CN111667477A - 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 - Google Patents
磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 Download PDFInfo
- Publication number
- CN111667477A CN111667477A CN202010521715.7A CN202010521715A CN111667477A CN 111667477 A CN111667477 A CN 111667477A CN 202010521715 A CN202010521715 A CN 202010521715A CN 111667477 A CN111667477 A CN 111667477A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- magnetic material
- pixel point
- point
- 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
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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge 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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质,该方法通过获取磁材的待处理图像,从待处理图像中提取出磁材的轮廓,进而提取轮廓中相邻两边交界处的交界点,依据交界点对轮廓进行切分,得到切分后的多个边,最后对切分后的多个边中的待检测边进行平整度检测,得到待检测边的拱形尺寸缺陷的评价指标。在得到评价指标后,即可根据评价指标对拱形尺寸缺陷的缺陷程度进行量化评价,从而准确把控各待检测边所具有的拱形尺寸缺陷的缺陷程度,排除了检测人员主观因数的影响,使得检测准确度更为可靠。同时本申请实施例的方案可自动化实现,相比于传统的人工检测方法而言,检测效率更高,同时也降低了人工投入,降低了劳动强度。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质。
背景技术
现代磁性材料广泛应用于仪表、电工、软开关、自动控制以及航天仪器的设计制造中。随着工业的发展对磁性材料的尺寸要求越来越高,准确的测量磁性材料的尺寸对精密电子制造,精密机械制造起着重要的作用。在稀土磁材的制备过程中,前段工艺会有烧结工序,烧结后磁材有发生变形的可能,通常都会是拱形,而这种拱形变形人眼很难观察出。如果拱形缺陷在质检过程中被漏检流到下游将对企业产生很大损失。
目前国内较先进或较大规模的磁性材料生产商通常都是使用机器视觉的方法检测外观是否有明显缺陷,然后再人工使用0.001mm精度的千分尺抽检。而拱形尺寸缺陷是微小型尺寸缺陷,目前都是使用人工检测。人工检测方法是:将一片合格的磁材与待检测磁材重叠在一起,观察接触面是否会有缝隙(如果待检测磁材不是拱形料,那么接触面将没有缝隙),有缝隙代表拱形料,无缝隙代表是非拱形料。这种检测方法会受检测人员主观因数的影响,检测准确度难以把控,且人工的检测效率极低,劳动强度大。
发明内容
本申请实施例的目的在于提供一种磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质,用以解决现有通过人工检测的方式来实现对磁性材料拱形尺寸缺陷时,存在的受检测人员主观因数的影响,检测准确度难以把控,且检测效率极低,劳动强度大的问题。
本申请实施例提供了一种磁材尺寸缺陷检测方法,包括:获取磁材的待处理图像;从所述待处理图像中提取出所述磁材的轮廓;提取所述轮廓中相邻两边交界处的交界点;依据所述交界点对所述轮廓进行切分,得到切分后的多个边;对切分后的多个边中的待检测边进行平整度检测,得到所述待检测边的拱形尺寸缺陷的评价指标。
在上述实现过程中,通过获取磁材的待处理图像,进而从待处理图像中提取出磁材(即磁性材料)的轮廓,接着通过提取出轮廓中相邻两边交界处的交界点来实现对轮廓的切分,得到轮廓的多个边,进而对这多个边中的待检测边进行平整度检测,得到待检测边的拱形尺寸缺陷的评价指标。这样,通过待检测边的拱形尺寸缺陷的评价指标即可评价待检测边的拱形尺寸缺陷。需要理解的是,绝对平整的表面在实际生活中是不存在的,因此磁材必然会存在有拱形尺寸缺陷。相对而言,只要拱形尺寸缺陷在可接受的范围内即可。因此,在通过本申请实施例的方案得到各待检测边的拱形尺寸缺陷的评价指标之后,即可根据各待检测边的拱形尺寸缺陷的评价指标对拱形尺寸缺陷的缺陷程度进行量化评价,从而准确把控各待检测边所具有的拱形尺寸缺陷的缺陷程度,排除了检测人员主观因数的影响,使得检测准确度更为可靠。同时本申请实施例的方案可通过电子设备自动化实现,相比于传统的人工检测方法而言,检测效率更高,同时也降低了人工投入,降低了劳动强度。
进一步地,从所述待处理图像中提取出所述磁材的轮廓,包括:对所述待处理图像进行预处理,得到边缘点的灰度值高于非边缘点的灰度值的边缘增强图像;依据所述边缘增强图像中各像素点的灰度值,从所述待处理图像中提取出由所述边缘点构成的所述磁材的轮廓。
在上述实现过程中,通过对待处理图像进行预处理,得到磁材边缘区域的像素点的灰度值比其余区域的像素点的灰度值更大的边缘增强图像,从而得以基于灰度值提取出图像中的边缘点,这些边缘点即构成了磁材的轮廓。
进一步地,对所述待处理图像进行预处理,得到边缘点的灰度值高于非边缘点的灰度值的边缘增强图像,包括:使用n个不同角度的滤波器分别对所述待处理图像进行滤波,得到n个第一滤波图像;所述n为大于0的整数;合并所述n个第一滤波图像,得到所述边缘增强图像。
在上述实现过程中,通过n个不同角度的滤波器分别对待处理图像进行滤波后,再对滤波后的n个图像进行合并。这样,通过不同角度的滤波器滤波,即在不用角度方向上增强了磁材边缘处的高频信号,使得滤波后的图像在相应角度方向上的磁材边缘更为清晰(图像中边缘点的灰度值得以高于非边缘点的灰度值),方案实现简单、可靠。
进一步地,所述使用n个不同角度的滤波器分别对所述待处理图像进行滤波,得到n个第一滤波图像,包括:使用一个0度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW1;使用一个45度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW2;使用一个90度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW3;使用一个135度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW4。
进一步地,所述合并所述n个第一滤波图像包括:按照公式合并所述n个第一滤波图像;式中:∑i∈n(ImgWi)2表征取ImgW1的平方到ImgWn的平方之和;所述ImgW1表征第一幅第一滤波图像,所述ImgWn表征第n幅第一滤波图像。
在上述实现过程中,通过将各第一滤波图像平方求和后再开平方,这样合并得到的图像相对于直接将各第一滤波图像相加而言,图像的信息损失更小,能保留更多的图像信息,从而使得后续提取出的轮廓更为准确。
进一步地,依据所述边缘增强图像中各像素点的灰度值,从所述待处理图像中提取出由所述边缘点构成的所述磁材的轮廓,包括:遍历所述边缘增强图像;若当前的像素点的灰度值大于等于预设第一阈值,确认该像素点为边缘点;若当前的像素点的灰度值小于等于预设第二阈值,确认该像素点为非边缘点;所述预设第一阈值大于所述预设第二阈值;若当前的像素点的灰度值小于所述预设第一阈值且大于所述预设第二阈值,检测该像素点的8领域内是否存在边缘点;若该像素点的8领域内存在边缘点,确认该像素点为边缘点;否则,确认该像素点为非边缘点;在遍历完毕后,提取所述待处理图像中与所述边缘增强图像中各边缘点对应的像素点,得到所述磁材的轮廓。
在上述实现过程中,通过像素点的灰度值对像素点进行动态划分,对于灰度值小于预设第一阈值且大于预设第二阈值的像素点,其类型相对比较模糊,既可能是边缘点,也可能是非边缘点,此时通过判断该像素点的8领域内是否存在边缘点,从而实现对于该像素点的类型确定,这就可以在有效实现边缘点连续的前提下,实现对于像素点的类别的可靠确定,使得提取出的磁材的轮廓更为准确、完整。
进一步地,提取所述轮廓中相邻两边交界处的交界点包括:按照以下方式遍历所述轮廓中的各像素点:确定以当前被遍历到的像素点为中心的邻域M;所述邻域M是指该像素点的相邻M个像素点所构成的区域;所述M为大于0的整数;对以当前被遍历到的像素点为中心的邻域M进行拟合,得到拟合直线;获取所述拟合直线相对于所述预设假定直线的夹角;所述夹角为当前被遍历到的所述像素点的夹角;根据各所述像素点的夹角提取出所述轮廓中相邻两边交界处的交界点。
在实际应用过程中,交界点位于相邻两边交界处,因此在以交界点为中心的邻域M内,其通常会具有相邻两边中的像素点。那么基于交界点的邻域M进行拟合得到的拟合直线与预设假定直线的夹角,相比于非交界点的邻域M进行拟合得到的拟合直线与预设假定直线的夹角而言,会存在较大区别。据此,即可以有效提取出相邻两边交界处的交界点。
进一步地,根据各所述像素点的夹角提取出所述轮廓中相邻两边交界处的交界点,包括:按照以下方式遍历所述轮廓中的各像素点:判断以当前被遍历到的像素点为中心的邻域N内,是否存在夹角大于预设第一角度阈值或小于预设第二角度阈值的像素点;所述预设第一角度阈值大于所述预设第二角度阈值;所述邻域N是指该像素点的相邻N个像素点所构成的区域;所述N为大于0的整数;若存在大于预设第一角度阈值的像素点,将大于所述预设第一角度阈值的像素点中,夹角最大的像素点作为交界点;若存在小于预设第二角度阈值的像素点,将小于所述预设第二角度阈值的像素点中,夹角最小的像素点作为交界点。
在上述实现过程中,由于交界点的夹角和非交界点的夹角相比,存在较大的差异,因此通过预设合理的角度阈值,即可很容易地实现对于交界点的提取,实现过程、简单、可靠。
进一步地,对切分后的多个边中的待检测边进行平整度检测,得到所述待检测边的拱形尺寸缺陷的评价指标,包括:连接所述多个边中的待检测边中首尾两点,得到基准直线;获取所述待检测边中各像素点到所述基准直线的垂直距离;基于所述待检测边中各像素点到所述基准直线的垂直距离,得到所述待检测边中的拱形尺寸缺陷的评价指标。
在上述实现过程中,对待检测边中首尾两点进行连接,即可得到一条基准直线。而在实际应用过程中,磁材不可能存在绝对平整的边,因此在待检测边中的其余像素点可能分布在基准直线两边,也可能刚好位于该基准直线上。通过各像素点与该基准直线之间的垂直距离,即可以有效反映出该边的平整程度,从而反映出该边中拱形尺寸缺陷的缺陷程度。
进一步地,基于所述待检测边中各边缘点到所述基准直线的垂直距离,得到所述待检测边中的拱形尺寸缺陷的评价指标,包括:确定所述待检测边中各边缘点到所述基准直线的垂直距离的期望和标准差;所述期望和标准差为所述待检测边中的拱形尺寸缺陷的评价指标。
若直接以离散的各像素点与该基准直线之间的垂直距离作为评价指标,那么整个评价指标并不能很直观的反映出该边中拱形尺寸缺陷的缺陷程度。为此,在上述实现过程中通过确定待检测边中各边缘点到基准直线的垂直距离的期望和标准差,以该期望和标准差来作为评价指标即可很直观的反映出该边中拱形尺寸缺陷的缺陷程度。通常,期望和标准差越小,表明拱形尺寸缺陷的缺陷程度越轻。
本申请实施例还提供了一种磁材尺寸缺陷检测装置,包括:获取模块、提取模块、切分模块和检测模块;所述获取模块,用于获取磁材的待处理图像;所述提取模块,用于从所述待处理图像中提取出所述磁材的轮廓,以及用于提取所述轮廓中相邻两边交界处的交界点;所述切分模块,用于依据所述交界点对所述轮廓进行切分,得到切分后的多个边;所述检测模块,用于对切分后的多个边中的待检测边进行平整度检测,得到所述待检测边的拱形尺寸缺陷的评价指标。
通过上述实现装置,可以自动化得到各待检测边的拱形尺寸缺陷的评价指标,从而使得可以根据各待检测边的拱形尺寸缺陷的评价指标对拱形尺寸缺陷的缺陷程度进行量化评价,从而准确把控各待检测边所具有的拱形尺寸缺陷的缺陷程度,排除了检测人员主观因数的影响,使得检测准确度更为可靠。同时相比于传统的人工检测方法而言,检测效率更高,也降低了人工投入,降低了劳动强度。
本申请实施例还提供了一种检测设备,包括:包括数据接口、处理器、存储器及通信总线;所述数据接口用于获取磁材的待处理图像;所述通信总线用于实现所述数据接口、处理器和存储器之间的连接通信;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任一种的磁材尺寸缺陷检测方法。
本申请实施例中还提供了一种可读存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一种的磁材尺寸缺陷检测方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种磁材尺寸缺陷检测方法的流程示意图;
图2为本申请实施例提供的一种像素点的8领域示意图;
图3为本申请实施例提供的一种邻域示意图;
图4为本申请实施例提供的一种磁材图像;
图5为本申请实施例提供的一种提取出的磁材轮廓的示意图;
图6为本申请实施例提供的一种轮廓被切分后的示意图;
图7为本申请实施例提供的一种提取出磁材上下两个长边的示意图;
图8为本申请实施例提供的一种up_dists的变化曲线;
图9为本申请实施例提供的一种磁材尺寸缺陷检测装置的结构示意图;
图10为本申请实施例提供的一种检测设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一:
本申请实施例中提供了一种磁材尺寸缺陷检测方法,参见图1所示,包括:
S101:获取磁材的待处理图像。
在本申请实施例中,可以通过工业相机等设备拍摄得到所需检测的磁材(即磁性材料)的待处理图像。通常工业相机等设备拍摄得到的图像为彩色图像,而为了便于进行图像处理,本申请实施例中可以将彩色图像转换为灰度图像,然后再进行处理。
S102:从待处理图像中提取出磁材的轮廓。
为了便于从待处理图像中提取出磁材的轮廓,本申请实施例中可以通过预处理将待处理图像中边缘点的灰度值调整成为高于非边缘点的灰度值,从而得到边缘增强图像。进而只需要依据所述待处理图像中各像素点的灰度值,从边缘增强图像中识别出边缘点,即可对应在待处理图像中提取出与边缘增强图像中各边缘点对应的像素点,得到磁材轮廓。
需要理解的是,本申请实施例中所述的边缘点是指待处理图像以及边缘增强图像中,磁材所在区域与非磁材区域交界处的像素点,这些像素点可以构成磁材的轮廓。而在待处理图像以及边缘增强图像中,除边缘点外的其余像素点即为非边缘点。
为了达到使得边缘点的灰度值高于非边缘点的灰度值的目的,本申请实施例中所采用的预处理手段包括但不限于图像锐化、滤波增强等手段。
在本申请实施例的一种可行示例中,可以是通过n个不同角度的滤波器分别对待处理图像进行滤波,从而在n个不同角度方向上增强了磁材边缘处的高频信号,使得滤波后的图像在相应角度方向上的磁材边缘更为清晰。
在通过n个不同角度的滤波器分别对待处理图像进行滤波后,即可以得到n个第一滤波图像,进而通过合并这n个第一滤波图像,即可得到边缘点的灰度值高于非边缘点的灰度值的边缘增强图像。其中n为大于0的整数。
在本申请实施例中,对于n个第一滤波图像的合并方式可以是通过直接将各第一滤波图像加和起来实现。但是直接将n个第一滤波图像进行加和所得到的图像相较于待处理图像而言,可能会存在一定的信息丢失。为了减少信息的丢失,在本申请实施例的一种可行实施方式中,可以按照公式合并各第一滤波图像。
式中:∑i∈n(ImgWi)2表征取ImgW1的平方到ImgWn的平方之和;ImgW1表征第一幅第一滤波图像,ImgWn表征第n幅第一滤波图像。
需要注意的是,在本申请实施例中,采用多少个滤波器以及各滤波器的角度可以由工程师根据实际需要进行选定。
示例性的,可以使用一个0度滤波器、一个45度滤波器、一个90度滤波器、以及一个135度滤波器来分别对待处理图像进行滤波。记使用0度滤波器得到的第一滤波图像为ImgW1,使用45度滤波器得到的第一滤波图像为ImgW2,使用90度滤波器得到的第一滤波图像为ImgW3,使用135度滤波器得到的第一滤波图像为ImgW4。
还需要注意的是,在本申请实施例中,在对n个第一滤波图像进行合并之后,还可以通过一个高斯滤波器对合并后的图像进行高斯滤波,从而去除合并后的图像中可能存在的噪声点,使得得到的边缘增强图像更为可靠。
还需要注意的是,在本申请实施例中,各滤波器可以采用二阶滤波器。
在本申请实施例中,在得到了边缘点的灰度值高于非边缘点的灰度值的待处理图像后,可以通过以下方式实现对于待处理图像中边缘点的识别:
可以预先设定一个第一阈值和一个第二阈值,其中,第一阈值大于第二阈值。
在识别边缘点时,可以遍历边缘增强图像中的各个像素点。对于每一个遍历到的像素点,按照下述判别方式确定其是否为边缘点:
若像素点的灰度值大于等于预设的第一阈值,确认该像素点为边缘点;
若像素点的灰度值小于等于预设的第二阈值,确认该像素点为非边缘点;
若像素点的灰度值小于预设的第一阈值且大于预设的第二阈值,则检测该像素点的8领域内是否存在边缘点。若该像素点的8领域内存在边缘点,确认该像素点为边缘点;否则,确认该像素点为非边缘点。
需要说明的是,所谓像素点的8领域是指以该像素点为中心的周边8个像素点所在的区域。参见图2所示,图2中存在像素点1至9,其中像素点2至8即为像素点1的8领域内的像素点。
在前述边缘点的识别方式中,工程师可以根据大量实验数据或经验值设定第一阈值和第二阈值,使得大于等于第一阈值的像素点大概率为边缘点,使得小于等于第二阈值的像素点大概率为非边缘点。而对于灰度值小于预设的第一阈值且大于预设的第二阈值的部分像素点,则依据其8领域内是否存在边缘点来进行判定,从而有效提高了边缘点的识别可靠性。
应当理解的是,前述边缘点的识别方式仅为本申请实施例中所提供的一种可行方式,不代表本申请实施例中仅可采用该方式来进行边缘点识别。事实上,任何可以识别出图像中边缘点的方式均可被本申请实施例所采用。例如,还可以是设定一个灰度阈值,将边缘增强图像中灰度值大于该灰度阈值的像素点识别为边缘点,而小于等于该灰度阈值的像素点即为非边缘点。
在识别出边缘增强图像中的边缘点后,提取待处理图像中与边缘增强图像中各边缘点对应的像素点,即可得到磁材的轮廓。
S103:提取轮廓中相邻两边交界处的交界点。
在本申请实施例中,可以按照以下方式遍历轮廓中的各像素点,从而确定出相邻两边交界处的交界点:
首先,确定以当前被遍历到的像素点为中心的邻域M。
需要理解的是,所谓邻域M是指以该像素点为中心的相邻M个像素点所构成的区域,其中M为大于0的整数。示例性的,参见图3所示,如图3中像素点1至9即是以像素点5为中心的邻域9。
然后,对以当前被遍历到的像素点为中心的邻域M进行拟合,得到拟合直线。
应当理解的是,在实际应用过程中不存在绝对平整的轮廓,因此相邻的M个像素点之间很可能并不能连接成为一条直线,为此可以对其进行拟合,得到相应的拟合直线。
然后,可以获取拟合直线相对于预设假定直线的夹角。
在本申请实施例中,可以预先设定一条直线,该直线用于与各个像素点对应的拟合直线形成相应的夹角。这样,所有像素点对应的拟合直线在求取夹角时,即会相对于同一标准进行求取,从而使得各像素点对应的拟合直线的夹角具有可比性。
还需要注意的是,在本申请实施例中,以当前被遍历到的像素点为中心的邻域M对应的拟合直线相对于预设假定直线的夹角,即作为该当前被遍历到的像素点的夹角,从而用于后续的交界点提取。
最后,根据各像素点的夹角提取出轮廓中相邻两边交界处的交界点。
在本申请实施例中,可以遍历轮廓中的各像素点,然后判断以当前被遍历到的像素点为中心的邻域N内,是否存在夹角大于预设第一角度阈值或小于预设第二角度阈值的像素点。
若存在大于预设第一角度阈值的像素点,将邻域N内大于预设第一角度阈值的像素点中,夹角最大的像素点作为交界点;
若存在小于预设第二角度阈值的像素点,将邻域N内小于预设第二角度阈值的像素点中,夹角最小的像素点作为交界点。
值得注意的是,在本申请实施例中,预设第一角度阈值应当大于预设第二角度阈值,且预设第一角度阈值和预设第二角度阈值应当由工程师根据实际需要进行设置。
此外,本申请实施例中,M和N的值可以由工程师根据实际需要进行设定。
S104:依据交界点对轮廓进行切分,得到切分后的多个边。
S105:对切分后的多个边中的待检测边进行平整度检测,得到待检测边的拱形尺寸缺陷的评价指标。
需要理解的是,在本申请实施例中,以交界点为分割点对于轮廓进行切分,可以得到多个边。比如对于一个立方体的磁材,对其的轮廓进行切分后会得到四个边。但是在实际应用过程中,磁材主要使用上下两个面,因此通常只需要对上下两个边进行检测即可。因此在本申请实施例中,在切分得到多个边之后,还可以按照设定规则或反馈给工程师以确定出需要进行平整度检测的边(即待检测边)。
示例性的,以只需要对上下两个边进行检测的情况为例,由于实际使用的磁材通常是片状的,因此磁材主要使用的上下两个面的轮廓边长会远远大于磁材的高。因此在切分得到多个边之后,可以检测各边的长度,从而中选择长度最长的两个边或长度大于预设长度阈值的边作为待检测边。
在本申请实施例中,可以通过以下方式实现对于待检测边的平整度检测,得到待检测边中的拱形尺寸缺陷的评价指标:
可以将待检测边中的首尾两个像素点连接起来,得到一条基准直线。然后获取待检测边中各像素点到该基准直线的垂直距离,进而基于各像素点到基准直线的垂直距离,得到待检测边中的拱形尺寸缺陷的评价指标。
应理解的是,在实际应用过程中,磁材不可能存在绝对平整的边,因此在待检测边中的各像素点可能分布在基准直线两边,也可能刚好位于该基准直线上。通过各像素点与该基准直线之间的垂直距离,即可以有效反映出该边的平整程度,从而反映出该边中拱形尺寸缺陷的缺陷程度。
理论上,直接以离散的各像素点与该基准直线之间的垂直距离作为评价指标,也可以很好的评价一条磁材轮廓中的一条边中拱形尺寸缺陷的缺陷程度,但是并不直观,需要用户进行分析。
为了更直观的反映出边中拱形尺寸缺陷的缺陷程度,本申请实施例中,可以确定待检测边中各像素点到基准直线的垂直距离的期望和标准差,以该期望和标准差作为该待检测边中的拱形尺寸缺陷的评价指标。这样,用户通过期望和标准差即可将边中拱形尺寸缺陷的缺陷程度量化,从而很直观的反映出该边中拱形尺寸缺陷的缺陷程度。通常,期望和标准差越小,表明拱形尺寸缺陷的缺陷程度越轻。
应当理解的是,本申请实施例中除了采用期望和标准差作为评价指标外,也可以是采用方差等作为评价指标,在本申请实施例中不做限定。
应当理解的是,在实际应用过程中,几乎不可能存在绝对平整的磁材,因此磁材的拱形尺寸缺陷是必然存在的,区别在于不同用户对于磁材的拱形尺寸缺陷的接受程度。只要用户能接受当前磁材的拱形尺寸缺陷,即认为该磁材是合格的,反之则认为该磁材不合格。
因此,本申请实施例中可以根据不同用户的接受程度,设置不同的评价指标阈值。从而在得到待检测边的拱形尺寸缺陷的评价指标后,确定当前检测的磁材所对应的用户是谁,进而将得到的各待检测边的拱形尺寸缺陷的评价指标与该用户对应的评价指标阈值进行比较,若各待检测边的拱形尺寸缺陷的评价指标均达标,即认为该磁材合格。当然,在得到各待检测边的拱形尺寸缺陷的评价指标后,也可以返回给工程师或用户,由工程师或用户人工确定是否合格。
本申请实施例中提供的磁材尺寸缺陷检测方法,通过获取磁材的待处理图像,进而从待处理图像中提取出磁材的轮廓,接着通过提取出轮廓中相邻两边交界处的交界点来实现对轮廓的切分,得到轮廓的多个边,进而对这多个边中的待检测边进行平整度检测,得到待检测边的拱形尺寸缺陷的评价指标。这样,通过待检测边的拱形尺寸缺陷的评价指标即可评价待检测边的拱形尺寸缺陷。而在通过本申请实施例的方案得到各待检测边的拱形尺寸缺陷的评价指标之后,即可根据各待检测边的拱形尺寸缺陷的评价指标对拱形尺寸缺陷的缺陷程度进行量化评价,从而准确把控各待检测边所具有的拱形尺寸缺陷的缺陷程度,排除了检测人员主观因数的影响,使得检测准确度更为可靠。同时本申请实施例的方案可通过电子设备自动化实现,相比于传统的人工检测方法而言,检测效率更高,同时也降低了人工投入,降低了劳动强度。
实施例二:
本实施例在实施例一的基础上,以一种具体的磁材尺寸缺陷检测过程为例,对本申请的方案进行示例说明。
第一步,磁材轮廓提取:
参见图4所示,图4为通过工业相机拍摄得到的磁材图像,记为ORIGIN_IMAGE。
首先,分别使用1个0度二阶滤波器对磁材图像ORIGIN_IMAGE进行滤波得到ImgW1,1个45度二阶滤波器对磁材图像ORIGIN_IMAGE进行滤波得到ImgW2、1个90度二阶滤波器对磁材图像ORIGIN_IMAGE进行滤波得到ImgW3、1个135度二阶滤波器对磁材图像ORIGIN_IMAGE进行滤波得到ImgW4。
然后,通过以下公式得到图像Image:
对图像Image进行二阶高斯滤波,得到图像GaussianImg。
最后遍历图像GaussianImg,如果GaussianImg中第i个像素点的灰度值大于等于设定的阈值1.5T时,则记图像ORIGIN_IMAGE第i个像素点为边缘点;如果GaussianImg中第i个像素点的灰度值小于等于阈值T,则记图像ORIGIN_IMAGE中第i个像素点为非边缘点;如果GaussianImg中第i个像素点的灰度值大于T小于1.5T,且第i个像素点的8领域内没有边缘点,则记图像ORIGIN_IMAGE中第i个像素点为非边缘点,反之则记图像ORIGIN_IMAGE中第i个像素点为边缘点。提取得到图像轮廓如图5所示,图5中黑色线即为提取出的磁材轮廓。
第二步,磁材轮廓切分:
首先,顺序获取轮廓信息(即轮廓上的各像素点的坐标),并将其存入向量容器contour中。
然后,遍历向量容器contour,计算向量容器中第i个点在设定的邻域M内的拟合直线与设定的假定直线之间的角度angles。该角度值记为第i个点的角度值。
最后,遍历各像素点的角度值angles,并判断第j个像素点在设定的邻域N内,是否存在像素点的角度值大于预设第一角度阈值或小于预设第二角度阈值的像素点;若存在,记录大于预设第一角度阈值的像素点中,角度值最大的像素点的索引max_idxs,记录小于预设第二角度阈值的像素点中,角度值最小的像素点的索引min_idxs,并将索引max_idxs和min_idxs对应值映射回向量容器contour,得到其在向量容器contour中对应的索引集合indexs。
基于索引集合indexs对向量容器contour进行切分,得到轮廓集合seg_contours。如图6所示,在图6中,不同颜色深度的轮廓(也即边)代表图5中的单个轮廓被切分后的结果,其中相邻边的交界点坐标索引即为这里的indexs值。计算seg_contours集合中每个边的面积(单个边的总像素点数),并根据设定的面积阈值T提取出磁材上下两个长边final_contours,如图7所示。
第三步:轮廓分析
首先,获取final_contours(final_contours中共包含两个边)中每个边上的坐标点(坐标点排序按照边的方向依次排列),记图7中上边像素点集合为e_up_pts,下边像素点集合为e_down_pts。
然后,计算e_up_pts中每个像素点到e_up_pts首、尾两点组成的基准直线的垂直距离,记作up_dists;计算e_down_pts中每个像素点到e_down_pts首、尾两点组成的基准直线的垂直距离,记作down_dists。
如图8所示,在图8中示出了up_dists的变化曲线,从图8中可以看出,磁材上边轮廓是存在波动的,在磁材原始图(即图4)中,仅靠人眼是无法观测到磁材上边轮廓存在“波动”或呈现为拱形,而依据磁材实物判别是否为拱形尺寸缺陷则更为困难。需要理解的是,图8中横轴的数值表征的是up_dists中第几个像素点,比如200即表征第200个像素点;图8中的纵轴表征的是像素点到基准直线的垂直距离的值,其单位可以为像素。
最后,分别计算出up_dists和down_dists的期望和标准差,计算得到的期望和标准差即为衡量磁材存在的拱形尺寸缺陷的缺陷程度的量,也即为拱形尺寸缺陷的评价指标。
本申请实施例,实现了对于磁材轮廓的高精度、高鲁棒的提取,同时可以有效排除磁材四角的倒角对判别带来的干扰,实现了高精度、高鲁棒的将磁材轮廓中,各边(包括直线边之间的圆弧边)的分割。最后对轮廓中的上下两边进行分析,给出定量数据,便于判别磁材是否为拱形料。
实施例三:
基于同一发明构思,本申请实施例中还提供了一种磁材尺寸缺陷检测装置。请参阅图9所示,图9示出了与实施例一所示的方法对应的磁材尺寸缺陷检测装置100。应理解,磁材尺寸缺陷检测装置100具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。磁材尺寸缺陷检测装置100包括至少一个能以软件或固件的形式存储于存储器中或固化在磁材尺寸缺陷检测装置100的操作***中的软件功能模块。具体地:
参见图9所示,磁材尺寸缺陷检测装置100包括:获取模块101、提取模块102、切分模块103和检测模块104。其中:
获取模块101,用于获取磁材的待处理图像。
提取模块102,用于从待处理图像中提取出磁材的轮廓,以及用于提取轮廓中相邻两边交界处的交界点。
切分模块103,用于依据交界点对轮廓进行切分,得到切分后的多个边。
检测模块104,用于对切分后的多个边中的待检测边进行平整度检测,得到待检测边的拱形尺寸缺陷的评价指标。
在本申请实施例中,提取模块102具体用于对待处理图像进行预处理,得到边缘点的灰度值高于非边缘点的灰度值的边缘增强图像;依据边缘增强图像中各像素点的灰度值,从待处理图像中提取出由边缘点构成的磁材的轮廓。
在本申请实施例的一种可行实施方式中,提取模块102具体用于使用n个不同角度的滤波器分别对待处理图像进行滤波,得到n个第一滤波图像;n为大于0的整数;合并n个第一滤波图像,得到边缘增强图像。
在上述可行实施方式中,提取模块102具体用于使用一个0度滤波器对待处理图像进行滤波,得到第一滤波图像ImgW1;使用一个45度滤波器对待处理图像进行滤波,得到第一滤波图像ImgW2;使用一个90度滤波器对待处理图像进行滤波,得到第一滤波图像ImgW3;使用一个135度滤波器对待处理图像进行滤波,得到第一滤波图像ImgW4。
式中:∑i∈n(ImgWi)2表征取ImgW1的平方到ImgWn的平方之和;ImgW1表征第一幅第一滤波图像,ImgWn表征第n幅第一滤波图像。
在本申请实施例中,提取模块102具体用于遍历边缘增强图像;若当前的像素点的灰度值大于等于预设第一阈值,确认该像素点为边缘点;若当前的像素点的灰度值小于等于预设第二阈值,确认该像素点为非边缘点;预设第一阈值大于预设第二阈值;若当前的像素点的灰度值小于预设第一阈值且大于预设第二阈值,检测该像素点的8领域内是否存在边缘点;若该像素点的8领域内存在边缘点,确认该像素点为边缘点;否则,确认该像素点为非边缘点;在遍历完毕后,提取待处理图像中与边缘增强图像中各边缘点对应的像素点,得到磁材的轮廓。
在本申请实施例中,提取模块102具体用于按照以下方式遍历轮廓中的各像素点:确定以当前被遍历到的像素点为中心的邻域M;邻域M是指该像素点的相邻M个像素点所构成的区域;M为大于0的整数;对以当前被遍历到的像素点为中心的邻域M进行拟合,得到拟合直线;获取拟合直线相对于预设假定直线的夹角;夹角为当前被遍历到的像素点的夹角;根据各像素点的夹角提取出轮廓中相邻两边交界处的交界点。
在本申请实施例的一种可行实施方式中,提取模块102具体用于按照以下方式遍历轮廓中的各像素点:判断以当前被遍历到的像素点为中心的邻域N内,是否存在夹角大于预设第一角度阈值或小于预设第二角度阈值的像素点;预设第一角度阈值大于预设第二角度阈值;邻域N是指该像素点的相邻N个像素点所构成的区域;N为大于0的整数;若存在大于预设第一角度阈值的像素点,将大于预设第一角度阈值的像素点中,夹角最大的像素点作为交界点;若存在小于预设第二角度阈值的像素点,将小于预设第二角度阈值的像素点中,夹角最小的像素点作为交界点。
在本申请实施例中,检测模块104具体用于连接多个边中的待检测边中首尾两点,得到基准直线;获取待检测边中各像素点到基准直线的垂直距离;基于待检测边中各像素点到基准直线的垂直距离,得到待检测边中的拱形尺寸缺陷的评价指标。
在本申请实施例的一种可行实施方式中,检测模块104具体用于确定待检测边中各像素点到基准直线的垂直距离的期望和标准差;期望和标准差为待检测边中的拱形尺寸缺陷的评价指标。
需要理解的是,出于描述简洁的考量,部分实施例一中描述过的内容在本实施例中不再赘述。
实施例四:
本实施例提供了一种检测设备,参见图10所示,其包括数据接口1001、处理器1002、存储器1003以及通信总线1004。其中:
数据接口1001用于获取磁材的待处理图像。
通信总线1004用于实现数据接口1001、处理器1002和存储器1003之间的连接通信。
处理器1002用于执行存储器1003中存储的一个或多个程序,以实现上述实施例一/二中的磁材尺寸缺陷检测方法。
可以理解,图10所示的结构仅为示意,检测设备还可包括比图10中所示更多或者更少的组件,或者具有与图10所示不同的配置,例如还可以具有显示屏、键盘等部件。
本实施例还提供了一种可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD(SecureDigital Memory Card,安全数码卡)卡、MMC(MultimediaCard,多媒体卡)卡等,在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例一/二中的磁材尺寸缺陷检测方法。在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在本文中,多个是指两个或两个以上。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种磁材尺寸缺陷检测方法,其特征在于,包括:
获取磁材的待处理图像;
从所述待处理图像中提取出所述磁材的轮廓;
提取所述轮廓中相邻两边交界处的交界点;
依据所述交界点对所述轮廓进行切分,得到切分后的多个边;
对切分后的多个边中的待检测边进行平整度检测,得到所述待检测边的拱形尺寸缺陷的评价指标。
2.如权利要求1所述的磁材尺寸缺陷检测方法,其特征在于,从所述待处理图像中提取出所述磁材的轮廓,包括:
对所述待处理图像进行预处理,得到边缘点的灰度值高于非边缘点的灰度值的边缘增强图像;
依据所述边缘增强图像中各像素点的灰度值,从所述待处理图像中提取出由所述边缘点构成的所述磁材的轮廓。
3.如权利要求2所述的磁材尺寸缺陷检测方法,其特征在于,对所述待处理图像进行预处理,得到边缘点的灰度值高于非边缘点的灰度值的边缘增强图像,包括:
使用n个不同角度的滤波器分别对所述待处理图像进行滤波,得到n个第一滤波图像;所述n为大于0的整数;
合并所述n个第一滤波图像,得到所述边缘增强图像。
4.如权利要求3所述的磁材尺寸缺陷检测方法,其特征在于,所述使用n个不同角度的滤波器分别对所述待处理图像进行滤波,得到n个第一滤波图像,包括:
使用一个0度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW1;
使用一个45度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW2;
使用一个90度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW3;
使用一个135度滤波器对所述待处理图像进行滤波,得到第一滤波图像ImgW4。
6.如权利要求2-5任一项所述的磁材尺寸缺陷检测方法,其特征在于,依据所述边缘增强图像中各像素点的灰度值,从所述待处理图像中提取出由所述边缘点构成的所述磁材的轮廓,包括:
遍历所述边缘增强图像;
若当前的像素点的灰度值大于等于预设第一阈值,确认该像素点为边缘点;
若当前的像素点的灰度值小于等于预设第二阈值,确认该像素点为非边缘点;所述预设第一阈值大于所述预设第二阈值;
若当前的像素点的灰度值小于所述预设第一阈值且大于所述预设第二阈值,检测该像素点的8领域内是否存在边缘点;若该像素点的8领域内存在边缘点,确认该像素点为边缘点;否则,确认该像素点为非边缘点;
在遍历完毕后,提取所述待处理图像中与所述边缘增强图像中各边缘点对应的像素点,得到所述磁材的轮廓。
7.如权利要求1-5任一项所述的磁材尺寸缺陷检测方法,其特征在于,提取所述轮廓中相邻两边交界处的交界点包括:
按照以下方式遍历所述轮廓中的各像素点:
确定以当前被遍历到的像素点为中心的邻域M;所述邻域M是指该像素点的相邻M个像素点所构成的区域;所述M为大于0的整数;
对以当前被遍历到的像素点为中心的邻域M进行拟合,得到拟合直线;
获取所述拟合直线相对于所述预设假定直线的夹角;所述夹角为当前被遍历到的所述像素点的夹角;
根据各所述像素点的夹角提取出所述轮廓中相邻两边交界处的交界点。
8.如权利要求7所述的磁材尺寸缺陷检测方法,其特征在于,根据各所述像素点的夹角提取出所述轮廓中相邻两边交界处的交界点,包括:
按照以下方式遍历所述轮廓中的各像素点:
判断以当前被遍历到的像素点为中心的邻域N内,是否存在夹角大于预设第一角度阈值或小于预设第二角度阈值的像素点;所述预设第一角度阈值大于所述预设第二角度阈值;所述邻域N是指该像素点的相邻N个像素点所构成的区域;所述N为大于0的整数;
若存在大于预设第一角度阈值的像素点,将大于所述预设第一角度阈值的像素点中,夹角最大的像素点作为交界点;
若存在小于预设第二角度阈值的像素点,将小于所述预设第二角度阈值的像素点中,夹角最小的像素点作为交界点。
9.如权利要求1-5任一项所述的磁材尺寸缺陷检测方法,其特征在于,对切分后的多个边中的待检测边进行平整度检测,得到所述待检测边的拱形尺寸缺陷的评价指标,包括:
连接所述多个边中的待检测边中首尾两点,得到基准直线;
获取所述待检测边中各像素点到所述基准直线的垂直距离;
基于所述待检测边中各像素点到所述基准直线的垂直距离,得到所述待检测边中的拱形尺寸缺陷的评价指标。
10.如权利要求9所述的磁材尺寸缺陷检测方法,其特征在于,基于所述待检测边中各像素点到所述基准直线的垂直距离,得到所述待检测边中的拱形尺寸缺陷的评价指标,包括:
确定所述待检测边中各像素点到所述基准直线的垂直距离的期望和标准差;所述期望和标准差为所述待检测边中的拱形尺寸缺陷的评价指标。
11.一种磁材尺寸缺陷检测装置,其特征在于,包括:获取模块、提取模块、切分模块和检测模块;
所述获取模块,用于获取磁材的待处理图像;
所述提取模块,用于从所述待处理图像中提取出所述磁材的轮廓,以及用于提取所述轮廓中相邻两边交界处的交界点;
所述切分模块,用于依据所述交界点对所述轮廓进行切分,得到切分后的多个边;
所述检测模块,用于对切分后的多个边中的待检测边进行平整度检测,得到所述待检测边的拱形尺寸缺陷的评价指标。
12.一种检测设备,其特征在于,包括数据接口、处理器、存储器及通信总线;
所述数据接口用于获取磁材的待处理图像;
所述通信总线用于实现所述数据接口、处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至10任一项所述的磁材尺寸缺陷检测方法。
13.一种可读存储介质,其特征在于,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至10任一项所述的磁材尺寸缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010521715.7A CN111667477B (zh) | 2020-06-10 | 2020-06-10 | 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010521715.7A CN111667477B (zh) | 2020-06-10 | 2020-06-10 | 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667477A true CN111667477A (zh) | 2020-09-15 |
CN111667477B CN111667477B (zh) | 2023-06-20 |
Family
ID=72386353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010521715.7A Active CN111667477B (zh) | 2020-06-10 | 2020-06-10 | 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667477B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112951348A (zh) * | 2020-11-05 | 2021-06-11 | 苏州精美科光电材料有限公司 | 一种用于提高芯片制造良品率的AlSc靶材的制造方法 |
CN113160161A (zh) * | 2021-04-14 | 2021-07-23 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
CN113763379A (zh) * | 2021-09-23 | 2021-12-07 | 成都唐源电气股份有限公司 | 吊弦断股检测方法、装置、计算机设备及存储介质 |
CN113793322A (zh) * | 2021-09-16 | 2021-12-14 | 上海安稷软件科技有限公司 | 一种对磁性材料自动检测的方法、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289118A (zh) * | 2016-09-06 | 2017-01-04 | 乐视控股(北京)有限公司 | 表面平整度的检测方法、装置及终端 |
CN109544577A (zh) * | 2018-11-27 | 2019-03-29 | 辽宁工程技术大学 | 一种基于边缘点编组的改进直线提取方法 |
CN109872304A (zh) * | 2019-01-17 | 2019-06-11 | 京东方科技集团股份有限公司 | 图像缺陷检测方法及装置、电子设备、存储介质 |
CN110189322A (zh) * | 2019-06-04 | 2019-08-30 | 广州视源电子科技股份有限公司 | 平整度检测方法、装置、设备、存储介质及*** |
CN111145167A (zh) * | 2019-12-30 | 2020-05-12 | 杭州艾芯智能科技有限公司 | 平整度检测方法、装置、计算机设备和存储介质 |
-
2020
- 2020-06-10 CN CN202010521715.7A patent/CN111667477B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289118A (zh) * | 2016-09-06 | 2017-01-04 | 乐视控股(北京)有限公司 | 表面平整度的检测方法、装置及终端 |
CN109544577A (zh) * | 2018-11-27 | 2019-03-29 | 辽宁工程技术大学 | 一种基于边缘点编组的改进直线提取方法 |
CN109872304A (zh) * | 2019-01-17 | 2019-06-11 | 京东方科技集团股份有限公司 | 图像缺陷检测方法及装置、电子设备、存储介质 |
CN110189322A (zh) * | 2019-06-04 | 2019-08-30 | 广州视源电子科技股份有限公司 | 平整度检测方法、装置、设备、存储介质及*** |
CN111145167A (zh) * | 2019-12-30 | 2020-05-12 | 杭州艾芯智能科技有限公司 | 平整度检测方法、装置、计算机设备和存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112951348A (zh) * | 2020-11-05 | 2021-06-11 | 苏州精美科光电材料有限公司 | 一种用于提高芯片制造良品率的AlSc靶材的制造方法 |
CN112951348B (zh) * | 2020-11-05 | 2023-11-03 | 苏州精美科光电材料有限公司 | 一种用于提高芯片制造良品率的AlSc靶材的制造方法 |
CN113160161A (zh) * | 2021-04-14 | 2021-07-23 | 歌尔股份有限公司 | 目标边缘处缺陷的检测方法和装置 |
CN113793322A (zh) * | 2021-09-16 | 2021-12-14 | 上海安稷软件科技有限公司 | 一种对磁性材料自动检测的方法、电子设备和存储介质 |
CN113763379A (zh) * | 2021-09-23 | 2021-12-07 | 成都唐源电气股份有限公司 | 吊弦断股检测方法、装置、计算机设备及存储介质 |
CN113763379B (zh) * | 2021-09-23 | 2023-07-18 | 成都唐源电气股份有限公司 | 吊弦断股检测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111667477B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111667477B (zh) | 磁材尺寸缺陷检测方法、装置、检测设备及可读存储介质 | |
CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及*** | |
Song et al. | Edge connection based Canny edge detection algorithm | |
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN108364311B (zh) | 一种金属部件自动定位方法及终端设备 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN108918093B (zh) | 一种滤光片镜面缺陷检测方法、装置及终端设备 | |
CN110660072B (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
US20230090846A1 (en) | Method and device for detecting defects in aircraft template | |
CN109378279B (zh) | 晶圆检测方法及晶圆检测*** | |
CN113340909B (zh) | 一种基于机器视觉的胶线缺陷检测方法 | |
CN105447489B (zh) | 一种图片ocr识别***的字符与背景粘连噪声消除方法 | |
CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
CN110007493A (zh) | 液晶显示屏中碎亮点检测方法 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN113077437A (zh) | 工件质量检测方法及其*** | |
Hongxun et al. | Pavement crack detection by ridge detection on fractional calculus and dual-thresholds | |
CN115526885A (zh) | 一种产品图像缺陷检测方法、***、装置及介质 | |
CN112967226A (zh) | 一种基于人工智能的高反光制品检测***、方法及介质 | |
CN114092385A (zh) | 基于机器视觉的工业机械故障检测方法及装置 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测***、方法及介质 | |
CN112329572B (zh) | 一种基于边框和闪光点的快速静态活体检测方法及装置 | |
CN113378847B (zh) | 字符分割方法、***、计算机设备和存储介质 | |
Sun et al. | Research on image segmentation and extraction algorithm for bicolor water level gauge |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |