CN106228532B - 一种lcd屏幕亚像素级缺陷检测方法 - Google Patents

一种lcd屏幕亚像素级缺陷检测方法 Download PDF

Info

Publication number
CN106228532B
CN106228532B CN201610527457.7A CN201610527457A CN106228532B CN 106228532 B CN106228532 B CN 106228532B CN 201610527457 A CN201610527457 A CN 201610527457A CN 106228532 B CN106228532 B CN 106228532B
Authority
CN
China
Prior art keywords
image
parameter
lcd screen
gradient
pixel
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.)
Active
Application number
CN201610527457.7A
Other languages
English (en)
Other versions
CN106228532A (zh
Inventor
钱基德
陈斌
吴珊
赵雪专
李科
张衡
周中伟
吴强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Information Technology Co Ltd of CAS
Original Assignee
Chengdu Information Technology Co Ltd of CAS
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 Chengdu Information Technology Co Ltd of CAS filed Critical Chengdu Information Technology Co Ltd of CAS
Priority to CN201610527457.7A priority Critical patent/CN106228532B/zh
Publication of CN106228532A publication Critical patent/CN106228532A/zh
Application granted granted Critical
Publication of CN106228532B publication Critical patent/CN106228532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G01N2021/8893—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques providing a video image and a processed signal for helping visual decision
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • G06T2207/30121—CRT, LCD or plasma display

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Liquid Crystal (AREA)

Abstract

本发明属于机器视觉图像测量与屏幕检测技术领域，具体涉及一种基于计算机视觉的LCD屏幕亚像素级缺陷检测方法。本方法对屏幕图像预处理获取二值化参数u0，通过自学***HD间距参数；对待检测图像进行全局二值化得到图像BI；然后对二值化图像BI进行采用约束性梯度方法，得到梯度图像DI；最后对梯度图像DI进行连通域面积计算，通过对面积进行判断是否存在缺陷，并对缺陷进行准确定位，从而实现LCD屏幕亚像素级的点线缺陷的快速检测。本发明适用于高清屏的点线缺陷检测环节，能够提高产品的良品率。

Description

一种LCD屏幕亚像素级缺陷检测方法
技术领域
本发明属于机器视觉图像测量与屏幕检测技术领域，具体涉及一种基于计算机视觉的LCD屏幕亚像素级缺陷检测方法。
背景技术
近年来，随着制造技术的不断进步，消费者对液晶屏幕的屏幕效果要求也越来越高，高清屏在智能携带设备中的普及，在便携智能设备中已经开始出现2K分辨率的超高清屏幕。随着智能设备市场高清屏幕的需求旺盛，液晶屏生产质量受到市场的重视，屏幕质量检测作为生产过中重要的环节，也开始受到厂商和国内外广泛的关注。一方面，人工检测检测合格率波动大，影响产品的良品率，亚像素缺陷检测已经达到裸眼检测极限；另一方面，高强度的检测导致人员流动性大，企业成本上升，市场的旺盛需求已经不是单纯的人工能完成的。因此，针对液晶屏的缺陷自动检测是当前的研究热点，近年来也取得了许多显著的成果。
然而，目前基于计算机视觉的屏幕缺陷自动检测方法主要是针对面缺陷、边界模糊等，对点线缺陷检测的研究较少。如专利201310379001.7公开了一种LCD异物缺陷检测方法，主要针对块状缺陷Mura的检测，对点线等像素级缺陷效果不理想。专利201310379518.6公开的一种LCD总体检测缺陷的方法，该方法主要用于低分辨率下的点线缺陷检测，并且涉及模版学习、匹配、轮廓检测等方法，时间复杂度高更加不能满足高速生产线。针对高清屏下的点线缺陷检测技术匮乏，使得现有的检测方法难以满足实际生产中的检测标准。
发明内容
本发明的目的就是针对现有技术的不足，提供一种能够快速对LCD屏幕的亚像素级点线缺陷检测的方法。
为实现上述目的，本发明提供一种基于计算机视觉技术的LCD屏幕亚像素级缺陷检测方法，包含如下步骤：
S1、图像采集：利用线阵相机和运动控制器对LCD屏幕进行成像；
S2、图像阈值参数获取：对原始图像OI随机采样局部图像，获取全局二值化阈值u0；
S3、屏幕预处理参数获取：对新型号的检测产品，通过随机采样若干个原始图像OI的局部样本，得到一组样本图像ROI；然后对这组样本图像ROI用S2中的阈值参数u0进行二值化，得到一组二值图像BROI；通过对所述的这组二值图像BROI采用差分分析获取LCD屏幕元件之间的水平间距参数HD和垂直间距参数VD；
S4、图像预处理：利用S2中的二值化阈值u0对原始图像OI进行二值化预处理，得到二值化图像BI；
S5、约束梯度图像获取：利用S3中获取的水平间距参数HD和垂直间距参数VD，采用约束性梯度方法对二值化图像BI求梯度，得到梯度图像DI；
S6、缺陷快速判定定位：对梯度图像DI寻找连通域和计算面积，通过面积判断是否存在缺陷。
进一步的，在步骤S6中，对连通域面积大于所述的LCD屏幕分辨率下的单个液晶显示单元面积1/3的地方判断为缺陷。
优化的，在步骤S2中，采用自适应阈值方法获取全局二值化阈值u0参数。
具体的，在步骤S3中，所述获取水平间距参数HD的步骤具体为：分别对二值图像组BROI中每一个图像进行间距为δ水平差分得到一组差分图像DROI，δ以步长1增长进行测试；对差分图像DROI的任一图像在所有的δ情况下分别求积分和Sum；对所有δ情况下的积分和Sum求极小值，所对应的最小δ即为当前样本图像的水平间距参数HD’；然后对所有样本图像的水平间距参数HD’求均值，即得到该型号屏幕对应水平间距参数HD；同样的，在步骤S3中，所述获取垂直间距参数VD的步骤具体为：分别对二值图像组BROI中每一个图像进行间距为δ垂直差分得到一组差分图像VROI，δ以步长1增长进行测试；对差分图像VROI的任一图像在所有的δ情况下分别求积分和Sum；对所有δ情况下的积分和Sum求极小值，所对应的最小δ即为当前样本图像的垂直间距参数VD’；然后对所有样本图像的垂直间距参数VD’求均值，即得到该型号屏幕对应垂直间距参数VD。其中，所述δ>1。
优化的，在步骤S5中所述的对二值化图像BI求梯度的约束性梯度方法符合：
以此得到梯度图像DI，其中H、W分别表示采集图像的高度(Height)与宽度(Width)。
优化的，在步骤S6中，寻找连通域并计算面积的具体步骤为：对梯度图像DI按行以一个像素步长增长扫描，对任何DI(i,j)＝1扫描其8邻域是否存在像素值为1的像素点；若存在，则将此点加入下一次邻域检测队列，同时赋值当前像素值为0和连通域面积加1，如此递归邻域检测队列找到该连通域并计算出面积S。
优化的，在步骤S1中，对所述屏幕的单个液晶显示的成像的分辨率不低于10*10。
优化的，在步骤S3中，随机采样5～10个原始图像OI的局部样本，得到一组样本图像ROI。
本发明的有益效果是提供了一种能够快速对LCD屏幕的亚像素级点线缺陷检测的方法，本方法基于约束性剃度方法获得梯度图像DI进而由连通域面积确定点线缺陷，能够实现缺陷的快速监测和准确定位；另外选用自适应阈值方法获取二值化阈值，对阈值的设定更加合理；并通过自学***间距参数HD、垂直间距参数VD，时间复杂度低。
说明书附图
图1为本发明中液晶屏幕缺陷视觉检测方法流程图。
具体实施方式
下面结合实施例，对本发明的实施作进一步的描述。
实施例
为更进一步阐述本发明为达成预定发明目的所采取方法,以下结合实施例,对依据本发明提出的用户原创内容的方法详细说明如下：
S1：图像采集：利用线阵相机和运动控制器对LCD屏幕进行成像；其中该线阵相机采用高分辨率线阵相机，并且对所述屏幕的单个液晶显示的成像的分辨率不低于10*10；本实施例采集LCD屏幕图像分辨率达12000*19600；
S2：图像阈值参数获取：对原始图像OI随机采样局部图像，获取全局二值化阈值u0；具体采用自适应阈值方法(简称OSTU)获取全局二值化阈值u0参数；
S3、屏幕预处理参数获取：对新型号的检测产品，通过随机采样8个原始图像OI的局部样本，得到一组样本图像ROI；然后对这组样本图像ROI用S2中的阈值参数u0进行二值化，得到一组二值图像BROI；通过对所述的这组二值图像BROI采用差分分析获取LCD屏幕元件之间的水平间距参数HD和垂直间距参数VD；具体的，对BROI中每个图像进行间距为δ水平差分得到差分图像DROI，δ以步长1增长进行测试；对差分图像DROI的任一图像在所有的δ情况下按行求积分和Sum；对所有δ情况下的积分和Sum求极小值，所对应的最小δ即为当前样本图像的水平间距参数HD’；然后对所有样本图像的水平间距参数HD’求均值，即得到该型号屏幕对应水平间距参数HD；同样的，BROI中每个图像进行垂直差分得到差分图像DROI，δ以步长1增长进行测试；对差分图像DROI的任一图像在所有的δ情况下按列求积分和Sum；对所有δ情况下的积分和Sum求极小值，所对应的最小δ即为当前样本图像的垂直间距参数VD’；然后对所有样本图像的水平间距参数VD’求均值，即得到该型号屏幕对应水平间距参数VD，其中δ>1。
S4、图像预处理：利用步骤S2中的二值化阈值u0对原始图像OI进行二值化预处理，得到二值化图像BI；
S5、约束梯度图像获取：利用步骤S3中获取的水平间距参数HD和垂直间距参数VD，采用如下约束性梯度方法对二值化图像BI求梯度，得到梯度图像DI，其中H、W分别表示采集图像的高度(Height)与宽度(Width)；
S6、缺陷快速判定定位：对梯度图像DI寻找连通域和面积计算，通过面积判断是否存在缺陷。寻找连通域并计算面积的具体步骤为：对梯度图像DI按行以一个像素步长增长扫描，对任何DI(i,j)＝1扫描其8邻域是否存在像素值为1的像素点；若存在，则将此点加入下一次邻域检测队列，同时赋值当前像素值为0和连通域面积加1，如此递归邻域检测队列找到该连通域并计算出面积S。对连通域面积大于所述的LCD屏幕分辨率下的单个液晶显示单元面积1/3的地方判断为缺陷。
以上结合对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (9)

1.一种LCD屏幕亚像素级缺陷检测方法，基于计算机视觉技术，包含如下步骤：
S1、图像采集：利用线阵相机和运动控制器对LCD屏幕进行成像；
S2、图像阈值参数获取：对原始图像OI随机采样局部图像，获取全局二值化阈值u0；
S3、屏幕预处理参数获取：对新型号的检测产品，通过随机采样若干个原始图像OI的局部样本，得到一组样本图像ROI；然后对这组样本图像ROI用S2中的阈值参数u0进行二值化，得到一组二值图像BROI；通过对这组二值图像BROI采用差分分析，获取LCD屏幕元件之间的水平间距参数HD和垂直间距参数VD；
S4、图像预处理：利用S2中的二值化阈值u0对原始图像OI进行二值化预处理，得到二值化图像BI；
S5、约束梯度图像获取：利用S3中获取的水平间距参数HD和垂直间距参数VD，采用约束性梯度方法对二值化图像BI求梯度，得到梯度图像DI；
S6、缺陷快速判定定位：对梯度图像DI寻找连通域和计算面积，通过面积判断是否存在缺陷。
2.根据权利要求1所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：在步骤S6中，对连通域面积大于所述LCD屏幕分辨率下的单个液晶显示单元面积1/3的地方判断为缺陷。
3.根据权利要求1、2任一项所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：在步骤S2中，采用自适应阈值方法获取全局二值化阈值u0参数。
4.根据权利要求1、2任一项所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：在步骤S3中，所述获取水平间距参数HD的步骤具体为：分别对二值图像组BROI中每一个图像进行间距为δ的水平差分得到一组差分图像DROI，δ以步长1增长进行测试；对差分图像DROI的任一图像在所有的δ情况下分别求积分和Sum；对所有δ情况下的积分和Sum求极小值，所对应的最小δ即为当前样本图像的水平间距参数HD’；然后对所有样本图像的水平间距参数HD’求均值，即得到该型号屏幕对应水平间距参数HD；
在步骤S3中，所述获取垂直间距参数VD的步骤具体为：分别对二值图像组BROI中每一个图像进行间距为δ的垂直差分得到一组差分图像VROI，δ以步长1增长进行测试；对差分图像VROI的任一图像在所有的δ情况下分别求积分和Sum；对所有δ情况下的积分和Sum求极小值，所对应的最小δ即为当前样本图像的垂直间距参数VD’；然后对所有样本图像的垂直间距参数VD’求均值，即得到该型号屏幕对应垂直间距参数VD。
5.根据权利要求4所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：δ>1。
6.根据权利要求1、2任一项所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：在步骤S5中，对二值化图像BI求梯度的约束性梯度方法符合：
以此得到梯度图像DI，其中H、W分别表示采集图像的高度(Height)与宽度(Width)。
7.根据权利要求1、2任一项所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：在步骤S6中，寻找连通域并计算面积的具体步骤为：对梯度图像DI按行以一个像素步长增长扫描，对任何DI(i,j)＝1扫描其8邻域是否存在像素值为1的像素点；若存在，则将此点加入下一次邻域检测队列，同时赋值当前像素值为0和连通域面积加1，如此递归邻域检测队列找到该连通域并计算出面积S。
8.根据权利要求1、2任一项所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：在步骤S1中，对所述屏幕的单个液晶显示的成像的分辨率不低于10*10。
9.根据权利要求1、2任一项所述的LCD屏幕亚像素级缺陷检测方法，其特征在于：步骤S3中，随机采样5～10个原始图像OI的局部样本，得到一组样本图像ROI。
CN201610527457.7A 2016-07-05 2016-07-05 一种lcd屏幕亚像素级缺陷检测方法 Active CN106228532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610527457.7A CN106228532B (zh) 2016-07-05 2016-07-05 一种lcd屏幕亚像素级缺陷检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610527457.7A CN106228532B (zh) 2016-07-05 2016-07-05 一种lcd屏幕亚像素级缺陷检测方法

Publications (2)

Publication Number Publication Date
CN106228532A CN106228532A (zh) 2016-12-14
CN106228532B true CN106228532B (zh) 2019-02-01

Family

ID=57519530

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610527457.7A Active CN106228532B (zh) 2016-07-05 2016-07-05 一种lcd屏幕亚像素级缺陷检测方法

Country Status (1)

Country Link
CN (1) CN106228532B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107678192B (zh) * 2017-07-16 2020-09-25 中科院成都信息技术股份有限公司 一种基于机器视觉的Mura缺陷检测方法
CN107358603A (zh) * 2017-07-18 2017-11-17 京东方科技集团股份有限公司 基板检测方法、基板检测装置和计算机可读存储介质
CN109801322B (zh) * 2017-11-16 2021-11-09 合肥欣奕华智能机器有限公司 一种漏光检测方法及装置
CN108846841A (zh) * 2018-07-02 2018-11-20 北京百度网讯科技有限公司 显示屏质量检测方法、装置、电子设备及存储介质
CN110473148B (zh) * 2019-01-17 2020-09-29 平湖市凯荣亿机械科技有限公司 计算机质量判断***
CN111563883B (zh) * 2020-04-22 2023-05-05 惠州旭鑫智能技术有限公司 屏幕视觉定位方法、定位设备及存储介质
WO2022088096A1 (zh) * 2020-10-30 2022-05-05 京东方科技集团股份有限公司 缺陷实际面积的检测方法、显示面板的检测方法及装置
CN113034464B (zh) * 2021-03-23 2022-07-26 昆明理工大学 一种多背景下的液晶显示器缺陷视觉实时检测方法
CN115456956B (zh) * 2022-08-19 2024-05-28 浙江华周智能装备有限公司 一种液晶屏划痕检测方法、设备及存储介质
CN116385353B (zh) * 2023-02-10 2024-01-30 南通大学 一种摄像头模组异常检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593839A (zh) * 2013-09-26 2014-02-19 徐州工程学院 大灰度梯度背景下的微小缺陷分割方法
CN103745475A (zh) * 2014-01-22 2014-04-23 哈尔滨工业大学 一种用于球形引脚元件的检测与定位方法
CN103913461A (zh) * 2013-01-07 2014-07-09 北京兆维电子(集团)有限责任公司 一种tft-lcd点灯自动光学检测的图像处理方法
CN104597057A (zh) * 2015-02-02 2015-05-06 东华大学 一种基于机器视觉的柱状二极管表面缺陷检测装置
CN105447854A (zh) * 2015-11-12 2016-03-30 程涛 一种小尺寸玻璃面板表面缺陷检测方法及***
CN105466950A (zh) * 2016-01-14 2016-04-06 上海孚兴电子科技有限公司 一种基于视觉的竹块在线检测方法及***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103913461A (zh) * 2013-01-07 2014-07-09 北京兆维电子(集团)有限责任公司 一种tft-lcd点灯自动光学检测的图像处理方法
CN103593839A (zh) * 2013-09-26 2014-02-19 徐州工程学院 大灰度梯度背景下的微小缺陷分割方法
CN103745475A (zh) * 2014-01-22 2014-04-23 哈尔滨工业大学 一种用于球形引脚元件的检测与定位方法
CN104597057A (zh) * 2015-02-02 2015-05-06 东华大学 一种基于机器视觉的柱状二极管表面缺陷检测装置
CN105447854A (zh) * 2015-11-12 2016-03-30 程涛 一种小尺寸玻璃面板表面缺陷检测方法及***
CN105466950A (zh) * 2016-01-14 2016-04-06 上海孚兴电子科技有限公司 一种基于视觉的竹块在线检测方法及***

Also Published As

Publication number Publication date
CN106228532A (zh) 2016-12-14

Similar Documents

Publication Publication Date Title
CN106228532B (zh) 一种lcd屏幕亚像素级缺陷检测方法
CN104978748B (zh) 一种基于局部像素值的液晶屏缺陷检测方法
CN107274393B (zh) 基于栅线检测的单晶硅太阳能电池片表面缺陷检测方法
CN106197612B (zh) 一种基于机器视觉的透明瓶装液位检测方法
CN101980293B (zh) 一种基于刃边图像的高光谱遥感***mtf检测方法
CN103630496B (zh) 基于路面视亮度和最小二乘法的交通视频能见度检测方法
CN106248686A (zh) 基于机器视觉的玻璃表面缺陷检测装置及方法
CN108960255A (zh) 基于颜色相似性和位置聚集性的显著性织物疵点检测方法
CN105158257A (zh) 滑板测量方法及装置
CN101512551A (zh) 用于测量动物身高的方法和***
CN103489187A (zh) 基于质量检测的宫颈lct图像中细胞核的分割方法
CN116109635B (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN110517213A (zh) 一种显微镜用的基于拉普拉斯金字塔的实时景深延拓方法
CN101660968A (zh) 透明件光学性能检测装置及方法
CN102819765A (zh) 一种基于计算机视觉的牛奶体细胞计数方法
CN102855485A (zh) 一种小麦抽穗的自动检测方法
CN107525768A (zh) 一种dna倍体分析设备的质量控制方法
CN106022250A (zh) 一种基于细胞运动信息和灰度特性的胚胎***检测方法
CN105991997A (zh) 一种电容式图像传感器坏点实时定位的方法
CN116642830A (zh) 一种新型的线扫图像检测方法
CN110443803A (zh) 一种印刷品图像质量检测方法及装置
CN103337067A (zh) 单针扫描式螺纹测量仪探针x轴旋转偏差的视觉检测方法
CN106447657B (zh) 一种基于局部均值思想的ic粒子区域缺陷检测方法
CN115984360B (zh) 一种基于图像处理的计算干滩长度的方法及***
CN102937592B (zh) 陶瓷天线罩气孔及材质疏松缺陷自动检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant