CN115631199A - pin针缺陷检测方法、装置、设备及存储介质 - Google Patents
pin针缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115631199A CN115631199A CN202211647416.3A CN202211647416A CN115631199A CN 115631199 A CN115631199 A CN 115631199A CN 202211647416 A CN202211647416 A CN 202211647416A CN 115631199 A CN115631199 A CN 115631199A
- Authority
- CN
- China
- Prior art keywords
- pin
- detected
- straight line
- characteristic point
- image
- 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
- G06T7/70—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
- 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
- G06T2207/30164—Workpiece; Machine component
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明实施例公开了一种pin针缺陷检测方法、装置、设备及存储介质，其中，所述方法包括：获取待检测pin针的待检测图像，确定待检测图像中包含的pin针对应的第一特征点的位置信息和第二特征点的位置信息；基于第二特征点确定第一直线；根据第一特征点到第一直线之间的距离的最小值确定第二直线；基于第一特征点确定第三直线；对于每一个pin针，计算第一特征点到第二直线、第三直线、第四直线之间的检测距离并判断是否满足预设条件，若是，则根据pin针的预设位置的图像区域与第四直线之间的交集以及与该交集对应的像素区域的灰度值来判断该第一特征点对应的pin针是否存在缺陷。采用本发明，可以提高pin针缺陷检测的准确性。
Description
技术领域
本发明涉及工业视觉自动化检测技术领域，尤其涉及一种pin针缺陷检测方法、装置、计算机设备及计算机可读存储介质。
背景技术
连接器是一种借助电信号或光信号和机械力量的作用使电路或光通道接通、断开或转换的功能元件，用作器件、组件、设备、系统之间的电信号或光信号连接，传输信号或电磁能量，是构成整机电路系统电气连接必须的基础元件之一。现已广泛应用于计算机，汽车，军事设备，航空航天，电子产品等各个领域中。而随着制造业的迅速发展，人们对产品质量的要求日益提高，产品表面质量好坏，决定着产品的使用质量，性能的好坏，以及正常的使用。平板电脑屏幕的连接器具有体积小，外观质量要求高，缺陷种类繁多且复杂等特点，生产过程中对连接器进行缺陷检测是连接器生产中重要的一环。
对连接器的缺陷检测主要是针对连接器的pin针是否存在缺陷进行检测。传统检测方法为人工目视检测，该方法存在主观性强、人眼对空间和时间分辨率有限、不确定性大、效率低下等缺点，难以满足现代工业高速、高准确度的检测要求。也就是说，在现有技术中，对于连接器的pin针缺陷的检测的精度和效率均有待提高。
发明内容
基于此，有必要针对上述问题，提出了一种pin针缺陷检测方法、装置、计算机设备及计算机可读存储介质。
在本发明的第一部分，提供了一种pin针缺陷检测方法，所述方法包括：
获取待检测pin针的待检测图像，所述待检测图像中包含至少一个待检测pin针；
对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点；
基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；基于至少一个第一特征点确定第三直线；
计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离；
判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若是，则确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷。
可选的，所述基于至少一个第二特征点确定第一直线的步骤，还包括：采用最小二乘法对所述至少一个第二特征点进行直线拟合，得到第一直线；所述根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线的步骤，还包括：分别计算所述至少一个第一特征点到所述第一直线之间的距离，确定计算得到的距离中的最小值，根据所述第一直线和该最小值对应的第一特征点确定所述第二直线，所述第二直线与所述第一直线平行；所述基于至少一个第一特征点确定第三直线的步骤，还包括：采用最小二乘法对所述至少一个第一特征点进行直线拟合，得到第三直线。
可选的，所述计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到第一直线之间的第三检测距离，判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件的步骤，还包括：分别计算所述至少一个第一特征点到第二直线之间的第一检测距离，根据所述第一检测距离是否满足预设的第一距离条件对所述第一特征点进行第一筛选；对于第一筛选出来的第一特征点，分别计算该第一特征点与第三直线之间的第二检测距离，根据所述第二检测距离是否满足预设的第二距离条件对所述第一特征点进行第二筛选；对于第二筛选出来的第一特征点，分别计算该第一特征点与第一直线之间的第三检测距离，根据所述第三检测距离是否满足预设的第三距离条件对所述第一特征点进行第三筛选。
可选的，所述确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷的步骤，还包括：在第三检测距离满足预设的第三距离条件的情况下，以该第三检测距离对应的第一特征点为中心构建预设大小的第一图像区域；确定第一图像区域中灰度值在预设灰度值区间内的第二图像区域，确定第二图像区域与第四直线之间的交集；若交集存在，则确定该交集对应的图像区域上方的预设数量的像素对应的第三图像区域，获取第三图像区域的平均灰度值，判断该平均灰度值是否满足预设的灰度阈值，若不满足，则对应的pin针存在缺陷。
可选的，所述至少一个待检测pin针包含第一pin针和第二pin针，所述第一pin针在所述第二pin针的上方；所述对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息的步骤之后，还包括：根据所述第一特征点的位置信息，计算第一pin针中相邻pin针之间的第一间隔距离、以及第二pin针中相邻pin针之间的第二间隔距离；根据第一间隔距离和第二间隔距离是否满足预设的第一间隔距离阈值来判端所述待检测pin针是否存在缺陷；和/或，计算第一pin针与所述第二pin针之间的第三间隔距离，根据第三间隔距离是否满足预设的第二间隔距离阈值来判断所述待检测pin针是否存在缺陷。
可选的，所述对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点的步骤，还包括：基于预设的模板图像，对所述待检测图像中的像素点进行匹配，确定所述待检测图像中与所述模板图像匹配的图像区域，以确定所述待检测图像中包含的至少一个待检测pin针的位置信息；其中，所述模板图像包含预设的pin针图像；针对每一个待检测pin针，获取该待检测pin针对应的第一特征点和第二特征点的位置信息。
可选的，所述基于预设的模板图像，对所述待检测图像中的像素点进行匹配，确定所述待检测图像中与所述模板图像匹配的图像区域，以确定所述待检测图像中包含的至少一个待检测pin针的位置信息的步骤，还包括：在所述待检测图像中，基于预设的三角形模板确定第一位置，基于预设的pin针模板确定第二位置，其中，所述第一位置为待检测pin针的左边位置，第二位置是待检测pin针的位置；
根据第一位置和第二位置的差值、预设的pin针长度值、预设的误差值确定pin针的中心位置信息；确定与pin针的中心位置对应的第一ROI区域，根据第一ROI区域内的至少一个pin针的位置信息确定待检测图像中包含的至少一个待检测pin针对应的第二ROI区域；获取第二ROI区域内的所有pin针的位置信息，作为所述待检测图像中包含的至少一个待检测pin针的位置信息。
可选的，所述针对每一个待检测pin针，获取该待检测pin针对应的第一特征点和第二特征点的位置信息的步骤，还包括：针对每一个待检测pin针，基于预设的第一参数构建第一测量矩形，根据预设的第一检测方向确定第一特征点的位置信息；基于预设的第二参数构建第二测量矩形，根据预设的第二检测方向确定第二特征点的位置信息。
在本发明的第二部分，提供了一种pin针缺陷检测装置，所述装置包括：
图像获取模块，用于获取待检测pin针的待检测图像，所述待检测图像中包含至少一个待检测pin针；
特征点检测模块，用于对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点；
标准线构建模块，用于基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；
缺陷判断模块，用于基于至少一个第一特征点确定第三直线；计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离；判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若是，则确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷。
在本发明的第三部分，提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如本发明的第一部分所述的基于边缘的缺陷检测方法。
在本发明的第四部分，提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行如本发明的第一部分所述的基于边缘的缺陷检测方法。
采用本发明实施例，具有如下有益效果：
采用了上述pin针缺陷检测方法、系统以及移动终端之后，在需要对连接器中的pin针是否存在缺陷进行检测时，获取对应的待检测pin针的待检测图像，然后对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点；基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；基于至少一个第一特征点确定第三直线；计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离；判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若是，则确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷。也就是说，在本实施例中，通过第一特征点、第二特征点确定pin针的图像中的minLine线、stLine线以及lightLine线，然后基于这3条直线与第一特征点、第二特征点之间的位置关系对pin针是否存在缺陷进行判断，而不仅仅是考虑单个的pin针中各个点的位置或举例，很好的考虑了整排pin针以及单个pin针，提高了pin针缺陷检测的准确性，可以有效提高实际生产质量检测效率，准确检测出相关缺陷，大大提高产品良率。
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的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中一种pin针缺陷检测方法的流程示意图；
图2为一个实施例中包含pin针的待检测图像的示意图；
图3为一个实施例中pin针位置信息获取的流程示意图；
图4为一个实施例中minLine线、stLine线和lightLine线的示意图；
图5为一个实施例中pin针缺陷的示意图；
图6为一个实施例中一种pin针缺陷检测装置的结构示意图；
图7为一个实施例中运行上述pin针缺陷检测方法的计算机设备的结构示意图。
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作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。
在本实施例中，提供了一种pin针缺陷检测方法，该方法可用于对连接器的pin针是否存在缺陷进行检测，实现对连接器缺陷检测的自动化和智能化，提高连接器pin针缺陷检测的准确度。
具体的，请参见图1，上述pin针缺陷检测方法包括如图1所示的步骤S102-S10X：
步骤S102：获取待检测pin针的待检测图像，所述待检测图像中包含至少一个待检测pin针。
在需要对连接器中的pin针（待检测pin针）进行缺陷检测时，需要通过图像传感器等获取其对应的图像（例如，灰度图像）作为待检测图像，然后基于机器视觉对待检测图像进行缺陷分析，以确定待检测pin针是否存在缺陷。需要说明的是，在本实施例中，待检测图像中包含了多个pin针（待检测pin针），例如图2所示，图2所示的待检测图像中包含了上下两排待检测pin针，每一排待检测pin针包含了若干个待检测pin针。其中，将第一排pin针称为第一pin针，将第二排pin针称为第二pin针，因此，所述第一pin针在所述第二pin针的上方。
这里，需要对待检测图像中包含的每一个pin针是否存在缺陷进行检测，例如pin针是否存在pin针下陷等。
步骤S104：对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点。
为了对pin针是否存在缺陷进行检测，首先需要获取每一个pin针的位置信息，这里分为定位、pin针选取、特征点检测3个步骤。
具体的，请参见图3，上述步骤S104包括步骤S1042-S1046：
步骤S1042：基于预设的模板图像，对所述待检测图像中的像素点进行匹配，确定所述待检测图像中与所述模板图像匹配的图像区域，以确定所述待检测图像中包含的至少一个待检测pin针的位置信息；其中，所述模板图像包含预设的pin针图像。
步骤S1042即为定位的步骤。
具体的，在所述待检测图像中，基于预设的三角形模板确定第一位置，基于预设的pin针模板确定第二位置，其中，所述第一位置为待检测pin针的左边位置，第二位置是待检测pin针的位置。
首先需要构建如图2所示的pin针中的模板图像，其中，包括构建第一排单个pin针的灰度模板、第二排单个pin针的灰度模板以及三角形模板（如图2所示处的三角形）。其中，灰度模板可以是ncc（Normalized cross correlation，归一化互相关）灰度模板。然后基于上述模板图像确定待检测图像中与模板图像匹配的位置，即根据三角形模板确定待检测图像中包含pin针的左边的位置信息P1(x1,y1)，然后，根据第一排单个pin针的灰度模板对第一排pin针进行定位，确定其对应的位置信息P2(x2,y2)；根据第二排单个pin针的灰度模板对第二排pin针进行定位，确定其对应的位置信息。
其中，基于模板图像进行匹配的操作为：在待检测图像中逐个像素的进行搜索比较，计算其对应的相似度。相似性
度量计算公式为：
其中，
为像素点
处的相似度，S为待检测图像，待检测图像的尺寸为MN；T为模板图像，模板图像的尺寸为mn，这里，模板图像的尺寸也称为匹配窗口。
在相似度大于预设值的情况下，判定为匹配成功，其获取到的位置信息
即为相应的定位信息。
下面以第一排pin针为例，进行后续步骤的说明，第二排pin针对应的操作同理可得，在这里不进行赘述。
在基于第一排单个pin针的模板图像获取相应的pin针对应的位置信息之后，需要定位整排pin针的中间位置对应的一定范围的pin针的位置信息。
具体的，定位中间位置的步骤为，由P2的水平距离即x2与P1位置的水平距离x1作差求出P1、P2的水平距离d，再根据整排pin针的一半的长度L与距离d作差得到P2处位置离整排pin针中间距离的差值cc，其中，还需要考虑预设的误差值w。也就是说，差值cc的计算公式如下：
在一个具体的实施例中，L=1800，L/2=900，w=10。
然后需要进一步的获取第一排的每一个pin针的位置信息。
步骤S1044：根据第一位置和第二位置的差值、预设的pin针长度值、预设的误差值确定pin针的中心位置信息；确定与pin针的中心位置对应的第一ROI区域，根据第一ROI区域内的至少一个pin针的位置信息确定待检测图像中包含的至少一个待检测pin针对应的第二ROI区域；获取第二ROI区域内的所有pin针的位置信息，作为所述待检测图像中包含的至少一个待检测pin针的位置信息。
步骤S1044即为pin针选取的步骤。
第一排pin针的中心位置P3的确定是通过上述确定的P2、以及差值cc确定的，其中，P3点的坐标为：
。
根据定位到的中心位置P3确定预设大小的第一ROI区域，其中第一ROI区域可以是以P3为中心、预设的宽度和高度的ROI区域，例如宽度为200，高度为60。然后确定第一ROI区域内包含的所有pin针，并获取这对应的pin针位置坐标信息
（其中，确定的pin针的数量为n个）。将获取到的n个pin针位置信息进行直线拟合，并获取拟合直线的终点
以及直线的倾斜角度Phi。
然后进一步的确定第二ROI区域。具体的，根据上述第一ROI区域确定第二ROI区域，其中，第二ROI区域的参数如下：
中心水平位置：
中心竖直位置：
高度误差：
从而可以得到第二ROI区域的中心点位置为：
，其中，角度Phi，宽度和高度参数需根据实际情况而设定。例如，可以选取宽1800，高50以此建立整排pin针检测的第二ROI区域，然后根据第二ROI区域里的pin针，通过阈值分割算法，区域高度，宽度等信息进行pin针选取，并获取第二ROI区域里的pin针的位置信息
（其中，第二ROI区域内的pin针的数量为m）。
进一步的，需要针对确定的每一个pin针，确定其对应的特征点的位置。
步骤S1046：针对每一个待检测pin针，获取该待检测pin针对应的第一特征点和第二特征点的位置信息。
步骤S1046即为特征点检测的步骤。
具体的，根据步骤S1044中获取到的pin针位置信息进行特征点的检测。针对每一个待检测pin针，基于预设的第一参数构建第一测量矩形，根据预设的第一检测方向确定第一特征点的位置信息；基于预设的第二参数构建第二测量矩形，根据预设的第二检测方向确定第二特征点的位置信息。
针对第一排pin针，根据pin针的位置从左到右逐个建立测量矩形（第一测量矩形），测量矩形的参数可以设置为角度：-90，宽度20，高度96，高斯平滑2.0，检测方向为从上到下，点检测极性为从白到黑（这里是第一排pin针的测量矩形参数，第二排pin针的检测方向与之相反）灰度呈现下降趋势。对应的检测点原理如下：通过计算垂直于第一测量矩形剖面线的切片方向的平均灰度值，然后对求取平均灰度值轮廓进行高斯滤波，使曲线更平滑，消除噪点，紧接对平滑后的轮廓求一阶导数，并与预设的阈值进行比较，获取大于阈值的点。根据该检测原理获取整排pin针头部的一系列白点（即为第一特征点）
，具体的，第一特征点为pin针的头部靠近黑胶区域的顶部的点。这里就可以获取到每一个pin针对应的第一特征点的位置信息。然后，以获取的第一特征点为基准，以同样的边缘点检测原理，检测黑点（第二特征点）
，具体的，第二特征点为pin针的黑胶区域中靠近pin针顶部的一端的顶点。。其中，第二特征点对应的第二测量矩形参数为角度：-90，宽度20，高度40，高斯平滑2.0，检测方向为从上到下，点检测极性为从黑到白，即灰度呈现上升趋势。
步骤S106：基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；基于至少一个第一特征点确定第三直线。
在确定了每一个pin针对应的特征点的位置信息之后，即可进一步的基于pin针的特征点进行pin针是否存在缺陷进行判断。这里采用的是标准线法，首先需要构建对应的标准线（这里包括第二直线、第三直线、第四直线）。
具体的，步骤S106的执行过程的详细阐述如下。
首先，需要根据多个第二特征点拟合获取第一直线，具体的，基于最小二乘法拟合方法，对第二特征点
进行直线拟合，获取第一直线ld。
分别计算每一个第一特征点
到第一直线ld之间的距离，确定计算得到的距离中的最小值Dmin，根据第一直线ld和该最小值对应的第一特征点确定所述第二直线，这里，是将第一直线ld平移到最小值Dmin对应的位置，即可获取第二直线ld2（这里第二直线即为minLine线）。也就是说，这里第二直线ld2与第一直线ld平行。
这里，点到直线的距离可以计算的点到直线之间的垂直距离或者其他定义的距离。
然后采用最小二乘法对至少一个第一特征点
进行直线拟合，得到第三直线ld3（即为，lightLine线）。
进一步的，在本实施例中，第四直线ld4（这里为stLine线），第四直线ld4为距离及格线，是第一特征点到第一直线之间的距离对应的标准线，是可以预先根据合格的pin针对应的图像模板构建的直线。
具体可参见图4，其中分别标识了第二直线、第三直线、第四直线的示意图（其中，从上到下分别为minLine线（第二直线）、stLine线（第三直线）、lightLine线（第四直线））。
步骤S108：计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离。
这里，进一步的计算第一特征点到第二直线之间的距离（第一检测距离Dld2），到第三直线之间的距离（第二检测距离Dld3）。
然后对于上述计算得到的距离，进一步的对pin针是否存在缺陷进行判断。
步骤S110：判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若否，不进行处理，若是，则执行步骤S112：确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，获取与该交集对应的像素区域的灰度值；步骤S114：判断该灰度值是否满足预设的灰度条件，若否，则不进行处理，若是，则执行步骤S116：判定该第一特征点对应的pin针存在缺陷。
具体的，分别计算所述至少一个第一特征点到第二直线之间的第一检测距离，根据所述第一检测距离是否满足预设的第一距离条件对所述第一特征点进行第一筛选；对于第一筛选出来的第一特征点，分别计算该第一特征点与第三直线之间的第二检测距离，根据所述第二检测距离是否满足预设的第二距离条件对所述第一特征点进行第二筛选；对于第二筛选出来的第一特征点，分别计算该第一特征点与第一直线之间的第三检测距离，根据所述第三检测距离是否满足预设的第三距离条件对所述第一特征点进行第三筛选。
具体的，计算第一特征点到第二直线（minLine）之间的第一检测距离Dld2，判断Dld2是否小于预设值（这里预设值可以设置为1），若是，则说明该第一特征点的位置靠近minLine线，有可能存在缺陷，需要进一步的进行判断。这种情况下，需要进一步的考虑第一特征点与第三直线（lightLine）之间的第二检测距离Dld3，然后判断Dld3是否小于预设值（这里预设值可以设置为4.7），若是，则说明该第一特征点离lightLine线的距离较远，有可能存在缺陷，需要进一步的进行判断。
然后计算第一特征点到第一直线ld之间的第三检测距离Dpl，并判断Dpl是否小于预设值（这里该预设值可以根据实际需求进行设定），若是，则说明有可能存在缺陷，需要进一步的进行判断。
具体的，在第三检测距离满足预设的第三距离条件的情况下，以该第三检测距离对应的第一特征点为中心构建预设大小的第一图像区域；确定第一图像区域中灰度值在预设灰度值区间内的第二图像区域，确定第二图像区域与第四直线之间的交集；若交集存在，则确定该交集对应的图像区域上方的预设数量的像素对应的第三图像区域，获取第三图像区域的平均灰度值，判断该平均灰度值是否满足预设的灰度阈值，若不满足，则对应的pin针存在缺陷。
具体的，需要进一步的确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，获取与该交集对应的像素区域的灰度值；并判断该灰度值是否满足预设的灰度条件，若否是，则判定该第一特征点对应的pin针存在缺陷。其中，以该第一特征点为中心构建一个区域（第一图像区域），这个区域的大小可以是预先设定的大小，例如5*5的区域，然后在这个区域内选取灰度值在预设范围（例如130-255）之内的区域（第二图像区域），然后将第二图像区域与第四直线stLine之间求取交集，若交集存在，则进一步的判断交集区域上方的预设区域-第三图像区域（这里可以是交集上方的5个像素对应的10*3区域大小对应的区域），然后求取这个区域对应的平均灰度值Gray，若Gray大于预设的灰度阈值，则判定为缺陷，反之，则不存在缺陷。
进一步的，在本实施例中，除了上述步骤S108-S116之间通过各个标准线来判断pin针是否存在缺陷的情况，在这个之前，还需要先对pin针进行筛选。
具体的，在确定了pin针对应的第一特征点和第二特征点的位置信息之后，还需要对pin针之间的距离进行缺陷的判断。具体的，根据所述第一特征点的位置信息，计算第一pin针中相邻pin针之间的第一间隔距离、以及第二pin针中相邻pin针之间的第二间隔距离；根据第一间隔距离和第二间隔距离是否满足预设的第一间隔距离阈值来判端所述待检测pin针是否存在缺陷。也就是说，这里需要计算第一排pin针之间的左右距离Drl（第一间隔距离），并且同时计算第二排pin针之间的左右距离Drl2（第二间隔距离），然后根据第一间隔距离Drl个第二间隔距离Drl2是否大于预设的第一间隔距离阈值来对pin针是否间距过大进行判断。具体的，如果Drl和Drl2大于预设的第一间隔距离阈值，则说明pin针之间的间距过大，存在缺陷，这种情况下，直接判定待检测pin针存在缺陷，可以直接跳过其他步骤，直接判定待检测pin针存在缺陷。
在其他实施例中，除了上述对横向之间的距离进行判断之外，还需要对纵向之间的距离进行判断。具体的，计算第一pin针与所述第二pin针之间的第三间隔距离，根据第三间隔距离是否满足预设的第二间隔距离阈值来判断所述待检测pin针是否存在缺陷。其中，根据第一特征点的位置信息
和第二特征点的位置信息
，计算纵向距离Dtb，其中，纵向距离可以是第一排pin针和第二排pin针中相对的两个pin针之间的距离，也可以是两排pin针之间的距离，这里可以根据实际需求进行设定。如果计算得到的Dtb大于预设的第二间隔距离阈值，则说明上下两排pin针之间的距离过大，这种情况下判定待检测pin针存在缺陷。
采用了上述pin针缺陷检测方法之后，可以对pin针是否存在缺陷进行很好的检测，例如，可以检测如图5中所示的pin针下陷这种缺陷，相对于传统技术中计算pin针顶点到连接器黑胶的距离的检测方法中仅考虑该距离值的情况下的不准确（例如，在距离值很大或很小的情况下，依然会存在缺陷或非缺陷的情况），在本实施例中，不仅考虑了单个pin针的距离，还考虑了整排pin针的分布情况，可以很好的对pin针下陷等各种缺陷进行检测，提高了pin针缺陷的检测准确率，可以有效提高实际生产质量检测效率，准确检测出相关缺陷，大大提高产品良率。
在本实施例中，还提供了一种pin针缺陷检测装置，如图6所示，其中，该pin针缺陷检测装置包括：
图像获取模块102，用于获取待检测pin针的待检测图像，所述待检测图像中包含至少一个待检测pin针；
特征点检测模块104，用于对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点；
标准线构建模块106，用于基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；
缺陷判断模块108，用于基于至少一个第一特征点确定第三直线；计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离；判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若是，则确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷。
可选的，在一个实施例中，标准线构建模块106还用于采用最小二乘法对所述至少一个第二特征点进行直线拟合，得到第一直线；分别计算所述至少一个第一特征点到所述第一直线之间的距离，确定计算得到的距离中的最小值，根据所述第一直线和该最小值对应的第一特征点确定所述第二直线，所述第二直线与所述第一直线平行；采用最小二乘法对所述至少一个第一特征点进行直线拟合，得到第三直线。
可选的，在一个实施例中，缺陷判断模块108还用于分别计算所述至少一个第一特征点到第二直线之间的第一检测距离，根据所述第一检测距离是否满足预设的第一距离条件对所述第一特征点进行第一筛选；对于第一筛选出来的第一特征点，分别计算该第一特征点与第三直线之间的第二检测距离，根据所述第二检测距离是否满足预设的第二距离条件对所述第一特征点进行第二筛选；对于第二筛选出来的第一特征点，分别计算该第一特征点与第一直线之间的第三检测距离，根据所述第三检测距离是否满足预设的第三距离条件对所述第一特征点进行第三筛选。
可选的，在一个实施例中，缺陷判断模块108还用于在第三检测距离满足预设的第三距离条件的情况下，以该第三检测距离对应的第一特征点为中心构建预设大小的第一图像区域；确定第一图像区域中灰度值在预设灰度值区间内的第二图像区域，确定第二图像区域与第四直线之间的交集；若交集存在，则确定该交集对应的图像区域上方的预设数量的像素对应的第三图像区域，获取第三图像区域的平均灰度值，判断该平均灰度值是否满足预设的灰度阈值，若不满足，则对应的pin针存在缺陷。
可选的，在一个实施例中，所述至少一个待检测pin针包含第一pin针和第二pin针，所述第一pin针在所述第二pin针的上方；进一步的，如图6所示，上述pin针缺陷检测装置还包括距离检测模块110，用于根据所述第一特征点的位置信息，计算第一pin针中相邻pin针之间的第一间隔距离、以及第二pin针中相邻pin针之间的第二间隔距离；根据第一间隔距离和第二间隔距离是否满足预设的第一间隔距离阈值来判端所述待检测pin针是否存在缺陷；和/或，计算第一pin针与所述第二pin针之间的第三间隔距离，根据第三间隔距离是否满足预设的第二间隔距离阈值来判断所述待检测pin针是否存在缺陷。
可选的，在一个实施例中，特征点检测模块104还用于基于预设的模板图像，对所述待检测图像中的像素点进行匹配，确定所述待检测图像中与所述模板图像匹配的图像区域，以确定所述待检测图像中包含的至少一个待检测pin针的位置信息；其中，所述模板图像包含预设的pin针图像；针对每一个待检测pin针，获取该待检测pin针对应的第一特征点和第二特征点的位置信息。
可选的，在一个实施例中，特征点检测模块104还用于在所述待检测图像中，基于预设的三角形模板确定第一位置，基于预设的pin针模板确定第二位置，其中，所述第一位置为待检测pin针的左边位置，第二位置是待检测pin针的位置；根据第一位置和第二位置的差值、预设的pin针长度值、预设的误差值确定pin针的中心位置信息；确定与pin针的中心位置对应的第一ROI区域，根据第一ROI区域内的至少一个pin针的位置信息确定待检测图像中包含的至少一个待检测pin针对应的第二ROI区域；获取第二ROI区域内的所有pin针的位置信息，作为所述待检测图像中包含的至少一个待检测pin针的位置信息。
可选的，在一个实施例中，特征点检测模块104还用于针对每一个待检测pin针，基于预设的第一参数构建第一测量矩形，根据预设的第一检测方向确定第一特征点的位置信息；基于预设的第二参数构建第二测量矩形，根据预设的第二检测方向确定第二特征点的位置信息。
图7示出了一个实施例中实现上述pin针缺陷检测方法的计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图7所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述方法。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
采用了上述pin针缺陷检测方法、系统以及移动终端之后，在需要对连接器中的pin针是否存在缺陷进行检测时，获取对应的待检测pin针的待检测图像，然后对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点；基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；基于至少一个第一特征点确定第三直线；计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离；判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若是，则确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷。也就是说，在本实施例中，通过第一特征点、第二特征点确定pin针的图像中的minLine线、stLine线以及lightLine线，然后基于这3条直线与第一特征点、第二特征点之间的位置关系对pin针是否存在缺陷进行判断，而不仅仅是考虑单个的pin针中各个点的位置或举例，很好的考虑了整排pin针以及单个pin针，提高了pin针缺陷检测的准确性，可以有效提高实际生产质量检测效率，准确检测出相关缺陷，大大提高产品良率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种pin针缺陷检测方法，其特征在于，所述方法包括：
获取待检测pin针的待检测图像，所述待检测图像中包含至少一个待检测pin针；
对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点；
基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；基于至少一个第一特征点确定第三直线；
计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离；
判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若是，则确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷。
2.根据权利要求1所述的pin针缺陷检测方法，其特征在于，所述基于至少一个第二特征点确定第一直线的步骤，还包括：采用最小二乘法对所述至少一个第二特征点进行直线拟合，得到第一直线；
所述根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线的步骤，还包括：分别计算所述至少一个第一特征点到所述第一直线之间的距离，确定计算得到的距离中的最小值，根据所述第一直线和该最小值对应的第一特征点确定所述第二直线，所述第二直线与所述第一直线平行；
所述基于至少一个第一特征点确定第三直线的步骤，还包括：采用最小二乘法对所述至少一个第一特征点进行直线拟合，得到第三直线。
3.根据权利要求2所述的pin针缺陷检测方法，其特征在于，所述计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到第一直线之间的第三检测距离，判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件的步骤，还包括：
分别计算所述至少一个第一特征点到第二直线之间的第一检测距离，根据所述第一检测距离是否满足预设的第一距离条件对所述第一特征点进行第一筛选；
对于第一筛选出来的第一特征点，分别计算该第一特征点与第三直线之间的第二检测距离，根据所述第二检测距离是否满足预设的第二距离条件对所述第一特征点进行第二筛选；
对于第二筛选出来的第一特征点，分别计算该第一特征点与第一直线之间的第三检测距离，根据所述第三检测距离是否满足预设的第三距离条件对所述第一特征点进行第三筛选。
4.根据权利要求3所述的pin针缺陷检测方法，其特征在于，所述确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷的步骤，还包括：
在第三检测距离满足预设的第三距离条件的情况下，以该第三检测距离对应的第一特征点为中心构建预设大小的第一图像区域；
确定第一图像区域中灰度值在预设灰度值区间内的第二图像区域，确定第二图像区域与第四直线之间的交集；
若交集存在，则确定该交集对应的图像区域上方的预设数量的像素对应的第三图像区域，获取第三图像区域的平均灰度值，判断该平均灰度值是否满足预设的灰度阈值，若不满足，则对应的pin针存在缺陷。
5.根据权利要求1所述的pin针缺陷检测方法，其特征在于，所述至少一个待检测pin针包含第一pin针和第二pin针，所述第一pin针在所述第二pin针的上方；
所述对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息的步骤之后，还包括：
根据所述第一特征点的位置信息，计算第一pin针中相邻pin针之间的第一间隔距离、以及第二pin针中相邻pin针之间的第二间隔距离；
根据第一间隔距离和第二间隔距离是否满足预设的第一间隔距离阈值来判端所述待检测pin针是否存在缺陷；
和/或，
计算第一pin针与所述第二pin针之间的第三间隔距离，根据第三间隔距离是否满足预设的第二间隔距离阈值来判断所述待检测pin针是否存在缺陷。
6.根据权利要求1所述的pin针缺陷检测方法，其特征在于，所述对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点的步骤，还包括：
基于预设的模板图像，对所述待检测图像中的像素点进行匹配，确定所述待检测图像中与所述模板图像匹配的图像区域，以确定所述待检测图像中包含的至少一个待检测pin针的位置信息；其中，所述模板图像包含预设的pin针图像；
针对每一个待检测pin针，获取该待检测pin针对应的第一特征点和第二特征点的位置信息。
7.根据权利要求6所述的pin针缺陷检测方法，其特征在于，所述基于预设的模板图像，对所述待检测图像中的像素点进行匹配，确定所述待检测图像中与所述模板图像匹配的图像区域，以确定所述待检测图像中包含的至少一个待检测pin针的位置信息的步骤，还包括：
在所述待检测图像中，基于预设的三角形模板确定第一位置，基于预设的pin针模板确定第二位置，其中，所述第一位置为待检测pin针的左边位置，第二位置是待检测pin针的位置；
根据第一位置和第二位置的差值、预设的pin针长度值、预设的误差值确定pin针的中心位置信息；
确定与pin针的中心位置对应的第一ROI区域，根据第一ROI区域内的至少一个pin针的位置信息确定待检测图像中包含的至少一个待检测pin针对应的第二ROI区域；
获取第二ROI区域内的所有pin针的位置信息，作为所述待检测图像中包含的至少一个待检测pin针的位置信息。
8.根据权利要求6所述的pin针缺陷检测方法，其特征在于，所述针对每一个待检测pin针，获取该待检测pin针对应的第一特征点和第二特征点的位置信息的步骤，还包括：
针对每一个待检测pin针，基于预设的第一参数构建第一测量矩形，根据预设的第一检测方向确定第一特征点的位置信息；
基于预设的第二参数构建第二测量矩形，根据预设的第二检测方向确定第二特征点的位置信息。
9.一种pin针缺陷检测装置，其特征在于，所述装置包括：
图像获取模块，用于获取待检测pin针的待检测图像，所述待检测图像中包含至少一个待检测pin针；
特征点检测模块，用于对所述待检测图像进行分析，确定所述待检测图像中包含的每一个待检测pin针对应的第一特征点的位置信息和第二特征点的位置信息，所述第一特征点为pin针的顶点，所述第二特征点为pin针对应的黑胶区域的顶点；
标准线构建模块，用于基于至少一个第二特征点确定第一直线；根据所述第一特征点到所述第一直线之间的距离的最小值确定第二直线；
缺陷判断模块，用于基于至少一个第一特征点确定第三直线；计算第一特征点到第二直线之间的第一检测距离，计算第一特征点到第三直线之间的第二检测距离，计算第一特征点到预设的第一直线之间的第三检测距离；判断第一检测距离、第二检测距离、第三检测距离是否满足预设的距离条件，若是，则确定第一特征点对应的预设位置的图像区域与第四直线之间的交集，并获取与该交集对应的像素区域的灰度值，判断该灰度值是否满足预设的灰度条件，若是，则判定该第一特征点对应的pin针存在缺陷。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如权利要求1至8任一所述的pin针缺陷检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211647416.3A CN115631199B (zh) | 2022-12-21 | 2022-12-21 | pin针缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211647416.3A CN115631199B (zh) | 2022-12-21 | 2022-12-21 | pin针缺陷检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115631199A true CN115631199A (zh) | 2023-01-20 |
| CN115631199B CN115631199B (zh) | 2023-04-14 |
Family
ID=84911014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211647416.3A Active CN115631199B (zh) | 2022-12-21 | 2022-12-21 | pin针缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115631199B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703912A (zh) * | 2023-08-07 | 2023-09-05 | 深圳市鑫赛科科技发展有限公司 | 一种迷你主机网口完整性视觉检测方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010028733A1 (en) * | 2000-04-06 | 2001-10-11 | Yoshihiro Sasaki | Appearance inspection method and appearance inspection apparatus having high inspection processing speed |
| CN105717136A (zh) * | 2016-01-28 | 2016-06-29 | 浙江工业大学 | 一种基于机器视觉的针脚倾斜缺陷检测方法 |
| CN108072662A (zh) * | 2017-11-10 | 2018-05-25 | 长春理工大学 | 基于机器视觉的排针缺损检测方法及装置 |
| CN113362308A (zh) * | 2021-06-08 | 2021-09-07 | 深圳市华汉伟业科技有限公司 | 一种物体边缘的毛刺检测方法及装置、存储介质 |
| WO2022088663A1 (zh) * | 2020-10-30 | 2022-05-05 | 北京市商汤科技开发有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
| WO2022151658A1 (zh) * | 2021-01-15 | 2022-07-21 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及计算机可读存储介质 |
| CN114926410A (zh) * | 2022-04-29 | 2022-08-19 | 江苏永占管道科技有限公司 | 制动盘外观缺陷检测方法 |
| CN115035031A (zh) * | 2022-05-07 | 2022-09-09 | 浙江华睿科技股份有限公司 | Pin针的缺陷检测方法、装置、电子设备及存储介质 |
| CN115239737A (zh) * | 2022-09-26 | 2022-10-25 | 淄博永丰环保科技有限公司 | 基于图像处理的瓦楞纸缺陷检测方法 |
-
2022
- 2022-12-21 CN CN202211647416.3A patent/CN115631199B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20010028733A1 (en) * | 2000-04-06 | 2001-10-11 | Yoshihiro Sasaki | Appearance inspection method and appearance inspection apparatus having high inspection processing speed |
| CN105717136A (zh) * | 2016-01-28 | 2016-06-29 | 浙江工业大学 | 一种基于机器视觉的针脚倾斜缺陷检测方法 |
| CN108072662A (zh) * | 2017-11-10 | 2018-05-25 | 长春理工大学 | 基于机器视觉的排针缺损检测方法及装置 |
| WO2022088663A1 (zh) * | 2020-10-30 | 2022-05-05 | 北京市商汤科技开发有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
| WO2022151658A1 (zh) * | 2021-01-15 | 2022-07-21 | 北京市商汤科技开发有限公司 | 一种缺陷检测方法、装置、计算机设备及计算机可读存储介质 |
| CN113362308A (zh) * | 2021-06-08 | 2021-09-07 | 深圳市华汉伟业科技有限公司 | 一种物体边缘的毛刺检测方法及装置、存储介质 |
| CN114926410A (zh) * | 2022-04-29 | 2022-08-19 | 江苏永占管道科技有限公司 | 制动盘外观缺陷检测方法 |
| CN115035031A (zh) * | 2022-05-07 | 2022-09-09 | 浙江华睿科技股份有限公司 | Pin针的缺陷检测方法、装置、电子设备及存储介质 |
| CN115239737A (zh) * | 2022-09-26 | 2022-10-25 | 淄博永丰环保科技有限公司 | 基于图像处理的瓦楞纸缺陷检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄震: "基于机器视觉的接插件检测与定位技术研究" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116703912A (zh) * | 2023-08-07 | 2023-09-05 | 深圳市鑫赛科科技发展有限公司 | 一种迷你主机网口完整性视觉检测方法 |
| CN116703912B (zh) * | 2023-08-07 | 2023-11-24 | 深圳市鑫赛科科技发展有限公司 | 一种迷你主机网口完整性视觉检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115631199B (zh) | 2023-04-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112419297A (zh) | 一种螺栓松动检测方法、装置、设备及存储介质 | |
| US11074443B2 (en) | Method and device for acquiring slant value of slant image, terminal and storage medium | |
| CN111753692A (zh) | 目标对象提取方法、产品检测方法、装置、计算机和介质 | |
| CN115631199B (zh) | pin针缺陷检测方法、装置、设备及存储介质 | |
| KR101787161B1 (ko) | 반복 구조들을 이용한 설계-기반 검사 | |
| CN109752392B (zh) | 一种pcb板缺陷类型检测系统和方法 | |
| CN111238352A (zh) | 墙面虚拟靠尺检测方法、系统、设备和存储介质 | |
| CN111739020B (zh) | 周期纹理背景缺陷标签自动标注方法、装置、设备及介质 | |
| CN107452035B (zh) | 车道线图像分析方法、装置及其计算机可读取式媒体 | |
| CN114820625B (zh) | 一种汽车顶块缺陷检测方法 | |
| CN116740072B (zh) | 基于机器视觉的道路表面缺陷检测方法及系统 | |
| CN112183301A (zh) | 一种建筑物楼层智能识别方法及装置 | |
| CN114255212A (zh) | 一种基于cnn的fpc表面缺陷检测方法及其系统 | |
| CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及系统 | |
| CN112950594B (zh) | 产品表面缺陷的检测方法、设备及存储介质 | |
| CN112053333B (zh) | 一种基于机器视觉的方坯检测方法、系统、设备及介质 | |
| CN116433938A (zh) | 地铁齿轮箱螺栓松动的异常检测方法、系统及存储介质 | |
| CN113554033B (zh) | 智能文本机器人的文本识别方法、装置及系统 | |
| CN112308010B (zh) | 一种基于yolo-v3算法的船只遮挡检测方法及装置 | |
| CN115511819A (zh) | 一种x射线焊缝边界识别方法、装置、设备及存储介质 | |
| CN114092542A (zh) | 一种基于二维视觉的螺栓测量方法以及系统 | |
| CN116703912B (zh) | 一种迷你主机网口完整性视觉检测方法 | |
| US20220392103A1 (en) | Visual positioning method, mobile machine using the same, and computer readable storage medium | |
| CN114862856B (zh) | 一种面板缺陷区域识别方法、装置、电子设备及介质 | |
| CN114037705B (zh) | 一种基于贝纹线的金属断裂疲劳源检测方法与系统 |
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 |