CN112233082A - 细胞图像自动曝光方法及其装置 - Google Patents

细胞图像自动曝光方法及其装置 Download PDF

Info

Publication number
CN112233082A
CN112233082A CN202011090251.5A CN202011090251A CN112233082A CN 112233082 A CN112233082 A CN 112233082A CN 202011090251 A CN202011090251 A CN 202011090251A CN 112233082 A CN112233082 A CN 112233082A
Authority
CN
China
Prior art keywords
cell
gray value
cell image
gray
pixels
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
CN202011090251.5A
Other languages
English (en)
Other versions
CN112233082B (zh
Inventor
钟峥
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.)
Rwd Life Science Co ltd
Original Assignee
Rwd Life Science 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 Rwd Life Science Co ltd filed Critical Rwd Life Science Co ltd
Priority to CN202011090251.5A priority Critical patent/CN112233082B/zh
Publication of CN112233082A publication Critical patent/CN112233082A/zh
Application granted granted Critical
Publication of CN112233082B publication Critical patent/CN112233082B/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical 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
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Studio Devices (AREA)
  • Transforming Light Signals Into Electric Signals (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明实施例提供一种细胞图像自动曝光方法，包括：获取细胞图像的灰度图；根据细胞图像中不同灰度值和各灰度值对应的像素数识别细胞图像中的细胞；根据细胞所处像素的灰度值计算当前曝光参数；将当前曝光参数与预设曝光参数对比以调整曝光时间。本发明实施例根据细胞图像中不同灰度值和各灰度值对应的像素数对细胞图像进行分割，得到背景和目标，目标即识别为细胞，然后根据细胞所处像素的灰度值计算当前曝光参数以调整曝光时间，根据该曝光时间拍摄得到的细胞图像亮度适中、避免了曝光过度的问题、有利于后续对细胞图像的进一步处理。

Description

细胞图像自动曝光方法及其装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种细胞图像自动曝光方法及其装置。
背景技术
细胞计数是生物学科研常用的功能，准确的计数结果对实验的评定非常重要。目前基于显微镜细胞图像的细胞计数是主流的方法之一，在显微镜下如何拍摄和处理细胞图像是保证细胞计数准确的前提。
自动曝光是相机根据光线的强弱自动调整曝光量，防止曝光过度或者曝光不足。现有技术在拍摄和处理细胞图像时采用的自动曝光方法主要有平均亮度法、权重均值法、亮度直方图等。平均亮度法是对细胞图像中所有像素的灰度值求均值，根据该均值调整曝光时间以达到目标亮度。权重均值法是对细胞图像不同区域设置不同权重来计算细胞图像的整体亮度，根据该整体亮度调整曝光时间以达到目标亮度。直方图法是对细胞图像灰度值的直方图中不同的峰值设置不同权重来计算细胞图像的整体亮度，根据该整体亮度调整曝光时间以达到目标亮度。
上述自动曝光方法都是选取细胞图像的整体亮度作为曝光参数进行自动曝光。但是对于细胞图像来说，由于细胞较小，占整幅细胞图像的比例不大，如果使用细胞图像的整体亮度作为曝光参数进行自动曝光往往会使细胞图像曝光过度。
发明内容
本发明实施例提供一种细胞图像自动曝光方法，旨在解决现有技术中细胞图像曝光过度的问题。
第一方面，提供了一种细胞图像自动曝光方法，包括：
获取细胞图像的灰度图；
根据细胞图像中不同灰度值和各灰度值对应的像素数识别细胞图像中的细胞；
根据细胞所处像素的灰度值计算当前曝光参数；
将当前曝光参数与预设曝光参数对比以调整曝光时间。
第二方面，提供了一种细胞图像自动曝光装置，包括：
获取单元，用于获取细胞图像的灰度图；
分割单元，用于根据细胞图像中不同灰度值和各灰度值对应的像素数识别细胞图像中的细胞；
计算单元，用于根据细胞所处像素的灰度值计算当前曝光参数；
调整单元，用于将当前曝光参数与预设曝光参数对比以调整曝光时间。
本发明实施例根据细胞图像中不同灰度值和各灰度值对应的像素数对细胞图像进行分割，得到背景和目标，目标即识别为细胞，然后根据细胞所处像素的灰度值计算当前曝光参数以调整曝光时间，根据该曝光时间拍摄得到的细胞图像亮度适中、避免了曝光过度的问题、有利于后续对细胞图像的进一步处理。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明实施例一提供的细胞图像自动曝光方法的流程图；
图2是本发明实施例一提供的步骤S102的细分流程图；
图3是本发明实施例一提供的步骤S203的细分流程图；
图4是本发明实施例一提供的步骤S203的又一细分流程图；
图5是本发明实施例二提供的细胞图像自动曝光装置的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
本发明实施例根据细胞图像中不同灰度值和各灰度值对应的像素数对细胞图像进行分割，得到背景和目标，目标即识别为细胞，然后根据细胞所处像素的灰度值计算当前曝光参数以调整曝光时间，根据该曝光时间拍摄得到的细胞图像亮度适中、避免了曝光过度的问题、有利于后续对细胞图像的进一步处理。
实施例一
图1是本发明实施例一提供的细胞图像自动曝光方法的流程图。如图1所示，该方法包括：
步骤S101：获取细胞图像的灰度图。
在本发明实施例中，采用灰度相机或者彩色相机拍摄细胞图像。采用灰度相机拍摄得到的细胞图像为灰度图。细胞进行了荧光标记并且采用彩色相机拍摄得到的细胞图像为荧光图。
作为本发明的一个实施例，细胞进行了荧光标记并且采用彩色相机拍摄得到的荧光图，每个像素均包含RGB三个通道。提取其中的一个通道图，如提取所有像素的绿色通道图，将该绿色通道图转换为灰度图。
步骤S102：根据细胞图像中不同灰度值和各灰度值对应的像素数识别细胞图像中的细胞。
细胞图像包含的内容较为单一，细胞在整幅图像中所占的比例较小。根据这些特点，在本发明实施例中，对细胞图像进行分割，得到背景和目标，目标即视为细胞。
作为本发明的一个实施例，对细胞图像进行分割，得到背景和目标的流程如图2所示，该方法包括：
步骤S201：统计细胞图像中所有像素不同灰度值对应的像素数。
步骤S202：按灰度值从小到大的顺序累加像素数，当累加值大于或者等于第一预设阈值时记录当前灰度值。
在本发明实施例中，细胞图像中所有像素包含多个不同的灰度值，统计同一灰度值对应的像素数，即每个灰度值对应的像素数量。然后按灰度值从小到大的顺序累加像素数，当累加值大于第一预设阈值时停止累加，此时对应的灰度值记录为当前灰度值。根据细胞图像的特点，细胞在整幅图像中所占的比例较小，第一预设阈值可设为X，X与细胞图像总像素数之比为99%。第一预设阈值也可根据不同细胞图像的特点设置为其他值，在此不做限定。
只要能够建立不同灰度值与对应的像素数的关系，统计和排序的步骤可调换，在此不做限定。
步骤S203：将灰度值大于当前灰度值的像素识别为细胞。
在本发明实施例中，将灰度值小于或者等于当前灰度值的像素认为是背景，灰度值大于当前灰度值的像素认为是目标。第一预设阈值X与细胞图像总像素数之比为99%，细胞图像中99%的像素认为是背景，1%的像素认为是目标，即细胞。
作为本发明的一个实施例，将灰度值大于当前灰度值的像素识别为细胞的流程如图3所示，该方法包括：
步骤S301：将灰度值小于或者等于当前灰度值的像素的灰度值设为零。
步骤S302：灰度值为非零的像素识别为细胞。
在本发明实施例中，将灰度值小于或者等于当前灰度值的像素的灰度值设为零，在后续的处理中，灰度值为非零的像素即识别为细胞。
作为本发明的又一个实施例，将灰度值大于当前灰度值的像素识别为细胞的流程如图4所示，该方法包括：
步骤S401：记录灰度值大于当前灰度值的像素的位置。
步骤S402：处于该位置的像素识别为细胞。
在本发明实施例中，记录灰度值大于当前灰度值的像素的位置，在后续的处理中，这些位置的像素即识别为细胞。
步骤S103：根据细胞所处像素的灰度值计算当前曝光参数。
步骤S104：将当前曝光参数与预设曝光参数对比以调整曝光时间。
区别于现有技术采用细胞图像的整体亮度来计算曝光参数，在本发明实施例中，根据细胞所处像素的灰度值计算当前曝光参数。由于细胞图像包含的内容较为单一，除了背景外，绝大部分为细胞，因此可将前述步骤识别到的目标均认为是细胞，利用统一的细胞模型来计算曝光参数。优选地，对细胞所处的像素，计算灰度值为非0的像素数与灰度值为255的像素数的比值作为当前曝光参数。灰度值为255的像素认为是细胞中心，灰度值为非255的像素认为是除细胞中心以外的部分。将当前曝光参数与预设曝光参数进行对比，预设曝光参数根据情况设定，如设为10：1。若当前曝光参数大于预设曝光参数，则增加曝光时间；若当前曝光参数小于预设曝光参数，则减少曝光时间。
调整曝光时间后重复上述步骤S101-S104，直到两者之差小于或者等于特定的阈值、或者达到最大的迭代次数，则停止循环，得到最佳的曝光时间。
由于在细胞计数或者细胞图像分析的应用中，常常需要在几秒钟的时间内完成多张细胞图像拍摄和分析处理，本发明实施例利用统一的细胞模型，仅根据细胞所处像素的灰度值计算当前曝光参数，计算复杂度低，适合细胞领域的应用。
本发明实施例根据细胞图像中不同灰度值和各灰度值对应的像素数对细胞图像进行分割，得到背景和目标，目标即识别为细胞，然后根据细胞所处像素的灰度值计算当前曝光参数以调整曝光时间，根据该曝光时间拍摄得到的细胞图像亮度适中、避免了曝光过度的问题、有利于后续对细胞图像的进一步处理。
实施例二
图5为本发明实施例二提供的细胞图像自动曝光装置的结构框图，如图5所示，该装置包括获取单元51、分割单元52、计算单元53和调整单元54。
获取单元51用于获取细胞图像的灰度图。
分割单元52用于根据细胞图像中不同灰度值和各灰度值对应的像素数识别细胞图像中的细胞。
计算单元53用于根据细胞所处像素的灰度值计算当前曝光参数。
调整单元54用于将当前曝光参数与预设曝光参数对比以调整曝光时间。
优选地，分割单元52包括：
统计子单元用于统计细胞图像中所有像素不同灰度值对应的像素数。
累加子单元用于按灰度值从小到大的顺序累加像素数，当累加值大于或者等于第一预设阈值时记录当前灰度值。
识别子单元用于将灰度值大于当前灰度值的像素识别为细胞。
作为本发明的一个实施例，识别子单元包括：
置零子单元用于将灰度值小于或者等于当前灰度值的像素的灰度值设为零。
第一识别子单元用于将灰度值为非零的像素识别为细胞。
作为本发明的另一个实施例，识别子单元包括：
记录子单元用于记录灰度值大于当前灰度值的像素的位置。
第二识别子单元用于将处于位置的像素识别为细胞。
优选地，计算单元53具体为对细胞所处的像素，计算灰度值为非0的像素数与灰度值为255的像素数的比值作为当前曝光参数。
在该细胞图像自动曝光装置中运行的细胞图像自动曝光方法与实施例一描述的方法一一对应，在此不再赘述。
本发明实施例根据细胞图像中不同灰度值和各灰度值对应的像素数对细胞图像进行分割，得到背景和目标，目标即识别为细胞，然后根据细胞所处像素的灰度值计算当前曝光参数以调整曝光时间，根据该曝光时间拍摄得到的细胞图像亮度适中、避免了曝光过度的问题、有利于后续对细胞图像的进一步处理。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种细胞图像自动曝光方法，其特征在于，所述方法包括：
获取所述细胞图像的灰度图；
根据所述细胞图像中不同灰度值和各灰度值对应的像素数识别所述细胞图像中的细胞；
根据所述细胞所处像素的灰度值计算当前曝光参数；
将所述当前曝光参数与预设曝光参数对比以调整曝光时间。
2.根据权利要求1所述的方法，其特征在于，根据所述细胞图像中不同灰度值和各灰度值对应的像素数识别所述细胞图像中的细胞包括：
统计所述细胞图像中所有像素不同灰度值对应的像素数；
按灰度值从小到大的顺序累加像素数，当累加值大于或者等于第一预设阈值时记录当前灰度值；
将灰度值大于所述当前灰度值的像素识别为细胞。
3.根据权利要求2所述的方法，其特征在于，将灰度值大于所述当前灰度值的像素识别为细胞包括：
将灰度值小于或者等于所述当前灰度值的像素的灰度值设为零；
灰度值为非零的像素识别为细胞。
4.根据权利要求2所述的方法，其特征在于，将灰度值大于所述当前灰度值的像素识别为细胞包括：
记录灰度值大于所述当前灰度值的像素的位置；
处于所述位置的像素识别为细胞。
5.根据权利要求1所述的方法，其特征在于，根据所述细胞所处像素的灰度值计算当前曝光参数具体为：
对所述细胞所处的像素，计算灰度值为非0的像素数与灰度值为255的像素数的比值作为当前曝光参数。
6.一种细胞图像自动曝光装置，其特征在于，所述装置包括：
获取单元，用于获取所述细胞图像的灰度图；
分割单元，用于根据所述细胞图像中不同灰度值和各灰度值对应的像素数识别所述细胞图像中的细胞；
计算单元，用于根据所述细胞所处像素的灰度值计算当前曝光参数；
调整单元，用于将所述当前曝光参数与预设曝光参数对比以调整曝光时间。
7.根据权利要求6所述的装置，其特征在于，所述分割单元包括：
统计子单元，用于统计所述细胞图像中所有像素不同灰度值对应的像素数；
累加子单元，用于按灰度值从小到大的顺序累加像素数，当累加值大于或者等于第一预设阈值时记录当前灰度值；
识别子单元，用于将灰度值大于所述当前灰度值的像素识别为细胞。
8.根据权利要求7所述的装置，其特征在于，所述识别子单元包括：
置零子单元，用于将灰度值小于或者等于所述当前灰度值的像素的灰度值设为零；
第一识别子单元，用于将灰度值为非零的像素识别为细胞。
9.根据权利要求7所述的装置，其特征在于，所述识别子单元包括：
记录子单元，用于记录灰度值大于所述当前灰度值的像素的位置；
第二识别子单元，用于将处于所述位置的像素识别为细胞。
10.根据权利要求6所述的装置，其特征在于，所述计算单元具体为：
对所述细胞所处的像素，计算灰度值为非0的像素数与灰度值为255的像素数的比值作为当前曝光参数。
CN202011090251.5A 2020-10-13 2020-10-13 细胞图像自动曝光方法及其装置 Active CN112233082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011090251.5A CN112233082B (zh) 2020-10-13 2020-10-13 细胞图像自动曝光方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011090251.5A CN112233082B (zh) 2020-10-13 2020-10-13 细胞图像自动曝光方法及其装置

Publications (2)

Publication Number Publication Date
CN112233082A true CN112233082A (zh) 2021-01-15
CN112233082B CN112233082B (zh) 2024-09-27

Family

ID=74112356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011090251.5A Active CN112233082B (zh) 2020-10-13 2020-10-13 细胞图像自动曝光方法及其装置

Country Status (1)

Country Link
CN (1) CN112233082B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115170557A (zh) * 2022-08-08 2022-10-11 中山大学中山眼科中心 结膜杯状细胞成像的图像融合方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080144915A1 (en) * 2006-12-19 2008-06-19 Cytyc Corporation Method and system for processing an image of a biological specimen
CN102438107A (zh) * 2011-08-09 2012-05-02 宁波大学 一种显微视频图像的处理方法
CN103543277A (zh) * 2013-09-13 2014-01-29 中国科学院苏州生物医学工程技术研究所 一种基于灰度分析与种类识别的血型结果识别算法
CN104794711A (zh) * 2015-04-13 2015-07-22 上海泽煜实验设备有限公司 一种图像处理方法及装置
CN105227858A (zh) * 2015-10-30 2016-01-06 维沃移动通信有限公司 一种图像处理方法及移动终端
CN106341685A (zh) * 2016-09-09 2017-01-18 深圳怡化电脑股份有限公司 一种图像传感器检测方法和装置
CN109948429A (zh) * 2019-01-28 2019-06-28 上海依智医疗技术有限公司 图像分析方法、装置、电子设备及计算机可读介质
CN110661983A (zh) * 2019-11-12 2020-01-07 腾讯科技（深圳）有限公司 图像采集方法、装置、设备及存储介质
CN110675368A (zh) * 2019-08-31 2020-01-10 中山大学 一种融合图像分割与分类的细胞图像语义分割方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080144915A1 (en) * 2006-12-19 2008-06-19 Cytyc Corporation Method and system for processing an image of a biological specimen
CN102438107A (zh) * 2011-08-09 2012-05-02 宁波大学 一种显微视频图像的处理方法
CN103543277A (zh) * 2013-09-13 2014-01-29 中国科学院苏州生物医学工程技术研究所 一种基于灰度分析与种类识别的血型结果识别算法
CN104794711A (zh) * 2015-04-13 2015-07-22 上海泽煜实验设备有限公司 一种图像处理方法及装置
CN105227858A (zh) * 2015-10-30 2016-01-06 维沃移动通信有限公司 一种图像处理方法及移动终端
CN106341685A (zh) * 2016-09-09 2017-01-18 深圳怡化电脑股份有限公司 一种图像传感器检测方法和装置
CN109948429A (zh) * 2019-01-28 2019-06-28 上海依智医疗技术有限公司 图像分析方法、装置、电子设备及计算机可读介质
CN110675368A (zh) * 2019-08-31 2020-01-10 中山大学 一种融合图像分割与分类的细胞图像语义分割方法
CN110661983A (zh) * 2019-11-12 2020-01-07 腾讯科技（深圳）有限公司 图像采集方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115170557A (zh) * 2022-08-08 2022-10-11 中山大学中山眼科中心 结膜杯状细胞成像的图像融合方法及装置

Also Published As

Publication number Publication date
CN112233082B (zh) 2024-09-27

Similar Documents

Publication Publication Date Title
CN109167928B (zh) 基于显示面板缺陷检测的快速自动曝光方法及系统
CN111770285B (zh) 一种曝光亮度控制方法、装置、电子设备和存储介质
CN106454145A (zh) 一种具有场景自适应的自动曝光方法
CN111601047B (zh) 一种油液泄漏图像采集方法
CN111429448B (zh) 一种基于弱分割信息的生物荧光目标计数方法
CN111447372B (zh) 一种亮度参数调节的控制方法、装置、设备及介质
CN109510949B (zh) 基于图像特征点有效亮度的相机自动曝光方法
CN110913210A (zh) 一种基于标准数据采集的自动化主观像质评测方法
CN105678245A (zh) 一种基于哈尔特征的靶位识别方法
CN114430462B (zh) 无人机自主拍照参数调整方法、装置、设备及存储介质
CN112233082B (zh) 细胞图像自动曝光方法及其装置
CN114286014A (zh) 一种图像数据库采集方法
CN108230334B (zh) 基于灰度阈值的高浓度风沙图像分割的方法
CN117495827A (zh) 一种基于皮肤检测仪的图像评估方法
CN112312037A (zh) 一种自动曝光调节方法及系统
CN112489018A (zh) 一种电力线智能巡线方法及巡线
CN112361881A (zh) 一种用于枪瞄系统的智能化瞄准方法
CN114596437A (zh) 一种图像背景分割方法及系统
CN107770434B (zh) 一种快速聚焦调整方法
CN111539329B (zh) 一种自适应的变电站指针仪表识别方法
CN112330689A (zh) 一种基于人工智能的光伏相机曝光参数的调节方法及装置
CN113449574A (zh) 目标上内容的识别方法及装置、存储介质、计算机设备
CN118379300B (zh) 一种图像处理的涂装板缺陷检测方法
CN112560541A (zh) 目标检测模型的训练装置及方法、电子设备
CN114088000B (zh) 钢水液面距离确定方法、系统、设备及介质

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
CB02 Change of applicant information

Country or region after: China

Address after: 518057, Room 1901, Building A, Building 7, Shenzhen International Innovation Valley, Dashi Road, Xili Community, Xili Street, Nanshan District, Shenzhen City, Guangdong Province (9th, 19th, 20th, and 9th floors of Building A)

Applicant after: Shenzhen Ruiwode Life Technology Co.,Ltd.

Address before: 518057 room 1901, block a, building 9, area C, Wanke Yuncheng phase III, Liuxin 4th Road, Xili community, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: RWD LIFE SCIENCE Co.,Ltd.

Country or region before: China

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant