CN113870223A - 设备屏幕漏液检测方法及装置 - Google Patents
设备屏幕漏液检测方法及装置 Download PDFInfo
- Publication number
- CN113870223A CN113870223A CN202111143234.8A CN202111143234A CN113870223A CN 113870223 A CN113870223 A CN 113870223A CN 202111143234 A CN202111143234 A CN 202111143234A CN 113870223 A CN113870223 A CN 113870223A
- Authority
- CN
- China
- Prior art keywords
- screen
- contour
- outline
- equipment
- leakage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 239000007788 liquid Substances 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 abstract description 24
- 238000010586 diagram Methods 0.000 description 5
- 238000004064 recycling Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002699 waste material Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30121—CRT, LCD or plasma display
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种设备屏幕漏液检测方法及装置，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
Description
技术领域
本发明涉及电子产品技术领域，特别是涉及一种设备屏幕漏液检测方法及装置。
背景技术
随着电子产品技术的发展，各种智能设备层出不穷，例如智能手机、笔记本电脑和平板电脑等。目前，伴随着经济和技术的高速发展，智能设备的普及和更新换代速度也越来越快。以智能手机为例，5G时代的到来，加速了智能手机的换代。在智能设备进行迭代的过程中，有效回收是智能设备剩余价值的有效利用手段之一，可减少对环境的化学污染以及减少浪费。
在智能设备的回收过程中，智能设备的屏幕对智能设备的回收估价有较大影响。其中，屏幕漏液作为一种常见的屏幕损耗，会影响设备屏幕的观感和正常使用。因此，在回收过程中，通常需要对智能设备的屏幕是否漏液进行检测。目前检测设备屏幕漏液的方式是检测设备屏幕是否出现黑色的不规则区域。然而，部分智能设备例如智能手机，在设备屏幕上会有刘海或摄像头孔等区域，在图像识别中会被检测为黑色区域，且容易被识别为不规则区域即漏液区域，影响设备屏幕漏液的检测准确性。
发明内容
基于此，有必要针对智能设备屏幕中一些功能区域会被误识别为漏液区域，影响设备屏幕漏液的检测准确性这一不足，提供一种设备屏幕漏液检测方法及装置。
一种设备屏幕漏液检测方法，包括步骤：
获取智能设备的屏幕外观图像；
从屏幕外观图像识别出智能设备屏幕区域内的轮廓；
检测各轮廓是否为规则图形；
在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。
上述的设备屏幕漏液检测方法，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
在其中一个实施例中，在从屏幕外观图像识别出智能设备屏幕区域内的轮廓的过程之前，还包括步骤：
对屏幕外观图像进行图像预处理。
在其中一个实施例中，对屏幕外观图像进行图像预处理的过程，包括步骤：
对屏幕外观图像进行阈值二值化处理。
在其中一个实施例中，从屏幕外观图像识别出智能设备屏幕区域内的轮廓的过程，包括步骤：
通过图像轮廓查找算法，从屏幕外观图像识别出智能设备屏幕区域内的所有轮廓。
在其中一个实施例中，检测各轮廓是否为规则图形的过程，包括步骤：
获取轮廓中最大轮廓的宽和高，并获取除最大轮廓外各子轮廓的像素位置和大小；
根据子轮廓与最大轮廓的相对位置关系，检测各轮廓是否为规则图形。
在其中一个实施例中，根据子轮廓与最大轮廓的相对位置关系，检测各轮廓是否为规则图形的过程，包括步骤：
根据最大轮廓确定纵向方向；
检测子轮廓中各像素点在纵向方向的距离，若距离满足预设距离区间，则判定轮廓为规则图形。
在其中一个实施例中，检测各轮廓是否为规则图形的过程，包括步骤：
提取轮廓中的子轮廓；
在子轮廓基于任一对称轴轴对称时，判定轮廓为规则图形。
一种设备屏幕漏液检测装置，包括：
图像获取模块，用于获取智能设备的屏幕外观图像；
轮廓识别模块，用于从屏幕外观图像识别出智能设备屏幕区域内的轮廓；
轮廓检测模块，用于检测各轮廓是否为规则图形；
漏液判定模块，用于在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。
上述的设备屏幕漏液检测装置，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的设备屏幕漏液检测方法。
上述的计算机存储介质，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
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，处理器执行程序时实现上述任一实施例的设备屏幕漏液检测方法。
上述的计算机设备，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
附图说明
图1为一实施方式的设备屏幕漏液检测方法流程图；
图2为另一实施方式的设备屏幕漏液检测方法流程图；
图3为再一实施方式的设备屏幕漏液检测方法流程图；
图4为一实施方式的轮廓示意图；
图5为一实施方式的设备屏幕漏液检测装置模块结构图；
图6为一实施方式的计算机内部构造示意图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例提供了一种自助终端或回收机器。
其中，自助终端或回收机器包括回收舱室、操作界面以及摄像设备。用户可根据操作该自助终端或回收机器，完成自助回收。在回收过程中，摄像设备可拍摄放置于回收舱室的智能设备，完成外观检测等。其中，摄像设备会拍摄智能设备的多张照片，例如提示用户改变设备放置方式，拍摄采集正面、背面或设备处于使用状态的照片，得到外观采集图像。在本实施例中，通过正向摄像设备屏幕，得到包含设备屏幕区域在内的屏幕外观图像。
在其中一个实施例中，部分智能设备的屏幕不存在对漏液检测的干扰部分，因此进行回收过程中无需执行设备屏幕漏液检测方法的执行。基于此，在自助回收或回收机器设置有软件开关或硬件开关，在待回收的智能设备需要进行设备屏幕漏液检测时，通过开关加入这一步骤的执行。以此简化回收过程中的算法计算量。
基于此，本发明实施例提供了一种设备屏幕漏液检测方法。
在通过自助终端或回收机器对智能设备进行回收检测过程中，自助终端或回收机器可通过有线连接或无线连接的方式与智能设备建立数据连接，获取智能设备的相应数据或向智能设备传输相应数据。同时，自助终端或回收机器内设置有用于拍摄智能设备的摄像设备。摄像设备完成拍摄后获得包括屏幕外观图像的摄像数据。由自助终端或回收机器作为执行主体完成一实施方式的设备屏幕漏液检测方法的执行，或，将摄像数据传输至云端服务器，由云端服务器作为执行主体完成一实施方式的设备屏幕漏液检测方法的执行
图1为一实施方式的设备屏幕漏液检测方法流程图，如图1所示，一实施方式的设备屏幕漏液检测方法包括步骤S100至步骤S103：
S100，获取智能设备的屏幕外观图像；
S101，从屏幕外观图像识别出智能设备屏幕区域内的轮廓；
S102，检测各轮廓是否为规则图形；
S103，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。
通过拍摄智能设备，获得智能设备的外观图像。在其中一个实施例中，通过控制拍摄角度和拍摄范围，提高外观图像内屏幕区域的占比，降低屏幕外观图像的干扰信息。
获取智能设备在回收过程中，检测获取到的屏幕外观图像。其中，屏幕外观图像对正向拍摄智能设备屏幕获取到的图像，包括背景区域与设备屏幕区域。在其中一个实施例中，在获取智能设备的屏幕外观图像之前，将智能设备的屏幕显示颜色调整为单纯显示目标颜色，目标颜色包括黄色或白色，以便于后续的图像处理和轮廓区分识别。
在其中一个实施例中，图2为另一实施方式的设备屏幕漏液检测方法流程图，如图2所示，在步骤S101中从屏幕外观图像识别出智能设备屏幕区域内的轮廓的过程之前，还包括步骤S200：
S200，对屏幕外观图像进行图像预处理。
对屏幕外观图像进行图像预处理，以提高后续数据处理的参考价值，或降低后续数据处理的数据处理量。在其中一个实施例中，图像预处理的过程包括图像裁剪、图像增强或图像滤波处理。其中，图像裁剪用于裁剪掉屏幕外观图像中除设备屏幕区域外的背景区域，防止后续处理中，背景区域对轮廓识别的干扰。图像增强用于增强屏幕外观图像的细节，保证轮廓识别的连续性。图像滤波处理用于去除屏幕外观图像中的相关噪声，提高后续处理的精度。
作为一个较优的实施方式，图3为再一实施方式的设备屏幕漏液检测方法流程图，如图3所示，步骤S200中对屏幕外观图像进行图像预处理的过程，包括步骤S300：
S300，对屏幕外观图像进行阈值二值化处理。
对屏幕外观图像进行阈值二值化处理，将屏幕外观图像转换为二值图像，以便于后续的轮廓分割处理。其中，屏幕边框、漏液区域、设备区域(屏下摄像头、刘海)在二值图像中表征为黑色区域，而设备屏幕区域则表征为白色区域，以此进一步便于后续的轮廓识别区分。
作为一个较优的实施方式，通过opencv的cv2.threshold函数对屏幕外观图像进行阈值二值化处理。
在完成图像预处理后，将预处理过的屏幕外观图像进行轮廓识别，识别出屏幕外观图像内的各类型轮廓。图4为一实施方式的轮廓示意图，如图4所示，以智能设备为智能手机为例，智能手机内的轮廓包括屏幕边框轮廓、刘海区域轮廓和漏液区域轮廓。其中，屏幕边框轮廓为最大轮廓。而刘海区域轮廓和漏液区域轮廓小于屏幕边框轮廓，可作为子轮廓。
在其中一个实施例中，通过图像识别算法提取出屏幕外观图像中的各轮廓。作为一个较优的实施方式，如图2所示，步骤S101中从屏幕外观图像识别出智能设备屏幕区域内的轮廓的过程，包括步骤S201：
S201，通过图像轮廓查找算法，从屏幕外观图像识别出智能设备屏幕区域内的所有轮廓。
其中，图像轮廓查找算法广义上包括轮廓查找算法、轮廓识别算法和轮廓检测算法等。作为一个较优的实施方式，通过opencv的cv2.findContours函数查找智能设备屏幕区域内的所有轮廓。
在识别出屏幕区域内的所有轮廓后，如上述，包括屏幕边框轮廓、刘海区域轮廓或漏液区域轮廓等在内的各轮廓。通过各轮廓的确定，进一步对各轮廓进行图形识别，检测各轮廓是否为规则图形。在其中一个实施例中，规则图形包括对称图形。通过检测各轮廓是否为对称图形，以判定是否为规则图形。
需要注意的是，相关人员可以根据智能设备的不同产品更新，进行规则图形的界定，通过更新算法以更新对规则图形的认定标准，上述对称图形仅为一实施方式，不代表对规则图形的唯一限定。
在其中一个实施例中，如图2所示，步骤S102中检测各轮廓是否为规则图形的过程，包括步骤S202和步骤S203：
S202，获取轮廓中最大轮廓的宽和高，并获取除最大轮廓外各子轮廓的像素位置和大小；
S203，根据子轮廓与最大轮廓的相对位置关系，检测各轮廓是否为规则图形。
为更好地解释步骤S202和步骤S203，以下以opencv软件内的步骤S202和步骤S203的实现过程为例进行解释。需要注意的是，步骤S202和步骤S203的执行，opencv软件的实现方式不唯一，步骤如下Step1-4：
Step1：获取最大轮廓的宽cols高rows，获取子轮廓的像素位置及大小x，y，w，h；
Step2：设置高宽比范围区间[ratio1，ratio2]，使其轮廓尽量逼进子轮廓(长椭形刘海区域)的形状；
Step3：设置面积范围区间[area1，area2]，使其轮廓尽量逼进子轮廓(长椭形刘海区域)的面积；
Step4：假设设置轮廓在设备屏幕左边，设置轮廓最开始像素点(即左上角)在整个设备屏幕的最大横向距离x1；假设设置轮廓在设备屏幕右边，设置轮廓右上角的最小横向距离x2，不管设置轮廓在左边还是右边，都配置设置轮廓最开始像素点的最大纵向距离为Y，使其轮廓逼进子轮廓(长椭形刘海区域)的位置。
通过Step1-4，确定子轮廓的像素位置和大小，根据子轮廓与最大轮廓的相对位置关系，检测各轮廓是否为规则图形。其中，相对位置关系包括等比缩放、对称轴相同或子轮廓所在区域等。
在其中一个实施例中，如图3所示，步骤S203中根据子轮廓与最大轮廓的相对位置关系，检测各轮廓是否为规则图形的过程，包括步骤S301和步骤S302：
S301，根据最大轮廓确定纵向方向；
S302，检测中各像素点在纵向方向的距离，若距离满足预设距离区间，则判定轮廓为规则图形。
在步骤Step1-4确定子轮廓区域后，设置子轮廓存在对称规则时最开始像素点(即左上角)的最大纵向距离y1，左下角的最小纵向距离y2，对其进行判断，轮廓的y在[0，y1]或者y+h在[y2，rows]，那么则说明像素点是规则的，即子轮廓是规则图形。
在另一实施例中，如图2所示，步骤S102中检测各轮廓是否为规则图形的过程，还包括步骤S204和步骤S205：
S204，提取轮廓中的子轮廓；
S205，在子轮廓基于任一对称轴轴对称时，判定轮廓为规则图形。
通过图像识别算法，判断子轮廓是否可基于任一对称轴轴对称，以满足轴对称的子轮廓作为规则图形。
基于此，在步骤S103中，若各轮廓均为规则图形(最大轮廓默认为规则图形)时，判定设备屏幕无漏液，否则判定设备屏幕漏液。
上述任一实施例的设备屏幕漏液检测方法，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
本发明实施例还提供了一种设备屏幕漏液检测装置。
图5为一实施方式的设备屏幕漏液检测装置模块结构图，如图5所示，一实施方式的设备屏幕漏液检测装置包括图像获取模块100、轮廓识别模块101、轮廓检测模块102和漏液判定模块103：
图像获取模块100，用于获取智能设备的屏幕外观图像；
轮廓识别模块101，用于从屏幕外观图像识别出智能设备屏幕区域内的轮廓；
轮廓检测模块102，用于检测各轮廓是否为规则图形；
漏液判定模块103，用于在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。
上述的设备屏幕漏液检测装置，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的设备屏幕漏液检测方法。
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，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、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(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，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该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，其中，处理器执行程序时实现如上述各实施例中的任意一种设备屏幕漏液检测方法。
该计算机设备可以是终端，其内部结构图可以如图6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、网络接口、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。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种设备屏幕漏液检测方法。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。
上述的计算机设备，在获取到智能设备的屏幕外观图像后，从屏幕外观图像识别出智能设备屏幕区域内的轮廓，并检测各轮廓是否为规则图形，在各轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。根据智能设备的屏幕显示特性，轮廓对应设备屏幕中的各类型区域。基于此，通过各轮廓是否为规则图形的判定，将疑似漏液的区域均进行识别处理，通过轮廓是否为规则图形，区分漏液的不规则，以此排除漏液区域的误识别，提高设备屏幕漏液检测准确率，以便于回收过程的自动化检测处理。
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。
以上实施例仅表达了本发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种设备屏幕漏液检测方法，其特征在于，包括步骤：
获取智能设备的屏幕外观图像；
从所述屏幕外观图像识别出所述智能设备屏幕区域内的轮廓；
检测各所述轮廓是否为规则图形；
在各所述轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。
2.根据权利要求1所述的设备屏幕漏液检测方法，其特征在于，在所述从所述屏幕外观图像识别出所述智能设备屏幕区域内的轮廓的过程之前，还包括步骤：
对所述屏幕外观图像进行图像预处理。
3.根据权利要求2所述的设备屏幕漏液检测方法，其特征在于，所述对所述屏幕外观图像进行图像预处理的过程，包括步骤：
对所述屏幕外观图像进行阈值二值化处理。
4.根据权利要求1所述的设备屏幕漏液检测方法，其特征在于，所述从所述屏幕外观图像识别出所述智能设备屏幕区域内的轮廓的过程，包括步骤：
通过图像轮廓查找算法，从所述屏幕外观图像识别出所述智能设备屏幕区域内的所有轮廓。
5.根据权利要求1所述的设备屏幕漏液检测方法，其特征在于，所述检测各所述轮廓是否为规则图形的过程，包括步骤：
获取所述轮廓中最大轮廓的宽和高，并获取除所述最大轮廓外各子轮廓的像素位置和大小；
根据所述子轮廓与所述最大轮廓的相对位置关系，检测各所述轮廓是否为规则图形。
6.根据权利要求5所述的设备屏幕漏液检测方法，其特征在于，所述根据所述子轮廓与所述最大轮廓的相对位置关系，检测各所述轮廓是否为规则图形的过程，包括步骤：
根据所述最大轮廓确定纵向方向；
检测所述子轮廓中各像素点在所述纵向方向的距离，若所述距离满足预设距离区间，则判定所述轮廓为规则图形。
7.根据权利要求1所述的设备屏幕漏液检测方法，其特征在于，所述检测各所述轮廓是否为规则图形的过程，包括步骤：
提取所述轮廓中的子轮廓；
在所述子轮廓基于任一对称轴轴对称时，判定所述轮廓为规则图形。
8.一种设备屏幕漏液检测装置，其特征在于，包括：
图像获取模块，用于获取智能设备的屏幕外观图像；
轮廓识别模块，用于从所述屏幕外观图像识别出所述智能设备屏幕区域内的轮廓；
轮廓检测模块，用于检测各所述轮廓是否为规则图形；
漏液判定模块，用于在各所述轮廓均为规则图形时，判定设备屏幕无漏液，否则判定设备屏幕漏液。
9.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1至7任意一项所述的设备屏幕漏液检测方法。
10.一种计算机设备，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，所述处理器执行程序时实现如权利要求1至7任意一项所述的设备屏幕漏液检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111143234.8A CN113870223A (zh) | 2021-09-28 | 2021-09-28 | 设备屏幕漏液检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111143234.8A CN113870223A (zh) | 2021-09-28 | 2021-09-28 | 设备屏幕漏液检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113870223A true CN113870223A (zh) | 2021-12-31 |
Family
ID=78992038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111143234.8A Pending CN113870223A (zh) | 2021-09-28 | 2021-09-28 | 设备屏幕漏液检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113870223A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11989701B2 (en) | 2014-10-03 | 2024-05-21 | Ecoatm, Llc | System for electrically testing mobile devices at a consumer-operated kiosk, and associated devices and methods |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004294202A (ja) * | 2003-03-26 | 2004-10-21 | Seiko Epson Corp | 画面の欠陥検出方法及び装置 |
| CN103792699A (zh) * | 2013-09-09 | 2014-05-14 | 中华人民共和国四川出入境检验检疫局 | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 |
| CN105301810A (zh) * | 2015-11-24 | 2016-02-03 | 上海斐讯数据通信技术有限公司 | 一种屏幕缺陷检测方法及装置 |
| US20200240927A1 (en) * | 2019-01-29 | 2020-07-30 | Beijing Boe Optoelectronics Technology Co., Ltd. | Dirt detection on screen |
| CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
| CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
| CN111612781A (zh) * | 2020-05-27 | 2020-09-01 | 歌尔股份有限公司 | 一种屏幕缺陷检测方法、装置及头戴显示设备 |
-
2021
- 2021-09-28 CN CN202111143234.8A patent/CN113870223A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004294202A (ja) * | 2003-03-26 | 2004-10-21 | Seiko Epson Corp | 画面の欠陥検出方法及び装置 |
| CN103792699A (zh) * | 2013-09-09 | 2014-05-14 | 中华人民共和国四川出入境检验检疫局 | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 |
| CN105301810A (zh) * | 2015-11-24 | 2016-02-03 | 上海斐讯数据通信技术有限公司 | 一种屏幕缺陷检测方法及装置 |
| US20200240927A1 (en) * | 2019-01-29 | 2020-07-30 | Beijing Boe Optoelectronics Technology Co., Ltd. | Dirt detection on screen |
| CN111474177A (zh) * | 2020-05-06 | 2020-07-31 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕背光异物缺陷检测方法 |
| CN111563889A (zh) * | 2020-05-06 | 2020-08-21 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
| CN111612781A (zh) * | 2020-05-27 | 2020-09-01 | 歌尔股份有限公司 | 一种屏幕缺陷检测方法、装置及头戴显示设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11989701B2 (en) | 2014-10-03 | 2024-05-21 | Ecoatm, Llc | System for electrically testing mobile devices at a consumer-operated kiosk, and associated devices and methods |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110427905B (zh) | 行人跟踪方法、装置以及终端 | |
| CN110414507B (zh) | 车牌识别方法、装置、计算机设备和存储介质 | |
| CN110046529B (zh) | 二维码识别方法、装置及设备 | |
| CN108960163B (zh) | 手势识别方法、装置、设备和存储介质 | |
| CN111178245A (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
| CN103065134A (zh) | 一种具有提示信息的指纹识别装置和方法 | |
| CN110838126A (zh) | 细胞图像分割方法、装置、计算机设备和存储介质 | |
| CN113034530B (zh) | 手机摆放检测方法及装置 | |
| US10922535B2 (en) | Method and device for identifying wrist, method for identifying gesture, electronic equipment and computer-readable storage medium | |
| CN109447117B (zh) | 双层车牌识别方法、装置、计算机设备及存储介质 | |
| CN113298078A (zh) | 设备屏幕碎裂检测模型训练方法及设备屏幕碎裂检测方法 | |
| CN110516559B (zh) | 适用于精准监控的目标跟踪方法及装置、计算机设备 | |
| CN110502977B (zh) | 一种建筑物变化分类检测方法、系统、装置及存储介质 | |
| CN111898610A (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
| CN109375833B (zh) | 一种触控指令的生成方法及设备 | |
| CN113034514A (zh) | 天空区域分割方法、装置、计算机设备和存储介质 | |
| CN111951283A (zh) | 一种基于深度学习的医学图像识别方法及系统 | |
| CN111291749B (zh) | 手势识别方法、装置及机器人 | |
| CN114723677A (zh) | 图像缺陷检测方法、检测装置、检测设备及存储介质 | |
| CN106663317B (zh) | 数字图像的形态学处理方法和数字图像处理装置 | |
| CN113870223A (zh) | 设备屏幕漏液检测方法及装置 | |
| CN111079587A (zh) | 人脸的识别方法、装置、计算机设备及可读存储介质 | |
| CN113591066A (zh) | 设备身份识别方法及装置 | |
| CN112861678B (zh) | 一种图像识别方法及装置 | |
| CN113343866A (zh) | 表格信息的识别方法及装置、电子设备 |
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 |