CN117274203B - 一种环保塑料制品表面质量视觉检测方法 - Google Patents
一种环保塑料制品表面质量视觉检测方法 Download PDFInfo
- Publication number
- CN117274203B CN117274203B CN202311252245.9A CN202311252245A CN117274203B CN 117274203 B CN117274203 B CN 117274203B CN 202311252245 A CN202311252245 A CN 202311252245A CN 117274203 B CN117274203 B CN 117274203B
- Authority
- CN
- China
- Prior art keywords
- run
- interval
- image block
- gray scale
- warping
- 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
- 239000004033 plastic Substances 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000000007 visual effect Effects 0.000 title claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 121
- 230000007547 defect Effects 0.000 claims abstract description 45
- 241001270131 Agaricus moelleri Species 0.000 claims abstract description 15
- 230000035772 mutation Effects 0.000 claims description 80
- 238000000034 method Methods 0.000 claims description 29
- 238000011179 visual inspection Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims 1
- 239000002985 plastic film Substances 0.000 abstract description 4
- 229920006255 plastic film Polymers 0.000 abstract description 4
- 230000001788 irregular Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- 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
- G06V10/54—Extraction of image or video features relating to texture
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种环保塑料制品表面质量视觉检测方法,包括:获取土工膜表面灰度图像;对土工膜表面灰度图像进行分块,对于每个图像块利用灰度游程矩阵得到不同灰度级的游程频率坐标轴;获取每个灰度级下的游程频率坐标轴中的多个突变点,根据任意两个相邻突变点的翘边区域间隔可能性,获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间;根据每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的游程连续程度和该疑似翘边间隔区间中每个游程存在疵点的可能性,获取该疑似翘边间隔区间的可能性;根据疑似翘边间隔区间的可能性对土工膜质量检测。本发明提高了判断塑料薄膜质量检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种环保塑料制品表面质量视觉检测方法。
背景技术
随着全球经济的发展和人们生活水平的提高,塑料制品已经成为了日常生活中不可或缺的一部分。传统的塑料制品表面质量检测通常采用人工目视检查,存在劳动力成本高、检测不准确等问题。因此,需要一种自动化、高效准确的环保塑料制品表面质量视觉检测方法。其中,土工膜以塑料薄膜作为防渗基材,与无纺布复合而成的土工防渗材料,新材料土工膜它的防渗性能主要取决于塑料薄膜的防渗性能。
翘边又是土工膜在生产过程中常见的缺陷之一。土工膜在生产过程结尾时需要进行卷取,由于卷取过程中的裁剪出现的误差会导致土工膜出现翘边。而在利用灰度游程矩阵判断采集到的土工膜表面图像中是否存在翘边区域时,由于灰度游程矩阵只能表现统计结果,且图像中正常的背景区域也存在一定大小的游程,直接使用灰度游程矩阵的纹理特征判断土工膜是否存在翘边缺陷,会导致判断的最终结果存在着较大误差。
发明内容
为了解决上述问题,本发明提供一种环保塑料制品表面质量视觉检测方法,所述方法包括:
获取土工膜表面灰度图像;
对土工膜表面灰度图像进行分块,得到若干个图像块;对于每个图像块利用灰度游程矩阵得到每个图像块的不同灰度级的游程频率坐标轴;
获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间;获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性;根据每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间;
获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度;获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间中每个游程的存在疵点的可能性;根据每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度和每个游程的存在疵点的可能性,得到每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性;根据每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性对土工膜质量检测。
优选的,所述对土工膜表面灰度图像进行分块,得到若干个图像块,包括的具体方法为:
使用预设大小G×G的滑窗在土工膜表面灰度图像上进行步长为G的滑窗操作,得到若干个窗口,将每个窗口作为一个图像块,进而得到土工膜表面灰度图像的若干个图像块。
优选的,所述对于每个图像块利用灰度游程矩阵得到每个图像块的不同灰度级的游程频率坐标轴,包括的具体方法为:
对于土工膜表面灰度图像的第i个图像块,将第i个图像块的灰度级压缩至G个灰度级,并对第i个图像块建立灰度游程矩阵,得到第i个图像块每个灰度级下的灰度游程矩阵,根据第i个图像块每个灰度级下的灰度游程矩阵,以每个灰度级下的灰度游程矩阵中的游程长度为横轴,游程长度出现频率为纵轴,建立游程频率坐标轴,得到第i个图像块每个灰度级下的游程频率坐标轴。
优选的,所述获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间,包括的具体方法为:
对于土工膜表面灰度图像的第i个图像块,在第i个图像块的灰度级为t的游程频率坐标轴中,获取每个数据点的斜率;对于所述游程频率坐标轴中的任意两个相邻数据点,将所述两个相邻数据点的斜率差值的绝对值记为第一差值,将第一差值通过线性归一化函数norm()进行归一化,得到归一化后的第一差值,若归一化后的第一差值大于预设参数T1,则将所述两个相邻数据点中的左侧数据点作为突变点,同理,获取所述游程频率坐标轴中所有突变点;所述游程频率坐标轴中任意两个突变点皆可以组成突变点区间,进而得到所述游程频率坐标轴中所有突变点区间。
优选的,所述获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性,包括的具体方法为:
对于第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间,获取第m个突变点区间中的左侧突变点和右侧突变点的坐标位置以及突变点区间中所有数据点斜率,则第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的翘边区域间隔可能性的计算表达式为:
式中,PRi,t,m表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的翘边区域间隔可能性;t表示游程频率坐标轴的灰度级;Li,t,m,r表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的右侧突变点横坐标值;Li,t,m,l表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的左侧突变点横坐标值;Ki,t,m,v表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间之间的第v个数据点斜率;表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间之间的所有数据点斜率均值;ε为预设超参数;||表示取绝对值。
优选的,所述根据每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间,包括的具体方法为:
将第i个图像块的灰度级为t的游程频率坐标轴中突变点区间的翘边区域间隔可能性最大的突变点区间记为第一突变点区间,将第一突变点区间中左侧突变点和右侧突变点的横坐标值对应到第i个图像块的灰度级为t的灰度游程矩阵中,得到游程长度区间,将所述游程长度区间作为疑似翘边间隔区间,进而获得第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间。
优选的,所述获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度,包括的具体方法为:
将第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中每个游程对应到第i个图像块中,根据游程的游程长度和灰度级t,获取所述疑似翘边间隔区间中每个游程在第i个图像块中的区域;
对于第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程,获取第x个游程在第i个图像块中的区域中心与所述疑似翘边间隔区间中每个游程在第i个图像块中的区域中心之间的欧氏距离,组成第一距离集,将第一距离集中的最小值作为第x个游程的第一距离;同理,获取所述疑似翘边间隔区间中每个游程的第一距离,则第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的游程连续程度计算表达式为:
式中,Di,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的游程连续程度;Ni,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中所有游程的数量;di,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中第x个游程的第一距离。
优选的,所述获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间中每个游程的存在疵点的可能性,包括的具体方法为:
预设参数B,对于第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程,将第x个游程在第i个图像块中的区域的左侧B个像素点组成的区域记为第x个游程的第一区域,将第x个游程在第i个图像块中的区域的右侧B个像素点组成的区域记为第x个游程的第二区域;将第x个游程的第一区域和第二区域中每个像素点的灰度级与第x个游程的灰度级作差,得到第x个游程的第一区域和第二区域中每个像素点的灰度级差值,将统计得到像素点的灰度级差值为0的像素点个数作为第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程的存在疵点的可能性。
优选的,所述根据每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度和每个游程的存在疵点的可能性,得到每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性具体公式为:
式中,Finali,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的可能性;PRi,t,max表示第i个图像块的灰度级为t的游程频率坐标轴中突变点区间的翘边区域间隔可能性最大值;Ni,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中所有游程的数量;di,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中第x个游程的第一距离;Pti,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程的存在疵点的可能性;norm()为线性归一化函数。
优选的,所述根据每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性对土工膜质量检测,包括的具体方法为:
对于土工膜表面灰度图像中任意一个图像块,获取所述图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性;若所述图像块存在着任意一个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性大于预设参数T1,则所述图像块存在翘边间隔,具有翘边缺陷,进而确定土工膜质量不合格;若土工膜表面灰度图像的所有图像块所有灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性都小于等于预设参数T1,所有图像块不具有翘边缺陷,则确定土工膜质量合格。
本发明的技术方案的有益效果是:针对传统的塑料制品表面质量检测通常采用人工目视检查,存在劳动力成本高、检测不准确的问题;本发明通过对土工膜表面图像划分若干个的区域,对每个区域分别建立灰度游程矩阵,结合不同灰阶下游程频率的分布关系,判断出存在翘边缺陷间隔的游程区间,并排除了疵点对翘边缺陷间隔游程的识别影响,使得准确的识别出土工膜表面图像中的翘边缺陷,进而提高了判断塑料薄膜质量检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有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为本发明一种环保塑料制品表面质量视觉检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种环保塑料制品表面质量视觉检测方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种环保塑料制品表面质量视觉检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种环保塑料制品表面质量视觉检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取土工膜表面灰度图像。
需要说明的是,土工膜以塑料薄膜作为防渗基材,然而土工膜在生产过程结尾时需要进行卷取,由于卷取过程中的裁剪出现的误差会导致土工膜出现翘边缺陷。在对土工模进行缺陷检测时,其表面会出现疵点或凹陷区域,利用灰度游程矩阵统计图像时,这些小瑕疵会对缺陷检测产生干扰。
具体的,为了实现本实施例提出的一种环保塑料制品表面质量视觉检测方法,首先需要采集土工膜表面灰度图像,具体过程为:
在土工膜传输过程中利用工业相机采集若干张土工膜表面图像,将若干张土工膜表面图像拼接成最终土工膜表面图像;对最终土工膜表面图像进行中值滤波去噪、灰度化操作以及语义分割处理得到土工膜表面灰度图像。其中,中值滤波、灰度化操作以及语义分割为现有技术,此处不做过多赘述;本实施例以获取的土工膜表面灰度图像大小为800×800进行叙述。
至此,通过上述方法得到土工膜表面灰度图像。
步骤S002:对土工膜表面灰度图像进行分块,对于每个图像块利用灰度游程矩阵得到不同灰度级的游程频率坐标轴。
需要说明的是,由于土工膜表面灰度图像中的正常纹理和翘边缺陷具有不同的图像特征,正常纹理通常是均匀分布的,没有明显的不规则形状或空白区域;其灰度分布通常较为均匀,没有明显的明暗区域或灰度跳变和相对平滑的;并且其没有明显的粗糙度或不规则边缘。而翘边缺陷为不规则形状的边缘,呈现波浪状、锯齿状或凹凸不平的形态;其存在着灰度跳变或对比度增加,与正常区域形成明显的边界;并且其边缘通常比较粗糙或不规则,可能出现边缘断裂、毛刺或离散的纹理,与正常纹理有明显区别。
灰度游程矩阵是一种用于描述图像纹理特征的统计方法。它可以通过计算相邻像素间的灰度变化来捕捉图像中的纹理信息。在土工膜表面灰度图像中,通过灰度游程矩阵可以区分正常纹理和翘边缺陷一方面是因为它们具有不同的纹理特征,另一方面是因为灰度游程矩阵能够有效地提取和表示这些特征。其中,灰度游程矩阵可以统计每个灰度值连续出现的像素个数,即游程长度。正常纹理通常表现为较长的游程,因为相邻像素之间的灰度变化较小;而翘边缺陷区域的游程长度较短,因为翘边导致了灰度的明显变化;因此通过分析不同区域的灰度游程矩阵的游程长度,可以对土工膜表面灰度图像中的翘边缺陷进行区分和识别。
预设一个参数G,其中本实施例以G=10例进行叙述,本实施例不进行具体限定,其中G根据具体实施情况而定。
具体的,使用预设大小G×G的滑窗在土工膜表面灰度图像上进行步长为G的滑窗操作,得到若干个窗口,将每个窗口作为一个图像块,进而得到土工膜表面灰度图像的若干个图像块;其中,为了使得滑窗能把土工膜表面灰度图像均匀分成若干个窗口,滑窗的大小设置为土工膜表面灰度图像大小的公因数。
对于土工膜表面灰度图像的第i个图像块,将第i个图像块的灰度级压缩至G个灰度级,并对第i个图像块建立灰度游程矩阵,得到第i个图像块每个灰度级下的灰度游程矩阵,根据第i个图像块每个灰度级下的灰度游程矩阵,以每个灰度级下的灰度游程矩阵中的游程长度为横轴,游程长度出现频率为纵轴,建立游程频率坐标轴,得到第i个图像块每个灰度级下的游程频率坐标轴;其中,灰度游程矩阵为现有技术,此处不做过多赘述。
需要说明的是,本实施例只需考虑土工膜延伸方向上灰度游程矩阵,故根据相机拍摄时采集的图片延伸方向,确定灰度游程矩阵方向为90°;游程矩阵方向与土工膜表面灰度图像的延伸方向垂直,则灰度游程矩阵中的每个游程,都表示在该方向上相同灰度级的连续像素点个数,由于土工膜表面灰度图像不同区域所蕴含的颜色较为单调,进而将游程长度表示为纹理宽度或是纹理之间间隔宽度。
至此,通过上述方法得到土工膜表面灰度图像的每个图像块的每个灰度级下的游程频率坐标轴。
步骤S003:获取每个灰度级下的游程频率坐标轴中的多个突变点,根据任意两个相邻突变点的翘边区域间隔可能性,获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间。
需要说明的是,在土工膜表面灰度图像中的翘边区域通过灰度游程矩阵表示时,翘边区域之间的间隔由于其边缘具有相交趋势而长度不一,则其特征在游程频率坐标轴中可以体现,故结合游程频率坐标轴,分析出表现翘边区域的区间;对处理过后的游程频率坐标轴进行分析,由于翘边区域不存在类似纹理的宽度,且每个翘边区域之间的存在着间隔距离,其产生翘边的两个边缘具有相交趋势,即表示翘边之间的间隔的游程长度频率在一个游程长度区间内波动,其波动幅度较小,且该区间范围较大。
其中,土工膜表面灰度图像分成的若干个图像块中还存在一部分不表现纹理或翘边的区域,其游程长度出现频率与翘边区域频率存在明显差异。当其游程长度与表现翘边区域的游程长度相等时,它会累加在表现翘边区域的游程长度上,导致图像块中表现纹理特征的区间内出现波动;当其游程长度与表现翘边区域的间隔游程长度相近时,由于其出现频率可能大于也可能小于表示纹理区域的游程频率,即在游程频率坐标轴中会出现斜率陡增或陡减。
预设一个参数T1,其中本实施例以T1=0.7例进行叙述,本实施例不进行具体限定,其中T1根据具体实施情况而定。
具体的,对于土工膜表面灰度图像的第i个图像块,在第i个图像块的灰度级为t的游程频率坐标轴中,获取每个数据点的斜率;对于所述游程频率坐标轴中的任意两个相邻数据点,将所述两个相邻数据点的斜率差值的绝对值记为第一差值,将第一差值通过线性归一化函数norm()进行归一化,得到归一化后的第一差值,若归一化后的第一差值大于预设参数T1,则将所述两个相邻数据点中的左侧数据点作为突变点,同理,获取所述游程频率坐标轴中所有突变点;所述游程频率坐标轴中任意两个突变点皆可以组成突变点区间,进而得到所述游程频率坐标轴中所有突变点区间。
对于第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间,获取第m个突变点区间中的左侧突变点和右侧突变点的坐标位置以及突变点区间中所有数据点斜率,则第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的翘边区域间隔可能性的计算表达式为:
式中,PRi,t,m表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的翘边区域间隔可能性;t表示游程频率坐标轴的灰度级;Li,t,m,r表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的右侧突变点横坐标值;Li,t,m,l表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的左侧突变点横坐标值;Ki,t,m,v表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间之间的第v个数据点斜率;表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间之间的所有数据点斜率均值;ε为预设超参数,本实施预设参数ε为0.1,为了防止分母为零;||表示取绝对值。
至此,获得第i个图像块的灰度级为t的游程频率坐标轴中每个突变点区间的翘边区域间隔可能性。
将第i个图像块的灰度级为t的游程频率坐标轴中突变点区间的翘边区域间隔可能性最大的突变点区间记为第一突变点区间,将第一突变点区间中左侧突变点和右侧突变点的横坐标值对应到第i个图像块的灰度级为t的灰度游程矩阵中,得到游程长度区间,将所述游程长度区间作为疑似翘边间隔区间,进而获得第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间。
至此,通过上述方法得到每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间。
步骤S004:根据每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的游程连续程度和该疑似翘边间隔区间中每个游程存在疵点的可能性,获取该疑似翘边间隔区间的可能性;根据疑似翘边间隔区间的可能性对土工膜质量检测。
需要说明的是,土工膜表面灰度图像中可能存在一些小的疵点,在统计翘边间隔游程的时候,会将原本表现翘边间隔的游程分为多段统计,使表现当前翘边间隔游程频率降低;同时图像背景内可能存在一些疵点导致两个疵点之间的游程与表现翘边间隔的游程的长度相等,使频率升高。上述情况会导致频率图出现波动,此时需要进一步确定当前疑似翘边间隔区间是否表现翘边间隔。
1.获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的游程连续程度。
具体的,将第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中每个游程对应到第i个图像块中,根据游程的游程长度和灰度级t,获取所述疑似翘边间隔区间中每个游程在第i个图像块中的区域。
对于第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程,获取第x个游程在第i个图像块中的区域中心与所述疑似翘边间隔区间中每个游程在第i个图像块中的区域中心之间的欧氏距离,组成第一距离集,将第一距离集中的最小值作为第x个游程的第一距离;同理,获取所述疑似翘边间隔区间中每个游程的第一距离,则第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的游程连续程度计算表达式为:
式中,Di,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的游程连续程度;Ni,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中所有游程的数量;di,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中第x个游程的第一距离。
需要说明的是,当第x个游程的游程长度为偶数时,则第x个游程在第i个图像块中的区域中心,为区域中心两个像素点中的任意一个像素点。
至此,获得每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的游程连续程度。
2.获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间中每个游程的存在疵点的可能性。
需要说明的是,由于疵点将原本表现为翘边间隔的游程分隔开,此时分隔后的表现翘边间隔的游程若仍被统计在疑似翘边间隔区间内,其延伸方向上一定存在另一段表示翘边间隔的游程,并且灰阶是一致的。
预设一个参数B,其中本实施例以B=5例进行叙述,本实施例不进行具体限定,其中B根据具体实施情况而定。
具体的,对于第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程,将第x个游程在第i个图像块中的区域的左侧B个像素点组成的区域记为第x个游程的第一区域,将第x个游程在第i个图像块中的区域的右侧B个像素点组成的区域记为第x个游程的第二区域;将第x个游程的第一区域和第二区域中每个像素点的灰度级与第x个游程的灰度级作差,得到第x个游程的第一区域和第二区域中每个像素点的灰度级差值,将统计得到像素点的灰度级差值为0的像素点个数作为第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程的存在疵点的可能性。
至此,获得每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间中每个游程的存在疵点的可能性。
对于第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间,根据第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的游程连续程度以及第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中每个游程的存在疵点的可能性,得到第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的可能性计算表示式:
式中,Finali,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的可能性;PRi,t,max表示第i个图像块的灰度级为t的游程频率坐标轴中突变点区间的翘边区域间隔可能性最大值;Ni,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中所有游程的数量;di,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中第x个游程的第一距离;Pti,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程的存在疵点的可能性;norm()为线性归一化函数。
至此,获得每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性。
对于土工膜表面灰度图像中任意一个图像块,获取所述图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性;若所述图像块存在着任意一个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性大于预设参数T1,则所述图像块存在翘边间隔,具有翘边缺陷,进而确定土工膜质量不合格;若土工膜表面灰度图像的所有图像块所有灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性都小于等于预设参数T1,所有图像块不具有翘边缺陷,则确定土工膜质量合格。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,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 (6)
1.一种环保塑料制品表面质量视觉检测方法,其特征在于,该方法包括以下步骤:
获取土工膜表面灰度图像;
对土工膜表面灰度图像进行分块,得到若干个图像块;对于每个图像块利用灰度游程矩阵得到每个图像块的不同灰度级的游程频率坐标轴;
获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间;获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性;根据每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间;
获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度;获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间中每个游程的存在疵点的可能性;根据每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度和每个游程的存在疵点的可能性,得到每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性;根据每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性对土工膜质量检测;
所述对于每个图像块利用灰度游程矩阵得到每个图像块的不同灰度级的游程频率坐标轴,包括的具体方法为:
对于土工膜表面灰度图像的第i个图像块,将第i个图像块的灰度级压缩至G个灰度级,并对第i个图像块建立灰度游程矩阵,得到第i个图像块每个灰度级下的灰度游程矩阵,根据第i个图像块每个灰度级下的灰度游程矩阵,以每个灰度级下的灰度游程矩阵中的游程长度为横轴,游程长度出现频率为纵轴,建立游程频率坐标轴,得到第i个图像块每个灰度级下的游程频率坐标轴;
所述获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性,包括的具体方法为:
对于第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间,获取第m个突变点区间中的左侧突变点和右侧突变点的坐标位置以及突变点区间中所有数据点斜率,则第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的翘边区域间隔可能性的计算表达式为:
式中,PRi,t,m表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的翘边区域间隔可能性;t表示游程频率坐标轴的灰度级;Li,t,m,r表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的右侧突变点横坐标值;Li,t,m,l表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间的左侧突变点横坐标值;Ki,t,m,v表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间之间的第v个数据点斜率;表示第i个图像块的灰度级为t的游程频率坐标轴中第m个突变点区间之间的所有数据点斜率均值;ε为预设超参数;||表示取绝对值;
所述获取每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间中每个游程的存在疵点的可能性,包括的具体方法为:
预设参数B,对于第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程,将第x个游程在第i个图像块中的区域的左侧B个像素点组成的区域记为第x个游程的第一区域,将第x个游程在第i个图像块中的区域的右侧B个像素点组成的区域记为第x个游程的第二区域;将第x个游程的第一区域和第二区域中每个像素点的灰度级与第x个游程的灰度级作差,得到第x个游程的第一区域和第二区域中每个像素点的灰度级差值,将统计得到像素点的灰度级差值为0的像素点个数作为第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程的存在疵点的可能性;
所述根据每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度和每个游程的存在疵点的可能性,得到每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性具体公式为:
式中,Finali,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的可能性;PRi,t,max表示第i个图像块的灰度级为t的游程频率坐标轴中突变点区间的翘边区域间隔可能性最大值;Ni,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中所有游程的数量;di,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中第x个游程的第一距离;Pti,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程的存在疵点的可能性;norm()为线性归一化函数。
2.根据权利要求1所述一种环保塑料制品表面质量视觉检测方法,其特征在于,所述对土工膜表面灰度图像进行分块,得到若干个图像块,包括的具体方法为:
使用预设大小G×G的滑窗在土工膜表面灰度图像上进行步长为G的滑窗操作,得到若干个窗口,将每个窗口作为一个图像块,进而得到土工膜表面灰度图像的若干个图像块。
3.根据权利要求1所述一种环保塑料制品表面质量视觉检测方法,其特征在于,所述获取每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间,包括的具体方法为:
对于土工膜表面灰度图像的第i个图像块,在第i个图像块的灰度级为t的游程频率坐标轴中,获取每个数据点的斜率;对于所述游程频率坐标轴中的任意两个相邻数据点,将所述两个相邻数据点的斜率差值的绝对值记为第一差值,将第一差值通过线性归一化函数norm()进行归一化,得到归一化后的第一差值,若归一化后的第一差值大于预设参数T1,则将所述两个相邻数据点中的左侧数据点作为突变点,同理,获取所述游程频率坐标轴中所有突变点;所述游程频率坐标轴中任意两个突变点皆可以组成突变点区间,进而得到所述游程频率坐标轴中所有突变点区间。
4.根据权利要求1所述一种环保塑料制品表面质量视觉检测方法,其特征在于,所述根据每个图像块的不同灰度级的游程频率坐标轴的所有突变点区间的翘边区域间隔可能性获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间,包括的具体方法为:
将第i个图像块的灰度级为t的游程频率坐标轴中突变点区间的翘边区域间隔可能性最大的突变点区间记为第一突变点区间,将第一突变点区间中左侧突变点和右侧突变点的横坐标值对应到第i个图像块的灰度级为t的灰度游程矩阵中,得到游程长度区间,将所述游程长度区间作为疑似翘边间隔区间,进而获得第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间。
5.根据权利要求1所述一种环保塑料制品表面质量视觉检测方法,其特征在于,所述获取每个图像块的每个灰度级下的灰度游程矩阵的疑似翘边间隔区间的游程连续程度,包括的具体方法为:
将第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中每个游程对应到第i个图像块中,根据游程的游程长度和灰度级t,获取所述疑似翘边间隔区间中每个游程在第i个图像块中的区域;
对于第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中的第x个游程,获取第x个游程在第i个图像块中的区域中心与所述疑似翘边间隔区间中每个游程在第i个图像块中的区域中心之间的欧氏距离,组成第一距离集,将第一距离集中的最小值作为第x个游程的第一距离;同理,获取所述疑似翘边间隔区间中每个游程的第一距离,则第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的游程连续程度计算表达式为:
式中,Di,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间的游程连续程度;Ni,t表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中所有游程的数量;di,t,x表示第i个图像块的灰度级为t的灰度游程矩阵的疑似翘边间隔区间中第x个游程的第一距离。
6.根据权利要求1所述一种环保塑料制品表面质量视觉检测方法,其特征在于,所述根据每个图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性对土工膜质量检测,包括的具体方法为:
对于土工膜表面灰度图像中任意一个图像块,获取所述图像块的每个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性;若所述图像块存在着任意一个灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性大于预设参数T1,则所述图像块存在翘边间隔,具有翘边缺陷,进而确定土工膜质量不合格;若土工膜表面灰度图像的所有图像块所有灰度级下的灰度游程矩阵中的疑似翘边间隔区间的可能性都小于等于预设参数T1,所有图像块不具有翘边缺陷,则确定土工膜质量合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311252245.9A CN117274203B (zh) | 2023-09-26 | 2023-09-26 | 一种环保塑料制品表面质量视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311252245.9A CN117274203B (zh) | 2023-09-26 | 2023-09-26 | 一种环保塑料制品表面质量视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117274203A CN117274203A (zh) | 2023-12-22 |
CN117274203B true CN117274203B (zh) | 2024-04-02 |
Family
ID=89221036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311252245.9A Active CN117274203B (zh) | 2023-09-26 | 2023-09-26 | 一种环保塑料制品表面质量视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274203B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724406A (zh) * | 2020-07-14 | 2020-09-29 | 苏州精濑光电有限公司 | 一种区域连通合并方法、装置、设备和介质 |
CN114529549A (zh) * | 2022-04-25 | 2022-05-24 | 南通东德纺织科技有限公司 | 一种基于机器视觉的布匹缺陷标注方法及系统 |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
CN114972331A (zh) * | 2022-07-15 | 2022-08-30 | 启东金耀億华玻纤材料有限公司 | 一种利用灰度游程矩阵识别agm隔板质量的方法及装置 |
CN115082458A (zh) * | 2022-08-18 | 2022-09-20 | 南通睿谷纺织科技有限公司 | 一种基于灰度游程矩阵的纺织材料疵点分析方法 |
CN115170570A (zh) * | 2022-09-07 | 2022-10-11 | 南通睿谷纺织科技有限公司 | 基于灰度游程矩阵的织物起毛起球检测方法 |
CN115239702A (zh) * | 2022-09-19 | 2022-10-25 | 南通金丝楠膜材料有限公司 | 一种塑料薄膜缺陷分析处理方法 |
-
2023
- 2023-09-26 CN CN202311252245.9A patent/CN117274203B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111724406A (zh) * | 2020-07-14 | 2020-09-29 | 苏州精濑光电有限公司 | 一种区域连通合并方法、装置、设备和介质 |
CN114529549A (zh) * | 2022-04-25 | 2022-05-24 | 南通东德纺织科技有限公司 | 一种基于机器视觉的布匹缺陷标注方法及系统 |
CN114842009A (zh) * | 2022-07-04 | 2022-08-02 | 江苏奥派电气科技有限公司 | 一种基于灰度游程矩阵的电缆缺陷检测优化方法 |
CN114972331A (zh) * | 2022-07-15 | 2022-08-30 | 启东金耀億华玻纤材料有限公司 | 一种利用灰度游程矩阵识别agm隔板质量的方法及装置 |
CN115082458A (zh) * | 2022-08-18 | 2022-09-20 | 南通睿谷纺织科技有限公司 | 一种基于灰度游程矩阵的纺织材料疵点分析方法 |
CN115170570A (zh) * | 2022-09-07 | 2022-10-11 | 南通睿谷纺织科技有限公司 | 基于灰度游程矩阵的织物起毛起球检测方法 |
CN115239702A (zh) * | 2022-09-19 | 2022-10-25 | 南通金丝楠膜材料有限公司 | 一种塑料薄膜缺陷分析处理方法 |
Non-Patent Citations (3)
Title |
---|
基于中值-游程共生矩阵的纹理特征提取;潘文卿;李毅;;微计算机信息;20070725(第21期);全文 * |
基于纹理分析的医学图像辅助诊断关键技术研究;邱甲军;博士学位论文;20190315;全文 * |
皮革表面缺陷检测的研究现状及展望;孙毅;张明;高延鑫;;西部皮革;20151025(第20期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117274203A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115311292B (zh) | 基于图像处理的带钢表面缺陷检测方法及系统 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN115082467B (zh) | 基于计算机视觉的建材焊接表面缺陷检测方法 | |
CN115082418B (zh) | 一种汽车零部件精密识别方法 | |
CN115100203B (zh) | 一种钢筋打磨除锈质量检测方法 | |
CN115861291A (zh) | 基于机器视觉的贴片电路板生产缺陷检测方法 | |
CN115311267B (zh) | 一种格纹织物异常检测方法 | |
CN116152749B (zh) | 基于数字孪生的齿轮磨损智能监测方法 | |
CN114782329A (zh) | 一种基于图像处理的轴承缺陷损伤程度评估方法及系统 | |
CN116883408B (zh) | 基于人工智能的积算仪壳体缺陷检测方法 | |
CN115953398B (zh) | 一种用于带钢表面的缺陷识别方法 | |
CN115359053A (zh) | 一种金属板材缺陷智能检测方法及系统 | |
CN116309577B (zh) | 一种高强传送带物料智能检测方法及系统 | |
CN115035106A (zh) | 一种带钢缺陷智能检测方法 | |
CN115797361B (zh) | 一种铝模板表面缺陷检测方法 | |
CN114881960A (zh) | 基于特征增强的布匹直线型缺陷检测方法和系统 | |
CN115018835B (zh) | 一种汽车起动机齿轮检测方法 | |
CN115115603A (zh) | 基于人工智能的汽车配件飞轮表面检测方法 | |
CN116993742A (zh) | 基于机器视觉的镍合金轧制缺陷检测方法 | |
CN117808796B (zh) | 一种基于计算机视觉的齿轮表面损伤检测方法 | |
CN115049668A (zh) | 基于特征抽取的钢带辊印识别方法 | |
CN117173160B (zh) | 基于图像处理的房车部件质量检测方法 | |
CN117274203B (zh) | 一种环保塑料制品表面质量视觉检测方法 | |
CN116168024B (zh) | 基于计算机视觉的瓦楞纸生产质量实时检测方法 | |
CN115294314B (zh) | 一种电子元器件表面缺陷识别方法 |
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 |