CN111738247A - 极性标识的识别方法、识别装置、电子设备及存储介质 - Google Patents
极性标识的识别方法、识别装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111738247A CN111738247A CN202010413961.0A CN202010413961A CN111738247A CN 111738247 A CN111738247 A CN 111738247A CN 202010413961 A CN202010413961 A CN 202010413961A CN 111738247 A CN111738247 A CN 111738247A
- Authority
- CN
- China
- Prior art keywords
- image
- polarity
- template
- identifier
- obtaining
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Abstract
本发明公开了一种极性标识的识别方法、识别装置、电子设备及存储介质,该极性标识的识别方法包括:获取第二区域框,第二区域框为目标极性标识的限定框;根据第二区域框和预设图像得到待匹配图像,预设图像包括目标元件的图像和目标极性标识的限定图像,待匹配图像包括目标极性标识的限定图像;基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像;基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果。本发明识别方法不需要人工对极性标识进行检测,提高了检测效率和正确率,减少了人工干预,避免了人工检测过程容易出现的问题,同时还可以节省时间。
Description
技术领域
本发明属于印制电路板技术领域,具体涉及一种极性标识的识别方法、识别装置、电子设备及存储介质。
背景技术
随着电子产品的发展,PCB(印制电路板,Printed Circuit Board)的可制造性审查分析成为电子企业保证产品品质的重要选择。PCB的丝印层上的极性标识(polarity)是用于识别元件安装方向的一个重要设计,没有极性标识会导致元件无法安装或安装错误,从而会影响产品品质,因此如何检查元件是否具有极性标识以及极性标识的位置成为PCB可制造性分析的必要步骤。
目前,电子行业中针对元件是否具有极性标识以及极性标识的位置的检测方法都是通过人工进行检查。
但是人工检测过程中容易出现以下问题:人工检测过程中会依赖工作人员经验来判断,同时也会受工作人员的主观因素影响,因此会使元件安装出错率增加;人工检测较为耗时,增大项目周期;部分极性标识可能存在干扰,使得人工不易判别;若是出现人工检测错误,则需要进行返工,将会消耗更多的时间,以上问题的出现,将会大大影响产品的性能,进而使产品的合格率降低而影响企业效益和信誉。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种极性标识的识别方法、识别装置、电子设备及存储介质。本发明要解决的技术问题通过以下技术方案实现:
一种极性标识的识别方法,包括:
获取第二区域框,第二区域框为目标极性标识的限定框;
根据第二区域框和预设图像得到待匹配图像,预设图像包括目标元件的图像和目标极性标识的限定图像,待匹配图像包括目标极性标识的限定图像;
基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像;
基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果。
在本发明的一个实施例中,获取第二区域框,包括:
获取第一区域框,并根据第一区域框得到第二区域框,即为模板极性标识的限定框。
在本发明的一个实施例中,获取第一区域框,并根据第一区域框得到第二区域框,包括:
根据模板元件的中心点的位置和模板极性标识的最大值位置和最小值位置得到第一区域框;
根据目标元件相对于模板元件的旋转角度得到旋转矩阵;
根据第一区域框、旋转矩阵和第一补偿值得到第二区域框。
在本发明的一个实施例中,根据第二区域框和预设图像得到待匹配图像,包括:
获取第三区域框,并根据第三区域框中的矢量数据得到预设图像,第三区域框为目标元件和目标极性标识的限定框;
参照第二区域框裁剪预设图像得到待匹配图像。
在本发明的一个实施例中,获取第三区域框,并根据第三区域框中的矢量数据得到预设图像,包括:
根据模板极性标识与模板元件的中心点的最远距离、第二补偿值得到第三区域框;
根据R树中查询出的第三区域框中的矢量数据得到预设图像。
在本发明的一个实施例中,基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像,包括:
按照预设方向在待匹配图像上移动预设像素,同时每移动一次便从待匹配图像上截取与模板极性标识的旋转图像的尺寸相同的第一匹配图像;
对第一匹配图像和模板极性标识的旋转图像进行像素相似度处理得到像素相似度值;
根据像素相似度值与第一阈值的关系得到至少一个第三匹配图像;
从至少一个第三匹配图像中选择像素相似度值最大的第三匹配图像作为第二匹配图像,并根据移动次数得到第二匹配图像的像素坐标。
在本发明的一个实施例中,基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果,包括:
对第二匹配图像和模板极性标识的旋转图像进行图形特征不变矩对比处理得到特征相似度值;
根据特征相似度值与第二阈值的关系得到第一识别结果。
在本发明的一个实施例中,在根据特征相似度值与第二阈值的关系得到第一识别结果之后,还包括:
将第一条件、第二条件与第三条件、第四条件进行对比,判断第一识别结果是否满足预设条件,若第一识别结果满足预设条件,则将满足预设条件的第一识别结果作为所识别的目标极性标识,若第一识别结果不满足预设条件,则说明该第一识别结果不是所要识别的目标极性标识,其中,第一条件为第四匹配图像中的极性标识和目标元件的中心点的相对位置,第二条件为第四匹配图像中的极性标识和目标元件的中心点的最远距离,第三条件为模板极性标识和模板元件的中心点的相对位置,第四条件为模板极性标识与模板元件的中心点的最远距离。
在本发明的一个实施例中,在将第一条件、第二条件与第三条件、第四条件进行对比之后,还包括:
若目标极性标识未被识别,则将该目标极性标识作为模板并添加到模板库中。
本发明的一个实施例还提供一种极性标识的识别装置,包括:
区域框获取模块,用于获取第二区域框,第二区域框为目标极性标识的限定框;
待匹配图像处理模块,用于根据第二区域框和预设图像得到待匹配图像,预设图像包括目标元件的图像和目标极性标识的限定图像,待匹配图像包括目标极性标识的限定图像;
像素相似度处理模块,用于基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像;
不变矩对比处理模块,用于基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果。
本发明的一个实施例还提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时,实现上述任一项实施例所述的极性标识的识别方法步骤。
本发明的一个实施例还提供一种存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项实施例所述的极性标识的识别方法步骤。
本发明的有益效果:
本发明极性标识识别的过程不需要人工对极性标识进行检测,提高了检测效率和正确率,减少了人工干预,避免了人工检测过程容易出现的问题,同时还可以节省时间。此外,本发明通过像素相似度处理方法和图形特征不变矩对比处理手段,减少了无关像素的匹配处理,有效提高了极性标识识别的准确性,识别准确率可达80%以上。
本发明技术方案可以快速完成极性标识的识别,操作简单,识别效率高,提高了元件安装的工作效率,缩短了PCB可制造性的工作周期。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种极性标识的识别方法的流程示意图;
图2是本发明实施例提供的另一种极性标识的识别方法的流程示意图;
图3是本发明实施例提供的一种所截取部分的丝印数据图像的示意图;
图4是本发明实施例提供的一种模板图像的示意图;
图5是本发明实施例提供的一种丝印层图像的示意图;
图6是本发明实施例提供的另一种丝印层图像的示意图;
图7是本发明实施例提供的一种模板极性标识的图像的示意图;
图8是本发明实施例提供的一种模板极性标识的旋转图像的示意图;
图9是本发明实施例提供的一种极性标识的识别装置的结构示意图;
图10是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1和图2理解本实施例的技术方案。本发明实施例提供了一种极性标识的识别方法,具体可以包括:
步骤1、获取第二区域框,第二区域框为目标极性标识的限定框;
步骤2、根据第二区域框和预设图像得到待匹配图像,预设图像包括目标元件的图像和目标极性标识的限定图像,待匹配图像包括目标极性标识的限定图像;
步骤3、基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像;
步骤4、基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果。
在本实施例中,可以预先建立一模板库,模板库中存储有模板元件及该模板元件对应的极性标识(即模板极性标识),模板元件用于与需要识别其极性标识的元件(即目标元件)进行匹配,目标元件对应的极性标识即为目标极性标识。目标极性标识的限定图像为根据第二区域框在预设图像所限定的目标极性标识可能出现的区域对应的图像,模板极性标识的旋转图像为根据目标元件相对于模板元件的旋转角度对模板极性标识的原始图像按照旋转角度进行旋转之后的图像,例如模板元件的角度为90°,目标元件相对于模板元件的角度为0°,则旋转角度为90°,因此需要将模板极性标识的原始图像旋转90°从而可以得到模板极性标识的旋转图像。需要说明的是,模板元件的模板极性标识是用于识别与模板元件的封装名相同的目标元件的极性标识。
具体地,本实施例的第二区域框为目标极性标识的限定框,目标极性标识可能出现在第二区域框限定的区域内,本实施例利用第二区域框将需要识别的目标极性标识限定在内,即第二区域框所限定的区域可能能够包括目标极性标识,以便于通过第二区域框的限定确定需要识别的区域。本实施例的预设图像包括有目标元件的图像和目标极性标识的限定图像,则因为第二区域框所限定的区域可能包括目标极性标识,因此通过第二区域框所限定的区域便可以从预设图像上截取可能包含有目标极性标识的限定图像,即可以得到待匹配图像。在得到待匹配图像之后,便可以利用模板极性标识的旋转图像和待匹配图像进行像素相似度处理,这样便可以确定模板极性标识的旋转图像和待匹配图像的像素相似度,实际情况中,为了能够使待匹配图像可以包含目标极性标识对应的图像,保证识别的正确性,因此一般会使待匹配图像的尺寸大于目标极性标识对应的图像的尺寸,且待匹配图像的尺寸一般会大于模板极性标识的旋转图像的尺寸,因此在进行像素相似度处理时,可以每次从待匹配图像上截取与模板极性标识的旋转图像尺寸相同的图像进行匹配,由此便可以得到若干个结果,本实施例便从这些结果中选取相似度最高的结果作为第二匹配图像,又因为在本实施例中所得到的待匹配图像中可能存在多个与模板极性标识按照旋转角度旋转之后相同的极性标识,因此可能得到多个第二匹配图像,因此本实施例还需要对所得到的第二匹配图像和模板极性标识的旋转图像进行图形特征不变矩对比处理,从而得到第一识别结果,最后所得到的目标极性标识应该相对于按照旋转角度旋转后的模板极性标识具有平移、灰度、尺度、旋转不变性,则说明最终所得到的目标极性标识与旋转后的模板极性标识越相似,若没有识别到与旋转后的模板极性标识较为相似的目标极性标识,则说明该目标元件不存在目标极性标识或者该目标元件与模板元件的模板极性标识的设置方式不同。
本发明的第二区域框限定了目标极性标识所在的区域,预设图像包括有目标元件的图像和目标极性标识的限定图像,因此可以根据第二区域框和预设图像得到可能包括有目标极性标识的待匹配图像,并利用像素相似度处理方法对模板极性标识的旋转图像和待匹配图像进行像素相似度的计算处理,并根据处理结果得到第二匹配图像,之后还利用图形特征不变矩对比处理第二匹配图像和模板极性标识的旋转图像得到第一识别结果,这个过程不需要人工对极性标识进行检测,提高了转换效率和正确率,减少了人工干预,避免了人工检测过程容易出现的问题,同时还可以节省时间。
为了能够更快速、准确的得到第二区域框,本实施例还具体提供一种第二区域框的获取方法,即步骤1可以具体包括:
步骤1.1、获取第一区域框,并根据第一区域框得到第二区域框,第一区域框为模板极性标识的限定框。
在本实施例中,第一区域框为模板极性标识的限定框,即第一区域框包括模板极性标识的图像,以便于通过第一区域框的限定确定模板极性标识所在的区域,因为模板库中作为模板元件的模板数据是已知的,且模板极性标识相对于模板元件的中心点的位置及模板极性标识的尺寸和形状均是已知的,因此所确定的包括有模板极性标识的第一区域框可以根据实际情况进行设定,第一区域框的尺寸和形状也是已知的,而目标元件的形状和大小与模板元件均相同,只是目标元件的角度Angle和模板元件的角度TAngle可能存在不同,因为在大多数情况下封装名相同的元件,其极性标识放置的位置偏差会较小,因此在第一区域框的尺寸和位置确定的情况下,可以根据第一区域框与模板元件的位置关系估算得到目标元件对应的第二区域框。
进一步地,为了更清楚的说明步骤1.1的实现方法,步骤1.1可以具体包括步骤1.11-1.13,其中:
步骤1.11,根据模板元件的中心点的位置和模板极性标识的最大值位置和最小值位置得到第一区域框。
模板数据可以具体包括模板极性标识的图像矢量数据、模板极性标识的最大值和最小值位置、模板极性标识与模板元件的中心点的相对位置和最远距离d、角度TAngle、第一区域框。其中,模板极性标识的最大值位置为模板极性标识以原点为基准的所有点坐标中的最大x和y坐标,模板极性标识的最小值位置为模板极性标识以原点为基准的所有点坐标中的最小x和y坐标,角度TAngle为模板元件的角度,角度TAngle可以根据模板元件的形状进行设定,只要其符合统一的标准即可,模板极性标识到模板元件中心的最远距离d为模板极性标识所有位置中距离模板元件的中心点距离最远的位置。例如,请参见图3和图4,模板元件设定为元件D10,模板元件的角度TAngle为90o,其中第一区域框为图4中的Rect1,第一区域框为图4中的模板极性标识polarity相对于模板元件的中心点(PartX,PartY)的相对位置区域,模板元件的中心点(PartX,PartY)相对于原点的位置坐标为[63.530,76.268],模板极性标识的最小值位置相对于原点的位置坐标为[58.42,82.743],模板极性标识的最大值位置相对于原点的位置坐标为[57.139,83.383],模板极性标识到模板元件中心的最远距离d为7.6。
另外,需要识别的目标极性标识对应的目标元件数据也已知,包括目标元件的元件名、目标元件的中心点的位置坐标、角度Angle和封装名,例如图3中的元件名为D22的目标元件,D22的中心点相对于原点的位置坐标为[94.165,77.5],角度Angle为0°,封装名为CSOP20,又例如图3中的元件名为D35的目标元件,D35的中心点相对于原点的位置坐标为[63.53,90.492],角度Angle为90°,封装名为CSOP20。
因此,可以将模板极性标识的最大值和最小值位置分别与模板元件的中心点位置坐标做差便可以得到第一区域框相对于模板元件的中心点位置的坐标,这两个位置坐标可以作为一个方形框中处于对角线两端的位置,因此在确定了这两个位置坐标之后,便可以得到包括有模板极性标识的方形框,即第一区域框,例如,对于模板元件D10而言,D10的中心点相对于原点的位置坐标为[63.530,76.268],D10对应的模板极性标识的最小值位置相对于原点的位置坐标为[58.42,82.743],D10对应的模板极性标识的最大值位置相对于原点的位置坐标为[57.139,83.383],因此将D10对应的模板极性标识的最小值位置相对于原点的位置坐标与D10的中心点相对于原点的位置坐标和做差可以得到第一区域框处于一对角线上的一端的位置坐标,即x1=58.42-63.530=-5.11,y1=82.743-76.268=6.475,将D10对应的模板极性标识的最大值位置相对于原点的位置坐标与D10的中心点相对于原点的位置坐标和做差可以得到第一区域框处于同一对角线上的另一端的位置坐标,即x2=57.139-63.530=-6.391,y2=83.383-76.268=7.115,则D10的模板极性标识所在的第一区域框为[-5.11,6.475,-6.391,7.115](格式为[x1,y1,x2,y2])。另外,为了确保第一区域框能够包括有整个模板极性标识,因此可以按照第三补偿值对得到的处于同一对角线上的两个端点的位置坐标进行补偿,例如将第三补偿值设定为0.5,则在得到x1后,可以在x1上加上第三补偿值,即x1’=58.42-63.530+0.5=-4.61,则在得到y2后,可以在y2上加上第三补偿值,即y2’=83.383-76.268+0.5=7.615,则第一区域框为[-4.61,6.475,-6.391,7.615],为了方便计算,对所得到的值可以按照四舍五入进行修正,则修正后的第一区域框为[-4.6,6.5,-6.4,7.6]。另外,需要说明的是,本实施例不对是否加第三补偿值或者第三补偿值的大小进行限定,只要保证所得到的第一区域框能够包括有模板极性标识即可,但为了后续计算的准确性,第一区域框也不宜过大,本领域技术人员可以根据实际情况进行选择。
步骤1.12,根据目标元件相对于模板元件的旋转角度得到旋转矩阵。
在本实施例中,模板元件的角度TAngle和目标元件的角度Angle均已知,则目标元件相对于模板元件的旋转角度为模板元件的角度Tangle与目标元件的角度Angle的差值,即Rotate Angle=TAngle-Angle,其中,Rotate Angle为旋转角度,例如模板元件D10的角度Tangle为90°,目标元件D22的角度Angle为0°,则目标元件D22相对于模板元件D10的旋转角度为90°,又例如模板元件D10的角度Tangle为90°,目标元件D35的角度Angle为90°,则目标元件D35相对于模板元件D10的旋转角度为0°。
另外,在旋转角度确定的情况下,便可以得到旋转矩阵,其中,旋转矩阵为:
步骤1.13,根据第一区域框、旋转矩阵和第一补偿值得到第二区域框。
在本实施例中,第一区域框例如为[x1,y1,x2,y2],则x3=x1×cosθ-y1×sinθ,y3=x1×sinθ+y1×cosθ,x4=x2×cosθ-y2×sinθ,y4=x2×sinθ+y2×cosθ,则根据第一区域框和旋转矩阵可以得到一区域框,由于每个极性标识相对于元件的中心点的相对位置并不一定完全一致,为了避免不同图像间的误差,因此需要对根据第一区域框和旋转矩阵所得到的区域框进行补偿,具体可以根据第一补偿值对该区域框进行补偿,以使所得到的第二区域框得到扩大,例如[x3,y3]为距离目标元件的中心点较近的点,则可以通过第一补偿值使得补偿后的坐标距离目标元件的中心点的距离更近,[x4,y4]为距离目标元件的中心点较远的点,则可以通过第一补偿值使得补偿后的坐标距离目标元件的中心点的距离更远,从而使得第二区域框得到扩大,以使第二区域框能够包括有目标极性标识。例如,第一区域框为[-5.11,6.475,-6.391,7.115],目标元件为D22,θ为90°,第一补偿值为2,x1=-5.11,y1=6.475,x2=-6.391,y2=7.115,则x5=x3+2=-5.11×cosθ-6.475×sinθ=-4.475,y5=y3+2=-5.11×sinθ+6.475×cosθ+2=-3.11,x6=x4-2=-6.391×cosθ-7.115×sinθ-2=-9.115,y6=-6.391×sinθ+7.115×cosθ-2=-8.391,因此第二区域框[x5,y5,x6,y6]为[-4.475,-3.11,-9.115,-8.391],经过四舍五入后可得到的第二区域框[x5,y5,x6,y6]为[-4,-3,-9,-8],请参见图5,目标元件D22的第二区域框即为图5中的Rect2。同理的,当目标元件为D35,θ为0°,第一补偿值为2,则可得第二区域框为[-3,4,-8,9],请参见图6,目标元件D35的第二区域框即为图6中的Rect2,其中[x5,y5]和[x6,y6]分别为第二区域框同一对角线上两端的坐标位置。
为了能够更快速、准确的得到待匹配图像,因此本实施例还具体提供一种待匹配图像的获取方法,即步骤2可以具体包括步骤2.1-步骤2.2,其中:
步骤2.1、获取第三区域框,并根据第三区域框中的矢量数据得到预设图像,第三区域框为目标元件和目标极性标识的限定框。
在本实施例中,第三区域框为目标元件和目标极性标识的限定框,为了得到预设图像,首先需要确定能够包括目标元件和目标极性标识的第三区域框,以便于通过第三区域框的限定确定目标元件和能够与模板极性标识匹配的目标极性标识的区域,在第三区域框限定的区域确定的情况下,其第三区域框中的矢量数据便可确定,该矢量数据为丝印层的矢量数据,因此便可以根据第三区域框中的矢量数据直接得到预设图像。
步骤2.2、参照第二区域框裁剪预设图像得到待匹配图像。
在本实施例中,在预设图像和第二区域框确定的情况下,便可以直接以第二区域框所在的区域裁剪预设图像以得到待匹配图像,例如,请参见图5,图5中的Crop Img即为目标元件D22的待匹配图像,又例如,请参见图6,图6中的Crop Img即为目标元件D35的待匹配图像。本实施例为了便于后续的像素相似度处理,还需要对用于识别的图像进行二值化处理,首先需要对待匹配图像和模板极性标识的旋转图像进行二值化处理,且阈值为0和1,即灰度值只有0和1,0为黑色,1为白色。
进一步地,为了更清楚的说明步骤2.1的实现方法,步骤2.1可以具体包括步骤2.11-2.12,其中:
步骤2.11、根据模板极性标识与模板元件的中心点的最远距离、第二补偿值得到第三区域框。
模板极性标识与模板元件的中心点的最远距离即为模板极性标识上距离模板元件的中心点距离最远的位置,例如图4中的d,为了所得到第三区域框能够将目标元件和目标极性标识限定在第三区域框内,在模板极性标识与模板元件的中心点的最远距离的基础上又添加了第二补偿值,所以本实施例将模板极性标识与模板元件的中心点的最远距离加上第二补偿值设为长度,并以当前目标元件的中心点为基准,得到第三区域框,例如该第三区域框为方形范围框,则该方形范围框的边长为模板极性标识与模板元件的中心点的最远距离与第二补偿值之和的二倍,例如请参见图6,图6提供了目标元件D35的第三区域框,即Rect3,第二补偿值例如可以为2,另外需要说明的是,本实施例不对第二补偿值的具体数值进行限定,其可以根据本领域技术人员的具体需求进行设定,只要第二补偿值满足大于等于0即可。
步骤2.12、根据R树中查询出的第三区域框中的矢量数据得到预设图像。
本实施例为了提高匹配速率和效率、便于数据的提取以及减少所要处理的数据量,会先将丝印层的矢量数据插入R树中,丝印层的矢量数据包括电路板丝印层所有线段、圆弧等的矢量数据,R树是用来做空间数据存储的树状数据结构,可以直接从R树中查询某区域的矢量数据,并根据所查询的矢量数据画出该区域的图像,因此在确定了第三区域框时,通过R树可以查询出第三区域框涉及的所有矢量数据,并画出对应的预设图像,例如,请参见图5,目标元件D22的预设图像为图5中的Img,又例如,请参见图6,目标元件D35的预设图像为图6中的Img。
为了能够更准确的得到识别结果,本实施例还具体提供一种第二匹配图像的获取方法,即步骤3具体可以包括步骤3.1-3.4,其中:
步骤3.1、按照预设方向在待匹配图像上移动预设像素,同时每移动一次便从待匹配图像上截取与模板极性标识的旋转图像的尺寸相同的第一匹配图像。
在本实施例中,模板极性标识的图像是通过在R树中查询出的第一区域框中的矢量数据得到的,例如请参见图7,图7为图3中模板元件D10对应的模板极性标识的图像,在得到模板极性标识的图像之后,便可以将模板极性标识的图像按照旋转角度进行旋转得到模板极性标识的旋转图像,例如请参见图8,图8为图3中模板元件D10对应的模板极性标识的旋转图像。通常的,所得到的待匹配图像的尺寸会大于模板极性标识的旋转图像的尺寸,因此在待匹配图像比模板极性标识的旋转图像大时,则需要按照预设方向在待匹配图像上移动预设像素,每一次移动之后便需要从待匹配图像上截取与模板极性标识的旋转图像的尺寸相同的第一匹配图像,以便于将第一匹配图像与模板极性标识的旋转图像进行像素相似度处理,本实施例不对预设方向和预设像素的尺寸做具体限定,本领域技术人员可以根据实际需求进行设定,例如预设方向为先从待匹配图像的左上角开始每次向下或者向右移动预设像素,又例如预设方向为先从待匹配图像的左下角开始每次向上或者向右移动预设像素,预设像素例如为1个像素。
步骤3.2、对第一匹配图像和模板极性标识的旋转图像进行像素相似度处理得到像素相似度值。
在利用像素相似度比较公式对第一匹配图像和模板极性标识的旋转图像进行像素相似度处理前,第一匹配图像和模板极性标识的旋转图像均预先进行了二值化处理,因此第一匹配图像和模板极性标识的旋转图像的像素值只有0和1两种情况,像素相似度比较公式为:
其中,分母为模板极性标识的旋转图像的像素和,分子为模板极性标识的旋转图像和第一匹配图像对应坐标的像素乘积,R(x,y)为模板极性标识的旋转图像和第一匹配图像的像素相似度值,(x’,y’)为模板极性标识的旋转图像的像素坐标,(x,y)为待匹配图像的像素坐标。
步骤3.3、根据像素相似度值的大小及像素相似度值与第一阈值的关系得到至少一个第三匹配图像。
在本实施例中,可以预先设定第一阈值,该第一阈值可以用于判断步骤3.2所得到的像素相似度值是否满足要求,若是,则其所对应的第一匹配图像可能为目标元件的目标极性标识的图像,该第一匹配图像可能为多个,因此本实施例将满足第一阈值的第一匹配图像作为第三匹配图像。
在本实施例中,若模板极性标识的旋转图像和第一匹配图像完全一样,则分子等于分母,即R(x,y)等于1,且R(x,y)最大为1,最小为0,R(x,y)越大越相似,因此当R(x,y)的值为1时可以对应确定其坐标位置。例如,模板极性标识的旋转图像用3*3矩阵表示、待匹配图像用5*5矩阵表示,其中,模板极性标识的旋转图像的3*3矩阵为:
待匹配图像的5*5矩阵为:
如上所示,当x=2,y=2时,按照模板极性标识的旋转图像尺寸截取待匹配图像以得到第一匹配图像,截取出来的第一匹配图像也可以用3*3矩阵表示,按上述公式可以计算得到分子等于1*1+1*1+1*1+1*1+1*1=5,分母等于1+1+1+1+1=5,则R(x,y)等于5/5=1,此时第一匹配图像和模板极性标识的旋转图像最相似,且位置坐标为(2,2)。
因此,为了保证识别结果的准确性,可以将第一阈值设定为0.5~1,则像素相似度值满足0.5~1的第一匹配图像便可以作为第三匹配图像。
步骤3.4、从至少一个第三匹配图像中选择像素相似度值最大的第三匹配图像作为第二匹配图像,并根据移动次数得到第二匹配图像的像素坐标。
在得到所有第三匹配图像后,便可以从中选择像素相似度值最大的第三匹配图像作为第二匹配图像,当该第二匹配图像确定时,便可以根据该第二匹配图像按照预设方向所移动的移动次数确定第二匹配图像的像素坐标,该像素坐标为第二匹配图像中第一个像素的坐标,即处于左上角位置的像素的坐标。
为了能够进一步提高识别的准确率,在进行像素相似度处理之后还需进行图形特征不变矩对比处理,即步骤4可以具体包括步骤4.1-步骤4.2,其中:
步骤4.1、对第二匹配图像和模板极性标识的旋转图像进行图形特征不变矩对比处理得到特征相似度值。
在本实施例中,为了确定最终所得到的目标极性标识的准确性,因此还需对第二匹配图像和模板极性标识的旋转图像进行图形特征不变矩对比处理,其中,图形特征不变矩又称为几何不变矩或者Hu矩,具有平移、灰度、尺度、旋转等特性的不变性,对第二匹配图像和模板极性标识的旋转图像进行图形特征不变矩对比处理之后所得到的为特征相似度值。
步骤4.2、根据特征相似度值与第二阈值的关系得到第一识别结果。
由于第二匹配图像和模板极性标识的旋转图像的尺寸相同,若第二匹配图像相对于模板极性标识的旋转图像具有平移、灰度、尺度、旋转不变性,则第二匹配图像中的极性标识与模板极性标识的旋转图像中的模板极性标识越相似,则对比处理结果即特征相似度值越小,因此本实施例预先设定第二阈值,用于判断步骤4.1所得到的特征相似度值是否满足要求,若满足,则说明该第二匹配图像中的极性标识可能是目标极性标识,该第二匹配图像可能为多个,若不满足,则说明第二匹配图像中的极性标识不是目标极性标识。进一步地,为了保证识别结果的准确性,可以将第二阈值设定为0~0.5,特征相似度值越接近0说明相似度越高。
另外,上述待匹配图像中可能包括有两个及两个以上尺寸、形状、方向均相同的极性标识,因此步骤4所得到的第一识别结果可能包括有两个及两个以上极性标识,因此为了从多个极性标识最终准确确定目标元件的目标极性标识,因此还需要执行步骤5,其中:
步骤5、将第一条件、第二条件与第三条件、第四条件进行对比,判断第一识别结果是否满足预设条件,若满足,则将第一识别结果作为所要识别的目标极性标识,若不满足,则说明该第一识别结果不是所要识别的目标极性标识,其中,第一条件为第四匹配图像中的极性标识和目标元件的中心点的相对位置,第二条件为第四匹配图像中的极性标识和目标元件的中心点的最远距离,第三条件为模板极性标识和模板元件的中心点的相对位置,第四条件为模板极性标识与模板元件的中心点的最远距离。
在本实施例中,由于计算第二区域框时添加了第一补偿值,因此根据第二区域框得到的待匹配图像得到了放大,所以得到的第一识别结果可能包括有1个或多个极性标识,因此将第一条件、第二条件与第三条件、第四条件进行对比,也就是说,将第四匹配图像中的极性标识和目标元件的中心点的相对位置与模板极性标识和模板元件的中心点的相对位置进行对比,同时还将第四匹配图像中的极性标识和目标元件的中心点的最远距离和模板极性标识与模板元件的中心点的最远距离进行对比,上述两个对比结果均满足预设条件,则说明该第一识别结果为所要识别的目标极性标识,上述两个对比结果若有一项或者两项不满足预设条件,则说明该第一识别结果不是所要识别的目标极性标识,则可以将该第一识别结果排除,若所有第一识别结果对应的极性标识均与模板元件的模板极性标识不能匹配,则说明当前的目标元件不具有极性标识或者当前的目标元件的极性标识与模板元件的模板极性标识的偏差较大。需要说明的是,预设条件是指第一条件与第三条件对比、第二条件与第四条件对比满足一定的偏差范围,满足上述两项所设定的偏差范围的即为所要识别的最终识别结果,该最终识别结果对应的目标极性标识的像素坐标便可以确定,其中,本实施例不对预设条件的具体范围进行设定,本领域技术人员可以根据具体需求进行设定,例如预设条件为第四匹配图像中的极性标识和目标元件的中心点的最远距离与模板极性标识与模板元件的中心点的最远距离的差值最小,并且在x方向上第四匹配图像中的极性标识和目标元件的中心点的距离与模板极性标识和模板元件的中心点的距离之差小于1,在y方向上第四匹配图像中的极性标识和目标元件的中心点的距离与模板极性标识和模板元件的中心点的距离之差小于1。
再另外,经过上述步骤1-5之后,可能所有的第一识别结果均不是所要识别的目标元件的目标极性标识,因此还需要执行步骤6,其中:
步骤6、若目标极性标识未被识别,则将该目标极性标识作为模板并添加到模板库中。
对于极少数的目标元件可能其对应的目标极性标识相对于模板元件的模板极性标识的偏差过大,按照步骤1-6已不能将其识别出来,因此这种目标元件按照现有模板库中的对应模板元件已不能识别其目标极性标识,对于此类情况,则需要人工寻找目标元件对应的目标极性标识,并将其创建为模板并添加到模板库中,即对同一目标元件可能会有多个模板元件都与之匹配,则在对目标元件的目标极性标识进行识别时,需要将与其封装名相同的所有模板元件均按照本实施例的上述步骤进行识别,以对应得到识别结果,由此可以避免遗漏。
本发明的第二区域框包括有目标极性标识的图像,预设图像包括有目标元件的图像和目标极性标识的图像,因此可以根据第二区域框和预设图像得到包括有目标极性标识的图像,并利用像素相似度处理方法对模板极性标识的旋转图像和目标极性标识的图像进行像素相似度的计算处理,并根据处理结果得到第二匹配图像,之后还利用图形特征不变矩对比处理第二匹配图像和模板极性标识的旋转图像得到第一识别结果,这个过程不需要人工对极性标识进行检测,减少了人工干预,预防了人工检测过程中容易出现的问题,不会受到人工检测过程中会依赖工作人员经验来判断的情况,同时避免了因工作人员的主观因素影响容易出现判断错误的情况,提高了检测的正确率,同时解决了因人工检测带来的检测周期长的问题,提高了识别效率,且可以节省80%以上的时间,同时本实施例的识别方法还可以解决因部分极性标识可能存在干扰使人工不易判别的问题,因此相比目前人工肉眼检测,本实施例的识别方法具有相当大的优势,用自动化代替人工,已经是目前各个行业的趋势,本实施例也正是响应了此趋势的发展。
实施例二
请参见图9,图9是本发明实施例提供的一种极性标识的识别装置的结构示意图。该识别装置,包括:
区域框获取模块,用于获取第二区域框,第二区域框为目标极性标识的限定框;
待匹配图像处理模块,用于根据第二区域框和预设图像得到待匹配图像,预设图像包括目标元件的图像和目标极性标识的限定图像,待匹配图像包括目标极性标识的限定图像;
像素相似度处理模块,用于基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像;
不变矩对比处理模块,用于基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果。
在本发明的一个实施例中,该识别装置的区域框获取模块可以具体用于获取第一区域框,并根据第一区域框得到第二区域框,第一区域框为模板极性标识的限定框。
进一步地,获取第一区域框,并根据第一区域框得到第二区域框可以具体包括:根据模板元件的中心点的位置和模板极性标识的最大值位置和最小值位置得到第一区域框;根据目标元件相对于模板元件的旋转角度得到旋转矩阵;根据第一区域框、旋转矩阵和第一补偿值得到第二区域框。
在本发明的一个实施例中,该识别装置的待匹配图像处理模块可以具体用于获取第三区域框,并根据第三区域框中的矢量数据得到预设图像,第三区域框包括目标元件和目标极性标识;根据第二区域框裁剪预设图像得到待匹配图像。
进一步地,获取第三区域框,并根据第三区域框中的矢量数据得到预设图像可以具体包括:根据模板极性标识与模板元件的中心点的最远距离、第二补偿值得到第三区域框;根据R树中查询出的第三区域框中的矢量数据得到预设图像。
在本发明的一个实施例中,该识别装置的像素相似度处理模块可以具体用于按照预设方向在待匹配图像上移动预设像素,同时每移动一次便从待匹配图像上截取与模板极性标识的旋转图像的尺寸相同的第一匹配图像;对第一匹配图像和模板极性标识的旋转图像进行像素相似度处理得到像素相似度值;根据像素相似度值与第一阈值的关系得到至少一个第三匹配图像;从至少一个第三匹配图像中选择像素相似度值最大的第三匹配图像作为第二匹配图像,并根据移动次数得到第二匹配图像的像素坐标。
在本发明的一个实施例中,该识别装置的不变矩对比处理模块可以具体用于对第二匹配图像和模板极性标识的旋转图像进行图形特征不变矩对比处理得到特征相似度值;根据特征相似度值与第二阈值的关系得到第一识别结果。
在本发明的一个实施例中,该识别装置还可以包括对比判断模块,该对比判断模块用于将第一条件、第二条件与第三条件、第四条件进行对比,判断第一识别结果是否满足预设条件,若第一识别结果满足预设条件,则将满足预设条件的第一识别结果作为所识别的目标极性标识,若第一识别结果不满足预设条件,则说明该第一识别结果不是所要识别的目标极性标识,其中,第一条件为第四匹配图像中的极性标识和目标元件的中心点的相对位置,第二条件为第四匹配图像中的极性标识和目标元件的中心点的最远距离,第三条件为模板极性标识和模板元件的中心点的相对位置,第四条件为模板极性标识与模板元件的中心点的最远距离。
本发明实施例提供的极性标识的识别装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
实施例三
请参见图10,图10是本发明实施例提供的一种电子设备的结构示意图。该电子设备1100,包括:处理器1101、通信接口1102、存储器1103和通信总线1104,其中,处理器1101,通信接口1102,存储器1103通过通信总线1104完成相互间的通信;
存储器1103,用于存储计算机程序;
处理器1101,用于执行计算机程序时,实现上述方法步骤。
处理器1101执行计算机程序时实现如下步骤:
获取第二区域框,第二区域框为目标极性标识的限定框;
根据第二区域框和预设图像得到待匹配图像,预设图像包括目标元件的图像和目标极性标识的限定图像,待匹配图像包括目标极性标识的限定图像;
基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像;
基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果。
本发明实施例提供的电子设备,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
实施例四
本发明的又一个实施例提供了一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现以下步骤:
获取第二区域框,第二区域框为目标极性标识的限定框;
根据第二区域框和预设图像得到待匹配图像,预设图像包括目标元件的图像和目标极性标识的限定图像,待匹配图像包括目标极性标识的限定图像;
基于像素相似度处理方法,根据模板极性标识的旋转图像和待匹配图像得到至少一个第二匹配图像;
基于图形特征不变矩对比处理方法,根据第二匹配图像和模板极性标识的旋转图像得到第一识别结果。
本发明实施例提供的计算机可读存储介质,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
本领域技术人员应明白,本申请的实施例可提供为方法、装置(设备)、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,这里将它们都统称为“模块”或“系统”。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读存储介质(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。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
在本发明的描述中,需要理解的是,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”的特征可以明示或者隐含地包括一个或者更多个该特征。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。
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。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,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进行接合和组合。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
1.一种极性标识的识别方法,其特征在于,包括:
获取第二区域框,所述第二区域框为目标极性标识的限定框;
根据所述第二区域框和预设图像得到待匹配图像,所述预设图像包括目标元件的图像和目标极性标识的限定图像,所述待匹配图像包括所述目标极性标识的限定图像;
基于像素相似度处理方法,根据模板极性标识的旋转图像和所述待匹配图像得到至少一个第二匹配图像;
基于图形特征不变矩对比处理方法,根据所述第二匹配图像和所述模板极性标识的旋转图像得到第一识别结果。
2.根据权利要求1所述的极性标识的识别方法,其特征在于,获取第二区域框,包括:
获取第一区域框,并根据所述第一区域框得到所述第二区域框,所述第一区域框为所述模板极性标识的限定框。
3.根据权利要求2所述的极性标识的识别方法,其特征在于,获取第一区域框,并根据所述第一区域框得到所述第二区域框,包括:
根据模板元件的中心点的位置和所述模板极性标识的最大值位置和最小值位置得到所述第一区域框;
根据所述目标元件相对于所述模板元件的旋转角度得到旋转矩阵;
根据所述第一区域框、所述旋转矩阵和第一补偿值得到所述第二区域框。
4.根据权利要求3所述的极性标识的识别方法,其特征在于,根据所述第二区域框和预设图像得到待匹配图像,包括:
获取第三区域框,并根据所述第三区域框中的矢量数据得到预设图像,所述第三区域框为目标元件和目标极性标识的限定框;
参照所述第二区域框裁剪所述预设图像得到所述待匹配图像。
5.根据权利要求4所述的极性标识的识别方法,其特征在于,获取第三区域框,并根据所述第三区域框中的矢量数据得到预设图像,包括:
根据所述模板极性标识与所述模板元件的中心点的最远距离、第二补偿值得到所述第三区域框;
根据R树中查询出的所述第三区域框中的矢量数据得到所述预设图像。
6.根据权利要求1所述的极性标识的识别方法,其特征在于,基于像素相似度处理方法,根据模板极性标识的旋转图像和所述待匹配图像得到至少一个第二匹配图像,包括:
按照预设方向在所述待匹配图像上移动预设像素,同时每移动一次便从所述待匹配图像上截取与所述模板极性标识的旋转图像的尺寸相同的第一匹配图像;
对所述第一匹配图像和所述模板极性标识的旋转图像进行像素相似度处理得到像素相似度值;
根据所述像素相似度值与第一阈值的关系得到至少一个第三匹配图像;
从所述至少一个第三匹配图像中选择所述像素相似度值最大的所述第三匹配图像作为所述第二匹配图像,并根据移动次数得到所述第二匹配图像的像素坐标。
7.根据权利要求1所述的极性标识的识别方法,其特征在于,基于图形特征不变矩对比处理方法,根据所述第二匹配图像和所述模板极性标识的旋转图像得到第一识别结果,包括:
对所述第二匹配图像和所述模板极性标识的旋转图像进行图形特征不变矩对比处理得到特征相似度值;
根据所述特征相似度值与第二阈值的关系得到所述第一识别结果。
8.根据权利要求7所述的极性标识的识别方法,其特征在于,在根据所述特征相似度值与第二阈值的关系得到所述第一识别结果之后,还包括:
将第一条件、第二条件与第三条件、第四条件进行对比,判断所述第一识别结果是否满足预设条件,若所述第一识别结果满足所述预设条件,则将满足所述预设条件的所述第一识别结果作为所识别的目标极性标识,若所述第一识别结果不满足所述预设条件,则说明该第一识别结果不是所要识别的目标极性标识,其中,所述第一条件为第四匹配图像中的极性标识和所述目标元件的中心点的相对位置,所述第二条件为所述第四匹配图像中的极性标识和所述目标元件的中心点的最远距离,所述第三条件为所述模板极性标识和所述模板元件的中心点的相对位置,所述第四条件为所述模板极性标识与所述模板元件的中心点的最远距离。
9.根据权利要求8所述的极性标识的识别方法,其特征在于,在将第一条件、第二条件与第三条件、第四条件进行对比之后,还包括:
若所述目标极性标识未被识别,则将该目标极性标识作为模板并添加到模板库中。
10.一种极性标识的识别装置,其特征在于,包括:
区域框获取模块,用于获取第二区域框,所述第二区域框为目标极性标识的限定框;
待匹配图像处理模块,用于根据所述第二区域框和预设图像得到待匹配图像,所述预设图像包括目标元件的图像和目标极性标识的限定图像,所述待匹配图像包括所述目标极性标识的限定图像;
像素相似度处理模块,用于基于像素相似度处理方法,根据模板极性标识的旋转图像和所述待匹配图像得到至少一个第二匹配图像;
不变矩对比处理模块,用于基于图形特征不变矩对比处理方法,根据所述第二匹配图像和所述模板极性标识的旋转图像得到第一识别结果。
11.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时,实现权利要求1-9任一项所述的方法步骤。
12.一种存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-9任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413961.0A CN111738247B (zh) | 2020-05-15 | 2020-05-15 | 极性标识的识别方法、识别装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010413961.0A CN111738247B (zh) | 2020-05-15 | 2020-05-15 | 极性标识的识别方法、识别装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738247A true CN111738247A (zh) | 2020-10-02 |
CN111738247B CN111738247B (zh) | 2023-07-25 |
Family
ID=72647322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010413961.0A Active CN111738247B (zh) | 2020-05-15 | 2020-05-15 | 极性标识的识别方法、识别装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738247B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613339A (zh) * | 2020-11-24 | 2021-04-06 | 北京中电普华信息技术有限公司 | 一种电气图纸自动化识别与审查方法及装置 |
CN113052166A (zh) * | 2021-02-05 | 2021-06-29 | 杭州依图医疗技术有限公司 | 病理图像的显示方法及装置 |
CN117197248A (zh) * | 2023-11-08 | 2023-12-08 | 成都数之联科技股份有限公司 | 一种电解电容方向判定方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160259972A1 (en) * | 2013-11-08 | 2016-09-08 | Grg Banking Equipment Co., Ltd. | Complex background-oriented optical character recognition method and device |
CN106530275A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件错件检测方法和系统 |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
CN107103323A (zh) * | 2017-03-09 | 2017-08-29 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于图像轮廓特征的目标识别方法 |
CN108960344A (zh) * | 2018-08-03 | 2018-12-07 | 敦煌研究院 | 文物图像的差异检测方法、装置及终端设备 |
CN110751682A (zh) * | 2019-10-28 | 2020-02-04 | 普联技术有限公司 | 一种提取和标识图像的方法、装置、终端设备及存储介质 |
-
2020
- 2020-05-15 CN CN202010413961.0A patent/CN111738247B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160259972A1 (en) * | 2013-11-08 | 2016-09-08 | Grg Banking Equipment Co., Ltd. | Complex background-oriented optical character recognition method and device |
CN106530275A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件错件检测方法和系统 |
WO2018068415A1 (zh) * | 2016-10-11 | 2018-04-19 | 广州视源电子科技股份有限公司 | 元件错件检测方法和系统 |
CN106600600A (zh) * | 2016-12-26 | 2017-04-26 | 华南理工大学 | 基于特征匹配的晶圆缺陷检测方法 |
CN107103323A (zh) * | 2017-03-09 | 2017-08-29 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于图像轮廓特征的目标识别方法 |
CN108960344A (zh) * | 2018-08-03 | 2018-12-07 | 敦煌研究院 | 文物图像的差异检测方法、装置及终端设备 |
CN110751682A (zh) * | 2019-10-28 | 2020-02-04 | 普联技术有限公司 | 一种提取和标识图像的方法、装置、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
XIN XU ET AL.: "The Method of Image Matching by Taking Every Fixed Match Pixel", 《2012 FIFTH INTERNATIONAL SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DESIGN》 * |
任楷飞;孟令军;顾泽凌;: "基于灰度值金字塔算法的零件识别系统设计", no. 07 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613339A (zh) * | 2020-11-24 | 2021-04-06 | 北京中电普华信息技术有限公司 | 一种电气图纸自动化识别与审查方法及装置 |
CN112613339B (zh) * | 2020-11-24 | 2024-03-22 | 北京中电普华信息技术有限公司 | 一种电气图纸自动化识别与审查方法及装置 |
CN113052166A (zh) * | 2021-02-05 | 2021-06-29 | 杭州依图医疗技术有限公司 | 病理图像的显示方法及装置 |
CN117197248A (zh) * | 2023-11-08 | 2023-12-08 | 成都数之联科技股份有限公司 | 一种电解电容方向判定方法、装置、设备及存储介质 |
CN117197248B (zh) * | 2023-11-08 | 2024-01-26 | 成都数之联科技股份有限公司 | 一种电解电容方向判定方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111738247B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111738247B (zh) | 极性标识的识别方法、识别装置、电子设备及存储介质 | |
CN112419297A (zh) | 一种螺栓松动检测方法、装置、设备及存储介质 | |
CN112115893A (zh) | 仪表盘指针读数识别方法、装置、计算机设备及存储介质 | |
US8660349B2 (en) | Screen area detection method and screen area detection system | |
US8781207B2 (en) | Computing device and image correction method | |
CN107909613B (zh) | 一种基于顶点的矩形引脚元件定位方法 | |
CN107038443B (zh) | 一种在电路板上定位感兴趣区域的方法和装置 | |
CN109752392B (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN112598922A (zh) | 车位检测方法、装置、设备及存储介质 | |
CN112419260A (zh) | 一种pcb文字区域缺陷检测方法 | |
CN111221996B (zh) | 仪表屏幕视觉检测方法和系统 | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
CN117029733B (zh) | 一种基于计算机视觉的螺栓松动检测方法、系统及装置 | |
CN114187253A (zh) | 一种电路板零件安装检测方法 | |
CN111832634A (zh) | 异物检测方法、系统、终端设备及存储介质 | |
CN116329738A (zh) | 线路板靶标的定位方法、装置、电子设备及存储介质 | |
JP2008185395A (ja) | 実装基板外観検査方法 | |
CN110428430B (zh) | 一种区域内的直线定位拟合方法及应用 | |
CN112508925A (zh) | 电子锁面板质量检测方法、系统、计算机装置和存储介质 | |
CN113139399A (zh) | 一种图像线框识别方法及服务器 | |
CN112529928A (zh) | 零件组装检测方法、计算机设备及存储介质 | |
CN113128247A (zh) | 一种图像定位标识验证方法及服务器 | |
CN112734779A (zh) | 一种圆点标定板边缘亚像素检测方法 | |
Han et al. | A template matching based method for surface-mount rectangular-pin-chip positioning and defect detection |
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 |