CN112188190A - 污渍检测方法、烹饪器具、服务器和存储介质 - Google Patents
污渍检测方法、烹饪器具、服务器和存储介质 Download PDFInfo
- Publication number
- CN112188190A CN112188190A CN202011067661.8A CN202011067661A CN112188190A CN 112188190 A CN112188190 A CN 112188190A CN 202011067661 A CN202011067661 A CN 202011067661A CN 112188190 A CN112188190 A CN 112188190A
- Authority
- CN
- China
- Prior art keywords
- image
- stain
- camera device
- sub
- images
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 86
- 238000010411 cooking Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 37
- 238000004140 cleaning Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 239000002689 soil Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000428 dust Substances 0.000 description 4
- 239000003595 mist Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241001156002 Anthonomus pomorum Species 0.000 description 1
- 206010027146 Melanoderma Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明提出了污渍检测方法、烹饪器具、服务器和存储介质。其中，一种摄像装置的污渍检测方法，包括：获取并分割摄像装置采集的图像，得到多个子图像；根据子图像的图像数据筛选子图像，得到污渍图像；根据污渍图像确定摄像装置的污渍信息。从而无需预先采集清晰图像作为检测依据，即可确定摄像装置的脏污情况，还能够对摄像装置首次拍摄前就存在的污渍识别，不仅实现全面的检测，还使检测得到的污渍信息更加准确，以便于用户及时对污渍进行清洁，避免污渍的存在影响摄像装置拍摄图像的效果，提升摄像装置的实用性。
Description
技术领域
本发明涉及自动控制技术领域，具体而言，涉及一种摄像装置的污渍检测方法、一种烹饪器具、一种服务器和一种可读存储介质。
背景技术
相关技术中，摄像头在工作前需要拍摄无脏污时的清晰图像，在使用过程中与之前的无脏污的图像进行对比，才能判断出摄像头是否脏污，但无法处理在摄像头工作前就已有的污渍造成的图像模糊的情况。而且，在进行脏污判断时需要选取一个检测区域，而无法进行全面的检测，例如，摄像头拍摄烤箱腔体的图片，对于烤箱在烤制食材时产生的烟雾并不集中在食物区域，很多是扩散在腔体内的顶部，从而降低脏污检测的准确度。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此，本发明的第一方面在于提出了一种摄像装置的污渍检测方法。
本发明的第二方面在于提出了一种烹饪器具。
本发明的第三方面在于提出了一种服务器。
本发明的第四方面在于提出了一种可读存储介质。
有鉴于此，根据本发明的第一方面，提出了一种摄像装置的污渍检测方法，包括：获取并分割摄像装置采集的图像，得到多个子图像；根据子图像的图像数据筛选子图像，得到污渍图像；根据污渍图像确定摄像装置的污渍信息。
本发明提供的摄像装置的污渍检测方法，获取摄像装置采集到的图像，并将获取到的图像进行分割，分割后得到多个子图像。获取每一个子图像的图像信息，并根据图像数据对子图像进行筛选，以从多个子图像中筛选出可能含有污渍的污渍图像。再根据得到的污渍图像确定摄像装置的污渍信息。其中，污渍信息包括摄像装置是否存在污渍，污渍的尺寸和位置、脏污程度等，在一些场景中，还可以对脏污程度继续细化，例如，脏污严重，表示无法拍摄；脏污一般，表示对拍摄质量影响较重；脏污较轻表示对拍摄质量影响较轻。
通过本发明提供的方法，通过对子图像进行逐个筛选，可以精准的确定每个子图像是否为污渍图像，进而确定摄像装置的污渍信息。无需预先采集清晰图像作为检测依据，即可确定摄像装置的脏污情况，还能够对摄像装置首次拍摄前就存在的污渍识别，不仅实现全面的检测，还使检测得到的污渍信息更加准确，以便于用户及时对污渍进行清洁，避免污渍的存在影响摄像装置拍摄图像的效果，提升摄像装置的实用性。
具体地，摄像装置可直接周期性的采集图像，或者从摄像装置录制的视频中截取图像。
进一步地，可按照预设尺寸分割图像，例如80mm×100mm的图像，按照8mm×10mm将图像分割为100个子图像；亦可以根据图像的分辨率分割图像，例如，图像分辨率为1280×720，子图像分辨率设为80×80，则图像被分割成16×9个子图像，根据子图像在图像中的位置，保存为一个16列9行的二维矩阵，从而确保分割后的子图像的清晰度，有利于后续根据子图像检测摄像装置污渍信息。
另外，根据本发明提供的上述技术方案中的摄像装置的污渍检测方法，还可以具有如下附加技术特征：
在上述技术方案中，进一步地，根据子图像的图像数据筛选子图像，具体包括：比较每一个子图像的图像数据和预设参数范围；将图像数据处于预设参数范围内的子图像标记为污渍图像。
