CN113724257A - 一种碳板灰色污点检测方法、计算机设备及存储介质 - Google Patents

一种碳板灰色污点检测方法、计算机设备及存储介质 Download PDF

Info

Publication number
CN113724257A
CN113724257A CN202111283977.5A CN202111283977A CN113724257A CN 113724257 A CN113724257 A CN 113724257A CN 202111283977 A CN202111283977 A CN 202111283977A CN 113724257 A CN113724257 A CN 113724257A
Authority
CN
China
Prior art keywords
gray
carbon plate
gray value
image
value
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
Application number
CN202111283977.5A
Other languages
English (en)
Inventor
谈昆伦
季小强
刘时海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Original Assignee
Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd filed Critical Changzhou Hongfa Zongheng Advanced Material Technology Co Ltd
Priority to CN202111283977.5A priority Critical patent/CN113724257A/zh
Publication of CN113724257A publication Critical patent/CN113724257A/zh
Pending legal-status Critical Current

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及复合材料检测技术领域，尤其涉及一种碳板灰色污点检测方法、计算机设备及存储介质，包括如下步骤：图像采集，通过相机对碳板表面拍照，得到碳板图像数据；图像分割，将碳板图像划分成
Figure 841160DEST_PATH_IMAGE001
像素点大小的若干区域；确定阈值，对每个区域内的像素点计算平均灰度值及灰度值标准差，并以平均灰度值及灰度值标准差进行线性组合，得到每个区域内的灰度值阈值；灰色污点检测，根据每个区域内对应的灰度值阈值，将区域内灰度值大于灰度值阈值的像素点找出，像素点即为灰色污点。本发明中改变传统的固定阈值的做法，使用了可变阈值，忽略了碳板上每一块区域的亮度值由于灯光、设备等原因并不均匀的干扰，准确识别出碳板上的灰色污点。

