CN113269769A - 一种基于图像配准的缺陷检测方法、系统及设备 - Google Patents
一种基于图像配准的缺陷检测方法、系统及设备 Download PDFInfo
- Publication number
- CN113269769A CN113269769A CN202110636654.3A CN202110636654A CN113269769A CN 113269769 A CN113269769 A CN 113269769A CN 202110636654 A CN202110636654 A CN 202110636654A CN 113269769 A CN113269769 A CN 113269769A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- defect
- characteristic
- registration
- 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- Withdrawn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
- 230000007547 defect Effects 0.000 title claims abstract description 152
- 238000001514 detection method Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 230000002950 deficient Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供的一种基于图像配准的缺陷检测方法、系统及设备基于待检测图像与标准图像的图像配准,可以得到标准图像和待检测图像之间的特征信息,得到定位判断,以此来确定出两幅图像中所包含的内容具有一致性,再根据预设的特征阈值与特征差值进行对比,进行缺陷判断,当超过阈值的特征差值定义为缺陷,待检测图像与标准图像通过图像配准将对应的像素点统一至同一的坐标系下,两者之间的特征信息在空间之中达到信息融合,以便于像素点之间的特征信息的比对,进行特征差值的判断,检测对待检测图像上每个点进行配准对比,增加检测的全面性,可提高对缺陷检测的准确性,同时,适用于各种场景的缺陷检测,提高检测的适应性。
Description
技术领域
本发明涉及一种图像识别领域,特别涉及一种基于图像配准的缺陷检测方法、系统及设备。
背景技术
在工业生产过程中,产品外观表面缺陷是影响产品质量的最重要因素之一,缺陷产品如若不进行检测、剔除就被装载到相应的产品中,会造成超过其本身价值的损失,但当前缺陷检测多为人工检测,人们为了让检测速度提升与提高检测准确率,机器检测成为当前的检测主流。
但现有的缺陷检测中,容易产生检测的疏漏与误判,准确率低。
发明内容
为克服目前的缺陷检测中,容易产生检测的疏漏与误判,准确率低的技术问题,本发明提供了一种基于图像配准的缺陷检测方法、系统及设备。
本发明提供了一种基于图像配准的缺陷检测方法,其包括如下步骤:步骤S1:获取待检测图像;步骤S2:将待检测图像进行灰度化处理,获取待检测图像的特征信息;步骤S3:将待检测图像与标准图像进行定位判断,对两者进行特征点的配准校准,两者特征信息进行差值,获取特征差值;步骤S4:获取预设的特征阈值,将预设的特征阈值与两图像之间的特征差值进行对比,通过灰度值再次判断缺陷区域,获取缺陷图像。
优选地,步骤S1之前还包括:步骤S0:获取一标准图像,获取其各项特征信息。
优选地,步骤S2包括以下步骤:步骤S21:将待检测图像进行灰度化处理,获取灰度化图像;步骤S22:获取灰度化图像上灰度信息,作为待检测图像的特征信息。
优选地,步骤S3包括以下步骤:步骤S31:获取标准图像与待检测图像的定位坐标;步骤S32:通过标准图像与待检测图像的定位坐标进行配准,并将两者的特征信息配准;步骤S33:对两者的特征信息进行差值判断,获取两者的特征差值。
优选地,步骤S4包括以下步骤:步骤S41:在标准图像的各项特征信息的上定义预设特征阈值;步骤S42:获取待检测图像与标准图像的特征信息的特征差值,对比特征差值与预设的特征阈值,获取待识别缺陷图像;步骤S43:将待识别缺陷图像进行灰度值的判断,获取缺陷图像。
优选地,包括:待检测图像获取单元:获取待检测图像;特征信息获取单元:将待检测图像进行灰度化处理,获取待检测图像的特征信息;特征差值获取单元:将待检测图像与标准图像进行定位判断,对两者进行特征点的配准校准,两者特征信息进行差值,获取特征差值;缺陷图像获取单元:获取预设的特征阈值,将预设的特征阈值与两图像之间的特征差值进行对比,通过灰度值再次判断缺陷区域,获取缺陷图像。
优选地,特征信息获取单元:灰度化图像获取单元:将待检测图像进行灰度化处理,获取灰度化图像;灰度信息获取单元:获取灰度化图像上灰度信息,作为待检测图像的特征信息。
优选地,特征差值获取单元:定位坐标获取单元:获取标准图像与待检测图像的定位坐标;特征信息配准单元:通过标准图像与待检测图像的定位坐标进行配准,并将两者的特征信息配准;特征差值获取单元:对两者的特征信息进行差值判断,获取两者的特征差值。
优选地,缺陷图像获取单元:预设特征阈值定义单元:在标准图像的各项特征信息的上定义预设特征阈值;待识别缺陷图像获取单元:获取待检测图像与标准图像的特征信息的特征差值,对比特征差值与预设的特征阈值,获取待识别缺陷图像;灰度值判断单元:将待识别缺陷图像进行灰度值的判断,获取缺陷图像。
本发明还提供了一种基于图像配准的缺陷检测设备,其包括摄像头、储存器与处理器;所述摄像头用于拍摄采集待检测缺陷的物体的照片;所述储存器中存储有计算机程序,上述计算机程序被设置为运行时执行所述一种基于图像配准的缺陷检测设备;所述处理器被设置为通过所述计算机程序执行所述一种基于图像配准的缺陷检测设备。
与现有技术相比,本发明提供的一种基于图像配准的缺陷检测方法、系统及设备,具有以下优点:
1、本发明提供的一种基于图像配准的缺陷检测方法基于待检测图像与标准图像的图像配准,可以得到标准图像和待检测图像之间的特征信息,得到定位判断,以此来确定出两幅图像中所包含的内容具有一致性,再根据预设的特征阈值与特征差值进行对比,进行缺陷判断,当超过阈值的特征差值定义为缺陷,待检测图像与标准图像通过图像配准将对应的像素点统一至同一的坐标系下,两者之间的特征信息在空间之中达到信息融合,以便于像素点之间的特征信息的比对,进行特征差值的判断,检测对待检测图像上每个点进行配准对比,增加检测的全面性,可提高对缺陷检测的准确性,减少误判,同时,适用于各种工业要求的缺陷检测,提高检测的适应性。
2、通过灰度化处理,获取待检测图像的灰度信息,通过灰度信息可简化检测的过程,提高对图像的缺陷的检测速度,同时可减少误判率。
3、通过坐标进行配准,可提高配准的准确度,减少配准的错误率,标准图像与待检测图像获取特征差值,可通过特征差值判断待检测图像是否为缺陷图像,并且获取待检测图像的缺陷区域,增加检测的多样性,增加检测的精确度。
4、将特征差值与预设的特征阈值进行对比,判断待检测图像的特征差值是否处于特征阈值,从而判断待检测图像是否为缺陷图像,而对待识别的缺陷图像进行灰度值的判断可增加检测准确度,将误判为缺陷图像的图像剔除,减少误判率。
5、本发明第二实施例提供了一种基于图像配准的缺陷检测系统,其基于第一实施例的一种基于图像配准的缺陷检测方法,结合了灰度值的判断与坐标配准特征信息,将待检测图像与标准图像进行对比,从而识别待检测图像是否为缺陷图像,并获取缺陷区域,使图像上各个点都进行检测,增加检测的全面度,提高检测过程的精确度。
6、本发明第三实施例提供了一种基于图像配准的缺陷检测设备,其基于第一实施例的一种基于图像配准的缺陷检测方法,结合了灰度值的判断与坐标配准特征信息,将待检测图像与标准图像进行对比,从而识别待检测图像是否为缺陷图像,并获取缺陷区域,该设备适用于多种工业要求的缺陷检测,检测对图像上各个点进行配准对比,增加其检测的全面程度,提高检测过程的精确度。
附图说明
图1是本发明第一实施例提供的一种基于图像配准的缺陷检测方法的流程图。
图2是本发明第一实施例提供的一种一种基于图像配准的缺陷检测方法中步骤S2的细节流程图;
图3是本发明第一实施例提供的一种一种基于图像配准的缺陷检测方法中步骤S3的细节流程图;
图4是本发明第一实施例提供的一种一种基于图像配准的缺陷检测方法中步骤S4的细节流程图;
图5是本发明第二实施例提供的一种基于图像配准的缺陷检测系统中的整体模块图;
图6是本发明第二实施例提供的一种基于图像配准的缺陷检测系统中的特征信息获取单元的模块图;
图7是本发明第二实施例提供的一种基于图像配准的缺陷检测系统中的特征差值获取单元的模块图;
图8是本发明第二实施例提供的一种基于图像配准的缺陷检测系统中的缺陷图像获取单元的模块图;
图9是本发明第三实施例提供的一种基于图像配准的缺陷检测设备的整体结构示意图。
附图标记说明:
100、基于图像配准的缺陷检测系统;10、待检测图像获取单元;20、特征信息获取单元;30、特征差值获取单元;40、缺陷图像获取单元;201、灰度化图像获取单元;202、灰度信息获取单元;301、定位坐标获取单元;302、特征信息配准单元;303、特征差值判断单元;401、预设特征阈值定义单元;402、待识别缺陷图像获取单元;403、灰度值判断单元;1、基于图像配准的缺陷检测设备;11、摄像头;12、储存器;13、处理器。
具体实施方式
为了使本发明的目的,技术方案及优点更加清楚明白,以下结合附图及实施实例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,本发明第一实施例提供了一种基于图像配准的缺陷检测方法,包括如下步骤:
步骤S1:获取待检测图像;
步骤S2:将待检测图像进行灰度化处理,获取待检测图像的特征信息;
可以理解,灰度化处理图像,降低图像的失真率,同时减少后续处理的难度,并且防止检测图像因色彩导致误判,提高检测的精准度。
步骤S3:将待检测图像与标准图像进行定位判断,对两者进行特征点的配准校准,两者特征信息进行差值,获取特征差值;
可以理解,待检测图像与标准图像配准校准,使两者的像素点对应,从而获取两者的特征差值,可增加图像的各个点都进行检测,减少遗漏,提高检测过程的精确度。
步骤S4:获取预设的特征阈值,将预设的特征阈值与两图像之间的特征差值进行对比,通过灰度值再次判断缺陷区域,获取缺陷图像。
可以理解,通过灰度值再次进行判断,可增加识别的精确度,可将因误判的图像剔除,提高检测的准确度。
可以理解,本发明提供的一种基于图像配准的缺陷检测方法基于待检测图像与标准图像的图像配准,可以得到标准图像和待检测图像之间的特征信息,得到定位判断,以此来确定出两幅图像中所包含的内容具有一致性,再根据预设的特征阈值与特征差值进行对比,进行缺陷判断,当超过阈值的特征差值定义为缺陷,待检测图像与标准图像通过图像配准将对应的像素点统一至同一的坐标系下,两者之间的特征信息在空间之中达到信息融合,以便于像素点之间的特征信息的比对,进行特征差值的判断,检测对待检测图像上每个点进行配准对比,增加检测的全面性,可提高对缺陷检测的准确性,同时,适用于各种场景的缺陷检测,提高检测的适应性。
步骤S1之前还包括:
步骤S0:获取一标准图像,获取其各项特征信息。
可以理解,获取无缺陷图像作为标准图像,并以其各项特征信息作为与待检测图像对比的数据。
请参阅图2,步骤S2包括以下步骤:
步骤S21:将待检测图像进行灰度化处理,获取灰度化图像;
步骤S22:获取灰度化图像上灰度信息,作为待检测图像的特征信息。
可以理解,通过灰度化处理,获取待检测图像的灰度信息,通过灰度信息可简化检测的过程,提高对图像的缺陷的检测速度,同时可减少误判率。
请参阅图3,步骤S3包括以下步骤:
步骤S31:获取标准图像与待检测图像的定位坐标;
步骤S32:通过标准图像与待检测图像的定位坐标进行配准,并将两者的特征信息配准;
步骤S33:对两者的特征信息进行差值判断,获取两者的特征差值。
可以理解,通过坐标进行配准,可提高配准的准确度,减少配准的错误率,标准图像与待检测图像获取特征差值,可通过特征差值判断待检测图像是否为缺陷图像,并且获取待检测图像的缺陷区域,增加检测的多样性,增加检测的精确度。
请参阅图4,步骤S4包括以下步骤:
步骤S41:在标准图像的各项特征信息的上定义预设特征阈值;
步骤S42:获取待检测图像与标准图像的特征信息的特征差值,对比特征差值与预设的特征阈值,获取待识别缺陷图像;
步骤S43:将待识别缺陷图像进行灰度值的判断,获取缺陷图像。
可以理解,将特征差值与预设的特征阈值进行对比,判断待检测图像的特征差值是否处于特征阈值,从而判断待检测图像是否为缺陷图像,而对待识别的缺陷图像进行灰度值的判断可增加检测准确度,将误判为缺陷图像的图像剔除,减少误判率。
请参阅图5,本发明第二实施例提供了一种基于图像配准的缺陷检测系统100,包括:
待检测图像获取单元10:获取待检测图像;
特征信息获取单元20:将待检测图像进行灰度化处理,获取待检测图像的特征信息;
特征差值获取单元30:将待检测图像与标准图像进行定位判断,对两者进行特征点的配准校准,两者特征信息进行差值,获取特征差值;
缺陷图像获取单元40:获取预设的特征阈值,将预设的特征阈值与两图像之间的特征差值进行对比,通过灰度值再次判断缺陷区域,获取缺陷图像。
可以理解,本发明第二实施例提供了一种基于图像配准的缺陷检测系统100,其基于第一实施例的一种基于图像配准的缺陷检测方法,结合了灰度值的判断与坐标配准特征信息,将待检测图像与标准图像进行对比,从而识别待检测图像是否为缺陷图像,并获取缺陷区域,使图像上各个点都进行检测,增加检测的全面度,提高检测过程的精确度。
请参阅图6,特征信息获取单元20包括:
灰度化图像获取单元201:将待检测图像进行灰度化处理,获取灰度化图像;
