CN111784672A - 缺陷检测方法、装置、电子设备及可读存储介质 - Google Patents
缺陷检测方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111784672A CN111784672A CN202010624015.0A CN202010624015A CN111784672A CN 111784672 A CN111784672 A CN 111784672A CN 202010624015 A CN202010624015 A CN 202010624015A CN 111784672 A CN111784672 A CN 111784672A
- Authority
- CN
- China
- Prior art keywords
- detected
- difference
- area
- plan
- view
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 90
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000007639 printing Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000004891 communication Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000009776 industrial production Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 235000021443 coca cola Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30144—Printing quality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种缺陷检测方法、装置、电子设备及可读存储介质,该方法通过获取待测印刷品目标区域的不同角度的待测印刷图片,目标区域中含有待测对象。然后将各待测印刷图片组合得到对应于目标区域的待测平面图,介质获取待测平面图中的待测对象,与预设的标准底稿图中标准对象之间的差异区域。在差异区域不为空时,确定待测对象存在缺陷。这样,通过获取待测平面图中的待测对象,与预设的标准底稿图中标准对象之间的差异区域,即可有效实现对于待测对象是否存在缺陷的确定。整个方案实现简单,相对于传统的人工检测方式而言,成本更低、效率高、检测准确度也更高,能够有效适用于工业生产中。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种缺陷检测方法、装置、电子设备及可读存储介质。
背景技术
在实际生活中存在着许多非平面的物体上印刷有相应内容的情况,比如罐装商品(如可口可乐的易拉罐等)上印刷有配料表、产地、保质期等文字。
而对于这些非平面印刷品上的对象,若采用传统的人工检测方式来实现的话,存在有成本高、效率低、主观性强、易疲劳等缺点,无法满足工业生产的需求。
发明内容
本申请实施例的目的在于提供一种缺陷检测方法、装置、电子设备及可读存储介质,用以实现对于非平面印刷品上印刷的对象的缺陷检测。
本申请实施例提供了一种缺陷检测方法,包括:获取待测印刷品目标区域的不同角度的待测印刷图片;所述目标区域中含有待测对象;将各所述待测印刷图片组合得到对应于所述目标区域的待测平面图;获取所述待测平面图中的待测对象,与预设的标准底稿图中标准对象之间的差异区域;在所述差异区域不为空时,确定所述待测对象存在缺陷。
在上述实现过程中,通过获取待测印刷品目标区域的不同角度的待测印刷图片,将各个角度的待测印刷图片进行组合,得到对应于目标区域的待测平面图,从而使得待测平面图得以和标准底稿图进行对标。通过获取待测平面图中的待测对象,与预设的标准底稿图中标准对象之间的差异区域,即可有效实现对于待测对象是否存在缺陷的确定。整个方案实现简单,通过将不同角度的待测印刷图片进行组合,从而得到待测平面图,进而通过待测平面图与标准底稿图的比对,即可有效确定出待测对象是否存在缺陷,实现缺陷检测。相对于传统的人工检测方式而言,成本更低、效率高、检测准确度也更高,能够有效适用于工业生产中。
进一步地,所述将各所述待测印刷图片组合得到对应于所述目标区域的待测平面图,包括:将各所述待测印刷图片分别与所述标准底稿图进行透视变换并对齐;将各所述待测印刷图片按照各自的对齐位置进行叠加,得到待测平面图。
