CN116309296A - 一种包装箱缺陷的智能检测方法及检测系统 - Google Patents

一种包装箱缺陷的智能检测方法及检测系统 Download PDF

Info

Publication number
CN116309296A
CN116309296A CN202211738778.3A CN202211738778A CN116309296A CN 116309296 A CN116309296 A CN 116309296A CN 202211738778 A CN202211738778 A CN 202211738778A CN 116309296 A CN116309296 A CN 116309296A
Authority
CN
China
Prior art keywords
image
detected
identity
character
matching
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
Application number
CN202211738778.3A
Other languages
English (en)
Inventor
蒋世斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongshan Tianbai Packaging Products Co ltd
Original Assignee
Zhongshan Tianbai Packaging Products Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongshan Tianbai Packaging Products Co ltd filed Critical Zhongshan Tianbai Packaging Products Co ltd
Priority to CN202211738778.3A priority Critical patent/CN116309296A/zh
Publication of CN116309296A publication Critical patent/CN116309296A/zh
Pending legal-status Critical Current

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
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/16—Image preprocessing
    • G06V30/162—Quantising the image signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/19007—Matching; Proximity measures
    • G06V30/19093—Proximity measures, i.e. similarity or distance measures
    • 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
    • G06T2207/10008—Still image; Photographic image from scanner, fax or copier
    • 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
    • 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
    • G06V2201/09—Recognition of logos
    • 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)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例涉及人工智能领域，公开了一种包装箱缺陷的智能检测方法及检测系统，该方法包括：利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将待检测图像进行灰度值转化；利用二值化函数对待检测图像进行图像预处理；识别出待检测图像中目标物体的身份标识；检测身份标识是否出现有缺陷情况；若否，将身份标识与预设标识进行匹配，并输出匹配结果。实施本发明实施例，能够提高测量准确性及作业效率，增强品质可靠性。

Description

一种包装箱缺陷的智能检测方法及检测系统
技术领域
本发明涉及人工智能领域，尤其涉及一种包装箱缺陷的智能检测方法及检测系统。
背景技术
包装箱主要是为了便于运输装卸和仓贮，一般用木箱和瓦楞实木托盘，也有采用锡桶或白铁桶等各种规格和型号。在我们日常生活中经常会在纸箱上看到各种重要标志信息，其主要可以分为两种：识别标志和指示标志。这些标志信息对厂家和消费者来说非常重要，如有遗漏或错误，不仅厂家会遭到消费者的投诉或索赔而导致名誉和形象受损，同时也会给消费者带来不良后果。所以在生产过程中需要有相关信息的检测环节。
但在实践中发现，传统的检测往往由人工来完成，不仅工作量大、枯燥，而且易受到检测人员主观因素的影响，其可靠性若，难以保证检测效率和精度，无法得到满意的检测效果。
发明内容
本发明实施例公开一种包装箱缺陷的智能检测方法及检测系统，能够提高测量准确性及作业效率，增强品质可靠性。
本发明实施例第一方面公开一种包装箱缺陷的智能检测方法，所述方法包括：
在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将所述待检测图像进行灰度值转化；
利用二值化函数对所述待检测图像进行图像预处理；
识别出所述待检测图像中目标物体的身份标识；
检测所述身份标识是否出现有缺陷情况；若否，将所述身份标识与预设标识进行匹配，并输出匹配结果。
作为另一种可选的实施方式，在本发明实施例第一方面中，所述利用二值化函数对所述待检测图像进行图像预处理之后，以及所述识别出所述待检测图像中目标物体的身份标识之前，所述方法还包括：
利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置；
根据所述目标物体轮廓位置，利用格林公式计算出与所述目标物体轮廓位置联通的轮廓区域面积；
检测所述轮廓区域面积是否大于第一指定阈值；若是，确定出所述待检测图像中存在有所述目标物体；
执行所述识别出所述待检测图像中目标物体的身份标识的操作。
作为另一种可选的实施方式，在本发明实施例第一方面中，所述利用二值化函数对所述待检测图像进行图像预处理之后，以及所述利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置之前，所述方法还包括：
将所述待检测图像与高斯模板进行卷积运算，以计算得出所述待检测图像经平滑滤波处理后的图像；
从所述待检测图像的图像直方图中，选取出双峰之间的谷底值作为对比阈值；
将所述待检测图像中的多个灰度级与所述对比阈值进行对比，以将所述待检测图像划分出两个灰度级。
作为另一种可选的实施方式，在本发明实施例第一方面中，所述检测所述身份标识是否出现有缺陷情况，包括：
获取所述身份标识中每一字符的黑点像素总和数量；
检测所述黑点像素总和数量是否少于第二指定阈值；若是，判断出所述身份标识中出现有缺陷情况；
若所述黑点像素总和数量未少于所述第二指定阈值，执行所述将所述身份标识与预设标识进行匹配，并输出匹配结果的操作。
作为另一种可选的实施方式，在本发明实施例第一方面中，所述将所述身份标识与预设标识进行匹配，并输出匹配结果，包括：
利用二次投影法，确定出所述身份标识中每一字符的边界位置，以将每一所述字符进行分割；
将每一所述字符进行归一化处理，以获得字符矩阵；
将每一所述字符矩阵与所述预设标识的标准模板进行匹配，以获得每一所述字符的匹配相似度；
根据所述匹配相似度，输出所述匹配结果。
作为另一种可选的实施方式，在本发明实施例第一方面中，所述将所述身份标识与预设标识进行匹配，并输出匹配结果，包括：
利用二次投影法，确定出所述身份标识中每一字符的边界位置，以将每一所述字符进行分割；
将每一所述字符进行归一化处理，以获得字符矩阵；
将所述字符矩阵进行均匀的分割，以获得多个子字符矩阵；
计算出每一所述子字符矩阵内的子字符矩阵黑点像素数量；
将每一所述子字符矩阵黑点像素数量与所述预设标识的标准子字符矩阵黑点像素数量进行匹配，以获得每一所述字符的匹配相似度；
根据所述匹配相似度，输出所述匹配结果。
本发明实施例第二方面公开一种检测系统，所述检测系统包括：
转化单元，用于在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将所述待检测图像进行灰度值转化；
预处理单元，用于利用二值化函数对所述待检测图像进行图像预处理；
识别单元，用于识别出所述待检测图像中目标物体的身份标识；
第一检测单元，用于检测所述身份标识是否出现有缺陷情况；
匹配并输出单元，用于在所述第一检测单元检测出所述身份标识未出现有缺陷情况时，将所述身份标识与预设标识进行匹配，并输出匹配结果。
作为另一种可选的实施方式，在本发明实施例第二方面中，所述检测系统还包括：
提取单元，用于所述预处理单元利用二值化函数对所述待检测图像进行图像预处理之后，以及所述识别单元识别出所述待检测图像中目标物体的身份标识之前，利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置；
第一计算单元，用于根据所述目标物体轮廓位置，利用格林公式计算出与所述目标物体轮廓位置联通的轮廓区域面积；
第二检测单元，用于检测所述轮廓区域面积是否大于第一指定阈值；
确定单元，用于在所述第二检测单元检测出所述轮廓区域面积大于第一指定阈值时，确定出所述待检测图像中存在有所述目标物体；
执行单元，用于执行所述识别出所述待检测图像中目标物体的身份标识的操作。
作为另一种可选的实施方式，在本发明实施例第二方面中，所述检测系统还包括：
第二计算单元，用于所述预处理单元利用二值化函数对所述待检测图像进行图像预处理之后，以及所述提取单元利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置之前，将所述待检测图像与高斯模板进行卷积运算，以计算得出所述待检测图像经平滑滤波处理后的图像；
选取单元，用于从所述待检测图像的图像直方图中，选取出双峰之间的谷底值作为对比阈值；
对比单元，用于将所述待检测图像中的多个灰度级与所述对比阈值进行对比，以将所述待检测图像划分出两个灰度级。
本发明实施例第三方面公开一种检测系统，所述检测系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的一种包装箱缺陷的智能检测方法。
本发明实施例第四方面公开一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本发明实施例第一方面公开的一种包装箱缺陷的智能检测方法。
本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种包装箱缺陷的智能检测方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种包装箱缺陷的智能检测方法的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将所述待检测图像进行灰度值转化；利用二值化函数对所述待检测图像进行图像预处理；识别出所述待检测图像中目标物体的身份标识；检测所述身份标识是否出现有缺陷情况；若否，将所述身份标识与预设标识进行匹配，并输出匹配结果可见，本发明实施例，能够提高测量准确性及作业效率，增强品质可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
图1是本发明实施例公开的一种包装箱缺陷的智能检测方法的流程示意图；
图2是本发明实施例公开的另一种包装箱缺陷的智能检测方法的流程示意图；
图3是本发明实施例公开的一种检测系统的结构示意图；
图4是本发明实施例公开的另一种检测系统的结构示意图；
图5是本发明实施例公开的另一种检测系统的结构示意图。
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，都属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种包装箱缺陷的智能检测方法及检测系统，能够提高测量准确性及作业效率，增强品质可靠性。
以下结合附图进行详细描述。
实施例一
请参阅图1，图1是本发明实施例公开的一种包装箱缺陷的智能检测方法的流程示意图。如图1，该包装箱缺陷的智能检测方法可以包括以下步骤。
101、检测系统在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将待检测图像进行灰度值转化。
作为一种可选的实施方式，在本发明实施例中，检测系统在通过采用线阵CCD扫描技术来获取待检测图像之前，系统还可根据流水线上包装箱的运动速度和采集图像分辨率的要求来定时采集待检测图像，而由于线阵CCD扫描技术一次只能获得一维光强数据，能够满足处理要求的图像而且所采集的图像在物体运动方向上的分辨率可随定时采集的时间间隔的改变而改变。
作为一种可选的实施方式，在本发明实施例中，本申请除利用线阵CCD扫描技术获取到待检测图像之外，还可在摄像设备将拍摄的摄影视频导入至系统之后，系统把该摄影视频转化为每一帧处理，即把视频转化为图片，以获得待检测图像。
102、检测系统利用二值化函数对待检测图像进行图像预处理。
作为一种可选的实施方式，在本发明实施例中，本申请除利用二值化函数将图像上的像素点的灰度值设置为0或255，使整个图像呈现出明显的黑白效果之外，还可将采集到的光强值量化为0～255级，从而实现待检测图像的256级灰度图的图像预处理。
作为一种可选的实施方式，在本发明实施例中，在检测系统将待检测图像进行二值化处理之后，检测系统还可利用图像噪声平滑算法来去除图像信号中所掺杂的图像噪声，改善图像的信噪比，简化图像为后续处理提供保障。
103、检测系统识别出待检测图像中目标物体的身份标识。
104、检测系统检测身份标识是否出现有缺陷情况，若否，执行步骤105，若是，结束本次流程。
作为一种可选的实施方式，在本发明实施例中，在检测系统检测出身份标识出现有缺陷情况之后，检测系统可通过外接矩形的长和宽比例或灰度值来识别出缺陷的种类，即通过缺陷的灰度直方图，根据分布情况来判断其缺陷的种类。
作为一种可选的实施方式，在本发明实施例中，本申请可将待检测图像的二值图在竖直方向上进行投影，以获得每一字符的黑点象素总数。由于所采集的图像相对较为固定，因而数字区中每个包含单个数字段上的黑点象素的总数是较为稳定的。所以可以通过判定在每个单字段上黑点象素的多少来确定，若黑点象素数少于某一预定值或者没有黑点象素，则可判定为身份标识出现有缺陷情况，例如少印或漏印。
作为一种可选的实施方式，在本发明实施例中，在检测系统检测出身份标识出现有缺陷情况之后，系统可发出不合格警告提示，并对该包装箱进行不合格登记，以实现其良品率的保证。
105、检测系统将身份标识与预设标识进行匹配，并输出匹配结果，结束本次流程。
作为一种可选的实施方式，在本发明实施例中，若身份标识与预设标识的匹配通过率低于指定阈值，那么，检测系统可确定该身份标识出错，系统可发出不合格警告提示，并对该包装箱进行不合格登记，以实现其良品率的保证。
作为一种可选的实施方式，在本发明实施例中，本申请可在身份标识与预设标识进行匹配时增加相应向量的权值，以提高识别率。另外由于所要识别的部分数字构成的标识，因而有一定的规则。举例来说，若是以日期为例，当前生产的日期若为1月，那么包装箱上的身份标识上的月份标识只可为1，即预设标识的月份标识为1，那么仅将身份标识上的月份标识与预设标识的月份标识进行对比即可，依此类推，根据这些规则可以对识别的结果加以校验，以提高准确性。
作为一种可选的实施方式，在本发明实施例中，本申请可根据检测结果进行相应设备平台补正，以保证包装箱上的标识精度。本申请的检测系统与传统的人工检测优点主要体现在两方面：一是提高生产效率；二是提高准确率，由于人工检测效率较低，故在批量生产时一般以抽检形式进行筛查，这就会导致有不良品流出，而自动检测是100％检测，一旦发现不良品就报警。因此该系统对包装箱上的标识精度检测有了质的改变，完全达到了预期效果，保证了品质，提高了效率。
在图1的包装箱缺陷的智能检测方法中，以检测系统作为执行主体为例进行描述。需要说明的是，图1的包装箱缺陷的智能检测方法的执行主体还可以是与检测系统相关联的独立设备，本发明实施例不作限定。
可见，实施图1所描述的一种包装箱缺陷的智能检测方法，能够提高测量准确性及作业效率，增强品质可靠性。
此外，实施图1所描述的一种包装箱缺陷的智能检测方法，具有简单经济而又处理速度快的优势，具有较好的实用价值。
实施例二
请参阅图2，图2是本发明实施例公开的另一种包装箱缺陷的智能检测方法的流程示意图。如图2，该包装箱缺陷的智能检测方法可以包括以下步骤：
201、检测系统在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将待检测图像进行灰度值转化。
202、检测系统利用二值化函数对待检测图像进行图像预处理。
203、检测系统将待检测图像与高斯模板进行卷积运算，以计算得出待检测图像经平滑滤波处理后的图像。
作为一种可选的实施方式，在本发明实施例中，由于图像在采集时受到环境的干扰，如照明的不稳定性、传送带的抖动等，从而使得系统所采集到的图像中不可避免的含有一些噪声，这些噪声直接对后续处理产生影响，因而要对图像进行去噪处理，以提高图像的信噪比，便于后续处理。
作为一种可选的实施方式，在本发明实施例中，高斯滤波函数属于线性滤波方法，通过高斯函数来选择权值，使用这种滤波方法对系统消除正态分布图的待检测图像上的高斯噪声非常有效。高斯模板的权重值按照距离来设置，离模板中心越远，高斯模板权重值就越小；离模板中心距离越近，高斯权重值越大。
204、检测系统从待检测图像的图像直方图中，选取出双峰之间的谷底值作为对比阈值。
205、检测系统将待检测图像中的多个灰度级与对比阈值进行对比，以将待检测图像划分出两个灰度级。
作为一种可选的实施方式，在本发明实施例中，本申请通过将256级的灰度图转化为只有两个灰度级的二值图，能够让待检测图像明确区分目标和背景，从而简化图像，以为后续图像识别减少工作复杂程序，提高处理速度。
作为一种可选的实施方式，在本发明实施例中，在本申请中，若对比阈值为随便选取的值，那么就会发生：若对比阈值过小，目标信息会有所缺失；若对比阈值过大，则背景信息混入目标中。而由于图像的直方图有明显的双峰性，因此，本申请可选取双峰之间的谷底值作为分割的阈值，进而可实现一个较好的分割效果，又可提高了运算速度，满足实时性的要求。
206、检测系统利用轮廓检测函数提取出待检测图像中的目标物体轮廓位置。
207、检测系统根据目标物体轮廓位置，利用格林公式计算出与目标物体轮廓位置联通的轮廓区域面积。
208、检测系统检测轮廓区域面积是否大于第一指定阈值，若是，执行步骤209～步骤212，若否，结束本次流程。
209、检测系统确定出待检测图像中存在有目标物体。
作为一种可选的实施方式，在本发明实施例中，本申请对待检测图像中是否存在有目标物体的检测，能够有效的过滤待检测图像中的干扰物品。通过计算待检测图像中含有目标物体的面积，只有当面积大于某一值时，才认为是待检测图像中存在有包装箱的待检测面，能够让待检测图像明确区分目标和背景，从而简化图像，以为后续图像识别减少工作复杂程序，提高处理速度。
210、检测系统识别出待检测图像中目标物体的身份标识。
211、检测系统获取身份标识中每一字符的黑点像素总和数量。
212、检测系统检测黑点像素总和数量是否少于第二指定阈值，若是，执行步骤213，若否，执行步骤214～步骤215。
213、检测系统判断出身份标识中出现有缺陷情况，结束本次流程。
作为一种可选的实施方式，在本发明实施例中，本申请可将待检测图像的二值图在竖直方向上进行投影，以获得每一字符的黑点象素总数。由于所采集的图像相对较为固定，因而数字区中每个包含单个数字段上的黑点象素的总数是较为稳定的。所以可以通过判定在每个单字段上黑点象素的多少来确定，若黑点象素数少于某一预定值或者没有黑点象素，则可判定为身份标识出现有缺陷情况，例如少印或漏印。
作为一种可选的实施方式，在本发明实施例中，若检测系统判断出身份标识中出现有缺陷情况，那么，检测系统可确定该身份标识出错，系统可发出不合格警告提示，并对该包装箱进行不合格登记，以实现其良品率的保证。
214、检测系统利用二次投影法，确定出身份标识中每一字符的边界位置，以将每一字符进行分割。
作为一种可选的实施方式，在本发明实施例中，本申请可采用二次投影法把每一列字符在水平方向上投影进而可确定出每个字符的上下边界，从而实现字符分割。在具体处理中，可利用字符间间隔的先验值加快字符边界的确定，而且对所得的边界进行修正，获得每个字符的最小矩形包围框。本申请可将每个字符快速且准确的分割出来，以提高后续的识别效果。
215、检测系统将每一字符进行归一化处理，以获得字符矩阵，执行步骤216～步骤217或步骤218～步骤221。
作为一种可选的实施方式，在本发明实施例中，身份标识中每一字符在被分割出来的时候，其各字符的大小并不是完全相等的，因而，为提高识别准确率，本申请需要在识别之前将每一字符进行规一化处理。本系统中为方便处理，可将每一字符均放大为指定大小的点阵，以获得字符矩阵。
216、检测系统将每一字符矩阵与预设标识的标准模板进行匹配，以获得每一字符的匹配相似度。
217、检测系统根据匹配相似度，输出匹配结果，结束本次流程。
作为一种可选的实施方式，在本发明实施例中，本系统可采用模板匹配进行字符识别，本申请的标准模板为多幅图相同字符的平均来构造而成的，在每一字符矩阵与这个标准模板进行逐一对比之后，可得出每一字符的匹配相似度，根据这个匹配相似度，检测系统可进行阈值对比，将匹配相似度达到指定阈值要求匹配结果的进行输出，将不达到指定阈值要求的进行剔除。
218、检测系统将字符矩阵进行均匀的分割，以获得多个子字符矩阵。
219、检测系统计算出每一子字符矩阵内的子字符矩阵黑点像素数量。
220、检测系统将每一子字符矩阵黑点像素数量与预设标识的标准子字符矩阵黑点像素数量进行匹配，以获得每一字符的匹配相似度。
221、检测系统根据匹配相似度，输出匹配结果，结束本次流程。
作为一种可选的实施方式，在本发明实施例中，本申请可将字符矩阵进行均匀的分割多个子字符矩阵，随后系统可计算出每个子字符矩阵内黑点数所在的比例，按顺序得到一个有多个值的一维向量。本申请中的标准子字符矩阵黑点像素数量为采用多幅图相同字符的平均来构造而成的，随后系统可采用最小二乘法进行匹配，可得出每一字符的匹配相似度，根据这个匹配相似度，检测系统可进行阈值对比，将匹配相似度达到指定阈值要求的匹配结果进行输出，将不达到指定阈值要求的进行剔除。
作为一种可选的实施方式，在本发明实施例中，本申请采用了两种不同求出匹配相似度进而输出达到指定要求的匹配结果的匹配方法，这两种方法既使用到了字符的总体特征，以提高抗噪能力，又兼顾了字符的细节结构特征，以利于对相识字符的区分。
可见，实施图2所描述的另一种包装箱缺陷的智能检测方法，能够提高测量准确性及作业效率，增强品质可靠性。
此外，实施图2所描述的另一种包装箱缺陷的智能检测方法，能够实现了自动化对包装箱缺陷的检测，有效的提升了包装箱缺陷检测的精确度和效率。
实施例三
请参阅图3，图3是本发明实施例公开的一种检测系统的结构示意图。如图3，该检测系统300可以包括转化单元301、预处理单元302、识别单元303、第一检测单元304和匹配并输出单元305，其中：
转化单元301，用于在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将待检测图像进行灰度值转化。
预处理单元302，用于利用二值化函数对待检测图像进行图像预处理。
识别单元303，用于识别出待检测图像中目标物体的身份标识。
第一检测单元304，用于检测身份标识是否出现有缺陷情况。
匹配并输出单元305，用于在第一检测单元304检测出身份标识未出现有缺陷情况时，将身份标识与预设标识进行匹配，并输出匹配结果。
作为一种可选的实施方式，在本发明实施例中，检测系统在通过采用线阵CCD扫描技术来获取待检测图像之前，系统还可根据流水线上包装箱的运动速度和采集图像分辨率的要求来定时采集待检测图像，而由于线阵CCD扫描技术一次只能获得一维光强数据，能够满足处理要求的图像而且所采集的图像在物体运动方向上的分辨率可随定时采集的时间间隔的改变而改变。
作为一种可选的实施方式，在本发明实施例中，本申请除利用线阵CCD扫描技术获取到待检测图像之外，还可在摄像设备将拍摄的摄影视频导入至系统之后，转化单元301把该摄影视频转化为每一帧处理，即把视频转化为图片，以获得待检测图像。
作为一种可选的实施方式，在本发明实施例中，预处理单元302除利用二值化函数将图像上的像素点的灰度值设置为0或255，使整个图像呈现出明显的黑白效果之外，还可将采集到的光强值量化为0～255级，从而实现待检测图像的256级灰度图的图像预处理。
作为一种可选的实施方式，在本发明实施例中，在预处理单元302将待检测图像进行二值化处理之后，预处理单元302还可利用图像噪声平滑算法来去除图像信号中所掺杂的图像噪声，改善图像的信噪比，简化图像为后续处理提供保障。
作为一种可选的实施方式，在本发明实施例中，在第一检测单元304检测出身份标识出现有缺陷情况之后，匹配并输出单元305可通过外接矩形的长和宽比例或灰度值来识别出缺陷的种类，即通过缺陷的灰度直方图，根据分布情况来判断其缺陷的种类。
作为一种可选的实施方式，在本发明实施例中，第一检测单元304可将待检测图像的二值图在竖直方向上进行投影，以获得每一字符的黑点象素总数。由于所采集的图像相对较为固定，因而数字区中每个包含单个数字段上的黑点象素的总数是较为稳定的。所以可以通过判定在每个单字段上黑点象素的多少来确定，若黑点象素数少于某一预定值或者没有黑点象素，则可判定为身份标识出现有缺陷情况，例如少印或漏印。
作为一种可选的实施方式，在本发明实施例中，在第一检测单元304检测出身份标识出现有缺陷情况之后，系统可发出不合格警告提示，并对该包装箱进行不合格登记，以实现其良品率的保证。
作为一种可选的实施方式，在本发明实施例中，若身份标识与预设标识的匹配通过率低于指定阈值，那么，匹配并输出单元305可确定该身份标识出错，系统可发出不合格警告提示，并对该包装箱进行不合格登记，以实现其良品率的保证。
作为一种可选的实施方式，在本发明实施例中，匹配并输出单元305可在身份标识与预设标识进行匹配时增加相应向量的权值，以提高识别率。另外由于所要识别的部分数字构成的标识，因而有一定的规则。举例来说，若是以日期为例，当前生产的日期若为1月，那么包装箱上的身份标识上的月份标识只可为1，即预设标识的月份标识为1，那么仅将身份标识上的月份标识与预设标识的月份标识进行对比即可，依此类推，根据这些规则可以对识别的结果加以校验，以提高准确性。
作为一种可选的实施方式，在本发明实施例中，匹配并输出单元305可根据检测结果进行相应设备平台补正，以保证包装箱上的标识精度。本申请的检测系统与传统的人工检测优点主要体现在两方面：一是提高生产效率；二是提高准确率，由于人工检测效率较低，故在批量生产时一般以抽检形式进行筛查，这就会导致有不良品流出，而自动检测是100％检测，一旦发现不良品就报警。因此该系统对包装箱上的标识精度检测有了质的改变，完全达到了预期效果，保证了品质，提高了效率。
可见，实施图3所描述的检测系统，能够提高测量准确性及作业效率，增强品质可靠性。
此外，实施图3所描述的检测系统，具有简单经济而又处理速度快的优势，具有较好的实用价值。
实施例四
请参阅图4，图4是本发明实施例公开的另一种检测系统的结构示意图。其中，图4的检测系统是由图3的检测系统进行优化得到的。与图3的检测系统相比较，图4的检测系统还包括：
提取单元306，用于预处理单元302利用二值化函数对待检测图像进行图像预处理之后，以及识别单元303识别出待检测图像中目标物体的身份标识之前，利用轮廓检测函数提取出待检测图像中的目标物体轮廓位置。
第一计算单元307，用于根据目标物体轮廓位置，利用格林公式计算出与目标物体轮廓位置联通的轮廓区域面积。
第二检测单元308，用于检测轮廓区域面积是否大于第一指定阈值。
确定单元309，用于在第二检测单元检测出轮廓区域面积大于第一指定阈值时，确定出待检测图像中存在有目标物体。
执行单元310，用于执行识别出待检测图像中目标物体的身份标识的操作。
作为一种可选的实施方式，在本发明实施例中，第二检测单元308对待检测图像中是否存在有目标物体的检测，能够有效的过滤待检测图像中的干扰物品。通过计算待检测图像中含有目标物体的面积，只有当面积大于某一值时，确定单元309才认为是待检测图像中存在有包装箱的待检测面，能够让待检测图像明确区分目标和背景，从而简化图像，以为后续图像识别减少工作复杂程序，提高处理速度。
与图3的检测系统相比较，图4的检测系统还包括：
第二计算单元311，用于预处理单元302利用二值化函数对待检测图像进行图像预处理之后，以及提取单元306利用轮廓检测函数提取出待检测图像中的目标物体轮廓位置之前，将待检测图像与高斯模板进行卷积运算，以计算得出待检测图像经平滑滤波处理后的图像。
作为一种可选的实施方式，在本发明实施例中，由于图像在采集时受到环境的干扰，如照明的不稳定性、传送带的抖动等，从而使得系统所采集到的图像中不可避免的含有一些噪声，这些噪声直接对后续处理产生影响，因而要对图像进行去噪处理，以提高图像的信噪比，便于后续处理。
作为一种可选的实施方式，在本发明实施例中，高斯滤波函数属于线性滤波方法，通过高斯函数来选择权值，使用这种滤波方法对系统消除正态分布图的待检测图像上的高斯噪声非常有效。高斯模板的权重值按照距离来设置，离模板中心越远，高斯模板权重值就越小；离模板中心距离越近，高斯权重值越大。
选取单元312，用于从待检测图像的图像直方图中，选取出双峰之间的谷底值作为对比阈值。
对比单元313，用于将待检测图像中的多个灰度级与对比阈值进行对比，以将待检测图像划分出两个灰度级。
作为一种可选的实施方式，在本发明实施例中，对比单元313通过将256级的灰度图转化为只有两个灰度级的二值图，能够让待检测图像明确区分目标和背景，从而简化图像，以为后续图像识别减少工作复杂程序，提高处理速度。
作为一种可选的实施方式，在本发明实施例中，在本申请中，若对比阈值为随便选取的值，那么就会发生：若对比阈值过小，目标信息会有所缺失；若对比阈值过大，则背景信息混入目标中。而由于图像的直方图有明显的双峰性，因此，本申请可选取双峰之间的谷底值作为分割的阈值，进而可实现一个较好的分割效果，又可提高了运算速度，满足实时性的要求。
与图3的检测系统相比较，图4的第一检测单元304包括：
获取子单元3041，用于获取身份标识中每一字符的黑点像素总和数量。
检测子单元3042，用于检测黑点像素总和数量是否少于第二指定阈值。
判断子单元3043，用于在检测子单元3042检测出黑点像素总和数量少于第二指定阈值时，判断出身份标识中出现有缺陷情况。
执行子单元3044，用于在检测子单元3042检测出黑点像素总和数量未少于第二指定阈值时，执行将身份标识与预设标识进行匹配，并输出匹配结果的操作。
作为一种可选的实施方式，在本发明实施例中，本申请可将待检测图像的二值图在竖直方向上进行投影，以使获取子单元3041获得每一字符的黑点象素总数。由于所采集的图像相对较为固定，因而数字区中每个包含单个数字段上的黑点象素的总数是较为稳定的。所以可以通过判定在每个单字段上黑点象素的多少来确定，若黑点象素数少于某一预定值或者没有黑点象素，则可判定为身份标识出现有缺陷情况，例如少印或漏印。
作为一种可选的实施方式，在本发明实施例中，若判断子单元3043判断出身份标识中出现有缺陷情况，那么，检测系统可确定该身份标识出错，系统可发出不合格警告提示，并对该包装箱进行不合格登记，以实现其良品率的保证。
与图3的检测系统相比较，图4的匹配并输出单元305包括：
确定子单元3051，用于利用二次投影法，确定出身份标识中每一字符的边界位置，以将每一字符进行分割。
处理子单元3052，用于将每一字符进行归一化处理，以获得字符矩阵。
匹配子单元3053，用于在处理子单元3052将每一字符进行归一化处理，以获得字符矩阵之后，将每一字符矩阵与预设标识的标准模板进行匹配，以获得每一字符的匹配相似度。
输出子单元3054，用于根据匹配相似度，输出匹配结果。
作为一种可选的实施方式，在本发明实施例中，确定子单元3051可采用二次投影法把每一列字符在水平方向上投影进而可确定出每个字符的上下边界，从而实现字符分割。在具体处理中，可利用字符间间隔的先验值加快字符边界的确定，而且对所得的边界进行修正，获得每个字符的最小矩形包围框。本申请可将每个字符快速且准确的分割出来，以提高后续的识别效果。
作为一种可选的实施方式，在本发明实施例中，身份标识中每一字符在被分割出来的时候，其各字符的大小并不是完全相等的，因而，为提高识别准确率，本申请需要在识别之前将每一字符进行规一化处理。本系统中为方便处理，可将每一字符均放大为指定大小的点阵，以获得字符矩阵。
作为一种可选的实施方式，在本发明实施例中，本系统可采用模板匹配进行字符识别，本申请的标准模板为多幅图相同字符的平均来构造而成的，在每一字符矩阵与这个标准模板进行逐一对比之后，可得出每一字符的匹配相似度，根据这个匹配相似度，匹配子单元3053可进行阈值对比，将匹配相似度达到指定阈值要求匹配结果的进行输出，将不达到指定阈值要求的进行剔除。
分割子单元3055，用于在处理子单元3052将每一字符进行归一化处理，以获得字符矩阵之后，将字符矩阵进行均匀的分割，以获得多个子字符矩阵。
计算子单元3056，用于计算出每一子字符矩阵内的子字符矩阵黑点像素数量。
作为一种可选的实施方式，在本发明实施例中，匹配子单元3053还用于在计算子单元3056计算出每一子字符矩阵内的子字符矩阵黑点像素数量之后，将每一子字符矩阵黑点像素数量与预设标识的标准子字符矩阵黑点像素数量进行匹配，以获得每一字符的匹配相似度。
作为一种可选的实施方式，在本发明实施例中，分割子单元3055可将字符矩阵进行均匀的分割多个子字符矩阵，随后计算子单元3056可计算出每个子字符矩阵内黑点数所在的比例，按顺序得到一个有多个值的一维向量。本申请中的标准子字符矩阵黑点像素数量为采用多幅图相同字符的平均来构造而成的，随后系统可采用最小二乘法进行匹配，可得出每一字符的匹配相似度，根据这个匹配相似度，检测系统可进行阈值对比，将匹配相似度达到指定阈值要求的匹配结果进行输出，将不达到指定阈值要求的进行剔除。
作为一种可选的实施方式，在本发明实施例中，本申请采用了两种不同求出匹配相似度进而输出达到指定要求的匹配结果的匹配方法，这两种方法既使用到了字符的总体特征，以提高抗噪能力，又兼顾了字符的细节结构特征，以利于对相识字符的区分。
可见，实施图4所描述的另一种检测系统，能够提高测量准确性及作业效率，增强品质可靠性。
此外，实施图4所描述的另一种检测系统，能够实现了自动化对包装箱缺陷的检测，有效的提升了包装箱缺陷检测的精确度和效率。
实施例五
请参阅图5，图5是本发明实施例公开的另一种检测系统的结构示意图。
如图5，该检测系统可以包括：
存储有可执行程序代码的存储器501；
与存储器501耦合的处理器502；
其中，处理器502调用存储器501中存储的可执行程序代码，执行图1～图2任意一种包装箱缺陷的智能检测方法。
本发明实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行图1～图2任意一种包装箱缺陷的智能检测方法。
本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一种计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种包装箱缺陷的智能检测方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种包装箱缺陷的智能检测方法，其特征在于，包括：
在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将所述待检测图像进行灰度值转化；
利用二值化函数对所述待检测图像进行图像预处理；
识别出所述待检测图像中目标物体的身份标识；
检测所述身份标识是否出现有缺陷情况；若否，将所述身份标识与预设标识进行匹配，并输出匹配结果。
2.根据权利要求1所述的方法，其特征在于，所述利用二值化函数对所述待检测图像进行图像预处理之后，以及所述识别出所述待检测图像中目标物体的身份标识之前，所述方法还包括：
利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置；
根据所述目标物体轮廓位置，利用格林公式计算出与所述目标物体轮廓位置联通的轮廓区域面积；
检测所述轮廓区域面积是否大于第一指定阈值；若是，确定出所述待检测图像中存在有所述目标物体；
执行所述识别出所述待检测图像中目标物体的身份标识的操作。
3.根据权利要求2所述的方法，其特征在于，所述利用二值化函数对所述待检测图像进行图像预处理之后，以及所述利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置之前，所述方法还包括：
将所述待检测图像与高斯模板进行卷积运算，以计算得出所述待检测图像经平滑滤波处理后的图像；
从所述待检测图像的图像直方图中，选取出双峰之间的谷底值作为对比阈值；
将所述待检测图像中的多个灰度级与所述对比阈值进行对比，以将所述待检测图像划分出两个灰度级。
4.根据权利要求1～3任一项所述的方法，其特征在于，所述检测所述身份标识是否出现有缺陷情况，包括：
获取所述身份标识中每一字符的黑点像素总和数量；
检测所述黑点像素总和数量是否少于第二指定阈值；若是，判断出所述身份标识中出现有缺陷情况；
若所述黑点像素总和数量未少于所述第二指定阈值，执行所述将所述身份标识与预设标识进行匹配，并输出匹配结果的操作。
5.根据权利要求1所述的方法，其特征在于，所述将所述身份标识与预设标识进行匹配，并输出匹配结果，包括：
利用二次投影法，确定出所述身份标识中每一字符的边界位置，以将每一所述字符进行分割；
将每一所述字符进行归一化处理，以获得字符矩阵；
将每一所述字符矩阵与所述预设标识的标准模板进行匹配，以获得每一所述字符的匹配相似度；
根据所述匹配相似度，输出所述匹配结果。
6.根据权利要求1所述的方法，其特征在于，所述将所述身份标识与预设标识进行匹配，并输出匹配结果，包括：
利用二次投影法，确定出所述身份标识中每一字符的边界位置，以将每一所述字符进行分割；
将每一所述字符进行归一化处理，以获得字符矩阵；
将所述字符矩阵进行均匀的分割，以获得多个子字符矩阵；
计算出每一所述子字符矩阵内的子字符矩阵黑点像素数量；
将每一所述子字符矩阵黑点像素数量与所述预设标识的标准子字符矩阵黑点像素数量进行匹配，以获得每一所述字符的匹配相似度；
根据所述匹配相似度，输出所述匹配结果。
7.一种检测系统，其特征在于，所述检测系统包括：
转化单元，用于在利用线阵CCD扫描技术获取到待检测图像之后，利用色彩空间转化函数将所述待检测图像进行灰度值转化；
预处理单元，用于利用二值化函数对所述待检测图像进行图像预处理；
识别单元，用于识别出所述待检测图像中目标物体的身份标识；
第一检测单元，用于检测所述身份标识是否出现有缺陷情况；
匹配并输出单元，用于在所述第一检测单元检测出所述身份标识未出现有缺陷情况时，将所述身份标识与预设标识进行匹配，并输出匹配结果。
8.根据权利要求7所述的检测系统，其特征在于，所述检测系统还包括：
提取单元，用于所述预处理单元利用二值化函数对所述待检测图像进行图像预处理之后，以及所述识别单元识别出所述待检测图像中目标物体的身份标识之前，利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置；
第一计算单元，用于根据所述目标物体轮廓位置，利用格林公式计算出与所述目标物体轮廓位置联通的轮廓区域面积；
第二检测单元，用于检测所述轮廓区域面积是否大于第一指定阈值；
确定单元，用于在所述第二检测单元检测出所述轮廓区域面积大于第一指定阈值时，确定出所述待检测图像中存在有所述目标物体；
执行单元，用于执行所述识别出所述待检测图像中目标物体的身份标识的操作。
9.根据权利要求8所述的检测系统，其特征在于，所述检测系统还包括：
第二计算单元，用于所述预处理单元利用二值化函数对所述待检测图像进行图像预处理之后，以及所述提取单元利用轮廓检测函数提取出所述待检测图像中的目标物体轮廓位置之前，将所述待检测图像与高斯模板进行卷积运算，以计算得出所述待检测图像经平滑滤波处理后的图像；
选取单元，用于从所述待检测图像的图像直方图中，选取出双峰之间的谷底值作为对比阈值；
对比单元，用于将所述待检测图像中的多个灰度级与所述对比阈值进行对比，以将所述待检测图像划分出两个灰度级。
10.一种检测系统，其特征在于，所述检测系统包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行权利要求1-6任一项所述的包装箱缺陷的智能检测方法。
CN202211738778.3A 2022-12-31 2022-12-31 一种包装箱缺陷的智能检测方法及检测系统 Pending CN116309296A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211738778.3A CN116309296A (zh) 2022-12-31 2022-12-31 一种包装箱缺陷的智能检测方法及检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211738778.3A CN116309296A (zh) 2022-12-31 2022-12-31 一种包装箱缺陷的智能检测方法及检测系统

Publications (1)

Publication Number Publication Date
CN116309296A true CN116309296A (zh) 2023-06-23

Family

ID=86794910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211738778.3A Pending CN116309296A (zh) 2022-12-31 2022-12-31 一种包装箱缺陷的智能检测方法及检测系统

Country Status (1)

Country Link
CN (1) CN116309296A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426649A (zh) * 2011-10-13 2012-04-25 石家庄开发区冀科双实科技有限公司 一种简单的高准确率的钢印数字自动识别方法
CN104156704A (zh) * 2014-08-04 2014-11-19 胡艳艳 一种新的车牌识别方法及系统
WO2018086233A1 (zh) * 2016-11-08 2018-05-17 广州视源电子科技股份有限公司 一种字符分割方法和装置、及元件检测方法和装置
CN109308700A (zh) * 2017-07-27 2019-02-05 南京敏光视觉智能科技有限公司 一种基于印刷品字符的视觉识别缺陷检测方法
CN115330702A (zh) * 2022-08-01 2022-11-11 无锡雪浪数制科技有限公司 一种基于深度视觉的饮料瓶灌装缺陷识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102426649A (zh) * 2011-10-13 2012-04-25 石家庄开发区冀科双实科技有限公司 一种简单的高准确率的钢印数字自动识别方法
CN104156704A (zh) * 2014-08-04 2014-11-19 胡艳艳 一种新的车牌识别方法及系统
WO2018086233A1 (zh) * 2016-11-08 2018-05-17 广州视源电子科技股份有限公司 一种字符分割方法和装置、及元件检测方法和装置
CN109308700A (zh) * 2017-07-27 2019-02-05 南京敏光视觉智能科技有限公司 一种基于印刷品字符的视觉识别缺陷检测方法
CN115330702A (zh) * 2022-08-01 2022-11-11 无锡雪浪数制科技有限公司 一种基于深度视觉的饮料瓶灌装缺陷识别方法

Similar Documents

Publication Publication Date Title
CN106934803B (zh) 电子器件表面缺陷的检测方法及装置
US11797886B2 (en) Image processing device, image processing method, and image processing program
US9064187B2 (en) Method and system for item identification
CN104866849A (zh) 一种基于移动终端的食品营养成分标签识别方法
JP5337563B2 (ja) 帳票認識方法および装置
CN111753794B (zh) 水果品质分类方法、装置、电子设备及可读存储介质
CN108171098B (zh) 一种条码检测方法及设备
CN111626941A (zh) 一种基于深度学习语义分割的文档矫正方法
CN111353992B (zh) 一种基于纹理特征的农产品缺陷检测方法及系统
CN114594114A (zh) 一种锂电芯全自动在线无损检测方法
CN115082776A (zh) 一种基于图像识别的电能表自动检测系统及方法
Alaei et al. Document image quality assessment based on improved gradient magnitude similarity deviation
CN111968082A (zh) 一种基于机器视觉的产品包装缺陷检测识别方法
CN113569859B (zh) 一种图像处理方法、装置、电子设备及存储介质
Tribak et al. Remote QR code recognition based on HOG and SVM classifiers
CN110619060B (zh) 一种条烟图像数据库构建方法及条烟防伪查询方法
JP5929282B2 (ja) 画像処理装置及び画像処理プログラム
CN116309296A (zh) 一种包装箱缺陷的智能检测方法及检测系统
CN116385357A (zh) 基于图像识别的试管状态判断方法、装置及系统
CN116309532A (zh) 一种目标物品质量检测的方法、装置、设备及介质
CN114267002B (zh) 卷烟厂制丝车间工况监测方法、装置、设备及存储介质
CN116071692A (zh) 一种基于形态学图像处理的水尺水位识别方法及系统
CN114529555A (zh) 一种基于图像识别的烟箱高效进出库检测方法
CN111242121B (zh) 一种基于svm的对联智能分拣方法及存储介质
CN117798087B (zh) 基于外观缺陷检测的锂电池视觉分拣系统及终端

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