CN116718353B - 一种显示模组光学自动检测方法及装置 - Google Patents
一种显示模组光学自动检测方法及装置 Download PDFInfo
- Publication number
- CN116718353B CN116718353B CN202310647567.7A CN202310647567A CN116718353B CN 116718353 B CN116718353 B CN 116718353B CN 202310647567 A CN202310647567 A CN 202310647567A CN 116718353 B CN116718353 B CN 116718353B
- Authority
- CN
- China
- Prior art keywords
- image
- gray level
- display module
- gray
- input
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000003287 optical effect Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000006870 function Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 17
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 16
- 238000007689 inspection Methods 0.000 description 4
- 238000005476 soldering Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明公开了一种显示模组光学自动检测方法及装置，方法包括步骤：获取待测显示模组图像的灰度图像，获取输入灰度图像；对输入灰度图像进行直方图匹配，获取输出灰度图像；将输出灰度图像与模板灰度图像进行逻辑比较，以确定待测产品的质量。通过获取待测显示模组图像的灰度图像，对输入灰度图像进行直方图匹配，使得产品灰度图像各个灰阶区域的灰度更加均衡，增强了产品图像各特征区域的对比度，降低了在进行AOI测试时，对复杂真实画面的误检率和漏检率，提高了工作效率。
Description
技术领域
本发明涉及显示模组技术领域，特别涉及一种显示模组光学自动检测方法及装置。
背景技术
自动光学检测简称AOI(Automatic Optical Inspection)，是通过光学的方法对电路板扫描，通过CCD摄像头，读取器件及焊脚的图像，通过逻辑算法与良好的影像进行对比，从而对单板进行器件及焊点级的检查，发现是否有漏装、短路、空焊、贴反、偏移、反向、多锡、少锡等焊接缺陷。
AOI系统可以置于流水线之上，不仅可以测试检查单板的结构性缺陷，而且可以成为单板生产过程及质量控制的有效工具，AOI系统可以及时的对测试结果进行统计，实时反馈，做到闭环控制。
在显示屏的显示模组生产工艺中，采用AOI技术对显示模块的显示画面进行光学自动检测(AOI)，来保证显示模组的质量。在显示模组测试时，需要进行多种类型画面的检测，如纯色画面(红、绿、蓝、黑、白、会)，棋盘格画面、复杂真实画面等的检测。
而在对复杂真实画面进行检测的时候，由于对应的匹配画面对比度低，而在采集待测显示模组显示画面的时候不同样品间的亮度、色度差异，这很容易会导致结果误判，使得自动检测的误检率和漏检率偏高，降低了检测的准确性和效率。
发明内容
显示模组在进行AOI测试时，其对复杂真实画面的误检率和漏检率，导致工作效率下降。
针对上述问题，提出一种显示模组光学自动检测方法及装置，通过获取待测显示模组图像的灰度图像，对输入灰度图像进行直方图匹配，使得产品灰度图像各个灰阶区域的灰度更加均衡，增强了产品图像各特征区域的对比度，降低了在进行AOI测试时，对复杂真实画面的误检率和漏检率，提高了工作效率。
第一方面，一种显示模组光学自动检测方法，包括步骤：
获取待测显示模组图像的灰度图像，获取输入灰度图像；
对所述输入灰度图像进行直方图匹配，获取输出灰度图像；
将所述输出灰度图像与模板灰度图像进行逻辑比较，以确定所述待测产品的质量。
结合本发明所述的显示模组光学自动检测方法，第一种可能的实施方式中，所述步骤：获取待测显示模组图像的灰度图像，获取输入灰度图像，包括步骤：
采集所述待测显示模组图像，并对所述待测显示模组图像进行预处理；
对预处理后的待测显示模组图像提取灰度直方分布特征。
结合本发明第一种可能的实施方式，第二种可能的实施方式中，所述步骤：采集所述待测显示模组图像，并对所述待测显示模组图像进行预处理，包括步骤：
对所述待测显示模组图像进行滤波，以减少背景噪声；
采用自适应阈值法对滤波后的图像进行图像增强；
对增强后的图像轮廓进行补偿，以增强图像边缘。
结合本发明第二种可能的实施方式，第三种可能的实施方式中，所述步骤：对预处理后的待测显示模组图像提取灰度直方分布特征，包括步骤：
对预处理后的图像进行灰度归一化处理，获取不同灰阶区域的灰度值；
对每一灰阶区域的灰度进行直方图统计，获取灰度直方分布特征。
结合本发明第三种可能的实施方式，第四种可能的实施方式中，所述步骤：对所述输入灰度图像进行直方图匹配，获取输出灰度图像，包括步骤：
根据所述灰度直方特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理。
结合本发明第四种可能的实施方式，第五种可能的实施方式中，所述步骤：根据所述灰度直方特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理，包括步骤：
在灰度连续状态下，获取所述输入灰度图像中小于灰度r的第一概率；
在灰度连续状态下，利用映射函数：
对所述输入灰度r进行转换，获取输出灰度s，使得所述输出灰度图像中小于输出灰度s的第二概率与所述第一概率相等：
其中，所述L为常数255，S输入(r)为输入灰度r在输入灰度图像出现的概率的统计函数，p输入(t)为任意灰度值t在输入灰度图像中出现的概率；所述输出灰度s通过利用所述映射函数对所述输入灰度r进行转换获取。
结合本发明第五种可能的实施方式，第六种可能的实施方式中，所述步骤:根据所述灰度直方特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理，还包括步骤：
对所述映射函数进行离散处理，获取离散映射函数；
将所述输入灰度图像的各个灰度输入所述离散映射函数，获取输出灰度图像。
第二方面，一种显示模组光学自动检测装置，采用第一方面所述的检测方法对待测显示画面进行自动光学检测，包括：
光学图像获取模块；
匹配模块；
比较模块；
所述光学图像获取模块用于获取显示模组样品图像，并对所述样品图像进行直方图匹配，获取输入灰度图像；
所述匹配模块用于对所述输入灰度图像进行直方图匹配，获取待测显示模组的输出灰度图像；
所述比较模块用于将所述输出灰度图像与模板灰度图像进行逻辑比较，以确定所述待测产品的质量。
结合本发明第二方面所述的显示模组光学自动检测装置，第一种可能的实施方式中，所述光学图像获取模块包括：
图像采集单元；
特征提取单元；
所述图像采集单元用于采集所述待测显示模组图像，并对所述待测显示模组图像进行预处理；
所述特征提取单元用于对预处理后的待测显示模组图像提取灰度直方分布特征。
结合本发明第二方面所述的显示模组光学自动检测装置，第二种可能的实施方式中，所述匹配模块包括：
直方图单元；
所述直方图单元用于根据所述灰度直方特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理。
与现有技术相比，本发明具有如下有益效果：
实施本发明所述的一种显示模组光学自动检测方法及系统，通过获取待测显示模组图像的灰度图像，对输入灰度图像进行直方图匹配，使得产品灰度图像各个灰阶区域的灰度更加均衡，增强了产品图像各特征区域的对比度，降低了在进行AOI测试时，对复杂真实画面的误检率和漏检率，提高了工作效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明显示模组光学自动检测方法第一示意图；
图2为本发明显示模组光学自动检测方法第二示意图；
图3为本发明显示模组光学自动检测方法第三示意图；
图4为本发明显示模组光学自动检测方法第四示意图；
图5为本发明显示模组光学自动检测方法第五示意图；
图6为本发明显示模组光学自动检测方法第六示意图；
图7为本发明显示模组光学自动检测装置第一示意图；
图8为本发明显示模组光学自动检测装置第二示意图。
具体实施方式
下面将结合发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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付出创造性劳动前提下所获得的其他实施例，都属于本发明保护的范围。
显示模组在进行AOI测试时，其对复杂真实画面的误检率和漏检率，导致工作效率下降。
针对上述问题，提出一种显示模组光学自动检测方法及装置。
实施例1
第一方面，一种显示模组光学自动检测方法，如图1，图1为本发明显示模组光学自动检测方法第一示意图；包括步骤：
步骤100、获取待测显示模组图像的灰度图像，获取输入灰度图像；步骤200、对输入灰度图像进行直方图匹配，获取输出灰度图像；步骤300、将输出灰度图像与模板灰度图像进行逻辑比较，以确定待测产品的质量。
在本实施例中，可以利用AOI设备采集产品的图像，经过预处理和特征提取后，获取产品图像的灰度直方分布特征，进而可以获取其灰度分布特征。在灰度特征较为集中的情况，产品的图像各灰阶区域对比度低，容易导致误检率高。
在进行直方图匹配后，产品图像的灰度图的灰阶得到均衡，各区域的对比度增强，有利于提高检测的准确率和工作效率。通过获取待测显示模组图像的灰度图像，对输入灰度图像进行直方图匹配，使得产品灰度图像各个灰阶区域的灰度更加均衡，增强了产品图像各特征区域的对比度，降低了在进行AOI测试时，对复杂真实画面的误检率和漏检率，提高了工作效率。
进一步地，在利用AOI设备获取图像时，如图2，图2为本发明显示模组光学自动检测方法第二示意图；可以优选实施为：
步骤100包括步骤：步骤110、采集待测显示模组图像，并对待测显示模组图像进行预处理；步骤120、对预处理后的待测显示模组图像提取灰度直方分布特征。
在进行预处理时，主要是对采集图像进行预处理，主要为滤除背景噪声、图像增强和锐化等过程。
优选地，如图3，图3为本发明显示模组光学自动检测方法第三示意图；可以具体实施为：
步骤110包括步骤：
步骤111、对待测显示模组图像进行滤波，以减少背景噪声；步骤112、采用自适应阈值法对滤波后的图像进行图像增强；步骤113、对增强后的图像轮廓进行补偿，以增强灰阶跳变的部分和图像的边缘。
在AOI检测中，噪声容易造成图像退化，图像在传输过程中，外界杂散光，光电二极管电子噪声及温度，光源的不稳定不均匀，机械系统的抖动，传感器温度等原因产生图像噪声，使得图像因含有噪声而变得模糊。
在进行图像增强时，自适应阈值法通过学习训练，根据不同的图像，选择最优化的阈值，对灰度图像进行增强处理。
在进行噪声滤除后，在有些情况下会导致图像的边界轮廓，使得边界变得模糊，因此，需要对对增强后的图像轮廓进行补偿，具体的，可以使用拉普拉斯算子对图像进行锐化。
进一步地，将预处理图像归一化后，转化灰度直方图，具体的，如图4，图4为本发明显示模组光学自动检测方法第四示意图；可以实施为：
步骤120包括步骤：
步骤121、对预处理后的图像进行灰度归一化处理，获取不同灰阶区域的灰度值；步骤122、对每一灰阶区域的灰度进行直方图统计，获取灰度直方分布特征。
灰度直方分布特征反映了产品的灰阶的集中程度，灰阶越集中，各灰阶区域的对比度越低。
在有些情况，对于一些显示模组产品的复杂真实图像，在对比度低的情况下，容易导致检测的准确率降低。
因此，需要对显示模组的输入灰度图像的灰阶进行均衡处理，具体的可以实施为：
步骤200包括步骤：
步骤210、根据灰度直方特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理。
在本实施例中，为了对显示模组产品的输入灰度图像进行均衡处理，需要构建从输入灰度到输出灰度的映射函数，如图5，图5为本发明显示模组光学自动检测方法第五示意图；具体的可以实施为：
步骤210包括步骤：
步骤211、在灰度连续状态下，获取输入灰度图像中小于灰度r的第一概率；
步骤212、在灰度连续状态下，利用映射函数：
对输入灰度r进行转换，获取输出灰度s，使得输出灰度图像中小于输出灰度s的第二概率与第一概率相等：
其中，L为常数255，S输入(r)为输入灰度r在输入灰度图像出现的概率的统计函数，p输入(t)为任意灰度值t在输入灰度图像中出现的概率；输出灰度s通过利用映射函数对输入灰度r转换。
通过采用映射函数对输入灰度进行转换，原本比输入灰度r暗的灰度，在变换依然比输出灰度s暗；原本比输入灰度r亮的灰度，在变换后依然比输出灰度s亮。
例如，若输入灰度r＝20，经过s＝T(r)变换后，s＝30，那么，输入灰度图像中灰度值小于20的像素数目等于输出灰度图像中灰度值小于30的像素数目，用频率估算概率，也就是输入灰度图像中灰度值小于20的概率等于输出灰度图像中灰度值小于30的概率。
实施例2
在实际中，数字图像的灰度值是离散的，如图6，图6为本发明显示模组光学自动检测方法第六示意图；因此需要：
步骤210还包括步骤：
步骤213、对映射函数进行离散处理，获取离散映射函数；
步骤214、将输入灰度图像的各个灰度输入离散映射函数，获取输出灰度图像。
实施例3
第二方面，一种显示模组光学自动检测装置，如图7，图7为本发明显示模组光学自动检测装置第一示意图；采用第一方面的检测方法对待测显示画面进行自动光学检测，包括光学图像获取模块10、匹配模块20及比较模块30；光学图像获取模块10用于获取显示模组样品图像，并对样品图像进行直方图匹配，获取输入灰度图像；匹配模块20用于对输入灰度图像进行直方图匹配，获取待测显示模组的输出灰度图像；比较模块30用于将输出灰度图像与模板灰度图像进行逻辑比较，以确定待测产品的质量。
进一步地，如图8，图8为本发明显示模组光学自动检测装置第二示意图；光学图像获取模块10包括图像采集单元11及特征提取单元12；图像采集单元用于采集待测显示模组图像，并对待测显示模组图像进行预处理；特征提取单元用于对预处理后的待测显示模组图像提取灰度直方分布特征。
进一步地，匹配模块20包括直方图单元；直方图单元用于根据灰度直方特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理。
实施本发明的一种显示模组光学自动检测方法及系统，通过获取待测显示模组图像的灰度图像，对输入灰度图像进行直方图匹配，使得产品灰度图像各个灰阶区域的灰度更加均衡，增强了产品图像各特征区域的对比度，降低了在进行AOI测试时，对复杂真实画面的误检率和漏检率，提高了工作效率。
以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种显示模组光学自动检测装置，其特征在于，
装置用于对待测显示画面进行自动光学检测，检测方法，包括以下步骤：
获取待测显示模组图像的灰度图像，获取输入灰度图像；
对所述输入灰度图像进行直方图匹配，获取输出灰度图像；
将所述输出灰度图像与模板灰度图像进行逻辑比较，以确定待测产品的质量；
所述步骤：获取待测显示模组图像的灰度图像，获取输入灰度图像，包括步骤：
采集所述待测显示模组图像，并对所述待测显示模组图像进行预处理；
对预处理后的待测显示模组图像提取灰度直方分布特征；
所述步骤：采集所述待测显示模组图像，并对所述待测显示模组图像进行预处理，包括步骤：
对所述待测显示模组图像进行滤波，以减少背景噪声，其中，所述背景噪声包括图像在传输过程中，外界杂散光、光电二极管电子噪声及温度、光源的不稳定不均匀、机械系统的抖动和传感器温度的原因产生的图像噪声；
采用自适应阈值法对滤波后的图像进行图像增强，其中，在进行图像增强时，自适应阈值法通过学习训练，根据不同的图像，选择最优化的阈值，对灰度图像进行增强处理；
通过拉普拉斯算子对图像进行锐化，对增强后的图像轮廓进行补偿，以增强图像边缘；
所述步骤：对预处理后的待测显示模组图像提取灰度直方分布特征，包括步骤：
对预处理后的图像进行灰度归一化处理，获取不同灰阶区域的灰度值；
对每一灰阶区域的灰度进行直方图统计，获取灰度直方分布特征；
所述步骤：对所述输入灰度图像进行直方图匹配，获取输出灰度图像，包括步骤：
根据所述灰度直方分布特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理；
所述步骤：根据所述灰度直方分布特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理，包括步骤：
在灰度连续状态下，获取所述输入灰度图像中小于灰度r的第一概率；
在灰度连续状态下，利用映射函数：
对所述输入灰度r进行转换，获取输出灰度s，使得所述输出灰度图像中小于输出灰度s的第二概率与所述第一概率相等：
其中，所述L为常数255，S输入(r)为输入灰度r在输入灰度图像出现的概率的统计函数，p输入(t)为任意灰度值t在输入灰度图像中出现的概率；所述输出灰度s通过利用所述映射函数对所述输入灰度r进行转换获取；
所述步骤：根据所述灰度直方分布特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理，还包括步骤：
对所述映射函数进行离散处理，获取离散映射函数；
将所述输入灰度图像的各个灰度输入所述离散映射函数，获取输出灰度图像；
装置包括：
光学图像获取模块；
匹配模块；
比较模块；
所述光学图像获取模块用于获取显示模组样品图像，并对所述样品图像进行直方图匹配，获取输入灰度图像；
所述匹配模块用于对所述输入灰度图像进行直方图匹配，获取待测显示模组的输出灰度图像；
所述比较模块用于将所述输出灰度图像与模板灰度图像进行逻辑比较，以确定所述待测产品的质量；
所述光学图像获取模块包括：
图像采集单元；
特征提取单元；
所述图像采集单元用于采集所述待测显示模组图像，并对所述待测显示模组图像进行预处理；
对所述待测显示模组图像进行预处理，包括步骤：
对所述待测显示模组图像进行滤波，以减少背景噪声，其中，所述背景噪声包括图像在传输过程中，外界杂散光、光电二极管电子噪声及温度、光源的不稳定不均匀、机械系统的抖动和传感器温度的原因产生的图像噪声；
采用自适应阈值法对滤波后的图像进行图像增强，其中，在进行图像增强时，自适应阈值法通过学习训练，根据不同的图像，选择最优化的阈值，对灰度图像进行增强处理；
通过拉普拉斯算子对图像进行锐化，对增强后的图像轮廓进行补偿，以增强图像边缘；
所述特征提取单元用于对预处理后的待测显示模组图像提取灰度直方分布特征；
所述匹配模块包括：
直方图单元；
所述直方图单元用于根据所述灰度直方分布特征，采用直方图匹配法对输入灰度图像的灰度进行均衡处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310647567.7A CN116718353B (zh) | 2023-06-01 | 2023-06-01 | 一种显示模组光学自动检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310647567.7A CN116718353B (zh) | 2023-06-01 | 2023-06-01 | 一种显示模组光学自动检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116718353A CN116718353A (zh) | 2023-09-08 |
| CN116718353B true CN116718353B (zh) | 2024-05-28 |
Family
ID=87869076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310647567.7A Active CN116718353B (zh) | 2023-06-01 | 2023-06-01 | 一种显示模组光学自动检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116718353B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109949725A (zh) * | 2019-03-06 | 2019-06-28 | 武汉精立电子技术有限公司 | 一种aoi系统图像灰度标准化方法及系统 |
| CN110349114A (zh) * | 2019-05-24 | 2019-10-18 | 江西理工大学 | 应用于aoi设备的图像增强方法、装置及道路视频监控设备 |
| CN111369492A (zh) * | 2018-12-25 | 2020-07-03 | 合肥欣奕华智能机器有限公司 | 一种显示屏的检测方法及检测装置、检测系统 |
| CN114494471A (zh) * | 2022-02-16 | 2022-05-13 | 西安培华学院 | 一种图像对比度增强方法及系统 |
| CN115631117A (zh) * | 2022-12-21 | 2023-01-20 | 中科慧远视觉技术(北京)有限公司 | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 |
| CN115862121A (zh) * | 2023-02-23 | 2023-03-28 | 中国人民解放军海军潜艇学院 | 基于多媒体资源库的人脸快速匹配方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100278423A1 (en) * | 2009-04-30 | 2010-11-04 | Yuji Itoh | Methods and systems for contrast enhancement |
-
2023
- 2023-06-01 CN CN202310647567.7A patent/CN116718353B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111369492A (zh) * | 2018-12-25 | 2020-07-03 | 合肥欣奕华智能机器有限公司 | 一种显示屏的检测方法及检测装置、检测系统 |
| CN109949725A (zh) * | 2019-03-06 | 2019-06-28 | 武汉精立电子技术有限公司 | 一种aoi系统图像灰度标准化方法及系统 |
| CN110349114A (zh) * | 2019-05-24 | 2019-10-18 | 江西理工大学 | 应用于aoi设备的图像增强方法、装置及道路视频监控设备 |
| CN114494471A (zh) * | 2022-02-16 | 2022-05-13 | 西安培华学院 | 一种图像对比度增强方法及系统 |
| CN115631117A (zh) * | 2022-12-21 | 2023-01-20 | 中科慧远视觉技术(北京)有限公司 | 缺陷检测用的图像增强方法、装置、检测系统及存储介质 |
| CN115862121A (zh) * | 2023-02-23 | 2023-03-28 | 中国人民解放军海军潜艇学院 | 基于多媒体资源库的人脸快速匹配方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于人工智能技术的多媒体记录工艺装备的研究;谢勇等;《机电元件》;20181018;第38卷(第5期);第11-14页 * |
| 灰度图像的直方图均衡化处理研究;陈永亮;《中国优秀硕士学位论文全文数据库 信息科技辑》(第9期);第27-47页 * |
| 陈永亮.灰度图像的直方图均衡化处理研究.《中国优秀硕士学位论文全文数据库 信息科技辑》.2014,(第9期),第27-47页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116718353A (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111289538A (zh) | 基于机器视觉的pcb板元件检测系统及检测方法 | |
| CN115561247A (zh) | 一种电子元器件外观自动视觉检测系统 | |
| CN109870463B (zh) | 一种电子芯片故障检测装置 | |
| KR20140091916A (ko) | 디스플레이 패널 검사방법 | |
| CN111724375B (zh) | 一种屏幕检测方法及系统 | |
| CN109461156B (zh) | 基于视觉的螺纹密封塞装配检测方法 | |
| CN113781396A (zh) | 屏幕缺陷检测方法、装置、设备和存储介质 | |
| CN112583999A (zh) | 相机模块的镜头脏污检测方法 | |
| CN113785181A (zh) | Oled屏幕点缺陷判定方法、装置、存储介质及电子设备 | |
| CN114445330A (zh) | 一种元器件外观缺陷的检测方法及系统 | |
| CN110441318A (zh) | 一种基于机器视觉的化纤喷丝头孔缺陷检测方法 | |
| KR20150068884A (ko) | 반도체 검사 방법, 반도체 검사 장치 및 반도체 제조 방법 | |
| CN116721039B (zh) | 一种应用于自动化光学缺陷检测中的图像预处理方法 | |
| CN116718353B (zh) | 一种显示模组光学自动检测方法及装置 | |
| US7668344B2 (en) | Stain inspection method and apparatus | |
| CN114689605A (zh) | 基于机器视觉的显示屏检测方法、装置、设备及介质 | |
| CN116229856A (zh) | 一种计算机用自动控制的屏幕检测系统及方法 | |
| CN110624853A (zh) | 一种在线魔幻棒视觉检测系统 | |
| KR101993654B1 (ko) | 표시패널의 얼룩 검사 장치 및 그 방법 | |
| CN115479891A (zh) | 基于图像识别的电路板载元器件自动检测系统和方法 | |
| CN115343313A (zh) | 基于人工智能的视觉识别方法 | |
| CN114693656A (zh) | 一种led显示屏显示缺陷的检测方法及相机和滤光片的标定方法 | |
| JP4822468B2 (ja) | 欠陥検査装置、欠陥検査方法、及びパターン基板の製造方法 | |
| CN114913123A (zh) | 过滤网的网格缺陷检测方法及装置 | |
| CN114037664A (zh) | 基于机器视觉的输液器配件检测方法、系统、存储介质及设备 |
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 |