CN103439348A - 基于差影法的遥控器按键缺陷检测方法 - Google Patents
基于差影法的遥控器按键缺陷检测方法 Download PDFInfo
- Publication number
- CN103439348A CN103439348A CN2013103573528A CN201310357352A CN103439348A CN 103439348 A CN103439348 A CN 103439348A CN 2013103573528 A CN2013103573528 A CN 2013103573528A CN 201310357352 A CN201310357352 A CN 201310357352A CN 103439348 A CN103439348 A CN 103439348A
- Authority
- CN
- China
- Prior art keywords
- standard form
- detected sample
- image
- registration
- sample
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种基于差影法的遥控器按键缺陷检测方法,包括如下步骤:步骤1:制作遥控器标准模板;步骤2:对待检测样品的图像做预处理;步骤3:对标准模板和待检测样品的图像粗配准,得到粗配准区域;步骤4:对标准模板图像进行区域标记,进行二次细配准;步骤5:对标准模板和待检测样品二次细配准后的标记区域分别进行二值化,并作差影计算;步骤6:判断待检测样品是否合格,如果待检测样品有缺陷,定位缺陷位置,如果待检测样品没有缺陷,判断为合格样品,完成检测。本发明的检测方法能有效地分割按键检测出缺陷样品,准确定位缺陷位置。
Description
技术领域
本发明涉及图像处理技术领域,特别是一种基于差影法的遥控器按键缺陷检测方法。
背景技术
遥控器与我们的生活息息相关,在遥控器的实际生产中,按键上的字符是通过丝网印刷,人工检测缺陷的。在丝网印刷过程中,会出现字符颜色印刷错误,字符内容印错,部分字符模糊不清,漏印,有污迹等印刷缺陷,而且大多数情况下,会批量出现这种错误,对于保证产品质量是非常不利的。尽管人眼识别率很高,但是人有疲倦期,而且多人检测,也难以统一检测标准。这些都不利于保证产品的合格率。
近年来,图像处理在智能交通,人脸识别等方面的成功应用,也为遥控器字符的智能检测提供了可能。已有研究针对遥控器成品的缺陷检测,但其缺点显而易见,当发现产品不合格的时候,已经完成了切割和组装等工序,这样就造成了资源的严重浪费。本专利基于差影法的遥控器按键检测方法,以正常样品为模板,通过两次配准和差影法,实现对样品的检测,并对缺陷位置进行标记。
发明内容
本发明的主要目的在于提出一种基于差影法的遥控器按键检测方法,以标准样品的图像作为模板,实现对遥控器按键缺陷的检测。该方法能有效地分割按键检测出缺陷样品,准确定位缺陷位置。
本发明提供一种基于差影法的遥控器按键缺陷检测方法,包括如下步骤:
步骤1:制作遥控器标准模板;
步骤2:对待检测样品的图像做预处理;
步骤3:对标准模板和待检测样品的图像粗配准,得到粗配准区域;
步骤4:对标准模板图像进行区域标记,进行二次细配准;
步骤5:对标准模板和待检测样品二次细配准后的标记区域分别进行二值化,并作差影计算;
步骤6:判断待检测样品是否合格,如果待检测样品有缺陷,定位缺陷位置,如果待检测样品没有缺陷,判断为合格样品,完成检测。
从上述技术方案可以看出,本发明具有以下技术效果:
1、本发明提供的基于差影法的遥控器按键缺陷检测方法,能准确定位缺陷位置。
2、本发明提供的基于差影法的遥控器按键缺陷检测方法,对于分批印刷的字符,对字符间距有一定的容错性。
3、本发明提供的基于差影法的遥控器按键缺陷检测方法,采用差影法进行缺陷检测,辅以相关系数匹配法,检测方法简单,计算速度快。
附图说明
为进一步说明本发明的技术内容,以下结合附图及实施案例对本发明详细说明如后,其中:
图1是本发明提供的一种基于差影法的遥控器按键缺陷检测方法标准流程图。
图2是本发明提供的进行二次配准的流程图。
图3是本发明实施案例中的实验标准模板;
图4是本发明实施案例中的实验样品,为待检测的遥控器按键图片;
图5是本发明实施案例中对比度增强后的待检测样品的图片;
图6是本发明实施案例中是粗配准的结果,配准区域用白色方框标示;
图7是本发明实施案例中对模板进行区域标记的结果;
图8是本发明实施案例中依照粗匹配位置对待检测样品进行区域标记的结果;
图9是本发明实施案例中对待检测样品进行二次配准后的区域标记结果;
图10是本发明实施案例中差影结果图;
图11是本发明实施案例中按照阈值处理后的差影结果图;
图12是本发明实施案例中缺陷检测的结果,缺陷位置用白色方框标不。
具体实施方式
如图1及图2所示,本发明提供一种基于差影法的遥控器按键缺陷检测方法,包括如下步骤:
步骤1:制作遥控器标准模板(步骤101),所述的制作遥控器标准模板,是取多个标准遥控器图片,进行灰度值的平均化,并且对不规则的边缘进行裁剪,来制作标准模板;
步骤2:对待检测样品的图像做预处理(步骤102),所述对待检测样品的图像做预处理是采用直方图均衡化,对图像中像素个数多的灰度级进行展宽,而对像素个数少的灰度级进行缩减;如果图像经过直方图均衡化以后还达不到要求,还需进行其他预处理步骤,如针对光线不均匀可以采用顶帽变换;
步骤3:对标准模板和待检测样品的图像粗配准,得到粗配准区域,(步骤103),所述对标准模板和待检测样品的图像粗配准,得到粗配准区域,是从待检测样品中取出与标准模板大小一致的子图,求子图与标准模板的相关系数来确定粗配准的位置。相关系数的公式如下所示:
当求完所有满足条件的子图和模板的相关系数以后,统计相关系数的最大值,相关系数最大值对应的子图,就是粗配准位置;
步骤4:对标准模板图像进行区域标记,进行二次细配准(步骤104),所述标准模板图像进行区域标记,进行二次细配准,具体实施步骤为(参阅图2);
步骤1a:在标准模板图像中,对于需要检测的按键,进行标记;对于每一个按键上不同的丝网印刷的字符,分别进行标记;
步骤2a:在粗配准得到的粗配准区域中,按照标准模板的标记位置,进行相同的标记;
步骤3a:对待检测样品的图像的每个标记区域,按照规定的松弛度,进行平移和旋转,得出与相应的标准模板标记块差值最小的位置,即二次细配准的结果;
步骤5:对标准模板和待检测样品二次细配准后的标记区域分别进行二值化,并作差影计算(步骤105),所述对标准模板和待检测样品配准后的标记区域分别进行二值化,并作差影计算,是按照最大类间方差法,求出每一标记区域的二值化阈值,并进行二值化;在相同的标记区域,对标准模板和待检测样品的二值化结果进行异或,得到差影结果;
步骤6:判断待检测样品是否合格,如果待检测样品有缺陷,定位缺陷位置,如果待检测样品没有缺陷,判断为合格样品;完成检测(步骤106),所述判断待检测样品是否合格,判断的方法是如果差影结果中差异面积在阈值内,则待检测样品视为合格,如果差影结果中差异面积大于阈值,则待检测样品有缺陷,定位缺陷位置。
实施案例
为验证本发明提供一种基于差影法的遥控器按键缺陷检测方法的测量效果,进行了如下实验:
实施例1
为验证本发明提供一种基于差影法的遥控器按键缺陷检测方法的测量效果,进行了如下实验:由于原始的遥控器图片太大,因此选取遥控器样本图片的一部分作为实验例子。通过选取多张正常样品,取得平均灰度值,并裁剪掉不规则的边缘,制作出的标准模板如图3所示;图4是待检测的遥控器样品图;图5是对待检测样品进行图像对比度增强;通过计算最大相关系数,得到粗配准位置,在原始的待检测图中用白色方框标示,如图6所示;然后对模板进行分块,分块结果如图7白色方框标示;按照粗配准的位置,待检测样品的图片中对应的小块如图8标示,如数字“6”右边的字符,对应的位置有些偏
差;通过二次细配准,结果如图9所示,数字“6”旁边的字符在白色方框中的位置与模板基本一致;在对每一小块进行差影计算,差影结果图如图10所示;对差影结果图进行处理,差异面积小于阈值的,视为正常,对差异面积大于阈值的,视为缺陷,并保留差影结果,处理后的差影结果如图11所示;根据差影结果图得出,数字“7”旁边的字符的差异面积大于阈值,视为缺陷,对原始待检测图进行缺陷标记,如图12所示,白色方框所示区域即为缺陷。
该实施案例证明本发明提供的一种基于差影法的遥控器按键缺陷检测方法过程简单,计算速度快。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于差影法的遥控器按键缺陷检测方法,包括如下步骤:
步骤1:制作遥控器标准模板;
步骤2:对待检测样品的图像做预处理;
步骤3:对标准模板和待检测样品的图像粗配准,得到粗配准区域;
步骤4:对标准模板图像进行区域标记,进行二次细配准;
步骤5:对标准模板和待检测样品二次细配准后的标记区域分别进行二值化,并作差影计算;
步骤6:判断待检测样品是否合格,如果待检测样品有缺陷,定位缺陷位置,如果待检测样品没有缺陷,判断为合格样品,完成检测。
2.如权利要求1所述的基于差影法的遥控器按键缺陷检测方法,其中步骤1中的制作遥控器标准模板,是取多个标准遥控器图片,进行灰度值的平均化,并且对不规则的边缘进行裁剪,来制作标准模板。
3.如权利要求1所述的基于差影法的遥控器按键缺陷检测方法,其中对待检测样品的图像做预处理是采用直方图均衡化,对图像中像素个数多的灰度级进行展宽,而对像素个数少的灰度级进行缩减。
5.如权利要求1所述的基于差影法的遥控器按键缺陷检测方法,其中标准模板图像进行区域标记,进行二次细配准,具体实施步骤为:
步骤1a:在标准模板图像中,对于需要检测的按键,进行标记;对于每一个按键上不同的丝网印刷的字符,分别进行标记;
步骤2a:在粗配准得到的粗配准区域中,按照标准模板的标记位置,进行相同的标记;
步骤3a:对待检测样品图像的每个标记区域,按照规定的松弛度,进行平移和旋转,得出与相应的标准模板标记块差值最小的位置,即二次细配准的结果。
6.如权利要求1所述的基于差影法的遥控器按键缺陷检测方法,其中对标准模板和待检测样品配准后的标记区域分别进行二值化,并作差影计算,是按照最大类间方差法,求出每一标记区域的二值化阈值,并进行二值化;在相同的标记区域,对标准模板和待检测样品的二值化结果进行异或,得到差影结果。
7.如权利要求1所述的基于差影法的遥控器按键缺陷检测方法,其中判断待检测样品是否合格,判断的方法是如果差影结果中差异面积在阈值内,则待检测样品视为合格,如果差影结果中差异面积大于阈值,则待检测样品有缺陷,定位缺陷位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310357352.8A CN103439348B (zh) | 2013-08-16 | 2013-08-16 | 基于差影法的遥控器按键缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310357352.8A CN103439348B (zh) | 2013-08-16 | 2013-08-16 | 基于差影法的遥控器按键缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103439348A true CN103439348A (zh) | 2013-12-11 |
CN103439348B CN103439348B (zh) | 2015-07-15 |
Family
ID=49693049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310357352.8A Active CN103439348B (zh) | 2013-08-16 | 2013-08-16 | 基于差影法的遥控器按键缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103439348B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568986A (zh) * | 2015-01-26 | 2015-04-29 | 中国科学院半导体研究所 | 基于surf算法的遥控器面板印刷缺陷自动检测方法 |
CN106296206A (zh) * | 2015-05-26 | 2017-01-04 | 北京大学 | 一种防伪图像的处理方法及装置 |
CN107247057A (zh) * | 2017-06-09 | 2017-10-13 | 青岛软控机电工程有限公司 | 一种瓶盖表面生产日期缺陷检测方法 |
CN107248151A (zh) * | 2017-04-20 | 2017-10-13 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及*** |
CN107367514A (zh) * | 2017-08-28 | 2017-11-21 | 广东工业大学 | 一种基于机器视觉的pos机缺陷检测方法 |
CN108986152A (zh) * | 2018-06-11 | 2018-12-11 | 全球能源互联网研究院有限公司 | 一种基于差分图像的异物检测方法及装置 |
CN109596620A (zh) * | 2018-11-10 | 2019-04-09 | 江苏网进科技股份有限公司 | 基于机器视觉的产品表面形状缺陷检测方法和*** |
CN109738450A (zh) * | 2019-01-09 | 2019-05-10 | 合肥联宝信息技术有限公司 | 笔记本键盘的检测方法和装置 |
CN109870117A (zh) * | 2017-12-05 | 2019-06-11 | 英业达科技有限公司 | 二值化轮廓检测***及其方法 |
CN111798429A (zh) * | 2020-07-03 | 2020-10-20 | 杭州东信北邮信息技术有限公司 | 一种印刷品缺陷的视觉检测方法 |
CN111815621A (zh) * | 2020-07-27 | 2020-10-23 | 北京联想软件有限公司 | 一种数据处理方法、装置及电子设备 |
CN112147147A (zh) * | 2019-06-26 | 2020-12-29 | 杭州海康机器人技术有限公司 | 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备 |
CN115690101A (zh) * | 2022-12-29 | 2023-02-03 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101825581A (zh) * | 2010-04-16 | 2010-09-08 | 广东工业大学 | 一种基于模型的pcb缺陷检测方法 |
WO2010137267A1 (ja) * | 2009-05-29 | 2010-12-02 | 株式会社 日立ハイテクノロジーズ | テンプレートマッチング用テンプレート作成方法、及びテンプレート作成装置 |
-
2013
- 2013-08-16 CN CN201310357352.8A patent/CN103439348B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010137267A1 (ja) * | 2009-05-29 | 2010-12-02 | 株式会社 日立ハイテクノロジーズ | テンプレートマッチング用テンプレート作成方法、及びテンプレート作成装置 |
CN101825581A (zh) * | 2010-04-16 | 2010-09-08 | 广东工业大学 | 一种基于模型的pcb缺陷检测方法 |
Non-Patent Citations (4)
Title |
---|
张志云: "基于图像处理的高精密视觉检测***", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 9, 15 September 2006 (2006-09-15) * |
张立凡: "基于机器视觉的图文印刷缺陷检测研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 1, 15 January 2011 (2011-01-15) * |
汪志亮: "面向OLED屏像素缺陷检测的新方法", 《计算机工程与应用》, vol. 48, no. 26, 31 December 2012 (2012-12-31), pages 177 - 180 * |
陈亚军: "基于机器视觉的印刷品缺陷检测***研究", 《中国优秀硕士学位论文全文数据库信息科技》, no. 2, 15 August 2007 (2007-08-15) * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104568986A (zh) * | 2015-01-26 | 2015-04-29 | 中国科学院半导体研究所 | 基于surf算法的遥控器面板印刷缺陷自动检测方法 |
CN106296206A (zh) * | 2015-05-26 | 2017-01-04 | 北京大学 | 一种防伪图像的处理方法及装置 |
CN107248151A (zh) * | 2017-04-20 | 2017-10-13 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及*** |
CN107248151B (zh) * | 2017-04-20 | 2020-12-22 | 深圳市智能机器人研究院 | 一种基于机器视觉的液晶片智能检测方法及*** |
CN107247057B (zh) * | 2017-06-09 | 2020-02-28 | 青岛软控机电工程有限公司 | 一种瓶盖表面生产日期缺陷检测方法 |
CN107247057A (zh) * | 2017-06-09 | 2017-10-13 | 青岛软控机电工程有限公司 | 一种瓶盖表面生产日期缺陷检测方法 |
CN107367514A (zh) * | 2017-08-28 | 2017-11-21 | 广东工业大学 | 一种基于机器视觉的pos机缺陷检测方法 |
CN109870117A (zh) * | 2017-12-05 | 2019-06-11 | 英业达科技有限公司 | 二值化轮廓检测***及其方法 |
CN108986152A (zh) * | 2018-06-11 | 2018-12-11 | 全球能源互联网研究院有限公司 | 一种基于差分图像的异物检测方法及装置 |
CN109596620A (zh) * | 2018-11-10 | 2019-04-09 | 江苏网进科技股份有限公司 | 基于机器视觉的产品表面形状缺陷检测方法和*** |
CN109738450A (zh) * | 2019-01-09 | 2019-05-10 | 合肥联宝信息技术有限公司 | 笔记本键盘的检测方法和装置 |
CN109738450B (zh) * | 2019-01-09 | 2021-06-29 | 合肥联宝信息技术有限公司 | 笔记本键盘的检测方法和装置 |
CN112147147A (zh) * | 2019-06-26 | 2020-12-29 | 杭州海康机器人技术有限公司 | 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备 |
CN112147147B (zh) * | 2019-06-26 | 2023-12-22 | 杭州海康机器人股份有限公司 | 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备 |
CN111798429A (zh) * | 2020-07-03 | 2020-10-20 | 杭州东信北邮信息技术有限公司 | 一种印刷品缺陷的视觉检测方法 |
CN111798429B (zh) * | 2020-07-03 | 2022-06-07 | 杭州东信北邮信息技术有限公司 | 一种印刷品缺陷的视觉检测方法 |
CN111815621A (zh) * | 2020-07-27 | 2020-10-23 | 北京联想软件有限公司 | 一种数据处理方法、装置及电子设备 |
CN115690101A (zh) * | 2022-12-29 | 2023-02-03 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN103439348B (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
CN111080622B (zh) | 神经网络训练方法、工件表面缺陷分类与检测方法及装置 | |
CN111402209B (zh) | 一种基于U-Net的高速铁路钢轨损伤检测方法 | |
Siriborvornratanakul | An automatic road distress visual inspection system using an onboard in‐car camera | |
CN106934800B (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
CN109509172A (zh) | 一种基于深度学习的液晶屏瑕疵检测方法及*** | |
CN103424409B (zh) | 一种基于dsp的视觉检测*** | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN109308700A (zh) | 一种基于印刷品字符的视觉识别缺陷检测方法 | |
CN107014819A (zh) | 一种太阳能电池板表面缺陷检测***和方法 | |
CN108961230B (zh) | 结构表面裂缝特征的识别与提取方法 | |
CN104616275A (zh) | 一种缺陷检测方法和装置 | |
CN110232379A (zh) | 一种车辆姿态检测方法及*** | |
CN108090459A (zh) | 一种适用于车载视觉***的交通标志检测识别方法 | |
CN109767431A (zh) | 零件外观缺陷检测方法、装置、设备及可读存储介质 | |
CN110599453A (zh) | 一种基于图像融合的面板缺陷检测方法、装置及设备终端 | |
CN111950523A (zh) | 基于航拍的船只检测优化方法、装置、电子设备及介质 | |
CN111738252B (zh) | 图像中的文本行检测方法、装置及计算机*** | |
CN113808104B (zh) | 一种基于分块的金属表面缺陷检测方法及*** | |
CN112884741B (zh) | 一种基于图像相似性对比的印刷表观缺陷检测方法 | |
CN112686872B (zh) | 基于深度学习的木材计数方法 | |
CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
CN102313740A (zh) | 太阳能电池板裂痕检测方法 | |
Gu et al. | Segmentation and evaluation of crack image from aircraft fuel tank via atrous spatial pyramid fusion and hybrid attention network | |
CN115578362A (zh) | 电极涂层的缺陷检测方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |