CN117152144A - 基于图像处理的导辊监测方法及装置 - Google Patents
基于图像处理的导辊监测方法及装置 Download PDFInfo
- Publication number
- CN117152144A CN117152144A CN202311418500.2A CN202311418500A CN117152144A CN 117152144 A CN117152144 A CN 117152144A CN 202311418500 A CN202311418500 A CN 202311418500A CN 117152144 A CN117152144 A CN 117152144A
- Authority
- CN
- China
- Prior art keywords
- guide roller
- image
- distance
- gradient
- threshold value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012545 processing Methods 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 230000007547 defect Effects 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 12
- 230000002950 deficient Effects 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
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
- 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
-
- 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
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/469—Contour-based spatial representations, e.g. vector-coding
- G06V10/473—Contour-based spatial representations, e.g. vector-coding using gradient analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Nonlinear Science (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种基于图像处理的导辊监测方法及装置,监测方法包括:获取第一导辊的第一图像,对所述第一图像进行特征提取,得到第二图像,基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离,判断所述第一距离是否小于第一距离阈值,并在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移。本公开提供的技术方案,能够提高监测结果的准确性和可靠性。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种基于图像处理的导辊监测方法及装置。
背景技术
薄膜等产品在生产过程中,需要利用导辊对未成形的原材料进行牵引、拉伸等处理,而在长期的牵引作用下,导辊可能出现偏移、表面异物等问题,当导辊出现偏移时,可能会导致薄膜的移动方向出现偏移,由于薄膜具有柔软、易变形的特点,因此,会导致产品无法正常生产,且具有较大安全隐患
相关技术中,往往通过红外检测的方式监测导辊偏移情况,然而,在正常工作状态下,导辊表面会附着待牵引的薄膜,因此,红外检测结果往往会由于受到牵引产品的影响而出现偏差,同时,红外检测的方式只能对单一方向的偏移进行检测,比如,对上下方向的偏移进行检测,无法对导辊进行全面的偏移检测;因此,如何准确、可靠地监测导辊的运行状态,是当前亟待解决的问题。
发明内容
为解决相关技术问题,本发明提供一种基于图像处理的导辊监测方法及装置,能够提高监测结果的准确性和可靠性。
本发明的技术方案是这样实现的:
本发明提供了一种基于图像处理的导辊监测方法,包括:
获取第一导辊的第一图像;
对所述第一图像进行特征提取,得到第二图像;
基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离;
判断所述第一距离是否小于第一距离阈值,并在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移。
上述方案中,所述第一导辊数量为多个,多个第一导辊之间相互平行,所述方法还包括:
从不同角度采集所述多个第一导辊的图像,得到至少一张第三图像;所述第三图像中包括至少一个第一导辊;
对所述至少一张第三图像进行图像拼接,得到第一图像。
上述方案中,所述基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离,包括:
对所述第二图像进行分割,得到第一子图像和第二子图像;所述第一子图像包括每个第一导辊的第一端,所述第二子图像包括每个第一导辊的第二段;
计算所述第一子图像与第一基准图像之间的像素差,得到第一差值,计算所述第二子图像与第二基准图像之间的像素差,得到第二差值;所述第一基准图像和所述第二图像是基于初始状态下的所述多个第一导辊获取的;
判断所述第一差值是否超过第一像素差阈值,判断所述第二差值是否超过第二像素差阈值;
在所述第一差值超过第一像素差阈值,或者,所述第二差值超过第二像素差阈值的情况下,基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离。
上述方案中,所述偏移包括垂直偏移和水平偏移,所述在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移,包括 :
在所述第一距离小于第一距离阈值的情况下,计算所述第一导辊第一端与第二导辊之间的欧式距离,得到第二距离,计算所述第一导辊第二端与所述第二导辊之间的欧式距离,得到第三距离;所述第二导辊为与所述第一导辊相邻的导辊;
判断所述第二距离和所述第三距离之间的第三差值是否超过第二距离阈值;
在所述第三差值超过所述第二距离阈值的情况下,确定所述第一导辊出现垂直偏移;
在所述第三差值未超过所述第二距离阈值的情况下,确定所述第一导辊出现水平偏移。
上述方案中,所述在所述第三差值超过所述第二距离阈值的情况下,确定所述第一导辊出现垂直偏移,包括:
在所述第三差值超过所述第二距离阈值的情况下,基于所述第二图像,计算所述第一导辊第一端到第二端的第一梯度;
判断所述第一梯度是否大于梯度阈值;
在所述第一梯度大于梯度阈值的情况下,确定所述第一导辊出现水平偏移和垂直偏移;
在所述第一梯度不大于梯度阈值的情况下,确定所述第一导辊出现垂直偏移。
上述方案中,所述方法还包括:
对所述第二图像进行图像分割,得到每个第一导辊的第一特征图像;
对所述第一特征图像进行傅里叶变换,到所述第一导辊的第二特征图像;
对所述第二特征图像进行滤波处理,并对滤波处理后的所述第二特征图像进行逆傅里叶变换,得到第三特征图像;
基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷。
上述方案中,所述基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷,包括:
针对所述第三特征图像中每个第一像素点,确定所述第一像素点的梯度变化方向,得到第一梯度方向;
基于所述第一梯度方向,建立所述第一像素点的第一梯度矩阵;
建立所述第一像素点的第二梯度矩阵;所述第二梯度矩阵为沿第二梯度方向建立的梯度矩阵,所述第二梯度方向为垂直方向或水平方向;
基于所述第一梯度矩阵,计算所述第一像素点沿所述第一梯度方向的灰度特征,得到第一灰度特征;基于所述第二梯度矩阵,计算所述第一像素点沿所述第二梯度方向的灰度特征,得到第二灰度特征;
基于所述第一灰度特征和所述第二灰度特征,确定所述第一导辊表面是否存在缺陷。
上述方案中,所述基于所述第一灰度特征和所述第二灰度特征,确定所述第一导辊表面是否存在缺陷,包括:
基于所述第一灰度特征,得到第一梯度方向特征图,基于所述第二灰度特征,得到第二梯度方向特征图;
对所述第一梯度方向特征图和所述第二梯度方向特征图进行滤波处理,并将滤波处理后的第一梯度方向特征图和所述第二梯度方向特征图相乘,得到第四特征图;
基于所述第四特征图,确定所述第一导辊表面是否存在缺陷。
本公开实施例还提供一种导辊监测装置,所述装置包括:
图像采集单元,用于获取第一导辊的第一图像;
处理单元,用于对所述第一图像进行特征提取,得到第二图像;以及,基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离;以及,判断所述第一距离是否小于第一距离阈值,并在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移。
上述方案中,所述处理单元,还用于:
对所述第二图像进行图像分割,得到每个第一导辊的第一特征图像;
对所述第一特征图像进行傅里叶变换,到所述第一导辊的第二特征图像;
对所述第二特征图像进行滤波处理,并对滤波处理后的所述第二特征图像进行逆傅里叶变换,得到第三特征图像;
基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷。
本公开实施例提供的基于图像处理的导辊监测方法及装置,通过获取导辊图像,并根据导辊图像计算导辊两端之间的欧式距离,从而根据欧式距离判断导辊是否发生偏移,由于欧式距离的变化能反映出导辊在不同方向的偏移情况,因此,能够对导辊的运行状态进行完整、可靠的监测,从而提高监测结果的准确性和可靠性。
附图说明
图1为本公开实施例一种导辊监测方法的流程示意图;
图2为本公开实施例导辊监测装置结构示意图;
图3为本公开实施例电子设备结构示意图。
实施方式
下面结合附图及实施例对本公开再作进一步详细的描述。
本公开实施例提供了一种基于图像处理的导辊监测方法,应用于电子设备,具体可以应用于包括电脑、移动终端、用户设备、个人计算机等电子设备的导辊监测装置。如图1所示,该方法可以包括:
步骤101:获取第一导辊的第一图像。
实际应用时,第一导辊的数量可以是一个,也可以是多个;当第一导辊的数量是多个时,多个第一导辊相互平行,多个第一导辊构成导辊组。
实际应用时,可以沿所述多个第一导辊的转动方向布设所述多个图像采集模块,也就是说,沿待牵引产品的移动方向布设多个图像采集模块,用于从不同方向采集对应区域内的第一导辊。
基于此,在一实施例中,所述方法还可以包括:
从不同角度采集所述多个第一导辊的图像,得到至少一张第三图像;所述第三图像中包括至少一个第一导辊;
对所述至少一张第三图像进行图像拼接,得到第一图像。
实际应用时,多个图像采集模块可以布置在第一直线上,第一直线的方向与待牵引产品(比如薄膜)的移动方向一致;通过布置多个图像采集模块,可以采集到所有第一导辊的图像,即所述第三图像,在对所述第三图像进行图像拼接后,即可在一个图像中呈现所有的第一导辊。
步骤102:对所述第一图像进行特征提取,得到第二图像。
实际应用时,可以对所述第一图像进行边缘检测,以获取所述第一图像的二维纹理图像,即所述第二图像。
步骤103:基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离。
实际应用时,在得到所述第二图像后,可以先根据第二图像中所有第一导辊端部与相邻导辊之间的距离,判断所述第一导辊的端部是否发生位移。
基于此,在一实施例中,所述基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离,可以包括:
对所述第二图像进行分割,得到第一子图像和第二子图像;所述第一子图像包括每个第一导辊的第一端,所述第二子图像包括每个第一导辊的第二段;
计算所述第一子图像与第一基准图像之间的像素差,得到第一差值,计算所述第二子图像与第二基准图像之间的像素差,得到第二差值;所述第一基准图像和所述第二图像是基于初始状态下的所述多个第一导辊获取的;
判断所述第一差值是否超过第一像素差阈值,判断所述第二差值是否超过第二像素差阈值;
在所述第一差值超过第一像素差阈值,或者,所述第二差值超过第二像素差阈值的情况下,基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离。
实际应用时,可以通过对所述第二图像进行分割,获取所述多个第一导辊同一侧端部的分割图,从而可以根据分割图与基准图之间的像素差,判断对应一侧端部是否发生偏移。
当然,也可以直接计算所述第二图像与对应基准图像之间的像素差,得到第三差值,判断所述第三差值是否超过第三像素差阈值,并在所述第三像素差超过所述第三像素差阈值的情况下,确定所述导辊组中存在发生偏移的导辊。
实际应用时,所述第一基准图像、所述第二基准图像和所述第三基准图像,可以是所述导辊组在初始状态下,也就是所述导辊组在正常状态下获取的对应区域的图像,具体地,所述第一子图像与所述第一基准图像对应的区域相同,所述第二子图像与所述第二基准图像对应的区域相同,所述第二图像与所述第三基准图像对应的区域相同。
实际应用时,在所述第一差值超过第一像素差阈值,或者,所述第二差值超过第二像素差阈值的情况下,表示所述导辊组中存在出现端部出现偏移的第一导辊,此时,可以基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离,从而可以确定每个第一导辊在所述第二图像中的长度是否发生变化,进而确定对应第一导辊是否发生偏移。
实际应用时,在所述第一差值未超过所述第一像素差阈值,且所述第二差值未超过所述第二像素差阈值的情况下,表示所述导辊组中所有第一导辊的端部位置均正常,此时,可以不进行后续的步骤,即,不需要执行步骤103及之后的步骤。
步骤104:判断所述第一距离是否小于第一距离阈值,并在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移。
实际应用时,在所述第一距离小于第一距离阈值的情况下,可以进一步确定所述导辊的偏移方向。
基于此,所述偏移包括垂直偏移和水平偏移,所述在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移,包括 :
在所述第一距离小于第一距离阈值的情况下,计算所述第一导辊第一端与第二导辊之间的欧式距离,得到第二距离,计算所述第一导辊第二端与所述第二导辊之间的欧式距离,得到第三距离;所述第二导辊为与所述第一导辊相邻的导辊;
判断所述第二距离和所述第三距离之间的第三差值是否超过第二距离阈值;
在所述第三差值超过所述第二距离阈值的情况下,确定所述第一导辊出现垂直偏移;
在所述第三差值未超过所述第二距离阈值的情况下,确定所述第一导辊出现水平偏移。
实际应用时,所述第二图像可以是沿所述第一导辊的水平方向采集的图像,当所述第一导辊沿垂直方向发生偏移时,所述第二图像中所述第一导辊的端点距离相邻导辊的欧式距离将会发生变化,即,所述第三差值超过所述第二距离阈值;相应地,当所述第一导辊沿水平方向发生偏移时,所述第二图像中所述第一导辊的端点距离相邻导辊的欧式距离将不会发生变化,即,所述第三差值超过所述第二距离阈值;因此,通过比较所述第一导辊两端与相邻导辊之间的欧式距离是否发生变化,能够确定所述第一导辊的偏移方向。示例性地,在三维坐标系中,第一导辊的中心轴与x轴方向一致,所述第一导辊的横切面与y轴方向一致,当第一导辊沿xy平面发生偏移时,即,发生垂直偏移时,第一导辊端部与相邻导辊之间y值的差值将发生变化,相应地,当第一导辊沿z轴发生偏移时,即,发生水平偏移时,第一导辊端部与相邻导辊之间的y值的差值不会发生变化。
实际应用时,当第一导辊沿垂直方向发生偏移的情况下,可能同时沿水平方向发生了偏移,因此,为了能够更精确地确定偏移方向,可以进一步判断沿垂直方向偏移的第一导辊是否发生了水平偏移。
基于此,在一实施例中,所述在所述第三差值超过所述第二距离阈值的情况下,确定所述第一导辊出现垂直偏移,可以包括:
在所述第三差值超过所述第二距离阈值的情况下,基于所述第二图像,计算所述第一导辊第一端到第二端的第一梯度;
判断所述第一梯度是否大于梯度阈值;
在所述第一梯度大于梯度阈值的情况下,确定所述第一导辊出现水平偏移和垂直偏移;
在所述第一梯度不大于梯度阈值的情况下,确定所述第一导辊出现垂直偏移。
实际应用时,可以进一步利用图像处理的方式,监测导辊的表面状态,即,监测导辊表面是否存在缺陷。
基于此,在一实施例中,所述方法还可以包括:
对所述第二图像进行图像分割,得到每个第一导辊的第一特征图像;
对所述第一特征图像进行傅里叶变换,到所述第一导辊的第二特征图像;
对所述第二特征图像进行滤波处理,并对滤波处理后的所述第二特征图像进行逆傅里叶变换,得到第三特征图像;
基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷。
实际应用时,由于所述第三特征图像的梯度信息能够反应所述第三特征图像中各个像素之间的梯度变化情况,因此,通过所述梯度信息,可以检测出所述第一导辊表面是否存在缺陷,比如,是否存在磨损、突起等缺陷。
实际应用时,为了更准确地确定第一导辊表面缺陷区域,可以引入不同梯度方向的像素变化特征,增强缺陷区域与其他区域之间的差异度,从而能够更准确地检测出缺陷区域。
基于此,在一实施例中,所述基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷,包括:
针对所述第三特征图像中每个第一像素点,确定所述第一像素点的梯度变化方向,得到第一梯度方向;
基于所述第一梯度方向,建立所述第一像素点的第一梯度矩阵;
建立所述第一像素点的第二梯度矩阵;所述第二梯度矩阵为沿第二梯度方向建立的梯度矩阵,所述第二梯度方向为垂直方向或水平方向;
基于所述第一梯度矩阵,计算所述第一像素点沿所述第一梯度方向的灰度特征,得到第一灰度特征;基于所述第二梯度矩阵,计算所述第一像素点沿所述第二梯度方向的灰度特征,得到第二灰度特征;
基于所述第一灰度特征和所述第二灰度特征,确定所述第一导辊表面是否存在缺陷。
实际应用时,可以将所述第一灰度特征和所述第二灰度特征进行映射,得到对应的特征图,在通过将不同梯度方向的特征图进行相乘,使不同梯度方向上的像素变化差异得以增强,从而能够更为准确地检测出缺陷位置。
基于此,在一实施例中,所述基于所述第一灰度特征和所述第二灰度特征,确定所述第一导辊表面是否存在缺陷,可以包括:
基于所述第一灰度特征,得到第一梯度方向特征图,基于所述第二灰度特征,得到第二梯度方向特征图;
对所述第一梯度方向特征图和所述第二梯度方向特征图进行滤波处理,并将滤波处理后的第一梯度方向特征图和所述第二梯度方向特征图相乘,得到第四特征图;
基于所述第四特征图,确定所述第一导辊表面是否存在缺陷。
实际应用时,可以对所述第一灰度特征进行映射处理,得到所述第一梯度方向特征图,可以对所述第二灰度特征进行映射处理,得到所述第二梯度方向特征图。
综上,本公开实施例提供的导辊监测方法,通过获取导辊图像,并根据导辊图像计算导辊两端之间的欧式距离,从而根据欧式距离判断导辊是否发生偏移,由于欧式距离的变化能反映出导辊在不同方向的偏移情况,因此,能够对导辊的运行状态进行完整、可靠的监测,从而提高监测结果的准确性和可靠性。同时,通过根据不同梯度方向的特征图确定导辊表面是否存在缺陷,利用图像处理技术提高了缺陷检测结果的准确度和可靠性。
为了实现本公开的导辊监测方法,本公开实施例还提供了一种导辊监测装置,设置在电子设备上,如图2所示,该装置200包括:
图像采集单元201,用于获取第一导辊的第一图像;
处理单元202,用于对所述第一图像进行特征提取,得到第二图像;以及,基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离;以及,判断所述第一距离是否小于第一距离阈值,并在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移。
在一实施例中,所述处理单元,还可以用于:
对所述第二图像进行图像分割,得到每个第一导辊的第一特征图像;
对所述第一特征图像进行傅里叶变换,到所述第一导辊的第二特征图像;
对所述第二特征图像进行滤波处理,并对滤波处理后的所述第二特征图像进行逆傅里叶变换,得到第三特征图像;
基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷。
由于本公开实施例提供的装置与上述几种实施例提供的方法相对应,因此方法的实施方式也适用于本实施例提供的装置,在本实施例中不再详细描述。
上述本公开提供的实施例中,对本公开实施例提供的方法及装置进行了介绍。为了实现上述本公开实施例提供的方法中的各功能,电子设备可以包括硬件结构、软件模块,以硬件结构、软件模块、或硬件结构加软件模块的形式来实现上述各功能。上述各功能中的某个功能可以以硬件结构、软件模块、或者硬件结构加软件模块的方式来执行。
图3是根据一示例性实施例示出的一种用于实现上述图像处理方法的电子设备300的框图。例如,电子设备300可以是移动电话,计算机,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图3,电子设备300可以包括以下一个或多个组件:处理组件302,存储器304,电源组件306,多媒体组件308,音频组件310,输入/输出(I/O)的接口312,传感器组件314,以及通信组件316。
处理组件302通常控制电子设备300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理组件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在电子设备300的操作。这些数据的示例包括用于在电子设备300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件306为电子设备300的各种组件提供电力。电源组件306可以包括电源管理系统,一个或多个电源,及其他与为电子设备300生成、管理和分配电力相关联的组件。
多媒体组件308包括在电子设备300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当电子设备300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当电子设备300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为电子设备300提供各个方面的状态评估。例如,传感器组件314可以检测到电子设备300的打开/关闭状态,组件的相对定位,例如组件为电子设备300的显示器和小键盘,传感器组件314还可以检测电子设备300或电子设备300一个组件的位置改变,用户与电子设备300接触的存在或不存在,电子设备300方位或加速/减速和电子设备300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于电子设备300和其他设备之间有线或无线方式的通信。电子设备300可以接入基于通信标准的无线网络,如WiFi,2G或3G,4G LTE、5G NR(NewRadio)或它们的组合。在一个示例性实施例中,通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器304,上述指令可由电子设备300的处理器320执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(控制方法),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明的各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。
尽管上面已经示出和描述了本发明的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施实施进行变化、修改、替换和变型。
Claims (10)
1.基于图像处理的导辊监测方法,其特征在于,所述方法包括:
获取第一导辊的第一图像;
对所述第一图像进行特征提取,得到第二图像;
基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离;
判断所述第一距离是否小于第一距离阈值,并在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移。
2.根据权利要求1所述的方法,其特征在于,所述第一导辊数量为多个,多个第一导辊之间相互平行,所述方法还包括:
从不同角度采集所述多个第一导辊的图像,得到至少一张第三图像;所述第三图像中包括至少一个第一导辊;
对所述至少一张第三图像进行图像拼接,得到第一图像。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离,包括:
对所述第二图像进行分割,得到第一子图像和第二子图像;所述第一子图像包括每个第一导辊的第一端,所述第二子图像包括每个第一导辊的第二段;
计算所述第一子图像与第一基准图像之间的像素差,得到第一差值,计算所述第二子图像与第二基准图像之间的像素差,得到第二差值;所述第一基准图像和所述第二图像是基于初始状态下的所述多个第一导辊获取的;
判断所述第一差值是否超过第一像素差阈值,判断所述第二差值是否超过第二像素差阈值;
在所述第一差值超过第一像素差阈值,或者,所述第二差值超过第二像素差阈值的情况下,基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述偏移包括垂直偏移和水平偏移,所述在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移,包括 :
在所述第一距离小于第一距离阈值的情况下,计算所述第一导辊第一端与第二导辊之间的欧式距离,得到第二距离,计算所述第一导辊第二端与所述第二导辊之间的欧式距离,得到第三距离;所述第二导辊为与所述第一导辊相邻的导辊;
判断所述第二距离和所述第三距离之间的第三差值是否超过第二距离阈值;
在所述第三差值超过所述第二距离阈值的情况下,确定所述第一导辊出现垂直偏移;
在所述第三差值未超过所述第二距离阈值的情况下,确定所述第一导辊出现水平偏移。
5.根据权利要求4所述的方法,其特征在于,所述在所述第三差值超过所述第二距离阈值的情况下,确定所述第一导辊出现垂直偏移,包括:
在所述第三差值超过所述第二距离阈值的情况下,基于所述第二图像,计算所述第一导辊第一端到第二端的第一梯度;
判断所述第一梯度是否大于梯度阈值;
在所述第一梯度大于梯度阈值的情况下,确定所述第一导辊出现水平偏移和垂直偏移;
在所述第一梯度不大于梯度阈值的情况下,确定所述第一导辊出现垂直偏移。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述第二图像进行图像分割,得到每个第一导辊的第一特征图像;
对所述第一特征图像进行傅里叶变换,到所述第一导辊的第二特征图像;
对所述第二特征图像进行滤波处理,并对滤波处理后的所述第二特征图像进行逆傅里叶变换,得到第三特征图像;
基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷。
7.根据权利要求6所述的方法,其特征在于,所述基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷,包括:
针对所述第三特征图像中每个第一像素点,确定所述第一像素点的梯度变化方向,得到第一梯度方向;
基于所述第一梯度方向,建立所述第一像素点的第一梯度矩阵;
建立所述第一像素点的第二梯度矩阵;所述第二梯度矩阵为沿第二梯度方向建立的梯度矩阵,所述第二梯度方向为垂直方向或水平方向;
基于所述第一梯度矩阵,计算所述第一像素点沿所述第一梯度方向的灰度特征,得到第一灰度特征;基于所述第二梯度矩阵,计算所述第一像素点沿所述第二梯度方向的灰度特征,得到第二灰度特征;
基于所述第一灰度特征和所述第二灰度特征,确定所述第一导辊表面是否存在缺陷。
8.根据权利要求7所述的方法,其特征在于,所述基于所述第一灰度特征和所述第二灰度特征,确定所述第一导辊表面是否存在缺陷,包括:
基于所述第一灰度特征,得到第一梯度方向特征图,基于所述第二灰度特征,得到第二梯度方向特征图;
对所述第一梯度方向特征图和所述第二梯度方向特征图进行滤波处理,并将滤波处理后的第一梯度方向特征图和所述第二梯度方向特征图相乘,得到第四特征图;
基于所述第四特征图,确定所述第一导辊表面是否存在缺陷。
9.一种导辊监测装置,其特征在于,所述装置包括:
图像采集单元,用于获取第一导辊的第一图像;
处理单元,用于对所述第一图像进行特征提取,得到第二图像;以及,基于所述第二图像,计算所述第一导辊两端点之间沿所述第一导辊轴线方向的距离,得到第一距离;以及,判断所述第一距离是否小于第一距离阈值,并在所述第一距离小于第一距离阈值的情况下,确定所述第一导辊出现偏移。
10.根据权利要求9所述的装置,其特征在于,所述处理单元,还用于:
对所述第二图像进行图像分割,得到每个第一导辊的第一特征图像;
对所述第一特征图像进行傅里叶变换,到所述第一导辊的第二特征图像;
对所述第二特征图像进行滤波处理,并对滤波处理后的所述第二特征图像进行逆傅里叶变换,得到第三特征图像;
基于所述第三特征图像的梯度信息,确定所述第一导辊表面是否存在缺陷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311418500.2A CN117152144B (zh) | 2023-10-30 | 2023-10-30 | 基于图像处理的导辊监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311418500.2A CN117152144B (zh) | 2023-10-30 | 2023-10-30 | 基于图像处理的导辊监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117152144A true CN117152144A (zh) | 2023-12-01 |
CN117152144B CN117152144B (zh) | 2024-01-30 |
Family
ID=88908471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311418500.2A Active CN117152144B (zh) | 2023-10-30 | 2023-10-30 | 基于图像处理的导辊监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152144B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130223689A1 (en) * | 2012-02-28 | 2013-08-29 | Fuji Jukogyo Kabushiki Kaisha | Exterior environment recognition device |
CN104778721A (zh) * | 2015-05-08 | 2015-07-15 | 哈尔滨工业大学 | 一种双目图像中显著性目标的距离测量方法 |
WO2016015546A1 (zh) * | 2014-08-01 | 2016-02-04 | 深圳中集天达空港设备有限公司 | 一种飞机入坞引导和机型识别的系统及方法 |
WO2017080102A1 (zh) * | 2015-11-13 | 2017-05-18 | 深圳市道通智能航空技术有限公司 | 飞行装置、飞行控制系统及方法 |
CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
CN112509033A (zh) * | 2020-11-25 | 2021-03-16 | 国网四川省电力公司阿坝供电公司 | 一种基于图像处理的铁塔倾斜自动检测方法和装置 |
CN112819827A (zh) * | 2021-04-16 | 2021-05-18 | 惠州高视科技有限公司 | 基于极坐标变换的led电极偏移检测方法、设备及存储介质 |
WO2021169572A1 (zh) * | 2020-02-28 | 2021-09-02 | 京东方科技集团股份有限公司 | 图像分割方式的检测方法、装置和显示装置 |
CN114283126A (zh) * | 2021-12-13 | 2022-04-05 | 智洋创新科技股份有限公司 | 一种输电线路监控设备偏移检测方法 |
WO2022068228A1 (zh) * | 2020-09-29 | 2022-04-07 | 平安国际智慧城市科技股份有限公司 | 病灶标注的验证方法、装置、计算机设备及存储介质 |
CN115527049A (zh) * | 2022-10-14 | 2022-12-27 | 东南大学 | 一种引线框架引脚间距的高精度测量方法 |
CN116228758A (zh) * | 2023-05-08 | 2023-06-06 | 深圳市前海誉卓科技有限公司 | 一种用于偏光片生产的内部气泡检测方法 |
CN116433622A (zh) * | 2023-03-30 | 2023-07-14 | 广东利元亨智能装备股份有限公司 | 删除重复识别的电芯极片端点的方法、装置、设备及介质 |
CN116468665A (zh) * | 2023-03-14 | 2023-07-21 | 中冶南方(武汉)热工有限公司 | 一种辊底热处理炉钢板跑偏检测的方法 |
CN116843627A (zh) * | 2023-06-14 | 2023-10-03 | 常州市宏发纵横新材料科技股份有限公司 | 玻纤布面捆绑纱的断纱检测方法、装置、设备及存储介质 |
-
2023
- 2023-10-30 CN CN202311418500.2A patent/CN117152144B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130223689A1 (en) * | 2012-02-28 | 2013-08-29 | Fuji Jukogyo Kabushiki Kaisha | Exterior environment recognition device |
WO2016015546A1 (zh) * | 2014-08-01 | 2016-02-04 | 深圳中集天达空港设备有限公司 | 一种飞机入坞引导和机型识别的系统及方法 |
CN104778721A (zh) * | 2015-05-08 | 2015-07-15 | 哈尔滨工业大学 | 一种双目图像中显著性目标的距离测量方法 |
WO2017080102A1 (zh) * | 2015-11-13 | 2017-05-18 | 深圳市道通智能航空技术有限公司 | 飞行装置、飞行控制系统及方法 |
CN109215020A (zh) * | 2018-08-30 | 2019-01-15 | 国网黑龙江省电力有限公司佳木斯供电公司 | 基于计算机视觉的高压输电线路故障识别方法 |
WO2021169572A1 (zh) * | 2020-02-28 | 2021-09-02 | 京东方科技集团股份有限公司 | 图像分割方式的检测方法、装置和显示装置 |
WO2022068228A1 (zh) * | 2020-09-29 | 2022-04-07 | 平安国际智慧城市科技股份有限公司 | 病灶标注的验证方法、装置、计算机设备及存储介质 |
CN112509033A (zh) * | 2020-11-25 | 2021-03-16 | 国网四川省电力公司阿坝供电公司 | 一种基于图像处理的铁塔倾斜自动检测方法和装置 |
CN112819827A (zh) * | 2021-04-16 | 2021-05-18 | 惠州高视科技有限公司 | 基于极坐标变换的led电极偏移检测方法、设备及存储介质 |
CN114283126A (zh) * | 2021-12-13 | 2022-04-05 | 智洋创新科技股份有限公司 | 一种输电线路监控设备偏移检测方法 |
CN115527049A (zh) * | 2022-10-14 | 2022-12-27 | 东南大学 | 一种引线框架引脚间距的高精度测量方法 |
CN116468665A (zh) * | 2023-03-14 | 2023-07-21 | 中冶南方(武汉)热工有限公司 | 一种辊底热处理炉钢板跑偏检测的方法 |
CN116433622A (zh) * | 2023-03-30 | 2023-07-14 | 广东利元亨智能装备股份有限公司 | 删除重复识别的电芯极片端点的方法、装置、设备及介质 |
CN116228758A (zh) * | 2023-05-08 | 2023-06-06 | 深圳市前海誉卓科技有限公司 | 一种用于偏光片生产的内部气泡检测方法 |
CN116843627A (zh) * | 2023-06-14 | 2023-10-03 | 常州市宏发纵横新材料科技股份有限公司 | 玻纤布面捆绑纱的断纱检测方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
岳鹏飞;晏永飞;王楠;: "非接触式带钢表面缺陷检测纹理方向特征分析", 辽宁石油化工大学学报, no. 04, pages 84 - 88 * |
董晓芳;: "煤矿带式输送机跑偏控制方法研究", 现代机械, no. 02, pages 87 - 89 * |
Also Published As
Publication number | Publication date |
---|---|
CN117152144B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10997477B2 (en) | Foreign matter recognition method and device | |
EP3200125B1 (en) | Fingerprint template input method and device | |
CN109344832B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN105095881B (zh) | 人脸识别方法、装置及终端 | |
US10216976B2 (en) | Method, device and medium for fingerprint identification | |
US20170083741A1 (en) | Method and device for generating instruction | |
CN105528600A (zh) | 区域识别方法及装置 | |
CN105809704A (zh) | 识别图像清晰度的方法及装置 | |
CN109934275B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN105069786A (zh) | 直线检测方法及装置 | |
CN105550633A (zh) | 区域识别方法及装置 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN106250831A (zh) | 图像检测方法、装置和用于图像检测的装置 | |
CN106225764A (zh) | 基于终端中双目摄像头的测距方法及终端 | |
EP3208742A1 (en) | Method and apparatus for detecting pressure | |
CN105069426A (zh) | 相似图片判断方法以及装置 | |
CN104503888A (zh) | 告警提示的方法及装置 | |
CN105718056A (zh) | 手势识别方法及装置 | |
CN105678296B (zh) | 确定字符倾斜角度的方法及装置 | |
CN112525224B (zh) | 磁场校准方法、磁场校准装置及存储介质 | |
CN117152144B (zh) | 基于图像处理的导辊监测方法及装置 | |
CN104899588A (zh) | 识别图像中的字符的方法及装置 | |
CN104899611A (zh) | 确定图像中卡片位置的方法及装置 | |
CN111275191A (zh) | 检测细胞的方法及装置、电子设备和存储介质 | |
CN107301391B (zh) | 区域确定方法及装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |