CN113284113A - 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 - Google Patents
溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 Download PDFInfo
- Publication number
- CN113284113A CN113284113A CN202110583653.7A CN202110583653A CN113284113A CN 113284113 A CN113284113 A CN 113284113A CN 202110583653 A CN202110583653 A CN 202110583653A CN 113284113 A CN113284113 A CN 113284113A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- hole site
- area
- workpiece
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 239000003292 glue Substances 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 131
- 230000002950 deficient Effects 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000007547 defect Effects 0.000 claims description 98
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004544 spot-on Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请涉及瑕疵检测领域,提供了一种溢胶瑕疵检测方法、装置、计算机设备和可读存储介质。方法包括:从待测工件的原始图像中获取每个待测孔位的图像;根据每个所述待测孔位的图像,计算每个所述待测孔位的图像亮度;基于每个所述待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积;在至少一个所述待测孔位的所述瑕疵区域面积大于等于第一预设面积时,确定所述待测工件为不良品。采用本方法能够提高检测准确性和检测效率。
Description
技术领域
本申请涉及瑕疵检测技术领域,特别是涉及一种溢胶瑕疵检测方法、装置、计算机设备和可读存储介质。
背景技术
在手机外壳的生产过程中,通常将听筒部分以点胶方式安装到壳体上。点胶过程中会出现胶水溢出,将听筒部分堵住,影响手机功能。传统的溢胶检测通常依靠人工检测,检测时将待检测样本放置到固定模具,通过镜头将待检测样本的待检测区域放大并显示到屏幕上,由人工目测判断是否存在瑕疵。然而,人工检测评判标准因人而异,对工件瑕疵有不一样的判断,并且工人长期从事单一重复工作会增大出错的概率,导致产品良率不高,检测效率也不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高检测准确定、产品良率和检测效率的溢胶瑕疵检测方法、装置、计算机设备和可读存储介质。
本申请实施例提供了一种溢胶瑕疵检测方法,包括:从待测工件的原始图像中获取每个待测孔位的图像;根据每个待测孔位的图像,计算每个待测孔位的图像亮度;基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积;在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品。
本申请实施例所提供的溢胶瑕疵检测方法,通过获取待测工件的原始图像,根据待测工件的原始图像获取待测工件上每个待测孔位的图像,根据每个待测孔位的图像,计算每个待测孔位的图像亮度,基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域,根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积,并根据待测孔位瑕疵区域面积确定待测工件是否为不良品,相较于传统技术中采用人工进行溢胶瑕疵检测,本申请通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
在一个实施例中,从待测工件的原始图像中获取每个待测孔位的图像,包括:对待检测工件的原始图像进行灰度化处理,获得第一灰度图像;根据第一灰度图像获取第一灰度阈值;根据第一灰度阈值将第一灰度图像转换为第一二值化图像,以确定待测工件中每个待测孔位的位置;根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。
在一个实施例中,基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域,包括:当待测孔位的图像亮度大于等于预设亮度阈值时,采用第一处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域;当待测孔位的图像亮度小于预设亮度阈值时,采用第二处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域。
在一个实施例中,采用第一处理策略对待测孔位的图像进行处理,包括:对待测孔位图像进行灰度化处理,获得第二灰度图像;根据第二灰度图获取第二灰度阈值;根据第二灰度阈值将第二灰度图像转换为第二二值化图像;对第二二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,采用第二处理策略对待测孔位的图像进行处理,包括:对待测孔位的图像进行图像增强和图像模糊处理,得到模糊图像;对模糊图像进行灰度化处理,获得第三灰度图像;根据第三灰度图像获取第三灰度阈值;根据第三灰度阈值将第三灰度图像转换为第三二值化图像;对第三二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,根据第一灰度阈值将第一灰度图像转换为第一二值化图像,以确定待检测工件中每个待测孔位的位置之后,还包括:根据识别到的待测孔位的位置,获取待测孔位中瑕疵区域的面积;判断每个待测孔位的瑕疵区域的面积是否均小于第二预设面积,以便在每个待测孔位的瑕疵区域的面积均小于第二预设面积时,根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像,其中,第二预设面积大于第一预设面积。
在一个实施例中,当至少一个待测孔位的瑕疵区域的面积大于等于第二预设面积时,确定待测工件为不良品。
本申请实施例提供了一种溢胶瑕疵检测装置,其特征在于,包括:待测孔位图像获取模块,用于从待测工件的原始图像中获取每个待测孔位的图像;图像亮度获取模块,用于根据每个待测孔位的图像,计算每个待测孔位的图像亮度;图像处理模块,用于基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;计算模块,用于根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积;不良品检测模块,用于在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品。
本申请实施例所提供的溢胶瑕疵检测装置,通过待测孔位图像获取模块从待测工件的原始图像中获取每个待测孔位的图像,通过图像亮度获取模块根据每个待测孔位的图像,计算每个待测孔位的图像亮度,根据图像处理模块基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域,通过计算模块根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积,以及不良品检测模块在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品,相较于传统技术中采用人工进行溢胶瑕疵检测,本申请通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
本申请实施例提供了一种计算机可读存储介质,其特征在于,其上存储有溢胶瑕疵检测程序,该溢胶瑕疵检测程序被处理器执行时实现前述溢胶瑕疵检测方法。
本申请实施例所提供的计算机可读存储介质,通过前述溢胶瑕疵检测方法,通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
本申请实施例提供了一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的溢胶瑕疵检测程序,所述处理器执行所述溢胶瑕疵检测程序时,实现前述溢胶瑕疵检测方法。
本申请实施例所提供的计算机设备,通过前述溢胶瑕疵检测方法,通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
附图说明
图1为一个实施例中溢胶瑕疵检测方法的应用场景图;
图2为一个实施例中溢胶瑕疵检测方法的流程示意图;
图3为一个实施例中从待测工件的图像中获取每个待测孔位的图像的方法流程示意图;
图4为一个实施例中采用第一处理策略对所述待测孔位的图像进行处理的流程示意图;
图5为一个实施例中采用第二处理策略对所述待测孔位的图像进行处理的流程示意图;
图6为一个具体实施例中溢胶瑕疵检测方法的流程示意图;
图7为一个实施例中溢胶瑕疵检测装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的溢胶瑕疵检测方法,可以应用于如图1所示的应用环境中。该溢胶瑕疵检测方法应用于溢胶瑕疵检测系统中。该溢胶瑕疵检测系统包括图像采集装置102与终端104。其中,图像采集装置102与终端104通过网络进行通信。通过图像采集装置采集待测工件的原始图像,并将待测工件的原始图像发送至终端104,终端104根据待测工件的原始图像获取待测工件上每个待测孔位的图像,根据每个待测孔位的图像,获取每个待测孔位的图像亮度,当待测孔位的图像亮度大于等于第一预设亮度阈值时,采用第一处理策略识别待测孔位的非瑕疵区域,当待测孔位的亮度小于预设亮度阈值时,采用第二处理策略识别待测孔位的非瑕疵区域;根据识别到的非瑕疵区域,获取待测孔位的瑕疵区域的面积,并在瑕疵区域的面积大于等于第一预设面积时,确定待测工件为不良品。其中,终端104可以但不限于是各种计算机、笔记本电脑、智能手机、平板电脑等,图像采集装置102可以是工业相机。
下面参考附图描述本发明实施例提出的溢胶瑕疵检测方法、装置、计算机可读存储介质和电子设备。
在一个实施例中,如图2所示,提供了一种溢胶瑕疵检测方法。本实施例主要以该方法应用于图1中的终端104来举例说明。
步骤S101,从待测工件的原始图像中获取每个待测孔位的图像。
本实施例中,可以采用图1所述的图像采集装置采集待测工件的原始图像,并将待测工件的原始图像发送至终端,以便终端根据待测工件的原始图像识别待测工件是否存在溢胶瑕疵。
具体来说,待测工件可以是安装有听筒结构的手机壳。在将听筒安装于手机壳上时,常采用点胶的方式将听筒安装于手机壳上的对应区域。一般地,听筒部分具有至少一个孔位,用于出音。在点胶过程中,可能会出现胶水溢出,堵住听筒部分,进而影响电子设备的功能。因此,本实施例通过采集待测工件的原始图像,以识别待测工件的待测孔位是否出现溢胶瑕疵。
终端在获取每个待测工件的原始图像后,可以采用图像识别算法获取待测工件上每个待测孔位的图像。例如,终端可以预存待测孔位的图像,终端在识别待测工件时,将待测工件划分为多个区域,并将预存的待测孔位的图像分别与每个区域的图像进行比较,以从待测工件的原始图像中识别出待测孔位,并获取每个待测孔位的图像。或者,终端也可以将图像进行二值化处理,由于孔位区域的透光度高,因此二值化后可以大致识别待测孔位所在区域,进而可以从待测工件的原始图像中获取每个待测孔位的图像。
本实施例中,终端在确定出待测工件中每个待测孔位的区域后,可以将每个待测孔位从待测工件的原始图像中切割出来,以获取每个待测孔位的图像。
步骤S103,根据每个待测孔位的图像,计算每个待测孔位的图像亮度。
具体地,终端在获取每个待测孔位的图像后,可以根据待测孔位的图像特征对待测孔位的图像进行处理,以识别待测孔位是否存在瑕疵。本实施例中,终端可以根据待测孔位的图像亮度对待测孔位进行处理。
步骤S105,基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域。
具体地,在图像采集过程中,由于待测工件上各个区域所在环境的环境光并非完全一致,进而采集到的图像亮度也不均一,而图像亮度不同对图像的处理效果影响也不同,因此,本实施例中,终端在获取到每个待测孔位的图像亮度后,将每个待测孔位的图像亮度与预设亮度阈值比较,并根据比较结果采取预设的处理策略对相应待测孔位的图像进行处理,以得到每个待测孔位的非瑕疵区域。
步骤S107,根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积。
具体地,终端可以根据识别到的每个待测孔位的非瑕疵区域,计算每个待测孔位的非瑕疵区域的面积,再根据预存的待测孔位的面积,计算对应待测孔位的瑕疵区域的面积。
步骤S109,在至少一个待测孔位的瑕疵区域的面积大于等于第一预设面积时,确定待测工件为不良品。
在获取每个待测孔位的瑕疵区域的面积后,终端还将瑕疵区域的面积与预存的第一预设面积比较,根据比较结果确定待测工件是否为不良品。当至少一个待测孔位的瑕疵区域的面积大于等于第一预设面积时,可以确定待测工件为不良品,当每个待测孔位的瑕疵区域的面积均小于第一预设面积时,可以确定待测工件为良品。本实施例中,第一预设面积的具体数值可以根据需要设置,进而可以通过灵活控制第一预设面积的大小,满足不同检测精度的需求。
上述溢胶瑕疵检测方法中,通过获取待测工件的原始图像,根据待测工件的原始图像获取待测工件上每个待测孔位的图像,根据每个待测孔位的图像,计算每个待测孔位的图像亮度,基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域,根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积,并根据待测孔位瑕疵区域面积确定待测工件是否为不良品,相较于传统技术中采用人工进行溢胶瑕疵检测,本申请通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
如图3所示,在其中一个实施例中,从待测工件的原始图像中获取每个待测孔位的图像,包括:
步骤S202:对待测工件的原始图像进行灰度化处理,获得第一灰度图像。
步骤S204,根据第一灰度图像获取第一灰度阈值。
步骤S206,根据第一灰度阈值将第一灰度图像转换为第一二值化图像,以确定待测工件中每个待测孔位的位置。
步骤S208,根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。
具体地,终端在接收到待测工件的原始图像后,先将图像整体进行二值化处理。其中,图像二值化处理也即将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程,从而能够凸显出不同区域的轮廓。本实施例中,终端可以先将原始图像进行灰度化处理,将待测工件的原始图像转换为第一灰度图像。计算第一灰度图像的第一灰度均值,该第一灰度均值即为第一灰度阈值。由于待测孔位的非瑕疵区域透光度高,因此待测孔位的非瑕疵区域的灰度值高于其他区域的灰度值,进而待测孔位的非瑕疵区域的灰度值高于第一灰度阈值。根据第一灰度阈值将第一灰度图像进行二值化处理,对于灰度值小于第一灰度阈值的像素点,将其灰度值设置为0,对于灰度值大于等于第一灰度阈值的像素点,将其灰度值设置为255,从而可以将第一灰度图像转换为第一二值化图像。
在对原始图像进行二值化处理后,可以大致确定待测孔位的位置。进一步地,为了更加精确地确定待测孔位的位置,还根据待测孔位的面积和长宽比的孔位特点,滤除待测孔位图像中的噪点和干扰框,以便精确定位孔位的位置。其中,孔位的位置可以是坐标点,例如,以待测图像的某一特征点为原点建立直角坐标系,在滤除噪点个干扰矿后,可以呈现出清晰的待测孔位轮廓,进而可以根据待测孔位轮廓以及建立的直角坐标系确定待测孔位的位置。
获取待测孔位的位置后,在待测工件的原始图像中建立相同的直角坐标系,并根据待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。也即,根据待测孔位的位置,从待测工件的原始图像中将对应位置的待测孔位切割出来,获取每个待测孔位的图像。在切割时,孔位边缘四周可以预留部分区域。
上述溢胶瑕疵检测方法,通过对原始图像进行二值化处理,可以快速、精确地定位孔位的位置,从而可以保障检测效率。
在其中一个实施例中,根据第一灰度阈值将第一灰度图像转换为第一二值化图像,以确定待测工件中每个待检测孔位的位置后,还包括:根据识别到的待测孔位的位置,获取待测孔位中瑕疵区域的面积,判断每个待测孔位的瑕疵区域的面积是否均小于第二预设面积,以便在每个待测孔位的瑕疵区域的面积均小于第二预设面积时,根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。当至少一个待测孔位的瑕疵区域的面积大于等于第二预设面积时,确定待测工件的为不良品。其中,第二预设面积大于第一预设面积。
具体地,在对原始图像进行二值化处理后,可以定位每个待测孔位的位置,此时,可以根据二值化后的图像先判断每个待测孔位是否存在大范围瑕疵。具体来说,在图像二值化后,白色区域为孔位未被遮挡的区域,也即非瑕疵区域。因此,本实施例可以根据每个待测孔位的非瑕疵区域计算相应待测孔位的瑕疵区域面积。具体来说,可以根据每个待测孔位的非瑕疵区域计算非瑕疵区域的面积,并根据预存的每个待测孔位的孔位面积,将孔位面积减去对应待测孔位的非瑕疵区域的面积,获取每个待测孔位的瑕疵区域的面积。并将瑕疵区域的面积与第二预设面积比较,当至少一个待测孔位的瑕疵区域的面积大于等于第二预设面积时,表明当前瑕疵区域的面积较大,也即存在大范围瑕疵,则可以直接判断待测工件为不良品,无需进行后续检测。当每个待测控卫的瑕疵区域的面积均小于第二预设面积时,则判断当前待测工件不存在大范围瑕疵,需要进行后续处理,根据待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像,并对每个待测孔位的图像进行处理,以识别是否存在小范围瑕疵。
上述溢胶瑕疵检测方法,在对待测工件的原始图像进行二值化处理后,先获取待测孔位的非瑕疵区域,并根据非瑕疵区域检测待测孔位是否存在大范围瑕疵,当待测孔位存在大范围瑕疵时直接输出结果,无需进行下一步检测,从而可以提高检测效率。
在其中一个实施例中,当需要进行下一步瑕疵检测时,根据待测孔位的图像亮度采用不同的处理策略对待测孔位进行处理。当待测孔位的图像亮度大于等于预设亮度阈值时,采用第一处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域。当待测孔位的图像亮度小于等于预设亮度阈值时,采用第二处理策略对待测孔位的图像亮度进行梳理,以识别待测孔位的非瑕疵区域。
如图4所示,在一个实施例中,采用第一处理策略对所述待测孔位的图像进行处理包括:
步骤S301,对待测孔位图像进行灰度化处理,获得第二灰度图像。
步骤S303,根据第二灰度图像获取第二灰度阈值。
步骤S305,根据第二灰度阈值将第二灰度图像转换为第二二值化图像。
步骤S307,对第二二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
具体地,当待测孔位的亮度大于预设亮度阈值时,则可以直接对图像进行二值化处理,也即终端先将待测孔位图像进行灰度化处理获得第二灰度图像,根据第二灰度图像计算第二灰度图像的灰度均值,其中,灰度均值即为第二灰度阈值。根据第二灰度阈值,将第二灰度图像中对于灰度值小于第二灰度阈值的像素点,将其灰度值设置为0,对于灰度值大于等于第二灰度阈值的像素点,将其灰度值设置为255,以获取第二二值化图像。在第二二值化图像中,待测孔位的非瑕疵区域的白色区域,瑕疵区域以及四周外围区域为黑色区域。二值化处理后对图像进行闭运算,即先膨胀后腐蚀。闭运算后即可精确确定待测孔位的非瑕疵区域。
如图5所示,在一个实施例中,采用第二处理策略对待测孔位的图像进行处理包括:
步骤S401,对待测孔位的图像进行图像增强和图像模糊处理,得到模糊图像。
步骤S403,对模糊图像进行灰度化处理,获得第三灰度图像。
步骤S405,根据第三灰度图像回去第三灰度阈值。
步骤S407,根据第三灰度阈值,将第三灰度图像转换为第三二值化图像。
步骤S409,对第三二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
具体地,当待测孔位的图像亮度小于预设亮度阈值时,或者当待测孔位的图像亮度不均匀时,先对图像进行图像增强,以增强图像中的有用信息。图像增强后,待测孔位的非瑕疵区域与瑕疵区域之间的差异化更加明显。由于图像增强后,图像中的噪点也会被增强,因此图像增强后再进行图像模糊,以减弱噪点的影响。最后对图像进行灰度化处理获得第三灰度图,计算第三灰度图的灰度均值,将灰度均值作为第三灰度阈值,根据第三灰度阈值对第三灰度图进行二值化处理获取第三二值化图像,对第三二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
进一步地,在确定非瑕疵区域之后,根据识别到的非瑕疵区域,获取待测孔位的瑕疵区域的面积,包括:根据识别到的非瑕疵区域,获取非瑕疵区域的面积,根据待测孔位的面积和非瑕疵区域的面积,获取瑕疵区域的面积。
具体地,非瑕疵区域即为二值化图像中的白色区域的部分。识别到非瑕疵区域后,计算非瑕疵区域的面积,并根据非瑕疵区域的面积和预先存储的待测孔位的面积,计算瑕疵区域的面积。其中,瑕疵区域的面积即为待测孔位的面积减去非瑕疵区域的面积。获取瑕疵区域的面积后,判断瑕疵区域的面积是否大于等于第一预设面积,若瑕疵区域的面积大于等于第一预设面积,则终端确定当前待测工件为不良品。若瑕疵区域的面积小于第一预设面积,则终端确定当前待测工件为良品。
下面参考图6描述本发明的一个具体实施例提供的溢胶瑕疵检测方法。
步骤S501,获取待测工件的原始图像,并对原始图像进行二值化处理,以确定待测工件中每个待测孔位的位置。
步骤S502,根据识别到的待测孔位的位置,获取待测孔位中瑕疵区域的面积。
步骤S503,判断瑕疵区域的面积是否小于第二预设面积。当瑕疵区域的面积小于第二预设面积时,执行步骤S504;当瑕疵区域的面积大于等于第二预设面积时,执行步骤S511。
步骤S504,根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。
步骤S505,获取每个待测孔位的图像亮度。
步骤S506,判断每个待测孔位的亮度是否大于等于预设亮度阈值。当待测孔位的亮度大于等于预设亮度阈值时,执行步骤S507;当待测孔位的亮度小于预设亮度阈值时,执行步骤S508。
步骤S507,对待测孔位图像进行二值化处理,获取二值化图像,对二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
步骤S508,对待测孔位的图像进行图像增强和图像模糊处理获得模糊图像,对模糊图像进行二值化处理,以获得二值化图像,对二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
步骤S509,根据识别到的所述非瑕疵区域,获取所述待测孔位的瑕疵区域的面积。
步骤S510,判断瑕疵区域的面积是否大于等于第一预设面积。当瑕疵区域的面积大于等于第一预设面积时,执行步骤S511;当瑕疵区域的面积小于第一预设面积时,执行步骤S512。
步骤S511,确定待测工件为不良品,并输出检测结果。
步骤S512,确定待测工件为良品,并输出检测结果。
上述实施例提供的溢胶瑕疵检测方法,通过获取待测工件的原始图像,根据待测工件的原始图像,对原始图像进行二值化处理,可以快速、精确地定位孔位的位置,从而可以保障检测效率。在对待测工件的原始图像进行二值化处理后,先获取待测孔位的非瑕疵区域,并根据非瑕疵区域检测待测孔位是否存在大范围瑕疵,当待测孔位存在大范围瑕疵时直接输出结果,无需进行下一步检测,从而进一步提高检测效率。在判断不存在大面积瑕疵时,获取每个待测孔位的图像亮度,当待测孔位的图像亮度大于等于预设亮度阈值时,采用第一处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域,当待测孔位的图像亮度小于预设亮度阈值时,采用第二处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域;根据识别到的非瑕疵区域,获取待测孔位的瑕疵区域的面积,并在瑕疵区域的面积确定待测工件是否为不良品,相较于传统技术中采用人工进行溢胶瑕疵检测,本申请通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率,节省人力成本。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种溢胶瑕疵检测装置,包括:待测孔位图像获取模块110、图像亮度获取模块120、图像处理模块130、计算模块140和不良品检测模块150,其中:
待测孔位图像获取模块110,用于从待测工件的原始图像中获取每个待测孔位的图像;
图像亮度获取模块120,用于根据每个待测孔位的图像,获取每个待测孔位的图像亮度;
图像处理模块130,用于基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;
计算模块140,用于根据识别到的非瑕疵区域,获取待测孔位的瑕疵区域的面积。
不良品检测模块150,用于在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品。
在一个实施例中,待测孔位图像获取模块110具体用于对待检测工件的原始图像进行灰度化处理,获得第一灰度图像;根据第一灰度图像获取第一灰度阈值;根据第一灰度阈值将第一灰度图像转换为第一二值化图像,以确定待测工件中每个待测孔位的位置;根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。
在一个实施例中,图像处理模块130具体用于当待测孔位的图像亮度大于等于预设亮度阈值时,采用第一处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域;当待测孔位的图像亮度小于预设亮度阈值时,采用第二处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域。
在一个实施例中,当图像处理模块130采用第一处理策略对待测孔位的图像进行处理时,图像处理模块130具体用于对待测孔位图像进行灰度化处理,获得第二灰度图像;根据第二灰度图获取第二灰度阈值;根据第二灰度阈值将第二灰度图像转换为第二二值化图像;对第二二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,当图像处理模块130采用第二处理策略对待测孔位的图像进行处理时,图像处理模块130具体用于对待测孔位的图像进行图像增强和图像模糊处理,得到模糊图像;对模糊图像进行灰度化处理,获得第三灰度图像;根据第三灰度图像获取第三灰度阈值;根据第三灰度阈值将第三灰度图像转换为第三二值化图像;对第三二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,计算模块140具体用于根据识别到的待测孔位的位置,获取待测孔位中瑕疵区域的面积;判断每个待测孔位的瑕疵区域的面积是否均小于第二预设面积,以便在每个待测孔位的瑕疵区域的面积均小于第二预设面积时,待测孔位图像获取模块110根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像,其中,第二预设面积大于第一预设面积。
在一个实施例中,不良品检测模块150还用于在判断至少一个待测孔位的瑕疵区域的面积大于等于第二预设面积时,确定待检测工件为不良品。
上述溢胶瑕疵检测装置,通过待测孔位图像获取模块从待测工件的原始图像中获取每个待测孔位的图像,通过图像亮度获取模块根据每个待测孔位的图像,计算每个待测孔位的图像亮度,根据图像处理模块基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域,通过计算模块根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积,以及不良品检测模块在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品,相较于传统技术中采用人工进行溢胶瑕疵检测,本申请通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
关于溢胶瑕疵检测装置的具体限定可以参见上文中对于溢胶瑕疵检测方法的限定,在此不再赘述。上述溢胶瑕疵检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该计算机程序被处理器执行时以实现一种溢胶瑕疵检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的溢胶瑕疵检测装置可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该溢胶瑕疵检测装置的各个程序模块,比如,图7所示的待测孔位图像获取模块、图像亮度获取模块、图像处理模块、计算模块和不良品检测模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的溢胶瑕疵检测方法中的步骤。
例如,图8所示的计算机设备可以通过如图7所示的溢胶瑕疵检测装置中的待测孔位图像获取模块从待测工件的原始图像中获取每个待测孔位的图像。计算机设备可通过图像亮度获取模块,根据每个待测孔位的图像,获取每个待测孔位的图像亮度。计算机设备可通过图像处理模块基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域。计算机设备可通过计算模块根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积。计算机设备可通过不良品检测模块在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:从待测工件的原始图像中获取每个待测孔位的图像;根据每个待测孔位的图像,计算每个待测孔位的图像亮度;基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积;在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对待检测工件的原始图像进行灰度化处理,获得第一灰度图像;根据第一灰度图像获取第一灰度阈值;根据第一灰度阈值将第一灰度图像转换为第一二值化图像,以确定待测工件中每个待测孔位的位置;根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当待测孔位的图像亮度大于等于预设亮度阈值时,采用第一处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域;当待测孔位的图像亮度小于预设亮度阈值时,采用第二处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对待测孔位图像进行灰度化处理,获得第二灰度图像;根据第二灰度图获取第二灰度阈值;根据第二灰度阈值将第二灰度图像转换为第二二值化图像;对第二二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对待测孔位的图像进行图像增强和图像模糊处理,得到模糊图像;对模糊图像进行灰度化处理,获得第三灰度图像;根据第三灰度图像获取第三灰度阈值;根据第三灰度阈值将第三灰度图像转换为第三二值化图像;对第三二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据识别到的待测孔位的位置,获取待测孔位中瑕疵区域的面积;判断每个待测孔位的瑕疵区域的面积是否均小于第二预设面积,以便在每个待测孔位的瑕疵区域的面积均小于第二预设面积时,根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像,其中,第二预设面积大于第一预设面积。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当至少一个待测孔位的瑕疵区域的面积大于等于第二预设面积时,确定待测工件为不良品。
上述计算机设备,通过前述溢胶瑕疵检测方法,通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:从待测工件的原始图像中获取每个待测孔位的图像;根据每个待测孔位的图像,计算每个待测孔位的图像亮度;基于每个待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积;在至少一个待测孔位的瑕疵区域面积大于等于第一预设面积时,确定待测工件为不良品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对待检测工件的原始图像进行灰度化处理,获得第一灰度图像;根据第一灰度图像获取第一灰度阈值;根据第一灰度阈值将第一灰度图像转换为第一二值化图像,以确定待测工件中每个待测孔位的位置;根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当待测孔位的图像亮度大于等于预设亮度阈值时,采用第一处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域;当待测孔位的图像亮度小于预设亮度阈值时,采用第二处理策略对待测孔位的图像进行处理以识别待测孔位的非瑕疵区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对待测孔位图像进行灰度化处理,获得第二灰度图像;根据第二灰度图获取第二灰度阈值;根据第二灰度阈值将第二灰度图像转换为第二二值化图像;对第二二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对待测孔位的图像进行图像增强和图像模糊处理,得到模糊图像;对模糊图像进行灰度化处理,获得第三灰度图像;根据第三灰度图像获取第三灰度阈值;根据第三灰度阈值将第三灰度图像转换为第三二值化图像;对第三二值化图像进行闭运算,以确定待测孔位的非瑕疵区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据识别到的待测孔位的位置,获取待测孔位中瑕疵区域的面积;判断每个待测孔位的瑕疵区域的面积是否均小于第二预设面积,以便在每个待测孔位的瑕疵区域的面积均小于第二预设面积时,根据每个待测孔位的位置,从待测工件的原始图像中获取每个待测孔位的图像,其中,第二预设面积大于第一预设面积。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当至少一个待测孔位的瑕疵区域的面积大于等于第二预设面积时,确定待测工件为不良品。
上述计算机可读存储介质,通过前述溢胶瑕疵检测方法,通过采用机器视觉以及图像处理算法进行瑕疵识别,可以提高检测准确性、检测效率和产品良率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,比如静态随机存取存储器(Static Random Access Memory,SRAM)和动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种溢胶瑕疵检测方法,其特征在于,包括:
从待测工件的原始图像中获取每个待测孔位的图像;
根据每个所述待测孔位的图像,计算每个所述待测孔位的图像亮度;
基于每个所述待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;
根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积;
在至少一个所述待测孔位的所述瑕疵区域面积大于等于第一预设面积时,确定所述待测工件为不良品。
2.根据权利要求1所述的溢胶瑕疵检测方法,其特征在于,从待测工件的原始图像中获取每个待测孔位的图像,包括:
对待检测工件的原始图像进行灰度化处理,获得第一灰度图像;
根据所述第一灰度图像获取第一灰度阈值;
根据所述第一灰度阈值将所述第一灰度图像转换为第一二值化图像,以确定所述待测工件中每个待测孔位的位置;
根据每个所述待测孔位的位置,从所述待测工件的原始图像中获取每个所述待测孔位的图像。
3.根据权利要求1所述的溢胶瑕疵检测方法,其特征在于,基于每个所述待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域,包括:
当所述待测孔位的图像亮度大于等于所述预设亮度阈值时,采用第一处理策略对所述待测孔位的图像进行处理以识别所述待测孔位的非瑕疵区域;
当所述待测孔位的图像亮度小于预设亮度阈值时,采用第二处理策略对所述待测孔位的图像进行处理以识别所述待测孔位的所述非瑕疵区域。
4.根据权利要求3所述的溢胶瑕疵检测方法,其特征在于,采用第一处理策略对所述待测孔位的图像进行处理,包括:
对所述待测孔位图像进行灰度化处理,获得第二灰度图像;
根据所述第二灰度图获取第二灰度阈值;
根据所述第二灰度阈值将所述第二灰度图像转换为第二二值化图像;
对所述第二二值化图像进行闭运算,以确定所述待测孔位的所述非瑕疵区域。
5.根据权利要求3所述的溢胶瑕疵检测方法,其特征在于,采用第二处理策略对所述待测孔位的图像进行处理,包括:
对所述待测孔位的图像进行图像增强和图像模糊处理,得到模糊图像;
对所述模糊图像进行灰度化处理,获得第三灰度图像;
根据所述第三灰度图像获取第三灰度阈值;
根据所述第三灰度阈值将所述第三灰度图像转换为第三二值化图像;
对所述第三二值化图像进行闭运算,以确定所述待测孔位的所述非瑕疵区域。
6.根据权利要求2所述的溢胶瑕疵检测方法,其特征在于,根据所述第一灰度阈值将所述第一灰度图像转换为第一二值化图像,以确定所述待检测工件中每个待测孔位的位置之后,还包括:
根据识别到的所述待测孔位的位置,获取所述待测孔位中瑕疵区域的面积;
判断每个所述待测孔位的瑕疵区域的面积是否均小于第二预设面积,以便在每个所述待测孔位的瑕疵区域的面积均小于所述第二预设面积时,根据每个所述待测孔位的位置,从所述待测工件的原始图像中获取每个所述待测孔位的图像,其中,所述第二预设面积大于所述第一预设面积。
7.根据权利要求6所述的溢胶瑕疵检测方法,其特征在于,当至少一个所述待测孔位的瑕疵区域的面积大于等于所述第二预设面积时,确定所述待测工件为不良品。
8.一种溢胶瑕疵检测装置,其特征在于,包括:
待测孔位图像获取模块,用于从待测工件的原始图像中获取每个待测孔位的图像;
图像亮度获取模块,用于根据每个所述待测孔位的图像,计算每个所述待测孔位的图像亮度;
图像处理模块,用于基于每个所述待测孔位的图像亮度、预设亮度阈值以及处理策略对相应待测孔位的图像进行识别,以得到每个待测孔位的非瑕疵区域;
计算模块,用于根据每个待测孔位的非瑕疵区域,确定对应待测孔位的瑕疵区域面积;
不良品检测模块,用于在至少一个待测孔位的所述瑕疵区域面积大于等于第一预设面积时,确定所述待测工件为不良品。
9.一种计算机可读存储介质,其特征在于,其上存储有溢胶瑕疵检测程序,该溢胶瑕疵检测程序被处理器执行时实现如权利要求1至7中任一项所述的溢胶瑕疵检测方法的步骤。
10.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的溢胶瑕疵检测程序,所述处理器执行所述溢胶瑕疵检测程序时,实现如权利要求1至7中任一项所述的溢胶瑕疵检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583653.7A CN113284113A (zh) | 2021-05-27 | 2021-05-27 | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583653.7A CN113284113A (zh) | 2021-05-27 | 2021-05-27 | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113284113A true CN113284113A (zh) | 2021-08-20 |
Family
ID=77281928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110583653.7A Pending CN113284113A (zh) | 2021-05-27 | 2021-05-27 | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113284113A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581445A (zh) * | 2022-05-06 | 2022-06-03 | 深圳市元硕自动化科技有限公司 | 点胶产品分段检测方法、系统、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222579A (ja) * | 1999-02-02 | 2000-08-11 | Kubota Corp | 疵判定方法及び疵判定装置 |
CN107511576A (zh) * | 2017-08-18 | 2017-12-26 | 湖南军成科技有限公司 | 一种定位焊接点的方法及系统 |
CN110555829A (zh) * | 2019-08-12 | 2019-12-10 | 华南理工大学 | 一种用于芯片点胶情况的检测方法 |
CN110930353A (zh) * | 2019-07-03 | 2020-03-27 | 研祥智能科技股份有限公司 | 孔位保护门状态检测方法、装置、计算机设备和存储介质 |
CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
CN111462054A (zh) * | 2020-03-18 | 2020-07-28 | 广州大学 | 一种点胶质量检测方法 |
CN112330568A (zh) * | 2020-11-27 | 2021-02-05 | 云南省烟草农业科学研究院 | 一种不均匀光照烟叶图像的亮度补偿方法 |
-
2021
- 2021-05-27 CN CN202110583653.7A patent/CN113284113A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000222579A (ja) * | 1999-02-02 | 2000-08-11 | Kubota Corp | 疵判定方法及び疵判定装置 |
CN107511576A (zh) * | 2017-08-18 | 2017-12-26 | 湖南军成科技有限公司 | 一种定位焊接点的方法及系统 |
CN110930353A (zh) * | 2019-07-03 | 2020-03-27 | 研祥智能科技股份有限公司 | 孔位保护门状态检测方法、装置、计算机设备和存储介质 |
WO2021000524A1 (zh) * | 2019-07-03 | 2021-01-07 | 研祥智能科技股份有限公司 | 孔位保护门检测方法、装置、计算机设备和存储介质 |
CN110555829A (zh) * | 2019-08-12 | 2019-12-10 | 华南理工大学 | 一种用于芯片点胶情况的检测方法 |
CN111179198A (zh) * | 2019-12-30 | 2020-05-19 | 汕头大学 | 一种基于ai技术的摄像头涂胶图像增强与检测方法 |
CN111462054A (zh) * | 2020-03-18 | 2020-07-28 | 广州大学 | 一种点胶质量检测方法 |
CN112330568A (zh) * | 2020-11-27 | 2021-02-05 | 云南省烟草农业科学研究院 | 一种不均匀光照烟叶图像的亮度补偿方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581445A (zh) * | 2022-05-06 | 2022-06-03 | 深圳市元硕自动化科技有限公司 | 点胶产品分段检测方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
KR102058427B1 (ko) | 검사 장치 및 방법 | |
CN111507958A (zh) | 目标检测方法、检测模型的训练方法及电子设备 | |
US20230005130A1 (en) | Method and device for detecting display panel defect | |
US11741593B2 (en) | Product defect detection method, device and system | |
CN110288599B (zh) | 一种坏点检测方法、装置、电子设备及存储介质 | |
CN112767366A (zh) | 基于深度学习的图像识别方法、装置、设备及存储介质 | |
CN112700440B (zh) | 物体缺陷检测方法、装置、计算机设备及存储介质 | |
CN113379723A (zh) | 不规则溢胶口检测方法、装置、设备和存储介质 | |
US20180308236A1 (en) | Image Background Subtraction For Dynamic Lighting Scenarios | |
CN111912846A (zh) | 一种基于机器视觉的表面缺陷与边缘毛刺检测方法 | |
CN105303573A (zh) | 金针类元件的引脚检测方法和系统 | |
CN116188379A (zh) | 边缘缺陷检测方法、装置、电子设备及存储介质 | |
CN111369492B (zh) | 一种显示屏的检测方法及检测装置、检测系统 | |
CN114241370A (zh) | 基于数字孪生变电站的入侵识别方法、装置和计算机设备 | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN113284113A (zh) | 溢胶瑕疵检测方法、装置、计算机设备和可读存储介质 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN112950598B (zh) | 工件的瑕疵检测方法、装置、设备及存储介质 | |
CN113436175A (zh) | 车图像分割质量的评估方法、装置、设备及存储介质 | |
CN113920057A (zh) | 一种产品指示灯颜色的识别方法、装置及系统 | |
CN110441714B (zh) | 指示灯的检测方法、装置及计算机可读存储介质 | |
US11928808B2 (en) | Wafer detection method, device, apparatus, and storage medium | |
CN110751623A (zh) | 基于联合特征的缺陷检测方法、装置、设备及存储介质 | |
CN108121942B (zh) | 一种指纹识别的方法及装置 |
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 |