CN114998344A - 基于图像处理的离子交换膜表面缺陷评估方法及系统 - Google Patents

基于图像处理的离子交换膜表面缺陷评估方法及系统 Download PDF

Info

Publication number
CN114998344A
CN114998344A CN202210929636.9A CN202210929636A CN114998344A CN 114998344 A CN114998344 A CN 114998344A CN 202210929636 A CN202210929636 A CN 202210929636A CN 114998344 A CN114998344 A CN 114998344A
Authority
CN
China
Prior art keywords
ion exchange
exchange membrane
pixel
wrinkle
pixels
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
CN202210929636.9A
Other languages
English (en)
Inventor
赵升磊
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.)
Nantong Jinmao Explosion Proof Electrical Co ltd
Original Assignee
Nantong Jinmao Explosion Proof Electrical 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 Nantong Jinmao Explosion Proof Electrical Co ltd filed Critical Nantong Jinmao Explosion Proof Electrical Co ltd
Priority to CN202210929636.9A priority Critical patent/CN114998344A/zh
Publication of CN114998344A publication Critical patent/CN114998344A/zh
Pending legal-status Critical Current

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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Abstract

本发明涉及缺陷检测技术领域，具体涉及一种基于图像处理的离子交换膜表面缺陷评估方法及系统，利用相关的电子设备对待评估离子交换膜进行图形识别，与正常离子交换膜的图像相比，获取待评估离子交换膜图像中每个像素的偏移向量，通过数据处理得到褶皱面和褶皱线；对于每条褶皱线，进行曲线拟合，对于曲线上的每个点，根据其切线垂线上属于褶皱面的各像素对其的挤压值，计算破洞概率，基于破洞概率进行离子交换膜表面缺陷的评估。本发明利用电子设备进行对离子交换膜进行图形识别，采用数据处理过程，对离子交换膜是否可能出现孔洞进行先行判断，减少了不必要的工作量，且有效避免了孔洞的误检漏检。

Description

基于图像处理的离子交换膜表面缺陷评估方法及系统
技术领域
本发明涉及缺陷检测技术领域，具体涉及一种基于图像处理的离子交换膜表面缺陷评估方法及系统。
背景技术
离子交换膜在二次使用中，由于可能之前发生褶皱，但是未形成孔洞，而在更换电解槽进行循环使用时，可能由于之前在使用过程中出现褶皱但未出现孔洞，而在二次使用中，就很可能出现孔洞，致使产品生产过程造成污染，导致产品质量不达标。
离子交换膜在更换电解槽时，必须进行褶皱检验，而现有的进行褶皱检测的视觉检测系统，仅能检测是否发生褶皱，给出褶皱位置，没有进一步的对褶皱是否可能导致孔洞的出现进行分析。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于图像处理的离子交换膜表面缺陷评估方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种基于图像处理的离子交换膜表面缺陷评估方法，该方法包括以下具体步骤：
与正常离子交换膜的图像相比，获取待评估离子交换膜图像中每个像素的偏移向量；
基于各个像素的位置和偏移向量，聚类得到褶皱面和褶皱线；
对于每条褶皱线，进行曲线拟合，对于曲线上的每个点，根据其切线垂线上属于褶皱面的各像素对其的挤压值，计算破洞概率；所述挤压值根据像素的偏移向量得到；
基于破洞概率进行离子交换膜表面缺陷的评估。
进一步地，对于每条褶皱线对应曲线上的每个点，其切线垂线经过两个褶皱面，基于褶皱面中包括的垂线像素的挤压值，分别计算所述两个褶皱面对该点的挤压程度，根据得到的两个挤压程度的最大值和差值，计算该点的破洞概率。
进一步地，所述最大值越大，破洞概率越大，所述差值越小，破洞概率越大。
进一步地，以垂线像素为中心设置窗口，窗口内像素的偏移向量在所述垂线上的投影向量模长的和，为垂线像素对应的挤压值。
进一步地，为垂线像素对应的挤压值设置权重系数，褶皱面中包括的垂线像素对应的挤压值进行加权求和，得到褶皱面对所述曲线上点的挤压程度；所述权重系数包括第一权重系数和第二权重系数，第一权重系数和垂线像素到所述曲线的距离呈负相关关系，第二权重系数和垂线像素的挤压值梯度呈正相关关系，其中，相邻垂线像素挤压值的差值为挤压值梯度。
进一步地，所述每个像素的偏移向量的获取具体为：
先后两次利用正弦结构光照射待评估离子交换膜，得到两张包括正弦结构光的待评估离子交换膜图像，其中，先后两次所用正弦结构光中光条纹的方向相互垂直；
若待评估离子交换膜图像中光条纹与行方向垂直，则对于每个像素，将该像素和相邻光条纹中与该像素对应正弦值相同且处于同一行的像素之间的间距，与正常间距进行比较，得到该像素的横向偏移量；同理，得到该像素的纵向偏移量；根据横向偏移量和纵向偏移量得到该像素的偏移向量；
其中，所述正常间距为包括正弦结构光的正常离子交换膜图像中颜色相同的相邻光条纹的间距。
进一步地，聚类得到褶皱面和褶皱线，具体为：
对于聚类得到的每个簇，基于像素的坐标，利用PCA算法对簇中像素进行降维后，计算簇中像素与较大特征值对应特征向量所在直线的距离方差，基于距离方差对簇中像素对应区域进行褶皱面或褶皱线的区分。
第二方面，本发明另一个实施例提供了一种基于图像处理的离子交换膜表面缺陷评估系统，该系统具体包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于图像处理的离子交换膜表面缺陷评估方法的步骤。
本发明实施例至少具有如下有益效果：本发明根据每个像素的偏移向量即褶皱程度，计算褶皱线上每个点对应的褶皱面对其的挤压程度，得到皱线上每个点的破洞概率；相对于现有的仅判断是否发生褶皱的检测方法，本发明采用数据处理过程，基于破洞概率，对离子交换膜是否可能出现孔洞进行先行判断，若极有可能出现孔洞，再进行孔洞检测，减少了不必要的工作量，可有效避免孔洞的误检漏检，提高了产品质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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它附图。
图1为本发明实施例的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于图像处理的离子交换膜表面缺陷评估方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明的主要目的是：基于离子交换膜的褶皱信息判断当前离子交换膜发生孔洞的概率，基于破洞概率判断是否需要进行孔洞检测，并最终确定当前离子交换膜是否能够继续使用，或者是否需要进行修复。本发明实施例以下面的应用场景为例对本发明进行说明：
该应用场景为：保持离子交换膜和相机相对位姿不发生变化，结构光设备和相机设备捆绑在一起，位于离子交换膜表面正上方。照射结构光前后分别利用相机对离子交换膜进行图像采集，得到不包括结构光的离子交换膜图像(离子交换膜图像)与包括结构光的离子交换膜图像(结构光图像)。需要注意，本发明实施例中相机刚好拍摄得到完整离子交换膜的图像，不须进行仅含离子交换膜的图像分割处理。
下面结合附图具体的说明本发明所提供的一种基于图像处理的离子交换膜表面缺陷评估方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于图像处理的离子交换膜表面缺陷评估方法的步骤流程图，该方法包括以下步骤：
与正常离子交换膜的图像相比，获取待评估离子交换膜图像中每个像素的偏移向量；
基于各个像素的位置和偏移向量，聚类得到褶皱面和褶皱线；
对于每条褶皱线，进行曲线拟合，对于曲线上的每个点，根据其切线垂线上属于褶皱面的各像素对其的挤压值，计算破洞概率；所述挤压值根据像素的偏移向量得到；
基于破洞概率进行离子交换膜表面缺陷的评估。
下面对上述各个步骤进行展开描述：
步骤S1，与正常离子交换膜的图像相比，获取待评估离子交换膜图像中每个像素的偏移向量。
实施例选用正弦结构光形成的条纹光，来获取离子交换膜表面的形变褶皱，操作人员也可选用其他的条纹光或者其他手段，获取离子交换膜图像中每个像素的褶皱程度。
本发明仅需获取离子交换膜图像中像素的褶皱程度，不需要对离子交换膜面膜进行三维重建，因此获取单相两张结构光图像即可。
具体地，先后两次利用正弦结构光照射待评估离子交换膜，得到两张包括正弦结构光的待评估离子交换膜图像，其中，先后两次所用正弦结构光中光条纹的方向相互垂直；需要注意，由电解槽内取出准备二次使用的离子交换膜，放入检测平台由相机采集离子交换膜图像时，离子交换膜不能人工拉伸，防止破坏其本身形态，影响检测质量，如果出现折叠，仅需展开即可，离子交换膜表面不能有水滴，防止出现光的散色，可由人工或机械臂搽(或者吹)至表面无水珠即可，且需要防止将离子交换膜表面的水分子彻底吸附干净，原因为水分全部丢失，会使离子交换膜变为脆性膜，如果褶皱存在，可能出现脆性断裂以至膜损坏。采集完离子交换膜图像后，由正弦结构光设备，先后两次利用光条纹相互垂直的正弦结构光照射离子交换膜，再次进行图像采集，得到两张包括正弦结构光的待评估离子交换膜图像，即两张结构光图像。优选地，实施例中正弦结构光的相移量为π。
若待评估离子交换膜图像中光条纹与行方向垂直，则对于每个像素，将该像素和相邻光条纹中与该像素对应正弦值相同且处于同一行的像素之间的间距，与正常间距进行比较，得到该像素的横向偏移量；同理，若待评估离子交换膜图像中光条纹与列方向垂直，则对于每个像素，将该像素和相邻光条纹中与该像素对应正弦值相同且处于同一列的像素之间的间距，与正常间距进行比较，得到该像素的纵向偏移量；根据横向偏移量和纵向偏移量得到该像素的偏移向量，具体地，基于横向偏移量和纵向偏移量分别得到矢量X和Y，对矢量X和Y进行矢量求和得到该像素的偏移向量Z，偏移向量Z还表征该像素的褶皱向量，具体地，可表征该像素对应的褶皱方向和褶皱程度。
其中，所述正常间距为包括正弦结构光的正常离子交换膜图像中颜色相同的相邻光条纹的间距。
步骤S2，基于各个像素的位置和偏移向量，聚类得到褶皱面和褶皱线。
在同一各褶皱面或同一褶皱线中，其所包含像素对应的褶皱方向是趋于一致的，因此，本发明中基于各个像素的位置和偏移向量，对离子交换膜图像中的像素进行聚类，优选地，实施例采用DBSCAN算法进行聚类，聚类后得到多个簇，此时只是得到多个簇，并不能对褶皱面和褶皱线进行区分，具体的褶皱面和褶皱线的区分方法为：
对于聚类得到的每个簇，基于像素的坐标，利用PCA算法对簇中像素进行降维后，获取较大特征值对应的特征向量，计算簇中像素与较大特征值对应特征向量所在直线的距离方差，基于距离方差对簇中像素对应区域进行褶皱面或褶皱线的区分；具体地，距离方差小于预设阈值，簇中像素对应区域为褶皱线，否则，簇中像素对应区域为褶皱面。
步骤S3，对于每条褶皱线，进行曲线拟合，对于曲线上的每个点，根据其切线垂线上属于褶皱面的各像素对其的挤压值，计算破洞概率；所述挤压值根据像素的偏移向量得到。
褶皱线的形成是由于褶皱面之间相互挤压，其褶皱面的相互挤压程度越大，则在形成褶皱线时对离子交换膜表面造成的损伤就越大，当挤压严重时形成褶皱线，就可能使得离子交换膜出现洞穿，从而出现孔洞，使得离子交换膜在使用时出现漏液，导致最终产品质量出现问题。
进一步地，对于每条褶皱线对应曲线上的每个点，其切线垂线经过两个褶皱面，基于褶皱面中包括的垂线像素的挤压值，分别计算所述两个褶皱面对该点的挤压程度，根据得到的两个挤压程度的最大值和差值，计算该点的破洞概率。所述最大值越大，破洞概率越大，所述差值越小，破洞概率越大。实施例中对于每条褶皱线对应曲线上的每个点，其破洞概率的获取方法为：该点对应的两个挤压程度分别记为J1、J2，则破洞概率K=max(J1，J2)*exp(-|J1-J2|)，max(J1，J2)表示从两边褶皱面对该点的挤压程度中选取最大的一个值，最大值越大，在褶皱线上形成孔洞的可能就愈大，J1-J2表示两边褶皱面对该点的挤压程度的差值，差值越大，越不容易形成褶皱线，反而会造成撕碎，exp(-|J1-J2|)是对差值进行负相关映射，exp(-|J1-J2|)值越大，差值越小，两侧褶皱面更容易对该点形成挤压，产生褶皱线，因此，K值越大，说明该点破洞的概率越大。
进一步地，垂线上的像素称为垂线像素，对于每条褶皱线对应曲线上每个点的切线垂线上的每个垂线像素，由于其周围像素的偏移向量在垂线方向上也会对其产生挤压影响，因此，以垂线像素为中心设置窗口，窗口内像素的偏移向量在相应垂线上的投影向量模长的和，为垂线像素对应的挤压值。优选地，实施例中窗口大小为3*3。其中，挤压值越大，对形成褶皱的贡献越大，越可能导致孔洞的出现。
一个实施方式中，对于每条褶皱线对应曲线上的每个点，其对应两个褶皱面，每个褶皱面对该点的挤压程度的计算方法为，对该褶皱面内包括的垂线像素的挤压值进行求和，得到该褶皱面对点的挤压程度。
另一个实施方式中，为垂线像素对应的挤压值设置权重系数，褶皱面中包括的垂线像素对应的挤压值进行加权求和，得到褶皱面对所述曲线上点的挤压程度；所述权重系数包括第一权重系数和第二权重系数，第一权重系数和垂线像素到所述曲线的距离呈负相关关系，具体地，垂线像素到所述曲线的距离为L，则第一权重系数为exp(-L)，距离越小，垂线像素对所述曲线上点的挤压影响越大，第一权重系数越大；第二权重系数和垂线像素的挤压值梯度呈正相关关系，其中，相邻垂线像素挤压值的差值为挤压值梯度，具体地，实施例中挤压值梯度即为第二权重系数，挤压值梯度越大，挤压值变化越大，相应的第二权重系数越大，说明褶皱面越不平缓，越可能导致孔洞的出现；其中，第一权重系数与第二权重系数相乘，得到垂线像素的综合权重系数，基于各垂线像素对应的综合权重系数和挤压值，进行加权求和，得到褶皱面对所述曲线上点的挤压程度。
步骤S4，基于破洞概率进行离子交换膜表面缺陷的评估。
得到每条褶皱线上每个点的破洞概率后，若存在破洞概率大于预设概率阈值时，说明某处极有可能出现孔洞即离子交换膜表面可能存在孔洞缺陷，此时，需要进行孔洞检测，具体的，实施例利用SEM成像的方法检测离子交换膜上是否有孔洞，进而确定离子交换膜是否需要修复，优选地，实施例中概率阈值设为10。
基于与上述方法实施例相同的发明构思，本发明一个实施例提供了一种基于图像处理的离子交换膜表面缺陷评估系统，该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现一种基于图像处理的离子交换膜表面缺陷评估方法的步骤。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于图像处理的离子交换膜表面缺陷评估方法，其特征在于，该方法包括：
与正常离子交换膜的图像相比，获取待评估离子交换膜图像中每个像素的偏移向量；
基于各个像素的位置和偏移向量，聚类得到褶皱面和褶皱线；
对于每条褶皱线，进行曲线拟合，对于曲线上的每个点，根据其切线垂线上属于褶皱面的各像素对其的挤压值，计算破洞概率；所述挤压值根据像素的偏移向量得到；
基于破洞概率进行离子交换膜表面缺陷的评估。
2.如权利要求1所述的方法，其特征在于，对于每条褶皱线对应曲线上的每个点，其切线垂线经过两个褶皱面，基于褶皱面中包括的垂线像素的挤压值，分别计算所述两个褶皱面对该点的挤压程度，根据得到的两个挤压程度的最大值和差值，计算该点的破洞概率。
3.如权利要求2所述的方法，其特征在于，所述最大值越大，破洞概率越大，所述差值越小，破洞概率越大。
4.如权利要求3所述的方法，其特征在于，以垂线像素为中心设置窗口，窗口内像素的偏移向量在所述垂线上的投影向量模长的和，为垂线像素对应的挤压值。
5.如权利要求4所述的方法，其特征在于，为垂线像素对应的挤压值设置权重系数，褶皱面中包括的垂线像素对应的挤压值进行加权求和，得到褶皱面对所述曲线上点的挤压程度；所述权重系数包括第一权重系数和第二权重系数，第一权重系数和垂线像素到所述曲线的距离呈负相关关系，第二权重系数和垂线像素的挤压值梯度呈正相关关系，其中，相邻垂线像素挤压值的差值为挤压值梯度。
6.如权利要求5所述的方法，其特征在于，所述每个像素的偏移向量的获取具体为：
先后两次利用正弦结构光照射待评估离子交换膜，得到两张包括正弦结构光的待评估离子交换膜图像，其中，先后两次所用正弦结构光中光条纹的方向相互垂直；
若待评估离子交换膜图像中光条纹与行方向垂直，则对于每个像素，将该像素和相邻光条纹中与该像素对应正弦值相同且处于同一行的像素之间的间距，与正常间距进行比较，得到该像素的横向偏移量；同理，得到该像素的纵向偏移量；根据横向偏移量和纵向偏移量得到该像素的偏移向量；
其中，所述正常间距为包括正弦结构光的正常离子交换膜图像中颜色相同的相邻光条纹的间距。
7.如权利要求6所述的方法，其特征在于，聚类得到褶皱面和褶皱线，具体为：
对于聚类得到的每个簇，基于像素的坐标，利用PCA算法对簇中像素进行降维后，计算簇中像素与较大特征值对应特征向量所在直线的距离方差，基于距离方差对簇中像素对应区域进行褶皱面或褶皱线的区分。
8.一种基于图像处理的离子交换膜表面缺陷评估系统，包括存储器、处理器以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，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
CN202210929636.9A 2022-08-04 2022-08-04 基于图像处理的离子交换膜表面缺陷评估方法及系统 Pending CN114998344A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210929636.9A CN114998344A (zh) 2022-08-04 2022-08-04 基于图像处理的离子交换膜表面缺陷评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210929636.9A CN114998344A (zh) 2022-08-04 2022-08-04 基于图像处理的离子交换膜表面缺陷评估方法及系统

Publications (1)

Publication Number Publication Date
CN114998344A true CN114998344A (zh) 2022-09-02

Family

ID=83021789

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210929636.9A Pending CN114998344A (zh) 2022-08-04 2022-08-04 基于图像处理的离子交换膜表面缺陷评估方法及系统

Country Status (1)

Country Link
CN (1) CN114998344A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116718607A (zh) * 2023-06-13 2023-09-08 通用技术齐齐哈尔二机床有限责任公司 一种基于视觉监测的纤维料带在线质量监测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107449782A (zh) * 2017-08-15 2017-12-08 杭州晶耐科光电技术有限公司 手机外壳侧边表面缺陷数字化定量检测系统
CN111598877A (zh) * 2020-05-18 2020-08-28 河北工业大学 一种基于生成对抗网络的锂电池表面缺陷检测方法
CN111812105A (zh) * 2020-09-02 2020-10-23 歌尔股份有限公司 缺陷检测方法、装置、设备及计算机存储介质
CN113592845A (zh) * 2021-08-10 2021-11-02 深圳市华汉伟业科技有限公司 一种电池涂布的缺陷检测方法及装置、存储介质
CN113962997A (zh) * 2021-12-22 2022-01-21 武汉同顺源钢构钢模有限公司 基于图像处理的带钢边裂缺陷检测方法及系统
CN114445439A (zh) * 2022-01-29 2022-05-06 江苏豪尚新材料科技有限公司 一种基于图像处理的离子交换膜寿命监测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107449782A (zh) * 2017-08-15 2017-12-08 杭州晶耐科光电技术有限公司 手机外壳侧边表面缺陷数字化定量检测系统
CN111598877A (zh) * 2020-05-18 2020-08-28 河北工业大学 一种基于生成对抗网络的锂电池表面缺陷检测方法
CN111812105A (zh) * 2020-09-02 2020-10-23 歌尔股份有限公司 缺陷检测方法、装置、设备及计算机存储介质
CN113592845A (zh) * 2021-08-10 2021-11-02 深圳市华汉伟业科技有限公司 一种电池涂布的缺陷检测方法及装置、存储介质
CN113962997A (zh) * 2021-12-22 2022-01-21 武汉同顺源钢构钢模有限公司 基于图像处理的带钢边裂缺陷检测方法及系统
CN114445439A (zh) * 2022-01-29 2022-05-06 江苏豪尚新材料科技有限公司 一种基于图像处理的离子交换膜寿命监测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116718607A (zh) * 2023-06-13 2023-09-08 通用技术齐齐哈尔二机床有限责任公司 一种基于视觉监测的纤维料带在线质量监测方法
CN116718607B (zh) * 2023-06-13 2024-01-26 通用技术齐齐哈尔二机床有限责任公司 一种基于视觉监测的纤维料带在线质量监测方法

Similar Documents

Publication Publication Date Title
CN114972357B (zh) 一种基于图像处理的轧辊表面缺陷检测方法及系统
CN112967243B (zh) 一种基于yolo的深度学习芯片封装裂纹缺陷检测方法
CN113658132B (zh) 基于计算机视觉的结构件焊缝检测方法
CN111383209A (zh) 一种基于全卷积自编码器网络的无监督瑕疵检测方法
CN108009591A (zh) 一种基于深度学习的接触网关键部件识别方法
WO2018180386A1 (ja) 超音波画像診断支援方法、およびシステム
CN109410192B (zh) 一种多纹理分级融合的织物缺陷检测方法及其装置
CN113012157B (zh) 一种设备缺陷视觉检测方法及系统
CN111414923A (zh) 基于单幅rgb图像的室内场景三维重建方法及系统
CN114782391A (zh) 少样本工业图像缺陷检测模型构建方法、系统及装置
CN114998344A (zh) 基于图像处理的离子交换膜表面缺陷评估方法及系统
Wang et al. Background extraction based on joint gaussian conditional random fields
CN112561904A (zh) 一种降低显示屏外观aoi缺陷误检率的方法及系统
CN111080574A (zh) 一种基于信息熵和视觉注意机制的织物疵点检测方法
Li et al. Predicting the quality of view synthesis with color-depth image fusion
CN114550021A (zh) 基于特征融合的表面缺陷检测方法及设备
CN112884669A (zh) 基于多尺度内容注意力机制的图像修复方法、存储介质和终端
CN115439804A (zh) 一种用于高铁检修的监测方法以及装置
CN115171218A (zh) 一种基于图像识别技术的物资送样异常行为识别系统
CN112115878A (zh) 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法
CN108921147B (zh) 一种基于动态纹理和变换域时空特征的黑烟车识别方法
CN112348762A (zh) 一种基于多尺度融合生成对抗网络的单幅图像去雨方法
CN116128826A (zh) 基于YOLOv5的锂电池缺陷检测方法、系统、设备以及存储介质
Masaoka et al. Edge-enhanced GAN with vanishing points for image inpainting
Guo et al. Marg-unet: a single image dehazing network based on multimodal attention residual group

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