CN115496754B - Ssd的弯曲度检测方法、装置、可读存储介质及电子设备 - Google Patents
Ssd的弯曲度检测方法、装置、可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN115496754B CN115496754B CN202211430008.2A CN202211430008A CN115496754B CN 115496754 B CN115496754 B CN 115496754B CN 202211430008 A CN202211430008 A CN 202211430008A CN 115496754 B CN115496754 B CN 115496754B
- Authority
- CN
- China
- Prior art keywords
- image
- side image
- comparison result
- ssd
- preset
- 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.)
- Active
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
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种SSD的弯曲度检测方法、装置、可读存储介质及电子设备,获取待检测SSD的侧面图像;对所述侧面图像进行分割,得到分割后的侧面图像;将所述分割后的侧面图像与预设图像进行对比,得到对比结果;根据所述对比结果确定所述待检测SSD对应的检测结果,不再像现有技术中,采用人工检测的方式,而是将分割后的侧面图像与预设图像进行对比,最终得到检测结果,使得SSD的弯曲变形能够准确地被自动识别出来,从而提高检测效率和检测准确率。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种SSD的弯曲度检测方法、装置、可读存储介质及电子设备。
背景技术
SSD(Solid State Drives,固态硬盘)应用广泛,其在生产过程中会进行各种测试,以满足实际应用中的各种环境。SSD在出厂前需在仿真的各种环境下进行读取、写入测试,通过高温环境、低温环境等对SSD固态硬盘进行测试;除此之外,SSD还需要进行翘曲度、尺寸、外观检测等。筛选出存在缺陷隐患、不稳定的产品,从而保证SSD出厂的产品各性能、参数达到行业使用要求。
目前,SSD弯曲度检测主要靠人工进行,工人将电子元器件贴片在SSD板上,然后将贴片好的SSD板放在平整的平台上,用塞规分别检测左右两边和中间6个点距离平台平面的高度,每个点检测3次,然后再取平均值,测得的高度数值若超过SSD板对角线长度的千分之七,则SSD弯曲度检测不合格。
人工检测SSD弯曲度的方法存在很多弊端,每个工人测量数值存在误差,导致检测结果不够准确,且SSD每天的生产数量很多,人工检测的效率低下。
发明内容
本发明所要解决的技术问题是:提供一种SSD的弯曲度检测方法、装置、可读存储介质及电子设备,能够提高检测效率和检测准确率。
为了解决上述技术问题,本发明采用的一种技术方案为:
一种SSD的弯曲度检测方法,包括步骤:
获取待检测SSD的侧面图像;
对所述侧面图像进行分割,得到分割后的侧面图像;
将所述分割后的侧面图像与预设图像进行对比,得到对比结果;
根据所述对比结果确定所述待检测SSD对应的检测结果。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种SSD的弯曲度检测装置,包括:
图像获取模块,用于获取待检测SSD的侧面图像;
图像处理模块,用于对所述侧面图像进行分割,得到分割后的侧面图像;
图像分析模块,用于将所述分割后的侧面图像与预设图像进行对比,得到对比结果;
结果确定模块,用于根据所述对比结果确定所述待检测SSD对应的检测结果。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种SSD的弯曲度检测方法中的各个步骤。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种SSD的弯曲度检测方法中的各个步骤。
本发明的有益效果在于:获取待检测SSD的侧面图像,对侧面图像进行分割,将分割后的侧面图像与预设图像进行对比,得到对比结果,根据对比结果确定待检测SSD对应的检测结果,不再像现有技术中,采用人工检测的方式,而是将分割后的侧面图像与预设图像进行对比,最终得到检测结果,使得SSD的弯曲变形能够准确地被自动识别出来,从而提高检测效率和检测准确率。
附图说明
图1为本发明实施例的一种SSD的弯曲度检测方法的步骤流程图;
图2为本发明实施例的SSD的弯曲度检测方法中的直方图均衡示意图;
图3为本发明实施例的SSD的弯曲度检测方法中的第一卷积因子示意图;
图4为本发明实施例的SSD的弯曲度检测方法中的第二卷积因子示意图;
图5为本发明实施例的SSD的弯曲度检测方法中的确定了边缘点后的侧面图像;
图6为本发明实施例的SSD的弯曲度检测方法中的分割后的侧面图像;
图7为本发明实施例的SSD的弯曲度检测方法中的弯曲度合格的SSD侧面图像;
图8为本发明实施例的SSD的弯曲度检测方法中的弯曲度不合格的SSD侧面图像;
图9为本发明实施例的SSD的弯曲度检测方法中的分割后的侧面图像的第一直方图和预设图像的第二直方图的比较示意图;
图10为本发明实施例的SSD的弯曲度检测方法中的直线检测示意图;
图11为本发明实施例的一种SSD的弯曲度检测装置的结构示意图;
图12为本发明实施例的一种电子设备的结构示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,本发明实施例提供了一种SSD的弯曲度检测方法,包括步骤:
获取待检测SSD的侧面图像;
对所述侧面图像进行分割,得到分割后的侧面图像;
将所述分割后的侧面图像与预设图像进行对比,得到对比结果;
根据所述对比结果确定所述待检测SSD对应的检测结果。
从上述描述可知,本发明的有益效果在于:获取待检测SSD的侧面图像,对侧面图像进行分割,将分割后的侧面图像与预设图像进行对比,得到对比结果,根据对比结果确定待检测SSD对应的检测结果,不再像现有技术中,采用人工检测的方式,而是将分割后的侧面图像与预设图像进行对比,最终得到检测结果,使得SSD的弯曲变形能够准确地被自动识别出来,从而提高检测效率和检测准确率。
进一步地,所述对所述侧面图像进行分割,得到分割后的侧面图像之前包括:
对所述侧面图像进行小波去噪融合,得到去噪融合后的侧面图像;
对所述去噪融合后的侧面图像进行对比度增强,得到增强后的侧面图像;
所述对所述侧面图像进行分割,得到分割后的侧面图像包括:
对所述增强后的侧面图像进行分割,得到分割后的侧面图像。
由上述描述可知,对侧面图像进行小波去噪融合,能够去除图像噪声,再对去噪融合后的侧面图像进行对比度增强,能够提高目标物与背景的对比度,从而便于后续进行准确的图像处理,提高检测精度。
进一步地,所述对所述增强后的侧面图像进行分割,得到分割后的侧面图像包括:
使用高通滤波算法对所述增强后的侧面图像进行锐化处理,得到锐化后的侧面图像;
使用小波变换模极大值方法对所述锐化后的侧面图像进行边缘检测,得到边缘检测后的侧面图像;
根据所述边缘检测后的侧面图像得到分割后的侧面图像。
由上述描述可知,高通滤波算法计算速度快,但因为没有将图片与背景严格区别开的能力,在实际过程中无法区分真正的边缘,导致边缘定位不准,而小波变换模极大值方法对于边缘的检测灵敏,可以很准确地区分边缘轮廓,但容易丢失细节,使用高通滤波算法对增强后的侧面图像进行锐化处理,然后再使用小波变换模极大值方法对锐化后的侧面图像进行边缘检测,能够实现最佳的边缘分割效果。
进一步地,所述将所述分割后的侧面图像与预设图像进行对比,得到对比结果包括:
将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果;
将所述分割后的侧面图像与所述预设图像重叠,得到重叠后的图像,并基于所述重叠后的图像得到第二对比结果;
对所述分割后的侧面图像上的分割线进行随机取点,得到取点后的图像,并基于所述取点后的图像得到第三对比结果;
所述根据所述对比结果确定所述待检测SSD对应的检测结果包括:
若所述第一对比结果、所述第二对比结果和所述第三对比结果均为合格,则确定所述待检测SSD对应的检测结果为检测通过。
由上述描述可知,通过三次对比判断能够使得最终的检测结果准确性更高,且三次对比的对比精度不断增加,避免出现检测偏差。
进一步地,所述将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果包括:
根据所述分割后的侧面图像生成对应的第一直方图,并根据所述预设图像生成对应的第二直方图;
计算所述分割后的侧面图像对应的第一平均灰度值以及所述预设图像对应的第二平均灰度值;
判断所述第一直方图与所述第二直方图是否一致,并判断所述第一平均灰度值与所述第二平均灰度值的差值是否超过预设值,若不一致或超过预设值,则确定所述第一对比结果为不合格,否则,确定所述第一对比结果为合格。
由上述描述可知,由于直方图是指图像的灰度分布表,在细微偏差的时候对比直方图不能直接得出具体偏差幅度,再基于平均灰度值进行判断,可作为一个具体数据更直观地了解偏差大小,从而提高弯曲度检测的准确率。
进一步地,所述基于所述重叠后的图像得到第二对比结果包括:
从所述重叠后的图像中提取变化区域;
判断所述变化区域是否超过预设大小,若是,则确定所述第二对比结果为不合格,若否,则确定所述第二对比结果为合格。
由上述描述可知,从重叠后的图像中提取变化区域,当变化区域超过预设大小,则认为不合格,能够简单、有效地检测出SSD是否弯曲。
进一步地,所述基于所述取点后的图像得到第三对比结果包括:
从所述取点后的图像上依次选择相邻点,直至所有相邻点均已被选择;
计算所述相邻点的角度,并判断所述角度是否为第一预设角度或第二预设角度,若是,则确定所述第三对比结果为合格,若否,则确定所述第三对比结果为不合格。
由上述描述可知,计算相邻点的角度,并判断角度是否为第一预设角度或第二预设角度,第一预设值为直线的角度,第二预设值为正常拐角的角度,若为其他角度,则可认为存在弯曲,从而提高弯曲度检测的准确度。
请参照图2,本发明另一实施例提供了一种SSD的弯曲度检测装置,包括:
图像获取模块,用于获取待检测SSD的侧面图像;
图像处理模块,用于对所述侧面图像进行分割,得到分割后的侧面图像;
图像分析模块,用于将所述分割后的侧面图像与预设图像进行对比,得到对比结果;
结果确定模块,用于根据所述对比结果确定所述待检测SSD对应的检测结果。
本发明另一实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种SSD的弯曲度检测方法中的各个步骤。
请参照图3,本发明另一实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种SSD的弯曲度检测方法中的各个步骤。
本发明上述的SSD的弯曲度检测方法、装置、可读存储介质及电子设备能够适用于需要进行弯曲度检测的SSD,以下通过具体实施方式进行说明:
实施例一
请参照图1~图10,本实施例的一种SSD的弯曲度检测方法,包括步骤:
S1、获取待检测SSD的侧面图像;
其中,所述侧面图像包括长边侧面图像和/或短边侧面图像,本实施例中,所述侧面图像为长边侧面图像,如图5所示;
S2、对所述侧面图像进行小波去噪融合,得到去噪融合后的侧面图像,去除因光、电、机械运动、材料器材本身、系统设备内部电路带来的图像噪声;
S3、对所述去噪融合后的侧面图像进行对比度增强,得到增强后的侧面图像,具体包括:
S31、将所述去噪融合后的侧面图像的每一像素点灰度与预设系数相乘,得到灰度转换后的侧面图像;
S32、将所述灰度转换后的侧面图像进行直方图均衡,得到增强后的侧面图像,以此增强局部对比度而不影响整体对比度,提高目标物体与背景对比度,如图2所示;
S4、对所述侧面图像进行分割,得到分割后的侧面图像,具体包括:
S41、使用高通滤波算法对所述增强后的侧面图像进行锐化处理,得到锐化后的侧面图像,具体包括:
其中,所述高通滤波算法包括Robert算子、sobel算子、Canny或Laplacian算子,本实施例中,所述高通滤波算法采用sobel算子,Sobel算子包含两组3×3模板矩阵,如图3和图4所示,图3即第一卷积因子,图4即第二卷积因子;
S411、从所述增强后的侧面图像的所有像素点中选择一目标像素点,直至每一像素点均已被选择;
S412、对于所述目标像素点,确定所述目标像素点的相邻像素点,并分别计算所述目标像素点与每一所述相邻像素点的灰度值差值;
S413、对所述灰度值差值加权后进行微分运算,得到运算值,并根据所述运算值使用sobel算子公式计算梯度值G:
Gx=(-1)*f(x-1,y-1)+0*f(x,y-1)+1*f(x+1,y-1)+(-2)*f(x-1,y)+0*f(x,y)+2*f(x+1,y)+(-1)*f(x-1,y+1)+0*f(x,y+1)+1*f(x+1,y+1);
Gy=1*f(x-1,y-1)+2*f(x,y-1)+1*f(x+1,y-1)+0*f(x-1,y)+0*f(x,y)+0*f(x+1,y)+(-1)*f(x-1,y+1)+(-2)*f(x,y+1)+(-1)*f(x+1,y+1);
式中,Gx表示第一卷积因子,适用于水平方向的边缘检测计算,Gy表示第二卷积因子,适用于垂直方向的边缘检测计算,f(x,y)表示所述目标像素点的灰度值,f(x-1,y-1)、f(x,y-1)、f(x+1,y-1)、f(x-1,y)、f(x+1,y)、f(x-1,y+1)、f(x,y+1)和f(x+1,y+1)表示所述相邻像素点;
S414、判断所述梯度值是否大于第一预设阈值,若是,则将所述目标像素点确定为边缘点,如图5所示;
S415、根据所述边缘点对所述增强后的侧面图像进行锐化处理,得到锐化后的侧面图像;
S42、使用小波变换模极大值方法对所述锐化后的侧面图像进行边缘检测,得到边缘检测后的侧面图像,具体包括:
具体的,使用小波变换模极大值方法对所述锐化后的侧面图像的亮度进行提取分析,将所有亮度变化明显的点确定为SSD边缘,得到边缘检测后的侧面图像;为减少背景对图像提取造成的影响,在图像拍摄时,背景首选与拍摄产品色差最大的颜色,例如黑色PCB板材制作的SSD的拍摄背景应设置为白色;
S43、根据所述边缘检测后的侧面图像得到分割后的侧面图像,如图6所示;
S5、将所述分割后的侧面图像与预设图像进行对比,得到对比结果,具体包括:
其中,所述预设图像包括弯曲度合格的SSD侧面图像或弯曲度不合格的SSD侧面图像,本实施例中,所述预设图像为弯曲度合格的SSD侧面图像,如图7所示,图8展示了一种弯曲度不合格的SSD侧面图像;
S51、将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果,具体包括:
S511、根据所述分割后的侧面图像生成对应的第一直方图,并根据所述预设图像生成对应的第二直方图,如图9所示;
S512、计算所述分割后的侧面图像对应的第一平均灰度值以及所述预设图像对应的第二平均灰度值;
S513、判断所述第一直方图与所述第二直方图是否一致,并判断所述第一平均灰度值与所述第二平均灰度值的差值是否超过预设值,若不一致或超过预设值,则确定所述第一对比结果为不合格,否则,确定所述第一对比结果为合格;
S52、将所述分割后的侧面图像与所述预设图像重叠,得到重叠后的图像,并基于所述重叠后的图像得到第二对比结果,具体包括:
S521、将所述分割后的侧面图像与所述预设图像重叠,得到重叠后的图像;
S522、从所述重叠后的图像中提取变化区域,所述变化区域为不重叠的区域;
S523、判断所述变化区域是否超过预设大小,若是,则确定所述第二对比结果为不合格,若否,则确定所述第二对比结果为合格;
S53、对所述分割后的侧面图像上的分割线进行随机取点,得到取点后的图像,并基于所述取点后的图像得到第三对比结果,具体包括:
S531、对所述分割后的侧面图像上的分割线进行随机取点,得到取点后的图像;
S532、从所述取点后的图像上依次选择相邻点,直至所有相邻点均已被选择;
具体的,从所述取点后的图像上以此选择预设数量的相邻点,直至所有相邻点均已被选择;
其中,所述预设数量为3个。
S533、计算所述相邻点的角度,并判断所述角度是否为第一预设角度或第二预设角度,若是,则确定所述第三对比结果为合格,若否,则确定所述第三对比结果为不合格,如图10所示;
其中,所述第一预设角度为180度,所述第二预设角度为90度;
具体的,使用angle_ll算子计算3个相邻点形成的两条直线的夹角角度,并判断所述角度是否为180度或90度,若是,则为SSD产品的正常边缘,确定所述第三对比结果为合格,若否,则确定所述第三对比结果为不合格。
其中,所述angle_ll算子的使用方法为angle_ll(Row1,Col1,Row2,Col2,Row3,Col3,Row4,Col4,Angle),Row1、Col1、Row2、Col2分别表示相邻点形成的第一条线的起点行列坐标和终点行列坐标,Row3、Col3、Row4、Col4分别表示相邻点形成的第二条线的起点行列坐标和终点行列坐标,Angle表示所述角度。
S6、根据所述对比结果确定所述待检测SSD对应的检测结果;
具体的,若所述第一对比结果、所述第二对比结果和所述第三对比结果均为合格,则确定所述待检测SSD对应的检测结果为检测通过。
实施例二
请参照图11,一种SSD的弯曲度检测装置,包括:
图像获取模块,用于获取待检测SSD的侧面图像;
图像处理模块,用于对所述侧面图像进行分割,得到分割后的侧面图像;
图像分析模块,用于将所述分割后的侧面图像与预设图像进行对比,得到对比结果;
结果确定模块,用于根据所述对比结果确定所述待检测SSD对应的检测结果。
实施例三
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时可实现实施例一中SSD的弯曲度检测方法的各个步骤。
实施例四
请参照图12,一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例一中SSD的弯曲度检测方法的各个步骤。
综上所述,本发明提供的一种SSD的弯曲度检测方法、装置、可读存储介质及电子设备,获取待检测SSD的侧面图像;对所述侧面图像进行分割,得到分割后的侧面图像;将所述分割后的侧面图像与预设图像进行对比,得到对比结果;根据所述对比结果确定所述待检测SSD对应的检测结果;具体的,将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果;将所述分割后的侧面图像与所述预设图像重叠,得到重叠后的图像,并基于所述重叠后的图像得到第二对比结果;对所述分割后的侧面图像上的分割线进行随机取点,得到取点后的图像,并基于所述取点后的图像得到第三对比结果;若所述第一对比结果、所述第二对比结果和所述第三对比结果均为合格,则确定所述待检测SSD对应的检测结果为检测通过,通过三次对比判断能够使得最终的检测结果准确性更高,避免出现检测偏差,且采用图像识别的方式进行弯曲度检测,使得SSD的弯曲变形能够准确地被自动识别出来,从而提高检测效率和检测准确率。
在本申请所提供的上述实施例中,应该理解到,所揭露的方法、装置、计算机可读存储介质以及电子设备,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个组件或模块可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或组件或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的组件可以是或者也可以不是物理上分开的,作为组件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组件来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个组件单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种SSD的弯曲度检测方法,其特征在于,包括步骤:
获取待检测SSD的侧面图像;
对所述侧面图像进行分割,得到分割后的侧面图像;
将所述分割后的侧面图像与预设图像进行对比,得到对比结果;
根据所述对比结果确定所述待检测SSD对应的检测结果;
所述将所述分割后的侧面图像与预设图像进行对比,得到对比结果包括:
将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果;
将所述分割后的侧面图像与所述预设图像重叠,得到重叠后的图像,并基于所述重叠后的图像得到第二对比结果;
对所述分割后的侧面图像上的分割线进行随机取点,得到取点后的图像,并基于所述取点后的图像得到第三对比结果;
所述根据所述对比结果确定所述待检测SSD对应的检测结果包括:
若所述第一对比结果、所述第二对比结果和所述第三对比结果均为合格,则确定所述待检测SSD对应的检测结果为检测通过;
所述将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果包括:
根据所述分割后的侧面图像生成对应的第一直方图,并根据所述预设图像生成对应的第二直方图;
计算所述分割后的侧面图像对应的第一平均灰度值以及所述预设图像对应的第二平均灰度值;
判断所述第一直方图与所述第二直方图是否一致,并判断所述第一平均灰度值与所述第二平均灰度值的差值是否超过预设值,若不一致或超过预设值,则确定所述第一对比结果为不合格,否则,确定所述第一对比结果为合格。
2.根据权利要求1所述的一种SSD的弯曲度检测方法,其特征在于,所述对所述侧面图像进行分割,得到分割后的侧面图像之前包括:
对所述侧面图像进行小波去噪融合,得到去噪融合后的侧面图像;
对所述去噪融合后的侧面图像进行对比度增强,得到增强后的侧面图像;
所述对所述侧面图像进行分割,得到分割后的侧面图像包括:
对所述增强后的侧面图像进行分割,得到分割后的侧面图像。
3.根据权利要求2所述的一种SSD的弯曲度检测方法,其特征在于,所述对所述增强后的侧面图像进行分割,得到分割后的侧面图像包括:
使用高通滤波算法对所述增强后的侧面图像进行锐化处理,得到锐化后的侧面图像;
使用小波变换模极大值方法对所述锐化后的侧面图像进行边缘检测,得到边缘检测后的侧面图像;
根据所述边缘检测后的侧面图像得到分割后的侧面图像。
4.根据权利要求1所述的一种SSD的弯曲度检测方法,其特征在于,所述基于所述重叠后的图像得到第二对比结果包括:
从所述重叠后的图像中提取变化区域;
判断所述变化区域是否超过预设大小,若是,则确定所述第二对比结果为不合格,若否,则确定所述第二对比结果为合格。
5.根据权利要求1所述的一种SSD的弯曲度检测方法,其特征在于,所述基于所述取点后的图像得到第三对比结果包括:
从所述取点后的图像上依次选择相邻点,直至所有相邻点均已被选择;
计算所述相邻点的角度,并判断所述角度是否为第一预设角度或第二预设角度,若是,则确定所述第三对比结果为合格,若否,则确定所述第三对比结果为不合格。
6.一种SSD的弯曲度检测装置,其特征在于,包括:
图像获取模块,用于获取待检测SSD的侧面图像;
图像处理模块,用于对所述侧面图像进行分割,得到分割后的侧面图像;
图像分析模块,用于将所述分割后的侧面图像与预设图像进行对比,得到对比结果;
结果确定模块,用于根据所述对比结果确定所述待检测SSD对应的检测结果;
所述将所述分割后的侧面图像与预设图像进行对比,得到对比结果包括:
将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果;
将所述分割后的侧面图像与所述预设图像重叠,得到重叠后的图像,并基于所述重叠后的图像得到第二对比结果;
对所述分割后的侧面图像上的分割线进行随机取点,得到取点后的图像,并基于所述取点后的图像得到第三对比结果;
所述根据所述对比结果确定所述待检测SSD对应的检测结果包括:
若所述第一对比结果、所述第二对比结果和所述第三对比结果均为合格,则确定所述待检测SSD对应的检测结果为检测通过;
所述将所述分割后的侧面图像与预设图像进行相似度判断,得到第一对比结果包括:
根据所述分割后的侧面图像生成对应的第一直方图,并根据所述预设图像生成对应的第二直方图;
计算所述分割后的侧面图像对应的第一平均灰度值以及所述预设图像对应的第二平均灰度值;
判断所述第一直方图与所述第二直方图是否一致,并判断所述第一平均灰度值与所述第二平均灰度值的差值是否超过预设值,若不一致或超过预设值,则确定所述第一对比结果为不合格,否则,确定所述第一对比结果为合格。
7.一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,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的一种SSD的弯曲度检测方法中的各个步骤。
8.一种电子设备,包括存储器、处理器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,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的一种SSD的弯曲度检测方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430008.2A CN115496754B (zh) | 2022-11-16 | 2022-11-16 | Ssd的弯曲度检测方法、装置、可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430008.2A CN115496754B (zh) | 2022-11-16 | 2022-11-16 | Ssd的弯曲度检测方法、装置、可读存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115496754A CN115496754A (zh) | 2022-12-20 |
CN115496754B true CN115496754B (zh) | 2023-04-11 |
Family
ID=85115732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211430008.2A Active CN115496754B (zh) | 2022-11-16 | 2022-11-16 | Ssd的弯曲度检测方法、装置、可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496754B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092683A (zh) * | 2021-11-09 | 2022-02-25 | 湖南中登科技有限公司 | 基于视觉反馈和深度网络的轮胎变形量识别方法及装置 |
CN115294025A (zh) * | 2022-07-05 | 2022-11-04 | 深圳市商汤科技有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630222B (zh) * | 2020-11-24 | 2022-12-06 | 河海大学常州校区 | 一种基于机器视觉的手机盖板玻璃缺陷检测方法 |
CN112950545A (zh) * | 2021-02-03 | 2021-06-11 | 南京耘瞳科技有限公司 | 一种棒材钢料弯曲检测方法 |
CN114004790A (zh) * | 2021-09-30 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种电池盖质量检测方法、装置、计算机设备及存储介质 |
-
2022
- 2022-11-16 CN CN202211430008.2A patent/CN115496754B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092683A (zh) * | 2021-11-09 | 2022-02-25 | 湖南中登科技有限公司 | 基于视觉反馈和深度网络的轮胎变形量识别方法及装置 |
CN115294025A (zh) * | 2022-07-05 | 2022-11-04 | 深圳市商汤科技有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115496754A (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107543828B (zh) | 一种工件表面缺陷检测方法及系统 | |
CN109870461B (zh) | 一种电子元器件质量检测系统 | |
CN109671078B (zh) | 一种产品表面图像异常检测方法及装置 | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
CN111223078B (zh) | 瑕疵等级判定的方法及存储介质 | |
JPH0528273A (ja) | 画像処理方法および装置 | |
JP2001133418A (ja) | 形状特徴に基づく欠陥検出の方法及び装置 | |
CN107644417B (zh) | 应变片外观缺损检测方法 | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN116165216B (zh) | 一种液晶显示屏微划伤瑕疵3d检测方法、系统及计算设备 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN114332026A (zh) | 一种铭牌表面划痕缺陷的视觉检测方法及装置 | |
CN115082477A (zh) | 一种基于去反光效果的半导体晶圆加工质量检测方法 | |
CN113762427B (zh) | 一种工业自动化检测场景中的上料异常检测方法 | |
CN117670823B (zh) | 一种基于图像识别的pcba线路板元件检测及评价方法 | |
CN112950594B (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
CN115496754B (zh) | Ssd的弯曲度检测方法、装置、可读存储介质及电子设备 | |
CN115690104B (zh) | 一种晶圆裂缝检测方法、装置及存储介质 | |
CN113112396A (zh) | 导电粒子的检测方法 | |
CN114445318A (zh) | 一种缺陷检测方法、装置、电子设备和存储介质 | |
CN115511966B (zh) | 基于角点检测的元件识别定位方法及系统、存储介质 | |
CN116245879A (zh) | 一种玻璃基板平整度评估方法和系统 | |
CN113284096B (zh) | 一种基于高频信息与轮廓信息的药盒内药板的计数方法 | |
CN107123105A (zh) | 基于fast算法的图像匹配缺陷检测方法 |
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 |