CN112785547A - 一种电极触头表面损伤识别方法和*** - Google Patents
一种电极触头表面损伤识别方法和*** Download PDFInfo
- Publication number
- CN112785547A CN112785547A CN202011253909.XA CN202011253909A CN112785547A CN 112785547 A CN112785547 A CN 112785547A CN 202011253909 A CN202011253909 A CN 202011253909A CN 112785547 A CN112785547 A CN 112785547A
- Authority
- CN
- China
- Prior art keywords
- damage
- damaged
- image
- area
- original image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004891 communication Methods 0.000 claims abstract description 24
- 238000003708 edge detection Methods 0.000 claims abstract description 18
- 230000000877 morphologic effect Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 abstract description 4
- 230000015654 memory Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 7
- 238000003709 image segmentation Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000003860 storage 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
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T7/10—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
- G06T7/12—Edge-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
- G06T7/13—Edge detection
-
- 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
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种电极触头表面损伤识别方法和***，包括如下步骤：采集电极触头表面的原始图像；基于原始图像将触头表面分为若干个损伤部；选定一个损伤部并基于该损伤部的损伤图像进行边缘检测，将检测出的损伤边缘标出；沿着标出的损伤边缘，分割出触头表面损伤区域，以二值化图像表示分割出的损伤区域和图像其他区域；对分割出的损伤区域进行形态学运算；再对损伤区域进行膨胀运算，得到封闭的损伤连通区；重复直至得到各个损伤部的损伤连通区，对所有损伤连通区进行标记完成识别。本发明实现快速准确的提取触头表面的损伤区域，并应用MATLAB工具箱与GUI图形用户界面相结合，使触头表面损伤的处理过程更加直观，有良好的交互性和实用性。
Description
技术领域
本发明涉及一种电极触头表面损伤识别方法和***，应用于高压真空灭弧室，属于灭弧室研发设计领域。
背景技术
真空触头开关表面状态，金属熔池的大小是区分触头受损程度的重要依据。长期以来开关触头的检修和维护一般通过人工来实现。这种检修方法容易受到人的主观鉴别能力和情绪等因素影响，往往偏差较大，且需要大量劳动力，不仅工作效率较低，有时也隐含一些安全问题。随着计算机技术的迅猛发展，机器视觉技术在真空灭弧室领域的应用也越来越普遍。机器视觉技术的特点是速度快、功能多、效率高。以基于MATLAB自动检测水果外形特征为例，可一次性完成对果梗的完整性、果形、水果尺寸、果面损伤和缺陷等的分级，而且能完成许多其它检测方法难以胜任的工作，可以测量定量指标，如水果大小、果面损伤面积的具体数值，根据其数值大小进行分类等。
发明内容
本发明的目的是提供一种电极触头表面损伤识别方法和***，用以解决开关触头受损程度判断耗费人力物力效率低下的问题。
为实现上述目的，本发明的方案包括：
本发明的一种电极触头表面损伤识别方法，包括如下步骤：
1)采集电极触头表面的图像，得到原始图像；
2)基于原始图像将触头表面分为若干个损伤部；
3)选定一个损伤部并基于该损伤部的损伤图像进行边缘检测，将检测出的损伤边缘标出后得到边缘标记图像；
4)沿着标出的损伤边缘，分割出触头表面损伤区域，以二值化图像表示分割出的损伤区域和图像其他区域；
5)对分割出的损伤区域进行形态学运算，消除损伤区域内部的图像其他区域；再对损伤区域进行膨胀运算，得到封闭的损伤连通区；
6)重复步骤3)～5)得到各个损伤部的损伤连通区，对所有损伤连通区进行标记完成识别。
本发明利用机器视觉，在得到触头表面图像后，首先通过边缘检测算法可以有效识别并标画出原本平整光滑的触头表面上的拉弧烧毁损伤处的边缘，然后基于标识出的损伤边缘将图像中的损伤区域分割出来，并通过二值化图像显示出损伤区域，然后通过形态学运算对损伤区域填补，最后通过膨胀运算将损伤区域完全覆盖(识别边界超出损伤区域的边缘)并使紧挨的损伤区域相连通形成损伤连通区，并将完整相连的损伤连通区标记识别。实现了触头表面损伤区统一标准的快速准确识别，识别结果直观易读。
进一步的，在步骤1)中显示出原始图像；在步骤3)中显示出边缘标记图像；在步骤4)中显示分割出损伤区域的二值化图像；在步骤5)中显示进行形态学运算后的损伤区域，还显示出膨胀运算后的损伤连通区。
计算机内部为实现损伤识别而对图像进行的每一步处理都实时显示出来，便于操作人监控处理过程，在处理过程中出现的图像本身原因干扰导致的偏差能够及时干预处置，增加了损伤识别的准确性；同时在识别结果存在较大偏差时能够及时准确得知在哪一步图像处理中导致出现了偏差。
进一步的，步骤2)中，在将触头表面分为若干个损伤部前，还对原始图像进行预处理，所述预处理包括：采用中值滤波消除原始图像中的随机噪声，并显示处理后的原始图像；采用直方图均衡化增加原始图像的对比度，并显示处理后的原始图像。
通过预处理的5×5中值滤波消除随机噪声，利用直方图均衡化增强图像对比度，以突出显示损伤区域，有利于下一步的识别，增加识别准确性。
进一步的，步骤3)中，选定一个未完成识别的损伤部后，旋转原始图像并放大该损伤部，得到并显示该损伤部的损伤图像。
对触头表面图像进行分组，将距离上相接近的损伤区域视为一组(一个损伤部)，将对应组放大，逐组对该组中的损伤区域进行识别，每个组的识别难度均有所降低，进一步增加了识别的准确性；同时对每个组识别时将该组的图像进行了放大，也有利于边缘检测及损伤识别的准确性。
进一步的，步骤3)中，利用MATLAB的Canny算子进行边缘检测。
本发明的一种电极触头表面损伤识别***，包括显示器、摄像头和控制连接摄像头及显示器的处理器，所述处理器执行实现如下方法的指令：
1)采集电极触头表面的图像，得到原始图像；
2)基于原始图像将触头表面分为若干个损伤部；
3)选定一个损伤部并基于该损伤部的损伤图像进行边缘检测，将检测出的损伤边缘标出后得到边缘标记图像；
4)沿着标出的损伤边缘，分割出触头表面损伤区域，以二值化图像表示分割出的损伤区域和图像其他区域；
5)对分割出的损伤区域进行形态学运算，消除损伤区域内部的图像其他区域；再对损伤区域进行膨胀运算，得到封闭的损伤连通区；
6)重复步骤3)～5)得到各个损伤部的损伤连通区，对所有损伤连通区进行标记并显示于显示器上完成识别。
进一步的，在步骤1)中显示出原始图像；在步骤3)中显示出边缘标记图像；在步骤4)中显示分割出损伤区域的二值化图像；在步骤5)中显示进行形态学运算后的损伤区域，还显示出膨胀运算后的损伤连通区。
进一步的，步骤2)中，在将触头表面分为若干个损伤部前，还对原始图像进行预处理，所述预处理包括：采用中值滤波消除原始图像中的随机噪声，并显示处理后的原始图像；采用直方图均衡化增加原始图像的对比度，并显示处理后的原始图像。
进一步的，步骤3)中，选定一个未完成识别的损伤部后，旋转原始图像并放大该损伤部，得到并显示该损伤部的损伤图像。
进一步的，步骤3)中，利用MATLAB的Canny算子进行边缘检测。
附图说明
图1是本发明电极触头表面损伤识别流程图；
图2是本发明电极触头表面损伤识别***人机交互界面示意图；
图3是本发明电极触头表面损伤识别方法获取原始图像示意图；
图4是本发明电极触头表面损伤识别方法对原始图像进行预处理示意图；
图5是本发明电极触头表面损伤识别方法对损伤部进行边缘检测示意图；
图6是本发明电极触头表面损伤识别方法进行形态学运算示意图；
图7是本发明电极触头表面损伤识别方法对损伤连通区进行标记示意图；
图8是本发明电极触头表面损伤识别***原理示意图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
方法实施例：
如图2和图3所示的本发明电极触头表面损伤识别***人机交互界面示意图，界面包括两部分，分别是图像处理显示区1和按键控制区2，按键控制区2分为原始图像操作区21、图像预处理操作区22和损伤提取操作区23。通过按键控制区2的功能按键，能够实现从读取采集到的电极触头表面的原始图像，到图像预处理过程，再到实现触头表面损伤提取的过程。首先利用CCD摄像机获取真空开关触头表面图像信息，并将图像信息传输到计算机存储器中；通过读取图像按键从存储器中读取采集的电极触头表面原始图像，读取后原始图像会在左侧图像处理显示区1中显示出来。根据图像质量或需要，可以利用图像预处理操作区22内的工具按键，对图像进行预处理，以提升图像质量，利于后面的损伤区域识别。然后通过损伤提取操作区23内的按键，对预处理后的图像进行图像识别过程，依次经过边缘检测、图像分割和形态学运算，完成损伤识别的准备工作。最后通过损伤标记按键进行损伤区识别和标记，完成损伤位置的采集和存储。
从原始图像到图像预处理，再到损伤提取的过程中，电极触头表面图像会始终显示在图像处理显示区1中，每个步骤对图像的处理所产生的变化，会直观的在图像上体现出来。以供操作人员观察参考。例如原始图像中触头表面的一片反光，在直方图增强后形成一块白斑，并在边缘检测中被标出，存在极大可能被误识别为损伤区域，此时操作人员可及时介入，通过图像预处理操作区22内的其他工具，例如旋转和切割按键人工裁掉存在反光的图像。
本发明电极触头表面损伤识别方法具体如图1所示，通过CCD相机获取真空触头表面图像，对图像进行预处理和边缘检测确定损伤位置，再进行形态学运算后，标记触头表面的损伤区域，包括如下步骤：
S1.图像采集步骤：采集模块采用红外LED光源，照明方式为前景照明，配合摄影箱消除反光及阴影；选用面阵CCD摄像机GS3-U3-14S5M-C进行图像采集；选用焦距为16mm的C型接口的FA1602A镜头和红外滤波片与摄像机一起使用；并将采集到的图像信息传输到计算机；
S2.图像预处理步骤，如图4所示：首先选用了5*5中值滤波处理随机噪声；然后，对图像进行图像增强处理，利用直方图均衡化的方法增加图像分辨率，以突出损伤区域；最后，按照空间分布情况，将距离较近的损伤处分为一组，整个触头表面图像上分出一组或多组损伤处(每组损伤为一个损伤部)，然后逐组对各组内的损伤进行识别。首先选取一组损伤，旋转图像，并利用图像切割函数分割出该组的图像，然后将该组的图像放大，在图像处理显示区1中显示该组损伤的放大图像(该损伤部的损伤图像)，该组损伤放大图像为后续边缘检测的素材；
S3.边缘分析步骤，如图5所示：利用MATLAB的Canny边缘检测算子对预处理后的触头表面的损伤图像进行损伤边缘检测，初步确定缺陷位置；
S4～S5.损伤识别步骤，如图6所示：先对预处理后的图像按照检测出的损伤边缘进行图像分割，图像分割后得到损伤区域，用二值化图像显示损伤区域，损伤区域可以显示为深色，其他区域显示为浅色，同时也可以通过图像取反按键将损伤区域显示为浅色，其他区域显示为深色；随后，对图像先进行形态学运算消除损伤区域内的非损伤区域的色点或色块，后再进行膨胀运算(膨胀运算也属于形态学运算的一种，因此也可理解为进行了两次形态学运算)以使损伤区域全面完整的覆盖对应的损伤处，最终得到封闭且完整覆盖的的损伤连通区域图像；
S6.最后如图7所示，对图像的损伤连通区域进行标记。将连续的损伤连通区或者说相连的损伤连通区识别为同一损伤并编号。
本发明的电极触头表面损伤识别***的用户界面设计：把MATLAB工具箱与GUI图形用户界面相结合，把对触头表面图像的处理操作通过不同按钮的形式设计成界面形式。这种界面形式能够很好的观察到触头表面图像预处理的实现过程，并且能够更清晰的对触头图像的分割、形态学运算和损伤识别过程进行可视化处理，整个***具有良好的交互性和实用性，图像处理结果更加直观。
***实施例：
本实施例提供了一种电极触头表面损伤识别***，如图8所示，包括存储器、处理器和内部总线，处理器、存储器之间通过内部总线完成相互间的通信。
处理器可以为微处理器MCU、可编程逻辑器件FPGA等处理装置。
存储器可为利用电能方式存储信息的各式存储器，RAM、ROM等；利用磁能方式存储信息的各式存储器，例如硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘等；利用光学方式存储信息的各式存储器，例如CD、DVD等。当然，还有其他方式的存储器，例如量子存储器、石墨烯存储器等。
处理器可以调用存储器中的逻辑指令，同时向存储器中写入或读取原始图片数据，以实现一种电极触头表面损伤识别方法。在方法实施例中对该方法做了详细介绍，此处不再赘述。
Claims (10)
1.一种电极触头表面损伤识别方法，其特征在于，包括如下步骤：
1)采集电极触头表面的图像，得到原始图像；
2)基于原始图像将触头表面分为若干个损伤部；
3)选定一个损伤部并基于该损伤部的损伤图像进行边缘检测，将检测出的损伤边缘标出后得到边缘标记图像；
4)沿着标出的损伤边缘，分割出触头表面损伤区域，以二值化图像表示分割出的损伤区域和图像其他区域；
5)对分割出的损伤区域进行形态学运算，消除损伤区域内部的图像其他区域；再对损伤区域进行膨胀运算，得到封闭的损伤连通区；
6)重复步骤3)～5)得到各个损伤部的损伤连通区，对所有损伤连通区进行标记完成识别。
2.根据权利要求1所述的电极触头表面损伤识别方法，其特征在于，在步骤1)中显示出原始图像；在步骤3)中显示出边缘标记图像；在步骤4)中显示分割出损伤区域的二值化图像；在步骤5)中显示进行形态学运算后的损伤区域，还显示出膨胀运算后的损伤连通区。
3.根据权利要求1或2所述的电极触头表面损伤识别方法，其特征在于，步骤2)中，在将触头表面分为若干个损伤部前，还对原始图像进行预处理，所述预处理包括：采用中值滤波消除原始图像中的随机噪声，并显示处理后的原始图像；采用直方图均衡化增加原始图像的对比度，并显示处理后的原始图像。
4.根据权利要求3所述的电极触头表面损伤识别方法，其特征在于，步骤3)中，选定一个未完成识别的损伤部后，旋转原始图像并放大该损伤部，得到并显示该损伤部的损伤图像。
5.根据权利要求1所述的电极触头表面损伤识别方法，其特征在于，步骤3)中，利用MATLAB的Canny算子进行边缘检测。
6.一种电极触头表面损伤识别***，其特征在于，包括显示器、摄像头和控制连接摄像头及显示器的处理器，所述处理器执行实现如下方法的指令：
1)采集电极触头表面的图像，得到原始图像；
2)基于原始图像将触头表面分为若干个损伤部；
3)选定一个损伤部并基于该损伤部的损伤图像进行边缘检测，将检测出的损伤边缘标出后得到边缘标记图像；
4)沿着标出的损伤边缘，分割出触头表面损伤区域，以二值化图像表示分割出的损伤区域和图像其他区域；
5)对分割出的损伤区域进行形态学运算，消除损伤区域内部的图像其他区域；再对损伤区域进行膨胀运算，得到封闭的损伤连通区；
6)重复步骤3)～5)得到各个损伤部的损伤连通区，对所有损伤连通区进行标记并显示于显示器上完成识别。
7.根据权利要求6所述的电极触头表面损伤识别***，其特征在于，在步骤1)中显示出原始图像；在步骤3)中显示出边缘标记图像；在步骤4)中显示分割出损伤区域的二值化图像；在步骤5)中显示进行形态学运算后的损伤区域，还显示出膨胀运算后的损伤连通区。
8.根据权利要求6或7所述的电极触头表面损伤识别***，其特征在于，步骤2)中，在将触头表面分为若干个损伤部前，还对原始图像进行预处理，所述预处理包括：采用中值滤波消除原始图像中的随机噪声，并显示处理后的原始图像；采用直方图均衡化增加原始图像的对比度，并显示处理后的原始图像。
9.根据权利要求8所述的电极触头表面损伤识别***，其特征在于，步骤3)中，选定一个未完成识别的损伤部后，旋转原始图像并放大该损伤部，得到并显示该损伤部的损伤图像。
10.根据权利要求6所述的电极触头表面损伤识别***，其特征在于，步骤3)中，利用MATLAB的Canny算子进行边缘检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011253909.XA CN112785547A (zh) | 2020-11-11 | 2020-11-11 | 一种电极触头表面损伤识别方法和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011253909.XA CN112785547A (zh) | 2020-11-11 | 2020-11-11 | 一种电极触头表面损伤识别方法和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112785547A true CN112785547A (zh) | 2021-05-11 |
Family
ID=75750516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011253909.XA Pending CN112785547A (zh) | 2020-11-11 | 2020-11-11 | 一种电极触头表面损伤识别方法和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112785547A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178367A (zh) * | 2007-09-21 | 2008-05-14 | 天津大学 | 一种陶瓷加工表面损伤检测*** |
| CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
| CN107358596A (zh) * | 2017-04-11 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及*** |
| CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
| CN110930405A (zh) * | 2020-01-19 | 2020-03-27 | 南京理工大学 | 一种基于图像区域划分的刀具损伤检测方法 |
-
2020
- 2020-11-11 CN CN202011253909.XA patent/CN112785547A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101178367A (zh) * | 2007-09-21 | 2008-05-14 | 天津大学 | 一种陶瓷加工表面损伤检测*** |
| CN104608799A (zh) * | 2014-12-12 | 2015-05-13 | 郑州轻工业学院 | 基于信息融合技术列车轮对踏面损伤在线检测与识别方法 |
| CN107358596A (zh) * | 2017-04-11 | 2017-11-17 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及*** |
| CN109816652A (zh) * | 2019-01-25 | 2019-05-28 | 湖州云通科技有限公司 | 一种基于灰度显著性的复杂铸件缺陷识别方法 |
| CN110930405A (zh) * | 2020-01-19 | 2020-03-27 | 南京理工大学 | 一种基于图像区域划分的刀具损伤检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022062812A1 (zh) | 屏幕缺陷检测方法、装置和电子设备 | |
| CN108562589B (zh) | 一种对磁路材料表面缺陷进行检测的方法 | |
| CN109822398B (zh) | 一种基于深度学习的数控机床断刀检测***及方法 | |
| CN111275679B (zh) | 一种基于图像的太阳能电池缺陷检测***及方法 | |
| JP5706860B2 (ja) | 白米及び玄米の外観品位測定方法 | |
| CN107038446B (zh) | 一种主动照明下基于重叠边缘检测的夜间双果重叠番茄识别方法 | |
| CN110403232B (zh) | 一种基于二级算法的烟支质量检测方法 | |
| CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
| CN109087286A (zh) | 一种基于计算机图像处理和模式识别的检测方法及应用 | |
| CN111582294A (zh) | 一种构建用于表面缺陷检测的卷积神经网络模型的方法及其利用 | |
| CN109886170B (zh) | 一种钉螺智能检测识别与统计*** | |
| CN113298776B (zh) | 一种金属闭式水泵叶轮外观缺陷检测方法 | |
| CN113674226A (zh) | 一种基于深度学习的采茶机茶叶芽尖检测方法 | |
| CN106097368A (zh) | 一种单板裂缝的识别方法 | |
| CN113781486A (zh) | Ic卡图像缺陷检测方法 | |
| CN107153067A (zh) | 一种基于matlab的零件表面缺陷检测方法 | |
| CN111122590A (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
| CN108020554A (zh) | 一种带钢表面缺陷识别检测方法 | |
| CN114049316A (zh) | 一种基于金属光泽区域的钢丝绳缺陷检测方法 | |
| CN110288616B (zh) | 一种基于分形和rpca分割眼底图像中硬性渗出的方法 | |
| CN110544262A (zh) | 一种基于机器视觉的子宫颈细胞图像分割方法 | |
| CN106900601A (zh) | 一种快速精准识别对虾图像虾头点与虾尾点的方法 | |
| CN113723314A (zh) | 一种基于YOLOv3算法的甘蔗茎节识别方法 | |
| CN112785547A (zh) | 一种电极触头表面损伤识别方法和*** | |
| CN111707672A (zh) | 风电回转支撑件表面缺陷检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210511 |