CN113808131A - 一种连接器缺陷识别方法及系统及装置及介质 - Google Patents
一种连接器缺陷识别方法及系统及装置及介质 Download PDFInfo
- Publication number
- CN113808131A CN113808131A CN202111354971.2A CN202111354971A CN113808131A CN 113808131 A CN113808131 A CN 113808131A CN 202111354971 A CN202111354971 A CN 202111354971A CN 113808131 A CN113808131 A CN 113808131A
- Authority
- CN
- China
- Prior art keywords
- connector
- defect
- contour
- region
- obtaining
- 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
- G06T7/0004—Industrial image inspection
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06T7/13—Edge detection
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种连接器缺陷识别方法及系统及装置及介质,涉及智慧工业领域,包括:获得待检测连接器的第一图片;从所述第一图片中提取获得所述待检测连接器的壳体对应第一感兴趣区域;对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,对所述第一二值化图像进行轮廓检测,获得第一轮廓检测结果,基于所述第一轮廓检测结果计算获得轮廓周长和轮廓面积,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷,实现连接器脱落缺陷的自动检测。
Description
技术领域
本发明涉及智慧工业领域,具体地,涉及一种连接器缺陷识别方法及系统及装置及介质。
背景技术
在工业制造过程中,连接器因其工艺波动、机台差异等因素导致产品制备过程中产生各种各样的缺陷,如脱落缺陷,脱落缺陷是指连接器的壳体部分脱落,导致原本应该在壳体内部的金属暴露在外面,现有技术进行脱落缺陷检测需耗费大量人工识别产品缺陷,既增加人力成本又无法实现流水线高速自动检测。目前大量企业使用人工检测的方法,进行连接器缺陷识别,无法实现自动化检测,已成为生产流水线高速自动检测的痛点。
发明内容
为了实现连接器脱落缺陷的自动检测,本发明提供了一种连接器缺陷识别方法,所述方法包括:
获得待检测连接器的第一图片;
从所述第一图片中提取获得所述待检测连接器的壳体对应第一感兴趣区域;
对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,对所述第一二值化图像进行轮廓检测,获得第一轮廓检测结果,基于所述第一轮廓检测结果计算获得轮廓周长和轮廓面积,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷。
其中,本方法中连接器脱落缺陷自动检测的原理为:本方法首先对待检测连接器进行拍照获得图片,因为脱落缺陷是指连接器的壳体脱落,而第一图片中包括了很多对脱落检测的无用信息,因此需要对从图片中提取获得待检测连接器的壳体对应第一感兴趣区域,然后对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,阈值分割处理的目的是将脱落区域与非脱落区域进行区分,便于将脱落区域提取出来,然后对所述第一二值化图像(即脱落区域)进行轮廓检测,获得第一轮廓检测结果,通常的连接器都存在脱落问题,我们认为只有脱落情形超过设定时才算缺陷,即脱落的面积和周长超过阈值时,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷。通过上述方法实现了从拍摄连接器图片到自动识别连接器脱落缺陷,替代了传统的人工识别,减少了人力成本,实现了自动化检测。
其中,连接器在加工过程中还存在脱柱缺陷,脱柱缺陷是指连接器外壳顶部的顶柱脱落,本方法还能够实现脱柱缺陷的自动检测,所述方法还包括:
从所述第一图片中提取获得所述待检测连接器整体对应的第二感兴趣区域;
对所述第二感兴趣区域进行阈值分割处理得到第二二值化图像,基于所述第二二值化图像获得第一目标图像,对所述第一目标图像进行几何校正处理,获得第二目标图像,基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,其中,所述第一最小外接矩形的左上角顶点、右上角顶点、左下角和右下角顶点分别为g点、d点、m点和k点;
所述第二目标图像与dk边相交点为f点,计算连线gf与gd边之间的第一夹角,若所述第一夹角小于夹角阈值,则判断所述待检测连接器的顶柱具有脱柱缺陷。
其中,本方法中脱柱缺陷的自动检测原理为:第一图片中包括了很多对脱柱缺陷检测的无用信息,因此需要对从图片中提取获得待检测连接器的整体对应第二感兴趣区域,对所述第二感兴趣区域进行阈值分割处理得到第二二值化图像,即获得连接器的整体图像,基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,因为第一最小外接矩形间接反映了连接器的整体尺寸和形状关系,而连接器的顶柱对第一最小外外界矩形的尺寸具有影响,因此可以通过第一最小外接矩形的相关信息来间接判断连接器的顶柱是否脱落,通常连接器顶柱所在一侧为连接器的右端点,右端点与dk边相交点为f点,计算连线gf与gd边之间的第一夹角则可以判断待检测连接器的顶柱是否具有脱柱缺陷,连接器的顶柱决定了第一最小外接矩形的宽度,若连接器具有顶柱则第一最小外接矩形的宽度较大,即第一夹角属于正常范围,若连接器的顶柱脱落则第一最小外接矩形的宽度变小,即第一夹角将会变小,因此,若所述第一夹角小于夹角阈值,则判断所述待检测连接器的顶柱具有脱柱缺陷。
本方法通过上述方式实现了连接器脱柱缺陷的自动检测,通过上述方法实现了从拍摄连接器图片到自动识别连接器脱柱缺陷,替代了传统的人工识别,减少了人力成本,实现了自动化检测。
其中,连接器在加工过程中还存在pin针缺失缺陷,pin针缺失缺陷是指pin针缺失或者pin针弯曲等,本方法还能够实现pin针缺失缺陷的自动检测,所述方法还包括:
在dk边上取点h,以gk边为长hk边为宽获得pin针矩形区域;对所述pin针矩形区域进行轮廓检测,获得第二轮廓检测结果,基于所述第二轮廓检测结果获得pin针检测数目,基于所述pin针检测数目判断所述待检测连接器的pin针是否有缺失缺陷。
其中,本方法中pin针缺失缺陷的检测原理为:首先找到pin针在图片中的区域,即pin针矩形区域,然后对pin针矩形区域进行轮廓检测,轮廓检测的目的是通过轮廓检测结果获得pin针的数目,因为正常的pin针的轮廓是一条一条有间隔的均匀分布的,通过这些间隔轮廓可以数出pin针的数目,若pin针存在弯曲则其轮廓就不标准,可以从轮廓检测结果中直接判断出来,若pin针检测数目小于标准数目,则判断待检测连接器的pin针具有缺失缺陷。
本方法通过上述方式实现了连接器pin针缺失缺陷的自动检测,通过上述方法实现了从拍摄连接器图片到自动识别连接器pin针缺失缺陷,替代了传统的人工识别,减少了人力成本,实现了自动化检测。
优选的,本方法使用最大类间方差法进行阈值分割处理。其中,使用最大类间方差法进行阈值分割处理计算简单,不受图像亮度和对比度的影响。
优选的,本方法中的所述第一感兴趣区域的获得方式为:对所述第一感兴趣区域进行裁剪获得所述第一感兴趣区域。通过裁剪图像可以获得需要的区域,即连接器壳体对应的区域。
优选的,本方法中的所述第二感兴趣区域的获得方式为:对所述第一图片进行滤波处理,获得所述第二感兴趣区域。
优选的,本方法使用cv2.findContours函数进行轮廓检测。
优选的,本方法使用cv2.arcLength函数计算轮廓周长。
优选的,本方法使用cv2.boundingRect函数计算轮廓面积。
优选的,本方法中对所述第一目标图像进行几何校正处理过程包括:
获得所述第一目标图像中每个像素的像素值;
将像素值大于像素值阈值的像素点保留获得第一像素点集合;
获得所述第一像素点集合的第二最小外接矩形;
其中,进行几何校正可以将第一目标图像校正与X轴平行,便于后续获得外接矩形后进行相应的角度计算来判断是否存在相应的缺陷。
优选的,本方法中所述基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,具体包括:
获得所述第二目标图像中每个像素的像素值;
将像素值大于像素值阈值的像素点保留获得第二像素点集合;
基于所述第二像素点集合的最小外接矩形获得所述第一最小外接矩形。
本发明还提供了一种连接器缺陷识别系统,所述系统包括:
图片获得单元,用于获得待检测连接器的第一图片;
第一感兴趣区域获得单元,用于从所述第一图片中提取获得所述待检测连接器的壳体对应第一感兴趣区域;
脱落缺陷检测单元,用于对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,对所述第一二值化图像进行轮廓检测,获得第一轮廓检测结果,基于所述第一轮廓检测结果计算获得轮廓周长和轮廓面积,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷。
其中,所述系统还包括:
第二第二感兴趣区域获得单元,用于从所述第一图片中提取获得所述待检测连接器整体对应的第二感兴趣区域;
第二感兴趣区域处理单元,用于对所述第二感兴趣区域进行阈值分割处理得到第二二值化图像,基于所述第二二值化图像获得第一目标图像,对所述第一目标图像进行几何校正处理,获得第二目标图像,基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,其中,所述第一最小外接矩形的左上角顶点、右上角顶点、左下角和右下角顶点分别为g点、d点、m点和k点;
脱柱缺陷检测单元,用于所述第二目标图像与dk边相交点为f点,计算连线gf与gd边之间的第一夹角,若所述第一夹角小于夹角阈值,则判断所述待检测连接器的顶柱具有脱柱缺陷。
其中,所述系统还包括:
pin针缺失缺检测单元,用于在dk边上取点h,以gk边为长hk边为宽获得矩形pin针区域;对所述矩形pin针区域进行轮廓检测,获得第二轮廓检测结果,基于所述第二轮廓检测结果获得pin针检测数目,基于所述pin针检测数目判断所述待检测连接器的pin针是否有缺失缺陷。
本发明还提供了一种连接器缺陷识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述连接器缺陷识别方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述连接器缺陷识别方法的步骤。
本发明提供的一个或多个技术方案,至少具有如下技术效果或优点:
本方法通过上述方式实现了连接器缺陷的自动检测,通过上述方法实现了从拍摄连接器图片到自动识别连接器缺陷,替代了传统的人工识别,减少了人力成本,实现了自动化检测。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本发明的一部分,并不构成对本发明实施例的限定;
图1为连接器缺陷识别方法的流程示意图;
图2为正常连接器的结构示意图;
图3为具有脱落缺陷的连接器的结构示意图;
图4为具有脱柱缺陷的连接器的结构示意图;
图5为几何校正示意图;
图6为第一最小外接矩形示意图;
图7为矩形pin针区域示意图;
图8为具有pin针缺失缺陷的连接器的结构示意图;
图9为具有pin针弯曲缺陷的连接器的结构示意图;
图10为连接器缺陷识别系组成示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在相互不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述范围内的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
实施例一
请参考图1-图3,图1为连接器缺陷识别方法的流程示意图,图2为正常连接器的结构示意图,其中,1为连接器壳体,2为pin针,3为顶柱,图3为具有脱落缺陷的连接器的结构示意图,其中,4和5均为脱落缺陷区域,本发明实施例一提供了一种连接器缺陷识别方法,所述方法包括:
获得待检测连接器的第一图片;
从所述第一图片中提取获得所述待检测连接器的壳体对应第一感兴趣区域;
对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,对所述第一二值化图像进行轮廓检测,获得第一轮廓检测结果,基于所述第一轮廓检测结果计算获得轮廓周长和轮廓面积,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷。
其中,连接器在加工过程中还存在脱柱缺陷,请参考图4,图4为具有脱柱缺陷的连接器的结构示意图,图5为几何校正示意图,图6为第一最小外接矩形示意图,脱柱缺陷是指连接器外壳顶部的顶柱脱落,本方法还能够实现脱柱缺陷的自动检测,所述方法还包括:
从所述第一图片中提取获得所述待检测连接器整体对应的第二感兴趣区域;
对所述第二感兴趣区域进行阈值分割处理得到第二二值化图像,基于所述第二二值化图像获得第一目标图像,对所述第一目标图像进行几何校正处理,获得第二目标图像,基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,其中,所述第一最小外接矩形的左上角顶点、右上角顶点、左下角和右下角顶点分别为g点、d点、m点和k点;
所述第二目标图像与dk边相交点为f点,计算连线gf与gd边之间的第一夹角,若所述第一夹角小于夹角阈值,则判断所述待检测连接器的顶柱具有脱柱缺陷。
其中,连接器在加工过程中还存在pin针缺失缺陷,请参考图7-图8,图7为矩形pin针区域示意图,图8为具有pin针缺失缺陷的连接器的结构示意图,图9为具有pin针弯曲缺陷的连接器的结构示意图,pin针缺失缺陷是指pin针缺失或者pin针弯曲等,无论弯曲还是缺失都会导致检测到的轮廓异常,因此,通过轮廓检测可以检测出相应的缺陷,本方法还能够实现pin针缺失缺陷的自动检测,所述方法还包括:
在dk边上取点h,以gk边为长hk边为宽获得pin针矩形区域;对所述pin针矩形区域进行轮廓检测,获得第二轮廓检测结果,基于所述第二轮廓检测结果获得pin针检测数目,基于所述pin针检测数目判断所述待检测连接器的pin针是否有缺失缺陷。
其中,本方法的具体实施方式包括:
获得检测缺陷的图片,其中,可以是通过相机或摄像机或其他方式获得,本实施例对图片的获得方式不进行限定。
采用OTSU(最大类间方差法)方法,将提取感兴趣区域进行阈值分割,包括:
将经过裁剪得到脱落缺陷检测的感兴趣区域,再将通过自动OTSU阈值分割方法,得到二值化(像素为0与255)图像,如第一二值化图像。
经过滤波(如高斯滤波和中值滤波)后,经过自动OTSU阈值分割方法,得到二值化(像素为0与255)图像,如第二二值化图像。
其中,OTSU是一种确定图像二值化分割阈值的算法,又称作最大类间方差法,因为按照大津法求得的阈值进行图像二值化分割后,前景与背景图像的类间方差最大。计算简单,不受图像亮度和对比度的影响。它是按图像的灰度特性,将图像分成背景和前景两部分。因方差是灰度分布均匀性的一种度量,背景和前景之间的类间方差越大,说明构成图像的两部分的差别越大,当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
其中,在本实施例中,本方法包括轮廓检测与轮廓面积、周长、外接坐标点计算,其中轮廓检测使用cv2.findContours函数轮廓线,轮廓的周长使用cv2.arcLength函数可得到轮廓线长度,轮廓面积使用cv2.boundingRect函数可得到轮廓区域面积。
脱落检测:
设定脱落面积与周长阈值,若检测周长与面积同时大于设定周长与面积阈值,则为脱落缺陷,以此类推,可确定所有脱落缺陷。
几何校正:将其感兴趣区域尽量平行X轴,其计算步骤如下:
关键点求解,根据校正后的图,沿着dk边可得关键点f,最终得到关键点g、d、f。
pin针检测,沿着kd边向上取点h,可得到pin针矩形区域,利用该区域检测pin针缺陷,其计算步骤如下:
hk求解,hk采用以下公式求解。
缺陷判断,使用轮廓检测,即可得到矩形pin针区域的pin针的个数,可通过数量判断是否有pin针缺失。
实施例二
请参考图10,图10为连接器缺陷识别系组成示意图,本发明实施例二提供了一种连接器缺陷识别系统,所述系统包括:
图片获得单元,用于获得待检测连接器的第一图片;
第一感兴趣区域获得单元,用于从所述第一图片中提取获得所述待检测连接器的壳体对应第一感兴趣区域;
脱落缺陷检测单元,用于对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,对所述第一二值化图像进行轮廓检测,获得第一轮廓检测结果,基于所述第一轮廓检测结果计算获得轮廓周长和轮廓面积,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷。
其中,所述系统还包括:
第二第二感兴趣区域获得单元,用于从所述第一图片中提取获得所述待检测连接器整体对应的第二感兴趣区域;
第二感兴趣区域处理单元,用于对所述第二感兴趣区域进行阈值分割处理得到第二二值化图像,基于所述第二二值化图像获得第一目标图像,对所述第一目标图像进行几何校正处理,获得第二目标图像,基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,其中,所述第一最小外接矩形的左上角顶点、右上角顶点、左下角和右下角顶点分别为g点、d点、m点和k点;
脱柱缺陷检测单元,用于所述第二目标图像与dk边相交点为f点,计算连线gf与gd边之间的第一夹角,若所述第一夹角小于夹角阈值,则判断所述待检测连接器的顶柱具有脱柱缺陷。
其中,所述系统还包括:
pin针缺失缺检测单元,用于在dk边上取点h,以gk边为长hk边为宽获得pin针矩形区域;对所述pin针矩形区域进行轮廓检测,获得第二轮廓检测结果,基于所述第二轮廓检测结果获得pin针检测数目,基于所述pin针检测数目判断所述待检测连接器的pin针是否有缺失缺陷。
实施例三
本发明实施例三提供了一种连接器缺陷识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述连接器缺陷识别方法的步骤。
实施例四
本发明实施例四提供了了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述连接器缺陷识别方法的步骤。
其中,所述处理器可以是中央处理器(CPU,Central Processing Unit),还可以是其他通用处理器、数字信号处理器(digital signal processor)、专用集成电路(Application Specific Integrated Circuit)、现成可编程门阵列(Fieldprogrammablegate array)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的数据,实现发明中连接器缺陷识别装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等。此外,存储器可以包括高速随机存取存储器、还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡,安全数字卡,闪存卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述连接器缺陷识别装置如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序可存储于一计算机可读存介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码、对象代码形式、可执行文件或某些中间形式等。所述计算机可读取介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存储器、点载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
本发明已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (17)
1.一种连接器缺陷识别方法,其特征在于,所述方法包括:
获得待检测连接器的第一图片;
从所述第一图片中提取获得所述待检测连接器的壳体对应第一感兴趣区域;
对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,对所述第一二值化图像进行轮廓检测,获得第一轮廓检测结果,基于所述第一轮廓检测结果计算获得轮廓周长和轮廓面积,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷。
2.根据权利要求1所述的连接器缺陷识别方法,其特征在于,所述方法还包括:
从所述第一图片中提取获得所述待检测连接器整体对应的第二感兴趣区域;
对所述第二感兴趣区域进行阈值分割处理得到第二二值化图像,基于所述第二二值化图像获得第一目标图像,对所述第一目标图像进行几何校正处理,获得第二目标图像,基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,其中,所述第一最小外接矩形的左上角顶点、右上角顶点、左下角和右下角顶点分别为g点、d点、m点和k点;
所述第二目标图像与dk边相交点为f点,计算连线gf与gd边之间的第一夹角,若所述第一夹角小于夹角阈值,则判断所述待检测连接器的顶柱具有脱柱缺陷。
3.根据权利要求2所述的连接器缺陷识别方法,其特征在于,所述方法还包括:
在dk边上取点h,以gk边为长hk边为宽获得pin针矩形区域;对所述pin针矩形区域进行轮廓检测,获得第二轮廓检测结果,基于所述第二轮廓检测结果获得pin针检测数目,基于所述pin针检测数目判断所述待检测连接器的pin针是否有缺失缺陷。
4.根据权利要求1所述的连接器缺陷识别方法,其特征在于,本方法使用最大类间方差法进行阈值分割处理。
5.根据权利要求1所述的连接器缺陷识别方法,其特征在于,本方法中的所述第一感兴趣区域的获得方式为:对所述第一感兴趣区域进行裁剪获得所述第一感兴趣区域。
6.根据权利要求2所述的连接器缺陷识别方法,其特征在于,本方法中的所述第二感兴趣区域的获得方式为:对所述第一图片进行滤波处理,获得所述第二感兴趣区域。
7.根据权利要求1所述的连接器缺陷识别方法,其特征在于,本方法使用cv2.findContours函数进行轮廓检测。
8.根据权利要求1所述的连接器缺陷识别方法,其特征在于,本方法使用cv2.arcLength函数计算轮廓周长。
9.根据权利要求1所述的连接器缺陷识别方法,其特征在于,本方法使用cv2.boundingRect函数计算轮廓面积。
11.根据权利要求2所述的连接器缺陷识别方法,其特征在于,所述基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,具体包括:
获得所述第二目标图像中每个像素的像素值;
将像素值大于像素值阈值的像素点保留获得第二像素点集合;
基于所述第二像素点集合的最小外接矩形获得所述第一最小外接矩形。
13.一种连接器缺陷识别系统,其特征在于,所述系统包括:
图片获得单元,用于获得待检测连接器的第一图片;
第一感兴趣区域获得单元,用于从所述第一图片中提取获得所述待检测连接器的壳体对应第一感兴趣区域;
脱落缺陷检测单元,用于对所述第一感兴趣区域进行阈值分割处理得到第一二值化图像,对所述第一二值化图像进行轮廓检测,获得第一轮廓检测结果,基于所述第一轮廓检测结果计算获得轮廓周长和轮廓面积,若所述轮廓周长大于周长阈值且所述轮廓面积大于面积阈值,则判断所述待检测连接器的壳体具有脱落缺陷。
14.根据权利要求13所述的连接器缺陷识别系统,其特征在于,所述系统还包括:
第二第二感兴趣区域获得单元,用于从所述第一图片中提取获得所述待检测连接器整体对应的第二感兴趣区域;
第二感兴趣区域处理单元,用于对所述第二感兴趣区域进行阈值分割处理得到第二二值化图像,基于所述第二二值化图像获得第一目标图像,对所述第一目标图像进行几何校正处理,获得第二目标图像,基于所述第二目标图像获得所述第二目标图像的第一最小外接矩形,其中,所述第一最小外接矩形的左上角顶点、右上角顶点、左下角和右下角顶点分别为g点、d点、m点和k点;
脱柱缺陷检测单元,用于所述第二目标图像与所述dk边相交点为f点,计算连线gf与gd边之间的第一夹角,若所述第一夹角小于夹角阈值,则判断所述待检测连接器的顶柱具有脱柱缺陷。
15.根据权利要求13所述的连接器缺陷识别系统,其特征在于,所述系统还包括:
pin针缺失缺检测单元,用于在dk边上取点h,以gk边为长hk边为宽获得pin针矩形区域;对所述pin针矩形区域进行轮廓检测,获得第二轮廓检测结果,基于所述第二轮廓检测结果获得pin针检测数目,基于所述pin针检测数目判断所述待检测连接器的pin针是否有缺失缺陷。
16.一种连接器缺陷识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述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1-12中任意一个所述连接器缺陷识别方法的步骤。
17.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-12中任意一个所述连接器缺陷识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111354971.2A CN113808131B (zh) | 2021-11-16 | 2021-11-16 | 一种连接器缺陷识别方法及系统及装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111354971.2A CN113808131B (zh) | 2021-11-16 | 2021-11-16 | 一种连接器缺陷识别方法及系统及装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113808131A true CN113808131A (zh) | 2021-12-17 |
CN113808131B CN113808131B (zh) | 2022-01-25 |
Family
ID=78898699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111354971.2A Active CN113808131B (zh) | 2021-11-16 | 2021-11-16 | 一种连接器缺陷识别方法及系统及装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808131B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116416181A (zh) * | 2021-12-29 | 2023-07-11 | 广州镭晨智能装备科技有限公司 | 一种插针缺陷的检测方法、检测设备和存储介质 |
CN116664570A (zh) * | 2023-07-31 | 2023-08-29 | 深圳市鹏基精密工业有限公司 | 基于工业视觉的扁形连接器生产缺陷检测方法 |
CN116823924A (zh) * | 2023-08-24 | 2023-09-29 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
CN117036735A (zh) * | 2023-10-08 | 2023-11-10 | 超创数能科技有限公司 | 一种基于气孔识别的瓷质产品的性能检测方法及装置 |
CN116416181B (zh) * | 2021-12-29 | 2024-05-31 | 广州镭晨智能装备科技有限公司 | 一种插针缺陷的检测方法、检测设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050146714A1 (en) * | 1999-08-26 | 2005-07-07 | Tadashi Kitamura | Pattern inspection apparatus and method |
CN104677782A (zh) * | 2015-02-13 | 2015-06-03 | 江苏大学 | 一种电连接器壳体机器视觉在线检测系统及方法 |
CN105761271A (zh) * | 2016-03-16 | 2016-07-13 | 武汉大学 | 核安全壳表面缺陷自动检测方法及系统 |
US20160343151A1 (en) * | 2014-02-06 | 2016-11-24 | Yuyama Mfg. Co., Ltd. | Medicine photographing apparatus, medicine shape measuring apparatus and medicine dispensing apparatus |
CN110490865A (zh) * | 2019-08-22 | 2019-11-22 | 易思维(杭州)科技有限公司 | 基于螺柱高反光特性的螺柱点云分割方法 |
CN111652300A (zh) * | 2020-05-27 | 2020-09-11 | 联影智能医疗科技(北京)有限公司 | 脊柱曲度分类方法、计算机设备和存储介质 |
CN212557857U (zh) * | 2020-05-22 | 2021-02-19 | 中建材信息技术股份有限公司 | 一种基于sap的仓储物流扩展系统 |
CN113537167A (zh) * | 2021-09-15 | 2021-10-22 | 成都数联云算科技有限公司 | 一种车辆外观识别方法及系统及装置及介质 |
CN113610772A (zh) * | 2021-07-16 | 2021-11-05 | 广州大学 | 易拉罐瓶底喷码缺陷检测方法、系统、装置及存储介质 |
-
2021
- 2021-11-16 CN CN202111354971.2A patent/CN113808131B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050146714A1 (en) * | 1999-08-26 | 2005-07-07 | Tadashi Kitamura | Pattern inspection apparatus and method |
US20160343151A1 (en) * | 2014-02-06 | 2016-11-24 | Yuyama Mfg. Co., Ltd. | Medicine photographing apparatus, medicine shape measuring apparatus and medicine dispensing apparatus |
CN104677782A (zh) * | 2015-02-13 | 2015-06-03 | 江苏大学 | 一种电连接器壳体机器视觉在线检测系统及方法 |
CN105761271A (zh) * | 2016-03-16 | 2016-07-13 | 武汉大学 | 核安全壳表面缺陷自动检测方法及系统 |
CN110490865A (zh) * | 2019-08-22 | 2019-11-22 | 易思维(杭州)科技有限公司 | 基于螺柱高反光特性的螺柱点云分割方法 |
CN212557857U (zh) * | 2020-05-22 | 2021-02-19 | 中建材信息技术股份有限公司 | 一种基于sap的仓储物流扩展系统 |
CN111652300A (zh) * | 2020-05-27 | 2020-09-11 | 联影智能医疗科技(北京)有限公司 | 脊柱曲度分类方法、计算机设备和存储介质 |
CN113610772A (zh) * | 2021-07-16 | 2021-11-05 | 广州大学 | 易拉罐瓶底喷码缺陷检测方法、系统、装置及存储介质 |
CN113537167A (zh) * | 2021-09-15 | 2021-10-22 | 成都数联云算科技有限公司 | 一种车辆外观识别方法及系统及装置及介质 |
Non-Patent Citations (5)
Title |
---|
CUI YONG JIE等: "Automatic detection for external features of grafting seedings based on machine vision", 《TRANSACTIONS OF THE CHINESE SOCIETY FOR AGRICULTURAL MACHINERY》 * |
Y HAN等: "Computer vision-based automatic rod-insulator defect detection in high-speed railway catenary system", 《INTERNATIONAL JORUNAL OF ADVANCED ROBOTIC SYSTEMS》 * |
张相胜等: "基于机器视觉的汽车线束压接缺陷检测系统", 《仪表技术与传感器》 * |
李晨: "基于机器视觉的不同属性表面中微弱缺陷的检测技术研究", 《中国优秀硕博士学位论文全文数据库(博士)信息科技辑》 * |
陈栋梁等: "基于零件轮廓形心与最小外接矩形的图像配准方法", 《制造业自动化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116416181A (zh) * | 2021-12-29 | 2023-07-11 | 广州镭晨智能装备科技有限公司 | 一种插针缺陷的检测方法、检测设备和存储介质 |
CN116416181B (zh) * | 2021-12-29 | 2024-05-31 | 广州镭晨智能装备科技有限公司 | 一种插针缺陷的检测方法、检测设备和存储介质 |
CN116664570A (zh) * | 2023-07-31 | 2023-08-29 | 深圳市鹏基精密工业有限公司 | 基于工业视觉的扁形连接器生产缺陷检测方法 |
CN116664570B (zh) * | 2023-07-31 | 2023-11-14 | 深圳市鹏基精密工业有限公司 | 基于工业视觉的扁形连接器生产缺陷检测方法 |
CN116823924A (zh) * | 2023-08-24 | 2023-09-29 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
CN116823924B (zh) * | 2023-08-24 | 2023-12-12 | 杭州百子尖科技股份有限公司 | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 |
CN117036735A (zh) * | 2023-10-08 | 2023-11-10 | 超创数能科技有限公司 | 一种基于气孔识别的瓷质产品的性能检测方法及装置 |
CN117036735B (zh) * | 2023-10-08 | 2024-01-30 | 超创数能科技有限公司 | 一种基于气孔识别的瓷质产品的性能检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113808131B (zh) | 2022-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113808131B (zh) | 一种连接器缺陷识别方法及系统及装置及介质 | |
CN110992326B (zh) | 一种qfn芯片引脚图像快速倾斜校正方法 | |
US9679354B2 (en) | Duplicate check image resolution | |
CN111882520B (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN112330598B (zh) | 一种化纤表面僵丝缺陷检测的方法、装置及存储介质 | |
CN113469921B (zh) | 图像缺陷修复方法、系统、计算机设备及存储介质 | |
CN115272199A (zh) | 一种pcb载板缺陷检测方法、系统、电子设备及介质 | |
CN113298769B (zh) | Fpc软排线外观缺陷检测方法、系统和介质 | |
CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
CN113177899A (zh) | 医药影印件文本倾斜矫正方法、电子设备和可读储存介质 | |
JP2009123206A (ja) | 画像からテキストを抽出する方法及び装置 | |
CN110738604A (zh) | 基于Canny算子和Hough变换的大倾角证件图像矫正方法及系统 | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
WO2024016686A1 (zh) | 角点检测的方法和装置 | |
CN111553927B (zh) | 棋盘格角点检测方法、检测系统、计算机装置及存储介质 | |
CN111768345A (zh) | 身份证背面图像的校正方法、装置、设备及存储介质 | |
CN114627113B (zh) | 一种印制电路板缺陷检测方法及系统及装置及介质 | |
CN111768346A (zh) | 身份证背面图像的校正方法、装置、设备及存储介质 | |
CN111860687A (zh) | 一种图像识别方法、装置、电子设备和存储介质 | |
CN113378847B (zh) | 字符分割方法、系统、计算机设备和存储介质 | |
CN116385357A (zh) | 基于图像识别的试管状态判断方法、装置及系统 | |
CN114049380A (zh) | 目标物体定位追踪方法、装置、计算机设备和存储介质 | |
CN114627114B (zh) | 产品缺陷严重程度测量方法及系统及装置及介质 | |
CN112511725A (zh) | 一种内窥镜圈的自动识别方法、装置、存储介质及终端 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |