CN117197129B - 黑化程度检测方法、装置和计算机设备 - Google Patents
黑化程度检测方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN117197129B CN117197129B CN202311450692.5A CN202311450692A CN117197129B CN 117197129 B CN117197129 B CN 117197129B CN 202311450692 A CN202311450692 A CN 202311450692A CN 117197129 B CN117197129 B CN 117197129B
- Authority
- CN
- China
- Prior art keywords
- image
- metal grid
- blackening
- detected
- determining
- 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 113
- 239000002184 metal Substances 0.000 claims abstract description 237
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000003708 edge detection Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 230000007797 corrosion Effects 0.000 claims description 10
- 238000005260 corrosion Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000010410 layer Substances 0.000 description 4
- 239000011241 protective layer Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910052755 nonmetal Inorganic materials 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 229930091051 Arenine Natural products 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004380 ashing Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000002932 luster Substances 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Image Analysis (AREA)
Abstract
本申请涉及一种黑化程度检测方法、装置和计算机设备。所述方法包括：获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；提取所述目标检测区域的颜色参数；根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度。采用本方法能够准确检测金属网格的黑化程度。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种黑化程度检测方法、装置和计算机设备。
背景技术
在金属网格应用领域当中，由于金属本身存在金属光泽，导致外观上存在着金属网格可视的问题。通常通过黑化工艺对金属层进行黑化处理，形成黑化层，以降低金属网格的可视性。
对于黑化工艺而言，需要保证黑化程度达到所需的程度，以充分降低金属网格的可视性。然而，在黑化工艺中，不同黑化程度对应的颜色并非是随着黑化处理增强而加深，也就是说，黑化程度过弱或过强，均会存在黑化效果差的问题。此外，还需要保证黑化的均匀性，避免同一产品中或产品之间黑化出现差异而造成外观不良。例如，若同一产品中的金属网格黑化不均匀，则从外观上可以明显观察到不同区域之间的网格可视性差异。又如，若产品之间的金属网格黑化不均匀，则多个产品之间比较可以明显观察到整体外观差异。
传统技术中，一般通过检测人员的主观感受对黑化程度进行判断。然而，这种检测方式存在误判、漏判、判断差异等不稳定性因素，准确性较差，无法满足生产制备的相关需求。因此，需要一种可以准确检测黑化程度的方法。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确检测金属网格黑化程度的黑化程度检测方法、装置和计算机设备。
第一方面，本申请提供了一种黑化程度检测方法，所述方法包括：
获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取所述目标检测区域的颜色参数；
根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度。
在一种可能的实现方式中，所述确定所述第一金属网格图像中的目标检测区域包括：
对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线；
基于所述边缘曲线，形成所述第一待检测产品的第一点位的金属网格的轮廓区域；
根据所述轮廓区域确定图像掩膜，所述图像掩膜用于指示所述第一金属网格图像中与金属网格无关的区域；
采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
在一种可能的实现方式中，所述对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线，包括：
将所述第一金属网格图像转化为黑白图像；
基于所述黑白图像中像素点之间的梯度，确定所述黑白图像中的边缘点；
连接所述黑白图像中的边缘点，得到所述第一待检测产品的第一点位的金属网格的边缘曲线。
在一种可能的实现方式中，所述将所述第一金属网格图像转化为黑白图像，包括：
将所述第一金属网格图像转换为灰阶图像；
对所述灰阶图像进行虚化处理，得到虚化图像；
根据所述虚化图像中各像素点的灰度值的分布情况，确定所述虚化图像中的背景区域；
基于所述背景区域去除所述虚化图像中的背景，并将去除背景的虚化图像转化为所述黑白图像。
在一种可能的实现方式中，在所述采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域之前，所述方法还包括：
对所述图像掩膜进行腐蚀处理，以采用腐蚀处理后的图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
在一种可能的实现方式中，所述提取所述目标检测区域的颜色参数，包括：
将所述目标检测区域中各个像素点的颜色参数的平均值，确定为所述目标检测区域的颜色参数。
在一种可能的实现方式中，所述根据所述颜色参数确定第一黑化程度，包括：
确定所述颜色参数与标准黑化色谱图中每个参考参数的色差值，所述标准黑化色谱图用于指示黑化程度和参考参数之间的对应关系；
将与所述颜色参数的色差值最小的颜色参数对应的黑化程度确定为所述第一黑化程度。
在一种可能的实现方式中，所述方法还包括：
获取多个第二黑化程度，所述多个第二黑化程度表示所述第一待检测产品的多个第二点位的金属网格的黑化程度，所述多个第二点位与所述第一点位均匀分布在所述待检测产品中；
根据所述第一黑化程度和所述多个第二黑化程度，确定所述第一待检测产品的黑化程度范围。
在一种可能的实现方式中，所述方法还包括：
获取多个第三黑化程度，所述多个第三黑化程度表示多个第二待检测产品的第一点位的金属网格的黑化程度，所述多个第二待检测产品与所述第一待检测产品属于同一批次；
根据所述第一黑化程度和所述多个第三黑化程度，确定所述批次的黑化差异。
第二方面，本申请还提供了一种黑化程度检测装置，所述装置包括：
第一获取模块，用于获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
第一确定模块，用于确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取模块，用于提取所述目标检测区域的颜色参数；
第二确定模块，用于根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度。
在一种可能的实现方式中，所述第一确定模块还用于：
对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线；
基于所述边缘曲线，形成所述第一待检测产品的第一点位的金属网格的轮廓区域；
根据所述轮廓区域确定图像掩膜，所述图像掩膜用于指示所述第一金属网格图像中与金属网格无关的区域；
采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
在一种可能的实现方式中，所述对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线，包括：
将所述第一金属网格图像转化为黑白图像；
基于所述黑白图像中像素点之间的梯度，确定所述黑白图像中的边缘点；
连接所述黑白图像中的边缘点，得到所述第一待检测产品的第一点位的金属网格的边缘曲线。
在一种可能的实现方式中，所述将所述第一金属网格图像转化为黑白图像，包括：
将所述第一金属网格图像转换为灰阶图像；
对所述灰阶图像进行虚化处理，得到虚化图像；
根据所述虚化图像中各像素点的灰度值的分布情况，确定所述虚化图像中的背景区域；
基于所述背景区域去除所述虚化图像中的背景，并将去除背景的虚化图像转化为所述黑白图像。
在一种可能的实现方式中，所述装置还包括：
腐蚀模块，用于对所述图像掩膜进行腐蚀处理，以采用腐蚀处理后的图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
在一种可能的实现方式中，所述提取模块还用于：
将所述目标检测区域中各个像素点的颜色参数的平均值，确定为所述目标检测区域的颜色参数。
在一种可能的实现方式中，所述第二确定模块还用于：
确定所述颜色参数与标准黑化色谱图中每个参考参数的色差值，所述标准黑化色谱图用于指示黑化程度和参考参数之间的对应关系；
将与所述颜色参数的色差值最小的颜色参数对应的黑化程度确定为所述第一黑化程度。
在一种可能的实现方式中，所述装置还包括：
第二获取模块，用于获取多个第二黑化程度，所述多个第二黑化程度表示所述第一待检测产品的多个第二点位的金属网格的黑化程度，所述多个第二点位与所述第一点位均匀分布在所述待检测产品中；
第三确定模块，用于根据所述第一黑化程度和所述多个第二黑化程度，确定所述第一待检测产品的黑化程度范围。
在一种可能的实现方式中，所述装置还包括：
第三获取模块，用于获取多个第三黑化程度，所述多个第三黑化程度表示多个第二待检测产品的第一点位的金属网格的黑化程度，所述多个第二待检测产品与所述第一待检测产品属于同一批次；
第四确定模块，用于根据所述第一黑化程度和所述多个第三黑化程度，确定所述批次的黑化差异。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取所述目标检测区域的颜色参数；
根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取所述目标检测区域的颜色参数；
根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取所述目标检测区域的颜色参数；
根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度。
上述黑化程度检测方法、装置和计算机设备，通过获取第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像，提取图线各种金属网格所在区域的颜色参数，根据颜色参数确定黑化程度，使用对图像检测的方式替代了人员观察的方式，实现了黑化程度的自动检测，提升了黑化程度检测结果的准确性。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术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申请的一些实施例，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为本申请实施例提供的黑化程度检测方法的流程示意图；
图2为本申请实施例提供的第一金属网格图像的示例性示意图；
图3为本申请实施例提供的裁剪过程的示意图；
图4为本申请实施例提供的图像掩膜确定过程的示意图；
图5为本申请实施例提供的边缘曲线获取过程的示意图；
图6为本申请实施例提供的目标检测区域获取过程的示意图；
图7为本申请实施例提供的色差值的示意图；
图8为本申请实施例提供的黑化程度检测装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，图1为本申请实施例提供的黑化程度检测方法的流程示意图。该方法可以应用于终端，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端包括但不限于个人计算机、笔记本电脑、智能手机和平板电脑等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在本申请实施例中，以所述方法应用于终端为例进行说明。如图1所示，所述方法可以包括：
步骤S101，获取第一金属网格图像。
第一待检测产品可以表示任意一个待进行黑化程度检测的金属网格产品。在一个示例中，第一待检测产品包括但不限于金属网格触控传感器、金属网格天线、金属网格导电膜等。在本申请实施例中，以金属网格触控传感器作为第一待检测产品为例进行说明。
第一点位可以表示第一待检测产品中的任意一个点位。在一个示例中，可以在第一待检测产品上设置多个点位，这多个点位可以均匀分布于第一待检测产品的各个区域，第一点位可以为这多个点位中的任意一个。
第一金属网格图像可以表示第一待检测产品的第一点位的金属网格的图像。第一金属网格图像可以通过图像采集设备进行采集。其中，图像采集设备可以为摄像头、照相机或者录像机等，本申请实施例对图像采集设备不作限制。第一金属网格图像可以由终端采集，也可以由其他设备采集后发送给终端。
对于金属网格触控传感器而言，第一金属网格图像可以为对金属网格触控传感器进行黑化处理后采集的图像，也可以是对金属网格触控传感器进行保护层涂布处理后采集的图像。其中，黑化处理的目的是在金属网格上形成一层黑化层。保护层涂布处理则为黑化处理之后的步骤，其目的是在黑化之后的金属网格表面再形成一个保护层。
图2为本申请实施例提供的第一金属网格图像的示例性示意图。如图2所示，第一金属网格图像可以为金属网格交叉位置的图像。由于金属网格交叉位置金属网格所占面积较大，因此有利于后续的图像检测处理。
在一种可能的实现方式中，终端可以将图像采集设备采集到的图像作为原始图像。在采集原始图像的同时，终端可以标记第一待检测产品的产品信息，例如日期、产品位置、拍摄参数和工艺参数等，以便于人员查看检测结果的同时查看产品信息，快速形成产品和黑化程度的关联。
之后，终端可以对原始图像进行裁剪（例如可以裁剪到原始图像大小的70%）得到第一金属网格图像。这样，可以去除周边的日期等无用信息，减少图像干扰信息，降低数据处理量，提高处理速度。
进一步的，裁剪的大小可以基于金属网格的交叉点进行标准化处理。以金属网格的差点为中心确定图像的剪裁大小，从而使得第一金属网格为金属网格交叉位置的图像。
图3为本申请实施例提供的裁剪过程的示意图。如图3所示，原始图像上经过裁剪得到第一金属网格图像。
当然，终端也可以将图像采集设备采集到的图像直接作为第一金属网格图像，本申请实施例对此不作限制。
步骤S102，确定所述第一金属网格图像中的目标检测区域。
目标检测区域实际是指感兴趣区域（Region of Interest，ROI）。本申请实施例的目的是为了检测金属网格的黑化程度，因此本申请实施例的感兴趣区域是金属网格所在区域。因此，在本申请实施例中，目标检测区域可以表示所述第一金属网格图像中金属网格所在区域。
在一种可能的实现方式中，步骤S102可以包括：对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线；基于所述边缘曲线，形成所述第一待检测产品的第一点位的金属网格的轮廓区域；根据所述轮廓区域确定图像掩膜，所述图像掩膜用于指示所述第一金属网格图像中与金属网格无关的区域；采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
图4为本申请实施例提供的图像掩膜确定过程的示意图。如图4所示，对第一金属网格图像进行边缘检测后，得到金属网格的边缘曲线；基于边缘曲线，形成了轮廓区域；根据轮廓区域确定出了图像掩膜。
边缘检测是为了沿边界连接所有具有相同的颜色或者强度的连续点，得到边缘曲线，具体可以通过像素点之间的梯度阈值来筛选边缘点，从而连接边缘曲线。下面首先对提取边缘曲线的过程进行说明。
在第一金属网格图像中，金属网格具有相对明显的边缘线。因此，终端可以先对第一金属网格图像进行边缘检测，得到金属网格的边缘曲线。基于此，终端将边缘曲线包围的区域确定为金属网格的轮廓区域。之后，终端可以根据轮廓区域确定图像掩膜。
可选的，所述对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线可以包括：将所述第一金属网格图像转化为黑白图像；基于所述黑白图像中像素点之间的梯度，确定所述黑白图像中的边缘点；连接所述黑白图像中的边缘点，得到所述第一待检测产品的第一点位的金属网格的边缘曲线。
在本申请实施例中，可以首先将第一金属网格图像转化为黑白图像，然后基于黑白图像进行边缘检测，得到第一待检测产品的第一点位的金属网格的边缘曲线。具体的，可以基于黑白图像中像素点之间的梯度，确定黑白图像中的边缘点，这些边缘点连接即可得到边缘曲线。在一个示例中，可以确定黑白图像中像素点在x轴（或y轴）方向的梯度，然后将梯度与梯度阈值进行比较，将梯度大于梯度阈值的像素点作为边缘点，进而连接边缘点得到边缘曲线。考虑到，黑白图像中像素点的像素值为0或者255，因此黑白图像中像素点之间的梯度为0或255，因此梯度阈值可以设置为任意大于0且小于255的值。
在一种可能的实现方式中，所述将所述第一金属网格图像转化为黑白图像可以包括：将所述第一金属网格图像转换为灰阶图像；对所述灰阶图像进行虚化处理，得到虚化图像；根据所述虚化图像中各像素点的灰度值的分布情况，确定所述虚化图像中的背景区域；基于所述背景区域去除所述虚化图像中的背景，并将去除背景的虚化图像转化为黑白图像。
图5为本申请实施例提供的边缘曲线获取过程的示意图。如图5所示，终端将第一金属网格图像转换为灰阶图像；然后对灰阶图像进行虚化处理得到虚化图像；接着统计虚化图像的灰度分布图，该灰度分布图可以指示虚化图像中各像素点的灰度值的分布情况，具体的，灰度分布图中，横坐标表示灰度值，纵坐标表示虚化图像中各个灰度值的像素点的数量。之后，终端可以根据灰度分布图，确定虚化图像中的背景区域，从而基于背景区域去除虚化图像中的背景，并将去除背景后的虚化图像转化为黑白图像。在一个示例中，可以将虚化图像中灰度值大于或者等于140且小于或者等于255的像素点确定为背景区域。最后，终端可以基于黑白图像进行边缘检测，得到第一待检测产品的第一点位的金属网格的边缘曲线。
在本申请实施例中，将第一金属网格图像转换为灰阶图像可以简化图像信息，以便于轮廓的辨别，而进行虚化处理可以使得金属网格线更加平滑柔顺，尤其是金属网格线的边界（参见图5所示的灰阶图像和虚化图像，前者坑坑洼洼的状态不利于后续边缘检测，而后者整体边界更加平滑柔顺），并且消除背景中、金属网格线上的干扰因素，即噪声，凸显出了金属网格线所在的目标区域。
本申请实施例中，采用黑白图像进行边缘检测，故而梯度阈值的情况变得更加简单，边缘点更加容易判断，边缘曲线的准确性更好。需要说明的是，本申请实施例中还可以采用一些相关技术中的边缘检测算法来实现边缘检测，例如Canny、oberts、Prewitt、Sobel等等，对此本申请实施例不做限制。
进一步的，终端可以基于边缘曲线，形成了轮廓区域。在一个示例中，终端可以根据检测到的边缘曲线所组合形成的轮廓面积，筛选出最大的区域作为轮廓区域。
在获得了轮廓区域之后，终端可以根据轮廓区域确定出图像掩膜。图像掩膜（即Mask）可以用于指示第一金属网格图像中与金属网格无关的区域，即非金属网格的区域。终端可以采用图像掩膜对第一金属网格图像进行提取，得到目标检测区域。在一个示例中，图像掩膜可以为二值图像，图像掩膜中的任意一个像素点的取值为0（对应非金属网格区域）或者1（对应金属网格区域）。终端可以将图像掩膜与第一金属网格图像对应像素点的取值相乘，得到目标检测区域。在又一示例中，图像掩膜中的任意一个像素点的取值为0（对应非金属网格区域）或者255（对应金属网格区域）。终端可以将图像掩膜归一化处理后与第一金属网格图像对应像素点的取值相乘，得到目标检测区域。
在本申请实施例中，图像掩膜上通过上述灰化、虚化、去背景、黑白、边缘检测、轮廓识别、腐蚀处理得到，可以准确地控制第一金属网格图像的目标检测区域，提高了金属网格黑化检测的准确性。
可选的，在所述采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域之前，所述方法还包括：对所述图像掩膜进行腐蚀处理，以采用腐蚀处理后的图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
在获取目标检测区域之前，对图像掩膜进行腐蚀处理可以去除边缘杂色部分。其中， 在黑白图像对应的图像掩膜（也是二进制图像）上执行腐蚀的具体过程为：通过预设的结构元素对图像掩膜的每个像素进行“AND”运算，只有结构元素内所有像素对应的运算结果都为1，被处理的像素才被视为1，否则被处理的像素将变为腐蚀，即变为0。
图6为本申请实施例提供的目标检测区域获取过程的示意图。如图6所示， 图像掩膜对第一金属网格图像进行提取，可以得到目标检测区域。
在本申请实施例中，通过图像掩膜提取目标检测区域，图像掩膜的处理过程不影响目标检测区域的提取，提取方法高效，也不影响目标检测区域的图像信息，可以得到准确的金属网格图像信息，提高金属网格黑化检测的准确性。
步骤S103，提取所述目标检测区域的颜色参数。
目标检测区域的颜色参数可以用于指示目标检测区域的颜色。其中，颜色参数可以为RGB值或者Lab值，具体基于第一金属网格图像的图像数据格式而定。
在一种可能的实现方式中，步骤S103可以包括：将所述目标检测区域中各个像素点的颜色参数的平均值，确定为所述目标检测区域的颜色参数。这样，目标检测区域的颜色参数就可以代表整个目标检测区域的平均颜色，准确性较高。
步骤S104，根据所述颜色参数确定第一黑化程度。
考虑到Lab值更能接近人眼对颜色的感受，因此若步骤S103提取的颜色参数为RGB值，则可以转换成Lab值进行进一步处理，若步骤S103提取的颜色参数为Lab值，则无需转化。下面以颜色参数为Lab值为例对确定第一黑化程度的过程进行说明。
其中，第一黑化程度可以表示所述第一待检测产品的第一点位的金属网格的黑化程度。
在一种可能的实现方式中，步骤S104可以包括：确定所述颜色参数与标准黑化色谱图中每个参考参数的色差值；将与所述颜色参数的色差值最小的颜色参数对应的黑化程度确定为所述第一黑化程度。
其中，标准黑化色谱图可以用于指示黑化程度和参考参数之间的对应关系。标准黑化色谱图中包括多个参考参数，每个参考参数具有对应的黑化程度。也就是说，标准黑化色谱中包括多个黑化程度，这些黑化程度可以用金属网格的可视性的高低进行表征。
在一个示例中，标准黑化色谱图中的多个黑化程度实际上代表了多个等级，具体的可以采用对应的色号ldx进行区分。举例来说，色号ldx的取值为1到50的整数，对应于标准黑化色谱图中第1等级到第50等级的黑化程度。标准黑化色谱图可以通过相关测试获取，本申请实施例中对标准黑化色谱图的获取方式以及具体内容不作限定。
颜色参数与参考参数的色差值越小代表颜色参数和参考参数对应的颜色越接近，对应的黑化程度也就越接近。终端确定颜色参数与参考参数的色差值的方法会在后文进行详细说明，这里不再赘述。
终端可以确定颜色参数与标准黑化色谱图中每个参考参数的色差值，然后找到色差值中的最小值，将最小值对应的黑化程度确定第一黑化程度，即找到标准黑化色谱图中与第一金属网格图像颜色最接近的色号，并将颜色最接近的色号代表的黑化程度确定为第一黑化程度。
在本申请实施例中，通过色差值比较标准黑化色谱图与第一金属网格图像的近似度，可以准确判断第一金属网格图像的黑化程度，进一步判断得到各种检测信息，检测结果可靠稳定、检测方式方便高效。
上述黑化程度检测方法，通过获取第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像，提取图线各种金属网格所在区域的颜色参数，根据颜色参数确定黑化程度，使用对图像检测的方式替代了人员观察的方式，实现了黑化程度的自动检测，提升了黑化程度检测结果的准确性。同时，自动化的检测，无需人员主观判断，检测可靠稳定、检测效率高、检测结果准确。
在一种可能的实现方式中，所述方法还可以包括：获取多个第二黑化程度，所述多个第二黑化程度表示所述第一待检测产品的多个第二点位的金属网格的黑化程度，所述多个第二点位与所述第一点位均匀分布在所述待检测产品中；根据所述第一黑化程度和所述多个第二黑化程度，确定所述第一待检测产品的黑化程度范围。
在本申请实施例中，可以对第一待检测产品中均匀分布在各个区域的多个点位（包括第一点位和多个第二点位）分别进行黑化程度检测，得到各个点位的黑化程度。基于第一待检测产品中不同点位的黑化程度，一方面可以检测得到第一待检测产品的黑化程度的范围，另一方面，可以检测得到第一待检测产品不同区域之间的黑化程度差异，即均一性。
图7为本申请实施例提供的色差值的示意图。如图7所示，图像1至图像9为九张金属网格图像，这些金属网格图像对应于同一待检测产品的九个点位。九张金属网格图像分别经过与标准黑化色谱图进行颜色比较，得到每张金属网格图像对应的最小色差值（即色差值中的最小值）以及最小色差值对应的色号。如图7所示，九张金属网格图像对应的最小色差值分别为9.11、7.72、10.73、12.43、9.45、0.37、11.75、10.39和13.09，最小色差值对应的色号分别为35、35、38、41、41、44、32、32和41。如此，可以确定上述待检测产品的黑化程度范围为32至44。
在一种可能的实现方式中，可以在标准黑化色谱图上设置第一区域和第二区域。其中，第一区域代表黑化合格区域，可以称为OK区域。第二区域代表黑化不合格区域，可以称为NG区域。基于预先设置的OK区域和NG区域，可以判断待检测产品的黑化是否合格。
在一个示例中，可以基于待检测产品的黑化程度范围确定待检测产品的黑化是否合格。如果待检测产品的黑化程度范围落在OK区域内，表明待检测产品的每个点位的黑化程度都在OK区域内，因此可以确定待检测产品的黑化合格。
在又一示例中，可以基于待检测产品每个点位的黑化程度对应的判断结果确定待检测产品的黑化是否合格。具体的，可以在判断结果为OK区域的点位的数量占点位总量的比例大于一定阈值时，确定待检测产品的黑化合格。例如，图7所示的九个点位中，有7个点位的黑化程度落在OK区域内，则表示待检测产品的黑化合格。
在一种可能的实现方式中，可以为最小色差值设定相应的允许阈值，若最小色差值超出允许阈值，可以判断为超出检测范围。
在一种可能的实现方式中，所述方法还可以包括：获取多个第三黑化程度，所述多个第三黑化程度表示多个第二待检测产品的第一点位的金属网格的黑化程度，所述多个第二待检测产品与所述第一待检测产品属于同一批次；根据所述第一黑化程度和所述多个第三黑化程度，确定所述批次的黑化差异。
在本申请实施例中，可以对不同待检测产品中第一点位分别进行黑化程度检测，得到各个待检测产品第一点位的黑化程度。基于不同待检测产品中同一点位的黑化程度，可以检测得到不同待检测产品之间的黑化程度差异。
在一个示例中，可以设定一个产品差异的允许阈值，若产品之间的黑化程度差异在该允许阈值范围内，则该批次产品OK，反之，该批次产品异常。
下面对确定色差值的方式进行说明。
方式一，可以基于国际照明委员会（International Commission onillumination，CIE）的色度标准CIE 94确定色差值。
其中，表示色差值，、、分别为两种颜色之间灰度、红绿度、黄蓝度的差异，、、为灰度、红绿度、黄蓝度的标准差异系数。
方式二，可以通过色度标准CIE2000确定色差值。
其中，、、为参数权重因子。具体参数计算如下：
（1）计算、
（2）计算、、
（3）计算、、、
通过上述参数计算，就可以得到上述的值，从而得到黑化程度的检测结果。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的黑化程度检测方法的黑化程度检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个黑化程度检测装置实施例中的具体限定可以参见上文中对于黑化程度检测方法的限定，在此不再赘述。
在一个示例性的实施例中，图8为本申请实施例提供的黑化程度检测装置的结构框图。如图8所示，装置800可以包括：第一获取模块801、第一确定模块802、提取模块803和第二确定模块804，其中：
第一获取模块，用于获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
第一确定模块，用于确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取模块，用于提取所述目标检测区域的颜色参数；
第二确定模块，用于根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度。
在一种可能的实现方式中，所述第一确定模块还用于：
对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线；
基于所述边缘曲线，形成所述第一待检测产品的第一点位的金属网格的轮廓区域；
根据所述轮廓区域确定图像掩膜，所述图像掩膜用于指示所述第一金属网格图像中与金属网格无关的区域；
采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
在一种可能的实现方式中，所述对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线，包括：
将所述第一金属网格图像转化为黑白图像；
基于所述黑白图像中像素点之间的梯度，确定所述黑白图像中的边缘点；
连接所述黑白图像中的边缘点，得到所述第一待检测产品的第一点位的金属网格的边缘曲线。
在一种可能的实现方式中，所述将所述第一金属网格图像转化为黑白图像，包括：
将所述第一金属网格图像转换为灰阶图像；
对所述灰阶图像进行虚化处理，得到虚化图像；
根据所述虚化图像中各像素点的灰度值的分布情况，确定所述虚化图像中的背景区域；
基于所述背景区域去除所述虚化图像中的背景，并将去除背景的虚化图像转化为所述黑白图像。
在一种可能的实现方式中，所述装置还包括：
腐蚀模块，用于对所述图像掩膜进行腐蚀处理，以采用腐蚀处理后的图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
在一种可能的实现方式中，所述提取模块还用于：
将所述目标检测区域中各个像素点的颜色参数的平均值，确定为所述目标检测区域的颜色参数。
在一种可能的实现方式中，所述第二确定模块还用于：
确定所述颜色参数与标准黑化色谱图中每个参考参数的色差值，所述标准黑化色谱图用于指示黑化程度和参考参数之间的对应关系；
将与所述颜色参数的色差值最小的颜色参数对应的黑化程度确定为所述第一黑化程度。
在一种可能的实现方式中，所述装置还包括：
第二获取模块，用于获取多个第二黑化程度，所述多个第二黑化程度表示所述第一待检测产品的多个第二点位的金属网格的黑化程度，所述多个第二点位与所述第一点位均匀分布在所述待检测产品中；
第三确定模块，用于根据所述第一黑化程度和所述多个第二黑化程度，确定所述第一待检测产品的黑化程度范围。
在一种可能的实现方式中，所述装置还包括：
第三获取模块，用于获取多个第三黑化程度，所述多个第三黑化程度表示多个第二待检测产品的第一点位的金属网格的黑化程度，所述多个第二待检测产品与所述第一待检测产品属于同一批次；
第四确定模块，用于根据所述第一黑化程度和所述多个第三黑化程度，确定所述批次的黑化差异。
上述黑化程度检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种黑化程度检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种黑化程度检测方法，其特征在于，所述方法包括：
获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取所述目标检测区域的颜色参数；
根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度；
其中，所述确定所述第一金属网格图像中的目标检测区域包括：
对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线，所述边缘曲线由边缘点连接而成，所述边缘点是基于像素点之间的梯度阈值筛选确定的；
基于所述边缘曲线，形成所述第一待检测产品的第一点位的金属网格的轮廓区域；
根据所述轮廓区域确定图像掩膜，所述图像掩膜用于指示所述第一金属网格图像中与金属网格无关的区域；
采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线，包括：
将所述第一金属网格图像转化为黑白图像；
基于所述黑白图像中像素点之间的梯度，确定所述黑白图像中的边缘点；
连接所述黑白图像中的边缘点，得到所述第一待检测产品的第一点位的金属网格的边缘曲线。
3.根据权利要求2所述的方法，其特征在于，所述将所述第一金属网格图像转化为黑白图像，包括：
将所述第一金属网格图像转换为灰阶图像；
对所述灰阶图像进行虚化处理，得到虚化图像；
根据所述虚化图像中各像素点的灰度值的分布情况，确定所述虚化图像中的背景区域；
基于所述背景区域去除所述虚化图像中的背景，并将去除背景的虚化图像转化为所述黑白图像。
4.根据权利要求1所述的方法，其特征在于，在所述采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域之前，所述方法还包括：
对所述图像掩膜进行腐蚀处理，以采用腐蚀处理后的图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
5.根据权利要求1所述的方法，其特征在于，所述提取所述目标检测区域的颜色参数，包括：
将所述目标检测区域中各个像素点的颜色参数的平均值，确定为所述目标检测区域的颜色参数。
6.根据权利要求1所述的方法，其特征在于，所述根据所述颜色参数确定第一黑化程度，包括：
确定所述颜色参数与标准黑化色谱图中每个参考参数的色差值，所述标准黑化色谱图用于指示黑化程度和参考参数之间的对应关系；
将与所述颜色参数的色差值最小的颜色参数对应的黑化程度确定为所述第一黑化程度。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取多个第二黑化程度，所述多个第二黑化程度表示所述第一待检测产品的多个第二点位的金属网格的黑化程度，所述多个第二点位与所述第一点位均匀分布在所述待检测产品中；
根据所述第一黑化程度和所述多个第二黑化程度，确定所述第一待检测产品的黑化程度范围。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取多个第三黑化程度，所述多个第三黑化程度表示多个第二待检测产品的第一点位的金属网格的黑化程度，所述多个第二待检测产品与所述第一待检测产品属于同一批次；
根据所述第一黑化程度和所述多个第三黑化程度，确定所述批次的黑化差异。
9.一种黑化程度检测装置，其特征在于，所述装置包括：
第一获取模块，用于获取第一金属网格图像，所述第一金属网格图像表示第一待检测产品的第一点位的金属网格的图像；
第一确定模块，用于确定所述第一金属网格图像中的目标检测区域，所述目标检测区域表示所述第一金属网格图像中金属网格所在区域；
提取模块，用于提取所述目标检测区域的颜色参数；
第二确定模块，用于根据所述颜色参数确定第一黑化程度，所述第一黑化程度表示所述第一待检测产品的第一点位的金属网格的黑化程度；
其中，所述第一确定模块还用于：
对所述第一金属网格图像进行边缘检测，得到所述第一待检测产品的第一点位的金属网格的边缘曲线，所述边缘曲线由边缘点连接而成，所述边缘点是基于像素点之间的梯度阈值筛选的；
基于所述边缘曲线，形成所述第一待检测产品的第一点位的金属网格的轮廓区域；
根据所述轮廓区域确定图像掩膜，所述图像掩膜用于指示所述第一金属网格图像中与金属网格无关的区域；
采用所述图像掩膜对所述第一金属网格图像进行提取，得到所述目标检测区域。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311450692.5A CN117197129B (zh) | 2023-11-03 | 2023-11-03 | 黑化程度检测方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311450692.5A CN117197129B (zh) | 2023-11-03 | 2023-11-03 | 黑化程度检测方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117197129A CN117197129A (zh) | 2023-12-08 |
| CN117197129B true CN117197129B (zh) | 2024-02-13 |
Family
ID=89000154
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311450692.5A Active CN117197129B (zh) | 2023-11-03 | 2023-11-03 | 黑化程度检测方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117197129B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346850A (zh) * | 2011-10-13 | 2012-02-08 | 西北工业大学 | 复杂金属背景下DataMatrix条码区域定位方法 |
| CN104428738A (zh) * | 2012-07-11 | 2015-03-18 | 大日本印刷株式会社 | 触摸板传感器、触摸板装置以及显示装置 |
| CN106648201A (zh) * | 2016-09-30 | 2017-05-10 | 业成科技（成都）有限公司 | 黑化金属网格结构及其制造方法 |
| CN109461779A (zh) * | 2018-11-05 | 2019-03-12 | 吉林建筑大学 | 一种基于喷墨打印技术的金属网格电极制备方法 |
| CN112730251A (zh) * | 2020-12-30 | 2021-04-30 | 凌云光技术股份有限公司 | 一种用于屏幕颜色缺陷检测的装置及方法 |
| CN113039577A (zh) * | 2020-08-14 | 2021-06-25 | 深圳欣锐科技股份有限公司 | 产品测试方法、装置、计算机可读存储介质及电子设备 |
| CN113177939A (zh) * | 2021-05-25 | 2021-07-27 | 浙江大华技术股份有限公司 | 一种灯板检测方法、装置、电子设备及存储介质 |
| CN114792314A (zh) * | 2022-06-21 | 2022-07-26 | 南通永卓金属制品有限公司 | 基于激光束的金属丝网缺陷检测方法及人工智能系统 |
| CN115270051A (zh) * | 2022-06-30 | 2022-11-01 | 泉州市三安集成电路有限公司 | 一种晶片还原黑化颜色获取方法及系统 |
| CN116758067A (zh) * | 2023-08-16 | 2023-09-15 | 梁山县成浩型钢有限公司 | 基于特征匹配的金属结构件检测方法 |
| CN116958960A (zh) * | 2023-05-30 | 2023-10-27 | 中国农业大学 | 一种基于机器学习随机森林算法的鸡蛋暗斑检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8411146B2 (en) * | 2009-09-04 | 2013-04-02 | Lockheed Martin Corporation | Single camera color and infrared polarimetric imaging |
-
2023
- 2023-11-03 CN CN202311450692.5A patent/CN117197129B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102346850A (zh) * | 2011-10-13 | 2012-02-08 | 西北工业大学 | 复杂金属背景下DataMatrix条码区域定位方法 |
| CN104428738A (zh) * | 2012-07-11 | 2015-03-18 | 大日本印刷株式会社 | 触摸板传感器、触摸板装置以及显示装置 |
| CN106648201A (zh) * | 2016-09-30 | 2017-05-10 | 业成科技（成都）有限公司 | 黑化金属网格结构及其制造方法 |
| CN109461779A (zh) * | 2018-11-05 | 2019-03-12 | 吉林建筑大学 | 一种基于喷墨打印技术的金属网格电极制备方法 |
| CN113039577A (zh) * | 2020-08-14 | 2021-06-25 | 深圳欣锐科技股份有限公司 | 产品测试方法、装置、计算机可读存储介质及电子设备 |
| CN112730251A (zh) * | 2020-12-30 | 2021-04-30 | 凌云光技术股份有限公司 | 一种用于屏幕颜色缺陷检测的装置及方法 |
| CN113177939A (zh) * | 2021-05-25 | 2021-07-27 | 浙江大华技术股份有限公司 | 一种灯板检测方法、装置、电子设备及存储介质 |
| CN114792314A (zh) * | 2022-06-21 | 2022-07-26 | 南通永卓金属制品有限公司 | 基于激光束的金属丝网缺陷检测方法及人工智能系统 |
| CN115270051A (zh) * | 2022-06-30 | 2022-11-01 | 泉州市三安集成电路有限公司 | 一种晶片还原黑化颜色获取方法及系统 |
| CN116958960A (zh) * | 2023-05-30 | 2023-10-27 | 中国农业大学 | 一种基于机器学习随机森林算法的鸡蛋暗斑检测方法 |
| CN116758067A (zh) * | 2023-08-16 | 2023-09-15 | 梁山县成浩型钢有限公司 | 基于特征匹配的金属结构件检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Fuzzy Rule Based Prediction System of Surface Damage in the Laser Cleaning Process;J. M. Lee 等;《Int J Adv Manuf Technol (2000)》;20001231;649–655 * |
| 基于机器视觉的钢材锈蚀表面激光清洗检测方法;刘伟军 等;《应用激光》;20211231;第41卷(第6期);1287-1292 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117197129A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Multi-scale optimal fusion model for single image dehazing | |
| CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
| US9595087B2 (en) | Image processing method for detail enhancement and noise reduction | |
| Jiang et al. | Image dehazing using adaptive bi-channel priors on superpixels | |
| JP4160258B2 (ja) | 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定 | |
| Herzog et al. | NoRM: No‐reference image quality metric for realistic image synthesis | |
| WO2017215527A1 (zh) | Hdr场景侦测方法、装置和计算机存储介质 | |
| CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
| CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
| CN117011304B (zh) | 缺陷检测方法、装置、计算机设备及计算机可读存储介质 | |
| CN112102926A (zh) | 一种图像处理方法、装置、设备和存储介质 | |
| JP2015135540A (ja) | 画像の特徴点抽出方法、欠陥検査方法、欠陥検査装置 | |
| JP6819445B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
| CN112102207A (zh) | 一种确定温度的方法、装置、电子设备及可读存储介质 | |
| CN114723728A (zh) | 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统 | |
| CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
| CN112132774A (zh) | 一种色调映射图像的质量评价方法 | |
| CN117197129B (zh) | 黑化程度检测方法、装置和计算机设备 | |
| CN115984246B (zh) | 基于机器视觉的缺陷快速检测方法及装置、设备、存储介质 | |
| CN110349133B (zh) | 物体表面缺陷检测方法、装置 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN109448010B (zh) | 一种基于内容特征的四方连续纹样自动生成方法 | |
| CN107527011B (zh) | 一种非接触式皮肤电阻变化趋势检测方法、装置及设备 | |
| CN115330803A (zh) | 一种表面缺陷数据增强方法、装置、电子设备及存储介质 | |
| CN112150433B (zh) | 电路板晶须物质的检测方法、计算机设备和存储介质 |
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 |