CN111815621A - 一种数据处理方法、装置及电子设备 - Google Patents
一种数据处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111815621A CN111815621A CN202010731135.0A CN202010731135A CN111815621A CN 111815621 A CN111815621 A CN 111815621A CN 202010731135 A CN202010731135 A CN 202010731135A CN 111815621 A CN111815621 A CN 111815621A
- Authority
- CN
- China
- Prior art keywords
- image
- keyboard
- detected
- template
- key
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000007639 printing Methods 0.000 claims description 18
- 238000007650 screen-printing Methods 0.000 claims description 8
- 230000007547 defect Effects 0.000 abstract description 28
- 230000008569 process Effects 0.000 abstract description 17
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Abstract
本申请公开了一种数据处理方法、装置及电子设备,应用于键盘丝印的检测,方法包括:获取键盘模板图像;获取待检测键盘图像;确定键盘模板图像和待检测键盘图像的差值图像;将键盘模板图像、待检测键盘图像和差值图像输入识别模型进行识别处理,得到表征待检测键盘图像与键盘模板图像的相似度是否满足预设条件的识别结果。所述数据处理方法、装置及电子设备,确定待检测键盘图像是否存在缺陷的过程不需要制作模板,也不需要对齐配准,只需要将模板图像、待检测图像以及两者的差值图像同时输入识别模型进行识别处理即可,因此能够大大节省当前的键盘缺陷检测过程中制作模板和对齐配准投入的人力和时间,从而具有成本低、效率高和用户体验佳等优点。
Description
技术领域
本申请涉及数据处理技术,更具体的说,是涉及一种数据处理方法、装置及电子设备。
背景技术
电脑键盘在正式量产前,需要进行缺陷检测,以识别并处理键盘字符可能出现的多印、漏印或错印等问题。缺陷检测的过程通常需要先进行对应键盘的模板创建,得到模板图像,然后再将模板图像和待检测图片进行对齐配准,进而确定缺陷存在与否。该缺陷检测的整体过程,尤其是模板创建的过程复杂费时,且该实现的检测效果也不太理想,不能满足用户需求。
发明内容
有鉴于此,本申请提供如下技术方案:
一种数据处理的方法,应用于键盘丝印的检测,包括:
获取键盘模板图像;
获取待检测键盘图像;
确定所述键盘模板图像和所述待检测键盘图像的差值图像;
将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
可选的,所述获取待检测键盘图像,包括:
获取人工处理的印刷样图作为待检测图像;
所述确定所述键盘模板图像和所述待检测键盘图像的差值图像,包括:
将所述键盘模板图像和所述待检测键盘图像做图像相减处理,得到差值图像。
可选的,所述确定所述键盘模板图像和所述待检测键盘图像的差值图像,包括:
分别将所述键盘模板图像和所述待检测键盘图像按照相同的划分规则划分为不同的键盘区域,所述键盘区域包括至少一个按键;
分别确定每一个所述键盘区域的区域差值图像,所述区域差值图像为所述键盘模板图像和所述待检测键盘图像中对应的键盘区域的差值图像;
则所述将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,包括:
针对每一个所述区域差值图像:分别将所述区域差值图像、所述键盘模板图像中与其对应的键盘区域以及所述待检测键盘图像中与其对应的键盘区域输入识别模型进行识别处理,得到所述待检测键盘图像中与所述区域差值图像对应的键盘区域的识别结果。
可选的,所述分别确定每一个所述键盘区域的区域差值图像前,还包括:
采用归一化的距离算法将所述键盘模板图像和所述待检测键盘图像中的键盘区域进行匹配。
可选的,还包括:
若所述待检测键盘图像中的某个所述键盘区域的识别结果表示其与所述键盘模板图像中对应的键盘区域的相似度不满足预设条件,将该键盘区域的图像和识别结果返回负责该键盘区域的印刷样图的负责人终端。
可选的,还包括:
若所述待检测键盘图像中的所有键盘区域的识别结果都与所述键盘模板图像中对应的键盘区域的相似度满足预设条件,分别将所述待检测键盘图像和所述键盘模板图像中至少两个键盘区域按照其划分前的位置进行结合,得到结合区域图像;
基于所述待检测按键图像中的结合区域图像与所述按键模板图像中相应的结合区域图像确定两者的结合差值图像;
将所述待检测按键图像中的所述结合区域图像、所述按键模板图像中的所述结合区域图像以及所述结合差值图像输入识别模型进行识别处理,得到所述结合差值图像的识别结果。
可选的,还包括:
针对包含至少两个字符的多字符按键,将所述多字符按键划分为不同的字符区域,每一个所述字符区域包括一个字符;
分别确定每一个所述字符区域的区域差值图像,进入所述针对每一个所述区域差值图像进行识别处理的步骤。
可选的,还包括:
针对一个多字符按键,若其所有字符区域的识别结果都与所述键盘模板图像中对应的字符区域的相似度满足预设条件,将所有的所述字符区域按照所述多字符按键对应的字符位置关系进行结合,得到结合按键图像;
基于所述待检测键盘图像中的结合按键图像与所述按键模板图像中相应的结合按键图像确定两者的结合差值图像;
将所述待检测键盘图像中的所述结合按键图像、所述按键模板图像中的所述结合按键图像以及所述结合差值图像输入识别模型进行识别处理,得到所述结合差值图像的识别结果。
一种数据处理装置,应用于键盘丝印的检测,包括:
模板图像获取模块,用于获取键盘模板图像;
检测图像获取模块,用于获取待检测键盘图像;
差值图像确定模块,用于确定所述键盘模板图像和所述待检测键盘图像的差值图像;
识别处理模块,用于将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
一种电子设备,应用于键盘丝印的检测,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述可执行指令包括:获取键盘模板图像;获取待检测键盘图像;确定所述键盘模板图像和所述待检测键盘图像的差值图像;将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
经由上述的技术方案可知,与现有技术相比,本申请实施例公开了一种数据处理方法、装置及电子设备,应用于键盘丝印的检测,方法包括:获取键盘模板图像;获取待检测键盘图像;确定键盘模板图像和待检测键盘图像的差值图像;将键盘模板图像、待检测键盘图像和差值图像输入识别模型进行识别处理,得到表征待检测键盘图像与键盘模板图像的相似度是否满足预设条件的识别结果。所述数据处理方法、装置及电子设备,确定待检测键盘图像是否存在缺陷的过程不需要制作模板,也不需要对齐配准,只需要将模板图像、待检测图像以及两者的差值图像同时输入识别模型进行识别处理即可,因此能够大大节省当前的键盘缺陷检测过程中制作模板和对齐配准投入的人力和时间,从而具有成本低、效率高和用户体验佳等优点。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种数据处理方法的流程图;
图2为本申请实施例公开的按键Enter差值图像的生成过程示意图;
图3为本申请实施例公开的另一种数据处理方法的流程图;
图4为本申请实施例公开的第三种数据处理方法的流程图;
图5为申请实施例公开的键盘模板图像和存在移位缺陷的待检测键盘图像对比示意图;
图6为本申请实施例公开的一种数据处理装置的结构示意图。
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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例公开的一种数据处理方法的流程图,图1所示方法可应用于键盘丝印的检测。参见图1所示,数据处理方法可以包括:
步骤101:获取键盘模板图像。
其中,键盘模板图像可以是由拍照设备直接采集获取的图像,其获取方式简单直接,不同于现有技术中还需要人工绘制处理的模板图像,从而相对于现有技术能够省去大量的人力和时间。
在实际智能制造应用场景中,相关工作人员可直接通过拍照设备采集多个候选的键盘模板图像,然后从中选取出最合适(判断标准可以但不限制为包括环境光线和拍照角度)的一张图像作为键盘模板图像。
步骤102:获取待检测键盘图像。
其中,待检测键盘图像可以是由相关工作人间处理得到的印刷样图,该印刷样图是参照键盘模板图像制作而成;若印刷样图经后续识别处理,与键盘模板图像的相似度满足要求,则确定其为合格的印刷样图,后续可依据该印刷样图大规模生产键盘产品。
实际应用的键盘通常具有不同的功能区,如数字键区、主键盘区、功能键区、编辑键区等;在智能制造领域,对于一个完整的包含所有键盘区域的待检测键盘图像(对应上述印刷样图),其可以是由一个工作人员独立完成的,也可以是几个工作人员分工完成的不同的键盘区域,然后将各个不同的键盘区域按要求结合到一块形成的完整的待检测键盘图像。
基于上述内容,获取待检测键盘图像,可以包括:获取人工处理的印刷样图作为待检测图像。
步骤103:确定所述键盘模板图像和所述待检测键盘图像的差值图像。
键盘模板图像和待检测键盘图像的差值图像,可直接将键盘模板图像和待检测键盘图像进行相减处理得到。具体的,可以先将键盘模板图像和待检测键盘图像进行灰度处理,然后将灰度处理后的两个图像进行灰度值的相减,得到差值图像。
则确定所述键盘模板图像和所述待检测键盘图像的差值图像,可以包括:将所述键盘模板图像和所述待检测键盘图像做图像相减处理,得到差值图像。
可以理解的,若两个图像中的丝印内容完全相同,则两个图像的差值图像基本上是不会存在一些突出的内容(对应丝印缺陷);若两个图像中的丝印内容不相同或不完全相同,则两个图像的差值图像中会出现一些明显的内容。图2为本申请实施例公开的按键Enter差值图像的生成过程示意图,其中,图像A为按键Enter的模板图像,图像B为第一个待检测按键Enter图像,图像C为第二个待检测按键Enter图像;图像A和图像B做相减处理,得到的差值图像B1中没有明显的丝印内容;图像A和图像C做相减处理,得到的差值图像C1中存在一处丝印内容“r”,说明图像C中缺少一个“r”。可结合图2理解差值图像的意义。
步骤104:将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果。
其中,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。例如,规定待检测键盘图像与键盘模板图像的相似度高于或等于95%的情况下,识别结果为不存在缺陷;待检测键盘图像与键盘模板图像的相似度低于95%的情况下,识别结果为存在缺陷。
本申请实施例中,可将键盘模板图像、待检测键盘图像和差值图像作为三通道图片输入预先训练好的识别模型,由识别模型自动对差值图像进行识别处理,确定待检测键盘图像与键盘模板图像的相似度是否满足预设条件。
其中,识别模型的训练数据可以为标注好的三通道图片,三通道图片中包含一个模板图像、一个待检测图像和前述两者的差值图像。需要说明的是,差值图像可以突出缺陷,而本申请实施例中之所以将键盘模板图像和待检测键盘图像也同步输入识别模型,是由于在前面的处理中并没有对键盘模板图像和待检测键盘图像进行对齐配准,保留键盘模板图像和待检测键盘图像,使得识别模型能够自动适应一些键盘模板图像和待检测键盘图像相对的角度旋转和内容平移,提高识别模型的对键盘模板图像和待检测键盘图像的接纳度,并保证识别结果的准确性。
本实施例所述数据处理方法,确定待检测键盘图像是否存在缺陷的过程不需要制作模板,也不需要对齐配准,只需要将模板图像、待检测图像以及两者的差值图像同时输入识别模型进行识别处理即可,因此能够大大节省当前的键盘缺陷检测过程中制作模板和对齐配准投入的人力和时间,从而具有成本低、效率高和用户体验佳等优点。
图3为本申请实施例公开的另一种数据处理方法的流程图,参见图3所示,数据处理方法可以包括:
步骤301:获取键盘模板图像。
步骤302:获取待检测键盘图像。
步骤303:分别将所述键盘模板图像和所述待检测键盘图像按照相同的划分规则划分为不同的键盘区域,所述键盘区域包括至少一个按键。
在前面的实施例中已经介绍到,对于一个完整的键盘,其中不同区域的印刷样图可由不同的工作人员制作完成,在对待检测键盘图像进行识别处理时,可以将完整的待检测键盘图像划分为不同的键盘区域分别进行识别处理,即将识别处理任务分为多个子任务,后续针对多个子任务分别进行识别处理,这种细粒度的处理方式有助于识别到待检测键盘图像中的微小缺陷,提升识别准确度。
步骤304:分别确定每一个所述键盘区域的区域差值图像,所述区域差值图像为所述键盘模板图像和所述待检测键盘图像中对应的键盘区域的差值图像。
例如,将键盘模板图像划分为主键盘区、数字键区、功能键区和编辑键区,待检测键盘图像对应的同样划分为主键盘区、数字键区、功能键区和编辑键区,针对每一个特定的键盘区域,确定其对应的模板图像、待检测图像和差值图像,这三个图像组合在一起作为一个输入数据,后续输入识别模型进行识别处理。
步骤305:针对每一个所述区域差值图像:分别将所述区域差值图像、所述键盘模板图像中与其对应的键盘区域以及所述待检测键盘图像中与其对应的键盘区域输入识别模型进行识别处理,得到所述待检测键盘图像中与所述区域差值图像对应的键盘区域的识别结果。
本实施例中将完整的待检测键盘图像划分为若干个键盘区域,针对不同的键盘区域分别进行识别处理,降低了对识别模型的性能要求,同时这种细粒度的处理方式有助于识别到待检测键盘图像中的微小缺陷,提升识别准确度。
在其他实现中,在所述分别确定每一个所述键盘区域的区域差值图像前,还可以包括:采用归一化的距离算法将所述键盘模板图像和所述待检测键盘图像中的键盘区域进行匹配。将键盘模板图像和待检测键盘图像中的键盘区域进行匹配后,后续可将匹配成功的键盘区域作为一对组合,并进一步确定该组合的差值图像并进行后续的识别处理。
在上述本申请公开的实施例的基础上,其他实现中,数据处理方法在得到所述待检测键盘图像中与所述区域差值图像对应的键盘区域的识别结果后,还可以包括:若所述待检测键盘图像中的某个所述键盘区域的识别结果表示其与所述键盘模板图像中对应的键盘区域的相似度不满足预设条件,将该键盘区域的图像和识别结果返回负责该键盘区域的印刷样图的负责人终端。
若待检测键盘图像中某键盘区域与键盘模板图像中对应的键盘区域的相似度不满足预设条件,则说明待检测键盘图像中的该键盘区域中存在缺陷,这种情况下,可以将待检测键盘图像中该键盘区域的图像和识别结果返回负责该键盘区域的印刷样图的负责人终端,即告知其当前的键盘区域的印刷样图存在缺陷,使其尽快纠正。具体的,返给负责人的识别结果中可以包括该键盘区域的差值图像,以使得负责人尽快明确缺陷所在,及时调整键盘区域对应的印刷样图。
图4为本申请实施例公开的第三种数据处理方法的流程图,结合图4所示,数据处理方法可以包括:
步骤401:分别获取键盘模板图像和待检测键盘图像。
步骤402:分别将所述键盘模板图像和所述待检测键盘图像按照相同的划分规则划分为不同的键盘区域,所述键盘区域包括至少一个按键。
步骤403:分别确定每一个所述键盘区域的区域差值图像,所述区域差值图像为所述键盘模板图像和所述待检测键盘图像中对应的键盘区域的差值图像。
步骤404:针对每一个区域差值图像:分别将区域差值图像、键盘模板图像中与其对应的键盘区域以及待检测键盘图像中与其对应的键盘区域输入识别模型进行识别处理,得到待检测键盘图像中与区域差值图像对应的键盘区域的识别结果。
步骤405:若待检测键盘图像中的所有键盘区域的识别结果都与键盘模板图像中对应的键盘区域的相似度满足预设条件,分别将待检测键盘图像和键盘模板图像中至少两个键盘区域按照其划分前的位置进行结合,得到结合区域图像。
可以理解的,当待检测键盘图像中所有的键盘区域经过识别模型的识别都满足预设条件的情况下,说明每个区域的印刷样图都不存在缺陷,但对于整个键盘来说,对不同的键盘区域的组合位置也有一定的要求;这种情况下,就需要将划分的不同的键盘区域再按照其划分前的位置重新组合到一起,并对组合后的键盘图像进行识别处理。其中,组合后的键盘图像可以是部分待检测按键图像,也可以是完整的待检测按键图像。
步骤406:基于待检测按键图像中的结合区域图像与按键模板图像中相应的结合区域图像确定两者的结合差值图像。
步骤407:将待检测按键图像中的结合区域图像、按键模板图像中的结合区域图像以及结合差值图像输入识别模型进行识别处理,得到所述结合差值图像的识别结果。
对结合区域图像的处理过程,与对键盘区域的处理过程类似,再次不再重复赘述。通过对结合区域图像的识别处理,能够识别出诸如不同键盘区域相对错位的缺陷;例如,数字键区与主键盘区之间的距离应为3mm,而如果数字键区与主键盘区之间的距离为5mm,则通过本实施所述数据处理方法,也能够识别出区域移位缺陷。图5为申请实施例公开的键盘模板图像和存在移位缺陷的待检测键盘图像对比示意图,其中上方图像为键盘模板图像(局部),下方图像为存在移位缺陷的待检测键盘图像(局部),可结合图5理解移位缺陷。
在其他的实施例中,还可以将待检测案件图像划分的更为细致。例如,其他实现中,数据处理方法还可以包括:针对包含至少两个字符的多字符按键,将所述多字符按键划分为不同的字符区域,每一个所述字符区域包括一个字符;分别确定每一个所述字符区域的区域差值图像,进入所述针对每一个所述区域差值图像进行识别处理的步骤。
具体针对字符区域的处理,与前述对键盘区域的处理过程类似。
进一步的,数据处理方法还可以包括:针对一个多字符按键,若其所有字符区域的识别结果都与所述键盘模板图像中对应的字符区域的相似度满足预设条件,将所有的所述字符区域按照所述多字符按键对应的字符位置关系进行结合,得到结合按键图像;基于所述待检测键盘图像中的结合按键图像与所述按键模板图像中相应的结合按键图像确定两者的结合差值图像;将所述待检测键盘图像中的所述结合按键图像、所述按键模板图像中的所述结合按键图像以及所述结合差值图像输入识别模型进行识别处理,得到所述结合差值图像的识别结果。结合差值图像的识别结果能够指示位于同一按键上的至少两个字符是否存在错位的缺陷。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
上述本申请公开的实施例中详细描述了方法,对于本申请的方法可采用多种形式的装置实现,因此本申请还公开了一种装置,下面给出具体的实施例进行详细说明。
图6为本申请实施例公开的一种数据处理装置的结构示意图,图6所示装置可应用于键盘丝印的检测,参见图6所示,数据处理装置60可以包括:
模板图像获取模块601,用于获取键盘模板图像。
检测图像获取模块602,用于获取待检测键盘图像。
差值图像确定模块603,用于确定所述键盘模板图像和所述待检测键盘图像的差值图像。
识别处理模块604,用于将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果。
其中,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
本实施例所述数据处理装置,确定待检测键盘图像是否存在缺陷的过程不需要制作模板,也不需要对齐配准,只需要将模板图像、待检测图像以及两者的差值图像同时输入识别模型进行识别处理即可,因此能够大大节省当前的键盘缺陷检测过程中制作模板和对齐配准投入的人力和时间,从而具有成本低、效率高和用户体验佳等优点。
上述各个模块的具体实现、数据处理装置的其他实现方式以及对应的技术效果可参见方法实施例中相关部分的内容介绍,在此不再重复赘述。
进一步的,本申请实施例还公开了一种电子设备,应用于键盘丝印的检测,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述可执行指令包括:获取键盘模板图像;获取待检测键盘图像;确定所述键盘模板图像和所述待检测键盘图像的差值图像;将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
上述实施例中的所述的数据处理装置包括处理器和存储器,上述实施例中的模板图像获取模块、检测图像获取模块、差值图像确定模块、识别处理模块等均作为程序模块存储在存储器中,由处理器执行存储在所述存储器中的上述程序模块来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序模块。内核可以设置一个或多个,通过调整内核参数来实现回访数据的处理。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述实施例中所述的数据处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述实施例中所述的数据处理方法。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种数据处理的方法,应用于键盘丝印的检测,包括:
获取键盘模板图像;
获取待检测键盘图像;
确定所述键盘模板图像和所述待检测键盘图像的差值图像;
将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
2.根据权利要求1所述的方法,所述获取待检测键盘图像,包括:
获取人工处理的印刷样图作为待检测图像;
所述确定所述键盘模板图像和所述待检测键盘图像的差值图像,包括:
将所述键盘模板图像和所述待检测键盘图像做图像相减处理,得到差值图像。
3.根据权利要求1所述的方法,所述确定所述键盘模板图像和所述待检测键盘图像的差值图像,包括:
分别将所述键盘模板图像和所述待检测键盘图像按照相同的划分规则划分为不同的键盘区域,所述键盘区域包括至少一个按键;
分别确定每一个所述键盘区域的区域差值图像,所述区域差值图像为所述键盘模板图像和所述待检测键盘图像中对应的键盘区域的差值图像;
则所述将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,包括:
针对每一个所述区域差值图像:分别将所述区域差值图像、所述键盘模板图像中与其对应的键盘区域以及所述待检测键盘图像中与其对应的键盘区域输入识别模型进行识别处理,得到所述待检测键盘图像中与所述区域差值图像对应的键盘区域的识别结果。
4.根据权利要求3所述的方法,所述分别确定每一个所述键盘区域的区域差值图像前,还包括:
采用归一化的距离算法将所述键盘模板图像和所述待检测键盘图像中的键盘区域进行匹配。
5.根据权利要求3所述的方法,还包括:
若所述待检测键盘图像中的某个所述键盘区域的识别结果表示其与所述键盘模板图像中对应的键盘区域的相似度不满足预设条件,将该键盘区域的图像和识别结果返回负责该键盘区域的印刷样图的负责人终端。
6.根据权利要求3所述的方法,还包括:
若所述待检测键盘图像中的所有键盘区域的识别结果都与所述键盘模板图像中对应的键盘区域的相似度满足预设条件,分别将所述待检测键盘图像和所述键盘模板图像中至少两个键盘区域按照其划分前的位置进行结合,得到结合区域图像;
基于所述待检测按键图像中的结合区域图像与所述按键模板图像中相应的结合区域图像确定两者的结合差值图像;
将所述待检测按键图像中的所述结合区域图像、所述按键模板图像中的所述结合区域图像以及所述结合差值图像输入识别模型进行识别处理,得到所述结合差值图像的识别结果。
7.根据权利要求3所述的方法,还包括:
针对包含至少两个字符的多字符按键,将所述多字符按键划分为不同的字符区域,每一个所述字符区域包括一个字符;
分别确定每一个所述字符区域的区域差值图像,进入所述针对每一个所述区域差值图像进行识别处理的步骤。
8.根据权利要求7所述的方法,还包括:
针对一个多字符按键,若其所有字符区域的识别结果都与所述键盘模板图像中对应的字符区域的相似度满足预设条件,将所有的所述字符区域按照所述多字符按键对应的字符位置关系进行结合,得到结合按键图像;
基于所述待检测键盘图像中的结合按键图像与所述按键模板图像中相应的结合按键图像确定两者的结合差值图像;
将所述待检测键盘图像中的所述结合按键图像、所述按键模板图像中的所述结合按键图像以及所述结合差值图像输入识别模型进行识别处理,得到所述结合差值图像的识别结果。
9.一种数据处理装置,应用于键盘丝印的检测,包括:
模板图像获取模块,用于获取键盘模板图像;
检测图像获取模块,用于获取待检测键盘图像;
差值图像确定模块,用于确定所述键盘模板图像和所述待检测键盘图像的差值图像;
识别处理模块,用于将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
10.一种电子设备,应用于键盘丝印的检测,包括:
处理器;
存储器,用于存储所述处理器的可执行指令;
其中,所述可执行指令包括:获取键盘模板图像;获取待检测键盘图像;确定所述键盘模板图像和所述待检测键盘图像的差值图像;将所述键盘模板图像、所述待检测键盘图像和所述差值图像输入识别模型进行识别处理,得到所述待检测键盘图像的识别结果,所述识别结果用于表征所述待检测键盘图像与所述键盘模板图像是否存在相似度不满足预设条件的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010731135.0A CN111815621A (zh) | 2020-07-27 | 2020-07-27 | 一种数据处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010731135.0A CN111815621A (zh) | 2020-07-27 | 2020-07-27 | 一种数据处理方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111815621A true CN111815621A (zh) | 2020-10-23 |
Family
ID=72861341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010731135.0A Pending CN111815621A (zh) | 2020-07-27 | 2020-07-27 | 一种数据处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815621A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034476A (zh) * | 2021-03-30 | 2021-06-25 | 广东工业大学 | 皮革瑕疵检测方法、系统、储存介质及计算机设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130044223A1 (en) * | 2011-08-19 | 2013-02-21 | Askey Computer Corporation | Method for testing an image capturing device |
CN103439348A (zh) * | 2013-08-16 | 2013-12-11 | 中国科学院半导体研究所 | 基于差影法的遥控器按键缺陷检测方法 |
CN105976389A (zh) * | 2016-05-20 | 2016-09-28 | 南京理工大学 | 一种手机底板连接器缺陷检测方法 |
US20170228483A1 (en) * | 2015-11-06 | 2017-08-10 | Rigetti & Co., Inc. | Analyzing quantum information processing circuits |
CN107543828A (zh) * | 2017-08-25 | 2018-01-05 | 广东工业大学 | 一种工件表面缺陷检测方法及系统 |
CN107884415A (zh) * | 2017-11-07 | 2018-04-06 | 深圳市鑫联拓展科技有限公司 | 缺陷产品的识别方法、装置和工业相机 |
CN109002792A (zh) * | 2018-07-12 | 2018-12-14 | 西安电子科技大学 | 基于分层多模型度量学习的sar图像变化检测方法 |
CN109000564A (zh) * | 2018-07-26 | 2018-12-14 | 江苏传艺科技股份有限公司 | 一种键帽组装性能检测方法及自动检测装置 |
CN109738450A (zh) * | 2019-01-09 | 2019-05-10 | 合肥联宝信息技术有限公司 | 笔记本键盘的检测方法和装置 |
CN110463176A (zh) * | 2017-03-10 | 2019-11-15 | 高途乐公司 | 图像质量评估 |
CN110596121A (zh) * | 2019-09-12 | 2019-12-20 | 南京旷云科技有限公司 | 键盘外观检测方法、装置和电子系统 |
CN110853013A (zh) * | 2019-11-11 | 2020-02-28 | 四川大学青岛研究院 | 一种白色家电外壁喷涂质量检测方法 |
CN111369545A (zh) * | 2020-03-10 | 2020-07-03 | 创新奇智(重庆)科技有限公司 | 边缘缺陷检测方法、装置、模型、设备及可读存储介质 |
-
2020
- 2020-07-27 CN CN202010731135.0A patent/CN111815621A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130044223A1 (en) * | 2011-08-19 | 2013-02-21 | Askey Computer Corporation | Method for testing an image capturing device |
CN103439348A (zh) * | 2013-08-16 | 2013-12-11 | 中国科学院半导体研究所 | 基于差影法的遥控器按键缺陷检测方法 |
US20170228483A1 (en) * | 2015-11-06 | 2017-08-10 | Rigetti & Co., Inc. | Analyzing quantum information processing circuits |
CN105976389A (zh) * | 2016-05-20 | 2016-09-28 | 南京理工大学 | 一种手机底板连接器缺陷检测方法 |
CN110463176A (zh) * | 2017-03-10 | 2019-11-15 | 高途乐公司 | 图像质量评估 |
CN107543828A (zh) * | 2017-08-25 | 2018-01-05 | 广东工业大学 | 一种工件表面缺陷检测方法及系统 |
CN107884415A (zh) * | 2017-11-07 | 2018-04-06 | 深圳市鑫联拓展科技有限公司 | 缺陷产品的识别方法、装置和工业相机 |
CN109002792A (zh) * | 2018-07-12 | 2018-12-14 | 西安电子科技大学 | 基于分层多模型度量学习的sar图像变化检测方法 |
CN109000564A (zh) * | 2018-07-26 | 2018-12-14 | 江苏传艺科技股份有限公司 | 一种键帽组装性能检测方法及自动检测装置 |
CN109738450A (zh) * | 2019-01-09 | 2019-05-10 | 合肥联宝信息技术有限公司 | 笔记本键盘的检测方法和装置 |
CN110596121A (zh) * | 2019-09-12 | 2019-12-20 | 南京旷云科技有限公司 | 键盘外观检测方法、装置和电子系统 |
CN110853013A (zh) * | 2019-11-11 | 2020-02-28 | 四川大学青岛研究院 | 一种白色家电外壁喷涂质量检测方法 |
CN111369545A (zh) * | 2020-03-10 | 2020-07-03 | 创新奇智(重庆)科技有限公司 | 边缘缺陷检测方法、装置、模型、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
许敏等: "无标记印刷品质量在线检测方法研究", 传感器与微系统, no. 10, 20 October 2015 (2015-10-20) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034476A (zh) * | 2021-03-30 | 2021-06-25 | 广东工业大学 | 皮革瑕疵检测方法、系统、储存介质及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109658584B (zh) | 一种票据信息识别方法及装置 | |
WO2020139743A1 (en) | Computer-executed method and apparatus for assessing vehicle damage | |
WO2018233055A1 (zh) | 保单信息录入的方法、装置、计算机设备及存储介质 | |
CN114266773B (zh) | 显示面板缺陷定位方法、装置、设备及存储介质 | |
CN110490190B (zh) | 一种结构化图像文字识别方法及系统 | |
CN112613506A (zh) | 图像中的文本识别方法、装置、计算机设备和存储介质 | |
CN110991357A (zh) | 一种答案匹配方法、装置和电子设备 | |
CN111667479A (zh) | 目标图像的图案核验方法及装置、电子设备、存储介质 | |
US10395090B2 (en) | Symbol detection for desired image reconstruction | |
CN111815621A (zh) | 一种数据处理方法、装置及电子设备 | |
CN114936997A (zh) | 检测方法、装置、电子设备及可读存储介质 | |
CN109003257B (zh) | 一种光学字符验证方法 | |
CN113420756A (zh) | 证件图像的识别方法和装置、存储介质及电子装置 | |
CN112348019B (zh) | 一种答题卡矫正方法、装置、电子设备及存储介质 | |
CN115546219B (zh) | 检测板式生成方法、板卡缺陷检测方法、装置及产品 | |
JP5010627B2 (ja) | 文字認識装置及び文字認識方法 | |
JP6250526B2 (ja) | 計量メータ読取装置及びプログラム | |
CN115984197A (zh) | 基于标准pcb图像的缺陷检测方法及相关装置 | |
CN115937003A (zh) | 图像处理方法、装置、终端设备和可读存储介质 | |
CN115457585A (zh) | 作业批改的处理方法、装置、计算机设备及可读存储介质 | |
CN114648776A (zh) | 一种财务报销数据处理方法和处理系统 | |
CN115116073A (zh) | 洗涤标签识别方法、装置、存储介质及电子装置 | |
WO2017219562A1 (zh) | 一种二维码生成方法及装置 | |
CN110751140A (zh) | 字符批量识别方法、装置和计算机设备 | |
JPH07168910A (ja) | 文書レイアウト解析装置及び文書フォ−マット識別装置 |
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 |