Description

一种碳板灰色污点检测方法、计算机设备及存储介质
技术领域
本发明涉及复合材料检测技术领域，尤其涉及一种碳板灰色污点检测方法、计算机设备及存储介质。
背景技术
在碳板的生产过程中，碳板表面上有时会出现灰色的污点，从而对碳板的产品质量及美观造成影响，所以在生产过程中，需要对碳板表面的灰色污点进行检测，但是灰色污点与黑色的碳板背面差异较小，且碳板上每一块区域的亮度值由于灯光、设备等原因并不均匀，因此对灰色污点的检测造成了难度。
鉴于上述问题的存在，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，以期创设一种碳板灰色污点检测方法、计算机设备及存储介质，使其更具有实用性。
公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提供了一种碳板灰色污点检测方法、计算机设备及存储介质，从而有效解决背景技术中的问题。
为了达到上述目的，本发明所采用的技术方案是：一种碳板灰色污点检测方法，包括如下步骤：
图像采集，通过相机对碳板表面拍照，得到碳板图像数据；
图像分割，将所述碳板图像划分成
Figure 994077DEST_PATH_IMAGE001
像素点大小的若干区域；
确定阈值，对每个所述区域内的像素点计算平均灰度值及灰度值标准差，并以所述平均灰度值及所述灰度值标准差进行线性组合，得到每个所述区域内的灰度值阈值；
灰色污点检测，根据每个所述区域内对应的所述灰度值阈值，将所述区域内灰度值大于所述灰度值阈值的像素点找出，所述像素点即为灰色污点。
进一步地，所述确定阈值时，
Figure 73766DEST_PATH_IMAGE002
其中，
Figure 346615DEST_PATH_IMAGE003
为所述灰度值阈值，
Figure 747641DEST_PATH_IMAGE004
和
Figure 764138DEST_PATH_IMAGE005
为权重系数，
Figure 456192DEST_PATH_IMAGE006
为所述区域内像素点的灰度值标准差，
Figure 634364DEST_PATH_IMAGE007
为所述区域内像素点的平均灰度值。
进一步地，所述
Figure 788265DEST_PATH_IMAGE004
的数值至少为所述
Figure 874032DEST_PATH_IMAGE005
数值的10倍。
进一步地，所述灰色污点检测时，对所述碳板图像
Figure 928314DEST_PATH_IMAGE008
进行二值化得到图像
Figure 808545DEST_PATH_IMAGE009
，若
Figure 184163DEST_PATH_IMAGE010
，则令
Figure 808042DEST_PATH_IMAGE011
；若
Figure 716830DEST_PATH_IMAGE012
，则令
Figure 502384DEST_PATH_IMAGE013
，其中，
Figure 99718DEST_PATH_IMAGE008
为所述区域内第
Figure 261709DEST_PATH_IMAGE014
行第
Figure 759424DEST_PATH_IMAGE015
列的像素点的灰度值，
Figure 981458DEST_PATH_IMAGE003
为所述灰度值阈值。
进一步地，所述对所述碳板图像
Figure 331668DEST_PATH_IMAGE008
进行二值化得到图像
Figure 31771DEST_PATH_IMAGE009
后，先对所述碳板图像进行噪声点去除，将所述图像
Figure 649572DEST_PATH_IMAGE009
中的噪声点灰度值变为0，得到图像
Figure 308086DEST_PATH_IMAGE016
。
进一步地，所述对所述碳板图像进行噪声点去除时，将二值化后的所述图像
Figure 880013DEST_PATH_IMAGE009
中灰度值等于255的像素点
Figure 383807DEST_PATH_IMAGE017
作为中心点，找出与所述中心点相邻的四个像素点
Figure 590535DEST_PATH_IMAGE018
，若四个所述像素点的灰度值存在为0的值，则将所述中心点的灰度值变为0。
进一步地，所述图像
Figure 154371DEST_PATH_IMAGE016
中像素点灰度值为255的点即为灰色污点。
本发明还包括一种计算机设备，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计算机程序，进一步地，所述处理器执行所述计算机程序时，实现如上述的方法。
本发明还包括一种存储介质，其上存储有计算机程序，进一步地，该计算机程序被处理器执行时实现如上述的方法。
本发明的有益效果为：本发明中改变传统的固定阈值的做法，使用了可变阈值，将碳板图像划分成若干区域，根据每个区域的特性，来决定这个区域的阈值大小，即对每个区域内的像素点计算平均灰度值及灰度值标准差，并以平均灰度值及灰度值标准差进行线性组合，得到每个区域内的灰度值阈值，从而对这个区域内的像素点进行筛分，将区域内灰度值大于灰度值阈值的像素点找出，从而忽略了碳板上每一块区域的亮度值由于灯光、设备等原因并不均匀的干扰，准确识别出碳板上的灰色污点。
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为本发明的流程图；
图2为计算机设备的结构示意图。
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。
如图1所示：一种碳板灰色污点检测方法，包括如下步骤：
图像采集，通过相机对碳板表面拍照，得到碳板图像数据；
图像分割，将碳板图像划分成
Figure 479173DEST_PATH_IMAGE019
像素点大小的若干区域；
确定阈值，对每个区域内的像素点计算平均灰度值及灰度值标准差，并以平均灰度值及灰度值标准差进行线性组合，得到每个区域内的灰度值阈值；
灰色污点检测，根据每个区域内对应的灰度值阈值，将区域内灰度值大于灰度值阈值的像素点找出，像素点即为灰色污点。
本发明中改变传统的固定阈值的做法，使用了可变阈值，将碳板图像划分成若干区域，根据每个区域的特性，来决定这个区域的阈值大小，即对每个区域内的像素点计算平均灰度值及灰度值标准差，并以平均灰度值及灰度值标准差进行线性组合，得到每个区域内的灰度值阈值，从而对这个区域内的像素点进行筛分，将区域内灰度值大于灰度值阈值的像素点找出，从而忽略了碳板上每一块区域的亮度值由于灯光、设备等原因并不均匀的干扰，准确识别出碳板上的灰色污点。
在本实施例中，确定阈值时，
Figure 786658DEST_PATH_IMAGE002
其中，
Figure 379051DEST_PATH_IMAGE003
为灰度值阈值，
Figure 379368DEST_PATH_IMAGE004
和
Figure 925887DEST_PATH_IMAGE005
为权重系数，
Figure 37063DEST_PATH_IMAGE006
为区域内像素点的灰度值标准差，
Figure 749541DEST_PATH_IMAGE007
为区域内像素点的平均灰度值。
在计算出每个区域内的像素点的平均灰度值及灰度值标准差后，以平均灰度值及灰度值标准差进行线性组合，分别乘以一个权重系数，最终得到这个区域内的灰度值阈值。
其中，
Figure 655181DEST_PATH_IMAGE004
的数值至少为
Figure 688996DEST_PATH_IMAGE005
数值的10倍，使得方差的权重较高，能够很好的反映出这个区域的特性，作为经验值，可以令
Figure 338283DEST_PATH_IMAGE020
，
Figure 905268DEST_PATH_IMAGE021
。
作为上述实施例的优选，灰色污点检测时，对碳板图像
Figure 716229DEST_PATH_IMAGE008
进行二值化得到图像
Figure 502920DEST_PATH_IMAGE009
，若
Figure 690319DEST_PATH_IMAGE010
，则令
Figure 111810DEST_PATH_IMAGE011
；若
Figure 624831DEST_PATH_IMAGE012
，则令
Figure 633239DEST_PATH_IMAGE013
，其中，
Figure 624328DEST_PATH_IMAGE008
为区域内第
Figure 667371DEST_PATH_IMAGE022
行第
Figure 318670DEST_PATH_IMAGE023
列的像素点的灰度值，
Figure 752056DEST_PATH_IMAGE003
为灰度值阈值。
由于灰色的污点与碳板的黑色差别并不明显，且每一块区域的灰度值阈值并不相同，在同一幅图像中，在筛分灰色污点时，不能以一个统一的标准进行筛分，所以对碳板图像进行二值化处理，将每一个区域内灰度值大于灰度值阈值的像素点，使其变为白色，将灰度值小于灰度值阈值的像素点，使其变为黑色，从而在一幅图像中，白色的像素点即为灰色污点，使得一幅图像可以有一个统一的判断标准。
在碳板的生产中，由于碳板上会存在一些细小的刮擦点，在生产过程中，刮擦点的直径只要足够小，就是可以忽略不计的，但是这些刮擦点在光线的作用下可能会反光使其灰度值变大呈灰色或白色，在对图像进行二值化处理后，这些像素点就是白色，对灰色污点检测造成干扰，若直接将所有白色的像素点认定为灰色污点，会造成检测不准确的情况，对碳板图像
Figure 546837DEST_PATH_IMAGE008
进行二值化得到图像
Figure 677342DEST_PATH_IMAGE009
后，先对碳板图像进行噪声点去除，将图像
Figure 266586DEST_PATH_IMAGE009
中的噪声点灰度值变为0，得到图像
Figure 515165DEST_PATH_IMAGE016
。
其中，对碳板图像进行噪声点去除时，将二值化后的图像
Figure 848057DEST_PATH_IMAGE009
中灰度值等于255的像素点
Figure 833068DEST_PATH_IMAGE017
作为中心点，找出与中心点相邻的四个像素点
Figure 858793DEST_PATH_IMAGE018
，若四个像素点的灰度值存在为0的值，则将中心点的灰度值变为0。
由于灰色污点要大于刮擦点，所以在图像中，灰色污点一般为一块范围，而刮擦点只占了两三个像素点，所以将二值化后的图像，将符合灰度值等于255的像素点作为中心点，判断其四周的像素点的灰度值，如果其四周的像素点存在一个像素点为0的像素点，说明这个白色的像素点占的面积较小，周围并不连续，所以将其作为噪声点去除。
最终，图像
Figure 329089DEST_PATH_IMAGE016
中像素点灰度值为255的点即为灰色污点。
请参见图2示出的本申请实施例提供的计算机设备的结构示意图。本申请实施例提供的一种计算机设备400，包括：处理器410和存储器420，存储器420存储有处理器410可执行的计算机程序，计算机程序被处理器410执行时执行如上的方法。
本申请实施例还提供了一种存储介质430，该存储介质430上存储有计算机程序，该计算机程序被处理器410运行时执行如上的方法。
其中，存储介质430可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory,简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory,简称EPROM)，可编程只读存储器(Programmable Red-Only Memory,简称PROM)，只读存储器(Read-Only Memory,简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种碳板灰色污点检测方法，其特征在于，包括如下步骤：
图像采集，通过相机对碳板表面拍照，得到碳板图像数据；
图像分割，将所述碳板图像划分成
Figure 32079DEST_PATH_IMAGE002
像素点大小的若干区域；
确定阈值，对每个所述区域内的像素点计算平均灰度值及灰度值标准差，并以所述平均灰度值及所述灰度值标准差进行线性组合，得到每个所述区域内的灰度值阈值；
灰色污点检测，根据每个所述区域内对应的所述灰度值阈值，将所述区域内灰度值大于所述灰度值阈值的像素点找出，所述像素点即为灰色污点。
2.根据权利要求1所述的碳板灰色污点检测方法，其特征在于，所述确定阈值时，
Figure 154887DEST_PATH_IMAGE004
其中，
Figure 553508DEST_PATH_IMAGE006
为所述灰度值阈值，
Figure 918499DEST_PATH_IMAGE008
和
Figure 86175DEST_PATH_IMAGE010
为权重系数，
Figure 379884DEST_PATH_IMAGE012
为所述区域内像素点的灰度值标准差，
Figure 249489DEST_PATH_IMAGE014
为所述区域内像素点的平均灰度值。
3. 根据权利要求2所述的碳板灰色污点检测方法，其特征在于，所述
Figure 434483DEST_PATH_IMAGE016
的数值至少为所述
Figure 941818DEST_PATH_IMAGE018
数值的10倍。
4.根据权利要求1所述的碳板灰色污点检测方法，其特征在于，所述灰色污点检测时，对所述碳板图像
Figure 921276DEST_PATH_IMAGE020
进行二值化得到图像
Figure 278177DEST_PATH_IMAGE022
，若
Figure 1282DEST_PATH_IMAGE024
，则令
Figure 363124DEST_PATH_IMAGE026
；若
Figure 28330DEST_PATH_IMAGE028
，则令
Figure 357680DEST_PATH_IMAGE030
，其中，
Figure 635209DEST_PATH_IMAGE032
为所述区域内第
Figure 366404DEST_PATH_IMAGE034
行第
Figure 936932DEST_PATH_IMAGE036
列的像素点的灰度值，
Figure 19157DEST_PATH_IMAGE038
为所述灰度值阈值。
5.根据权利要求4所述的碳板灰色污点检测方法，其特征在于，所述对所述碳板图像
Figure 569218DEST_PATH_IMAGE040
进行二值化得到图像
Figure 669767DEST_PATH_IMAGE042
后，先对所述碳板图像进行噪声点去除，将所述图像
Figure 161929DEST_PATH_IMAGE044
中的噪声点灰度值变为0，得到图像
Figure 216603DEST_PATH_IMAGE046
。
6.根据权利要求5所述的碳板灰色污点检测方法，其特征在于，所述对所述碳板图像进行噪声点去除时，将二值化后的所述图像
Figure DEST_PATH_IMAGE048
中灰度值等于255的像素点
Figure DEST_PATH_IMAGE050
作为中心点，找出与所述中心点相邻的四个像素点
Figure DEST_PATH_IMAGE052
，若四个所述像素点的灰度值存在为0的值，则将所述中心点的灰度值变为0，所述图像
Figure DEST_PATH_IMAGE054
中像素点灰度值为255的点即为灰色污点。
7.一种计算机设备，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计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-6中任一项所述的方法。
8.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。
CN202111283977.5A 2021-11-01 2021-11-01 一种碳板灰色污点检测方法、计算机设备及存储介质 Pending CN113724257A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111283977.5A CN113724257A (zh) 2021-11-01 2021-11-01 一种碳板灰色污点检测方法、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111283977.5A CN113724257A (zh) 2021-11-01 2021-11-01 一种碳板灰色污点检测方法、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN113724257A true CN113724257A (zh) 2021-11-30

Family

ID=78686351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111283977.5A Pending CN113724257A (zh) 2021-11-01 2021-11-01 一种碳板灰色污点检测方法、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN113724257A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066881A (zh) * 2021-12-01 2022-02-18 常州市宏发纵横新材料科技股份有限公司 一种基于非线性变换检测方法、计算机设备及存储介质
CN114091620A (zh) * 2021-12-01 2022-02-25 常州市宏发纵横新材料科技股份有限公司 一种模板匹配检测方法、计算机设备及存储介质
CN114155241A (zh) * 2022-01-28 2022-03-08 浙江华睿科技股份有限公司 一种异物检测方法、装置及电子设备
CN114596280A (zh) * 2022-03-08 2022-06-07 常州市宏发纵横新材料科技股份有限公司 一种碳纤维布面生产过程中碎屑纸的检测方法及装置
CN115797872A (zh) * 2023-01-31 2023-03-14 捷易(天津)包装制品有限公司 基于机器视觉的包装缺陷识别方法、系统、设备及介质
CN117095003A (zh) * 2023-10-20 2023-11-21 山东亿盟源新材料科技有限公司 一种双金属复合板材碳钢原材料清洁度检测方法及装置
CN117197006A (zh) * 2023-09-27 2023-12-08 上海世禹精密设备股份有限公司 区域过滤方法、装置、电子设备及计算机可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103747667A (zh) * 2014-01-09 2014-04-23 南京信息工程大学 一种用于笔记本电池自动装盒的视觉检测和控制系统
CN106803258A (zh) * 2017-01-13 2017-06-06 深圳怡化电脑股份有限公司 一种图像处理方法及装置
CN107392885A (zh) * 2017-06-08 2017-11-24 江苏科技大学 一种基于视觉对比机制的红外弱小目标检测方法
CN107389693A (zh) * 2017-06-29 2017-11-24 西安理工大学 一种基于机器视觉的印刷品缺陷自动检测方法
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN109682839A (zh) * 2019-01-25 2019-04-26 中国船舶重工集团公司第七一六研究所 一种金属弧形工件表面缺陷在线检测方法
CN111311586A (zh) * 2020-02-26 2020-06-19 无锡久仁健康云科技有限公司 基于非线性健康分析系统数据多指标动态整合算法和系统
CN112288778A (zh) * 2020-10-29 2021-01-29 电子科技大学 一种基于多帧回归深度网络的红外小目标检测方法
CN112630158A (zh) * 2020-12-31 2021-04-09 常州市新创智能科技有限公司 一种脱膜布残留检测系统及其检测方法
CN112686890A (zh) * 2021-02-09 2021-04-20 浙江师范大学 一种基于奇异值分解的人造板表面缺陷检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103747667A (zh) * 2014-01-09 2014-04-23 南京信息工程大学 一种用于笔记本电池自动装盒的视觉检测和控制系统
CN106803258A (zh) * 2017-01-13 2017-06-06 深圳怡化电脑股份有限公司 一种图像处理方法及装置
CN107392885A (zh) * 2017-06-08 2017-11-24 江苏科技大学 一种基于视觉对比机制的红外弱小目标检测方法
CN107389693A (zh) * 2017-06-29 2017-11-24 西安理工大学 一种基于机器视觉的印刷品缺陷自动检测方法
CN108230321A (zh) * 2018-01-19 2018-06-29 深圳市亿图视觉自动化技术有限公司 缺陷检测方法及装置
CN109682839A (zh) * 2019-01-25 2019-04-26 中国船舶重工集团公司第七一六研究所 一种金属弧形工件表面缺陷在线检测方法
CN111311586A (zh) * 2020-02-26 2020-06-19 无锡久仁健康云科技有限公司 基于非线性健康分析系统数据多指标动态整合算法和系统
CN112288778A (zh) * 2020-10-29 2021-01-29 电子科技大学 一种基于多帧回归深度网络的红外小目标检测方法
CN112630158A (zh) * 2020-12-31 2021-04-09 常州市新创智能科技有限公司 一种脱膜布残留检测系统及其检测方法
CN112686890A (zh) * 2021-02-09 2021-04-20 浙江师范大学 一种基于奇异值分解的人造板表面缺陷检测方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066881A (zh) * 2021-12-01 2022-02-18 常州市宏发纵横新材料科技股份有限公司 一种基于非线性变换检测方法、计算机设备及存储介质
CN114091620A (zh) * 2021-12-01 2022-02-25 常州市宏发纵横新材料科技股份有限公司 一种模板匹配检测方法、计算机设备及存储介质
CN114066881B (zh) * 2021-12-01 2022-07-15 常州市宏发纵横新材料科技股份有限公司 一种基于非线性变换检测方法、计算机设备及存储介质
CN114155241A (zh) * 2022-01-28 2022-03-08 浙江华睿科技股份有限公司 一种异物检测方法、装置及电子设备
CN114596280A (zh) * 2022-03-08 2022-06-07 常州市宏发纵横新材料科技股份有限公司 一种碳纤维布面生产过程中碎屑纸的检测方法及装置
CN114596280B (zh) * 2022-03-08 2022-09-09 常州市宏发纵横新材料科技股份有限公司 一种碳纤维布面生产过程中碎屑纸的检测方法及装置
CN115797872A (zh) * 2023-01-31 2023-03-14 捷易(天津)包装制品有限公司 基于机器视觉的包装缺陷识别方法、系统、设备及介质
CN117197006A (zh) * 2023-09-27 2023-12-08 上海世禹精密设备股份有限公司 区域过滤方法、装置、电子设备及计算机可读存储介质
CN117197006B (zh) * 2023-09-27 2024-05-10 上海世禹精密设备股份有限公司 区域过滤方法、装置、电子设备及计算机可读存储介质
CN117095003A (zh) * 2023-10-20 2023-11-21 山东亿盟源新材料科技有限公司 一种双金属复合板材碳钢原材料清洁度检测方法及装置
CN117095003B (zh) * 2023-10-20 2024-01-26 山东亿盟源新材料科技有限公司 一种双金属复合板材碳钢原材料清洁度检测方法及装置

Similar Documents

Publication Publication Date Title
CN113724257A (zh) 一种碳板灰色污点检测方法、计算机设备及存储介质
CN111080661B (zh) 基于图像的直线检测方法、装置以及电子设备
US7522782B2 (en) Digital image denoising
CN113610774B (zh) 一种玻璃划痕缺陷检测方法、系统、装置及存储介质
CN111047615B (zh) 基于图像的直线检测方法、装置以及电子设备
CN113870233B (zh) 一种捆绑纱检测方法、计算机设备及存储介质
CN113628161B (zh) 缺陷检测方法、装置及计算机可读存储介质
CN109300104B (zh) 角点检测方法、装置
US20170011502A1 (en) Defect inspection apparatus for inspecting sheet-like inspection object, computer-implemented method for inspecting sheet-like inspection object, and defect inspection system for inspecting sheet-like inspection object
CN113610773B (zh) 一种垫片孔洞质量检测方法、系统、装置及存储介质
CN116363140B (zh) 一种中硼硅玻璃缺陷的检测方法、系统、装置及存储介质
CN113870295B (zh) 一种孔洞直径检测方法、计算机设备及存储介质
CN113838038A (zh) 一种碳纤维布面疵点检测方法、装置、电子设备和存储介质
CN113256608A (zh) 工件缺陷检测方法和装置
CN113837204A (zh) 一种孔洞形状识别方法、计算机设备及存储介质
CN111523341A (zh) 二维码图像的二值化方法及设备
CN115861315B (zh) 缺陷检测方法和装置
CN114066881B (zh) 一种基于非线性变换检测方法、计算机设备及存储介质
JP2005164565A (ja) 低解像度および高解像度映像におけるフラットパネル用光関連板要素の欠陥検出方法
CN113837184B (zh) 一种蚊虫检测方法、设备及存储介质
JP3909604B2 (ja) 画像処理装置および画像処理方法
CN113724173B (zh) 一种碳板脱模布到边距离检测方法、装置、设备和存储介质
CN113469171A (zh) 识别sfr测试卡图像中感兴趣区域的方法及装置、介质
JP2014135007A (ja) フラットパネルディスプレイの自動ムラ検出装置および自動ムラ検出方法
CN113537185A (zh) 葵花籽异常区域识别方法及装置、葵花籽分选方法及设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211130

RJ01 Rejection of invention patent application after publication