CN113284147A - 一种基于黄色异物疵点的异物检测方法和系统 - Google Patents
一种基于黄色异物疵点的异物检测方法和系统 Download PDFInfo
- Publication number
- CN113284147A CN113284147A CN202110834095.7A CN202110834095A CN113284147A CN 113284147 A CN113284147 A CN 113284147A CN 202110834095 A CN202110834095 A CN 202110834095A CN 113284147 A CN113284147 A CN 113284147A
- Authority
- CN
- China
- Prior art keywords
- foreign matter
- suspicious
- defects
- foreign
- points
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及图像处理技术领域,尤其涉及一种基于黄色异物疵点的异物检测方法和系统;方法包括图像获取:使用工业相机对检测物体拍照,生成待检测图像;可疑疵点计算:通过RGB色彩模型依次提取待检测图像中每个像素点的R、G、B颜色分量值,并根据R、G、B颜色分量值使用可疑疵点计算模型计算出可疑疵点;异物点判断:通过异物点判断模型对可疑疵点的分布情况进行判断,并将满足异物点判断模型的可疑疵点标记为异物点;异物点反馈:当判断出有异物点出现时,发出异物点信息;异物提示:根据异物点信息对人员进行提示。本发明的目的就是针对现有技术中存在的缺陷提供一种基于黄色异物疵点的异物检测方法和系统,提高生产效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于黄色异物疵点的异物检测方法和系统。
背景技术
在碳纤维材料工件的生产过程中,为了避免异物的影响,需要对玻璃纤维布匹上是否存在异物进行检测。异物通常为用于连接或固定玻璃纤维布匹的黄色胶带,在撕除胶带时可能会有胶带残留在布匹上。现有技术采用人工肉眼分辨的方法来检测布匹上的残留异物,人员较难维持长时间的检测作业,且检测效果受人员因素的影响较大,因此检测效率较低。
鉴于上述问题,本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识,并配合学理的运用,积极加以研究创新,提供一种基于黄色异物疵点的异物检测方法和系统,提高了生产效率。
发明内容
本发明的目的就是针对现有技术中存在的缺陷提供一种基于黄色异物疵点的异物检测方法和系统,提高了生产效率。
为了达到上述目的,本发明提供一种基于黄色异物疵点的异物检测方法,包括以下步骤:
图像获取:使用工业相机对检测物体拍照,生成待检测图像;
可疑疵点计算:通过RGB色彩模型依次提取待检测图像中每个像素点的R、G、B颜色分量值,并根据R、G、B颜色分量值使用可疑疵点计算模型计算出可疑疵点;
异物点判断:通过异物点判断模型对可疑疵点的分布情况进行判断,并将满足异物点判断模型的可疑疵点标记为异物点;
异物点反馈:当有异物点出现时,发出异物点信息;
异物提示:根据异物点信息对人员进行提示。
进一步地,所述可疑疵点计算中,所述可疑疵点计算模型的具体算法如下:
设置可疑值H;
取R、G、B颜色分量值中最大的数值为max;
取R、G、B颜色分量值中最小的数值为min;
当max=R时,H=(G-B)/(max-min);
当max=G时,H=(R-B)/(max-min);
当max=B时,H=(R-G)/(max-min);
设置可疑阈值区间,当一个像素点的可疑值H的数值在可疑阈值区间内时,将该处像素点标记为可疑疵点。
进一步地,所述可疑阈值区间设置为0.4~0.6。
进一步地,所述可疑疵点计算中,所述可疑疵点计算模型的具体算法如下:
设置标准黄色分量值Y0;
设置测量黄色分量值Y1=(G+R)/(G+B+R);
设置可疑阈值D,当一个像素点中Y1 -Y0≥D时,将该处像素点标记为可疑疵点。
进一步地,所述异物点判断中,所述异物点判断模型的具体算法如下:
设置异物大小值为正整数N;
当图像一行或/和一列出现连续K个可疑疵点,且K≥N时,将该K个可疑疵点标记为异物点。
进一步地,所述异物点判断模型的具体算法还包括:
