JP2022545336A - カメラ色ムラ検査方法及び装置 - Google Patents
カメラ色ムラ検査方法及び装置 Download PDFInfo
- Publication number
- JP2022545336A JP2022545336A JP2022506073A JP2022506073A JP2022545336A JP 2022545336 A JP2022545336 A JP 2022545336A JP 2022506073 A JP2022506073 A JP 2022506073A JP 2022506073 A JP2022506073 A JP 2022506073A JP 2022545336 A JP2022545336 A JP 2022545336A
- Authority
- JP
- Japan
- Prior art keywords
- camera
- abnormal
- color
- color unevenness
- normal
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
【課題】カメラの色ムラ検査方法及び装置を提供する【解決手段】正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力することにより、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断することを特徴とする。【選択図】図1
Description
本発明は、コンピューター分野に関し、特に、カメラ色ムラ検査方法及び装置に関する。
従来のカメラ性能検査プロセスにおいて、一般的には、人の肉眼検査の方式によりカメラ撮影の写真に色ムラがあるかを識別し、そして、色ムラにより、カメラのレンズが損傷するかを判断する。
しかしながら、このような人間によるカメラレンズの検査方式は、検査効率が低いだけでなく、不正確の検査が発生する恐れがある。
しかしながら、このような人間によるカメラレンズの検査方式は、検査効率が低いだけでなく、不正確の検査が発生する恐れがある。
本発明が解決しようとする課題は、上述したように例えば、肉眼検査による検査効率が低く検査結果の不正確である。これを解消することを提供する。
本発明の一目的は、カメラ色ムラ検査方法及び装置を提供することにある。
本発明の一方により、カメラ色ムラ検査方法が提供される。この方法は、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いるステップと、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけるステップと、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得するステップと、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断するステップと、を含む。
さらに、上述した方法において、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いるステップは、単色発光パネルを設置し、前記発光パネルを白色光発光させることと、正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影することと、異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影することと、を含む。
さらに、上述した方法において、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけるステップは、正例の色ムラ位置に正常色ムラのラベルをつけることと、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることと、を含む。反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけるステップは、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得することと、前記反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることと、前記ろ波サンプルの色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることとを含み、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得するテップは、ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することを含む。
本発明の他方によれば、カメラ色ムラ検査装置がさらに提供される。この装置は、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いることに用いられる第1の装置と、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけることに用いられる第2の装置と、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することに用いられる第3の装置と、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断することに用いられる第4の装置と、を含む。
さらに、上述した装置において、前記第1の装置は、単色発光パネルを設置し、前記発光パネルを白色光発光させ、正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影し、異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影することに用いられる。
さらに、上述した装置において、前記第2の装置は、正例の色ムラ位置に正常色ムラのラベルをつけ、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることに用いられる。さらに、上述した装置において、前記第2の装置は、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得し、前記反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけ、前記ろ波サンプルの色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることに用いられ、前記第3の装置は、ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することに用いられる。
本発明の他方によれば、算出に基づく装置がさらに提供される。この装置は、プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
本発明の他方によれば、コンピューター可読記憶媒体がさらに提供される。このコンピューターが実行できるコマンドがプロセッサーにより実行されるとき、このプロセッサーは、
正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
従来の技術に比べて、本発明は、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力することにより、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。本発明は、カメラが撮影した写真には異常色ムラがあるかを効率的に、正確に検査することができる。本発明のカメラ検査方法は、例えば携帯電話のようなスマート端末のカメラの性能検査に応用でき、そして、例えば携帯電話のようなスマート端末のカメラの性能検査結果により、携帯電話等のスマート端末に対し回収して見積もることができる。
以下の図面を参照して作成した非制限的実施例に対する詳細な記述を閲読することにより、本発明のその他の特徴、目的及びメリットは明らかになる。
本発明の一実施例によるカメラ色ムラ検査方法のフローチャートである。図面において、同じまたは類似する図面符号は同じまたは類似する部品を示す。
以下、図面を参照しながら、本発明を詳細に説明する。
本願の典型的な機器構成において、端末、サーバー及び信頼できる第3の者機関はいずれも1つまたは複数のプロセッサー(CPU)、入力/出力インターフェース、ネットワークインターフェース及びメモリを含む。
メモリは、コンピューター可読媒体における揮発性メモリ、ランダムアクセスメモリ(RAM)及び/又は例えば、リードオンリメモリ(ROM)またはフラッシュメモリ(flash RAM)のような不揮発性メモリ等を含む。メモリはコンピューター可読媒体の一例である。
コンピューター可読媒体は不揮発性と揮発性、可搬型と据え置き型媒体を含み、あらゆる方法や技術により情報格納を実現することができる。情報は、コンピューター可読コマンド、データ構造、プログラムのモジュールまたはその他のデータである。コンピューターの記憶媒体の例として、相変化メモリ(PRAM)、スタティックランダムアクセスメモリ(SRAM)、ダイナミックランダムアクセスメモリ(DRAM)、その他のタイプのランダムアクセスメモリ(RAM)、リードオンリメモリ(ROM)、電気的消去可能プログラマブルリードオンリメモリ(EEPROM)、フラッシュメモリまたはその他のメモリ技術、コンパクトディスクリードオンリメモリ(CD-ROM)、デジタルビデオディスク(DVD)またはその他の光学記憶装置、カセットテープ、磁気ディスクまたはその他の磁気記憶装置または、演算装置がアクセスする情報を格納することに用いられるあらゆるその他の非伝送媒体を含むが、これらに限られない。本明細書の限定によれば、例えば、変調のデータ信号及び搬送波のようなコンピューター可読媒体は一時的記憶コンピューター可読媒体(transitory media)を含まない。
図1に示すように、カメラ色ムラ検査方法は下記のステップS1~ステップS4を含む。ステップS1において、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いる。
ここで、前記カメラは例えば携帯電話のようなスマート端末のカメラである。
ここで、前記カメラは例えば携帯電話のようなスマート端末のカメラである。
ステップS2において、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつける。
ここで、前記正常色ムラとは、例えば写真上のグラデーションカラーのようなカメラレンズ問題による色ムラに属しないものである。正常カメラが撮影した写真において、正常色ムラが存在する可能性があるが、異常色ムラが存在しない。
ここで、前記正常色ムラとは、例えば写真上のグラデーションカラーのようなカメラレンズ問題による色ムラに属しないものである。正常カメラが撮影した写真において、正常色ムラが存在する可能性があるが、異常色ムラが存在しない。
前記異常色ムラとは、カメラレンズ問題による色ムラである。異常色ムラはカメラに問題が存在するかを判断する根拠である。異常カメラが撮影した写真には、必ず異常色ムラが存在し、正常色ムラが存在する可能性もある。
ステップS3において、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得する。
ここで、前記ニューラルネットワークは、Faster RCNN Resnet50でよい。
ここで、前記ニューラルネットワークは、Faster RCNN Resnet50でよい。
ステップS4において、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
ここで、本発明は、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力することにより、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。本発明は、カメラが撮影した写真には異常色ムラがあるかを効率的に、正確に検査することができる。本発明のカメラ検査方法は、例えば携帯電話のようなスマート端末のカメラの性能検査に応用でき、そして、例えば携帯電話のようなスマート端末のカメラの性能検査結果により、携帯電話等のスマート端末に対し回収して見積もることができる。
ここで、本発明は、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力することにより、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。本発明は、カメラが撮影した写真には異常色ムラがあるかを効率的に、正確に検査することができる。本発明のカメラ検査方法は、例えば携帯電話のようなスマート端末のカメラの性能検査に応用でき、そして、例えば携帯電話のようなスマート端末のカメラの性能検査結果により、携帯電話等のスマート端末に対し回収して見積もることができる。
本発明のカメラ色ムラ検査方法による実施例において、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いるステップS1は、単色発光パネルを設置し、前記発光パネルを白色光発光させるステップS11と、正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影するステップS12と、異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影するステップS13とを含む。