在上述实现过程中,先将各待测印刷图片分别与所述标准底稿图进行透视变换并对齐,从而可以使得每张待测印刷图片都会对齐成标准平面电子图的样式,进而将各待测印刷图片按照各自的对齐位置进行叠加,即可有效得到待测平面图。
进一步地,所述获取所述待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域,包括:将所述待测平面图中的待测对象和所述标准底稿图中的标准对象的像素值设为A值,并将所述待测平面图中待测对象外的区域和所述标准底稿图中标准对象外的区域的像素值设为B值;所述A和B的值不相等;对标准底稿图中各像素点和待测平面图中各像素点的做差,得到差值图;根据所述差值图中非零像素点聚集形成的各非零像素区域,确定所述差异区域;所述非零像素点为像素值不为0的像素点。
在上述实现过程中,将待测平面图和标准底稿图进行二值化,使得待测对象和标准对象的像素值为A值,其余内容的像素值为B值。从而将二值化后的待测平面图和标准底稿图相减后,若某处存在缺陷,那么相减后的差值即不为0,据此即可确定出待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域。整个实现过程基于图像二值化技术实现,实现方式简单可靠。
进一步地,所述根据所述差值图中非零像素点聚集形成的各非零像素区域,确定所述差异区域,包括:对所述差值图进行去噪处理;确定去噪处理后的差值图中,非零像素点聚集形成的各非零像素区域为所述差异区域。
应当理解的是,由于在相机拍摄各待测印刷图片时,可能存在相机成像过程中材料反光、油墨粗细、杂质、相机本身成像能力等原因,因此可能会造成待测平面图中可能存在部分内容与标准底稿图相比,具有微小差异,而这些微小差异并不属于缺陷,在差值图中是噪声的。因此,在上述实现过程中,通过对差值图进行去噪,可以实现对于非缺陷点的过滤,从而提高缺陷检测的准确性。
进一步地,所述对所述差值图进行去噪处理,包括:判断所述差值图中,由非零像素点聚集形成的各非零像素区域内,像素点个数是否大于预设阈值;若是,保留所述非零像素区域;否则,将所述非零像素区域内的各像素点的值置0。
在实际应用过程中,在得到差值图后,可能存在分布于差值图上不同位置的,由非零像素点所聚集形成的多个非零像素区域。这些非零像素区域中,有些是由于印刷缺陷所导致的,而有的则可能是因为相机拍摄过程中,由于材料反光、油墨粗细等原因导致形成的待测平面图和标准底稿图相比,具有微小差异,进而这些微小差异导致差值图中存在非缺陷导致的非零像素区域。通过设置像素点的数量阈值,从而将像素点个数小于等于阈值的非零像素区域内的各像素点的值置0,可以实现对于非缺陷导致的非零像素点的过滤,从而提高缺陷检测的准确性。
进一步地,所述方法还包括:在所述差异区域不为空时,根据所述差值图中的差异区域,确定所述差异区域在所述待测平面图中对应的第一缺陷区域;根据各所述待测印刷图片组合成所述待测平面图时的位置关系,确定出所述第一缺陷区域在各所述待测印刷图片中对应的第二缺陷区域,并在各所述待测印刷图片中标记出所述第二缺陷区域。
在上述实现过程中,通过差值图中的差异区域即可逆推得到各所述待测印刷图片中的缺陷区域,进而可以在各待测印刷图片中标记出缺陷区域,从而便于用户知晓。
进一步地,所述待测对象为印刷文字。
本申请实施例还提供了一种缺陷检测装置,包括:获取模块,组合模块和确定模块;所述获取模块,用于获取待测印刷品目标区域的不同角度的待测印刷图片;所述目标区域中含有待测对象;所述组合模块,用于将各所述待测印刷图片组合得到对应于所述目标区域的待测平面图;所述获取模块,还用于获取所述待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域;所述确定模块,用于根据所述差异区域确定所述待测对象存在缺陷的缺陷位置。
本申请实施例还提供了一种电子设备,包括:数据接口、处理器、存储器及通信总线;所述数据接口用于获取待测印刷图片;所述通信总线用于实现所述数据接口、处理器和存储器之间的连接通信;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任一种的缺陷检测方法。
本申请实施例中还提供了一种可读存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一种的缺陷检测方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种缺陷检测方法的流程示意图;
图2为本申请实施例提供的一种透视变换的示意图;
图3为本申请实施例提供的一种较具体的缺陷检测过程的示意图;
图4为本申请实施例提供的一种缺陷检测装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一:
本申请实施例中提供了一种缺陷检测方法,参见图1所示,包括:
S101:获取待测印刷品目标区域的不同角度的待测印刷图片。
在本申请实施例中,目标区域是指含有待测对象的区域,比如在待测对象为产品标签内的印刷文字时,目标区域即为待测印刷品上的产品标签区域。
在本申请实施例中,对于待测印刷图片,可以通过摄像机从不同角度对待测印刷品目标区域进行拍摄得到,此外也可以通过旋转待测印刷品得到。
S102:将各待测印刷图片组合得到对应于目标区域的待测平面图。
需要理解的是,在工业生产中,对于非平面的产品(如罐装产品、瓶装产品等),在产品表面印刷内容时,通常是先设计好标准底稿图(为平面图),然后按照标准底稿图将内容印刷到平整的材料上,然后再塑形得到成品。因此要实现与标准底稿图的比对,就需要将各待测印刷图片转换为平面图。
在本申请实施例中,可以将各待测印刷图片分别与预设的标准底稿图进行透视变换并对齐,从而将各待测印刷图片转换为与标准底稿图样式一致的平面图。
应当理解的是,所谓透视变换,是将一个图片投影到一个新的视平面上,透视变换也称作投影映射,例如图2所示。在本申请实施例中,通过透视变换,可以将各待测印刷图片投影到与标准底稿图相同的视平面上,从而将各待测印刷图片上的曲面内容转换为平面内容。
而所谓对齐,是指以各待测印刷图片中与标准底稿图中表征相同内容部分为基准,将两幅图片的内容进行对齐。
在本申请实施例中,可以采用相关图像配准算法实现待测印刷图片分别与预设的标准底稿图进行对齐。例如,可以采用ORB(Oriented FAST and Rotated BRIEF)算法来实现对于各待测印刷图片与预设的标准底稿图的对齐。
ORB算法是一种快速特征点提取和描述的算法,采用该算法可以实现对于各待测印刷图片与预设的标准底稿图的快速对齐,运算速度快且匹配耗时短,适用于工业生产中。
应当理解的是,除了可以采用ORB算法外,本申请实施例也可以采用其余的图像配准算法来实现待检测图片和标准印刷图片的对齐。只要能实现各待测印刷图片与预设的标准底稿图的对齐,本申请实施例中并不限定实现方式。
在将各待测印刷图片分别与预设的标准底稿图进行透视变换并对齐后,各待测印刷图片和标准底稿图的样式即一致,从而将各待测印刷图片进行叠加后,可以拼凑得到一幅完整的待测平面图。
需要注意的是,在将各待测印刷图片进行叠加时,应当按照各待测印刷图片各自所对应的对齐位置进行叠加,从而确保拼凑得到的待测平面图中,内容的连贯性和完整性。
需要说明的是,通常各待测印刷图片的中间部分的内容在形状和尺寸与平面图相对较为接近,在进行透视变换后,其中间部分的内容相对于平面图而言,还原度较高,可以与标准底稿图达到较好的对齐效果。因此,在本申请实施例中,可以基于各待测印刷图片的中间部分的内容来与标准底稿图进行对齐。
需要理解的是,由于通常各待测印刷图片的中间部分的内容相对于平面图而言,还原度较高。因此在本申请实施例中,可以以每一个待测印刷图片的中间部分作为有效部分来进行拼接得到待测平面图。
在本申请实施例中,每一个待测印刷图片的有效部分的大小可以由工程师根据实际需要进行设定,并可以根据有效部分的大小设置各待测印刷品目标区域的拍摄间隔角度,从而确保拍摄得到的各待测印刷图片的有效部分的内容能够连续。
在本申请实施例中,通常拍摄间隔角度设置的越小,则拼接得到待测平面图的效果就越好,但是数据处理量也会越大。因此,可以由工程师根据实际的检测精度要求,以及设备的数据处理能力进行综合设定。示例性的,拍摄间隔角度可以设置为5度。
103:获取该待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域。
在本申请实施例中,可以先对待测平面图和标准底稿图进行二值化。
所谓对待测平面图和标准底稿图进行二值化,是指将待测平面图中的待测对象和标准底稿图中的标准对象的像素值设为A值,并将待测平面图中待测对象外的区域和标准底稿图中标准对象外的区域的像素值设为B值(A和B的值不相等),从而实现二值化。
在本申请实施例中,可以通过图像轮廓提取算法识别出各待测对象和标准对象的轮廓,从而基于识别出的轮廓,将轮廓内的像素值设为A值,轮廓外的像素值设为B值。
此外,本申请实施例中也可以采用传统的二值化处理方式来实现(例如采用双峰法实现二值化等),此时A值为0,B值为255(或A值为255,B值为0)。
在对待测平面图和标准底稿图进行二值化后,可以对标准底稿图中各像素点和待测平面图中各像素点的做差,得到差值图。
需要说明的是,由于像素值为0至255,因此为了可以得到可靠的差值图,在本申请实施例中若对标准底稿图中各像素点和待测平面图中各像素点的做差后,某一差值为负值,则可以取其绝对值作为差值图像中相应像素点的像素值。
应当理解的是,如果待测平面图中不存在缺陷,那么理论上二值化后的待测平面图应当与二值化后的标准底稿图一致,此时得到的差值图应当为全部由像素值为0的像素点构成的全黑色图片。相反,若待测平面图中存在缺陷,那么在差值图中应当存在有某些区域为非黑色的区域(即存在有像素值不为0的非零像素点)。
在本申请实施例的一种可行实施方式中,可以将这些非零像素点所聚集形成的各个非零像素区域均作为差异区域。
但是,在实际应用过程中,由于在相机拍摄各待测印刷图片时,可能存在相机成像过程中材料反光、油墨粗细、杂质、相机本身成像能力等原因,因此可能会造成待测平面图中可能存在部分内容与标准底稿图相比,具有微小差异,从而导致差值图中出现由非缺陷导致的非零像素点。对此,为了提高缺陷检测的准确性,在本申请实施例中可以先对差值图进行去噪处理,进而在去噪处理后的差值图中,获取仍旧保留下来的各非零像素点聚集形成的区域作为差异区域。
需要说明的是,在差值图中,各非零像素点可能是分布于差值图的不同位置,而相邻没有像素值为0的像素点间隔的各个非零像素点,即构成了非零像素区域。
在本申请实施例的一种可行实施方式中,为了排除掉非缺陷导致的非零像素点,可以预设一个数量阈值,进行通过差值图中,由非零像素点聚集形成的各非零像素区域内,像素点个数是否大于预设阈值来对差值图进行去噪。
示例性的,可以判断差值图中,由非零像素点聚集形成的各非零像素区域内,像素点个数是否大于预设阈值;若是,保留该非零像素区域;否则,将该非零像素区域内的各像素点的值置0,从而在差值图中消灭掉该非零像素区域。
需要注意的是,预设阈值设置的过大可能导致对于部分小型缺陷的检测不敏感,而设置的过小则可能导致过滤效果不好。因此,预设阈值可以有工程师根据大量实验测试后,综合测试结果后设定一个符合实际需要的值。
应当理解的是,在本申请实施例中,也可以不对差值图进行去噪,而是对差值图中的各非零像素区域进行区分,从中识别出可以作为差异区域的非零像素区域。
示例性的,可以判断差值图中,由非零像素点聚集形成的各非零像素区域内,像素点个数是否大于预设阈值;若是,确定该非零像素区域为差异区域;否则,确定该非零像素区域为非差异区域。
S104:在差异区域不为空时,确定待测对象存在缺陷。
在本申请实施例中,若检测出的差异区域不为空,那么即可以认为待测对象存在缺陷。相反,若检测出的差异区域为空,则表明待测对象不存在缺陷。
而为了便于用户了解缺陷位置,在本申请实施例中还可以在差异区域不为空时,根据差值图中的差异区域,确定差异区域在待测平面图中对应的第一缺陷区域。之后,根据各待测印刷图片组合成待测平面图时的位置关系,确定出第一缺陷区域在各待测印刷图片中对应的第二缺陷区域,并在各待测印刷图片中标记出所述第二缺陷区域。
需要理解的是,本申请实施例中所述的待测对象可以根据实际需要进行设置,比如可以设置为印刷文字。而目标区域则可以根据选定的待测对象进行设置,比如在待测对象为印刷文字时,可以设置目标区域为产品标签区域。
本申请实施例中提供的缺陷检测方法,通过获取待测印刷品目标区域的不同角度的待测印刷图片,将各个角度的待测印刷图片进行组合,得到对应于目标区域的待测平面图,从而使得待测平面图得以和标准底稿图进行对标。通过获取待测平面图中的待测对象,与预设的标准底稿图中标准对象之间的差异区域,即可有效实现对于待测对象是否存在缺陷的确定。整个方案实现简单,通过将不同角度的待测印刷图片进行组合,从而得到待测平面图,进而通过待测平面图与标准底稿图的比对,即可有效确定出待测对象是否存在缺陷,实现缺陷检测。相对于传统的人工检测方式而言,成本更低、效率高、检测准确度也更高,能够有效适用于工业生产中。
实施例二:
本实施例在实施例一的基础上,以待测印刷品为罐装印刷品,待测对象为印刷文字的情况为例,对本申请实施例的方案进行示例说明。
参见图3所示,本申请实施例的缺陷检测过程包括:
步骤0、对罐装印刷品需要进行印刷缺陷检测的区域(即目标区域),从多个不同角度采集待测印刷图片。
待测印刷图片的采集既可以通过多角度摆放罐装印刷品进行拍摄实现,也可以通过多角度的相机同时对罐装印刷品进行拍摄实现。
同时,将目标区域所对应的标准底稿图输入到系统中。
步骤1、将从多个不同角度采集到的待测印刷图片,分别与目标区域所对应的标准底稿图进行透视变换并对齐。
步骤2、将步骤1中对齐后的从多个不同角度采集到的待测印刷图片叠加到一起,形成一张待测平面图。
步骤3、分别对待测平面图以及相应标准底稿图进行灰度化、二值化。使待测平面图和标准底稿图中印刷文字部分为白色,像素值为255,其他区域为黑色,像素值为0。
步骤4、对待测平面图和标准底稿图做差,得到差值图。
将二值化后的标准底稿图中的每个像素,减去二值化后待测平面图中相应位置的像素。
此时,不存在印刷缺陷的位置,像素值相减后值为0,存在印刷缺陷的位置,像素值将保持为255。如此待测平面图与标准底稿图不同的像素将在差值图中以白色区域被显示出来。
步骤5、对差值图过滤噪点,只保留差异较大的区域。
可以预设一个阈值,判断差值图中,由非零像素点聚集形成的各非零像素区域内,像素点个数是否大于预设阈值;若是,保留该非零像素区域;否则,将该非零像素区域内的各像素点的值置0,从而在差值图中消灭掉该非零像素区域。
步骤6、对经过过滤后的差值图,标记出所有保留的区域,并按照差值图和待测平面图、以及待测平面图与各待测印刷图片的对应关系,在各待测印刷图片中标记出对应于差值图中所保留的区域的缺陷位置。
步骤7、结束。
实施例三:
基于同一发明构思,本申请实施例中还提供了一种缺陷检测装置。请参阅图4所示,图4示出了与实施例一所示的方法对应的缺陷检测装置100。应理解,缺陷检测装置100具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。缺陷检测装置100包括至少一个能以软件或固件的形式存储于存储器中或固化在缺陷检测装置100的操作系统中的软件功能模块。具体地:
参见图4所示,缺陷检测装置100包括:获取模块101,组合模块102和确定模块103。其中:
获取模块101,用于获取待测印刷品目标区域的不同角度的待测印刷图片;目标区域中含有待测对象。
组合模块102,用于将各待测印刷图片组合得到对应于目标区域的待测平面图。
获取模块101,还用于获取待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域。
确定模块103,用于在差异区域不为空时,确定待测对象存在缺陷。
在本申请实施例中,组合模块102具体用于,将各待测印刷图片分别与标准底稿图进行透视变换并对齐;将各待测印刷图片按照各自的对齐位置进行叠加,得到待测平面图。
在本申请实施例的一种可行实施方式中,获取模块101具体用于,将待测平面图中的待测对象和标准底稿图中的标准对象的像素值设为A值,并将待测平面图中待测对象外的区域和标准底稿图中标准对象外的区域的像素值设为B值;A和B的值不相等;对标准底稿图中各像素点和待测平面图中各像素点的做差,得到差值图;根据差值图中非零像素点聚集形成的各非零像素区域,确定差异区域;非零像素点为像素值不为0的像素点。
在上述可行实施方式的一种可行示例中,获取模块101具体用于,对差值图进行去噪处理;确定去噪处理后的差值图中,非零像素点聚集形成的各非零像素区域为差异区域。
在上述可行示例中,获取模块101具体用于,判断差值图中,由非零像素点聚集形成的各非零像素区域内,像素点个数是否大于预设阈值;若是,保留非零像素区域;否则,将非零像素区域内的各像素点的值置0。
在上述可行实施方式中,确定模块103还用于,在差异区域不为空时,根据差值图中的差异区域,确定差异区域在待测平面图中对应的第一缺陷区域;根据各待测印刷图片组合成待测平面图时的位置关系,确定出第一缺陷区域在各待测印刷图片中对应的第二缺陷区域,并在各待测印刷图片中标记出第二缺陷区域。
在本申请实施例中,待测对象为印刷文字。
需要理解的是,出于描述简洁的考量,部分实施例一中描述过的内容在本实施例中不再赘述。
实施例四:
本实施例提供了一种电子设备,参见图5所示,其包括数据接口501、处理器502、存储器503以及通信总线504。其中:
数据接口501用于获取待测印刷图片。
通信总线504用于实现数据接口501、处理器502和存储器503之间的连接通信。
处理器502用于执行存储器503中存储的一个或多个程序,以实现上述实施例一中的缺陷检测方法。
可以理解,图5所示的结构仅为示意,电子设备还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置,例如还可以具有显示屏、键盘等部件。
本实施例还提供了一种可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD(SecureDigital Memory Card,安全数码卡)卡、MMC(Multimedia Card,多媒体卡)卡等,在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例一中的缺陷检测方法。在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在本文中,多个是指两个或两个以上。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种缺陷检测方法,其特征在于,包括:
获取待测印刷品目标区域的不同角度的待测印刷图片;所述目标区域中含有待测对象;
将各所述待测印刷图片组合得到对应于所述目标区域的待测平面图;
获取所述待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域;
在所述差异区域不为空时,确定所述待测对象存在缺陷。
2.如权利要求1所述的缺陷检测方法,其特征在于,所述将各所述待测印刷图片组合得到对应于所述目标区域的待测平面图,包括:
将各所述待测印刷图片分别与所述标准底稿图进行透视变换并对齐;
将各所述待测印刷图片按照各自的对齐位置进行叠加,得到待测平面图。
3.如权利要求1所述的缺陷检测方法,其特征在于,所述获取所述待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域,包括:
将所述待测平面图中的待测对象和所述标准底稿图中的标准对象的像素值设为A值,并将所述待测平面图中待测对象外的区域和所述标准底稿图中标准对象外的区域的像素值设为B值;所述A和B的值不相等;
对标准底稿图中各像素点和待测平面图中各像素点的做差,得到差值图;
根据所述差值图中非零像素点聚集形成的各非零像素区域,确定所述差异区域;所述非零像素点为像素值不为0的像素点。
4.如权利要求3所述的缺陷检测方法,其特征在于,所述根据所述差值图中非零像素点聚集形成的各非零像素区域,确定所述差异区域,包括:
对所述差值图进行去噪处理;
确定去噪处理后的差值图中,非零像素点聚集形成的各非零像素区域为所述差异区域。
5.如权利要求4所述的缺陷检测方法,其特征在于,所述对所述差值图进行去噪处理,包括:
判断所述差值图中,由非零像素点聚集形成的各非零像素区域内,像素点个数是否大于预设阈值;
若是,保留所述非零像素区域;
否则,将所述非零像素区域内的各像素点的值置0。
6.如权利要求3-5任一项所述的缺陷检测方法,其特征在于,所述方法还包括:
在所述差异区域不为空时,根据所述差值图中的差异区域,确定所述差异区域在所述待测平面图中对应的第一缺陷区域;
根据各所述待测印刷图片组合成所述待测平面图时的位置关系,确定出所述第一缺陷区域在各所述待测印刷图片中对应的第二缺陷区域,并在各所述待测印刷图片中标记出所述第二缺陷区域。
7.如权利要求1-5任一项所述的缺陷检测方法,其特征在于,所述待测对象为印刷文字。
8.一种缺陷检测装置,其特征在于,包括:获取模块,组合模块和确定模块;
所述获取模块,用于获取待测印刷品目标区域的不同角度的待测印刷图片;所述目标区域中含有待测对象;
所述组合模块,用于将各所述待测印刷图片组合得到对应于所述目标区域的待测平面图;
所述获取模块,还用于获取所述待测平面图中待测对象,与预设的标准底稿图中标准对象之间的差异区域;
所述确定模块,用于在所述差异区域不为空时,确定所述待测对象存在缺陷。
9.一种电子设备,其特征在于,包括:数据接口、处理器、存储器及通信总线;
所述数据接口用于获取待测印刷图片;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至7任一项所述的缺陷检测方法。
10.一种可读存储介质,其特征在于,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-7中任一项所述的缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624015.0A CN111784672A (zh) | 2020-06-30 | 2020-06-30 | 缺陷检测方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010624015.0A CN111784672A (zh) | 2020-06-30 | 2020-06-30 | 缺陷检测方法、装置、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111784672A true CN111784672A (zh) | 2020-10-16 |
Family
ID=72761311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010624015.0A Pending CN111784672A (zh) | 2020-06-30 | 2020-06-30 | 缺陷检测方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111784672A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446864A (zh) * | 2020-11-25 | 2021-03-05 | 创新奇智(合肥)科技有限公司 | 瑕疵检测方法、装置、设备和存储介质 |
CN114152627A (zh) * | 2022-02-09 | 2022-03-08 | 季华实验室 | 芯片电路缺陷检测方法、装置、电子设备及存储介质 |
CN118052816A (zh) * | 2024-04-15 | 2024-05-17 | 深圳市赋研星辰科技有限公司 | 一种pcba表面缺陷检测方法、系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488507A (zh) * | 2016-01-22 | 2016-04-13 | 吉林大学 | 圆柱表面文字识别系统及方法 |
CN106204618A (zh) * | 2016-07-20 | 2016-12-07 | 南京文采科技有限责任公司 | 基于机器视觉的产品包装表面缺陷检测与分类方法 |
CN106525873A (zh) * | 2016-10-25 | 2017-03-22 | 广州市申发机电有限公司 | 一种基于机器视觉的全自动旋转印刷产品缺陷检测装置 |
US20170228890A1 (en) * | 2016-02-06 | 2017-08-10 | Huawei Technologies Co., Ltd. | Object detection method and computer device |
CN107948464A (zh) * | 2017-09-15 | 2018-04-20 | 兰州交通大学 | 一种印刷品检测图像侧向偏移的几何校正方法及系统 |
CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
CN110858395A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的污丝缺陷检测方法 |
CN110956630A (zh) * | 2019-12-18 | 2020-04-03 | 浙江大学 | 平面印刷缺陷检测方法、装置以及系统 |
-
2020
- 2020-06-30 CN CN202010624015.0A patent/CN111784672A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488507A (zh) * | 2016-01-22 | 2016-04-13 | 吉林大学 | 圆柱表面文字识别系统及方法 |
US20170228890A1 (en) * | 2016-02-06 | 2017-08-10 | Huawei Technologies Co., Ltd. | Object detection method and computer device |
CN106204618A (zh) * | 2016-07-20 | 2016-12-07 | 南京文采科技有限责任公司 | 基于机器视觉的产品包装表面缺陷检测与分类方法 |
CN106525873A (zh) * | 2016-10-25 | 2017-03-22 | 广州市申发机电有限公司 | 一种基于机器视觉的全自动旋转印刷产品缺陷检测装置 |
CN107948464A (zh) * | 2017-09-15 | 2018-04-20 | 兰州交通大学 | 一种印刷品检测图像侧向偏移的几何校正方法及系统 |
CN109142366A (zh) * | 2018-06-13 | 2019-01-04 | 广东拓斯达科技股份有限公司 | 球形外壳缺陷检测方法、装置及计算机可读存储介质 |
CN110858395A (zh) * | 2018-08-24 | 2020-03-03 | 东华大学 | 一种卷装长丝的污丝缺陷检测方法 |
CN110956630A (zh) * | 2019-12-18 | 2020-04-03 | 浙江大学 | 平面印刷缺陷检测方法、装置以及系统 |
Non-Patent Citations (3)
Title |
---|
YANG XIMING 等: "A Rapid Defect Detecting Algorithm for Printed Matter on the Assembly Line", 《2012 INTERNATIONAL CONFERENCE ON SYSTEMS AND INFORMATICS (ICSAI 2012)》, pages 1842 - 1845 * |
陈世彬 等: "复杂底纹柔性卫生用品表面缺陷检测算法研究", 《包装工程》, vol. 39, no. 23, pages 132 - 137 * |
黄书海 等: "基于局部透视变换的圆柱体侧表面PDF417条码矫正方法", 《计算机工程与科学》, vol. 34, no. 9, 31 December 2012 (2012-12-31), pages 93 - 97 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112446864A (zh) * | 2020-11-25 | 2021-03-05 | 创新奇智(合肥)科技有限公司 | 瑕疵检测方法、装置、设备和存储介质 |
CN114152627A (zh) * | 2022-02-09 | 2022-03-08 | 季华实验室 | 芯片电路缺陷检测方法、装置、电子设备及存储介质 |
CN118052816A (zh) * | 2024-04-15 | 2024-05-17 | 深圳市赋研星辰科技有限公司 | 一种pcba表面缺陷检测方法、系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508826B (zh) | 一种印刷品缺陷检测方法 | |
CN107492091B (zh) | 基于机器视觉的标签外观检测方法及终端设备 | |
CN111784672A (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN112686858A (zh) | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 | |
US9349237B2 (en) | Method of authenticating a printed document | |
KR101597739B1 (ko) | 화상 처리 장치, 화상 처리 방법, 및 컴퓨터 판독 가능한 매체 | |
US9600736B2 (en) | Pose detection using depth camera | |
CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
Shah et al. | Removal of specular reflections from image sequences using feature correspondences | |
CN113781396B (zh) | 屏幕缺陷检测方法、装置、设备和存储介质 | |
CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
CN113785181A (zh) | Oled屏幕点缺陷判定方法、装置、存储介质及电子设备 | |
JP5111055B2 (ja) | 画像処理装置及び画像処理方法、コンピュータプログラム | |
CN105229665B (zh) | 对基于图像的蛇形带子磨损评估的增强分析 | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及系统 | |
US20120249837A1 (en) | Methods and Systems for Real-Time Image-Capture Feedback | |
CN111178445A (zh) | 图像处理方法及装置 | |
CN114821274A (zh) | 一种用于识别分合指示牌的状态的方法和设备 | |
JP4507523B2 (ja) | 印刷物検査装置、及び印刷物検査プログラム | |
JP2021064215A (ja) | 表面性状検査装置及び表面性状検査方法 | |
JP4093426B2 (ja) | 検査装置、検査方法 | |
CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
JP2008145192A (ja) | 検査装置、検査方法、および検査用情報登録方法 | |
JP2006035505A (ja) | 印刷物の検査方法及び装置 | |
US20220383471A1 (en) | Image processing apparatus, image processing method, and medium |
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 |