CN115496759A - 灰尘检测方法和装置、存储介质 - Google Patents
灰尘检测方法和装置、存储介质 Download PDFInfo
- Publication number
- CN115496759A CN115496759A CN202211437104.XA CN202211437104A CN115496759A CN 115496759 A CN115496759 A CN 115496759A CN 202211437104 A CN202211437104 A CN 202211437104A CN 115496759 A CN115496759 A CN 115496759A
- Authority
- CN
- China
- Prior art keywords
- dust
- image
- detected
- product
- pixel unit
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本说明书实施例公开了灰尘检测方法和装置、存储介质。所述方法包括:获取预设的目标灰度值区间;对待检测产品的图像进行灰度化处理;根据所述灰度化处理的处理结果,确定所述图像中是否存在目标像素单元,所述目标像素单元是灰度值处于所述目标灰度值区间中的像素单元;在所述图像中存在目标像素单元的情况下,根据所述目标像素单元确定所述图像中的灰尘区域。
Description
技术领域
本说明书涉及机器视觉技术,具体涉及灰尘检测方法和装置、存储介质。
背景技术
在自动化生产领域,在组装工序前或者在产品出厂前,可能需要对产品的表面进行灰尘检测,根据检测结果对产品表面进行除尘处理。目前的灰尘检测主要是基于人工检测,存在检测精度和检测效率较低、主观性大不易于统一检测标准等问题。
发明内容
本说明书公开的实施例提供的灰尘检测方法和装置、存储介质,以解决人工灰尘检测存在的检测精度和检测效率较低、检测标准不统一的问题。
根据本公开的第一方面,提供了一种灰尘检测方法,所述方法包括:
获取预设的目标灰度值区间;
对待检测产品的图像进行灰度化处理;
根据所述灰度化处理的处理结果,确定所述图像中是否存在目标像素单元,所述目标像素单元是灰度值处于所述目标灰度值区间中的像素单元;
在所述图像中存在目标像素单元的情况下,根据所述目标像素单元确定所述图像中的灰尘区域。
可选地,在根据所述目标像素单元确定所述图像中的灰尘区域之后,所述方法还包括:
根据所述灰尘区域的面积确定所述灰尘区域的等级;
根据目标标记方式在所述图像中对所述灰尘区域进行标记,其中,所述目标标记方式是与所述灰尘区域的等级对应的标记方式。
可选地,所述根据所述目标像素单元确定所述图像中的灰尘区域,包括:
根据所述目标像素单元之间的连通性,确定所述图像中的灰尘区域;或者。
可选地,所述对待检测产品的图像进行灰度化处理,包括:
在所述图像中识别出待检测产品的特征点;
根据识别出的所述特征点,在所述图像中确定待检测区域,对所述待检测区域进行灰度化处理。
可选地,所述对待检测产品的图像进行灰度化处理,包括:
接收对于所述图像上的检测框的调节指令;
根据所述调节指令对所述检测框的参数进行调节,所述参数至少包括以下任一:中心点坐标、长度、宽度、半径;
根据调节后的检测框,在所述图像中确定待检测区域,对所述待检测区域进行灰度化处理。
可选地,所述获取预设的目标灰度值区间,包括:
获取所述待检测产品的外表面的属性参数,根据所述属性参数确定所述目标灰度值区间;
其中,所述属性参数至少包括以下任一属性的参数:颜色、类型、材料、光泽度。
可选地,在对待检测产品的图像进行灰度化处理之前,所述方法还包括:
在环形光源或者多个条形光源的照射环境下,对所述待检测产品进行拍照,得到所述图像。
根据本公开的第二方面,提供了一种灰尘检测装置,所述装置包括处理器和存储器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现本公开第一方面任一项所述的灰尘检测方法。
可选地,所述装置还包括:
多个条形光源和用于调节所述条形光源的照射方向的调节机构。
根据本公开的第三方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现本公开第一方面任一项所述的灰尘检测方法。
本公开实施例的灰尘检测方法,对待检测产品的图像进行灰度化处理,根据灰度化处理的处理结果,确定图像中是否存在灰度值处于目标灰度值区间中的目标像素单元,在图像中存在目标像素单元的情况下,根据目标像素单元确定图像中的灰尘区域,从而实现了自动化的灰尘检测,提升了检测精度和检测效率,使得检测标准更为统一。
本公开实施例的灰尘检测方法,能够灵活适配不同的灰尘检测场景,根据灰尘所处的背景情况,灵活设置目标灰度值区间,提高灰尘检测的准确度。
以下参照附图对本说明书的示例性实施例的详细描述,本说明书的实施例的特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例,并且连同其说明一起用于解释本说明书实施例的原理。
图1是本公开实施例提供的灰尘检测方法的流程图;
图2是本公开实施例提供的灰尘检测装置的硬件结构图;
图3是本公开实施例提供的灰尘检测装置的示意图;
图4是本公开实施例提供的检测框设定示意图;
图5是本公开实施例提供的灰尘区域显示图。
具体实施方式
现在将参照附图来详细描述本说明书的各种示例性实施例。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本说明书实施例及其应用或使用的任何限制。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
在自动化生产领域,在组装工序前或者在产品出厂前,可能需要对产品的表面进行灰尘检测,根据检测结果对产品表面进行除尘处理。由于部分灰尘的体积较小或灰尘所处的背景颜色与灰尘本身颜色之间的差异较小等因素,因此不易通过人眼去发现及确定灰尘,受限于人眼视觉特性导致灰尘检测的精度不高。
本实施例中,进行灰尘检测的表面包括但不仅限于LCD显示屏表面、LED显示屏表面、镜表面或者其他的光滑/非光滑的表面,具体的待检测产品根据实际的检测环境确定。
<灰尘检测方法>
本公开实施例提供的灰尘检测方法,参考图1所示,该实施例的灰尘检测方法可以包括如下步骤S101~步骤S104:
S101,获取预设的目标灰度值区间。
本实施例中,由于待检测产品外表面的不同,会使得灰尘检测结果不精准,因此需要针对待检测产品的外表面进行目标灰度值区间的设定,避免灰尘检测结果遭受外表面因素的影响,进而提高灰尘检测的精确度。而使用灰阶形态学对图像进行处理,可以使得灰尘更清晰,便于分辨。
其中,待检测产品外表面的特征包括:颜色特征、类型特征、材质特征、光泽度特征及其它影响视觉的因素特征。颜色特征是待检测产品外表面的颜色。类型特征是待检测产品外表面的的类型,例如可以是 LCD显示屏、LED显示屏、镜表面或其他的光滑/非光滑的表面。材质特征包括但不仅限于金属材质、塑料材质或其它材质。光泽度特征包括但不仅限于亮面、哑光、磨砂或其它光泽程度。
本实施例中,通过获取待检测产品的外表面特征,根据外表面特征进行目标灰度值的设定。
在一个例子中,所述获取预设的目标灰度值区间,包括:
S1011,获取所述待检测产品的外表面的属性参数,根据所述属性参数确定所述目标灰度值区间;
其中,所述属性参数至少包括以下任一属性的参数:颜色、类型、材料、光泽度。
本实施例中,对应于待检测产品的外表面特征中的颜色特征、类型特征、材质特征、光泽度特征及其它影响视觉的因素特征,需要在进行灰尘检测前,获取待检测产品外表面的颜色参数、类型参数、材料参数、光泽度参数。综合各参数灵活设置适宜当前待检测产品的目标灰度值区间。
在一个例子中,在待检测产品外表面的其他外表面特征一致的情况下,进行颜色特征的判定,若根据待检测产品外表面的颜色参数判定当前表面为黑色,则将目标灰度值区间设定为A1~B1;若根据待检测产品外表面的颜色参数判定当前表面为白色,则将目标灰度值区间设定为A2~B2。其中,A1~B1或者A2~B2均在0~255的范围内。
本实施例提供的灰尘检测方法,能够根据不同的待检测产品的外表面特征进行目标灰度值区间的灵活设定,使得其检测结果更为精确,也灵活的适配不同外表面的检测场景,解决因为人眼感知能力不强或其它因素导致的检测精度不高问题。
S102,对待检测产品的图像进行灰度化处理。
本实施例中,由于每一张待检测产品的图像都是由像素组成,每个像素由RGB模型组成。在RGB模型中RGB的每个值均为位于0-255其中的一个值,能够组成约一千六百万种颜色。通过对待检测产品的图像灰度处理后,只会出现255种灰度值,方便进行后续图像处理。
在一个例子中,对待检测产品的图像进行灰度化处理,包括:
S1021,在所述图像中识别出待检测产品的特征点。
S1022,根据识别出的所述特征点,在所述图像中确定待检测区域,对所述待检测区域进行灰度化处理。
在一个例子中,因为在待检测产品的图像中,仅需要对图像中的产品区域进行灰尘检测,图像中的背景区域不需要进行灰尘检测,为了避免背景环境造成的影响,以及减少检测背景环境造成的工作量,可以预先进行待检测产品的特征点识别,在图像中确定出与产品对应的待检测区域。
在一个例子中,因为在待检测产品的图像中,仅需要对产品的特定部分进行灰尘检测,产品的其余部分不需要进行灰尘检测,为了避免产品的其余部分造成的影响,以及减少检测产品的其余部分造成的工作量,可以预先进行待检测产品特定部分的特征点识别,在图像中确定出与产品的特定部分对应的待检测区域。
在一个例子中,在进行待检测产品的特征点识别或者待检测产品特定部分的特征点识别后,需要根据特征点确定出待检测区域,然后对待检测区域进行灰度化处理,从而利用灰度化处理的处理结果精准地进行待检测区域的灰尘检测,避免检测其余部分所花费的时间和算力。
在一个例子中,参照图4,确定待检测产品中待检测区域的边缘,确定若干个边缘相交的交点,依次连接交点获得检测区域,用户根据待检测产品的工艺要求对交点进行偏移,确定出新的交点,将交点首尾相连形成待检测区域,将此区域作为输入传递给灰尘检测工具进行灰尘检测。
本实施例提供的灰尘检测方法,能够根据待检测产品需要进行灰尘检测的区域,有针对性的进行灰度化处理,大大提升了灰尘检测的效率,避免了资源的浪费。
在一个例子中,对待检测产品的图像进行灰度化处理,包括:
S1023,接收对于所述图像上的检测框的调节指令。
在一个例子中,在用户已知待检测区域位于图像中的位置坐标的情况下,用户据此预先设定检测框的位置坐标,从而在图像处理过程中,直接对于检测框框选的位置进行灰度化处理,避免了对每一张检测图片均进行待检测区域识别的状况发生,提高了灰尘检测的效率。
在一个例子中,用户针对获取的待检测产品的图像,人为选取出待检测区域,并通过输入设备输入检测框的设置指令,给予检测框的第一坐标位置和第二坐标位置,根据第一坐标位置和第二坐标位置生成检测框。
S1024,根据所述调节指令对所述检测框的参数进行调节,所述参数至少包括以下任一:中心点坐标、长度、宽度、半径。
本实施例中,通过上述两种方式生成检测框后,用户再次输入调节指令,用于调节检测框的大小和位置,从而达到调整待检测区域的目的。所述调节指令包括:中心点坐标调节指令、长度调节指令、宽度调节指令、半径调节指令。其中,中心点坐标调节指令用于调节检测框的位置,进行整个检测框的位置变动,长度调节指令用于检测框的长度,宽度调节指令用于调节检测框的宽度,半径调节指令用于调节检测框的大小,即用于收缩或者扩张检测框。
S1025,根据调节后的检测框,在所述图像中确定待检测区域,对所述待检测区域进行灰度化处理。
在一个例子中,在调节完检测框后,需要根据检测框确定出待检测区域,然后对待检测区域进行灰度化处理,精准的进行待检测区域的灰尘检测,避免检测其余部分所花费的时间和算力。
本实施例提供的灰尘检测方法,能够根据待检测产品需要进行灰尘检测的区域,有针对性的进行灰度化处理,大大提升了灰尘检测的效率,避免了资源的浪费。
S103,根据所述灰度化处理的处理结果,确定所述图像中是否存在目标像素单元,所述目标像素单元是灰度值处于所述目标灰度值区间中的像素单元。
在一个例子中,根据图像中的待检测区域的灰度化处理结果,确定待检测区域中是否包含处于目标灰度值区间内的目标像素单元。
S104,在所述图像中存在目标像素单元的情况下,根据所述目标像素单元确定所述图像中的灰尘区域。
本实施例中,在确定待检测区域中包含处于目标灰度值区间内的目标像素单元后,则表明该待检测区域内存在灰尘,根据目标像素单元在图像中所处的位置,确定灰尘区域。
在一个例子中,根据所述目标像素单元确定所述图像中的灰尘区域,包括:
S1041,根据所述目标像素单元之间的连通性,确定所述图像中的灰尘区域。
由于一片灰尘可能覆盖一个多个像素单元,为了精确确定灰尘的分布情况,需要根据目标像素单元确定灰尘区域。在一个例子中,根据所述目标像素单元之间的连通性,确定所述图像中的灰尘区域,通过这种方式确定出的灰尘区域中包括一个目标像素单元或者多个目标像素单元,同一个灰尘区域中的多个目标像素单元之间具有连通性。
在一个例子中,在根据所述目标像素单元确定所述图像中的灰尘区域之后,所述方法还包括:
S105,根据所述灰尘区域的面积确定所述灰尘区域的等级。
本实施例中,用户通过输入设备预先输入灰尘区域的等级划分指令,所述划分指令用于设置灰尘区域的等级划分标准,根据灰尘区域占据的像素点的个数或者占据的面积,将确定出的灰尘区域进行等级划分。
例如,灰尘区域的等级划分标准包括,第一等级为面积大于等于第一面积,第二等级为面积小于第一面积同时大于等于第二面积,第三等级为面积小于第二面积。
因此,可以根据灰尘区域的面积确定灰尘区域的等级。
在一个例子中,通过采取本申请任一实施例提供的灰尘检测方法,能够识别出待检测产品表面0.0004mm²的灰尘粒子。
S106,根据目标标记方式在所述图像中对所述灰尘区域进行标记,其中,所述目标标记方式是与所述灰尘区域的等级对应的标记方式。
本实施例中,目标标记方式包括采用不同颜色的标注框进行不同面积等级的灰尘区域的框选标注,采用不同形状的标注框进行不同面积等级的灰尘区域的框选标注,以及采用不同线条的标注框进行不同面积等级的灰尘区域的框选标注。通过预设目标标记方式,进行不同等级的灰尘区域的标注,直观的展示出灰尘检测结果,方便进行后续操作。
在一个例子中,参照图5,将灰尘区域大于面积C的区域划分为第一面积,采用红色标注框进行标注(图中未示出),将灰尘区域不大于面积C的区域划分为第二面积,采用黄色标注框进行标注(图中未示出)。
在一个例子中,在对待检测产品的图像进行灰度化处理之前,所述方法还包括:在环形光源或者多个条形光源的照射环境下,对所述待检测产品进行拍照,得到所述图像。本实施例的采用环形光源或者多个条形光源照射待检测产品,使其在获取待检测产品的图像时,提供一个均匀的光照环境,避免采集的图像出现高光区域或者其他影响检测的区域,从而提高灰尘检测的精确性。
本公开实施例提供的灰尘检测方法,可用于对于屏幕的灰尘检测,也可用于物体镜表面、亮表面的灰尘检测。
本公开实施例的灰尘检测方法,对待检测产品的图像进行灰度化处理,根据灰度化处理的处理结果,确定图像中是否存在灰度值处于目标灰度值区间中的目标像素单元,在图像中存在目标像素单元的情况下,根据目标像素单元确定图像中的灰尘区域,从而实现了自动化的灰尘检测,提升了检测精度和检测效率,使得检测标准更为统一。
本公开实施例的灰尘检测方法,能够灵活适配不同的灰尘检测场景,根据待检测产品的外表面情况,灵活设置目标灰度值区间,提高灰尘检测的准确度。
<灰尘检测装置>
如图2所示,本公开实施例提供了一种灰尘检测装置200,该灰尘检测装置200包括:
检测装置201,用于获取预设的目标灰度值区间;对待检测产品的图像进行灰度化处理;根据所述灰度化处理的处理结果,确定所述图像中是否存在目标像素单元,所述目标像素单元是灰度值处于所述目标灰度值区间中的像素单元;在所述图像中存在目标像素单元的情况下,根据所述目标像素单元确定所述图像中的灰尘区域。
输入装置202,用于输入预先设置目标灰度值区间的第一指令;用于输入预先设置检测框参数的第二指令;用于输入调节检测框参数的第三指令,以及用于输入待检测产品外观属性属性参数的第四指令,并将输入的第一指令、第二指令、第三指令和/或第四指令发送至检测装置201。
图像采集装置203,用于获取待检测产品的图像,并将该图像发送至检测装置201。
光源装置204,用于在获取待检测产品的图像时,提供一个均匀的光照环境。
显示装置205:用于显示检测装置201检测的灰尘检测结果,所述灰尘检测结果包括检测框的位置信息以及灰尘标记框的位置信息。
在一个实施例中,光源装置204中还包括:
光源发生装置2041,包括多个条形光源,用于照射待检测产品。
光源调节装置2042,用于调节多个所述条形光源的照射方向。
本公开实施例的灰尘检测方法,对待检测产品的图像进行灰度化处理,根据灰度化处理的处理结果,确定图像中是否存在灰度值处于目标灰度值区间中的目标像素单元,在图像中存在目标像素单元的情况下,根据目标像素单元确定图像中的灰尘区域,从而实现了自动化的灰尘检测,提升了检测精度和检测效率,使得检测标准更为统一。
本公开实施例的灰尘检测方法,能够灵活适配不同的灰尘检测场景,根据灰尘所处的背景情况,灵活设置目标灰度值区间,提高灰尘检测的准确度。
<设备实施例>
如图3所示,本公开实施例提供了一种灰尘检测装置300,包括处理器320和存储器310,该存储器310中存储有计算机可读指令,所述计算机可读指令被该处理器320执行时实现前述任一项实施例的灰尘检测方法。
在一个例子中,所述灰尘检测装置300还包括多个条形光源和用于调节所述条形光源的照射方向的调节机构。
本公开实施例的灰尘检测方法,对待检测产品的图像进行灰度化处理,根据灰度化处理的处理结果,确定图像中是否存在灰度值处于目标灰度值区间中的目标像素单元,在图像中存在目标像素单元的情况下,根据目标像素单元确定图像中的灰尘区域,从而实现了自动化的灰尘检测,提升了检测精度和检测效率,使得检测标准更为统一。
本公开实施例的灰尘检测方法,能够灵活适配不同的灰尘检测场景,根据灰尘所处的背景情况,灵活设置目标灰度值区间,提高灰尘检测的准确度。
<计算机可读介质>
本公开实施例提供了一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现前述任一项实施例的灰尘检测方法。
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。尤其,对设备/服务器/介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
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。
本说明书的实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本说明书实施例的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本说明书的实施例操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本说明书实施例的各个方面。
这里参照根据本说明书实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本说明书实施例的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本说明书的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本说明书的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种灰尘检测方法,其特征在于,包括:
获取预设的目标灰度值区间;
对待检测产品的图像进行灰度化处理;
根据所述灰度化处理的处理结果,确定所述图像中是否存在目标像素单元,所述目标像素单元是灰度值处于所述目标灰度值区间中的像素单元;
在所述图像中存在目标像素单元的情况下,根据所述目标像素单元确定所述图像中的灰尘区域。
2.根据权利要求1所述的方法,其特征在于,在根据所述目标像素单元确定所述图像中的灰尘区域之后,所述方法还包括:
根据所述灰尘区域的面积确定所述灰尘区域的等级;
根据目标标记方式在所述图像中对所述灰尘区域进行标记,其中,所述目标标记方式是与所述灰尘区域的等级对应的标记方式。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标像素单元确定所述图像中的灰尘区域,包括:
根据所述目标像素单元之间的连通性,确定所述图像中的灰尘区域。
4.根据权利要求1所述的方法,其特征在于,所述对待检测产品的图像进行灰度化处理,包括:
在所述图像中识别出待检测产品的特征点;
根据识别出的所述特征点,在所述图像中确定待检测区域,对所述待检测区域进行灰度化处理。
5.根据权利要求1所述的方法,其特征在于,所述对待检测产品的图像进行灰度化处理,包括:
接收对于所述图像上的检测框的调节指令;
根据所述调节指令对所述检测框的参数进行调节,所述参数至少包括以下任一:中心点坐标、长度、宽度、半径;
根据调节后的检测框,在所述图像中确定待检测区域,对所述待检测区域进行灰度化处理。
6.根据权利要求1所述的灰尘检测方法,其特征在于,所述获取预设的目标灰度值区间,包括:
获取所述待检测产品的外表面的属性参数,根据所述属性参数确定所述目标灰度值区间;
其中,所述属性参数至少包括以下任一属性的参数:颜色、类型、材料、光泽度。
7.根据权利要求1所述的灰尘检测方法,其特征在于,在对待检测产品的图像进行灰度化处理之前,所述方法还包括:
在环形光源或者多个条形光源的照射环境下,对所述待检测产品进行拍照,得到所述图像。
8.一种灰尘检测装置,其特征在于,包括处理器和存储器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现权利要求1-7任一项所述的灰尘检测方法。
9.根据权利要求8所述的灰尘检测装置,其特征在于,还包括:
多个条形光源和用于调节所述条形光源的照射方向的调节机构。
10.一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现权利要求1-7任一项所述的灰尘检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211437104.XA CN115496759B (zh) | 2022-11-17 | 2022-11-17 | 灰尘检测方法和装置、存储介质 |
PCT/CN2023/109614 WO2024103828A1 (zh) | 2022-11-17 | 2023-07-27 | 灰尘检测方法和装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211437104.XA CN115496759B (zh) | 2022-11-17 | 2022-11-17 | 灰尘检测方法和装置、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115496759A true CN115496759A (zh) | 2022-12-20 |
CN115496759B CN115496759B (zh) | 2023-04-14 |
Family
ID=85115986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211437104.XA Active CN115496759B (zh) | 2022-11-17 | 2022-11-17 | 灰尘检测方法和装置、存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115496759B (zh) |
WO (1) | WO2024103828A1 (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203377A (zh) * | 2016-07-20 | 2016-12-07 | 西安科技大学 | 一种煤粉尘图像识别方法 |
CN106228554A (zh) * | 2016-07-20 | 2016-12-14 | 西安科技大学 | 基于多属性约简的模糊粗糙集煤粉尘图像分割方法 |
CN107886500A (zh) * | 2017-10-13 | 2018-04-06 | 北京邮电大学 | 一种基于机器视觉和机器学习的产品生产监控方法及系统 |
CN108961200A (zh) * | 2017-05-17 | 2018-12-07 | 深圳怡化电脑股份有限公司 | 一种灰尘检测方法及装置 |
CN110441323A (zh) * | 2019-07-11 | 2019-11-12 | 大族激光科技产业集团股份有限公司 | 产品表面的打光方法及系统 |
CN110445921A (zh) * | 2019-09-06 | 2019-11-12 | 东北大学 | 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 |
CN111445452A (zh) * | 2020-03-23 | 2020-07-24 | Oppo(重庆)智能科技有限公司 | 电子产品的缺陷检测方法、装置及计算机可读存储介质 |
CN114005058A (zh) * | 2021-10-28 | 2022-02-01 | 河北省科学院应用数学研究所 | 粉尘识别方法、装置及终端设备 |
CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
CN115240105A (zh) * | 2022-07-11 | 2022-10-25 | 湖南联合智为信息技术有限公司 | 基于图像识别的扬尘监测方法及相关设备 |
-
2022
- 2022-11-17 CN CN202211437104.XA patent/CN115496759B/zh active Active
-
2023
- 2023-07-27 WO PCT/CN2023/109614 patent/WO2024103828A1/zh unknown
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203377A (zh) * | 2016-07-20 | 2016-12-07 | 西安科技大学 | 一种煤粉尘图像识别方法 |
CN106228554A (zh) * | 2016-07-20 | 2016-12-14 | 西安科技大学 | 基于多属性约简的模糊粗糙集煤粉尘图像分割方法 |
CN108961200A (zh) * | 2017-05-17 | 2018-12-07 | 深圳怡化电脑股份有限公司 | 一种灰尘检测方法及装置 |
CN107886500A (zh) * | 2017-10-13 | 2018-04-06 | 北京邮电大学 | 一种基于机器视觉和机器学习的产品生产监控方法及系统 |
CN110441323A (zh) * | 2019-07-11 | 2019-11-12 | 大族激光科技产业集团股份有限公司 | 产品表面的打光方法及系统 |
CN110445921A (zh) * | 2019-09-06 | 2019-11-12 | 东北大学 | 一种基于机器视觉的手机屏背光异物缺陷诊断方法及装置 |
CN111445452A (zh) * | 2020-03-23 | 2020-07-24 | Oppo(重庆)智能科技有限公司 | 电子产品的缺陷检测方法、装置及计算机可读存储介质 |
CN114005058A (zh) * | 2021-10-28 | 2022-02-01 | 河北省科学院应用数学研究所 | 粉尘识别方法、装置及终端设备 |
CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
CN115240105A (zh) * | 2022-07-11 | 2022-10-25 | 湖南联合智为信息技术有限公司 | 基于图像识别的扬尘监测方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115496759B (zh) | 2023-04-14 |
WO2024103828A1 (zh) | 2024-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110544258B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
US10824906B2 (en) | Image processing device, non-transitory computer readable storage medium, and image processing system | |
CN109344752B (zh) | 用于处理嘴部图像的方法和装置 | |
US10726540B2 (en) | Self-similarity analysis for defect detection on patterned industrial objects | |
EP2323418A1 (en) | Image processing apparatus, method and program | |
US20140050387A1 (en) | System and Method for Machine Vision Inspection | |
CN110351540B (zh) | 投影仪振镜测试单元图像的提取方法、装置及电子设备 | |
JP7078175B2 (ja) | 検査装置及び方法 | |
CN107622504B (zh) | 用于处理图片的方法和装置 | |
CN110675373A (zh) | 一种组件安装检测方法、装置和系统 | |
US9336607B1 (en) | Automatic identification of projection surfaces | |
CN111598913B (zh) | 一种基于机器人视觉的图像分割方法和系统 | |
CN105678301A (zh) | 一种自动识别并分割文本图像的方法、系统及装置 | |
CN111666884B (zh) | 活体检测方法、装置、计算机可读介质及电子设备 | |
CN115496759B (zh) | 灰尘检测方法和装置、存储介质 | |
KR101576445B1 (ko) | 영상 신호를 이용한 이미지 평가 자동화 장치 및 방법 | |
CN101408521A (zh) | 用于缺陷增强的方法 | |
Ettalibi et al. | AI and Computer Vision-based Real-time Quality Control: A Review of Industrial Applications | |
CN110555799A (zh) | 用于处理视频的方法和装置 | |
JP6696800B2 (ja) | 画像評価方法、画像評価プログラム、及び画像評価装置 | |
US6771804B1 (en) | Method and apparatus for signal segmentation | |
CN108447107B (zh) | 用于生成视频的方法和装置 | |
CN108921792B (zh) | 用于处理图片的方法和装置 | |
CN109934045B (zh) | 行人检测方法和装置 | |
EP3038058A1 (en) | Methods and systems for color processing of digital images |
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 |