ここで、単色発光パネルを設置することにより、前記発光パネルを白色光発光させ、正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影し、異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影することにより、後続の正例または反例から色ムラを識別する困難度を低減させ、識別の正確率を向上させることができる。
本発明のカメラ色ムラ検査方法による一実施例において、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけるステップS2は、正例の色ムラ位置に正常色ムラのラベルをつけるステップS21と、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけるステップS22とを含む。
ここで、正例の色ムラ位置に正常色ムラのラベルをつけ、そして、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることにより、後続のトレーニングで取得した識別モデルの色ムラ識別正確率を更に向上させ、異常色ムラによる誤り判定を避けることができる。
本発明のカメラ色ムラ検査方法による一実施例において、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけるステップS22は、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得することと、前記反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることと、前記ろ波サンプルの色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることと、を含む。
ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得するテップS3は、ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することを含む。ここで、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得し、反例における色ムラを写真に強調表示させることができる。
また、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得し、ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することにより、反例の数の拡大を実現し、後続のトレーニングで取得した識別モデルの色ムラ識別正確率をさらに向上させ、異常色ムラによる誤り判定を避けることができる。
カメラ色ムラ検査装置は下記の第1の装置~第4の装置を含む。
第1の装置は、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いることに用いられる。
第1の装置は、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いることに用いられる。
ここで、前記カメラは例えば携帯電話のようなスマート端末のカメラである。
第2の装置は、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけることに用いられる。
第2の装置は、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけることに用いられる。
ここで、前記正常色ムラとは、例えば写真上のグラデーションカラーのようなカメラレンズ問題による色ムラに属しないものである。正常カメラが撮影した写真において、正常色ムラが存在する可能性があるが、異常色ムラが存在しない。
前記異常色ムラとは、カメラレンズ問題による色ムラである。異常色ムラはカメラに問題が存在するかを判断する根拠である。異常カメラが撮影した写真には、必ず異常色ムラが存在し、正常色ムラが存在する可能性もある。
第3の装置は、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することに用いられる。
ここで、前記ニューラルネットワークは、Faster RCNN Resnet50でよい。
ここで、前記ニューラルネットワークは、Faster RCNN Resnet50でよい。
第4の装置は、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断することに用いられる。
ここで、本発明は、カメラが撮影した写真には異常色ムラがあるかを効率的に、正確に検査することができる。本発明のカメラ検査方法は、例えば携帯電話のようなスマート端末のカメラの性能検査に応用でき、そして、例えば携帯電話のようなスマート端末のカメラの性能検査結果により、携帯電話等のスマート端末に対し回収して見積もることができる。
本発明のカメラ色ムラ検査装置による一実施例において、前記第1の装置は、単色発光パネルを設置し、前記発光パネルを白色光発光させ、正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影し、異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影することに用いられる。
ここで、単色発光パネルを設置することにより、前記発光パネルを白色光発光させ、正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影し、異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影することにより、後続の正例または反例から色ムラを識別する困難度を低減させ、識別の正確率を向上させることができる。
本発明のカメラ色ムラ検査装置による一実施例において、前記第2の装置は、正例の色ムラ位置に正常色ムラのラベルをつけ、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることに用いられる。
ここで、正例の色ムラ位置に正常色ムラのラベルをつけ、そして、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることにより、後続のトレーニングで取得した識別モデルの色ムラ識別正確率を更に向上させ、異常色ムラによる誤り判定を避けることができる。
本発明のカメラ色ムラ検査装置による一実施例において、前記第2の装置は、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得し、前記反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけ、前記ろ波サンプルの色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることに用いられる。
前記第3の装置は、ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することに用いられる。
ここで、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得し、反例における色ムラを写真に強調表示させることができ、後続のトレーニングで取得した識別モデルの色ムラ識別正確率をさらに向上させ、異常色ムラによる誤り判定を避けることができる
また、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得し、ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することにより、反例の数の拡大を実現し、後続のトレーニングで取得した識別モデルの色ムラ識別正確率をさらに向上させ、異常色ムラによる誤り判定を避けることができる。
本発明の他方によれば、算出に基づく装置がさらに提供される。前記装置は、
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
本発明により、コンピューターが実行できるコマンドを格納するコンピューター可読記憶媒体がさらに提供される。このコンピューターが実行できるコマンドがプロセッサーにより実行されるとき、このプロセッサーは、正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する。
本発明の各装置及び記憶媒体実施例の詳細内容は、具体的には、各方法実施例の対応部分を参照し、ここで、重複の記述は不要である。
明らかに、当業者は、本願の精神及び範囲から逸脱しない限り、本願に対して様々な変更や変形を行うことができる。このため、本願のこれらの変更や変形は本願の特許請求の範囲及びその同等技術の範囲内に属し、本願はこれらの変更や変形を含む。
本発明はソフトウェア及び/又はソフトウェアとハードウェアの組み合わせで実施され、例えば、特定用途向け集積回路(ASIC)、汎用コンピューターまたはあらゆるその他の類似ハードウェア装置により実現されてもよい。一実施例において、本発明のソフトウェアプログラムはプロセッサーにより実行され、前記ステップまたは機能を実現する。同様に、本発明のソフトウェアプログラム(関連するデータ構造を含む)は、例えば、RAMメモリ、磁気または光学ドライバまたはフロッピーディスク及び類似装置のようなコンピューター可読記録媒体に格納される。また、本発明のあるステップまたは機能は、例えば、プロセッサーと組み合わせてそれぞれのステップまたは機能を実現する回路のようなハードウェアにより実現されてもよい。
また、本発明の一部は、例えばコンピュータープログラムコマンドのようなコンピュータープログラム製品として応用されることができる。コンピューターにより実行されるとき、このコンピューターの操作により、本発明による方法及び/又は技術的方案を呼出または提供してもよい。本発明の方法によるプログラムを呼出するコマンドは、据え置き型または可搬型の記録媒体に格納され、及び/又は放送またはその他の信号搬送媒体におけるデータフローにより伝送され、及び/又は前記プログラムコマンドにより実行されるコンピューター装置の作業メモリに格納されてもよい。ここで、本発明による実施例は、装置を含む。この装置は、コンピュータープログラムコマンドを格納するためのメモリ及びプログラムコマンドを実行するためのプロセッサーを含む。このコンピュータープログラムコマンドがこのプロセッサーにより実行されるとき、この装置に本発明による複数の実施例の方法及び/又は技術的方案を実行させる。
当業者にとって、本発明は例示的実施例の細部に限られなく、本発明の精神または基本特徴から逸脱しない限り、その他の具体的な形態により本発明を実現する。このため、いずれかの点から見ても、実施例を例示的なものと見なし、非制限的なものと見なす。本発明の範囲は特許請求の範囲により制限されるが、上記記述により制限されるものではないので、特許請求の範囲の同等要素の定義及び範囲内に落ちるすべての変化は本発明内に含まれる。特許請求の範囲におけるいずれかの図面符号は特許請求の範囲を制限するものではない。また、「含む」はその他のユニットまたはステップを排除しなく、単数は複数を排除しない。装置の特許請求の範囲に記述される複数のユニットまたは装置は1つのユニットまたは装置で、ソフトウェアまたはハードウェアにより実現される。「第1の」、「第2の」などの用語は、名称を示すが、特定の順序を示すものではない。
Claims (10)
- 正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いるステップと、
前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけるステップと、
ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得するステップと、
検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断するステップと、
を含むことを特徴とするカメラ色ムラ検査方法。 - 正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いるステップは、
単色発光パネルを設置し、前記発光パネルを白色光発光させることと、
正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影することと、
異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影することと、
を含むことを特徴とする請求項1に記載の方法。 - 前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけるステップは、
正例の色ムラ位置に正常色ムラのラベルをつけることと、
反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることと、
を含むことを特徴とする請求項1に記載の方法。 - 反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけるステップは、
それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得することと、
前記反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることと、
前記ろ波サンプルの色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることとを含み、
ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得するテップは、
ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することを含むことを特徴とする請求項3に記載の方法。 - 正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用いることに用いられる第1の装置と、
前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけることに用いられる第2の装置と、
ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することに用いられる第3の装置と、
検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断することに用いられる第4の装置と、
を含むことを特徴とするカメラ色ムラ検査装置。 - 前記第1の装置は、単色発光パネルを設置し、前記発光パネルを白色光発光させ、正常カメラを白色光発光させる発光パネルに接近させ、正例として写真を撮影し、異常カメラを白色光発光させる発光パネルに接近させ、反例として写真を撮影することに用いられることを特徴とする請求項5に記載の装置。
- 前記第2の装置は、正例の色ムラ位置に正常色ムラのラベルをつけ、反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることに用いられることを特徴とする請求項5に記載の装置。
- 前記第2の装置は、それぞれの反例に対しろ波を行い、対応する二枚ろ波サンプルを取得し、前記反例の色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけ、前記ろ波サンプルの色ムラ位置に異常色ムラまたは正常色ムラのラベルをつけることに用いられ、
前記第3の装置は、ラベルをつけた後の正例、反例及びろ波サンプルをニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得することに用いられることを特徴とする請求項7に記載の装置。 - 算出に基づく装置であって、
プロセッサーと、
コンピューターが実行できるコマンドを格納できるように配置されるメモリとを含み、前記実行できるコマンドが実行されるとき、前記プロセッサーは、
正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、
前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、
ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、
検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する
ことを特徴とする装置。 - コンピューターが実行できるコマンドを格納するコンピューター可読記憶媒体であって、このコンピューターが実行できるコマンドがプロセッサーにより実行されるとき、このプロセッサーは、
正例として正常カメラが撮影した写真を用い、反例として異常カメラが撮影した写真を用い、
前記正例及び反例のそれぞれの色ムラ位置に対し正常色ムラ、異常色ムラのラベルをつけ、
ラベルをつけた後の正例及び反例をニューラルネットワークに入力し、トレーニングを行い、色ムラ識別モデルを取得し、
検査すべきカメラが撮影した写真を前記色ムラ識別モデルに入力し、検査すべきカメラが撮影した写真には異常色ムラが存在するかを判断する
ことを特徴とするコンピューター可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010072260.5A CN111325715A (zh) | 2020-01-21 | 2020-01-21 | 相机色斑检测方法及设备 |
CN202010072260.5 | 2020-01-21 | ||
PCT/CN2020/120895 WO2021147388A1 (zh) | 2020-01-21 | 2020-10-14 | 相机色斑检测方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022545336A true JP2022545336A (ja) | 2022-10-27 |
Family
ID=71172510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022506073A Pending JP2022545336A (ja) | 2020-01-21 | 2020-10-14 | カメラ色ムラ検査方法及び装置 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2022545336A (ja) |
CN (1) | CN111325715A (ja) |
WO (1) | WO2021147388A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11922467B2 (en) | 2020-08-17 | 2024-03-05 | ecoATM, Inc. | Evaluating an electronic device using optical character recognition |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2020222971A1 (en) | 2019-02-12 | 2021-09-23 | Ecoatm, Llc | Connector carrier for electronic device kiosk |
AU2020224096A1 (en) | 2019-02-18 | 2021-09-23 | Ecoatm, Llc | Neural network based physical condition evaluation of electronic devices, and associated systems and methods |
CN111325715A (zh) * | 2020-01-21 | 2020-06-23 | 上海悦易网络信息技术有限公司 | 相机色斑检测方法及设备 |
CN113034493A (zh) * | 2021-04-19 | 2021-06-25 | 广州绿怡信息科技有限公司 | 摄像检测模型训练方法及摄像检测方法 |
CN116773152B (zh) * | 2023-08-25 | 2023-11-03 | 成都中嘉微视科技有限公司 | 一种镜头性能的检测方法、装置、电子设备及存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106791807B (zh) * | 2014-11-24 | 2018-10-26 | 歌尔科技有限公司 | 一种摄像头模组污点检测的方法和装置 |
CN107194886B (zh) * | 2017-05-03 | 2020-11-10 | 深圳大学 | 一种用于相机传感器的灰尘检测方法及装置 |
JP2019015692A (ja) * | 2017-07-11 | 2019-01-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 付着物検出方法、付着物学習方法、付着物検出装置、付着物学習装置、付着物検出システム、および、プログラム |
CN107705334B (zh) * | 2017-08-25 | 2020-08-25 | 北京图森智途科技有限公司 | 一种摄像机异常检测方法及装置 |
CN107491790B (zh) * | 2017-08-25 | 2021-04-02 | 北京图森智途科技有限公司 | 一种神经网络训练方法及装置 |
CN108682365B (zh) * | 2018-04-18 | 2022-02-18 | 武汉精测电子集团股份有限公司 | 一种oled色斑检测与修复一体化系统、方法 |
CN108668080B (zh) * | 2018-06-22 | 2020-09-08 | 北京小米移动软件有限公司 | 提示镜头脏污程度的方法及装置、电子设备 |
CN109767440A (zh) * | 2019-01-11 | 2019-05-17 | 南京信息工程大学 | 一种面向深度学习模型训练和学习的影像图像数据扩充方法 |
CN110516541B (zh) * | 2019-07-19 | 2022-06-10 | 金蝶软件(中国)有限公司 | 文本定位方法、装置、计算机可读存储介质和计算机设备 |
CN110544211B (zh) * | 2019-07-26 | 2024-02-09 | 纵目科技(上海)股份有限公司 | 一种镜头付着物的检测方法、系统、终端和存储介质 |
CN111325715A (zh) * | 2020-01-21 | 2020-06-23 | 上海悦易网络信息技术有限公司 | 相机色斑检测方法及设备 |
-
2020
- 2020-01-21 CN CN202010072260.5A patent/CN111325715A/zh active Pending
- 2020-10-14 WO PCT/CN2020/120895 patent/WO2021147388A1/zh active Application Filing
- 2020-10-14 JP JP2022506073A patent/JP2022545336A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11922467B2 (en) | 2020-08-17 | 2024-03-05 | ecoATM, Inc. | Evaluating an electronic device using optical character recognition |
Also Published As
Publication number | Publication date |
---|---|
CN111325715A (zh) | 2020-06-23 |
WO2021147388A1 (zh) | 2021-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022545336A (ja) | カメラ色ムラ検査方法及び装置 | |
TWI709919B (zh) | 車險圖像處理方法、裝置、伺服器及系統 | |
TWI726194B (zh) | 基於圖像的車輛定損方法、裝置及電子設備 | |
US11080839B2 (en) | System and method for training a damage identification model | |
CN111292302B (zh) | 屏幕检测方法及装置 | |
US11682225B2 (en) | Image processing to detect a rectangular object | |
CN108229480A (zh) | 一种数字表读数的识别方法、装置及设备 | |
CN112783516B (zh) | 硬件适配的方法、电子设备和计算机可读存储介质 | |
CN110705532B (zh) | 一种识别翻拍图像的方法、装置及设备 | |
CN110796647A (zh) | 一种电子设备屏幕区域瑕疵检测方法与设备 | |
CN110689134A (zh) | 执行机器学习过程的方法、装置、设备以及存储介质 | |
WO2020047316A1 (en) | System and method for training a damage identification model | |
CN111272067A (zh) | 手机检测方法及设备 | |
CN112613380A (zh) | 一种机房巡检方法、装置及电子设备、存储介质 | |
AU2019200861A1 (en) | Unobtrusive and automated detection of frequencies of spatially located distinct parts of a machine | |
CN109960534A (zh) | 设备探测方法、装置、存储介质以及电子设备 | |
WO2021147383A1 (zh) | 相机模糊检测方法及装置 | |
WO2019062841A1 (zh) | 品牌曝光效果分析方法及装置 | |
CN111680680B (zh) | 一种目标码定位方法、装置、电子设备及存储介质 | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
CN110880023A (zh) | 一种检测证件图片的方法及装置 | |
CN113050022A (zh) | 一种基于旋转天线的图像定位方法、装置及终端设备 | |
Zhao et al. | Smartphone modulated colorimetric reader with color Subtraction | |
CN111242116B (zh) | 屏幕定位方法及装置 | |
CN109142354A (zh) | 采集流水线上的产品图像的系统、方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230228 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231024 |