CN111862131A - 胶条边缘检测方法及其应用 - Google Patents

胶条边缘检测方法及其应用 Download PDF

Info

Publication number
CN111862131A
CN111862131A CN202010756174.6A CN202010756174A CN111862131A CN 111862131 A CN111862131 A CN 111862131A CN 202010756174 A CN202010756174 A CN 202010756174A CN 111862131 A CN111862131 A CN 111862131A
Authority
CN
China
Prior art keywords
adhesive tape
edge
marking
sub
edge points
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
CN202010756174.6A
Other languages
English (en)
Other versions
CN111862131B (zh
Inventor
尹仕斌
郭寅
郭磊
曹军旗
邝丽娜
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.)
Yi Si Si Hangzhou Technology Co ltd
Original Assignee
Isvision Hangzhou 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 Isvision Hangzhou Technology Co Ltd filed Critical Isvision Hangzhou Technology Co Ltd
Priority to CN202010756174.6A priority Critical patent/CN111862131B/zh
Publication of CN111862131A publication Critical patent/CN111862131A/zh
Application granted granted Critical
Publication of CN111862131B publication Critical patent/CN111862131B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling

Abstract

本发明公开了一种胶条边缘检测方法，包括：通过人工在胶条上标记检测区域或者依据提前示教的位置自动在胶条上标记检测区域；将单个检测区域沿长度方向按照预设步长划分为N个子区；对各个子区分别进行如下处理：设定灰度阈值；遍历子区，获取多个列特征；同一子区内所有列特征共同组成此子区的行特征；依据灰度阈值对所述行特征进行二值化处理，结果记为候选特征；将各个候选特征合并为一幅新图，记为候选图像；对所述候选图像先进行连通域处理，再进行边缘检测，标记出边缘点；依据边缘点所对应的位置信息将边缘点还原到原始图像，标记胶条在图像中的边缘点，本方法具体准确性高，处理速度快的特点。

Description

胶条边缘检测方法及其应用
技术领域
本发明涉及视觉检测领域，具体涉及一种胶条边缘检测方法及其应用。
背景技术
自动化涂胶工艺凭借自动化和高效率的优势被广泛应用于工业生产中，胶条质量的好坏直接关系到产品的性能和寿命，尤其是汽车制造领域，胶条具有防腐蚀、粘连、连接和固定、减震、防水等作用，若涂胶质量差，将会导致汽车漏水、异响、腐蚀等质量问题，性能大打折扣，因此，现代涂胶工艺中，需要对被涂胶条进行检测质量控制，现有的涂胶检测方法，存在计算量大，运行速度低，对胶水质量无法实现快速定量化分析，容易造成漏检、误检的问题。
发明内容
为此，本发明提出一种胶条边缘检测方法及其应用；本方法将胶条细分为多个子区，将子区每列的灰度均值(剔除杂点影响)作为特征值，用行特征表征整个子区，减少了数据计算量，边缘点准确性高，有效防止错检、漏检；图像处理速度快，处理相同的检测区域，相比于传统方法，采用本方法耗时能够缩短一半以上。
技术方案如下：
一种胶条边缘检测方法，包括以下步骤：
1)通过人工在胶条上标记检测区域的起点p1、终点p2和宽度W；或者依据提前示教的位置自动在胶条上标记检测区域起点p1、终点p2和宽度W；
Figure BDA0002611643050000021
记为胶条方向；
2)将单个检测区域沿长度方向按照预设步长划分为N个子区；
3)对各个子区分别进行如下处理：
I、设定灰度阈值；
II、依次求取预设数量列内像素点的平均灰度值，并在所述预设数量列内靠近中间位置选取一个像素点，记录其位置信息，将同预设数量列区域的平均灰度值赋为其灰度值，以此为列特征；遍历子区，获取多个列特征；同一子区内所有列特征共同组成此子区的行特征；
所述预设数量列为1～5个像素列；
III、依据灰度阈值对所述行特征进行二值化处理，结果记为候选特征；
4)将各个子区得到的候选特征合并为一幅新图，记为候选图像；
5)对所述候选图像先进行连通域处理，再进行边缘检测，标记出边缘点；
6)依据边缘点所对应的位置信息将边缘点还原到原始图像，标记胶条在图像中的边缘点。
进一步，步骤6)依据边缘点所对应的位置信息将边缘点还原到原始图像的方法为：
方法1：步骤II中记录的位置信息是像素点编号，依据像素点编号能对应找到其在原始图像中的对应坐标；
或者方法2：步骤6)依据边缘点所对应的位置信息将边缘点还原到原始图像的方法为：
以候选图像左上角为原点，检测区域宽度方向为x轴，胶条方向为y轴构建坐标系，在此坐标系下标注所有边缘点坐标(Ai，Bi)；i代表对应边缘点所在子区在候选图像中的行数；
将各边缘点坐标(Ai，Bi)按如下方法转换到原始图像，得到原始图像中边缘点坐标(ui，vi)；
Figure BDA0002611643050000031
ui＝ri-cos(angle)·||(Ai,Bi)-(i,qy)||
vi＝ci+sin(angle)·||(Ai,Bi)-(i,qy)||
其中，(i，qy)为第i行中第q个列特征的坐标；
rad表示计算弧度函数，(Ai,Bi)-(i，qy)代表边缘点(Ai，Bi)相对列特征q的位置偏移；||(Ai,Bi)-(i，qy)||代表边缘点(Ai，Bi)和列特征q之间的距离；(ri,ci)为第q个列特征在原始图像中的坐标；优选，q位于各行特征的中间。
进一步，所述步骤I设定灰度阈值所采用的方法为：
将所述子区内所有像素按照灰度值从大到小或从小到大的顺序排序，求取
Figure BDA0002611643050000032
标记此点所对应灰度值为T；
其中roundup代表向上取整函数，k为胶宽系数，n为子区内像素总数；
所述灰度阈值设定为：[min{Tl,Th},max{Tl,Th}]；其中，Tl＝hT，Th＝gT；
Figure BDA0002611643050000033
进一步，检测区域宽度W＝k·W′，W’为胶条的理论宽度，k为胶宽系数，优选1＜k≤3。
进一步，相邻两子区之间存在间隙，优选，步骤2)预设步长为1～20像素。
优选，沿着胶条方向划分多个检测区域。
优选，所述起点p1和终点p2均设置在胶条骨架线上。
进一步，步骤II获取灰度均值的方法为最近邻插值、双线性插值或双立方插值法。
进一步，步骤5)进行连通域处理前先进行图像增强、形态学处理；连通域处理方法为种子填充法。
作为一种应用，利用上述胶条边缘检测方法进行胶条质量检测的方法：
若边缘点不连续则认为胶条在此处存在断胶；利用边缘点之间的距离计算胶条的实际胶宽，将其与理论胶宽对比，判断胶条是否满足要求。
本发明方法将胶条细分为多个子区，将子区每列的灰度均值(剔除杂点影响)作为特征值，用行特征表征整个子区，减少了数据计算量，同时，单个子区设定自己的阈值，互不干扰，边缘点准确性高，有效防止错检、漏检；采用坐标转换的方式将边缘点转换到图像原始坐标系，减少了数据的存储量，坐标构成简单，图像处理速度快，处理相同的检测区域，相比于传统方法，采用本方法耗时能够缩短一半以上。
附图说明
图1(a)为实施例中检测区域示意图；
图1(b)为检测区域中各个子区以及第一个子区中行特征示意图；
图2为实施例中弧形胶条多组起点和终点示意图；
图3(a)为经过实施例中二值化后候选图像；
图3(b)为实施例中候选图像的简易示意图；
图3(c)为实施例中经过连通域处理后的候选图像简易示意图；
图4为采用实施例中边缘检测方法处理白色直线型胶条得到边缘点实测图；
图5为采用实施例中边缘检测方法处理黑色直线型胶条得到边缘点实测图；
图6为采用实施例中边缘检测方法处理黑色弧形胶条得到的边缘点实测图。
具体实施方式
以下结合附图和具体实施方式对本发明的技术方案进行详细描述。
一种胶条边缘检测方法，包括以下步骤：
1)如图1(a)所示，通过人工在胶条上标记检测区域的起点p1、终点p2和宽度W；或者依据提前示教的位置自动在胶条上标记检测区域起点p1、终点p2和宽度W；
Figure BDA0002611643050000051
记为胶条方向；
2)如图1(b)所示，将单个检测区域沿长度方向按照预设步长划分为N个子区；
3)对各个子区分别进行如下处理：
I、设定灰度阈值；
II、依次求取预设数量列内像素点的平均灰度值，并在预设数量列内靠近中间位置选取一个像素点，记录其位置信息，将同预设数量列区域的平均灰度值赋为其灰度值，以此为列特征；遍历子区，获取多个列特征；同一子区内所有列特征共同组成此子区的行特征；
预设数量列为1～5个像素列；附图中预设数量为1像素列；
III、依据灰度阈值对行特征进行二值化处理，结果记为候选特征；
4)将各个子区得到的候选特征合并为一幅新图，记为候选图像；如图3(a)，为便于理解，简化候选图像如图3(b)所示(其为示意图)；
5)对候选图像先进行连通域处理(处理后的简化图如图3(c)所示)，再进行边缘检测，标记出边缘点；
6)依据边缘点所对应的位置信息将边缘点还原到原始图像，标记胶条在图像中的边缘点；如图4～6所示，各类胶条边缘检测效果图，其中圆点表示检测到的边缘点。
具体的，步骤6)依据边缘点所对应的位置信息将边缘点还原到原始图像的方法为：
方法1：步骤II中记录的位置信息是像素点编号，依据像素点编号能对应找到其在原始图像中的对应坐标；
或者方法2：步骤6)依据边缘点所对应的位置信息将边缘点还原到原始图像的方法为：
以候选图像左上角为原点，检测区域宽度方向为x轴，胶条方向为y轴构建坐标系，在此坐标系下标注所有边缘点坐标(Ai，Bi)；i代表对应边缘点所在子区在候选图像中的行数；
将各边缘点坐标(Ai，Bi)按如下方法转换到原始图像，得到原始图像中边缘点坐标(ui，vi)；
Figure BDA0002611643050000061
ui＝ri-cos(angle)·||(Ai,Bi)-(i,qy)||
vi＝ci+sin(angle)·||(Ai,Bi)-(i,qy)||
其中，(i，qy)为第i行中第q个列特征的坐标；
rad表示计算弧度函数，(Ai,Bi)-(i，qy)代表边缘点(Ai，Bi)相对列特征q的位置偏移；||(Ai,Bi)-(i，qy)||代表边缘点(Ai，Bi)和列特征q之间的距离；(ri,ci)为第q个列特征在原始图像中的坐标；作为一种优选的实施方式，q位于各行特征的中间。
本实施例，在步骤I中，设定灰度阈值所采用的方法为：
将所述子区内所有像素按照灰度值从大到小或从小到大的顺序排序，求取
Figure BDA0002611643050000071
标记此点所对应灰度值为T；
其中roundup代表向上取整函数，k为胶宽系数，n为子区内像素总数；
所述灰度阈值设定为：[min{Tl,Th},max{Tl,Th}]；其中，Tl＝hT，Th＝gT；
Figure BDA0002611643050000072
其中，检测区域宽度W＝k·W′，W’为胶条的理论宽度，k为胶宽系数，优选1＜k≤3。
作为本发明的一种实施方式，相邻两子区之间存在间隙，优选的，步骤2)预设步长s为1～20像素。
以图4检测为例，具体实施时，
Figure BDA0002611643050000073
g＝1，k＝2，s＝10像素，检测区域内划分9个子区，各子区的灰度阈值情况如下表：
Figure BDA0002611643050000074
若胶条较长或者为弧线型胶条，为了便于计算、划分，沿着胶条方向划分多个检测区域；如图2所示，在弧线型胶条上设置多个检测区域(检测区域p1p2、检测区域p2p3、检测区域p3p4……)。
其中，作为一种优选的实施方式，起点p1和终点p2均设置在胶条骨架线上。
本实施例中，步骤II获取灰度均值的方法为最近邻插值、双线性插值或双立方插值法。
步骤5)进行连通域处理前先进行图像增强、形态学处理；连通域处理方法为种子填充法。
作为一种应用，本实施例公开一种利用上述胶条边缘检测方法进行胶条质量检测的方法：
若边缘点不连续则认为胶条在此处存在断胶；利用边缘点之间的距离计算胶条的实际胶宽，将其与理论胶宽对比，判断胶条是否满足要求。
本方法适用于直线型胶条、弧线型胶条、Z字型胶条等多种类型的胶条，边缘点准确性高，有效防止错检、漏检；处理速度快，相比于传统方法，采用本方法耗时能够缩短一半以上。
前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。

Claims (10)

1.一种胶条边缘检测方法，其特征在于，包括以下步骤：
1)通过人工在胶条上标记检测区域的起点p1、终点p2和宽度W；或者依据提前示教的位置自动在胶条上标记检测区域起点p1、终点p2和宽度W；
Figure FDA0002611643040000011
记为胶条方向；
2)将单个检测区域沿长度方向按照预设步长划分为N个子区；
3)对各个子区分别进行如下处理：
I、设定灰度阈值；
II、依次求取预设数量列内像素点的平均灰度值，并在所述预设数量列内靠近中间位置选取一个像素点，记录其位置信息，将同预设数量列区域的平均灰度值赋为其灰度值，以此为列特征；遍历子区，获取多个列特征；同一子区内所有列特征共同组成此子区的行特征；
所述预设数量列为1～5个像素列；
III、依据灰度阈值对所述行特征进行二值化处理，结果记为候选特征；
4)将各个子区得到的候选特征合并为一幅新图，记为候选图像；
5)对所述候选图像先进行连通域处理，再进行边缘检测，标记出边缘点；
6)依据边缘点所对应的位置信息将边缘点还原到原始图像，标记胶条在图像中的边缘点。
2.如权利要求1所述胶条边缘检测方法，其特征在于：步骤6)依据边缘点所对应的位置信息将边缘点还原到原始图像的方法为：
方法1：步骤II中记录的位置信息是像素点编号，依据像素点编号能对应找到其在原始图像中的对应坐标；
或者方法2：步骤6)依据边缘点所对应的位置信息将边缘点还原到原始图像的方法为：
以候选图像左上角为原点，检测区域宽度方向为x轴，胶条方向为y轴构建坐标系，在此坐标系下标注所有边缘点坐标(Ai，Bi)；i代表对应边缘点所在子区在候选图像中的行数；
将各边缘点坐标(Ai，Bi)按如下方法转换到原始图像，得到原始图像中边缘点坐标(ui，vi)；
Figure FDA0002611643040000021
ui＝ri-cos(angle)·||(Ai，Bi)-(i，qy)||
vi＝ci+sin(angle)·||(Ai，Bi)-(i，qy)||
其中，(i，qy)为第i行中第q个列特征的坐标；
rad表示计算弧度函数，(Ai，Bi)-(i，qy)代表边缘点(Ai，Bi)相对列特征q的位置偏移；||(Ai，Bi)-(i，qy)||代表边缘点(Ai，Bi)和列特征q之间的距离；(ri，ci)为第q个列特征在原始图像中的坐标；优选，q位于各行特征的中间。
3.如权利要求1所述胶条检测方法，其特征在于：所述步骤I设定灰度阈值所采用的方法为：
将所述子区内所有像素按照灰度值从大到小或从小到大的顺序排序，求取
Figure FDA0002611643040000022
标记此点所对应灰度值为T；
其中roundup代表向上取整函数，k为胶宽系数，n为子区内像素总数；
所述灰度阈值设定为：[min{Tl，Th}，max{Tl，Th}]；其中，Tl＝hT，Th＝gT；
Figure FDA0002611643040000023
4.如权利要求1所述胶条边缘检测方法，其特征在于：检测区域宽度W＝k·W′，W’为胶条的理论宽度，k为胶宽系数，优选1＜k≤3。
5.如权利要求1所述胶条边缘检测方法，其特征在于：相邻两子区之间存在间隙，优选，步骤2)预设步长为1～20像素。
6.如权利要求1所述胶条边缘检测方法，其特征在于：沿着胶条方向划分多个检测区域。
7.如权利要求1所述胶条检测方法，其特征在于：所述起点p1和终点p2均设置在胶条骨架线上。
8.如权利要求1所述胶条检测方法，其特征在于：步骤II获取灰度均值的方法为最近邻插值、双线性插值或双立方插值法。
9.如权利要求1所述胶条检测方法，其特征在于：步骤5)进行连通域处理前先进行图像增强、形态学处理；连通域处理方法为种子填充法。
10.利用权利要求1所述胶条边缘检测方法进行胶条质量检测的方法，其特征在于：若边缘点不连续则认为胶条在此处存在断胶；利用边缘点之间的距离计算胶条的实际胶宽，将其与理论胶宽对比，判断胶条是否满足要求。
CN202010756174.6A 2020-07-31 2020-07-31 胶条边缘检测方法及其应用 Active CN111862131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010756174.6A CN111862131B (zh) 2020-07-31 2020-07-31 胶条边缘检测方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010756174.6A CN111862131B (zh) 2020-07-31 2020-07-31 胶条边缘检测方法及其应用

Publications (2)

Publication Number Publication Date
CN111862131A true CN111862131A (zh) 2020-10-30
CN111862131B CN111862131B (zh) 2021-03-19

Family

ID=72945905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010756174.6A Active CN111862131B (zh) 2020-07-31 2020-07-31 胶条边缘检测方法及其应用

Country Status (1)

Country Link
CN (1) CN111862131B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114120051A (zh) * 2021-11-11 2022-03-01 易思维（杭州）科技有限公司 一种胶条边缘点的筛选方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140185883A1 (en) * 2011-04-18 2014-07-03 Michelin Recherche Et Technique S.A. Analysis of the digital image of the surface of a tyre and processing of non-measurement points
CN107230207A (zh) * 2017-06-23 2017-10-03 合肥美亚光电技术股份有限公司 轮胎的检测方法及系统
CN107316318A (zh) * 2017-05-26 2017-11-03 河北汉光重工有限责任公司 基于多子区域背景拟合的空中目标自动检测方法
CN108537808A (zh) * 2018-04-08 2018-09-14 易思维（天津）科技有限公司 一种基于机器人示教点信息的涂胶在线检测方法
CN109461135A (zh) * 2018-09-18 2019-03-12 易思维（杭州）科技有限公司 涂胶图片的处理方法
CN109559324A (zh) * 2018-11-22 2019-04-02 北京理工大学 一种线阵图像中的目标轮廓检测方法
CN109948393A (zh) * 2019-03-22 2019-06-28 凌云光技术集团有限责任公司 一种一维条码的定位方法及装置
CN110068274A (zh) * 2019-05-29 2019-07-30 易思维（杭州）科技有限公司 涂胶传感器胶条检测示教方法
CN110189316A (zh) * 2019-05-29 2019-08-30 易思维（杭州）科技有限公司 一种胶条检测自动示教方法
CN110378950A (zh) * 2019-06-18 2019-10-25 上海同岩土木工程科技股份有限公司 一种基于灰度和梯度融合的隧道结构裂缝识别方法
CN110807771A (zh) * 2019-10-31 2020-02-18 长安大学 一种道路减速带的缺损检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140185883A1 (en) * 2011-04-18 2014-07-03 Michelin Recherche Et Technique S.A. Analysis of the digital image of the surface of a tyre and processing of non-measurement points
CN107316318A (zh) * 2017-05-26 2017-11-03 河北汉光重工有限责任公司 基于多子区域背景拟合的空中目标自动检测方法
CN107230207A (zh) * 2017-06-23 2017-10-03 合肥美亚光电技术股份有限公司 轮胎的检测方法及系统
CN108537808A (zh) * 2018-04-08 2018-09-14 易思维（天津）科技有限公司 一种基于机器人示教点信息的涂胶在线检测方法
CN109461135A (zh) * 2018-09-18 2019-03-12 易思维（杭州）科技有限公司 涂胶图片的处理方法
CN109559324A (zh) * 2018-11-22 2019-04-02 北京理工大学 一种线阵图像中的目标轮廓检测方法
CN109948393A (zh) * 2019-03-22 2019-06-28 凌云光技术集团有限责任公司 一种一维条码的定位方法及装置
CN110068274A (zh) * 2019-05-29 2019-07-30 易思维（杭州）科技有限公司 涂胶传感器胶条检测示教方法
CN110189316A (zh) * 2019-05-29 2019-08-30 易思维（杭州）科技有限公司 一种胶条检测自动示教方法
CN110378950A (zh) * 2019-06-18 2019-10-25 上海同岩土木工程科技股份有限公司 一种基于灰度和梯度融合的隧道结构裂缝识别方法
CN110807771A (zh) * 2019-10-31 2020-02-18 长安大学 一种道路减速带的缺损检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张洁玉: "基于图像分块的局部阈值二值化方法", 《计算机应用》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114120051A (zh) * 2021-11-11 2022-03-01 易思维（杭州）科技有限公司 一种胶条边缘点的筛选方法

Also Published As

Publication number Publication date
CN111862131B (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
US10095903B2 (en) Block decoding method and system for two-dimensional code
US10108835B2 (en) Method and system for decoding two-dimensional code using weighted average gray-scale algorithm
US10839518B2 (en) Image edge extraction method and device, and automated driving system
CN110516550B (zh) 一种基于fpga的车道线实时检测方法
CN112053376B (zh) 一种基于深度信息的工件焊缝识别方法
US6798422B2 (en) Method and filtering system for filtering edge directions
CN115294099B (zh) 一种钢板轧制过程发纹缺陷的检测方法及系统
CN111862131B (zh) 胶条边缘检测方法及其应用
CN113689429B (zh) 一种基于计算机视觉的木板缺陷检测方法
CN106980816B (zh) 基于光学图像的绝缘子串自动识别方法
CN110530273B (zh) 基于结构光测量的涂胶信息检测方法
CN109461135B (zh) 涂胶图片的处理方法
CN115131444A (zh) 一种基于单目视觉点胶平台的标定方法
US20200134326A1 (en) Advanced driver assistance system and method
US8000535B2 (en) Methods and systems for refining text segmentation results
CN107679479A (zh) 一种基于图像形态学处理的客观填涂识别方法
CN114331986A (zh) 一种基于无人机视觉的坝体裂纹识别与测量方法
US11493453B2 (en) Belt inspection system, belt inspection method, and recording medium for belt inspection program
CN115588208A (zh) 一种基于数字图像处理技术的全线表结构识别方法
CN111079598B (zh) 一种基于图像纹理与机器学习的车道线检测方法
CN111045431B (zh) 基于色带的移动机器人导航方法及系统
CN111161264A (zh) 一种对含有缺陷的tft电路图像的分割方法
CN115187560A (zh) 一种涂胶边缘点检测方法
CN117444458B (zh) 一种用于焊接机器人的自动控制方法
CN116503530B (zh) 一种基于图像卷积的间歇区提取方法

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
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051

Patentee after: Yi Si Si (Hangzhou) Technology Co.,Ltd.

Address before: Room 495, building 3, 1197 Bin'an Road, Binjiang District, Hangzhou City, Zhejiang Province 310051

Patentee before: ISVISION (HANGZHOU) TECHNOLOGY Co.,Ltd.