CN115018849A - 基于边缘检测的瓶体歪盖识别方法 - Google Patents
基于边缘检测的瓶体歪盖识别方法 Download PDFInfo
- Publication number
- CN115018849A CN115018849A CN202210948027.8A CN202210948027A CN115018849A CN 115018849 A CN115018849 A CN 115018849A CN 202210948027 A CN202210948027 A CN 202210948027A CN 115018849 A CN115018849 A CN 115018849A
- Authority
- CN
- China
- Prior art keywords
- bottle cap
- edge
- bottle
- pixel points
- bias
- 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
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及人工智能领域,提出了一种基于边缘检测的瓶体歪盖识别方法,包括:S1:获取具有瓶盖的待检测瓶体的瓶口区域图像;S2:对瓶口区域图像进行边缘检测,获取瓶口外边缘像素点;得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合;S3:计算瓶盖左右偏向性;S4:若在所述S2中进行边缘检测后无发光边缘像素点,则对瓶盖的左右偏向进行判断;若在所述S2中进行边缘检测后有发光边缘像素点,则执行S5;S5:计算瓶盖前后偏向性;S6:根据瓶盖左右偏向性和前后偏向性对有发光边缘像素点的瓶盖倾斜方向进行判断。本发明减少了产品无盖率,且方法简单。
Description
技术领域
本发明涉及人工智能领域,具体涉及一种基于边缘检测的瓶体歪盖识别方法。
背景技术
压旋机是一种自动封盖的机器,包含理盖、挂盖、旋盖、出瓶等环节。其中在挂盖环节上,瓶盖沿着挂盖轨道盖扣在瓶子上,此时瓶盖的前侧壁可正好被水平传送的瓶口挂住,从而被瓶子带出,瓶盖扣在瓶子上。但由于瓶体在运送过程中发生碰撞或其他因素,出现了歪盖现象。
现有的对歪盖进行检测的方法为将采集图像与参考图像进行对比,但是当盖子没有完全套在瓶子胶塞上面(例如出盖速度与瓶身移动速度不适配),压盖板出现松动,或者在瓶体快速运输过程中发生碰撞时,造成歪盖方向无法确定,而不同的歪盖方向在图像中的成像结果并不相同,仅通过参考图像容易产生误检或漏检,即现有方法无法满足现实生产过程中出现的各种情况。
本发明是基于瓶盖的边缘信息分析歪盖方向,但是直接使用边缘检测技术得到的是瓶口区域的边缘,再加上光照的影响以及瓶口螺纹干扰,此时得到的边缘点并不是准确的瓶盖的边缘特征信息,因此还需要对所得边缘信息进行分析,由此得到歪盖的具体方向,并根据歪盖方向调整瓶身角度,使得瓶身通过压紧部时,可以对歪盖情况进行改善,避免压紧部蹭掉瓶盖现象的出现,以减少产品无盖率,从而提高加工效率。
发明内容
为了克服上述现有技术的缺点,本发明提供一种基于边缘检测的瓶体歪盖识别方法。
为达到上述目的,本发明采用如下技术方案,一种基于边缘检测的瓶体歪盖识别方法,包括以下步骤:
S1:获取具有瓶盖的待检测瓶体的瓶口区域图像;
S2:对瓶口区域图像进行边缘检测,获取瓶口外边缘像素点;利用瓶口外边缘像素点对应的向量与竖直方向的夹角得到瓶口外边缘像素点的夹角余弦值集合;通过瓶口外边缘像素点的夹角余弦值集合得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合;
S3:通过瓶盖左侧边缘像素点的夹角余弦值集合中对应的最后一个像素点和瓶盖右侧边缘像素点的夹角余弦值集合中对应的第一个像素点的坐标计算瓶盖左右偏向性;
S4:若在所述S2中进行边缘检测后无发光边缘像素点,则通过计算出的瓶盖左右偏向性对瓶盖的左右偏向进行判断;若在所述S2中进行边缘检测后有发光边缘像素点,则执行S5;
S5:利用发光边缘像素点中所对应的最大横坐标与最小横坐标计算瓶盖前后偏向性;
S6:根据瓶盖左右偏向性和前后偏向性对有发光边缘像素点的瓶盖倾斜方向进行判断。
进一步的,所述的一种基于边缘检测的瓶体歪盖识别方法,在所述S2中进行边缘检测后判断有无发光边缘像素点的方法为:
对瓶口区域图像进行边缘检测,得到瓶盖边缘点;
对瓶盖边缘点进行聚类,若得到两个聚类,将像素点个数多的聚类作为瓶口外边缘像素点集合,将像素点个数少的聚类作为发光边缘像素点集合,判断存在发光边缘像素点;若得到一个聚类,该聚类为瓶口外边缘像素点集合,判断不存在发光边缘像素点。
进一步的,所述的一种基于边缘检测的瓶体歪盖识别方法,S2中得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合的方法为:
对瓶口外边缘像素点的夹角余弦值集合中的余弦值绝对值进行聚类,将得到的两个聚类中平均值大的聚类作为瓶盖两侧边缘像素点的夹角余弦值集合;
通过瓶盖两侧边缘像素点的夹角余弦值集合在瓶口外边缘像素点的夹角余弦值集合中的分布得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合。
进一步的,所述的一种基于边缘检测的瓶体歪盖识别方法,S3中瓶盖左右偏向性的表达式为:
进一步的,所述的一种基于边缘检测的瓶体歪盖识别方法,S5中瓶盖前后偏向性的表达式为:
进一步的,所述的一种基于边缘检测的瓶体歪盖识别方法,S4中对瓶盖的左右偏向进行判断的方法为:
若瓶盖的左右偏向性为1,判断瓶盖未发生倾斜。
进一步的,所述的一种基于边缘检测的瓶体歪盖识别方法,S6中根据瓶盖左右偏向性和前后偏向性对有发光边缘像素点的瓶盖倾斜方向进行判断的方法为:
进一步的,所述的一种基于边缘检测的瓶体歪盖识别方法,S1中获取具有瓶盖的待检测瓶体的瓶口区域图像的方法为:
获取有盖瓶体图像;
统计有盖瓶体图像中每一行像素的个数,以行号为横坐标,行号对应的像素个数为纵坐标建立直角坐标系;
获取直角坐标系中第一个极小值的横坐标;
通过第一个极小值的横坐标得到瓶口区域图像。
本发明的有益效果是:本发明先计算瓶盖左右偏向性和前后偏向性,通过左右偏向性和前后偏向性确定瓶盖倾斜方向,判断是否对瓶盖进行调整,从而改善歪盖情况,减少了产品无盖率,提高了产品效率,且检测方法简单、快速、有效。
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,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于边缘检测的瓶体歪盖识别方法的实施例的流程示意图。
图2为歪盖示意图。
具体实施方式
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做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。
实施例1
本发明的一种基于边缘检测的瓶体歪盖识别方法的实施例,如图1所示,包括:
本发明主要针对的场景为:瓶体挂盖结束后,瓶体运输到背景布前方,使相机正对瓶口,采集瓶口区域图像,通过对瓶口区域边缘像素点的分析,得到瓶盖此时的状态,并根据更改状态进行相应的瓶体角度调整,从而实现歪盖状态的调整。
获取具有瓶盖的待检测瓶体的瓶口区域图像;
由于实际加工环境较为复杂,为减少计算量,在输送轨道上设置黑色背景布,当瓶体处于背景布区域内后,采集瓶体侧面图像,此时由于背景布与瓶体颜色差异较大,使用阈值分割即可完成瓶体图像的提取,具体过程如下:
将相机放置在圆盘中心,固定在一根伸缩杆上,根据当前正在加工的瓶体大小,调节相机高度,使得相机可以正对瓶口侧面;根据相机成像原理,调整相机焦距,使相机所采集的图像为背景布的下边缘;由于输送轨道的运行速度一定,各个放置瓶体的孔洞之间的距离以及放置塑料瓶的圆盘转速固定,由此可以确定相机的采样频率;
在机器运行前,先采集背景布与放置无盖瓶体的孔洞正对时的图像,作为参照图像,将该参照图像进行灰度化处理,并获取其归一化后的灰度直方图,将灰度直方图中各灰度级以及各灰度级所对应的占比(纵坐标)相乘后进行累加求和,得到参照图像的平均灰度值,记为;
至此,得到需要进一步分析的有盖瓶体图像;
由于采集的图像包含部分瓶身区域,因此在进行瓶盖状态分析时,需要先确定瓶口区域的位置;最常见的固体颗粒塑料药瓶为直筒瓶,这类瓶型的宽度特点为瓶身宽度相同,到瓶口处宽度减小,瓶口上方宽度大于瓶口处的宽度:
从下往上地统计瓶体图像的每一行像素个数,得到行号-像素个数的瓶体宽度序列,以行号为横坐标,行号所对应的像素个数为纵坐标,由此将瓶体宽度序列投影到二维直角坐标系中;
则瓶体图像中行号大于或等于h的区域即为瓶口区域;
对瓶口区域图像进行边缘检测,获取瓶口外边缘像素点;利用瓶口外边缘像素点对应的向量与竖直方向的夹角得到瓶口外边缘像素点的夹角余弦值集合;通过瓶口外边缘像素点的夹角余弦值集合得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合;
由于相机正对瓶口,所以当瓶盖正常或者存在左歪右歪的情况时,瓶盖形状越接近于矩形,如图2中的a,b,c;当瓶盖出现前后倾斜时,瓶盖上边缘出现弧度,如图2中d,e,f,即只有当瓶盖出现前后倾斜时瓶盖顶部的边缘才会产生弧度;
此时图2并未列出所有的歪盖情况,只是举出几种典型情况进行举例说明。
由于光照的影响,当瓶盖向相机方向倾斜(称为前歪或者前倾)时,瓶盖顶部靠近相机一侧的圆形边缘会反光;当瓶盖向相机反方向倾斜(称为后歪或后倾)时,瓶盖底部边缘会形成反光;但是由于瓶身与瓶体在图像中颜色差异不大,经过边缘检测后,反光位置内部出现小段边缘,而其他位置不会形成明显而清晰的梯度边缘;但是小段边缘的弯曲方向并不相同,由此可以区分瓶盖的前歪和后歪;
使用Canny算子对瓶口区域图像进行边缘检测,所得到的梯度边缘即为瓶口图像的边缘,由此得到瓶盖边缘点;
由于小段边缘与其他瓶盖边缘是不连通的,因此使用DBSCAN对上述所得瓶盖边缘点进行聚类,若得到两个聚类,则其中含像素点个数多的一类为瓶口外边缘像素点集合,记为,像素点个数少的一类为发光位置形成的小段边缘,或者称为发光边缘像素点集合,记为;
若得到一个聚类,则为瓶口外边缘像素点集合,判断该瓶盖为左歪、右歪或正常情况。因为左歪、右歪或者正常区域不存在发光位置形成的小段边缘,即不存在发光边缘像素点。
由于本实施例主要根据瓶盖的边缘特征进行分析,而瓶盖倾斜的角度多样,所得瓶口外边缘像素点中可能存在瓶口的螺旋纹边缘,即中所包含的像素点并不全是瓶盖的外边缘点,会对后续的检测结果造成干扰,因此需要对中的像素点进行筛选。具体过程如下:
瓶盖外边缘在图像中表现为瓶盖两侧竖直的边缘以及瓶盖顶部边缘(由于瓶盖下边缘与瓶身连接较为复杂,故不对其进行分析),因此计算上述所得向量与竖直向上的单位向量的夹角余弦值,由此得到瓶口外边缘所对应的夹角余弦值序列(集合)
由于瓶盖两侧的边缘像素点所组成的向量方向基本一致,而其他边缘像素点所组成的向量之间存在较大差异,因此使用K-means聚类算法对序列中的数据的绝对值进行聚类,并设置聚类结果数目,计算所得各个聚类结果的平均值,选取平均值较大的一组为瓶盖两侧边缘像素点所对应的夹角余弦值的集合,记为;
根据中的数据在夹角余弦值序列中的分布范围得到瓶盖外边缘像素点所对应的夹角余弦值集合,并结合中的数据在中的连续情况,将划分为瓶盖左侧以及瓶盖右侧边缘像素点所对应的夹角余弦值集合,分别记为,则中的夹角余弦值被划分为三个部分,分别为瓶盖左侧夹角余弦值序列,瓶盖右侧夹角余弦值序列以及瓶盖顶部夹角余弦值序列;
通过瓶盖左侧边缘像素点的夹角余弦值集合中对应的最后一个像素点和瓶盖右侧边缘像素点的夹角余弦值集合中对应的第一个像素点的坐标计算瓶盖左右偏向性;
设定最先进入压紧部的瓶盖区域对应图像中药瓶的右侧。当瓶盖发生歪盖后,较低一端为瓶盖右侧不容易出现被压紧部蹭掉的情况,所以本发明在后续调整瓶身过程中更倾向于将出现歪盖现象的瓶盖倾斜方向调整为向右倾斜,所以并不是所有歪盖情况都需要进行瓶体的角度调整,因此还需要对瓶盖偏向性进行计算;
瓶盖右边先进入压紧部,右边先进,如果右边高,会被蹭掉,所以需要对右高的瓶盖进行调整;如果右边低,那么就不用对瓶盖进行调整。
若对瓶口区域图像进行边缘检测后无发光边缘像素点,则通过计算出的瓶盖左右偏向性对瓶盖的左右偏向进行判断;若对瓶口区域图像进行边缘检测后有发光边缘像素点,则计算瓶盖前后偏向性;
若对瓶盖边缘点进行聚类,得到一个聚类,即不存在发光边缘像素点,则:
若瓶盖的左右偏向性为1,判断瓶盖未发生倾斜。
若对瓶盖边缘点进行聚类,得到两个聚类,即存在发光边缘像素点,则通过以下方式计算前后偏向性:
利用发光边缘像素点中所对应的最大横坐标与最小横坐标计算瓶盖前后偏向性;
根据瓶盖左右偏向性和前后偏向性对有发光边缘像素点的瓶盖倾斜方向进行判断。
接下来根据根据瓶盖偏向性,调整瓶身角度:
若瓶盖左后倾时,将瓶体顺时针旋转180°;
若瓶盖右倾、右前倾、右后倾或者正常时,不对瓶体进行调整;
若瓶盖左倾、左前倾时,将瓶体逆时针旋转180°;
若瓶盖前倾时,将瓶体逆时针旋转90°;
若瓶盖后倾时,将瓶体顺时针旋转90°。
本发明的有益效果是:本发明先计算瓶盖左右偏向性和前后偏向性,通过左右偏向性和前后偏向性确定瓶盖倾斜方向,判断是否对瓶盖进行调整,从而改善歪盖情况,减少了产品无盖率,提高了产品效率,且检测方法简单、快速、有效。
以上所述仅为本发明的较佳实施例而已,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)
1.一种基于边缘检测的瓶体歪盖识别方法,其特征在于,包括:
S1:获取具有瓶盖的待检测瓶体的瓶口区域图像;
S2:对瓶口区域图像进行边缘检测,获取瓶口外边缘像素点;利用瓶口外边缘像素点对应的向量与竖直方向的夹角得到瓶口外边缘像素点的夹角余弦值集合;通过瓶口外边缘像素点的夹角余弦值集合得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合;
S3:通过瓶盖左侧边缘像素点的夹角余弦值集合中对应的最后一个像素点和瓶盖右侧边缘像素点的夹角余弦值集合中对应的第一个像素点的坐标计算瓶盖左右偏向性;
S4:若在所述S2中进行边缘检测后无发光边缘像素点,则通过计算出的瓶盖左右偏向性对瓶盖的左右偏向进行判断;若在所述S2中进行边缘检测后有发光边缘像素点,则执行S5;
S5:利用发光边缘像素点中所对应的最大横坐标与最小横坐标计算瓶盖前后偏向性;
S6:根据瓶盖左右偏向性和前后偏向性对有发光边缘像素点的瓶盖倾斜方向进行判断。
2.根据权利要求1所述的一种基于边缘检测的瓶体歪盖识别方法,其特征在于,在所述S2中进行边缘检测后判断有无发光边缘像素点的方法为:
对瓶口区域图像进行边缘检测,得到瓶盖边缘点;
对瓶盖边缘点进行聚类,若得到两个聚类,将像素点个数多的聚类作为瓶口外边缘像素点集合,将像素点个数少的聚类作为发光边缘像素点集合,判断存在发光边缘像素点;若得到一个聚类,该聚类为瓶口外边缘像素点集合,判断不存在发光边缘像素点。
3.根据权利要求1所述的一种基于边缘检测的瓶体歪盖识别方法,其特征在于,S2中得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合的方法为:
对瓶口外边缘像素点的夹角余弦值集合中的余弦值绝对值进行聚类,将得到的两个聚类中平均值大的聚类作为瓶盖两侧边缘像素点的夹角余弦值集合;
通过瓶盖两侧边缘像素点的夹角余弦值集合在瓶口外边缘像素点的夹角余弦值集合中的分布得到瓶盖左侧边缘像素点和瓶盖右侧边缘像素点的夹角余弦值集合。
8.根据权利要求1所述的一种基于边缘检测的瓶体歪盖识别方法,其特征在于,S1中获取具有瓶盖的待检测瓶体的瓶口区域图像的方法为:
获取有盖瓶体图像;
统计有盖瓶体图像中每一行像素的个数,以行号为横坐标,行号对应的像素个数为纵坐标建立直角坐标系;
获取直角坐标系中第一个极小值的横坐标;
通过第一个极小值的横坐标得到瓶口区域图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210948027.8A CN115018849B (zh) | 2022-08-09 | 2022-08-09 | 基于边缘检测的瓶体歪盖识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210948027.8A CN115018849B (zh) | 2022-08-09 | 2022-08-09 | 基于边缘检测的瓶体歪盖识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115018849A true CN115018849A (zh) | 2022-09-06 |
CN115018849B CN115018849B (zh) | 2022-11-08 |
Family
ID=83065567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210948027.8A Active CN115018849B (zh) | 2022-08-09 | 2022-08-09 | 基于边缘检测的瓶体歪盖识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115018849B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345876A (zh) * | 2022-10-17 | 2022-11-15 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种基于超声图像的螺栓螺纹缺陷检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372016A (zh) * | 2015-11-17 | 2016-03-02 | 上海金啤包装检测科技有限公司 | 一种漏气检测方法及检测装置、检测系统 |
CN105954301A (zh) * | 2016-06-22 | 2016-09-21 | 广东省自动化研究所 | 一种基于机器视觉的瓶口质量检测方法 |
CN205673214U (zh) * | 2016-06-07 | 2016-11-09 | 七彩云乳业有限公司 | 歪盖高盖检测报警装置 |
CN106370659A (zh) * | 2016-08-17 | 2017-02-01 | 湘潭大学 | 一种瓶体封装质量视觉检测方法 |
CN108093165A (zh) * | 2016-11-23 | 2018-05-29 | 中兴通讯股份有限公司 | 一种图像处理方法和装置 |
CN110223276A (zh) * | 2019-05-28 | 2019-09-10 | 武汉楚锐视觉检测科技有限公司 | 一种基于图像处理的瓶盖检测方法及装置 |
-
2022
- 2022-08-09 CN CN202210948027.8A patent/CN115018849B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105372016A (zh) * | 2015-11-17 | 2016-03-02 | 上海金啤包装检测科技有限公司 | 一种漏气检测方法及检测装置、检测系统 |
CN205673214U (zh) * | 2016-06-07 | 2016-11-09 | 七彩云乳业有限公司 | 歪盖高盖检测报警装置 |
CN105954301A (zh) * | 2016-06-22 | 2016-09-21 | 广东省自动化研究所 | 一种基于机器视觉的瓶口质量检测方法 |
CN106370659A (zh) * | 2016-08-17 | 2017-02-01 | 湘潭大学 | 一种瓶体封装质量视觉检测方法 |
CN108093165A (zh) * | 2016-11-23 | 2018-05-29 | 中兴通讯股份有限公司 | 一种图像处理方法和装置 |
CN110223276A (zh) * | 2019-05-28 | 2019-09-10 | 武汉楚锐视觉检测科技有限公司 | 一种基于图像处理的瓶盖检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
吴兰兰: "PET瓶封盖缺陷视觉检测算法研究", 《机电工程》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345876A (zh) * | 2022-10-17 | 2022-11-15 | 中国空气动力研究与发展中心设备设计与测试技术研究所 | 一种基于超声图像的螺栓螺纹缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115018849B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11257194B2 (en) | Method for image dehazing based on adaptively improved linear global atmospheric light of dark channel | |
US11227405B2 (en) | Determining positions and orientations of objects | |
CN109785316B (zh) | 一种芯片表观缺陷检测方法 | |
JP3892059B2 (ja) | 動物体追跡装置 | |
CN108896574B (zh) | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 | |
CN115082419A (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN107563330B (zh) | 一种监控视频中的水平倾斜车牌矫正方法 | |
CN110852323B (zh) | 一种基于角点的空中目标探测方法 | |
CN110032946B (zh) | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 | |
CN113221861B (zh) | 一种多车道线检测方法、装置及检测设备 | |
WO2020248515A1 (zh) | 结合帧间差分与贝叶斯分类器的车辆行人检测识别方法 | |
CN115018849B (zh) | 基于边缘检测的瓶体歪盖识别方法 | |
CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
CN109886168B (zh) | 一种基于层阶的地面交通标志识别方法 | |
WO2014079058A1 (zh) | 一种视频图像处理方法及系统 | |
CN107256633A (zh) | 一种基于单目摄像头三维估计的车型分类方法 | |
WO2022121025A1 (zh) | 证件增减类别检测方法、装置、可读存储介质和终端 | |
Liu et al. | A novel multi-oriented chinese text extraction approach from videos | |
CN113642380A (zh) | 一种用于无线表格的识别技术 | |
CN113569859B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111330874A (zh) | 药瓶底部区域污染或杂物缺陷检测装置及其检测方法 | |
CN107066929B (zh) | 一种融合多种特征的高速公路隧道停车事件分级识别方法 | |
CN113658039A (zh) | 一种药瓶标签图像的拼接顺序确定方法 | |
EP0505729B1 (en) | Image binarization system | |
CN110807348A (zh) | 基于贪婪算法的文档图像中干扰线的去除方法 |
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 |