CN112763513B - 一种字符缺陷检测方法 - Google Patents
一种字符缺陷检测方法 Download PDFInfo
- Publication number
- CN112763513B CN112763513B CN202110106562.4A CN202110106562A CN112763513B CN 112763513 B CN112763513 B CN 112763513B CN 202110106562 A CN202110106562 A CN 202110106562A CN 112763513 B CN112763513 B CN 112763513B
- Authority
- CN
- China
- Prior art keywords
- contour
- current
- character
- template
- point
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明属于视觉检测的技术领域,具体涉及一种字符缺陷检测方法,包括采集标准字符图像,采用滤波算法对标准字符图像进行图像处理,提取到标准字符的轮廓,并将其记为模板轮廓,将待检测的字符记为当前字符,采集当前字符图像,采用滤波算法对当前字符图像进行图像处理,提取到当前字符的轮廓,并将其记为当前轮廓,通过计算模板轮廓和当前轮廓的最大距离,实现模板轮廓和当前轮廓的比对,获得是否存在笔画缺失或者笔画重叠的字符缺陷检测结果。本发明有效地提高了字符缺陷检测的操作灵活度,其通用性强,检测效率高,可广泛适用于工业化的大批量的字符缺陷检测。
Description
技术领域
本发明属于视觉检测的技术领域,具体涉及一种字符缺陷检测方 法。
背景技术
在工业生产中,许多产品都包含有字符信息,而大量的自动化印 刷容易导致字符出现印刷缺陷,既降低了产品的合格率,也影响了生 产的效率,所以,字符缺陷检测在工业上的应用显得极为广泛,目前, 较为常见的方法是将待检测字符与模板字符进行比对,通过待检测字 符图像与模板字符图像的色差比确认字符缺陷。
然而,发明人发现了这种方法至少存在以下缺点:1)由于不同 产品上同一字符,图像效果(主要指灰度值)不可能完全相同,而模 板需要由多幅图像训练而来,其操作过程复杂,不适用于字符较多的 场合;2)当前字符与模板字符对比的前提是要将两者对齐,对字符 定位精度要求高,假设稍有错位,对比结果可能差异很大,即使合格 字符也会算作缺陷;3)这种方法在识别字符缺失、错印、重影、笔 画变形等缺陷的检测准确率较低。
因此,亟需一种新型的字符缺陷检测方法以解决上述问题。
发明内容
本发明的目的在于:针对现有技术的不足,提供一种字符缺陷检 测方法,其通用性强,检测效率高,不仅有效地提高了字符缺陷检测 的操作灵活度,还可适用于大批量的字符缺陷检测。
为了实现上述目的,本发明采用如下技术方案:
一种字符缺陷检测方法,包括:
S1、采集标准字符图像,采用滤波算法对所述标准字符图像进行 图像处理,提取到标准字符的轮廓,并将其记为模板轮廓;
S2、将待检测的字符记为当前字符,采集当前字符图像,采用滤 波算法对所述当前字符图像进行图像处理,提取到当前字符的轮廓, 并将其记为当前轮廓;
S3、通过计算所述模板轮廓和所述当前轮廓的最大距离,实现所 述模板轮廓和所述当前轮廓的比对,获得是否存在笔画缺失或者笔画 重叠的字符缺陷检测结果。
进一步地,所述S3包括以下步骤:
S3-1、将所述模板轮廓和所述当前轮廓置于同一水平直角坐标系 并使所述模板轮廓和所述当前轮廓匹配对齐,计算所述模板轮廓中的 所有点到所述当前轮廓的最小距离,在所有距离中选取出最大值作为 所述模板轮廓到所述当前轮廓的最大距离;
S3-2、计算所述当前轮廓的点到所述模板轮廓的最小距离,比较 所述当前轮廓的点到所述模板轮廓的最大距离与所述模板轮廓到所 述当前轮廓的最大距离,实现所述模板轮廓和所述当前轮廓的比对, 输出检测结果。
进一步地,所述S3-1中计算所述模板轮廓到所述当前轮廓的最 大距离的过程包括:假设P={Pi=(xi,yi)|i∈(0,M]}为所述模板轮廓的 点集,Q={Qk=(xk,yk)|k∈(0,N]}为所述当前轮廓的点集,其中,xi表 示轮廓点Pi的横坐标,yi表示轮廓点Pi的纵坐标,xk表示轮廓点Qk的横坐标,yk表示轮廓点Qk的纵坐标,M为所述模板轮廓的总点数, N为所述当前轮廓的总点数,所述模板轮廓的Pi点到所述当前轮廓的 最小距离集合为:所述模板 轮廓到所述当前轮廓的最大距离为:Dmax_i=max(Di)。
进一步地,所述S3-2中还包括:所述当前轮廓的点到所述模板 轮廓的最小距离集合为:所 述当前轮廓的点到所述模板轮廓的最大距离为:Dmax_k=max(Dk); 所述Dmax_i表示所述模板轮廓到所述当前轮廓的最大距离,所述 Dmax_k表示所述当前轮廓的点到所述模板轮廓的最大距离,比较 Dmax_i和Dmax_k的大小,若Dmax_i大于Dmax_k,输出存在字符 笔画缺失的字符缺陷检测结果;若Dmax_i小于Dmax_k,输出存在 字符笔画重叠的字符缺陷检测结果。
进一步地,所述S3还包括以下步骤:将所述当前轮廓叠置于所 述模板轮廓,若所述模板轮廓与所述当前轮廓不重合,提取所述模板 轮廓与所述当前轮廓不重合的各个轮廓点,在不重合的各个轮廓点中 计算所述模板轮廓的轮廓点Pi的坐标和所述当前轮廓的轮廓点Qk的 坐标的最大距离Dik;设定所述当前轮廓的字符正常时的阈值为J,比 较J和Dik的大小,结合所述模板轮廓的轮廓点总数M和所述当前轮 廓的轮廓点总数N的大小关系,输出检测结果。
进一步地,计算所述模板轮廓的轮廓点Pi的坐标和所述当前轮廓 的轮廓点Qk的最大距离Dik的公式为:
进一步地,若Dik>J,且M>N,输出存在字符笔画缺失的字符缺 陷检测结果。
进一步地,若Dik>J,且N>M,输出存在字符笔画重叠的字符缺 陷检测结果。
进一步地,所述S3-1中,使所述模板轮廓的单位长度与所述当 前轮廓的单位长度的比值,等于所述模板轮廓在直角坐标系的围成面 积与所述当前轮廓在直角坐标系的围成面积的比值。
进一步地,所述S1中的对所述标准字符图像进行图像处理的过 程还包括:对所述标准字符图像调节对比度,二值化处理所述标准字 符图像。
进一步地,所述S2中的对所述当前字符图像进行图像处理的过 程还包括:对所述当前字符图像调节对比度,二值化处理所述当前字 符图像。
本发明的有益效果在于:1)本发明采用轮廓对比,对字符本身 的图像效果的敏感度不高,即使字符图像的灰度值有差异,也不影响 字符轮廓的提取;2)本发明的模板轮廓只需要一张图片制备即可, 能够大大降低操作的复杂度;3)现有技术是图像之间的对比,类似 于图像相减,如果字符对齐时稍有错位,对比结果差异也可能很大, 而本发明采用轮廓对比时,对比结果的差异只存在于局部,不会产生 累计的情况,从而能够有效地降低误检,并显著地提高了字符缺陷检 测的准确度。
附图说明
图1为本发明的检测流程图。
图2为本发明的其中一个实施例中的模板轮廓和当前轮廓的示意 图。
图3为本发明的其中一个实施例中的模板轮廓到当前轮廓的最大 距离的示意图。
图4为本发明的其中一个实施例中的模板轮廓和当前轮廓的示意 图。
图5为本发明的其中一个实施例中的模板轮廓到当前轮廓的最大 距离的示意图。
图6为本发明的其中一个实施例中的模板轮廓和当前轮廓的示意 图。
图7为本发明的其中一个实施例中的将当前轮廓叠置于模板轮廓 的效果图。
图8为本发明的其中一个实施例中的模板轮廓和当前轮廓的示意 图。
具体实施方式
如在说明书及权利要求当中使用了某些词汇来指称特定组件,本 领域技术人员应可理解,制造商可能会用不同名词来称呼同一个组件。 本说明书及权利要求并不以名称的差异来作为区分组件的方式,而是 以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要 求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接受的误差范围内,本领域技术人员能够在一 定误差范围内解决技术问题,基本达到技术效果。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、 “后”、“左”、“右”、水平”等指示的方位或位置关系为基于附 图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而 不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在发明中,除非另有明确的规定和限定,术语“安装”、“相连”、 “连接”、“固定”等术语应做广义理解,例如,可以是固定连接, 也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电 连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。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。
以下结合附图1~8和具体实施例对本发明作进一步详细说明,但 不作为对本发明的限定。
实施例1
一种字符缺陷检测方法,如图1所示,包括如下步骤:
S1、采集标准字符图像,采用滤波算法对标准字符图像进行图像 处理,提取到标准字符的轮廓,并将其记为模板轮廓;
S2、将待检测的字符记为当前字符,采集当前字符图像,采用滤 波算法对当前字符图像进行图像处理,提取到当前字符的轮廓,并将 其记为当前轮廓;
S3、通过计算模板轮廓和当前轮廓的最大距离,实现模板轮廓和 当前轮廓的比对,获得是否存在笔画缺失或者笔画重叠的字符缺陷检 测结果。
其中,滤波算法可以采用均值滤波算法、中值滤波算法、高斯滤 波算法、双边滤波算法。
定义A轮廓上的某点到B轮廓的距离,为该点到B轮廓上所有 点距离中的最小值。
定义两轮廓间的最大距离为以上所有距离中的最大值。
此外,在两个轮廓对比之前,可通过匹配将字符图片对齐,然后 再提取轮廓,从而避免两个轮廓之间出现角度差异。
其中,S3包括以下步骤:
S3-1、将模板轮廓和当前轮廓置于同一水平直角坐标系并使模板 轮廓和当前轮廓匹配对齐,计算模板轮廓中的所有点到当前轮廓的最 小距离,在所有距离中选取出最大值作为模板轮廓到当前轮廓的最大 距离,具体包括:
假设P={Pi=(xi,yi)|i∈(0,M]}为模板轮廓的点集,Q={Qk=(xk,yk)| k∈(0,N]}为当前轮廓的点集,其中,xi表示轮廓点Pi的横坐标,yi表示轮廓点Pi的纵坐标,xk表示轮廓点Qk的横坐标,yk表示轮廓点 Qk的纵坐标,M为模板轮廓的总点数,N为当前轮廓的总点数,模 板轮廓的Pi点到当前轮廓的最小距离为: 模板轮廓到当前轮廓的最大距离为:Dmax_i=max(Di);并 且,每个i可以对应多个k。
S3-2、计算当前轮廓的点到模板轮廓的最小距离,比较当前轮廓 的点到模板轮廓的最大距离与模板轮廓到当前轮廓的最大距离,实现 模板轮廓和当前轮廓的比对,输出检测结果;其中,当前轮廓的点到 模板轮廓的最小距离为:当 前轮廓的点到模板轮廓的最大距离为:Dmax_k=max(Dk);并且,每个 k可以对应多个i,Dmax_i表示模板轮廓到当前轮廓的最大距离, Dmax_k表示当前轮廓的点到模板轮廓的最大距离,比较Dmax_i和 Dmax_k的大小,若Dmax_i大于Dmax_k,输出存在字符笔画缺失的 字符缺陷检测结果;若Dmax_i小于Dmax_k,输出存在字符笔画重 叠的字符缺陷检测结果。
并且,在S3-1步骤中,还可以使模板轮廓的单位长度与当前轮 廓的单位长度的比值,等于模板轮廓在直角坐标系的围成面积与当前 轮廓在直角坐标系的围成面积的比值,从而能够保障S3步骤中的模 板轮廓和当前轮廓的坐标提取过程的具有较高的准确度。
优选地,S1中的对标准字符图像进行图像处理的过程还包括: 对标准字符图像调节对比度,二值化处理标准字符图像,从而有效地 提高了模板轮廓的清晰度,更有利于轮廓点的选取。
优选地,S2中的对当前字符图像进行图像处理的过程还包括: 对当前字符图像调节对比度,二值化处理当前字符图像,从而有效地 提高了当前轮廓的清晰度,更有利于轮廓点的选取。
如图2~3所示,图2的左部为模板轮廓,图2的右部为当前轮廓, 将当前轮廓叠置于模板轮廓,图3中的Pi和Pi’均为模板轮廓的点, 图3中的Qk为当前轮廓的点,可以发现,由于Dmax_i大于Dmax_k, 当前轮廓中存在字符笔画缺失的字符缺陷。
如图4~5所示,图4的左部为模板轮廓,图4的右部为当前轮廓, 将当前轮廓叠置于模板轮廓,图5中的Pi为模板轮廓的点,图5中的 Qk和Qk’均为当前轮廓的点,可以发现,由于Dmax_i小于Dmax_k, 当前轮廓中存在字符笔画重叠的字符缺陷。
实施例2
本实施例与实施例1不同的是,S3步骤还包括:将当前轮廓叠 置于模板轮廓,若模板轮廓与当前轮廓不重合,提取模板轮廓与当前 轮廓不重合的各个轮廓点,在不重合的各个轮廓点中计算模板轮廓的 轮廓点Pi的坐标和当前轮廓的轮廓点Qk的坐标的最大距离Dik,其中, i∈(0,M],k∈(0,N],最大距离Dik的计算公式为:其中,xi表示轮廓点 Pi的横坐标,yi表示轮廓点Pi的纵坐标,xk表示轮廓点Qk的横坐标,yk表示轮廓点Qk的纵坐标;设定当前轮廓的字符正常时的阈值为J, 比较J和Dik的大小,结合模板轮廓的轮廓点总数M和当前轮廓的轮 廓点总数N的大小关系,输出检测结果。
优选地,若Dik>J,且M>N,输出存在字符笔画缺失的字符缺陷 检测结果,其中,当前轮廓的字符正常时的阈值J可以选取当前轮廓 的相邻轮廓点的距离,显然,如图6~7所示,图6的左部为模板轮廓, 图6的右部为当前轮廓,在不重合的各个轮廓点中,模板轮廓的轮廓 点Pi的坐标和当前轮廓的轮廓点Qk的坐标的最大距离Dik大于当前 轮廓的相邻轮廓点的距离,且模板轮廓的轮廓点总数M大于当前轮 廓的轮廓点总数N,即当前轮廓存在字符笔画缺失的缺陷。
优选地,若Dik>J,且N>M,输出存在字符笔画重叠的字符缺陷 检测结果,如图8所示,模板轮廓的轮廓点总数M小于当前轮廓的 轮廓点总数N,并结合不重合的各个轮廓点的距离情况,可以发现当 前轮廓存在字符笔画重叠的缺陷。
其中,当前轮廓的字符正常时的阈值J可以选取水平直角坐标系 的单位长度的0.5倍~1.5倍,当前轮廓的字符正常时的阈值J可以为 水平直角坐标系的一个单位长度。
本实施例的其他步骤均与实施例1相同,这里不再赘述。
显然,本发明字符缺陷检测方法,其通用性强,检测效率高,可 通过Scismart软件编程实现,既防止了匹配不够精准且不同产品有细 微差异出现检测不准确的情况,也防止了即使匹配足够精准但字符本 身差异导致差值后有细长或面积较大的不重合的区域的情况,本发明 不仅有效地提高了字符缺陷检测的操作灵活度,还可适用于大批量的 字符缺陷检测,并能够大大地降低操作的复杂度。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还能 够对上述实施方式进行变更和修改。因此,本发明并不局限于上述的 具体实施方式,凡是本领域技术人员在本发明的基础上所作出的任何 显而易见的改进、替换或变型均属于本发明的保护范围。此外,尽管 本说明书中使用了一些特定的术语,但这些术语只是为了方便说明, 并不对本发明构成任何限制。
Claims (4)
1.一种字符缺陷检测方法,其特征在于,包括:
S1、采集标准字符图像,采用滤波算法对所述标准字符图像进行图像处理,提取到标准字符的轮廓,并将其记为模板轮廓;
S2、将待检测的字符记为当前字符,采集当前字符图像,采用滤波算法对所述当前字符图像进行图像处理,提取到当前字符的轮廓,并将其记为当前轮廓;
S3、通过计算所述模板轮廓和所述当前轮廓的最大距离,实现所述模板轮廓和所述当前轮廓的比对,获得是否存在笔画缺失或者笔画重叠的字符缺陷检测结果;
所述S3包括以下步骤:
S3-1、将所述模板轮廓和所述当前轮廓置于同一水平直角坐标系并使所述模板轮廓和所述当前轮廓匹配对齐,计算所述模板轮廓中的所有点到所述当前轮廓的最小距离,在所有距离中选取出最大值作为所述模板轮廓到所述当前轮廓的最大距离;
所述S3-1中计算所述模板轮廓到所述当前轮廓的最大距离的过程包括:
假设P={Pi=(xi,yi)|i∈(0,M]}为所述模板轮廓的点集,Q={Qk=(xk,yk)|k∈(0,N]}为所述当前轮廓的点集,其中,xi表示轮廓点Pi的横坐标,yi表示轮廓点Pi的纵坐标,xk表示轮廓点Qk的横坐标,yk表示轮廓点Qk的纵坐标,M为所述模板轮廓的总点数,N为所述当前轮廓的总点数,所述模板轮廓的Pi点到所述当前轮廓的最小距离为:
所述模板轮廓到所述当前轮廓的最大距离为:
Dmax_i=max(Di);
S3-2、计算所述当前轮廓的点到所述模板轮廓的最小距离,比较所述当前轮廓的点到所述模板轮廓的最大距离与所述模板轮廓到所述当前轮廓的最大距离,实现所述模板轮廓和所述当前轮廓的比对,输出检测结果;
所述当前轮廓的点到所述模板轮廓的最小距离为:
所述当前轮廓的点到所述模板轮廓的最大距离为:
Dmax_k=max(Dk);
所述Dmax_i表示所述模板轮廓到所述当前轮廓的最大距离,所述Dmax_k表示所述当前轮廓的点到所述模板轮廓的最大距离,比较Dmax_i和Dmax_k的大小,若Dmax_i大于Dmax_k,输出存在字符笔画缺失的字符缺陷检测结果;若Dmax_i小于Dmax_k,输出存在字符笔画重叠的字符缺陷检测结果。
2.如权利要求1所述的字符缺陷检测方法,其特征在于,所述S3还包括以下步骤:
将所述当前轮廓叠置于所述模板轮廓,若所述模板轮廓与所述当前轮廓不重合,提取所述模板轮廓与所述当前轮廓不重合的各个轮廓点,在不重合的各个轮廓点中计算所述模板轮廓的轮廓点Pi的坐标和所述当前轮廓的轮廓点Qk的坐标的最大距离Dik;
计算所述模板轮廓的轮廓点Pi的坐标和所述当前轮廓的轮廓点Qk的最大距离Dik的公式为:
设定所述当前轮廓的字符正常时的阈值为J,比较J和Dik的大小,结合所述模板轮廓的轮廓点总数M和所述当前轮廓的轮廓点总数N的大小关系,输出检测结果;
若Dik>J,且M>N,输出存在字符笔画缺失的字符缺陷检测结果;
若Dik>J,且N>M,输出存在字符笔画重叠的字符缺陷检测结果。
3.如权利要求1所述的字符缺陷检测方法,其特征在于,所述S1中的对所述标准字符图像进行图像处理的过程还包括:对所述标准字符图像调节对比度,二值化处理所述标准字符图像。
4.如权利要求1所述的字符缺陷检测方法,其特征在于,所述S2中的对所述当前字符图像进行图像处理的过程还包括:对所述当前字符图像调节对比度,二值化处理所述当前字符图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110106562.4A CN112763513B (zh) | 2021-01-26 | 2021-01-26 | 一种字符缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110106562.4A CN112763513B (zh) | 2021-01-26 | 2021-01-26 | 一种字符缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112763513A CN112763513A (zh) | 2021-05-07 |
CN112763513B true CN112763513B (zh) | 2022-08-12 |
Family
ID=75705897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110106562.4A Active CN112763513B (zh) | 2021-01-26 | 2021-01-26 | 一种字符缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112763513B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780235A (zh) * | 2021-09-24 | 2021-12-10 | 西安闻泰信息技术有限公司 | 图标瑕疵检测方法及系统 |
CN116612476B (zh) * | 2023-07-20 | 2023-09-22 | 合肥图迅电子科技有限公司 | 一种芯片字符检测方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01223575A (ja) * | 1988-03-02 | 1989-09-06 | Toppan Printing Co Ltd | 文字印刷品質管理装置 |
JP2004341977A (ja) * | 2003-05-19 | 2004-12-02 | Mitsubishi Electric Corp | 文字認識装置及び携帯情報端末 |
CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
CN106651852A (zh) * | 2016-12-28 | 2017-05-10 | 天津普达软件技术有限公司 | 一种喷印字符关键笔画缺失的检测方法 |
CN109308700A (zh) * | 2017-07-27 | 2019-02-05 | 南京敏光视觉智能科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
CN111523531A (zh) * | 2020-04-14 | 2020-08-11 | 北京奇艺世纪科技有限公司 | 文字处理方法、装置、电子设备及计算机可读存储介质 |
-
2021
- 2021-01-26 CN CN202110106562.4A patent/CN112763513B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01223575A (ja) * | 1988-03-02 | 1989-09-06 | Toppan Printing Co Ltd | 文字印刷品質管理装置 |
JP2004341977A (ja) * | 2003-05-19 | 2004-12-02 | Mitsubishi Electric Corp | 文字認識装置及び携帯情報端末 |
CN105067638A (zh) * | 2015-07-22 | 2015-11-18 | 广东工业大学 | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 |
CN106651852A (zh) * | 2016-12-28 | 2017-05-10 | 天津普达软件技术有限公司 | 一种喷印字符关键笔画缺失的检测方法 |
CN109308700A (zh) * | 2017-07-27 | 2019-02-05 | 南京敏光视觉智能科技有限公司 | 一种基于印刷品字符的视觉识别缺陷检测方法 |
CN111523531A (zh) * | 2020-04-14 | 2020-08-11 | 北京奇艺世纪科技有限公司 | 文字处理方法、装置、电子设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112763513A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
CN112763513B (zh) | 一种字符缺陷检测方法 | |
CN111080582B (zh) | 工件内外表面缺陷检测方法 | |
CN109993099A (zh) | 一种基于机器视觉的车道线提取识别方法 | |
CN107424144A (zh) | 基于激光视觉的焊缝跟踪图像处理算法 | |
CN111126391B (zh) | 一种印刷字符缺陷定位方法 | |
CN111080615B (zh) | 基于卷积神经网络的pcb缺陷检测系统及检测方法 | |
CN110414308B (zh) | 一种针对输电线路上动态异物的目标识别方法 | |
CN112085700B (zh) | X射线图像中焊缝区域的自动化提取方法、系统及介质 | |
CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN110674812A (zh) | 一种面向复杂背景的民用车牌定位与字符分割方法 | |
CN115078365A (zh) | 一种软包装印刷质量缺陷检测方法 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN115018785A (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN114897881A (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN111832562B (zh) | 基于图像处理的弹簧托板故障识别方法 | |
CN117029733A (zh) | 一种基于计算机视觉的螺栓松动检测方法、系统及装置 | |
CN112734779A (zh) | 一种圆点标定板边缘亚像素检测方法 | |
CN110969135A (zh) | 自然场景中的车标识别方法 | |
CN115760860A (zh) | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 | |
CN115761468A (zh) | 一种基于图像分割和目标检测技术的水位检测系统、方法 | |
KR102383577B1 (ko) | 스켈러톤 웨이퍼 검사 방법 | |
CN114943738A (zh) | 一种基于视觉识别的传感器封装固化胶缺陷识别方法 | |
CN113780263A (zh) | 一种压力报警器仪表定位和识别读数方法及装置 | |
CN114066993A (zh) | 基于机器视觉的配电柜控制面板分割方法 |
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 |