CN117635906A - 一种基于视觉检测的快速标注编程方法及装置 - Google Patents
一种基于视觉检测的快速标注编程方法及装置 Download PDFInfo
- Publication number
- CN117635906A CN117635906A CN202311732072.0A CN202311732072A CN117635906A CN 117635906 A CN117635906 A CN 117635906A CN 202311732072 A CN202311732072 A CN 202311732072A CN 117635906 A CN117635906 A CN 117635906A
- Authority
- CN
- China
- Prior art keywords
- detection area
- image
- target detection
- objects
- position coordinates
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 134
- 238000002372 labelling Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000000007 visual effect Effects 0.000 title claims abstract description 9
- 238000012216 screening Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000011179 visual inspection Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 4
- 238000003708 edge detection Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012549 training Methods 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视觉检测的快速标注编程方法,包括:获取待检测图像,并对所述待检测图像划分目标检测区域;其中,所述目标检测区域中包括一个或多个物体;对所述目标检测区域进行二值化处理,得到二值化图像,并根据二值化图像提取目标检测区域中物体的特征参数值;基于所述特征参数值与预先设定的特征范围参数值进行筛选,并根据筛选结果确定一个或多个物体的位置坐标;根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注,得到检测框标注图像。本发明通过以上设计,旨在提高标注的速度、准确度,同时还能够在无序标注的时候无需提供数量和位置坐标,拓展了本发明的适用性,从而能够提高检测框标注的效率。
Description
技术领域
本发明涉及机器视觉的技术领域,尤其是涉及一种基于视觉检测的快速标注编程方法及装置。
背景技术
随着工业的不断发展,机器视觉技术在工业中起到非常重要的作用,特别是在物体的检测等领域中,例如物体数量的计数、物体位置的坐标、物体质量的合格率等。而在物体的数量的计数、物体位置的坐标的确定、物体质量的合格率的检测中,通常需要的对物体进行拍照、标注,通过对物体进行标注,可以作为机器视觉的监督学习的训练数据,帮助机器视觉算法理解正确的物体位置和数量,从而进行后续的检测步骤。
现有的标注方式是通过人工的方式对物体进行逐一进行标注编程,会导致标注的速度、准确度都比较差,甚至会导致漏标,同时在对于一些无序排列的物体进行标注的时候,通常是需要先输入已知物体的数量和位置坐标,用MARK点对位的方法精确查找物体的准确位置再进行标注,进一步降低了物体标注的效率,进而降低了后续物体的各种分析检测的效率。
因此,针对上述问题本领域人员需要亟待解决。
发明内容
为了解决上述背景技术中提出的技术缺陷,本发明的目的是提供一种基于视觉检测的快速标注编程方法,可标注的速度、准确度,同时还能够在无序标注的时候无需提供数量和位置坐标,从而能够提高检测框标注的效率。
本发明采用如下技术方案:
第一方面,本发明实施例提供一种基于视觉检测的快速标注编程方法,包括:
获取待检测图像,并对所述待检测图像划分目标检测区域;其中,所述目标检测区域中包括一个或多个物体;
对所述目标检测区域进行二值化处理,得到二值化图像,并根据二值化图像提取目标检测区域中物体的特征参数值;
基于所述特征参数值与预先设定的特征范围参数值进行筛选,并根据筛选结果确定一个或多个物体的位置坐标;
根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注,得到检测框标注图像。
可选的,所述特征参数值包括面积值,所述根据二值化图像提取物体的特征参数值,包括:
对目标检测区域的物体进行检测,根据检测结果得到物体的轮廓;
根据每个物体的轮廓对目标检测区域的物体进行绘制,并获得绘制后的图形,其中,所述绘制后的图形包括矩形或圆形或三角形中的一种或多种;
根据所述绘制后的图形进行面积计算,得到面积值。
可选的,所述基于所述特征参数值与预先设定的特征范围参数值进行筛选,并根据筛选结果确定一个或多个物体的位置坐标,包括:
若特征参数值在所述预先设定的特征范围参数值内,则记录所述特征参数值对应的物体的位置坐标;
若特征参数值不在所述预先设定的特征范围参数值内,则不记录所述特征参数值对应的物体的位置坐标。
可选的,根据一个或多个位置坐标对所述目标检测区域的物体进行图形标注的步骤之前,还包括:
根据其中一个所述物体的位置坐标将对应的物体进行绘制,得到级联框。
可选的,所述根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注,得到检测框标注图像,包括:
基于物体的位置坐标在所述目标检测区域进行定位查找,并将查找到的物体标注检测框;其中,所述位置坐标包括目标区域内的X坐标、Y坐标;
将所述图像标注检测框与所述级联框进行关联,得到检测框标注图像。
可选的,所述对所述目标检测区域进行二值化处理,得到二值化图像,包括:
预设灰度值阈值范围,并根据目标检测区域内的像素点灰度值与所述灰度值阈值范围进行比较,若像素点灰度值在所述灰度值阈值范围内,则将像素点转换成白色,若像素点灰度值不在所述灰度值阈值范围内,则将像素点转换成黑色,得到二值化图像。
可选的,所述对目标检测区域的物体进行检测的步骤之前,包括:
对所述目标检测区域的二值化图图像进行去噪处理、填充处理、腐蚀处理和膨胀处理中的一种或多种。
第二方面,本发明实施例提供一种基于视觉检测的快速标注编程装置,包括:
获取模块,用于获取待检测图像;
划分模块,用于对所述待检测图像进行目标区域的划分;
处理模块,用于对所述目标检测区域进行二值化处理;
提取模块,用于根据二值化图像提取目标检测区域中物体的特征参数值;
筛选模块,用于根据特征参数值与预先设定的特征范围参数值进行筛选;
确定模块,用于根据筛选结果确定一个或多个物体的位置坐标;
标注模块,用于根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注。
综上所述,本发明的有益效果为:
通过将待检测图像划分目标检测区域,并对目标检测区域进行二值化处理,通过大体的目标检测区域划分,从而能够提高标注检测框的效率,进而能够得到清晰的二值化图像,从而能够便于后续的检测和扫描,通过将检测后的图像进行提取物体的特征参数值,由于对目标检测区域的进行了二值化处理,从而能够得到该目标检测区域中的物体的特征参数值,根据该特征参数值与预先设定的特征范围参数值进行匹配,从而可以确定该物体是否为需要标注的物体的位置坐标,从而提高了标注的精准度,再根据物体的位置坐标对目标检测区域的物体进行图形标注,同时还能够对无序的物体进行标注,提高了标注的适用性,从而可以得到检测框标注图像。
上述说明仅是本发明的技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明实施例的一种基于视觉检测的快速标注编程方法的流程图;
图2是本发明实施例的一种基于视觉检测的快速标注编程装置的示意图。
具体实施方式
为了使本发明的内容能更容易被清楚的理解,下面根据具体实施例并结合附图,对本发明作进一步说明。
如图1所示,图1是本发明一种基于视觉检测的快速标注编程方法一实施例的流程图,具体包括以下步骤:
S1、获取待检测图像,并对所述待检测图像划分目标检测区域;其中,所述目标检测区域中包括一个或多个物体。
本发明实施例中,上述待检测图像是通过拍摄工具对被测物体进行拍摄,将图片发送至PC电脑,从而可以得到待检测图像,其中,拍摄工具可以是工业相机、手机或其它摄像设备,具体的以工业相机来说,通过将图片发送至电脑,从而可以在图像中确定出需要检测的目标物体,而在上述步骤中,通过PC电脑可以将获取到的图像可能包含背景和其他不需要检测的物体,因此需要进行预处理,例如去噪、对比度增强等,以提高图像的质量和清晰度,从而便于后续的步骤的进行;进一步的,在将待检测图像进行划分时,可以是通过这个步骤可以通过图像分割、边缘检测、色彩阈值等方法来实现,其中需要说明的是,若是有序排列的图像,则直接进行图像分割的方式来实现,若是无需排列的图像,则进行边缘检测的方式进行实现,通过将待检测图像进行区域划分进行处理,能够对待检测图像中的物体进行批量检测框标注,能够提高标注的精准度和速度。
S2、对所述目标检测区域进行二值化处理,得到二值化图像,并根据二值化图像提取目标检测区域中物体的特征参数值。
本发明实施例中,上述图像二值化(Image Binarization)是将待检测图像的目标检测区域的像素点的灰度值设置为0(黑色)或1(白色),从而使待检测图像的目标检测区域进行黑白化,形成黑白图像,从而获取二值化图像;其中,由于二值化图像是黑白的图像,能够提高和增强图像的对比度,从而能够便于识别,提高图像的处理速度;进一步的,由于二值化后图像中的物体和非物体区域是有区别的,其中,物体可以二值化为白色,背景则可以二值化为黑色,从而能够便于提取二值化图像中的物体的特征参数值,进而便于后续的步骤展开。
S3、基于所述特征参数值与预先设定的特征范围参数值进行筛选,并根据筛选结果确定一个或多个物体的位置坐标。
本发明实施例中,上述预先设定的特征范围参数可以是物体的面积参数,通过将特征参数值与预先设定的特征范围参数值进行筛选,其中该筛选方案为,上述特征参数值是否在预先设定的特征范围参数值之内,若在,则根据筛选结果确定物体的位置坐标,具体的,由于物体的特征参数值可以为面积值,通过先设定面积参数值的一个取值范围,若该面积值位于所设定的面积参数值之内,则能够识别该物体,进而能够确定该物体的位置坐标。
S4、根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注,得到检测框标注图像。
本发明实施例中,上述位置坐标可以通过待检测图像内的X坐标、Y坐标进行确定,通过确定上述的位置坐标,从而能够识别该待检测图像内的物体位置,从而能够对目标检测区域的物体进行图像标注,该图形标注可以是矩形、圆形、多边形等,其中,标注的图形元素应该与物体的形状和大小相匹配,以准确地表示出物体的位置和形状。通过上述方式标注目标区域内的物体,进而能够使其检测框图像标注的更加快速,从而为后续的步骤提高了速度。
可选的,特征参数值包括面积值,所述根据二值化图像提取物体的特征参数值,包括:对目标检测区域的物体进行检测,根据检测结果得到物体的轮廓;根据每个物体的轮廓对目标检测区域的物体进行绘制,并获得绘制后的图形,其中,所述绘制后的图形包括矩形或圆形或三角形中的一种或多种;根据所述绘制后的图形进行面积计算,得到面积值。
本发明实施例中,上述对目标检测区域的物体进行扫描检测可以是通过将二值化后的目标检测区域的物体通过边缘检测方法进行检测,通过边缘检测方法可以找到目标检测区域中物体的边缘像素点,从而得到物体的轮廓。具体的,需要说明的是,可以通过Sobel算子,Sobel算子可以通过计算像素点周围的灰度值梯度来检测边缘。在二值化图像中,物体的边缘像素值为1(白色),而背景像素值为0(黑色)。因此,使用Sobel算子可以在物体的边缘处检测到明显的梯度变化,从而识别出物体的轮廓。更具体的,在实现边缘检测算法时,可以使用编程语言和图像处理库,如Python中的OpenCV库,通过调用库中的边缘检测函数,可以将二值化图像输入到函数中,并得到检测出的物体轮廓。得到物体轮廓之后,根据物体的轮廓对目标检测区域的物体进行绘制,从而可以得到绘制的图形,其中,绘制的图形可以是矩形或圆形或其它不规则形状,在此以矩形进行举例,由于每个检测物体的轮廓势必会不一样,因此在进行矩形绘制的时候,每条线都紧贴着该轮廓最突出来的点进行绘制,使其物体的轮廓不超过矩形线,再根据绘制后的每个图形进行面积计算,从而得到目标区域中每个物体的面积值,从而可以得到特征参数值,通过得到面积值,能够使其在识别目标检测区域中的物体的时候更加精准,如果面积值没有在预先设定的特征范围参数值内,则代表该物体不是需要检测物体,则忽略,通过上述的方式,能够提高检测精准度。
在一种可能的实施例中,上述特征参数值还可以是长宽高比值,通过计算长宽高比值与预设的长宽高比值范围参数进行比较,从而能够识别目标价检测区域中的物体;如果检测出来的长宽高比值没有在预设的长宽高比值范围参数中,则代表物体不是所需要检测的物体,从而提高了标注方式的适配性和灵活性。
可选的,基于所述特征参数值与预先设定的特征范围参数值进行筛选,并根据筛选结果确定一个或多个物体的位置坐标,包括:若特征参数值在所述预先设定的特征范围参数值内,则记录所述特征参数值对应的物体的位置坐标;若特征参数值不在所述预先设定的特征范围参数值内,则不记录所述特征参数值对应的物体的位置坐标。
本发明实施例中,上述特征参数值可以是在二值化后的目标检测区域中物体的面积值(像素点),上述预先设定的特征范围参数值是可以是通过预先设定的面积范围值(像素点),该面积范围值可以根据物体进行调整,可以更改,其中,特征参数值可以是很多个,通过将特征参数值大小与预先设定的特征范围参数值进行对比,若该面积值在预先设定的特征范围参数值之内,则记录该特征参数值的对应的物体的位置坐标。具体的,举例来说,上述的特征参数范围值可以是(5000,10000),若其中一个物体的特征参数值是8000,则代表该物体是所需要检测的物体,则记录该物体的位置坐标,若不在特征参数范围内,则不进行记录,代表该物体不是需要画检测框的物体,再忽略不计,通过上述的方案,能够有效提高画检测框的效率和精准度,从而加快了后续检测框的绘制。
可选的,根据一个或多个位置坐标对所述目标检测区域的物体进行图形标注的步骤之前,还包括:根据其中一个所述物体的位置坐标将对应的物体进行绘制,得到级联框。
本发明实施例中,上述图形标注之前,首先根据其中一个物提的位置坐标并将该物体进行绘制级联框,由于目标检测区域中的物体数量是可以为多个的,且呈不规则摆放,因此物体可能会出现遮挡、变形的情况,因此通过设置级联框作为一个参考标准,再与其他检测框进行绑定,能够更准确地计算检测框与物体之间的位置关系,从而提高物体定位的精度。
可选的,根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注,得到检测框标注图像,包括:基于物体的位置坐标在所述目标检测区域进行定位查找,并将查找到的物体标注检测框;其中,所述位置坐标包括目标区域内的X坐标、Y坐标;将所述图像标注检测框与所述级联框进行关联,得到检测框标注图像。
本发明实施例中,上述的定位查找是通过先根据每个物体的位置坐标进行定位查找,由于目标图像区域内具有X轴、Y轴的坐标系,通过获取物体的X坐标、Y坐标,从而能够定位出该物体的坐标,进而能够找到该目标区域内的物体,再进一步的将查找到的物体标注检测框,并与上述的级联框进行绑定,从而能够得到每个检测框与级联框之间的距离、位置等,级联框可以提供稳定的参照点,使得即使物体部分被遮挡或变形,仍然可以通过级联框和检测框之间的相对位置关系来识别和定位物体,从而使得识别更加精准、快速,进而加快了检测框标注的速度,降低了标注的时间。
可选的,对目标检测区域进行二值化处理,得到二值化图像,包括:预设灰度值阈值范围,并根据目标检测区域内的像素点灰度值与所述灰度值阈值范围进行比较,若像素点灰度值在所述灰度值阈值范围内,则将像素点转换成白色,若像素点灰度值不在所述灰度值阈值范围内,则将像素点转换成黑色,得到二值化图像。
本发明实施例中,首先通过预先设置灰度值的阈值范围,设置该阈值范围是为了将目标检测区域内的物体以及非物体区域进行黑白化处理,通过设定一个灰度值的阈值范围,再根据目标检测区域内的像素点灰度值与上述灰度值的阈值进行比较,从而可以将目标检测区域内的物体的像素点进行二值化处理,具体的,由于目标检测区域内的物体像素点的灰度值与背景区域的像素点的灰度值是不一样的,因此可以将目标检测区域内的物体像素点进行二值化为白色,将背景区的像素点区域二值化为黑色,具体的,举例来说,该阈值范围可以是(500,1000),若目标检测区域中的像素灰度值在这个阈值,例如,目标检测区域内的像素点的灰度值为300,就将该区域像素点二值化为白色,其它区域则二值化为黑色,从而可以得到二值化图像,通过得到二值化图像能够使得在识别目标检测区域的时候能够更加精准,从而能够提高检测框的标注效率。
可选的,对目标检测区域的物体进行检测的步骤之前,包括:对所述目标检测区域的二值化图图像进行去噪处理、填充处理、腐蚀处理和膨胀处理中的一种或多种。
本发明实施例中,二值化后的图像可能存在噪声,例如由于图像获取或传输过程中引入的噪声,去噪处理可以去除这些噪声,提高图像的质量和清晰度,有利于后续的图像的标注;在二值化图像的时候,这些孔洞或缝隙可能难以避免,填充处理可以将其填充,使图像更加完整和连续,有利于后续的目标检测和检测框标注等任务。
如图2所示,图2是本发明提供一种基于视觉检测的快速标注编程装置的示意图,该装置包括:
获取模块201,用于获取待检测图像;
划分模块202,用于对所述待检测图像进行目标区域的划分;
处理模块203,用于对所述目标检测区域进行二值化处理;
提取模块204,用于根据二值化图像提取目标检测区域中物体的特征参数值;
筛选模块205,用于根据特征参数值与预先设定的特征范围参数值进行筛选;
确定模块206,用于根据筛选结果确定一个或多个物体的位置坐标;
标注模块207,用于根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注。
可选的,所述提取模块包括:
检测单元,用于对目标检测区域的物体进行检测;
第一绘制单元,用于根据检测结果对物体的轮廓进行绘制。
可选的,所述筛选模块包括:
筛选子模块,用于根据特征参数值是否在预先设定的特征范围参数值内,从而记录特征参数值对应的物体的位置坐标。
可选的,所述标注模块,包括:
第二绘制单元,用于根据其中一个所述物体的位置坐标将对应的物体进行绘制,得到级联框。
可选的,所述装置,还包括:
查找单元,用于基于物体的位置坐标在所述目标检测区域进行定位查找;
关联单元,用于将将所述图像标注检测框与所述级联框进行关联。
可选的,所述装置,还包括:
预设单元,用于预设灰度值阈值范围;
比较单元,用于根据目标检测区域内的像素点灰度值与所述灰度值阈值范围进行比较;
第一转换单元,用于将像素点灰度值大于所述灰度值阈值范围的像素点转换成白色;
第二转换单元,用于将像素点灰度值小于所述灰度值阈值范围的像素点转换成黑色。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,其中相同的零部件用相同的附图标记表示。故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种基于视觉检测的快速标注编程方法,其特征在于,包括:
获取待检测图像,并对所述待检测图像划分目标检测区域;其中,所述目标检测区域中包括一个或多个物体;
对所述目标检测区域进行二值化处理,得到二值化图像,并根据二值化图像提取目标检测区域中物体的特征参数值;
基于所述特征参数值与预先设定的特征范围参数值进行筛选,并根据筛选结果确定一个或多个物体的位置坐标;
根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注,得到检测框标注图像。
2.根据权利要求1所述的一种基于视觉检测的快速标注编程方法,其特征在于,所述特征参数值包括面积值,所述根据二值化图像提取物体的特征参数值,包括:
对目标检测区域的物体进行检测,根据检测结果得到物体的轮廓;
根据每个物体的轮廓对目标检测区域的物体进行绘制,并获得绘制后的图形,其中,所述绘制后的图形包括矩形或圆形或三角形中的一种或多种;
根据所述绘制后的图形进行面积计算,得到面积值。
3.根据权利要求1所述的一种基于视觉检测的快速标注编程方法,其特征在于,所述基于所述特征参数值与预先设定的特征范围参数值进行筛选,并根据筛选结果确定一个或多个物体的位置坐标,包括:
若特征参数值在所述预先设定的特征范围参数值内,则记录所述特征参数值对应的物体的位置坐标;
若特征参数值不在所述预先设定的特征范围参数值内,则不记录所述特征参数值对应的物体的位置坐标。
4.根据权利要求1所述的一种基于视觉检测的快速标注编程方法,其特征在于,根据一个或多个位置坐标对所述目标检测区域的物体进行图形标注的步骤之前,还包括:
根据其中一个所述物体的位置坐标将对应的物体进行绘制,得到级联框。
5.根据权利要求4所述的一种基于视觉检测的快速标注编程方法,其特征在于,所述根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注,得到检测框标注图像,包括:
基于物体的位置坐标在所述目标检测区域进行定位查找,并将查找到的物体标注检测框;其中,所述位置坐标包括目标区域内的X坐标、Y坐标;
将所述图像标注检测框与所述级联框进行关联,得到检测框标注图像。
6.根据权利要求1所述的一种基于视觉检测的快速标注编程方法,其特征在于,所述对所述目标检测区域进行二值化处理,得到二值化图像,包括:
预设灰度值阈值范围,并根据目标检测区域内的像素点灰度值与所述灰度值阈值范围进行比较,若像素点灰度值在所述灰度值阈值范围内,则将像素点转换成白色,若像素点灰度值不在所述灰度值阈值范围内,则将像素点转换成黑色,得到二值化图像。
7.根据权利要求6所述的一种基于视觉检测的快速标注编程方法,其特征在于,所述对目标检测区域的物体进行检测的步骤之前,包括:
对所述目标检测区域的二值化图图像进行去噪处理、填充处理、腐蚀处理和膨胀处理中的一种或多种。
8.一种基于视觉检测的快速标注编程方法装置,其特征在于,包括:
获取模块,用于获取待检测图像;
划分模块,用于对所述待检测图像进行目标区域的划分;
处理模块,用于对所述目标检测区域进行二值化处理;
提取模块,用于根据二值化图像提取目标检测区域中物体的特征参数值;
筛选模块,用于根据特征参数值与预先设定的特征范围参数值进行筛选;
确定模块,用于根据筛选结果确定一个或多个物体的位置坐标;
标注模块,用于根据一个或多个物体的位置坐标对所述目标检测区域的物体进行图形标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311732072.0A CN117635906A (zh) | 2023-12-16 | 2023-12-16 | 一种基于视觉检测的快速标注编程方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311732072.0A CN117635906A (zh) | 2023-12-16 | 2023-12-16 | 一种基于视觉检测的快速标注编程方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117635906A true CN117635906A (zh) | 2024-03-01 |
Family
ID=90037647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311732072.0A Pending CN117635906A (zh) | 2023-12-16 | 2023-12-16 | 一种基于视觉检测的快速标注编程方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117635906A (zh) |
-
2023
- 2023-12-16 CN CN202311732072.0A patent/CN117635906A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111474184B (zh) | 基于工业机器视觉的aoi字符缺陷检测方法和装置 | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN109426814B (zh) | 一种发票图片特定板块的定位、识别方法、系统、设备 | |
CN109911481B (zh) | 面向冶金机器人接插的仓架目标视觉识别定位方法和系统 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
CN113284154B (zh) | 钢卷端面图像分割方法、装置及电子设备 | |
CN112164050B (zh) | 用于流水线上产品表面缺陷的检测方法、设备及存储介质 | |
CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
CN111033563A (zh) | 一种免疫层析检测的图像分析方法以及系统 | |
CN112581452B (zh) | 工业配件表面缺陷检测方法、系统、智能设备和存储介质 | |
CN113269769A (zh) | 一种基于图像配准的缺陷检测方法、系统及设备 | |
CN116542975A (zh) | 一种玻璃面板的缺陷分类方法、装置、设备和介质 | |
CN115861327A (zh) | 一种pcb颜色变化缺陷检测方法、装置、设备及介质 | |
CN115375610A (zh) | 检测方法及装置、检测设备和存储介质 | |
CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
CN117132797A (zh) | 一种lcd显示屏polmark定位检测方法及系统 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN114596243A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 | |
CN116381053A (zh) | 一种用于金属材料焊接的超声波检测方法及系统 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN117635906A (zh) | 一种基于视觉检测的快速标注编程方法及装置 | |
CN114677373A (zh) | 一种印刷品内容检错方法、装置、电子设备及介质 | |
CN111340677B (zh) | 视频水印检测方法、装置、电子设备、计算机可读介质 |
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 |