CN112348773A - 屏幕缺陷检测方法、装置和电子设备 - Google Patents
屏幕缺陷检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112348773A CN112348773A CN202011039225.XA CN202011039225A CN112348773A CN 112348773 A CN112348773 A CN 112348773A CN 202011039225 A CN202011039225 A CN 202011039225A CN 112348773 A CN112348773 A CN 112348773A
- Authority
- CN
- China
- Prior art keywords
- defect
- area
- screen
- suspected
- gray
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 261
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000007689 inspection Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000002950 deficient Effects 0.000 description 3
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000001668 ameliorated effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 230000008447 perception Effects 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
-
- 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
- G06T7/60—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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了屏幕缺陷检测方法、装置和电子设备。所述方法包括:从目标屏幕的检测图像中识别出若干个疑似缺陷像素点;在所述检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域;对所述疑似缺陷区域进行划分得到一般区域和核心区域;根据所述疑似缺陷区域的灰度均值、所述一般区域的灰度均值以及所述核心区域的灰度最小值判断所述目标屏幕是否存在透明缺陷。通过自动化的屏幕缺陷检测方案,替代了人工检测,提升了效率并节约了人工成本;利用图像滤波算法等方式先检测出疑似缺陷像素点,再通过区域划分、灰度比较方式的结合最终确定目标屏幕是否存在透明缺陷,提升了缺陷检测的准确性。
Description
技术领域
本申请涉及工件检测领域,特别涉及屏幕缺陷检测方法、装置和电子设备。
背景技术
屏幕的质量对用户体验有着很大影响,尤其是对VR(Virtual Reality,虚拟现实)设备、AR(Augmented Reality,增强现实)设备等主要依赖屏幕与用户进行互动的设备更是如此。许多屏幕制造商都会在屏幕出厂前对其进行缺陷检测,例如检测屏幕是否存在坏点、划痕等,很多时候要依赖人工检测,效率不高。尤其是对于因为屏幕上沾染异物等原因而产生的透明缺陷,人工很难发现,漏检、误检率较高。
发明内容
鉴于现有技术无法有效检测屏幕中存在缺陷的问题,提出了本申请的屏幕缺陷检测方法、装置和电子设备,以便克服上述问题。
为了实现上述目的,本申请采用了如下技术方案:
依据本申请的一个方面,提供了一种屏幕缺陷检测方法,包括:从目标屏幕的检测图像中识别出若干个疑似缺陷像素点;在所述检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域;对所述疑似缺陷区域进行划分得到一般区域和核心区域;根据所述疑似缺陷区域的灰度均值、所述一般区域的灰度均值以及所述核心区域的灰度最小值判断所述目标屏幕是否存在缺陷。
可选地,所述根据所述疑似缺陷区域的灰度均值、所述一般区域的灰度均值以及所述核心区域的灰度最小值判断所述目标屏幕是否存在缺陷包括:计算所述核心区域的灰度最小值与所述一般区域的灰度均值的比值作为局部对比度;计算所述核心区域的灰度最小值与所述疑似缺陷区域的灰度均值的比值作为全局对比度;利用所述局部对比度和所述全局对比度判断所述目标屏幕是否存在缺陷。
可选地,所述利用所述局部对比度和所述全局对比度判断所述目标屏幕是否存在透明缺陷包括:若所述局部对比度和所述全局对比度的差值的绝对值在第一阈值与第二阈值之间,则所述目标屏幕存在透明缺陷。
可选地,所述方法还包括:在确定所述目标屏幕存在透明缺陷的情况下,计算疑似缺陷区域中的缺陷面积;若所述缺陷面积小于面积阈值,则确定所述透明缺陷为误判的其他缺陷。
可选地,所述计算缺陷面积包括:对所述疑似缺陷区域进行自适应二值化处理,得到以第一颜色表征屏幕正常,第二颜色表征屏幕缺陷的二值化图像;将所述二值化图像中呈现第二颜色的像素点的外接矩形的面积作为缺陷面积。
可选地,所述屏幕缺陷检测方法还包括:获取能够包含目标屏幕的原始图像;将所述原始图像转换为灰度图像;从所述灰度图像中检测出与所述目标屏幕对应的有效区域,根据所述有效区域对所述灰度图像进行剪裁,得到所述目标屏幕的检测图像。
可选地,所述在所述检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域包括:在所述检测图像中,以疑似缺陷像素点为中心,以第一预设值为边长提取正方形区域作为与该疑似缺陷像素点对应的疑似缺陷区域。
可选地,所述对所述疑似缺陷区域进行划分得到一般区域和核心区域包括:在包含疑似缺陷像素点的疑似缺陷区域中,以该疑似缺陷像素点为圆心,以第二预设值为半径划分出圆形区域作为与该疑似缺陷像素点对应的核心区域;所述疑似缺陷区域中除所述核心区域以外的全部区域为与该疑似缺陷像素点对应的一般区域。
依据本申请的另一方面,提供了一种屏幕缺陷检测装置,用于实现如上任一所述的屏幕缺陷检测方法。
依据本申请的又一方面,提供了一种电子设备,包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如上任一所述的屏幕缺陷检测方法。
依据本申请的再一方面,提供了一种计算机可读存储介质,存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行如上任一所述的屏幕缺陷检测方法。
综上所述,本申请的有益效果是:通过自动化的屏幕缺陷检测方案,替代了人工检测,提升了效率并节约了人工成本;利用图像滤波算法等方式先检测出疑似缺陷像素点,再通过区域划分、灰度比较方式的结合最终确定目标屏幕是否存在透明缺陷,提升了缺陷检测的准确性。
附图说明
图1示出了根据本申请一个实施例的一种屏幕缺陷检测方法的流程示意图;
图2示出了包含屏幕的灰度图像;
图3为图2的二值化图像;
图4是在图2中标识出轮廓线的示意图;
图5示出了根据图2得到的检测图像;
图6示出了根据本申请一个实施例的一个疑似缺陷区域的示意图;
图7是对一个疑似缺陷区域进行二值化处理得到的图像;
图8示出了根据本申请一个实施例的一种屏幕缺陷检测装置的结构示意图;
图9示出了根据本申请一个实施例的一种电子设备的结构示意图;
图10示出了根据本申请一个实施例的一种计算机可读存储介质的框图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
屏幕的透明缺陷,主要是指因为屏幕表面因为粘上绒毛、纸屑等原因形成的缺陷,“透明”是指屏幕发光可以透过这些异物,产生屏幕在该部位虽然发光,但亮度较暗的情况。这种缺陷一般不需要返厂处理,通过擦拭即可改善,但如不进行处理就组装或包装发售等,仍会使用户得到较差的体验。
本申请的技术构思是:考虑到透明缺陷的表现形式,利用灰度值确定透明缺陷,还可以利用缺陷面积进行复核,从而避免了人工检测耗时费力,准确度不高的问题。本申请的方案可以适用于各类屏幕,例如VR眼镜的屏幕等等。
下面结合具体实施例进行本申请技术方案的示例性说明。
图1示出了根据本申请一个实施例的一种屏幕缺陷检测方法的流程示意图。如图1所示,屏幕缺陷检测方法包括:
步骤S110,从目标屏幕的检测图像中识别出若干个疑似缺陷像素点。
得到目标屏幕的检测图像是实现自动化缺陷检测的基础,一般可以通过对目标屏幕进行拍摄得到。而为了便于后续灰度值的统计和计算,检测图像可以具体是灰度图像。
例如,在本申请的一个实施例中,上述屏幕缺陷检测方法还包括:获取能够包含目标屏幕的原始图像;将原始图像转换为灰度图像;从灰度图像中检测出与目标屏幕对应的有效区域,根据有效区域对灰度图像进行剪裁,得到目标屏幕的检测图像。
当然,在其他实施例中,也可以选择使用相机直接拍摄包含目标屏幕的灰度图像,省去将原始图像转换为灰度图像的步骤。
进行屏幕检测通常只需要屏幕这部分的图像内容,而在对屏幕进行拍摄时,难免会将屏幕边框等拍摄进来,因此可以对灰度图像进行剪裁。具体地,可以通过如下方式实现:
基于灰度图像的二值化图像进行屏幕轮廓搜索,得到屏幕轮廓线;根据屏幕轮廓线的外接矩形确定有效区域。
例如,图2示出了包含屏幕的灰度图像。可以看出,在屏幕周围有一圈呈淡灰色的屏幕边框,会影响后续的处理。为解决这一问题,可以对图2进行二值化处理,得到二值化图像,如图3所示,然后对二值化图像进行屏幕轮廓搜索,这一步骤可以依赖于现有技术实现。再根据图2与图3的对应关系,将搜索到的屏幕轮廓线映射到灰度图像中,如图4所示,可以看到屏幕周围的白线即是屏幕轮廓线。接下来根据屏幕轮廓线确定外接矩形,裁剪得到如图5所示的检测图像。
疑似缺陷像素点的识别可以利用基于图像滤波算法的滤波器实现,这里的滤波器一般是指滤波软件,如机器视觉软件halcon。滤波器可以检测出多种类型的像素点,在本申请的实施例中,可以基于透明缺陷的特点设置相应的参数,例如筛选出亮度较暗的像素点作为疑似缺陷像素点。
步骤S120,在检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域。
疑似缺陷像素点一般是散点,而且可能存在误检或漏检,因此可以通过确定与疑似缺陷像素点对应的疑似缺陷区域,基于疑似缺陷区域进行后续检测的方式来实现,而不仅仅依赖于疑似缺陷像素点本身。
需要说明的是,检测出的疑似缺陷像素点可能有多个,那么可以分别确定与每个疑似缺陷像素点对应的疑似缺陷区域,即实现一一对应。
步骤S130,对疑似缺陷区域进行划分得到一般区域和核心区域。这里一般区域主要是对应正常的像素点,核心区域主要对应疑似缺陷像素点,以方便下面进行灰度值的计算和比较。
步骤S140,根据疑似缺陷区域的灰度均值、一般区域的灰度均值以及核心区域的灰度最小值判断目标屏幕是否存在透明缺陷。这样就通过判断疑似缺陷区域中是否存在局部灰度值异常来判断目标屏幕是否存在透明缺陷,准确度很高。
可见,图1所示的方法,通过自动化的屏幕缺陷检测方案,替代了人工检测,提升了效率并节约了人工成本;利用图像滤波算法等方式先检测出疑似缺陷像素点,再通过区域划分、灰度比较方式的结合最终确定目标屏幕是否存在透明缺陷,提升了缺陷检测的准确性。
在本申请的一个实施例中,上述屏幕缺陷检测方法中,在检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域包括:在检测图像中,以疑似缺陷像素点为中心,以第一预设值为边长提取正方形区域作为与该疑似缺陷像素点对应的疑似缺陷区域。
根据对实际场景中透明缺陷的分析,一般造成透明缺陷的异物不会很大。因此在一些实施例中,可以将第一预设值确定为50(像素)。
在本申请的一个实施例中,上述屏幕缺陷检测方法中,对疑似缺陷区域进行划分得到一般区域和核心区域包括:在包含疑似缺陷像素点的疑似缺陷区域中,以该疑似缺陷像素点为圆心,以第二预设值为半径划分出圆形区域作为与该疑似缺陷像素点对应的核心区域;疑似缺陷区域中除核心区域以外的全部区域为与该疑似缺陷像素点对应的一般区域。
例如,图6示出了根据本申请一个实施例的一个疑似缺陷区域的示意图,图中圆形区域为核心区域,圆形外的区域为一般区域,二者组合形成疑似缺陷区域。
以圆形作为核心区域,能够实现尽可能全面覆盖疑似缺陷区域中表征透明缺陷的像素点,并尽量减少覆盖正常像素点。而正方形的疑似缺陷区域可以方便统计计算和提取。在一些实施例中,第二预设值可以选择为15(像素)。
在本申请的一个实施例中,上述屏幕缺陷检测方法中,根据疑似缺陷区域的灰度均值、一般区域的灰度均值以及核心区域的灰度最小值判断目标屏幕是否存在透明缺陷包括:计算核心区域的灰度最小值与一般区域的灰度均值的比值作为局部对比度;计算核心区域的灰度最小值与疑似缺陷区域的灰度均值的比值作为全局对比度;利用局部对比度和全局对比度判断目标屏幕是否存在透明缺陷。
具体来说,在划分核心区域与一般区域时,可以将核心区域与一般区域的边界以轮廓线进行标记。则可以根据轮廓线确定分别属于核心区域与一般区域的各像素点,根据各像素点的灰度值和各像素点所在的区域,确定疑似缺陷区域的灰度均值、一般区域的灰度均值以及核心区域的灰度最小值。
例如,可以通过pointPolygonTest(vec,cv::Point(x,y),false)函数判定像素点在轮廓线内还是在轮廓线外。
然后,统计轮廓线外(即一般区域)的像素点灰度值灰度和为gray_out_sum、像素点总个数为sum_out,从而可计算出一般区域的灰度均值gray_out_mean=gray_out_sum/sum_out。
统计疑似缺陷区域的像素点灰度值灰度和为gray_sum,以第一预设值取50,即疑似缺陷区域为50*50像素区域为例,则疑似缺陷区域的灰度均值gray_global_mean=gray_sum/(50*50)。
那么,局部对比度gray_mean_contrast=gray_min/gray_out_mean,全局对比度gray_global_mean_contrast=gray_min/gray_global_mean。其中,gray_min就是核心区域的灰度最小值。
然后,可以根据gray_mean_contrast与gray_global_mean_contrast来判断目标屏幕是否存在透明缺陷。在本申请的一个实施例中,所述利用所述局部对比度和所述全局对比度判断所述目标屏幕是否存在透明缺陷包括:若所述局部对比度和所述全局对比度的差值的绝对值在第一阈值与第二阈值之间,则所述目标屏幕存在透明缺陷。
即如果gray_mean_contrast与gray_global_mean_contrast差值的绝对值大于第一阈值thres_contrast_min,小于第二阈值thres_contrast_max,则判定屏幕存在透明缺陷。
当然,除了上面给出的以局部对比度和全局对比度之间的差值绝对值和两个预设阈值的比较方式外,也可以通过仅设置一个最小阈值等其他方式实现判断。
除了透明缺陷外,屏幕坏点等屏幕自身缺陷也可能造成相类似的表象。但这些缺陷一般是偶发性的,例如屏幕存在一到两个坏点,也可能造成屏幕的个别点亮度低(不发光),因此,可以通过计算缺陷面积的方式将透明缺陷与其他缺陷区分开。即在本申请的一个实施例中,上述屏幕缺陷检测方法中,在确定目标屏幕存在透明缺陷的情况下,计算疑似缺陷区域中的缺陷面积;若缺陷面积小于面积阈值,则确定透明缺陷为误判的其他缺陷。
举个例子,检测图像中识别到了6个疑似缺陷像素点,则得到6个疑似缺陷区域,分别根据疑似缺陷区域的灰度均值、一般区域的灰度均值以及核心区域的灰度最小值,确定了4个疑似缺陷区域,分别表征一处透明缺陷,则在进一步误判的检测时,分别计算这4个疑似缺陷区域中的缺陷面积,分别判断每一处透明缺陷是否为误判的其他缺陷。
具体地,在本申请的一个实施例中,上述屏幕缺陷检测方法中,计算缺陷面积包括:对疑似缺陷区域进行自适应二值化处理,得到以第一颜色表征屏幕正常,第二颜色表征屏幕缺陷的二值化图像;将二值化图像中呈现第二颜色的像素点的外接矩形的面积作为缺陷面积。
例如,图7是对一个疑似缺陷区域进行二值化处理得到的图像,其中以黑色表征屏幕正常,白色表征屏幕缺陷。容易理解颜色的表达可以进行对调,图7是能够凸显缺陷部分的示例性图像。直接求得白色区域的面积会比较复杂,而根据透明缺陷的成因,异物往往是聚集存在的,因此可以通过求外接矩形的方式得到缺陷面积,当然在其他实施例中也可以通过求外接圆等方式来作为缺陷面积,而外接矩形具有计算量低的优点。
可以看出,通过这种方式可以避免误检。在具体实施中,如果追求前期的检测效率,可以仅通过前述进行灰度值统计比较的方式进行透明缺陷的检测,再通过人工进行复核;而如果希望有较高的检测准确率,则可以将灰度值统计比较检测出的透明缺陷认为是疑似透明缺陷,再通过求缺陷面积的方式最终确定是否存在透明缺陷。
图8示出了根据本申请一个实施例的一种屏幕缺陷检测装置的结构示意图。如图8所示,屏幕缺陷检测装置800包括:
识别单元810,用于从目标屏幕的检测图像中识别出若干个疑似缺陷像素点。
得到目标屏幕的检测图像是实现自动化缺陷检测的基础,一般可以通过对目标屏幕进行拍摄得到。而为了便于后续灰度值的统计和计算,检测图像可以具体是灰度图像。
疑似缺陷区域确定单元820,在检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域。
疑似缺陷像素点一般是散点,而且可能存在误检或漏检,因此可以通过确定与疑似缺陷像素点对应的疑似缺陷区域,基于疑似缺陷区域进行后续检测的方式来实现,而不仅仅依赖于疑似缺陷像素点本身。
需要说明的是,检测出的疑似缺陷像素点可能有多个,那么可以分别确定与每个疑似缺陷像素点对应的疑似缺陷区域,即实现一一对应。
划分单元830,用于对疑似缺陷区域进行划分得到一般区域和核心区域。这里一般区域主要是对应正常的像素点,核心区域主要对应疑似缺陷像素点,以方便下面进行灰度值的计算和比较。
判断单元840,用于根据疑似缺陷区域的灰度均值、一般区域的灰度均值以及核心区域的灰度最小值判断目标屏幕是否存在透明缺陷。
这样就通过判断疑似缺陷区域中是否存在局部灰度值异常来判断目标屏幕是否存在透明缺陷,准确度很高。
可见,图8所示的装置,通过自动化的屏幕缺陷检测方案,替代了人工检测,提升了效率并节约了人工成本;利用图像滤波算法等方式先检测出疑似缺陷像素点,再通过区域划分、灰度比较方式的结合最终确定目标屏幕是否存在透明缺陷,提升了缺陷检测的准确性。
在本申请的一个实施例中,上述装置中,判断单元840,用于计算所述核心区域的灰度最小值与所述一般区域的灰度均值的比值作为局部对比度;计算所述核心区域的灰度最小值与所述疑似缺陷区域的灰度均值的比值作为全局对比度;利用所述局部对比度和所述全局对比度判断所述目标屏幕是否存在透明缺陷。
在本申请的一个实施例中,上述装置中,判断单元840,具体用于在所述局部对比度和所述全局对比度的差值的绝对值在第一阈值与第二阈值之间的情况下,判定所述目标屏幕存在透明缺陷。
在本申请的一个实施例中,上述装置中,判断单元840,还用于在确定所述目标屏幕存在透明缺陷的情况下,计算疑似缺陷区域中的缺陷面积;若所述缺陷面积小于面积阈值,则确定所述透明缺陷为误判的其他缺陷。
在本申请的一个实施例中,上述装置中,判断单元840,用于对所述疑似缺陷区域进行自适应二值化处理,得到以第一颜色表征屏幕正常,第二颜色表征屏幕缺陷的二值化图像;将所述二值化图像中呈现第二颜色的像素点的外接矩形的面积作为缺陷面积。
在本申请的一个实施例中,上述装置还包括:检测图像获取单元,用于获取能够包含目标屏幕的原始图像;将所述原始图像转换为灰度图像;从所述灰度图像中检测出与所述目标屏幕对应的有效区域,根据所述有效区域对所述灰度图像进行剪裁,得到所述目标屏幕的检测图像。
在本申请的一个实施例中,上述装置中,疑似缺陷区域确定单元820,用于在所述检测图像中,以疑似缺陷像素点为中心,以第一预设值为边长提取正方形区域作为与该疑似缺陷像素点对应的疑似缺陷区域。
在本申请的一个实施例中,上述装置中,区域划分单元830,用于在包含疑似缺陷像素点的疑似缺陷区域中,以该疑似缺陷像素点为圆心,以第二预设值为半径划分出圆形区域作为与该疑似缺陷像素点对应的核心区域;所述疑似缺陷区域中除所述核心区域以外的全部区域为与该疑似缺陷像素点对应的一般区域。
需要说明的是,上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行,在此不再赘述。
综上所述,本申请的技术方案,针对透明缺陷较难察觉,且人工进行检测时需要时刻转变检测方位,会增加作业员劳动强度的问题,可以通过疑似缺陷像素点确定、灰度值统计比较、缺陷面积复核的方式,确定目标屏幕是否存在透明缺陷,通过实验证明本申请提出的方案可以很好的应用到产线的OLED等类型屏幕的透明缺陷自动检测,不仅降低了成本,而且减少该操作对工人眼睛的伤害,提高了工作效率,减小了漏检率。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的屏幕缺陷检测装置800中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
例如,图9示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备900包括处理器910和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器920。存储器920可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器920具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码931的存储空间930。例如,用于存储计算机可读程序代码的存储空间930可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码931。计算机可读程序代码931可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘,紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图10所述的计算机可读存储介质。图10示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质1000存储有用于执行根据本申请的方法步骤的计算机可读程序代码931,可以被电子设备900的处理器910读取,当计算机可读程序代码931由电子设备900运行时,导致该电子设备900执行上面所描述的方法中的各个步骤,具体来说,该计算机可读存储介质存储的计算机可读程序代码931可以执行上述任一实施例中示出的方法。计算机可读程序代码931可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种屏幕缺陷检测方法,其特征在于,所述屏幕缺陷检测方法包括:
从目标屏幕的检测图像中识别出若干个疑似缺陷像素点;
在所述检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域;
对所述疑似缺陷区域进行划分得到一般区域和核心区域;
根据所述疑似缺陷区域的灰度均值、所述一般区域的灰度均值以及所述核心区域的灰度最小值判断所述目标屏幕是否存在透明缺陷。
2.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述根据所述疑似缺陷区域的灰度均值、所述一般区域的灰度均值以及所述核心区域的灰度最小值判断所述目标屏幕是否存在透明缺陷包括:
计算所述核心区域的灰度最小值与所述一般区域的灰度均值的比值作为局部对比度;
计算所述核心区域的灰度最小值与所述疑似缺陷区域的灰度均值的比值作为全局对比度;
利用所述局部对比度和所述全局对比度判断所述目标屏幕是否存在透明缺陷。
3.根据权利要求2所述的屏幕缺陷检测方法,其特征在于,所述利用所述局部对比度和所述全局对比度判断所述目标屏幕是否存在透明缺陷包括:
若所述局部对比度和所述全局对比度的差值的绝对值在第一阈值与第二阈值之间,则所述目标屏幕存在透明缺陷。
4.根据权利要求1或2或3所述的屏幕缺陷检测方法,其特征在于,所述屏幕缺陷检测方法还包括:
在确定所述目标屏幕存在透明缺陷的情况下,计算疑似缺陷区域中的缺陷面积;
若所述缺陷面积小于面积阈值,则确定所述透明缺陷为误判的其他缺陷。
5.根据权利要求4所述的屏幕缺陷检测方法,其特征在于,所述计算缺陷面积包括:
对所述疑似缺陷区域进行自适应二值化处理,得到以第一颜色表征屏幕正常,第二颜色表征屏幕缺陷的二值化图像;
将所述二值化图像中呈现第二颜色的像素点的外接矩形的面积作为缺陷面积。
6.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述屏幕缺陷检测方法还包括:
获取能够包含目标屏幕的原始图像;
将所述原始图像转换为灰度图像;
从所述灰度图像中检测出与所述目标屏幕对应的有效区域,根据所述有效区域对所述灰度图像进行剪裁,得到所述目标屏幕的检测图像。
7.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述在所述检测图像中确定与疑似缺陷像素点对应的疑似缺陷区域包括:
在所述检测图像中,以疑似缺陷像素点为中心,以第一预设值为边长提取正方形区域作为与该疑似缺陷像素点对应的疑似缺陷区域。
8.根据权利要求1所述的屏幕缺陷检测方法,其特征在于,所述对所述疑似缺陷区域进行划分得到一般区域和核心区域包括:
在包含疑似缺陷像素点的疑似缺陷区域中,以该疑似缺陷像素点为圆心,以第二预设值为半径划分出圆形区域作为与该疑似缺陷像素点对应的核心区域;
所述疑似缺陷区域中除所述核心区域以外的全部区域为与该疑似缺陷像素点对应的一般区域。
9.一种屏幕缺陷检测装置,其特征在于,所述屏幕缺陷检测装置用于实现根据权利要求1-8中任一项所述的屏幕缺陷检测方法。
10.一种电子设备,其特征在于,所述电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-8中任一项所述的屏幕缺陷检测方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011039225.XA CN112348773B (zh) | 2020-09-28 | 2020-09-28 | 屏幕缺陷检测方法、装置和电子设备 |
PCT/CN2021/114453 WO2022062812A1 (zh) | 2020-09-28 | 2021-08-25 | 屏幕缺陷检测方法、装置和电子设备 |
US18/246,806 US20230368361A1 (en) | 2020-09-28 | 2021-08-25 | Screen defect detection method, apparatus, and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011039225.XA CN112348773B (zh) | 2020-09-28 | 2020-09-28 | 屏幕缺陷检测方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348773A true CN112348773A (zh) | 2021-02-09 |
CN112348773B CN112348773B (zh) | 2022-09-23 |
Family
ID=74361203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011039225.XA Active CN112348773B (zh) | 2020-09-28 | 2020-09-28 | 屏幕缺陷检测方法、装置和电子设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230368361A1 (zh) |
CN (1) | CN112348773B (zh) |
WO (1) | WO2022062812A1 (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112951737A (zh) * | 2021-02-18 | 2021-06-11 | 长江存储科技有限责任公司 | 沟道孔缺陷的改进方法、检测方法及检测*** |
CN113808136A (zh) * | 2021-11-19 | 2021-12-17 | 中导光电设备股份有限公司 | 一种基于最近邻算法的液晶屏幕缺陷检测方法和*** |
CN113888657A (zh) * | 2021-12-08 | 2022-01-04 | 珠海视熙科技有限公司 | 一种屏幕颜色采集方法、装置、摄像设备以及存储介质 |
WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
CN114359174A (zh) * | 2021-12-16 | 2022-04-15 | 苏州镁伽科技有限公司 | 导电粒子识别方法、装置、电子设备及存储介质 |
CN114359176A (zh) * | 2021-12-16 | 2022-04-15 | 苏州镁伽科技有限公司 | 面板检测方法、装置、电子设备及存储介质 |
CN114486732A (zh) * | 2021-12-30 | 2022-05-13 | 武汉光谷卓越科技股份有限公司 | 一种基于线扫描三维的瓷砖缺陷在线检测方法 |
CN114693676A (zh) * | 2022-05-31 | 2022-07-01 | 南通市通州翔鹏纺织品有限公司 | 一种新材料纺织品漂白缺陷光学检测方法及装置 |
CN115183990A (zh) * | 2022-09-09 | 2022-10-14 | 杭州光粒科技有限公司 | 一种显示屏幕检测方法及装置 |
CN115511907A (zh) * | 2022-11-24 | 2022-12-23 | 深圳市晶台股份有限公司 | 一种用于led屏幕的划痕检测方法 |
CN116664551A (zh) * | 2023-07-21 | 2023-08-29 | 深圳市长荣科机电设备有限公司 | 基于机器视觉的显示屏检测方法、装置、设备及存储介质 |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115829907B (zh) * | 2022-04-18 | 2024-02-23 | 宁德时代新能源科技股份有限公司 | 对复合料带的隔膜进行缺陷检测的方法、装置、*** |
CN115049604B (zh) * | 2022-06-09 | 2023-04-07 | 佛山科学技术学院 | 一种大幅面板材超高分辨率图像的微小缺陷快速检测方法 |
CN114820617B (zh) * | 2022-06-29 | 2022-09-20 | 苏州大学 | 基于四焦距相位相干机器视觉的晶体缺陷检测方法和*** |
CN115272350A (zh) * | 2022-09-30 | 2022-11-01 | 江苏宝翼通讯科技有限公司 | 一种计算机pcb主板生产质量检测方法 |
CN115311283B (zh) * | 2022-10-12 | 2023-01-24 | 山东鲁玻玻璃科技有限公司 | 一种玻璃拉管缺陷检测方法及*** |
CN115439476B (zh) * | 2022-11-07 | 2023-03-14 | 成都博视广达科技有限责任公司 | 基于图像分析的丝印缺陷检测方法及装置 |
CN115457037B (zh) * | 2022-11-10 | 2023-03-24 | 澳润(山东)药业有限公司 | 一种用于阿胶制品生产的原材料质检方法 |
CN115457035B (zh) * | 2022-11-10 | 2023-03-24 | 山东鲁旺机械设备有限公司 | 基于机器视觉的建筑吊篮焊接质量检测方法 |
CN115601368B (zh) * | 2022-12-16 | 2023-05-16 | 山东天意高科技有限公司 | 一种建材装备钣金件缺陷检测方法 |
CN116224632B (zh) * | 2022-12-30 | 2024-05-28 | 中山市巨正电子有限公司 | 一种背光源装配精度检测方法及检测*** |
CN115841488B (zh) * | 2023-02-21 | 2023-06-09 | 聊城市飓风工业设计有限公司 | 一种基于计算机视觉的pcb板的检孔方法 |
CN115862006B (zh) * | 2023-03-01 | 2023-05-16 | 山东长有面粉有限公司 | 一种面粉磨粉过程中麸星的检测方法 |
CN116071355A (zh) * | 2023-03-06 | 2023-05-05 | 山东第一医科大学第二附属医院 | 一种用于外周血管影像的辅助分割***及方法 |
CN116049863B (zh) * | 2023-03-28 | 2023-06-13 | 东莞锐视光电科技有限公司 | 采用lcd显示屏产生条纹光的***、方法及应用 |
CN116416246B (zh) * | 2023-06-08 | 2023-08-11 | 临沂中科芯华新材料科技有限公司 | 基于机器视觉的全降解塑料制品淋膜效果评价方法 |
CN116433669B (zh) * | 2023-06-14 | 2023-08-18 | 山东兴华钢结构有限公司 | 基于机器视觉的抗震结构钢架焊缝质量检测方法 |
CN116612306B (zh) * | 2023-07-17 | 2023-09-26 | 山东顺发重工有限公司 | 基于计算机视觉的法兰盘智能对位方法及*** |
CN116630332B (zh) * | 2023-07-26 | 2023-09-26 | 山东华航高分子材料有限公司 | 一种基于图像处理的pvc塑料管口缺陷检测方法 |
CN116758057A (zh) * | 2023-08-10 | 2023-09-15 | 山东贺铭电气有限公司 | 基于人工智能的通信设备缺陷检测方法 |
CN116778520B (zh) * | 2023-08-11 | 2023-11-10 | 山东省大数据中心 | 一种海量证照数据质量检验方法 |
CN116843678B (zh) * | 2023-08-28 | 2023-11-21 | 青岛冠宝林活性炭有限公司 | 一种硬碳电极生产质量检测方法 |
CN116977333B (zh) * | 2023-09-22 | 2023-12-22 | 山东恒海钢结构有限公司 | 基于图像数据的装配式钢结构构件质量检测方法 |
CN117115146B (zh) * | 2023-10-19 | 2024-03-19 | 深圳宝铭微电子有限公司 | 一种碳化硅材质半导体表面镀膜质量检测方法 |
CN117314894B (zh) * | 2023-11-27 | 2024-03-29 | 深圳市金三维实业有限公司 | 一种手表底盖缺陷快速检测方法 |
CN117522876A (zh) * | 2024-01-08 | 2024-02-06 | 成都数智创新精益科技有限公司 | 一种基于颜色和面积的缺陷检测方法 |
CN117974644B (zh) * | 2024-03-29 | 2024-06-11 | 山东中泰药业有限公司 | 一种胶囊药品质量视觉检测方法 |
CN118096766A (zh) * | 2024-04-28 | 2024-05-28 | 西安乾景防务技术有限公司 | 一种用于快速拆装便携吸盘的表面缺陷检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150187064A1 (en) * | 2013-12-31 | 2015-07-02 | Shenzhen China Star Optoelectronics Technology Co. Ltd. | Defect inspection device for display panel and method for the same |
US20170004612A1 (en) * | 2015-07-03 | 2017-01-05 | Yuan Ze University | Optical film defect detection method and system thereof |
CN108683907A (zh) * | 2018-05-31 | 2018-10-19 | 歌尔股份有限公司 | 光学模组像素缺陷检测方法、装置及设备 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN111062910A (zh) * | 2019-11-13 | 2020-04-24 | 易思维(杭州)科技有限公司 | 局部阈值分割方法及缺陷检测方法 |
CN111462113A (zh) * | 2020-04-24 | 2020-07-28 | 上海精测半导体技术有限公司 | 无图形晶圆的复检方法 |
CN111612757A (zh) * | 2020-05-18 | 2020-09-01 | 苏州精濑光电有限公司 | 一种屏幕裂纹的检测方法、装置、设备及存储介质 |
CN111612781A (zh) * | 2020-05-27 | 2020-09-01 | 歌尔股份有限公司 | 一种屏幕缺陷检测方法、装置及头戴显示设备 |
CN111627009A (zh) * | 2020-05-27 | 2020-09-04 | 歌尔股份有限公司 | 一种屏幕检测方法、装置及头戴显示设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259181A (zh) * | 2015-10-26 | 2016-01-20 | 华为技术有限公司 | 显示屏的显示缺陷检测方法、装置及设备 |
CN110111711A (zh) * | 2019-04-30 | 2019-08-09 | 京东方科技集团股份有限公司 | 屏幕的检测方法及装置、计算机可读存储介质 |
CN111563889B (zh) * | 2020-05-06 | 2023-06-27 | 深圳市斑马视觉科技有限公司 | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 |
CN112348773B (zh) * | 2020-09-28 | 2022-09-23 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
-
2020
- 2020-09-28 CN CN202011039225.XA patent/CN112348773B/zh active Active
-
2021
- 2021-08-25 WO PCT/CN2021/114453 patent/WO2022062812A1/zh active Application Filing
- 2021-08-25 US US18/246,806 patent/US20230368361A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150187064A1 (en) * | 2013-12-31 | 2015-07-02 | Shenzhen China Star Optoelectronics Technology Co. Ltd. | Defect inspection device for display panel and method for the same |
US20170004612A1 (en) * | 2015-07-03 | 2017-01-05 | Yuan Ze University | Optical film defect detection method and system thereof |
CN108683907A (zh) * | 2018-05-31 | 2018-10-19 | 歌尔股份有限公司 | 光学模组像素缺陷检测方法、装置及设备 |
CN110766736A (zh) * | 2019-10-29 | 2020-02-07 | 京东方科技集团股份有限公司 | 缺陷检测方法、装置、电子设备以及存储介质 |
CN111062910A (zh) * | 2019-11-13 | 2020-04-24 | 易思维(杭州)科技有限公司 | 局部阈值分割方法及缺陷检测方法 |
CN111462113A (zh) * | 2020-04-24 | 2020-07-28 | 上海精测半导体技术有限公司 | 无图形晶圆的复检方法 |
CN111612757A (zh) * | 2020-05-18 | 2020-09-01 | 苏州精濑光电有限公司 | 一种屏幕裂纹的检测方法、装置、设备及存储介质 |
CN111612781A (zh) * | 2020-05-27 | 2020-09-01 | 歌尔股份有限公司 | 一种屏幕缺陷检测方法、装置及头戴显示设备 |
CN111627009A (zh) * | 2020-05-27 | 2020-09-04 | 歌尔股份有限公司 | 一种屏幕检测方法、装置及头戴显示设备 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022062812A1 (zh) * | 2020-09-28 | 2022-03-31 | 歌尔股份有限公司 | 屏幕缺陷检测方法、装置和电子设备 |
CN112951737B (zh) * | 2021-02-18 | 2021-12-17 | 长江存储科技有限责任公司 | 沟道孔缺陷的改进方法、检测方法及检测*** |
CN112951737A (zh) * | 2021-02-18 | 2021-06-11 | 长江存储科技有限责任公司 | 沟道孔缺陷的改进方法、检测方法及检测*** |
CN113808136A (zh) * | 2021-11-19 | 2021-12-17 | 中导光电设备股份有限公司 | 一种基于最近邻算法的液晶屏幕缺陷检测方法和*** |
CN113888657A (zh) * | 2021-12-08 | 2022-01-04 | 珠海视熙科技有限公司 | 一种屏幕颜色采集方法、装置、摄像设备以及存储介质 |
CN114359174A (zh) * | 2021-12-16 | 2022-04-15 | 苏州镁伽科技有限公司 | 导电粒子识别方法、装置、电子设备及存储介质 |
CN114359176A (zh) * | 2021-12-16 | 2022-04-15 | 苏州镁伽科技有限公司 | 面板检测方法、装置、电子设备及存储介质 |
CN114359176B (zh) * | 2021-12-16 | 2024-07-09 | 苏州镁伽科技有限公司 | 面板检测方法、装置、电子设备及存储介质 |
CN114359174B (zh) * | 2021-12-16 | 2024-06-18 | 苏州镁伽科技有限公司 | 导电粒子识别方法、装置、电子设备及存储介质 |
CN114486732B (zh) * | 2021-12-30 | 2024-04-09 | 武汉光谷卓越科技股份有限公司 | 一种基于线扫描三维的瓷砖缺陷在线检测方法 |
CN114486732A (zh) * | 2021-12-30 | 2022-05-13 | 武汉光谷卓越科技股份有限公司 | 一种基于线扫描三维的瓷砖缺陷在线检测方法 |
CN114693676A (zh) * | 2022-05-31 | 2022-07-01 | 南通市通州翔鹏纺织品有限公司 | 一种新材料纺织品漂白缺陷光学检测方法及装置 |
CN115183990B (zh) * | 2022-09-09 | 2022-12-23 | 杭州光粒科技有限公司 | 一种显示屏幕检测方法及装置 |
CN115183990A (zh) * | 2022-09-09 | 2022-10-14 | 杭州光粒科技有限公司 | 一种显示屏幕检测方法及装置 |
CN115511907A (zh) * | 2022-11-24 | 2022-12-23 | 深圳市晶台股份有限公司 | 一种用于led屏幕的划痕检测方法 |
CN116664551A (zh) * | 2023-07-21 | 2023-08-29 | 深圳市长荣科机电设备有限公司 | 基于机器视觉的显示屏检测方法、装置、设备及存储介质 |
CN116664551B (zh) * | 2023-07-21 | 2023-10-31 | 深圳市长荣科机电设备有限公司 | 基于机器视觉的显示屏检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20230368361A1 (en) | 2023-11-16 |
WO2022062812A1 (zh) | 2022-03-31 |
CN112348773B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112348773B (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
CN111612781A (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN111627009A (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
CN111815630A (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
US20230005130A1 (en) | Method and device for detecting display panel defect | |
CN112581452B (zh) | 工业配件表面缺陷检测方法、***、智能设备和存储介质 | |
CN111583216A (zh) | Pcba电路板的缺陷检测方法 | |
CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN116503388A (zh) | 缺陷检测方法、装置及存储介质 | |
CN110858395A (zh) | 一种卷装长丝的污丝缺陷检测方法 | |
CN113537037A (zh) | 路面病害识别方法、***、电子设备及存储介质 | |
CN108107611B (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
CN115619775A (zh) | 基于图像识别的物料计数方法及装置 | |
CN113610843B (zh) | 一种光纤编织层的实时缺陷识别***及其方法 | |
CN117522869B (zh) | 图像处理方法和缺陷检测方法、***、电子设备 | |
CN111353992A (zh) | 一种基于纹理特征的农产品缺陷检测方法及*** | |
CN117351011A (zh) | 屏幕缺陷检测方法、设备和可读存储介质 | |
JP4139291B2 (ja) | 欠陥検査方法及び装置 | |
CN113793322A (zh) | 一种对磁性材料自动检测的方法、电子设备和存储介质 | |
CN111008960B (zh) | 基于机器视觉的铝电解电容底部外观检测方法及装置 | |
KR101713001B1 (ko) | 이미지 처리를 통한 금속패널 결함탐지장치 및 그 방법 | |
JP4036048B2 (ja) | 欠陥識別方法 | |
CA2997335C (en) | Automatically generating image datasets for use in image recognition and detection | |
CN113658096A (zh) | 板材异常检测方法及装置 | |
JP2003216930A (ja) | 変色検査方法及び変色検査装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221130 Address after: 261031 workshop 1, phase III, Geer Photoelectric Industrial Park, 3999 Huixian Road, Yongchun community, Qingchi street, high tech Zone, Weifang City, Shandong Province Patentee after: GoerTek Optical Technology Co.,Ltd. Address before: 261031 No. 268 Dongfang Road, hi tech Industrial Development Zone, Shandong, Weifang Patentee before: GOERTEK Inc. |