CN111861997B - 一种花纹板材圆孔尺寸检测方法、***及装置 - Google Patents
一种花纹板材圆孔尺寸检测方法、***及装置 Download PDFInfo
- Publication number
- CN111861997B CN111861997B CN202010584091.3A CN202010584091A CN111861997B CN 111861997 B CN111861997 B CN 111861997B CN 202010584091 A CN202010584091 A CN 202010584091A CN 111861997 B CN111861997 B CN 111861997B
- Authority
- CN
- China
- Prior art keywords
- circle
- final
- candidate
- circles
- curve segment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012216 screening Methods 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000007670 refining Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 6
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种花纹板材圆孔尺寸检测方法、***及装置,该方法包括:获取输入图像并对输入图像进行滤波去噪处理,得到去噪图像;基于霍夫圆检测方法对去噪图像进行检测,得到第一区域;提取第一区域的曲线段并生成多个候选圆;对多个候选圆进行筛选后通过快速最小二乘法细化,得到最终候选圆;对最终候选圆进行完整性分析,确认得到最终圆。该***包括:去噪模块、检测模块、曲线段模块、细化模块和确认模块。该装置包括存储器以及用于执行上述基于违章行为识别的安全施工方法的处理器。通过使用本发明,实现在花纹干扰严重的情况下识别图像中的圆孔。本发明作为一种花纹板材圆孔尺寸检测方法、***及装置,可广泛应用于图像检测领域。
Description
技术领域
本发明涉及图像检测领域,尤其涉及一种花纹板材圆孔尺寸检测方法、***及装置。
背景技术
由于工业自动化的高度发展,工厂为了提高工件检测效率,开始引入自动化的、非接触式的工件尺寸检测方法。但是目前的工件尺寸检测方法存在花纹干扰严重的情况下识别度不高和算法复杂度较高的问题。
发明内容
为了解决上述技术问题,本发明的目的是提供一种花纹板材圆孔尺寸检测方法、***及装置,实现在花纹干扰严重的情况下识别图像中的圆孔。
本发明所采用的第一技术方案是:一种花纹板材圆孔尺寸检测方法,包括以下步骤:
获取输入图像并对输入图像进行滤波去噪处理,得到去噪图像;
基于霍夫圆检测方法对去噪图像进行检测,得到第一区域;
提取第一区域的曲线段,筛选曲线段并生成多个候选圆;
通过均值漂移聚类方式对多个候选圆进行筛选后通过快速最小二乘法细化,得到最终候选圆;
对最终候选圆进行完整性分析,确认得到最终圆。
进一步,还包括:
输出最终圆的参数并在输入图像上标注展示。
进一步,对输入图像进行滤波去噪处理的处理方法包括直方图拉伸、Gamma矫正、高斯滤波、均值滤波和中值滤波。
进一步,所述提取第一区域的曲线段,筛选曲线段并生成多个候选圆这一步骤,其具体包括:
基于LSD线段提取算法提取第一区域的曲线段;
对第一区域的曲线段进行筛选,得到可能组合成圆的曲线段并生成多个候选圆。
进一步,所述基于LSD线段提取算法提取第一区域的曲线段这一步骤,其具体包括:
计算第一区域内每个像素的梯度,并去除梯度幅度小于第一预设值的点;
通过主成分分析法获取弧线,得到第一区域的曲线段。
进一步,所述对第一区域的曲线段进行筛选,得到可能组合成圆的曲线段并生成多个候选圆这一步骤,其具体包括:
根据第一区域的曲线段得到弧线;
根据弧线选出一对匹配的弧线使这一对弧线的弧心所指向的区域包含对方;
确认到成功配对的弧线相对于对应弧平分线的交点的距离的差值小于第二预设值,得到一个候选圆;
重复筛选步骤生成多个候选圆。
进一步,所述对最终候选圆进行完整性分析,确认得到最终圆这一步骤,其具体包括:
根据最终候选圆的半径计算对应完整圆边长的像素个数,得到第一像素个数;
计算成功配对的弧线对应的像素个数,得到第二像素个数;
判断到第二像素个数与第一像素个数的比值大于第三预设值,得到第一最终候选圆比值。
重复计算像素和比值步骤直至得到所有最终候选圆的比值;
取比值最大的最终候选圆作为最终识别结果,得到最终圆。
进一步,所述输出最终圆的参数并在输入图像上标注展示这一步骤,其具体包括:
获取最终圆的圆心位置和半径并通过像素比转换为对应单位的参数值;
将参数值反馈上传并将最终圆标注在输入图像上展示。
本发明所采用的第二技术方案是,一种花纹板材圆孔尺寸检测***,包括:
去噪模块,用于获取输入图像并对输入图像进行滤波去噪处理,得到去噪图像;
检测模块,用于基于霍夫圆检测方法对去噪图像进行检测,得到第一区域;
曲线段模块,用于提取第一区域的曲线段,筛选曲线段并生成多个候选圆;
细化模块,用于通过均值漂移聚类方式对多个候选圆进行筛选后通过快速最小二乘法细化,得到最终候选圆;
确认模块,用于对最终候选圆进行完整性分析,确认得到最终圆。
本发明所采用的第三技术方案是,一种花纹板材圆孔尺寸检测装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如所述一种花纹板材圆孔尺寸检测方法。
本发明方法及***的有益效果是:通过初步检测得到包含圆孔的第一区域后,可以减少算法的计算量,根据第一区域内的曲线段生成候选圆并从候选圆中识别得到最终圆孔,实现在花纹干扰严重的情况下识别图像中的圆孔。
附图说明
图1是本发明一种花纹板材圆孔尺寸检测方法的步骤流程图;
图2是本发明一种花纹板材圆孔尺寸检测***的结构框图;
图3是本发明具体实施例中得到第一区域的示意图;
图4是本发明具体实施例中得到最终圆的示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
如图1所示,本发明提供了一种花纹板材圆孔尺寸检测方法,该方法包括以下步骤:
S101、获取输入图像并对输入图像进行滤波去噪处理,得到去噪图像。
S102、基于霍夫圆检测方法对去噪图像进行检测,得到第一区域;
具体地,使用霍夫圆检测方法获取更小的包含圆孔的感兴趣区域,得到第一区域,参照图3,框内表示为识别出的感兴趣区域,按处理顺序分为第一区域第二区域等。
S103、提取第一区域的曲线段,筛选曲线段并生成多个候选圆;
具体地,根据第一区域内的曲线段,将曲线段匹配并根据匹配的曲线段生成候选圆。
S104、通过均值漂移聚类方式对多个候选圆进行筛选后通过快速最小二乘法细化,得到最终候选圆;
S105、对最终候选圆进行完整性分析,确认得到最终圆。
进一步作为本方法的优选实施例,还包括:
S106、输出最终圆的参数并在输入图像上标注展示。
进一步作为本方法的优选实施例,所述对输入图像进行滤波去噪处理的处理方法包括直方图拉伸、Gamma矫正、高斯滤波、均值滤波和中值滤波。
具体地,对输入图像进行滤波去噪处理的处理方法包括但不限于上述所列举的方法。
进一步作为本方法的优选实施例,所述提取第一区域的曲线段,筛选曲线段并生成多个候选圆这一步骤,其具体包括:
基于LSD线段提取算法提取第一区域的曲线段;
对第一区域的曲线段进行筛选,得到可能组合成圆的曲线段并生成多个候选圆。
进一步作为本方法的优选实施例,所述基于LSD线段提取算法提取第一区域的曲线段这一步骤,其具体包括:
计算第一区域内每个像素的梯度,并去除梯度幅度小于第一预设值的点;
通过主成分分析法获取弧线,得到第一区域的曲线段。
具体地,去除梯度太小的点,一是可以减少噪声的影响,本质上计算梯度幅度主要是认为在有圆弧边缘的像素点,边缘的色差是比较大的;二是减少不必要的计算量;主成分分析法属于LSD线段提取算法中的部分内容。
进一步作为本方法的优选实施例,所述对第一区域的曲线段进行筛选,得到可能组合成圆的曲线段并生成多个候选圆这一步骤,其具体包括:
根据第一区域的曲线段得到弧线;
根据弧线选出一对匹配的弧线使这一对弧线的弧心所指向的区域包含对方;
确认到成功配对的弧线相对于对应弧平分线的交点的距离的差值小于第二预设值,得到一个候选圆;
重复筛选步骤生成多个候选圆。
具体地,判断成功配对的弧线相对于他们弧平分线的交点O的距离的差值是否小于一定的容忍度,如果差值较小,认为弧线确实是在同一个圆上,并得到一个候选圆,重复上述得到弧线步骤、得到配对弧线步骤和判断配对的弧线相对于他们弧平分线的交点O的距离的差值是否小于一定的容忍度的步骤,直至所有弧线配对完成,生成多个候选圆。
进一步作为本方法的优选实施例,所述对最终候选圆进行完整性分析,确认得到最终圆这一步骤,其具体包括:
根据最终候选圆的半径计算对应完整圆边长的像素个数,得到第一像素个数;
计算成功配对的弧线对应的像素个数,得到第二像素个数;
判断到第二像素个数与第一像素个数的比值大于第三预设值,得到第一最终候选圆比值。
重复计算像素和比值步骤直至得到所有最终候选圆的比值;
取比值最大的最终候选圆作为最终识别结果,得到最终圆。
具体地,所述第一预设值、第二预设值和第三预设值按需确定。根据候选圆半径计算得到一个完整的圆边长所对应的像素个数A,计算匹配弧线所占的像素个数B,如果B与A的比值大于预设值,认为符合一个圆的特征。另外取比值最大的最终候选圆作为最终识别结果,得到最终圆。
进一步作为本方法的优选实施例,所述输出最终圆的参数并在输入图像上标注展示这一步骤,其具体包括:
获取最终圆的圆心位置和半径并通过像素比转换为对应单位的参数值;
将参数值反馈上传并将最终圆标注在输入图像上展示。
具体地,获取最终圆的圆心位置和圆心半径,通过像素比转换为毫米单位的值返回给用户,同时在输入图像上画出相应的圆展示给用户,参照图4,得到最终圆并将最终圆标注在输入图像上展示。
本发明相比传统检测方法提供了一种快速高效、非接触式的尺寸检测方法。现有的方法要求工件图像质量较高,而本方法适用范围广、检测结果精确,表现稳定。在工业检测中,特别是板材花纹各异的情况下,传统方法的识别准确率很低,而本方法仍能提供误差在毫米级内的圆检测,同时检测时间相比于传统方法较短。
本发明提供另一种具体实施例,如图2所示,一种花纹板材圆孔尺寸检测***,包括以下模块:
去噪模块,用于获取输入图像并对输入图像进行滤波去噪处理,得到去噪图像;
检测模块,用于基于霍夫圆检测方法对去噪图像进行检测,得到第一区域;
曲线段模块,用于提取第一区域的曲线段,筛选曲线段并生成多个候选圆;
细化模块,用于通过均值漂移聚类方式对多个候选圆进行筛选后通过快速最小二乘法细化,得到最终候选圆;
确认模块,用于对最终候选圆进行完整性分析,确认得到最终圆。
进一步作为本***的优选实施例,还包括:
展示模块,用于输出最终圆的参数并在输入图像上标注展示。
进一步作为本***的优选实施例,所述曲线段模块还包括:
线段提取子模块,用于基于基于LSD线段提取算法提取第一区域的曲线段;
候选圆子模块,用于对第一区域的曲线段进行筛选,得到可能组合成圆的曲线段并生成多个候选圆。
进一步作为本***的优选实施例,所述确认模块还包括:
第一像素子模块,用于根据最终候选圆的半径计算对应完整圆边长的像素个数,得到第一像素个数;
第二像素子模块,用于计算成功配对的弧线对应的像素个数,得到第二像素个数;
比值子模块,用于判断到第二像素个数与第一像素个数的比值大于预设值,得到第一最终候选圆比值。
重复子模块,用于重复计算像素和比值步骤直至得到所有最终候选圆的比值;
最终圆子模块,用于取比值最大的最终候选圆作为最终识别结果,得到最终圆。
进一步作为本***的优选实施例,所述展示模块还包括:
转换子模块,用于获取最终圆的圆心位置和半径并通过像素比转换为对应单位的参数值;
上传子模块,用于将参数值反馈上传并将最终圆标注在输入图像上展示。
上述方法实施例中的内容均适用于本***实施例中,本***实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
一种花纹板材圆孔尺寸检测装置:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上所述一种花纹板材圆孔尺寸检测方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种花纹板材圆孔尺寸检测方法,其特征在于,包括以下步骤:
获取输入图像并对输入图像进行滤波去噪处理,得到去噪图像;
基于霍夫圆检测方法对去噪图像进行检测,得到第一区域;
提取第一区域的曲线段,筛选曲线段并生成多个候选圆;
通过均值漂移聚类方式对多个候选圆进行筛选后通过快速最小二乘法细化,得到最终候选圆;
对最终候选圆进行完整性分析,确认得到最终圆;
所述提取第一区域的曲线段,筛选曲线段并生成多个候选圆这一步骤,其具体包括:
基于LSD线段提取算法提取第一区域的曲线段;
对第一区域的曲线段进行筛选,得到组合成圆的曲线段并生成多个候选圆;
所述基于LSD线段提取算法提取第一区域的曲线段这一步骤,其具体包括:
计算第一区域内每个像素的梯度,并去除梯度幅度小于第一预设值的点;
通过主成分分析法获取弧线,得到第一区域的曲线段;
所述对第一区域的曲线段进行筛选,得到组合成圆的曲线段并生成多个候选圆这一步骤,其具体包括:
根据第一区域的曲线段得到弧线;
根据弧线选出一对匹配的弧线使这一对弧线的弧心所指向的区域包含对方;
确认到成功配对的弧线相对于对应弧平分线的交点的距离的差值小于第二预设值,得到一个候选圆;
重复筛选步骤生成多个候选圆;
所述对最终候选圆进行完整性分析,确认得到最终圆这一步骤,其具体包括:
根据最终候选圆的半径计算对应完整圆边长的像素个数,得到第一像素个数;
计算成功配对的弧线对应的像素个数,得到第二像素个数;
判断到第二像素个数与第一像素个数的比值大于第三预设值,得到第一最终候选圆比值;
重复计算像素和比值步骤直至得到所有最终候选圆的比值;
取比值最大的最终候选圆作为最终识别结果,得到最终圆。
2.根据权利要求1所述一种花纹板材圆孔尺寸检测方法,其特征在于,还包括:
输出最终圆的参数并在输入图像上标注展示。
3.根据权利要求1所述一种花纹板材圆孔尺寸检测方法,其特征在于,所述对输入图像进行滤波去噪处理的处理方法包括直方图拉伸、Gamma矫正、高斯滤波、均值滤波和中值滤波。
4.根据权利要求2所述一种花纹板材圆孔尺寸检测方法,其特征在于,所述输出最终圆的参数并在输入图像上标注展示这一步骤,其具体包括:
获取最终圆的圆心位置和半径并通过像素比转换为对应单位的参数值;
将参数值反馈上传并将最终圆标注在输入图像上展示。
5.一种花纹板材圆孔尺寸检测***,其特征在于,包括以下模块:
去噪模块,用于获取输入图像并对输入图像进行滤波去噪处理,得到去噪图像;
检测模块,用于基于霍夫圆检测方法对去噪图像进行检测,得到第一区域;
曲线段模块,用于提取第一区域的曲线段,筛选曲线段并生成多个候选圆;
细化模块,用于通过均值漂移聚类方式对多个候选圆进行筛选后通过快速最小二乘法细化,得到最终候选圆;
确认模块,用于对最终候选圆进行完整性分析,确认得到最终圆;
所述提取第一区域的曲线段,筛选曲线段并生成多个候选圆这一步骤,其具体包括:
基于LSD线段提取算法提取第一区域的曲线段;
对第一区域的曲线段进行筛选,得到组合成圆的曲线段并生成多个候选圆;
所述基于LSD线段提取算法提取第一区域的曲线段这一步骤,其具体包括:
计算第一区域内每个像素的梯度,并去除梯度幅度小于第一预设值的点;
通过主成分分析法获取弧线,得到第一区域的曲线段;
所述对第一区域的曲线段进行筛选,得到组合成圆的曲线段并生成多个候选圆这一步骤,其具体包括:
根据第一区域的曲线段得到弧线;
根据弧线选出一对匹配的弧线使这一对弧线的弧心所指向的区域包含对方;
确认到成功配对的弧线相对于对应弧平分线的交点的距离的差值小于第二预设值,得到一个候选圆;
重复筛选步骤生成多个候选圆;
所述对最终候选圆进行完整性分析,确认得到最终圆这一步骤,其具体包括:
根据最终候选圆的半径计算对应完整圆边长的像素个数,得到第一像素个数;
计算成功配对的弧线对应的像素个数,得到第二像素个数;
判断到第二像素个数与第一像素个数的比值大于第三预设值,得到第一最终候选圆比值;
重复计算像素和比值步骤直至得到所有最终候选圆的比值;
取比值最大的最终候选圆作为最终识别结果,得到最终圆。
6.一种花纹板材圆孔尺寸检测装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-4任一项所述一种花纹板材圆孔尺寸检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010584091.3A CN111861997B (zh) | 2020-06-24 | 2020-06-24 | 一种花纹板材圆孔尺寸检测方法、***及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010584091.3A CN111861997B (zh) | 2020-06-24 | 2020-06-24 | 一种花纹板材圆孔尺寸检测方法、***及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111861997A CN111861997A (zh) | 2020-10-30 |
CN111861997B true CN111861997B (zh) | 2023-09-29 |
Family
ID=72988455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010584091.3A Active CN111861997B (zh) | 2020-06-24 | 2020-06-24 | 一种花纹板材圆孔尺寸检测方法、***及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861997B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114248100B (zh) * | 2021-12-03 | 2023-05-26 | 武汉纺织大学 | 一种基于图像处理的螺丝孔定位算法及螺丝锁付装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610111A (zh) * | 2017-09-12 | 2018-01-19 | 武汉大学 | 一种基于深度学习的焊点图像检测方法 |
CN108510513A (zh) * | 2018-03-13 | 2018-09-07 | 中山大学 | 一种基于pca和分段rht的pcb图像圆检测方法 |
CN108596925A (zh) * | 2018-03-14 | 2018-09-28 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置图像处理方法 |
CN108986126A (zh) * | 2018-06-15 | 2018-12-11 | 哈尔滨工业大学 | 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法 |
WO2020019648A1 (zh) * | 2018-07-24 | 2020-01-30 | 中山新诺科技股份有限公司 | 一种机器视觉定位方法 |
-
2020
- 2020-06-24 CN CN202010584091.3A patent/CN111861997B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610111A (zh) * | 2017-09-12 | 2018-01-19 | 武汉大学 | 一种基于深度学习的焊点图像检测方法 |
CN108510513A (zh) * | 2018-03-13 | 2018-09-07 | 中山大学 | 一种基于pca和分段rht的pcb图像圆检测方法 |
CN108596925A (zh) * | 2018-03-14 | 2018-09-28 | 浙江大学山东工业技术研究院 | 基于视觉的太阳花模组表面螺钉孔位置图像处理方法 |
CN108986126A (zh) * | 2018-06-15 | 2018-12-11 | 哈尔滨工业大学 | 基于高斯拟合亚像素边缘检测及改进ransac算法的圆心检测法 |
WO2020019648A1 (zh) * | 2018-07-24 | 2020-01-30 | 中山新诺科技股份有限公司 | 一种机器视觉定位方法 |
Non-Patent Citations (1)
Title |
---|
复杂背景图像下基于边缘点校验的圆检测方法;李军;程健;;计算机工程(03);第264-268页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111861997A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107748888B (zh) | 一种图像文本行检测方法及装置 | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测*** | |
CN108596880A (zh) | 基于图像处理的焊接缺陷特征提取与焊接质量分析方法 | |
CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN109767445B (zh) | 一种高精度的pcb缺陷智能检测方法 | |
CN104809422A (zh) | 基于图像处理的qr码识别方法 | |
CN106446952A (zh) | 一种乐谱图像识别方法及装置 | |
CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
CN110070548B (zh) | 一种深度学习训练样本优化方法 | |
CN114047123A (zh) | 一种用于集成板生产缺陷检测方法及检测*** | |
CN107742291A (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
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 | |
CN116704516B (zh) | 一种用于水溶肥料包装的视觉检测方法 | |
CN113538603B (zh) | 一种基于阵列产品的光学检测方法、***和可读存储介质 | |
WO2002077913A1 (en) | Structure-guided automatic learning for image feature enhancement | |
CN115100656B (zh) | 空白答题卡识别方法、***、存储介质及计算机设备 | |
CN112325772A (zh) | 基于机器视觉的冲孔尺寸测量方法、***、设备及介质 | |
CN111861997B (zh) | 一种花纹板材圆孔尺寸检测方法、***及装置 | |
CN114897868A (zh) | 极片缺陷识别及模型训练方法、装置及电子设备 | |
CN111429437B (zh) | 面向目标检测的图像无参考清晰度质量检测方法 | |
CN103761520B (zh) | 基于笔划宽度的文档图像无参二值化方法 | |
CN115511884B (zh) | 基于计算机视觉的冲孔复合模表面质量检测方法 | |
CN111127410A (zh) | 一种汽车仪表盘印刷瑕疵的自动检测方法 | |
CN115471650A (zh) | 一种气体压力仪表读数方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |