CN110264463A - 一种基于matlab图像处理的物料清点方法 - Google Patents
一种基于matlab图像处理的物料清点方法 Download PDFInfo
- Publication number
- CN110264463A CN110264463A CN201910555672.1A CN201910555672A CN110264463A CN 110264463 A CN110264463 A CN 110264463A CN 201910555672 A CN201910555672 A CN 201910555672A CN 110264463 A CN110264463 A CN 110264463A
- Authority
- CN
- China
- Prior art keywords
- image
- active parts
- counting method
- matlab
- method based
- 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
- 239000000463 material Substances 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000005260 corrosion Methods 0.000 claims abstract description 12
- 230000007797 corrosion Effects 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 241000566145 Otus Species 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000013590 bulk material Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于matlab图像处理的物料清点方法，(1)读取物料图像；(2)采用分割计数法，对步骤(1)读取的物料图像进行分析，识别出物料图像中的有效器件图像；(3)对步骤(2)有效器件图像进行灰度化处理，再将灰度化处理后的有效器件图像转化为只有黑白两色的图像；(4)采用二值化方法，对步骤(3)的黑白两色的图像进行二值化处理，得到二值图像；(5)将步骤(4)的二值图像进行形态学处理，即对得到的二值图像进行腐蚀，向内腐蚀N个像素点，然后再向外膨胀M个像素点，去除二值图像中的干扰，直至看到二值图像中相邻有效器件边界产生明显距离；(6)最后标记连通域，将连通域内像素检测为一个目标，最终统计出目标数量，作为有效器件数量，实现散装表贴器件物料图像清点。
Description
技术领域
本发明涉及一种基于matlab图像处理的物料清点方法，属于电子信息化技术领域。
背景技术
Matlab软件是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，是一个易于使用的仿真技术软件，随着大功率伺服***电子产品的迅猛发展，表贴器件种类趋于多样化、多元化、精细化，电子产品装联中，元器件以散装形式提供，这就对物料清点带来了难度，致使生产准备工序耗时长，尤其以阻容类元件最为突出。
发明内容
本发明解决的技术问题为：克服现有技术不足，提供一种基于matlab图像处理的表贴器件清点方法，基于matlab软件开发，对手工清点方法进行控制与仿真技术改进，实现散装表贴器件物料图像清点。
本发明解决的技术方案为：一种基于matlab图像处理的物料清点方法，步骤如下：
(1)以电子产品元器件为物料，拍摄物料图像并输入；
(2)采用分割计数法，对步骤(1)输入的物料图像信息进行分析，识别出物料图像中的有效器件；
(3)对步骤(2)有效器件图像进行灰度化处理，再将灰度化处理后的有效器件图像转化为只有黑白两色的图像；
(4)采用二值化方法，对步骤(3)的黑白两色的图像进行二值化处理，得到二值图像；
(5)将步骤(4)的二值图像进行形态学处理，即对得到的二值图像进行腐蚀，向内腐蚀N个像素点，然后再向外膨胀M个像素点，其中(N﹥M)，去除二值图像中的干扰，直至看到二值图像中相邻有效物料边界产生明显的目标轮廓；
(6)最后相邻有效器件的标记连通域，将连通域内像素检测为一个目标，最终统计出目标数量，作为有效器件数量，实现了物料的清点。
优选的，物料图像，为表贴器件及其它形态相近的物料；物料图像，为表贴器件及其它形态相近的物料的图像照片：
优选的，有效器件，具体为：根据器件所提取的像素信息识别出的目标器件，以区别于其它物体。
优选的，对读取的物料图像进行分析，识别出物料图像中的有效器件，具体为：将要待识别的物料中的有效器件通过提取特征从物料图像中分离，识别出有效器件。
优选的，将灰度化处理后的有效器件图像转化为只有黑白两色的图像，具体为:选取一个阈值作为处理黑白两色的图像的分界线，灰度化处理后的图像像素的灰度若若小于该阈值，则设置为黑色，用0表示；否则，设置为白色，用0表示。
优选的，对步骤(2)有效器件图像进行灰度化处理后，在将灰度化处理后的有效器件图像转化为只有黑白两色的图像前，调整灰度化处理后图像的对比度，即调整图像中明暗区域亮度层级的差异范围，使得有效器件的图像信息更加明显。
优选的，采用二值化方法，具体为：采用大津阈值法(Otus)从黑白两色的图像自动选取，即采用类间方差最大的自动阈值选取方法选取，形成二值图像。
优选的，相邻有效器件边界产生明显的距离，具体为：即为人眼可分辨出的距离。
优选的，将连通区域检测为1个目标，优选为：将连通区域内的所有像素连通区域检测为1个目标。
优选的，将连通区域内像素检测为一个目标，具体为：若连通域中有8个像素以上连在一起，就判定是一个有效器件所在的位置，即确定出一个有效器件。
优选的，物料包括表贴器件、标准件。
优选的，物料图像优选为散装器件(即物料)水平放置于铺设防静电桌垫的操作台上，拍摄相机焦面的法线垂直于桌面，以此要求拍摄的图像。
本发明与现有技术相比的优点在于：
(1)本发明的一种基于matlab图像处理的物料清点方法提出基于matlab软件开发，对人工清点方法进行控制与仿真技术改进，实现物料图像清点方法的技术解决方案。
(2)本发明的一种基于matlab图像处理的物料清点方法，改进传统散装物料人工清点方法，实现自动化清点；
(3)本发明的一种基于matlab图像处理的物料清点方法，提升物料清点效率，降低物料清点时间，避免物料数量统计错误；
(4)本发明的一种基于matlab图像处理的物料清点方法，通过“分割计数法”，将读取的图像进行分割，通过对输入图像的分析，将要清点的物料通过特征提取进行识别并自动标记。
附图说明
图1为本发明的方法实施流程图；
图2为本发明的计数界面图像；
图3为本发明的灰度图像；
图4为本发明的二值图像；
图5为本发明的形态学处理后的二值图像；
图6两种计数方法对比直方图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
如图1所示，本发明一种基于matlab图像处理的物料清点方法，步骤依次为：(1)读取物料图像；(2)采用分割计数法，对步骤(1)读取的物料图像进行分析，识别出物料图像中的有效器件图像；(3)对步骤(2)有效器件图像进行灰度化处理，再将灰度化处理后的有效器件图像转化为只有黑白两色的图像；(4)采用二值化方法，对步骤(3)的黑白两色的图像进行二值化处理，得到二值图像；(5)将步骤(4)的二值图像进行形态学处理，即对得到的二值图像进行腐蚀，向内腐蚀N个像素点，然后再向外膨胀M个像素点，去除二值图像中的干扰，直至看到二值图像中相邻有效器件边界产生明显距离；(6)最后标记连通域，将连通域内像素检测为一个目标，最终统计出目标数量，作为有效器件数量，实现散装表贴器件物料图像清点。
本发明应用在电子产品制造的技术领域，物料准备是电子产品装焊的首要工序，而物料齐套更是产品生产准备中不可缺少的关键步骤。随着航天电子产品技术的迅猛发展，电子产品日趋复杂，元器件向精细化发展，表面安装器件本身体积越来越小，引脚和走线越来越密，器件种类趋于多样化、多元化、精细化。在目前电子产品装联中，经常会有元器件以散装形式提供，这就对物料清点带来了一定的难度，致使生产准备工序耗时较长，尤其是散装阻容类元件，数量较多，清点时间更长。本发明针对手工清点方法进行技术改进，实现物料图像自动清点，解决了准备时间长、清点效率低、统计精确度差及人员浪费，提升了电子产品生产效率。
本发明采用分割计数法，通过对输入图像的分析，将要清点的物料通过提取特征分开，识别出途中的哪些物体是有效器件，拾取相关信息，对图像进行灰度化处理，再将灰度化处理后的图像转化为只有黑白两色的二值图像，阈值是选取一个点作为处理图像的分界线，图像像素的灰度若小于该阈值，则设置为黑色0；若大于该阈值，则设置为白色1。采用二值化方法自动选取大津阈值算法(Otus)，即类间方差最大的自动阈值选取方法选取图像，再将图像进行相关形态学处理，对得到的二值图像进行腐蚀，向内腐蚀4个像素点，然后再向外膨胀2个像素点，去除图像中的干扰，直至看到图像中相邻两器件边界产生明显的距离，膨胀后相对于原图更加接近，又未影响图像的识别，最后标记连通域，将附近8像素连通区域检测为1个目标，若图像矩阵中有8个像素以上连在一起，就认为这是一个器件所在的位置，最终实现物料的自动清点。
本发明改进了传统物料人工清点方法，实现自动化清点；本发明能够基于matlab图像处理逻辑开发，实现图像清点方法；本发明提升物料清点效率，降低物料清点时间，避免物料数量统计错误；通过“分割计数法”，将读取的图像进行分割，通过对输入图像的分析，将要清点的物料通过特征提取进行识别并自动标记；
本发明的基本思路为：拍摄图像——缩小图像——灰度化图像处理——调整对比度——二值化——形态学处理——标记联通域——处理结果；
本发明的灰度化图像处理优选方案为：对于图像的识别，将其转化为只有一维的灰色图像，即0～255，将该范围归一化，用0～1表示黑色到白色。被测量器件灰度值与背景颜色差距越大，转化为二值图像时越容易得到“1”值，即白色，以便图像提取识别；
本发明的二值化优选方案为：灰度化处理后的图像需转化为只有黑白两色的二值图像。阈值是选取一个点作为处理图像的分界线，图像像素的灰度若小于该阈值，则设置为黑色0；若大于该阈值，则设置为白色1。阈值采用自动选取法中的大津阈值算法(Otus)，即类间方差最大的自动阈值选取方法；
本发明的形态学处理优选方案为：二值图像生成后，需对图像进行相关形态学处理即腐蚀与膨胀。图像的腐蚀是消除边界点，使边界向内部收缩的过程；相反，图像的膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。对于该图像，首先对得到的二值图像进行腐蚀，向内腐蚀4个像素点，然后再向外膨胀2个像素点。细小的干扰点腐蚀后已经观测不到，即去除了图像中的干扰。并且可以看到图像中紧挨着的两个器件边界产生了明显的距离，膨胀后相对于原图更加接近，又未影响图像的识别。这样就得到了形态学处理后的二值图像；
本发明的标记连通域优选方案为：将附近8像素连通区域检测为1个目标，即若图像矩阵中有8个像素以上连在一起，就认为这是一个器件所在的位置，最终统计出图像上共有多少个器件，便于人眼核对观察。
本发明能够实现物料自动清点。
本发明一种基于matlab图像处理的物料清点方法，进一步的优选方案步骤如下：
步骤(1)读取物料图像，优选方案如下：在Matlab软件中输入程序，并将需要处理的图像存入指定的文件夹中，点击“运行”自动开始图像处理，最终得出所读取的物料图像。步骤为：拍摄图像——拷贝照片——打开软件——写入程序——运行程序——读取物料图像。
步骤(2)采用分割计数法，对步骤(1)读取的物料图像进行分析，识别出物料图像中的有效器件图像，优选方案如下：通过对输入图像的分析，将要清点的物料通过提取特征分开，识别出哪些物体是有效物料，将程序运行结果通过对话框显示，并且在物料照片图像上对每个器件的中心点画上“*”号标记，可方便人工比对。首先将物料水平放置于铺设防静电桌垫的操作台上，使用相机对物料进行拍照。考虑到拍摄角度不同对最后统计的影响，将相机水平固定在操作台上，如不具备固定条件，也可手持相机进行拍照，被清点物料应位于拍摄范围中央，拍照多幅图片过程中，尽量保持高度距离桌面一致。为了便于处理所拍摄图像，可将图像像素按一定比例缩放。既不影响图像的识别，又提升了图像处理的运行速度。得到的计数界面图像如图2所示。
(3)对步骤(2)有效器件图像进行灰度化处理，再将灰度化处理后的有效器件图像转化为只有黑白两色的图像。像素是构成数字图像的最小单位，每一像素点有其对应的色值，优选方案如下：为了简便运算，对于图像的识别，将彩色的图像转化为灰色的图像，彩色图像是由红、绿、蓝三色组成，依次由黑色(0 0 0)到白色(255 255 255)，将其转化为只有一维的灰色图像，即0～255；将该范围归一化，用0～1表示黑色到白色。得到的图像进一步调整对比度，得到的灰度图像如图3。
(4)采用二值化方法，对步骤(3)的黑白两色的图像进行二值化处理，得到二值图像；优选方案如下：
灰度化处理后的图像需转化为只有黑白两色的二值图像。阈值是选取一个点作为处理图像的分界线，图像像素的灰度若小于该阈值，则设置为黑色0；若大于该阈值，则设置为白色1。对于本研究，桌垫上没有放置物料的背景将会被显示为黑色，放置物料的部分将会显示为白色。得到的二值图像如图4。
本方法的阈值采用自动选取法中的大津阈值法(Otus)，即类间方差最大的自动阈值选取方法，简单、处理速度快，是一种经典算法，适合本研究这种分割物体的情况。
(5)将步骤(4)的二值图像进行形态学处理，即对得到的二值图像进行腐蚀，向内腐蚀N个像素点，然后再向外膨胀M个像素点，其中(N﹥M)，去除二值图像中的干扰，直至看到二值图像中相邻有效器件边界产生明显的距离，即人眼易分辨的距离，膨胀后相对于原图更加接近，又未影响图像的识别。优选方案如下：首先，拍摄照片的背景(即工作台垫)并非绝对洁净的，如图3二值图像，桌垫上会有一定小污渍，在图像识别时也会被分割，图像上显示为白色。在最终计数时，必须排除这些噪声点的干扰。第二，对于有些器件在摆放(倒出)时距离很近、紧挨在一起，必须将其分割开来，否则多个器件会被检测为一个器件。因此，需对图像进行相关形态学处理——腐蚀与膨胀。图像的腐蚀是消除边界点，使边界向内部收缩的过程；相反地，图像的膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。对于该图像，首先我们对得到的二值图像进行腐蚀，向内腐蚀4个像素点，然后再向外膨胀2个像素点。细小的干扰点腐蚀后已经观测不到，即去除了图像中的干扰。并且可以看到图像相邻的两个器件边界产生了更清晰的目标轮廓距离。得到了图5所示的形态学处理后的二值图像。
(6)最后相邻有效器件的标记连通域，将连通域内像素检测为一个目标，最终统计出目标数量，作为有效器件数量，实现了物料的清点。优选方案如下：将紧邻的像素点检测为1个目标，若图像矩阵中有8个像素以上连在一起，就认为这是一个器件所在的位置。最终统计出图像上共有多少个器件。将在原彩色照片上标注上红色*号是为了人眼可以更加方便的观察。计数结果数量为80，与人工计数结果比对一致。说明本方法可行。
5、使用人工计数法与自动清点物料时间的对比实验
1)人工计数法清点物料时间
挑选技术水平相当的操作者甲、乙、丙，从散料包装袋中随机抽取一定数量的0805电容器件。采用传统手工数料方式统计散装物料。记录三人统计物料的时间如下表1：
表1人工数料时间表
单位：秒
| 人工 | 28个 | 57个 | 80个 | 130个 | 166个 | 231个 | 405个 |
| 甲 | 25 | 48 | 60 | 103 | 140 | 169 | 240 |
| 乙 | 29 | 55 | 69 | 95 | 134 | 175 | 234 |
| 丙 | 25 | 45 | 78 | 109 | 124 | 189 | 242 |
| 平均 | 26 | 49 | 69 | 102 | 133 | 178 | 239 |
2)两种清点方法对比
根据研究结果，已设计出一套合适的清点方法。该方法适用于所有的表贴电容器件，程序编制完成后可一劳永逸地进行检测。
自动物料清点时间＝＝镊子分开物料+拍照时间+电脑操作时间。
该方法镊子分开物料不需要像手工清点物料，将被计数器件仔细按一定数量进行分堆，只需简单将叠起的物料分开即可。每次根据器件多少，器件每50个，大约花费10秒。
该方法可处理不同像素大小的照片，拍照简便，大约5秒。
平均每张照片拷贝至电脑中大约5秒。除去研究方法时间，程序完成后，每次清点只需在装有matlab软件的电脑中输入图像并运行程序，5秒即可画出上述方法流程中的图片及显示计数结果。
自动物料清点总计时间约25秒。与表1相关试验数据相对比，当器件个数大于28个时，使用这种自动识别照片的方式速度快于手工计数。见图6。
表2两种清点方法对比表
| 28个 | 57个 | 80个 | 130个 | 166个 | 231个 | 405个 | |
| 手工数料时间 | 26 | 49 | 69 | 102 | 133 | 178 | 239 |
| 自动物料清点时间 | 25 | 35 | 35 | 45 | 55 | 65 | 105 |
| 节省时间 | 1 | 14 | 34 | 57 | 78 | 113 | 134 |
| 效率提升 | 3.9％ | 28.6％ | 49.7％ | 55.9％ | 58.6％ | 63.5％ | 56.1％ |
3)自动物料清点法的推广与应用
该物料清点法可以提升效率50％以上，可用于散装表贴电阻、电容类元件的统计，并在诸多形态相近的物料也有着广泛而重要的应用。
本发明的一种基于matlab图像处理的物料清点方法提出基于matlab软件开发，对人工清点方法进行控制与仿真技术改进，实现物料图像清点方法的技术解决方案。本发明改进传统散装物料人工清点方法，实现自动化清点；
本发明的一种基于matlab图像处理的物料清点方法，提升物料清点效率，降低物料清点时间，避免物料数量统计错误；本发明通过“分割计数法”，将读取的图像进行分割，通过对输入图像的分析，将要清点的物料通过特征提取进行识别并自动标记。
Claims (10)
1.一种基于matlab图像处理的物料清点方法，其特征在于步骤如下：
(1)拍摄物料图像；
(2)采用分割计数法，对步骤(1)输入的物料图像信息进行分析，识别出物料图像中的有效器件；
(3)对步骤(2)有效器件图像进行灰度化处理，再将灰度化处理后的有效器件图像转化为只有黑白两色的图像；
(4)采用二值化方法，对步骤(3)的黑白两色的图像进行二值化处理，得到二值图像；
(5)将步骤(4)的二值图像进行形态学处理，即对得到的二值图像进行腐蚀，向内腐蚀N个像素点，然后再向外膨胀M个像素点，N﹥M，去除二值图像中的干扰，直至看到二值图像中相邻有效物料边界产生明显的目标轮廓；
(6)最后相邻有效器件的标记连通域，将连通域内像素检测为一个目标，最终统计出目标数量，作为有效器件数量，实现了物料的清点。
2.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：物料，为表贴器件及其它形态相近的物料；物料图像，为表贴器件及其它形态相近的物料的图像照片。
3.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：有效器件，具体为：根据器件所提取的像素信息识别出的目标器件，以区别于其它物体。
4.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：对读取的物料图像进行分析，识别出物料图像中的有效器件，具体为：将要待识别的物料中的有效器件通过提取特征从物料图像中分离，识别出有效器件。
5.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：将灰度化处理后的有效器件图像转化为只有黑白两色的图像，具体为:设定阈值作为处理黑白两色的图像的分界线，灰度化处理后的图像像素的灰度若小于该阈值，则设置为黑色，用0表示；否则，设置为白色，用0表示。
6.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：对步骤(2)有效器件图像进行灰度化处理后，在将灰度化处理后的有效器件图像转化为只有黑白两色的图像前，调整灰度化处理后图像的对比度，即调整图像中明暗区域亮度层级的差异范围，使得有效器件的图像信息更加明显。
7.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：采用二值化方法，具体为：采用大津阈值法(Otus)从黑白两色的图像自动选取，即采用类间方差最大的自动阈值选取方法选取，形成二值图像。
8.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：相邻有效器件边界产生明显的距离，具体为：即为人眼能够分辨出的距离。
9.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：将连通区域检测为1个目标，优选为：将连通区域内的所有像素连通区域检测为一个目标。
10.根据权利要求1所述的一种基于matlab图像处理的物料清点方法，其特征在于：将连通区域内像素检测为一个目标，具体为：若连通域中有8个像素以上连在一起，就判定是一个有效器件所在的位置，即确定出一个有效器件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910555672.1A CN110264463A (zh) | 2019-06-25 | 2019-06-25 | 一种基于matlab图像处理的物料清点方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910555672.1A CN110264463A (zh) | 2019-06-25 | 2019-06-25 | 一种基于matlab图像处理的物料清点方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110264463A true CN110264463A (zh) | 2019-09-20 |
Family
ID=67921400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910555672.1A Pending CN110264463A (zh) | 2019-06-25 | 2019-06-25 | 一种基于matlab图像处理的物料清点方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110264463A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932498A (zh) * | 2020-07-09 | 2020-11-13 | 西南交通大学 | 无规则形状颗粒堆积体系中接触数定量表征方法 |
| CN113642609A (zh) * | 2021-07-15 | 2021-11-12 | 东华大学 | 基于图像识别技术的共混聚合物中分散相形貌的表征方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1486599A (zh) * | 2003-06-09 | 2004-04-07 | 华东船舶工业学院 | 基于数字图像处理的蚕卵自动统计计数方法及其装置 |
| CN101750272A (zh) * | 2008-12-18 | 2010-06-23 | 鞍山钢铁集团公司 | 血细胞图像识别计数法 |
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN102565395A (zh) * | 2012-02-14 | 2012-07-11 | 北京大学 | 用包被抗体的金纳米颗粒检测细菌数量的方法 |
| CN104062298A (zh) * | 2014-07-04 | 2014-09-24 | 江苏大学 | 基于图像处理的联合收获机粮箱籽粒含杂率自动监测装置和方法 |
| CN104240243A (zh) * | 2014-09-05 | 2014-12-24 | 南京农业大学 | 一种基于椭圆拟合的粘连仔猪自动计数方法 |
| CN107749059A (zh) * | 2017-11-08 | 2018-03-02 | 贵州航天计量测试技术研究所 | 一种基于连通域识别的电子元器件自动计数方法 |
| CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
| CN108109133A (zh) * | 2017-10-31 | 2018-06-01 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
| CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
| CN108596934A (zh) * | 2018-04-24 | 2018-09-28 | 中国计量大学 | 一种基于面积的蚕茧计数方法 |
| CN108876752A (zh) * | 2018-07-06 | 2018-11-23 | 武汉兰丁医学高科技有限公司 | 血液细胞的图像识别计数方法 |
| CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
| CN109636824A (zh) * | 2018-12-20 | 2019-04-16 | 巢湖学院 | 一种基于图像识别技术的多目标计数方法 |
-
2019
- 2019-06-25 CN CN201910555672.1A patent/CN110264463A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1486599A (zh) * | 2003-06-09 | 2004-04-07 | 华东船舶工业学院 | 基于数字图像处理的蚕卵自动统计计数方法及其装置 |
| CN101750272A (zh) * | 2008-12-18 | 2010-06-23 | 鞍山钢铁集团公司 | 血细胞图像识别计数法 |
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN102565395A (zh) * | 2012-02-14 | 2012-07-11 | 北京大学 | 用包被抗体的金纳米颗粒检测细菌数量的方法 |
| CN104062298A (zh) * | 2014-07-04 | 2014-09-24 | 江苏大学 | 基于图像处理的联合收获机粮箱籽粒含杂率自动监测装置和方法 |
| CN104240243A (zh) * | 2014-09-05 | 2014-12-24 | 南京农业大学 | 一种基于椭圆拟合的粘连仔猪自动计数方法 |
| CN108109133A (zh) * | 2017-10-31 | 2018-06-01 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
| CN107749059A (zh) * | 2017-11-08 | 2018-03-02 | 贵州航天计量测试技术研究所 | 一种基于连通域识别的电子元器件自动计数方法 |
| CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
| CN108596891A (zh) * | 2018-04-23 | 2018-09-28 | 中国计量大学 | 一种面向多种类混合蚕茧的计数方法 |
| CN108596934A (zh) * | 2018-04-24 | 2018-09-28 | 中国计量大学 | 一种基于面积的蚕茧计数方法 |
| CN108876752A (zh) * | 2018-07-06 | 2018-11-23 | 武汉兰丁医学高科技有限公司 | 血液细胞的图像识别计数方法 |
| CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
| CN109636824A (zh) * | 2018-12-20 | 2019-04-16 | 巢湖学院 | 一种基于图像识别技术的多目标计数方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111932498A (zh) * | 2020-07-09 | 2020-11-13 | 西南交通大学 | 无规则形状颗粒堆积体系中接触数定量表征方法 |
| CN111932498B (zh) * | 2020-07-09 | 2022-06-24 | 西南交通大学 | 无规则形状颗粒堆积体系中接触数定量表征方法 |
| CN113642609A (zh) * | 2021-07-15 | 2021-11-12 | 东华大学 | 基于图像识别技术的共混聚合物中分散相形貌的表征方法 |
| CN113642609B (zh) * | 2021-07-15 | 2024-03-26 | 东华大学 | 基于图像识别技术的共混聚合物中分散相形貌的表征方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020224458A1 (zh) | 一种基于图像处理的电晕检测方法 | |
| CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
| Barbedo | An automatic method to detect and measure leaf disease symptoms using digital image processing | |
| US10453195B2 (en) | Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium | |
| US7760912B2 (en) | Image segregation system with method for handling textures | |
| CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
| CN112686858A (zh) | 一种手机充电器视觉缺陷检测方法、装置、介质及设备 | |
| WO1992017848A1 (en) | Automated method and apparatus for determining characteristics of nerve fibers | |
| KR101549495B1 (ko) | 문자 추출 장치 및 그 방법 | |
| CN110569774B (zh) | 基于图像处理与模式识别的折线图图像自动数字化方法 | |
| EP2504697A1 (en) | Methods and system for recognizing wood species | |
| CN111161295A (zh) | 一种菜品图像背景剥离方法 | |
| WO2006113979A1 (en) | Method for identifying guignardia citricarpa | |
| CN115018797A (zh) | 屏幕缺陷的检测方法、检测设备以及计算机可读存储介质 | |
| CN110795955A (zh) | 一种快速识别多条码的***及其方法 | |
| CN110264463A (zh) | 一种基于matlab图像处理的物料清点方法 | |
| US11068740B2 (en) | Particle boundary identification | |
| CN113537037A (zh) | 路面病害识别方法、***、电子设备及存储介质 | |
| CN111665199A (zh) | 一种基于机器视觉的电线电缆颜色检测识别方法 | |
| CN113283439B (zh) | 基于图像识别的智能计数方法、装置及*** | |
| Di Ruberto et al. | Morphological image processing for evaluating malaria disease | |
| CN115272362A (zh) | 一种数字病理全场图像有效区域分割方法、装置 | |
| CN113392819A (zh) | 一种批量化学术图像自动分割标注装置和方法 | |
| CN107729828A (zh) | 一种指纹图像采集方法、电子设备、存储介质及*** | |
| CN111695374B (zh) | 监控视角中斑马线区域的分割方法、***、介质及设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190920 |