CN117726613A - 一种白缺陷分类方法、装置及电子设备 - Google Patents
一种白缺陷分类方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117726613A CN117726613A CN202311831746.2A CN202311831746A CN117726613A CN 117726613 A CN117726613 A CN 117726613A CN 202311831746 A CN202311831746 A CN 202311831746A CN 117726613 A CN117726613 A CN 117726613A
- Authority
- CN
- China
- Prior art keywords
- preset
- field image
- defect
- white defect
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 358
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 230000000875 corresponding effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000003313 weakening 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请实施例公开了一种白缺陷分类方法、装置及电子设备。该方法包括:对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;若初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中白缺陷预设范围内的灰度值进行处理,得到拉平场图像;明场图像与暗场图像的像素点一一对应;对拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据实际缺陷尺寸确定白缺陷的类型。上述方案能够解决因待测隔膜的微小移动导致白缺陷在明场图像中的尺寸存在误差的问题,通过暗场图像的拉平场图像对白缺陷的尺寸进行检测,提高检测的准确性。
Description
技术领域
本申请涉及缺陷分类技术领域,尤其涉及一种白缺陷分类方法、装置及电子设备。
背景技术
锂电池隔膜涂覆场景下,白缺陷一般包括撕裂、针孔、亮点(或划伤)和漏涂4种。其中,撕裂是指料膜被撕开产生裂缝,一般是由张力或其它外力导致料膜破损而形成的。不同缺陷对于隔膜使用的影响程度也不相同,撕裂与针孔对隔膜的危害巨大,因此需要对白缺陷进行细分类,以明确隔膜的实际缺陷是哪一种。
目前,在对白缺陷进行分类时,可以采集隔膜的明场图像和暗场图像,根据明场图像检测其中的白缺陷以及白缺陷的面积,通过暗场图像中该白缺陷区域的灰度值识别白缺陷的类型。但是在隔膜存在微小抖动或者图像采集器在采集的图像中灰度不均匀的情况下,会导致根据明场图像计算的白缺陷尺寸存在误差。图像采集器污染、性能导致的灰度变化也会导致白缺陷的检测误差。另外,目前针对镜头畸变问题采用分段的补偿系数进行校正,不够精确。
发明内容
本申请实施例提供了一种白缺陷分类方法、装置及电子设备,以提高白缺陷面积检测的准确性,进而提高白缺陷分类准确性。
根据本申请的一方面,提供了一种白缺陷分类方法,该方法包括:
对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像;
若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应;
对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。
根据本申请的一方面,提供了一种白缺陷分类装置,所述装置包括:
初始缺陷尺寸确定模块,用于对包含待测隔膜的明场图像进行检测,确定待测隔膜上的白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像;
拉平场图像确定模块,用于若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷的预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应;
检测模块,用于对所述拉平场图像进行检测,确定待测隔膜上的白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。
根据本申请的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与至少一个处理器白缺陷分类连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本申请任一实施例的白缺陷分类方法。
根据本申请的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本申请任一实施例的白缺陷分类方法。
本申请实施例的技术方案,对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像;若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应;对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。上述方案能够解决在隔膜抖动以及图像采集器采集的图像灰度不均匀的情况下,检测得到的白缺陷面积不准确的问题,通过暗场图像的灰度特征受隔膜抖动以及灰度不均匀影响小的特性,根据暗场图像的拉平场图像对白缺陷进行精准地检测,准确识别白缺陷的尺寸信息,进而提高了白缺陷分类准确性。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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是本申请实施例一提供的一种白缺陷分类方法的流程图;
图2是本申请实施例二提供的一种白缺陷分类方法的流程图;
图3是本申请实施例二提供的具体实现方式示意图;
图4是本申请实施例二提供的补偿系数拟合示意图;
图5是本申请实施例三提供的一种白缺陷分类方法的流程图;
图6是本申请实施例四提供的一种白缺陷分类装置的结构示意图;
图7是本申请实施例五提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”、“实际”、“预设”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本申请实施例一提供的一种白缺陷分类方法的流程图,本申请实施例可适用于对白缺陷进行分类的情况。典型的,本申请实施例可适用于对白缺陷的尺寸进行检测以用于分类的情况。该方法可以由白缺陷分类装置来执行,该白缺陷分类装置可以采用硬件和/或软件的形式实现,该白缺陷分类装置可配置于电子设备中。如图1所示,该方法包括:
S110、对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像。
其中,待测隔膜可以为需要进行缺陷检测的隔膜,例如锂电池隔膜、其他半导体隔膜等。明场图像为在亮度较大的环境下对待测隔膜进行图像采集得到的图像,明场图像中的亮度值大于预设亮度,预设亮度可以根据实际情况确定,例如可以为表示亮度较大的一个值。
在本申请实施例中,可以对明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸。白缺陷的透光度比正常待测隔膜部位的透光度高,白缺陷在明场图像中的表现为灰度值较大,接近于255。可以设置255附近的预设灰度范围,例如220-255,如果在明场图像中检测到存在像素区域的灰度值位于预设灰度范围内,则确定该区域为白缺陷。
S120、若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应。
其中,第一预设尺寸可以根据实际情况确定,例如待测隔膜抖动或者图像灰度不均匀对检测结果影响较大的白缺陷尺寸。预设平场因子可以预先根据实际情况设置。预设范围可以根据实际情况确定,例如可以是将白缺陷向外扩展5个像素点的范围,或者将白缺陷向外扩展10个像素点的范围等。
在本申请实施例中,如果初始缺陷尺寸小于第一预设尺寸,则待测隔膜抖动或者图像灰度不均匀对该初始缺陷尺寸的白缺陷的影响较大,也就是此时检测得到的白缺陷的初始缺陷尺寸是不够精确的。由于暗场图像中的灰度值特征受待测隔膜抖动或者图像灰度不均匀的影响较小,因此可以基于暗场图像对白缺陷的尺寸进行检测。但是暗场图像中灰度值普遍较小,白缺陷区域和背景区域的梯度变化不明显,可以基于预设平场因子对暗场图像中白缺陷预设范围内的灰度值进行处理,得到拉平场图像,也就是适应性地提高暗场图像的灰度,以基于拉平场图像对白缺陷的尺寸进行检测。可以根据明场图像中白缺陷的像素区域确定该白缺陷在暗场图像中的像素区域,例如,在明场图像中检测到第3-10行、第4-15列的像素区域为白缺陷,则在暗场图像中,也将第3-10行、第4-15列的像素区域作为对应的白缺陷。
S130、对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。
示例性的,可以对拉平场图像进行检测,也就是检测在白缺陷预设范围内,灰度值特征满足白缺陷要求的像素范围,确定白缺陷的实际缺陷尺寸,并根据实际缺陷尺寸确定白缺陷的类型。
本申请实施例的技术方案,对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像;若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应;对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。上述方案能够解决在隔膜抖动以及图像采集器采集的图像灰度不均匀的情况下,检测得到的白缺陷面积不准确的问题,通过暗场图像的灰度特征受隔膜抖动以及灰度不均匀影响小的特性,根据暗场图像的拉平场图像对白缺陷进行精准地检测,准确识别白缺陷的尺寸信息,进而提高了白缺陷分类准确性。
实施例二
图2为本申请实施例二提供的一种白缺陷分类方法的流程图,本申请实施例以上述实施例为基础进行优化,未在本申请实施例中详尽描述的方案见上述实施例。如图2所示,本申请实施例的方法具体包括如下步骤:
S210、对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像。
S220、若所述初始缺陷尺寸小于第一预设尺寸,则将预设范围内各像素点的灰度值乘以所述预设平场因子,得到拉平场图像。
示例性的,可以将预设范围内各像素点的灰度值乘以预设平场因子,得到拉平场图像。不同位置处对应的预设平场因子可以不同。
在本申请实施例中,所述预设平场因子的确定过程包括:
在采集明场图像前采集至少两帧基础图像;
针对至少两帧基础图像的每一列像素点,计算该列像素点的第一灰度均值,并计算至少两帧基础图像的该列像素点的第二灰度均值;
将第一灰度均值与第二灰度均值的比值,作为预设平场因子。
示例性的,可以在采集明场图像前先采集至少两帧基础图像,根据基础图像确定预设平场因子用于对后续的暗场图像进行拉平场处理。具体的,针对基础图像的每一列像素点,计算该列像素点的灰度值的平均值作为第一灰度均值。计算至少两帧基础图像的该列像素点的第一灰度均值的平均值,作为第二灰度均值。将第一灰度均值与第二灰度均值的比值,作为预设平场因子。由于采集的基础图像在横向上存在灰度差异,在纵向上不存在灰度差异,因此针对每一列像素点确定对应的预设平场因子。相应地,在基于预设平场因子对暗场图像进行处理时,确定白缺陷在暗场图像中的位置,并确定白缺陷的预设范围,确定预设范围内的像素点对应哪一列像素点,获取该列像素点对应的预设平场因子,将该列像素点的灰度值乘以预设平场因子,进行拉平场处理。
S230、对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。
S240、将预设范围内各像素点的灰度值除以所述预设平场因子,还原所述暗场图像,以对所述暗场图像进行展示。
示例性的,对暗场图像进行拉平场处理得到拉平场图像,目的是对拉平场图像中白缺陷进行检测确定白缺陷的实际缺陷尺寸,在检测得到白缺陷的实际缺陷尺寸后,需要将拉平场图像还原回暗场图像,从而对原始采集的实际的暗场图像进行展示等。具体的,执行拉平场处理的逆过程,即将预设范围内各像素点的灰度值除以预设平场因子,其他未处理过的像素点不变,还原得到暗场图像。
S250、若所述初始缺陷尺寸大于或等于所述第一预设尺寸,小于第二预设尺寸,则将所述初始缺陷尺寸作为实际缺陷尺寸确定所述白缺陷的类型。
示例性的,如果初始缺陷尺寸大于或等于第一预设尺寸,小于第二预设尺寸,则说明白缺陷的尺寸较大,待测隔膜抖动以及图像灰度不均匀对该白缺陷的影响较小,因此不对其进行拉平场处理,直接将白缺陷在明场图像中的初始缺陷尺寸作为实际缺陷尺寸,根据实际缺陷尺寸确定白缺陷的类型。
在本申请实施例中,所述实际缺陷尺寸包括所述白缺陷的面积以及像素范围;
根据实际缺陷尺寸确定所述白缺陷的类型,包括:
确定所述白缺陷的面积所位于的面积区间,并确定所述面积区间对应的预设数量;
根据所述白缺陷的像素范围内预设数量个灰度值最大的像素点确定对比度;
根据所述对比度和所述白缺陷的像素范围,确定所述白缺陷的类型。
其中,实际缺陷尺寸的像素范围包括白缺陷位于哪几行像素区域,以及在每一行中的第几个像素点至第几个像素点。如果白缺陷的初始缺陷尺寸小于第一预设尺寸,则白缺陷的面积和像素范围为白缺陷在拉平场图像中的面积和像素范围,如果白缺陷的初始缺陷尺寸大于或等于第一预设尺寸,小于第二预设尺寸,则白缺陷的面积和像素范围为白缺陷在明场图像中的面积和像素范围。
示例性的,可以预先确定各个面积区间对应的预设数量。例如,面积区间【36,64】对应预设数量为4,面积区间【16,36】对应预设数量为3,面积区间【8,16】对应预设数量为2,面积区间【0,8】对应预设数量为1。面积的单位为像素。如果白缺陷的初始缺陷尺寸小于第一预设尺寸,则在拉平场图像中白缺陷的像素范围内确定预设数量个灰度值最大的像素点,并确定对比度。如果白缺陷的初始缺陷尺寸大于或等于第一预设尺寸,小于第二预设尺寸,则在暗场图像中白缺陷的像素范围内确定预设数量个灰度值最大的像素点,并确定对比度。根据对比度和白缺陷的像素范围,确定白缺陷的类型。
在本申请实施例中,根据所述对比度和所述白缺陷的像素范围,确定所述白缺陷的类型,包括:
根据所述白缺陷的像素范围确定所述白缺陷的有效跨度;
若所述有效跨度大于预设跨度,则根据所述对比度与预设对比度阈值,确定所述白缺陷的类型;其中,所述预设跨度与所述白缺陷的面积相对应;
否则,根据所述对比度与所述白缺陷所在位置对应的补偿系数的乘积,以及所述预设对比度阈值,确定所述白缺陷的类型。
其中,有效跨度可以根据白缺陷在水平方向上的宽度以及在竖直方向上的宽度确定。示例性的,根据白缺陷的像素范围,确定白缺陷在水平方向上的最大宽度,以及白缺陷在竖直方向上的最大宽度,将两个最大宽度中的较小宽度作为有效跨度。预设跨度可以根据实际情况确定,白缺陷的初始面积不同,对应的预设跨度可以不同,预设跨度与白缺陷的初始缺陷尺寸呈正相关。
示例性的,如果有效跨度大于预设跨度,则直接根据对比度与预设对比度阈值,确定白缺陷的类型。如果有效跨度小于或等于预设跨度,则说明白缺陷为较小的缺陷或者窄型缺陷,该白缺陷受到图像灰度不均匀的影响较大,需要采用补偿系数进行校正后进一步判定类型。可以将对比度乘以补偿系数进行校正,将校正后的对比度与预设对比度阈值进行比较,确定白缺陷的类型。
示例性的,上述实施例的一种具体实现方式的流程图如图3所示,第一预设尺寸为16,第二预设尺寸为64。
在本申请实施例中,所述补偿系数的确定过程包括:
针对暗场图像的各子区域,将该子区域的前一相邻子区域的初始补偿系数作为该子区域最左侧位置的补偿系数,将该子区域的初始补偿系数作为该子区域最右侧位置的补偿系数,或者将该子区域的初始补偿系数作为该子区域最左侧位置的补偿系数,将该子区域的后一相邻子区域的初始补偿系数作为该子区域最右侧位置的补偿系数;子区域为基于竖直划分线对所述暗场图像进行划分得到的;
基于该子区域最左侧位置的补偿系数以及最右侧位置的补偿系数拟合直线,得到该子区域中各位置的补偿系数。
示例性的,假设相邻的两个子区域A和B,子区域A对应的最左侧位置的横坐标为X1,最右侧位置的横坐标为X2,初始补偿系数为Y1,子区域B对应的子区域A对应的最左侧位置的横坐标为X3,最右侧位置的横坐标为X4,初始补偿系数为Y2,则确定两个点(X1,Y1)、(X2,Y2),在两个点之间进行直线拟合,得到子区域A中各位置对应的补偿系数。或者确定两个点(X3,Y1)、(X4,Y2),在两个点之间进行直线拟合,得到子区域B中各位置对应的补偿系数。示例性的,如图4所示。图4中的横坐标为暗场图像的长度方向的坐标,纵坐标为补偿系数。以此方案却行的步长系数具有连续性,能够实现不同位置的平滑过渡,避免两个白缺陷距离较近但是位于不同子区域,对应不同且相差较大的补偿系数,导致最终的分类结果相差较大的问题。
本申请实施例提供了一种白缺陷分类方法,将预设范围内各像素点的灰度值乘以所述预设平场因子,得到拉平场图像;对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸之后,将预设范围内各像素点的灰度值除以所述预设平场因子,还原所述暗场图像,以对所述暗场图像进行展示。上述方案能够基于暗场图像的拉平场图像准确地确定白缺陷的实际缺陷尺寸,从而解决了待测隔膜抖动或者图像灰度不均匀导致明场图像中白缺陷的面积不准确的问题,从而提高了白缺陷面积检测的准确性,进而提高了白缺陷分类的准确性。
实施例三
图5为本申请实施例三提供的一种白缺陷分类方法的流程图,本申请实施例以上述实施例为基础进行优化,未在本申请实施例中详尽描述的方案见上述实施例。如图5所示,本申请实施例的方法具体包括如下步骤:
S310、检测暗场图像中除待测隔膜以外的背景区域的灰度均值。
示例性的,在图像采集器落灰或者由于图像采集器性能的变化导致采集图像灰度减弱的情况下,暗场图像中像素点的灰度值也会发生变化,影响白缺陷的尺寸检测以及分类。在本申请实施例中,按照预设频率检测暗场图像中除待测隔膜以外的背景区域的灰度均值,例如可以是位于暗场图像边缘的预设像素范围内的灰度均值。
S320、若灰度均值低于预设灰度均值,则根据灰度均值和预设灰度均值的比值确定比例系数。
其中,预设灰度均值可以为预先设置的表示灰度正常的值。将灰度均值与预设灰度均值进行比较,如果灰度均值低于预设灰度均值,则说明图像采集器落灰或者图像采集器性能变化导致采集的图像灰度减弱,可以将灰度均值与预设灰度均值的比值作为比例系数,以在后续白缺陷分类过程中进行校正。
S330、根据所述比例系数对用于白缺陷分类的阈值进行修正;其中,用于白缺陷分类的阈值包括预设会度阈值以及预设对比度阈值。
示例性的,灰度均值降低,说明暗场图像整体灰度值也会降低,可以适应性地将暗场图像的整体灰度值提高,以最大化地接近正常灰度。但是此方案需要对整个暗场图像的全部像素点均进行处理。为了提高处理效率,可以仅根据比例系数对用于白缺陷分类的阈值进行修正,保证精确的分类效果。在本申请实施例中,灰度值降低对较大面积的白缺陷份分类结果影响较大,因此可以对用于初始缺陷尺寸大于第二预设尺寸的白缺陷分类的阈值进行修正。
S340、对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像。
S350、若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应。
S360、对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸和用于白缺陷分类的阈值确定所述白缺陷的类型。
在本申请实施例中,所述方法还包括:
若所述初始缺陷尺寸大于第二预设尺寸,则判断所述初始缺陷尺寸是否满足如下至少一项:
初始缺陷面积大于预设面积;
长度和宽度的比值小于第一预设数值;
长度和宽度的比值大于第二预设数值;
初始缺陷面积与外接预设图形面积的比值小于第三预设数值;
若是,则确定该白缺陷在暗场图像中的最大灰度值,并根据最大灰度值确定所述白缺陷的类型;
若否,则确定该白缺陷在暗场图像中预设数量个最大的灰度值,并根据预设数量个最大的灰度值确定所述白缺陷的类型。
其中,预设面积可以为1200个像素,第一预设数值可以为0.3,第二预设数值可以为2,第三预设数值可以为0.3。外接预设图形可以为外接圆形,也可以为外接矩形。示例性的,如果初始缺陷尺寸大于第二预设尺寸,则判断该白缺陷为较大的白缺陷,针对较大的白缺陷,分类方案与较小白缺陷的方案不同。判断初始缺陷尺寸是否满足上述至少一项的要求,如果是,则说明白缺陷为长条状缺陷,因此确定该白缺陷在暗场图像中的最大灰度值,并根据最大灰度值确定所述白缺陷的类型,如果不是,则说明该白缺陷为类似圆形缺陷,则确定该白缺陷在暗场图像中预设数量个最大的灰度值,并根据预设数量个最大的灰度值确定所述白缺陷的类型。
本申请实施例提供了一种白缺陷分类方法,检测暗场图像中除待测隔膜以外的背景区域的灰度均值;若灰度均值低于预设灰度均值,则根据灰度均值和预设灰度均值的比值确定比例系数;根据所述比例系数对用于白缺陷分类的阈值进行修正;其中,用于白缺陷分类的阈值包括预设会度阈值以及预设对比度阈值。上述方案解决了因为图像采集器落灰或者性能问题导致采集的图像灰度普遍下降时对白缺陷分类造成误差的问题,通过在确定灰度普遍下降时,根据灰度均值与预设灰度均值确定比例系数,对用于白缺陷分类的阈值进行修正,使图像灰度普遍下降时阈值也对应下降,从而保证白缺陷分类的准确性。
实施例四
图6为本申请实施例四提供的一种白缺陷分类装置的结构示意图,该装置可执行本申请任意实施例所提供的白缺陷分类方法,具备执行方法相应的功能模块和有益效果。如图6所示,所述装置包括:
初始缺陷尺寸确定模块410,用于对包含待测隔膜的明场图像进行检测,确定待测隔膜上的白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像;
拉平场图像确定模块420,用于若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷的预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应;
检测模块420,用于对所述拉平场图像进行检测,确定待测隔膜上的白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。
在本申请实施例中,拉平场图像确定模块420,具体用于:
将预设范围内各像素点的灰度值乘以所述预设平场因子,得到拉平场图像;
相应地,所述装置还包括:
还原模块,用于将预设范围内各像素点的灰度值除以所述预设平场因子,还原所述暗场图像,以对所述暗场图像进行展示。
在本申请实施例中,所述装置还包括:
类型确定模块,用于若所述初始缺陷尺寸大于或等于所述第一预设尺寸,小于第二预设尺寸,则将所述初始缺陷尺寸作为实际缺陷尺寸确定所述白缺陷的类型。
在本申请实施例中,所述实际缺陷尺寸包括所述白缺陷的面积以及像素范围;
检测模块420,具体用于:
确定所述白缺陷的面积所位于的面积区间,并确定所述面积区间对应的预设数量;
根据所述白缺陷的像素范围内预设数量个灰度值最大的像素点确定对比度;
根据所述对比度和所述白缺陷的像素范围,确定所述白缺陷的类型。
在本申请实施例中,检测模块420,具体用于:
根据所述白缺陷的像素范围确定所述白缺陷的有效跨度;
若所述有效跨度大于预设跨度,则根据所述对比度与预设对比度阈值,确定所述白缺陷的类型;其中,所述预设跨度与所述白缺陷的面积相对应;
否则,根据所述对比度与所述白缺陷所在位置对应的补偿系数的乘积,以及所述预设对比度阈值,确定所述白缺陷的类型。
在本申请实施例中,所述装置还包括:
补偿系数确定模块,用于针对暗场图像的各子区域,将该子区域的前一相邻子区域的初始补偿系数作为该子区域最左侧位置的补偿系数,将该子区域的初始补偿系数作为该子区域最右侧位置的补偿系数,或者将该子区域的初始补偿系数作为该子区域最左侧位置的补偿系数,将该子区域的后一相邻子区域的初始补偿系数作为该子区域最右侧位置的补偿系数;子区域为基于竖直划分线对所述暗场图像进行划分得到的;
拟合模块,用于基于该子区域最左侧位置的补偿系数以及最右侧位置的补偿系数拟合直线,得到该子区域中各位置的补偿系数。
在本申请实施例中,所述装置还包括:
基础图像采集模块,用于在采集明场图像前采集至少两帧基础图像;
灰度均值确定模块,用于针对至少两帧基础图像的每一列像素点,计算该列像素点的第一灰度均值,并计算至少两帧基础图像的该列像素点的第二灰度均值;
预设平场因子确定模块,用于将第一灰度均值与第二灰度均值的比值,作为预设平场因子。
在本申请实施例中,所述装置还包括:
判断模块,用于若所述初始缺陷尺寸大于第二预设尺寸,则判断所述初始缺陷尺寸是否满足如下至少一项:
初始缺陷面积大于预设面积;
长度和宽度的比值小于第一预设数值;
长度和宽度的比值大于第二预设数值;
初始缺陷面积与外接预设图形面积的比值小于第三预设数值;
第一确定模块,用于:
若是,则确定该白缺陷在暗场图像中的最大灰度值,并根据最大灰度值确定所述白缺陷的类型;
第二确定模块,用于:
若否,则确定该白缺陷在暗场图像中预设数量个最大的灰度值,并根据预设数量个最大的灰度值确定所述白缺陷的类型。
在本申请实施例中,所述装置还包括:
灰度均值检测模块,用于检测暗场图像中除待测隔膜以外的背景区域的灰度均值;
比例系数确定模块,用于若灰度均值低于预设灰度均值,则根据灰度均值和预设灰度均值的比值确定比例系数;
修正模块,用于根据所述比例系数对用于白缺陷分类的阈值进行修正;其中,用于白缺陷分类的阈值包括预设会度阈值以及预设对比度阈值。
本申请实施例所提供的一种白缺陷分类装置可执行本申请任意实施例所提供的一种白缺陷分类方法,具备执行方法相应的功能模块和有益效果。
实施例五
图7示出了可以用来实施本申请的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11白缺陷分类连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及白缺陷分类单元19,例如网卡、调制解调器、无线白缺陷分类收发机等。白缺陷分类单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如白缺陷分类方法。
在一些实施例中,白缺陷分类方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或白缺陷分类单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的白缺陷分类方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行白缺陷分类方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程白缺陷分类装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据白缺陷分类(例如,白缺陷分类网络)来将系统的部件相互连接。白缺陷分类网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过白缺陷分类网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请的技术方案所期望的信息,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (11)
1.一种白缺陷分类方法,其特征在于,所述方法包括:
对包含待测隔膜的明场图像进行检测,确定待测隔膜上白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像;
若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应;
对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。
2.根据权利要求1所述的方法,其特征在于,基于预设平场因子对暗场图像中所述白缺陷预设范围内的灰度值进行处理,得到拉平场图像,包括:
将预设范围内各像素点的灰度值乘以所述预设平场因子,得到拉平场图像;
相应地,对所述拉平场图像进行检测,确定待测隔膜上白缺陷的实际缺陷尺寸之后,所述方法还包括:
将预设范围内各像素点的灰度值除以所述预设平场因子,还原所述暗场图像,以对所述暗场图像进行展示。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述初始缺陷尺寸大于或等于所述第一预设尺寸,小于第二预设尺寸,则将所述初始缺陷尺寸作为实际缺陷尺寸确定所述白缺陷的类型。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述实际缺陷尺寸包括所述白缺陷的面积以及像素范围;
根据实际缺陷尺寸确定所述白缺陷的类型,包括:
确定所述白缺陷的面积所位于的面积区间,并确定所述面积区间对应的预设数量;
根据所述白缺陷的像素范围内预设数量个灰度值最大的像素点确定对比度;
根据所述对比度和所述白缺陷的像素范围,确定所述白缺陷的类型。
5.根据权利要求4所述的方法,其特征在于,根据所述对比度和所述白缺陷的像素范围,确定所述白缺陷的类型,包括:
根据所述白缺陷的像素范围确定所述白缺陷的有效跨度;
若所述有效跨度大于预设跨度,则根据所述对比度与预设对比度阈值,确定所述白缺陷的类型;其中,所述预设跨度与所述白缺陷的面积相对应;
否则,根据所述对比度与所述白缺陷所在位置对应的补偿系数的乘积,以及所述预设对比度阈值,确定所述白缺陷的类型。
6.根据权利要求5所述的方法,其特征在于,所述补偿系数的确定过程包括:
针对暗场图像的各子区域,将该子区域的前一相邻子区域的初始补偿系数作为该子区域最左侧位置的补偿系数,将该子区域的初始补偿系数作为该子区域最右侧位置的补偿系数,或者将该子区域的初始补偿系数作为该子区域最左侧位置的补偿系数,将该子区域的后一相邻子区域的初始补偿系数作为该子区域最右侧位置的补偿系数;子区域为基于竖直划分线对所述暗场图像进行划分得到的;
基于该子区域最左侧位置的补偿系数以及最右侧位置的补偿系数拟合直线,得到该子区域中各位置的补偿系数。
7.根据权利要求2所述的方法,其特征在于,所述预设平场因子的确定过程包括:
在采集明场图像前采集至少两帧基础图像;
针对至少两帧基础图像的每一列像素点,计算该列像素点的第一灰度均值,并计算至少两帧基础图像的该列像素点的第二灰度均值;
将第一灰度均值与第二灰度均值的比值,作为预设平场因子。
8.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若所述初始缺陷尺寸大于第二预设尺寸,则判断所述初始缺陷尺寸是否满足如下至少一项:
初始缺陷面积大于预设面积;
长度和宽度的比值小于第一预设数值;
长度和宽度的比值大于第二预设数值;
初始缺陷面积与外接预设图形面积的比值小于第三预设数值;
若是,则确定该白缺陷在暗场图像中的最大灰度值,并根据最大灰度值确定所述白缺陷的类型;
若否,则确定该白缺陷在暗场图像中预设数量个最大的灰度值,并根据预设数量个最大的灰度值确定所述白缺陷的类型。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
检测暗场图像中除待测隔膜以外的背景区域的灰度均值;
若灰度均值低于预设灰度均值,则根据灰度均值和预设灰度均值的比值确定比例系数;
根据所述比例系数对用于白缺陷分类的阈值进行修正;其中,用于白缺陷分类的阈值包括预设会度阈值以及预设对比度阈值。
10.一种白缺陷分类装置,其特征在于,所述装置包括:
初始缺陷尺寸确定模块,用于对包含待测隔膜的明场图像进行检测,确定待测隔膜上的白缺陷的初始缺陷尺寸;其中,所述明场图像为亮度值大于预设亮度的包含待测隔膜的图像;
拉平场图像确定模块,用于若所述初始缺陷尺寸小于第一预设尺寸,则基于预设平场因子对暗场图像中所述白缺陷的预设范围内的灰度值进行处理,得到拉平场图像;其中,所述暗场图像为亮度值小于预设亮度的包含待测隔膜的图像;所述明场图像与所述暗场图像的像素点一一对应;
检测模块,用于对所述拉平场图像进行检测,确定待测隔膜上的白缺陷的实际缺陷尺寸,并根据所述实际缺陷尺寸确定所述白缺陷的类型。
11.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器白缺陷分类连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的白缺陷分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311831746.2A CN117726613A (zh) | 2023-12-28 | 2023-12-28 | 一种白缺陷分类方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311831746.2A CN117726613A (zh) | 2023-12-28 | 2023-12-28 | 一种白缺陷分类方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117726613A true CN117726613A (zh) | 2024-03-19 |
Family
ID=90201551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311831746.2A Pending CN117726613A (zh) | 2023-12-28 | 2023-12-28 | 一种白缺陷分类方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117726613A (zh) |
-
2023
- 2023-12-28 CN CN202311831746.2A patent/CN117726613A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986159B (zh) | 太阳能电池片的电极缺陷检测方法、设备及存储介质 | |
WO2021082922A1 (zh) | 一种检测屏幕显示断线的方法及设备 | |
CN115272291A (zh) | 一种贴膜的缺陷检测方法、装置、设备及存储介质 | |
CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
CN116952958B (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN115205291B (zh) | 一种电路板检测方法、装置、设备和介质 | |
CN115272290A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN117726613A (zh) | 一种白缺陷分类方法、装置及电子设备 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN112465780B (zh) | 绝缘层膜厚异常监控方法及装置 | |
CN114140336A (zh) | 一种基于红外图像的坏点处理方法及装置 | |
CN118037683A (zh) | 一种极片缺陷确定方法、装置、设备及存储介质 | |
CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
CN117115233B (zh) | 一种基于机器视觉的尺寸测量方法、装置及电子设备 | |
CN117372408A (zh) | 一种设备检测方法、装置、设备及存储介质 | |
CN117952893A (zh) | 一种亮度翻转消除方法、装置、电子设备及存储介质 | |
CN115578956A (zh) | 显示面板不良像素点的检测方法、装置、设备和介质 | |
CN117764913A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN117169806A (zh) | 断码屏电表显示缺陷检测方法、装置、设备及介质 | |
CN115187585A (zh) | 一种缺陷检测方法、装置、电子设备及存储介质 | |
CN116681913A (zh) | 一种标签印刷的定位方法、装置、设备及存储介质 | |
CN117745701A (zh) | 一种缺陷检测方法、装置、电子设备以及存储介质 | |
CN117274211A (zh) | 一种屏幕缺陷检测方法、装置、终端设备及存储介质 | |
CN117036282A (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN115880237A (zh) | 一种车用钢板合格检测方法、装置、设备及存储介质 |
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 |