CN116128867A - 一种板材封边缺陷检测方法、装置、设备及存储介质 - Google Patents
一种板材封边缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116128867A CN116128867A CN202310227813.3A CN202310227813A CN116128867A CN 116128867 A CN116128867 A CN 116128867A CN 202310227813 A CN202310227813 A CN 202310227813A CN 116128867 A CN116128867 A CN 116128867A
- Authority
- CN
- China
- Prior art keywords
- edge
- front image
- detected
- point
- plate
- 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
Links
- 238000007789 sealing Methods 0.000 title claims abstract description 119
- 230000007547 defect Effects 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000001514 detection method Methods 0.000 claims abstract description 84
- 238000012216 screening Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 description 60
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 3
- 230000001070 adhesive effect Effects 0.000 description 3
- 239000003292 glue Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000003566 sealing material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开提供了一种板材封边缺陷检测方法、装置、设备及存储介质,涉及计算机技术领域。方法包括:获取板材的待检测封边对应的正面图像;对正面图像进行扫描,得到板材在正面图像中的第一边界信息;根据第一边界信息,计算待检测封边在正面图像中的第一起始点和第一终止点;根据第一起始点和第一终止点,对正面图像进行扫描,得到待检测封边的多个第一边缘点;对多个第一边缘点进行线性拟合,得到待检测封边的标准边缘直线;根据多个第一边缘点和标准边缘直线,对待检测封边进行检测,得到第一检测结果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种板材封边缺陷检测方法、装置、设备及存储介质。
背景技术
在对板材进行封边的过程中,由于封边机台、封边材料和操作环境等因素的影响,板材封边可能会出现鼓胶、崩缺、开胶和端头过长等缺陷,因此,在对板材进行封边后,还需要检测板材封边是否存在缺陷。
在现有技术中,通常采用人工的方式对板材封边进行检测,但这种方式检测效率低,且人工成本高;或者利用相机采集封边图像,并仅根据封边图像中封边及封边周围区域的灰度值来检测封边缺陷,即若封边及封边周围区域的灰度值不满足标准灰度值,则封边存在缺陷,但这种方式在板材厚度不统一时容易导致封边定位不精确,且仅根据灰度值检测封边缺陷容易受到家具颜色和花色的影响。
发明内容
本公开提供了一种板材封边缺陷检测方法、装置、设备及存储介质,以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面,提供了一种板材封边缺陷检测方法,该方法包括:获取板材的待检测封边对应的正面图像;对所述正面图像进行扫描,得到所述板材在所述正面图像中的第一边界信息;根据所述第一边界信息,计算所述待检测封边在所述正面图像中的第一起始点和第一终止点;根据所述第一起始点和所述第一终止点,对所述正面图像进行扫描,得到所述待检测封边的多个第一边缘点;对多个所述第一边缘点进行线性拟合,得到所述待检测封边的标准边缘直线;根据多个所述第一边缘点和所述标准边缘直线,对所述待检测封边进行检测,得到第一检测结果。
根据本公开的第二方面,提供了一种板材封边缺陷检测装置,该装置包括:第一获取模块,用于获取板材的待检测封边对应的正面图像;第一扫描模块,用于对所述正面图像进行扫描,得到所述板材在所述正面图像中的第一边界信息;第一计算模块,用于根据所述第一边界信息,计算所述待检测封边在所述正面图像中的第一起始点和第一终止点;第二扫描模块,用于根据所述第一起始点和所述第一终止点,对所述正面图像进行扫描,得到所述待检测封边的多个第一边缘点;第一拟合模块,用于对多个所述第一边缘点进行线性拟合,得到所述待检测封边的标准边缘直线;第一检测模块,用于根据多个所述第一边缘点和所述标准边缘直线,对所述待检测封边进行检测,得到第一检测结果。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使计算机执行本公开所述的方法。
本公开的一种板材封边缺陷检测方法、装置、设备及存储介质,首先对板材的待检测封边对应的正面图像进行扫描,得到板材在正面图像中的第一边界信息,然后根据第一边界信息,计算待检测封边在正面图像中的第一起始点和第一终止点,并根据第一起始点和第一终止点,对正面图像进行扫描,得到待检测封边的多个第一边缘点,最后对多个第一边缘点进行线性拟合,得到待检测封边的标准边缘直线,并根据多个第一边缘点和标准边缘直线,对待检测封边进行检测,得到第一检测结果。由此,基于板材的第一边界信息,对待检测封边进行精确定位,得到待检测封边在正面图像中的第一起始点和第一终止点,可以避免板材厚度不统一时封边定位不精确的问题,另外,基于第一起始点和第一终止点,扫描得到待检测封边实际对应的多个第一边缘点,并根据多个第一边缘点和第一边缘点拟合得到的标准边缘直线对待检测封边缺陷进行自动检测,可以提高检测效率和检测准确率,降低人工成本,并且不容易受到家具颜色和花色的影响。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本公开第一实施例一种板材封边缺陷检测方法的流程示意图;
图2示出了本公开第一实施例一种板材封边缺陷检测方法的第一场景示意图;
图3示出了本公开第一实施例一种板材封边缺陷检测方法的第二场景示意图;
图4示出了本公开第三实施例一种板材封边缺陷检测方法的流程示意图;
图5示出了本公开第五实施例一种板材封边缺陷检测方法的流程示意图;
图6示出了本公开第五实施例一种板材封边缺陷检测方法的场景示意图;
图7示出了本公开第七实施例一种板材封边缺陷检测方法的场景示意图;
图8示出了本公开第九实施例一种板材封边缺陷检测方法的流程示意图;
图9示出了本公开第九实施例一种板材封边缺陷检测方法的第一场景示意图;
图10示出了本公开第九实施例一种板材封边缺陷检测方法的第二场景示意图;
图11示出了本公开第十实施例一种板材封边缺陷检测方法的流程示意图;
图12示出了本公开第十一实施例一种板材封边缺陷检测方法的流程示意图;
图13示出了本公开第十一实施例一种板材封边缺陷检测方法的场景示意图;
图14示出了本公开第十三实施例一种板材封边缺陷检测方法的流程示意图;
图15示出了本公开第十三实施例一种板材封边缺陷检测方法的场景示意图;
图16示出了本公开一种板材封边缺陷检测方法的整体流程示意图;
图17示出了本公开第十六实施例一种板材封边缺陷检测装置的结构示意图;
图18示出了本公开第十七实施例一种板材封边缺陷检测装置的结构示意图;
图19示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而非全部实施例。基于本公开中的实施例,本领域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,都属于本公开保护的范围。
图1示出了本公开第一实施例一种板材封边缺陷检测方法的流程示意图,如图1所示,该方法包括:
步骤S101,获取板材的待检测封边对应的正面图像。
在本实施例中,首先需要获取板材的待检测封边对应的正面图像,其中,板材可能存在多条封边,将需要检测的封边作为待检测封边,待检测封边对应的正面图像为可以观测到待检测封边与板材粘合情况的图像。
图2示出了本公开第一实施例一种板材封边缺陷检测方法的第一场景示意图,如图2所示,本实施例采用线阵相机采集待检测封边对应的正面图像,由于实际应用中板材存在位置相对的上封边和下封边,因此线阵相机中包括上相机和下相机,上相机和下相机与皮带的角度均为45度,上下相机可分别采集板材上封边和下封边对应的图像;线阵相机中还包括三个光源,分别为第一光源、第二光源和第三光源,三个光源分别垂直于板材的三个平面,皮带带动板材运动一次,线阵相机可采集到四张图像,分别为上相机采集的上封边在第一光源下的图像、上相机采集的上封边在第二光源下的图像、下相机采集的下封边在第三光源下的图像、下相机采集的下封边在第二光源下的图像。具体地,若板材上封边为待检测封边,则上相机采集的上封边在第一光源下的图像即为待检测封边对应的正面图像;若板材下封边为待检测封边,则下相机采集的下封边在第三光源下的图像即为待检测封边对应的正面图像。需要强调的是,如图2所示的线阵相机可同时采集上封边和下封边对应的正面图像,因此,可将上封边和下封边同时作为待检测封边,从而提高对板材封边缺陷检测的效率。
步骤S102,对正面图像进行扫描,得到板材在正面图像中的第一边界信息。
在本实施例中,还需要对正面图像进行扫描,得到板材在正面图像中的第一边界信息,其中,第一边界信息为板材(图像中的前景部分)与背景部分的交界,第一边界信息可用直线表征。
步骤S103,根据第一边界信息,计算待检测封边在正面图像中的第一起始点和第一终止点。
在本实施例中,根据第一边界信息,计算待检测封边在正面图像中的第一起始点和第一终止点,其中,第一起始点和第一终止点为待检测封边在正面图像中的两个端点。
图3示出了本公开第一实施例一种板材封边缺陷检测方法的第二场景示意图,如图3所示,在待检测封边对应的正面图像中,第一边界信息包括第一上边界直线、第一下边界直线和第一目标边界直线,其中,第一目标边界直线为正面图像中待检测封边所在边界对应的边界直线,第一上边界直线和第一下边界直线为与第一目标边界直线相交的两条边界直线,因此,可将第一上边界直线和第一目标边界直线的交点作为第一起始点,将第一下边界直线和第一目标边界直线的交点作为第一终止点。
步骤S104,根据第一起始点和第一终止点,对正面图像进行扫描,得到待检测封边的多个第一边缘点。
在本实施例中,还需要根据第一起始点和第一终止点,对正面图像进行扫描,得到待检测封边的多个第一边缘点。具体地,可以先根据第一起始点和第一终止点,确定包含待检测封边的感兴趣区域(ROI,Region of Interest),然后以待检测封边的法线方向作为扫描方向对感兴趣区域进行扫描,得到待检测封边的多个第一边缘点,其中,待检测封边的法线与待检测封边垂直,第一边缘点为沿扫描方向、其两侧相邻的像素点的灰度值之差满足预设阈值的像素点。
步骤S105,对多个第一边缘点进行线性拟合,得到待检测封边的标准边缘直线。
步骤S106,根据多个第一边缘点和标准边缘直线,对待检测封边进行检测,得到第一检测结果。
在本实施例中,获取到待检测封边的多个第一边缘点之后,还需要对多个第一边缘点进行线性拟合,得到待检测封边的标准边缘直线,然后根据多个第一边缘点和标准边缘直线,对待检测封边进行检测,得到第一检测结果。其中,标准边缘直线用于表征待检测封边对应的标准直线,即待检测封边不存在缺陷时对应的直线,第一边缘点为待检测封边实际对应的像素点,可以计算第一边缘点与标准边缘直线的垂直距离,若该垂直距离大于预设阈值,则将第一边缘点确定为异常点,可以理解的是,若有多个异常点相邻,则可以确定待检测封边存在缺陷,输出待检测封边存在缺陷的第一检测结果。
在本公开第一实施例中,基于板材的第一边界信息,对待检测封边进行精确定位,得到待检测封边在正面图像中的第一起始点和第一终止点,可以避免板材厚度不统一时封边定位不精确的问题,另外,基于第一起始点和第一终止点,扫描得到待检测封边实际对应的多个第一边缘点,并根据多个第一边缘点和第一边缘点拟合得到的标准边缘直线对待检测封边缺陷进行自动检测,可以提高检测效率和检测准确率,降低人工成本,并且不容易受到家具颜色和花色的影响。
在本公开第二实施例中,步骤S101主要包括:
获取板材的待检测封边对应的初始正面图像;对初始正面图像进行区域划分,得到初始正面子图像;对初始正面子图像进行自适应直方图均衡化处理,得到均衡化后正面子图像;对均衡化后正面子图像进行双线性插值处理,得到正面图像。
在本实施例中,由于板材的颜色种类较多,一种光源亮度无法使所有板材的待检测封边对应的正面图像的成像效果达到最佳,因此,可将光源亮度调整至满足浅色(如白色)板材不过曝的最大曝光的前提下,采集深色板材的待检测封边对应的初始正面图像,然后对初始正面图像进行自适应直方图均衡化处理,以将初始正面图像调整至合适的亮度。具体地,获取到板材的待检测封边对应的初始正面图像之后,先将初始正面图像划分为具有一定大小的区域,得到初始正面子图像,然后对各个初始正面子图像分别进行自适应直方图均衡化(AHE,Adaptive histgram equalization)处理,得到均衡化后正面子图像,由于均衡化后正面子图像可能出现亮度不均的情况,因此,还需要对各个均衡化后正面子图像进行双线性插值处理,用于削弱图像的区块效应,从而得到正面图像。
在一可实施方式中,可根据如下公式对各个均衡化后正面子图像进行双线性插值处理:
f(x,y)=f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(0,0)xy,
其中,f(x,y)表示均衡化后正面子图像中的像素点(用坐标表示为(x,y))经双线性插值处理后的得到的灰度值;f(0,0)表示均衡化后正面子图像中坐标为(0,0)的像素点的灰度值;f(1,0)表示均衡化后正面子图像中坐标为(1,0)的像素点的灰度值;f(0,1)表示均衡化后正面子图像中坐标为(0,1)的像素点的灰度值。
在本公开第二实施例中,对板材的待检测封边对应的初始正面图像进行自适应直方图均衡化处理,可以将初始正面图像调整至合适的亮度,另外,对均衡化后正面子图像进行双线性插值处理,可以削弱图像的区块效应,避免均衡化后正面子图像可能出现亮度不均的情况。
图4示出了本公开第三实施例一种板材封边缺陷检测方法的流程示意图,如图4所示,步骤S102主要包括:
步骤S201,对正面图像进行面积筛选,得到板材在正面图像中的第一定位区域。
在本实施例中,首先对正面图像进行面积筛选,得到板材在正面图像中的第一定位区域,具体地,正面图像中面积最大的连通域即板材所处的区域,因此可以先获取正面图像的多个连通域,然后将面积最大的连通域作为第一定位区域,即板材部分在正面图像中的粗定位。
步骤S202,根据第一定位区域,确定板材在正面图像中的第一最小外接矩形。
在本实施例中,还需要根据第一定位区域,确定板材在正面图像中的第一最小外接矩形,由于第一定位区域为板材在正面图像中的粗定位,因此可以先获取第一定位区域内像素点的坐标,得到坐标集,然后对坐标集中的横坐标进行比较,得到坐标集中的最大横坐标和最小横坐标,并对坐标集中的纵坐标进行比较,得到坐标集中的最大纵坐标和最小纵坐标,最后基于最大横坐标、最小横坐标、最大纵坐标和最小纵坐标,确定板材在正面图像中的第一最小外接矩形。具体地,根据最大横坐标、最小横坐标、最大纵坐标和最小纵坐标即可确定第一最小外接矩形的四个顶点,进而可以确定第一最小外接矩形。
步骤S203,根据第一最小外接矩形,对正面图像进行扫描,得到第一边界信息。
在本实施例中,根据第一最小外接矩形,对正面图像进行扫描,得到第一边界信息。具体地,第一最小外接矩形能够大致反映正面图像的板材与背景的交界区域,因此,可以基于第一最小外接矩形,对第一最小外接矩形周围的像素点进行扫描,从而得到第一边界信息,由此可以提高扫描效率,并进一步提高板材缺陷检测效率。
在本公开第三实施例中,首先对正面图像进行面积筛选,得到板材在正面图像中的第一定位区域,然后根据第一定位区域,确定板材的第一最小外接矩形,并基于第一最小外接矩形,对正面图像进行扫描,得到第一边界信息,可以提高扫描效率,并进一步提高板材缺陷检测效率。
在本公开第四实施例中,步骤S201主要包括:
对正面图像进行降采样处理,得到降采样后正面图像;对降采样后正面图像进行开运算,得到开运算后正面图像;对开运算后正面图像进行面积筛选,得到第一定位区域。
在本实施例中,对正面图像进行面积筛选前,还需要对正面图像进行预处理,具体地,由于板材一般过大,正面图像一般为拼接图像,因此可以先对正面图像进行降采样处理,得到降采样后正面图像,这样可以正面图像中的减少采样点数,提高后续面积筛选的速度;之后再对降采样后正面图像进行开运算,得到开运算后正面图像,这样可以去除正面图像中的噪声,并使正面图像保持原有形状;最后对开运算后正面图像进行面积筛选,得到第一定位区域。
在一可实施方式中,对开运算后正面图像进行面积筛选时,可以先获取开运算后正面图像的多个连通域,然后计算多个连通域的面积,得到计算结果,最后根据计算结果,将面积最大的连通域确定为第一定位区域。
图5示出了本公开第五实施例一种板材封边缺陷检测方法的流程示意图,如图5所示,步骤S203主要包括:
步骤S301,根据第一最小外接矩形,确定板材的第一上感兴趣区域、第一下感兴趣区域和第一目标感兴趣区域。
在本实施例中,首先根据第一最小外接矩形,确定第一最小外接矩形的第一上感兴趣区域、第一下感兴趣区域和第一目标感兴趣区域,其中,第一目标感兴趣区域为正面图像中包含板材中待检测封边所在边界的区域,第一上感兴趣区域为包含与待检测封边所在边界相交的一条边界的区域,第一下感兴趣区域为包含待检测封边所在边界相交的另一条边界的区域。
图6示出了本公开第五实施例一种板材封边缺陷检测方法的场景示意图,如图6所示,在待检测封边对应的正面图像中,板材的右边界为板材中待检测封边所在边界,可将第一最小外接矩形的左上顶点和右上顶点之间的距离作为第一上感兴趣区域的长,并将第一预设宽度作为第一上感兴趣区域的宽度,从而得到第一上感兴趣区域;将第一最小外接矩形的左下顶点和右下顶点之间的距离作为第一下感兴趣区域的长,并将第二预设宽度作为第一下感兴趣区域的宽度,从而得到第一下感兴趣区域;将第一最小外接矩形的右上顶点和右下顶点之间的距离作为第一目标感兴趣区域的长,并将第三预设宽度作为第一目标感兴趣区域的宽度,从而得到第一目标感兴趣区域,其中,第一预设宽度、第二预设宽度和第三预设宽度可根据实际情况进行设定。
步骤S302,对第一上感兴趣区域内的像素点进行扫描,得到多个第二边缘点;并对第二边缘点进行线性拟合,得到板材在正面图像中的第一上边界直线。
在本实施例中,对第一上感兴趣区域内的像素点进行扫描,得到多个第二边缘点,然后对多个第二边缘点进行线性拟合,得到板材在正面图像中的第一上边界直线,其中,第二边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。具体地,可以利用加权最小二乘法对多个第二边缘点进行线性拟合。
在一可实施方式中,如图6所示,对于第一上感兴趣区域,可以自上而下对第一上感兴趣区域内的像素点进行纵向扫描,例如,以第一上感兴趣区域左上顶点对应的像素点开始,获取该像素点上方相邻的第一像素点集的灰度平均值,以及该像素点下方相邻的第二像素点集的灰度平均值,其中,第一像素点集为由该像素点上方预设数量的像素点组成的集合,第二像素点集为由该像素点下方预设数量的像素点组成的集合,之后判断第一像素点集和第二像素点集灰度平均值的差值是否满足第一预设阈值,若满足,则将该像素点作为第二边缘点,若不满足,则判断当前像素点下方相邻的像素点是否为第二边缘点,以此类推,直到该像素点所在列的像素点被扫描完成;然后基于第一上感兴趣区域左上顶点对应的像素点向右移动一定的步长,从移动步长后的像素点开始,继续扫描与该像素点同列的像素点,以此类推,直到将第一上感兴趣区域内的像素点均扫描完毕,得到所有第二边缘点。其中,步长可以根据实际情况自行设定,例如,若步长为1,则基于第一上感兴趣区域左上顶点对应的像素点向右移动一个像素点。
步骤S303,对第一下感兴趣区域内的像素点进行扫描,得到多个第三边缘点;并对第三边缘点进行线性拟合,得到板材在正面图像中的第一下边界直线。
在本实施例中,对第一下感兴趣区域内的像素点进行扫描,得到多个第三边缘点,然后对多个第三边缘点进行线性拟合,得到板材在正面图像中的第一下边界直线,其中,第三边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。具体地,可以利用加权最小二乘法对多个第三边缘点进行线性拟合。
在一可实施方式中,如图6所示,对于第一下感兴趣区域,可以自下而上对第一下感兴趣区域内的像素点进行纵向扫描,例如,以第一下感兴趣区域右下顶点对应的像素点开始,获取该像素点上方相邻的第一像素点集的灰度平均值,以及该像素点下方相邻的第二像素点集的灰度平均值,其中,第一像素点集为由该像素点上方预设数量的像素点组成的集合,第二像素点集为由该像素点下方预设数量的像素点组成的集合,之后判断第一像素点集和第二像素点集灰度平均值的差值是否满足第一预设阈值,若满足,则将该像素点作为第三边缘点,若不满足,则判断当前像素点上方相邻的像素点是否为第三边缘点,以此类推,直到该像素点所在列的像素点被扫描完成;然后基于第一下感兴趣区域右下顶点对应的像素点向左移动一定的步长,从移动步长后的像素点开始,继续扫描与该像素点同列的像素点,以此类推,直到将第一下感兴趣区域内的像素点均扫描完毕,得到所有第三边缘点。其中,步长可以根据实际情况自行设定,例如,若步长为1,则基于第一下感兴趣区域右下顶点对应的像素点向左移动一个像素点。
步骤S304,对第一目标感兴趣区域内的像素点进行扫描,得到多个第四边缘点;并对第四边缘点进行线性拟合,得到板材在正面图像中的第一目标边界直线。
在本实施例中,对第一目标感兴趣区域内的像素点进行扫描,得到多个第四边缘点,然后对多个第四边缘点进行线性拟合,得到板材在正面图像中的第一目标边界直线,其中,第四边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。具体地,可以利用加权最小二乘法对多个第四边缘点进行线性拟合。
在一可实施方式中,如图6所示,对于第一目标感兴趣区域,可以自右向左对第一目标感兴趣区域内的像素点进行横向扫描,例如,以第一目标感兴趣区域右上顶点对应的像素点开始,获取该像素点左方相邻的第一像素点集的灰度平均值,以及该像素点右方相邻的第二像素点集的灰度平均值,其中,第一像素点集为由该像素点左方预设数量的像素点组成的集合,第二像素点集为由该像素点右方预设数量的像素点组成的集合,之后判断第一像素点集和第二像素点集灰度平均值的差值是否满足第一预设阈值,若满足,则将该像素点作为第四边缘点,若不满足,则判断当前像素点左方相邻的像素点是否为第四边缘点,以此类推,直到该像素点所在行的像素点被扫描完成;然后基于第一目标感兴趣区域右上顶点对应的像素点向下移动一定的步长,从移动步长后的像素点开始,继续扫描与该像素点同行的像素点,以此类推,直到将第一目标感兴趣区域内的像素点均扫描完毕,得到所有第四边缘点。其中,步长可以根据实际情况自行设定,例如,若步长为1,则基于第一目标感兴趣区域右上顶点对应的像素点向下移动一个像素点。
在本公开第六实施例中,步骤S103主要包括:
计算第一上边界直线和第一目标边界直线的交点,得到待检测封边在正面图像中的第一起始点;计算第一下边界直线和第一目标边界直线的交点,得到待检测封边在正面图像中的第一终止点。
在本实施例中,板材在正面图像中的第一边界信息包括第一上边界直线、第一下边界直线和第一目标边界直线,其中,第一目标边界直线为正面图像中待检测封边所在边界对应的边界直线,第一上边界直线和第一下边界直线为与第一目标边界直线相交的两条边界直线,因此,计算第一上边界直线与第一目标边界直线的交点,即可得到待检测封边在正面图像中的第一起始点;计算第一下边界直线和第一目标边界直线的交点,即可得到待检测封边在正面图像中的第一终止点。
在本公开第七实施例中,步骤S104主要包括:
根据第一起始点和第一终止点,确定待检测封边的第二目标感兴趣区域;对第二目标感兴趣区域内的像素点进行扫描,得到初始像素点,初始像素点为其一阶导数满足第二预设阈值的像素点;计算沿扫描方向与初始像素点相邻的第三像素点集和第四像素点集灰度平均值的第一差值;第一差值满足第三预设阈值,则将初始像素点确定为第一边缘点。
在本实施例中,首先根据待检测封边的第一起始点和第一终止点,确定待检测封边的第二目标感兴趣区域,第二目标感兴趣区域为包含待检测封边的区域。图7示出了本公开第七实施例一种板材封边缺陷检测方法的场景示意图,如图7所示,以第一起始点和第二起始点之间的距离作为第二目标感兴趣区域的长,以第四预设宽度作为第二目标感兴趣区域的宽,其中,第四预设宽度可以自行根据实际情况设定。
在本实施例中,确定第二目标感兴趣区域之后,需要沿待检测封边所处边界的法线方向,对第二目标感兴趣区域内的像素点进行扫描,得到初始像素点,初始像素点为其一阶导数满足第二预设阈值的像素点,其中,一阶导数为像素点沿扫描方向两个相邻像素点灰度值的差值。具体地,如图7所示,对于第二目标感兴趣区域,可以自右向左对第二目标感兴趣区域内的像素点进行横向扫描,例如,以第二目标感兴趣区域右上顶点对应的像素点开始,获取该像素点左方相邻的像素点的第一灰度值,以及该像素点右方相邻的像素点的第二灰度值,之后判断第一灰度值与第二灰度值的差值是否满足第二预设阈值,若满足,则将该像素点作为初始边缘点,若不满足,则判断当前像素点左方相邻的像素点是否为初始边缘点,以此类推,直到该像素点所在行的像素点被扫描完成;然后基于第二目标感兴趣区域右上顶点对应的像素点向下移动一定的步长,从移动步长后的像素点开始,继续扫描与该像素点同行的像素点,以此类推,直到将第二目标感兴趣区域内的像素点均扫描完毕,得到所有初始边缘点。其中,步长可以根据实际情况自行设定,例如,若步长为1,则基于第二目标感兴趣区域右上顶点对应的像素点向下移动一个像素点。
在本实施例中,得到初始像素点之后,还需要计算沿扫描方向与初始像素点相邻的第三像素点集和第四像素点集灰度平均值的第一差值,若第一差值满足第三预设阈值,则将初始像素点确定为第一边缘点。具体地,如图7所示,若自右向左对第二目标感兴趣区域内的像素点进行横向扫描,则第三像素点集为由初始像素点左方预设数量的像素点组成的集合,第四像素点集为由初始像素点右方预设数量的像素点组成的集合,之后判断第三像素点集和第四像素点集灰度平均值的差值是否满足第三预设阈值,若满足,则将该初始像素点作为第一边缘点。
在本公开第七实施例中,首先确定待检测封边的第二目标感兴趣区域,之后仅对第二目标感兴趣区域进行扫描,得到初始像素点,由此,可以提高扫描效率,进一步提高板材缺陷检测效率,另外,对第二目标感兴趣区域进行扫描时,在像素点的一阶导数满足第二预设阈值的情况下,再判断与像素点相邻的第三像素点集和第四像素点集灰度平均值的第一差值是否满足第三预设阈值,由此,可以得到更加准确的第一边缘点,从而提高检测准确率。
在本公开第八实施例中,步骤S105主要包括:
根据随机一致性采样方法,选取多个第一边缘点中满足第一预设条件的边缘点,得到目标边缘点;对目标边缘点进行线性拟合,得到标准边缘直线。
在本实施例中,获取到的多个第一边缘点中可能存在噪声,因此,可以根据随机一致性采样方法,从多个第一边缘点中选取一批点组成集合,使其他第一边缘点到该集合中的点拟合得到的直线的距离之和最小,该集合中的第一边缘点即目标边缘点,之后对目标边缘点进行线性拟合,得到标准边缘直线。由此,可以拟合得到更加准确的标准边缘直线,进一步提高检测准确率。
图8示出了本公开第九实施例一种板材封边缺陷检测方法的流程示意图,如图8所示,步骤S106主要包括:
步骤S401,对标准边缘直线进行细分,得到标准边缘点。
在本实施例中,首先需要对标准边缘直线进行细分,即获取标准边缘直线上的所有点,得到标准边缘点,由于标准边缘直线用于表征待检测封边对应的标准直线,因此,标准边缘点可以看作待检测封边不存在缺陷时对应的边缘点。
步骤S402,对于第一方向坐标相同的第一边缘点和标准边缘点,计算第一边缘点的第二方向坐标与标准边缘点的第二方向坐标之间的第二差值。
在本实施例中,对于第一方向坐标相同的第一边缘点和标准边缘点,计算第一边缘点的第二方向坐标与标准边缘点的第二方向坐标之间的第二差值,其中,第一方向坐标为沿标准边缘直线方向的坐标,第二方向坐标为沿标准边缘直线的法线方向的坐标,标准边缘直线的法线与标准边缘直线垂直。
图9示出了本公开第九实施例一种板材封边缺陷检测方法的第一场景示意图,如图9所示,标准边缘直线为竖直方向,因此,第一方向坐标为纵坐标,标准边缘直线的法线为水平方向,因此,第二方向坐标为横坐标,对于纵坐标相同的第一边缘点和标准边缘点,计算第一边缘点的横坐标与标准边缘点的横坐标之间的第二差值,由于第一边缘点为待检测封边的实际边缘点,因此,第二差值可以表征实际边缘点与标准边缘点之间的距离。
步骤S403,第二差值大于第四预设阈值,则将第一边缘点确定为异常点,并将相邻异常点的第二最小外接矩形包围的区域确定为异常区域。
步骤S404,根据异常区域,对待检测封边进行检测,得到第一检测结果。
在本实施例中,若第二差值大于第四预设阈值,则认为在第一方向坐标相同的情况下,待检测封边的实际边缘点偏离标准边缘点较远,因此可将第一边缘点确定为异常点,并将相邻异常点的第二最小外接矩形包围的区域确定为异常区域,最后可以根据异常区域,对待检测封边进行检测,得到第一检测结果,例如,若存在异常区域,则输出待检测封边存在缺陷的第一检测结果。
图10示出了本公开第九实施例一种板材封边缺陷检测方法的第二场景示意图,如图10所示,获取到所有异常点之后,若有多个异常点相邻,则可确定多个相邻异常点的第二最小外接矩形,并将第二最小外接矩形包围的区域确定为异常区域。
图11示出了本公开第十实施例一种板材封边缺陷检测方法的流程示意图,如图11所示,步骤S404主要包括:
判断异常区域是否包括第一起始点或第一终止点,得到第一判断结果;第一判断结果为是,则判断异常区域的面积是否满足第五预设阈值,得到第二判断结果;第一判断结果为否,则判断异常区域内的异常点是否满足第二预设条件,得到第三判断结果;根据第二判断结果和第三判断结果,对待检测封边进行检测,得到第一检测结果;
其中,根据第二判断结果和第三判断结果,对待检测封边进行检测,得到第一检测结果,包括:第二判断结果为是,则确定待检测封边存在短带缺陷;第二判断结果为否,则判断异常区域的面积是否满足第六预设阈值,得到第四判断结果,且第四判断结果为是,则确定待检测封边存在开胶缺陷;第四判断结果为否,则确定待检测封边存在崩缺缺陷;第三判断结果为是,则确定待检测封边存在鼓胶缺陷;第三判断结果为否,则确定待检测封边存在崩缺缺陷。
在本实施例中,确定异常区域之后,可以根据异常区域的特征信息,例如异常区域的面积或异常区域内异常点的坐标等,对待检测封边进行检测。具体地,首先输入异常区域的特征信息,判断异常区域是否包括第一起始点或第一终止点,即判断异常区域是否位于待检测封边的两端,得到第一判断结果,若第一判断结果为是,则判断异常区域的面积是否满足第五预设阈值,即判断异常区域的第二最小外接矩形的面积与板材的第一最小外接矩形的面积之比是否大于第五预设阈值,优选地,第五预设阈值可以为0.8,得到第二判断结果;若第一判断结果为否,则判断异常区域内的异常点是否满足第二预设条件,即判断异常区域内的异常点是否凸出,得到第三判断结果,最后根据第二判断结果和第三判断结果,对待检测封边进行检测,得到第一检测结果,并对第一检测结果进行输出。
在一可实施方式中,以图10所示,若待检测封边位于板材右边界,则判断异常区域内的异常点是否凸出,即判断异常区域内异常点的横坐标均值是否大于与其对应的标准边缘点的横坐标均值,且异常点组成的轮廓是否圆滑变化,其中,异常点和与其对应的标准边缘点的纵坐标相等。
在本实施例中,根据第二判断结果和第三判断结果,对待检测封边进行检测时,若第二判断结果为是,即异常区域的面积较大,则确定待检测封边存在短带缺陷;若第二判断结果为否,则继续判断异常区域的面积是否满足第六预设阈值,即判断异常区域的第二最小外接矩形的面积与板材的第一最小外接矩形的面积之比是否满足第五预设阈值,优选地,第五预设阈值可以为0.4至0.6,得到第四判断结果,且若第四判断结果为是,则确定待检测封边存在开胶缺陷;若第四判断结果为否,则确定待检测封边存在崩缺缺陷;若第三判断结果为是,即异常区域内的异常点凸出,则确定待检测封边存在鼓胶缺陷;第三判断结果为否,即异常区域内的异常点不凸出,则确定待检测封边存在崩缺缺陷。
在本公开第十实施例中,根据异常区域的特征信息,对待检测封边进行检测,可以准确识别待检测封边的缺陷类型。
图12示出了本公开第十一实施例一种板材封边缺陷检测方法的流程示意图,如图12所示,一种板材封边缺陷检测方法还包括:
步骤S501,获取板材的待检测封边对应的侧面图像。
在本实施例中,首先获取板材的待检测封边对应的侧面图像,具体地,待检测封边连接板材的两个表面,对待检测封边连接的两个表面分别采集图像,得到待检测封边对应的正面图像和待检测封边对应的侧面图像,其中,待检测封边对应的正面图像可以观测到待检测封边与板材的粘合情况,待检测封边对应的侧面图像则无法观测到待检测封边与板材的粘合情况。
如图2所示,皮带带动板材运动一次,线阵相机可采集到四张图像,分别为上相机采集的上封边在第一光源下的图像、上相机采集的上封边在第二光源下的图像、下相机采集的下封边在第三光源下的图像、下相机采集的下封边在第二光源下的图像。具体地,若板材上封边为待检测封边,则上相机采集的上封边在第二光源下的图像即为待检测封边对应的侧面图像;若板材下封边为待检测封边,则下相机采集的下封边在第二光源下的图像即为待检测封边对应的侧面图像。需要强调的是,如图2所示的线阵相机可同时采集上封边和下封边对应的侧面图像,因此,可将上封边和下封边同时作为待检测封边,从而提高对板材封边缺陷检测的效率。
在一可实施方式中,获取板材的待检测封边对应的侧面图像时,也可以先获取初始侧面图像,然后对初始侧面图像进行自适应直方图均衡化处理和双线性差值处理,从而得到侧面图像。
步骤S502,对侧面图像进行扫描,得到板材在侧面图像中的第二边界信息。
在本实施例中,还需要对侧面图像进行扫描,得到板材在侧面图像中的第二边界信息,其中,第二边界信息为板材(图像中的前景部分)与背景部分的交界,第二边界信息可用直线表征。
步骤S503,根据第二边界信息,计算待检测封边在侧面图像中的第二起始点和第二终止点。
在本实施例中,根据第二边界信息,计算待检测封边在侧面图像中的第二起始点和第二终止点,其中,第二起始点和第二终止点为待检测封边在侧面图像中的两个端点。
图13示出了本公开第十一实施例一种板材封边缺陷检测方法的场景示意图,如图13所示,在待检测封边对应的侧面图像中,第二边界信息包括第二上边界直线、第二下边界直线和第二目标边界直线,其中,第二目标边界直线为侧面图像中待检测封边所在边界对应的边界直线,第二上边界直线和第二下边界直线为与第二目标边界直线相交的两条边界直线,因此,可将第二上边界直线和第二目标边界直线的交点作为第二起始点,将第二下边界直线和第二目标边界直线的交点作为第二终止点。
步骤S504,根据第一起始点、第一终止点、第二起始点和第二终止点,对待检测封边进行检测,得到第二检测结果。
步骤S505,对第一检测结果和第二检测结果进行合并,得到待检测封边的第三检测结果。
在本实施例中,可以根据待检测封边在正面图像中的第一起始点和第一终止点,以及待检测封边在侧面图像中的第二起始点和第二终止点,对待检测封边进行检测,得到第二检测结果,并对第一检测结果和第二检测结果进行合并,得到待检测封边的第三检测结果。具体地,基于图2中线阵相机采集的待检测封边的正面图像和侧面图像,待检测封边在正面图像和侧面图像中的坐标原理上相同,因此,可以对比待检测封边在正面图像中的第一起始点和待检测封边在侧面图像中的第二起始点的坐标,以及对比待检测封边在正面图像中的第一终止点和待检测封边在侧面图像中的第二终止点的坐标,若对比结果显示坐标相差较大,得到待检测封边存在缺陷的第二检测结果。
在本公开第十一实施例中,根据待检测封边在正面图像中的第一起始点和第一终止点,以及待检测封边在侧面图像中的第二起始点和第二终止点,对待检测封边进行检测,由此,结合正面图像和侧面图像中待检测封边的位置信息,对待检测封边进行检测,可以准确判断待检测封边的端头是否存在缺陷,进一步提高板材封边缺陷检测的准确率,另外,对第一检测结果和第二检测结果进行合并,得到的第三检测结果能够更加全面的表征待检测封边存在的缺陷。
在本公开第十二实施例中,步骤S502主要包括:
对侧面图像进行面积筛选,得到板材在侧面图像中的第二定位区域;根据第二定位区域,确定板材在侧面图像中的第三最小外接矩形;根据第三最小外接矩形,对侧面图像进行扫描,得到第二边界信息。
在本实施例中,首先需要对侧面图像进行面积筛选,得到板材在侧面图像中的第二定位区域,具体地,侧面图像中面积最大的连通域即板材所处的区域,因此可以先获取侧面图像的多个连通域,然后将面积最大的连通域作为第二定位区域,即板材部分在侧面图像中的粗定位;获取到第二定位区域之后,根据第二定位区域,确定板材在侧面图像中的第三最小外接矩形,具体地,可以先获取第二定位区域中所有像素点的坐标集,并根据坐标集中的最大横坐标、最小横坐标、最大纵坐标和最小纵坐标确定第三最小外接矩形;最后可以根据第三最小外接矩形,对侧面图像进行扫描,得到第二边界信息,具体地,可以基于第三最小外接矩形,对第三最小外接矩形周围的像素点进行扫描,从而得到第二边界信息。需要强调的是,本实施例的具体实现过程与第三实施例中步骤S201至步骤S203类似,此处不再详细赘述。
图14示出了本公开第十三实施例一种板材封边缺陷检测方法的流程示意图,如图14所示,根据第三最小外接矩形,对侧面图像进行扫描,得到第二边界信息,主要包括:
步骤S601,根据第三最小外接矩形,确定板材的第二上感兴趣区域、第二下感兴趣区域和第三目标感兴趣区域。
在本实施例中,首先根据第三最小外接矩形,确定板材的第二上感兴趣区域、第二下感兴趣区域和第三目标感兴趣区域,其中,第三目标感兴趣区域为侧面图像中包含板材中待检测封边所在边界的区域,第二上感兴趣区域为包含与待检测封边所在边界相交的一条边界的区域,第二下感兴趣区域为包含待检测封边所在边界相交的另一条边界的区域。图15示出了本公开第十三实施例一种板材封边缺陷检测方法的场景示意图,如图15所示,在待检测封边对应的侧面图像中,板材的左边界为板材中待检测封边所在边界,则包括板材左边界的区域为第三目标感兴趣区域、包括板材上边界的区域为第二上感兴趣区域、包括板材下边界的区域为第二下感兴趣区域。需要强调的是,步骤S601的具体实现过程与步骤S301类似,此处不再详细赘述。
步骤S602,对第二上感兴趣区域内的像素点进行扫描,得到多个第五边缘点;并对第五边缘点进行线性拟合,得到板材在侧面图像中的第二上边界直线。
在本实施例中,对第二上感兴趣区域内的像素点进行扫描,得到多个第五边缘点,然后对多个第五边缘点进行线性拟合,得到板材在侧面图像中的第二上边界直线,其中,第五边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。具体地,可以利用加权最小二乘法对多个第五边缘点进行线性拟合。
在一可实施方式中,如图15所示,对于第二上感兴趣区域,可以自上而下对第二上感兴趣区域内的像素点进行纵向扫描,直到将第二上感兴趣区域内的像素点均扫描完毕,得到所有第五边缘点。需要强调的是,步骤S602的具体实现过程与步骤S302类似,此处不再详细赘述。
步骤S603,对第二下感兴趣区域内的像素点进行扫描,得到多个第六边缘点;并对第六边缘点进行线性拟合,得到板材在侧面图像中的第二下边界直线。
在本实施例中,对第二下感兴趣区域内的像素点进行扫描,得到多个第六边缘点,然后对多个第六边缘点进行线性拟合,得到板材在侧面图像中的第二下边界直线,其中,第六边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。具体地,可以利用加权最小二乘法对多个第六边缘点进行线性拟合。
在一可实施方式中,如图15所示,对于第二下感兴趣区域,可以自下而上对第二下感兴趣区域内的像素点进行纵向扫描,直到将第二下感兴趣区域内的像素点均扫描完毕,得到所有第六边缘点。需要强调的是,步骤S603的具体实现过程与步骤S303类似,此处不再详细赘述。
步骤S604,对第三目标感兴趣区域内的像素点进行扫描,得到多个第七边缘点;并对第七边缘点进行线性拟合,得到板材在侧面图像中的第二目标边界直线。
在本实施例中,对第三目标感兴趣区域内的像素点进行扫描,得到多个第七边缘点,然后对多个第七边缘点进行线性拟合,得到板材在侧面图像中的第二目标边界直线,其中,第七边缘点为沿扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。具体地,可以利用加权最小二乘法对多个第七边缘点进行线性拟合。
在一可实施方式中,如图15所示,对于第三目标感兴趣区域,可以自左向右对第三目标感兴趣区域内的像素点进行横向扫描,直到将第三目标感兴趣区域内的像素点均扫描完毕,得到所有第七边缘点。需要强调的是,步骤S604的具体实现过程与步骤S304类似,此处不再详细赘述。
在本公开第十四实施例中,步骤S503主要包括:
计算第二上边界直线和第二目标边界直线的交点,得到待检测封边在侧面图像中的第二起始点;计算第二下边界直线和第二目标边界直线的交点,得到待检测封边在侧面图像中的第二终止点。
在本实施例中,板材在侧面图像中的第二边界信息包括第二上边界直线、第二下边界直线和第二目标边界直线,其中,第二目标边界直线为正面图像中待检测封边所在边界对应的边界直线,第二上边界直线和第二下边界直线为与第二目标边界直线相交的两条边界直线,因此,计算第二上边界直线与第二目标边界直线的交点,即可得到待检测封边在正面图像中的第二起始点;计算第二下边界直线和第二目标边界直线的交点,即可得到待检测封边在正面图像中的第二终止点。
在本公开第十五实施例中,步骤S504主要包括:
计算第一起始点与第二起始点的第一距离;计算第一终止点与第二终止点的第二距离;判断第一距离和第二距离是否满足第七预设阈值,得到第五判断结果;第五判断结果为否,则确定待检测封边存在端头过长缺陷。
在本实施例中,首先计算第一起始点与第二起始点的第一距离,以及计算第一终止点与第二终止点的第二距离,第一距离可以表征第一起始点的坐标与第二起始点的坐标之间的偏移程度,第二距离可以表征第一终止点的坐标与第二终止点的坐标之间的偏移程度,若第一距离或第二距离不满足第七预设阈值,即第一距离或第二距离大于第七预设阈值,则确定待检测封边存在端头过长缺陷。
图16示出了本公开一种板材封边缺陷检测方法的整体流程示意图,如图16所示,一种板材封边缺陷检测方法获取到待检测封边的正面图像和侧面图像之后,对于正面图像进行扫描,得到板材在正面图像中的第一边界信息,根据第一边界信息,计算待检测封边在正面图像中的第一起始点和第一终止点,然后根据第一起始点和第一终止点,对正面图像进行扫描,得到第一边缘点,并对第一边缘点进行线性拟合,得到待检测封边在正面图像中的标准边缘直线,最后根据第一边缘点和标准边缘直线,对待检测封边进行检测,得到第一检测结果;对于侧面图像进行扫描,得到板材在侧面图像中的第二边界信息,根据第二边界信息,计算待检测封边在侧面图像中的第二起始点和第二终止点,并根据第一起始点、第一终止点、第二起始点和第二终止点,对待检测封边进行检测,得到第二检测结果,获取到第一检测结果和第二检测结果之后,对第一检测结果和第二检测结果进行合并,得到第三测试结果,并输出第三检测结果,第三检测结果为待检测封边对应的最终检测结果。
需要强调的是,本公开中的第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值、第五预设阈值、第六预设阈值和第七预设阈值,均根据实际情况自行设置,本公开不对其进行限定。
图17示出了本公开第十六实施例一种板材封边缺陷检测装置的结构示意图,如图17所示,该装置主要包括:
第一获取模块10,用于获取板材的待检测封边对应的正面图像;第一扫描模块11,用于对正面图像进行扫描,得到板材在正面图像中的第一边界信息;第一计算模块12,用于根据第一边界信息,计算待检测封边在正面图像中的第一起始点和第一终止点;第二扫描模块13,用于根据第一起始点和第一终止点,对正面图像进行扫描,得到待检测封边的多个第一边缘点;第一拟合模块14,用于对多个第一边缘点进行线性拟合,得到待检测封边的标准边缘直线;第一检测模块15,用于根据多个第一边缘点和标准边缘直线,对待检测封边进行检测,得到第一检测结果。
在一可实施方式中,第一获取模块10包括:获取子模块,用于获取板材的待检测封边对应的初始正面图像;划分子模块,用于对初始正面图像进行区域划分,得到初始正面子图像;均衡化子模块,用于对初始正面子图像进行自适应直方图均衡化处理,得到均衡化后正面子图像;插值子模块,用于对均衡化后正面子图像进行双线性插值处理,得到正面图像。
在一可实施方式中,第一扫描模块11包括:第一面积筛选子模块,用于对正面图像进行面积筛选,得到板材在正面图像中的第一定位区域;第一确定子模块,用于根据第一定位区域,确定板材在正面图像中的第一最小外接矩形;第一扫描子模块,用于根据第一最小外接矩形,对正面图像进行扫描,得到第一边界信息。
在一可实施方式中,第一面积筛选子模块包括:降采样单元,用于对正面图像进行降采样处理,得到降采样后正面图像;开运算单元,用于对降采样后正面图像进行开运算,得到开运算后正面图像;面积筛选单元,用于对开运算后正面图像进行面积筛选,得到第一定位区域。
在一可实施方式中,面积筛选单元包括:获取子单元,用于获取开运算后正面图像的多个连通域;计算子单元,用于计算多个连通域的面积,得到计算结果;确定子单元,用于根据计算结果,将面积最大的连通域确定为第一定位区域。
在一可实施方式中,第一确定子模块包括:获取单元,用于获取第一定位区域内像素点的坐标,得到坐标集;比较单元,用于对坐标集中的横坐标进行比较,得到坐标集中的最大横坐标和最小横坐标,以及对坐标集中的纵坐标进行比较,得到坐标集中的最大纵坐标和最小纵坐标;第一确定单元,用于根据最大横坐标、最小横坐标、最大纵坐标和最小纵坐标,确定板材在正面图像中的第一最小外接矩形。
在一可实施方式中,第一扫描子模块,包括:第二确定单元,用于根据第一最小外接矩形,确定板材的第一上感兴趣区域、第一下感兴趣区域和第一目标感兴趣区域;第一扫描单元,用于对第一上感兴趣区域内的像素点进行扫描,得到多个第二边缘点,对第一下感兴趣区域内的像素点进行扫描,得到多个第三边缘点,以及对第一目标感兴趣区域内的像素点进行扫描,得到多个第四边缘点;第一拟合单元,用于对第二边缘点进行线性拟合,得到板材在正面图像中的第一上边界直线,对第三边缘点进行线性拟合,得到板材在正面图像中的第一下边界直线,以及对第四边缘点进行线性拟合,得到板材在正面图像中的第一目标边界直线;其中,第二边缘点、第三边缘点和第四边缘点为沿各自扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。
在一可实施方式中,第一计算模块12还用于计算第一上边界直线和第一目标边界直线的交点,得到待检测封边在正面图像中的第一起始点,以及计算第一下边界直线和第一目标边界直线的交点,得到待检测封边在正面图像中的第一终止点。
在一可实施方式中,第二扫描模块13包括:第三确定单元,用于根据第一起始点和第一终止点,确定待检测封边的第二目标感兴趣区域;第二扫描单元,用于对第二目标感兴趣区域内的像素点进行扫描,得到初始像素点,初始像素点为其一阶导数满足第二预设阈值的像素点;第一计算单元,用于计算沿扫描方向与初始像素点相邻的第三像素点集和第四像素点集灰度平均值的第一差值;第四确定单元,用于第一差值满足第三预设阈值,则将初始像素点确定为第一边缘点。
在一可实施方式中,第一拟合模块14包括:选取子模块,用于根据随机一致性采样方法,选取多个第一边缘点中满足第一预设条件的边缘点,得到目标边缘点;拟合子模块,用于对目标边缘点进行线性拟合,得到标准边缘直线。
在一可实施方式中,第一检测模块15包括:细分子模块,用于对标准边缘直线进行细分,得到标准边缘点;第一计算子模块,用于对于第一方向坐标相同的第一边缘点和标准边缘点,计算第一边缘点的第二方向坐标与标准边缘点的第二方向坐标之间的第二差值;异常区域确定子模块,用于第二差值大于第四预设阈值,则将第一边缘点确定为异常点,并将相邻异常点的第二最小外接矩形包围的区域确定为异常区域;检测子模块,用于根据异常区域,对待检测封边进行检测,得到第一检测结果。
在一可实施方式中,检测子模块包括:判断单元,用于判断异常区域是否包括第一起始点或第一终止点,得到第一判断结果;第一判断结果为是,则判断异常区域的面积是否满足第五预设阈值,得到第二判断结果;第一判断结果为否,则判断异常区域内的异常点是否满足第二预设条件,得到第三判断结果;检测单元,用于根据第二判断结果和第三判断结果,对待检测封边进行检测,得到第一检测结果。
在一可实施方式中,检测单元还用于:第二判断结果为是,则确定待检测封边存在短带缺陷;第二判断结果为否,则判断异常区域的面积是否满足第六预设阈值,得到第四判断结果,且第四判断结果为是,则确定待检测封边存在开胶缺陷;第四判断结果为否,则确定待检测封边存在崩缺缺陷;第三判断结果为是,则确定待检测封边存在鼓胶缺陷;第三判断结果为否,则确定待检测封边存在崩缺缺陷。
图18示出了本公开第十七实施例一种板材封边缺陷检测装置的结构示意图,如图18所示,一种板材封边缺陷检测装置还包括:
第二获取模块16,用于获取板材的待检测封边对应的侧面图像;第三扫描模块17,用于对侧面图像进行扫描,得到板材在侧面图像中的第二边界信息;第二计算模块18,用于根据第二边界信息,计算待检测封边在侧面图像中的第二起始点和第二终止点;第二检测模块19,用于根据第一起始点、第一终止点、第二起始点和第二终止点,对待检测封边进行检测,得到第二检测结果;合并模块20,用于对第一检测结果和第二检测结果进行合并,得到待检测封边的第三检测结果。
在一可实施方式中,第三扫描模块17包括:第二面积筛选子模块,用于对侧面图像进行面积筛选,得到板材在侧面图像中的第二定位区域;第二确定子模块,用于根据第二定位区域,确定板材在侧面图像中的第三最小外接矩形;第二扫描子模块,用于根据第三最小外接矩形,对侧面图像进行扫描,得到第二边界信息。
在一可实施方式中,第二扫描子模块包括:第五确定单元,用于根据第三最小外接矩形,确定板材的第二上感兴趣区域、第二下感兴趣区域和第三目标感兴趣区域;第三扫描单元,用于对第二上感兴趣区域内的像素点进行扫描,得到多个第五边缘点,对第二下感兴趣区域内的像素点进行扫描,得到多个第六边缘点,以及对第三目标感兴趣区域内的像素点进行扫描,得到多个第七边缘点;第二拟合单元,用于对第五边缘点进行线性拟合,得到板材在侧面图像中的第二上边界直线,对第六边缘点进行线性拟合,得到板材在侧面图像中的第二下边界直线,以及对第七边缘点进行线性拟合,得到板材在侧面图像中的第二目标边界直线;其中,第五边缘点、第六边缘点和第七边缘点为沿各自扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。
在一可实施方式中,第二计算模块18还用于计算第二上边界直线和第二目标边界直线的交点,得到待检测封边在侧面图像中的第二起始点,以及计算第二下边界直线和第二目标边界直线的交点,得到待检测封边在侧面图像中的第二终止点。
在一可实施方式中,第二检测模块19包括:第二计算子模块,用于计算第一起始点与第二起始点的第一距离,以及计算第一终止点与第二终止点的第二距离;判断子模块,用于判断第一距离和第二距离是否满足第七预设阈值,得到第五判断结果;第三确定子模块,用于第五判断结果为否,则确定待检测封边存在端头过长缺陷。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
图19示出了可以用来实施本公开的实施例的示例电子设备1900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图19所示,设备1900包括计算单元1901,其可以根据存储在只读存储器(ROM)1902中的计算机程序或者从存储单元1908加载到随机访问存储器(RAM)1903中的计算机程序,来执行各种适当的动作和处理。在RAM 1903中,还可存储设备1900操作所需的各种程序和数据。计算单元1901、ROM 1902以及RAM 1903通过总线1904彼此相连。输入/输出(I/O)接口1905也连接至总线1904。
设备1900中的多个部件连接至I/O接口1905,包括:输入单元1906,例如键盘、鼠标等;输出单元1907,例如各种类型的显示器、扬声器等;存储单元1908,例如磁盘、光盘等;以及通信单元1909,例如网卡、调制解调器、无线通信收发机等。通信单元1909允许设备1900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1901执行上文所描述的各个方法和处理,例如一种板材封边缺陷检测方法。例如,在一些实施例中,一种板材封边缺陷检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1902和/或通信单元1909而被载入和/或安装到设备1900上。当计算机程序加载到RAM 1903并由计算单元1901执行时,可以执行上文描述的一种板材封边缺陷检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元1901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种板材封边缺陷检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种板材封边缺陷检测方法,其特征在于,所述方法包括:
获取板材的待检测封边对应的正面图像;
对所述正面图像进行扫描,得到所述板材在所述正面图像中的第一边界信息;
根据所述第一边界信息,计算所述待检测封边在所述正面图像中的第一起始点和第一终止点;
根据所述第一起始点和所述第一终止点,对所述正面图像进行扫描,得到所述待检测封边的多个第一边缘点;
对多个所述第一边缘点进行线性拟合,得到所述待检测封边的标准边缘直线;
根据多个所述第一边缘点和所述标准边缘直线,对所述待检测封边进行检测,得到第一检测结果。
2.根据权利要求1所述的方法,其特征在于,所述获取板材的待检测封边对应的正面图像,包括:
获取所述板材的待检测封边对应的初始正面图像;
对所述初始正面图像进行区域划分,得到初始正面子图像;
对所述初始正面子图像进行自适应直方图均衡化处理,得到均衡化后正面子图像;
对所述均衡化后正面子图像进行双线性插值处理,得到所述正面图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述正面图像进行扫描,得到所述板材在所述正面图像中的第一边界信息,包括:
对所述正面图像进行面积筛选,得到所述板材在所述正面图像中的第一定位区域;
根据所述第一定位区域,确定所述板材在所述正面图像中的第一最小外接矩形;
根据所述第一最小外接矩形,对所述正面图像进行扫描,得到所述第一边界信息。
4.根据权利要求3所述的方法,其特征在于,所述对所述正面图像进行面积筛选,得到所述板材在所述正面图像中的第一定位区域,包括:
对所述正面图像进行降采样处理,得到降采样后正面图像;
对所述降采样后正面图像进行开运算,得到开运算后正面图像;
对所述开运算后正面图像进行面积筛选,得到所述第一定位区域。
5.根据权利要求4所述的方法,其特征在于,所述对所述开运算后正面图像进行面积筛选,得到所述第一定位区域,包括:
获取所述开运算后正面图像的多个连通域;
计算多个所述连通域的面积,得到计算结果;
根据所述计算结果,将面积最大的连通域确定为所述第一定位区域。
6.根据权利要求3所述的方法,其特征在于,所述根据所述第一定位区域,确定所述板材在所述正面图像中的第一最小外接矩形,包括:
获取所述第一定位区域内像素点的坐标,得到坐标集;
对所述坐标集中的横坐标进行比较,得到所述坐标集中的最大横坐标和最小横坐标,以及对所述坐标集中的纵坐标进行比较,得到所述坐标集中的最大纵坐标和最小纵坐标;
根据所述最大横坐标、所述最小横坐标、所述最大纵坐标和所述最小纵坐标,确定所述板材在所述正面图像中的第一最小外接矩形。
7.根据权利要求3所述的方法,其特征在于,所述根据所述第一最小外接矩形,对所述正面图像进行扫描,得到所述第一边界信息,包括:
根据所述第一最小外接矩形,确定所述板材的第一上感兴趣区域、第一下感兴趣区域和第一目标感兴趣区域;
对所述第一上感兴趣区域内的像素点进行扫描,得到多个第二边缘点;并对所述第二边缘点进行线性拟合,得到所述板材在所述正面图像中的第一上边界直线;
对所述第一下感兴趣区域内的像素点进行扫描,得到多个第三边缘点;并对所述第三边缘点进行线性拟合,得到所述板材在所述正面图像中的第一下边界直线;
对所述第一目标感兴趣区域内的像素点进行扫描,得到多个第四边缘点;并对所述第四边缘点进行线性拟合,得到所述板材在所述正面图像中的第一目标边界直线;
其中,所述第二边缘点、第三边缘点和第四边缘点为沿各自扫描方向、与其相邻的第一像素点集和第二像素点集灰度平均值的差值满足第一预设阈值的像素点。
8.根据权利要求7所述的方法,其特征在于,所述根据所述第一边界信息,计算所述待检测封边在所述正面图像中的第一起始点和第一终止点,包括:
计算所述第一上边界直线和所述第一目标边界直线的交点,得到所述待检测封边在所述正面图像中的第一起始点;
计算所述第一下边界直线和所述第一目标边界直线的交点,得到所述待检测封边在所述正面图像中的第一终止点。
9.一种板材封边缺陷检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取板材的待检测封边对应的正面图像;
第一扫描模块,用于对所述正面图像进行扫描,得到所述板材在所述正面图像中的第一边界信息;
第一计算模块,用于根据所述第一边界信息,计算所述待检测封边在所述正面图像中的第一起始点和第一终止点;
第二扫描模块,用于根据所述第一起始点和所述第一终止点,对所述正面图像进行扫描,得到所述待检测封边的多个第一边缘点;
第一拟合模块,用于对多个所述第一边缘点进行线性拟合,得到所述待检测封边的标准边缘直线;
第一检测模块,用于根据多个所述第一边缘点和所述标准边缘直线,对所述待检测封边进行检测,得到第一检测结果。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310227813.3A CN116128867A (zh) | 2023-03-02 | 2023-03-02 | 一种板材封边缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310227813.3A CN116128867A (zh) | 2023-03-02 | 2023-03-02 | 一种板材封边缺陷检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116128867A true CN116128867A (zh) | 2023-05-16 |
Family
ID=86294123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310227813.3A Pending CN116128867A (zh) | 2023-03-02 | 2023-03-02 | 一种板材封边缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128867A (zh) |
-
2023
- 2023-03-02 CN CN202310227813.3A patent/CN116128867A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340752A (zh) | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 | |
CN115631117B (zh) | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 | |
CN108074237B (zh) | 图像清晰度检测方法、装置、存储介质及电子设备 | |
CN107622504B (zh) | 用于处理图片的方法和装置 | |
US11615520B2 (en) | Information processing apparatus, information processing method of information processing apparatus, and storage medium | |
CN114820594B (zh) | 基于图像检测板材封边缺陷的方法、相关设备及存储介质 | |
CN103927749A (zh) | 图像处理方法、装置和自动光学检测机 | |
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 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
US11544839B2 (en) | System, apparatus and method for facilitating inspection of a target object | |
US5881164A (en) | Image data processing method and image data processing apparatus | |
CN116718351A (zh) | 一种成像设备点检方法、装置、电子设备及存储介质 | |
CN116128867A (zh) | 一种板材封边缺陷检测方法、装置、设备及存储介质 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN114792354A (zh) | 模型处理方法、装置、存储介质及电子设备 | |
CN111696154B (zh) | 坐标定位方法、装置、设备及存储介质 | |
JP4560969B2 (ja) | 欠陥検査方法 | |
CN116309660A (zh) | 一种直线检测方法、装置、设备及存储介质 | |
CN112003995B (zh) | 一种基于ar技术配置电视墙的方法及装置 | |
CN114119609B (zh) | 图像污点浓度的检测方法、装置、设备及存储介质 | |
US20240078720A1 (en) | Image processing apparatus, image processing method, and non-transitory computer readable storage medium | |
CN117764913A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN118096698A (zh) | 一种视觉检测方法、装置、电子设备及存储介质 | |
CN117876475A (zh) | 一种图像采集方法、装置、设备及存储介质 | |
CN116452537A (zh) | 图像畸变检测方法、装置、电子设备及可读存储介质 |
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 |