CN112598647A - 一种弧形面渐变背景下弱线缺陷的检测方法 - Google Patents
一种弧形面渐变背景下弱线缺陷的检测方法 Download PDFInfo
- Publication number
- CN112598647A CN112598647A CN202011548091.4A CN202011548091A CN112598647A CN 112598647 A CN112598647 A CN 112598647A CN 202011548091 A CN202011548091 A CN 202011548091A CN 112598647 A CN112598647 A CN 112598647A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- pixel
- preset
- weak line
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种弧形面渐变背景下弱线缺陷的检测方法,获取待检测图像和所述待检测图像的像素灰度;用预设固定大小的掩膜区在所述待检测图像上逐像素遍历,以获得所述待检测图像上所述掩膜区对应像素点的像素值;计算所述掩膜区对应像素点的灰度均值和标准差;当所述待检测图像的像素灰度与所述掩膜区对应像素点的灰度均值的差值大于预设灰度差时,所述掩膜区为目标区域;获取所述待检测图像中所有的目标区域;对所述所有的目标区域通过预设阈值范围进行特征提取,得到子目标区域;筛选所述子目标区域中的点类背景;去除所述待检测图像中所述子目标区域的点类背景,得到弱线缺陷的检测结果。本申请在弧形面渐变背景下精准且全面的检测出弱线缺陷。
Description
技术领域
本申请涉及图像处理领域,尤其涉及一种弧形面渐变背景下弱线缺陷的检测方法。
背景技术
随着电子产品行业不断发展,对产品表面线状缺陷检测的要求也不断提高。
目前,产品表面线状缺陷检测主要是针对高对比度的平面检测,即,先对待测图像进行滤波平滑,然后通过阈值提取分割,通过Blob分析,最后筛选出可疑缺陷区域;筛选出可疑缺陷区域后进行闭操作,经过特定特征筛选后,检测出最终线状缺陷。
然而,现有缺陷检测的方法却不适用于待测产品表面为弧形的情况。待测产品表面为弧面时,待测产品表面图像的背景会因为待测产品表面的不平整而出现背景渐变的情况。若采用低阈值提取时,背景和对低对比度的线状缺陷(即弱线缺陷)混在一起;若采用高阈值提取时,导致弱线缺陷的断裂和缺失,因而弱线缺陷检测存在困难,且无法将全部的弱线缺陷检测出。
发明内容
本申请提供了一种弧形面渐变背景下弱线缺陷的检测方法,以解决现有缺陷检测的方法对于产品表面为弧形的情况,存在的弱线缺陷检测不完整、不全面的技术问题。
为了达到上述目的,本申请实施例采用以下技术方案:
提供一种弧形面渐变背景下弱线缺陷的检测方法,所述检测方法包括:
获取待检测图像和所述待检测图像的像素灰度;
用预设固定大小的掩膜区在所述待检测图像上逐像素遍历,以获得所述待检测图像上所述掩膜区对应像素点的像素值;
计算所述掩膜区对应像素点的灰度均值和标准差;
当所述待检测图像的像素灰度与所述掩膜区对应像素点的灰度均值的差值大于预设灰度差时,所述掩膜区为目标区域;
获取所述待检测图像中所有的目标区域;
对所述所有的目标区域通过预设阈值范围进行特征提取,得到子目标区域;
筛选所述子目标区域中的点类背景;
去除所述待检测图像中所述子目标区域的点类背景,得到弱线缺陷的检测结果。
在一种可能的方式中,所述预设灰度差为所述掩膜区对应像素点的标准差与所述预设系数的乘积。
在一种可能的方式中,所述用预设固定大小的掩膜区在所述待检测图像上逐像素遍历之前还包括:
根据高斯差分函数对所述待检测图像进行滤波。
在一种可能的方式中,所述根据高斯差分函数对所述待检测图像进行滤波包括:
获取所述待检测图像在两个不同参数下的高斯滤波函数;
将所述待检测图像的两个不同参数下的高斯滤波函数相减,得到滤波后的所述待检测图像。
在一种可能的方式中,所述预设阈值范围根据预设直径阈值和预设长宽比阈值确定。
在一种可能的方式中,所述子目标区域为直径大于所述预设直径阈值且长宽比大于所述预设长宽比阈值的目标区域。
在一种可能的方式中,所述预设固定大小的掩膜区由弱线缺陷的大小决定。
本申请提供一种弧形面渐变背景下弱线缺陷的检测方法,获取待检测图像和所述待检测图像的像素灰度;用预设固定大小的掩膜区在所述待检测图像上逐像素遍历,以获得所述待检测图像上所述掩膜区对应像素点的像素值;计算所述掩膜区对应像素点的灰度均值和标准差;当所述待检测图像的像素灰度与所述掩膜区对应像素点的灰度均值的差值大于预设灰度差时,所述掩膜区为目标区域;获取所述待检测图像中所有的目标区域;对所述所有的目标区域通过预设阈值范围进行特征提取,得到子目标区域;筛选所述子目标区域中的点类背景;去除所述待检测图像中所述子目标区域的点类背景,得到弱线缺陷的检测结果。本申请在弧形面渐变背景下精准且全面的检测出弱线缺陷。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1为本申请实施例一种弧形面渐变背景下弱线缺陷的检测方法的流程图;
图2为本申请实施例待检测图像中部分区域的示意图;
图3为本申请图2中A处的放大图;
图4为本申请图2中B处的放大图;
图5为本申请实施例低阈值提取待检测图像中部分区域的示意图;
图6为本申请实施例高阈值提取待检测图像中部分区域的示意图;
图7为本申请实施例中高斯差分函数滤波后的待检测图像的示意图;
图8为本申请实施例中所述待检测图像中所有的目标区域的示意图;
图9为本申请实施例中弱线缺陷的检测结果的示意图;
图10为本申请图9中C处放大图;
图11为本申请实施例图9中D处放大图。
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方案,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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有的弱线缺陷的检测通过阈值提取分割,如图5所示的低阈值提取,背景和弱线缺陷混在一起;如图6所示的高阈值提取,导致弱线缺陷的断裂和缺失。
下面结合附图对本申请做进一步详细描述:
本申请实施例提供一种弧形面渐变背景下弱线缺陷的检测方法,用于图像处理领域,参照图1所示,所述检测方法包括如下步骤:
S100、获取待检测图像和所述待检测图像的像素灰度。
如图2、图3和图4所示,为所述待检测图像,可以看出A处和B处的两条弱线的弧形面渐变背景不同,A处和B处的弱线与弧形面渐变背景的对比度低,弧形面渐变背景不均匀渐变。
根据高斯差分函数对所述待检测图像进行滤波。所述根据高斯差分函数为:
获取所述待检测图像在两个不同参数下的高斯滤波函数,平滑图像分别为:
将所述待检测图像的两个不同参数下的高斯差分:
如图7所示,得到滤波后的所述待检测图像:
S200、用预设固定大小的掩膜区在所述待检测图像上逐像素遍历,以获得所述待检测图像上所述掩膜区对应像素点的像素值;所述预设固定大小的掩膜区由弱线缺陷的大小决定,图7中弱线缺陷的尺寸为19*19,所述预设固定大小的掩膜区大于19*19。
S300、计算所述掩膜区对应像素点的灰度均值和标准差。
S400、当所述待检测图像的像素灰度与所述掩膜区对应像素点的灰度均值的差值大于预设灰度差时,所述掩膜区为目标区域;所述预设灰度差为所述掩膜区对应像素点的标准差与所述预设系数的乘积。在图7中,所述预设系数为0.02,很好的适应每块掩膜区当前的背景,去除渐变背景干扰,同时准确提取出低对比度目标。系数设置越小,提取出的目标与背景差异越小,细节信息越多。
S500、获取所述待检测图像中所有的目标区域;如图8所述,所述待检测图像中所有的目标区域。
S600、对所述所有的目标区域通过预设阈值范围进行特征提取,得到子目标区域;所述预设阈值范围根据预设直径阈值和预设长宽比阈值确定。所述子目标区域为直径大于所述预设直径阈值且长宽比大于所述预设长宽比阈值的目标区域。
对获取所述待检测图像中所有的目标区域通过预设阈值范围提取特征,在图8中,所述预设阈值范围中直径阈值是10,长宽比阈值时2,通过每个目标区域的直径与直径阈值相比,选择直径大于10,长宽比大于2的目标区域,所有符合预设阈值范围的目标区域构成子目标区域。
S700、筛选所述子目标区域中的点类背景,;
S800、去除所述待检测图像中所述子目标区域的点类背景,得到弱线缺陷的检测结果,如图9所示,在弧形面渐变背景下精准且全面的检测出弱线缺陷,图10中C处的弱线是图3中A处通过本申请弱线缺陷的检测方法提取后的弱线放大图,图11中D处的弱线是图4中B处通过本申请弱线缺陷的检测方法提取后的弱线放大图。
本申请提供一种弧形面渐变背景下弱线缺陷的检测方法,获取待检测图像和所述待检测图像的像素灰度;用预设固定大小的掩膜区在所述待检测图像上逐像素遍历,以获得所述待检测图像上所述掩膜区对应像素点的像素值;计算所述掩膜区对应像素点的灰度均值和标准差;当所述待检测图像的像素灰度与所述掩膜区对应像素点的灰度均值的差值大于预设灰度差时,所述掩膜区为目标区域;获取所述待检测图像中所有的目标区域;对所述所有的目标区域通过预设阈值范围进行特征提取,得到子目标区域;筛选所述子目标区域中的点类背景;去除所述待检测图像中所述子目标区域的点类背景,得到弱线缺陷的检测结果。本申请在弧形面渐变背景下精准且全面的检测出弱线缺陷。
以上内容仅为说明本申请的技术思想,不能以此限定本申请的保护范围,凡是按照本申请提出的技术思想,在技术方案基础上所做的任何改动,均落入本申请权利要求书的保护范围之内。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
Claims (7)
1.一种弧形面渐变背景下弱线缺陷的检测方法,其特征在于,所述检测方法包括:
获取待检测图像和所述待检测图像的像素灰度;
用预设固定大小的掩膜区在所述待检测图像上逐像素遍历,以获得所述待检测图像上所述掩膜区对应像素点的像素值;
计算所述掩膜区对应像素点的灰度均值和标准差;
当所述待检测图像的像素灰度与所述掩膜区对应像素点的灰度均值的差值大于预设灰度差时,所述掩膜区为目标区域;
获取所述待检测图像中所有的目标区域;
对所述所有的目标区域通过预设阈值范围进行特征提取,得到子目标区域;
筛选所述子目标区域中的点类背景;
去除所述待检测图像中所述子目标区域的点类背景,得到弱线缺陷的检测结果。
2.根据权利要求1所述的一种弧形面渐变背景下弱线缺陷的检测方法,其特征在于,所述预设灰度差为所述掩膜区对应像素点的标准差与所述预设系数的乘积。
3.根据权利要求1所述的一种弧形面渐变背景下弱线缺陷的检测方法,其特征在于,所述用预设固定大小的掩膜区在所述待检测图像上逐像素遍历之前还包括:
根据高斯差分函数对所述待检测图像进行滤波。
4.根据权利要求3所述的一种弧形面渐变背景下弱线缺陷的检测方法,其特征在于,所述根据高斯差分函数对所述待检测图像进行滤波包括:
获取所述待检测图像在两个不同参数下的高斯滤波函数;
将所述待检测图像的两个不同参数下的高斯滤波函数相减,得到滤波后的所述待检测图像。
5.根据权利要求1所述的一种弧形面渐变背景下弱线缺陷的检测方法,其特征在于,所述预设阈值范围根据预设直径阈值和预设长宽比阈值确定。
6.根据权利要求5所述的一种弧形面渐变背景下弱线缺陷的检测方法,其特征在于,所述子目标区域为直径大于所述预设直径阈值且长宽比大于所述预设长宽比阈值的目标区域。
7.根据权利要求1所述的一种弧形面渐变背景下弱线缺陷的检测方法,其特征在于,所述预设固定大小的掩膜区由弱线缺陷的大小决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011548091.4A CN112598647A (zh) | 2020-12-24 | 2020-12-24 | 一种弧形面渐变背景下弱线缺陷的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011548091.4A CN112598647A (zh) | 2020-12-24 | 2020-12-24 | 一种弧形面渐变背景下弱线缺陷的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112598647A true CN112598647A (zh) | 2021-04-02 |
Family
ID=75200821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011548091.4A Pending CN112598647A (zh) | 2020-12-24 | 2020-12-24 | 一种弧形面渐变背景下弱线缺陷的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112598647A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114354623A (zh) * | 2021-12-30 | 2022-04-15 | 苏州凌云视界智能设备有限责任公司 | 弱印痕提取算法、装置、设备和介质 |
CN116973311A (zh) * | 2023-09-22 | 2023-10-31 | 成都中嘉微视科技有限公司 | 一种膜上膜下异物的检测装置及检测方法 |
CN117115128A (zh) * | 2023-09-11 | 2023-11-24 | 杭州深度视觉科技有限公司 | 图像的像素值计算方法、装置、电子设备及存储介质 |
CN117130186A (zh) * | 2023-10-25 | 2023-11-28 | 深圳市晶鸿电子有限公司 | 一种lcd显示屏瑕疵缺陷智能检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219291A (ja) * | 2003-01-16 | 2004-08-05 | Seiko Epson Corp | 画面の線欠陥検出方法及び装置 |
US20060067571A1 (en) * | 2004-09-29 | 2006-03-30 | Dainippon Screen Mfg. Co., Ltd. | Defect detection apparatus and defect detection method |
CN106920233A (zh) * | 2017-02-24 | 2017-07-04 | 中国人民解放军国防科学技术大学 | 基于图像处理的划痕检测方法、装置及电子设备 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN109166109A (zh) * | 2018-08-14 | 2019-01-08 | 珠海格力智能装备有限公司 | 缺陷检测方法、装置、存储介质及处理器 |
CN110490864A (zh) * | 2019-08-22 | 2019-11-22 | 易思维(杭州)科技有限公司 | 图像的自适应缺陷检测方法 |
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN111179260A (zh) * | 2019-12-31 | 2020-05-19 | 三峡大学 | 基于多尺度Hessian矩阵滤波的陶瓷瓦表面裂纹检测方法 |
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 |
CN111754466A (zh) * | 2020-06-08 | 2020-10-09 | 西安电子科技大学 | 传输机皮带损伤状况的智能检测方法 |
-
2020
- 2020-12-24 CN CN202011548091.4A patent/CN112598647A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219291A (ja) * | 2003-01-16 | 2004-08-05 | Seiko Epson Corp | 画面の線欠陥検出方法及び装置 |
US20060067571A1 (en) * | 2004-09-29 | 2006-03-30 | Dainippon Screen Mfg. Co., Ltd. | Defect detection apparatus and defect detection method |
CN106920233A (zh) * | 2017-02-24 | 2017-07-04 | 中国人民解放军国防科学技术大学 | 基于图像处理的划痕检测方法、装置及电子设备 |
CN108230321A (zh) * | 2018-01-19 | 2018-06-29 | 深圳市亿图视觉自动化技术有限公司 | 缺陷检测方法及装置 |
CN109166109A (zh) * | 2018-08-14 | 2019-01-08 | 珠海格力智能装备有限公司 | 缺陷检测方法、装置、存储介质及处理器 |
CN110490864A (zh) * | 2019-08-22 | 2019-11-22 | 易思维(杭州)科技有限公司 | 图像的自适应缺陷检测方法 |
CN110530883A (zh) * | 2019-09-30 | 2019-12-03 | 凌云光技术集团有限责任公司 | 一种缺陷检测方法 |
CN111179260A (zh) * | 2019-12-31 | 2020-05-19 | 三峡大学 | 基于多尺度Hessian矩阵滤波的陶瓷瓦表面裂纹检测方法 |
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 |
CN111754466A (zh) * | 2020-06-08 | 2020-10-09 | 西安电子科技大学 | 传输机皮带损伤状况的智能检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114354623A (zh) * | 2021-12-30 | 2022-04-15 | 苏州凌云视界智能设备有限责任公司 | 弱印痕提取算法、装置、设备和介质 |
CN117115128A (zh) * | 2023-09-11 | 2023-11-24 | 杭州深度视觉科技有限公司 | 图像的像素值计算方法、装置、电子设备及存储介质 |
CN116973311A (zh) * | 2023-09-22 | 2023-10-31 | 成都中嘉微视科技有限公司 | 一种膜上膜下异物的检测装置及检测方法 |
CN116973311B (zh) * | 2023-09-22 | 2023-12-12 | 成都中嘉微视科技有限公司 | 一种膜上膜下异物的检测装置及检测方法 |
CN117130186A (zh) * | 2023-10-25 | 2023-11-28 | 深圳市晶鸿电子有限公司 | 一种lcd显示屏瑕疵缺陷智能检测方法 |
CN117130186B (zh) * | 2023-10-25 | 2024-01-05 | 深圳市晶鸿电子有限公司 | 一种lcd显示屏瑕疵缺陷智能检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112598647A (zh) | 一种弧形面渐变背景下弱线缺陷的检测方法 | |
CN108460757B (zh) | 一种手机TFT-LCD屏Mura缺陷在线自动检测方法 | |
JP2696211B2 (ja) | 濃淡画像からのパターン認識方法及び装置 | |
CN114581742A (zh) | 基于线性度的连通域聚类融合方法、装置、***及介质 | |
US9196034B2 (en) | Method of fast analysis of the relief elements featuring on the internal surface of a tyre | |
Muhammad et al. | Copy-move forgery detection using dyadic wavelet transform | |
CN112991305A (zh) | 一种喷漆面板表面缺陷的视觉检测方法 | |
MXPA06003027A (es) | Aparato y metodo para inspeccion automatica de un rollo continuo. | |
CN114399522A (zh) | 一种基于高低阈值的Canny算子的边缘检测方法 | |
CN111932490B (zh) | 一种用于工业机器人的视觉***抓取信息提取方法 | |
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN113077437B (zh) | 工件质量检测方法及其*** | |
CN107274452B (zh) | 一种痘痘自动检测方法 | |
Muhammad et al. | A non-intrusive method for copy-move forgery detection | |
KR102242996B1 (ko) | 자동차 사출제품의 비정형 불량 검출 방법 | |
Alazzawi | Edge detection-application of (first and second) order derivative in image processing: communication | |
CN115690670A (zh) | 一种晶圆瑕疵智能识别方法和*** | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
CN109001213B (zh) | 一种卷到卷超薄柔性ic基板外观检测方法 | |
US7058221B1 (en) | Method of recognizing object based on pattern matching and medium for recording computer program having same | |
CN108510513A (zh) | 一种基于pca和分段rht的pcb图像圆检测方法 | |
JP5067677B2 (ja) | 欠陥検出方法、欠陥検出装置、及びプログラム | |
CN114742832B (zh) | 一种MiniLED薄板的焊接缺陷检测方法 | |
CN109359646A (zh) | 基于巡检机器人的液位型仪表识别方法 |
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 |