CN111935480A - 一种用于图像获取装置的检测方法及相关装置 - Google Patents
一种用于图像获取装置的检测方法及相关装置 Download PDFInfo
- Publication number
- CN111935480A CN111935480A CN202010767360.XA CN202010767360A CN111935480A CN 111935480 A CN111935480 A CN 111935480A CN 202010767360 A CN202010767360 A CN 202010767360A CN 111935480 A CN111935480 A CN 111935480A
- Authority
- CN
- China
- Prior art keywords
- preset
- abnormality
- image information
- abnormal
- detection method
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开一种用于图像获取装置的检测方法及相关装置。检测方法包括:获取多个异常图像信息,多个异常图像信息中均包括第一预设异常;对异常图像信息中的第一预设异常进行异常判定,并根据异常判定的判定结果建立第一预设异常的异常模型;根据异常模型对图像获取装置获取的第一图像进行异常分析。通过上述方法可以实现对图像获取装置获取的第一图像中的第一预设异常进行自动检测和识别。
Description
技术领域
本申请涉及电子产品的异常检测技术领域,尤其涉及一种用于图像获取装置的检测方法及相关装置。
背景技术
现有技术中,当对手机等电子产品的前摄像头或者后摄像头进行异常检测时;通常需要采用该电子产品的前摄像头或者后摄像头进行拍照,然后通过检查人员对拍照后获取的照片进行人工分析;而且由于手机等电子产品的前后摄像头拍摄得到的照片中的缺陷大形状不一、位置不确定、颜色深浅差别大、背景不同。因此,采用传统的图像处理和识别技术需要人工设定上百个阈值,且只能处理场景和缺陷单一固定的缺陷,对于形状、位置、背景、数目、颜色、深浅有巨大差异的缺陷难以识别。而且更进一步的说,当缺陷变化或者产线有所改动的时候,传统图像处理识别技术就需要重新设置阈值,这往往需要专家级算法工程师花大量的时间来调试。
发明内容
本申请提供一种用于图像获取装置的检测方法及相关装置,以解决上述技术问题。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种用于图像获取装置的检测方法,所述检测方法包括:
获取多个异常图像信息,多个所述异常图像信息中均包括第一预设异常;
对所述异常图像信息中的所述第一预设异常进行异常判定,并根据所述异常判定的判定结果建立所述第一预设异常的异常模型;
根据所述异常模型对图像获取装置获取的第一图像进行异常分析。
可选地,所述对所述异常图像信息中的所述第一预设异常进行异常判定的步骤包括:
对所述异常图像信息中的所述第一预设异常的位置、所述第一预设异常的大小、第一预设异常的数量以及所述第一预设异常的异常程度中的至少一者进行标注。
可选地,对所述第一预设异常的异常程度进行标注的步骤包括:
根据所述第一预设异常的严重程度对所述第一预设异常的进行评分。
可选地,所述根据所述异常判定的判定结果建立所述第一预设异常的异常模型的步骤包括:
根据判定得到的所述第一预设异常的位置、所述第一预设异常的大小、第一预设异常的数量以及所述第一预设异常的异常程度中的至少一者将多个所述异常图像信息中的所有的所述第一预设异常划分为多个异常等级;
建立异常模型,所述异常模型包括所述多个异常等级,且每一所述异常等级均对应至少一个所述第一预设异常所对应的图像信息。
可选地,所述根据所述异常模型对图像获取装置获取的第一图像进行异常分析的步骤包括:
将所述图像获取装置获取的第一图像与所述异常模型中所对应的所述异常图像信息进行匹配,以确定所述第一图像的所述异常等级。
可选地,在所述对所述异常图像信息中的所述第一预设异常进行异常判定的步骤之后,且在根据所述异常判定的判定结果建立所述第一预设异常的异常模型析的步骤之前,所述检测方法还包括:
对每一所述异常图像信息中的所述第一预设异常进行增强处理;以提高经过所述增强处理后的所述第一预设异常的辨识度。
可选地,所述增强处理的方式包括:
增大所述异常图像信息中对应所述第一预设异常的区域和所述第一预设异常以外的区域之间的对比度;或者
对所述异常图像信息中对应所述第一预设异常的区域进行染色处理。
可选地,所述第一预设异常包括黑斑异常。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种用于图像获取装置的检测装置,其特征在于,所述检测装置包括处理器以及存储器;所述存储器用于存储所述处理器执行的计算机程序以及在执行所述计算机程序时所产生的中间数据;所述处理器执行所述计算机程序时,用于实现如前文所述的检测方法。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序数据,所述程序数据能够被执行以实现如前文所述的检测方法。
本申请的有益效果是:本申请提供一种用于图像获取装置的检测方法及相关装置。通过采用对多个异常图像信息中多个第一预设异常进行异常判定,从而第一预设异常的异常模型,然后可以将图像获取装置获取的第一图像与该异常模型中第一预设异常进行匹配,从而可以对第一图像与中的所有的第一预设异常的区域进行快速自动识别且进行位置、大小以及异常评分的标注,从而可以提高对图像获取装置获取的第一图像的异常检测效率,且对具有不同形态、大小、颜色、背景、数目的第一预设异常有鲁棒的检测效果;同时,采用深度学习技术可以对第一预设异常的异常模型进行进一步的训练,从而可以提高对不同大小、形状、颜色、背景、数目以及异常程度的第一预设异常检测的适应性;进一步的,采用本申请提供的检测方法,可以在后续对图像获取装置获取的第一图像进行检测时,可以采用因此模型中具有不同异常等级的第一预设异常与第一图像中的第一预设异常相匹配,从而可以自动对第一图像中每一个第一预设异常进行位置标注、面积计算以及异常评分,从而可以减小对技术人员的依赖。
附图说明
为了更清楚地说明本申请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单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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,还可以根据这些附图获得其它的附图,其中:
图1是本申请提供的一种用于图像获取装置的检测方法一实施例的流程示意图;
图2是本申请提供的一种用于图像获取装置的检测装置一实施例的结构示意图;
图3是本申请提供的计算机可读存储介质一实施例的结构示意图。
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,所描述的实施例仅是本申请的一部分实施例,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它实施例,都属于本申请保护的范围。
请参阅图1,图1是本申请提供的一种用于图像获取装置的检测方法一实施例的流程示意图。
其中,用于图像获取装置的检测方法具体可以包括如下步骤:
S101:获取多个异常图像信息,多个异常图像信息中均包括第一预设异常。
本实施例中,图像获取装置的检测方法可以用于对图像获取装置的获取的图像中的第一预设异常进行检测,其中第一预设异常可以是照片等异常图像信息中的黑斑异常,或者也可以是白斑或者彩斑等异常问题,在此不做限定。
其中,可以先获取多个具有第一预设异常的异常图像信息。多个异常图像信息可以是采用多个图像获取装置分别获取的图像。
本实施例中,图像获取装置可以包括手机等移动终端的前置或者后置摄像头。
当采用该检测方法对手机等移动终端的前置或者后置摄像头进行检测时,可以获取多个不同的手机等移动终端,并且采用每一个手机等移动终端的前置或者后置摄像头各拍摄多个照片,拍摄的照片则是如前文所述的异常图像信息,若当该异常图像信息中具有第一预设异常时,则该异常图像信息可以为前文所述的异常图像信息。
其中,每一个异常图像信息,均可以是通过图像获取装置对纯色背景进行拍摄而获取的图片。其中,纯色背景可以时白色背景、灰色背景或者其他颜色的纯色背景。
S102:对异常图像信息中的第一预设异常进行异常判定,并根据异常判定的判定结果建立第一预设异常的异常模型。
当完成步骤S101后,则可以继续进行步骤S102的步骤,具体如下:
当获取到多个具有第一预设异常的异常图像信息后,需要对多个异常图像信息中的一预设异常进行异常判定,并根据异常判定的判定结果建立第一预设异常的异常模型。
其中,对多个异常图像信息中的第一预设异常进行异常判定可以是采用人工判定的方式对每一个异常图像信息的第一预设异常进行异常判定。从而可以确定每一个异常图像信息中具有第一预设异常的区域的位置、大小、数量以及异常程度。
其中,可以通过人工判定的方式对异常图像信息中的每一个第一预设异常进行标注。例如,可以采用标注框将每一个异常图像信息中的每一个第一预设异常圈出,其中,每一第一预设异常所对应的标注框均可以与其所对应的第一预设异常的外轮廓相重叠。
本步骤中,每一个异常图像信息的标注框可以为人员采用标注笔沿第一预设异常的外轮廓绘制形成;或者为人员在预设的标注软件上,采用该软件的绘图工具沿第一预设异常的外轮廓绘制形成。
当完成对每一个异常图像信息中的第一预设异常进行标注后,则可以根据标注框的个数确定每一个异常图像信息中的第一预设异常的个数。同时,根据每一个标注框占该异常图像信息整个图形面积的百分比,从而可以确认该标注框所对应的第一预设异常的面积或者大小。
本步骤中,当完成对每一个异常图像信息中的第一预设异常进行标注后,还可以对每一个异常图像信息中的每一个第一预设异常的异常程度进行判定。
当第一预设异常为黑斑异常时,可以根据黑斑的明显程度对第一预设异常进行异常程度的判定。其中,可以根据黑斑的明显程度对每一个黑斑异进行异常评分,例如当不存在该黑斑异常时,该异常程度所对应的异常评分可以设置为0分,当该黑斑异常对应为纯属黑色画面时,则可以将该黑斑的异常评分可以设置为100分。因此可以根据该黑斑的灰阶对不同程度的黑斑异常进行评分。
或者,也可以通过具有经验的判定人员根据其判定经验对每一个异常图像信息中的每一个第一预设异常的异常程度进行评分。
当采用上述方法完成对异常图像信息中的第一预设异常进行的异常判定后,还可以通过异常判定的判定结果建立该第一预设异常的异常模型。
本实施例中,根据异常判定的判定结果建立第一预设异常的异常模型,其中通过该异常模型可以用于检测图像获取装置是否合格,其具体步骤包括:
1、根据判定得到的第一预设异常的位置、第一预设异常的大小、第一预设异常的数量以及第一预设异常的异常程度中的至少一者将具有第一预设异常的异常图像信息划分为多个异常等级。
例如,可以将多个异常图像信息划分为两个异常等级。即,异常图像信息划分为合格或者不合格。其中,当异常图像信息的总体面积不大于某一预设数值;且当异常图像信息中的所有的第一预设异常的异常程度的异常评分均低于某一预设分数时,则可以表明该异常图像信息为合格,此时表明拍摄该异常图像信息所对应的图像获取装置可以为合格;否则该异常图像信息则不合格,即拍摄该异常图像信息所对应的图像获取装置为合格。
或者,也可以将具有第一预设异常的异常图像信息划分为至少三个异常等级,例如可将异常图像信息的第一预设异常划分为轻微、中等以及严重等。同样的,也可以将其中的某一个或者多个异常等级所对应的异常图像信息设定为合格;且将其余的异常等级所对应的异常图像信息设定为不合格。
进一步的,还可以对异常图像信息中每一个第一预设异常面积大小加权其异常评分,从而获取该异常图像信息多对应的整体异常分数。
具体的,异常图像信息的整体异常分数可以等于每一个第一预设异常的面积乘以其异常评分的结果值之和。
然后,通过每一个异常图像信息的整体异常分数从而将多个异常图像信息划分为不同异常等级。具体对异常图像信息的异常等级的划分方法可以参阅前文,在此不作赘述。
或者,在其他的实施方式中,还可以采用每一个异常图像信息中第一预设异常最严重的第一预设异常进行异常等级划分,其中第一预设异常最严重是指该第一预设异常的面积乘以其异常评分结果值为该异常图像信息中最大的。
2、当完成将异常图像信息划分为多个异常等级后,则可以建立第一预设异常的异常模型。其中,该异常模型中可以包括如前文所划分的至少两个异常等级,且每一个异常等级中均可以包括至少一个与该异常等级相对应的异常图像信息。
本步骤中,可以采用FPN目标检测技术对上述多个异常图像信息进行模型参数训练,从而建立上述的异常模型。
S103:根据异常模型对图像获取装置获取的第一图像进行异常分析。
当完成步骤S102建立第一预设异常的异常模型后,继续进行步骤S103的步骤,具体如下:
根据异常模型对图像获取装置获取的第一图像进行异常分析,以确定图像获取装置是否合格。
本步骤中,可以通过前文所建立的异常模型对每一个图像获取装置进行异常分析,以确定图像获取装置是否合格。
具体的,可以通过图像获取装置对如前文所述的纯色背景进行拍摄,从而获取到第一图像。然后通过将第一图像与前文所述的异常模型中所对应的异常图像信息进行匹配,以确定第一图像的异常等级。具体的,当第一图像中的第一预设异常可以与某一异常等级所对应的的异常图像信息进行匹配,以确定第一图像的异常等级为与该异常图像信息所对应的异常等级。其中,若该异常等级对应为合格,则说明该拍摄该第一图像的图像获取装置为合格,否则为不合格。
进一步的,在本实施例中,还可以采用深度学习技术对该异常模型进行进一步的训练。例如,当第一图像无法与前文所述的异常模型中所对应的异常图像信息相匹配时,可以对第一图像的中第一预设异常的异常的位置、大小、数量以及常程度进行进一步判断,从而在该异常模型模型中建立该第一图像所对应的新的异常等级。
进一步的,在其他的实施方式中,还可以根据异常模型对第一图像中每一个第一预设异常进行位置标注、面积计算以及异常评分。
本实施例中,在步骤S102对异常图像信息中的第一预设异常进行异常判定的步骤之后,且在根据异常判定的判定结果建立第一预设异常的异常模型析的步骤之前,该检测方法还包括:对每一异常图像信息中的第一预设异常进行增强处理,以提高经过增强处理后的第一预设异常的辨识度。其中,增强处理的方式包括:增大异常图像信息中对应第一预设异常的区域和第一预设异常以外的区域之间的对比度;或者对异常图像信息中对应第一预设异常的区域进行染色处理。从而可以提高每一每一异常图像信息中的第一预设异常进的辨识度。
此时,采用图像获取装置获取的第一图像后,也可以采用如前文相同的增强处理的方式对第一图像中的第一预设异常进行增强处理,从而可以提高对第一图像中的第一预设异常的识别能力。
基于同样的发明构思,本申请还提出了一种用于图像获取装置的检测装置。
请参阅图2,图2是本申请提供的一种用于图像获取装置的检测装置一实施例的结构示意图。
其中,检测装置20包括处理器210以及存储器220;存储器220用于存储处理器210执行的计算机程序以及在执行计算机程序时所产生的中间数据;处理器210执行计算机程序时,用于接收图像获取装置的获取的第一图像的图像信息,从而实现如前文所述的检测方法,以对该图像获取装置的获取的第一图像进行图形检测。
基于同样的发明构思,本申请还提出了一种计算机可读存储介质,请参阅图3,图3是本申请提供的计算机可读存储介质一实施例的结构示意图。计算机可读存储介质30中存储有程序数据31,程序数据31可以为程序或指令,该程序数据能够被执行以实现上述坐标标定方法。
在一个实施例中,计算机可读存储装置30可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具,还可以是服务器等等。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,处理器或存储器的划分,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,例如多个处理器与存储器实现的功能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连接可以是通过一些接口,装置或单元的间接耦合或连接,可以是电性,机械或其它的形式。
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方式的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读取存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的计算机可读取存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请提供一种用于图像获取装置的检测方法及相关装置。通过采用对多个异常图像信息中多个第一预设异常进行异常判定,从而第一预设异常的异常模型,然后可以将图像获取装置获取的第一图像与该异常模型中第一预设异常进行匹配,从而可以对第一图像与中的所有的第一预设异常的区域进行快速自动识别且进行位置、大小以及异常评分的标注,从而可以提高对图像获取装置获取的第一图像的异常检测效率,且对具有不同形态、大小、颜色、背景、数目的第一预设异常有鲁棒的检测效果;同时,采用深度学习技术可以对第一预设异常的异常模型进行进一步的训练,从而可以提高对不同大小、形状、颜色、背景、数目以及异常程度的第一预设异常检测的适应性;进一步的,采用本申请提供的检测方法,可以在后续对图像获取装置获取的第一图像进行检测时,可以采用因此模型中具有不同异常等级的第一预设异常与第一图像中的第一预设异常相匹配,从而可以自动对第一图像中每一个第一预设异常进行位置标注、面积计算以及异常评分,从而可以减小对技术人员的依赖。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种用于图像获取装置的检测方法,其特征在于,所述检测方法包括:
获取多个异常图像信息,多个所述异常图像信息中均包括第一预设异常;
对所述异常图像信息中的所述第一预设异常进行异常判定,并根据所述异常判定的判定结果建立所述第一预设异常的异常模型;
根据所述异常模型对图像获取装置获取的第一图像进行异常分析。
2.根据权利要求1所述的检测方法,其特征在于,所述对所述异常图像信息中的所述第一预设异常进行异常判定的步骤包括:
对所述异常图像信息中的所述第一预设异常的位置、所述第一预设异常的大小、第一预设异常的数量以及所述第一预设异常的异常程度中的至少一者进行标注。
3.根据权利要求2所述的检测方法,其特征在于,对所述第一预设异常的异常程度进行标注的步骤包括:
根据所述第一预设异常的严重程度对所述第一预设异常的进行评分。
4.根据权利要求2所述的检测方法,其特征在于,所述根据所述异常判定的判定结果建立所述第一预设异常的异常模型的步骤包括:
根据判定得到的所述第一预设异常的位置、所述第一预设异常的大小、第一预设异常的数量以及所述第一预设异常的异常程度中的至少一者将多个所述异常图像信息中的所有的所述第一预设异常划分为多个异常等级;
建立异常模型,所述异常模型包括所述多个异常等级,且每一所述异常等级均对应至少一个所述第一预设异常所对应的图像信息。
5.根据权利要求4所述的检测方法,其特征在于,所述根据所述异常模型对图像获取装置获取的第一图像进行异常分析的步骤包括:
将所述图像获取装置获取的第一图像与所述异常模型中所对应的所述异常图像信息进行匹配,以确定所述第一图像的所述异常等级。
6.根据权利要求1-5任一项所述的检测方法,其特征在于,在所述对所述异常图像信息中的所述第一预设异常进行异常判定的步骤之后,且在根据所述异常判定的判定结果建立所述第一预设异常的异常模型析的步骤之前,所述检测方法还包括:
对每一所述异常图像信息中的所述第一预设异常进行增强处理;以提高经过所述增强处理后的所述第一预设异常的辨识度。
7.根据权利要求6所述的检测方法,其特征在于,所述增强处理的方式包括:
增大所述异常图像信息中对应所述第一预设异常的区域和所述第一预设异常以外的区域之间的对比度;或者
对所述异常图像信息中对应所述第一预设异常的区域进行染色处理。
8.根据权利要求6所述的检测方法,其特征在于,
所述第一预设异常包括黑斑异常。
9.一种用于图像获取装置的检测装置,其特征在于,所述检测装置包括处理器以及存储器;所述存储器用于存储所述处理器执行的计算机程序以及在执行所述计算机程序时所产生的中间数据;所述处理器执行所述计算机程序时,用于实现如权利要求1-8任一项所述的检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序数据,所述程序数据能够被执行以实现如权利要求1-8任意一项所述的检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767360.XA CN111935480B (zh) | 2020-08-03 | 2020-08-03 | 一种用于图像获取装置的检测方法及相关装置 |
PCT/CN2020/120043 WO2022027816A1 (zh) | 2020-08-03 | 2020-10-09 | 一种用于图像获取装置的检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010767360.XA CN111935480B (zh) | 2020-08-03 | 2020-08-03 | 一种用于图像获取装置的检测方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111935480A true CN111935480A (zh) | 2020-11-13 |
CN111935480B CN111935480B (zh) | 2022-02-15 |
Family
ID=73306400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010767360.XA Active CN111935480B (zh) | 2020-08-03 | 2020-08-03 | 一种用于图像获取装置的检测方法及相关装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111935480B (zh) |
WO (1) | WO2022027816A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114464316B (zh) * | 2022-04-11 | 2022-07-19 | 武汉大学 | 胃部异常风险等级预测方法、装置、终端及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572508A (zh) * | 2012-02-13 | 2012-07-11 | 北京文安科技发展有限公司 | 一种视频故障诊断系统及方法 |
CN105306931A (zh) * | 2015-11-17 | 2016-02-03 | 小米科技有限责任公司 | 智能电视异常检测方法及装置 |
CN109167998A (zh) * | 2018-11-19 | 2019-01-08 | 深兰科技(上海)有限公司 | 检测相机状态的方法及装置、电子设备、存储介质 |
CN109376628A (zh) * | 2018-10-10 | 2019-02-22 | 杭州登虹科技有限公司 | 一种图像质量检测方法、装置和存储介质 |
CN110868586A (zh) * | 2019-11-08 | 2020-03-06 | 北京转转精神科技有限责任公司 | 一种摄像头缺陷自动化检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732510B (zh) * | 2013-12-23 | 2017-12-19 | 浙江大华技术股份有限公司 | 一种相机镜头黑斑检测方法及装置 |
US10331973B2 (en) * | 2017-06-26 | 2019-06-25 | Nicira, Inc. | System and method for deploying graphical diagram topologies |
-
2020
- 2020-08-03 CN CN202010767360.XA patent/CN111935480B/zh active Active
- 2020-10-09 WO PCT/CN2020/120043 patent/WO2022027816A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102572508A (zh) * | 2012-02-13 | 2012-07-11 | 北京文安科技发展有限公司 | 一种视频故障诊断系统及方法 |
CN105306931A (zh) * | 2015-11-17 | 2016-02-03 | 小米科技有限责任公司 | 智能电视异常检测方法及装置 |
CN109376628A (zh) * | 2018-10-10 | 2019-02-22 | 杭州登虹科技有限公司 | 一种图像质量检测方法、装置和存储介质 |
CN109167998A (zh) * | 2018-11-19 | 2019-01-08 | 深兰科技(上海)有限公司 | 检测相机状态的方法及装置、电子设备、存储介质 |
CN110868586A (zh) * | 2019-11-08 | 2020-03-06 | 北京转转精神科技有限责任公司 | 一种摄像头缺陷自动化检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111935480B (zh) | 2022-02-15 |
WO2022027816A1 (zh) | 2022-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11797886B2 (en) | Image processing device, image processing method, and image processing program | |
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
CN111310826B (zh) | 样本集的标注异常检测方法、装置及电子设备 | |
CN110287862B (zh) | 基于深度学习的防偷拍检测方法 | |
CN111680690B (zh) | 一种文字识别方法及装置 | |
CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
WO2019061659A1 (zh) | 人脸图像眼镜去除方法、装置及存储介质 | |
CN111898610B (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
CN115205247A (zh) | 电池极片的缺陷检测方法、装置、设备及存储介质 | |
CN115512381A (zh) | 文本识别方法、装置、设备、存储介质及作业机械 | |
CN113780484B (zh) | 工业产品缺陷检测方法和装置 | |
CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
CN114612418A (zh) | 一种鼠标外壳表面缺陷检测方法及装置、系统、电子设备 | |
CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
CN112883762A (zh) | 一种活体检测方法、装置、系统及存储介质 | |
CN115578362A (zh) | 电极涂层的缺陷检测方法、装置、电子设备及介质 | |
CN116152191A (zh) | 基于深度学习的显示屏裂纹缺陷检测方法、装置及设备 | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN111402185A (zh) | 一种图像检测方法及装置 | |
CN115131355A (zh) | 利用电子设备数据检测防水布异常的智能方法 | |
CN115147386A (zh) | U型管的缺陷检测方法、装置及电子设备 | |
US8538142B2 (en) | Face-detection processing methods, image processing devices, and articles of manufacture | |
CN114723728A (zh) | 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统 |
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 |