CN112927218A - 用于cpu散热板缺陷的检测方法及检测系统 - Google Patents
用于cpu散热板缺陷的检测方法及检测系统 Download PDFInfo
- Publication number
- CN112927218A CN112927218A CN202110309288.0A CN202110309288A CN112927218A CN 112927218 A CN112927218 A CN 112927218A CN 202110309288 A CN202110309288 A CN 202110309288A CN 112927218 A CN112927218 A CN 112927218A
- Authority
- CN
- China
- Prior art keywords
- image
- hole
- heat dissipation
- original
- dissipation plate
- 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种用于CPU散热板缺陷的检测方法及检测系统,通过分析待测散热板的背景孔的频率特征,将背景孔对应的幅值频率设为零以将其从图像中排除,避免在检测中需要对待测散热板的背景孔精准定位的弊端,解决了因背景孔干扰而导致待测散热板的小黑点缺陷的容易漏判的问题,在此基础上,基于行灰度值均值的局部极小值分割,找到缺陷,检测效率高且检测精度高。本发明解决了在采用传统的缺陷检测方法对CPU散热板检测时,由于CPU散热板的多个背景孔的干扰容易导致CPU散热板的缺陷(如小黑点缺陷)的漏判的问题。
Description
技术领域
本发明涉及CPU散热板检测技术领域,具体涉及一种用于CPU散热板缺陷的检测方法及检测系统。
背景技术
CPU散热板由于其具有呈矩阵式排布的多个孔,在采用传统的缺陷检测方法对CPU散热板检测时,由于多个背景孔的干扰而容易导致CPU散热板的缺陷(如小黑点缺陷)的漏判。
发明内容
为克服现有技术所存在的缺陷,现提供一种用于CPU散热板缺陷的检测方法及检测系统,以解决在采用传统的缺陷检测方法对CPU散热板检测时,由于CPU散热板的多个背景孔的干扰容易导致CPU散热板的缺陷(如小黑点缺陷)的漏判的问题。
为实现上述目的,提供一种用于CPU散热板缺陷的检测方法,包括以下步骤:
获取待测散热板的原始图像;
在所述原始图像中定位待测散热板的背景孔的位置,并将所述背景孔位置上的像素点的灰度值替换为0获得去孔灰度图像,使得所述背景孔从所述初始图像中消除;
遍历所述去孔灰度图像并计算所述去孔灰度图像的每一行的灰度均值,用所述灰度均值替换所述去孔灰度图像的每一个像素点的原灰度值以获得背景分布图像;
以所述背景分布图像的灰度值为基准,计算所述去孔灰度图像的每一像素点的灰度值与所述背景分布图像中位置对应的像素点的灰度值的差值,在所述差值大于预设阈值时,对该位置的像素点进行标记以获得差异图像;
对所述差异图像进行二值化分割、遍历轮廓、保留满足预设参数的轮廓并对保留的所述轮廓进行标记以获得缺陷标记图像。
进一步的,所述获取待测散热板的初始图像的步骤包括:
采集所述待测散热板的原始图像;
对所述原始图像进行二值化分割,遍历轮廓以获取所述待测散热板的最大轮廓;
根据所述最大轮廓的角度矫正所述最大轮廓;
对矫正后的所述最大轮廓进行内缩以获得所述初始图像。
进一步的,所述在所述初始图像中定位待测散热板的背景孔的位置的步骤包括:
对所述初始图像通过fft变换获得频率图像,并对所述频率图像进行split分离获得原实部图像和原虚部图像;
根据笛卡尔坐标转换到极坐标的转换公式,将所述原实部图像和所述原虚部图像分别转换得到原幅频图像和原相位图像;
遍历所述原幅频图像以获得十字亮点图,所述十字亮点图中的十字亮点即为所述背景孔的位置。
进一步的,所述将所述背景孔位置上的像素点替换为0获得去孔灰度图像的步骤包括:
将所述十字亮点图中十字亮点的位置的像素点的灰度值替换为0以获得新幅频图像;
根据极坐标转换到笛卡尔坐标的转换公式,将所述新幅频图像和所述原相位图像分别转换得到新实部图像和新虚部图像;
将所述新实部图像和所述新虚部图像合并并通过fft逆变换获得所述去孔灰度图像。
本发明提供一种用于CPU散热板缺陷的检测方法的检测系统包括:
用于获取待测散热板的初始图像的摄像模块;
去孔模块,包括用于在所述初始图像中定位待测散热板的背景孔的位置的定位单元和用于将所述背景孔位置上的像素点的灰度值替换为0以获得去孔灰度图像的替换单元,所述定位单元接于所述摄像模块,所述替换单元连接于所述定位单元;
用于遍历所述去孔灰度图像并计算所述去孔灰度图像的每一行的灰度均值,用所述灰度均值替换所述去孔灰度图像的每一个像素点的原灰度值以获得背景分布图像的第一计算模块,连接于所述去孔模块;
用于以所述背景分布图像的灰度值为基准,计算所述去孔灰度图像的每一像素点的灰度值与所述背景分布图像中位置对应的像素点的灰度值的差值,在所述差值大于预设阈值时,对该位置的像素点进行标记以获得差异图像的第二计算模块,连接于所述第一计算模块;以及
用于对所述差异图像进行二值化分割、遍历轮廓、保留满足预设参数的轮廓并对保留的所述轮廓进行标记以获得缺陷标记图像的标记模块,连接于所述第一计算模块。
进一步的,还包括用于对所述原始图像进行二值化分割,遍历轮廓以获取所述待测散热板的最大轮廓、根据所述最大轮廓的角度矫正所述最大轮廓、对矫正后的所述最大轮廓进行内缩以获得所述初始图像的预处理模块,所述预处理模块连接于所述摄像模块和所述定位单元,所述定位单元在所述初始图像中定位所述背景孔的位置。
本发明的有益效果在于,本发明的用于CPU散热板缺陷的检测方法及其检测系统,通过分析待测散热板的背景孔的频率特征,将背景孔对应的幅值频率设为零以将其从图像中排除,避免在检测中需要对待测散热板的背景孔精准定位的弊端,解决了因背景孔干扰而导致待测散热板的小黑点缺陷的容易漏判的问题,在此基础上,基于行灰度值均值的局部极小值分割,找到缺陷,检测效率高且检测精度高。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本发明实施例的待测散热板的原始图像的示意图。
图2为本发明实施例的待测散热板的初始图像的示意图。
图3为本发明实施例的待测散热板的十字亮点图的示意图。
图4为本发明实施例的待测散热板的新幅频图像的示意图。
图5为本发明实施例的待测散热板的去孔灰度图像的示意图。
图6为本发明实施例的待测散热板的背景分布图像的示意图。
图7为本发明实施例的待测散热板的差异图像的示意图。
图8为本发明实施例的待测散热板的缺陷标记图像的示意图。
图9为本发明实施例的用于CPU散热板缺陷的检测系统的模块示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
参照图1至图9所示,本发明提供了一种用于CPU(中央处理器central processingunit,简称CPU)散热板缺陷的检测系统,包括:摄像模块1、去孔模块2、第一计算模块3、第二计计算模块4和标记模块5。
其中,摄像模块1用于获取待测散热板的原始图像。
去孔模块2包括定位单元21和替换单元22。定位单元21用于在原始图像中定位待测散热板的背景孔a的位置。定位单元21连接于摄像模块1。
替换单元22用于将背景孔a位置上的像素点的灰度值替换为0以获得去孔灰度图像。替换单元22连接于定位单元21。
第一计算模块3用于遍历去孔灰度图像并计算去孔灰度图像的每一行的灰度均值,用灰度均值替换去孔灰度图像的每一个像素点的原灰度值以获得背景分布图像。第一计算模块3连接于去孔模块2。
第二计算模块4用于以背景分布图像的灰度值为基准,计算去孔灰度图像的每一像素点的灰度值与背景分布图像中位置对应的像素点的灰度值的差值,在差值大于预设阈值时,对该位置的像素点进行标记以获得差异图像。第二计算模块4连接于第一计算模块3。
标记模块5用于对差异图像进行二值化分割、遍历轮廓、保留满足预设参数的轮廓并对保留的所述轮廓进行标记缺陷c以获得缺陷标记图像。标记模块5连接于计算模块4。
作为一种较佳的实施方式,本发明的用于CPU散热板缺陷的检测系统,还包括预处理模块6。预处理模块连接于摄像模块1和定位单元21。预处理模块6用于对原始图像进行二值化分割,遍历轮廓以获取待测散热板的最大轮廓、根据最大轮廓的角度矫正最大轮廓、对矫正后的最大轮廓进行内缩以获得初始图像。后续,定位单元在初始图像中定位背景孔的位置。
本发明提供了一种用于CPU散热板缺陷的检测方法,包括以下步骤:
S1:摄像模块获取待测散热板的原始图像。
具体的,摄像模块采集待测散热板的原始图像。在本实施例中,摄像模块为CCD(charge coupled device,电荷耦合器件的简称)相机。图1所示为通过摄像模块拍摄的待测散热板的原始图像。
S2:预处理模块对原始图像进行预处理获得初始图像。
具体的,预处理步骤S2包括以下步骤:
S21、预处理模块对原始图像进行二值化分割,遍历轮廓以获取待测散热板的最大轮廓。
S22、根据最大轮廓的角度矫正最大轮廓。
具体的,建立直角坐标系(XOY),当最大轮廓(呈矩形)的长边或短边未与直角坐标系的X轴或Y轴同向设置,则通过翻转调整最大轮廓,使得最大轮廓(呈矩形)的长边、短边与直角坐标系的X轴和Y轴分别一一对应的同向设置。
S23、对矫正后的最大轮廓进行内缩以获得待测散热板的初始图像。如图2所示为预处理模块处理获得的待测散热板的初始图像。
预处理模块对原始图像进行预处理以获得初始图像,通过对原始图像进行二值化分割,遍历轮廓,根据轮廓面积大小、长度和宽度找到待测散热板的最大轮廓,计算其角度,根据最大轮廓的角度,对该图像进行旋转矫正,对矫正的轮廓进行内缩,提取感兴趣区域。
S3:在初始图像中定位待测散热板的背景孔a的位置,并将背景孔a位置上的像素点的灰度值替换为0获得去孔灰度图像,使得背景孔a从初始图像中消除。
具体的,步骤S3中的定位单元在初始图像中定位待测散热板的背景孔a的位置,具体的包括:
S311、对初始图像通过fft变换(傅里叶变换)获得频率图像,并对频率图像进行split分离获得原实部图像和原虚部图像。
在本步骤中主要通过fft变换,得到频率图像,对该图像进行split分离,得到实部图像和虚部图像。具体的,分离即将多通道图像分离成多个图像,如彩色图像RGB,通过分离得到R,G,B三个通道的灰度图像。
S312、根据笛卡尔坐标转换到极坐标的转换公式,将原实部图像和原虚部图像分别转换得到原幅频图像和原相位图像。
在该步骤中根据笛卡尔坐标转换到极坐标的公式(1),将原实部图像和原虚部图像转换得到原幅频图像原相位图像。
笛卡尔坐标(x、y)转换到极坐标(r、θ),具体的公示(1)为:
θ=tan-1(y/x)。
S313、如图3所示,通过遍历原幅频图像以获得十字亮点图,十字亮点图中的十字亮点b即为背景孔a的位置。
步骤S3中的替换单元将背景孔a位置上的像素点的灰度值替换为0获得去孔灰度图像,具体的包括:
S321、如图4所示,将十字亮点图中十字亮点b的位置的像素点的灰度值替换为0以获得新幅频图像。
S322、根据极坐标转换到笛卡尔坐标的转换公式,将新幅频图像和原相位图像分别转换得到新实部图像和新虚部图像。
极坐标(r、θ)转换到笛卡尔坐标(x、y),具体的公示(2)为:
x=r×cosθ;
y=r×sinθ。
S323、如图5所示,将新实部图像和新虚部图像合并,并通过fft逆变换获得去孔灰度图像。
S4:如图6所示,第一计算模块遍历去孔灰度图像并计算去孔灰度图像的每一行的灰度均值,用灰度均值替换去孔灰度图像的每一个像素点的原灰度值以获得背景分布图像。
S5:如图7所示,第二计算模块以背景分布图像的灰度值为基准,计算去孔灰度图像的每一像素点的灰度值与背景分布图像中位置对应的像素点的灰度值的差值,在差值大于预设阈值时,对该位置的像素点进行标记以获得差异图像。
S6:如图8所示,标记模块对差异图像进行二值化分割、遍历轮廓、保留满足预设参数的轮廓并对保留的轮廓进行标记以获得缺陷标记图像。
本发明的用于CPU散热板缺陷的检测方法及其检测系统,通过分析待测散热板的背景孔的频率特征,将背景孔对应的幅值频率设为零以将其从图像中排除,避免在检测中需要对待测散热板的背景孔精准定位的弊端,解决了因背景孔干扰而导致待测散热板的小黑点缺陷的容易漏判的问题,在此基础上,基于行灰度值均值的局部极小值分割,找到缺陷,检测效率高且检测精度高。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种用于CPU散热板缺陷的检测方法,其特征在于,包括以下步骤:
获取待测散热板的原始图像;
在所述原始图像中定位待测散热板的背景孔的位置,并将所述背景孔位置上的像素点的灰度值替换为0获得去孔灰度图像,使得所述背景孔从所述初始图像中消除;
遍历所述去孔灰度图像并计算所述去孔灰度图像的每一行的灰度均值,用所述灰度均值替换所述去孔灰度图像的每一个像素点的原灰度值以获得背景分布图像;
以所述背景分布图像的灰度值为基准,计算所述去孔灰度图像的每一像素点的灰度值与所述背景分布图像中位置对应的像素点的灰度值的差值,在所述差值大于预设阈值时,对该位置的像素点进行标记以获得差异图像;
对所述差异图像进行二值化分割、遍历轮廓、保留满足预设参数的轮廓并对保留的所述轮廓进行标记以获得缺陷标记图像。
2.根据权利要求1所述的用于CPU散热板缺陷的检测方法,其特征在于,所述获取待测散热板的初始图像的步骤包括:
采集所述待测散热板的原始图像;
对所述原始图像进行二值化分割,遍历轮廓以获取所述待测散热板的最大轮廓;
根据所述最大轮廓的角度矫正所述最大轮廓;
对矫正后的所述最大轮廓进行内缩以获得所述初始图像。
3.根据权利要求1所述的用于CPU散热板缺陷的检测方法,其特征在于,所述在所述初始图像中定位待测散热板的背景孔的位置的步骤包括:
对所述初始图像通过fft变换获得频率图像,并对所述频率图像进行分离获得原实部图像和原虚部图像;
根据笛卡尔坐标转换到极坐标的转换公式,将所述原实部图像和所述原虚部图像分别转换得到原幅频图像和原相位图像;
遍历所述原幅频图像以获得十字亮点图,所述十字亮点图中的十字亮点即为所述背景孔的位置。
4.根据权利要求3所述的用于CPU散热板缺陷的检测方法,其特征在于,所述将所述背景孔位置上的像素点替换为0获得去孔灰度图像的步骤包括:
将所述十字亮点图中十字亮点的位置的像素点的灰度值替换为0以获得新幅频图像;
根据极坐标转换到笛卡尔坐标的转换公式,将所述新幅频图像和所述原相位图像分别转换得到新实部图像和新虚部图像;
将所述新实部图像和所述新虚部图像合并并通过fft逆变换获得所述去孔灰度图像。
5.一种用于CPU散热板缺陷的检测系统,其特征在于,包括:
用于获取待测散热板的初始图像的摄像模块;
去孔模块,包括用于在所述初始图像中定位待测散热板的背景孔的位置的定位单元和用于将所述背景孔位置上的像素点的灰度值替换为0以获得去孔灰度图像的替换单元,所述定位单元接于所述摄像模块,所述替换单元连接于所述定位单元;
用于遍历所述去孔灰度图像并计算所述去孔灰度图像的每一行的灰度均值,用所述灰度均值替换所述去孔灰度图像的每一个像素点的原灰度值以获得背景分布图像的第一计算模块,连接于所述去孔模块;
用于以所述背景分布图像的灰度值为基准,计算所述去孔灰度图像的每一像素点的灰度值与所述背景分布图像中位置对应的像素点的灰度值的差值,在所述差值大于预设阈值时,对该位置的像素点进行标记以获得差异图像的第二计算模块,连接于所述第一计算模块;以及
用于对所述差异图像进行二值化分割、遍历轮廓、保留满足预设参数的轮廓并对保留的所述轮廓进行标记以获得缺陷标记图像的标记模块,连接于所述第一计算模块。
6.根据权利要求5所述的检测系统,其特征在于,还包括用于对所述原始图像进行二值化分割,遍历轮廓以获取所述待测散热板的最大轮廓、根据所述最大轮廓的角度矫正所述最大轮廓、对矫正后的所述最大轮廓进行内缩以获得所述初始图像的预处理模块,所述预处理模块连接于所述摄像模块和所述定位单元,所述定位单元在所述初始图像中定位所述背景孔的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110309288.0A CN112927218B (zh) | 2021-03-23 | 2021-03-23 | 用于cpu散热板缺陷的检测方法及检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110309288.0A CN112927218B (zh) | 2021-03-23 | 2021-03-23 | 用于cpu散热板缺陷的检测方法及检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112927218A true CN112927218A (zh) | 2021-06-08 |
CN112927218B CN112927218B (zh) | 2023-07-25 |
Family
ID=76175551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110309288.0A Active CN112927218B (zh) | 2021-03-23 | 2021-03-23 | 用于cpu散热板缺陷的检测方法及检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927218B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169156A (zh) * | 2011-05-18 | 2011-08-31 | 西安电子科技大学 | 应用EMScan技术对高密度电子电路故障的检测方法 |
CN102192911A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院自动化研究所 | 一种基于机器视觉的金属瓶盖质量检测系统和方法 |
CN105115987A (zh) * | 2015-09-30 | 2015-12-02 | 河南科技大学 | 基于数字滤波的圆锥滚子倒装缺陷检测方法 |
CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及系统 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN109493339A (zh) * | 2018-11-20 | 2019-03-19 | 北京嘉恒中自图像技术有限公司 | 一种基于内窥镜成像的铸件内表面气孔缺陷检测方法 |
CN109829876A (zh) * | 2018-05-30 | 2019-05-31 | 东南大学 | 基于机器视觉的链板缺陷在线检测装置及方法 |
CN111260621A (zh) * | 2020-01-14 | 2020-06-09 | 湖南大学 | 一种印制电路板表面缺陷定位与识别方法 |
CN111915552A (zh) * | 2020-06-02 | 2020-11-10 | 华南理工大学 | 一种太阳能电池内部缺陷检测方法 |
CN111982921A (zh) * | 2020-05-21 | 2020-11-24 | 北京安视中电科技有限公司 | 孔缺陷的检测方法、装置、传送平台及存储介质 |
-
2021
- 2021-03-23 CN CN202110309288.0A patent/CN112927218B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102192911A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院自动化研究所 | 一种基于机器视觉的金属瓶盖质量检测系统和方法 |
CN102169156A (zh) * | 2011-05-18 | 2011-08-31 | 西安电子科技大学 | 应用EMScan技术对高密度电子电路故障的检测方法 |
CN105115987A (zh) * | 2015-09-30 | 2015-12-02 | 河南科技大学 | 基于数字滤波的圆锥滚子倒装缺陷检测方法 |
CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及系统 |
CN107389701A (zh) * | 2017-08-22 | 2017-11-24 | 西北工业大学 | 一种基于图像的pcb表观缺陷自动检测系统及方法 |
CN109829876A (zh) * | 2018-05-30 | 2019-05-31 | 东南大学 | 基于机器视觉的链板缺陷在线检测装置及方法 |
CN109493339A (zh) * | 2018-11-20 | 2019-03-19 | 北京嘉恒中自图像技术有限公司 | 一种基于内窥镜成像的铸件内表面气孔缺陷检测方法 |
CN111260621A (zh) * | 2020-01-14 | 2020-06-09 | 湖南大学 | 一种印制电路板表面缺陷定位与识别方法 |
CN111982921A (zh) * | 2020-05-21 | 2020-11-24 | 北京安视中电科技有限公司 | 孔缺陷的检测方法、装置、传送平台及存储介质 |
CN111915552A (zh) * | 2020-06-02 | 2020-11-10 | 华南理工大学 | 一种太阳能电池内部缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
曲东升 等: ""基于预加工孔CCD图像的零件视觉定位"" * |
朱丹丹 等: ""基于傅里叶特征谱和相关系数的织物疵点检测"" * |
沈会良 等: ""基于图像配准的STN-LCD外观缺陷检测"" * |
Also Published As
Publication number | Publication date |
---|---|
CN112927218B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107203990B (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
CN109443480B (zh) | 基于图像处理的水位标尺定位及水位测量方法 | |
CN110136120B (zh) | 一种基于机器视觉的丝网印刷样板尺寸测量方法 | |
CN108918526B (zh) | 一种柔性ic封装基板线路的缺口缺陷检测方法 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
CN110473184A (zh) | 一种pcb板缺陷检测方法 | |
WO2020246366A1 (ja) | 基板検査装置、基板検査システム及び基板検査方法 | |
CN110866932A (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
US20160307062A1 (en) | Method and device for determining regions to be detected on display motherboard | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉系统 | |
CN113970560B (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
CN110956630A (zh) | 平面印刷缺陷检测方法、装置以及系统 | |
CN111652844B (zh) | 一种基于数字图像区域增长的x射线缺陷检测方法及系统 | |
CN110415296A (zh) | 一种有阴影光照下矩形状电器件的定位方法 | |
JP2017033063A (ja) | 画像処理方法、画像処理装置、プログラム及び記録媒体 | |
CN115100158A (zh) | 一种实现图像精准匹配的印刷检测方法 | |
CN111160305A (zh) | 一种变压器套管异常监测方法及计算机可读介质 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN112927218B (zh) | 用于cpu散热板缺陷的检测方法及检测系统 | |
CN112132823A (zh) | 一种基于人工智能的光伏电池图像局部光照不均处理方法 | |
JP5160366B2 (ja) | 電子部品のパターンマッチング方法 | |
CN108428250B (zh) | 一种应用于视觉定位和标定的x角点检测方法 | |
JP2007132868A (ja) | グラビア版セル形状測定装置および測定方法 | |
CN109598209A (zh) | 一种虹膜图像清晰度的检测方法 |
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 |