CN114862847A - 一种基于图形识别的包覆药外形缺陷检测方法及系统 - Google Patents
一种基于图形识别的包覆药外形缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN114862847A CN114862847A CN202210780679.5A CN202210780679A CN114862847A CN 114862847 A CN114862847 A CN 114862847A CN 202210780679 A CN202210780679 A CN 202210780679A CN 114862847 A CN114862847 A CN 114862847A
- Authority
- CN
- China
- Prior art keywords
- medicine
- image
- zoom
- coated
- coating
- 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
- 239000003814 drug Substances 0.000 title claims abstract description 192
- 230000007547 defect Effects 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003909 pattern recognition Methods 0.000 title claims abstract description 22
- 239000011248 coating agent Substances 0.000 claims abstract description 125
- 238000000576 coating method Methods 0.000 claims abstract description 123
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 229940079593 drug Drugs 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005253 cladding Methods 0.000 claims description 6
- 238000003702 image correction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
-
- 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
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像检测技术领域,具体涉及一种基于图形识别的包覆药外形缺陷检测方法及系统,方法包括:建立包覆药三维模型,同时获取所述包覆药外形采集图像;基于所述外形采集图像进行像素分割,提取包覆药所占像素,建立所述包覆药边缘线和计算像素色彩块占比;然后计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。本发明以3D模型标准对药品外形进行检测,不仅可以随意对任何步骤中的包覆药进行外形检测,同时极大的提高了检测效率和准确率。
Description
技术领域
本发明涉及一种图像检测技术,尤其涉及一种基于图形识别的包覆药外形缺陷检测方法。本发明还涉及一种基于图形识别的包覆药外形缺陷检测系统。
背景技术
包覆药外形是包覆药质量的重要组成部分,对包覆药外形的检测,现有技术采用的方法是,通过抽样人工检测,对包覆药外形合格率进行概率性判断,这种方法是基于优良的包覆药加工工艺,保证包覆药成品一致性较高的前提下才能准确。
这种方法存在的问题是,对包覆药外形无法全程跟踪,不能及时剔除,导致不合规成品流出。
发明内容
为解决上述技术问题,现提出一种基于图形识别的包覆药外形缺陷检测方法及检测系统。
本发明提供了一种基于图形识别的包覆药外形缺陷检测方法,包括:
建立包覆药三维模型,同时获取所述包覆药外形采集图像;
基于所述外形采集图像进行像素分割,并将所述包覆药所占像素提取出来,根据所提取的像素建立所述包覆药边缘线和计算像素色彩块占比;
根据所述边缘线和像素色彩块占比,计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;
基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。
可选的,所述三维模型包括所述包覆药的形状、结构和色彩。
可选的,基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像包括:
根据所述正视缩放图,识别要提取的所述三维模型的视角,并根据所述识别出的视角采集一个或者多个所述数字包覆药图像;
基于提取的所述数字包覆药图像与所述正视缩放图进行对比,若对比结果没有相同的,则判断为存在缺陷,否则不存在缺陷。
可选的,还包括将所述缺陷进行标记。
可选的,获取所述包覆药外形采集图像采用的设备包括高清摄像机。
本发明还提供一种基于图形识别的包覆药外形缺陷检测系统,包括:
预处理模块,用于建立包覆药三维模型,同时获取所述包覆药外形采集图像;
像素处理模块,用于基于所述外形采集图像进行像素分割,并将所述包覆药所占像素提取出来,根据所提取的像素建立所述包覆药边缘线和计算像素色彩块占比;
图像校正模块,用于根据所述边缘线和像素色彩块占比,计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;
计算模块,用于基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。
可选的,所述三维模型包括所述包覆药的形状、结构和色彩。
可选的,所述基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像包括:
根据所述正视缩放图,识别要提取的所述三维模型的视角,并根据所述识别出的视角采集一个或者多个所述数字包覆药图像;
基于提取的所述数字包覆药图像与所述正视缩放图进行对比,若对比结果没有相同的,则判断为具有缺陷,否则不存在缺陷。
可选的,还包括:标记模块,用于将所述缺陷进行标记。
可选的,获取所述包覆药外形采集图像采用的设备包括高清摄像机。
本发明相对于现有技术的优点是:
本发明通过图像检测技术,以3D模型标准对药品外形进行检测,不仅可以随意对任何步骤中的包覆药进行检测,同时极大的提高了检测效率和准确率。
附图说明
图1是本发明中基于图形识别的包覆药外形缺陷检测的流程图;
图2是本发明中图像变换流程图;
图3是本发明中基于图形识别的包覆药外形缺陷检测系统示意图。
具体实施方式
以下内容均是为了详细说明本发明要保护的技术方案所提供的具体实施过程的示例,但是本发明还可以采用不同于此描述的其他方式实施,本领域技术人员可以在本发明构思的指引下,采用不同的技术手段实现本发明,因此本发明不受下面具体实施例的限制。
本发明提供一种基于图形识别的包覆药外形缺陷检测方法,包括:建立包覆药三维模型,同时获取所述包覆药外形采集图像;基于所述外形采集图像进行像素分割,并将所述包覆药所占像素提取出来,根据所提取的像素建立所述包覆药边缘线和计算像素色彩块占比;根据所述边缘线和像素色彩块占比,计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。本发明通过图像检测技术,以3D模型标准对药品外形进行检测,不仅可以随意对任何步骤中的包覆药进行外形检测,同时极大的提高了检测效率和准确率。优选的,所述获取所述包覆药外形采集图像采用的设备包括:高清摄像机。
图1是本发明中基于图形识别的包覆药外形缺陷检测的流程图。
请参照图1所示,S101建立包覆药三维模型,同时获取所述包覆药外形采集图像;
所述包覆药的三维建模是根据包覆药的真实数据建模,所述建模可以采用三维扫描的方式建立模型,然后添加色彩,优选的,所述三维建模是采用3D工程软件建立的模型,具体的,所述三维模型包括所述包覆药的形状、结构和色彩。
所述三维模型建立后则存储起来以在需要的时间使用。其中所述三维模型主要用于提供不同视角的图像标准,该图像标准添加误差后,形成对比标准,用于和实际拍摄的所述包覆药进行图像对比。
所述包覆药外形采集图像是通过摄像设备采集到的实体包覆药图像,该实体包覆药图像可以为1张,也可以是多张,还可以是连续帧。
在实际对比过程中,可以多张所述包覆药外形采集图像与多张所述三维模型的图像进行对比,但是多张对比就是对每一张图像的对比,按照图像数量进行多次对比。
所述摄像设备采集到所述包覆药的外形采集图像后,直接发送给处理器进行图像处理,所述处理器对所述包覆药外形采集图像的处理包括,旋转,缩放。
请参照图1所示,S102基于所述外形采集图像进行像素分割,并将所述包覆药所占像素提取出来,根据所提取的像素建立所述包覆药边缘线和计算像素色彩块占比;
所述提取像素具体为:读取每个像素值的灰度参数,以此实现提取每个像素。
所述包覆药边缘线计算包括:像素分割,所述分割是按照像素的灰度值进行的,一个在预设误差内的灰度值像素组成的图像,识别为本发明中所述的包覆药,其中将识别出的所述包覆药外形与预先设置的包覆药外形进行对比,根据对比结果可以审核所述图像识别的结果。最后根据识别的所述包覆药外形,读取其边缘的像素,形成所述包覆药边缘线。
计算像素色彩块占比包括:读取一个边缘线范围内的所有像素,对所述像素的色彩参数进行判断,将坐标连续,且所述坐标对应的相邻像素点的色彩参数的差值处于一个预设的范围内的一整片像素作为一个像素块。
读取全部像素的个数,计算每个色彩块像素个数与所述全部像素的个数进行比值,确定所述像素色彩块占比。
具体的,所述处理器首选对所述图像进行灰度设置,并提取每个像素点的灰度值。同时,所述处理器根据预设的灰度值误差对所述灰度值以及所述灰度值组成的图像进行提取和分割。
根据所述灰度值完成所述包覆药像素提取后,调取包覆药的实际外形数据,并计算所述包覆药实际的外形特征比例,根据所述比例对分割提取的所述包覆药图像进行对比判断,若所述外形比例正确,则判断为分割成功。
所述包覆药在分割完成后,即可进行图像变换,在此之前,所述处理器对所述图像进行图像色彩恢复。具体的,每个像素点,其在设置成灰度图像时,都将其色彩参数与该像素的坐标进行存储,在恢复时,根据所述像素的坐标,即可读取所述存储的色彩参数,并对所述灰度图像进行恢复。
图2是本发明中图像变换流程图。
请参照图2所示,S201,旋转变换。
在本发明中,读取所述分割出来的图像中选择边缘线中相对两端的两个预设的预先设置的选定像素位置进行连线,将该连线旋转到水平位置,并基于所述连线的旋转,对所述分割出来的像素块进行相对于所述连线静止的进行旋转。
S202,缩放变换。
所述缩放变换可以按照如下公式计算:
其中,所述B是可进行缩放大小尺寸,所述mi是分割出来的图像大小,所述hi预先设置的包覆药尺寸大小。
应当清楚的是,该公式分别应用于长宽的计算。
然后按照计算出的B值进行切割后的图像缩放。同时根据像素色彩块占比对所述缩放进行验证,即将缩放后的像素色彩块占比与缩放前的像素色彩块占比进行比较。当比较结果处于预设的范围内,则确定缩放合格,否则不合格。
请参照图1所示,S103根据所述边缘线和像素色彩块占比,计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;
上述已经提到了缩放大小的计算方式,本发明中,将分割后的图像中的不同色彩的像素块分别进行计算和缩放,并在缩放完成后重新拼接在一起,形成最终正视缩放图。
所述缩放不会改变分割后图像的所有特征。
请参照图1所示,S104基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。
在此步骤中,实际上是从包覆药三维模型中生成数字包覆药图像,然后将所述数字包覆药图像与所述正视缩放图进行对比。一种优选的方法是,将所述数字包覆药图像与所述正视缩放图进行叠加处理,根据叠加后的图像对所述正视缩放图中缺失的像素进行识别。
优选的,所述基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像包括:根据所述正视缩放图,识别要提取的所述三维模型的视角,并根据所述识别出的视角采集一个或者多个所述数字包覆药图像;基于提取的所述数字包覆药图像与所述正视缩放图进行对比,若对比结果没有相同的,则判断为具有缺陷,否则不存在缺陷。
完成所述缺陷的识别后,将具有缺陷的位置进行标记。
本发明还保护一种基于图形识别的包覆药外形缺陷检测系统,该系统包括:预处理模块、像素处理模块、图像校正模块和计算模块。
图3是本发明中基于图形识别的包覆药外形缺陷检测系统示意图。
请参照图3所示,预处理模块301,用于建立包覆药三维模型,同时获取所述包覆药外形采集图像;
所述包覆药的三维建模是根据包覆药的真实数据建模,所述建模可以采用三维扫描的方式建立模型,然后添加色彩,优选的,所述三维建模是采用3D工程软件建立的模型,具体的,所述三维模型包括所述包覆药的形状、结构和色彩。
所述三维模型建立后则存储起来以在需要的时间使用。其中所述三维模型主要用于提供不同视角的图像标准,该图像标准添加误差后,形成对比标准,用于和实际拍摄的所述包覆药进行图像对比。
所述包覆药外形采集图像是通过摄像设备采集到的实体包覆药图像,该实体包覆药图像可以为1张,也可以是多张,还可以是连续帧。
在实际对比过程中,可以多张所述包覆药外形采集图像与多张所述三维模型的图像进行对比,但是多张对比就是对每一张图像的对比,按照图像数量进行多次对比。
所述摄像设备采集到所述包覆药的外形采集图像后,直接发送给处理器进行图像处理,所述处理器对所述包覆药外形采集图像的处理包括,旋转,缩放。
请参照图3所示,像素处理模块302,用于基于所述外形采集图像进行像素分割,并将所述包覆药所占像素提取出来,根据所提取的像素建立所述包覆药边缘线和计算像素色彩块占比;
提取像素具体为,读取每个像素值的灰度参数,进而提取到了每个像素。
包覆药边缘线计算包括:进行像素分割,所述分割是按照像素的灰度值进行的,一个在预设误差内的灰度值像素组成的图像,识别为本发明中所述的包覆药,其中将识别出的所述包覆药外形与预先设置的包覆药外形进行对比,根据对比结果可以审核所述图像识别的结果。最后根据识别的所述包覆药外形,读取其边缘的像素,形成所述包覆药边缘线。
具体的,所述处理器首选对所述图像进行灰度设置,并提取每个像素点的灰度值。同时,所述处理器根据预设的灰度值误差对所述灰度值以及所述灰度值组成的图像进行提取和分割。
根据所述灰度值完成所述包覆药像素提取后,调取包覆药的实际外形数据,并计算所述包覆药实际的外形特征比例,根据所述比例对分割提取的所述包覆药图像进行对比判断,若所述外形比例正确,则判断为分割成功。
所述包覆药在分割完成后,即可进行图像变换,在此之前,所述处理器对所述图像进行图像色彩恢复。具体的,每个像素点,其在设置成灰度图像时,都将其色彩参数与该像素的坐标进行存储,在恢复时,根据所述像素的坐标,即可读取所述存储的色彩参数,并对所述灰度图像进行恢复。
请参照图3所示,图像校正模块303,用于根据所述边缘线和像素色彩块占比,计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;
上述已经提到了缩放大小的计算方式,本发明中,将分割后的图像中的不同色彩的像素块分别进行计算和缩放,并在缩放完成后重新拼接在一起,形成最终正视缩放图。
所述缩放不会改变分割后图像的所有特征。
请参照图3所示,计算模块304,用于基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。
在此步骤中,实际上是从包覆药三维模型中生成数字包覆药图像,然后将所述数字包覆药图像与所述正视缩放图进行对比。一种优选的方法是,将所述数字包覆药图像与所述正视缩放图进行叠加处理,根据叠加后的图像对所述正视缩放图中缺失的像素进行识别。
优选的,所述基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像包括:根据所述正视缩放图,识别要提取的所述三维模型的视角,并根据所述识别出的视角采集一个或者多个所述数字包覆药图像;基于提取的所述数字包覆药图像与所述正视缩放图进行对比,若对比结果没有相同的,则判断为具有缺陷,否则不存在缺陷。
完成所述缺陷的识别后,将具有缺陷的位置进行标记。
Claims (10)
1.一种基于图形识别的包覆药外形缺陷检测方法,其特征在于,包括:
建立包覆药三维模型,同时获取所述包覆药外形采集图像;
基于所述外形采集图像进行像素分割,并将所述包覆药所占像素提取出来,根据所提取的像素建立所述包覆药边缘线和计算像素色彩块占比;
根据所述边缘线和像素色彩块占比,计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;
基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。
2.根据权利要求1所述基于图形识别的包覆药外形缺陷检测方法,其特征在于,所述三维模型包括所述包覆药的形状、结构和色彩。
3.根据权利要求1所述基于图形识别的包覆药外形缺陷检测方法,其特征在于,基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像包括:
根据所述正视缩放图,识别要提取的所述三维模型的视角,并根据所述识别出的视角采集一个或者多个所述数字包覆药图像;
基于提取的所述数字包覆药图像与所述正视缩放图进行对比,若对比结果没有相同的,则判断为存在缺陷,否则不存在缺陷。
4.根据权利要求1所述基于图形识别的包覆药外形缺陷检测方法,其特征在于,还包括将所述缺陷进行标记。
5.根据权利要求1所述基于图形识别的包覆药外形缺陷检测方法,其特征在于,获取所述包覆药外形采集图像采用的设备包括高清摄像机。
6.一种基于图形识别的包覆药外形缺陷检测系统,其特征在于,包括:
预处理模块,用于建立包覆药三维模型,同时获取所述包覆药外形采集图像;
像素处理模块,用于基于所述外形采集图像进行像素分割,并将所述包覆药所占像素提取出来,根据所提取的像素建立所述包覆药边缘线和计算像素色彩块占比;
图像校正模块,用于根据所述边缘线和像素色彩块占比,计算所述像素色彩块缩放度,并根据所述缩放度对所述包覆药的像素进行缩放处理,获得正视缩放图;
计算模块,用于基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像,将所述正视缩放图与所述数字包覆药图像进行对比,获得缺陷检测结果。
7.根据权利要求6所述基于图形识别的包覆药外形缺陷检测系统,其特征在于,所述三维模型包括所述包覆药的形状、结构和色彩。
8.根据权利要求6所述基于图形识别的包覆药外形缺陷检测系统,其特征在于,所述基于所述正视缩放图,从所述包覆药三维模型中生成数字包覆药图像包括:
根据所述正视缩放图,识别要提取的所述三维模型的视角,并根据所述识别出的视角采集一个或者多个所述数字包覆药图像;
基于提取的所述数字包覆药图像与所述正视缩放图进行对比,若对比结果没有相同的,则判断为具有缺陷,否则不存在缺陷。
9.根据权利要求6所述基于图形识别的包覆药外形缺陷检测系统,其特征在于,还包括:标记模块,用于将所述缺陷进行标记。
10.根据权利要求6所述基于图形识别的包覆药外形缺陷检测系统,其特征在于,所述获取所述包覆药外形采集图像采用的设备包括高清摄像机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210780679.5A CN114862847B (zh) | 2022-07-05 | 2022-07-05 | 一种基于图形识别的包覆药外形缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210780679.5A CN114862847B (zh) | 2022-07-05 | 2022-07-05 | 一种基于图形识别的包覆药外形缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114862847A true CN114862847A (zh) | 2022-08-05 |
CN114862847B CN114862847B (zh) | 2022-09-16 |
Family
ID=82626918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210780679.5A Active CN114862847B (zh) | 2022-07-05 | 2022-07-05 | 一种基于图形识别的包覆药外形缺陷检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114862847B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247834A (zh) * | 2017-05-31 | 2017-10-13 | 华中科技大学 | 一种基于图像识别的三维环境模型重构方法、设备及系统 |
CN110910481A (zh) * | 2019-11-26 | 2020-03-24 | 浙江大学 | 一种基于轮廓变形的三维服装人台造型方法 |
CN111873643A (zh) * | 2020-07-08 | 2020-11-03 | 许世岩 | 一种供应链物流管理的高效分拣打标系统 |
CN113870267A (zh) * | 2021-12-03 | 2021-12-31 | 深圳市奥盛通科技有限公司 | 缺陷检测方法、装置、计算机设备及可读存储介质 |
CN113888506A (zh) * | 2021-09-30 | 2022-01-04 | 电子科技大学 | 基于深度分割网络的包覆药形状缺陷检测算法 |
CN114022409A (zh) * | 2021-09-30 | 2022-02-08 | 电子科技大学 | 基于深度学习的包覆药表面缺陷检测算法 |
CN114402275A (zh) * | 2019-09-27 | 2022-04-26 | 苹果公司 | 用于使用增强现实进行建模、测量和绘图的系统、方法和图形用户界面 |
-
2022
- 2022-07-05 CN CN202210780679.5A patent/CN114862847B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247834A (zh) * | 2017-05-31 | 2017-10-13 | 华中科技大学 | 一种基于图像识别的三维环境模型重构方法、设备及系统 |
CN114402275A (zh) * | 2019-09-27 | 2022-04-26 | 苹果公司 | 用于使用增强现实进行建模、测量和绘图的系统、方法和图形用户界面 |
US20220130118A1 (en) * | 2019-09-27 | 2022-04-28 | Apple Inc. | Systems, Methods, and Graphical User Interfaces for Modeling, Measuring, and Drawing Using Augmented Reality |
CN110910481A (zh) * | 2019-11-26 | 2020-03-24 | 浙江大学 | 一种基于轮廓变形的三维服装人台造型方法 |
CN111873643A (zh) * | 2020-07-08 | 2020-11-03 | 许世岩 | 一种供应链物流管理的高效分拣打标系统 |
CN113888506A (zh) * | 2021-09-30 | 2022-01-04 | 电子科技大学 | 基于深度分割网络的包覆药形状缺陷检测算法 |
CN114022409A (zh) * | 2021-09-30 | 2022-02-08 | 电子科技大学 | 基于深度学习的包覆药表面缺陷检测算法 |
CN113870267A (zh) * | 2021-12-03 | 2021-12-31 | 深圳市奥盛通科技有限公司 | 缺陷检测方法、装置、计算机设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114862847B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN106651942A (zh) | 基于特征点的三维旋转运动检测与旋转轴定位方法 | |
CN107543828A (zh) | 一种工件表面缺陷检测方法及系统 | |
CN112132907B (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN108550166B (zh) | 一种空间目标图像匹配方法 | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
CN103617615A (zh) | 径向畸变参数获取方法及获取装置 | |
CN109631766B (zh) | 一种基于图像的木材板尺寸测量方法 | |
Alemán-Flores et al. | Line detection in images showing significant lens distortion and application to distortion correction | |
CN109029203A (zh) | 一种基于数字图像处理的半自动测量物体尺寸装置 | |
CN106296587B (zh) | 轮胎模具图像的拼接方法 | |
CN112652015A (zh) | 基于bim的路面病害标记方法和装置 | |
CN112613123A (zh) | 一种飞机管路ar三维注册方法及装置 | |
CN115147499A (zh) | 标定参数确定方法、混合标定板、装置、设备和介质 | |
CN116228652A (zh) | 一种基于三维点云曲率的管道焊缝表面缺陷检测方法 | |
CN115830135A (zh) | 一种图像处理方法、装置及电子设备 | |
CN114862847B (zh) | 一种基于图形识别的包覆药外形缺陷检测方法及系统 | |
CN109740458B (zh) | 一种基于视频处理的体貌特征测量方法及系统 | |
CN114092385A (zh) | 基于机器视觉的工业机械故障检测方法及装置 | |
CN116342519A (zh) | 一种基于机器学习的图像处理方法 | |
CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
CN112231848B (zh) | 一种构建车辆喷涂模型的方法及系统 | |
CN113920196A (zh) | 视觉定位方法、装置及计算机设备 | |
CN113989428A (zh) | 一种基于深度视觉的冶金库区全局三维重建方法及装置 | |
CN102799865B (zh) | 基于图像边界极坐标化离散序列的角度识别方法 |
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 |