CN109544527B - 一种基于硬卡编程的玻璃表面缺陷的检测方法及装置 - Google Patents
一种基于硬卡编程的玻璃表面缺陷的检测方法及装置 Download PDFInfo
- Publication number
- CN109544527B CN109544527B CN201811367098.9A CN201811367098A CN109544527B CN 109544527 B CN109544527 B CN 109544527B CN 201811367098 A CN201811367098 A CN 201811367098A CN 109544527 B CN109544527 B CN 109544527B
- Authority
- CN
- China
- Prior art keywords
- image
- transmission
- bright field
- dark field
- detection result
- 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
Links
- 230000007547 defect Effects 0.000 title claims abstract description 125
- 239000011521 glass Substances 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 225
- 238000001514 detection method Methods 0.000 claims abstract description 130
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000001914 filtration Methods 0.000 claims description 113
- 230000008707 rearrangement Effects 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000003490 calendering Methods 0.000 description 1
- 210000004544 dc2 Anatomy 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004049 embossing Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004190 ion pair chromatography Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了一种基于硬卡编程的玻璃表面缺陷的检测方法及装置，在硬卡中实现对原始图像进行图像处理和缺陷检测的操作，分别得到透射明场检测结果图像和透射暗场检测结果图像，再将检测结果图像发送给IPU；IPU根据透射明场检测结果图像、透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像；ICW对表面缺陷图像中的表面缺陷进行分类。本申请技术方案中充分利用硬卡内部的超强并行计算能力及大数据吞吐能力，集中进行图像采集、图像处理和缺陷检测的操作，从而获得计算性能上的优化提升，仅由CPU进行后续图像合并等计算操作，保证CPU的处理速度，减少检测***中其他计算资源，降低***成本。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种基于硬卡编程的玻璃表面缺陷的检测方法及装置。
背景技术
在玻璃行业中，光伏玻璃是光伏组件生产过程中的重要辅料，能有效保护光伏组件免受外界物体的撞击。光伏玻璃由于生产过程中配料、熔制、压延成型等工艺质量的不同，造成玻璃中出现气泡、结石、划伤等表面缺陷。这些缺陷会严重影响玻璃组件产品的质量，甚至引起光伏玻璃的自爆，造成资源浪费和安全隐患。当前业界主要依靠人工检测，而人的主观性、无法承受长时间劳作等特点，在一定程度上限制了光伏玻璃质量的可靠性，因此自动化表面缺陷检测技术成为当前玻璃行业中的首选。
玻璃表面缺陷检测技术涉及到图像获取、图像预处理、缺陷检出、缺陷结果整理及缺陷分类等步骤。实践证明玻璃表面缺陷在不同打光成像方案下的特征表现是不同的，例如气泡在透射暗场图像中反应较为强烈，结石则在透射明场图像中响应较为强烈，因此在图像处理过程中须兼顾透射明场和透射暗场。其中图像预处理关键技术包含中值滤波、均值滤波等处理，而处理图像所需时间随着滤波模板的增大而增多。玻璃表面检测***主流架构是ICW(Image Control Workshop，图像控制工作站)加上多个IPU(Image ProcessingUnit，图像处理单元)。其中IPU负责处理图像，将检出缺陷结果发送给ICW，ICW负责接收IPU传送的缺陷结果，并于界面进行显示和相关数据统计。传统的玻璃表面缺陷检测技术完全交由CPU(Central Processing Unit，中央处理器)进行处理。而CPU中可利用的ALU(Algorithm and Logic Unit，算数逻辑单元)较少，并且处理过程中与内存交互繁多，事实表明，CPU处理较大图像数据量耗时较多。由于CPU处理性能有限，每个IPU将对应一***立的IPC(Industrial Personal Computer，工控机)，这样会增加整个检测***的成本。
因此，在对玻璃表面进程缺陷检测时，如何保证CPU的处理速度，成为本领域技术人员亟待解决的问题。
发明内容
本申请提供了一种基于硬卡编程的玻璃表面缺陷的检测方法及装置，以解决目前对玻璃表面进程缺陷检测时CPU处理速度低以及检测***成本增加的问题。
一方面，本申请提供了一种基于硬卡编程的玻璃表面缺陷的检测方法，包括：
硬卡对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像；
所述硬卡分别对所述透射明场全图像和所述透射暗场全图像进行缺陷检测，分别得到透射明场检测结果图像和透射暗场检测结果图像；
IPU根据所述透射明场检测结果图像、所述透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像，所述反射明场检测结果图像是由所述IPU对所述反射明场全图像进行缺陷检测得到的；
ICW对所述表面缺陷图像中的表面缺陷进行分类。
结合第一方面，所述硬卡对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像的步骤包括：
拼接原始图像，得到拼接图像；
对所述拼接图像进行模式重排，得到重排图像；
对所述重排图像进行模式融合，得到透射明场全图像、透射暗场全图像和反射明场全图像。
结合第一方面，所述拼接原始图像，得到拼接图像的步骤包括：
确定先获取的原始图像中的4096*1000尺寸的图像作为第一图像，和后获取的原始图像中的4096*1000尺寸的图像作为第二图像，所述原始图像的尺寸为4096*5000；
将所述第一图像从先获取的原始图像中移除，得到不包含第一图像的尺寸为4096*5000的原始图像；
将移除第一图像后的先获取的原始图像与第二图像拼接，得到拼接图像，所述拼接图像的尺寸为4096*6000。
结合第一方面，所述对拼接图像进行模式重排，得到重排图像的步骤包括：
获取所述拼接图像中的透射明场数据、透射暗场数据、低角度透射暗场数据和反射明场数据；
将所述透射明场数据组合成透射明场子图像、所述透射暗场数据组合成透射暗场子图像、所述低角度暗场数据组合成低角度透射暗场子图像和所述反射明场数据组合成反射明场子图像；
将所述透射明场子图像、所述透射暗场子图像、所述低角度透射暗场子图像和所述反射明场子图像组合，得到重排图像。
结合第一方面，所述对重排图像进行模式融合，得到透射明场全图像、透射暗场全图像和反射明场全图像的步骤包括：
拷贝重排图像中所述透射明场子图像，得到透射明场全图像；
提取重排图像中所述透射暗场子图像的部分图像，分别作为近暗场图像和远暗场图像；
将所述近暗场图像、所述远暗场图像和所述低角度透射暗场子图像融合成透射暗场全图像；
提取重排图像中所述反射明场子图像的部分图像，分别作为反射明场子图像g1、反射明场子图像g2和反射明场子图像g3；
将所述反射明场子图像g1、所述反射明场子图像g2和所述反射明场子图像g3融合成反射明场全图像。
结合第一方面，所述硬卡对所述透射明场全图像进行缺陷检测，得到透射明场检测结果图像的步骤包括：
对所述透射明场全图像进行二值化处理，得到透射明场二值化图像；
对所述透射明场全图像进行均值滤波；
对均值滤波后的透射明场全图像进行二值化处理，得到滤波二值化图像；
对所述透射明场二值化图像和所述滤波二值化图像进行或运算，得到透射明场检测结果图像。
结合第一方面，所述硬卡对所述透射暗场全图像进行缺陷检测，得到透射暗场检测结果图像的步骤包括：
对所述透射暗场全图像进行中值滤波，得到中值滤波图像；
对所述中值滤波图像进行均值滤波，得到均值滤波图像；
对所述中值滤波图像和所述均值滤波图像进行差分运算，得到第一差分运算图像；
对所述第一差分运算图像进行二值化处理，得到二值化图像Diff0；
对所述中值滤波图像进行最小值滤波，得到最小值滤波图像；
对所述中值滤波图像和所述最小值滤波图像进行差分运算，得到第二差分运算图像；
对所述第二差分运算图像进行二值化处理，得到二值化图像Diff1；
对所述二值化图像Diff0进行最大值滤波，得到最大值滤波图像；
对所述二值化图像Diff1和所述最大值滤波图像进行与运算，得到结果图像；
对所述最大值滤波图像和所述结果图像进行或运算，得到透射暗场检测结果图像。
结合第一方面，所述方法还包括：
所述硬卡通过DMA的方式将所述反射明场全图像、所述透射明场检测结果图像和所述透射暗场检测结果图像传送给所述IPU。
结合第一方面，所述检测方法还包括：对横向拼接图像进行转置，得到纵向拼接图像。
第二方面，本申请提供了一种基于硬卡编程的玻璃表面缺陷的检测装置，包括：硬卡、IPU和ICW；
所述硬卡，用于对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像；以及，分别对所述透射明场全图像和所述透射暗场全图像进行缺陷检测，分别得到透射明场检测结果图像和透射暗场检测结果图像；
所述IPU，用于根据所述透射明场检测结果图像、所述透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像，所述反射明场检测结果图像是由所述IPU对所述反射明场全图像进行缺陷检测得到的；
所述ICW，用于对所述表面缺陷图像中的表面缺陷进行分类。
由以上技术方案可知，本申请实施例提供了一种基于硬卡编程的玻璃表面缺陷的检测方法及装置，在硬卡中实现对原始图像进行图像处理和缺陷检测的操作，分别得到透射明场检测结果图像和透射暗场检测结果图像，再将检测结果图像发送给IPU；IPU根据透射明场检测结果图像、透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像；ICW对表面缺陷图像中的表面缺陷进行分类。本申请技术方案中充分利用硬卡内部的超强并行计算能力及大数据吞吐能力，集中进行图像采集、图像处理和缺陷检测的操作，从而获得计算性能上的优化提升，仅由CPU进行后续图像合并等计算操作，保证CPU的处理速度，减少检测***中其他计算资源，降低***成本。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施案例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种基于硬卡编程的玻璃表面缺陷的检测方法的流程图；
图2为本申请实施例提供的步骤101的流程图；
图3为本申请实施例提供的步骤201的流程图；
图4为本申请实施例提供的未拼接图像的示意图；
图5为本申请实施例提供的步骤202的流程图；
图6为本申请实施例提供的步骤203的流程图；
图7为本申请实施例提供的透射暗场子图像的示意图；
图8为本申请实施例提供的反射明场子图像的示意图；
图9为本申请实施例提供的另一种反射明场子图像的示意图；
图10为本申请实施例提供的步骤102的流程图；
图11为本申请实施例提供的另一种步骤102的流程图；
图12为本申请实施例提供的图像转置操作的结构图。
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中的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
参见图1，本申请提供了一种基于硬卡编程的玻璃表面缺陷的检测方法，包括：
步骤101，硬卡对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像。本申请中所说的硬卡是一种集成了大量FPGA(FieldProgrammable Gate Array，现场可编程逻辑门阵列)的设备，具有多指令多数据流结构、大数据量吞吐、超强的并行处理能力(纳秒级别的处理耗时)、体积小功耗更优，以及能够直接控制硬件等特点。FPGA可通过硬件描述语言来改变其内部逻辑集成电路设定，进而改变数据流模型和电路时序，这种架构是一种可以反复重新配置的集成电路IC。本申请将硬卡这些特点应用于表面缺陷检测技术。以及，在对原始图像进行处理之前，本申请的技术方案还能够直接通过硬卡接收外部触发信号，控制线阵相机采集原始图像。
本申请中的原始图像数据从线阵扫描相机传回，采集的原始图像的尺寸为8192*5000，其中每个像素的有效数据为12位，一个像素用16位二进制数表示，有效位是低12位数据，高四位都是0，即为无效数据，有效数据分别存储在两个8位数据中。
参见图2，步骤101的具体步骤还包括：
步骤201，拼接原始图像，得到拼接图像；硬卡采集原始图像后，还要对原始图像再做一步处理，将原始图像一个像素2byte的数据向右移4位，取移位结果的低8位数据，从而一个像素就只用1byte表示，因此整个原始图像的宽度会减小一倍，即图像的尺寸从原来的8192*5000变为4096*5000。图像拼接能够有效提高较大尺寸关键缺陷检出率。
进一步的，参见图3，步骤201还包括：
步骤301，确定先获取的原始图像中的4096*1000尺寸的图像作为第一图像，和后获取的原始图像中的4096*1000尺寸的图像作为第二图像，所述原始图像的尺寸为4096*5000。玻璃表面缺陷没有固定的尺寸。由于图像高度的限制，有两种情况需要考虑。第一种是缺陷长度超出图像高度范围，第二种是缺陷位于相邻两幅图像中时，会将单个缺陷分离开来，检测成多个独立的缺陷。实际生产过程中，几无出现缺陷长度超出图像高度范围的情况，因此主要考虑第二种情况。如果缺陷的整体尺寸满足玻璃不良标准，而独立出来的缺陷满足玻璃良品标准，这时会造成缺陷的漏检，如图4所示，Defect为未拼接的两幅图像的中缺陷的位置，其中图像Image1和Image0两幅图像分别包含缺陷Defect的一部分，所以为了便于检测缺陷，本申请中需要将两幅图像拼接，使缺陷能够完全位于拼接后的图像上。所以具体的方案就是将后获取的原始图像上面包含缺陷的一部分图像拼接在先获取的原始图像下面，在先获取的图像上形成拼接图像，这里所说的先获取的原始图像可以相当于图4中图像Image0，后获取的原始图像相当于图4中的图像Image1。
步骤302，将所述第一图像从先获取的原始图像中移除，得到不包含第一图像的尺寸为4096*5000的原始图像。
步骤303，将移除第一图像后的先获取的原始图像与第二图像拼接，得到拼接图像，所述拼接图像的尺寸为4096*6000。本申请中选取的第一图像和第二图像的尺寸为4096*1000，这个数据是根据调研玻璃表面缺陷尺寸及分布规律而确定的，缺陷出现在玻璃上的位置是随机的，那么当缺陷在另一块玻璃上的尺寸在1000范围内，则说明该缺陷在预计范围内，还可以进行进一步检测；如果缺陷很大，那么仅在第二图像检出的缺陷尺寸超出1000，说明缺陷已经满足缺陷的不良标准，能够确认当前检测产品为废品。
步骤202，对所述拼接图像进行模式重排，得到重排图像。本申请中的原始图像数据由直透光源、低角度透射光源、反射光源等三种打光方式获得的，一共包括10种频闪模式，图像拼接的过程并未改变这种图像的数据结构，拼接后的图像中也包括10种频闪模式，具体依次为1行透射明场、4行透射暗场、1行低角度透射和4行反射明场，一共为10行，在下一个10行仍旧依此顺序排列，由此构成拼接图像6000行的数据结构。对拼接图像进行模式重排，即将所有透射明场数据组合为透射明场子图像、透射暗场数据组合为透射暗场子图像、低角度透射暗场数据组合为低角度透射暗场子图像、反射明场数据组合为反射明场子图像。重排操作能够从原始线阵结果图像中提取出各个模式场图像。
进一步的，参见图5，步骤202还包括：
步骤401，获取所述拼接图像中的透射明场数据、透射暗场数据、低角度透射暗场数据和反射明场数据，确定拼接图像中每一行对应的数据类型，按照步骤202中的方式依此排列。
步骤402，将所述透射明场数据组合成透射明场子图像、所述透射暗场数据组合成透射暗场子图像、所述低角度暗场数据组合成低角度透射暗场子图像和所述反射明场数据组合成反射明场子图像；
模式重排步骤如下：
1.将第0、10、20、30、……、5980、5990行数据组合为透射明场子图像；
2.将第1、11、21、31、……、5981、5991行数据组合为透射暗场子图像1；
3.将第2、12、22、32、……、5982、5992行数据组合为透射暗场子图像2；
4.将第3、13、23、33、……、5983、5993行数据组合为透射暗场子图像3；
5.将第4、14、24、34、……、5984、5994行数据组合为透射暗场子图像4；
6.将第5、15、25、35、……、5985、5995行数据组合为低角度透射暗场子图像；
7.将第6、16、26、36、……、5986、5996行数据组合为反射明场子图像1；
8.将第7、17、27、37、……、5987、5997行数据组合为反射明场子图像2；
9.将第8、18、28、38、……、5988、5998行数据组合为反射明场子图像3；
10.将第9、19、29、39、……、5989、5999行数据组合为反射明场子图像4。
步骤403，将所述透射明场子图像、所述透射暗场子图像、所述低角度透射暗场子图像和所述反射明场子图像组合，得到重排图像。上述步骤中分别获得了1幅透射明场子图像、4幅透射暗场子图像、1幅低角度透射暗场子图像和4幅反射明场子图像，然后按照这个顺序依此组合成重排图像。
步骤203，对所述重排图像进行模式融合，得到透射明场全图像、透射暗场全图像和反射明场全图像。图像融合能够提取不同模式下缺陷的特征图像，利于缺陷检出和分类识别。
进一步的，参见图6，步骤203还包括：
步骤501，拷贝重排图像中所述透射明场子图像，得到透射明场全图像，即为重排图像中第0行至第599行的前600行图像。
步骤502，提取重排图像中所述透射暗场子图像的部分图像，分别作为近暗场图像和远暗场图像；重排图像中透射暗场子图像一共占有2400行，从重排图像中的第600行至第2999行，这2400行中包括近暗场图像B和远暗场图像C，如图7所示，由于定义的打光模式不同，玻璃表面缺陷在不同模式下的表现特征不同，因此存在不同的图像块B和C。
步骤503，将所述近暗场图像、所述远暗场图像和所述低角度透射暗场子图像融合成透射暗场全图像。
首先，将重排图像中第600行到第1199行数据和第1200行到1799行数据，即近暗场图像B中的第0行到第599行和第600行到第1199行数据按照横向顺序合成图像b1，将重排图像中第1800行到第2399行数据和第2400行到2999行数据，即近暗场图像B中的第1200行到第1799行数据和第1800行到第2399行数据按照横向顺序合成图像b2，然后将重排图像中所有的远暗场图像C按照横向顺序合成图像c，将低角度透射暗场子图像作为低角度透射暗场全图像e。
将各个图像中像素的灰度值代入公式中，计算合成透射暗场全图像F，具体公式如下：
F＝b1+b2+a1×c+a2×e，
其中，a1和a2为合成系数，b1、b2、c和e分别代表各个图像对应的像素灰度值，具体的，a1优选值为4，a2优选值为0.2。
步骤504，提取重排图像中所述反射明场子图像的部分图像，分别作为反射明场子图像g1、反射明场子图像g2和反射明场子图像g3。
具体的，如图8所示，为重排图像中的反射明场子图像的示意图，在该图像中存在相间隔的图像D，由于定义的打光模式不同，玻璃表面缺陷在不同模式下的表现特征不同，因此在反射明场子图像中也存在与其他图像的不同的图像块D，将所有反射明场子图像中的图像D按照横向排列顺序合成图像g1；进一步的，如图9所示，上下相邻的两个图像D之间图像还分为图像I和图像J，将反射明场子图像所有中上下两个相邻的图像D之间的图像J合成图像g2，将反射明场子图像所有中上下两个相邻的图像D之间的图像I合成图像g3。
步骤505，将所述反射明场子图像g1、所述反射明场子图像g2和所述反射明场子图像g3融合成反射明场全图像。将各个子图像中像素的灰度值代入公式中，计算合成反射明场全图像H1和H2，具体公式如下：
H1＝g1+max(g2，g3)，
H2＝g1+0.7x(g2+g3)。
其中，g1、g2和g3分别代表各个图像对应的像素灰度值。
步骤102，所述硬卡分别对所述透射明场全图像和所述透射暗场全图像进行缺陷检测，分别得到透射明场检测结果图像和透射暗场检测结果图像。
进一步的，参见图10，步骤102中，硬卡对所述透射明场全图像进行缺陷检测，得到透射明场检测结果图像的步骤包括：
步骤601，对所述透射明场全图像进行二值化处理，得到透射明场二值化图像。
步骤602，对所述透射明场全图像进行均值滤波；其中，均值滤波是一种典型的线性滤波算法，是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素(例如以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身)，再用模板中的全体像素的平均值来代替原来的像素值。均值滤波也称线性滤波，其采用的主要方法是邻域平均法。本申请中依据图像中纹理特征，采用滤波模板大小为21x11，模板宽度为11列，高度21行，即当前像素点灰度是以其为中心的21x11区域内灰度的平均值，进一步的，采用21x11的模板滤波能够有效地去除玻璃表面纹理给透射明场缺陷检出带来的影响。
步骤603，对均值滤波后的透射明场全图像进行二值化处理，得到滤波二值化图像；
步骤604，对所述透射明场二值化图像和所述滤波二值化图像进行或运算，得到透射明场检测结果图像。
二值处理，就是输出一幅尺寸与透射明场全图像尺寸相同的纯黑图像(所有像素灰度都为0)，在步骤601中，如果二值化的阈值为t0，即将透射明场全图像中的所有像素点的灰度值与t0进行比较，灰度值小于t0的像素点为缺陷点，在进行二值处理时，缺陷点为纯白，而其余点为纯黑，最后呈现的是明显黑白效果的二值化图像；那么在步骤603中，如果二值化阈值为t1，则需要将滤波后图像的像素点灰度值与t1进行比较，灰度值小于t1的像素点为缺陷点，同样的二值化处理后也会生成黑白分明的能显示出缺陷点的二值化图像。
参见图11，在步骤102中，硬卡对所述透射暗场全图像进行缺陷检测，得到透射暗场检测结果图像的步骤包括：
步骤701，对所述透射暗场全图像进行中值滤波，得到中值滤波图像；透射暗场全图像不同于透射明场全图像，透射暗场背景为灰度值很低的暗背景，并且由于玻璃表面压花、电磁信号干扰等原因，图像中存在噪声，所以进行处理之前，应该进行滤波去除噪声。中值滤波是一种非线性平滑技术，它将每一个像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。中值滤波的基本原理是把数字图像或者数字序列中一点的值用该点的一个邻域各点值的中值代替，让周围的像素接近真实值，从而消除孤立的噪声。另外，中值滤波在滤除噪声的同时，能够有效的保护信号的边缘，使之不被消除掉。本申请中采用的中值滤波窗口大小为3x3，即以目标像素点为中心的8邻域内所有像素点的灰度值按大小进行排序，最终将处于中间大小的灰度值代替目标像素点灰度。
步骤702，对所述中值滤波图像进行均值滤波，得到均值滤波图像。
步骤703，对所述中值滤波图像和所述均值滤波图像进行差分运算，得到第一差分运算图像。
步骤704，对所述第一差分运算图像进行二值化处理，得到二值化图像Diff0；步骤705，对所述中值滤波图像进行最小值滤波，得到最小值滤波图像；最小值滤波是非线性滤波，能够抑制部分缺陷边缘，降低边缘过渡区域给真实缺陷连通域面积带来的影响。
步骤706，对所述中值滤波图像和所述最小值滤波图像进行差分运算，得到第二差分运算图像。
步骤707，对所述第二差分运算图像进行二值化处理，得到二值化图像Diff1。
步骤708，对所述二值化图像Diff0进行最大值滤波，得到最大值滤波图像；最大值滤波也是非线性滤波，能够有效地连接缺陷点区域内较小的连通域。
步骤709，对所述二值化图像Diff1和所述最大值滤波图像进行与运算，得到结果图像。
步骤7010，对所述最大值滤波图像和所述结果图像进行或运算，得到透射暗场缺陷图像，求或运算补偿部分由于最大值滤波而缺失的缺陷区域。
进一步的，硬卡通过DMA的方式将所述反射明场全图像、所述透射明场检测结果图像和所述透射暗场检测结果图像传送给所述IPU，DMA不需要依赖于CPU的大量中断负载，直接将传输数据从一个硬卡的寄存器内复制到IPC的内存中，这样通过硬件为内存与硬卡I/O设备开辟了一条直接传输数据的通路，从而大大提高了CPU的数据传输效率。IPU对反射明场全图像进行边界检测，检出反射明场检测结果图像，然后再根据如下步骤进行处理：
步骤103，IPU根据所述透射明场检测结果图像、所述透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像。
另外，按照现有的软件架构，CPU端接收的图像尺寸标准和原始图像尺寸标准是一致的，即图像宽度保持不变。而经过硬卡处理之后的图像是横向拼接过的图像，宽度发生了改变，为了保证CPU能够处理，需要在CPU端对横向拼接结果图进行转置。因此，本申请中提供的检测方法还要将所有硬卡处理过后的横向拼接图像转置成为纵向拼接图像。
值得说明的是，由于硬卡本身处理逻辑及算子的延时问题，直接利用图像纵向拼接算子会造成硬卡内部处理流程阻塞的问题，如果图像转置在CPU端操作会增加***耗时，无疑给***处理增加了负担，因此，本申请的技术方案中采用了如图12的结构进行图像的转置操作，其中，module603中的PARALLELup算子能提高硬卡内部运算并行度，module604中的PARALLELdn算子能降低硬卡内部运算并行度，BufferHorToVert中的ImageBufferMultiRoi将横向拼接结果图分离成多个10个ROI(Region of Interest，感兴趣区域)，每个ROI的尺寸为4096x600，Append10ModelImage中的AppendImage算子能完成图像的纵向拼接。BufferHorToVert中的进行计算的主要参数为4个，分别是XOffset、XLength、YOffset和YLength，XOffset为横向上相对于原点的偏移像素数，XLength为横向上一个ROI的长度YOffset为纵向上相对于原点的偏移像素数，YLength为纵向上一个ROI的高度。所有参数均以横向拼接结果图左上角坐标(0,0)为原点，最终将取出的所有ROI使用AppendImage纵向拼接成一幅图像，从而解决了硬卡内部直接使用AppendImage造成的运算流程阻塞问题，又降低了软件***的耗时，提高了***的性能。同时对于ImageBufferMultiRoi算子，如果进入该算子的数据是在并行度为8的条件下进行传输，需要的带宽将是并行度为32条件下的4倍，因此本模块采用先提升并行度，然后再降低并行度的方法保证数据的高效传输方式。
步骤104，ICW对所述表面缺陷图像中的表面缺陷进行分类。
由以上技术方案可知，本申请实施例提供了一种基于硬卡编程的玻璃表面缺陷的检测方法，在硬卡中实现对原始图像进行图像处理和缺陷检测的操作，分别得到透射明场检测结果图像和透射暗场检测结果图像，再将检测结果图像发送给IPU；IPU根据透射明场检测结果图像、透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像；ICW对表面缺陷图像中的表面缺陷进行分类。本申请技术方案中充分利用硬卡内部的超强并行计算能力及大数据吞吐能力，集中进行图像采集、图像处理和缺陷检测的操作，从而获得计算性能上的优化提升，仅由CPU进行后续图像合并等计算操作，保证CPU的处理速度。另外，利用硬卡编程技术实现了整个表面缺陷检出流程90％的处理任务，由于在硬卡中进行处理所需时间是纳秒级别的，即整个表面缺陷处理在时间效率上获得了90％的提升，从而很大程度上降低了CPU的处理压力，并且减少了IPU对应IPC的数量，降低了***成本。
本申请实施例还提供了一种基于硬卡编程的玻璃表面缺陷的检测装置，包括：硬卡、IPU和ICW；
所述硬卡，用于对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像；以及，分别对所述透射明场全图像和所述透射暗场全图像进行缺陷检测，分别得到透射明场检测结果图像和透射暗场检测结果图像；
所述IPU，用于根据所述透射明场检测结果图像、所述透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像，所述反射明场检测结果图像是由所述IPU对所述反射明场全图像进行缺陷检测得到的；
所述ICW，用于对所述表面缺陷图像中的表面缺陷进行分类。
进一步的，所述硬卡还用于：
拼接原始图像，得到拼接图像；
对所述拼接图像进行模式重排，得到重排图像；
对所述重排图像进行模式融合，得到透射明场全图像、透射暗场全图像和反射明场全图像。
进一步的，所述硬卡还用于：
确定先获取的原始图像中的4096*1000尺寸的图像作为第一图像，和后获取的原始图像中的4096*1000尺寸的图像作为第二图像，所述原始图像的尺寸为4096*5000；
将所述第一图像从先获取的原始图像中移除，得到不包含第一图像的尺寸为4096*5000的原始图像；
将移除第一图像后的先获取的原始图像与第二图像拼接，得到拼接图像，所述拼接图像的尺寸为4096*6000。
进一步的，所述硬卡还用于：
获取所述拼接图像中的透射明场数据、透射暗场数据、低角度透射暗场数据和反射明场数据；
将所述透射明场数据组合成透射明场子图像、所述透射暗场数据组合成透射暗场子图像、所述低角度暗场数据组合成低角度透射暗场子图像和所述反射明场数据组合成反射明场子图像；
将所述透射明场子图像、所述透射暗场子图像、所述低角度透射暗场子图像和所述反射明场子图像组合，得到重排图像。
进一步的，所述硬卡还用于：
拷贝重排图像中所述透射明场子图像，得到透射明场全图像；
提取重排图像中所述透射暗场子图像的部分图像，分别作为近暗场图像和远暗场图像；
将所述近暗场图像、所述远暗场图像和所述低角度透射暗场子图像融合成透射暗场全图像；
提取重排图像中所述反射明场子图像的部分图像，分别作为反射明场子图像g1、反射明场子图像g2和反射明场子图像g3；
将所述反射明场子图像g1、所述反射明场子图像g2和所述反射明场子图像g3融合成反射明场全图像。
进一步的，所述硬卡还用于：
对所述透射明场全图像进行二值化处理，得到透射明场二值化图像；
对所述透射明场全图像进行均值滤波；
对均值滤波后的透射明场全图像进行二值化处理，得到滤波二值化图像；
对所述透射明场二值化图像和所述滤波二值化图像进行或运算，得到透射明场检测结果图像。
进一步的，所述硬卡还用于：
对所述透射暗场全图像进行中值滤波，得到中值滤波图像；
对所述中值滤波图像进行均值滤波，得到均值滤波图像；
对所述中值滤波图像和所述均值滤波图像进行差分运算，得到第一差分运算图像；
对所述第一差分运算图像进行二值化处理，得到二值化图像Diff0；
对所述中值滤波图像进行最小值滤波，得到最小值滤波图像；
对所述中值滤波图像和所述最小值滤波图像进行差分运算，得到第二差分运算图像；
对所述第二差分运算图像进行二值化处理，得到二值化图像Diff1；
对所述二值化图像Diff0进行最大值滤波，得到最大值滤波图像；
对所述二值化图像Diff1和所述最大值滤波图像进行与运算，得到结果图像；
对所述最大值滤波图像和所述结果图像进行或运算，得到透射暗场检测结果图像。
进一步的，所述IPU还用于：对横向拼接图像进行转置，得到纵向拼接图像。
由以上技术方案可知，本申请实施例提供了一种基于硬卡编程的玻璃表面缺陷的检测方法及装置，在硬卡中实现对原始图像进行图像处理和缺陷检测的操作，分别得到透射明场检测结果图像和透射暗场检测结果图像，再将检测结果图像发送给IPU；IPU根据透射明场检测结果图像、透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像；ICW对表面缺陷图像中的表面缺陷进行分类。本申请技术方案中充分利用硬卡内部的超强并行计算能力及大数据吞吐能力，集中进行图像采集、图像处理和缺陷检测的操作，从而获得计算性能上的优化提升，仅由CPU进行后续图像合并等计算操作，保证CPU的处理速度，减少检测***中其他计算资源，降低***成本。
本申请可用于众多通用或专用的计算***环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本领域技术人员在考虑说明书及实践这里公开的申请后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (9)
1.一种基于硬卡编程的玻璃表面缺陷的检测方法，其特征在于，包括：
硬卡对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像；
所述硬卡分别对所述透射明场全图像和所述透射暗场全图像进行缺陷检测，分别得到透射明场检测结果图像和透射暗场检测结果图像；
图像处理单元IPU根据所述透射明场检测结果图像、所述透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像，所述反射明场检测结果图像是由所述图像处理单元IPU对所述反射明场全图像进行缺陷检测得到的；
图像控制工作站ICW对所述表面缺陷图像中的表面缺陷进行分类；
所述硬卡对所述透射暗场全图像进行缺陷检测，得到透射暗场检测结果图像的步骤包括：
对所述透射暗场全图像进行中值滤波，得到中值滤波图像；
对所述中值滤波图像进行均值滤波，得到均值滤波图像；
对所述中值滤波图像和所述均值滤波图像进行差分运算，得到第一差分运算图像；
对所述第一差分运算图像进行二值化处理，得到二值化图像Diff0；
对所述中值滤波图像进行最小值滤波，得到最小值滤波图像；
对所述中值滤波图像和所述最小值滤波图像进行差分运算，得到第二差分运算图像；对所述第二差分运算图像进行二值化处理，得到二值化图像Diff1；
对所述二值化图像Diff0进行最大值滤波，得到最大值滤波图像；
对所述二值化图像Diff1和所述最大值滤波图像进行与运算，得到结果图像；
对所述最大值滤波图像和所述结果图像进行或运算，得到透射暗场检测结果图像。
2.根据权利要求1所述的检测方法，其特征在于，所述硬卡对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像的步骤包括：
拼接原始图像，得到拼接图像；
对所述拼接图像进行模式重排，得到重排图像；
对所述重排图像进行模式融合，得到透射明场全图像、透射暗场全图像和反射明场全图像。
3.根据权利要求2所述的检测方法，其特征在于，所述拼接原始图像，得到拼接图像的步骤包括：
确定先获取的原始图像中的4096*1000尺寸的图像作为第一图像，和后获取的原始图像中的4096*1000尺寸的图像作为第二图像，所述原始图像的尺寸为4096*5000；
将所述第一图像从先获取的原始图像中移除，得到不包含第一图像的尺寸为4096*5000的原始图像；
将移除第一图像后的先获取的原始图像与第二图像拼接，得到拼接图像，所述拼接图像的尺寸为4096*6000。
4.根据权利要求2所述的检测方法，其特征在于，对所述拼接图像进行模式重排，得到重排图像的步骤包括：
获取所述拼接图像中的透射明场数据、透射暗场数据、低角度透射暗场数据和反射明场数据；
将所述透射明场数据组合成透射明场子图像、所述透射暗场数据组合成透射暗场子图像、所述低角度透射暗场数据组合成低角度透射暗场子图像和所述反射明场数据组合成反射明场子图像；
将所述透射明场子图像、所述透射暗场子图像、所述低角度透射暗场子图像和所述反射明场子图像组合，得到重排图像。
5.根据权利要求4所述的检测方法，其特征在于，对所述重排图像进行模式融合，得到透射明场全图像、透射暗场全图像和反射明场全图像的步骤包括：
拷贝重排图像中所述透射明场子图像，得到透射明场全图像；
提取重排图像中所述透射暗场子图像的部分图像，分别作为近暗场图像和远暗场图像；
将所述近暗场图像、所述远暗场图像和所述低角度透射暗场子图像融合成透射暗场全图像；
提取重排图像中所述反射明场子图像的部分图像，分别作为反射明场子图像g1、反射明场子图像g2和反射明场子图像g3；
将所述反射明场子图像g1、所述反射明场子图像g2和所述反射明场子图像g3融合成反射明场全图像。
6.根据权利要求1-5任一项所述的检测方法，其特征在于，所述硬卡对所述透射明场全图像进行缺陷检测，得到透射明场检测结果图像的步骤包括：
对所述透射明场全图像进行二值化处理，得到透射明场二值化图像；
对所述透射明场全图像进行均值滤波；
对均值滤波后的透射明场全图像进行二值化处理，得到滤波二值化图像；
对所述透射明场二值化图像和所述滤波二值化图像进行或运算，得到透射明场检测结果图像。
7.根据权利要求1所述的检测方法，其特征在于，所述方法还包括：
所述硬卡通过DMA的方式将所述反射明场全图像、所述透射明场检测结果图像和所述透射暗场检测结果图像传送给所述图像处理单元IPU。
8.根据权利要求1所述的检测方法，其特征在于，所述检测方法还包括：对横向拼接图像进行转置，得到纵向拼接图像。
9.一种基于硬卡编程的玻璃表面缺陷的检测装置，其特征在于，包括：硬卡、图像处理单元IPU和图像控制工作站ICW；
所述硬卡，用于对原始图像进行图像处理，分别得到透射明场全图像、透射暗场全图像和反射明场全图像；以及，分别对所述透射明场全图像和所述透射暗场全图像进行缺陷检测，分别得到透射明场检测结果图像和透射暗场检测结果图像；
所述图像处理单元IPU，用于根据所述透射明场检测结果图像、所述透射暗场检测结果图像和反射明场检测结果图像，得到表面缺陷图像，所述反射明场检测结果图像是由所述图像处理单元IPU对所述反射明场全图像进行缺陷检测得到的；
所述图像控制工作站ICW，用于对所述表面缺陷图像中的表面缺陷进行分类；
所述硬卡，还用于对所述透射暗场全图像进行中值滤波，得到中值滤波图像；对所述中值滤波图像进行均值滤波，得到均值滤波图像；对所述中值滤波图像和所述均值滤波图像进行差分运算，得到第一差分运算图像；对所述第一差分运算图像进行二值化处理，得到二值化图像Diff0；对所述中值滤波图像进行最小值滤波，得到最小值滤波图像；对所述中值滤波图像和所述最小值滤波图像进行差分运算，得到第二差分运算图像；对所述第二差分运算图像进行二值化处理，得到二值化图像Diff1；对所述二值化图像Diff0进行最大值滤波，得到最大值滤波图像；对所述二值化图像Diff1和所述最大值滤波图像进行与运算，得到结果图像；对所述最大值滤波图像和所述结果图像进行或运算，得到透射暗场检测结果图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811367098.9A CN109544527B (zh) | 2018-11-16 | 2018-11-16 | 一种基于硬卡编程的玻璃表面缺陷的检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811367098.9A CN109544527B (zh) | 2018-11-16 | 2018-11-16 | 一种基于硬卡编程的玻璃表面缺陷的检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109544527A CN109544527A (zh) | 2019-03-29 |
| CN109544527B true CN109544527B (zh) | 2021-08-03 |
Family
ID=65847948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811367098.9A Active CN109544527B (zh) | 2018-11-16 | 2018-11-16 | 一种基于硬卡编程的玻璃表面缺陷的检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109544527B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110441319B (zh) * | 2019-09-09 | 2022-05-03 | 凌云光技术股份有限公司 | 一种外观缺陷的检测方法及装置 |
| CN113546869B (zh) * | 2020-04-24 | 2022-12-23 | 合肥美亚光电技术股份有限公司 | 物料分选设备、方法以及存储介质 |
| CN112326682B (zh) * | 2020-09-27 | 2022-09-02 | 南京茂莱光学科技股份有限公司 | 一种利用入瞳差分平场矫正检测镜头洁净度的方法 |
| CN112326681B (zh) * | 2020-09-27 | 2022-09-02 | 南京茂莱光学科技股份有限公司 | 一种利用离焦差分平场矫正检测镜头洁净度的方法 |
| CN112326683B (zh) * | 2020-09-27 | 2022-09-02 | 南京茂莱光学科技股份有限公司 | 一种利用光谱差分平场矫正检测镜头洁净度的方法 |
| CN113538420A (zh) * | 2021-09-07 | 2021-10-22 | 深圳新视智科技术有限公司 | 基于双摄像和多光源的缺陷检测方法及*** |
| CN113888539B (zh) * | 2021-12-06 | 2022-03-15 | 蓝思科技股份有限公司 | 缺陷分类方法、装置、设备及存储介质 |
| CN116993715B (zh) * | 2023-09-18 | 2023-12-19 | 山东庆葆堂生物科技有限公司 | 一种玻璃瓶气密性检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104469265A (zh) * | 2013-09-15 | 2015-03-25 | 程媛 | 一种玻璃缺陷图像采集处理*** |
| CN105184783A (zh) * | 2015-08-27 | 2015-12-23 | 袁芬 | 玻璃缺陷类型识别*** |
| CN105259189A (zh) * | 2015-10-21 | 2016-01-20 | 凌云光技术集团有限责任公司 | 玻璃的缺陷成像***和方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104897693A (zh) * | 2015-06-12 | 2015-09-09 | 武汉中导光电设备有限公司 | 一种玻璃表面缺陷增强装置及其检测方法 |
| US10067072B2 (en) * | 2015-07-10 | 2018-09-04 | Kla-Tencor Corporation | Methods and apparatus for speckle suppression in laser dark-field systems |
-
2018
- 2018-11-16 CN CN201811367098.9A patent/CN109544527B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104469265A (zh) * | 2013-09-15 | 2015-03-25 | 程媛 | 一种玻璃缺陷图像采集处理*** |
| CN105184783A (zh) * | 2015-08-27 | 2015-12-23 | 袁芬 | 玻璃缺陷类型识别*** |
| CN105259189A (zh) * | 2015-10-21 | 2016-01-20 | 凌云光技术集团有限责任公司 | 玻璃的缺陷成像***和方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于FPGA玻璃缺陷图像采集处理***;龚红燕;《现代电子技术》;20090915;第34页第2段-第36页倒数第2段 * |
| 透明玻璃面板表面缺陷图像采集硬件的研究;王海波;《中国优秀硕士学位论文全文数据库信息科技辑》;20180615;正文第7-12,21-31页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109544527A (zh) | 2019-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109544527B (zh) | 一种基于硬卡编程的玻璃表面缺陷的检测方法及装置 | |
| CN108355981B (zh) | 一种基于机器视觉的电池连接器质量检测方法 | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| CN109671058B (zh) | 一种大分辨率图像的缺陷检测方法及*** | |
| CN109598715B (zh) | 基于机器视觉的物料粒度在线检测方法 | |
| CN108830832A (zh) | 一种基于机器视觉的塑料筒表面缺陷检测算法 | |
| US20090202172A1 (en) | Image Inspection Apparatus, Image Inspection Method and Computer Program | |
| CN103413288A (zh) | 一种lcd总体检测缺陷方法 | |
| US20060221181A1 (en) | Video ghost detection by outline | |
| US9842281B2 (en) | System for automated text and halftone segmentation | |
| WO2022237135A1 (zh) | 目标对象识别的方法及装置 | |
| CN115830004A (zh) | 表面缺陷检测方法、装置、计算机设备和存储介质 | |
| CN109378279A (zh) | 晶圆检测方法及晶圆检测*** | |
| CN117115130A (zh) | 一种晶圆边缘缺陷检测方法及装置 | |
| CN113947598B (zh) | 基于图像处理的塑料餐盒缺陷检测方法、装置及*** | |
| CN115082776A (zh) | 一种基于图像识别的电能表自动检测***及方法 | |
| Li et al. | HM-YOLOv5: A fast and accurate network for defect detection of hot-pressed light guide plates | |
| CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
| Li et al. | Wafer crack detection based on yolov4 target detection method | |
| CN117495836A (zh) | 一种素色织物疵点检测方法 | |
| CN107767372B (zh) | 一种分层并行计算的芯片管脚在线视觉检测***及其方法 | |
| CN109448010B (zh) | 一种基于内容特征的四方连续纹样自动生成方法 | |
| Niskanen et al. | Experiments with SOM based inspection of wood | |
| CN104392436B (zh) | 一种遥感图像处理方法及装置 | |
| CN112577960A (zh) | 烟叶中的杂质检测方法、***及计算机可读存储介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant after: Lingyunguang Technology Co., Ltd Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant before: LUSTER LIGHTTECH GROUP Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |