CN112150436A - 口红内壁涂胶检测方法、装置、电子设备及存储介质 - Google Patents
口红内壁涂胶检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112150436A CN112150436A CN202011012222.7A CN202011012222A CN112150436A CN 112150436 A CN112150436 A CN 112150436A CN 202011012222 A CN202011012222 A CN 202011012222A CN 112150436 A CN112150436 A CN 112150436A
- Authority
- CN
- China
- Prior art keywords
- lipstick
- gluing
- wall
- detected
- detection
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请提供一种口红内壁涂胶检测方法、装置、电子设备及存储介质,口红内壁涂胶检测方法,包括:获取待检测口红内壁的涂胶检测图像;以预设的最小检测单元划分规则对所述涂胶检测图像进行划分,得到多个涂胶检测子图像;根据预设的分类网络模型对多个所述涂胶检测子图像进行分类,得到多个对应的分类结果;根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格。本申请口红内壁涂胶检测方法、装置、电子设备及存储介质,适用于对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测,并能较为准确地检测确定待检测口红内壁涂胶是否合格。
Description
技术领域
本申请涉及涂胶检测技术领域,具体而言,涉及一种口红内壁涂胶检测方法、装置、电子设备及存储介质。
背景技术
目前,大多口红需要进行内壁涂胶,口红内壁涂胶主要在口红涂胶工件上进行。
在口红内壁涂胶的自动化生产线中,口红涂胶工件涂胶后是高速移动的,现有的大多用于口红内壁涂胶检测的方式难以适用于对高速移动中的口红涂胶工件进行口红内壁涂胶是否合格的检测,导致了在口红内壁涂胶的自动化生产线中,难以及时地对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测。
发明内容
本申请实施例的目的在于提供一种口红内壁涂胶检测方法、装置、电子设备及存储介质,适用于对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测,并能较为准确地检测确定待检测口红内壁涂胶是否合格。
第一方面,本申请实施例提供了一种口红内壁涂胶检测方法,包括:
获取待检测口红内壁的涂胶检测图像;
以预设的最小检测单元划分规则对所述涂胶检测图像进行划分,得到多个涂胶检测子图像;
根据预设的分类网络模型对多个所述涂胶检测子图像进行分类,得到多个对应的分类结果;
根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格。
在上述实现过程中,本申请实施例的口红内壁涂胶检测方法,口红内壁涂胶检测即对口红涂胶工件涂胶的检测,其通过预设的最小检测单元划分规则划分得到的多个涂胶检测子图像对应的分类结果,确定待检测口红内壁涂胶是否合格,以涂胶检测图像按预设的最小检测单元划分的方式,大大减少在高速移动下获得的口红涂胶工件的涂胶检测图像存在的图像差异较大等问题对涂胶检测的影响,使得本申请实施例的口红内壁涂胶检测方法能较好地适用于对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测,并且能较为准确地检测确定待检测口红内壁涂胶是否合格,因而可以在口红内壁涂胶的自动化生产线中及时地对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测。
进一步地,所述获取待检测口红内壁的涂胶检测图像,包括:
获取待检测口红内壁的涂胶初始图像;
通过区域检测算法从所述涂胶初始图像裁剪得到所述待检测口红内壁的涂胶检测图像。
在上述实现过程中,该方法通过区域检测算法从涂胶初始图像裁剪得到待检测口红内壁的涂胶检测图像,能较好地获得待检测口红内壁的涂胶检测图像,进而可以有利于口红内壁涂胶的检测。
进一步地,所述根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格,包括:
根据多个所述分类结果,计算得到所述待检测口红内壁的涂胶覆盖率;
根据所述涂胶覆盖率是否达到预设覆盖率,确定所述待检测口红内壁涂胶是否合格。
在上述实现过程中,该方法通过多个涂胶检测子图像对应的多个分类结果,计算得到待检测口红内壁的涂胶覆盖率,确定待检测口红内壁涂胶是否合格的方式,可以较好地确定待检测口红内壁涂胶是否合格。
进一步地,所述根据多个所述分类结果,计算得到所述待检测口红内壁的涂胶覆盖率,包括:
根据水平方向上任一行的所述涂胶检测子图像对应的分类结果,计算得到所述待检测口红内壁的涂胶覆盖率。
在上述实现过程中,该方法通过水平方向上任一行的涂胶检测子图像对应的分类结果,计算得到待检测口红内壁的涂胶覆盖率,可以较为便于待检测口红内壁的涂胶覆盖率的确定。
进一步地,所述根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格,包括:
根据多个所述分类结果,得到水平方向上或竖直方向上的所述涂胶检测子图像是否存在断胶的第一预测结果;
根据所述第一预测结果,确定所述待检测口红内壁涂胶是否合格。
在上述实现过程中,该方法确定待检测口红内壁涂胶是否合格的方式,可以较为便于待检测口红内壁涂胶是否合格的确定。
进一步地,所述根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格,包括:
根据多个所述分类结果,得到多个所述涂胶检测子图像是否有胶的第二预测结果;
根据所述第二预测结果,确定所述待检测口红内壁涂胶是否合格。
在上述实现过程中,该方法确定待检测口红内壁涂胶是否合格的方式,可以较为便于待检测口红内壁涂胶是否合格的确定。
第二方面,本申请实施例提供了一种口红内壁涂胶检测装置,包括:
获取模块,用于获取待检测口红内壁的涂胶检测图像;
图像划分模块,用于以预设的最小检测单元划分规则对所述涂胶检测图像进行划分,得到多个涂胶检测子图像;
涂胶分类模块,用于根据预设的分类网络模型对多个所述涂胶检测子图像进行分类,得到多个对应的分类结果;
确定模块,用于根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格。
在上述实现过程中,本申请实施例的口红内壁涂胶检测装置,口红内壁涂胶检测即对口红涂胶工件涂胶的检测,其通过预设的最小检测单元划分规则划分得到的多个涂胶检测子图像对应的分类结果,确定待检测口红内壁涂胶是否合格,以涂胶检测图像按预设的最小检测单元划分的方式,大大减少在高速移动下获得的口红涂胶工件的涂胶检测图像存在的图像差异较大等问题对涂胶检测的影响,使得本申请实施例的口红内壁涂胶检测装置能较好地适用于对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测,并且能较为准确地检测确定待检测口红内壁涂胶是否合格,因而可以在口红内壁涂胶的自动化生产线中及时地对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测。
进一步地,所述确定模块,具体用于:
根据多个所述分类结果,计算得到所述待检测口红内壁的涂胶覆盖率;
根据所述涂胶覆盖率是否达到预设覆盖率,确定所述待检测口红内壁涂胶是否合格。
在上述实现过程中,该装置通过多个涂胶检测子图像对应的多个分类结果,计算得到待检测口红内壁的涂胶覆盖率,确定待检测口红内壁涂胶是否合格的方式,可以较好地确定待检测口红内壁涂胶是否合格。
第三方面,本申请实施例提供了一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的口红内壁涂胶检测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述的口红内壁涂胶检测方法。
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为本申请实施例一提供的口红内壁涂胶检测方法的流程示意图;
图2为本申请实施例一提供的划分后的多个涂胶检测子图像的示意图;
图3为本申请实施例一提供的多个涂胶检测子图像的分类结果的示意图;
图4为本申请实施例一提供的步骤S110的流程示意图;
图5为本申请实施例一提供的步骤S140的流程示意图;
图6为本申请实施例二提供的口红内壁涂胶检测装置的结构框图。
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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在口红内壁涂胶的自动化生产线中,口红涂胶工件涂胶后是高速移动的,现有的大多用于口红内壁涂胶检测的方式难以适用于对高速移动中的口红涂胶工件进行口红内壁涂胶是否合格的检测,导致了在口红内壁涂胶的自动化生产线中,难以及时地对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测。
针对上述现有技术中的问题,本申请提供了一种口红内壁涂胶检测方法、装置、电子设备及存储介质,适用于对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测,并能较为准确地检测确定待检测口红内壁涂胶是否合格。
实施例一
参见图1,图1为本申请实施例提供的口红内壁涂胶检测方法的流程示意图。本申请实施例中下述的口红内壁涂胶检测方法可应用于服务器。
本申请实施例的口红内壁涂胶检测方法,包括如下步骤:
步骤S110,获取待检测口红内壁的涂胶检测图像。
在本实施例中,口红内壁涂胶检测,即对口红涂胶工件涂胶的检测,待检测口红内壁的涂胶检测图像,即待检测口红涂胶工件的涂胶检测图像。
可选地,可通过工业相机结合镜面反射的方式获得待检测口红涂胶工件的图像,进而可从待检测口红涂胶工件的图像获得待检测口红涂胶工件的涂胶检测图像。
步骤S120,以预设的最小检测单元划分规则对涂胶检测图像进行划分,得到多个涂胶检测子图像。
在本实施例中,以预设的最小检测单元划分规则划分得到的多个涂胶检测子图像,可参见图2,图2为本申请实施例提供的划分后的多个涂胶检测子图像的示意图。
在图2中,多个涂胶检测子图像以矩形进行划分,且划分的多个涂胶检测子图像是紧密排列的。
可以理解地,在本实施例中,多个涂胶检测子图像还可以6×6或7×7等矩形进行划分。
需要说明的是,在其他实施例中,以矩形进行划分的多个涂胶检测子图像可以是稀疏排列的或重叠排列的。同时,在其他实施例中,多个涂胶检测子图像还可以其他图形进行划分,例如,圆形或椭圆形等等。
步骤S130,根据预设的分类网络模型对多个涂胶检测子图像进行分类,得到多个对应的分类结果。
在本实施例中,预设的分类网络模型是预先训练好的分类网络模型,预设的分类网络模型可以是googlenet或resnet等网络模型。
对于根据预设的分类网络模型对多个涂胶检测子图像进行分类,得到的多个对应的分类结果,可参见图3,图3为本申请实施例提供的多个涂胶检测子图像的分类结果的示意图,其中,1表示涂胶检测子图像有胶,0表示涂胶检测子图像无胶。
在对预设的分类网络模型训练时,可通过不同照度下的口红涂胶工件有胶图像和口红涂胶工件无胶图像对预设的分类网络模型进行训练,同样地,在对预设的分类网络模型训练时,可以预设的最小检测单元划分规则对口红涂胶工件有胶图像和口红涂胶工件无胶图像进行划分。
通过不同照度下的口红涂胶工件有胶图像和口红涂胶工件无胶图像对预设的分类网络模型进行训练,可以使得预设的分类网络模型对涂胶检测子图像进行分类时,可不受光照变化的影响,进而可以提高预设的分类网络模型对涂胶检测子图像进行有胶、无胶分类的准确性。
步骤S140,根据多个上述分类结果,确定待检测口红内壁涂胶是否合格。
在本实施例中,在根据多个上述分类结果确定待检测口红内壁涂胶是否合格时,可有多种确定待检测口红内壁涂胶是否合格的方式,例如,可通过涂胶覆盖率的方式确定待检测口红内壁涂胶是否合格,或可通过有无涂胶的方式确定待检测口红内壁涂胶是否合格等等。
本申请实施例的口红内壁涂胶检测方法,通过预设的最小检测单元划分规则划分得到的多个涂胶检测子图像对应的分类结果,确定待检测口红内壁涂胶是否合格,以涂胶检测图像按预设的最小检测单元划分的方式,大大减少在高速移动下获得的口红涂胶工件的涂胶检测图像存在的图像差异较大等问题对涂胶检测的影响,使得本申请实施例的口红内壁涂胶检测方法能较好地适用于对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测,并且能较为准确地检测确定待检测口红内壁涂胶是否合格,因而可以在口红内壁涂胶的自动化生产线中及时地对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测。
为了可以较好地获得待检测口红内壁的涂胶检测图像,本申请实施例提供一种可能的实施方式,参见图4,图4为本申请实施例提供的步骤S110的流程示意图,本申请实施例的口红内壁涂胶检测方法,步骤S110,获取待检测口红内壁的涂胶检测图像,可包括如下步骤:
步骤S111,获取待检测口红内壁的涂胶初始图像;
步骤S112,通过区域检测算法从涂胶初始图像裁剪得到待检测口红内壁的涂胶检测图像。
其中,待检测口红内壁的涂胶初始图像,即待检测口红涂胶工件的涂胶初始图像,待检测口红涂胶工件的涂胶初始图像可通过工业相机结合镜面反射的方式获得。
区域检测算法可以是二值化、连通域检测算法等等。
在上述过程中,该方法通过区域检测算法从涂胶初始图像裁剪得到待检测口红内壁的涂胶检测图像,能较好地获得待检测口红内壁的涂胶检测图像,进而可以有利于口红内壁涂胶的检测。
参见图5,图5为本申请实施例提供的步骤S140的流程示意图。
作为一种可选的实施方式,本申请实施例的口红内壁涂胶检测方法,步骤S140,根据多个上述分类结果,确定待检测口红内壁涂胶是否合格,可包括如下步骤:
步骤S141,根据多个上述分类结果,计算得到待检测口红内壁的涂胶覆盖率;
步骤S142,根据涂胶覆盖率是否达到预设覆盖率,确定待检测口红内壁涂胶是否合格。
其中,涂胶覆盖率达到预设覆盖率,即涂胶覆盖率大于或等于预设覆盖率。
在上述过程中,该方法通过多个涂胶检测子图像对应的多个分类结果,计算得到待检测口红内壁的涂胶覆盖率,确定待检测口红内壁涂胶是否合格的方式,可以较好地确定待检测口红内壁涂胶是否合格。
可选地,在根据多个上述分类结果,计算得到待检测口红内壁的涂胶覆盖率时,可根据水平方向上任一行的涂胶检测子图像对应的分类结果,计算得到待检测口红内壁的涂胶覆盖率。
在上述过程中,该方法通过水平方向上任一行的涂胶检测子图像对应的分类结果,计算得到待检测口红内壁的涂胶覆盖率,可以较为便于待检测口红内壁的涂胶覆盖率的确定。
需要说明的是,在本实施例中,也可根据竖直方向上任一列的涂胶检测子图像对应的分类结果,计算得到待检测口红内壁的涂胶覆盖率;或,也可根据所有的涂胶检测子图像对应的分类结果,计算得到待检测口红内壁的涂胶覆盖率。
作为另一种可选的实施方式,本申请实施例的口红内壁涂胶检测方法,步骤S140,根据多个上述分类结果,确定待检测口红内壁涂胶是否合格,还可包括如下步骤:
根据多个上述分类结果,得到水平方向上或竖直方向上的涂胶检测子图像是否存在断胶的第一预测结果;
根据第一预测结果,确定待检测口红内壁涂胶是否合格。
其中,可以水平方向上任一行或每一行的涂胶检测子图像是否均为有胶,来确定水平方向上的涂胶检测子图像是否存在断胶;同样地,可以竖直方向上任一列或每一列的涂胶检测子图像是否均为有胶,来确定竖直方向上的涂胶检测子图像是否存在断胶。
第一预测结果可以是水平方向上的涂胶检测子图像存在断胶,或水平方向上的涂胶检测子图像不存在断胶,或竖直方向上的涂胶检测子图像存在断胶,或竖直方向上的涂胶检测子图像不存在断胶。
示例性地,在根据第一预测结果,确定待检测口红内壁涂胶是否合格时,若水平方向上的涂胶检测子图像存在断胶,则确定待检测口红内壁涂胶不合格。
在上述实现过程中,该方法确定待检测口红内壁涂胶是否合格的方式,可以较为便于待检测口红内壁涂胶是否合格的确定。
作为另一种可选的实施方式,本申请实施例的口红内壁涂胶检测方法,步骤S140,根据多个上述分类结果,确定待检测口红内壁涂胶是否合格,还可包括如下步骤:
根据多个上述分类结果,得到多个涂胶检测子图像是否有胶的第二预测结果;
根据第二预测结果,确定待检测口红内壁涂胶是否合格。
其中,多个涂胶检测子图像是否有胶可通过是否有至少一个涂胶检测子图像为有胶进行判断。
第二预测结果可以是多个涂胶检测子图像有胶或多个涂胶检测子图像无胶。
在上述实现过程中,该方法确定待检测口红内壁涂胶是否合格的方式,可以较为便于待检测口红内壁涂胶是否合格的确定。
实施例二
为了执行上述实施例一对应的方法,以实现相应的功能和技术效果,下面提供一种口红内壁涂胶检测装置。
参见图6,图6为本申请实施例提供的口红内壁涂胶检测装置的结构框图。
本申请实施例的口红内壁涂胶检测装置,包括:
获取模块210,用于获取待检测口红内壁的涂胶检测图像;
图像划分模块220,用于以预设的最小检测单元划分规则对涂胶检测图像进行划分,得到多个涂胶检测子图像;
涂胶分类模块230,用于根据预设的分类网络模型对多个涂胶检测子图像进行分类,得到多个对应的分类结果;
确定模块240,用于根据多个上述分类结果,确定待检测口红内壁涂胶是否合格。
本申请实施例的口红内壁涂胶检测装置,通过预设的最小检测单元划分规则划分得到的多个涂胶检测子图像对应的分类结果,确定待检测口红内壁涂胶是否合格,以涂胶检测图像按预设的最小检测单元划分的方式,大大减少在高速移动下获得的口红涂胶工件的涂胶检测图像存在的图像差异较大等问题对涂胶检测的影响,使得本申请实施例的口红内壁涂胶检测装置能较好地适用于对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测,并且能较为准确地检测确定待检测口红内壁涂胶是否合格,因而可以在口红内壁涂胶的自动化生产线中及时地对涂胶后高速移动的口红涂胶工件涂胶是否合格进行检测。
作为一种可选的实施方式,获取模块210,可具体用于:
获取待检测口红内壁的涂胶初始图像;
通过区域检测算法从涂胶初始图像裁剪得到待检测口红内壁的涂胶检测图像。
作为一种可选的实施方式,确定模块240,可具体用于:
根据多个上述分类结果,计算得到待检测口红内壁的涂胶覆盖率;
根据涂胶覆盖率是否达到预设覆盖率,确定待检测口红内壁涂胶是否合格。
可选地,确定模块240在根据多个上述分类结果,计算得到待检测口红内壁的涂胶覆盖率时,可根据水平方向上任一行的涂胶检测子图像对应的分类结果,计算得到待检测口红内壁的涂胶覆盖率。
作为一种可选的实施方式,确定模块240,还可具体用于:
根据多个上述分类结果,得到水平方向上或竖直方向上的涂胶检测子图像是否存在断胶的第一预测结果;
根据第一预测结果,确定待检测口红内壁涂胶是否合格。
作为一种可选的实施方式,确定模块240,还可具体用于:
根据多个上述分类结果,得到多个涂胶检测子图像是否有胶的第二预测结果;
根据第二预测结果,确定待检测口红内壁涂胶是否合格。
上述的口红内壁涂胶检测装置可实施上述实施例一的口红内壁涂胶检测方法。上述实施例一中的可选项也适用于本实施例,这里不再详述。
本申请实施例的其余内容可参照上述实施例一的内容,在本实施例中,不再进行赘述。
实施例三
本申请实施例提供一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述的口红内壁涂胶检测方法。
可选地,上述电子设备可以是服务器。
另外,本申请实施例还提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述的口红内壁涂胶检测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也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,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,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。
所述功能如果以软件功能模块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,本申请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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
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。
Claims (10)
1.一种口红内壁涂胶检测方法,其特征在于,包括:
获取待检测口红内壁的涂胶检测图像;
以预设的最小检测单元划分规则对所述涂胶检测图像进行划分,得到多个涂胶检测子图像;
根据预设的分类网络模型对多个所述涂胶检测子图像进行分类,得到多个对应的分类结果;
根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格。
2.根据权利要求1所述的口红内壁涂胶检测方法,其特征在于,所述获取待检测口红内壁的涂胶检测图像,包括:
获取待检测口红内壁的涂胶初始图像;
通过区域检测算法从所述涂胶初始图像裁剪得到所述待检测口红内壁的涂胶检测图像。
3.根据权利要求1所述的口红内壁涂胶检测方法,其特征在于,所述根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格,包括:
根据多个所述分类结果,计算得到所述待检测口红内壁的涂胶覆盖率;
根据所述涂胶覆盖率是否达到预设覆盖率,确定所述待检测口红内壁涂胶是否合格。
4.根据权利要求3所述的口红内壁涂胶检测方法,其特征在于,所述根据多个所述分类结果,计算得到所述待检测口红内壁的涂胶覆盖率,包括:
根据水平方向上任一行的所述涂胶检测子图像对应的分类结果,计算得到所述待检测口红内壁的涂胶覆盖率。
5.根据权利要求1所述的口红内壁涂胶检测方法,其特征在于,所述根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格,包括:
根据多个所述分类结果,得到水平方向上或竖直方向上的所述涂胶检测子图像是否存在断胶的第一预测结果;
根据所述第一预测结果,确定所述待检测口红内壁涂胶是否合格。
6.根据权利要求1所述的口红内壁涂胶检测方法,其特征在于,所述根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格,包括:
根据多个所述分类结果,得到多个所述涂胶检测子图像是否有胶的第二预测结果;
根据所述第二预测结果,确定所述待检测口红内壁涂胶是否合格。
7.一种口红内壁涂胶检测装置,其特征在于,包括:
获取模块,用于获取待检测口红内壁的涂胶检测图像;
图像划分模块,用于以预设的最小检测单元划分规则对所述涂胶检测图像进行划分,得到多个涂胶检测子图像;
涂胶分类模块,用于根据预设的分类网络模型对多个所述涂胶检测子图像进行分类,得到多个对应的分类结果;
确定模块,用于根据多个所述分类结果,确定所述待检测口红内壁涂胶是否合格。
8.根据权利要求7所述的口红内壁涂胶检测装置,其特征在于,所述确定模块,具体用于:
根据多个所述分类结果,计算得到所述待检测口红内壁的涂胶覆盖率;
根据所述涂胶覆盖率是否达到预设覆盖率,确定所述待检测口红内壁涂胶是否合格。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至6中任一项所述的口红内壁涂胶检测方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的口红内壁涂胶检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012222.7A CN112150436A (zh) | 2020-09-23 | 2020-09-23 | 口红内壁涂胶检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012222.7A CN112150436A (zh) | 2020-09-23 | 2020-09-23 | 口红内壁涂胶检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112150436A true CN112150436A (zh) | 2020-12-29 |
Family
ID=73896377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011012222.7A Pending CN112150436A (zh) | 2020-09-23 | 2020-09-23 | 口红内壁涂胶检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150436A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077594A (zh) * | 2013-03-29 | 2014-10-01 | 浙江大华技术股份有限公司 | 一种图像识别方法和装置 |
CN104483326A (zh) * | 2014-12-19 | 2015-04-01 | 长春工程学院 | 基于深度信念网络的高压线绝缘子缺陷检测方法及系统 |
US20160350909A1 (en) * | 2015-05-28 | 2016-12-01 | Jabil Circuit, Inc. | System, apparatus and method for dispensed adhesive material inspection |
CN109583489A (zh) * | 2018-11-22 | 2019-04-05 | 中国科学院自动化研究所 | 缺陷分类识别方法、装置、计算机设备和存储介质 |
CN110598761A (zh) * | 2019-08-26 | 2019-12-20 | 深圳大学 | 一种点胶检测方法、装置及计算机可读存储介质 |
CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
CN111192237A (zh) * | 2019-12-16 | 2020-05-22 | 重庆大学 | 一种基于深度学习的涂胶检测系统和方法 |
CN111392368A (zh) * | 2020-06-03 | 2020-07-10 | 天津美腾科技股份有限公司 | 一种输送带损伤检测方法、装置、设备及存储介质 |
CN111624199A (zh) * | 2020-05-18 | 2020-09-04 | Oppo(重庆)智能科技有限公司 | 检测方法和系统,及存储介质 |
-
2020
- 2020-09-23 CN CN202011012222.7A patent/CN112150436A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104077594A (zh) * | 2013-03-29 | 2014-10-01 | 浙江大华技术股份有限公司 | 一种图像识别方法和装置 |
CN104483326A (zh) * | 2014-12-19 | 2015-04-01 | 长春工程学院 | 基于深度信念网络的高压线绝缘子缺陷检测方法及系统 |
US20160350909A1 (en) * | 2015-05-28 | 2016-12-01 | Jabil Circuit, Inc. | System, apparatus and method for dispensed adhesive material inspection |
CN109583489A (zh) * | 2018-11-22 | 2019-04-05 | 中国科学院自动化研究所 | 缺陷分类识别方法、装置、计算机设备和存储介质 |
CN110598761A (zh) * | 2019-08-26 | 2019-12-20 | 深圳大学 | 一种点胶检测方法、装置及计算机可读存储介质 |
CN111192237A (zh) * | 2019-12-16 | 2020-05-22 | 重庆大学 | 一种基于深度学习的涂胶检测系统和方法 |
CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
CN111624199A (zh) * | 2020-05-18 | 2020-09-04 | Oppo(重庆)智能科技有限公司 | 检测方法和系统,及存储介质 |
CN111392368A (zh) * | 2020-06-03 | 2020-07-10 | 天津美腾科技股份有限公司 | 一种输送带损伤检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
GENG LEI 等: "Glue detection based on teaching points constraint and tracking model of pixel convolution", 《PROCEEDINGS OF SPIE》 * |
查广丰 等: "基于深度学习的点胶缺陷检测", 《电子技术与软件工程》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102417232B1 (ko) | 스펙트로스코피를 이용한 식별 | |
CN106846362B (zh) | 一种目标检测跟踪方法和装置 | |
GB2559668A (en) | Automatic vehicle leak detection | |
JP6543066B2 (ja) | 機械学習装置 | |
CN104615986B (zh) | 利用多检测器对场景变化的视频图像进行行人检测的方法 | |
US11094080B2 (en) | Method and device for determining whether a hand cooperates with a manual steering element of a vehicle | |
CN108008409B (zh) | 区域轮廓绘制方法及装置 | |
CN112508910A (zh) | 用于多分类缺陷检测的缺陷提取方法及装置 | |
CN111783665A (zh) | 一种动作识别方法、装置、存储介质和电子设备 | |
CN112288727A (zh) | 磁环表面缺陷检测方法、装置、电子设备及存储介质 | |
CN111311598A (zh) | 基于多视角的紧固件表面缺陷检测方法及装置 | |
CN108288274B (zh) | 模具检测方法、装置以及电子设备 | |
CN108363942B (zh) | 一种基于多特征融合的刀具识别方法、装置以及设备 | |
CN108573244A (zh) | 一种车辆检测方法、装置及系统 | |
CN111652145A (zh) | 一种公式检测的方法、装置、电子设备和存储介质 | |
Sweeney et al. | Autonomous extraction of optimal flame fronts in OH planar laser-induced fluorescence images | |
CN108985131B (zh) | 一种目标识别方法及图像处理设备 | |
CN112150436A (zh) | 口红内壁涂胶检测方法、装置、电子设备及存储介质 | |
CN112396652A (zh) | 施工工地安全监测方法、装置、电子设备及存储介质 | |
JP2021107809A (ja) | 第1のコンポーネントと第2のコンポーネントとの間で水平方向に伸長する界面の垂直位置を判定するための方法および装置 | |
CN115661131B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN110163032B (zh) | 一种人脸检测方法及装置 | |
CN111968093A (zh) | 磁瓦表面缺陷检测方法、装置、电子设备及存储介质 | |
CN114217610B (zh) | 一种脏污程度检测方法、装置、设备和介质 | |
CN107507178B (zh) | 光栅膜的检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201229 |