在该技术方案中，将子图像的图像数据与预设参数范围进行比较。当子图像的图像数据处于预设参数范围内时，说明该子图像的图像数据异常，对应的图像区域可能存在污渍，则将该子图像标记为污渍图像。遍历全部的子图像，将每一个子图像按照同样方式进行比较，直至比较完所有子图像，从全部子图像中筛选出所有可能含有污渍的污渍图像，也即标记出摄像装置采集的图像上可能出现脏污的位置。从而通过筛选子图像中的污渍图像实现全面性的污渍信息检测，避免漏掉任何一处可能存在的污渍，而且无需利用先采集的清晰图像进行对比，即使在采集作为对比的清晰图像之前摄像装置已经存在污渍，也能够进行准确的检测，提升污渍检测精度。其中，预设参数范围可根据污渍检测需求合理设置。
在上述任一技术方案中，进一步地，根据子图像的图像数据筛选子图像，具体包括：根据图像数据和预设清晰度系数，确定子图像的模糊值；将模糊值大于或等于模糊阈值的子图像标记为污渍图像。
在该技术方案中，在筛选出污渍图像之后，根据每个子图像的图像数据和预设清晰度系数计算每个子图像的模糊值。将每个子图像的模糊值与模糊阈值进行比较。若子图像模糊值大于或等于模糊阈值，说明子图像的图像数据异常，对应的图像区域可能存在污渍，则将子图像模糊值大于或等于模糊阈值的子图像标记为污渍图像。从而通过预设清晰度系数将图像数据转化为模糊值，再根据模糊值筛选出污渍图像，实现全面性的污渍信息检测，进一步地增强了检测污渍信息的准确性，而且无需利用先采集的清晰图像进行对比，即使在采集作为对比的清晰图像之前摄像装置已经存在污渍，也能够进行准确的检测，提升污渍检测精度。其中，预设参数范围可根据污渍检测需求合理设置。
具体地，采用如下公式计算子图像的模糊值：
V＝k1×L+k2×B+k3×R，
其中，V表示模糊值，L表示梯度值、B表示亮度值、R表示模糊系数，k1、k2、k3分别为梯度值、亮度值、模糊系数的系数曲线，模糊值越高则该子图像为脏污区域的可信度越高。
在上述任一技术方案中，进一步地，根据污渍图像确定摄像装置的污渍信息，具体包括：确定污渍图像的位置信息；根据位置信息，将连续的污渍图像作为污渍图像集合；基于污渍图像集合中污渍图像的数量大于或等于数量阈值，则确定摄像装置上存在污渍。
在该技术方案中，根据分割图像时的标准或子图像的编号等信息确定污渍图像在分割前的图像中的位置信息，其中，位置信息包括编号、坐标等。根据位置信息将连续的污渍图像确定为污渍图像集合，并确定每个污渍图像集合中的污渍图像数量，也即呈聚集态的连续的污渍图像的数量。将每个污渍图像集合中污渍图像数量与预先设定的数量阈值进行比较。当污渍图像的数量大于或等于数量阈值，说明该污渍图像集合中出现图像数据异常的区域面积较大，则该污渍图像集合被确定为污渍，同时可以确定摄像装置上存在污渍。当污渍图像的数量小于数量阈值，说明污渍图像集合中出现图像数据异常的区域面积较小且独立，考虑到图像已被分割为分多个子图像的情况，该污渍图像集合可能是图像本身的内容，或偶尔飘落的灰尘或颗粒等，此时则确定摄像装置清晰度较高。从而通过设定污渍图像集合的污渍图像数量阈值，来限定连续污渍图像集合中污渍图像数量，能够进一步对污渍图像进行筛选，避免将非污渍的污渍图像错判为污渍，精确判断摄像装置是否存在污渍，保证摄像装置能够拍摄到较高质量的图像，有利于提升用户的拍摄体验。
其中，数量阈值可根据污渍检测需求合理设置。
具体地，连续的污渍图图像呈现出的形状可以是环形、线形，或者不规则聚集形态，在此不作限定。
在上述任一技术方案中，进一步地，根据污渍图像确定摄像装置的污渍信息，具体包括：识别污渍图像中亮度值小于亮度阈值的污渍区域；确定所有污渍图像的污渍区域的总面积；基于总面积大于或等于面积阈值，则确定摄像装置上存在污渍。
在该技术方案中，获取污渍图像的亮度值，将污渍图像的亮度值与亮度阈值进行比较，将污渍图像中亮度值小于亮度阈值的区域确定为污渍区域，根据每个污渍图像中的污渍区域确定图像中存在污渍区域的总面积。将每个污渍区域的总面积与面积阈值进行比较，当总面积大于或等于面积阈值的污渍区域，说明图像中出现图像数据异常的区域面积较大，则该污渍区域被确定为污渍，同时可以确定摄像装置上存在污渍。从而通过识别污渍图像中的污渍面积来判断摄像装置的污渍信息，精准判断污渍，避免图像本身的内容或偶尔飘落的灰尘或颗粒等造成的误判，即使对多个零散污渍图像同样能够进行识别，进一步提高污渍检测的准确度，提升摄像装置污渍检测的可靠性。
在上述任一技术方案中，进一步地，基于摄像装置上存在污渍，则发出清洁提示信息，和/或控制摄像装置的清洁组件清洁摄像装置的镜头。
在该技术方案中，当确定摄像装置的镜头上存在污渍，说明此时污渍会影响摄像装置拍摄图像的清晰度，需要进行清洁，则发出清洁提示信息，从而能够促使用户及时清洗摄像装置以保持摄像装置的清洁，便于拍摄到较高质量的图像，有利于提升用户的拍摄体验。另外，对于具备自清洁功能的摄像装置，可直接控制摄像装置的清洁组件清洁镜头，不需要手动清理污渍，实现自动清洁摄像装置，更加便捷，提升摄像装置的便利性和可靠性。
具体地，提示信息可发送至用户终端，或通过提示装置输出提示信息，其中，提示信息的输出方式可以为图像、语音、文字、视频等，通过多种方式提醒用户当前摄像装置的污渍信息，使用户及时的了解到摄像装置是否存在污渍，有利于用户对摄像装置进行控制。
在上述任一技术方案中，进一步地，图像数据包括以下至少一种：梯度值、亮度值、模糊系数；模糊系数为亮度值与梯度值的比值。
在该技术方案中，图像数据包括以下至少一种：梯度值、亮度值、模糊系数。其中，梯度值表征图像灰度值变化率，亮度值表征图像明亮程度，模糊系数为亮度值与梯度值的比值。考虑到污渍附着于摄像装置的镜头，导致摄像装置拍摄的图像模糊尤其是污渍边沿区域更加明显，且在图像上呈现的污渍区域较大。为此，采用梯度算法来识别，同时引入图片的模糊系数来补充判断由于图像太亮或者太暗造成的梯度识别的误差，提高污渍检测的可靠性。
进一步地，在通过图像数据和预设参数范围筛选污渍图像时，梯度值、亮度值、模糊系数三者中一者或者多者在对应的预设参数范围内时，则认为该子图像满足标记为污渍图像的条件。
在上述任一技术方案中，进一步地，分割摄像装置采集的图像之前，还包括：对摄像装置采集的图像进行灰度处理。
在该技术方案中，获取到摄像装置采集图像后对图像进行预处理，预处理包括将摄像装置采集的RGB图(彩图)转换成灰度图，以便于对子图像的梯度值和亮度值进行识别，有利于提高污渍检测的准确度。
进一步地，对图像进行灰度处理之后，还可以进行去噪处理、滤波处理等，使得处理后的图像更加清晰易于判断，能够更加准确地判断出摄像装置上的污渍。
根据本发明的第二方面，提出了一种烹饪器具，包括：摄像装置，配置为采集图像；存储器，存储器储存有程序或指令；处理器，与存储器、摄像装置连接，处理器执行程序或指令时执行第一方面提出的摄像装置的污渍检测方法。
在该技术方案中，控制摄像装置采集的图像，并将获取到的图像进行分割，分割后得到多个子图像。获取每一个子图像的图像信息，并根据图像数据对子图像进行筛选，以从多个子图像中筛选出可能含有污渍的污渍图像。再根据得到的污渍图像确定摄像装置的污渍信息。从而无需预先采集清晰图像作为检测依据，即可确定摄像装置的脏污情况，还能够对摄像装置首次拍摄前就存在的污渍识别，不仅实现全面的检测，还使检测得到的污渍信息更加准确，同时烹饪器具本身具备摄像装置污渍检测功能，即使网络信号差也能够进行准确的检测，以便于用户及时获知摄像装置的脏污情况，有利于用户控制烹饪器具。
具体地，摄像装置的数量为至少一个，以对烹饪器具的多个区域进行拍摄，避免出现拍摄盲区，以便于用户获知烹饪器具内的信息。
根据本发明的第三方面，提出了一种服务器，其包括：通信组件，配置为接收摄像装置采集的图像；存储器，储存有程序或指令；处理器，与存储器、通信组件连接，处理器执行程序或指令时执行第一方面提出的摄像装置的污渍检测方法。
在该技术方案中，服务器能够与烹饪器具进行信息交互，通过通信组件获取摄像装置采集的图像，并将获取到的图像进行分割，分割后得到多个子图像。获取每一个子图像的图像信息，并根据图像数据对子图像进行筛选，以从多个子图像中筛选出可能含有污渍的污渍图像。再根据得到的污渍图像确定摄像装置的污渍信息。从而无需预先采集清晰图像作为检测依据，即可确定摄像装置的脏污情况，还能够对摄像装置首次拍摄前就存在的污渍识别，不仅实现全面的检测，还使检测得到的污渍信息更加准确，同时能够降低烹饪器具自身的运算量，降低烹饪器具的资源消耗。
根据本发明的第四方面，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时执行第一方面提出的摄像装置的污渍检测方法。因此该可读存储介质具备第一方面提出的摄像装置的污渍检测方法的全部有益效果。
本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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示出的结构获得其他的附图。
图1示出了本发明一个实施例的摄像装置的污渍检测方法流程示意图；
图2示出了本发明又一个实施例的摄像装置的污渍检测方法流程示意图；
图3示出了本发明又一个实施例的摄像装置的污渍检测方法流程示意图；
图4示出了本发明又一个实施例的摄像装置的污渍检测方法流程示意图；
图5示出了本发明又一个实施例的摄像装置的污渍检测方法流程示意图；
图6示出了本发明又一个实施例的摄像装置的污渍检测方法流程示意图；
图7示出了本发明又一个实施例的摄像装置的污渍检测方法流程示意图；
图8示出了本发明一个具体实施例的摄像装置的污渍检测方法流程示意图；
图9示出了本发明一个具体实施例的摄像装置采集的图像示意图；
图10示出了本发明另一个具体实施例的摄像装置采集的图像示意图；
图11示出了本发明一个实施例的烹饪器具示意框图；
图12示出了本发明一个实施例的服务器示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不限于下面公开的具体实施例的限制。
下面参照图1至图12描述根据本发明一些实施例的摄像装置的污渍检测方法、烹饪器具、服务器和可读存储介质。
实施例1：
如图1所示，根据本发明的一个实施例，提出了一种摄像装置的污渍检测方法，该方法包括：
步骤102，获取并分割摄像装置采集的图像，得到多个子图像；
步骤104，根据子图像的图像数据筛选子图像，得到污渍图像；
步骤106，根据污渍图像确定摄像装置的污渍信息。
在该实施例中，获取摄像装置采集到的图像，并将获取到的图像进行分割，分割后得到多个子图像。获取每一个子图像的图像信息，并根据图像数据对子图像进行筛选，以从多个子图像中筛选出可能含有污渍的污渍图像。再根据得到的污渍图像确定摄像装置的污渍信息。其中，污渍信息包括摄像装置是否存在污渍，污渍的尺寸和位置、脏污程度等，在一些场景中，还可以对脏污程度继续细化，例如，脏污严重，表示无法拍摄；脏污一般，表示对拍摄质量影响较重；脏污较轻表示对拍摄质量影响较轻。
通过本发明提供的方法，通过对子图像进行逐个筛选，可以精准的确定每个子图像是否为污渍图像，进而确定摄像装置的污渍信息。无需预先采集清晰图像作为检测依据，即可确定摄像装置的脏污情况，还能够对摄像装置首次拍摄前就存在的污渍识别，不仅实现全面的检测，还使检测得到的污渍信息更加准确，以便于用户及时对污渍进行清洁，避免污渍的存在影响摄像装置拍摄图像的效果，提升摄像装置的实用性。
具体地，摄像装置可直接周期性的采集图像，或者从摄像装置录制的视频中截取图像。
进一步地，可按照预设尺寸分割图像，例如80mm×100mm的图像，按照8mm×10mm将图像分割为100个子图像；亦可以根据图像的分辨率分割图像，例如，图像分辨率为1280×720，子图像分辨率设为80×80，则图像被分割成16×9个子图像，根据子图像在图像中的位置，保存为一个16列9行的二维矩阵，从而确保分割后的子图像的清晰度，有利于后续根据子图像检测摄像装置污渍信息。
进一步地，图像数据包括以下至少一种：梯度值、亮度值、模糊系数；模糊系数为亮度值与梯度值的比值。
其中，梯度值表征图像灰度值变化率；亮度值表征图像明亮程度；模糊系数为亮度值与梯度值的比值。为了避免由于污渍距离摄像装置的摄像头很近，没在摄像头的清晰显示范围内，导致污渍的图像模糊尤其是污渍边沿区域更加明显，且在图像上呈现的污渍区域较大，采用梯度算法来识别，同时引入图片的亮度/梯度值来补充判断由于图像太亮或者太暗造成的梯度识别的误差。
实施例2：
如图2所示，根据本发明的一个实施例，提出了一种摄像装置的污渍检测方法，该方法包括：
步骤202，获取并分割摄像装置采集的图像，得到多个子图像；
步骤204，比较每一个子图像的图像数据和预设参数范围；
步骤206，将图像数据处于预设参数范围内的子图像标记为污渍图像；
步骤208，根据污渍图像确定摄像装置的污渍信息。
在该实施例中，获取摄像装置采集到的图像，并将获取到的图像进行分割，分割后得到多个子图像。获取每一个子图像的图像信息，并根据图像数据对子图像进行筛选，以从多个子图像中筛选出可能含有污渍的污渍图像，将子图像的图像数据与预设参数范围进行比较，当子图像的图像数据处于预设参数范围内时，说明该子图像的图像数据异常，对应的图像区域可能存在污渍，则将该子图像标记为污渍图像。遍历全部的子图像，将每一个子图像按照同样方式进行比较，直至比较完所有子图像，从全部子图像中筛选出所有可能含有污渍的污渍图像，也即标记出摄像装置采集的图像上可能出现脏污的位置。从而通过筛选子图像中的污渍图像实现全面性的污渍信息检测，避免漏掉任何一处可能存在的污渍，而且无需利用先采集的清晰图像进行对比，即使在采集作为对比的清晰图像之前摄像装置已经存在污渍，也能够进行准确的检测，提升污渍检测精度。其中，预设参数范围可根据污渍检测需求合理设置。
实施例3：
如图3所示，根据本发明的一个实施例，提出了一种摄像装置的污渍检测方法，该方法包括：
步骤302，获取并分割摄像装置采集的图像，得到多个子图像；
步骤304，根据子图像的图像数据和预设清晰度系数，确定子图像的模糊值；
步骤306，模糊值是否大于或等于清晰度阈值，若是，则进入步骤308，若否，则进入步骤304；
步骤308，将模糊值大于或等于清晰度阈值的子图像标记为污渍图像；
步骤310，根据污渍图像确定摄像装置的污渍信息。
在该实施例中，在筛选出污渍图像之后，根据每个子图像的图像数据和预设清晰度系数计算每个子图像的模糊值。将每个子图像的模糊值与模糊阈值进行比较。若子图像模糊值大于或等于模糊阈值，说明子图像的图像数据异常，对应的图像区域可能存在污渍，则将子图像模糊值大于或等于模糊阈值的子图像标记为污渍图像。从而通过预设清晰度系数将图像数据转化为模糊值，再根据模糊值筛选出污渍图像，实现全面性的污渍信息检测，进一步地增强了检测污渍信息的准确性，而且无需利用先采集的清晰图像进行对比，即使在采集作为对比的清晰图像之前摄像装置已经存在污渍，也能够进行准确的检测，提升污渍检测精度。其中，预设参数范围可根据污渍检测需求合理设置。
具体地，采用如下公式计算子图像的模糊值：
V＝k1×L+k2×B+k3×R，
其中，V表示模糊值，L表示梯度值、B表示亮度值、R表示模糊系数，k1、k2、k3分别为梯度值、亮度值、模糊系数的系数曲线，模糊值越高则该子图像为脏污区域的可信度越高。具体地，k1、k2、k3可以通过人为设定，也可以通过聚类算法、深度学习算法、支持向量机、决策树、线性回归等进行标注、训练得到，可以根据具体场景选择合适的算法，在此不作限定。
实施例4：
如图4所示，根据本发明的一个实施例，提出了一种摄像装置的污渍检测方法，该方法包括：
步骤402，获取并分割摄像装置采集的图像，得到多个子图像；
步骤404，根据子图像的图像数据筛选子图像，得到污渍图像；
步骤406，确定污渍图像的位置信息；
步骤408，根据位置信息，将连续的污渍图像作为污渍图像集合；
步骤410，污渍图像集合中污渍图像的数量是否大于或等于数量阈值，若是，则进入步骤412，若否，则进入步骤414；
步骤412，确定摄像装置上存在污渍；
步骤414，确定摄像装置上不存在污渍。
在该实施例中，根据分割图像时的标准或子图像的编号等信息确定污渍图像在分割前的图像中的位置信息，其中，位置信息包括编号、坐标等。根据位置信息将连续的污渍图像确定为污渍图像集合，并确定每个污渍图像集合中的污渍图像数量，也即呈聚集态的连续的污渍图像的数量。将每个污渍图像集合中污渍图像数量与预先设定的数量阈值进行比较。当污渍图像的数量大于或等于数量阈值，说明该污渍图像集合中出现图像数据异常的区域面积较大，则该污渍图像集合被确定为污渍，同时可以确定摄像装置上存在污渍。当污渍图像的数量小于数量阈值，说明污渍图像集合中出现图像数据异常的区域面积较小且独立，考虑到图像已被分割为分多个子图像的情况，该污渍图像集合可能是图像本身的内容，或偶尔飘落的灰尘或颗粒等，此时则确定摄像装置清晰度较高。从而通过设定污渍图像集合的污渍图像数量阈值，来限定连续污渍图像集合中污渍图像数量，能够进一步对污渍图像进行筛选，避免将非污渍的污渍图像错判为污渍，精确判断摄像装置是否存在污渍，保证摄像装置能够拍摄到较高质量的图像，有利于提升用户的拍摄体验。
其中，数量阈值可根据污渍检测需求合理设置。
具体地，连续的污渍图图像呈现出的形状可以是环形、线形，或者不规则聚集形态，在此不作限定。
实施例5：
如图5所示，根据本发明的一个实施例，提出了一种摄像装置的污渍检测方法，该方法包括：
步骤502，获取并分割摄像装置采集的图像，得到多个子图像；
步骤504，根据子图像的图像数据筛选子图像，得到污渍图像；
步骤506，识别污渍图像中亮度值小于亮度阈值的污渍区域；
步骤508，确定所有污渍图像的污渍区域的总面积；
步骤510，总面积是否大于或等于面积阈值，若是，则进入步骤512，若否，则进入步骤514；
步骤512，确定摄像装置上存在污渍；
步骤514，确定摄像装置上不存在污渍。
在该实施例中，获取污渍图像的亮度值，将污渍图像的亮度值与亮度阈值进行比较，将污渍图像中亮度值小于亮度阈值的区域确定为污渍区域，根据每个污渍图像中的污渍区域确定图像中存在污渍区域的总面积。将每个污渍区域的总面积与面积阈值进行比较，当总面积大于或等于面积阈值的污渍区域，说明图像中出现图像数据异常的区域面积较大，则该污渍区域被确定为污渍，同时可以确定摄像装置上存在污渍。从而通过识别污渍图像中的污渍面积来判断摄像装置的污渍信息，精准判断污渍，避免图像本身的内容或偶尔飘落的灰尘或颗粒等造成的误判，即使对多个零散污渍图像同样能够进行识别，进一步提高污渍检测的准确度，提升摄像装置污渍检测的可靠性。
实施例6：
如图6所示，根据本发明的一个实施例，提出了一种摄像装置的污渍检测方法，该方法包括：
步骤602，获取并分割摄像装置采集的图像，得到多个子图像；
步骤604，根据子图像的图像数据和预设清晰度系数，确定子图像的模糊值；
步骤606，模糊值是否大于或等于模糊阈值，若是，则进入步骤608，若否，则进入步骤604；
步骤608，将模糊值大于或等于模糊阈值的子图像标记为污渍图像；
步骤610，确定污渍图像的位置信息；
步骤612，根据位置信息，将连续的污渍图像作为污渍图像集合；
步骤614，污渍图像集合中污渍图像的数量是否大于或等于数量阈值，若是，则进入步骤616，若否，则进入步骤618；
步骤616，确定摄像装置上存在污渍，并发出清洁提示信息；
步骤618，确定摄像装置上不存在污渍。
在该实施例中，根据每个子图像的图像数据和预设清晰度系数计算每个子图像的模糊值。将每个子图像的模糊值与模糊阈值进行比较。若子图像模糊值大于或等于模糊阈值，说明子图像的图像数据异常，对应的图像区域可能存在污渍，则将子图像模糊值大于或等于模糊阈值的子图像标记为污渍图像。从而通过预设清晰度系数将图像数据转化为模糊值，再根据模糊值筛选出污渍图像，实现全面性的污渍信息检测，进一步地增强了检测污渍信息的准确性，而且避免了通过先采集清晰图像进行对比，提升污渍检测精度，即使在采集作为对比的清晰图像之前摄像装置已经存在污渍，也能够进行准确的检测，进一步增强检测的准确度。其中，预设参数范围可根据污渍检测需求合理设置。
另外，当确定摄像装置的镜头上存在污渍，说明此时污渍会影响摄像装置拍摄图像的清晰度，需要进行清洁，则发出清洁提示信息，从而能够促使用户及时清洗摄像装置以保持摄像装置的清洁，便于拍摄到较高质量的图像，有利于提升用户的拍摄体验。
具体地，提示信息可发送至用户终端，或通过提示装置输出提示信息，其中，提示信息的输出方式可以为图像、语音、文字、视频等，通过多种方式提醒用户当前摄像装置的污渍信息，使用户及时的了解到摄像装置是否存在污渍，有利于用户对摄像装置进行控制。
实施例7：
如图7所示，根据本发明的一个实施例，提出了一种摄像装置的污渍检测方法，该方法包括：
步骤702，获取摄像装置采集的图像；
步骤704，对摄像装置采集的图像进行灰度处理；
步骤706，分割灰度处理后的图像，得到多个子图像；
步骤708，比较每一个子图像的图像数据和预设参数范围；
步骤710，将图像数据处于预设参数范围内的子图像标记为污渍图像；
步骤712，确定污渍图像的位置信息；
步骤714，根据位置信息，将连续的污渍图像作为污渍图像集合；
步骤716，污渍图像集合中污渍图像的数量是否大于或等于数量阈值，若是，则进入步骤718，若否，则进入步骤722；
步骤718，确定摄像装置上存在污渍；
步骤720，控制摄像装置的清洁组件清洁摄像装置的镜头；
步骤722，确定摄像装置上不存在污渍。
在该实施例中，先对摄像装置采集的图像进行灰度处理，并将灰度处理的图像进行分割，分割后得到多个子图像。将子图像的图像数据与预设参数范围进行比较，当子图像的图像数据处于预设参数范围内时，说明该子图像的图像数据异常，对应的图像区域可能存在污渍，则将该子图像标记为污渍图像。遍历全部的子图像，将每一个子图像按照同样方式进行比较，直至比较完所有子图像，从全部子图像中筛选出所有可能含有污渍的污渍图像，也即标记出摄像装置采集的图像上可能出现脏污的位置。然后，根据污渍图像的位置信息将连续的污渍图像确定为污渍图像集合，并确定每个污渍图像集合中的污渍图像数量，也即呈聚集态的连续的污渍图像的数量。将每个污渍图像集合中污渍图像数量与预先设定的数量阈值进行比较。当污渍图像的数量大于或等于数量阈值，说明该污渍图像集合中出现图像数据异常的区域面积较大，则该污渍图像集合被确定为污渍，同时可以确定摄像装置上存在污渍。从而通过设定污渍图像集合的污渍图像数量阈值，来限定连续污渍图像集合中污渍图像数量，能够进一步对污渍图像进行筛选，避免将非污渍的污渍图像错判为污渍，精确判断摄像装置是否存在污渍，保证摄像装置能够拍摄到较高质量的图像，有利于提升用户的拍摄体验。另外，对于具备自清洁功能的摄像装置，可直接控制摄像装置的清洁组件清洁镜头，不需要手动清理污渍，实现自动清洁摄像装置，更加便捷，提升摄像装置的便利性和可靠性。
实施例8：
如图8所示，根据本发明的一个具体实施例，提出了一种摄像装置的污渍检测方法，摄像装置安装于烹饪设备，该方法包括：
步骤802，获取烹饪设备内图像并将图像进行预处理；
步骤804，将灰度图分割成尺寸相同的子图；
步骤806，对分割后的子图求梯度、亮度、亮度与梯度的商；
步骤808，亮度与梯度的商、梯度、亮度是否在阈值范围内，若是，进入步骤810，若否，进入步骤802；
步骤810，摄像头镜头前有脏污或者水雾，提醒用户清洁或者启动清洁程序。
在该实施例中，在烹饪设备开始工作前和工作过程中，按照一定时间间隔地控制摄像头拍摄烹饪设备内部图片。获取到图像后对图像进行预处理，包括将RGB图转换成灰度图，对灰度图进行去噪、滤波。再将图像分割成若干尺寸相同的子图像。对分割后的子图像分别求梯度值L、亮度值B、亮度/梯度值R，将以上子图像参数形成一个三维矩阵。矩阵的横纵坐标为图像子图像在原始图像中的位置，维度坐标为3维：L、B、R。例如：原始图像分辨率为1280×720，子图分辨率为80×80，则原图被分成16×9个子图像，子图像的梯度值根据子图像在原图中的位置，保存为一个16列9行的二维矩阵。同理，加上亮度值、亮度/梯度值的维度，形成一个16×9×3的三维矩阵。
具体地，如图9所示，将原图进行预处理并将1920×1080的图像分割成12×7个子图像，图像中心区域的黑斑即为摄像头镜头前的脏污区域。分别计算每张图的Laplacian梯度值、亮度值、亮度/Laplacian梯度值，保存为一个三维矩阵。其中，Laplacian梯度维度矩阵如表1所示，亮度/Laplacian梯度维度矩阵如表2所示。
表1
表2
为梯度值L、亮度值B、亮度/梯度值R预设一预置范围，其中，梯度值L、亮度值B、亮度/梯度值R中的一个或者多个在预设范围内时，认为本子图像为出现污渍的图像，也即污渍图像。如果污渍图像出现环形或者团形态聚集状态且聚集子图数量超过阈值，则认为摄像头镜头前出现了脏污或者水雾，然后提示用户清洁或者启动清洁程序。例如，设置Laplacian梯度值阈值为3～40，设置亮度/Laplacian梯度值为1-40，在梯度维度矩阵中和亮度/梯度维度矩阵中取同时满足以上阈值范围的值，如表1和变2矩阵中灰色底色部分所示。分析有效区域的分布，将污渍图像出现环形或者团形聚集状态且聚集子图数量超过4个的区域，判断为摄像头镜头前出现了脏污或者水雾，然后提示用户清洁或者启动清洁程序。
另外，对于污渍图像的判断方式不仅包括：对梯度值、亮度值、亮度/梯度值中一个或者多个在预设范围内时，认为本子图为出现污渍的图像。还包括构建打分函数：V＝k1×L+k2×B+k3×R，其中，V表示模糊值，k1、k2、k3分别为L、B、R的系数曲线，模糊值越高则该图片为脏污区域的可信度越高。将V超过阈值的污渍图像出现环形或者团形态聚集状态且聚集子图数量超过阈值，则认为摄像头镜头前出现了脏污或者水雾。k1、k2、k3曲线可以通过人为指定，也可以通过深度学习方法进行标注、训练得到。
以上预处理过程、分割过程、计算及判断过程可以是在设备本地处理器中；也可以是通过无线通信方式把摄像头拍摄的图像发送到云端服务器端，预处理过程、分割过程、计算及判断过程都在云端服务器上处理。
当识别到污渍时，应对措施包括：显示屏或者语音提醒用户对相应区域进行清洁；或启动自动清洁程序进行清洁。
需要说明的是，由于在摄像头镜头前出现污渍时，污渍距离摄像头镜头很近，导致污渍的图像模糊，尤其是污渍边沿区域更加明显，且在图像上呈现的污渍区域较大，这一特性可以用梯度算法来识别。同时引入图片的亮度/梯度值来补充判断由于图像太亮或者太暗造成的梯度识别的误差。
梯度值通过使用Laplacian梯度函数、Tenengrad梯度函数、Brenner梯度函数、Sobel梯度函数中至少一种获得。
实施例9：
如图11所示，根据本发明的第二方面，提出了一种烹饪器具910，包括：摄像装置916、存储器912和处理器914。
详细地，摄像装置916，配置为采集图像，存储器912上储存有计算机程序，处理器914与存储器912和摄像装置916连接，处理器914执行计算机程序时执行第一方面提出的摄像装置916的污渍检测方法。
在该实施例中，控制摄像装置916采集的图像，并将获取到的图像进行分割，分割后得到多个子图像。获取每一个子图像的图像信息，并根据图像数据对子图像进行筛选，以从多个子图像中筛选出可能含有污渍的污渍图像。再根据得到的污渍图像确定摄像装置916的污渍信息。从而无需预先采集清晰图像作为检测依据，即可确定摄像装置916的脏污情况，还能够对摄像装置916首次拍摄前就存在的污渍识别，不仅实现全面的检测，还使检测得到的污渍信息更加准确，同时烹饪器具910本身具备摄像装置916污渍检测功能，即使网络信号差也能够进行准确的检测，以便于用户及时获知摄像装置916的脏污情况，有利于用户控制烹饪器具910。
具体地，摄像装置916的数量为至少一个，以对烹饪器具910的多个区域进行拍摄，避免出现拍摄盲区，以便于用户获知烹饪器具910内的信息。
实施例10：
如图12所示，根据本发明第三方面的实施例，提出了一种服务器920，包括：通信组件926、存储器922和处理器924。
具体地，通信组件926，配置为接收摄像装置采集的图像，存储器922上储存有程序或指令，处理器924与存储器922和通信组件926连接，处理器924执行程序或指令时执行第一方面提出的摄像装置的污渍检测方法。
在该实施例中，服务器920能够与烹饪器具进行信息交互，通过通信组件926获取摄像装置采集的图像，并将获取到的图像进行分割，分割后得到多个子图像。获取每一个子图像的图像信息，并根据图像数据对子图像进行筛选，以从多个子图像中筛选出可能含有污渍的污渍图像。再根据得到的污渍图像确定摄像装置的污渍信息。从而无需预先采集清晰图像作为检测依据，即可确定摄像装置的脏污情况，还能够对摄像装置首次拍摄前就存在的污渍识别，不仅实现全面的检测，还使检测得到的污渍信息更加准确，同时能够降低烹饪器具自身的运算量，降低烹饪器具的资源消耗。
实施例11：
根据本发明的另一个具体实施例，以应用于烤箱的摄像头镜头前污渍检测为列，具体实施例步骤：
第一步：烤箱检测到关门信号时，控制摄像头拍摄烤箱内部图像；
第二步：烤箱上处理器对图片进行预处理，预处理包括：将摄像装置采集的RGB图转换成灰度图，对灰度图进行去噪、滤波处理；
第三步：将预处理完成后的图像分割成100×100的13张子图像：
例如：如图10所示，将图像进行预处理，并将图像分割成100×100的13张子图像；
第四步：分别计算每张子图像的Laplacian梯度值、亮度值、亮度/Laplacian梯度值，保存为一个三维矩阵。
其中，Laplacian梯度维度矩阵如表3所示，亮度B维度矩阵如表4所示，亮度/Laplacian梯度维度矩阵如表5所示。
表3
表4
表5
第五步：判断子图Laplacian梯度值是否在0.5～20范围内，亮度值在1～100且亮度与Laplacian梯度的商在0.5～100范围内；
第六步：如表3至表5所示，如果污渍图像出现环形或者团形聚集状态且聚集子图数量超过4个的区域，判断为摄像头镜头前出现了脏污或者水雾的区域，然后提示用户清洁或者启动清洁程序。图10中左下侧7个子图像(编号8-4、8-5、9-4、9-5、9-6、10-5、10-6)满足阈值范围要求，图10中右上侧1个子图像(编号2-9)满足阈值范围但是子图像数量少于4个，因此判断左侧下的七个子图形成的团为脏污遮挡区域。
实施例12：
根据本发明第四方面的实施例，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时执行第一方面提出的摄像装置的污渍检测方法。因此该可读存储介质具备第一方面提出的摄像装置的污渍检测方法的全部有益效果，在此不再赘述。
在本说明书的描述中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性，除非另有明确的规定和限定；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (11)
1.一种摄像装置的污渍检测方法，其特征在于，包括：
获取并分割所述摄像装置采集的图像，得到多个子图像；
根据所述子图像的图像数据筛选所述子图像，得到污渍图像；
根据所述污渍图像确定所述摄像装置的污渍信息。
2.根据权利要求1所述的摄像装置的污渍检测方法，其特征在于，所述根据所述子图像的图像数据筛选所述子图像，具体包括：
比较每一个所述子图像的图像数据和预设参数范围；
将所述图像数据处于所述预设参数范围内的所述子图像标记为所述污渍图像。
3.根据权利要求1所述的摄像装置的污渍检测方法，其特征在于，所述根据所述子图像的图像数据筛选所述子图像，具体包括：
根据所述图像数据和预设清晰度系数，确定所述子图像的模糊值；
将模糊值大于或等于模糊阈值的所述子图像标记为所述污渍图像。
4.根据权利要求1所述的摄像装置的污渍检测方法，其特征在于，所述根据所述污渍图像确定所述摄像装置的污渍信息，具体包括：
确定所述污渍图像的位置信息；
根据所述位置信息，将连续的所述污渍图像作为污渍图像集合；
基于所述污渍图像集合中所述污渍图像的数量大于或等于数量阈值，则确定所述摄像装置上存在污渍。
5.根据权利要求1所述的摄像装置的污渍检测方法，其特征在于，所述根据所述污渍图像确定所述摄像装置的污渍信息，具体包括：
识别所述污渍图像中亮度值小于亮度阈值的污渍区域；
确定所有所述污渍图像的污渍区域的总面积；
基于所述总面积大于或等于面积阈值，则确定所述摄像装置上存在污渍。
6.根据权利要求4或5所述的摄像装置的污渍检测方法，其特征在于，还包括：
基于所述摄像装置上存在污渍，则发出清洁提示信息，和/或控制所述摄像装置的清洁组件清洁所述摄像装置的镜头。
7.根据权利要求1至5中任一项所述的摄像装置的污渍检测方法，其特征在于，
所述图像数据包括以下至少一种：梯度值、亮度值、模糊系数；
所述模糊系数为所述亮度值与所述梯度值的比值。
8.根据权利要求1至5中任一项所述的摄像装置的污渍检测方法，其特征在于，所述分割所述摄像装置采集的图像之前，还包括：
对所述摄像装置采集的图像进行灰度处理。
9.一种烹饪器具，其特征在于，包括：
摄像装置，所述摄像装置配置为采集图像；
存储器，所述存储器储存有程序或指令；
处理器，与所述存储器、所述摄像装置连接，所述处理器执行所述程序或所述指令时执行如权利要求1至8中任一项所述的摄像装置的污渍检测方法。
10.一种服务器，其特征在于，包括：
通信组件，所述通信组件配置为接收摄像装置采集的图像；
存储器，所述存储器储存有程序或指令；
处理器，与所述存储器、所述通信组件连接，所述处理器执行所述程序或所述指令时执行如权利要求1至8中任一项所述的摄像装置的污渍检测方法。
11.一种计算机可读存储介质，其上存储有程序或指令，其特征在于，所述程序或所述指令被处理器执行时执行如权利要求1至8中任一项所述的摄像装置的污渍检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011067661.8A CN112188190A (zh) | 2020-09-30 | 2020-09-30 | 污渍检测方法、烹饪器具、服务器和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011067661.8A CN112188190A (zh) | 2020-09-30 | 2020-09-30 | 污渍检测方法、烹饪器具、服务器和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112188190A true CN112188190A (zh) | 2021-01-05 |
Family
ID=73947740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011067661.8A Pending CN112188190A (zh) | 2020-09-30 | 2020-09-30 | 污渍检测方法、烹饪器具、服务器和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112188190A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113744295A (zh) * | 2021-08-20 | 2021-12-03 | 九天创新(广东)智能科技有限公司 | 一种表面污渍的检测方法、装置、清扫机器人 |
| CN114764772A (zh) * | 2021-01-11 | 2022-07-19 | 广州富港生活智能科技有限公司 | 餐具污染状态分析器、图像荧光分析方法及存储介质 |
| WO2022183902A1 (zh) * | 2021-03-02 | 2022-09-09 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
| CN115661208A (zh) * | 2022-12-26 | 2023-01-31 | 合肥疆程技术有限公司 | 摄像头的姿态及污迹检测方法、装置及汽车 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106851264A (zh) * | 2017-04-08 | 2017-06-13 | 深圳市立品光电有限公司 | 摄像模组镜头表面检测方法及装置 |
| CN109584219A (zh) * | 2018-11-15 | 2019-04-05 | 广东美的厨房电器制造有限公司 | 一种摄像装置脏污的检测方法及烹饪设备 |
| CN109724993A (zh) * | 2018-12-27 | 2019-05-07 | 北京明略软件系统有限公司 | 图像识别设备的污损程度的检测方法、装置和存储介质 |
| CN110889801A (zh) * | 2018-08-16 | 2020-03-17 | 九阳股份有限公司 | 一种烟灶系统的摄像头去污优化方法以及烟灶系统 |
| CN111246204A (zh) * | 2020-03-24 | 2020-06-05 | 昆山丘钛微电子科技有限公司 | 一种基于相对亮度偏差的脏污检测方法和装置 |
-
2020
- 2020-09-30 CN CN202011067661.8A patent/CN112188190A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106851264A (zh) * | 2017-04-08 | 2017-06-13 | 深圳市立品光电有限公司 | 摄像模组镜头表面检测方法及装置 |
| CN110889801A (zh) * | 2018-08-16 | 2020-03-17 | 九阳股份有限公司 | 一种烟灶系统的摄像头去污优化方法以及烟灶系统 |
| CN109584219A (zh) * | 2018-11-15 | 2019-04-05 | 广东美的厨房电器制造有限公司 | 一种摄像装置脏污的检测方法及烹饪设备 |
| CN109724993A (zh) * | 2018-12-27 | 2019-05-07 | 北京明略软件系统有限公司 | 图像识别设备的污损程度的检测方法、装置和存储介质 |
| CN111246204A (zh) * | 2020-03-24 | 2020-06-05 | 昆山丘钛微电子科技有限公司 | 一种基于相对亮度偏差的脏污检测方法和装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114764772A (zh) * | 2021-01-11 | 2022-07-19 | 广州富港生活智能科技有限公司 | 餐具污染状态分析器、图像荧光分析方法及存储介质 |
| WO2022183902A1 (zh) * | 2021-03-02 | 2022-09-09 | 百果园技术(新加坡)有限公司 | 图像清晰度确定方法、装置、设备及存储介质 |
| CN113744295A (zh) * | 2021-08-20 | 2021-12-03 | 九天创新(广东)智能科技有限公司 | 一种表面污渍的检测方法、装置、清扫机器人 |
| CN115661208A (zh) * | 2022-12-26 | 2023-01-31 | 合肥疆程技术有限公司 | 摄像头的姿态及污迹检测方法、装置及汽车 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112188190A (zh) | 污渍检测方法、烹饪器具、服务器和存储介质 | |
| JP3862140B2 (ja) | ピクセル化されたイメージをセグメント化する方法および装置、並びに記録媒体、プログラム、イメージキャプチャデバイス | |
| US8036458B2 (en) | Detecting redeye defects in digital images | |
| US20030053692A1 (en) | Method of and apparatus for segmenting a pixellated image | |
| CN101599175B (zh) | 确定拍摄背景发生改变的检测方法及图像处理设备 | |
| CN106604005B (zh) | 一种投影电视自动对焦方法及系统 | |
| CN112767392A (zh) | 图像清晰度确定方法、装置、设备及存储介质 | |
| CN108174170B (zh) | 基于摄像头的投影区域尺寸自检测方法、系统及设备 | |
| CN108805144A (zh) | 基于形态学矫正的弹孔识别方法及系统、报靶设备 | |
| CN107766784A (zh) | 一种新型视频人数统计算法 | |
| CN113592868B (zh) | 一种玻纤布面黑灰检测方法 | |
| CN112006525B (zh) | 一种烹饪设备内食物的焦糊检测方法及烹饪设备 | |
| CN113825281A (zh) | 灯光控制方法、灯光控制器、设备及存储介质 | |
| CN112001853A (zh) | 图像处理设备、图像处理方法、摄像设备和存储介质 | |
| CN102724541B (zh) | 一种监控影像智能诊断恢复方法 | |
| US20130022290A1 (en) | Image processing apparatus, image processing method, and storage medium | |
| CN108965646A (zh) | 图像处理装置、图像处理方法和存储介质 | |
| CN112164058B (zh) | 用于滤光片的丝印区域粗定位方法、装置及存储介质 | |
| CN105931249B (zh) | 一种Camera成像的测试方法及测试装置 | |
| CN111757002B (zh) | 图像处理方法、输出控制方法、图像采集设备及显示设备 | |
| CN111062887B (zh) | 基于改进的Retinex算法的图像清晰度判定方法 | |
| CN109410169B (zh) | 一种图像背景干扰度的识别方法及装置 | |
| JP4491922B2 (ja) | 表面欠陥検査方法 | |
| JP7510258B2 (ja) | 画像処理装置、画像処理方法、撮像装置、プログラム、記憶媒体 | |
| WO2021138988A1 (zh) | 一种设定成像参数的方法、系统及计算机可读存储介质 |
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: 20210105 |