CN113495301A - 绑带检查方法、绑带检查装置、存储介质和系统 - Google Patents
绑带检查方法、绑带检查装置、存储介质和系统 Download PDFInfo
- Publication number
- CN113495301A CN113495301A CN202010199560.XA CN202010199560A CN113495301A CN 113495301 A CN113495301 A CN 113495301A CN 202010199560 A CN202010199560 A CN 202010199560A CN 113495301 A CN113495301 A CN 113495301A
- Authority
- CN
- China
- Prior art keywords
- area
- roi
- region
- image
- roi area
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000010339 dilation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及绑带检查方法、绑带检查装置、存储介质和系统。本发明的绑带检查方法包括:基于线束图像,确定第一ROI区域,其中,第一ROI区域指示线束图像中线束附近的区域;基于第一ROI区域,确定目标区域,其中,目标区域指示第一ROI区域中的绑带区域;计算目标区域的面积;当目标区域的面积大于第一面积阈值时,判断存在绑带,否则判断不存在绑带。本发明可以实现绑带的自动检查,并且可以排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。
Description
技术领域
本发明涉及绑带检查方法、绑带检查装置、存储介质和系统。
背景技术
OA设备、汽车和电器中使用的线束不是通用产品,需要在工厂进行定制生产。在这种情况下,必须使用固定用绑带。在线束图中,相比于绑带位置,更重要的是正确组装。已知存在人工检查绑带是否安装或安装位置是否正确。但是,人工检查具有效率低的问题。人工检查绑带也容易发生错误。
作为线束的检测系统例如有专利文献1中公开的系统。在专利文献1中公开了如下技术:线束装配质量检测系统包括线束图像获取模块和判断检测模块,可以检测线束中的每条导线的颜色是否正确。
专利文献1:CN102297867A
然而,根据专利文献1的技术,其目的仅在于确定线束中的每条导线的颜色,而不是检查线束中的绑带。
发明内容
本发明的目的在于提供绑带检查方法、绑带检查装置、存储介质和系统,可以实现绑带的自动检查,并且可以排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。
本发明公开了一种绑带检查方法,所述方法包括:
基于线束图像,确定第一ROI区域,其中,所述第一ROI区域指示所述线束图像中线束附近的区域;
基于所述第一ROI区域,确定目标区域,其中,所述目标区域指示所述第一ROI区域中的绑带区域;
计算所述目标区域的面积;
当所述目标区域的面积大于第一面积阈值时,判断存在绑带,否则判断不存在绑带。
可选地,在基于线束图像,确定第一ROI区域之后,所述方法进一步包括:
基于所述第一ROI区域,确定第二ROI区域,其中,所述第二ROI区域指示所述第一ROI区域中的不连续线束区域;
基于所述第一ROI区域和所述第二ROI区域,确定第三ROI区域,其中,所述第三ROI区域指示所述第一ROI区域中不连续线束附近的区域;
并且其中,基于所述第三ROI区域,确定目标区域,其中,所述目标区域指示所述第三ROI区域中的绑带区域。
可选地,基于线束图像,确定第一ROI区域进一步包括:
对所述线束图像进行RGB转换,分别获得R通道、G通道和B通道上的图像;
对经RGB转换的图像进行HSV转换,分别获得H通道、S通道和V通道上的图像;
对S通道上的图像进行第一灰度阈值处理,其中,第一灰度阈值范围与线束的灰度相关联;
基于经第一灰度阈值处理的图像,确定所述第一ROI区域。
可选地,基于所述第一ROI区域,确定第二ROI区域进一步包括:
基于所述第一ROI区域,确定所述第一ROI区域中彼此分离的线束区域;
对所述第一ROI区域中彼此分离的线束区域进行汇总,获得所述第二ROI区域。
可选地,在基于所述第一ROI区域,确定所述第一ROI区域中彼此分离的线束区域之前,所述方法进一步包括:
对所述第一ROI区域进行图像闭运算和/或图像开运算;
并且其中,基于经图像闭运算和/或图像开运算的所述第一ROI区域,确定所述第一ROI区域中彼此分离的线束区域。
可选地,基于所述第一ROI区域和所述第二ROI区域,确定第三ROI区域进一步包括:
计算所述第二ROI区域的面积;
当所述第二ROI区域的面积大于第二面积阈值时,确定所述第三ROI区域为所述第一ROI区域和所述第二ROI区域的共同部分,否则确定第三ROI区域为所述第一ROI区域。
可选地,在计算所述第二ROI区域的面积之前,所述方法进一步包括:
对所述第二ROI区域进行膨胀处理;
并且其中,计算经膨胀处理的所述第二ROI区域的面积。
可选地,基于所述第三ROI区域,确定目标区域进一步包括:
对所述第三ROI区域在S通道上进行第二灰度阈值处理,其中,第二灰度阈值范围与绑带的灰度相关联;
基于经第二灰度阈值处理的所述第三ROI区域,确定所述目标区域。
可选地,在对所述第三ROI区域在S通道上进行第二灰度阈值处理之后,所述方法进一步包括:
对经第二灰度阈值处理的所述第三ROI区域进行图像闭运算和/或图像开运算;
并且其中,基于经图像闭运算和/或图像开运算的所述第三ROI区域,确定所述目标区域。
本发明公开了一种绑带检查装置,所述装置包括:
第一ROI区域确定单元,基于线束图像,确定第一ROI区域,其中,所述第一ROI区域指示所述线束图像中线束附近的区域;
目标区域确定单元,基于所述第一ROI区域,确定目标区域,其中,所述目标区域指示所述第一ROI区域中的绑带区域;
目标区域面积计算单元,计算所述目标区域的面积;
判断单元,当所述目标区域的面积大于第一面积阈值时,判断存在绑带,否则判断不存在绑带。
本发明公开了一种绑带检查装置,所述装置包括:
第一ROI区域确定单元,基于线束图像,确定第一ROI区域,其中,所述第一ROI区域指示所述线束图像中线束附近的区域;
第二ROI区域确定单元,基于所述第一ROI区域,确定第二ROI区域,其中,所述第二ROI区域指示所述第一ROI区域中的不连续线束区域;
第三ROI区域确定单元,基于所述第一ROI区域和所述第二ROI区域,确定第三ROI区域,其中,所述第三ROI区域指示所述第一ROI区域中不连续线束附近的区域;
目标区域确定单元,基于所述第三ROI区域,确定目标区域,其中,所述目标区域指示所述第三ROI区域中的绑带区域;
目标区域面积计算单元,计算所述目标区域的面积;
判断单元,当所述目标区域的面积大于第一面积阈值时,判断存在绑带,否则判断不存在绑带。
本发明公开了一种计算机可读的存储介质,所述存储介质具有存储在其中的指令,当所述指令被执行时,使得所述计算机执行绑带检查方法。
本发明公开了一种系统,包括:
存储器,用于存储由系统的一个或多个处理器执行的指令,以及
处理器,用于执行绑带检查方法。
本发明与现有技术相比,主要区别及其效果在于:
在本发明中,基于线束图像来确定ROI(Region Of Interest,感兴趣区域)区域,并且基于ROI区域来确定目标区域,可以实现绑带的自动检查,并且可以排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。
附图说明
图1示出了根据本发明实施例的进行绑带检查的系统的框图;
图2示出了根据本发明实施例的绑带检查装置的结构图;
图3示出了根据本发明实施例的绑带检查方法的流程图;
图4示出了根据本发明实施例的绑带检查装置的另一结构图;
图5示出了根据本发明实施例的绑带检查方法的另一流程图。
具体实施方式
为使本发明实施例的目的和技术方案更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明所提供的实施方式可以在移动终端、计算机终端、或者类似的运算装置(如ECU(Electronic Control Unit,电子控制单元))、系统中执行。以运行在系统为例,图1是根据本发明实施例的进行绑带检查的系统的硬件结构框图。如图1所示,系统100可以包括一个或多个(图中仅示出一个)处理器101(处理器101可以包括但不限于中央处理器CPU、图像处理器GPU、数字信号处理器DSP、微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于与用户交互的输入输出接口102、用于存储数据的存储器103以及用于通信功能的传输装置104。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,系统100还可以包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
输入输出接口102可以连接一个或多个显示器、触控屏等,用于显示从系统100传送的数据,还可以连接键盘、触控笔、触控板和/或鼠标等,用于输入诸如选择、创建、编辑等的用户指令。
存储器103可以用于存储应用软件的软件程序以及模块,例如与本发明实施方式中的绑带检查方法对应的程序指令/模块,处理器101通过运行存储在存储器103内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述绑带检查方法。存储器103可以包括高速随机存储器,还可以包括非易失性存储器,诸如一个或者多个磁性存储装置、闪存或者其他非易失性固态存储器。在一些实施例中,存储器103可以进一步包括相对于处理器101远程设置的存储器,这些远程存储器可以通过网络连接至系统100。上述网络的实施例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置104可以用于经由网络接收或者发送数据。上述网络的具体实施例可以包括系统100的通信供应商提供的互联网。在上述运行环境下,本发明提供了绑带检查方法的流程图。
图2示出了根据本发明实施例的绑带检查装置20的结构图。如图2所示,绑带检查装置20包括第一ROI区域确定单元201、目标区域确定单元202、目标区域面积计算单元203、判断单元204。图3示出了根据本发明实施例的绑带检查方法的流程图。下面结合图2、图3进行详细说明。
在步骤S31,第一ROI区域确定单元201可以基于线束图像,确定第一ROI区域,其中,第一ROI区域指示线束图像中线束附近的区域。可以由相机对线束进行拍摄,获得线束图像。如果线束的尺寸较大,也可以获得多张线束图像,每张线束图像指示线束的一部分。可以从线束图像识别线束、绑带、夹具、连接器、胶带等部件。
由于线束图像中的部件较多,因此如果直接基于线束图像来检查绑带需要花费较大时间,准确率较低,并且成本较高。在本发明中,考虑到绑带用于固定线束,即绑带通常出现在线束附近,因此可以将绑带检查的范围从线束图像缩小到线束图像中线束附近的区域(即,第一ROI区域),从而可以排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。第一ROI区域可以为矩形或其他几何形状,包围线束图像中的线束,并且考虑到绑带的尺寸,适当扩大到该线束附近的区域。
其中,第一ROI区域确定单元201可以对线束图像进行RGB转换,分别获得R通道、G通道和B通道上的图像。通过RGB转换,可以将线束图像分为R通道、G通道和B通道上的三张图像,从而可以更清楚地识别线束图像中的各个部件。
接着,第一ROI区域确定单元201可以对经RGB转换的图像进行HSV转换,分别获得H通道、S通道和V通道上的图像。通过HSV转换,可以将经RGB转换的图像分为H通道、S通道和V通道上的三张图像,从而可以更清楚地识别线束图像中的各个部件。
接着,第一ROI区域确定单元201可以对S通道上的图像进行第一灰度阈值处理,其中,第一灰度阈值范围与线束的灰度相关联。在本发明中,考虑到S通道上的图像具有较佳的对比度,因此优选对S通道上的图像进行第一灰度阈值处理。由于线束和其他部件的灰度存在差异,因此通过第一灰度阈值处理,可以将线束和其他部件区分开,从而可以在S通道上识别出线束。
最后,第一ROI区域确定单元201可以基于经第一灰度阈值处理的图像,确定第一ROI区域。由于已经在S通道上识别出线束,对应地可以从线束图像识别出线束,因此可以根据上面的描述,确定第一ROI区域,第一ROI区域包围线束图像中的线束,并且考虑到绑带的尺寸,适当扩大到该线束附近的区域,避免遗漏绑带。
在步骤S32,目标区域确定单元202可以基于第一ROI区域,确定目标区域,其中,目标区域指示第一ROI区域中的绑带区域。目标区域可以为矩形或其他几何形状,包围第一ROI区域中的绑带区域。
其中,目标区域确定单元202可以对第一ROI区域在S通道上进行第二灰度阈值处理,其中,第二灰度阈值范围与绑带的灰度相关联。在本发明中,考虑到S通道上的图像具有较佳的对比度,因此优选对第一ROI区域在S通道上进行第二灰度阈值处理。由于绑带和线束以及其他部件的灰度存在差异,因此通过第二灰度阈值处理,可以将绑带和线束以及其他部件区分开,从而可以在S通道上识别出绑带。
接着,目标区域确定单元202可以基于经第二灰度阈值处理的第一ROI区域,确定目标区域。由于已经在S通道上识别出绑带,因此可以根据上面的描述,确定目标区域,目标区域包围第一ROI区域中的绑带区域。
进一步,在对第一ROI区域在S通道上进行第二灰度阈值处理之后,目标区域确定单元202可以对经第二灰度阈值处理的第一ROI区域进行图像闭运算和/或图像开运算。通过图像闭运算和/或图像开运算,可以去除第一ROI区域中的噪声,从而可以进一步提高检查准确率和效率。接着,目标区域确定单元202可以基于经图像闭运算和/或图像开运算的第一ROI区域,确定目标区域。
在步骤S33,目标区域面积计算单元203可以计算目标区域的面积。可以理解的是,目标区域面积计算单元203可以采用各种面积计算方法来计算目标区域的面积,在此不受限制。
在步骤S34,当目标区域的面积大于第一面积阈值时,判断单元204可以判断存在绑带,否则判断单元204可以判断不存在绑带。第一面积阈值例如可以为零,当目标区域的面积大于零时,表明存在目标区域,即存在绑带,因此判断单元204判断存在绑带,而当目标区域的面积不大于零时,表明不存在目标区域,即不存在绑带,因此判断单元204判断不存在绑带。可以理解的是,考虑到绑带的尺寸,也可以调整第一面积阈值。
在本发明中,基于线束图像来确定ROI区域,并且基于ROI区域来确定目标区域,可以实现绑带的自动检查,并且可以排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。
图4示出了根据本发明实施例的绑带检查装置40的另一结构图。如图4所示,绑带检查装置40包括第一ROI区域确定单元401、第二ROI区域确定单元402、第三ROI区域确定单元403、目标区域确定单元404、目标区域面积计算单元405、判断单元406。图5示出了根据本发明实施例的绑带检查方法的另一流程图。下面结合图4、图5进行详细说明。
在步骤S51,第一ROI区域确定单元401可以基于线束图像,确定第一ROI区域,其中,第一ROI区域指示线束图像中线束附近的区域。可以由相机对线束进行拍摄,获得线束图像。如果线束的尺寸较大,也可以获得多张线束图像,每张线束图像指示线束的一部分。可以从线束图像识别线束、绑带、夹具、连接器、胶带等部件。
由于线束图像中的部件较多,因此如果直接基于线束图像来检查绑带需要花费较大时间,准确率较低,并且成本较高。在本发明中,考虑到绑带用于固定线束,即绑带通常出现在线束附近,因此可以将绑带检查的范围从线束图像缩小到线束图像中线束附近的区域(即,第一ROI区域),从而可以排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。第一ROI区域可以为矩形或其他几何形状,包围线束图像中的线束,并且考虑到绑带的尺寸,适当扩大到该线束附近的区域。
其中,第一ROI区域确定单元401可以对线束图像进行RGB转换,分别获得R通道、G通道和B通道上的图像。通过RGB转换,可以将线束图像分为R通道、G通道和B通道上的三张图像,从而可以更清楚地识别线束图像中的各个部件。
接着,第一ROI区域确定单元401可以对经RGB转换的图像进行HSV转换,分别获得H通道、S通道和V通道上的图像。通过HSV转换,可以将经RGB转换的图像分为H通道、S通道和V通道上的三张图像,从而可以更清楚地识别线束图像中的各个部件。
接着,第一ROI区域确定单元401可以对S通道上的图像进行第一灰度阈值处理,其中,第一灰度阈值范围与线束的灰度相关联。在本发明中,考虑到S通道上的图像具有较佳的对比度,因此优选对S通道上的图像进行第一灰度阈值处理。由于线束和其他部件的灰度存在差异,因此通过第一灰度阈值处理,可以将线束和其他部件区分开,从而可以在S通道上识别出线束。
最后,第一ROI区域确定单元401可以基于经第一灰度阈值处理的图像,确定第一ROI区域。由于已经在S通道上识别出线束,对应地可以从线束图像识别出线束,因此可以根据上面的描述,确定第一ROI区域,第一ROI区域包围线束图像中的线束,并且考虑到绑带的尺寸,适当扩大到该线束附近的区域,避免遗漏绑带。
在步骤S52,第二ROI区域确定单元402可以基于第一ROI区域,确定第二ROI区域,其中,第二ROI区域指示第一ROI区域中的不连续线束区域。由于相对于线束的尺寸,绑带的尺寸通常较小,因此直接在线束图像中线束附近的区域(即,第一ROI区域)中检查绑带,可能仍会花费较长时间,效率较低。另外,第一ROI区域通常还可能包括线束的作业台以及光源在该作业台上的反射光,这些干扰可能在确定目标区域时会被误认为属于目标区域,从而造成误判。在本发明中,考虑到线束在由绑带固定之后,线束通常被绑带分离,即绑带通常出现在不连续线束附近,因此可以在第一ROI区域中寻找不连续线束区域(即,第二ROI区域),并且将绑带检查的范围从第一ROI区域进一步缩小到第一ROI区域中不连续线束附近的区域(即,第三ROI区域),从而可以进一步排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。第二ROI区域可以为矩形或其他几何形状,包围第一ROI区域中的不连续线束。第三ROI区域可以为矩形或其他几何形状,包围第一ROI区域中的不连续线束,并且考虑到绑带的尺寸,适当扩大到该不连续线束附近的区域。
其中,第二ROI区域确定单元402可以基于第一ROI区域,确定第一ROI区域中彼此分离的线束区域。例如,第一ROI区域可以包围一条线束,并且该条线束被一个绑带彼此分离,则第二ROI区域确定单元402可以确定第一ROI区域中彼此分离的两个线束区域。
接着,第二ROI区域确定单元402可以对第一ROI区域中彼此分离的线束区域进行汇总,获得第二ROI区域。例如,第二ROI区域确定单元402可以对第一ROI区域中彼此分离的两个线束区域进行汇总,获得第二ROI区域,第二ROI区域包围第一ROI区域中的不连续线束。
进一步,在基于第一ROI区域,确定第一ROI区域中彼此分离的线束区域之前,第二ROI区域确定单元402可以对第一ROI区域进行图像闭运算和/或图像开运算。通过图像闭运算和/或图像开运算,可以去除第一ROI区域中的噪声,从而可以进一步提高检查准确率和效率。接着,第二ROI区域确定单元402可以基于经图像闭运算和/或图像开运算的第一ROI区域,确定第一ROI区域中彼此分离的线束区域。
在步骤S53,第三ROI区域确定单元403可以基于第一ROI区域和第二ROI区域,确定第三ROI区域。
其中,第三ROI区域确定单元403可以计算第二ROI区域的面积。可以理解的是,第三ROI区域确定单元403可以采用各种面积计算方法来计算第二ROI区域的面积,在此不受限制。
接着,当第二ROI区域的面积大于第二面积阈值时,第三ROI区域确定单元403可以确定第三ROI区域为第一ROI区域和第二ROI区域的共同部分,否则第三ROI区域确定单元403可以确定第三ROI区域为第一ROI区域。第二面积阈值例如可以为零,当第二ROI区域的面积大于零时,表明存在第二ROI区域,即存在彼此分离的线束区域,也即可能存在绑带,因此第三ROI区域确定单元403可以确定第三ROI区域为第一ROI区域和第二ROI区域的共同部分,以将绑带检查的范围从第一ROI区域进一步缩小到第一ROI区域中不连续线束附近的区域(即,第三ROI区域),而当第二ROI区域的面积不大于零时,表明不存在第二ROI区域,即不存在彼此分离的线束区域,也即可能不存在绑带,因此第三ROI区域确定单元403可以确定第三ROI区域为第一ROI区域,以在第一ROI区域中进行绑带检查,避免遗漏绑带。可以理解的是,考虑到绑带的尺寸,也可以调整第二面积阈值。
进一步,在计算第二ROI区域的面积之前,第三ROI区域确定单元403可以对第二ROI区域进行膨胀处理。通过膨胀处理,可以填充第二ROI区域,使得第二ROI区域的边缘更平整,从而可以进一步提高检查准确率和效率。接着,第三ROI区域确定单元403可以计算经膨胀处理的第二ROI区域的面积。
在步骤S54,目标区域确定单元404可以基于第三ROI区域,确定目标区域,其中,目标区域指示第三ROI区域中的绑带区域。目标区域可以为矩形或其他几何形状,包围第三ROI区域中的绑带区域。
其中,目标区域确定单元404可以对第三ROI区域在S通道上进行第二灰度阈值处理,其中,第二灰度阈值范围与绑带的灰度相关联。在本发明中,考虑到S通道上的图像具有较佳的对比度,因此优选对第三ROI区域在S通道上进行第二灰度阈值处理。由于绑带和线束以及其他部件的灰度存在差异,因此通过第二灰度阈值处理,可以将绑带和线束以及其他部件区分开,从而可以在S通道上识别出绑带。
接着,目标区域确定单元404可以基于经第二灰度阈值处理的第三ROI区域,确定目标区域。由于已经在S通道上识别出绑带,因此可以根据上面的描述,确定目标区域,目标区域包围第三ROI区域中的绑带区域。
进一步,在对第三ROI区域在S通道上进行第二灰度阈值处理之后,目标区域确定单元404可以对经第二灰度阈值处理的第三ROI区域进行图像闭运算和/或图像开运算。通过图像闭运算和/或图像开运算,可以去除第三ROI区域中的噪声,从而可以进一步提高检查准确率和效率。接着,目标区域确定单元404可以基于经图像闭运算和/或图像开运算的第三ROI区域,确定目标区域。
在步骤S55,目标区域面积计算单元405可以计算目标区域的面积。可以理解的是,目标区域面积计算单元405可以采用各种面积计算方法来计算目标区域的面积,在此不受限制。
在步骤S56,当目标区域的面积大于第一面积阈值时,判断单元406可以判断存在绑带,否则判断单元406可以判断不存在绑带。第一面积阈值例如可以为零,当目标区域的面积大于零时,表明存在目标区域,即存在绑带,因此判断单元406判断存在绑带,而当目标区域的面积不大于零时,表明不存在目标区域,即不存在绑带,因此判断单元406判断不存在绑带。可以理解的是,考虑到绑带的尺寸,也可以调整第一面积阈值。
在本发明中,基于线束图像来确定ROI区域,并且基于ROI区域来确定目标区域,可以实现绑带的自动检查,并且可以排除其他部件的干扰,减少检查时间和成本,提高检查准确率和效率。
本发明还提供一种计算机可读的存储介质,存储介质具有存储在其中的指令,当指令被执行时,使得计算机执行本发明的绑带检查方法。
需要说明的是,本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现,指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的,易失性的或者非易失性的,固态的或者非固态的,固定的或者可更换的介质等等)。同样,存储器可以例如是可编程阵列逻辑(Programmable Array Logic,简称“PAL”)、随机存取存储器(Random Access Memory,简称“RAM”)、可编程只读存储器(Programmable Read Only Memory,简称“PROM”)、只读存储器(Read-Only Memory,简称“ROM”)、电可擦除可编程只读存储器(Electrically ErasableProgrammable ROM,简称“EEPROM”)、磁盘、光盘、数字通用光盘(Digital Versatile Disc,简称“DVD”)等等。
需要说明的是,本发明各设备实施方式中提到的各单元/模块都是逻辑单元/模块,在物理上,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现,这些逻辑单元本身的物理实现方式并不是最重要的,这些逻辑单元所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外,为了突出本发明的创新部分,本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,这并不表明上述设备实施方式并不存在其它的单元。
在附图中,可以以特定布置和/或顺序示出一些结构或方法特征。然而,应该理解,可能不需要这样的特定布置和/或排序。而是,在一些实施例中,这些特征可以以不同于说明性附图中所示的方式和/或顺序来布置。另外,在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征,并且在一些实施例中,可以不包括这些特征或者可以与其他特征组合。
需要说明的是,在本专利的权利要求和说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本发明的某些优选实施方式,已经对本发明进行了图示和描述,但本领域的普通技术人员应该明白,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (13)
1.一种绑带检查方法,其特征在于,所述方法包括:
基于线束图像,确定第一ROI区域,其中,所述第一ROI区域指示所述线束图像中线束附近的区域;
基于所述第一ROI区域,确定目标区域,其中,所述目标区域指示所述第一ROI区域中的绑带区域;
计算所述目标区域的面积;
当所述目标区域的面积大于第一面积阈值时,判断存在绑带,否则判断不存在绑带。
2.根据权利要求1所述的方法,其特征在于,在基于线束图像,确定第一ROI区域之后,所述方法进一步包括:
基于所述第一ROI区域,确定第二ROI区域,其中,所述第二ROI区域指示所述第一ROI区域中的不连续线束区域;
基于所述第一ROI区域和所述第二ROI区域,确定第三ROI区域,其中,所述第三ROI区域指示所述第一ROI区域中不连续线束附近的区域;
并且其中,基于所述第三ROI区域,确定目标区域,其中,所述目标区域指示所述第三ROI区域中的绑带区域。
3.根据权利要求1所述的方法,其特征在于,基于线束图像,确定第一ROI区域进一步包括:
对所述线束图像进行RGB转换,分别获得R通道、G通道和B通道上的图像;
对经RGB转换的图像进行HSV转换,分别获得H通道、S通道和V通道上的图像;
对S通道上的图像进行第一灰度阈值处理,其中,第一灰度阈值范围与线束的灰度相关联;
基于经第一灰度阈值处理的图像,确定所述第一ROI区域。
4.根据权利要求2所述的方法,其特征在于,基于所述第一ROI区域,确定第二ROI区域进一步包括:
基于所述第一ROI区域,确定所述第一ROI区域中彼此分离的线束区域;
对所述第一ROI区域中彼此分离的线束区域进行汇总,获得所述第二ROI区域。
5.根据权利要求4所述的方法,其特征在于,在基于所述第一ROI区域,确定所述第一ROI区域中彼此分离的线束区域之前,所述方法进一步包括:
对所述第一ROI区域进行图像闭运算和/或图像开运算;
并且其中,基于经图像闭运算和/或图像开运算的所述第一ROI区域,确定所述第一ROI区域中彼此分离的线束区域。
6.根据权利要求2所述的方法,其特征在于,基于所述第一ROI区域和所述第二ROI区域,确定第三ROI区域进一步包括:
计算所述第二ROI区域的面积;
当所述第二ROI区域的面积大于第二面积阈值时,确定所述第三ROI区域为所述第一ROI区域和所述第二ROI区域的共同部分,否则确定第三ROI区域为所述第一ROI区域。
7.根据权利要求6所述的方法,其特征在于,在计算所述第二ROI区域的面积之前,所述方法进一步包括:
对所述第二ROI区域进行膨胀处理;
并且其中,计算经膨胀处理的所述第二ROI区域的面积。
8.根据权利要求2所述的方法,其特征在于,基于所述第三ROI区域,确定目标区域进一步包括:
对所述第三ROI区域在S通道上进行第二灰度阈值处理,其中,第二灰度阈值范围与绑带的灰度相关联;
基于经第二灰度阈值处理的所述第三ROI区域,确定所述目标区域。
9.根据权利要求8所述的方法,其特征在于,在对所述第三ROI区域在S通道上进行第二灰度阈值处理之后,所述方法进一步包括:
对经第二灰度阈值处理的所述第三ROI区域进行图像闭运算和/或图像开运算;
并且其中,基于经图像闭运算和/或图像开运算的所述第三ROI区域,确定所述目标区域。
10.一种绑带检查装置,其特征在于,所述装置包括:
第一ROI区域确定单元,基于线束图像,确定第一ROI区域,其中,所述第一ROI区域指示所述线束图像中线束附近的区域;
目标区域确定单元,基于所述第一ROI区域,确定目标区域,其中,所述目标区域指示所述第一ROI区域中的绑带区域;
目标区域面积计算单元,计算所述目标区域的面积;
判断单元,当所述目标区域的面积大于第一面积阈值时,判断存在绑带,否则判断不存在绑带。
11.一种绑带检查装置,其特征在于,所述装置包括:
第一ROI区域确定单元,基于线束图像,确定第一ROI区域,其中,所述第一ROI区域指示所述线束图像中线束附近的区域;
第二ROI区域确定单元,基于所述第一ROI区域,确定第二ROI区域,其中,所述第二ROI区域指示所述第一ROI区域中的不连续线束区域;
第三ROI区域确定单元,基于所述第一ROI区域和所述第二ROI区域,确定第三ROI区域,其中,所述第三ROI区域指示所述第一ROI区域中不连续线束附近的区域;
目标区域确定单元,基于所述第三ROI区域,确定目标区域,其中,所述目标区域指示所述第三ROI区域中的绑带区域;
目标区域面积计算单元,计算所述目标区域的面积;
判断单元,当所述目标区域的面积大于第一面积阈值时,判断存在绑带,否则判断不存在绑带。
12.一种计算机可读的存储介质,所述存储介质具有存储在其中的指令,其特征在于,当所述指令被执行时,使得所述计算机执行根据权利要求1-9中任一项所述的绑带检查方法。
13.一种系统,其特征在于,包括:
存储器,用于存储由系统的一个或多个处理器执行的指令,以及
处理器,用于执行根据权利要求1-9中任一项所述的绑带检查方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010199560.XA CN113495301A (zh) | 2020-03-20 | 2020-03-20 | 绑带检查方法、绑带检查装置、存储介质和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010199560.XA CN113495301A (zh) | 2020-03-20 | 2020-03-20 | 绑带检查方法、绑带检查装置、存储介质和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113495301A true CN113495301A (zh) | 2021-10-12 |
Family
ID=77993576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010199560.XA Pending CN113495301A (zh) | 2020-03-20 | 2020-03-20 | 绑带检查方法、绑带检查装置、存储介质和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113495301A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421582A (zh) * | 2006-06-12 | 2009-04-29 | 住友电装株式会社 | 束线的外观检查装置及外观检查方法 |
CN105466950A (zh) * | 2016-01-14 | 2016-04-06 | 上海孚兴电子科技有限公司 | 一种基于视觉的竹块在线检测方法及系统 |
JP2016061692A (ja) * | 2014-09-18 | 2016-04-25 | 株式会社メガチップス | 人体検出装置 |
CN107423737A (zh) * | 2017-05-03 | 2017-12-01 | 武汉东智科技股份有限公司 | 异物遮挡的视频质量诊断方法 |
WO2018019122A1 (zh) * | 2016-07-29 | 2018-02-01 | 努比亚技术有限公司 | 一种对焦方法、终端和计算机存储介质 |
CN108596923A (zh) * | 2018-05-14 | 2018-09-28 | 江苏哈工智能机器人股份有限公司 | 三维数据的获取方法、装置以及电子设备 |
CN109753957A (zh) * | 2018-12-07 | 2019-05-14 | 东软集团股份有限公司 | 图像显著性检测方法、装置、存储介质及电子设备 |
CN109934809A (zh) * | 2019-03-08 | 2019-06-25 | 深慧视(深圳)科技有限公司 | 一种纸质标签字符缺陷检测方法 |
CN110633635A (zh) * | 2019-08-08 | 2019-12-31 | 北京联合大学 | 一种基于roi的交通标志牌实时检测方法及系统 |
-
2020
- 2020-03-20 CN CN202010199560.XA patent/CN113495301A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101421582A (zh) * | 2006-06-12 | 2009-04-29 | 住友电装株式会社 | 束线的外观检查装置及外观检查方法 |
JP2016061692A (ja) * | 2014-09-18 | 2016-04-25 | 株式会社メガチップス | 人体検出装置 |
CN105466950A (zh) * | 2016-01-14 | 2016-04-06 | 上海孚兴电子科技有限公司 | 一种基于视觉的竹块在线检测方法及系统 |
WO2018019122A1 (zh) * | 2016-07-29 | 2018-02-01 | 努比亚技术有限公司 | 一种对焦方法、终端和计算机存储介质 |
CN107423737A (zh) * | 2017-05-03 | 2017-12-01 | 武汉东智科技股份有限公司 | 异物遮挡的视频质量诊断方法 |
CN108596923A (zh) * | 2018-05-14 | 2018-09-28 | 江苏哈工智能机器人股份有限公司 | 三维数据的获取方法、装置以及电子设备 |
CN109753957A (zh) * | 2018-12-07 | 2019-05-14 | 东软集团股份有限公司 | 图像显著性检测方法、装置、存储介质及电子设备 |
CN109934809A (zh) * | 2019-03-08 | 2019-06-25 | 深慧视(深圳)科技有限公司 | 一种纸质标签字符缺陷检测方法 |
CN110633635A (zh) * | 2019-08-08 | 2019-12-31 | 北京联合大学 | 一种基于roi的交通标志牌实时检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111583223B (zh) | 缺陷检测方法、装置、计算机设备及计算机可读存储介质 | |
CN111355941B (zh) | 图像颜色实时校正方法、装置和系统 | |
CN109214334B (zh) | 车道线处理方法和装置 | |
EP3598386A1 (en) | Method and apparatus for processing image | |
CN111598913A (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
CN111031359B (zh) | 视频播放方法、装置、电子设备和计算机可读存储介质 | |
CN112312001B (zh) | 一种图像检测的方法、装置、设备和计算机存储介质 | |
CN116310903A (zh) | 识别光伏组件故障类型的方法、装置及电子设备 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
KR101842535B1 (ko) | 부호의 광학적 검출 방법 | |
CN113902740A (zh) | 图像模糊程度评价模型的构建方法 | |
CN110969640A (zh) | 视频图像的分割方法、终端设备以及计算机可读存储介质 | |
CN113495301A (zh) | 绑带检查方法、绑带检查装置、存储介质和系统 | |
CN112989768A (zh) | 连线题批改方法、装置、电子设备及存储介质 | |
CN109785312B (zh) | 一种图像模糊检测方法、系统及电子设备 | |
CN110310341B (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
CN114445318A (zh) | 一种缺陷检测方法、装置、电子设备和存储介质 | |
IL233523A (en) | A system and method for quantifying repetition such as in the analysis of laminated documents | |
CN115439509B (zh) | 一种多目标跟踪方法、装置、计算机设备及存储介质 | |
CN113865636B (zh) | 仪表测试方法、系统及电子设备 | |
CN116993654A (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN115374517A (zh) | 布线软件的测试方法、装置、电子设备及存储介质 | |
CN112511725B (zh) | 一种内窥镜圈的自动识别方法、装置、存储介质及终端 | |
CN114708239A (zh) | 胶宽检测方法、装置、电子设备及存储介质 | |
CN111667012B (zh) | 分类结果修正方法、装置、修正设备及可读存储介质 |
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 |