灰度信息获取单元202:获取灰度化图像上灰度信息,作为待检测图像的特征信息。
可以理解,特征信息获取单元20通过灰度化处理,获取待检测图像的灰度信息,以作为特征信息,可简化检测的过程,提高对图像缺陷的检测速度,同时可减少误判率。
请参阅图7,特征差值获取单元30包括:
定位坐标获取单元301:获取标准图像与待检测图像的定位坐标;
特征信息配准单元302:通过标准图像与待检测图像的定位坐标进行配准,并将两者的特征信息配准;
特征差值判断单元303:对两者的特征信息进行差值判断,获取两者的特征差值。
可以理解,特征差值获取单元30通过定位坐标将各个像素点进行配准,以确保后续的检测中为各个像素点进行特征差值判断,提高检测的全面程度。
请参阅图8,缺陷图像获取单元40包括:
预设特征阈值定义单元401:在标准图像的各项特征信息的上定义预设特征阈值;
待识别缺陷图像获取单元402:获取待检测图像与标准图像的特征信息的特征差值,对比特征差值与预设的特征阈值,获取待识别缺陷图像;
灰度值判断单元403:将待识别缺陷图像进行灰度值的判断,获取缺陷图像。
可以理解,通过特征阈值与灰度值的判断,增强对缺陷检测的精确度,避免将完好的图像归类到缺陷图像上,减少对图像的误判率。
请参阅图9,本发明第三实施例提供了一种基于图像配准的缺陷检测设备1,包括摄像头11、储存器12与处理器13,所述摄像头11用于拍摄采集待检测缺陷的物体的照片;所述储存器12中存储有计算机程序,上述计算机程序被设置为运行时执行第一实施例中所述一种基于图像配准的缺陷检测设备1;所述处理器13被设置为通过所述计算机程序执行第一实施例中所述一种基于图像配准的缺陷检测设备1。
可以理解,本发明第三实施例提供了一种基于图像配准的缺陷检测设备1,其基于第一实施例的一种基于图像配准的缺陷检测方法,结合了灰度值的判断与坐标配准特征信息,将待检测图像与标准图像进行对比,从而识别待检测图像是否为缺陷图像,并获取缺陷区域,该设备适用于多种工业要求的缺陷检测,检测对图像上各个点进行配准对比,增加其检测的全面程度,提高检测过程的精确度。
与现有技术相比,本发明提供的一种基于图像配准的缺陷检测方法、系统及设备,具有以下优点:
1、本发明提供的一种基于图像配准的缺陷检测方法基于待检测图像与标准图像的图像配准,可以得到标准图像和待检测图像之间的特征信息,得到定位判断,以此来确定出两幅图像中所包含的内容具有一致性,再根据预设的特征阈值与特征差值进行对比,进行缺陷判断,当超过阈值的特征差值定义为缺陷,待检测图像与标准图像通过图像配准将对应的像素点统一至同一的坐标系下,两者之间的特征信息在空间之中达到信息融合,以便于像素点之间的特征信息的比对,进行特征差值的判断,检测对待检测图像上每个点进行配准对比,增加检测的全面性,可提高对缺陷检测的准确性,同时,适用于各种场景的缺陷检测,提高检测的适应性。
2、通过灰度化处理,获取待检测图像的灰度信息,通过灰度信息可简化检测的过程,提高对图像的缺陷的检测速度,同时可减少误判率。
3、通过坐标进行配准,可提高配准的准确度,减少配准的错误率,标准图像与待检测图像获取特征差值,可通过特征差值判断待检测图像是否为缺陷图像,并且获取待检测图像的缺陷区域,增加检测的多样性,增加检测的精确度。
4、将特征差值与预设的特征阈值进行对比,判断待检测图像的特征差值是否处于特征阈值,从而判断待检测图像是否为缺陷图像,而对待识别的缺陷图像进行灰度值的判断可增加检测准确度,将误判为缺陷图像的图像剔除,减少误判率。
5、本发明第二实施例提供了一种基于图像配准的缺陷检测系统,其基于第一实施例的一种基于图像配准的缺陷检测方法,结合了灰度值的判断与坐标配准特征信息,将待检测图像与标准图像进行对比,从而识别待检测图像是否为缺陷图像,并获取缺陷区域,使图像上各个点都进行检测,增加检测的全面度,提高检测过程的精确度。
6、本发明第三实施例提供了一种基于图像配准的缺陷检测设备,其基于第一实施例的一种基于图像配准的缺陷检测方法,结合了灰度值的判断与坐标配准特征信息,将待检测图像与标准图像进行对比,从而识别待检测图像是否为缺陷图像,并获取缺陷区域,该设备适用于多种工业要求的缺陷检测,检测对图像上各个点进行配准对比,增加其检测的全面程度,提高检测过程的精确度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内所作的任何修改,等同替换和改进等均应包含本发明的保护范围之内。
Claims (10)
1.一种基于图像配准的缺陷检测方法,其特征在于:包括如下步骤:
步骤S1:获取待检测图像;
步骤S2:将待检测图像进行灰度化处理,获取待检测图像的特征信息;
步骤S3:将待检测图像与标准图像进行定位判断,对两者进行特征点的配准校准,两者特征信息进行差值,获取特征差值;
步骤S4:获取预设的特征阈值,将预设的特征阈值与两图像之间的特征差值进行对比,通过灰度值再次判断缺陷区域,获取缺陷图像。
2.如权利要求1所述一种基于图像配准的缺陷检测方法,其特征在于:步骤S1之前还包括:
步骤S0:获取一标准图像,获取其各项特征信息。
3.如权利要求1所述一种基于图像配准的缺陷检测方法,其特征在于:步骤S2包括以下步骤:
步骤S21:将待检测图像进行灰度化处理,获取灰度化图像;
步骤S22:获取灰度化图像上灰度信息,作为待检测图像的特征信息。
4.如权利要求1所述一种基于图像配准的缺陷检测方法,其特征在于:步骤S3包括以下步骤:
步骤S31:获取标准图像与待检测图像的定位坐标;
步骤S32:通过标准图像与待检测图像的定位坐标进行配准,并将两者的特征信息配准;
步骤S33:对两者的特征信息进行差值判断,获取两者的特征差值。
5.如权利要求1所述一种基于图像配准的缺陷检测方法,其特征在于:步骤S4包括以下步骤:
步骤S41:在标准图像的各项特征信息的上定义预设特征阈值;
步骤S42:获取待检测图像与标准图像的特征信息的特征差值,对比特征差值与预设的特征阈值,获取待识别缺陷图像;
步骤S43:将待识别缺陷图像进行灰度值的判断,获取缺陷图像。
6.一种基于图像配准的缺陷检测系统,其特征在于:包括:
待检测图像获取单元:获取待检测图像;
特征信息获取单元:将待检测图像进行灰度化处理,获取待检测图像的特征信息;
特征差值获取单元:将待检测图像与标准图像进行定位判断,对两者进行特征点的配准校准,两者特征信息进行差值,获取特征差值;
缺陷图像获取单元:获取预设的特征阈值,将预设的特征阈值与两图像之间的特征差值进行对比,通过灰度值再次判断缺陷区域,获取缺陷图像。
7.如权利要求6所述一种基于图像配准的缺陷检测系统,其特征在于:特征信息获取单元:
灰度化图像获取单元:将待检测图像进行灰度化处理,获取灰度化图像;
灰度信息获取单元:获取灰度化图像上灰度信息,作为待检测图像的特征信息。
8.如权利要求6所述一种基于图像配准的缺陷检测系统,其特征在于:特征差值获取单元:
定位坐标获取单元:获取标准图像与待检测图像的定位坐标;
特征信息配准单元:通过标准图像与待检测图像的定位坐标进行配准,并将两者的特征信息配准;
特征差值判断单元:对两者的特征信息进行差值判断,获取两者的特征差值。
9.如权利要求6所述一种基于图像配准的缺陷检测系统,其特征在于:缺陷图像获取单元:
预设特征阈值定义单元:在标准图像的各项特征信息的上定义预设特征阈值;
待识别缺陷图像获取单元:获取待检测图像与标准图像的特征信息的特征差值,对比特征差值与预设的特征阈值,获取待识别缺陷图像;
灰度值判断单元:将待识别缺陷图像进行灰度值的判断,获取缺陷图像。
10.一种基于图像配准的缺陷检测设备,其特征在于:包括摄像头、储存器与处理器,
所述摄像头用于拍摄采集待检测缺陷的物体的照片;
所述储存器中存储有计算机程序,上述计算机程序被设置为运行时执行权利要求1至5任一项中所述一种基于图像配准的缺陷检测设备;
所述处理器被设置为通过所述计算机程序执行权利要求1至5任一项中所述一种基于图像配准的缺陷检测设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110636654.3A CN113269769A (zh) | 2021-06-08 | 2021-06-08 | 一种基于图像配准的缺陷检测方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110636654.3A CN113269769A (zh) | 2021-06-08 | 2021-06-08 | 一种基于图像配准的缺陷检测方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269769A true CN113269769A (zh) | 2021-08-17 |
Family
ID=77234437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110636654.3A Withdrawn CN113269769A (zh) | 2021-06-08 | 2021-06-08 | 一种基于图像配准的缺陷检测方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269769A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822877A (zh) * | 2021-11-17 | 2021-12-21 | 武汉中导光电设备有限公司 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
CN114240926A (zh) * | 2021-12-28 | 2022-03-25 | 湖南云箭智能科技有限公司 | 板卡缺陷类别识别方法、装置、设备及可读存储介质 |
CN115100204A (zh) * | 2022-08-25 | 2022-09-23 | 海门市元绒纺织科技有限公司 | 一种基于傅里叶变换的布匹缺陷检测分辨方法 |
-
2021
- 2021-06-08 CN CN202110636654.3A patent/CN113269769A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822877A (zh) * | 2021-11-17 | 2021-12-21 | 武汉中导光电设备有限公司 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
CN114240926A (zh) * | 2021-12-28 | 2022-03-25 | 湖南云箭智能科技有限公司 | 板卡缺陷类别识别方法、装置、设备及可读存储介质 |
CN115100204A (zh) * | 2022-08-25 | 2022-09-23 | 海门市元绒纺织科技有限公司 | 一种基于傅里叶变换的布匹缺陷检测分辨方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113269769A (zh) | 一种基于图像配准的缺陷检测方法、系统及设备 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
CN111028213A (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
CN102393397B (zh) | 一种磁瓦表面缺陷检测系统及其检测方法 | |
CN109752392B (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
CN110567969B (zh) | 用于织物缺陷检测的图像识别方法及其系统 | |
CN111415339B (zh) | 一种复杂纹理工业产品图像缺陷检测方法 | |
CN111033563A (zh) | 一种免疫层析检测的图像分析方法以及系统 | |
CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
KR101643713B1 (ko) | 학습형 스마트 카메라를 이용한 검사 대상 물품의 검사방법 | |
CN111462056B (zh) | 工件表面缺陷检测方法、装置、设备及存储介质 | |
WO2022222467A1 (zh) | 开口圆环工件外观缺陷检测方法、系统及计算机存储介质 | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN112950598B (zh) | 工件的瑕疵检测方法、装置、设备及存储介质 | |
US6920241B1 (en) | System and method for bundled location and regional inspection | |
CN114742832B (zh) | 一种MiniLED薄板的焊接缺陷检测方法 | |
CN116381053A (zh) | 一种用于金属材料焊接的超声波检测方法及系统 | |
CN116148262A (zh) | 一种铝壳电池外观检测方法 | |
CN115546219A (zh) | 检测板式生成方法、板卡缺陷检测方法、装置及产品 | |
CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
CN113376183A (zh) | 一种玻璃缺陷检测方法、系统及设备 | |
CN114092542A (zh) | 一种基于二维视觉的螺栓测量方法以及系统 | |
CN117474916B (zh) | 一种图像检测方法、电子设备及存储介质 | |
CN115619783B (zh) | 产品加工缺陷的检测方法及装置、存储介质、终端 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210817 |