LU504273B1 - Method for Detecting Integrity of Switch Interface - Google Patents

Method for Detecting Integrity of Switch Interface Download PDF

Info

Publication number
LU504273B1
LU504273B1 LU504273A LU504273A LU504273B1 LU 504273 B1 LU504273 B1 LU 504273B1 LU 504273 A LU504273 A LU 504273A LU 504273 A LU504273 A LU 504273A LU 504273 B1 LU504273 B1 LU 504273B1
Authority
LU
Luxembourg
Prior art keywords
image
gray level
network interface
sampling
new
Prior art date
Application number
LU504273A
Other languages
English (en)
Inventor
Zhen Wei
Rongsheng Wei
Original Assignee
Inspector Information Tech Suzhou Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inspector Information Tech Suzhou Co Ltd filed Critical Inspector Information Tech Suzhou Co Ltd
Application granted granted Critical
Publication of LU504273B1 publication Critical patent/LU504273B1/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Claims (9)

ANSPRUCHE LU504273
1. Integritätserkennungsverfahren für eine Schalterschnittstelle, dadurch gekennzeichnet, dass es Folgendes umfasst: - Erfassen eines Vorderseitenbildes des Schalters mit Netzwerkschnittstelle, und Grauskalieren des Vorderseitenbilds, um ein Grauskalenbild zu erhalten, und Upsampling des Grauskalenbilds durch bilineare Interpolation, um ein Upsampling-Bild zu erhalten; - Durchführen eines Histogrammausgleichs an dem Upsampling-Bild, um ein verstärktes Bild zu erhalten, und Bestimmen im Prozess des Histogrammausgleichs jeweils jede neue Graustufe in dem Upsampling-Bild und die Graustufe nach der Graustufenabbildung der anderen Graustufe als der neuen Graustufe, , wobei die Graustufe nach dem Abbilden jeder neuen Graustufe gemäß ihrem Häufigkeitsverhältnis in dem Upsampling-Bild und ihrem Häufigkeitsverhältnis zu allen neuen Graustufen in dem Upsampling- Bild bestimmt wird, wobei die neue Graustufe eine Graustufe ist, die in dem Upsampling-Bild existiert, aber nicht in dem Graustufenbild existiert; - Durchführen eines Schablonenabgleichs an dem verstärkten Bild mittels einer Schablone, die einer Standard-Netzwerkschnittstelle entspricht, und Beurteilen, ob es eine anormale Netzwerkschnittstelle in dem verstärkten Bild gemäß dem Vergleichsergebnis gibt.
2. Integritätserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 1, dadurch gekennzeichnet, dass das Bestimmen der Graustufe nachdem dem Abbilden jeder neuen Graustufe gemäß ihrem Häufigkeitsverhältnis in dem Upsampling-Bild und inrem Häufigkeitsverhältnis zu allen neuen Graustufen in dem Upsampling-Bild umfasst: - Bestimmen des Werts nachdem der kumulativen Verteilungsfunktionsabbildung jeder entstehenden Graustufe jeweils gemäß dem Häufigkeitsverhältnis jeder neuen Graustufe in dem Upsampling-Bild und dem Häufigkeitsverhältnis jeder neuen Graustufe zu allen neuen Graustufen in dem Upsampling-Bild, wobei je größer das Häufigkeitsverhältnis jeder neuen Graustufe zu allen neuen Graustufen in dem Upsampling-Bild ist, desto kleiner der Wert nach der kumulativen LU504273 Verteilungsfunktionsabbildung, die jeder neuen Graustufe entspricht; - Bestimmen der Graustufe nachdem der kumulativen Verteilungsfunktionsabbildung jeder entstehenden Graustufe gemäß dem abgebildeten kumulativen Verteilungsfunktionswert jeder neuen Graustufe.
3. Integritätserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 1, dadurch gekennzeichnet, dass das Durchführen eines Schablonenabgleichs an dem verstärkten Bild mittels einer Schablone, die einer Standard- Netzwerkschnittstelle entspricht, und Beurteilen, ob es eine anormale Netzwerkschnittstelle in dem verstärkten Bild gemäß dem Vergleichsergebnis gibt, umfasst: - Erhalten der Ähnlichkeit zwischen der der Standardnetzwerkschnittstelle entsprechenden Schablone und dem zu testenden Bereich in dem verstärkten Bild, wobei der zu testende Bereich ein Bereich in dem verstärkten Bild ist, der so groß wie die Schablone ist; - Bestimmen, dass der zu testende Bereich ein Bereich ist, in dem sich eine normale Netzwerkschnittstelle befindet, wenn die Ähnlichkeit größer als ein voreingestellter erster Schwellenwert ist; - wenn die Ähnlichkeit nicht größer als ein voreingestellter erster Schwellenwert ist, Beurteilen, ob die Ähnlichkeit größer als ein voreingestellter zweiter Schwellenwert ist, und wenn das Bewertungsergebnis ja ist, dann Beurteilen des zu testenden Bereichs als der Bereich mit der anormalen Grenzfläche liegt, wobei der voreingestellte zweite Schwellenwert kleiner als der voreingestellte erste Schwellenwert ist.
4. Integritätserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 3, dadurch gekennzeichnet, dass die Ähnlichkeit strukturelle Ähnlichkeit SSIM ist.
5. Integritätserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 3, dadurch gekennzeichnet, dass die Ähnlichkeit ein Pearson- Korrelationskoeffizient ist.
6. Integritätserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 1, dadurch gekennzeichnet, dass vor dem Erfassen des Vorderseitenbildes des Schalters mit der Netzwerkschnittstelle umfasst: Einstellen von parallelem Licht, um den Schalter mit der Netzwerkschnittstelle zu bestrahlen.
7. Integritdtserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 1, LU504273 dadurch gekennzeichnet, dass vor dem Durchführen eines Histogrammausgleichs an dem Upsampling-Bild, um ein verstärkten Bild zu erhalten, umfasst: Durchführen einer Kantenerkennung an dem verstärkten Bild und Verwenden des Kantenerkennungsergebnisses als ein neues verstärktes Bild.
8. Integritätserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 7, dadurch gekennzeichnet, dass der für die Kantenerkennung verwendete Operator einer der Operatoren Roberts, Prewitt, Sobel und Canny ist.
9. Integritätserkennungsverfahren für eine Schalterschnittstelle nach Anspruch 1, dadurch gekennzeichnet, dass das auch umfasst: Lokalisieren der anormalen Netzwerkschnittstelle, wenn es eine anormale Netzwerkschnittstelle gibt.
LU504273A 2022-09-28 2023-04-05 Method for Detecting Integrity of Switch Interface LU504273B1 (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211190970.3A CN115471486A (zh) 2022-09-28 2022-09-28 一种交换机接口完好性检测方法

Publications (1)

Publication Number Publication Date
LU504273B1 true LU504273B1 (en) 2023-07-31

Family

ID=84334398

Family Applications (1)

Application Number Title Priority Date Filing Date
LU504273A LU504273B1 (en) 2022-09-28 2023-04-05 Method for Detecting Integrity of Switch Interface

Country Status (3)

Country Link
CN (1) CN115471486A (de)
LU (1) LU504273B1 (de)
WO (1) WO2023126030A1 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115471486A (zh) * 2022-09-28 2022-12-13 探长信息技术(苏州)有限公司 一种交换机接口完好性检测方法
CN116681696B (zh) * 2023-07-27 2023-10-20 东莞雅达高精密塑胶模具有限公司 一种用于自动化生产设备的模具质量监测方法
CN116703912B (zh) * 2023-08-07 2023-11-24 深圳市鑫赛科科技发展有限公司 一种迷你主机网口完整性视觉检测方法
CN117078679B (zh) * 2023-10-16 2023-12-15 东莞百舜机器人技术有限公司 一种基于机器视觉的散热风扇自动组装线生产检测方法
CN119151965B (zh) * 2024-11-18 2025-03-07 中国人民解放军空军军医大学 一种眼底图像智能增强方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5481619A (en) * 1992-07-07 1996-01-02 Schwartz; Nira Inspection method using templates images, unique histogram analysis, and multiple gray levels correlated to addresses of template images
US20100278423A1 (en) * 2009-04-30 2010-11-04 Yuji Itoh Methods and systems for contrast enhancement
CN113034452B (zh) * 2021-03-15 2022-09-27 南京理工大学 一种焊件轮廓检测方法
CN114494256B (zh) * 2022-04-14 2022-06-14 武汉金龙电线电缆有限公司 基于图像处理的电线生产缺陷检测方法
CN115471486A (zh) * 2022-09-28 2022-12-13 探长信息技术(苏州)有限公司 一种交换机接口完好性检测方法

Also Published As

Publication number Publication date
WO2023126030A1 (zh) 2023-07-06
CN115471486A (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
LU504273B1 (en) Method for Detecting Integrity of Switch Interface
Lin et al. Vehicle speed detection from a single motion blurred image
CN104318582B (zh) 一种高铁接触网旋转双耳部件销钉不良状态检测方法
CN106780486B (zh) 一种钢板表面缺陷图像提取方法
CN103471512B (zh) 一种基于机器视觉的玻璃板宽检测系统
CN107505546A (zh) 一种利用紫外成像仪监测电晕放电的方法
CN117036641A (zh) 一种基于双目视觉的公路场景三维重建与缺陷检测方法
US10467731B2 (en) Automatic defective digital motion picture pixel detection
CN111031311B (zh) 成像质量检测方法、装置、电子设备及可读存储介质
CN110726725A (zh) 一种输电线路金具锈蚀检测方法及装置
CN105160652A (zh) 基于计算机视觉的手机外壳检验装置与方法
CN115239727B (zh) 一种pcb板表面缺陷检测方法
CN115063331A (zh) 基于多尺度块lbp算子无鬼影多曝光图像融合算法
CN117274113B (zh) 基于图像增强的碎硅片清洗效果视觉检测方法
CN114596301A (zh) 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测系统
CN115272256A (zh) 亚像素级传感光纤路径高斯提取方法及系统
CN114972575A (zh) 一种基于轮廓边缘的直线拟合算法
CN111724375B (zh) 一种屏幕检测方法及系统
CN116843687A (zh) 一种通信光缆表面瑕疵检测方法及装置
CN109682820A (zh) 一种显示屏的缺陷自动光学检测方法
CN112132767A (zh) 一种基于计算机视觉的太阳能电池板阴影处理方法
Chen et al. Image registration between visible and infrared images for electrical equipment inspection robots based on quadrilateral features
CN106530292A (zh) 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法
CN115423744A (zh) 一种新型检测面板的方法
CN119762918A (zh) 光伏场站多摄像机融合巡检方法、装置、设备及存储介质

Legal Events

Date Code Title Description
FG Patent granted

Effective date: 20230731