CN114298985A - 缺陷检测方法、装置、设备及存储介质 - Google Patents
缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114298985A CN114298985A CN202111546419.3A CN202111546419A CN114298985A CN 114298985 A CN114298985 A CN 114298985A CN 202111546419 A CN202111546419 A CN 202111546419A CN 114298985 A CN114298985 A CN 114298985A
- Authority
- CN
- China
- Prior art keywords
- image
- threshold
- gray level
- gray
- threshold segmentation
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 147
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 228
- 238000000034 method Methods 0.000 claims abstract description 67
- 230000006870 function Effects 0.000 claims description 52
- 230000009466 transformation Effects 0.000 claims description 45
- 230000008569 process Effects 0.000 claims description 42
- 230000001629 suppression Effects 0.000 claims description 15
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 abstract description 16
- 238000012545 processing Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 20
- 238000001914 filtration Methods 0.000 description 11
- 239000006185 dispersion Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000001000 micrograph Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003711 image thresholding Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Abstract
本申请实施例公开了一种缺陷检测方法、装置、设备及存储介质，所述方法包括：确定待检测显示屏的目标灰度图像；对所述目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定所述待检测显示屏的缺陷区域；其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像；通过上述技术方案，实现了在散弱缺陷提取过程中，保证缺陷轮廓整体的完整性。
Description
技术领域
本申请实施例涉及图像处理技术领域，尤其涉及一种缺陷检测方法、装置、设备及存储介质。
背景技术
产品外观检测是生产制造过程中产品质量控制的关键步骤。在缺陷检测过程中，存在一种呈分散状的缺陷(以下简称散弱缺陷)，这种类型的缺陷由于距离比较近，通常看成整体进行测量。例如，在检测显示屏缺陷中需要提取缺陷的完整轮廓，根据轮廓的形态和尺寸信息进行不良品判定，如果缺陷提取不完整或者提取偏小，会导致最终测量的尺寸偏小，造成漏检；如果缺陷提取偏大，会导致最终测量的尺寸偏大，造成过检。
为保证产品质量和产品良率，在散弱缺陷提取过程中，需要保证轮廓整体的完整性，而现有的传统缺陷检测方法，并未充分考虑到这一点。
因此，针对现有技术中存在的问题，亟待进行改善。
发明内容
本申请提供一种缺陷检测方法、装置、设备及存储介质，以实现在散弱缺陷提取过程中，保证缺陷轮廓整体的完整性。
第一方面，本申请实施例提供了一种缺陷检测方法，该方法包括：
确定待检测显示屏的目标灰度图像；
对所述目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定所述待检测显示屏的缺陷区域；
其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
第二方面，本申请实施例还提供了一种缺陷检测装置，该装置包括：
灰度图像确定模块，用于确定待检测显示屏的目标灰度图像；
图像阈值分割模块，用于对所述目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定所述待检测显示屏的缺陷区域；
其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
第三方面，本申请实施例还提供了一种电子设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面实施例所提供的任意一种缺陷检测方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所提供的任意一种缺陷检测方法。
本申请实施例通过确定待检测显示屏的目标灰度图像；对目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定待检测显示屏的缺陷区域；其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。通过上述技术方案，在散弱缺陷提取过程中，对目标灰度图像依次进行至少两次阈值分割，可以在首次阈值分割结果的指导下，适应性调整第二次阈值分割的分割阈值，从而实现对后续阈值分割结果的调整，直至根据最末次阈值分割结果，确定待检测显示屏的缺陷区域，实现了对缺陷区域的多次调整，使得调整后的缺陷区域可以更加合理，保证了缺陷轮廓整体的完整性。
附图说明
图1是本申请实施例一提供的一种缺陷检测方法的流程图；
图2是本申请实施例一提供的一种显示屏与显微图像的示意图；
图3是本申请实施例一提供的一种纹理抑制后图像的示意图；
图4是本申请实施例一提供的一种一阶平面拟合图像的示意图；
图5是本申请实施例一提供的一种灰度差图像的示意图；
图6是本申请实施例一提供的一种高斯滤波图像的示意图；
图7是本申请实施例二提供的一种缺陷检测方法的流程图；
图8是本申请实施例二提供的一种缺陷区域的示意图；
图9是本申请实施例三提供的一种缺陷检测方法的流程图；
图10是本申请实施例三提供的一种增强图像的示意图；
图11是本申请实施例三提供的一种图像增强后缺陷区域的示意图；
图12是本申请实施例四提供的一种缺陷检测装置的示意图；
图13是本申请实施例五提供的一种电子设备的示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本申请实施例一提供的一种缺陷检测方法的流程图。本申请实施例可适用于针对显示屏中的散弱缺陷进行检测的情况。该方法可以由一种缺陷检测装置来执行，该装置可以由软件和/或硬件的方式实现，并具体配置于电子设备中，该电子设备可以是移动终端或固定终端。
参见图1，本申请实施例提供的缺陷检测方法，包括：
S110、确定待检测显示屏的目标灰度图像。
本实施例中，可以基于预设的拍摄位置，利用显微相机采集待检测物体显示屏局部的显微图像，并对显微图像进行灰度化处理，得到待检测显示屏的目标灰度图像。其中，待检测显示屏可以是待检测物体如电脑、手机或电视的显示屏。
示例性地，参见图2所示的一种目标灰度图像的示意图，图中给出了显示屏与目标灰度图像的对应关系。其中，图2右边为目标灰度图像，在目标灰度图像靠近中间的位置区域，存在散状缺陷，该散状缺陷分散程度较高，对比度较低。本实施例中，根据散状缺陷的属性特征如分散程度和对比度，可以对散状缺陷进行类型划分，如散状缺陷可以包括分散程度较高且对比度较低、分散程度较高且对比度较高、以及分散程度较低且对比度较高等类型的散状缺陷。
本实施例中，考虑到原始显微图像中存在较多的噪声，在进行缺陷检测之前，可以先对原始显微图像进行预处理。可选地，目标灰度图像的确定过程可以包括：获取待检测显示屏的原始灰度图像；对原始灰度图像进行预处理，得到目标灰度图像；其中，预处理包括纹理抑制处理、图像恢复处理和高斯滤波处理中的至少一项。
本实施例中，可以根据需求对原始灰度图像进行预处理，如可以同时对原始灰度图像进行纹理抑制处理、图像恢复处理和高斯滤波处理，当然，也可以仅对原始灰度图像进行高斯滤波处理。
需要说明的，上述预处理操作的执行顺序可以根据实际使用需求和情况进行确定。在一个可选实施例中，可以先对原始灰度图像进行纹理抑制处理，再在纹理抑制后图像上进行图像恢复处理，之后再在恢复处理后图像上进行高斯滤波处理。
具体地，考虑到原始灰度图像中存在纹理，而纹理会对后续从图像中提取缺陷造成影响，因此，可以采用设定纹理抑制算法，对原始灰度图像进行纹理抑制处理，得到目标灰度图像。其中，设定纹理抑制算法可以利用现有技术中支持纹理抑制的任意技术实现。可以理解的是，通过对原始灰度图像进行纹理抑制，在一定程度上可以抑制不必要的纹理信息，从而突出图像中的散状缺陷。
在一些实施例中，若原始灰度图像存在周期性的纹理，则可以采用相应的周期性纹理抑制算法对原始灰度图像进行处理，以降低周期性纹理对缺陷提取的影响。示例性地，可以在原始灰度图像上进行纹理抑制处理，得到的纹理抑制后图像可以参见图3所示的一种纹理抑制后图像的示意图。本实施例中，可以基于纹理抑制后图像进行后续的缺陷检测操作。
具体地，考虑到原始灰度图像存在光照不均，造成原始灰度图像出现灰度波动的情况，因此，可以采用设定图像恢复算法，对原始灰度图像进行图像恢复处理，得到目标灰度图像。其中，设定图像恢复算法可以利用现有技术中支持图像恢复的任意技术实现。
典型地，设定图像恢复算法可以是一阶平面拟合图像处理算法，通过对原始灰度图像进行灰度一阶平面拟合，得到一阶平面拟合图像；根据一阶平面拟合图像和原始灰度图像，可以得到一阶平面拟合图像和原始灰度图像的灰度差值图像。
示例性地，可以在图3给出的纹理抑制后图像上进行图像恢复处理，得到的一阶平面拟合图像可以参见图4所示的一种一阶平面拟合图像的示意图，得到的灰度差图像可以参见图5所示的一种灰度差图像的示意图。
本实施例中，可以基于灰度差图像进行后续的缺陷检测操作，可以理解的是，灰度差图像消除了背景灰度波动的影响，并且还可以凸显缺陷。
具体地，考虑到散装弱缺陷比较重要的特征是缺陷发散，直接提取缺陷会导致缺陷是孤立的，很难保证缺陷的完整性，因此，可以采用设定高斯滤波算法，对原始灰度图像进行高斯滤波处理，得到目标灰度图像。其中，设定高斯滤波算法可以利用现有技术中支持高斯滤波的任意技术实现。
示例性地，可以在图5给出的灰度差图像上进行高斯滤波处理，得到的高斯滤波图像可以参见图6所示的一种高斯滤波图像的示意图。
可以理解的是，通过对图像进行高斯滤波处理，可以虚化缺陷，使分散的缺陷联合到一起保证缺陷的完整性。
S120、对目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定待检测显示屏的缺陷区域；其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
具体地，阈值分割可以将目标灰度图像分成两部分：大于图像分割阈值的像素群和小于图像分割阈值的像素群，如可以将大于图像分割阈值的像素点进行高亮显示。
可选地，分割阈值可以根据参考灰度图像的灰度均值和/或灰度标准差进行确定。
可以理解的是，分割阈值的确定方式有多种，可以根据实际使用需求和情况进行选取，本申请实施例对分割阈值的确定方式不作任何限定。
本实施例中，在一次阈值分割过程中，可以从目标灰度图像中提取出感兴趣的目标区域，并对该目标区域进行输出，得到输出图像。其中，上述目标区域可以理解为缺陷所在的位置区域。可以理解的是，前次阈值分割的输出图像对缺陷区域进行了初步提取，该输出图像可以作为参考信息，对后续阈值分割提供参考。例如，输出图像的中心坐标、区域大小以及输出图像中各像素点的灰度值等都可以作为参考信息。
本实施例中，可以根据实际使用需求和情况确定阈值分割的次数，通过对原始灰度图像进行多次分割，根据最末次阈值分割结果，可以确定出待检测显示屏的缺陷区域，得到较为完整的缺陷区域。
示例性地，以两次阈值分割过程为例，在首次阈值分割也即第一次阈值分割时，首次阈值分割采用的分割阈值根据目标灰度图像确定；在第二次阈值分割时，第二次阈值分割采用的分割阈值根据第一次阈值分割的输出图像确定。
可选地，在对目标灰度图像进行阈值分割之前，还可以对目标灰度图像进行灰度拉伸，以有选择的拉伸目标灰度图像中的某段灰度区间，改善目标灰度图像。具体地，针对目标灰度图像中的各像素点，可以基于预设灰度变换公式，进行灰度拉伸。其中，预设灰度变换公式可以根据实际使用需求和情况进行确定。在一个可选实施例中，预设灰度变换公式为“像素点灰度值*拉伸系数+灰度值常数”。
本申请实施例通过确定待检测显示屏的目标灰度图像；对目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定待检测显示屏的缺陷区域；其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。通过上述技术方案，在散弱缺陷提取过程中，对目标灰度图像依次进行至少两次阈值分割，可以在首次阈值分割结果的指导下，适应性调整第二次阈值分割的分割阈值，从而实现对后续阈值分割结果的调整，直至根据最末次阈值分割结果，确定待检测显示屏的缺陷区域，实现了对缺陷区域的多次调整，使得调整后的缺陷区域可以更加合理，保证了缺陷轮廓整体的完整性。
实施例二
图7为本申请实施例二提供的一种缺陷检测方法的流程图，本实施例是在上述实施例的基础上，对上述方案的优化。
进一步地，增加操作“将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值；根据所述阈值参考值，确定本次阈值分割的分割阈值”，以完善分割阈值的确定过程。
其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图7，本实施例提供的缺陷检测方法，包括：
S210、确定待检测显示屏的目标灰度图像。
本实施例中，目标灰度图像的确定过程包括：获取待检测显示屏的原始灰度图像；对原始灰度图像进行预处理，得到目标灰度图像；其中，预处理包括纹理抑制处理、图像恢复处理和高斯滤波处理。
S220、对目标灰度图像依次进行至少两次阈值分割，将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值。
其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
本实施例中，考虑到参考灰度图像中各像素点的灰度值波动性较小，在确定分割阈值的过程中，可以不考虑灰度标准差，仅需要将平均灰度值作为阈值参考值，来确定分割阈值。
S230、根据阈值参考值，确定本次阈值分割的分割阈值。
可选地，为了简单起见，可以直接将阈值参考值作为本次阈值分割的分割阈值。
或者可选地，在阈值参考值的基础上，还可以根据经验值，设置调节比例，通过调节比例对阈值参考值进行动态调整，来确定本次阈值分割的分割阈值。其中，不同的阈值分割过程，对应调节比例可以相同或者不同，具体对调节比例的设置可以根据实际使用需求和情况进行确定。
在首次阈值分割过程中，考虑到分割阈值是根据整个目标灰度图像进行确定，而目标灰度图像中存在较多的背景区域，计算出的分割阈值一般较小，此时，可以根据经验值对分割阈值按照设定调节比例，对阈值参考值进行放大；在非首次阈值分割过程中，考虑到分割阈值根据前次阈值分割的输出图像进行确定，而前次阈值分割的输出图像中一般认为是缺陷所在的区域，计算出的分割阈值一般较大，此时，可以根据经验值对分割阈值按照设定调节比例，对阈值参考值进行缩小；在最末次阈值分割过程中，考虑到多次阈值分割过程是不断逼近缺陷区域的，此时的缺陷区域越来越接近真实的缺陷区域，此时，可以直接将阈值参考值作为本次阈值分割的分割阈值，不对阈值参考值进行调节。
示例性地，以三次阈值分割过程为例，三次阈值分割过程对应的调节比例可以分别为2、0.5和1。
可以理解的是，基于调节比例对阈值参考值进行动态调整，可以使得分割阈值可以更加灵活、合理。
S240、根据最末次阈值分割结果，确定待检测显示屏的缺陷区域。
示例性地，以二次阈值分割过程为例，根据第二次阈值分割结果，确定待检测显示屏的缺陷区域，所提取的缺陷区域可以参见图8所示的一种缺陷区域的示意图，图中，散弱缺陷外围的白色包络线为缺陷轮廓的凸集区域，凸集区域可以理解为所有缺陷像素点的最小集合。
本申请实施例在上述实施例的基础上，对分割阈值的确定过程进行了完善，通过将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值；根据阈值参考值，确定本次阈值分割的分割阈值。通过上述技术方案，考虑到参考灰度图像灰度值波动性较小，可以将平均灰度值作为参考阈值，在参考阈值的基础上，确定本次阈值分割的分割阈值，并且不同阈值分割过程，对应的灰度阈值确定方式可以相同或不同，而需要对每次阈值分割过程中的分割阈值进行固定，使得分割阈值可以更加灵活、合理，从而可以进一步提高缺陷区域确定的合理性，保证了缺陷轮廓整体的完整性。
实施例三
图9为本申请实施例三提供的一种缺陷检测方法的流程图，本实施例是在上述实施例的基础上，对上述方案的优化。
进一步地，针对最末次阈值分割，将操作“将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值”，细化为“基于预设灰度变换函数，对本次阈值分割的参考灰度图像进行图像增强，得到第一增强灰度图像；将所述第一增强灰度图像中各像素点的平均灰度值，作为所述阈值参考值”，以完善在最末次阈值分割过程中阈值参考值的确定过程。
其中与上述实施例相同或相应的术语的解释在此不再赘述。
参见图9，本实施例提供的缺陷检测方法，包括：
S310、确定待检测显示屏的目标灰度图像。
S320、对目标灰度图像依次进行至少两次阈值分割，将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值。
其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
S330、根据阈值参考值，确定本次阈值分割的分割阈值。
S340、针对最末次阈值分割，基于预设灰度变换函数，对最末次阈值分割的参考灰度图像进行图像增强，得到第一增强灰度图像。
其中，预设灰度变换函数可以根据实际使用需求和情况进行选取，本申请实施例对此不作具体限定。
考虑到后续图像处理过程中，参考灰度图像会存在缺陷和背景部分的灰度值都较低的情况，因此，可以基于预设灰度变换函数，对参考灰度图像进行灰度拉伸处理，以提高缺陷和背景的灰度差值，提升缺陷和背景的差异性，从而可以更有利于最终的缺陷提取。针对最末次阈值分割，考虑到最末次阈值分割结果是直接影响缺陷区域提取的，因此，在提取阈值分割之前，可以对先图像进行增强；同时，在非最末次阈值分割之后，实际上前景部分也即缺陷提取区域部分(包括真正前景和少许背景)中前景占比较大，因此，对前景也即参考灰度图像进行增强可以优化最终的缺陷提取结果。
本实施例中，可以单独对参考灰度图像进行图像增强，也即仅需要对缺陷部分的灰度值进行增加，而背景部分的灰度值保持不变，以提高缺陷和背景的灰度差值，达到图像增强的目的。
可选地，考虑到常规的线性灰度拉伸方式，缺陷和背景都会进行同倍数增强，缺陷和背景部分的差异性并没有发生实质性改变。因此，可以针对本次阈值分割的参考灰度图像中灰度值小于预设灰度值的像素点，将预设幂指变换函数作为预设灰度变换函数；针对本次阈值分割的参考灰度图像中灰度值不小于预设灰度值的像素点，将预设线性变换函数作为预设灰度变换函数。
其中，预设灰度值可以根据参考灰度图像中各像素点的灰度分布情况进行确定，预设幂指变换函数和预设线性变换函数可以根据实际使用需求和情况进行选取。
本实施例中，考虑到参考灰度图像缺陷和背景灰度值位于低灰度段，直接对全图进行非线性灰度拉伸，会产生明显的噪声，因此，可以采用不同预设灰度变换函数相结合的方式进行非线性灰度拉伸，以优化图像增强过程，在低灰度段采用幂指数灰度拉伸，并限制灰度拉伸上限，中高灰度段进行线性拉伸。
可选地，所述将预设线性变换函数作为所述预设灰度变换函数，包括：确定不小于预设灰度值的像素点所属灰度区间；将所属灰度区间对应的预设线性变换函数作为所述预设灰度变换函数；其中，不同灰度区间所采用预设线性变换函数的变换程度不同。
其中，不同灰度区间对应的预设线性变换函数的变换程度可以根据实际使用需求和情况进行确定。
本实施例中，不小于预设灰度值的像素点属于中高灰度段，进一步地，还可以继续对中高灰度段的像素点进行再次灰度值筛选，确定各像素点所属的灰度区间，如可以根据灰度值大小将中高灰度段细分为T1、T2和T3共三个灰度区间，三个不同灰度区间可以采用变换程度不同的预设线性变换函数。
可以理解的是，不同灰度区间，采用变换程度不同的预设线性变换函数，可以进一步地提高对图像增强的效果。
S350、将第一增强灰度图像中各像素点的平均灰度值，作为最末次阈值分割的阈值参考值。
S360、根据最末次阈值分割的阈值参考值，确定最末次阈值分割的分割阈值。
本实施例中，可以直接将阈值参考值作为本次阈值分割的分割阈值。
S370、根据最末次阈值分割结果，确定待检测显示屏的缺陷区域。
本实施例中，在对参考灰度图像进行增强之后，缺陷和背景的差异更加明显，最末次阈值分割提取的目的是在前次阈值分割提取的基础上进行缺陷精细的分割。
可选地，针对最末次阈值分割，还可以基于预设照明度函数，对中间灰度图像进行图像增强，得到第二增强灰度图像；其中，中间灰度图像为本次阈值分割的参考灰度图像在目标灰度图像中的互补图像；根据第二增强灰度图像更新目标灰度图像，并将更新结果作为本次阈值分割的输入图像。
具体地，输入图像是指阈值分割过程中，待进行阈值分割的图像。本实施例中，基于预设照明度函数，对背景部分也即非缺陷初提取区域部分(包括真正背景和少许缺陷)进行背景增强，可以进一步拉伸背景和剩余部分缺陷的差异，在增强的背景图像上提取出背景部分作为真实的背景区域，从而实现对缺陷轮廓的精细提取。其中，预设照明度函数可以根据实际使用需求和情况确定。
本实施例中，还可以同时对整个图像进行图像增强，也即在对参考灰度图像进行图像增强的同时，还可以对中间灰度图像进行图像增强，其中，中间灰度图像为本次阈值分割的参考灰度图像在目标灰度图像中的互补图像。
需要说明的是，在非最末次阈值分割之后，前景部分中前景占比较大，同理背景部分中背景占比较大，因此，可以同时对前景和背景进行图像增强。可以理解的是，如果背景部分灰度增加较少，缺陷部分灰度增加较多，则同样可以提高缺陷和背景的灰度差值，达到图像增强的目的。
以三次阈值分割过程为例，在第二次阈值分割之后，可以同时对参考灰度图像和中间灰度图像进行图像增强，改善前景和背景图像质量，使得背景中的少许缺陷可以更加突出明显，同理前景中的少许背景可以更加突出明显。示例性地，可以在图8给出的缺陷区域上进行图像增强，得到的增强图像可以参见图10所示的一种增强图像的示意图，从图中可知，缺陷相对于背景更亮，更易于区分和提取；之后再进行第三次阈值分割，就可以在增强图像上进行，得到的第三次阈值分割结果可以参见图11所示的一种图像增强后缺陷区域的示意图，其中，图11包括两张图，左图为图像增强后最终提取的缺陷区域，左图用白色虚线方框标记出了缺陷区域，右图为左图的放大示意图，右图用不规则白色细实线标记出了缺陷的实际尺寸，在实际应用中，缺陷的实际尺寸可按预设计量标准进行测量。
本申请实施例在上述实施例的基础上，对最末次阈值分割过程中阈值参考值的确定过程进行了完善，通过基于预设灰度变换函数，对本次阈值分割的参考灰度图像进行图像增强，得到第一增强灰度图像；将第一增强灰度图像中各像素点的平均灰度值，作为阈值参考值。通过上述技术方案，在前次阈值分割的基础上，对最末次阈值分割的参考灰度图像进行图像增强，可以达到对图像中的前景部分进行增强的目的，通过对前景部分进行针对性处理，前景部分可以单独进行图像增强，提高了前景和背景部分的差异性，便于对缺陷轮廓进行精细提取，在保证缺陷轮廓整体的完整性的基础上，实现了对缺陷轮廓的精细提取。
实施例四
图12是本申请实施例四提供的一种缺陷检测装置的结构示意图。参见图12，本申请实施例提供的一种缺陷检测装置，该装置包括：灰度图像确定模块410和图像阈值分割模块420。
灰度图像确定模块410，用于确定待检测显示屏的目标灰度图像；
图像阈值分割模块420，用于对所述目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定所述待检测显示屏的缺陷区域；
其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
本申请实施例通过确定待检测显示屏的目标灰度图像；对目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定待检测显示屏的缺陷区域；其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。通过上述技术方案，在散弱缺陷提取过程中，对目标灰度图像依次进行至少两次阈值分割，可以在首次阈值分割结果的指导下，适应性调整第二次阈值分割的分割阈值，从而实现对后续阈值分割结果的调整，直至根据最末次阈值分割结果，确定待检测显示屏的缺陷区域，实现了对缺陷区域的多次调整，使得调整后的缺陷区域可以更加合理，保证了缺陷轮廓整体的完整性。
进一步地，所述装置还包括：
参考阈值确定模块，用于将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值；
分割阈值确定模块，用于根据所述阈值参考值，确定本次阈值分割的分割阈值。
进一步地，所述参考阈值确定模块，包括：
前景增强单元，用于针对最末次阈值分割，基于预设灰度变换函数，对本次阈值分割的参考灰度图像进行图像增强，得到第一增强灰度图像；
参考阈值确定单元，用于将所述第一增强灰度图像中各像素点的平均灰度值，作为所述阈值参考值。
进一步地，所述装置还包括：
第一变换函数确定单元，用于针对本次阈值分割的参考灰度图像中灰度值小于预设灰度值的像素点，将预设幂指变换函数作为所述预设灰度变换函数；
第二变换函数确定单元，用于针对本次阈值分割的参考灰度图像中灰度值不小于预设灰度值的像素点，将预设线性变换函数作为所述预设灰度变换函数。
进一步地，所述第二变换函数确定单元，包括：
灰度区间确定子单元，用于确定不小于预设灰度值的像素点所属灰度区间；
变换函数确定子单元，用于将所属灰度区间对应的预设线性变换函数作为所述预设灰度变换函数；
其中，不同灰度区间所采用预设线性变换函数的变换程度不同。
进一步地，所述装置还包括：
背景增强模块，用于针对最末次阈值分割，基于预设照明度函数，对中间灰度图像进行图像增强，得到第二增强灰度图像；其中，所述中间灰度图像为本次阈值分割的参考灰度图像在所述目标灰度图像中的互补图像；
输入图像更新模块，用于根据所述第二增强灰度图像更新所述目标灰度图像，并将更新结果作为本次阈值分割的输入图像。
进一步地，所述灰度图像确定模块410，包括：
原始图像获取单元，用于获取所述待检测显示屏的原始灰度图像；
图像预处理单元，用于对所述原始灰度图像进行预处理，得到目标灰度图像；其中，所述预处理包括纹理抑制处理、图像恢复处理和高斯滤波处理中的至少一项。
本申请实施例所提供的缺陷检测装置可执行本申请任意实施例所提供的缺陷检测方法，具备执行方法相应的功能模块和有益效果。
实施例五
图13是本申请实施例五提供的一种电子设备的结构图。图13示出了适于用来实现本申请实施方式的示例性电子设备512的框图。图13显示的电子设备512仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图13所示，电子设备512以通用计算设备的形式表现。电子设备512的组件可以包括但不限于：一个或者多个处理器或者处理单元516，系统存储器528，连接不同系统组件(包括系统存储器528和处理单元516)的总线518。
总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MCA)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)530和/或高速缓存存储器532。电子设备512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质(图13未显示，通常称为“硬盘驱动器”)。尽管图13中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。系统存储器528可以包括至少一个程序物，该程序物具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如系统存储器528中，这样的程序模块542包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本申请所描述的实施例中的功能和/或方法。
电子设备512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信，还可与一个或者多个使得用户能与该电子设备512交互的设备通信，和/或与使得该电子设备512能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且，电子设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与电子设备512的其它模块通信。应当明白，尽管图13中未示出，可以结合电子设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元516通过运行存储在系统存储器528中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本申请实施例所提供的任意一种缺陷检测方法。
实施例六
本申请实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任一实施例所提供的一种缺陷检测方法，该方法包括：确定待检测显示屏的目标灰度图像；对所述目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定所述待检测显示屏的缺陷区域；其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的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物的形式体现出来，该计算机软件物可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、闪存(FLASH)、硬盘或光盘等，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，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
值得注意的是，上述缺陷检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种缺陷检测方法，其特征在于，包括：
确定待检测显示屏的目标灰度图像；
对所述目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定所述待检测显示屏的缺陷区域；
其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值；
根据所述阈值参考值，确定本次阈值分割的分割阈值。
3.根据权利要求2所述的方法，其特征在于，针对最末次阈值分割，所述将本次阈值分割的参考灰度图像中各像素点的平均灰度值，作为阈值参考值，包括：
基于预设灰度变换函数，对本次阈值分割的参考灰度图像进行图像增强，得到第一增强灰度图像；
将所述第一增强灰度图像中各像素点的平均灰度值，作为所述阈值参考值。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
针对本次阈值分割的参考灰度图像中灰度值小于预设灰度值的像素点，将预设幂指变换函数作为所述预设灰度变换函数；
针对本次阈值分割的参考灰度图像中灰度值不小于预设灰度值的像素点，将预设线性变换函数作为所述预设灰度变换函数。
5.根据权利要求4所述的方法，其特征在于，所述将预设线性变换函数作为所述预设灰度变换函数，包括：
确定不小于预设灰度值的像素点所属灰度区间；
将所属灰度区间对应的预设线性变换函数作为所述预设灰度变换函数；
其中，不同灰度区间所采用预设线性变换函数的变换程度不同。
6.根据权利要求1-5任一项所述的方法，其特征在于，针对最末次阈值分割，所述方法还包括：
基于预设照明度函数，对中间灰度图像进行图像增强，得到第二增强灰度图像；其中，所述中间灰度图像为本次阈值分割的参考灰度图像在所述目标灰度图像中的互补图像；
根据所述第二增强灰度图像更新所述目标灰度图像，并将更新结果作为本次阈值分割的输入图像。
7.根据权利要求1-5任一项所述的方法，其特征在于，所述确定待检测显示屏的目标灰度图像，包括：
获取所述待检测显示屏的原始灰度图像；
对所述原始灰度图像进行预处理，得到目标灰度图像；其中，所述预处理包括纹理抑制处理、图像恢复处理和高斯滤波处理中的至少一项。
8.一种缺陷检测装置，其特征在于，包括：
灰度图像确定模块，用于确定待检测显示屏的目标灰度图像；
图像阈值分割模块，用于对所述目标灰度图像依次进行至少两次阈值分割，并根据最末次阈值分割结果，确定所述待检测显示屏的缺陷区域；
其中，各次阈值分割时采用的分割阈值根据本次阈值分割的参考灰度图像确定；首次阈值分割的参考灰度图像为所述目标灰度图像，非首次阈值分割的参考灰度图像为前次阈值分割的输出图像。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的一种缺陷检测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种缺陷检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111546419.3A CN114298985B (zh) | 2021-12-16 | 2021-12-16 | 缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111546419.3A CN114298985B (zh) | 2021-12-16 | 2021-12-16 | 缺陷检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114298985A true CN114298985A (zh) | 2022-04-08 |
| CN114298985B CN114298985B (zh) | 2023-12-22 |
Family
ID=80966714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111546419.3A Active CN114298985B (zh) | 2021-12-16 | 2021-12-16 | 缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114298985B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661160A (zh) * | 2022-12-29 | 2023-01-31 | 成都数之联科技股份有限公司 | 一种面板缺陷检测方法及系统及装置及介质 |
| CN117274241A (zh) * | 2023-11-17 | 2023-12-22 | 四川赢信汇通实业有限公司 | 一种基于快速图像分析的制动鼓表面损坏检测方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3168047A1 (en) * | 2017-06-14 | 2018-12-20 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
| CN110570411A (zh) * | 2019-09-05 | 2019-12-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于变异系数的Mura检测方法及装置 |
| CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
| CN111311610A (zh) * | 2020-02-14 | 2020-06-19 | 河北工程大学 | 图像分割的方法及终端设备 |
| CN111798467A (zh) * | 2020-06-30 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、设备及存储介质 |
| CN111986159A (zh) * | 2020-07-24 | 2020-11-24 | 苏州威华智能装备有限公司 | 太阳能电池片的电极缺陷检测方法、设备及存储介质 |
| WO2021068330A1 (zh) * | 2019-10-12 | 2021-04-15 | 平安科技（深圳）有限公司 | 智能图像分割及分类方法、装置及计算机可读存储介质 |
| US20210174489A1 (en) * | 2019-12-04 | 2021-06-10 | Beijing Boe Optoelectronics Technology Co., Ltd. | Method and apparatus for detecting a screen, and electronic device |
| CN113160087A (zh) * | 2021-04-29 | 2021-07-23 | 平安科技（深圳）有限公司 | 图像增强方法、装置、计算机设备及存储介质 |
-
2021
- 2021-12-16 CN CN202111546419.3A patent/CN114298985B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3168047A1 (en) * | 2017-06-14 | 2018-12-20 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image processing |
| CN110570411A (zh) * | 2019-09-05 | 2019-12-13 | 中国科学院长春光学精密机械与物理研究所 | 一种基于变异系数的Mura检测方法及装置 |
| WO2021068330A1 (zh) * | 2019-10-12 | 2021-04-15 | 平安科技（深圳）有限公司 | 智能图像分割及分类方法、装置及计算机可读存储介质 |
| CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
| US20210174489A1 (en) * | 2019-12-04 | 2021-06-10 | Beijing Boe Optoelectronics Technology Co., Ltd. | Method and apparatus for detecting a screen, and electronic device |
| CN111311610A (zh) * | 2020-02-14 | 2020-06-19 | 河北工程大学 | 图像分割的方法及终端设备 |
| CN111798467A (zh) * | 2020-06-30 | 2020-10-20 | 中国第一汽车股份有限公司 | 一种图像分割方法、装置、设备及存储介质 |
| CN111986159A (zh) * | 2020-07-24 | 2020-11-24 | 苏州威华智能装备有限公司 | 太阳能电池片的电极缺陷检测方法、设备及存储介质 |
| CN113160087A (zh) * | 2021-04-29 | 2021-07-23 | 平安科技（深圳）有限公司 | 图像增强方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 梁忠伟;叶邦彦;彭锐涛;徐兰英;: "基于灰度直方图拟合曲线的数字图像多阈值分割技术研究", 现代制造工程, no. 09 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661160A (zh) * | 2022-12-29 | 2023-01-31 | 成都数之联科技股份有限公司 | 一种面板缺陷检测方法及系统及装置及介质 |
| CN117274241A (zh) * | 2023-11-17 | 2023-12-22 | 四川赢信汇通实业有限公司 | 一种基于快速图像分析的制动鼓表面损坏检测方法及装置 |
| CN117274241B (zh) * | 2023-11-17 | 2024-02-09 | 四川赢信汇通实业有限公司 | 一种基于快速图像分析的制动鼓表面损坏检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114298985B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110705583B (zh) | 细胞检测模型训练方法、装置、计算机设备及存储介质 | |
| CN114235758A (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN101901342B (zh) | 影像目标区域的提取方法和装置 | |
| CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
| CN111986159B (zh) | 太阳能电池片的电极缺陷检测方法、设备及存储介质 | |
| CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
| CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
| CN111369523B (zh) | 显微图像中细胞堆叠的检测方法、系统、设备及介质 | |
| CN108664839B (zh) | 一种图像处理方法和设备 | |
| CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
| CN117197527A (zh) | 一种液晶显示屏的玻璃基板的缺陷检测分类方法及装置 | |
| CN117152165B (zh) | 感光芯片缺陷的检测方法、装置、存储介质及电子设备 | |
| WO2023273296A1 (zh) | 车图像分割质量的评估方法、装置、设备及存储介质 | |
| WO2020087434A1 (zh) | 一种人脸图像清晰度评价方法及装置 | |
| CN111415365B (zh) | 图像检测方法及装置 | |
| CN114418848B (zh) | 视频处理方法、装置、存储介质及电子设备 | |
| US20220207724A1 (en) | Method of determining a distribution of stem cells in a cell image, electronic device, and storage medium | |
| CN110633705A (zh) | 一种低照度成像车牌识别方法及装置 | |
| CN113674180A (zh) | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 | |
| Shao et al. | An adaptive image contrast enhancement algorithm based on retinex | |
| CN113573137A (zh) | 视频画布边界检测方法、系统、终端设备及存储介质 | |
| CN113191990A (zh) | 一种图像处理方法、装置、电子设备及介质 | |
| CN112561906A (zh) | 一种图像处理方法、装置、设备及介质 | |
| CN114359115B (zh) | 一种提高缺陷检测准确性的方法、计算机设备及可读介质 | |
| CN109614962B (zh) | 一种偏光光源人脸图像检测方法和系统 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231122 Address after: 215100 No.6, Shuangqi Road, Wuzhong Economic Development Zone, Suzhou City, Jiangsu Province Applicant after: Suzhou lingyunguang Industrial Intelligent Technology Co.,Ltd. Applicant after: Lingyunguang Technology Co.,Ltd. Address before: 215123 east half of a0-1f, a1-1f, Zhongyuan Industrial Square, 259 Changyang street, Suzhou Industrial Park, Jiangsu Province Applicant before: SUZHOU LINGYUN VISION INTELLIGENT EQUIPMENT Co.,Ltd. Applicant before: Suzhou lingyunguang Industrial Intelligent Technology Co.,Ltd. Applicant before: Lingyunguang Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |