CN116385415A - 一种边缘缺陷检测方法、装置、设备及存储介质 - Google Patents
一种边缘缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116385415A CN116385415A CN202310379506.7A CN202310379506A CN116385415A CN 116385415 A CN116385415 A CN 116385415A CN 202310379506 A CN202310379506 A CN 202310379506A CN 116385415 A CN116385415 A CN 116385415A
- Authority
- CN
- China
- Prior art keywords
- defect
- edge
- actual
- point set
- contour
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 319
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000009499 grossing Methods 0.000 claims abstract description 26
- 238000005070 sampling Methods 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber 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
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
-
- G06T5/70—
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
本公开提供了一种边缘缺陷检测方法、装置、设备及存储介质,涉及图像处理技术领域。方法主要包括:获取待检测区域中目标物体的实际边缘轮廓;对实际边缘轮廓进行平滑处理,得到平滑边缘轮廓;根据平滑边缘轮廓,确定实际边缘轮廓上的候选缺陷点集;根据候选缺陷点集的邻域点集,生成候选缺陷点集的标准轮廓;根据标准轮廓和候选缺陷点集,确定实际边缘轮廓对应的目标缺陷区域;根据目标缺陷区域,确定目标物体的边缘缺陷检测结果。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种边缘缺陷检测方法、装置、设备及存储介质。
背景技术
边缘缺陷检测指对图像中目标物体的边缘进行异常检测,通常包括边缘轮廓检测和边缘灰度检测,其中,边缘轮廓检测主要检测边缘轮廓相对于标准轮廓是否存在差异;边缘灰度检测主要检测在边缘轮廓与标准轮廓一致的情况下,边缘邻域内的图像灰度与标准图像灰度是否一致。
在现有技术中,边缘缺陷检测方式主要有直线边缘缺陷检测和圆弧边缘缺陷检测等,但这些方式只能用于对直线或圆弧进行边缘缺陷检测,应用场景比较固定,对于其他形状的边缘存在检测精度低、稳定性差的问题,而且这些方式获取图像时要求的打光条件较高。
发明内容
本公开提供了一种边缘缺陷检测方法、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,提供了一种边缘缺陷检测方法,该方法包括:获取待检测区域中目标物体的实际边缘轮廓;对所述实际边缘轮廓进行平滑处理,得到平滑边缘轮廓;根据所述平滑边缘轮廓,确定所述实际边缘轮廓上的候选缺陷点集;根据所述候选缺陷点集的邻域点集,生成所述候选缺陷点集的标准轮廓;根据所述标准轮廓和所述候选缺陷点集,确定所述实际边缘轮廓对应的目标缺陷区域;根据所述目标缺陷区域,确定所述目标物体的边缘缺陷检测结果。
根据本公开的第二方面,提供了一种边缘缺陷检测装置,该装置包括:获取模块,用于获取待检测区域中目标物体的实际边缘轮廓;平滑模块,用于对所述实际边缘轮廓进行平滑处理,得到平滑边缘轮廓;第一确定模块,用于根据所述平滑边缘轮廓,确定所述实际边缘轮廓上的候选缺陷点集;生成模块,用于根据所述候选缺陷点集的邻域点集,生成所述候选缺陷点集的标准轮廓;第二确定模块,用于根据所述标准轮廓和所述候选缺陷点集,确定所述实际边缘轮廓对应的目标缺陷区域;第三确定模块,用于根据所述目标缺陷区域,确定所述目标物体的边缘缺陷检测结果。
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所述计算机执行本公开所述的方法。
本公开的一种边缘缺陷检测方法、装置、设备及存储介质,首先对目标物体的实际边缘轮廓进行平滑处理,得到平滑边缘轮廓,并根据平滑边缘轮廓,确定实际边缘轮廓上的候选缺陷点集,然后根据候选缺陷点集的邻域点集,生成候选缺陷点集的标准轮廓,并根据标准轮廓和候选缺陷点集,确定实际边缘轮廓对应的目标缺陷区域,最后根据目标缺陷区域,确定目标物体的边缘缺陷检测结果。由此,可以实现快速对任意形状边缘的缺陷检测,以及对微小缺陷的检测,提高了边缘缺陷检测结果的准确性和稳定性,而且在图像边缘不清晰的情况下也可进行高精度的缺陷检测,因此获取图像时无需较高的打光条件。
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边缘缺陷检测方法的流程示意图;
图2示出了本公开第二实施例一种边缘缺陷检测方法的场景示意图;
图3示出了本公开第四实施例一种边缘缺陷检测方法的场景示意图;
图4示出了本公开第五实施例一种边缘缺陷检测方法的流程示意图;
图5示出了本公开第六实施例一种边缘缺陷检测方法的第一场景示意图;
图6示出了本公开第六实施例一种边缘缺陷检测方法的第二场景示意图;
图7示出了本公开第七实施例一种边缘缺陷检测方法的第一场景示意图;
图8示出了本公开第七实施例一种边缘缺陷检测方法的第二场景示意图;
图9示出了本公开第八实施例一种边缘缺陷检测方法的第一场景示意图;
图10示出了本公开第八实施例一种边缘缺陷检测方法的第二场景示意图;
图11示出了本公开第九实施例一种边缘缺陷检测方法的场景示意图;
图12示出了本公开第十实施例一种边缘缺陷检测方法的场景示意图;
图13示出了本公开第十一实施例一种边缘缺陷检测装置的结构示意图;
图14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边缘缺陷检测方法的流程示意图,如图1所示,该方法主要包括:
步骤S101,获取待检测区域中目标物体的实际边缘轮廓。
在本实施例中,首先获取待检测区域中目标物体的实际边缘轮廓,具体地,可以对待检测区域进行扫描,采用索贝尔算子(sobel算子)将待检测区域中灰度梯度满足第一数值的像素点作为边缘点,并利用边缘点生成目标物体的实际边缘轮廓,其中,第一数值可以根据实际情况自行设定。
步骤S102,对实际边缘轮廓进行平滑处理,得到平滑边缘轮廓。
在本实施例中,对目标物体的实际边缘轮廓进行平滑处理,以得到平滑边缘轮廓,其中,平滑处理可以消除实际边缘轮廓上的锯齿和尖峰等,因此平滑边缘轮廓更接近于目标物体的标准轮廓。具体地,可以利用插值法和平滑函数等对实际边缘轮廓进行平滑处理。
步骤S103,根据平滑边缘轮廓,确定实际边缘轮廓上的候选缺陷点集。
在本实施例中,根据平滑边缘轮廓,可以确定实际边缘轮廓上的候选缺陷点集,具体地,平滑边缘轮廓由实际边缘轮廓处理得到,因此,平滑边缘轮廓上的像素点与实际边缘轮廓上的像素点位置一一对应,可以计算实际边缘轮廓上的像素点与其位置对应的平滑边缘轮廓上的像素点的距离,若距离大于第二数值,则将实际边缘轮廓上的像素点确定为缺陷点,由缺陷点生成候选缺陷点集,其中,第二数值可以根据实际情况自行设定。
步骤S104,根据候选缺陷点集的邻域点集,生成候选缺陷点集的标准轮廓。
在本实施例中,根据候选缺陷点集在实际边缘轮廓上的邻域点集,生成候选缺陷点集对应的标准轮廓,具体地,邻域点集为在实际边缘轮廓上候选缺陷点集两端相邻的点集,可以直接根据两个邻域点集内的像素点进行线性拟合,得到候选缺陷点集的标准轮廓,其中,邻域点集内的像素点数可以根据实际情况自行设定。
步骤S105,根据标准轮廓和候选缺陷点集,确定实际边缘轮廓对应的目标缺陷区域。
在本实施例中,还需要根据标准轮廓和候选缺陷点集,确定实际边缘轮廓对应的目标缺陷区域,具体地,标准轮廓上的像素点与候选缺陷点集中的像素点位置一一对应,可以计算候选缺陷点集中的像素点与其位置对应的标准轮廓上的像素点距离,若距离大于第三数值,则将候选缺陷点集中的像素点确定为目标缺陷点,由目标缺陷点生成目标缺陷点集,并由目标缺陷点集与其位置对应的标准轮廓上的像素点围合形成目标缺陷区域。
步骤S106,根据目标缺陷区域,确定目标物体的边缘缺陷检测结果。
在本实施例中,最终根据目标缺陷区域,确定目标物体的边缘缺陷检测结果,具体地,若存在目标缺陷区域,则可确定边缘缺陷检测结果为目标物体存在边缘缺陷,并且可以输出目标缺陷区域的坐标;若不存在目标缺陷区域,则可确定边缘缺陷检测结果为目标物体不存在边缘缺陷。
在本公开第一实施例中,首先根据目标物体的平滑边缘轮廓和实际边缘轮廓确定候选缺陷点集,然后根据候选缺陷点集对应的标准轮廓和候选缺陷点集,确定实际边缘轮廓对应的目标缺陷区域,最后根据目标缺陷区域,确定目标物体的边缘缺陷检测结果。由此,可以实现快速对任意形状边缘的缺陷检测,以及对微小缺陷的检测,提高了边缘缺陷检测结果的准确性和稳定性,而且在图像边缘不清晰的情况下也可进行高精度的缺陷检测,因此获取图像时无需较高的打光条件。
在本公开第二实施例中,可以根据如下方式获取待检测区域:
对待检测图像中的感兴趣区域进行阈值分割,得到分割后感兴趣区域;对分割后感兴趣区域进行连通域面积筛选,得到筛选后感兴趣区域;对筛选后感兴趣区域进行孔洞填充,得到待检测区域。
在本实施例中,首先对待检测图像中的感兴趣区域进行阈值分割,得到分割后感兴趣区域,其中,待检测图像为包含目标物体的图像,感兴趣区域可以分为正向感兴趣区域和负向感兴趣区域,正向感兴趣区域包含需要进行边缘缺陷检测的大致区域,负向感兴趣区域包含不需要进行边缘缺陷检测的区域,其用于剔除不进行边缘缺陷检测的区域。具体地,阈值分割可以为固定阈值分割或者动态阈值分割,阈值分割可以使得目标物体的边缘更清晰。
在本实施例中,对分割后感兴趣区域进行连通域面积筛选,得到筛选后感兴趣区域,具体地,可以计算分割后感兴趣区域的所有连通域各自的面积,即第一面积,并剔除第一面积不满足第一预设阈值的连通域,得到筛选后感兴趣区域,这样可以剔除掉非目标物体的干扰区域,其中,第一预设阈值可以根据实际情况自行设定。
在本实施例中,还需对筛选后感兴趣区域进行孔洞填充,从而得到待检测区域,具体地,可以采用漫水填充(flood fill)算法进行孔洞填充。由此,可以防止因待检测图像不稳定导致待检测区域像素波动而形成孔洞。
在一可实施方式中,对待检测图像中的感兴趣区域进行阈值分割之前,还可以根据待检测图像构建参考坐标系,参考坐标系可以由一个点和一条带角度的直线构成,图2示出了本公开第二实施例一种边缘缺陷检测方法的场景示意图,如图2所示,若目标物体为手机盖板(第一盖板),则利用手机盖板的上边界和左边界分别拟合直线,具体地,可以采用sobel算子获取上边界上的第一边缘点和左边界上的第二边缘点,并利用第一边缘点进行线性拟合得到上边界直线a,利用第二边缘点进行线性拟合得到左边界直线b,可以将上边界直线a和左边界直线b的交点A确定为参考坐标系原点,以交点A、上边界直线a或者左边界直线b构建参考坐标系。在实际应用过程中,若参考坐标系由交点A和上边界直线a构成,则在对下一个同型号的手机盖板(第二盖板)进行边缘缺陷检测时,以同样的方式获取其交点A1和上边界直线a1,将交点A1和上边界直线a1与参考坐标系进行对比,可以求出两个手机盖板之间的偏移量和旋转角度,根据偏移量和旋转角度,对第一盖板的感兴趣区域进行相应地移动即可得到第二盖板的感兴趣区域。需要强调的是,根据待检测图像和目标物体的不同,构建参考坐标系的方式可以不同,本公开不对其进行限定。
在本公开第三实施例中,步骤S101主要包括:
对待检测区域进行轮廓转换,得到目标物体的初始边缘轮廓;初始边缘轮廓的像素点数大于第二预设阈值,则将初始边缘轮廓确定为实际边缘轮廓。
在本实施例中,可以利用视觉库中的轮廓转换函数将待检测区域转换为目标物体的初始边缘轮廓,实现区域(region)到轮廓(contours)的转换,若初始边缘轮廓的像素点数大于第二预设阈值,则将初始边缘轮廓确定为实际边缘轮廓。具体地,待检测区域中除目标物体外,还可能有其他区域也会生成轮廓,其他区域的轮廓为干扰轮廓,干扰轮廓相对较小,像素点数较少,因此,若初始边缘轮廓的像素点数不大于第二预设阈值,则对其进行剔除,从而间接提高边缘缺陷检测的效率和准确率,其中,第二预设阈值可以根据实际情况自行设定。
在本公开第四实施例中,步骤S102主要包括:
根据平滑采样个数,对实际边缘轮廓上的实际像素点的邻域进行采样,得到采样点集;根据最小二乘法,对采样点集进行拟合,得到拟合结果;根据拟合结果,对实际边缘轮廓进行平滑处理,得到平滑边缘轮廓。
在本实施例中,通过将实际边缘轮廓上的实际像素点投影至局部回归线上来完成平滑处理,其中,局部回归线根据实际像素点两侧的像素点拟合而来。具体地,可以先根据平滑采样个数,对实际边缘轮廓上的实际像素点的邻域进行采样,得到采样点集,并根据最小二乘法,对采样点集进行拟合,得到拟合结果,然后将实际像素点投影至其对应的拟合结果,得到平滑像素点,并根据平滑像素点生成平滑边缘轮廓,其中,平滑采样个数可以根据实际情况自行设定。
图3示出了本公开第四实施例一种边缘缺陷检测方法的场景示意图,如图3所示,曲线c为实际边缘轮廓上的一段曲线,对于曲线c上的实际像素点B来说,根据平滑采样个数,沿实际边缘轮廓对实际像素点B的两侧邻域进行采样,得到采样点集(C,C1),即实际边缘轮廓上点C至点C1之间的像素点均属于采样点集,采样点集内的像素点数为平滑采样个数;然后根据采样点集(C,C1)内的像素点进行最小二乘法拟合,得到实际像素点B对应的拟合结果直线d,并将实际像素点B投影至直线d上,得到实际像素点B对应的平滑像素点B1,利用同样的方法得到曲线c上所有实际像素点对应的平滑像素点,所有的平滑像素点即可生成平滑边缘轮廓e。具体地,平滑采样个数可以影响平滑效果,例如,若平滑采样个数越小,则平滑像素点B1与实际像素点B之间的距离越小;若平滑采样个数越大,则平滑像素点B1与实际像素点B之间的距离越大。
在本公开第四实施例中,通过将实际边缘轮廓上的实际像素点投影至局部回归线上来完成平滑处理,可以更好的消除实际边缘轮廓上的锯齿和尖峰等,使得平滑边缘轮廓更接近于目标物体的标准轮廓。
图4示出了本公开第五实施例一种边缘缺陷检测方法的流程示意图,如图4所示,步骤S103主要包括:
步骤S201,获取实际边缘轮廓上的实际像素点的第一整体坐标值和平滑边缘轮廓上的平滑像素点的第二整体坐标值。
在本实施例中,可以沿预设方向依次对实际边缘轮廓上的实际像素点进行编号,根据编号依次获取实际像素点的坐标值,得到实际边缘轮廓上的实际像素点的第一整体坐标值,并根据编号依次获取实际像素点对应的平滑像素点的坐标值,得到平滑边缘轮廓上的平滑像素点的第二整体坐标值。
在一可实施方式中,第一整体坐标值可以表示为:
其中,boudnaryCRows表示实际边缘轮廓上的实际像素点的第一整体行坐标,boudnaryCColumns表示实际边缘轮廓上的实际像素点的第一整体列坐标,(bR1,bC1)即编号为1的实际像素点的坐标值,(bR2,bC2)即编号为2的实际像素点的坐标值,以此类推,对于闭合的实际边缘轮廓来说,其编号为1的点(即起始点)与其终止点为同一个点,即(bR1,bC1)与(bRn,bCn)应该相同。
第二整体坐标值可以表示为:
其中,smoothCRows表示平滑边缘轮廓上的平滑像素点的第二整体行坐标,moothCColumns表示平滑边缘轮廓上的平滑像素点的第二整体列坐标,(sR1,sC1)即编号为1的实际像素点对应的平滑像素点,(sR2,sC2)即编号为2的实际像素点对应的平滑像素点,以此类推,对于闭合的实际边缘轮廓来说,其编号为1的点(即起始点)对应的平滑像素点与其终止点对应的平滑像素点为同一个点,即(sR1,sC1)与(sRn,sCn)应该相同。
步骤S202,根据第一整体坐标值和第二整体坐标值,计算实际像素点与其位置对应的平滑像素点的第一距离。
步骤S203,根据第一距离,确定实际边缘轮廓上的候选缺陷点集。
在本实施例中,根据第一整体坐标值和第二整体坐标值,计算实际像素点与其位置对应的平滑像素点的第一距离,即计算公式一和公式二中(bR1,bC1)与(sR1,sC1)的距离,(bR2,bC2)与(sR2,sC2)的距离,以此类推,并根据第一距离,确定实际边缘轮廓上的候选缺陷点集。
在本公开第六实施例中,步骤S201主要包括:
获取实际边缘轮廓上的第一起始点,并根据第一起始点,沿第一预设方向依次获取实际边缘轮廓上的所有实际像素点的坐标值,得到第一整体坐标值;获取平滑边缘轮廓上的第二起始点,并根据第二起始点,沿第一预设方向依次获取平滑边缘轮廓上的所有平滑像素点的坐标值,得到第二整体坐标值;其中,第一起始点为最小行坐标对应的所有实际像素点中列坐标最大的实际像素点,第二起始点为与第一起始点位置对应的平滑像素点。
在本实施例中,将实际边缘轮廓中最小行坐标对应的所有实际像素点中列坐标最大的实际像素点作为第一起始点,第一起始点的编号可以为1,第一起始点沿第一预设方向的下一个实际像素点的编号可以为2,以此类推,从第一起始点开始,沿第一预设方向依次获取实际边缘轮廓上的所有实际像素点的坐标,得到第一整体坐标值;将第一起始点位置对应的平滑像素点确定为平滑边缘轮廓上的第二起始点,从第二起始点开始,沿第一预设方向依次获取平滑边缘轮廓上的所有平滑像素点的坐标,得到第一整体坐标值,其中,第一预设方向可以根据实际情况自行设定,其可以为顺时针方向或逆时针方向等。
图5示出了本公开第六实施例一种边缘缺陷检测方法的第一场景示意图,图6示出了本公开第六实施例一种边缘缺陷检测方法的第二场景示意图,如图5和图6所示,图5中圆形f内的区域的实际边缘轮廓为图6中的曲线g,可以确定实际边缘轮廓中最小行坐标对应的所有实际像素点中列坐标最大的实际像素点为点D,即点D为第一起始点,则从点D开始,沿顺时针方向依次获取图5中手机盖板的实际边缘轮廓上的所有实际像素点的坐标,得到第一整体坐标值,可以理解,第一整体坐标值对应的第一个坐标和最后一个坐标均为点D的坐标;曲线g对应的平滑边缘轮廓为曲线h,点D位置对应的平滑像素点为点E,即点E为第二起始点,则从点E开始,沿顺时针方向依次获取图5中手机盖板的平滑边缘轮廓上的所有平滑像素点的坐标,得到第二整体坐标值,可以理解,第二整体坐标值对应的第一个坐标和最后一个坐标均为点E的坐标。
在一可实施方式中,如图5中所示的手机盖板的实际边缘轮廓上的实际像素点的第一整体坐标值可以为:
如图5中所示的手机盖板的平滑边缘轮廓上的平滑像素点的第二整体坐标值可以为:
在本公开第七实施例中,步骤S203主要包括:
第一距离大于第一缺陷判定距离,将第一距离对应的实际像素点确定为实际边缘轮廓上的缺陷点;将编号相邻的缺陷点确定为第一候选点集;根据第一候选点集的起始点编号和终止点编号,对第一候选点集进行调整,得到候选缺陷点集。
在本实施例中,根据实际像素点与其位置对应的平滑像素点的第一距离,确定实际边缘轮廓上的候选缺陷点集时,若第一距离大于第一缺陷判定距离,则将第一距离对应的实际像素点确定为实际边缘轮廓上的缺陷点,例如,若编号为1的实际像素点与其对应的平滑像素点的第一距离大于第一缺陷判定距离,则将编号为1的实际像素点确定为缺陷点,并将编号相邻的缺陷点确定为第一候选点集,然后根据第一候选点集的起始点编号和终止点编号,对第一候选点集进行调整,得到候选缺陷点集,其中,第一缺陷判定距离可以根据实际情况自行设定。
在一可实施方式中,对第一候选点集进行调整时,可以先根据第一候选点集的起始点编号和终止点编号,确定第一候选点集内的缺陷点数量,并根据缺陷点数量,对第一候选点集进行调整,从而得到候选缺陷点集。具体地,若第一候选点集内的缺陷点数量大于第三预设阈值,则根据扩充阈值,对第一候选点集进行扩充,得到第二候选点集,并对第二候选点集进行合并,从而得到候选缺陷点集,其中,第三预设阈值和扩充阈值可以根据实际情况自行设定,优选地,第三预设阈值可以为2,即在对第一候选缺陷点集进行调整前,剔除缺陷点数量为不大于2的第一候选点集。
在一可实施方式中,若第一候选点集为:
其中,abnormal_start_index1[]表示第一候选点集的起始点编号,abnormal_end_index1[]表示第一候选点集的终止点编号,即编号1至编号25的实际像素点组成一个第一候选点集,编号49至编号110的实际像素点组成一个第一候选点集,以此类推,且扩充阈值为10,则对每个第一候选点集进行扩充10个像素,得到第二候选点集,即第二候选点集为:
相当于在第一候选点集的两端各扩充10个像素,从而接连断续的点,如图7和图8所示,图7中第一候选点集之间存在断续的点,图8中经过对第一候选点集进行扩充后,接连了断续的点,最后对第二候选点集进行合并,从而得到候选缺陷点集,即候选缺陷点集为:
如公式六中,编号3989至编号4017的第二候选点集与编号4000至编号4054的第二候选点集中存在重复的点,可以对这两个第二候选点集进行合并,从而得到如公式七的候选缺陷点集。
在本公开第五、第六和第七实施例中,若实际像素点与其位置对应的平滑像素点的第一距离大于第一缺陷判定距离,则将实际像素点确定为缺陷点,并将编号相邻的缺陷点确定为第一候选点集,根据第一候选点集内的缺陷点数量,对第一候选点集进行调整,得到候选缺陷点集。由此,可以得到更准确的候选缺陷点集,从而进一步保证边缘缺陷检测结果的准确性。
在本公开第八实施例中,步骤S104主要包括:
根据预设邻域点数,获取实际边缘轮廓上候选缺陷点集两端的邻域点集;对邻域点集进行样条插值,得到候选缺陷点集的标准轮廓。
在本实施例中,首先根据预设邻域点数,获取实际边缘轮廓上候选缺陷点集两端的邻域点集,然后对邻域点集进行样条差值,得到候选缺陷点集的标准轮廓,其中,预设邻域点数可以根据实际情况自行设定,优选地,预设邻域点数可以为50,即两个邻域点集内各采样50个实际像素点。
图9示出了本公开第八实施例一种边缘缺陷检测方法的第一场景示意图,图10示出了本公开第八实施例一种边缘缺陷检测方法的第二场景示意图,如图9所示,曲线i为实际边缘轮廓上的一段曲线,曲线i上存在一个候选缺陷点集;如图10所示,若预设邻域点数为50,则在图9中实际边缘轮廓上候选缺陷点集的两端各选取50个实际像素点作为邻域点集,然后根据两个邻域点集进行样条差值,得到候选缺陷点集对应的标准轮廓,即曲线j。
在本公开第八实施例中,由候选缺陷点集两端的邻域点集进行样条差值得到标准轮廓,该标准轮廓为实际边缘轮廓上存在缺陷的区域对应的局部标准轮廓,因此,该标准轮廓更靠近其对应的目标物体的局部真实边缘。
在本公开第九实施例中,步骤S105主要包括:
计算候选缺陷区域内的缺陷点与标准轮廓的第二距离;第二距离大于第二缺陷判定距离,根据第二距离对应的缺陷点确定目标缺陷点集;根据目标缺陷点集,确定实际边缘轮廓对应的目标缺陷区域。
在本实施例中,获取到标准轮廓之后,首先计算候选缺陷区域内的缺陷点与标准轮廓的第二距离,即计算候选缺陷区域内的缺陷点与其位置对应的标准轮廓上的像素点的距离,若第二距离大于第二缺陷判定距离,则将缺陷点确定为目标缺陷点,并由编号相邻的目标缺陷点组成目标缺陷点集,最后可以根据目标缺陷点集,确定实际边缘轮廓对应的目标缺陷区域,其中,第二缺陷判定距离可以根据实际情况自行设定。图11示出了本公开第九实施例一种边缘缺陷检测方法的场景示意图,目标物体上的一个目标缺陷区域可以如图11中所示。
在一可实施方式中,确定实际边缘轮廓对应的目标缺陷区域时,首先根据目标缺陷点集和标准轮廓,确定实际边缘轮廓对应的第一缺陷区域,即将目标缺陷点集与其对应的标准轮廓之间的区域作为第一缺陷区域,然后根据第一缺陷区域的第二面积,对第一缺陷区域进行调整,得到目标缺陷区域。
在一可实施方式中,对第一缺陷区域进行调整时,首先获取第一缺陷区域的第二面积,并筛选第二面积大于融合最小面积的第一缺陷区域,得到第二缺陷区域,即剔除第二面积不大于融合最小面积的第一缺陷区域;然后根据缺陷聚类距离,对第二缺陷区域进行融合,得到目标缺陷区域,即若存在多个第二缺陷区域之间的距离小于缺陷聚类距离,则将多个第二缺陷区域融合为一个目标缺陷区域,其中,融合最小面积和缺陷聚类距离可以根据实际情况自行设定。具体地,可以将第一缺陷区域内的像素点数作为其第二面积。
在本公开第九实施例中,由标准轮廓和候选缺陷点集生成第一缺陷区域,并对第一缺陷区域进行筛选和融合,最终得到目标缺陷区域,可以得到更为准确的目标缺陷区域,从而提高边缘缺陷检测结果的准确率。
在本公开第十实施例中,步骤S106主要包括:
获取目标缺陷区域的灰度值;根据缺陷分类阈值和灰度值,确定目标缺陷区域的缺陷类型。
在本实施例中,确定目标缺陷区域之后,还需对目标缺陷区域进行分类,具体地,可以先获取目标缺陷区域的灰度值,然后根据缺陷分类阈值和灰度值,确定目标缺陷区域的缺陷类型。其中,可以将目标缺陷区域的中心点灰度值作为该目标缺陷区域的灰度值,也可以将目标缺陷区域内所有像素点的灰度平均值作为该目标缺陷区域的灰度值。
在一可实施方式中,根据缺陷分类阈值和灰度值,确定目标缺陷区域的缺陷类型时,若灰度值满足缺陷分类阈值,则确定目标缺陷区域的缺陷类型为芽缺;若灰度值不满足缺陷分类阈值,则确定目标缺陷区域的缺陷类型为长芽,其中,缺陷分类阈值可以根据实际情况自行设定。
图12示出了本公开第十实施例一种边缘缺陷检测方法的场景示意图,如图12所示,若待检测区域前景部分(即目标物体)的灰度为0,背景部分(除目标物体外的部分)的灰度为255,缺陷分类阈值为128至255,则若目标缺陷区域的灰度值大于128,则目标缺陷区域处为背景,可以将目标缺陷区域的缺陷类型确定为芽缺或崩边;若目标缺陷区域的灰度值不满足128至255,则目标缺陷区域处为前景,可以将目标缺陷区域的缺陷类型确定为长芽。
在本公开第十实施例中,根据目标缺陷区域的灰度值,对目标缺陷区域进行分类,可以得到更为准确和具体的边缘缺陷检测结果。
图13示出了本公开第十一实施例一种边缘缺陷检测装置的结构示意图,如图13所示,该装置主要包括:
获取模块10,用于获取待检测区域中目标物体的实际边缘轮廓;平滑模块11,用于对实际边缘轮廓进行平滑处理,得到平滑边缘轮廓;第一确定模块12,用于根据平滑边缘轮廓,确定实际边缘轮廓上的候选缺陷点集;生成模块13,用于根据候选缺陷点集的邻域点集,生成候选缺陷点集的标准轮廓;第二确定模块14,用于根据标准轮廓和候选缺陷点集,确定实际边缘轮廓对应的目标缺陷区域;第三确定模块15,用于根据目标缺陷区域,确定目标物体的边缘缺陷检测结果。
在一可实施方式中,该装置还包括:分割模块,用于对待检测图像中的感兴趣区域进行阈值分割,得到分割后感兴趣区域;面积筛选模块,用于对分割后感兴趣区域进行连通域面积筛选,得到筛选后感兴趣区域;填充模块,用于对筛选后感兴趣区域进行孔洞填充,得到待检测区域。
在一可实施方式中,面积筛选模块还用于:计算分割后感兴趣区域的连通域的第一面积;剔除第一面积不满足第一预设阈值的连通域,得到筛选后感兴趣区域。
在一可实施方式中,获取模块10还用于:对待检测区域进行轮廓转换,得到目标物体的初始边缘轮廓;初始边缘轮廓的像素点数大于第二预设阈值,则将初始边缘轮廓确定为实际边缘轮廓。
在一可实施方式中,平滑模块11包括:采样子模块,用于根据平滑采样个数,对实际边缘轮廓上的实际像素点的邻域进行采样,得到采样点集;拟合子模块,用于根据最小二乘法,对采样点集进行拟合,得到拟合结果;平滑处理子模块,用于根据拟合结果,对实际边缘轮廓进行平滑处理,得到平滑边缘轮廓。
在一可实施方式中,平滑处理子模块还用于:将实际像素点投影至其对应的拟合结果,得到平滑像素点;根据平滑像素点生成平滑边缘轮廓。
在一可实施方式中,第一确定模块12包括:获取子模块,用于获取实际边缘轮廓上的实际像素点的第一整体坐标值和平滑边缘轮廓上的平滑像素点的第二整体坐标值;计算子模块,用于根据第一整体坐标值和第二整体坐标值,计算实际像素点与其位置对应的平滑像素点的第一距离;确定子模块,用于根据第一距离,确定实际边缘轮廓上的候选缺陷点集。
在一可实施方式中,获取子模块还用于:获取实际边缘轮廓上的第一起始点,并根据第一起始点,沿第一预设方向依次获取实际边缘轮廓上的所有实际像素点的坐标值,得到第一整体坐标值;获取平滑边缘轮廓上的第二起始点,并根据第二起始点,沿第一预设方向依次获取平滑边缘轮廓上的所有平滑像素点的坐标值,得到第二整体坐标值;其中,第一起始点为最小行坐标对应的所有实际像素点中列坐标最大的实际像素点,第二起始点为与第一起始点位置对应的平滑像素点。
在一可实施方式中,确定子模块还用于:第一距离大于第一缺陷判定距离,将第一距离对应的实际像素点确定为实际边缘轮廓上的缺陷点;将编号相邻的缺陷点确定为第一候选点集;根据第一候选点集的起始点编号和终止点编号,对第一候选点集进行调整,得到候选缺陷点集。
在一可实施方式中,确定子模块还用于:根据第一候选点集的起始点编号和终止点编号,确定第一候选点集内的缺陷点数量;根据缺陷点数量,对第一候选点集进行调整,得到候选缺陷点集。
在一可实施方式中,确定子模块还用于:根据扩充阈值,对缺陷点数量大于第三预设阈值的第一候选点集进行扩充,得到第二候选点集;对第二候选点集进行合并,得到候选缺陷点集。
在一可实施方式中,生成模块13包括:邻域点集获取子模块,用于根据预设邻域点数,获取实际边缘轮廓上候选缺陷点集两端的邻域点集;插值子模块,用于对邻域点集进行样条插值,得到候选缺陷点集的标准轮廓。
在一可实施方式中,第二确定模块14包括:第二计算子模块,用于计算候选缺陷区域内的缺陷点与标准轮廓的第二距离;第二确定子模块,用于第二距离大于第二缺陷判定距离,根据第二距离对应的缺陷点确定目标缺陷点集,并根据目标缺陷点集,确定实际边缘轮廓对应的目标缺陷区域。
在一可实施方式中,第二确定子模块还用于:根据目标缺陷点集和标准轮廓,确定实际边缘轮廓对应的第一缺陷区域;根据第一缺陷区域的第二面积,对第一缺陷区域进行调整,得到目标缺陷区域。
在一可实施方式中,第二确定子模块还用于:筛选第二面积大于融合最小面积的第一缺陷区域,得到第二缺陷区域;根据缺陷聚类距离,对第二缺陷区域进行融合,得到目标缺陷区域。
在一可实施方式中,第三确定模块15包括:灰度值获取子模块,用于获取目标缺陷区域的中心点灰度值;缺陷类型确定子模块,用于根据缺陷分类阈值和中心点灰度值,确定目标缺陷区域的缺陷类型。
在一可实施方式中,缺陷类型确定子模块还用于:中心点灰度值大于缺陷分类阈值,则确定目标缺陷区域的缺陷类型为芽缺;中心点灰度值小于缺陷分类阈值,则确定目标缺陷区域的缺陷类型为长芽。
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14示出了可以用来实施本公开的实施例的示例电子设备1400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14所示,设备1400包括计算单元1401,其可以根据存储在只读存储器(ROM)1402中的计算机程序或者从存储单元1408加载到随机访问存储器(RAM)1403中的计算机程序,来执行各种适当的动作和处理。在RAM 1403中,还可存储设备1400操作所需的各种程序和数据。计算单元1401、ROM 1402以及RAM 1403通过总线1404彼此相连。输入/输出(I/O)接口1405也连接至总线1404。
设备1400中的多个部件连接至I/O接口1405,包括:输入单元1406,例如键盘、鼠标等;输出单元1407,例如各种类型的显示器、扬声器等;存储单元1408,例如磁盘、光盘等;以及通信单元1409,例如网卡、调制解调器、无线通信收发机等。通信单元1409允许设备1400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1401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1401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1401执行上文所描述的各个方法和处理,例如一种边缘缺陷检测方法。例如,在一些实施例中,一种边缘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1408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1402和/或通信单元1409而被载入和/或安装到设备1400上。当计算机程序加载到RAM 1403并由计算单元1401执行时,可以执行上文描述的一种边缘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1401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边缘缺陷检测方法。
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 (9)
1.一种边缘缺陷检测方法,其特征在于,所述方法包括:
获取待检测区域中目标物体的实际边缘轮廓;
对所述实际边缘轮廓进行平滑处理,得到平滑边缘轮廓;
根据所述平滑边缘轮廓,确定所述实际边缘轮廓上的候选缺陷点集;
根据所述候选缺陷点集的邻域点集,生成所述候选缺陷点集的标准轮廓;
根据所述标准轮廓和所述候选缺陷点集,确定所述实际边缘轮廓对应的目标缺陷区域;
根据所述目标缺陷区域,确定所述目标物体的边缘缺陷检测结果。
2.根据权利要求1所述的方法,其特征在于,根据如下方式获取所述待检测区域:
对待检测图像中的感兴趣区域进行阈值分割,得到分割后感兴趣区域;
对所述分割后感兴趣区域进行连通域面积筛选,得到筛选后感兴趣区域;
对所述筛选后感兴趣区域进行孔洞填充,得到所述待检测区域。
3.根据权利要求2所述的方法,其特征在于,所述对所述分割后感兴趣区域进行连通域面积筛选,得到筛选后感兴趣区域,包括:
计算所述分割后感兴趣区域的连通域的第一面积;
剔除第一面积不满足第一预设阈值的连通域,得到所述筛选后感兴趣区域。
4.根据权利要求1所述的方法,其特征在于,所述获取待检测区域中目标物体的实际边缘轮廓,包括:
对所述待检测区域进行轮廓转换,得到所述目标物体的初始边缘轮廓;
所述初始边缘轮廓的像素点数大于第二预设阈值,则将所述初始边缘轮廓确定为所述实际边缘轮廓。
5.根据权利要求1所述的方法,其特征在于,所述对所述实际边缘轮廓进行平滑处理,得到平滑边缘轮廓,包括:
根据平滑采样个数,对所述实际边缘轮廓上的实际像素点的邻域进行采样,得到采样点集;
根据最小二乘法,对所述采样点集进行拟合,得到拟合结果;
根据所述拟合结果,对所述实际边缘轮廓进行平滑处理,得到所述平滑边缘轮廓。
6.根据权利要求5所述的方法,其特征在于,所述根据所述拟合结果,对所述实际边缘轮廓进行平滑处理,得到所述平滑边缘轮廓,包括:
将所述实际像素点投影至其对应的所述拟合结果,得到平滑像素点;
根据所述平滑像素点生成所述平滑边缘轮廓。
7.一种边缘缺陷检测装置,其特征在于,所述装置包括:
获取模块,用于获取待检测区域中目标物体的实际边缘轮廓;
平滑模块,用于对所述实际边缘轮廓进行平滑处理,得到平滑边缘轮廓;
第一确定模块,用于根据所述平滑边缘轮廓,确定所述实际边缘轮廓上的候选缺陷点集;
生成模块,用于根据所述候选缺陷点集的邻域点集,生成所述候选缺陷点集的标准轮廓;
第二确定模块,用于根据所述标准轮廓和所述候选缺陷点集,确定所述实际边缘轮廓对应的目标缺陷区域;
第三确定模块,用于根据所述目标缺陷区域,确定所述目标物体的边缘缺陷检测结果。
8.一种电子设备,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1-6中任一项所述的方法。
9.一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1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310379506.7A CN116385415A (zh) | 2023-04-10 | 2023-04-10 | 一种边缘缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310379506.7A CN116385415A (zh) | 2023-04-10 | 2023-04-10 | 一种边缘缺陷检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116385415A true CN116385415A (zh) | 2023-07-04 |
Family
ID=86974773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310379506.7A Pending CN116385415A (zh) | 2023-04-10 | 2023-04-10 | 一种边缘缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385415A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116958125A (zh) * | 2023-09-18 | 2023-10-27 | 惠州市鑫晖源科技有限公司 | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 |
-
2023
- 2023-04-10 CN CN202310379506.7A patent/CN116385415A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116958125A (zh) * | 2023-09-18 | 2023-10-27 | 惠州市鑫晖源科技有限公司 | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 |
CN116958125B (zh) * | 2023-09-18 | 2023-12-26 | 惠州市鑫晖源科技有限公司 | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581463B (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN111260675B (zh) | 一种图像真实边界高精度提取方法及系统 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN116071272A (zh) | 一种图像校正方法、装置、电子设备及其存储介质 | |
CN112258474A (zh) | 一种墙面异常检测方法和装置 | |
CN117372663A (zh) | 原木端面遮挡的补全方法、装置、设备及存储介质 | |
CN114627206A (zh) | 网格绘制方法、装置、电子设备及计算机可读存储介质 | |
CN117372499A (zh) | 一种原木长短径确定方法、装置、设备及存储介质 | |
CN115546764A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN114004873A (zh) | 作业区域平整度的检测方法、装置、设备、介质及产品 | |
CN113793292A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116309660A (zh) | 一种直线检测方法、装置、设备及存储介质 | |
CN114994671B (zh) | 基于雷达图像的目标检测方法、装置、设备及介质 | |
CN117315406B (zh) | 一种样本图像处理方法、装置及设备 | |
CN116934739A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN116152382B (zh) | 结构平面布置图的数字化表征转化方法及装置、电子设备 | |
US20240020846A1 (en) | Corner point detection method and apparatus | |
CN117115127A (zh) | 一种产品边缘缺陷的检测方法、装置、设备及存储介质 | |
CN116109991B (zh) | 模型的约束参数确定方法、装置及电子设备 | |
CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN116258714A (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
CN117764913A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN116934714A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN116798104A (zh) | 瞳孔检测方法、装置、设备及存储介质 |
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 |