CN112700415B - 一种笔电外壳缺陷快速检测算法 - Google Patents
一种笔电外壳缺陷快速检测算法 Download PDFInfo
- Publication number
- CN112700415B CN112700415B CN202011618739.0A CN202011618739A CN112700415B CN 112700415 B CN112700415 B CN 112700415B CN 202011618739 A CN202011618739 A CN 202011618739A CN 112700415 B CN112700415 B CN 112700415B
- Authority
- CN
- China
- Prior art keywords
- array
- image
- coordinates
- eta
- delta
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 230000007547 defect Effects 0.000 title claims abstract description 32
- 238000013507 mapping Methods 0.000 claims description 21
- 238000003708 edge detection Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 241000180587 Pinnidae Species 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 4
- 238000012797 qualification Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims description 2
- 239000000047 product Substances 0.000 description 4
- 238000007689 inspection Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种笔电外壳缺陷快速检测算法,通过分别采集待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像,并在待测图像和标准模板图像内截取用于进行对比的部分图像,将其转化为包含灰度值的二维数组,经过粗定位和精确定位将截取至标准模板图像的部分图像对应投射至待测图像内,并进行和差运算,从而找出部分图像内的不同处,最后经过遍历对比,即可找出待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像是否存在不同之处,从而对笔记本电脑外壳是否存在缺陷进行自动判断,从而提高笔记本电脑外壳缺陷检验的效率。
Description
技术领域
本发明涉及图像识别技术领域,具体是一种笔电外壳缺陷快速检测算法。
背景技术
笔记本电脑在装配的过程中需要对笔记本电脑的外壳的完好度进行判断,否则在装配时容易出现零件装配不上导致零件和外壳均在装配过程受到损坏,因此在笔记本电脑装配过程中,需要先对笔记本电脑的外壳的缺陷进行检验。
但是现有的检验方式依赖人眼判断,检验效率低下。
发明内容
有鉴于此,本发明的目的是提供一种笔电外壳缺陷快速检测算法,提高笔记本电脑外壳缺陷检验的效率。
本发明的一种笔电外壳缺陷快速检测算法,包括步骤
S101,利用摄像头分别在相同的相对位置下获取分辨率为a*b的待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像;
S102,将待测图像和标准模板图像分别转换为bufferedimage格式,然后再将标准模板图像转换为长度为a*b的灰度值二维数组Rm[a][b];
S103,从标准模板图像中截取分辨率为c*d的检测区的图像,其中0<c≤a和0<d≤b,同样把检测区图像转换到灰度值二维数组R[c][d];
S104,在待测图像中利用二维映射快速定位法对检测区进行粗定位,找到检测区在标准模板图像中的粗定位数组Rt[c+δ][d+η],其中δ和η为粗定位增益区,满足0<δ<(a-c)和0<η<(b-d),二维映射快速定位法的过程如下:
先将二维数组R[c][d]在某一维度上进行长度为c或d的映射计算,假设是在c维度上做长度为d的映射,即对R[c][d]每一行累加得到检测区映射一维数组R'[c],同理对标准模板图像Rm[a][b]也做同维度和长度的映射,得到标准模板图像映射二维数组Rm'[e][f],其中0<e≤(a-c)和0<f≤(b-d);
设定坐标(i,j)其中0<i<e和0<j<f,在Rm'[e][f]的坐标(i,j)上截取和R'[c]同属性的临时数组并与R'[c]每个值作差值比对,统计差值小于θ数量,变化坐标(i,j)并做同样的差值比对和统计,得到差值合格数最多的临时数组坐标(i,j)max,再在Rm[a][b]中用坐标(i,j)max截取分辨率为(c+δ)*(d+η)粗定位图;
把分辨率为(c+δ)*(d+η)粗定位图通过canny算子计算出对应的边缘检测图,最后把此缘检测图转换为二维数组Rt[c+δ][d+η];
S105,将步骤S103中截取的检测区图像通过canny算子计算出对应的边缘检测图,边缘检测图的每个像素只有黑白两值即0和255,并转换为二维数组R”[c][d];
S106,将步骤S104中找到的粗定位数组Rt[a+δ][b+η]中利用点阵匹配法对检测区进行精定位,找到检测区在粗定位数组Rt[c+δ][d+η]的精确定位图Rt'[c][d],具体步骤包括:
先在标准模板图像检测区灰度值二维数组R”[c][d]中以步长ε抽取点(x,y),抽取到的每个点的坐标保存到二维数组中形成点阵数组Rp[g][h],其中g=[c/ε]和h=[d/ε]
设定坐标(i,j)其中0<i<δ和0<j<η,然后在Rt[c+δ][d+η]的坐标(i,j)上截取和R”[c][d]同属性的临时数组,遍历点阵数组Rp[g][h]得到每一个抽取点的坐标(x,y),计算R”[c][d]和临时数组在(x,y)的四个邻域点(x+1,y)、(x,y+1)、(x-1,y)、(x,y-1)上值相同个数;
如果相同个数大于等于3视两数组在坐标(x,y)上的点为相似点,于是每变化一次坐标(i,j)可以统计到一次相似点的数量,得到相似点数最多的临时数组坐标(i,j)'max;
在步骤S104中截取的分辨率为(c+δ)*(d+η)粗定位图中的用坐标(i,j)'max截取精确定位图,把此精确定位图通过canny算子计算出对应的边缘检测图,最后把此缘检测图转换为二维数组Rt'[c][d];
S107,使用数组R”[c][d]对Rt'[c][d]进行和差计算,具体步骤包括:
设定坐标(i,j)”其中0<i<c和0<j<d;
如果数组R”[c][d]在(i,j)”的值为0或255而Rt'[c][d]在(i,j)”的值为255,则和差数组Rt”[c][d]在(i,j)”的值设置为255;
如果数组R”[c][d]在(i,j)”的值为0或255而Rt'[c][d]在(i,j)”的值为0,则和差数组Rt”[c][d]在(i,j)”的值设置为0;
最终坐标(i,j)”在范围内遍历一次后得到和差数组Rt”[c][d],此数组还原成图像就是只剩下缺陷的边缘和差图;
S108,设定步长λ,在和差数组Rt”[c][d]中一步长λ划分网格,循环统计出每个网格中值为255的个数,当个数超过设定的阈值σ时候即可算作即缺陷,在和差数组Rt”[c][d]中把此网格范围进行标记,最终得到标记好的缺陷检测结果图二维数组。
进一步地,所述步骤S101中,待检验笔电外壳和无缺陷笔电外壳均放置在用于固定笔电外壳的治具上,治具的正上方架设摄像头,治具的四周布置用于补光的光源。
进一步地,所述摄像头获取的图像格式为BMP。
进一步地,所述治具上设有机械臂,机械臂用于根据判断结果自动将待检测笔电外壳移动到合格区或者不合格区。
本发明的有益效果是:本发明的一种笔电外壳缺陷快速检测算法,通过分别采集待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像,并在待测图像和标准模板图像内截取用于进行对比的部分图像,将其转化为包含灰度值的二维数组,经过粗定位和精确定位将截取至标准模板图像的部分图像对应投射至待测图像内,并进行和差运算,从而找出部分图像内的不同处,最后经过遍历对比,即可找出待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像是否存在不同之处,从而对笔记本电脑外壳是否存在缺陷进行自动判断,从而提高笔记本电脑外壳缺陷检验的效率。
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它相关的附图。
图1为本发明的方法流程图;
图2为本发明的截取图像的精确定位图;
图3为本发明的截取图像的精确定位图的灰度图像;
图4为本发明的和差运算后的结果图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明对笔记本电脑外壳进行检测主要包括硬件部分和软件部分,硬件部分:设置固定的治具用于放置笔电外壳产品,在治具正上方架设工业摄像头并在四周布置光源,设置机械臂根据检测结果把笔电外壳产品移动到合格区或不合格区。软件部分:系统客户端使用Java循环从摄像头取图用于本地单机处理或者发送到服务端高并发计算,算法部分:本实施例的一种笔电外壳缺陷快速检测算法运行与软件系统的客户端或在服务端上,如图1所示:算法实现快速检测的步骤如下:
步骤1:从摄像头截取分辨率为a*b的BMP格式高清图像m.bmp,先截取标准无缺陷产品图像作为标准模板图像用于比对,然后在检测过程中开始截取检测目标产品的图像作为待测图像。
步骤2:把标准模板图像和待测图像分别转换为bufferedimage格式,然后再将标准模板图像转换为长度为a*b的灰度值二维数组Rm[a][b]。
步骤3:从标准模板图像里面截取分辨率为c*d的检测区图像,其中0<c≤a和0<d≤b,同样把检测区图像转换到灰度值二维数组R[c][d],当使用服务端计算时候可以截取N个检测区进行并行计算,此处所述的检测区均截图至标准模板图像。
步骤4:在待测图像中利用二维映射快速定位法对与步骤3中的检测区位置对应的待测检测区进行粗定位,找到待测检测区在标准模板图像中的粗定位图的二维数组Rt[c+δ][d+η],其中δ和η为粗定位增益区,满足0<δ<(a-c)和0<η<(b-d),二维映射快速定位法原理:先把二维数组R[c][d]在某一维度上进行长度为c或d的映射计算,二维数组的每一行和每一列均为0-255的灰度值,假设是在c维度上做长度为d的映射,即对R[c][d]每一行上的灰度值进行累加得到检测区映射一维数组R'[c];同理对标准模板图像Rm[a][b]也做同维度和长度的映射,得到标准模板图像映射二维数组Rm'[e][f],其中0<e≤(a-d)和0<f≤(b-d),设定坐标(i,j)其中0<i<e和0<j<f,然后在Rm'[e][f]的坐标(i,j)上截取和R'[c]同属性的临时数组并与R'[c]每个值作差值比对,统计差值小于θ数量,变化坐标(i,j)并做同样的差值比对和统计,这样可以得到差值合格数最多的临时数组坐标(i,j)max,再在Rm[a][b]中用坐标(i,j)max截取分辨率为(c+δ)*(d+η)粗定位图,然后把此粗定位图通过canny算子计算出对应的边缘检测图,最后把此缘检测图转换为在待测图像上的二维数组Rt[c+δ][d+η]。
步骤5:把步骤2截取的检测区图像通过canny算子计算出对应的边缘检测图,边缘检测图的每个像素只有黑白两值即0和255,并转换为二维数组R”[c][d]。
步骤6:在步骤4中找到的的粗定位数组Rt[a+δ][b+η]中利用点阵匹配法对检测区进行精定位,找到检测区在粗定位数组Rt[c+δ][d+η]在待测图像内的精确定位图Rt'[c][d],点阵匹配法的原理:先在标准模板图像检测区灰度值二维数组R”[c][d]中以步长ε抽取点(x,y),抽取到的每个点的坐标保存到二维数组中形成点阵数组Rp[g][h],其中g=[c/ε]和h=[d/ε],设定坐标(i,j)其中0<i<δ和0<j<η,然后在待测图像内的粗定位数组Rt[c+δ][d+η]的坐标(i,j)上截取和R”[c][d]同属性的临时数组,遍历点阵数组Rp[g][h]得到每一个抽取点的坐标(x,y),计算R”[c][d]和临时数组在(x,y)的四个邻域点(x+1,y)、(x,y+1)、(x-1,y)、(x,y-1)上值相同个数(值都为0或都为255则为相同),如果相同个数大于等于3视两数组在坐标(x,y)上的点为相似点,于是每变化一次坐标(i,j)可以统计到一次相似点的数量,这样可以得到相似点数最多的临时数组坐标(i,j)'max,最后在步骤3中截取的分辨率为(c+δ)*(d+η)粗定位图中的用坐标(i,j)'max截取精确定位图,然后把此精确定位图通过canny算子计算出对应的边缘检测图,最后把此缘检测图转换为待测图像内的二维数组Rt'[c][d]。
步骤7:使用数组R”[c][d]对Rt'[c][d]进行和差计算,和差计算原理:设定坐标(i,j)”其中0<i<c和0<j<d,如果数组R”[c][d]在(i,j)”的值为0或255而Rt'[c][d]在(i,j)”的值为255,则和差数组Rt”[c][d]在(i,j)”的值设置为255;如果数组R”[c][d]在(i,j)”的值为0或255而Rt'[c][d]在(i,j)”的值为0,则和差数组Rt”[c][d]在(i,j)”的值设置为0,最终坐标(i,j)”在范围内遍历一次后得到和差数组Rt”[c][d],由于R”[c][d]和Rt'[c][d]两个二维数组分别代表在标准模板图像和待测图像内截取的检测区和待检测区,和差运算后将一部分去除,得到的和差数组Rt”[c][d]还原成图像就是只剩下缺陷的边缘和差图。
步骤8:设定步长λ,在和差数组Rt”[c][d]中一步长λ划分网格,循环统计出每个网格中值为255的个数,当个数超过设定的阈值σ时候即可算作即缺陷,在和差数组Rt”[c][d]中把此网格范围进行标记,最终得到标记好的缺陷检测结果图二维数组。
本发明的一种笔电外壳缺陷快速检测算法,通过分别采集待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像,并在待测图像和标准模板图像内截取用于进行对比的部分图像,将其转化为包含灰度值的二维数组,经过粗定位和精确定位将截取至标准模板图像的部分图像对应投射至待测图像内,并进行和差运算,从而找出部分图像内的不同处,最后经过遍历对比,即可找出待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像是否存在不同之处,从而对笔记本电脑外壳是否存在缺陷进行自动判断,从而提高笔记本电脑外壳缺陷检验的效率。
如图2-图4所示,经过本实施例所述的算法计算后,图像中可以很明显地找出预先放在笔记本电脑外壳内的用于模拟缺陷的笔位置。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种笔电外壳缺陷快速检测算法,其特征在于:包括步骤
S101,利用摄像头分别在相同的相对位置下获取分辨率为a*b的待检验笔电外壳的待测图像和无缺陷笔电外壳的标准模板图像;
S102,将待测图像和标准模板图像分别转换为bufferedimage格式,然后再将标准模板图像转换为长度为a*b的灰度值二维数组Rm[a][b];
S103,从标准模板图像中截取分辨率为c*d的检测区的图像,其中0<c≤a和0<d≤b,同样把检测区图像转换到灰度值二维数组R[c][d];
S104,在待测图像中利用二维映射快速定位法对对应检测区进行粗定位,找到对应检测区在待测图像中的粗定位数组Rt[c+δ][d+η],其中δ和η为粗定位增益区,满足0<δ<(a-c)和0<η<(b-d),二维映射快速定位法的过程如下:
先将二维数组R[c][d]在某一维度上进行长度为c或d的映射计算,假设是在c维度上做长度为d的映射,即对R[c][d]每一行累加得到检测区映射一维数组R'[c],同理对标准模板图像Rm[a][b]也做同维度和长度的映射,得到标准模板图像映射二维数组Rm'[e][f],其中0<e≤(a-c)和0<f≤(b-d);
设定坐标(i,j)其中0<i<e和0<j<f,在Rm'[e][f]的坐标(i,j)上截取和R'[c]同属性的临时数组并与R'[c]每个值作差值比对,统计差值小于θ数量,变化坐标(i,j)并做同样的差值比对和统计,得到差值合格数最多的临时数组坐标(i,j)max,再在Rm[a][b]中用坐标(i,j)max截取分辨率为(c+δ)*(d+η)粗定位图;
把分辨率为(c+δ)*(d+η)粗定位图通过canny算子计算出对应的边缘检测图,最后把此缘检测图转换为表示在待测图像中的二维数组Rt[c+δ][d+η];
S105,将步骤S103中截取的检测区图像通过canny算子计算出对应的边缘检测图,边缘检测图的每个像素只有黑白两值即0和255,并转换为二维数组R”[c][d];
S106,将步骤S104中找到的粗定位数组Rt[a+δ][b+η]中利用点阵匹配法对检测区进行精定位,找到检测区在粗定位数组Rt[c+δ][d+η]的精确定位图Rt'[c][d],具体步骤包括:
先在标准模板图像的检测区灰度值二维数组R”[c][d]中以步长ε抽取点(x,y),抽取到的每个点的坐标保存到二维数组中形成点阵数组Rp[g][h],其中g=[c/ε]和h=[d/ε];
设定坐标(i,j)其中0<i<δ和0<j<η,然后在Rt[c+δ][d+η]的坐标(i,j)上截取和R”[c][d]同属性的临时数组,遍历点阵数组Rp[g][h]得到每一个抽取点的坐标(x,y),计算R”[c][d]和临时数组在(x,y)的四个邻域点(x+1,y)、(x,y+1)、(x-1,y)、(x,y-1)上值相同个数;
如果相同个数大于等于3视两数组在坐标(x,y)上的点为相似点,于是每变化一次坐标(i,j)可以统计到一次相似点的数量,得到相似点数最多的临时数组坐标(i,j)'max;
在步骤S104中截取的分辨率为(c+δ)*(d+η)粗定位图中的用坐标(i,j)'max截取精确定位图,把此精确定位图通过canny算子计算出对应的边缘检测图,最后把此边缘检测图转换为二维数组Rt'[c][d];
S107,使用数组R”[c][d]对Rt'[c][d]进行和差计算,具体步骤包括:
设定坐标(i,j)”其中0<i<c和0<j<d;
如果数组R”[c][d]在(i,j)”的值为0或255而Rt'[c][d]在(i,j)”的值为255,则和差数组Rt”[c][d]在(i,j)”的值设置为255;
如果数组R”[c][d]在(i,j)”的值为0或255而Rt'[c][d]在(i,j)”的值为0,则和差数组Rt”[c][d]在(i,j)”的值设置为0;
最终坐标(i,j)”在范围内遍历一次后得到和差数组Rt”[c][d],此数组还原成图像就是只剩下缺陷的边缘和差图;
S108,设定步长λ,在和差数组Rt”[c][d]中一步长λ划分网格,循环统计出每个网格中值为255的个数,当个数超过设定的阈值σ时候即可算作即缺陷,在和差数组Rt”[c][d]中把此网格范围进行标记,最终得到标记好的缺陷检测结果图二维数组。
2.根据权利要求1所述的一种笔电外壳缺陷快速检测算法,其特征在于:所述步骤S101中,待检验笔电外壳和无缺陷笔电外壳均放置在用于固定笔电外壳的治具上,治具的正上方架设摄像头,治具的四周布置用于补光的光源。
3.根据权利要求2所述的一种笔电外壳缺陷快速检测算法,其特征在于:所述摄像头获取的图像格式为BMP。
4.根据权利要求2所述的一种笔电外壳缺陷快速检测算法,其特征在于:所述治具上设有机械臂,机械臂用于根据判断结果自动将待检测笔电外壳移动到合格区或者不合格区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011618739.0A CN112700415B (zh) | 2020-12-31 | 2020-12-31 | 一种笔电外壳缺陷快速检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011618739.0A CN112700415B (zh) | 2020-12-31 | 2020-12-31 | 一种笔电外壳缺陷快速检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700415A CN112700415A (zh) | 2021-04-23 |
CN112700415B true CN112700415B (zh) | 2024-05-17 |
Family
ID=75512922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011618739.0A Active CN112700415B (zh) | 2020-12-31 | 2020-12-31 | 一种笔电外壳缺陷快速检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700415B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113358971A (zh) * | 2021-04-27 | 2021-09-07 | 国网山东省电力公司淄博供电公司 | 基于可见光图像分析的配电线路树障定位方法及监测装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105783786A (zh) * | 2016-04-26 | 2016-07-20 | 北方工业大学 | 一种基于结构光视觉的零件倒角测量方法与装置 |
CN109767445A (zh) * | 2019-02-01 | 2019-05-17 | 佛山市南海区广工大数控装备协同创新研究院 | 一种高精度的pcb缺陷智能检测方法 |
CN110349207A (zh) * | 2019-07-10 | 2019-10-18 | 国网四川省电力公司电力科学研究院 | 一种复杂环境下的视觉定位方法 |
WO2020199283A1 (zh) * | 2019-03-29 | 2020-10-08 | 上海华岭集成电路技术股份有限公司 | 集成电路光学芯片光圈测试方法 |
CN112014409A (zh) * | 2020-10-25 | 2020-12-01 | 西安邮电大学 | 一种半导体蚀刻引线框架模具缺陷的检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131107B2 (en) * | 2008-05-12 | 2012-03-06 | General Electric Company | Method and system for identifying defects in NDT image data |
-
2020
- 2020-12-31 CN CN202011618739.0A patent/CN112700415B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105783786A (zh) * | 2016-04-26 | 2016-07-20 | 北方工业大学 | 一种基于结构光视觉的零件倒角测量方法与装置 |
CN109767445A (zh) * | 2019-02-01 | 2019-05-17 | 佛山市南海区广工大数控装备协同创新研究院 | 一种高精度的pcb缺陷智能检测方法 |
WO2020199283A1 (zh) * | 2019-03-29 | 2020-10-08 | 上海华岭集成电路技术股份有限公司 | 集成电路光学芯片光圈测试方法 |
CN110349207A (zh) * | 2019-07-10 | 2019-10-18 | 国网四川省电力公司电力科学研究院 | 一种复杂环境下的视觉定位方法 |
CN112014409A (zh) * | 2020-10-25 | 2020-12-01 | 西安邮电大学 | 一种半导体蚀刻引线框架模具缺陷的检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
SUSAN算子在苹果图像缺陷分割中的应用研究;赵志华, 蔡健荣, 赵杰文, 刘木华;计算机工程;20050305(第15期);全文 * |
针对复杂纹理的手机外壳缺陷检测方法;张伟;曾碧;;计算机应用与软件;20171115(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112700415A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179358B (zh) | 标定方法、装置、设备及存储介质 | |
US20150310600A1 (en) | System, method and computer program product for classification within inspection images | |
CN111507976B (zh) | 基于多角度成像的缺陷检测方法及系统 | |
CN110853081B (zh) | 基于单木分割的地面和机载LiDAR点云配准方法 | |
Paudel et al. | Robust and optimal sum-of-squares-based point-to-plane registration of image sets and structured scenes | |
CN112700415B (zh) | 一种笔电外壳缺陷快速检测算法 | |
CN114693529B (zh) | 一种图像拼接方法、装置、设备及存储介质 | |
US20110164129A1 (en) | Method and a system for creating a reference image using unknown quality patterns | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
JP2672509B2 (ja) | カメラモデルの自動キャリブレーション方法およびその装置 | |
CN111932517B (zh) | 余料板材的轮廓测绘方法、装置、电子设备与存储介质 | |
CN113808103A (zh) | 基于图像处理的路面坑洼自动检测方法、设备和存储介质 | |
JPH08110807A (ja) | 自動キャリブレーション方法およびその装置 | |
CN116542926B (zh) | 电池的二维码缺陷识别方法、装置、设备及存储介质 | |
CN112767494A (zh) | 基于标定算法的精确测量定位方法 | |
CN111881934A (zh) | 电子元器件属性与类别的空间关系发现方法 | |
CN117916581A (zh) | 检查支援系统、检查支援方法及检查支援程序 | |
CN116309817A (zh) | 一种基于rgb-d相机的托盘检测与定位方法 | |
JP2016206909A (ja) | 情報処理装置、情報処理方法 | |
CN112935562A (zh) | 基于旁轴离线测量的激光精密加工方法 | |
CN115937557A (zh) | 一种基于机器视觉的废旧空调高压阀、低压阀自动识别与定位方法 | |
US20110262005A1 (en) | Object detecting method and non-transitory computer-readable recording medium storing an object detection program | |
TWI819403B (zh) | 影像資料擴增裝置及方法 | |
CN116704129B (zh) | 基于全景图的三维图像生成方法、装置、设备及存储介质 | |
JP6156212B2 (ja) | 物体検出装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |