CN113884504A - 一种电容外观检测控制方法及装置 - Google Patents

一种电容外观检测控制方法及装置 Download PDF

Info

Publication number
CN113884504A
CN113884504A CN202110976735.8A CN202110976735A CN113884504A CN 113884504 A CN113884504 A CN 113884504A CN 202110976735 A CN202110976735 A CN 202110976735A CN 113884504 A CN113884504 A CN 113884504A
Authority
CN
China
Prior art keywords
capacitance
processed
appearance detection
image information
image
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
CN202110976735.8A
Other languages
English (en)
Inventor
郭名鹏
王桂林
黄珏皓
郭馨予
黄光显
何必仕
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.)
Hunan Yunyan Intelligent Equipment Co ltd
Original Assignee
Hunan Yunyan Intelligent Equipment 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 Hunan Yunyan Intelligent Equipment Co ltd filed Critical Hunan Yunyan Intelligent Equipment Co ltd
Priority to CN202110976735.8A priority Critical patent/CN113884504A/zh
Publication of CN113884504A publication Critical patent/CN113884504A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/34—Sorting according to other particular properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Fixed Capacitors And Capacitor Manufacturing Machines (AREA)

Abstract

本发明公开了一种电容外观检测控制方法及装置，该方法包括：获取待处理电容图像信息；待处理电容图像信息包括若干张待处理电容图像；根据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合；外观检测类型集合包括至少一个待处理电容图像对应的外观检测类型；根据外观检测类型集合，确定出目标电容对应的目标类型。可见，本发明能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。

Description

一种电容外观检测控制方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种电容外观检测控制方法及装置。
背景技术
电容制造企业目前采用的通常是通过人工检查外观，不能对电容外观进行全方位的检测，容易出现漏检的问题，检测效率也不高。因此，提供一种电容外观检测控制方法以解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性显得尤为重要。
发明内容
本发明所要解决的技术问题在于，提供一种电容外观检测控制方法及装置，能够提供一种电容外观检测控制方法，以解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
为了解决上述技术问题，本发明实施例第一方面公开了一种电容外观检测控制方法，所述方法包括：
获取待处理电容图像信息；所述待处理电容图像信息包括若干张待处理电容图像；
根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合；所述外观检测类型集合包括至少一个所述待处理电容图像对应的外观检测类型；
根据所述外观检测类型集合，确定出目标电容对应的目标类型。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合，包括：
对于待处理电容图像信息中的任一所述待处理电容图像，根据该待处理电容图像和预设的人工智能模型，确定出该待处理电容图像对应的浮点数；
根据所述浮点数和预设的阈值分类规则，确定出该待处理电容图像对应的外观检测类型。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述外观检测类型集合，确定出目标电容对应的目标类型，包括：
根据所述外观检测类型集合和预设的类型判别规则，确定出所述目标电容对应的目标类型；所述类型判别规则与所述目标类型对应的外观检测类型的数量相关。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述外观检测类型集合和预设的类型判别规则，确定出所述目标电容对应的目标类型，包括：
对所述外观检测类型集合中所有所述待处理电容图像对应的外观检测类型进行数量统计处理，得到外观检测类型数量信息；
根据所述外观检测类型数量信息和预设的类型判别规则，确定出所述目标电容对应的目标类型。
作为一种可选的实施方式，在本发明实施例第一方面中，在获取待处理电容图像信息之前，所述方法还包括：
获取原始电容图像信息；所述原始电容图像信息包括若干张原始电容图像；
对所述原始电容图像信息进行处理，得到待选电容图像信息；所述待选电容图像信息包括若干张待选电容图像。
作为一种可选的实施方式，在本发明实施例第一方面中，在所述对所述原始电容图像信息进行处理，得到待选电容图像信息之后，所述方法还包括：
根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息，包括：
对于所述待选电容图像信息中的任一所述待选电容图像，利用预设的筛选模型确定出该待选电容图像对应的待选类型；
判断该待选电容图像对应的待选类型是否满足剔除条件，得到第一判断结果；
当所述第一判断结果表示该待选电容图像对应的待选类型不满足剔除条件时，将该待选电容图像确定为所述待处理电容图像。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息，包括：
对于所述待选电容图像信息中的任一所述待选电容图像，利用预设的筛选模型对该待选电容图像进行去背景处理，并提取轮廓特征，得到所述待处理电容图像。
作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：
获取所述目标电容对应的参数信息；
以及，所述根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合，包括：
根据所述待处理电容图像信息、所述参数信息和预设的人工智能模型，确定出外观检测类型集合。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述原始电容图像信息进行处理，得到待选电容图像信息，包括：
对于所述原始电容图像信息中的任一原始电容图像，对该原始电容图像进行中值滤波处理，提取该原始电容图像对应的图像特征；
对该原始电容图像对应的图像特征进行区域划分处理，得到该原始电容图像对应的第一目标区域；
对该原始电容图像对应的第一目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述原始电容图像信息进行处理，得到待选电容图像信息，包括：
对于所述原始电容图像信息中的任一原始电容图像，对该原始电容图像的图像颜色进行处理，得到该原始电容图像对应的待优化电容图像；
对该原始电容图像对应的待优化电容图像进行优化处理，得到该原始电容图像对应的第二目标区域；
对该原始电容图像对应的第二目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
本发明实施例第二方面公开了一种电容外观检测控制装置，所述装置包括：
获取模块，用于获取待处理电容图像信息；所述待处理电容图像信息包括若干张待处理电容图像；
第一确定模块，用于根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合；所述外观检测类型集合包括至少一个所述待处理电容图像对应的外观检测类型；
第二确定模块，用于根据所述外观检测类型集合，确定出目标电容对应的目标类型。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第一确定模块包括第一确定子模块和第二确定子模块，其中
所述第一确定子模块，用于对于待处理电容图像信息中的任一所述待处理电容图像，根据该待处理电容图像和预设的人工智能模型，确定出该待处理电容图像对应的浮点数；
所述第二确定子模块，用于根据所述浮点数和预设的阈值分类规则，确定出该待处理电容图像对应的外观检测类型。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第二确定模块根据所述外观检测类型集合，确定出目标电容对应的目标类型的具体方式为：
根据所述外观检测类型集合和预设的类型判别规则，确定出所述目标电容对应的目标类型；所述类型判别规则与所述目标类型对应的外观检测类型的数量相关。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第二确定模块根据所述外观检测类型集合和预设的类型判别规则，确定出所述目标电容对应的目标类型的具体方式为：
对所述外观检测类型集合中所有所述待处理电容图像对应的外观检测类型进行数量统计处理，得到外观检测类型数量信息；
根据所述外观检测类型数量信息和预设的类型判别规则，确定出所述目标电容对应的目标类型。
作为一种可选的实施方式，在本发明实施例第二方面中，所述获取模块，还用于在获取待处理电容图像信息之前，获取原始电容图像信息；所述原始电容图像信息包括若干张原始电容图像；
所述装置还包括：
处理模块，用于对所述原始电容图像信息进行处理，得到待选电容图像信息；所述待选电容图像信息包括若干张待选电容图像。
作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：
第三确定模块，用于在所述处理模块对所述原始电容图像信息进行处理，得到待选电容图像信息之后，根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第三确定模块根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息的具体方式为：
对于所述待选电容图像信息中的任一所述待选电容图像，利用预设的筛选模型确定出该待选电容图像对应的待选类型；
判断该待选电容图像对应的待选类型是否满足剔除条件，得到第一判断结果；
当所述第一判断结果表示该待选电容图像对应的待选类型不满足剔除条件时，将该待选电容图像确定为所述待处理电容图像。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第三确定模块根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息的具体方式为：
对于所述待选电容图像信息中的任一所述待选电容图像，利用预设的筛选模型对该待选电容图像进行去背景处理，并提取轮廓特征，得到所述待处理电容图像。
作为一种可选的实施方式，在本发明实施例第二方面中，所述获取模块，还用于获取所述目标电容对应的参数信息；
所述第一确定模块根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合的具体方式为：
根据所述待处理电容图像信息、所述参数信息和预设的人工智能模型，确定出外观检测类型集合。
作为一种可选的实施方式，在本发明实施例第二方面中，所述处理模块对所述原始电容图像信息进行处理，得到待选电容图像信息的具体方式为：
对于所述原始电容图像信息中的任一原始电容图像，对该原始电容图像进行中值滤波处理，提取该原始电容图像对应的图像特征；
对该原始电容图像对应的图像特征进行区域划分处理，得到该原始电容图像对应的第一目标区域；
对该原始电容图像对应的第一目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
作为一种可选的实施方式，在本发明实施例第二方面中，所述处理模块对所述原始电容图像信息进行处理，得到待选电容图像信息的具体方式为：
对于所述原始电容图像信息中的任一原始电容图像，对该原始电容图像的图像颜色进行处理，得到该原始电容图像对应的待优化电容图像；
对该原始电容图像对应的待优化电容图像进行优化处理，得到该原始电容图像对应的第二目标区域；
对该原始电容图像对应的第二目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
本发明第三方面公开了另一种电容外观检测控制装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的电容外观检测控制方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的电容外观检测控制方法中的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取待处理电容图像信息；待处理电容图像信息包括若干张待处理电容图像；根据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合；外观检测类型集合包括至少一个待处理电容图像对应的外观检测类型；根据外观检测类型集合，确定出目标电容对应的目标类型。可见，本发明能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例公开的一种电容外观检测控制方法的流程示意图；
图2是本发明实施例公开的另一种电容外观检测控制方法的流程示意图；
图3是本发明实施例公开的一种电容外观检测控制装置的结构示意图；
图4是本发明实施例公开的另一种电容外观检测控制装置的结构示意图；
图5本发明实施例公开的又一种电容外观检测控制装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种电容外观检测控制方法及装置，能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种电容外观检测控制方法的流程示意图。其中，图1所描述的电容外观检测控制方法应用于电容外观检测系统中，如用于铝电解电容外观检测的本地服务器或云端服务器等，本发明实施例不做限定。如图1所示，该电容外观检测控制方法可以包括以下操作：
101、获取待处理电容图像信息。
本发明实施例中，该待处理电容图像信息包括若干张待处理电容图像。
102、根据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合。
本发明实施例中，该外观检测类型集合包括至少一个待处理电容图像对应的外观检测类型。
103、根据外观检测类型集合，确定出目标电容对应的目标类型。
本发明实施例中，目标电容对应的目标类型用于对目标电容的筛查。举例来说，当目标电容对应的目标类型不符合筛查要求时，将该目标电容剔除；当目标电容对应的目标类型符合筛查要求时，确认该目标电容为可用产品。
本发明实施例中，待处理电容图像包括目标电容的引针图像、顶面图像、圆周面图像、底面图像中的一种或多种。
可选的，上述圆周面图像包括从不同角度拍摄得到的多张圆周面图像。具体的，上述从不同角度拍摄得到的多张圆周面图像为8个45°间隔分布的摄像设备拍摄的8张图像。
可选的，上述底面图像包括从不同角度拍摄得到的多张底面图像。具体的，上述从不同拍摄得到的多张底面图像为1张底面正中间图像、2张180°对立拍摄的图像。
可选的，上述人工智能模型可以为神经网络模型，或者，深度学习网络模型，或者，其他人工智能算法模型，本发明实施例不做限定。优选的，上述人工智能模型为LeViT模型。进一步的，上述LeViT模型的输入图像的尺寸规格为3*224*224。
可见，实施本发明实施例所描述的电容外观检测控制方法能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在一个可选的实施例中，上述步骤102中据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合，包括：
对于待处理电容图像信息中的任一待处理电容图像，根据该待处理电容图像和预设的人工智能模型，确定出该待处理电容图像对应的浮点数；
根据浮点数和预设的阈值分类规则，确定出该待处理电容图像对应的外观检测类型。
本发明实施例中，对于任一待处理电容图像，将该待处理电容图像输入人工智能模型，经处理可得到待处理电容图像对应的浮点数，再经过数值处理得到最大的值下标。进一步的，根据该最大的值下标和预设的阈值分类规则，确定出待处理电容图像对应的外观检测类型。举例来说，利用max函数来对浮点数进行处理，得到浮点数中的最大的值，再匹配该最大的值在浮点数中的位置信息，以得到最大的值下标。举例来说，当浮点数为[0.5,0.3,0.2]时，利用max函数处理该浮点数得到最大值为0.5，其对应的下标为1，则该浮点数对应的最大的值下标为1。
可选的，外观检测类型包括正品，和/或，次优品，和/或，瑕疵品，本发明实施例不做限定。进一步的，外观检测类型的数量与浮点数中的元素数量相匹配。举例来说，当外观检测类型包括正品、次优品时，浮点数中的元素数量为2。
可选的，阈值分类规则为根据类型阈值范围判断外观检测类型。具体的，匹配最大的值下标所在的外观检测类型对应的类型阈值范围，得到目标类型阈值范围，进而根据该目标类型阈值范围确定出该最大的值下标对应的外观检测类型。举例来说，当外观检测类型包括正品、次优品和瑕疵品，且3个外观检测类型对应的类型阈值范围分别为[a1,b1)、[c1,d1)和[e1,f1]，待处理电容图像对应的最大的值下标为g1，且g1处于[c1,d1)的范围内，则判定该待处理电容图像对应的外观检测类型为次优品。
可见，实施本发明实施例所描述的电容外观检测控制方法能够通过人工智能模型确定出待处理电容图像的浮点数，再结合阈值分类规则确定出待处理电容图像对应的外观检测类型，以便实现对目标电容对应的目标类型的确定，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在另一个可选的实施例中，上述步骤103中根据外观检测类型集合，确定出目标电容对应的目标类型，包括：
根据外观检测类型集合和预设的类型判别规则，确定出目标电容对应的目标类型；类型判别规则与目标类型对应的外观检测类型的数量相关。
本发明实施例中，在确定所有待处理图像的外观检测类型之后，利用类型判别规则来判别确定该目标电容的目标类型。
可选的，类型判别规则为根据第一数量阈值范围判断目标类型。具体的，匹配外观检测类型的数量所在的待选目标类型的数量阈值范围，得到目标数量阈值范围，根据该目标数量阈值范围确定出该目标电容对应的待选目标类型，进而确定出该目标电容对应的目标类型。
可选的，待选目标类型对应于阈值分类规则中的所有外观检测类型。进一步的，每一个待选目标类型对应于一个目标类型。举例来说，当外观检测类型包括正品、次优品和瑕疵品，且3个待选目标类型(待选正品、待选次优品和待选瑕疵品)对应的类型阈值范围分别为[a2,b2)、[c2,d2)和[e2,f2]，3个外观检测类型(正品、次优品和瑕疵品)对应的数量分别为h1、h2和h3，判断h1是否处于[a2,b2)的范围内，若是，则判定该目标电容对应的待选目标类型为待选正品，进而确定其目标类型为正品；若否，则判断h2是否处于[c2,d2)的范围内，若是，则判定该目标电容对应的待选目标类型为待选次优品，进而确定其目标类型为次优品；若否，则判定该目标电容对应的待选目标类型为待选瑕疵品，进而确定其目标类型为瑕疵品。
可见，实施本发明实施例所描述的电容外观检测控制方法能够利用类型判别规则对所有外观检测类型的数量的判别来确定目标电容对应的目标类型，为实现对目标电容对应的目标类型的确定提供了一种可实现路径，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，上述根据外观检测类型集合和预设的类型判别规则，确定出目标电容对应的目标类型，包括：
对外观检测类型集合中所有待处理电容图像对应的外观检测类型进行数量统计处理，得到外观检测类型数量信息；
根据外观检测类型数量信息和预设的类型判别规则，确定出目标电容对应的目标类型。
本发明实施例中，对外观检测类型集合中的外观检测类型进行类型类别划分，再对每一类别的外观检测类型数量进行统计，以得到每一类别对应的元素数量。进一步的，将任一类别对应的元素数量确定为该类别对应的外观检测类型的数量。可选的，上述类型类别对应于类型判别规则中外观检测类型。举例来说，当类型判别规则中待选目标类型包括待选正品、待选次优品和待选瑕疵品时，则对应的类型类别包括正品类别、次优品类别和瑕疵品类别，外观检测类型集合中的待处理电容图像对应的外观检测类型包括针脚图像对应的外观检测类型为正品、顶面图像对应的外观检测类型为正品、第一圆周面图像的外观检测类型为正品、第二圆周面图像的外观检测类型为正品、第三圆周面图像的外观检测类型为次优品，则将针脚图像、顶面图像、第一圆周面图像、第二圆周面图像划入正品类别，将第三圆周面图像划入次优品类别，瑕疵品类别没有元素，则统计正品类别中的元素数量为4，统计次优品类别中的元素数量为1，瑕疵品类别中的元素数量为0，进一步的，确定正品类别对应的外观检测类型(正品)的数量为4，次优品类别对应的外观检测类型(次优品)的数量为1，瑕疵品类别对应的外观检测类型(瑕疵品)的数量为0。
可见，实施本发明实施例所描述的电容外观检测控制方法能够对外观检测类型的数量进行分别统计，以便实现对目标电容对应的目标类型的确定，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，上述电容外观检测控制方法还包括：
获取目标电容对应的参数信息；
以及，根据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合，包括：
根据待处理电容图像信息、参数信息和预设的人工智能模型，确定出外观检测类型集合。
本发明实施例中，在对待处理图像进行处理之前，先获取目标电容对应的参数信息，再经上述人工智能模型处理得到用于对应待处理图像进行处理的标准参考信息，以便人工智能模型对待处理图像的预测处理，进而得到待处理图像的浮点数。
可选的，上述目标电容对应的参数信息包括目标电容的尺寸信息，和/或，目标电容的规格信息，和/或，目标电容的温度信息，和/或，目标电容的颜色信息，本发明实施不做限定。
可见，实施本发明实施例所描述的电容外观检测控制方法能够结合目标电容对应的参数信息来确定待处理图像对应的外观检测类型，以便实现对目标电容对应的目标类型的确定，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
实施例二
请参阅图2，图2是本发明实施例公开的另一种电容外观检测控制方法的流程示意图。其中，图2所描述的电容外观检测控制方法能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。如图2所示，该电容外观检测控制方法可以包括以下操作：
201、获取原始电容图像信息。
本发明实施例中，该原始电容图像信息包括若干张原始电容图像。
202、对原始电容图像信息进行处理，得到待选电容图像信息。
本发明实施例中，该待选电容图像信息包括若干张待选电容图像。
203、获取待处理电容图像信息。
204、根据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合。
205、根据外观检测类型集合，确定出目标电容对应的目标类型。
本发明实施例中，针对步骤203-步骤205的具体技术细节和技术名词解释，可以参照实施例一中针对步骤101-步骤103的详细描述，本发明实施例不再赘述。
本发明实施例中，原始电容图像可以通过摄像设备获取的，也可以是经智能终端处理后输入的，本发明实施例不做限定。
可选的，对原始电容图像的处理是对获取的原始电容图像进行前处理，包括对图像的方位、图像色彩的处理，以使经处理后的图像能够适用于人工智能模型。
可见，实施本发明实施例所描述的电容外观检测控制方法能够通过对原始电容图像的处理得到待选电容图像，进而实现对待处理电容图像信息的获取，再通过预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在一个可选的实施例中，在对原始电容图像信息进行处理，得到待选电容图像信息之后，上述电容外观检测控制还包括：
根据待选电容图像信息和预设的筛选模型，确定出待处理电容图像信息。
本发明实施例中，在对原始电容图像进行处理得到待选电容图像之后，利用预设的筛选模型对待选电容图像进行筛选，以得到待处理电容图像。
可选的，上述筛选模型是基于Opencv的图像处理模型。举例来说，基于Opencv的图像处理模型为Opencv的图像识别模型。
可见，实施本发明实施例所描述的电容外观检测控制方法能够通过筛选模型确定出待处理电容图像信息，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在另一个可选的实施例中，上述根据待选电容图像信息和预设的筛选模型，确定出待处理电容图像信息，包括：
对于待选电容图像信息中的任一待选电容图像，利用预设的筛选模型确定出该待选电容图像对应的待选类型；
判断该待选电容图像对应的待选类型是否满足剔除条件，得到第一判断结果；
当第一判断结果表示该待选电容图像对应的待选类型不满足剔除条件时，将该待选电容图像确定为待处理电容图像。
本发明实施示例中，利用筛选模型对待选电容图像进行识别，确定出待选电容图像对应的待选类型。
可选的，上述筛选模型可以通过对比待选电容图像的目标特征与目标电容的标准特征来确定选电容图像对应的待选类型。具体的，根据待选电容图像的目标特征与目标电容的标准特征相的匹配程度来确定待选电容图像对应的待选类型。
可选的，上述目标电容的标准特征包括目标电容的轮廓面积信息，和/或，目标电容的色域面积信息，和/或，目标电容的反向投影对比直方图信息，和/或，目标电容的电容圆柱面的白色直线信息，和/或，目标电容的尺寸信息，本发明实施示例不做限定。
可选的，上述待选类型包括正品，和/或，次优品，和/或，瑕疵品，本发明实施例不做限定。
可选的，上述剔除条件为电容类型为次优品，和/或，瑕疵品，本发明实施例不做限定。
在该可选的实施例中，作为一种可选的实施方式，当上述剔除条件为电容类型为瑕疵品时。
判断待选类型是否与瑕疵品相匹配；
当待选类型与瑕疵品不相匹配时，表示待选电容图像对应的待选类型不满足剔除条件；
当待选类型与瑕疵品相匹配时，表示待选电容图像对应的待选类型满足剔除条件，结束本次流程。
在该可选的实施例中，作为一种可选的实施方式，当上述剔除条件为电容类型为次优品，或者，电容类型为瑕疵品时。
判断待选类型是否与次优品相匹配；
当待选类型与次优品相匹配时，表示待选电容图像对应的待选类型满足剔除条件，结束本次流程；
当待选类型与次优品不相匹配时，判断待选类型是否与瑕疵品相匹配；
当待选类型与瑕疵品相匹配时，表示待选电容图像对应的待选类型满足剔除条件，结束本次流程；
当待选类型与瑕疵品不相匹配时，表示待选电容图像对应的待选类型不满足剔除条件。
可见，实施本发明实施例所描述的电容外观检测控制方法能够利用筛选模型确定出待选电容图像的待选类型，并对该待选电容图像进行判别以确定其是否可被确定为待处理电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，上述根据待选电容图像信息和预设的筛选模型，确定出待处理电容图像信息，包括：
对于待选电容图像信息中的任一待选电容图像，利用预设的筛选模型对该待选电容图像进行去背景处理，并提取轮廓特征，得到待处理电容图像。
本发明实施例中，利用筛选模型将待选电容图像的背景和目标电容做分离处理，并提取目标电容的轮廓特征，以弱化滤除背景信息在利用人工智能模型预测识别目标电容的浮点数的干扰。
可见，实施本发明实施例所描述的电容外观检测控制方法能够对待选电容图像进行背景处理，并提取轮廓特征，以得到待处理电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，上述步骤202中对原始电容图像信息进行处理，得到待选电容图像信息，包括：
对于原始电容图像信息中的任一原始电容图像，对该原始电容图像进行中值滤波处理，提取该原始电容图像对应的图像特征；
对该原始电容图像对应的图像特征进行区域划分处理，得到该原始电容图像对应的第一目标区域；
对该原始电容图像对应的第一目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
本发明实施例中，在获取到原始电容图像后需对原始电容图像做预处理，以消除图像中的部分瑕疵点，以便利用人工智能模型预测识别目标电容的浮点数，减少误判概率。
可选的，在上述中值滤波处理处理之前，需先对原始电容图像进行灰度化处理，得到灰度化图像。
可选的，利用中值滤波对灰度化图像来消除原始电容图像中混入的噪声，并提取目标电容对应的图像特征，得到中值滤波图像。
可选的，对中值滤波图像进行二值化和自适应二值化处理，将中值滤波图像中的背景信息和目标电容图像信息进行分离，得到二值化图像。
可选的，对二值化图像进行先腐蚀后膨胀的开运算处理，以去除二值化图像中的噪声，得到运算图像。
可选的，对运算图像中的目标电容信息的边缘进行检测，提取出目标电容对应的不连续的特征，以划分出目标电容对应的第一目标区域；
可选的，通过查找第一目标区域对应的区域轮廓特征，以提取出目标电容对应的第一目标特征区域，得到原始电容图像对应的待选电容图像。举例来说，通过查找第一目标区域对应的外圆半径来确定目标电容对应的区域轮廓特征，在提取出该外圆半径对应的区域作为第一目标特征区域，确定该第一目标特征区域为原始电容图像对应的待选电容图像。
优选的，上述原始电容图像包括顶面图像。
可见，实施本发明实施例所描述的电容外观检测控制方法能够对原始电容图像进行中值滤波和区域划分处理，以得到待选电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，上述步骤202中对原始电容图像信息进行处理，得到待选电容图像信息，包括：
对于原始电容图像信息中的任一原始电容图像，对该原始电容图像的图像颜色进行处理，得到该原始电容图像对应的待优化电容图像；
对该原始电容图像对应的待优化电容图像进行优化处理，得到该原始电容图像对应的第二目标区域；
对该原始电容图像对应的第二目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
本发明实施例中，在获取到原始电容图像后需对原始电容图像做预处理，以消除图像中的部分瑕疵点，以便利用人工智能模型预测识别目标电容的浮点数，减少误判概率。
可选的，对原始电容图像的图像颜色处理包括过滤与目标电容颜色不相干的颜色，和/或，对原始电容图像进行平滑处理以消除噪声，和/或，将原始电容图像进行从RGB到HSV的处理，本发明实施例不做限定。
可选的，对该原始电容图像对应的待优化电容图像进行优化处理包括对待优化电容图像的优化处理，和/或，对待优化电容图像进行开运算以去除小噪声点，本发明实施例不做限定。
可选的，上述对待优化电容图像的优化处理包括根据图像阈值对待优化电容图像进行二值化处理。举例来说，将图像阈值之内的像素设置为白色，将图像阈值外的像素设置为黑色。
可选的，上述对该原始电容图像对应的第二目标区域的轮廓进行提取处理包括通过检测第二目标区域内各特征的轮廓边缘，以查找出第二目标区域内面积最大的特征，并提取出该特征为原始电容图像对应的待选电容图像。
优选的，上述原始电容图像包括顶面图像、圆周面图像、底面图像中的一种或多种。
可见，实施本发明实施例所描述的电容外观检测控制方法能够对原始电容图像进行图像颜色和进一步的优化处理，以得到待选电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
实施例三
请参阅图3，图3是本发明实施例公开的一种电容外观检测控制装置的结构示意图。其中，图3所描述的装置能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。如图3所示，该装置可以包括：
获取模块301，用于获取待处理电容图像信息；待处理电容图像信息包括若干张待处理电容图像；
第一确定模块302，用于根据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合；外观检测类型集合包括至少一个待处理电容图像对应的外观检测类型；
第二确定模块303，用于根据外观检测类型集合，确定出目标电容对应的目标类型。
可见，实施图3所描述的电容外观检测控制装置，能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在另一个可选的实施例中，如图4所示，第一确定模块302包括第一确定子模块3021和第二确定子模块3022，其中
第一确定子模块3021，用于对于待处理电容图像信息中的任一待处理电容图像，根据该待处理电容图像和预设的人工智能模型，确定出该待处理电容图像对应的浮点数；
第二确定子模块3022，用于根据浮点数和预设的阈值分类规则，确定出该待处理电容图像对应的外观检测类型。
可见，实施图4所描述的电容外观检测控制装置，能够通过人工智能模型确定出待处理电容图像的浮点数，再结合阈值分类规则确定出待处理电容图像对应的外观检测类型，以便实现对目标电容对应的目标类型的确定，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，第二确定模块303根据外观检测类型集合，确定出目标电容对应的目标类型的具体方式为：
根据外观检测类型集合和预设的类型判别规则，确定出目标电容对应的目标类型；类型判别规则与目标类型对应的外观检测类型的数量相关。
可见，实施图4所描述的电容外观检测控制装置，能够利用类型判别规则对所有外观检测类型的数量的判别来确定目标电容对应的目标类型，为实现对目标电容对应的目标类型的确定提供了一种可实现路径，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，第二确定模块303根据外观检测类型集合和预设的类型判别规则，确定出目标电容对应的目标类型的具体方式为：
对外观检测类型集合中所有待处理电容图像对应的外观检测类型进行数量统计处理，得到外观检测类型数量信息；
根据外观检测类型数量信息和预设的类型判别规则，确定出目标电容对应的目标类型。
可见，实施图4所描述的电容外观检测控制装置，能够对外观检测类型的数量进行分别统计，以便实现对目标电容对应的目标类型的确定，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，获取模块301，还用于在获取待处理电容图像信息之前，获取原始电容图像信息；原始电容图像信息包括若干张原始电容图像；
装置还包括：
处理模块304，用于对原始电容图像信息进行处理，得到待选电容图像信息；待选电容图像信息包括若干张待选电容图像。
可见，实施图4所描述的电容外观检测控制装置，能够通过对原始电容图像的处理得到待选电容图像，进而实现对待处理电容图像信息的获取，再通过预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，装置还包括：
第三确定模块305，用于在处理模块304对原始电容图像信息进行处理，得到待选电容图像信息之后，根据待选电容图像信息和预设的筛选模型，确定出待处理电容图像信息。
可见，实施图4所描述的电容外观检测控制装置，能够通过筛选模型确定出待处理电容图像信息，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，第三确定模块305根据待选电容图像信息和预设的筛选模型，确定出待处理电容图像信息的具体方式为：
对于待选电容图像信息中的任一待选电容图像，利用预设的筛选模型确定出该待选电容图像对应的待选类型；
判断该待选电容图像对应的待选类型是否满足剔除条件，得到第一判断结果；
当第一判断结果表示该待选电容图像对应的待选类型不满足剔除条件时，将该待选电容图像确定为待处理电容图像。
可见，实施图4所描述的电容外观检测控制装置，能够利用筛选模型确定出待选电容图像的待选类型，并对该待选电容图像进行判别以确定其是否可被确定为待处理电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，第三确定模块305根据待选电容图像信息和预设的筛选模型，确定出待处理电容图像信息的具体方式为：
对于待选电容图像信息中的任一待选电容图像，利用预设的筛选模型对该待选电容图像进行去背景处理，并提取轮廓特征，得到待处理电容图像。
可见，实施图4所描述的电容外观检测控制装置，能够对待选电容图像进行背景处理，并提取轮廓特征，以得到待处理电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，获取模块301，还用于获取目标电容对应的参数信息；
第一确定模块302根据待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合的具体方式为：
根据待处理电容图像信息、参数信息和预设的人工智能模型，确定出外观检测类型集合。
可见，实施图4所描述的电容外观检测控制装置，能够结合目标电容对应的参数信息来确定待处理图像对应的外观检测类型，以便实现对目标电容对应的目标类型的确定，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，处理模块304对原始电容图像信息进行处理，得到待选电容图像信息的具体方式为：
对于原始电容图像信息中的任一原始电容图像，对该原始电容图像进行中值滤波处理，提取该原始电容图像对应的图像特征；
对该原始电容图像对应的图像特征进行区域划分处理，得到该原始电容图像对应的第一目标区域；
对该原始电容图像对应的第一目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
可见，实施图4所描述的电容外观检测控制装置，能够对原始电容图像进行中值滤波和区域划分处理，以得到待选电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
在又一个可选的实施例中，如图4所示，处理模块304对原始电容图像信息进行处理，得到待选电容图像信息的具体方式为：
对于原始电容图像信息中的任一原始电容图像，对该原始电容图像的图像颜色进行处理，得到该原始电容图像对应的待优化电容图像；
对该原始电容图像对应的待优化电容图像进行优化处理，得到该原始电容图像对应的第二目标区域；
对该原始电容图像对应的第二目标区域的轮廓进行提取处理，确定出该原始电容图像对应的待选电容图像。
可见，实施图4所描述的电容外观检测控制装置，能够对原始电容图像进行图像颜色和进一步的优化处理，以得到待选电容图像，更有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。
实施例四
请参阅图5，图5是本发明实施例公开的又一种电容外观检测控制装置的结构示意图。其中，图5所描述的装置能够通过获取待处理电容图像信息，以及预设的人工智能模型得到外观检测类型集合，并由此确定出目标电容对应的目标类型，有利于解决电容外观检测过程中对电容外观的检测不全面问题和提升对电容外观的检测效率，进而提升电容外观检测的可靠性和电容的产品质检的有效性。如图5所示，该装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，用于执行实施例一或实施例二所描述的电容外观检测控制方法中的步骤。
实施例五
本发明实施例公开了一种计算机读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一或实施例二所描述的电容外观检测控制方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二所描述的电容外观检测控制方法中的步骤。
以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种电容外观检测控制方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种电容外观检测控制方法，其特征在于，所述方法包括：
获取待处理电容图像信息；所述待处理电容图像信息包括若干张待处理电容图像；
根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合；所述外观检测类型集合包括至少一个所述待处理电容图像对应的外观检测类型；
根据所述外观检测类型集合，确定出目标电容对应的目标类型。
2.根据权利要求1所述的电容外观检测控制方法，其特征在于，所述根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合，包括：
对于待处理电容图像信息中的任一所述待处理电容图像，根据该待处理电容图像和预设的人工智能模型，确定出该待处理电容图像对应的浮点数；
根据所述浮点数和预设的阈值分类规则，确定出该待处理电容图像对应的外观检测类型。
3.根据权利要求1所述的电容外观检测控制方法，其特征在于，所述根据所述外观检测类型集合，确定出目标电容对应的目标类型，包括：
根据所述外观检测类型集合和预设的类型判别规则，确定出所述目标电容对应的目标类型；所述类型判别规则与所述目标类型对应的外观检测类型的数量相关。
4.根据权利要求3所述的电容外观检测控制方法，其特征在于，所述根据所述外观检测类型集合和预设的类型判别规则，确定出所述目标电容对应的目标类型，包括：
对所述外观检测类型集合中所有所述待处理电容图像对应的外观检测类型进行数量统计处理，得到外观检测类型数量信息；
根据所述外观检测类型数量信息和预设的类型判别规则，确定出所述目标电容对应的目标类型。
5.根据权利要求1所述的电容外观检测控制方法，其特征在于，在获取待处理电容图像信息之前，所述方法还包括：
获取原始电容图像信息；所述原始电容图像信息包括若干张原始电容图像；
对所述原始电容图像信息进行处理，得到待选电容图像信息；所述待选电容图像信息包括若干张待选电容图像。
6.根据权利要求5所述的电容外观检测控制方法，其特征在于，在所述对所述原始电容图像信息进行处理，得到待选电容图像信息之后，所述方法还包括：
根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息。
7.根据权利要求6所述的电容外观检测控制方法，其特征在于，所述根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息，包括：
对于所述待选电容图像信息中的任一所述待选电容图像，利用预设的筛选模型确定出该待选电容图像对应的待选类型；
判断该待选电容图像对应的待选类型是否满足剔除条件，得到第一判断结果；
当所述第一判断结果表示该待选电容图像对应的待选类型不满足剔除条件时，将该待选电容图像确定为所述待处理电容图像。
8.根据权利要求6所述的电容外观检测控制方法，其特征在于，所述根据所述待选电容图像信息和预设的筛选模型，确定出所述待处理电容图像信息，包括：
对于所述待选电容图像信息中的任一所述待选电容图像，利用预设的筛选模型对该待选电容图像进行去背景处理，并提取轮廓特征，得到所述待处理电容图像。
9.一种电容外观检测控制装置，其特征在于，所述装置包括：
获取模块，用于获取待处理电容图像信息；所述待处理电容图像信息包括若干张待处理电容图像；
第一确定模块，用于根据所述待处理电容图像信息和预设的人工智能模型，确定出外观检测类型集合；所述外观检测类型集合包括至少一个所述待处理电容图像对应的外观检测类型；
第二确定模块，用于根据所述外观检测类型集合，确定出目标电容对应的目标类型。
10.一种电容外观检测控制装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-8任一项所述的电容外观检测控制方法。
CN202110976735.8A 2021-08-24 2021-08-24 一种电容外观检测控制方法及装置 Pending CN113884504A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110976735.8A CN113884504A (zh) 2021-08-24 2021-08-24 一种电容外观检测控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110976735.8A CN113884504A (zh) 2021-08-24 2021-08-24 一种电容外观检测控制方法及装置

Publications (1)

Publication Number Publication Date
CN113884504A true CN113884504A (zh) 2022-01-04

Family

ID=79011389

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110976735.8A Pending CN113884504A (zh) 2021-08-24 2021-08-24 一种电容外观检测控制方法及装置

Country Status (1)

Country Link
CN (1) CN113884504A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829914A (zh) * 2019-02-26 2019-05-31 视睿（杭州）信息科技有限公司 检测产品缺陷的方法和装置
CN109916921A (zh) * 2019-03-29 2019-06-21 北京百度网讯科技有限公司 电路板缺陷处理方法、装置及设备
WO2019233266A1 (zh) * 2018-06-08 2019-12-12 Oppo广东移动通信有限公司 图像处理方法、计算机可读存储介质和电子设备
WO2019233341A1 (zh) * 2018-06-08 2019-12-12 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
CN111460782A (zh) * 2020-04-01 2020-07-28 支付宝(杭州)信息技术有限公司 一种信息处理方法、装置及设备
CN111784663A (zh) * 2020-06-30 2020-10-16 北京百度网讯科技有限公司 零部件的检测方法、装置、电子设备及存储介质
US20200349875A1 (en) * 2018-07-02 2020-11-05 Beijing Baidu Netcom Science Technology Co., Ltd. Display screen quality detection method, apparatus, electronic device and storage medium
CN113256570A (zh) * 2021-05-10 2021-08-13 郑州轻工业大学 基于人工智能的视觉信息处理方法、装置、设备及介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019233266A1 (zh) * 2018-06-08 2019-12-12 Oppo广东移动通信有限公司 图像处理方法、计算机可读存储介质和电子设备
WO2019233341A1 (zh) * 2018-06-08 2019-12-12 Oppo广东移动通信有限公司 图像处理方法、装置、计算机可读存储介质和计算机设备
US20200349875A1 (en) * 2018-07-02 2020-11-05 Beijing Baidu Netcom Science Technology Co., Ltd. Display screen quality detection method, apparatus, electronic device and storage medium
CN109829914A (zh) * 2019-02-26 2019-05-31 视睿（杭州）信息科技有限公司 检测产品缺陷的方法和装置
CN109916921A (zh) * 2019-03-29 2019-06-21 北京百度网讯科技有限公司 电路板缺陷处理方法、装置及设备
CN111460782A (zh) * 2020-04-01 2020-07-28 支付宝(杭州)信息技术有限公司 一种信息处理方法、装置及设备
CN111784663A (zh) * 2020-06-30 2020-10-16 北京百度网讯科技有限公司 零部件的检测方法、装置、电子设备及存储介质
CN113256570A (zh) * 2021-05-10 2021-08-13 郑州轻工业大学 基于人工智能的视觉信息处理方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈星;: "基于机器视觉的电解电容器外观检测系统设计", 制造技术与机床, no. 08, 31 August 2018 (2018-08-31), pages 144 - 148 *

Similar Documents

Publication Publication Date Title
CN109816644B (zh) 一种基于多角度光源影像的轴承缺陷自动检测系统
CN109636824B (zh) 一种基于图像识别技术的多目标计数方法
JP2013167596A (ja) 欠陥検査装置、欠陥検査方法及びプログラム
CN111914665B (zh) 一种人脸遮挡检测方法、装置、设备及存储介质
CN110348289B (zh) 一种基于二值图的手指静脉识别方法
CN109389019B (zh) 人脸图像选择方法、装置及计算机设备
CN111881741A (zh) 车牌识别方法、装置、计算机设备和计算机可读存储介质
CN110032510B (zh) 应用的测试方法及装置
JP2016099668A (ja) 学習方法、学習装置、画像認識方法、画像認識装置及びプログラム
CN111242899A (zh) 基于图像的瑕疵检测方法及计算机可读存储介质
CN111507344A (zh) 从图像中识别出文字的方法和装置
CN115880248A (zh) 一种表面划痕缺陷识别方法及视觉检测设备
US20050271260A1 (en) Device, method and program for removing pores
CN112288760B (zh) 一种粘连细胞图像筛除方法、系统及细胞图像分析方法
CN113884504A (zh) 一种电容外观检测控制方法及装置
CN116385357A (zh) 基于图像识别的试管状态判断方法、装置及系统
CN115082449B (zh) 一种电子元器件缺陷检测方法
WO2016143106A1 (ja) 部品種類自動判別方法及び部品種類自動判別システム並びに画像処理用部品データ作成方法及び画像処理用部品データ作成システム
CN113255766B (zh) 一种图像分类方法、装置、设备和存储介质
CN113537253A (zh) 一种红外图像目标检测方法、装置、计算设备及存储介质
CN110619273B (zh) 一种高效的虹膜识别方法以及识别装置
JP2005250786A (ja) 画像認識方法
Sooruth et al. Automatic South African Coin Recognition Through Visual Template Matching
CN108960222B (zh) 图像二值化方法、装置、设备及存储介质
CN112785550A (zh) 图像质量值确定方法、装置、存储介质及电子装置

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