制作成模板，如图3所示。同时，又采用轮廓检测方法，获取边缘处区域连通的简单图标/符号模板，如图4所示。
利用步骤2中获取的中心处复杂印刷图标/符号模板(如图3)对汽车仪表盘图像进行模板匹配，将匹配得到的图标/符号从仪表盘图像中去除。如图5所示，并采用轮廓检测法得到仪表盘圆内区域，通过轮廓检测法提取仪表盘图像中各连通域的轮廓，然后计算各个轮廓的周长，将这些轮廓按照周长的大小降序排序，选择第二大周长值对应的轮廓，即为图中仪表盘圆内区域的轮廓。将该轮廓外的像素灰度值置为0，即得到仪表盘圆内区域图像，如图6所示。
在图6的基础上，采用轮廓检测方法得到图中所有连通区域，采用轮廓检测法提取仪表盘圆内区域中各目标区域的轮廓，这些轮廓由一系列像素点集表示，一个像素点集对应一个轮廓。这些像素点集勾勒的区域即为连通域。计算每个连通区域的平均灰度值及其方差。若平均灰度值处于75到160之间，或者平均灰度值小于75但是方差大于400，则判断该区域为非目标区域(背景)处的印刷异物，如图7所示。
进一步判断边缘处剩余连通小区域中是否存在印刷瑕疵。首先，进行印刷毛刺的检测。将剩余连通小区域图像进行尺寸归一化，对归一化图像进行二值化运算，统计每一个二值图像中每一行的目标像素个数，并与对应的边缘处标准简单图标/符号模板(如图4)的二值图像进行逐行的目标像素个数比较，若连续n行(n≥5)目标像素个数相差大于阈值T(T≥6)，则判定该连通小区域中存在印刷毛刺，如图8所示，其中，图8a为在图6b中检测得到的边缘简单印刷图标/符号处的印刷毛刺，图8b为其对应的标准模板。
其次，进行印刷重影的检测。统计连通小区域中灰度值处于90到210之间的像素个数，若该像素个数占总像素比例大于阈值T(T≥0.2)，则判定该连通小区域中存在印刷重影，如图9所示，其中，图9a为在图6c中检测得到的边缘简单印刷图标/符号处的印刷重影，图9b为其对应的标准模板。
从图10a、10b、10c中可以看出，对于小目标印刷瑕疵可以很好的找出位置所在，印刷瑕疵区域在图中用红色框标识出来了，因此基于上述方法检测小目标印刷缺陷具有可行性。其中图10a为印刷异物在非目标区域(背景)处的示意图，图10b为印刷毛刺在目标区域边缘简单印刷图标/符号的示意图，图10c为印刷重影在目标区域边缘简单印刷图标/符号的示意图。

Claims (6)

1.一种汽车仪表盘印刷瑕疵的自动检测方法，其特征在于包括如下步骤：
1)输入仪表盘图像，并对仪表盘图像进行预处理，去除噪声干扰；
2)获取仪表盘图像中心处复杂印刷图标/符号模板；
3)采用模板匹配方法进行印刷图标/符号模板匹配，将匹配到的中心处复杂印刷图标/符号从仪表盘图像中去除；
模板匹配方法为：
在原图像上滑动模板图像，按照从左往右、从上往下的顺序，每次移动一个像素位置，在每一个位置上用如下公式计算匹配度量值R(x,y)，其中，T(x',y')是模板图像在(x',y')上的灰度值，I(x+x',y+y')是原图像在(x+x',y+y')上的灰度值，
统计模板图像中所有像素与对应原图像像素的灰度差值平方和，得到匹配度量值R(x,y)，匹配值越小，说明原图像对应区域与模板图像越相似，反之，越不相似；
4)采用轮廓检测方法获取仪表盘圆内区域；
通过轮廓检测法提取仪表盘图像中各连通域的轮廓，然后计算各个轮廓的周长，将这些轮廓按照周长的大小降序排序，选择第二大周长值对应的轮廓，即为图中仪表盘圆内区域的轮廓；将该轮廓外的像素灰度值置为0，即得到仪表盘圆内区域图像；
5)采用轮廓检测方法获取仪表盘圆内区域的连通域；
具体方法为：
采用轮廓检测法提取仪表盘圆内区域中各目标区域的轮廓，这些轮廓由一系列像素点集表示，一个像素点集对应一个轮廓；这些像素点集勾勒的区域即为连通域；
6)判断连通域是否为印刷图标连通域，若为是，则判断是否存在印刷毛刺，若为否，则判为背景印刷异物；
7)判断是否存在印刷毛刺，若为否，则判断是否存在印刷重影；若为是，则判为目标区域毛刺；
8)判断是否存在印刷重影，若为是，则判为目标区域重影，若为否，则检测结束；
9)将步骤6)中检测到的背景印刷异物、步骤7)中检测到的目标区域毛刺和步骤8)中检测到的目标区域重影在图像中标识印刷瑕疵。
2.根据权利要求1所述的汽车仪表盘印刷瑕疵的自动检测方法，其特征在于上述步骤1)中对输入的仪表盘图像采用手工切割的方法，将属于同一印刷图标/符号，但区域不连通的多个小图标整体切割出来，制作成模板；同时采用轮廓检测方法，获取边缘处区域连通的简单图标/符号模板。
3.根据权利要求1所述的汽车仪表盘印刷瑕疵的自动检测方法，其特征在于利用上述步骤2)中获取仪表盘图像中心处复杂印刷图标/符号模板对汽车仪表盘图像进行模板匹配，将匹配到的中心处复杂印刷图标/符号从仪表盘图像中去除。
4.根据权利要求1所述的汽车仪表盘印刷瑕疵的自动检测方法，其特征在于上述步骤6)采用轮廓检测方法获取仪表盘圆内区域的连通域，计算每个连通域的平均灰度值及方差，若平均灰度值处于75到160之间，或者平均灰度值小于75但是方差大于400，则判断该区域为非目标区域处的印刷异物。
5.根据权利要求1所述的汽车仪表盘印刷瑕疵的自动检测方法，其特征在于上述步骤7)中进行印刷毛刺的检测，将剩余连通域图像进行尺寸归一化，对归一化图像进行二值化运算，统计每一个二值图像中每一行的目标像素个数，并与对应的边缘处标准简单图标/符号模板的二值图像进行逐行的目标像素个数比较，若连续n行目标像素个数相差大于阈值T，其中n≥5、T≥6，则判定该连通域中存在印刷毛刺。
6.根据权利要求1所述的汽车仪表盘印刷瑕疵的自动检测方法，其特征在于上述步骤8)中统计连通域中灰度值处于90到210之间的像素个数，若该像素个数占总像素比例大于阈值T，其中T≥0.2，则判定该连通域中存在印刷重影。
CN201911283316.5A 2019-12-13 2019-12-13 一种汽车仪表盘印刷瑕疵的自动检测方法 Active CN111127410B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911283316.5A CN111127410B (zh) 2019-12-13 2019-12-13 一种汽车仪表盘印刷瑕疵的自动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911283316.5A CN111127410B (zh) 2019-12-13 2019-12-13 一种汽车仪表盘印刷瑕疵的自动检测方法

Publications (2)

Publication Number Publication Date
CN111127410A CN111127410A (zh) 2020-05-08
CN111127410B true CN111127410B (zh) 2023-04-25

Family

ID=70498696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911283316.5A Active CN111127410B (zh) 2019-12-13 2019-12-13 一种汽车仪表盘印刷瑕疵的自动检测方法

Country Status (1)

Country Link
CN (1) CN111127410B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115015290B (zh) * 2022-05-19 2023-04-14 常州市新创智能科技有限公司 一种用于玻纤布面的异物检测方法及装置
CN115100144B (zh) * 2022-06-23 2023-04-07 常州市新创智能科技有限公司 一种玻纤布生产过程中的碎屑检测方法及装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012005387A1 (ko) * 2010-07-05 2012-01-12 주식회사 비즈텍 다중 카메라와 물체 추적 알고리즘을 이용한 광범위한 지역에서의 물체 이동 감시 방법 및 그 시스템
KR20140039831A (ko) * 2012-09-25 2014-04-02 한양대학교 산학협력단 차량용 사이드미러 시스템 및 이의 차량 측후방 영상 표시 방법
CN104091325A (zh) * 2014-06-16 2014-10-08 哈尔滨工业大学 汽车仪表盘视觉检测中基于尺度不变特征变换的图像roi定位方法及装置
CN106296636B (zh) * 2015-06-02 2018-01-23 征图新视（江苏）科技有限公司 印刷图像的检测方法及检测装置
CN105828028B (zh) * 2016-03-04 2018-11-02 恒大法拉第未来智能汽车（广东）有限公司 一种对车辆底部进行安全检测的方法及装置
CN105844235B (zh) * 2016-03-22 2018-12-14 南京工程学院 基于视觉显著性的复杂环境人脸检测方法
CN107886495B (zh) * 2017-09-30 2020-04-14 北京得华机器人技术研究院有限公司 一种基于相似度匹配的汽车零配件缺陷识别方法
CN107833238B (zh) * 2017-11-14 2020-05-01 京东方科技集团股份有限公司 最大连通域标记方法、目标跟踪方法、增强现实/虚拟现实装置
CN108389179B (zh) * 2018-01-15 2020-10-13 湖南大学 一种基于机器视觉的罐盖表面缺陷检测方法
CN110044405B (zh) * 2019-05-16 2023-12-05 吉林省驭功智能科技有限责任公司 一种基于机器视觉的汽车仪表自动化检测装置及方法

Also Published As

Publication number Publication date
CN111127410A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111986190B (zh) 一种基于伪影剔除的印刷品缺陷检测方法及装置
CN109141232B (zh) 一种基于机器视觉的盘类铸件在线检测方法
CN108776140B (zh) 一种基于机器视觉的印刷品瑕疵检测方法及系统
CN105067638B (zh) 基于机器视觉的轮胎胎膜表面字符缺陷检测方法
CN102305798B (zh) 基于机器视觉的玻璃缺陷的检测与分类方法
CN104992449B (zh) 基于机器视觉的信息识别及表面缺陷在线检测方法
CN111127410B (zh) 一种汽车仪表盘印刷瑕疵的自动检测方法
CN112465809B (zh) 一种基于图像识别的模具缺陷检测方法、计算机可读存储介质及装置
WO2020186790A1 (zh) 车型识别方法、装置、计算机设备及存储介质
CN109767445B (zh) 一种高精度的pcb缺陷智能检测方法
CN109239073B (zh) 一种用于汽车车身的表面缺陷检测方法
CN114820626B (zh) 一种汽车前脸零件配置智能检测方法
CN104700423A (zh) 一种瓶盖检测方法和装置
CN107153067A (zh) 一种基于matlab的零件表面缺陷检测方法
CN107240086A (zh) 一种基于积分图算法的织物瑕疵检测方法
CN117934467A (zh) 基于图像处理的钛金属焊接质量检测方法及系统
CN116228651A (zh) 一种布匹缺陷检测方法、系统、设备及介质
CN115511869A (zh) 基于视觉分析的智能检测方法、装置、设备及介质
CN115587993A (zh) 一种基于ai与机器视觉算法的口罩焊点缺陷检测方法
JP5889778B2 (ja) フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法
CN112330633B (zh) 基于自适应带通滤波的跨接线胶带破损故障图像分割方法
CN113916893A (zh) 模切产品缺陷的检测方法
CN114187247A (zh) 一种基于图像配准的安瓿瓶印刷字缺陷检测方法
CN111861997B (zh) 一种花纹板材圆孔尺寸检测方法、系统及装置
CN107516309B (zh) 一种印刷面板缺陷视觉检测方法

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