CN111583202A - 一种毛丝检测方法及装置 - Google Patents

一种毛丝检测方法及装置 Download PDF

Info

Publication number
CN111583202A
CN111583202A CN202010342175.6A CN202010342175A CN111583202A CN 111583202 A CN111583202 A CN 111583202A CN 202010342175 A CN202010342175 A CN 202010342175A CN 111583202 A CN111583202 A CN 111583202A
Authority
CN
China
Prior art keywords
image
filament
mask
candidate
detected
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
Application number
CN202010342175.6A
Other languages
English (en)
Other versions
CN111583202B (zh
Inventor
崔浩
黄虎
周璐
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.)
Zhejiang Huaray Technology Co Ltd
Original Assignee
Zhejiang Huaray Technology Co Ltd
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 Zhejiang Huaray Technology Co Ltd filed Critical Zhejiang Huaray Technology Co Ltd
Priority to CN202010342175.6A priority Critical patent/CN111583202B/zh
Publication of CN111583202A publication Critical patent/CN111583202A/zh
Application granted granted Critical
Publication of CN111583202B publication Critical patent/CN111583202B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及毛丝检测领域，公开了一种毛丝检测方法及装置，用于提高检测准确率，该方法包括：先从获取到的待检测图像中识别出丝锭部位，其中待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；再基于丝锭部位的轮廓，在待检测图像中确定掩膜区域，通过对掩膜区域包含的掩膜图像去噪识别，在掩膜图像中确定候选毛丝；最后将符合预设筛选规则的候选毛丝，确定为目标毛丝。在待检测图像中精准定位丝锭部位，有利于后续的毛丝检测处理；本发明实施例先对掩膜图像去噪，再从去噪后的图像中识别出候选毛丝，以确保能够准确识别出像素值较小的毛丝；最后再按照预设筛选规则再次筛选候选毛丝，提高毛丝检测准确率。

