CN111257329A - 一种智能手机摄像头缺陷检测方法以及检测系统 - Google Patents
一种智能手机摄像头缺陷检测方法以及检测系统 Download PDFInfo
- Publication number
- CN111257329A CN111257329A CN202010110893.0A CN202010110893A CN111257329A CN 111257329 A CN111257329 A CN 111257329A CN 202010110893 A CN202010110893 A CN 202010110893A CN 111257329 A CN111257329 A CN 111257329A
- Authority
- CN
- China
- Prior art keywords
- defect
- camera
- region
- roi
- detecting
- 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
Images
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
- G01N21/8851—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
- G01N21/8851—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
- G01N2021/8883—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 involving the calculation of gauges, generating models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种智能手机摄像头缺陷检测方法以及检测系统,检测方法包括图像采集步骤、摄像头位置检测步骤、ROI区域提取步骤、缺陷区域提取步骤、缺陷分析步骤、缺陷筛选步骤;所述缺陷区域提取步骤中,通过多步长扫描所述ROI区域,在扫描过程中通过归一化平方差准则计算模板与搜索子图的模板匹配相关系数,获取所述ROI区域中的疑似缺陷区域。本技术方案在缺陷区域提取步骤中多步长模板匹配方法,此过程中采集的数据能够均匀的覆盖整个搜索子图,因而利用这些数据计算模板匹配相关系数就可以在很大程序上降低算法的误检率,同时在保证模板匹配准确率的前提下,大幅度提高模板匹配的效率,大大降低了算法的处理时间。
Description
技术领域
本发明涉及视觉检测技术领域,更具体地说涉及一种智能手机摄像头缺陷检测方法以及检测系统。
背景技术
在工业生产过程中,生产出来的产品存在缺陷是在所难免的,为了保证产品的质量,因此缺陷检测是必不可少的。传统的人工检测缺陷的方法效率低、工作量大、实时性差,而机器视觉是通过机器来代替人眼进行一系列的判断,将其应用于缺陷检测中可以在很大程度上克服人工检测存在的缺点。由于手机的前置摄像头在生产加工过程中存在各种不确定因素,摄像头内端面可能存在漏孔、内孔有毛刺、外圆损伤、孔的位置偏移、孔变形、外圆断裂等主要缺陷。因此,存在这些缺陷的摄像头,在进入下一道工序前必须剔除掉。
目前手机摄像头缺陷检测的方法有很多,大致可归纳为三类:一是人工抽检法,即检测人员需通过显微镜对表面进行观察,判断摄像头是否存在缺陷;二是基于统计的方法,如利用神经网络的方法,支持向量机(SVM)方法,模板法,机器视觉技术以其灵活、高效的特点在工业生产中得到了日益广泛的应用;三是传统模板匹配的方法。第一种方法劳动强度大,检测效率低,检测结果易受检测人员素质和经验影响,且由于采用抽检方式,无法保证所有前置摄像头的质量,进而影响产品质量的稳定性。第二种方法在检测的精确度上无疑有着很大的提高,但是它需要采集大量的样本来训练分类器,过程比较复杂,实时性较差,这是制约此类方法的最大问题。第三种方法根据已知模块在搜索图像中寻找逼近模块匹配的过程,尽管已经十分普遍,但是算法还存在着一定的缺陷,如计算量大、时间复杂度高实时性不好等。
综上,现有的基于视觉检测的智能手机摄像头检测方案效率低实时性差。
发明内容
本发明目的在于提供一种智能手机摄像头缺陷检测方法以及检测系统,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为解决上述技术问题所采用的技术方案:
一种智能手机摄像头缺陷检测方法,包括以下步骤:
图像采集步骤,通过相机对待测产品进行成像,得到产品图像;
摄像头检测步骤,检测所述产品图像中的圆形元素以及直线元素,建立坐标系,获取摄像头的位置;
ROI区域提取步骤,从所述产品图像中提取ROI区域;
缺陷区域提取步骤,对所述ROI区域中的疑似缺陷区域进行提取;
缺陷分析步骤,对所述疑似缺陷区域中存在的缺陷进行分析,确定所述疑似缺陷区域中存在的缺陷类型;
缺陷筛选步骤,对所述疑似缺陷区域中的缺陷程度进行分析,根据缺陷程度对待测产品进行筛选;
所述缺陷区域提取步骤中,通过多步长扫描所述ROI区域,在扫描过程中通过归一化平方差准则计算模板与搜索子图的模板匹配相关系数,获取所述ROI区域中的疑似缺陷区域。
作为上述技术方案的进一步改进,所述摄像头检测步骤包括:
霍夫圆检测步骤,通过霍夫圆变换检测所述产品图像中的圆形元素;
霍夫直线检测步骤,通过霍夫直线变换检测所述产品图像中直线元素;
摄像头位置检测步骤,建立坐标系,计算所述圆形元素的圆心坐标以及所述直线元素的横纵坐标,再根据所述圆形元素的圆心坐标以及所述直线元素的横纵坐标计算摄像头的位置。
作为上述技术方案的进一步改进,所述ROI区域提取步骤包括根据获取的摄像头位置,设定一个基准坐标以及矩阵的长宽,根据所设定的基准坐标以及矩阵的长宽定义一个矩形区域,此矩形区域即为所述ROI区域。
本发明同时还公开了一种智能手机摄像头缺陷检测系统,包括:
图像采集模块,用于对待测产品进行成像,得到产品图像;
摄像头检测模块,用于检测所述产品图像中的圆形元素以及直线元素,建立坐标系,获取摄像头的位置;
ROI区域提取模块,用于从所述产品图像中提取ROI区域;
缺陷区域提取模块,用于对所述ROI区域中的疑似缺陷区域进行提取;
缺陷分析模块,用于对所述疑似缺陷区域中存在的缺陷进行分析,确定所述疑似缺陷区域中存在的缺陷类型;
缺陷筛选模块,用于对所述疑似缺陷区域中的缺陷程度进行分析,根据缺陷程度对待测产品进行筛选;
所述缺陷区域提取模块通过多步长扫描所述ROI区域,在扫描过程中通过归一化平方差准则计算模板与搜索子图的模板匹配相关系数,获取所述ROI区域中的疑似缺陷区域。
作为上述技术方案的进一步改进,所述摄像头检测模块包括:
霍夫圆检测单元,用于通过霍夫圆变换检测所述产品图像中的圆形元素;
霍夫直线检测单元,用于通过霍夫直线变换检测所述产品图像中直线元素;
摄像头位置检测单元,用于建立坐标系,计算所述圆形元素的圆心坐标以及所述直线元素的横纵坐标,再根据所述圆形元素的圆心坐标以及所述直线元素的横纵坐标计算摄像头的位置。
作为上述技术方案的进一步改进,所述ROI区域提取模块根据获取的摄像头位置,设定一个基准坐标以及矩阵的长宽,根据所设定的基准坐标以及矩阵的长宽定义一个矩形区域,此矩形区域即为所述ROI区域。
本发明的有益效果是:本技术方案在缺陷区域提取步骤中采用多步长模板匹配方法,此过程中采集的数据能够均匀的覆盖整个搜索子图,因而利用这些数据计算模板匹配相关系数就可以在很大程序上降低算法的误检率,同时在保证模板匹配准确率的前提下,大幅度提高模板匹配的效率,大大降低了算法的处理时间。
附图说明
下面结合附图和实施例对本发明做进一步的说明;
图1是本发明的检测方法流程示意图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,如果具有“若干”之类的词汇描述,其含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参照图1,本申请公开了一种智能手机摄像头缺陷检测方法,其第一实施例包括以下步骤:
步骤1,图像采集步骤,通过相机对待测产品进行成像,得到产品图像;
步骤2,摄像头检测步骤,检测所述产品图像中的圆形元素以及直线元素,建立坐标系,获取摄像头的位置;
其中步骤2具体包括:
步骤2.1,霍夫圆检测步骤,通过霍夫圆变换检测所述产品图像中的圆形元素;
其基本思路是认为产品图像中每一个非零像素点都有可能是潜在的圆形元素上的点,通过投票,生成累积坐标平面,设置一个累积权重来定位圆,在笛卡尔坐标系中圆的方程为:
(x-a)2+(y-b)2=r2
其中(a,b)表示圆心坐标,r表示半径,上述方程在极坐标系下亦可表示为:
x=a+r cosθ
y=b+r sinθ
因此在极坐标系中,一个点可以确定一个圆,而在笛卡尔坐标系中经过某一点的所有圆映射到极坐标系中就是一条三维曲线。
经过笛卡尔中所有的非零像素点的所有圆就构成了极坐标系中很多条三维的曲线,在笛卡尔坐标系中同一个圆上的所有点的圆方程是一样的,它们映射到极坐标系中的是同一个点,所以在极坐标系中该点就应该有圆的总像素N0个曲线相交,通过判断极坐标系中每一点的相交(累积)数量,大于一定阈值的点就认为是圆,即圆形元素。
Houghcircles方法对参数比较敏感,很小的改动就可能导致差别很大的检测效果,需要针对不同图像的不同检测用途进行调试。
步骤2.2,霍夫直线检测步骤,通过霍夫直线变换检测所述产品图像中直线元素,其中所述的直线元素指的是产品图像中智能手机的边框;
其基本思路是一条直线在图像二维空间可由两个变量表示,如在笛卡尔坐标系,可由参数斜率截距表示,在极坐标系,可由参数极径和极角表示。
对于霍夫变换,将采用第二种方式极坐标系来表示直线。因此,直线的表达式可为:
上式可简化为:
r=x cosθ+y sinθ
一般来说,对应点(x,y),通过这个点(x,y)的一簇直线可统一表示为:
r=x cosθ+y sinθ
这意味着每一个(r,θ)代表一条通过点(x,y)的直线,对于一个给定的(x,y),在极坐标对极径、极角平面绘出所有通过它的直线,将得到一条正弦曲线。
一般来说,一条直线能够通过在平面θ-r寻找交于一点的曲线数量来检测。而越多曲线交于一点也就意味着这个交点表示的直线由更多的点组成,因此可以通过设置直线上点的阈值来定义多少条曲线交于一点我们才认为检测到了一条直线。霍夫直线变换追踪图像中每个点对应曲线间的交点,如果交于一点的曲线的数量超过了阈值,那么可以认为这个交点所代表的参数对(θ,r)一条直线。
步骤2.3,摄像头位置检测步骤,建立坐标系,计算所述圆形元素的圆心坐标以及所述直线元素的横纵坐标,再根据所述圆形元素的圆心坐标以及所述直线元素的横纵坐标计算摄像头的位置。
步骤3,ROI区域提取步骤,从所述产品图像中提取ROI区域;
本实施例所述ROI区域提取步骤包括根据获取的摄像头位置,设定一个基准坐标以及矩阵的长宽,根据所设定的基准坐标以及矩阵的长宽定义一个矩形区域,此矩形区域即为所述ROI区域。本实施例通过在产品图像中获取ROI区域,从而缩减需要进行缺陷检测区域的图像大小,提高检测效率。
步骤4,缺陷区域提取步骤,对所述ROI区域中的疑似缺陷区域进行提取,通过多步长扫描所述ROI区域,在扫描过程中通过归一化平方差准则计算模板与搜索子图的模板匹配相关系数,获取所述ROI区域中的疑似缺陷区域。
本实施例在缺陷区域提取步骤中多步长模板匹配方法,此过程中采集的数据能够均匀的覆盖整个搜索子图,因而利用这些数据计算模板匹配相关系数就可以在很大程序上降低算法的误检率,同时在保证模板匹配准确率的前提下,大幅度提高模板匹配的效率,大大降低了算法的处理时间。
缺陷区域提取步骤具体包括:
步骤4.1,初始化,假定模板匹配时的x,y方向最大步长分别为dx和dy,定义当前x,y方向的步长分别为sx和sy,定义最大模板匹配相关系数为Rmax并赋值为零,定义模板的尺寸为m×n;
步骤4.2,设置当前x方向的步长sx为m/4,设置当前y方向的步长sy为n/4;
步骤4.3,模板图像与搜索子图在x,y方向分别按其当前步长sx和sy采集数据,即在x,y方向上分别按每隔sx和sy个像素采集一个数据,并根据这些数据计算模板图像与搜索子图的模板匹配相关系数。
步骤4.4,如果当前模板匹配相关系数小于最大模板匹配相关系数Rmax,则移动搜索子图至下一位置,并从步骤2.1开始重新计算,反之取x,y方向的当前步长的一半作为新的步长sx和sy,如果此时sx和sy大于0,则回到步骤2.2继续计算,反之,将当前的模板匹配相关系数作为最大模板匹配相关系数Rmax,并记录下此时搜索子图的位置;
步骤4.5,如果搜索子图仍然可以平移,则平移搜索子图并从步骤2.1重新开始计算,否则,当前最大模板匹配相关系数Rmax便是模板匹配的最大相关系数,同时记录下的位置便是模板匹配的结果。
步骤5,缺陷分析步骤,对所述疑似缺陷区域中存在的缺陷进行分析,确定所述疑似缺陷区域中存在的缺陷类型;
本实施例步骤5根据缺陷产品的特征,将可疑的缺陷区域划分到各个不同的缺陷类型中去,可疑的缺陷区域根据特征划分为漏孔、内孔有毛刺、外圆损伤、孔的位置偏移、孔变形、外圆断裂等。
步骤6,缺陷筛选步骤,对所述疑似缺陷区域中的缺陷程度进行分析,根据缺陷程度对待测产品进行筛选。
本申请同时还公开了一种智能手机摄像头缺陷检测系统,其第一实施例包括:
图像采集模块,用于对待测产品进行成像,得到产品图像;
摄像头检测模块,用于检测所述产品图像中的圆形元素以及直线元素,建立坐标系,获取摄像头的位置;
ROI区域提取模块,用于从所述产品图像中提取ROI区域;
缺陷区域提取模块,用于对所述ROI区域中的疑似缺陷区域进行提取;
缺陷分析模块,用于对所述疑似缺陷区域中存在的缺陷进行分析,确定所述疑似缺陷区域中存在的缺陷类型;
缺陷筛选模块,用于对所述疑似缺陷区域中的缺陷程度进行分析,根据缺陷程度对待测产品进行筛选;
所述缺陷区域提取模块通过多步长扫描所述ROI区域,在扫描过程中通过归一化平方差准则计算模板与搜索子图的模板匹配相关系数,获取所述ROI区域中的疑似缺陷区域。
进一步作为优选的实施方式,本实施例中,所述摄像头检测模块包括:
霍夫圆检测单元,用于通过霍夫圆变换检测所述产品图像中的圆形元素;
霍夫直线检测单元,用于通过霍夫直线变换检测所述产品图像中直线元素;
摄像头位置检测单元,用于建立坐标系,计算所述圆形元素的圆心坐标以及所述直线元素的横纵坐标,再根据所述圆形元素的圆心坐标以及所述直线元素的横纵坐标计算摄像头的位置。
进一步作为优选的实施方式,本实施例中,所述ROI区域提取模块根据获取的摄像头位置,设定一个基准坐标以及矩阵的长宽,根据所设定的基准坐标以及矩阵的长宽定义一个矩形区域,此矩形区域即为所述ROI区域。
以上对本发明的较佳实施方式进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种智能手机摄像头缺陷检测方法,其特征在于,包括以下步骤:
图像采集步骤,通过相机对待测产品进行成像,得到产品图像;
摄像头检测步骤,检测所述产品图像中的圆形元素以及直线元素,建立坐标系,获取摄像头的位置;
ROI区域提取步骤,从所述产品图像中提取ROI区域;
缺陷区域提取步骤,对所述ROI区域中的疑似缺陷区域进行提取;
缺陷分析步骤,对所述疑似缺陷区域中存在的缺陷进行分析,确定所述疑似缺陷区域中存在的缺陷类型;
缺陷筛选步骤,对所述疑似缺陷区域中的缺陷程度进行分析,根据缺陷程度对待测产品进行筛选;
所述缺陷区域提取步骤中,通过多步长扫描所述ROI区域,在扫描过程中通过归一化平方差准则计算模板与搜索子图的模板匹配相关系数,获取所述ROI区域中的疑似缺陷区域。
2.根据权利要求1所述的一种智能手机摄像头缺陷检测方法,其特征在于:所述摄像头检测步骤包括:
霍夫圆检测步骤,通过霍夫圆变换检测所述产品图像中的圆形元素;
霍夫直线检测步骤,通过霍夫直线变换检测所述产品图像中直线元素;
摄像头位置检测步骤,建立坐标系,计算所述圆形元素的圆心坐标以及所述直线元素的横纵坐标,再根据所述圆形元素的圆心坐标以及所述直线元素的横纵坐标计算摄像头的位置。
3.根据权利要求1或2所述的一种智能手机摄像头缺陷检测方法,其特征在于:所述ROI区域提取步骤包括根据获取的摄像头位置,设定一个基准坐标以及矩阵的长宽,根据所设定的基准坐标以及矩阵的长宽定义一个矩形区域,此矩形区域即为所述ROI区域。
4.一种智能手机摄像头缺陷检测系统,其特征在于:包括:
图像采集模块,用于对待测产品进行成像,得到产品图像;
摄像头检测模块,用于检测所述产品图像中的圆形元素以及直线元素,建立坐标系,获取摄像头的位置;
ROI区域提取模块,用于从所述产品图像中提取ROI区域;
缺陷区域提取模块,用于对所述ROI区域中的疑似缺陷区域进行提取;
缺陷分析模块,用于对所述疑似缺陷区域中存在的缺陷进行分析,确定所述疑似缺陷区域中存在的缺陷类型;
缺陷筛选模块,用于对所述疑似缺陷区域中的缺陷程度进行分析,根据缺陷程度对待测产品进行筛选;
所述缺陷区域提取模块通过多步长扫描所述ROI区域,在扫描过程中通过归一化平方差准则计算模板与搜索子图的模板匹配相关系数,获取所述ROI区域中的疑似缺陷区域。
5.根据权利要求4所述的一种智能手机摄像头缺陷检测系统,其特征在于:所述摄像头检测模块包括:
霍夫圆检测单元,用于通过霍夫圆变换检测所述产品图像中的圆形元素;
霍夫直线检测单元,用于通过霍夫直线变换检测所述产品图像中直线元素;
摄像头位置检测单元,用于建立坐标系,计算所述圆形元素的圆心坐标以及所述直线元素的横纵坐标,再根据所述圆形元素的圆心坐标以及所述直线元素的横纵坐标计算摄像头的位置。
6.根据权利要求4或5所述的一种智能手机摄像头缺陷检测系统,其特征在于:所述ROI区域提取模块根据获取的摄像头位置,设定一个基准坐标以及矩阵的长宽,根据所设定的基准坐标以及矩阵的长宽定义一个矩形区域,此矩形区域即为所述ROI区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010110893.0A CN111257329A (zh) | 2020-02-24 | 2020-02-24 | 一种智能手机摄像头缺陷检测方法以及检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010110893.0A CN111257329A (zh) | 2020-02-24 | 2020-02-24 | 一种智能手机摄像头缺陷检测方法以及检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111257329A true CN111257329A (zh) | 2020-06-09 |
Family
ID=70947301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010110893.0A Pending CN111257329A (zh) | 2020-02-24 | 2020-02-24 | 一种智能手机摄像头缺陷检测方法以及检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111257329A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112651972A (zh) * | 2020-11-11 | 2021-04-13 | 北京平恒智能科技有限公司 | 使用双定位的整体约束的定位方法 |
CN115439476A (zh) * | 2022-11-07 | 2022-12-06 | 成都博视广达科技有限责任公司 | 基于图像分析的丝印缺陷检测方法及装置 |
CN116385353A (zh) * | 2023-02-10 | 2023-07-04 | 南通大学 | 一种摄像头模组异常检测方法 |
US11836912B2 (en) * | 2020-09-22 | 2023-12-05 | Future Dial, Inc. | Grading cosmetic appearance of a test object based on multi-region determination of cosmetic defects |
US11900581B2 (en) | 2020-09-22 | 2024-02-13 | Future Dial, Inc. | Cosmetic inspection system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040052410A1 (en) * | 2002-09-13 | 2004-03-18 | Fuji Xerox Co., Ltd. | Image defect inspecting apparatus and image defect inspecting method |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
CN110797792A (zh) * | 2019-11-12 | 2020-02-14 | 西安工程大学 | 一种输电铁塔鸟巢定位与故障预警方法 |
-
2020
- 2020-02-24 CN CN202010110893.0A patent/CN111257329A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040052410A1 (en) * | 2002-09-13 | 2004-03-18 | Fuji Xerox Co., Ltd. | Image defect inspecting apparatus and image defect inspecting method |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
CN110797792A (zh) * | 2019-11-12 | 2020-02-14 | 西安工程大学 | 一种输电铁塔鸟巢定位与故障预警方法 |
Non-Patent Citations (4)
Title |
---|
JINJIANG WANG ET AL.,: ""Machine vision intelligence for product defect inspection based on deep learning and Hough transform"", 《JOURNAL OF MANUFACTURING SYSTEMS》 * |
唐琎 等: ""一种快速的模板匹配算法"", 《计算机应用》 * |
李青: ""基于DM642的驾驶员疲劳检测系统研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
栾柱晓 等: ""一种改进的人眼模板匹配算法"", 《计算机系统应用》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11836912B2 (en) * | 2020-09-22 | 2023-12-05 | Future Dial, Inc. | Grading cosmetic appearance of a test object based on multi-region determination of cosmetic defects |
US11900581B2 (en) | 2020-09-22 | 2024-02-13 | Future Dial, Inc. | Cosmetic inspection system |
CN112651972A (zh) * | 2020-11-11 | 2021-04-13 | 北京平恒智能科技有限公司 | 使用双定位的整体约束的定位方法 |
CN115439476A (zh) * | 2022-11-07 | 2022-12-06 | 成都博视广达科技有限责任公司 | 基于图像分析的丝印缺陷检测方法及装置 |
CN115439476B (zh) * | 2022-11-07 | 2023-03-14 | 成都博视广达科技有限责任公司 | 基于图像分析的丝印缺陷检测方法及装置 |
CN116385353A (zh) * | 2023-02-10 | 2023-07-04 | 南通大学 | 一种摄像头模组异常检测方法 |
CN116385353B (zh) * | 2023-02-10 | 2024-01-30 | 南通大学 | 一种摄像头模组异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
WO2022042579A1 (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
CN111047568B (zh) | 一种漏汽缺陷检测识别方法及系统 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
WO2016055031A1 (zh) | 直线检测、图像处理的方法及相关装置 | |
CN104574353B (zh) | 基于视觉显著性的表面缺陷判定方法 | |
CN108982512A (zh) | 一种基于机器视觉的电路板检测系统及其方法 | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
CN108665458A (zh) | 透明体表面缺陷提取及识别方法 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
CN107862713B (zh) | 针对轮询会场的摄像机偏转实时检测预警方法及模块 | |
CN101533466B (zh) | 一种眼睛定位图像处理方法 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN114627080B (zh) | 基于计算机视觉的车辆冲压配件缺陷检测方法 | |
CN106790898B (zh) | 一种基于显著性分析的手机屏幕坏点自动检测方法和系统 | |
CN112784835A (zh) | 圆形印章的真实性识别方法、装置、电子设备及存储介质 | |
CN107480678A (zh) | 一种棋盘识别方法和识别系统 | |
CN112052730B (zh) | 一种3d动态人像识别监控设备及方法 | |
CN112862744A (zh) | 一种基于超声图像的电容内部缺陷智能检测方法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN104966283A (zh) | 图像分层配准方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200609 |
|
RJ01 | Rejection of invention patent application after publication |