CN116863175B - 一种直角连接器缺陷识别方法、装置、设备及介质 - Google Patents
一种直角连接器缺陷识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116863175B CN116863175B CN202311111151.XA CN202311111151A CN116863175B CN 116863175 B CN116863175 B CN 116863175B CN 202311111151 A CN202311111151 A CN 202311111151A CN 116863175 B CN116863175 B CN 116863175B
- Authority
- CN
- China
- Prior art keywords
- image
- type
- defect information
- identifying
- right angle
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000149 penetrating effect Effects 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 59
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Details Of Connecting Devices For Male And Female Coupling (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种直角连接器缺陷识别方法、装置、设备及介质,方法包括以下步骤:基于第一视角获取直角连接器的第一图像;直角连接器包括连接座以及贯穿连接座的多个L形插针;将第一图像与第一标准图像进行对比,以识别第一图像中是否存在第一类缺陷信息;第一类缺陷信息为L形插针朝着第一方向偏移,第一方向为L形插针互相靠近的方向;基于第二视角获取直角连接器的第二图像;第二视角为直角连接器的侧面视角;将第二图像与第二标准图像进行对比,以识别第二图像中是否存在第二类缺陷信息;第二类缺陷信息为L形插针朝着第二方向偏移,第二方向为与第一方向垂直的方向,本申请具有提高了对直角连接器缺陷识别准确性和效率的优点。
Description
技术领域
本申请涉及图像数据处理技术领域,尤其涉及一种直角连接器缺陷识别方法、装置、设备及介质。
背景技术
连接器是电子设备中不可缺少的部件,连接器形式和结构是千变万化的,随着应用对象、频率、功率、应用环境等不同,有各种不同形式的连接器。插针连接器是最常见的一种连接器,根据使用场景的不同,插针连接器的结构形式多种多样,其中,直角连接器作为插针连接器结构比较特殊的一种,其插针是呈L形结构的,使用时可便于节省空间,满足不同方位的连接关系。
直角连接器制造过程中,需要对其多个L形的插针进行缺陷检测,检测出是否存在有位置偏移等缺陷的插针,以便于后续返修矫正,而目前主要通过人工目视检测,由于插针数量多,体积小,目视检测准确性较低,且效率也较低,难以满足高质高效的生产需求。
发明内容
本申请的主要目的在于提供一种直角连接器缺陷识别方法、装置、设备及介质,旨在解决现有直角连接器的插针缺陷检测准确性较低的技术问题。
为实现上述目的,本申请提供一种直角连接器缺陷识别方法,包括以下步骤:
基于第一视角获取直角连接器的第一图像;其中,第一视角为直角连接器的正面视角,直角连接器包括连接座以及贯穿连接座的多个L形插针;
将第一图像与预设的第一标准图像进行对比,以识别第一图像中是否存在第一类缺陷信息;其中,第一类缺陷信息为L形插针朝着第一方向偏移,第一方向为L形插针互相靠近的方向;
基于第二视角获取直角连接器的第二图像;其中,第二视角为直角连接器的侧面视角;
将第二图像与预设的第二标准图像进行对比,以识别第二图像中是否存在第二类缺陷信息;其中,第二类缺陷信息为L形插针朝着第二方向偏移,第二方向为与第一方向垂直的方向;
输出识别结果。
可选地,若第一图像中存在第一类缺陷信息,还包括以下步骤:
对第一图像中对应的所有L形插针进行编号;
对第一图像中具有第一类缺陷信息的L形插针所属编号识别为第一异常编号,并对第一异常编号进行标记;
将标记的第一异常编号输入到识别结果中。
可选地,所述对第一图像中具有第一类缺陷信息的L形插针所属编号识别为第一异常编号,并对第一异常编号进行标记,包括:
获取第一图像中对应上插针段的第一中心轴线;其中,上插针段为L形插针位于连接座顶部的一段;
获取第一图像中对应下插针段的第二中心轴线;其中,下插针段为L形插针位于连接座底部的一段;
获取第一中心轴线和第二中心轴线的夹角;
将第一图像中夹角大于零的L形插针所属编号识别为第一异常编号,并对第一异常编号进行标记。
可选地,若第二图像中存在第二类缺陷信息,还包括以下步骤:
基于第三视角获取直角连接器的第三图像;其中,第三视角为直角连接器的俯视角;
对第三图像中对应的所有上插针段进行编号;其中,上插针段为L形插针位于连接座顶部的一段;
对第三图像中具有第二类缺陷信息的上插针段所属编号识别为第二异常编号,并对第二异常编号进行标记;
将标记的第二异常编号输入到识别结果中。
可选地,所述对第三图像中具有第二类缺陷信息的上插针段所属编号识别为第二异常编号,并对第二异常编号进行标记,包括:
获取第三图像中对应所有上插针段的顶端轮廓信息;
分别构建每个顶端轮廓信息的第一中心点;
将所有位于同一水平线的第一中心点相连,以形成第一基准线;
将不在第一基准线上的第一中心点识别为第一异常点;
将第一异常点所属上插针段对应编号识别为第二异常编号,并对第二异常编号进行标记。
可选地,若第二图像中存在第二类缺陷信息,还包括以下步骤:
对第一图像中对应的所有下插针段进行编号;其中,下插针段为L形插针位于连接座底部的一段,下插针段呈L形;
对第一图像中具有第二类缺陷信息的下插针段所属编号识别为第三异常编号,并对第三异常编号进行标记;
对标记的第三异常编号输入到识别结果中。
可选地,所述对第一图像中具有第二类缺陷信息的下插针段所属编号识别为第三异常编号,并对第三异常编号进行标记,包括:
获取第一图像中对应所有下插针段的端部轮廓信息;
分别构建每个端部轮廓信息的第二中心点;
将所有位于同一水平线的第二中心点相连,以形成第二基准线;
将不在第二基准线上的第二中心点识别为第二异常点;
将第二异常点所属下插针段对应编号识别为第三异常编号,并对第三异常编号进行标记。
为实现上述目的,本申请还提供一种直角连接器缺陷识别装置,包括:
第一图像获取模块,用于基于第一视角获取直角连接器的第一图像;其中,第一视角为直角连接器的正面视角,直角连接器包括连接座以及贯穿连接座的多个L形插针;
第一识别模块,用于将第一图像与预设的第一标准图像进行对比,以识别第一图像中是否存在第一类缺陷信息;其中,第一类缺陷信息为L形插针朝着第一方向偏移,第一方向为L形插针互相靠近的方向;
第二图像获取模块,用于基于第二视角获取直角连接器的第二图像;其中,第二视角为直角连接器的侧面视角;
第二识别模块,用于将第二图像与预设的第二标准图像进行对比,以识别第二图像中是否存在第二类缺陷信息;其中,第二类缺陷信息为L形插针朝着第二方向偏移,第二方向为与第一方向垂直的方向;
输出模块,用于输出识别结果。
为实现上述目的,本申请还提供一种计算机设备,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现上述的方法。
为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现上述的方法。
本申请所能实现的有益效果如下:
本申请结合机器视觉技术,在直角连接器正面视角获取第一图像,从而得到具有多个L形插针排列的第一图像,此时多个L形插针轮廓呈条形,再将第一图像与预设的第一标准图像进行对比,根据轮廓重合情况,从而可识别出第一图像中是否存在L形插针朝着互相靠近方向(即左右方向)偏移的缺陷信息,同理,在直角连接器侧面视角获取第二图像,从而得到具有呈L形轮廓的L形插针的第二图像,再将第二图像与预设的第二标准图像进行对比,根据轮廓重合情况,从而可识别出第二图像中是否存在L形插针朝着前后方向偏移的缺陷信息,因此,相比传统人工目视检测的方法,本申请不仅提高了对直角连接器的L形插针缺陷检测的准确性,还提高了缺陷检测效率,满足当前高质高效的生产需求。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本申请的实施例中一种直角连接器缺陷识别方法的流程示意图;
图2为本申请的实施例中直角连接器的结构示意图;
图3为本申请的实施例中基于第一视角获取的第一图像的示意图;
图4为本申请的实施例中基于第二视角获取的第二图像的示意图(虚线部分即为偏移的L形插针);
图5为本申请的实施例中基于第一图像识别具有第一类缺陷信息的L形插针时的原理示意图;
图6为本申请的实施例中基于第三图像识别具有第二类缺陷信息的上插针段时的原理示意图;
图7为本申请的实施例中基于第一图像识别具有第二类缺陷信息的下插针段时的原理示意图。
附图标记:
110-连接座,120-L形插针,121-上插针段,122-下插针段。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
在本申请中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
另外,若本申请实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其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”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
实施例1
参照图1-图7,本实施例提供一种直角连接器缺陷识别方法,包括以下步骤:
基于第一视角获取直角连接器的第一图像;其中,第一视角为直角连接器的正面视角,直角连接器包括连接座110以及贯穿连接座110的多个L形插针120;
将第一图像与预设的第一标准图像进行对比,以识别第一图像中是否存在第一类缺陷信息;其中,第一类缺陷信息为L形插针120朝着第一方向偏移,第一方向为L形插针120互相靠近的方向;
基于第二视角获取直角连接器的第二图像;其中,第二视角为直角连接器的侧面视角;
将第二图像与预设的第二标准图像进行对比,以识别第二图像中是否存在第二类缺陷信息;其中,第二类缺陷信息为L形插针120朝着第二方向偏移,第二方向为与第一方向垂直的方向;
输出识别结果。
由于L形插针120的偏移方向不确定,可能左右方向偏移,可能前后方向偏移,也可能同时在左右方向和前后方向偏移,依靠人工目视检测需要多方位观察,若偏移比较细微,则观察难度大,不易把控检测准确性,因此,在本实施例中,结合机器视觉技术,在直角连接器正面视角获取第一图像,从而得到具有多个L形插针120排列的第一图像,此时多个L形插针120轮廓呈条形,再将第一图像与预设的第一标准图像进行对比,根据轮廓重合情况,从而可识别出第一图像中是否存在L形插针120朝着互相靠近方向(即左右方向)偏移的缺陷信息,同理,在直角连接器侧面视角获取第二图像,从而得到具有呈L形轮廓的L形插针120的第二图像,再将第二图像与预设的第二标准图像进行对比,根据轮廓重合情况,从而可识别出第二图像中是否存在L形插针120朝着前后方向偏移的缺陷信息,因此,相比传统人工目视检测的方法,本实施例分别在不同方位获取直角连接器的图像信息,从而在不同视角展现L形插针120的轮廓信息,便于准确比对,不仅提高了对直角连接器的L形插针120缺陷检测的准确性,降低了人为检测误差,还提高了缺陷检测效率,满足当前高质高效的生产需求。
需要说明的是,在硬件设备方面,获取第一图像和第二图像时可配置CCD相机进行图像采集,CCD相机采集的图像可输送给配置的计算机进行图像数据处理;第一标准图像和第二标准图像均为计算机存储的图像数据库中直角连接器在对应视角无缺陷的轮廓图像;获取的第一图像和第二图像应当为处理过的黑白图像,便于缺陷特征的提取识别,黑白图像处理过程为:先获取直角连接器的原图像,对原图像进行灰度处理以获得灰度图像,对灰度图像进行降噪处理以及二值化处理,即可获得黑白图像;当检测均不存在第一类缺陷信息和第二类缺陷信息时,输出的识别结果则为合格,若存在缺陷信息,则输出识别结果则为不合格,并可备注不合格品对应缺陷信息属于第一类缺陷信息或第二类缺陷信息。
作为一种可选的实施方式,若第一图像中存在第一类缺陷信息,还包括以下步骤:
对第一图像中对应的所有L形插针120进行编号;
对第一图像中具有第一类缺陷信息的L形插针120所属编号识别为第一异常编号,并对第一异常编号进行标记;
将标记的第一异常编号输入到识别结果中。
在本实施方式中,当识别到第一图像中存在第一类缺陷信息时,由于第一图像中对应的L形插针120数量较多,还需要准确标记出具有第一类缺陷信息的L形插针120的具体位置,以便于后续根据位置信息快速找到缺陷位置,从而便于快速进行返修矫正,以提高工作效率,因此,本实施例通过对所有L形插针120进行编号的方式,例如从左到右对L形插针120分别编号为A1、A2、A3...An(n为L形插针120的数量),若检测到编号为A3的L形插针120具有第一类缺陷信息时,将编号A3作为第一异常编号输入到识别结果中,后续即可根据编号A3位置快速定位缺陷位置,实现对L形插针120缺陷位置的快速标定。
作为一种可选的实施方式,所述对第一图像中具有第一类缺陷信息的L形插针120所属编号识别为第一异常编号,并对第一异常编号进行标记,包括:
获取第一图像中对应上插针段121的第一中心轴线;其中,上插针段121为L形插针120位于连接座110顶部的一段;
获取第一图像中对应下插针段122的第二中心轴线;其中,下插针段122为L形插针120位于连接座110底部的一段;
获取第一中心轴线和第二中心轴线的夹角;
将第一图像中夹角大于零的L形插针120所属编号识别为第一异常编号,并对第一异常编号进行标记。
在本实施方式中,由于L形插针120是贯穿连接座110的,则L形插针120在连接座110上下各有一段,即上插针段121和下插针段122,在生产制造过程中,上插针段121和下插针段122可能会单独或同时发生左右偏移,在标定发生偏移的L形插针120时,首先识别具有第一类缺陷信息的L形插针120,通过分别对上插针段121和下插针段122长度方向构建第一中心轴线和第二中心轴线,若上插针段121和下插针段122均无偏移,则第一中心轴线和第二中心轴线会重合无夹角(即夹角为零),若上插针段121和下插针段122任一个有偏移,则第一中心轴线和第二中心轴线会形成夹角,记为α,此时α>0,此时即可对有夹角α的L形插针120所属编号识别为第一异常编号,并对第一异常编号进行标记,通过对L形插针120准确识别第一类缺陷信息并进行编号标记的方式,从而便于后续快速找到缺陷位置。
需要说明的是,根据目前制造工艺手段,上插针段121和下插针段122一般只可能偏移其中一个,少数情况上插针段121和下插针段122会同时偏移,即使两者同时偏移,偏移量也会不一致,因此只要有偏移缺陷都会使上插针段121和下插针段122形成一定夹角,上插针段121和下插针段122偏移量相等而导致夹角α=0的情况微乎其微,因此上述实施方式可有效识别出L形插针120的第一类缺陷信息并进行标记。
作为一种可选的实施方式,若第二图像中存在第二类缺陷信息,还包括以下步骤:
基于第三视角获取直角连接器的第三图像;其中,第三视角为直角连接器的俯视角;
对第三图像中对应的所有上插针段121进行编号;其中,上插针段121为L形插针120位于连接座110顶部的一段;
对第三图像中具有第二类缺陷信息的上插针段121所属编号识别为第二异常编号,并对第二异常编号进行标记;
将标记的第二异常编号输入到识别结果中。
在本实施方式中,当识别到第二图像中存在第二类缺陷信息时,也需要准确标记出具有第二类缺陷信息的L形插针120的具体位置,以便于后续根据位置信息快速找到缺陷位置,从而便于根据缺陷位置以及缺陷类型快速进行返修矫正,以提高工作效率,因此,本实施方式通过在俯视角获取第三图像(第三图像也应当为处理后的黑白图像),由于在该俯视角获取的第三图像显示的是上插针段121的顶部轮廓,顶部轮廓更能体现上插针段121前后偏移特征变化,进行编号后(例如从左到右编号为B1、B2、B3...Bn),从而便于对具有第二类缺陷信息的上插针段121所属编号识别为第二异常编号,并对第二异常编号进行标记(例如B5),实现了对上插针段121前后偏转缺陷位置的准确标记。
作为一种可选的实施方式,所述对第三图像中具有第二类缺陷信息的上插针段121所属编号识别为第二异常编号,并对第二异常编号进行标记,包括:
获取第三图像中对应所有上插针段121的顶端轮廓信息;
分别构建每个顶端轮廓信息的第一中心点;
将所有位于同一水平线的第一中心点相连,以形成第一基准线;
将不在第一基准线上的第一中心点识别为第一异常点;
将第一异常点所属上插针段121对应编号识别为第二异常编号,并对第二异常编号进行标记。
在本实施方式中,由于在该俯视角获取的第三图像显示的是上插针段121的顶部轮廓,若上插针段121为方柱形,则其顶部轮廓为矩形,若上插针段121为圆柱形,则其顶部轮廓为圆形,由于第二类缺陷信息是前后偏移,上插针段121的顶部轮廓更能体现前后偏移特征变化,因此通过分别构建每个顶端轮廓信息的第一中心点,由于根据目前加工工艺,存在有前后偏移缺陷的上插针段121数量较少,一般为1-3根,对于10针或20针规格的连接器来说,大多插针是无偏移缺陷的,因此这里所有位于同一水平线的第一中心点可代表大多数无偏移缺陷的合格的插针,因此将所有位于同一水平线的第一中心点相连,即可形成第一基准线,然后识别不在第一基准线的第一中心点即为第一异常点,即可对该第一异常点对应编号识别为第二异常编号并进行标记,识别准确有效。
上述实施方式仅限于对上插针段121的第二类缺陷信息进行识别标记,而下插针段122呈L形,在俯视角难以判断下插针段122发生前后偏移后特征的变化,因此,对下插针段122前后偏移缺陷的识别标记还需采用另外的方法,作为一种可选的实施方式,若第二图像中存在第二类缺陷信息,还包括以下步骤:
对第一图像中对应的所有下插针段122进行编号;其中,下插针段122为L形插针120位于连接座110底部的一段,下插针段122呈L形;
对第一图像中具有第二类缺陷信息的下插针段122所属编号识别为第三异常编号,并对第三异常编号进行标记;
对标记的第三异常编号输入到识别结果中。
在本实施方式中,基于正面视角的第一图像,可分别显示下插针段122在正面视角的轮廓,当发生前后偏移时,下插针段122的轮廓变化明显,从而便于特征识别,按照从左到右编号,例如C1、C2、C3...Cn,将具有第二类缺陷信息的下插针段122所属编号识别为第三异常编号(例如C5、C6),并对第三异常编号进行标记,实现了对下插针段122前后偏转缺陷位置的准确标记。
作为一种可选的实施方式,所述对第一图像中具有第二类缺陷信息的下插针段122所属编号识别为第三异常编号,并对第三异常编号进行标记,包括:
获取第一图像中对应所有下插针段122的端部轮廓信息;
分别构建每个端部轮廓信息的第二中心点;
将所有位于同一水平线的第二中心点相连,以形成第二基准线;
将不在第二基准线上的第二中心点识别为第二异常点;
将第二异常点所属下插针段122对应编号识别为第三异常编号,并对第三异常编号进行标记。
在本实施方式中,由于第一图像中显示的下插针段122成条形,且下插针段122在侧面呈L形,当发生前后偏移时,其底部水平段的端部(即端部轮廓信息)偏移量最为明显,其端部轮廓为矩形或圆形(若有偏移缺陷,则为椭圆形),因此,通过分别构建每个端部轮廓信息的第二中心点,同理,由于大多数下插针段122无偏移,因此大多数第二中心点均在同一水平线,第二中心点相连形成第二基准线后,而不在第二基准线上的第二中心点即可识别为第二异常点,将第二异常点所属下插针段122对应编号识别为第三异常编号,并对第三异常编号进行标记,识别准确有效。
实施例2
参照图1-图7,基于与前述实施例相同的发明思路,本实施例还提供一种直角连接器缺陷识别装置,包括:
第一图像获取模块,用于基于第一视角获取直角连接器的第一图像;其中,第一视角为直角连接器的正面视角,直角连接器包括连接座110以及贯穿连接座110的多个L形插针120;
第一识别模块,用于将第一图像与预设的第一标准图像进行对比,以识别第一图像中是否存在第一类缺陷信息;其中,第一类缺陷信息为L形插针120朝着第一方向偏移,第一方向为L形插针120互相靠近的方向;
第二图像获取模块,用于基于第二视角获取直角连接器的第二图像;其中,第二视角为直角连接器的侧面视角;
第二识别模块,用于将第二图像与预设的第二标准图像进行对比,以识别第二图像中是否存在第二类缺陷信息;其中,第二类缺陷信息为L形插针120朝着第二方向偏移,第二方向为与第一方向垂直的方向;
输出模块,用于输出识别结果。
本实施例的装置中各模块的相关解释和举例可参照前述实施例的方法,这里不再赘述。
实施例3
基于与前述实施例相同的发明思路,本实施例提供一种计算机设备,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现上述的方法。
实施例4
基于与前述实施例相同的发明思路,本实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现上述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种直角连接器缺陷识别方法,其特征在于,包括以下步骤:
基于第一视角获取直角连接器的第一图像;其中,所述第一视角为所述直角连接器的正面视角,所述直角连接器包括连接座以及贯穿所述连接座的多个L形插针;
将所述第一图像与预设的第一标准图像进行对比,以识别所述第一图像中是否存在第一类缺陷信息;其中,所述第一类缺陷信息为所述L形插针朝着第一方向偏移,所述第一方向为所述L形插针互相靠近的方向;
基于第二视角获取所述直角连接器的第二图像;其中,所述第二视角为所述直角连接器的侧面视角;
将所述第二图像与预设的第二标准图像进行对比,以识别所述第二图像中是否存在第二类缺陷信息;其中,所述第二类缺陷信息为所述L形插针朝着第二方向偏移,所述第二方向为与所述第一方向垂直的方向;
输出识别结果。
2.如权利要求1所述的一种直角连接器缺陷识别方法,其特征在于,若所述第一图像中存在所述第一类缺陷信息,还包括以下步骤:
对所述第一图像中对应的所有所述L形插针进行编号;
对所述第一图像中具有所述第一类缺陷信息的所述L形插针所属编号识别为第一异常编号,并对所述第一异常编号进行标记;
将标记的所述第一异常编号输入到所述识别结果中。
3.如权利要求2所述的一种直角连接器缺陷识别方法,其特征在于,所述对所述第一图像中具有所述第一类缺陷信息的所述L形插针所属编号识别为第一异常编号,并对所述第一异常编号进行标记,包括:
获取所述第一图像中对应上插针段的第一中心轴线;其中,所述上插针段为所述L形插针位于所述连接座顶部的一段;
获取所述第一图像中对应下插针段的第二中心轴线;其中,所述下插针段为所述L形插针位于所述连接座底部的一段;
获取所述第一中心轴线和所述第二中心轴线的夹角;
将所述第一图像中夹角大于零的所述L形插针所属编号识别为第一异常编号,并对所述第一异常编号进行标记。
4.如权利要求1所述的一种直角连接器缺陷识别方法,其特征在于,若所述第二图像中存在所述第二类缺陷信息,还包括以下步骤:
基于第三视角获取所述直角连接器的第三图像;其中,所述第三视角为所述直角连接器的俯视角;
对所述第三图像中对应的所有上插针段进行编号;其中,所述上插针段为所述L形插针位于所述连接座顶部的一段;
对所述第三图像中具有所述第二类缺陷信息的所述上插针段所属编号识别为第二异常编号,并对所述第二异常编号进行标记;
将标记的所述第二异常编号输入到所述识别结果中。
5.如权利要求4所述的一种直角连接器缺陷识别方法,其特征在于,所述对所述第三图像中具有所述第二类缺陷信息的所述上插针段所属编号识别为第二异常编号,并对所述第二异常编号进行标记,包括:
获取所述第三图像中对应所有所述上插针段的顶端轮廓信息;
分别构建每个所述顶端轮廓信息的第一中心点;
将所有位于同一水平线的所述第一中心点相连,以形成第一基准线;
将不在所述第一基准线上的所述第一中心点识别为第一异常点;
将所述第一异常点所属所述上插针段对应编号识别为第二异常编号,并对所述第二异常编号进行标记。
6.如权利要求4或5所述的一种直角连接器缺陷识别方法,其特征在于,若所述第二图像中存在所述第二类缺陷信息,还包括以下步骤:
对所述第一图像中对应的所有下插针段进行编号;其中,所述下插针段为所述L形插针位于所述连接座底部的一段,所述下插针段呈L形;
对所述第一图像中具有所述第二类缺陷信息的所述下插针段所属编号识别为第三异常编号,并对所述第三异常编号进行标记;
对标记的所述第三异常编号输入到所述识别结果中。
7.如权利要求6所述的一种直角连接器缺陷识别方法,其特征在于,所述对所述第一图像中具有所述第二类缺陷信息的所述下插针段所属编号识别为第三异常编号,并对所述第三异常编号进行标记,包括:
获取所述第一图像中对应所有所述下插针段的端部轮廓信息;
分别构建每个所述端部轮廓信息的第二中心点;
将所有位于同一水平线的所述第二中心点相连,以形成第二基准线;
将不在所述第二基准线上的所述第二中心点识别为第二异常点;
将所述第二异常点所属所述下插针段对应编号识别为第三异常编号,并对所述第三异常编号进行标记。
8.一种直角连接器缺陷识别装置,其特征在于,包括:
第一图像获取模块,用于基于第一视角获取直角连接器的第一图像;其中,所述第一视角为所述直角连接器的正面视角,所述直角连接器包括连接座以及贯穿所述连接座的多个L形插针;
第一识别模块,用于将所述第一图像与预设的第一标准图像进行对比,以识别所述第一图像中是否存在第一类缺陷信息;其中,所述第一类缺陷信息为所述L形插针朝着第一方向偏移,所述第一方向为所述L形插针互相靠近的方向;
第二图像获取模块,用于基于第二视角获取所述直角连接器的第二图像;其中,所述第二视角为所述直角连接器的侧面视角;
第二识别模块,用于将所述第二图像与预设的第二标准图像进行对比,以识别所述第二图像中是否存在第二类缺陷信息;其中,所述第二类缺陷信息为所述L形插针朝着第二方向偏移,所述第二方向为与所述第一方向垂直的方向;
输出模块,用于输出识别结果。
9.一种计算机设备,其特征在于,该计算机设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311111151.XA CN116863175B (zh) | 2023-08-31 | 2023-08-31 | 一种直角连接器缺陷识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311111151.XA CN116863175B (zh) | 2023-08-31 | 2023-08-31 | 一种直角连接器缺陷识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116863175A CN116863175A (zh) | 2023-10-10 |
CN116863175B true CN116863175B (zh) | 2023-12-26 |
Family
ID=88221913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311111151.XA Active CN116863175B (zh) | 2023-08-31 | 2023-08-31 | 一种直角连接器缺陷识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116863175B (zh) |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011069742A (ja) * | 2009-09-25 | 2011-04-07 | Panasonic Electric Works Co Ltd | 欠陥検出装置および欠陥検出方法 |
CN103286081A (zh) * | 2013-05-07 | 2013-09-11 | 浙江工业大学 | 基于单目多视角机器视觉的钢珠表面缺陷在线自动分选装置 |
WO2018000731A1 (zh) * | 2016-06-28 | 2018-01-04 | 华南理工大学 | 一种曲面表面缺陷自动检测方法及其装置 |
CN109727229A (zh) * | 2018-11-28 | 2019-05-07 | 歌尔股份有限公司 | 虚焊检测方法及装置 |
AR112522A1 (es) * | 2018-07-30 | 2019-11-06 | Nippon Steel & Sumitomo Metal Corp | Aparato y método de inspección de superficie interior de un cuerpo tubular |
US10666884B1 (en) * | 2019-03-04 | 2020-05-26 | Foveon, Inc. | Method of classifying and correcting image sensor defects utilizing defective-pixel information from color channels |
WO2020103310A1 (zh) * | 2018-11-20 | 2020-05-28 | 深圳市维图视技术有限公司 | 一种口罩缺陷检测装置及方法 |
WO2020133046A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
CN111824455A (zh) * | 2020-07-27 | 2020-10-27 | 四川创客知佳科技有限公司 | 一种基于大数据的外观安全检测系统 |
CN111846281A (zh) * | 2020-07-27 | 2020-10-30 | 四川创客知佳科技有限公司 | 基于大数据的安全检测方法 |
CN113420690A (zh) * | 2021-06-30 | 2021-09-21 | 平安科技(深圳)有限公司 | 基于感兴趣区域的静脉识别方法、装置、设备及存储介质 |
CN113781486A (zh) * | 2021-11-15 | 2021-12-10 | 新恒汇电子股份有限公司 | Ic卡图像缺陷检测方法 |
CN114264723A (zh) * | 2021-12-22 | 2022-04-01 | 上海骏然网络科技有限公司 | 基于超声波检测的纺织品质量检测系统及方法 |
CN114387233A (zh) * | 2021-12-29 | 2022-04-22 | 山东大学 | 一种基于机器视觉的砂型缺陷检测方法及系统 |
KR102459234B1 (ko) * | 2021-09-13 | 2022-10-28 | 주식회사 엠아이티 | 초음파 프로브를 이용한 불량소자 검사방법 및 이를 이용하는 검사장치, 그리고 그 프로세서에 의해 수행되는 불량 소자 분류 방법 |
WO2022246898A1 (zh) * | 2021-05-27 | 2022-12-01 | 中科晶源微电子技术(北京)有限公司 | 用于电子束缺陷检测的像素尺寸校准方法和装置及设备 |
CN115731222A (zh) * | 2022-12-01 | 2023-03-03 | 中网华信科技股份有限公司 | 钢坯表面检测方法、装置、设备及计算机可读存储介质 |
CN116012380A (zh) * | 2023-03-27 | 2023-04-25 | 中江立江电子有限公司 | 一种绝缘子缺陷检测方法、装置、设备及介质 |
CN116030053A (zh) * | 2023-03-27 | 2023-04-28 | 中江立江电子有限公司 | 一种连接器引脚缺陷检测方法、装置、设备及介质 |
CN116109635A (zh) * | 2023-04-12 | 2023-05-12 | 中江立江电子有限公司 | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 |
CN116168218A (zh) * | 2022-11-22 | 2023-05-26 | 中车长春轨道客车股份有限公司 | 一种基于图像识别技术的电路板故障诊断方法 |
CN116342456A (zh) * | 2021-12-14 | 2023-06-27 | 中兴通讯股份有限公司 | 连接器件检测方法、电子设备及存储介质 |
CN116500048A (zh) * | 2023-06-28 | 2023-07-28 | 四川联畅信通科技有限公司 | 一种线缆卡具缺陷检测方法、装置、设备及介质 |
CN116596903A (zh) * | 2023-05-25 | 2023-08-15 | 江苏立讯机器人有限公司 | 缺陷识别方法、装置、电子设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4093249B2 (ja) * | 2005-03-18 | 2008-06-04 | コニカミノルタオプト株式会社 | 撮像装置 |
US20080158396A1 (en) * | 2006-08-07 | 2008-07-03 | Transchip, Inc. | Image Signal Processor For CMOS Image Sensors |
US8259198B2 (en) * | 2009-10-20 | 2012-09-04 | Apple Inc. | System and method for detecting and correcting defective pixels in an image sensor |
US9797846B2 (en) * | 2015-04-17 | 2017-10-24 | Nuflare Technology, Inc. | Inspection method and template |
MX2020008385A (es) * | 2019-08-18 | 2021-02-19 | Crimping & Stamping Tech Inc | Control a base de imagen de proceso de manufacturacion de conector y mazo de cables usando inteligencia artificial. |
-
2023
- 2023-08-31 CN CN202311111151.XA patent/CN116863175B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011069742A (ja) * | 2009-09-25 | 2011-04-07 | Panasonic Electric Works Co Ltd | 欠陥検出装置および欠陥検出方法 |
CN103286081A (zh) * | 2013-05-07 | 2013-09-11 | 浙江工业大学 | 基于单目多视角机器视觉的钢珠表面缺陷在线自动分选装置 |
WO2018000731A1 (zh) * | 2016-06-28 | 2018-01-04 | 华南理工大学 | 一种曲面表面缺陷自动检测方法及其装置 |
AR112522A1 (es) * | 2018-07-30 | 2019-11-06 | Nippon Steel & Sumitomo Metal Corp | Aparato y método de inspección de superficie interior de un cuerpo tubular |
WO2020103310A1 (zh) * | 2018-11-20 | 2020-05-28 | 深圳市维图视技术有限公司 | 一种口罩缺陷检测装置及方法 |
CN109727229A (zh) * | 2018-11-28 | 2019-05-07 | 歌尔股份有限公司 | 虚焊检测方法及装置 |
WO2020133046A1 (zh) * | 2018-12-27 | 2020-07-02 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
CN111758024A (zh) * | 2018-12-27 | 2020-10-09 | 深圳配天智能技术研究院有限公司 | 一种缺陷检测方法及装置 |
US10666884B1 (en) * | 2019-03-04 | 2020-05-26 | Foveon, Inc. | Method of classifying and correcting image sensor defects utilizing defective-pixel information from color channels |
CN111824455A (zh) * | 2020-07-27 | 2020-10-27 | 四川创客知佳科技有限公司 | 一种基于大数据的外观安全检测系统 |
CN111846281A (zh) * | 2020-07-27 | 2020-10-30 | 四川创客知佳科技有限公司 | 基于大数据的安全检测方法 |
WO2022246898A1 (zh) * | 2021-05-27 | 2022-12-01 | 中科晶源微电子技术(北京)有限公司 | 用于电子束缺陷检测的像素尺寸校准方法和装置及设备 |
CN113420690A (zh) * | 2021-06-30 | 2021-09-21 | 平安科技(深圳)有限公司 | 基于感兴趣区域的静脉识别方法、装置、设备及存储介质 |
KR102459234B1 (ko) * | 2021-09-13 | 2022-10-28 | 주식회사 엠아이티 | 초음파 프로브를 이용한 불량소자 검사방법 및 이를 이용하는 검사장치, 그리고 그 프로세서에 의해 수행되는 불량 소자 분류 방법 |
CN113781486A (zh) * | 2021-11-15 | 2021-12-10 | 新恒汇电子股份有限公司 | Ic卡图像缺陷检测方法 |
CN116342456A (zh) * | 2021-12-14 | 2023-06-27 | 中兴通讯股份有限公司 | 连接器件检测方法、电子设备及存储介质 |
CN114264723A (zh) * | 2021-12-22 | 2022-04-01 | 上海骏然网络科技有限公司 | 基于超声波检测的纺织品质量检测系统及方法 |
CN114387233A (zh) * | 2021-12-29 | 2022-04-22 | 山东大学 | 一种基于机器视觉的砂型缺陷检测方法及系统 |
CN116168218A (zh) * | 2022-11-22 | 2023-05-26 | 中车长春轨道客车股份有限公司 | 一种基于图像识别技术的电路板故障诊断方法 |
CN115731222A (zh) * | 2022-12-01 | 2023-03-03 | 中网华信科技股份有限公司 | 钢坯表面检测方法、装置、设备及计算机可读存储介质 |
CN116012380A (zh) * | 2023-03-27 | 2023-04-25 | 中江立江电子有限公司 | 一种绝缘子缺陷检测方法、装置、设备及介质 |
CN116030053A (zh) * | 2023-03-27 | 2023-04-28 | 中江立江电子有限公司 | 一种连接器引脚缺陷检测方法、装置、设备及介质 |
CN116109635A (zh) * | 2023-04-12 | 2023-05-12 | 中江立江电子有限公司 | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 |
CN116596903A (zh) * | 2023-05-25 | 2023-08-15 | 江苏立讯机器人有限公司 | 缺陷识别方法、装置、电子设备及可读存储介质 |
CN116500048A (zh) * | 2023-06-28 | 2023-07-28 | 四川联畅信通科技有限公司 | 一种线缆卡具缺陷检测方法、装置、设备及介质 |
Non-Patent Citations (2)
Title |
---|
Simultaneous detection of defects in electrical connectors based on improved convolutional neural network;Zhao, Yuliang等;《IEEE Transactions on Instrumentation and Measurement》;第71卷;1-10 * |
基于图像处理的FPC表面缺陷检测算法研究;陈华;《中国优秀硕士学位论文全文数据库 信息科技辑》(第7期);I135-349 * |
Also Published As
Publication number | Publication date |
---|---|
CN116863175A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609557B (zh) | 一种指针式仪表读数识别方法 | |
CN108510476B (zh) | 一种基于机器视觉的手机屏线路检测方法 | |
CN116030053B (zh) | 一种连接器引脚缺陷检测方法、装置、设备及介质 | |
CN112613429B (zh) | 一种基于机器视觉适用于多视角图像指针式仪表读数方法 | |
CN106897995B (zh) | 一种面向机械装配过程的零部件自动识别方法 | |
CN116109635B (zh) | 复合悬式绝缘子表面质量检测方法、装置、设备及介质 | |
CN106937109B (zh) | 低成本判断摄像头分辨率水平的方法 | |
CN111829439B (zh) | 一种高精度平移测量方法及装置 | |
CN116500048A (zh) | 一种线缆卡具缺陷检测方法、装置、设备及介质 | |
CN116863175B (zh) | 一种直角连接器缺陷识别方法、装置、设备及介质 | |
US6898333B1 (en) | Methods and apparatus for determining the orientation of an object in an image | |
CN113706455B (zh) | 一种330kV电缆瓷瓶套管的破损快速检测方法 | |
CN113393447B (zh) | 基于深度学习的针尖正位度检测方法及系统 | |
CN111337512B (zh) | 用于aoi缺陷检测的缺陷提取方法 | |
CN116797604A (zh) | 一种玻璃绝缘子缺陷识别方法、装置、设备及介质 | |
CN111738971A (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
CN109712115A (zh) | 一种pcb板自动检测方法及系统 | |
CN117109471A (zh) | 零件轮廓检测及比对方法 | |
JP2019003575A (ja) | 画像分析装置及び鉄道設備部品の保守管理方法 | |
CN115631199A (zh) | pin针缺陷检测方法、装置、设备及存储介质 | |
CN108303640B (zh) | 一种线路检测的方法和装置 | |
CN109509224B (zh) | 一种平面材料小孔应力集中极坐标化展示方法 | |
CN114638792A (zh) | 一种用于插件电路板电解电容极性缺陷检测的方法 | |
CN111541503B (zh) | Wifi天线连接紧密度的检测方法及检测装置 | |
CN113920305A (zh) | 一种避雷器仪表的识别方法及装置 |
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 |