Description

一种毛丝检测方法及装置
技术领域
本发明涉及毛丝检测领域，特别涉及一种毛丝检测方法及装置。
背景技术
理想情况下，原丝的表面是光滑均匀的，但受到生产工艺或者后期运输等因素的影响，导致原丝起毛出现毛丝。当产品表面出现一定数目的毛丝时，会直接影响产品质量，以及降低工厂的生产效率。因此，工厂需要对生产的原丝进行毛丝检测。
通常，采用以下三种方式检测毛丝：
方式一，人工目测原丝上的毛丝；
方式二，使用摄像机采集置于黑色背景板前的原丝图像，通过固定阈值二值化和图像去噪方法，统计位于原丝外部的毛丝数量；
方式三，基于对应的检测孔和对应的红外接收器，实时监测原丝上的毛丝。
但是使用上述三种方式检测毛丝时，会产生下述问题：人工目测的方式费时费力，由于毛丝的尺寸不足1毫米，肉眼观察如此细小的物体时，还可能出现毛丝漏检、误检的情况；
采用方式二检测毛丝时，产品必须置于黑色背景板前，无法滤除实际应用中产品所处的复杂的干扰环境，抗干扰性差，容易造成毛丝误检，另外，基于固定阈值二值化对原丝图像进行分割处理时，会丢失图像中像素值较小的毛丝，造成毛丝漏检；
采用方式三检测毛丝时，受机械稳定性和样品差异影响较大，容易造成毛丝误检，另外，因检测孔数量有限，可能出现毛丝漏检的情况。
有鉴于此，需要设计一种新的毛丝检测方法，以克服上述缺陷。
发明内容：
本发明提供一种毛丝检测方法及装置，用于提高检测准确率。
第一方面，本发明实施例提供了一种毛丝检测方法，包括：
从获取到的待检测图像中识别出丝锭部位，所述待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；
基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域；
对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝；
将符合预设筛选规则的候选毛丝，确定为目标毛丝。
可选的，从获取到的待检测图像中识别出丝锭部位，包括：
将所述待检测图像输入预设的定位模型中，得到所述丝锭部位的位置信息；
基于所述位置信息，在所述待检测图像中标注定位检测框；
对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点；
基于所述角点，从所述待检测图像中识别出所述丝锭部位。
可选的，对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点，包括：
对所述定位检测框包含的图像进行图像切割处理，得到对应的初始丝锭部位的图像；
对所述初始丝锭部位的图像进行投影处理，确定所述丝锭部位的角点。
可选的，基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域，包括：
在所述待检测图像中，将丝锭部位的原始轮廓向外移动X个像素点，得到新的轮廓；
将所述原始轮廓与所述新的轮廓之间的区域，确定为所述掩膜区域。
可选的，对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝，包括：
采用预设的滤波器对所述掩膜图像去噪，得到去噪图像；
对所述去噪图像进行图像切割处理，得到包含所述候选毛丝的图像；
对所述包含候选毛丝的图像进行轮廓提取处理，从所述包含候选毛丝图像中识别出所述候选毛丝。
可选的，采用预设的滤波器对所述掩膜图像去噪，得到去噪图像，包括：
对所述掩膜图像进行傅里叶变换，生成对应的频谱图像；
采用所述滤波器将所述频谱图像中低于预设频谱阈值的像素点剔除，得到处理后的频谱图像；
对所述处理后的频谱图像进行傅里叶反变换，得到所述去噪图像。
可选的，预设筛选规则包括下列规则的部分或者全部：
所述候选毛丝的平均像素值不超过预设像素阈值；
所述候选毛丝与对应的丝锭部位的原始轮廓间的最短距离不超过预设距离阈值，且所述候选毛丝的高度超过预设高度阈值。
第二方面，本发明实施例还提供了一种毛丝检测装置，包括：
识别单元，用于从获取到的待检测图像中识别出丝锭部位，所述待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；
确定单元，用于基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域；
处理单元，用于对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝；
筛选单元，用于将符合预设筛选规则的候选毛丝，确定为目标毛丝。
可选的，从获取到的待检测图像中识别出丝锭部位，所述识别单元用于：
将所述待检测图像输入预设的定位模型中，得到所述丝锭部位的位置信息；
基于所述位置信息，在所述待检测图像中标注定位检测框；
对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点；
基于所述角点，从所述待检测图像中识别出所述丝锭部位。
可选的，对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点，所述识别单元用于：
对所述定位检测框包含的图像进行图像切割处理，得到对应的初始丝锭部位的图像；
对所述初始丝锭部位的图像进行投影处理，确定所述丝锭部位的角点。
可选的，基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域，所述确定单元用于：
在所述待检测图像中，将丝锭部位的原始轮廓向外移动X个像素点，得到新的轮廓；
将所述原始轮廓与所述新的轮廓之间的区域，确定为所述掩膜区域。
可选的，对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝，所述处理单元用于：
采用预设的滤波器对所述掩膜图像去噪，得到去噪图像；
对所述去噪图像进行图像切割处理，得到包含所述候选毛丝的图像；
对所述包含候选毛丝的图像进行轮廓提取处理，从所述包含候选毛丝图像中识别出所述候选毛丝。
可选的，采用预设的滤波器对所述掩膜图像去噪，得到去噪图像，所述处理单元用于：
对所述掩膜图像进行傅里叶变换，生成对应的频谱图像；
采用所述滤波器将所述频谱图像中低于预设频谱阈值的像素点剔除，得到处理后的频谱图像；
对所述处理后的频谱图像进行傅里叶反变换，得到所述去噪图像。
可选的，预设筛选规则包括下列规则的部分或者全部：
所述候选毛丝的平均像素值不超过预设像素阈值；
所述候选毛丝与对应的丝锭部位的原始轮廓间的最短距离不超过预设距离阈值，且所述候选毛丝的高度超过预设高度阈值。
第三方面，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述任一项毛丝检测方法。
第六方面，本发明实施例还提供了一种存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述任一项毛丝检测方法。
本发明实施例中，先从获取到的待检测图像中识别出丝锭部位，其中待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；再基于丝锭部位的轮廓，在待检测图像中确定掩膜区域，通过对掩膜区域包含的掩膜图像去噪识别，在掩膜图像中确定候选毛丝；最后将符合预设筛选规则的候选毛丝，确定为目标毛丝。在待检测图像中精准定位丝锭部位，有利于后续的毛丝检测处理；本发明实施例先对掩膜图像去噪，再从去噪后的图像中识别出候选毛丝，以确保能够准确识别出像素值较小的毛丝；最后再按照预设筛选规则再次筛选候选毛丝，提高毛丝检测准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明实施例的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种毛丝检测系统的架构示意图；
图2a为本发明实施例提供的丝锭正视图；
图2b为本发明实施例提供的丝锭侧视图；
图2c为本发明实施例提供的丝锭俯视图；
图3为本发明实施例提供的一种毛丝检测方法的流程示意图；
图4为本发明实施例提供的；
图5a为本发明实施例提供的基于竖直方向投影处理的直方图；
图5b为本发明实施例提供的基于水平方向投影处理的直方图；
图6为本发明实施例提供的掩膜区域示意图；
图7为本发明实施例中提供的毛丝检测装置的结构示意图；
图8为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了解决检测准确率低的问题，在本发明实施例中提供了一种新的解决方案。该方案为：先从获取到的待检测图像中识别出丝锭部位，其中待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；再基于丝锭部位的轮廓，在待检测图像中确定掩膜区域，通过对掩膜区域包含的掩膜图像去噪识别，在掩膜图像中确定候选毛丝；最后将符合预设筛选规则的候选毛丝，确定为目标毛丝。
下面结合附图对本发明优选的实施方式作出详细说明。
参阅图1所示，本发明实施例提供了一种毛丝检测系统，该系统中包括光学模块、相机模块，以及与相机模块连接的毛丝检测模块。
具体地，光学模块101是由多个灯源组成的无影灯箱，用于对丝锭进行打光。本发明实施例中，灯箱的每一个侧面内壁上至少要安装一盏灯源，且每盏灯源的发光方式均为面光源，这样可以增大发光面积，让光射向灯箱内的各个方向，保证灯箱内有足够的亮度，以免在拍摄丝锭时出现明显的阴影，影响后续对丝锭进行毛丝检测。其中，图2a～图2c分别示出了丝锭的正视图、侧视图和俯视图，本发明实施例的丝锭是缠绕了原丝的筒状物，具体包括顶部纸筒201、丝锭顶部202、丝体203、丝锭底部204和底部纸筒205五个丝锭部位。
相机模块102用于对置于光学模块101内的丝锭进行拍摄，得到包含至少一个丝锭部位的待检测图像，本发明实施例的相机模块102可以采用电荷耦合器件(charge coupleddevice camera，CCD)摄像头，或者其他能够采集图像的设备。相机模块102可以拍摄完整的丝锭，也可以分别拍摄丝锭的各个丝锭部位。从上述介绍可知，丝锭是具有筒状结构的物体，其表面均被原丝所覆盖，因此，相机模块102需要拍摄同一丝锭的不同面或者同一丝锭部位的不同面，得到多张包含同一丝锭或者同一丝锭部位的待检测图像。例如，照相机分别拍摄丝锭的正面、背面、左侧面和右侧面。
毛丝检测模块103用于对丝锭进行毛丝检测。在实际应用中，可以将毛丝检测模块103安装在控制中心，以便用户通过控制中心运行毛丝检测模块103，实现毛丝检测的功能。其中，所述控制中心可以是电脑端服务器、也可以是云端服务器。
参阅图3所示，本发明实施例提供了一种毛丝检测方法，具体过程如下：
S301：从获取到的待检测图像中识别出丝锭部位，待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位。
在执行步骤301之前，需要先训练定位模型。本发明实施例通过减少原Yolo-v3模型的卷积核个数，得到Yolo-v3简化模型；再采用大量的训练样本图像训练Yolo-v3简化模型；最终输出训练好的Yolo-v3简化模型，即本发明实施例的定位模型。相比于原Yolo-v3模型，本发明实施例的Yolo-v3简化模型在保证定位准确率的前提下，通过减少原Yolo-v3模型的卷积核个数的方式，降低了特征图的维度，进而降低了模型复杂度，缩短了模型前向运行时间，提高了模型的定位效率。
可选的，从获取到的待检测图像中识别出丝锭部位的过程如下：
A1：将待检测图像输入预设的定位模型中，得到丝锭部位的位置信息。
以待检测图像的左上角像素点为原点，在待检测图像中建立如图4所示的平面直角坐标系。定位模型对输入的待检测图像进行卷积运算，输出丝锭部位中多个像素点在待检测图像中的坐标。
A2：基于位置信息，在待检测图像中标注定位检测框。
根据丝锭部位中多个像素点的坐标，在待检测图像中标注如图4所示的定位检测框(x，y，w，h)，其中，(x，y)表征定位检测框左上角像素点的坐标，w表征定位检测框的宽度，h表征定位检测框的高度。
A3：对定位检测框进行特征提取处理，确定丝锭部位的角点。
本发明实施例中的角点表征丝锭部位的顶点，通过角点可以准确描绘出丝锭部位的轮廓，实现在待检测图像中对丝锭部位的精准定位，有利于后续的毛丝检测处理。可选的，确定丝锭部位的角点的过程如下：
B1：对定位检测框包含的图像进行图像切割处理，得到对应的初始丝锭部位的图像。
采用固定阈值二值化方法，在定位检测框包含的图像中区分背景和丝锭部位，将二值化处理后的图像确定为初始丝锭部位的图像。具体处理过程为，依次读取定位检测框包含的图像中的各个像素点，直至所有像素点均读取完毕为止，其中，每读取一个像素点，若该像素点的像素值超过预设像素值阈值T，表征该像素点归属于丝锭部位，将该像素点的像素值调整为255；否则，表征该像素点归属于背景，将该像素点的像素值调整为0。
B2：对初始丝锭部位的图像进行投影处理，确定所述丝锭部位的角点。
对初始丝锭部位的图像进行竖直方向投影处理和/或水平方向投影处理，以统计初始丝锭部位的图像中各列和/或各行的非零像素值的像素点数量，进而确定出丝锭部位的角点的坐标。
方式一：对初始丝锭部位的图像进行竖直方向投影处理。
首先，采用公式(1)，统计初始丝锭部位的图像中各列的非零像素值的像素点数量。为了直观展示各列的非零像素值的像素点数量，可以采用如图5a所示的直方图呈现数据。
noZero(ny)＝Project(Igrey(Re ct)) 公式(1)；
其中，Igrey(Re ct)表征初始丝锭部位的图像，Project表征投影运算，noZero(ny)表征第ny列非零像素值的像素点数量。
其次，采用公式(2)对noZero(ny)进行二次求导，若二次求导结果不为0，则将ny确定为角点的纵坐标。
Figure BDA0002468907400000091
其中，
Figure BDA0002468907400000092
表征对
Figure BDA0002468907400000093
进行二次求导。
最后，按行遍历初始丝锭部位的图像的像素点，若像素点的纵坐标与角点的纵坐标相同，则判定该像素点为角点，并将该像素点的坐标确定为角点的坐标。
方式二：对初始丝锭部位的图像进行水平方向投影处理。
首先，采用公式(3)，统计初始丝锭部位的图像中各列的非零像素值的像素点数量。为了直观展示各列的非零像素值的像素点数量，可以采用如图5b所示的直方图呈现数据。
noZero(nx)＝Project(Igrey(Re ct)) 公式(3)；
其中，Igrey(Re ct)表征初始丝锭部位的图像，Project表征投影运算，noZero(nx)表征第nx行非零像素值的像素点数量。
其次，采用公式(4)对noZero(nx)进行二次求导，若二次求导结果不为0，则将nx确定为角点的横坐标。
Figure BDA0002468907400000094
其中，
Figure BDA0002468907400000095
表征对noZero(nx)进行二次求导。
最后，按列遍历初始丝锭部位的图像的像素点，若像素点的横坐标与角点的横坐标相同，则判定该像素点为角点，并将该像素点的坐标确定为角点的坐标。
方式三：对初始丝锭部位的图像进行竖直方向投影处理和/或水平方向投影处理。
首先，采用公式(1)，统计初始丝锭部位的图像中各列的非零像素值的像素点数量；采用公式(3)，统计初始丝锭部位的图像中各列的非零像素值的像素点数量。
noZero(ny)＝Project(Igrey(Re ct)) 公式(1)；
noZero(nx)＝Project(Igrey(Re ct)) 公式(3)；
其中，Igrey(Re ct)表征初始丝锭部位的图像，Project表征投影运算，noZero(ny)表征第ny列非零像素值的像素点数量，noZero(nx)表征第nx行非零像素值的像素点数量。
其次，采用公式(2)对noZero(ny)进行二次求导，若二次求导结果不为0，则将ny确定为角点的纵坐标；采用公式(4)对noZero(nx)进行二次求导，若二次求导结果不为0，则将nx确定为角点的横坐标。
Figure BDA0002468907400000101
Figure BDA0002468907400000102
经过上述处理过程，确定出角点的横纵坐标。
A4：基于角点，从待检测图像中识别出丝锭部位。
在待检测图像中依次连接角点，描绘出丝锭部位的轮廓，实现丝锭部位的精准定位，有利于后续的毛丝检测处理。
S302：基于丝锭部位的轮廓，在待检测图像中确定掩膜区域。
丝锭部位缠绕了原丝，而原丝表面起毛出现毛丝，因此，毛丝出现的区域在丝锭部位的外部。本发明实施例中是根据丝锭部位的轮廓，在待检测图像中确定毛丝出现的区域，即掩膜区域。
可选的，在待检测图像中确定掩膜区域的过程如下：
首先，在待检测图像中，将丝锭部位的原始轮廓向外移动X个像素点，得到新的轮廓；
其次，将原始轮廓与新的轮廓之间的区域，确定为掩膜区域。其中，掩膜区域可参阅如图6所示的示意图。
S303：对掩膜区域包含的掩膜图像进行去噪识别处理，在掩膜图像中确定候选毛丝。
可选的，在掩膜图像中确定候选毛丝的过程如下：
首先，采用预设的滤波器对掩膜图像去噪，得到去噪图像。
在掩膜图像中候选毛丝的频谱高，噪声的频谱低，因此，本发明实施例采用带通滤波器消除掩膜图像中不重要的特征，保留大的可识别特征，有利于后续的识别候选毛丝操作。具体过程如下：
C1：采用公式(5)对掩膜图像进行傅里叶变换，生成对应的频谱图像。
Figure BDA0002468907400000111
其中，Imask(x,y)表征掩膜图像上的一个像素点(x，y)，F(u,v)表征对应的频谱图像，(u，v)表征在频谱图像上与Imask(x,y)对应的一个像素点(u，v)；M表征掩膜区域的宽，N表征掩膜区域的高。
C2：采用滤波器将频谱图像中低于预设频谱阈值的像素点剔除，得到处理后的频谱图像。
但是，在执行步骤C2之前，需要先基于公式(6)生成该带通滤波器。其中，H(u,v)表征本发明实施例采用的带通滤波器，HLBP0(u,v)表征第1个低通滤波器，HLBP1(u,v)表征第2个低通滤波器。
H(u,v)＝HLBP0(u,v)-HLBP1(u,v) 公式(6)；
具体地，第1个低通滤波器的展开式如公式(7)所示，第2个低通滤波器的展开式如公式(8)所示。其中，D0表征第1个低通滤波器的通带半径，D1表征第2个低通滤波器的通带半径，D(u,v)表征低通滤波器计算掩膜区域包含的图像中任意一个像素点的频谱幅值，与掩膜区域包含的图像的中心点之间的相对距离。
Figure BDA0002468907400000121
Figure BDA0002468907400000122
C3、对处理后的频谱图像进行傅里叶反变换，得到去噪图像。
其次，对去噪图像进行图像切割处理，得到包含候选毛丝的图像。
采用固定阈值二值化方法，在去噪图像中区分候选毛丝和背景，将二值化处理后的去噪图像确定为包含候选毛丝的图像。固定阈值二值化的处理过程前述已介绍，在此不再赘述。
最后，对包含候选毛丝的图像进行轮廓提取处理，从包含候选毛丝图像中识别出候选毛丝。
将包含候选毛丝的图像中非零像素值的像素点，判定为候选毛丝。
S304：将符合预设筛选规则的候选毛丝，确定为目标毛丝。
候选毛丝中除毛丝外，还可能包含飘丝、噪声等干扰对象，所以本发明实施例需要根据筛选规则再次筛选候选毛丝。
可选的，本发明实施例的预设筛选规则为：
规则一：候选毛丝的平均像素值不超过预设像素阈值。
候选毛丝由多个像素点组成，对多个像素点对应的像素值进行平均值计算，得到候选毛丝的平均像素值。毛丝的尺寸不足1毫米，而飘丝的尺寸远远大于毛丝，若候选毛丝的平均像素值不超过像素阈值，则判定该候选毛丝为目标毛丝；否则，判定该候选毛丝为飘丝。因此，使用规则一能够有效剔除飘丝这一干扰对象。
规则二：候选毛丝与对应的丝锭部位的原始轮廓间的最短距离不超过预设距离阈值，且候选毛丝的高度超过预设高度阈值。
待检测图像中的噪声通常距离丝锭部位较远，且噪声的尺寸通常为一个像素点的大小，不具备连续性，因此，使用规则二能够有效剔除噪声这一干扰对象。
规则三：候选毛丝的平均像素值不超过预设像素阈值，候选毛丝与对应的丝锭部位的原始轮廓间的最短距离不超过预设距离阈值，且候选毛丝的高度超过预设高度阈值。
进一步地，每读取一个待检测图像P，采用上述步骤301～304在待检测图像P中识别出毛丝，确定待检测图像P的毛丝数量和各个毛丝的长度；在所有待检测图像均读取完毕之后，统计丝锭的总毛丝数量和各个毛丝的长度；最后，基于预设的残次品鉴定规则，对丝锭进行残次品判定。其中，残次品鉴定规则可为，丝锭的总毛丝数量和/或不同长度的毛丝数量。
为了便于理解，列举两个具体实施例，对丝锭的毛丝检测过程进行说明。
实施例一的毛丝检测过程如下：
D1：将待检测的丝锭样品放置于无影灯箱内，使用多个摄像头同时拍摄五个丝锭部位，采集到多个待检测图像，其中，针同一丝锭部位对采用不同的拍摄角度进行拍摄，以便采集到同一丝锭部位的不同面的图像；
D2：将多个待检测图像发送至电脑端服务器，并在电脑端服务器中运行毛丝检测模块；
D3：毛丝检测模块读取一个待检测图像R；
D4：从待检测图像R中识别出丝锭部位；
D5：基于丝锭部位的轮廓，在待检测图像R中确定掩膜区域；
D6：对掩膜区域包含的掩膜图像进行去噪识别处理，在掩膜图像中确定候选毛丝；
D7：将符合预设筛选规则的候选毛丝，确定为目标毛丝；
D8：判断所有待检测图像是否均读取完毕，若是，执行步骤D9；否则，返回步骤D3；
D9：统计丝锭的总毛丝数量和各个毛丝的长度，基于预设的残次品鉴定规则，对丝锭进行残次品判定，并将判定结果返回给电脑端服务器；
D10：电脑端服务器呈现该判定结果。
实施例二的毛丝检测过程如下：
D1：将待检测的丝锭样品放置于无影灯箱内，采用不同的拍摄角度对整个丝锭进行拍摄，采集到多个待检测图像；
D2：将多个待检测图像发送至电脑端服务器，并在电脑端服务器中运行毛丝检测模块；
D3：毛丝检测模块读取一个待检测图像Q；
D4：从待检测图像Q中识别出多个丝锭部位；
D5：读取一个丝锭部位L；
D6：基于丝锭部位L的轮廓，在待检测图像Q中确定掩膜区域；
D7：对掩膜区域包含的掩膜图像进行去噪识别处理，在掩膜图像中确定候选毛丝；
D8：将符合预设筛选规则的候选毛丝，确定为目标毛丝；
D9：判断待检测图像Q中的所有丝锭部位是否均读取完毕，若是，执行步骤D10；否则，返回步骤D5；
D10：判断所有待检测图像是否均读取完毕，若是，执行步骤D11；否则，返回步骤D3；
D11：统计丝锭的总毛丝数量和各个毛丝的长度，基于预设的残次品鉴定规则，对丝锭进行残次品判定，并将判定结果返回给电脑端服务器；
D12：电脑端服务器呈现该判定结果。
基于同一发明构思，本发明实施例中，提供一种毛丝检测装置，参阅图7所示，至少包括识别单元701、确定单元702、处理单元703和筛选单元704，其中，
识别单元701，用于从获取到的待检测图像中识别出丝锭部位，所述待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；
确定单元702，用于基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域；
处理单元703，用于对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝；
筛选单元704，用于将符合预设筛选规则的候选毛丝，确定为目标毛丝。
可选的，从获取到的待检测图像中识别出丝锭部位，所述识别单元701用于：
将所述待检测图像输入预设的定位模型中，得到所述丝锭部位的位置信息；
基于所述位置信息，在所述待检测图像中标注定位检测框；
对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点；
基于所述角点，从所述待检测图像中识别出所述丝锭部位。
可选的，对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点，所述识别单元701用于：
对所述定位检测框包含的图像进行图像切割处理，得到对应的初始丝锭部位的图像；
对所述初始丝锭部位的图像进行投影处理，确定所述丝锭部位的角点。
可选的，基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域，所述确定单元702用于：
在所述待检测图像中，将丝锭部位的原始轮廓向外移动X个像素点，得到新的轮廓；
将所述原始轮廓与所述新的轮廓之间的区域，确定为所述掩膜区域。
可选的，对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝，所述处理单元703用于：
采用预设的滤波器对所述掩膜图像去噪，得到去噪图像；
对所述去噪图像进行图像切割处理，得到包含所述候选毛丝的图像；
对所述包含候选毛丝的图像进行轮廓提取处理，从所述包含候选毛丝图像中识别出所述候选毛丝。
可选的，采用预设的滤波器对所述掩膜图像去噪，得到去噪图像，所述处理单元703用于：
对所述掩膜图像进行傅里叶变换，生成对应的频谱图像；
采用所述滤波器将所述频谱图像中低于预设频谱阈值的像素点剔除，得到处理后的频谱图像；
对所述处理后的频谱图像进行傅里叶反变换，得到所述去噪图像。
可选的，预设筛选规则包括下列规则的部分或者全部：
所述候选毛丝的平均像素值不超过预设像素阈值；
所述候选毛丝与对应的丝锭部位的原始轮廓间的最短距离不超过预设距离阈值，且所述候选毛丝的高度超过预设高度阈值。
基于同一发明构思，本发明实施例中，提供一种计算设备，参阅图8所示，至少包括存储器801和至少一个处理器802，其中，存储器801和处理器802通过通信总线完成相互间的通信；
存储器801用于存储程序指令；
处理器802用于调用存储器801中存储的程序指令，按照获得的程序执行前述区块链隐私保护方法。
基于同一发明构思，本发明实施例中，提供一种存储介质，至少包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行前述区块链隐私保护方法。
综上所述，本发明实施例中，先从获取到的待检测图像中识别出丝锭部位，其中待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；再基于丝锭部位的轮廓，在待检测图像中确定掩膜区域，通过对掩膜区域包含的掩膜图像去噪识别，在掩膜图像中确定候选毛丝；最后将符合预设筛选规则的候选毛丝，确定为目标毛丝。
在本发明实施例中，不必将丝锭置于黑色背景板前，通过定位模型与提取角点相结合的方式，可以实现在待检测图像中精准定位丝锭部位，不仅提高了抗干扰性，还有利于后续的毛丝检测处理；本发明实施例先对掩膜图像去噪，得到去噪图像，再采用固定阈值二值化方法，在去噪图像中区分背景和候选毛丝，以确保能够准确识别出像素值较小的毛丝；最后再按照预设筛选规则再次筛选候选毛丝，以剔除飘丝、噪声等干扰对象，提高毛丝检测准确率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (16)

1.一种毛丝检测方法，其特征在于，包括：
从获取到的待检测图像中识别出丝锭部位，所述待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；
基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域；
对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝；
将符合预设筛选规则的候选毛丝，确定为目标毛丝。
2.如权利要求1所述的方法，其特征在于，从获取到的待检测图像中识别出丝锭部位，包括：
将所述待检测图像输入预设的定位模型中，得到所述丝锭部位的位置信息；
基于所述位置信息，在所述待检测图像中标注定位检测框；
对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点；
基于所述角点，从所述待检测图像中识别出所述丝锭部位。
3.如权利要求2所述的方法，其特征在于，对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点，包括：
对所述定位检测框包含的图像进行图像切割处理，得到对应的初始丝锭部位的图像；
对所述初始丝锭部位的图像进行投影处理，确定所述丝锭部位的角点。
4.如权利要求1所述的方法，其特征在于，基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域，包括：
在所述待检测图像中，将丝锭部位的原始轮廓向外移动X个像素点，得到新的轮廓；
将所述原始轮廓与所述新的轮廓之间的区域，确定为所述掩膜区域。
5.如权利要求1所述的方法，其特征在于，对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝，包括：
采用预设的滤波器对所述掩膜图像去噪，得到去噪图像；
对所述去噪图像进行图像切割处理，得到包含所述候选毛丝的图像；
对所述包含候选毛丝的图像进行轮廓提取处理，从所述包含候选毛丝图像中识别出所述候选毛丝。
6.如权利要求5所述的方法，其特征在于，采用预设的滤波器对所述掩膜图像去噪，得到去噪图像，包括：
对所述掩膜图像进行傅里叶变换，生成对应的频谱图像；
采用所述滤波器将所述频谱图像中低于预设频谱阈值的像素点剔除，得到处理后的频谱图像；
对所述处理后的频谱图像进行傅里叶反变换，得到所述去噪图像。
7.如权利要求1所述的方法，其特征在于，预设筛选规则包括下列规则的部分或者全部：
所述候选毛丝的平均像素值不超过预设像素阈值；
所述候选毛丝与对应的丝锭部位的原始轮廓间的最短距离不超过预设距离阈值，且所述候选毛丝的高度超过预设高度阈值。
8.一种毛丝检测装置，其特征在于，包括：
识别单元，用于从获取到的待检测图像中识别出丝锭部位，所述待检测图像中包含缠绕了原丝的丝锭的至少一个丝锭部位；
确定单元，用于基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域；
处理单元，用于对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝；
筛选单元，用于将符合预设筛选规则的候选毛丝，确定为目标毛丝。
9.如权利要求8所述的装置，其特征在于，从获取到的待检测图像中识别出丝锭部位，所述识别单元用于：
将所述待检测图像输入预设的定位模型中，得到所述丝锭部位的位置信息；
基于所述位置信息，在所述待检测图像中标注定位检测框；
对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点；
基于所述角点，从所述待检测图像中识别出所述丝锭部位。
10.如权利要求9所述的装置，其特征在于，对所述定位检测框进行特征提取处理，确定所述丝锭部位的角点，所述识别单元用于：
对所述定位检测框包含的图像进行图像切割处理，得到对应的初始丝锭部位的图像；
对所述初始丝锭部位的图像进行投影处理，确定所述丝锭部位的角点。
11.如权利要求8所述的装置，其特征在于，基于所述丝锭部位的轮廓，在所述待检测图像中确定掩膜区域，所述确定单元用于：
在所述待检测图像中，将丝锭部位的原始轮廓向外移动X个像素点，得到新的轮廓；
将所述原始轮廓与所述新的轮廓之间的区域，确定为所述掩膜区域。
12.如权利要求8所述的装置，其特征在于，对所述掩膜区域包含的掩膜图像进行去噪识别处理，在所述掩膜图像中确定候选毛丝，所述处理单元用于：
采用预设的滤波器对所述掩膜图像去噪，得到去噪图像；
对所述去噪图像进行图像切割处理，得到包含所述候选毛丝的图像；
对所述包含候选毛丝的图像进行轮廓提取处理，从所述包含候选毛丝图像中识别出所述候选毛丝。
13.如权利要求12所述的装置，其特征在于，采用预设的滤波器对所述掩膜图像去噪，得到去噪图像，所述处理单元用于：
对所述掩膜图像进行傅里叶变换，生成对应的频谱图像；
采用所述滤波器将所述频谱图像中低于预设频谱阈值的像素点剔除，得到处理后的频谱图像；
对所述处理后的频谱图像进行傅里叶反变换，得到所述去噪图像。
14.如权利要求8所述的装置，其特征在于，预设筛选规则包括下列规则的部分或者全部：
所述候选毛丝的平均像素值不超过预设像素阈值；
所述候选毛丝与对应的丝锭部位的原始轮廓间的最短距离不超过预设距离阈值，且所述候选毛丝的高度超过预设高度阈值。
15.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1-7任一项所述的方法。
16.一种存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1-7任一项所述的方法。
CN202010342175.6A 2020-04-27 2020-04-27 一种毛丝检测方法及装置 Active CN111583202B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010342175.6A CN111583202B (zh) 2020-04-27 2020-04-27 一种毛丝检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010342175.6A CN111583202B (zh) 2020-04-27 2020-04-27 一种毛丝检测方法及装置

Publications (2)

Publication Number Publication Date
CN111583202A true CN111583202A (zh) 2020-08-25
CN111583202B CN111583202B (zh) 2023-09-01

Family

ID=72112542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010342175.6A Active CN111583202B (zh) 2020-04-27 2020-04-27 一种毛丝检测方法及装置

Country Status (1)

Country Link
CN (1) CN111583202B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489014A (zh) * 2020-11-27 2021-03-12 广州高新兴机器人有限公司 一种基于视觉的化纤飘杂检测方法
CN113129305A (zh) * 2021-05-18 2021-07-16 浙江大华技术股份有限公司 丝锭状态的确定方法、装置、存储介质及电子装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002040383A2 (en) * 2000-10-25 2002-05-23 Linetech Industries, Inc. Method and apparatus for the automated inspection of yarn packages
US20120177611A1 (en) * 2010-07-15 2012-07-12 Blau Helen M Elastic substrates and methods of use in cell manipulation and culture
CN105603594A (zh) * 2015-11-09 2016-05-25 中原工学院 工业原丝毛丝检测装置及其检测方法
CN106408557A (zh) * 2016-06-30 2017-02-15 江汉大学 基于图像处理技术的粘胶长丝毛丝检测方法
CN106596584A (zh) * 2016-11-15 2017-04-26 江汉大学 一种粘胶长丝毛丝检测的方法和装置
CN206944944U (zh) * 2017-04-28 2018-01-30 上海温龙化纤有限公司 一种用于耐冲击型涤纶工业丝的毛丝检测装置
CN109454006A (zh) * 2018-10-08 2019-03-12 杭州慧知连科技有限公司 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法
CN109550712A (zh) * 2018-12-29 2019-04-02 杭州慧知连科技有限公司 一种化纤丝尾丝外观缺陷检测系统及方法
CN110570408A (zh) * 2019-09-04 2019-12-13 南京大学 一种对圆柱体外表面细微目标计数的系统和方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002040383A2 (en) * 2000-10-25 2002-05-23 Linetech Industries, Inc. Method and apparatus for the automated inspection of yarn packages
US20120177611A1 (en) * 2010-07-15 2012-07-12 Blau Helen M Elastic substrates and methods of use in cell manipulation and culture
CN105603594A (zh) * 2015-11-09 2016-05-25 中原工学院 工业原丝毛丝检测装置及其检测方法
CN106408557A (zh) * 2016-06-30 2017-02-15 江汉大学 基于图像处理技术的粘胶长丝毛丝检测方法
CN106596584A (zh) * 2016-11-15 2017-04-26 江汉大学 一种粘胶长丝毛丝检测的方法和装置
CN206944944U (zh) * 2017-04-28 2018-01-30 上海温龙化纤有限公司 一种用于耐冲击型涤纶工业丝的毛丝检测装置
CN109454006A (zh) * 2018-10-08 2019-03-12 杭州慧知连科技有限公司 化纤丝锭绊丝缺陷在线检测和分级的装置及其检测分级方法
CN109550712A (zh) * 2018-12-29 2019-04-02 杭州慧知连科技有限公司 一种化纤丝尾丝外观缺陷检测系统及方法
CN110570408A (zh) * 2019-09-04 2019-12-13 南京大学 一种对圆柱体外表面细微目标计数的系统和方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YA-LAN TAN 等: "Image processing technology in broken viscose filament automatic detection system" *
余恒炜 等: "图像处理技术在粘胶长丝毛丝自动检测系统中的应用" *
李新 等: "在线毛丝检测系统在PA66 FDY生产中的应用" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489014A (zh) * 2020-11-27 2021-03-12 广州高新兴机器人有限公司 一种基于视觉的化纤飘杂检测方法
CN113129305A (zh) * 2021-05-18 2021-07-16 浙江大华技术股份有限公司 丝锭状态的确定方法、装置、存储介质及电子装置

Also Published As

Publication number Publication date
CN111583202B (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
WO2022062812A1 (zh) 屏幕缺陷检测方法、装置和电子设备
CN111612781B (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
CN110445921A (zh) 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置
WO2021109697A1 (zh) 字符分割方法、装置以及计算机可读存储介质
CN112330598B (zh) 一种化纤表面僵丝缺陷检测的方法、装置及存储介质
CN111583202B (zh) 一种毛丝检测方法及装置
CN115205223B (zh) 透明物体的视觉检测方法、装置、计算机设备及介质
CN112291551A (zh) 一种基于图像处理的视频质量检测方法、存储设备及移动终端
CN110879131B (zh) 目视光学系统的成像质量测试方法、成像质量测试装置和电子设备
CN111047556A (zh) 一种带钢表面缺陷检测方法及装置
CN104749801B (zh) 高精度自动光学检测方法和系统
CN108107611B (zh) 一种自适应缺陷检测方法、装置及电子设备
CN111724383A (zh) 基于转盘的摄像头模组黑斑检测系统
JP6197340B2 (ja) 画像処理装置、画像処理方法、およびプログラム
CN113781396A (zh) 屏幕缺陷检测方法、装置、设备和存储介质
WO2021205219A1 (en) Matching method and apparatus, electronic device, computer-readable storage medium, and computer program
KR102470422B1 (ko) 합성곱 신경망 특징맵 기반 봉제 스티치 불량 자동 검출 방법 및 시스템
CN109086643B (zh) 一种基于机器视觉的彩盒标签检测方法及系统
CN113065454B (zh) 一种高空抛物目标识别比较的方法及装置
CN116934746B (zh) 划伤缺陷检测方法、系统、设备及其介质
CN114723650A (zh) 晶圆缺陷检测方法和装置、设备及存储介质
CN111563869B (zh) 用于摄像模组质检的污点测试方法
CN113128499B (zh) 视觉成像设备的震动测试方法、计算机设备及存储介质
CN115578340A (zh) 一种oled显示屏玻璃背板破损检测的方法及系统
CN112489015A (zh) 一种用于移动机器人的化纤飘杂识别方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang Huarui Technology Co.,Ltd.

Address before: C10, No. 1199 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG HUARAY TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant