CN116168039A - 一种环保节能硅酸铝板质量检测方法 - Google Patents
一种环保节能硅酸铝板质量检测方法 Download PDFInfo
- Publication number
- CN116168039A CN116168039A CN202310458938.7A CN202310458938A CN116168039A CN 116168039 A CN116168039 A CN 116168039A CN 202310458938 A CN202310458938 A CN 202310458938A CN 116168039 A CN116168039 A CN 116168039A
- Authority
- CN
- China
- Prior art keywords
- edge
- edge pixel
- pixel point
- difference
- gray
- 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
- YKTSYUJCYHOUJP-UHFFFAOYSA-N [O--].[Al+3].[Al+3].[O-][Si]([O-])([O-])[O-] Chemical compound [O--].[Al+3].[Al+3].[O-][Si]([O-])([O-])[O-] YKTSYUJCYHOUJP-UHFFFAOYSA-N 0.000 title claims abstract description 95
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000010606 normalization Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 11
- 230000007547 defect Effects 0.000 description 40
- 238000007373 indentation Methods 0.000 description 22
- 230000007423 decrease Effects 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 6
- 238000003708 edge detection Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011819 refractory material Substances 0.000 description 1
- 239000000126 substance Substances 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- 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
- G06T2207/30168—Image quality inspection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种环保节能硅酸铝板质量检测方法。方法包括:获取待检测硅酸铝板的灰度图像及其对应的边缘线;根据每条边缘线上各边缘像素点的邻域内像素点的灰度分布及位置分布,确定每条边缘线对应的边缘内外差异指数;根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度幅值的差异情况,得到各边缘像素点的梯度渐变指数;基于边缘内外差异指数和梯度渐变指数,确定各边缘像素点对应的灰度拉伸系数,进而对各边缘像素点的灰度值进行校正,获得增强后的灰度图像;基于增强后的灰度图像对待检测硅酸铝板的质量进行评估。本发明提高了硅酸铝板图像的增强效果。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种环保节能硅酸铝板质量检测方法。
背景技术
硅酸铝板又称陶瓷纤维板,是一种以硅酸铝为主要成分的轻质耐火材料,具有良好的耐冲击、耐腐蚀、抗酸碱、防火等特性。硅酸铝板作为出色的隔热保温材料,被广泛的应用在电力工业、轮船业、航空航天工业、建筑行业等各个化工工业高温反应设备的隔热方面,但是在硅酸铝板的生产过程中会出现压痕、粘合不紧、表面残缺的质量缺陷,传统的质量检测方法主要是利用人工目测,该方法受到主观因素的影响较大,因此基于机器视觉的检测方法也将逐渐取代人工目测的方法,但是基于机器视觉的检测方法获取到的硅酸铝板的图像中,其本身的压痕和粘合不紧、表面残缺等缺陷的对比并不明显,传统的图像增强方法对硅酸铝板图像的增强效果并不明显,进而导致硅酸铝板的质量检测精度较低。
发明内容
为了解决现有方法对硅酸铝板图像的增强效果较差的问题,本发明的目的在于提供一种环保节能硅酸铝板质量检测方法,所采用的技术方案具体如下:
本发明提供了一种环保节能硅酸铝板质量检测方法,该方法包括以下步骤:
获取待检测硅酸铝板的灰度图像及其对应的边缘线;
根据每条边缘线上各边缘像素点的邻域内边缘线两侧的灰度分布差异,得到各边缘像素点的局部差异度;基于每条边缘线两侧邻域像素点之间的差异和所述局部差异度,确定每条边缘线对应的边缘内外差异指数;
以各边缘像素点为中心,构建各边缘像素点对应的窗口;根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度差异情况,得到各边缘像素点的梯度渐变指数;
基于所述边缘内外差异指数和所述梯度渐变指数,确定各边缘像素点对应的灰度拉伸系数;基于所述灰度拉伸系数和所述灰度图像中非边缘像素点的灰度值对各边缘像素点的灰度值进行校正,获得增强后的灰度图像;基于所述增强后的灰度图像对待检测硅酸铝板的质量进行评估。
优选的,所述根据每条边缘线上各边缘像素点的邻域内边缘线两侧的灰度分布差异,得到各边缘像素点的局部差异度,包括:
对于任一边缘线上的任一边缘像素点:
将边缘像素点所在的边缘线作为分割线,在边缘像素点的邻域内,将所述分割线的其中一侧的像素点记为第一邻域像素点,将所述分割线的另一侧的像素点记为第二邻域像素点;所有第一邻域像素点的灰度值构成边缘像素点对应的第一序列,所有第二邻域像素点的灰度值构成边缘像素点对应的第二序列;根据所述第一序列和所述第二序列,得到边缘像素点的局部差异度。
优选的,根据所述第一序列和所述第二序列,得到边缘像素点的局部差异度,包括:
计算所述第一序列和所述第二序列之间的差异距离;将所述第一序列中所有元素的均值和方差的乘积记为第一乘积,将所述第二序列中所有元素的均值和方差的乘积记为第二乘积;将所述第一乘积与所述第二乘积的差异记为第一差异;
基于所述第一差异和所述差异距离,得到对应边缘像素点的局部差异度,所述第一差异和所述差异距离均与所述局部差异度呈正相关关系。
优选的,基于每条边缘线上两侧邻域像素点之间的差异和所述局部差异度,确定每条边缘线对应的边缘内外差异指数,包括:
对于任一边缘线:
基于边缘线上所有边缘像素点对应的第一序列,构建边缘线对应的第一特征序列;基于边缘线上所有边缘像素点对应的第二序列,构建边缘线对应的第二特征序列;将所述第一特征序列和所述第二特征序列之间的差异距离记为第一差异距离,将边缘线上所有边缘像素点的局部差异度的均值记为第一均值,将边缘线上所有边缘像素点的局部差异度的方差记为第一方差;
根据所述第一均值、所述第一方差和所述第一差异距离,得到边缘线对应的边缘内外差异指数,所述第一均值、所述第一方差和所述第一差异距离均与所述边缘内外差异指数呈正相关关系。
优选的,所述基于所述边缘内外差异指数和所述梯度渐变指数,确定各边缘像素点对应的灰度拉伸系数,包括:
对于任一边缘线上的任一边缘像素点:将边缘像素点所在的边缘线对应的边缘内外差异指数和边缘像素点的梯度渐变指数的乘积,记为第一拉伸指标;对所述第一拉伸指标进行归一化处理,将归一化结果确定为边缘像素点对应的灰度拉伸系数。
优选的,所述基于所述灰度拉伸系数和所述灰度图像中非边缘像素点的灰度值对各边缘像素点的灰度值进行校正,获得增强后的灰度图像,包括:
对于任一边缘像素点:基于边缘像素点对应的灰度拉伸系数和所述待检测硅酸铝板的灰度图像中非边缘像素点的最大灰度值,确定边缘像素点的目标灰度值;
利用各边缘像素点的目标灰度值替换原始灰度值,获得增强后的灰度图像。
优选的,采用如下公式计算边缘像素点的目标灰度值:
优选的,所述根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度差异情况,得到各边缘像素点的梯度渐变指数,包括:
对于任一边缘线上的任一边缘像素点:
将边缘像素点对应的窗口内所有边缘像素点的梯度幅值的方差记为梯度幅值方差,将边缘像素点对应的窗口内所有边缘像素点的梯度方向角的方差记为梯度方向方差;
根据所述梯度幅值方差和所述梯度方向方差,得到边缘像素点的梯度渐变指数,所述梯度幅值方差和所述梯度方向方差均与所述梯度渐变指数呈正相关关系。
本发明至少具有如下有益效果:
1、本发明为了提高后续环保节能硅酸铝板的质量检测精度,需要对硅酸铝板的灰度图像进行增强处理,针对硅酸铝板中压痕和缺陷在灰度图像中呈现的不同分布特征,对不同的边缘像素点赋予不同的灰度拉伸系数,结合灰度拉伸系数对所有边缘像素点的灰度值进行校正,获得了增强后的灰度图像,增强后的灰度图像相较于待检测硅酸铝板的灰度图像,疑似缺陷区域的边缘信息与压痕的边缘信息具有较为明显的对比效果,提高了硅酸铝板图像的增强效果,进而能够保证待检测硅酸铝板的质量检测精度。
2、本发明在获取待检测硅酸铝板的灰度图像中每个边缘像素点对应的灰度拉伸系数时,首先根据每条边缘线上各边缘像素点的邻域内像素点的灰度分布及位置分布,确定了每条边缘线对应的边缘内外差异指数,边缘内外差异指数越大,说明边缘线两侧像素点的局部差异程度越大,对应边缘线上的边缘像素点越可能为缺陷区域的边缘像素点;又考虑到压痕大多数情况下呈现条状或块状,其边缘梯度变化较小,而硅酸铝板的表面缺陷的轮廓大多情况下呈现不规则的形状,其边缘梯度变化较大,在边缘的垂直方向上,压痕边缘像素点的梯度是渐变的,缺陷边缘像素点的梯度是突变的,因此本发明根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度差异情况,得到了每个边缘像素点的梯度渐变指数,结合每条边缘线对应的边缘内外差异指数和每个边缘像素点的梯度渐变指数,确定了每个边缘像素点对应的灰度拉伸系数,进而自适应地确定了灰度图像中每个边缘像素点的目标灰度值,提高了硅酸铝板图像的增强效果。
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和优点,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的介绍,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它附图。
图1为本发明实施例所提供的一种环保节能硅酸铝板质量检测方法的流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种环保节能硅酸铝板质量检测方法进行详细说明如下。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种环保节能硅酸铝板质量检测方法的具体方案。
一种环保节能硅酸铝板质量检测方法实施例:
本实施例所针对的具体场景为:利用相机采集环保节能硅酸铝板的灰度图像,对环保节能硅酸铝板的灰度图像进行边缘检测获得多条边缘线,分别对每条边缘线上的每个边缘像素点进行分析,对每个边缘像素点进行增强处理,获得增强后的灰度图像,进而对待检测硅酸铝板的质量进行评估。
本实施例提出了一种环保节能硅酸铝板质量检测方法,如图1所示,本实施例的一种环保节能硅酸铝板质量检测方法包括以下步骤:
步骤S1,获取待检测硅酸铝板的灰度图像及其对应的边缘线。
首先设置CCD相机,其中,CCD相机为电荷耦合器件构成的相机,CCD相机以俯视角度采集待检测的环保节能硅酸铝板的表面图像,待检测的环保节能硅酸铝板的表面图像为RGB图像,对采集到的待检测的环保节能硅酸铝板的表面图像进行灰度化处理,获得对应的灰度图像,接着采用自适应局部滤波器对灰度图像进行去噪处理,将去噪后的灰度图像记为待检测硅酸铝板的灰度图像。图像灰度化处理和自适应局部滤波均为公知技术,具体过程不再赘述。
由于硅酸铝板本身存在压痕的特点,并且压痕与粘合不紧、表面残缺等缺陷在硅酸铝板的灰度图像中呈现的灰度差异较小,因此为了提高后续环保节能硅酸铝板的质量检测精度,需要对硅酸铝板的灰度图像进行增强处理,即针对不同的像素点进行不同程度的增强,尽可能地增强疑似缺陷区域的对比度。由于硅酸铝板的压痕和缺陷在灰度图像中都属于图像边缘部分,因此利用Canny边缘检测算法对硅酸铝板的灰度图像进行处理,获取待检测硅酸铝板的灰度图像中的每条边缘线。其中Canny边缘检测算法为现有公知技术,此处不再过多赘述。
至此,获得了待检测硅酸铝板的灰度图像以及待检测硅酸铝板的灰度图像中的边缘线。
步骤S2,根据每条边缘线上各边缘像素点的邻域内边缘线两侧的灰度分布差异,得到各边缘像素点的局部差异度;基于每条边缘线两侧邻域像素点之间的差异和所述局部差异度,确定每条边缘线对应的边缘内外差异指数。
由于硅酸铝板的压痕和表面残缺在灰度图像中边缘线内外两侧的差异不明显,而粘合不紧这类缺陷在灰度图像中边缘线内外两侧存在差异,因此可以根据边缘线两侧像素点的灰度差异情况来区分出粘合不紧的缺陷。考虑到两个序列之间的差异距离能够反映对应两个序列的差异情况,当两个序列之间的差异距离越小时,说明对应两个序列越相似;基于此,本实施例将结合序列之间的差异距离对边缘像素点所在的边缘线的两侧像素点的灰度分布情况进行评价。
具体的,对于待检测硅酸铝板的灰度图像中的第i个边缘像素点:
将该边缘像素点所在的边缘线作为分割线,在该边缘像素点的邻域内,将分割线的其中一侧的像素点记为第一邻域像素点,将分割线的另一侧的像素点记为第二邻域像素点;将该边缘像素点的所有第一邻域像素点的灰度值按照从大到小的顺序排序,构成该边缘像素点对应的第一序列,将该边缘像素点的所有第二邻域像素点的灰度值按照从大到小的顺序排序,构成该边缘像素点对应的第二序列;作为其他实施方式,也可将灰度值按照从小到大的顺序进行排序,构建对应的第一序列和第二序列;计算该边缘像素点对应的第一序列和第二序列之间的差异距离,本实施例中的差异距离为DTW距离,DTW距离为动态时间规整距离,DTW距离是基于DTW算法得到的,DTW算法为动态时间规整算法,该算法为现有技术,此处不再过多赘述;将第一序列中所有元素的均值和第一序列中所有元素的方差的乘积记为第一乘积,将第二序列中所有元素的均值和第二序列中所有元素的方差的乘积记为第二乘积,将第一乘积与第二乘积的差异记为第一差异,基于第一差异、第一序列和第二序列之间的差异距离,得到该边缘像素点的局部差异度,所述第一差异和所述差异距离均与所述局部差异度呈正相关关系。其中,正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定;作为一个具体实施方式,该边缘像素点的局部差异度的具体计算公式为:
其中,为第i个边缘像素点的局部内外差异度,为第i个边缘像素点对应的第一
序列中所有元素的均值,为第i个边缘像素点对应的第一序列中所有元素的方差,为第
i个边缘像素点对应的第二序列中所有元素的均值,为第i个边缘像素点对应的第二序
列中所有元素的方差,为第i个边缘像素点对应的第一序列和第二序列之间的DTW距离,
| |为取绝对值符号。
表示第一乘积,表示第二乘积,表示第一差异,也
即第一乘积与第二乘积的差异;当第i个边缘像素点所在的边缘线内外两侧像素点灰度值
的均值和方差均越接近、且第i个边缘像素点对应的第一序列和第二序列之间的DTW距离越
小时,说明该边缘像素点的局部差异程度越小,即第i个边缘像素点的局部差异度越小;当
第i个边缘像素点所在的边缘线内外两侧像素点灰度值的均值和方差均相差越大、且第i个
边缘像素点对应的第一序列和第二序列之间的DTW距离越大时,说明该边缘像素点的局部
差异程度越大,即第i个边缘像素点的局部差异度越大。
采用上述方法,能够获得待检测硅酸铝板的灰度图像中每个边缘像素点的局部差异度。
考虑到边缘线上所有边缘像素点的局部差异度能够反映该条边缘线两侧像素点的差异情况,两个序列之间的差异距离能够反映两个序列中数据的相似情况,两个序列之间的差异距离越大,说明两个序列中的数据越不相似。基于此,本实施例将基于边缘线上每个边缘像素点对应的第一序列和第二序列构建两个特征序列,结合边缘线上每个边缘像素点的局部差异度和构建的两个特征序列之间的差异距离,确定每条边缘线对应的边缘内外差异指数。
对于第j条边缘线:
对该边缘线上的所有边缘像素点依次进行标号,按照序号从小到大的顺序,依次将该边缘线上所有边缘像素点对应的第一序列拼接在一起,将拼接完成后得到的新序列记为该边缘线对应的第一特征序列;同时按照序号从小到大的顺序,依次将该边缘线上所有边缘像素点对应的第二序列拼接在一起,将拼接完成后得到的新序列记为该边缘线对应的第二特征序列;计算第一特征序列和第二特征序列之间的差异距离,并将该差异距离记为第一差异距离,本实施例中的差异距离为DTW距离;根据该边缘线上每个边缘像素点的局部差异度,计算该边缘线上所有边缘像素点的局部差异度的均值,并将该均值记为第一均值;同时根据该边缘线上每个边缘像素点的局部差异度,计算该边缘线上所有边缘像素点的局部差异度的方差,并将该方差记为第一方差;根据第一均值、第一方差和第一差异距离,得到该边缘线对应的边缘内外差异指数,所述第一均值、所述第一方差、所述第一差异距离均与所述边缘内外差异指数呈正相关关系。其中,正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定;作为一个具体实施方式,第j条边缘线对应的边缘内外差异指数为:
其中,为第j条边缘线对应的边缘内外差异指数,为第j条边缘线上所有边缘像
素点的局部差异度的均值,为第j条边缘线上所有边缘像素点的局部差异度的方差,为
第j条边缘线对应的第一特征序列和第二特征序列之间的DTW距离。
表示第一均值,表示第一方差,表示第一差异距离。当第j条边缘线上所有边
缘像素点的局部差异度的均值和方差越小、且第j条边缘线对应的第一特征序列和第二特
征序列之间的DTW距离越小时,说明该边缘线的内外差异程度越小,即该边缘线对应的边缘
内外差异指数越小;当第j条边缘线上所有边缘像素点的局部差异度的均值和方差越大、且
第j条边缘线对应的第一特征序列和第二特征序列之间的DTW距离越大时,说明该边缘线的
内外差异程度越大,即该边缘线对应的边缘内外差异指数越大。
采用上述方法,能够得到待检测硅酸铝板的灰度图像中每条边缘线对应的边缘内外差异指数。
步骤S3,以各边缘像素点为中心,构建各边缘像素点对应的窗口;根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度差异情况,得到各边缘像素点的梯度渐变指数。
考虑到压痕大多数情况下呈现条状或块状,其边缘梯度变化较小,而硅酸铝板的表面缺陷的轮廓大多情况下呈现不规则的形状,其边缘梯度变化较大,在边缘的垂直方向上,压痕边缘像素点的梯度是渐变的,缺陷边缘像素点的梯度是突变的,因此本实施例将基于边缘像素点的梯度变化情况来获取边缘像素点的梯度渐变指数,通过梯度渐变指数来区分压痕边缘和表面残缺缺陷的边缘,并赋予不同的边缘像素点不同的灰度拉伸系数,即对缺陷的边缘像素点赋予较大的灰度拉伸系数,对压痕的边缘像素点赋予较小的灰度拉伸系数,进而提高压痕和缺陷的对比度。基于此,本实施例将根据每个边缘像素点及其周围像素点的梯度,对每个边缘像素点进行分析,确定每个边缘像素点的梯度渐变指数。
对于第i个边缘像素点:
首先以该边缘像素点为中心,构建大小为k*k的窗口,作为该边缘像素点对应的窗口,本实施例中k的取值为5,在具体应用中,实施者可根据具体情况设置k的取值;然后获取该边缘像素点对应的窗口内各像素点的梯度幅值和梯度方向,梯度幅值和梯度方向的获取方法为现有技术,此处不再过多赘述;将该边缘像素点对应的窗口内所有边缘像素点的梯度幅值的方差记为梯度幅值方差,将该边缘像素点对应的窗口内所有边缘像素点的梯度方向角的方差记为梯度方向方差,根据所述梯度幅值方差和所述梯度方向方差,得到边缘像素点的梯度渐变指数,所述梯度幅值方差和所述梯度方向方差均与所述梯度渐变指数呈正相关关系。其中,正相关关系表示因变量会随着自变量的增大而增大,因变量会随着自变量的减小而减小,具体关系可以为相乘关系、相加关系、指数函数的幂等,由实际应用进行确定;作为一个具体实施方式,第i个边缘像素点的梯度渐变指数的具体计算公式为:
表示梯度幅值方差,用于反映第i个边缘像素点对应的窗口内所有像素点的梯度
幅值的差异情况;表示梯度方向方差,用于反映第i个边缘像素点对应的窗口内所有边缘
像素点的梯度幅值的差异情况;当第i个边缘像素点对应的窗口内所有边缘像素点的梯度
幅值的方差越大、第i个边缘像素点对应的窗口内所有边缘像素点的梯度方向角的方差越
大时,说明该边缘像素点对应的窗口内所有边缘像素点的梯度突变程度越大,该边缘像素
点所在边缘越可能为缺陷边缘,即该边缘像素点的梯度渐变指数越大;当第i个边缘像素点
对应的窗口内所有边缘像素点的梯度幅值的方差越小、第i个边缘像素点对应的窗口内所
有边缘像素点的梯度方向的方差越小时,说明该边缘像素点对应的窗口内所有边缘像素点
的梯度突变程度越小,该边缘像素点所在边缘越可能为压痕边缘,即该边缘像素点的梯度
渐变指数越小。
采用上述方法,能够获得每个边缘像素点的梯度渐变指数。
步骤S4,基于所述边缘内外差异指数和所述梯度渐变指数,确定各边缘像素点对应的灰度拉伸系数;基于所述灰度拉伸系数和所述灰度图像中非边缘像素点的灰度值对各边缘像素点的灰度值进行校正,获得增强后的灰度图像;基于所述增强后的灰度图像对待检测硅酸铝板的质量进行评估。
本实施例在步骤S2中确定了每条边缘线对应的边缘内外差异指数,在步骤S3中确定了每个边缘像素点的梯度渐变指数,某一边缘内外差异指数越大,说明该边缘线两侧像素点的差异程度越大,该边缘线越可能为缺陷区域的边缘线;某一边缘像素点的梯度渐变指数越大,说明该边缘像素点越可能为缺陷区域边缘线上的像素点;本实施例是为了对待检测硅酸铝板的质量进行检测,因此需要重点关注待检测硅酸铝板的灰度图像中的缺陷区域,应当对缺陷的边缘像素点赋予较大的灰度拉伸系数,对压痕的边缘像素点赋予较小的灰度拉伸系数,进而提高压痕和缺陷的对比度;基于此,对于第i个边缘像素点:将该边缘像素点所在的边缘线对应的边缘内外差异指数和该边缘像素点的梯度渐变指数的乘积,记为第一拉伸指标,对所述第一拉伸指标进行归一化处理,将归一化结果确定为该边缘像素点对应的灰度拉伸系数。第i个边缘像素点对应的灰度拉伸系数的具体表达式为:
表示第一拉伸指标,用于对第一拉伸指标进行归一化处理;当第i
个边缘像素点所在的边缘线对应的边缘内外差异指数越大、第i个边缘像素点的梯度渐变
指数越大时,说明该边缘像素点所在的边缘线的内外差异程度越大,边缘线两侧的对比度
越大,该边缘线越可能为缺陷区域的边缘线,即该边缘像素点对应的灰度拉伸系数越大;当
第i个边缘像素点所在的边缘线对应的边缘内外差异指数越小、第i个边缘像素点的梯度渐
变指数越小时,说明该边缘像素点所在的边缘线的内外差异程度越小,边缘线两侧的对比
度越小,该边缘线越不可能为缺陷区域的边缘线,即该边缘像素点对应的灰度拉伸系数越
小。
采用上述方法,能够获得每个边缘像素点对应的灰度拉伸系数,为了提高待检测硅酸铝板的灰度图像中压痕区域、缺陷区域以及正常区域之间的对比效果,本实施例将根据每个边缘像素点对应的灰度拉伸系数和待检测硅酸铝板的灰度图像中非边缘像素点的最大灰度值,对每个边缘像素点的灰度值进行重新赋值,也即确定边缘像素点的目标灰度值;第i个边缘像素点的目标灰度值为:
由于的取值范围为,因此第i个边缘像素点的目标灰度值比待检测硅酸铝
板的灰度图像中非边缘像素点的最大灰度值大,即待检测硅酸铝板的灰度
图像中边缘像素点的灰度值大于非边缘像素点的灰度值,明显提高了待检测硅酸铝板的灰
度图像中边缘像素点与非边缘像素点之间的对比效果。由于像素点的最大灰度值为255,因此
当大于255时,则令第i个边缘像素点的目标灰度值取255;当
小于等于255时,则将的计算结果作为第i个边缘像素点的目标灰度值。当
第i个边缘像素点对应的灰度拉伸系数越大时,说明该边缘像素点越可能为缺陷区域的边
缘像素点,为了提高后续待检测硅酸铝板的质量检测精度,越应当提高该边缘像素点与待
检测硅酸铝板的灰度图像中其他像素点的对比度,因此该边缘像素点的目标灰度值越大。
采用上述方法,能够获得待检测硅酸铝板的灰度图像中每个边缘像素点的目标灰度值,利用各边缘像素点的目标灰度值替换原始灰度值,将替换完成后获得的图像记为增强后的灰度图像。
增强后的灰度图像相较于待检测硅酸铝板的灰度图像,疑似缺陷和压痕对比效果明显得到了提高,考虑到压痕边缘与缺陷边缘呈现的特征不同,本实施例基于增强后的灰度图像中的边缘线对待检测硅酸铝板的质量进行评估,当增强后的灰度图像中缺陷区域的面积越大且缺陷区域的数量越多时,说明待检测硅酸铝板的质量越差,在具体应用中,实施者可通过设置阈值的方法来判断待检测硅酸铝板的质量是否合格;作为其他实施方式,也可以利用缺陷检测技术对增强后的灰度图像进行缺陷识别和检测,缺陷检测技术为公知技术,此处不再过多赘述。
本实施例为了提高后续环保节能硅酸铝板的质量检测精度,需要对硅酸铝板的灰度图像进行增强处理,针对硅酸铝板中压痕和缺陷在灰度图像中呈现的不同分布特征,对不同的边缘像素点赋予不同的灰度拉伸系数,结合灰度拉伸系数对所有边缘像素点的灰度值进行校正,获得了增强后的灰度图像,增强后的灰度图像相较于待检测硅酸铝板的灰度图像,疑似缺陷区域的边缘信息与压痕的边缘信息具有较为明显的对比效果,提高了硅酸铝板图像的增强效果,进而能够保证待检测硅酸铝板的质量检测精度。本实施例在获取待检测硅酸铝板的灰度图像中每个边缘像素点对应的灰度拉伸系数时,首先根据每条边缘线上各边缘像素点的邻域内像素点的灰度分布及位置分布,确定了每条边缘线对应的边缘内外差异指数,边缘内外差异指数越大,说明边缘线两侧像素点的局部差异程度越大,对应边缘线上的边缘像素点越可能为缺陷区域的边缘像素点;又考虑到压痕大多数情况下呈现条状或块状,其边缘梯度变化较小,而硅酸铝板的表面缺陷的轮廓大多情况下呈现不规则的形状,其边缘梯度变化较大,在边缘的垂直方向上,压痕边缘像素点的梯度是渐变的,缺陷边缘像素点的梯度是突变的,因此本实施例根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度差异情况,得到了每个边缘像素点的梯度渐变指数,结合每条边缘线对应的边缘内外差异指数和每个边缘像素点的梯度渐变指数,确定了每个边缘像素点对应的灰度拉伸系数,进而自适应地确定了灰度图像中每个边缘像素点的目标灰度值,提高了硅酸铝板图像的增强效果。
Claims (8)
1.一种环保节能硅酸铝板质量检测方法,其特征在于,该方法包括以下步骤:
获取待检测硅酸铝板的灰度图像及其对应的边缘线;
根据每条边缘线上各边缘像素点的邻域内边缘线两侧的灰度分布差异,得到各边缘像素点的局部差异度;基于每条边缘线两侧邻域像素点之间的差异和所述局部差异度,确定每条边缘线对应的边缘内外差异指数;
以各边缘像素点为中心,构建各边缘像素点对应的窗口;根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度差异情况,得到各边缘像素点的梯度渐变指数;
基于所述边缘内外差异指数和所述梯度渐变指数,确定各边缘像素点对应的灰度拉伸系数;基于所述灰度拉伸系数和所述灰度图像中非边缘像素点的灰度值对各边缘像素点的灰度值进行校正,获得增强后的灰度图像;基于所述增强后的灰度图像对待检测硅酸铝板的质量进行评估。
2.根据权利要求1所述的一种环保节能硅酸铝板质量检测方法,其特征在于,所述根据每条边缘线上各边缘像素点的邻域内边缘线两侧的灰度分布差异,得到各边缘像素点的局部差异度,包括:
对于任一边缘线上的任一边缘像素点:
将边缘像素点所在的边缘线作为分割线,在边缘像素点的邻域内,将所述分割线的其中一侧的像素点记为第一邻域像素点,将所述分割线的另一侧的像素点记为第二邻域像素点;所有第一邻域像素点的灰度值构成边缘像素点对应的第一序列,所有第二邻域像素点的灰度值构成边缘像素点对应的第二序列;根据所述第一序列和所述第二序列,得到边缘像素点的局部差异度。
3.根据权利要求2所述的一种环保节能硅酸铝板质量检测方法,其特征在于,根据所述第一序列和所述第二序列,得到边缘像素点的局部差异度,包括:
计算所述第一序列和所述第二序列之间的差异距离;将所述第一序列中所有元素的均值和方差的乘积记为第一乘积,将所述第二序列中所有元素的均值和方差的乘积记为第二乘积;将所述第一乘积与所述第二乘积的差异记为第一差异;
基于所述第一差异和所述差异距离,得到对应边缘像素点的局部差异度,所述第一差异和所述差异距离均与所述局部差异度呈正相关关系。
4.根据权利要求2所述的一种环保节能硅酸铝板质量检测方法,其特征在于,基于每条边缘线上两侧邻域像素点之间的差异和所述局部差异度,确定每条边缘线对应的边缘内外差异指数,包括:
对于任一边缘线:
基于边缘线上所有边缘像素点对应的第一序列,构建边缘线对应的第一特征序列;基于边缘线上所有边缘像素点对应的第二序列,构建边缘线对应的第二特征序列;将所述第一特征序列和所述第二特征序列之间的差异距离记为第一差异距离,将边缘线上所有边缘像素点的局部差异度的均值记为第一均值,将边缘线上所有边缘像素点的局部差异度的方差记为第一方差;
根据所述第一均值、所述第一方差和所述第一差异距离,得到边缘线对应的边缘内外差异指数,所述第一均值、所述第一方差和所述第一差异距离均与所述边缘内外差异指数呈正相关关系。
5.根据权利要求1所述的一种环保节能硅酸铝板质量检测方法,其特征在于,所述基于所述边缘内外差异指数和所述梯度渐变指数,确定各边缘像素点对应的灰度拉伸系数,包括:
对于任一边缘线上的任一边缘像素点:将边缘像素点所在的边缘线对应的边缘内外差异指数和边缘像素点的梯度渐变指数的乘积,记为第一拉伸指标;对所述第一拉伸指标进行归一化处理,将归一化结果确定为边缘像素点对应的灰度拉伸系数。
6.根据权利要求1所述的一种环保节能硅酸铝板质量检测方法,其特征在于,所述基于所述灰度拉伸系数和所述灰度图像中非边缘像素点的灰度值对各边缘像素点的灰度值进行校正,获得增强后的灰度图像,包括:
对于任一边缘像素点:基于边缘像素点对应的灰度拉伸系数和所述待检测硅酸铝板的灰度图像中非边缘像素点的最大灰度值,确定边缘像素点的目标灰度值;
利用各边缘像素点的目标灰度值替换原始灰度值,获得增强后的灰度图像。
8.根据权利要求1所述的一种环保节能硅酸铝板质量检测方法,其特征在于,所述根据每条边缘线上各边缘像素点对应的窗口内像素点的梯度差异情况,得到各边缘像素点的梯度渐变指数,包括:
对于任一边缘线上的任一边缘像素点:
将边缘像素点对应的窗口内所有边缘像素点的梯度幅值的方差记为梯度幅值方差,将边缘像素点对应的窗口内所有边缘像素点的梯度方向角的方差记为梯度方向方差;
根据所述梯度幅值方差和所述梯度方向方差,得到边缘像素点的梯度渐变指数,所述梯度幅值方差和所述梯度方向方差均与所述梯度渐变指数呈正相关关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310458938.7A CN116168039B (zh) | 2023-04-26 | 2023-04-26 | 一种环保节能硅酸铝板质量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310458938.7A CN116168039B (zh) | 2023-04-26 | 2023-04-26 | 一种环保节能硅酸铝板质量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116168039A true CN116168039A (zh) | 2023-05-26 |
CN116168039B CN116168039B (zh) | 2023-07-14 |
Family
ID=86418609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310458938.7A Active CN116168039B (zh) | 2023-04-26 | 2023-04-26 | 一种环保节能硅酸铝板质量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168039B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452596A (zh) * | 2023-06-20 | 2023-07-18 | 深圳市捷超行模具有限公司 | 一种硅胶玩具注塑溢胶视觉检测方法 |
CN116630312A (zh) * | 2023-07-21 | 2023-08-22 | 山东鑫科来信息技术有限公司 | 一种恒力浮动打磨头打磨质量视觉检测方法 |
CN116703903A (zh) * | 2023-08-04 | 2023-09-05 | 山东济宁运河煤矿有限责任公司 | 一种基于机器视觉的锚杆修复质量检测方法 |
CN116824577A (zh) * | 2023-08-31 | 2023-09-29 | 泰安金冠宏食品科技有限公司 | 一种基于机器视觉的预制菜生产检测方法 |
CN116883270A (zh) * | 2023-07-04 | 2023-10-13 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
CN117058137A (zh) * | 2023-10-11 | 2023-11-14 | 山东万玻玻璃科技有限公司 | 一种夹胶玻璃生产质量视觉检测方法 |
CN117058111A (zh) * | 2023-08-21 | 2023-11-14 | 大连亚明汽车部件股份有限公司 | 一种汽车铝合金压铸模具质量检查方法及系统 |
CN117094916A (zh) * | 2023-10-19 | 2023-11-21 | 江苏新路德建设有限公司 | 一种市政桥梁支座视觉检测方法 |
CN117218122A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市金三维实业有限公司 | 基于图像数据的手表外壳质量检测方法 |
CN117437229A (zh) * | 2023-12-20 | 2024-01-23 | 山东晨光胶带有限公司 | 基于图像分析高强阻燃转弯输送带缺陷检测方法 |
CN117893532A (zh) * | 2024-03-14 | 2024-04-16 | 山东神力索具有限公司 | 基于图像处理的模锻索具用模具裂纹缺陷检测方法 |
CN117934474A (zh) * | 2024-03-22 | 2024-04-26 | 自贡市第一人民医院 | 一种肠胃镜检影像增强处理方法 |
CN118014988A (zh) * | 2024-03-28 | 2024-05-10 | 浙江康鹏半导体有限公司 | 一种砷化镓衬底晶片缺陷智能检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010197176A (ja) * | 2009-02-24 | 2010-09-09 | Panasonic Electric Works Co Ltd | 欠陥検査方法および欠陥検査装置 |
US20220189426A1 (en) * | 2019-03-21 | 2022-06-16 | Skyverse Technology Co., Ltd. | Detection method and detection system |
CN114943739A (zh) * | 2022-07-26 | 2022-08-26 | 山东三微新材料有限公司 | 一种铝管质量检测方法 |
CN115034973A (zh) * | 2022-04-24 | 2022-09-09 | 海门宝宏机械有限公司 | 一种基于纹理稳定性的零件图像增强方法 |
CN115100208A (zh) * | 2022-08-26 | 2022-09-23 | 南通三信塑胶装备科技股份有限公司 | 一种基于直方图和动态光源的薄膜表面缺陷评估方法 |
CN115222741A (zh) * | 2022-09-20 | 2022-10-21 | 江苏昱恒电气有限公司 | 一种电缆表面缺陷检测方法 |
CN115294113A (zh) * | 2022-09-30 | 2022-11-04 | 南通佳木汇木制品有限公司 | 一种木饰面板质量检测方法 |
CN115330774A (zh) * | 2022-10-12 | 2022-11-11 | 南通林多光学仪器有限公司 | 焊接图像熔池边缘检测方法 |
-
2023
- 2023-04-26 CN CN202310458938.7A patent/CN116168039B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010197176A (ja) * | 2009-02-24 | 2010-09-09 | Panasonic Electric Works Co Ltd | 欠陥検査方法および欠陥検査装置 |
US20220189426A1 (en) * | 2019-03-21 | 2022-06-16 | Skyverse Technology Co., Ltd. | Detection method and detection system |
CN115034973A (zh) * | 2022-04-24 | 2022-09-09 | 海门宝宏机械有限公司 | 一种基于纹理稳定性的零件图像增强方法 |
CN114943739A (zh) * | 2022-07-26 | 2022-08-26 | 山东三微新材料有限公司 | 一种铝管质量检测方法 |
CN115100208A (zh) * | 2022-08-26 | 2022-09-23 | 南通三信塑胶装备科技股份有限公司 | 一种基于直方图和动态光源的薄膜表面缺陷评估方法 |
CN115222741A (zh) * | 2022-09-20 | 2022-10-21 | 江苏昱恒电气有限公司 | 一种电缆表面缺陷检测方法 |
CN115294113A (zh) * | 2022-09-30 | 2022-11-04 | 南通佳木汇木制品有限公司 | 一种木饰面板质量检测方法 |
CN115330774A (zh) * | 2022-10-12 | 2022-11-11 | 南通林多光学仪器有限公司 | 焊接图像熔池边缘检测方法 |
Non-Patent Citations (2)
Title |
---|
HUA ZHAI ET AL.: "Detection algorithm of rail surface defects based on multifeature saliency fusion method", 《SENSOR REVIEW 》, pages 402 - 411 * |
米曾真;谢志江;陈涛;楚红雨;范兵;: "重轨图像增强与边缘提取的关键技术", 光学精密工程, no. 07, pages 1645 - 1652 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452596B (zh) * | 2023-06-20 | 2023-09-22 | 深圳市捷超行模具有限公司 | 一种硅胶玩具注塑溢胶视觉检测方法 |
CN116452596A (zh) * | 2023-06-20 | 2023-07-18 | 深圳市捷超行模具有限公司 | 一种硅胶玩具注塑溢胶视觉检测方法 |
CN116883270B (zh) * | 2023-07-04 | 2024-03-22 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
CN116883270A (zh) * | 2023-07-04 | 2023-10-13 | 广州医科大学附属第四医院(广州市增城区人民医院) | 一种碎石手术软镜清晰化成像系统 |
CN116630312B (zh) * | 2023-07-21 | 2023-09-26 | 山东鑫科来信息技术有限公司 | 一种恒力浮动打磨头打磨质量视觉检测方法 |
CN116630312A (zh) * | 2023-07-21 | 2023-08-22 | 山东鑫科来信息技术有限公司 | 一种恒力浮动打磨头打磨质量视觉检测方法 |
CN116703903B (zh) * | 2023-08-04 | 2023-10-20 | 山东济宁运河煤矿有限责任公司 | 一种基于机器视觉的锚杆修复质量检测方法 |
CN116703903A (zh) * | 2023-08-04 | 2023-09-05 | 山东济宁运河煤矿有限责任公司 | 一种基于机器视觉的锚杆修复质量检测方法 |
CN117058111B (zh) * | 2023-08-21 | 2024-02-09 | 大连亚明汽车部件股份有限公司 | 一种汽车铝合金压铸模具质量检查方法及系统 |
CN117058111A (zh) * | 2023-08-21 | 2023-11-14 | 大连亚明汽车部件股份有限公司 | 一种汽车铝合金压铸模具质量检查方法及系统 |
CN116824577A (zh) * | 2023-08-31 | 2023-09-29 | 泰安金冠宏食品科技有限公司 | 一种基于机器视觉的预制菜生产检测方法 |
CN116824577B (zh) * | 2023-08-31 | 2023-11-24 | 泰安金冠宏食品科技有限公司 | 一种基于机器视觉的预制菜生产检测方法 |
CN117058137A (zh) * | 2023-10-11 | 2023-11-14 | 山东万玻玻璃科技有限公司 | 一种夹胶玻璃生产质量视觉检测方法 |
CN117058137B (zh) * | 2023-10-11 | 2023-12-12 | 山东万玻玻璃科技有限公司 | 一种夹胶玻璃生产质量视觉检测方法 |
CN117094916A (zh) * | 2023-10-19 | 2023-11-21 | 江苏新路德建设有限公司 | 一种市政桥梁支座视觉检测方法 |
CN117094916B (zh) * | 2023-10-19 | 2024-01-26 | 江苏新路德建设有限公司 | 一种市政桥梁支座视觉检测方法 |
CN117218122A (zh) * | 2023-11-09 | 2023-12-12 | 深圳市金三维实业有限公司 | 基于图像数据的手表外壳质量检测方法 |
CN117218122B (zh) * | 2023-11-09 | 2024-03-29 | 深圳市金三维实业有限公司 | 基于图像数据的手表外壳质量检测方法 |
CN117437229A (zh) * | 2023-12-20 | 2024-01-23 | 山东晨光胶带有限公司 | 基于图像分析高强阻燃转弯输送带缺陷检测方法 |
CN117437229B (zh) * | 2023-12-20 | 2024-03-15 | 山东晨光胶带有限公司 | 基于图像分析高强阻燃转弯输送带缺陷检测方法 |
CN117893532A (zh) * | 2024-03-14 | 2024-04-16 | 山东神力索具有限公司 | 基于图像处理的模锻索具用模具裂纹缺陷检测方法 |
CN117893532B (zh) * | 2024-03-14 | 2024-05-24 | 山东神力索具有限公司 | 基于图像处理的模锻索具用模具裂纹缺陷检测方法 |
CN117934474A (zh) * | 2024-03-22 | 2024-04-26 | 自贡市第一人民医院 | 一种肠胃镜检影像增强处理方法 |
CN117934474B (zh) * | 2024-03-22 | 2024-06-11 | 自贡市第一人民医院 | 一种肠胃镜检影像增强处理方法 |
CN118014988A (zh) * | 2024-03-28 | 2024-05-10 | 浙江康鹏半导体有限公司 | 一种砷化镓衬底晶片缺陷智能检测方法 |
CN118014988B (zh) * | 2024-03-28 | 2024-06-07 | 浙江康鹏半导体有限公司 | 一种砷化镓衬底晶片缺陷智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116168039B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116168039B (zh) | 一种环保节能硅酸铝板质量检测方法 | |
CN114862862B (zh) | 一种基于图像处理的泵体冷隔缺陷识别方法与系统 | |
CN116721106B (zh) | 一种基于图像处理的型材瑕疵视觉检测方法 | |
CN116703910B (zh) | 一种混凝土预制底板质量智能检测方法 | |
CN117351019B (zh) | 一种焊接缺陷检测方法 | |
CN116309600B (zh) | 基于图像处理的环保纺织品质量检测方法 | |
CN117314912B (zh) | 一种焊管表面焊接缺陷视觉检测方法及系统 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN116977358B (zh) | 一种瓦楞纸生产品质视觉辅助检测方法 | |
CN116990323B (zh) | 一种高精密印刷版视觉检测系统 | |
CN112326671A (zh) | 一种基于机器视觉的金属板材表面缺陷检测方法 | |
CN116721107B (zh) | 一种电缆生产质量智能监控系统 | |
CN116030060A (zh) | 一种塑料颗粒质量检测方法 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN115100200A (zh) | 基于光学手段的光纤缺陷检测方法及系统 | |
CN117058137B (zh) | 一种夹胶玻璃生产质量视觉检测方法 | |
CN116993742B (zh) | 基于机器视觉的镍合金轧制缺陷检测方法 | |
CN116188468A (zh) | 一种hdmi线缆传输分拣智能控制系统 | |
CN104568956A (zh) | 基于机器视觉的带钢表面缺陷的检测方法 | |
CN117315289B (zh) | 基于图像处理的航空发动机叶片轮廓边缘检测方法 | |
CN114565563B (zh) | 基于人工智能的彩钢板表面异常检测方法 | |
CN108898080A (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN109285146B (zh) | 基于恰可觉察失真的全参考图像质量评价方法 | |
CN115684176B (zh) | 一种薄膜表面缺陷在线视觉检测系统 | |
CN116740065B (zh) | 基于大数据的人造板瑕疵品快速溯源方法及系统 |
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 |