CN112215817A - 一种基于图像处理的工件气密性检测方法及装置 - Google Patents
一种基于图像处理的工件气密性检测方法及装置 Download PDFInfo
- Publication number
- CN112215817A CN112215817A CN202011091466.9A CN202011091466A CN112215817A CN 112215817 A CN112215817 A CN 112215817A CN 202011091466 A CN202011091466 A CN 202011091466A CN 112215817 A CN112215817 A CN 112215817A
- Authority
- CN
- China
- Prior art keywords
- bubble
- workpiece
- image
- roi area
- airtightness
- 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.)
- Withdrawn
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
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及人工智能技术领域,具体涉及一种基于图像处理的工件气密性检测方法及装置。该方法包括:采集工件气密性检测装置正面的图像;获取水平面ROI区域和交界ROI区域;从图像中获取水平面ROI区域图像和交界ROI区域图像,对水平面ROI区域图像和交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像;通过聚类算法从气泡边缘二值图像中得到气泡的多个点集,获取气泡的长轴和短轴,计算气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率;将预测气泡速率和气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。该方法隔离了无关工况,解决了气泡速率计算不准确导致工件气密性分析误差较大的问题。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于图像处理的工件气密性检测方法及装置。
背景技术
工件的气密性检测是检验一个工件生产是否合格的标准之一,产品气密性不达标,则会给用户带来不便,甚至是危险,所以每件工件生产出来后必须经过检测。
目前,常用的工件气密性检测方法是将工件置于充满水的容器中,并在容器的正面放置摄像机采集图像;如果工件气密性不好,将会有持续不断的气泡从气孔冒向水面,对采集的图像进行处理,计算气泡的大小、速度和位置对工件气密性的优劣进行判断。
但现有技术中对图像的处理难以隔离无关因素的影响,且气泡速率计算不准确导致气密性分析误差较大。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种基于图像处理的工件气密性检测方法及装置,所采用的技术方案如下:
第一方面,本发明实施例提供了一种基于图像处理的工件气密性检测方法,该方法包括以下步骤:
采集工件气密性检测装置正面的图像;所述图像中包括位于水中的工件以及水平面;
获取水平面ROI区域和交界ROI区域;所述交界ROI区域是水体与所述工件的交界区域;
从所述图像中获取水平面ROI区域图像和交界ROI区域图像,对所述水平面ROI区域图像和所述交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像;
通过聚类算法从所述气泡边缘二值图像中得到所述气泡的多个点集,获取气泡的长轴和短轴,计算所述气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率;
将所述预测气泡速率和所述气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。
进一步地,所述气泡预测速率模型如下:
进一步地,所述工件气密性评价模型如下:
其中,ψ为气密性评价指标,值域为[0,1],vmax为气泡最大速率,φ1为最大气泡理想直径。
优选的,所述工件气密性检测方法还包括以下步骤:
根据预测气泡速率反馈调节相机的采样速率。
优选的,所述工件气密性检测方法还包括以下步骤:
根据所述气泡的长轴反馈调节所述水平面ROI区域和所述交界ROI区域的宽度。
第二方面,本发明实施例提供了一种基于图像处理的工件气密性检测装置,包括:
图像获取模块,用于采集工件气密性检测装置正面的图像;所述图像中包括位于水中的工件以及水平面;
ROI区域获取模块,用于获取水平面ROI区域和交界ROI区域;所述交界ROI区域是水体与所述工件的交界区域;
气泡边缘检测模块,用于从所述图像中获取水平面ROI区域图像和交界ROI区域图像,对所述水平面ROI区域图像和所述交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像;
预测气泡速率模块,用于通过聚类算法从所述气泡边缘二值图像中得到所述气泡的多个点集,获取气泡的长轴和短轴,计算所述气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率;
气密性评价模块,用于将所述预测气泡速率和所述气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。
进一步地,所述预测气泡速率模块包括气泡速率预测模型,所述气泡预测速率模型如下:
进一步地,所述气密性评价模块包括工件气密性评价模型,所述工件气密性模型如下:
其中,ψ为气密性评价指标,值域为[0,1],vmax为气泡最大速率,φ1为最大气泡理想直径。
优选的,所述工件气密性检测装置还包括:
采样速率调节模块,用于根据预测气泡速率反馈调节相机的采样速率。
优选的,所述工件气密性检测装置还包括:
ROI区域宽度调节模块,用于根据所述气泡的长轴反馈调节所述水平面ROI区域和所述交界ROI区域的宽度。
本发明实施例至少具有如下有益效果:
本发明实施例通过从采集的图像中获取水平面ROI区域的图像和交界ROI区域的图像,隔离了无关工况,使工件气密性检测结果更准确。
本发明实施例通过气泡形变程度和气泡理想直径结合气泡速率预测模型计算预测气泡速率,并将预测气泡速率和气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。该方法解决了气泡速率计算不准确导致工件气密性分析误差较大的问题。
本发明实施例根据预测气泡速率反馈调节高速相机的采样速率,有利于降低高速相机的功耗。
本发明实施例根据气泡的长轴反馈调节水平面ROI区域和交界ROI区域的宽度。该方法可以动态调节ROI区域,更好的隔离无关的工况,使工件气密性检测结果更加准确。
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和优点,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的介绍,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获得其它附图;
图1为本发明一个实施例所提供的一种基于图像处理的工件气密性检测系统的结构框图;
图2为本发明一个实施例所提供的一种基于图像处理的工件气密性检测方法流程图;
图3为本发明一个实施例所提供的获取ROI区域方法的流程图;
图4为本发明一个实施例所提供的计算预测气泡速率的方法流程图;
图5为本发明一个实施例所提供的基于图像处理的工件气密性检测装置的结构框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种基于图像处理的工件气密性检测方法及装置,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于图像处理的工件气密性检测方法及装置的具体方案。
请参阅图1和图2,图1示出了本发明实施例提供的一种基于图像处理的工件气密性检测系统的结构框图;图2示出了本发明一个实施例提供的一种基于图像处理的工件气密性检测方法流程图,该检测方法包括如下步骤:
步骤S201:采集气密性检测装置正面的图像,图像中包括位于水中的工件以及水平面。
步骤S202:获取水平面ROI区域和交界ROI区域;交界ROI区域是水体与工件的交界区域。
步骤S203:从图像中获取水平面ROI区域图像和交界ROI区域图像,对水平面ROI区域图像和交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像。
步骤S204:通过聚类算法从气泡边缘二值图像中得到气泡的多个点集,获取气泡的长轴和短轴,计算气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率。
步骤S205:将预测气泡速率和气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。
优选的,本实施例中步骤S201的具体步骤如下:
用高速相机采集连续时序上的图像,并保证高速相机视角内的水面为水平状态。
请参阅图3,优选的,本实施例中步骤S202的具体步骤如下:
步骤S301:对图像进行水体边缘检测得到水体边缘二值图像。
本实施例采用sobel算子对水体边缘进行检测,作为其它实施例也可以采用Laplacian算子、canny算子等进行边缘检测。
步骤S302:从二值图像中获取水平面直线及工件与水体交界直线。
第一步:将水体边缘二值图像中各点通过霍夫变换转换至霍夫空间,霍夫空间中的一条直线代表图像坐标系中的一个点,霍夫空间中的一个点代表图像坐标系中的一条直线。
第二步:对霍夫空间进行分析,得到水平面直线及工件与水体交界直线。
筛选出霍夫空间中经过直线数量最多的3个点,这3个点分别表示:水面平直线、工件与水体交界直线、工件与水体交界线由水面反射得到的直线。其中,水平面直线斜率为0,其他两条直线的斜率应为0或近似为0。
在图像中反射直线高于水面直线,水面直线高于交界直线,在霍夫空间中表现为3个点之间的位置关系。至此,得到霍夫空间中代表水平面直线和工件与水体交界直线的两个点,再变换回图像坐标系中,得到水面直线和工件与水体交界直线。
步骤S303:设置经验宽度,获取水平面ROI区域和交界ROI区域。
设置经验宽度w,则水平面ROI区域为水平面直线及其沿靠近交界直线方向的宽度w所构成的区域,工件与水体的交界ROI区域为交界直线及其沿靠近水平面直线方向的宽度w所构成的区域。
优选的,本实施例的步骤S203包括如下具体步骤:
第一步:获取ROI区域的二值图像,即将水平面ROI区域和交界ROI区域内像素点像素值设置为1,其他设置为0。
第二步:将ROI区域的二值图像与采集的图像逐点相乘,得到水平面ROI区域和交界ROI区域内的图像信息。
通过获取ROI区域的图像可以过滤采集的图像中多余的噪声,隔离无关因素的影响。
第三步:采用Laplacian算子提取气泡的边缘,得到气泡边缘二值图像。
由于气泡的内部近似透明,sobel算子难以获取气泡边缘,因此采用Laplacian算子对气泡的边缘进行提取。
请参阅图4,优选的,本实施例的步骤S204包括如下具体步骤:
步骤S401:通过DBSCAN聚类算法从气泡边缘二值图像中获取气泡的多个点集。气泡边缘二值图像的选取过程如下:
基于图像坐标系选择图像坐标系中y值最大的点,若存在两个y值最大的点,说明气泡未完全产生,则重新选择一帧气泡边缘二值图像进行处理,直至仅存在一个y值最大的点,此时该气泡完全产生。
步骤S402:选取任意一个气泡的点集,计算气泡的长轴a和短轴b。
需要说明的是,一帧图像中的气泡的大小形状近似相同。
步骤S403:根据气泡的长轴和短轴计算气泡的形变程度和理想直径。
形变程度评价指标:
气泡理想直径:
需要说明的是,根据经验限制气泡理想直径的取值范围为[0,φ1],φ1在本实施例中设置为20*dh,dh为单个像素点的高度,实施者可根据实际情况在[10*dh,30*dh]区间内调整φ1的值。
步骤S404:通过气泡速率预测模型得到预测气泡速率。
气泡预测速率模型如下:
当气泡理想直径低于σ1时,随着气泡理想直径增大预测气泡速率增大,当气泡理想直径高于σ1时,随着气泡理想增大预测气泡速率减小;而随着气泡形变程度增大,预测气泡速率逐渐增大且增大速率加快。
优选的,本实施例步骤S205中的工件气密性评价模型如下:
其中,ψ为设备气密性评价指标,值域为[0,1],1为气密性完好,0为气密性极差。vmax为最大预测气泡速率,该值由上述气泡速率预测模型多次统计结果取最大值,φ1为最大气泡理想直径。
在气压不变的情况下,气泡预测速率越大,工件的气孔越小,气密性越好。在气泡理想直径的取值范围内,气泡理想直径与气孔大小呈正比关系,与气密性呈反比关系。
综上所述,本发明实施例提供了一种基于图像处理的工件气密性检测方法,该方法通过对水平面ROI区域图像和交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像,获取气泡的长轴和短轴,计算气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率;将预测气泡速率和气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。该方法解决了无关因素难以隔离、气泡速率计算不准确导致工件气密性分析误差较大的问题。
优选的,为了验证气泡速率预测模型的可靠性,该检测方法还包括如下具体步骤:
第二步:验证t时间段内,气泡是否能够从产生上升至水平面。
选取开始时刻,开始时刻的交界ROI区域内气泡边缘二值图像中y值最大的像素点仅有一点;
选择开始时刻后经过t时间段的时刻进行验证,判断水平面ROI区域内气泡边缘二值图中y值最小的像素点是否只取一点,且该点在水平面直线上,若是,则说明此时气泡在经过t时间段后上升至水平面。
任取的多组图像超过75%满足上述条件,则气泡速率预测模型得到验证。
优选的,为了降低高速相机的功耗,该检测方法还包括如下步骤:
优选的,为了更好的隔离无关的工况,该检测方法还包括如下步骤:
根据气泡的长轴反馈调节水平面ROI区域和交界ROI区域的宽度,以2a作为调节后的宽度。
基于与上述方法相同的发明构思,本发明实施例中还提供一种基于图像处理的工件气密性检测装置。
请参阅图5,具体的,本发明实施例中提供了一种基于图像处理的工件气密性检测装置100,包括图像采集模块10、ROI区域获取模块20、气泡边缘检测模块30、预测气泡速率模块40和气密性评价模块50。
具体的,图像获取模块10用于采集工件气密性检测装置正面的图像;图像中包括位于水中的工件以及水平面;
ROI区域获取模块20用于获取水平面ROI区域和交界ROI区域;交界ROI区域是水体与工件的交界区域;
气泡边缘检测模块30用于从图像中获取水平面ROI区域图像和交界ROI区域图像,对水平面ROI区域图像和交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像;
预测气泡速率模块40用于通过聚类算法从气泡边缘二值图像中得到气泡的多个点集,获取气泡的长轴和短轴,计算气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率;
气密性评价模块50用于将预测气泡速率和气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。
预测气泡速率模块40包括气泡速率预测模型,气泡预测速率模型如下:
气密性评价模块50包括工件气密性评价模型,工件气密性模型如下:
其中,ψ为气密性评价指标,值域为[0,1],vmax为气泡最大速率,φ1为最大气泡理想直径。
综上所述,本发明实施例提供了一种基于图像处理的工件气密性检测装置,该装置通过图像获取模块10采集工件气密性检测装置正面的图像;通过ROI区域获取模块20获取水平面ROI区域和交界ROI区域;通过气泡边缘检测模块30获取气泡边缘二值图像;通过预测气泡速率模块40得到预测气泡速率;通过气密性评价模块50评价工件气密性检测。该装置解决了无关因素难以隔离、气泡速率计算不准确导致工件气密性分析误差较大的问题。
优选的,为了降低高速相机的功耗,该工件气密性检测装置100还包括:
采样速率调节模块,用于根据预测气泡速率反馈调节相机的采样速率。
优选的,为了更好的隔离无关的工况,该工件气密性检测装置100还包括:
ROI区域宽度调节模块,用于根据气泡的长轴反馈调节水平面ROI区域和交界ROI区域的宽度。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (10)
1.一种基于图像处理的工件气密性检测方法,其特征在于,该方法包括以下步骤:
采集工件气密性检测装置正面的图像;所述图像中包括位于水中的工件以及水平面;
获取水平面ROI区域和交界ROI区域;所述交界ROI区域是水体与所述工件的交界区域;
从所述图像中获取水平面ROI区域图像和交界ROI区域图像,对所述水平面ROI区域图像和所述交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像;
通过聚类算法从所述气泡边缘二值图像中得到所述气泡的多个点集,获取气泡的长轴和短轴,计算所述气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率;
将所述预测气泡速率和所述气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。
4.根据权利要求1所述的一种基于图像处理的工件气密性检测方法,其特征在于,所述工件气密性检测方法还包括以下步骤:
根据预测气泡速率反馈调节相机的采样速率。
5.根据权利要求4所述的一种基于图像处理的工件气密性检测方法,其特征在于,所述工件气密性检测方法还包括以下步骤:
根据所述气泡的长轴反馈调节所述水平面ROI区域和所述交界ROI区域的宽度。
6.一种基于图像处理的工件气密性检测装置,其特征在于,包括:
图像获取模块,用于采集工件气密性检测装置正面的图像;所述图像中包括位于水中的工件以及水平面;
ROI区域获取模块,用于获取水平面ROI区域和交界ROI区域;所述交界ROI区域是水体与所述工件的交界区域;
气泡边缘检测模块,用于从所述图像中获取水平面ROI区域图像和交界ROI区域图像,对所述水平面ROI区域图像和所述交界ROI区域图像进行气泡边缘提取,得到气泡边缘二值图像;
预测气泡速率模块,用于通过聚类算法从所述气泡边缘二值图像中得到所述气泡的多个点集,获取气泡的长轴和短轴,计算所述气泡的形变程度和理想直径,结合气泡速率预测模型得到预测气泡速率;
气密性评价模块,用于将所述预测气泡速率和所述气泡的理想直径输入工件气密性评价模型,得到工件气密性评价指标。
9.根据权利要求6所述的一种基于图像处理的工件气密性检测装置,其特征在于,所述工件气密性检测装置还包括:
采样速率调节模块,用于根据预测气泡速率反馈调节相机的采样速率。
10.根据权利要求9所述的一种基于图像处理的工件气密性检测装置,其特征在于,所述工件气密性检测装置还包括:
ROI区域宽度调节模块,用于根据所述气泡的长轴反馈调节所述水平面ROI区域和所述交界ROI区域的宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011091466.9A CN112215817A (zh) | 2020-10-13 | 2020-10-13 | 一种基于图像处理的工件气密性检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011091466.9A CN112215817A (zh) | 2020-10-13 | 2020-10-13 | 一种基于图像处理的工件气密性检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215817A true CN112215817A (zh) | 2021-01-12 |
Family
ID=74053950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011091466.9A Withdrawn CN112215817A (zh) | 2020-10-13 | 2020-10-13 | 一种基于图像处理的工件气密性检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215817A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113281177A (zh) * | 2021-05-12 | 2021-08-20 | 南京洛可可文化发展有限公司 | 一种产品模型检测装置及其检测方法 |
-
2020
- 2020-10-13 CN CN202011091466.9A patent/CN112215817A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113281177A (zh) * | 2021-05-12 | 2021-08-20 | 南京洛可可文化发展有限公司 | 一种产品模型检测装置及其检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108898610B (zh) | 一种基于mask-RCNN的物体轮廓提取方法 | |
CN106548182B (zh) | 基于深度学习和主成因分析的路面裂纹检测方法及装置 | |
CN110866903B (zh) | 基于霍夫圆变换技术的乒乓球识别方法 | |
CN102044071A (zh) | 基于fpga的单像素边缘检测方法 | |
CN106778668B (zh) | 一种联合ransac和cnn的鲁棒的车道线检测方法 | |
KR101322168B1 (ko) | 실시간 얼굴 인식 장치 | |
CN104156951B (zh) | 一种针对支气管肺泡灌洗液涂片的白细胞检测方法 | |
WO2006013913A1 (ja) | オブジェクト画像検出装置、 顔画像検出プログラムおよび顔画像検出方法 | |
CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
US8538079B2 (en) | Apparatus capable of detecting location of object contained in image data and detection method thereof | |
CN111080615B (zh) | 基于卷积神经网络的pcb缺陷检测系统及检测方法 | |
EP3079129A1 (en) | Automatic fault diagnosis method and device for sorting machine | |
CN103955949A (zh) | 基于Mean-shift算法的运动目标检测方法 | |
CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN109029861B (zh) | 一种基于背景建模与质心聚类的压力容器气密性检测方法 | |
CN111126383A (zh) | 车牌检测方法、系统、装置及存储介质 | |
KR102069694B1 (ko) | 영상 분할 기반의 해양 상황 인식 장치 및 그 방법 | |
CN109724988A (zh) | 一种基于多模板匹配的pcb板缺陷定位方法 | |
EP3163604A1 (en) | Position detection apparatus, position detection method, information processing program, and storage medium | |
CN113780423A (zh) | 一种基于多尺度融合的单阶段目标检测神经网络及工业品表面缺陷检测模型 | |
CN112686955A (zh) | 一种基于人工智能的气密性检测过程气孔定位方法及系统 | |
CN112215817A (zh) | 一种基于图像处理的工件气密性检测方法及装置 | |
CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
CN105342641B (zh) | 一种超声成像方法、装置及其超声设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210112 |
|
WW01 | Invention patent application withdrawn after publication |