将K个可疑疵点标记为异物点后,根据已标记的异物点对异物点相邻的像素点进行判断,若与异物点相邻的像素点为可疑疵点,则将该处的可疑疵点也标记为异物点,并继续将后标记的异物点相邻的可疑疵点标记为异物点,直至异物点相邻的像素点没有可疑疵点。
进一步地,在所述异物点反馈过程中,发出的异物点信息具体为提示信号和所有异物点的像素坐标。
进一步地,所述异物提示过程具体为:
提示信息触发警报对人员进行提示;将待检测图像在电子屏幕内显示,并根据异物点的像素坐标在电子屏幕上对对应坐标的像素进行高亮显示或进行标记。
本发明还提供一种基于黄色异物疵点的异物检测系统,其特征在于,包括
拍照模块,设置有工业相机,用于对检测物体拍照生成待检测图像;
分析模块,用于计算出待检测图像内的可疑疵点,并从可疑疵点中判断出可疑疵点中的异物点,在出现异物点时发出异物点信息;
反馈模块,用于接收分析模块的异物点信息,并对人员进行提示。
进一步地,异物点信息包括提示信号和所有异物点的像素坐标,所述反馈模块包括:
报警器,用于在收到提示信号后产生警报;
电子屏幕,用于在收到异物点的像素坐标后进行显示。
通过本发明的技术方案,可实现以下技术效果:
通过设置可疑疵点计算步骤,对图像中的像素点进行初步筛选;通过设置异物点判断步骤,对初步筛选的可疑疵点进行进一步地筛选,在可疑疵点满足一定分布规律的情况下才将其判断为异物点,避免出现误判;通过设置异物点反馈和异物提示步骤,及时对人员进行提醒并提示人员异物点的位置,使人员能够快速响应并处理布匹上的异物,提高生产效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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他的附图。
图1为本发明实施例中基于黄色异物疵点的异物检测方法的流程图;
图2为本发明实施例中异物点判断模型标记异物点的原理示意图;
图3为本发明实施例中基于黄色异物疵点的异物检测系统的结构示意图;
附图标记:拍照模块1、分析模块2、反馈模块3、报警器31、电子屏幕32。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在本发明的描述中,需要说明的是,属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或者位置关系为基于附图所示的方位或者位置关系,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。
一种基于黄色异物疵点的异物检测方法,包括以下步骤:
图像获取:使用工业相机对检测物体拍照,生成待检测图像;
可疑疵点计算:通过RGB色彩模型依次提取待检测图像中每个像素点的R、G、B颜色分量值,并根据R、G、B颜色分量值使用可疑疵点计算模型计算出可疑疵点;
异物点判断:通过异物点判断模型对可疑疵点的分布情况进行判断,并将满足异物点判断模型的可疑疵点标记为异物点;
异物点反馈:当有异物点出现时,发出异物点信息;
异物提示:根据异物点信息对人员进行提示。
具体的,在图像获取步骤中,由于光线等因素的影响,可能会导致待检测图像的部分像素出现偏黄、但布匹的对应位置并没有异物的情况,为了避免出现误判影响产线的正常生产,通过可疑疵点计算和异物点判断两个步骤的配合,通过可疑疵点计算模型先筛选出可疑疵点,此时的可疑疵点有可能存在非异物的像素点,之后通过异物点判断模型对可疑疵点的分布情况进行判断,在可疑疵点满足一定分布规律的情况下才将其判断为异物点,有效减少了本发明的误判。在发现异物点出现后,异物点反馈和异物提示步骤就可以及时对人员进行提醒,并提示人员异物点的位置,使人员能够快速响应并处理布匹上的异物,提高生产效率。
在可疑疵点计算步骤中,可疑疵点计算模型的第一种实施方式的具体算法如下:
设置可疑值H;
取R、G、B颜色分量值中最大的数值为max;
取R、G、B颜色分量值中最小的数值为min;
当max=R时,H=(G-B)/(max-min);
当max=G时,H=(R-B)/(max-min);
当max=B时,H=(R-G)/(max-min);
设置可疑阈值区间,当一个像素点的可疑值H的数值在可疑阈值区间内时,将该处像素点标记为可疑疵点。
其中可疑阈值区间可以进行人为的设置,可疑阈值区间的范围越大,像素点就越容易被标记为可疑疵点,本方法检出异物的灵敏度就越大。优选的,可疑阈值区间设置为0.4~0.6。
可疑疵点计算模型的第二种实施方式的具体算法如下:
设置标准黄色分量值Y0;
设置测量黄色分量值Y1=(G+R)/(G+B+R);
设置可疑阈值D,当一个像素点中Y1 -Y0≥D时,将该处像素点标记为可疑疵点。
具体的,标准黄色分量值Y0的具体数值可以由人为给出,也可以由计算得出,其具体计算步骤为:人工选择图像上不存在异物的像素点,然后根据该像素点的R、G、B分量值R0、B0 、G0 ,通过算式Y0=( G0+ R0)/( G0+ B0+ R0)求得Y0 的值。
在异物点判断步骤中,异物点判断模型的具体算法如下:
设置异物大小值为正整数N;
当图像中一行或/和一列出现连续K个可疑疵点,且K≥N时,将该K个可疑疵点标记为异物点。
具体的,本异物点判断模型通过人工设置异物大小值N,对异物点的最小面积进行规定。对可疑疵点的判断模式具有三种,具体为:当一行出现连续K个可疑疵点、当一列出现连续K个可疑疵点和行、列同时出现连续K个可疑疵点,人员可以通过生产需求进行选择。
由于异物形状可能为如图2所示的不规则形状,为了更完整地获取异物的轮廓,异物点判断模型的具体算法还包括:
将K个可疑疵点标记为异物点后,对已标记的异物点相邻的像素点进行判断,若与异物点相邻的像素点为可疑疵点,则将该处的可疑疵点也标记为异物点,并继续将后标记的异物点相邻的可疑疵点标记为异物点,直至异物点相邻的像素点没有可疑疵点。
具体的,以图2为例,图中a、b、c、d处的像素点组成真实的异物形状,e处的像素点为图像上偏黄但没有异物的部分,通过可疑疵点计算模型可将a、b、c、d、e处的像素点标记为可疑疵点,若设置异物大小值为N=3,判断模式为行和列同时出现连续K个可疑疵点,则异物点判断模型通过K≥N的判断标准会将图中a处的像素点标记为异物点,但真实的异物点形状还包括b、c、d处的像素点,因此通过对已标记的a处异物点相邻的像素点进行判断,将与a处异物点相邻的b处可疑点标记为异物点,再对已标记的b处异物点相邻的像素点进行判断,将c处可疑点标记为异物点,以此方式将相邻的所有可疑点标记为异物点,从而获得异物的完整形状。而e处可疑疵点由于不满足异物点判断模型、且不与a、b、c、d处相邻,因此不会被判断为异物点。
作为一种优选,在异物点反馈过程中,发出的异物点信息具体为提示信号和所有异物点的像素坐标。异物提示过程具体为:
提示信息触发警报对人员进行提示;将待检测图像在电子屏幕内显示,并根据异物点的像素坐标在电子屏幕上对对应坐标的像素进行高亮显示或进行标记。
具体的,提示信息触发警报后能使人员能够快速响应;使用电子屏幕进行异物点的高亮显示或标记,能直观告诉人员异物的位置,方便人员快速处理布匹上的异物,提高生产效率。
本发明还提供一种基于黄色异物疵点的异物检测系统,如图3所示,包括
拍照模块1,设置有工业相机,用于对检测物体拍照生成待检测图像;
分析模块2,用于计算出待检测图像内的可疑疵点,并从可疑疵点中判断出可疑疵点中的异物点,在出现异物点时发出异物点信息;
反馈模块3,用于接收分析模块2的异物点信息,并对人员进行提示。
作为一种优选,异物点信息包括提示信号和所有异物点的像素坐标,反馈模块3包括:
报警器31,用于在收到提示信号后产生警报;
电子屏幕32,用于在收到异物点的像素坐标后进行显示。
报警器31可以是蜂鸣器、指示灯等常规报警设备,用于及时对人员进行提醒,使人员能够快速响应;电子屏幕32将异物点进行显示,能直观告诉人员异物的位置,方便人员快速处理布匹上的异物,提高生产效率。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于黄色异物疵点的异物检测方法,其特征在于,包括以下步骤:
图像获取:使用工业相机对检测物体拍照,生成待检测图像;
可疑疵点计算:通过RGB色彩模型依次提取待检测图像中每个像素点的R、G、B颜色分量值,并根据R、G、B颜色分量值使用可疑疵点计算模型计算出可疑疵点;
异物点判断:通过异物点判断模型对可疑疵点的分布情况进行判断,并将满足异物点判断模型的可疑疵点标记为异物点;
异物点反馈:当有异物点出现时,发出异物点信息;
异物提示:根据异物点信息对人员进行提示。
2.根据权利要求1所述的基于黄色异物疵点的异物检测方法,其特征在于,所述可疑疵点计算中,所述可疑疵点计算模型的具体算法如下:
设置可疑值H;
取R、G、B颜色分量值中最大的数值为max;
取R、G、B颜色分量值中最小的数值为min;
当max=R时,H=(G-B)/(max-min);
当max=G时,H=(R-B)/(max-min);
当max=B时,H=(R-G)/(max-min);
设置可疑阈值区间,当一个像素点的可疑值H的数值在可疑阈值区间内时,将该处像素点标记为可疑疵点。
3.根据权利要求2所述的基于黄色异物疵点的异物检测方法,其特征在于,所述可疑阈值区间设置为0.4~0.6。
4.根据权利要求1所述的基于黄色异物疵点的异物检测方法,其特征在于,所述可疑疵点计算中,所述可疑疵点计算模型的具体算法如下:
设置标准黄色分量值Y0;
设置测量黄色分量值Y1=(G+R)/(G+B+R);
设置可疑阈值D,当一个像素点中Y1-Y0≥D时,将该处像素点标记为可疑疵点。
5.根据权利要求1所述的基于黄色异物疵点的异物检测方法,其特征在于,所述异物点判断中,所述异物点判断模型的具体算法如下:
设置异物大小值为正整数N;
当图像中一行或/和一列出现连续K个可疑疵点,且K≥N时,将该K个可疑疵点标记为异物点。
6.根据权利要求5所述的基于黄色异物疵点的异物检测方法,其特征在于,所述异物点判断模型的具体算法还包括:
将K个可疑疵点标记为异物点后,对已标记的异物点相邻的像素点进行判断;若与异物点相邻的像素点为可疑疵点,则将该处的可疑疵点也标记为异物点,并继续将后标记的异物点相邻的可疑疵点标记为异物点,直至异物点相邻的像素点没有可疑疵点。
7.根据权利要求1所述的基于黄色异物疵点的异物检测方法,其特征在于,在所述异物点反馈过程中,发出的异物点信息具体为提示信号和所有异物点的像素坐标。
8.根据权利要求7所述的基于黄色异物疵点的异物检测方法,其特征在于,所述异物提示过程具体为:
提示信息触发警报对人员进行提示;将待检测图像在电子屏幕内显示,并根据异物点的像素坐标在电子屏幕上对对应坐标的像素进行高亮显示或进行标记。
9.一种基于黄色异物疵点的异物检测系统,使用如权利要求1~8任一项所述的基于黄色异物疵点的异物检测方法进行异物检测,其特征在于,包括
拍照模块,设置有工业相机,用于对检测物体拍照生成待检测图像;
分析模块,用于计算出待检测图像内的可疑疵点,并从可疑疵点中判断出可疑疵点中的异物点,在出现异物点时发出异物点信息;
反馈模块,用于接收分析模块的异物点信息,并对人员进行提示。
10.根据权利要求9所述的基于黄色异物疵点的异物检测系统,其特征在于,异物点信息包括提示信号和所有异物点的像素坐标,所述反馈模块包括:
报警器,用于在收到提示信号后产生警报;
电子屏幕,用于在收到异物点的像素坐标后进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834095.7A CN113284147B (zh) | 2021-07-23 | 2021-07-23 | 一种基于黄色异物疵点的异物检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110834095.7A CN113284147B (zh) | 2021-07-23 | 2021-07-23 | 一种基于黄色异物疵点的异物检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113284147A true CN113284147A (zh) | 2021-08-20 |
CN113284147B CN113284147B (zh) | 2021-09-28 |
Family
ID=77287123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110834095.7A Active CN113284147B (zh) | 2021-07-23 | 2021-07-23 | 一种基于黄色异物疵点的异物检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113284147B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070115473A1 (en) * | 2005-11-23 | 2007-05-24 | Jean-Luc Legoupil | Optical method and device for detecting surface and structural defects of a travelling hot product |
CN101933650A (zh) * | 2009-06-30 | 2011-01-05 | 福建中烟工业公司 | 引入近红外光谱技术的烟草异物剔除装置及其剔除方法 |
CN104883519A (zh) * | 2014-02-27 | 2015-09-02 | 佳能株式会社 | 图像处理装置及图像处理装置的控制方法 |
CN105678767A (zh) * | 2016-01-07 | 2016-06-15 | 无锡信捷电气股份有限公司 | 一种基于SoC软硬件协同设计的布匹表面瑕疵检测方法 |
CN206583815U (zh) * | 2017-03-01 | 2017-10-24 | 安徽丹凤集团桐城玻璃纤维有限公司 | 一种玻璃纤维布的瑕疵检测装置 |
CN107330882A (zh) * | 2017-06-30 | 2017-11-07 | 航天新长征大道科技有限公司 | 一种基于机器视觉的烟草切丝后异物在线检测方法 |
CN207280725U (zh) * | 2017-06-19 | 2018-04-27 | 法视特(上海)图像科技有限公司 | 一种玻纤布多轴向编织机外观检查系统 |
CN108221339A (zh) * | 2018-03-14 | 2018-06-29 | 嘉兴万源时装有限公司 | 一种服装加工生产用的验布机检测装置 |
CN108960255A (zh) * | 2018-06-28 | 2018-12-07 | 西安工程大学 | 基于颜色相似性和位置聚集性的显著性织物疵点检测方法 |
CN109455202A (zh) * | 2018-11-05 | 2019-03-12 | 常州市新创智能科技有限公司 | 一种设备舱安全状态智能感知网络系统 |
CN110434090A (zh) * | 2019-08-23 | 2019-11-12 | 中山德著智能科技有限公司 | 一种胡萝卜表面瑕疵检测方法 |
CN110728302A (zh) * | 2019-09-10 | 2020-01-24 | 武汉纺织大学 | 一种基于HSV和Lab颜色空间的色纺织物组织识别的方法 |
CN110889838A (zh) * | 2019-11-26 | 2020-03-17 | 武汉纺织大学 | 一种织物疵点检测方法及装置 |
CN110987968A (zh) * | 2019-09-30 | 2020-04-10 | 烟台南山学院 | 一种利用三维矩阵表示的图像进行布料表面瑕疵检测的方法 |
-
2021
- 2021-07-23 CN CN202110834095.7A patent/CN113284147B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070115473A1 (en) * | 2005-11-23 | 2007-05-24 | Jean-Luc Legoupil | Optical method and device for detecting surface and structural defects of a travelling hot product |
CN101933650A (zh) * | 2009-06-30 | 2011-01-05 | 福建中烟工业公司 | 引入近红外光谱技术的烟草异物剔除装置及其剔除方法 |
CN104883519A (zh) * | 2014-02-27 | 2015-09-02 | 佳能株式会社 | 图像处理装置及图像处理装置的控制方法 |
CN105678767A (zh) * | 2016-01-07 | 2016-06-15 | 无锡信捷电气股份有限公司 | 一种基于SoC软硬件协同设计的布匹表面瑕疵检测方法 |
CN206583815U (zh) * | 2017-03-01 | 2017-10-24 | 安徽丹凤集团桐城玻璃纤维有限公司 | 一种玻璃纤维布的瑕疵检测装置 |
CN207280725U (zh) * | 2017-06-19 | 2018-04-27 | 法视特(上海)图像科技有限公司 | 一种玻纤布多轴向编织机外观检查系统 |
CN107330882A (zh) * | 2017-06-30 | 2017-11-07 | 航天新长征大道科技有限公司 | 一种基于机器视觉的烟草切丝后异物在线检测方法 |
CN108221339A (zh) * | 2018-03-14 | 2018-06-29 | 嘉兴万源时装有限公司 | 一种服装加工生产用的验布机检测装置 |
CN108960255A (zh) * | 2018-06-28 | 2018-12-07 | 西安工程大学 | 基于颜色相似性和位置聚集性的显著性织物疵点检测方法 |
CN109455202A (zh) * | 2018-11-05 | 2019-03-12 | 常州市新创智能科技有限公司 | 一种设备舱安全状态智能感知网络系统 |
CN110434090A (zh) * | 2019-08-23 | 2019-11-12 | 中山德著智能科技有限公司 | 一种胡萝卜表面瑕疵检测方法 |
CN110728302A (zh) * | 2019-09-10 | 2020-01-24 | 武汉纺织大学 | 一种基于HSV和Lab颜色空间的色纺织物组织识别的方法 |
CN110987968A (zh) * | 2019-09-30 | 2020-04-10 | 烟台南山学院 | 一种利用三维矩阵表示的图像进行布料表面瑕疵检测的方法 |
CN110889838A (zh) * | 2019-11-26 | 2020-03-17 | 武汉纺织大学 | 一种织物疵点检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
苗晟等: "基于特征点匹配的蚜虫病害图像分割与识别方法", 《现代计算机》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113284147B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103761529B (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN106295551A (zh) | 一种基于视频分析的人员安全帽佩戴情况实时检测方法 | |
CN105453153B (zh) | 交通灯检测 | |
CN110569772B (zh) | 一种泳池内人员状态检测方法 | |
CN110378179B (zh) | 基于红外热成像的地铁逃票行为检测方法及系统 | |
CN107705288B (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
CN109187598A (zh) | 基于数字图像处理的违禁物品检测系统及方法 | |
CN105160297B (zh) | 基于肤色特征的蒙面人事件自动检测方法 | |
US9466004B2 (en) | Adaptive color correction for pill recognition in digital images | |
TW201702586A (zh) | 光學薄膜缺陷辨識方法及其系統 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
WO2018010386A1 (zh) | 元件反件检测方法和系统 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
JP2001264257A (ja) | 画像欠陥検出装置、画像欠陥検出方法、及び画像欠陥検出方法の手順を記憶した記憶媒体 | |
CN106872488A (zh) | 一种快速大面积透明基片双表面缺陷视觉检测方法及装置 | |
CN109471276A (zh) | 一种液晶屏色偏缺陷检测方法及装置 | |
CN109461156B (zh) | 基于视觉的螺纹密封塞装配检测方法 | |
CN112819844B (zh) | 一种图像边缘检测方法及装置 | |
CN111127810A (zh) | 机房明火自动告警方法及系统 | |
KR101196678B1 (ko) | 실시간 화재 감시 장치 및 방법 | |
CN114973104A (zh) | 一种基于视频图像的动态火焰检测算法与系统 | |
CN110596118A (zh) | 印刷图案检测方法及印刷图案检测装置 | |
CN113284147B (zh) | 一种基于黄色异物疵点的异物检测方法和系统 | |
CN103020588A (zh) | 基于视频图像分析的火焰检测方法 |
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 |