CN112801987A - 一种手机零件异常检测方法及设备 - Google Patents
一种手机零件异常检测方法及设备 Download PDFInfo
- Publication number
- CN112801987A CN112801987A CN202110138570.7A CN202110138570A CN112801987A CN 112801987 A CN112801987 A CN 112801987A CN 202110138570 A CN202110138570 A CN 202110138570A CN 112801987 A CN112801987 A CN 112801987A
- Authority
- CN
- China
- Prior art keywords
- detected
- image
- mobile phone
- determining
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 128
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 230000002159 abnormal effect Effects 0.000 claims abstract description 41
- 230000005856 abnormality Effects 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 42
- 230000007797 corrosion Effects 0.000 claims description 18
- 238000005260 corrosion Methods 0.000 claims description 18
- 239000002699 waste material Substances 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 15
- 230000005291 magnetic effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000003936 working memory 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- 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
- G06T2207/10116—X-ray image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Telephone Function (AREA)
Abstract
本申请的目的是提供一种手机零件异常检测方法及设备,本申请通过X光设备采集手机的零件图像;若零件图像满足预设采集条件,提取零件图像中的手机轮廓的最小外接矩形,并旋转平移至所述零件图像的中心位置得到待检测图像;基于手机的零件模板图及其中的零件标注,在待检测图像中的对应区域进行待检测零件的模板匹配,确定待检测零件对应的分析区域和零件类型;根据零件类型,确定对应的异常检测规则;基于异常检测规则,对待检测零件对应的分析区域进行异常检测,确定待检测零件的异常检测结果,不仅提高了对手机零件的异常检测的精确度,还避免了人为进行检测的人力资源浪费,从而进一步提高了手机零件异常检测的效率。
Description
技术领域
本申请涉及计算机领域,尤其涉及一种手机零件异常检测方法及设备。
背景技术
日常生活中,手机已经成为人们不可缺少的随身物品,无论是工作、外出、学习或旅游,手机都成为人们在各种场合的必需品,随着手机开发的成熟,人们对手机的依赖度也越来越高。随着对手机的使用,手机硬件可能会出现老化或磕碰等零件异常的情况,当手机出现问题时,不能很好地对手机的零件等进行异常检测,导致用户无法进一步确定到底是手机哪里出现了问题,故而,对手机的零件进行异常检测成为当前主要研究课题。
发明内容
本申请的一个目的是提供一种手机零件异常检测方法及设备,以实现对手机中的零件进行异常检测,以便快速地检测出手机的零件是否异常的异常检测结果,避免人为进行检测的人力资源浪费和提高手机零件异常检测的效率。
根据本申请的一个方面,提供了一种手机零件异常检测方法,其中,所述方法包括:
通过X光设备采集手机的零件图像;
若所述手机的零件图像满足预设采集条件,提取所述零件图像中的手机轮廓的最小外接矩形,并旋转平移至所述零件图像的中心位置,得到待检测图像;
基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型;
根据所述零件类型,确定对应的异常检测规则;
基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果。
进一步地,上述手机零件异常检测方法中,所述预设采集条件包括预设尺寸阈值条件和预设灰度阈值条件,其中,所述方法包括:
判断所述手机的零件图像的尺寸是否在所述预设尺寸阈值条件内,且所述手机的零件图像的灰度值是否在所述预设灰度阈值条件内。
进一步地,上述手机零件异常检测方法中,所述方法还包括:
获取所述待检测零件的零件特征;
基于所述零件特征确定对应的目标模板匹配,其中,所述目标模板匹配包括:旋转灰度模板匹配和旋转轮廓模板匹配。
进一步地,上述手机零件异常检测方法中,所述基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型,包括:
基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中确定所述待检测零件的零件类型;
根据所述目标模板匹配,在所述待检测图像中的对应区域进行所述待检测零件的模板匹配,确定所述待检测零件对应的分析区域。
进一步地,上述手机零件异常检测方法中,若所述零件类型为所述手机的手机零件,则所述基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,包括:
确定所述待检测零件的匹配值;
判断所述匹配值是否大于第一匹配阈值,
若是,则确定所述待检测零件的异常检测结果为正常;
若否,则判断所述匹配值是否小于第二匹配阈值,所述第二匹配阈值小于所述第一匹配阈值,若是,则确定所述待检测零件的异常检测结果为异常,若否,则对所述待检测零件对应的分析区域再次进行异常检测,确定所述待检测零件的再次检测结果。
进一步地,上述手机零件异常检测方法中,所述对所述待检测零件对应的分析区域再次进行异常检测,确定所述待检测零件的再次检测结果,包括:
对所述待检测零件的模板图和所述分析区域进行做差处理,得到所述待检测零件的差值图像;
基于预设的二值化阈值,对所述差值图像进行二值化处理,得到所述待检测零件的差值二值化图像;
提取所述差值二值化图像的前景区域,并提取所述前景区域的区域特征;
根据所述待检测零件的属性,分析所述区域特征,以得到所述待检测零件的再次检测结果。
进一步地,上述手机零件异常检测方法中,若所述零件类型为所述手机的螺丝,则所述基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,包括:
将所述待检测零件对应的分析区域中的所有像素点,按照亮度进行降序排序,并提取靠前的预设比例的像素点的亮度值;
计算所述靠前的预设比例的像素点的亮度值的平均值,得到像素亮度均值;
基于所述像素亮度均值对所述分析区域进行二值化处理,得到二值化区域,并统计所述二值化区域的前景区域的像素比例;
判断所述像素比例是否大于预设像素比例阈值,
若是,则确定所述待检测零件的异常检测结果为异常;
若否,则确定所述待检测零件的异常检测结果为正常。
进一步地,上述手机零件异常检测方法中,若所述零件类型为所述手机的无线充电线圈,则所述基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,包括:
对所述待检测零件对应的分析区域进行二值化处理,得到所述待检测零件对应的二值化图像;
对所述二值化图像进行腐蚀操作得到第一腐蚀图像,并将所述第一腐蚀图像作为掩模计算所述分析区域的第一平均灰度值;同时,对所述二值化图像依序进行取反操作和腐蚀操作得到第二腐蚀图像,并将所述第二腐蚀图像作为掩模计算所述分析区域的第二平均灰度值;
计算所述第一平均灰度值和所述第二平均灰度值之间的差值,得到灰度差值;
判断所述灰度差值是否大于预设的灰度差值阈值,
若是,则确定所述待检测零件的异常检测结果为异常;
若否,则确定所述待检测零件的异常检测结果为正常。
根据本申请的另一方面,还提供了一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如上述手机零件异常检测方法。
根据本申请的另一方面,还提供了一种用于手机零件异常检测的设备,其中,该设备包括:
一个或多个处理器;
计算机可读介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述手机零件异常检测方法。
与现有技术相比,本申请通过X光设备采集手机的零件图像;若所述手机的零件图像满足预设采集条件,提取所述零件图像中的手机轮廓的最小外接矩形,并旋转平移至所述零件图像的中心位置,得到待检测图像;基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型;根据所述零件类型,确定对应的异常检测规则;基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,实现了对手机的不同零件类型对应的零件,进行对应的异常检测规则的零件异常检测,不仅提高了对不同零件类型对应的零件的异常检测的精确度,还避免了人为进行检测的人力资源浪费,从而进一步提高了手机零件异常检测的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出根据本申请一个方面的一种手机零件异常检测方法的流程示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
图1示出根据本申请一个方面的一种手机零件异常检测方法的流程示意图,该方法应用于对手机的所有零件进行异常检测的过程中,其中,所述方法包括步骤S11、步骤S12、步骤S13、步骤S14、步骤S15及步骤S16,具体包括如下步骤:
步骤S11,通过X光设备采集手机的零件图像,在此,所述手机的零件图像中包含所述X光设备采集的所述手机的所有零件,所述手机的所有零件包括但不限于手机自带的手机零件、螺丝及无线充电线圈等,所述手机零件包括但不不限于显示屏、排线、外壳、按键、侧键、振动器、送话器、天线开关及听筒等。
为了便于后续中采集的手机的零件图像中更好地对零件进行异常检测,在进行零件异常检测之前,步骤S12,判断所述手机的零件图像是否满足预设采集条件,若是,则执行步骤S13;若否,则返回步骤S11通过X光设备重新采集所述手机的新的零件图像。
为了便于后续的模板匹配操作,步骤S13,若所述手机的零件图像满足预设采集条件,提取所述零件图像中的手机轮廓的最小外接矩形,并将所述最小外接矩形旋转并平移至所述零件图像的中心位置,得到待检测图像。
步骤S14,基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型。
步骤S15,根据所述零件类型,确定对应的异常检测规则。在此,所述零件的零件类型可以为手机零件、螺丝及无线充电线圈等类型,不同零件类型对应的零件,对应不同的异常检测规则,以便后续基于零件类型对应的异常检测规则检测出的异常检测结果更加精确。
步骤S16,基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果。
通过上述步骤S11至步骤S16,实现了对手机的不同零件类型对应的零件,进行对应的异常检测规则的零件异常检测,不仅提高了对不同零件类型对应的零件的异常检测的精确度,还避免了人为进行检测的人力资源浪费,从而进一步提高了手机零件异常检测的效率。
在本实施例中,所述预设采集条件包括预设尺寸阈值条件和预设灰度阈值条件,其中,所述方法包括:判断所述手机的零件图像的尺寸是否在所述预设尺寸阈值条件内,且所述手机的零件图像的灰度值是否在所述预设灰度阈值条件内。在此,所述预设尺寸阈值条件可以是根据对零件图像进行图像分析需求而设定的,也可以是***预先设置的,以便满足后续分析零件图像的尺寸需求,所述预设灰度阈值条件也可以是根据对零件图像进行图像分析需求而设定的,也可以是***预设设置的,以便满足后续分析零件图像的灰度需求。
例如,为了便于后续中采集的手机的零件图像中更好地对零件进行异常检测,在进行零件异常检测之前,所述步骤S12,需要判断所述手机的零件图像的尺寸是否在所述预设尺寸阈值条件内,且需要判断所述手机的零件图像的灰度值是否在所述预设灰度阈值条件内,若二者均是,则执行后续对所述手机的零件图像进行图像处理和分析等步骤;若二者中存在任何一个否,或,二者均是否,则返回步骤S11通过X光设备重新采集所述手机的新的零件图像,实现对X光设备采集到的手机的零件图像的有效判断。
接着上述实施例,本申请一个方面的一种手机零件异常检测方法还包括:
获取所述待检测零件的零件特征;在此,不同的待检测零件对应不同的零件特征,不同的零件特征也就对应不同的模板匹配来对所述待检测零件进行模板匹配。在实际的待检测零件的模板匹配过程中,可以根据所述待检测零件的所述零件特征选取与该零件特征对应的模板匹配作为目标模板匹配,以便在对所述待检测零件对应的待检测图像进行模板匹配时,可以通过该目标模板匹配来对所述待检测图像进行模板匹配。在此,所述目标模板匹配包括:旋转灰度模板匹配和旋转轮廓模板匹配,比如,根据不同的零件特征选取不同的模板匹配方法,比如旋转灰度模板匹配和旋转轮廓模板匹配等,实现对不同零件特征选取对应的模板匹配。
接着本申请的上述实施例中,所述步骤S14基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型,具体包括:基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中确定所述待检测零件的零件类型;根据所述目标模板匹配,在所述待检测图像中的对应区域进行所述待检测零件的模板匹配,确定所述待检测零件对应的分析区域。例如,遍历所述手机的零件模板图中所述待检测零件的零件标注等信息,在所述待检测零件对应的待检测图像中的对应区域选择适当的区域进行零件类型的识别,确定所述待检测零件的零件类型,之后,根据与所述零件特征对应的目标模板匹配,在所述待检测图像中的对应区域进行所述待检测零件的模板匹配,确定所述待检测零件对应的分析区域,以便能够通过所述分析区域能够更好的确定该待检测零件的零件类型是手机零件,还是螺丝及无线充电线圈等。
接着本申请的上述实施例,若所述零件类型为所述手机的手机零件,则所述步骤S16基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,具体包括:
先确定通过所述目标模板匹配对所述待检测零件的待检测图像进行模板匹配得到的匹配值;之后,判断所述匹配值是否大于第一匹配阈值,若是,则确定所述待检测零件的异常检测结果为正常;若否,则判断所述匹配值是否小于第二匹配阈值,所述第二匹配阈值小于所述第一匹配阈值,若是,则确定所述待检测零件的异常检测结果为异常,若否,用于指示所述匹配值大于等于所述第二匹配阈值且小于等于所述第一匹配阈值(即,所述匹配值在所述第二匹配值阈值和所述第一匹配阈值之间),则对所述待检测零件对应的分析区域再次进行异常检测,确定所述待检测零件的再次检测结果,实现对所述待检测零件对应的分析区域的再次异常检测。
本实施例中,当所述匹配值大于等于所述第二匹配阈值且小于等于所述第一匹配阈值(即,所述匹配值在所述第二匹配值阈值和所述第一匹配阈值之间)时,所述对所述待检测零件对应的分析区域再次进行异常检测,确定所述待检测零件的再次检测结果,具体包括:
首先,对所述待检测零件的模板图和所述分析区域进行做差处理,得到所述待检测零件的差值图像;接着,选择对应预设的二值化阈值,该预设的二值化阈值可以是根据二值化处理需求而设定,也可以是***预先设置的,根据所述预设的二值化阈值,对所述差值图像进行二值化处理,得到所述待检测零件的差值二值化图像,即得到所述待检测零件的差值图像对应的二值化图像;之后,提取所述差值二值化图像的前景区域,并提取所述前景区域的区域特征,该区域特征包括但不限于面积、长度、长宽及圆度等特征;之后,根据所述待检测零件的属性,分析所述区域特征,以得到所述待检测零件的再次检测结果,实现对匹配值处于所述第二匹配值阈值和所述第一匹配阈值之间的待检测零件对应的分析区域进行再次异常检测,确保对待检测零件进行异常检测的精确度。
接着本申请的上述实施例,若所述零件类型为所述手机的螺丝,则所述步骤S16基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,具体包括:
首先,将所述待检测零件对应的分析区域中的所有像素点,按照亮度进行降序排序,并提取排序后的所有像素点中的靠前的预设比例的像素点的亮度值,在此,所述预设比例包括但不限于任何取值的比例,比如百分之三十,百分之四十等任何取值的比例;接着,计算所述靠前的预设比例的像素点的亮度值的平均值,得到像素亮度均值m;之后,基于所述像素亮度均值对所述分析区域进行二值化处理,得到二值化区域,并统计所述二值化区域的前景区域在所述二值化区域中所占的像素点的像素比例;最后,判断所述像素比例是否大于预设像素比例阈值,在此,所述预设像素比例阈值可以是***预先设置的,也可以是根据用户异常检测精确度需求设定的;若是,则确定所述待检测零件的异常检测结果为异常;若否,则确定所述待检测零件的异常检测结果为正常,实现了在待检测零件的零件类型为所述手机的螺丝时,对所述待检测零件的异常检测。
接着本申请的上述实施例,若所述零件类型为所述手机的无线充电线圈,则所述步骤S16基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,具体包括:
首先,对所述待检测零件对应的分析区域进行二值化处理,得到所述待检测零件对应的二值化图像;接着,对所述二值化图像进行腐蚀操作得到第一腐蚀图像,并将所述第一腐蚀图像作为掩模计算所述分析区域的第一平均灰度值,与此同时,对所述二值化图像依序进行取反操作和腐蚀操作得到第二腐蚀图像,并将所述第二腐蚀图像作为掩模计算所述分析区域的第二平均灰度值;之后,计算所述第一平均灰度值和所述第二平均灰度值之间的差值,得到灰度差值;最后,判断所述灰度差值是否大于预设的灰度差值阈值,若是,则确定所述待检测零件的异常检测结果为异常;若否,则确定所述待检测零件的异常检测结果为正常,实现了在待检测零件的零件类型为所述手机的无线充电线圈时,对所述待检测零件的异常检测。
根据本申请的另一方面,还提供了一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如上述手机零件异常检测方法。
根据本申请的另一方面,还提供了一种用于手机零件异常检测的设备,其中,该设备包括:
一个或多个处理器;
计算机可读介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述手机零件异常检测方法。
在此,所述用于手机零件异常检测的设备中的各实施例的详细内容,具体可参见上述手机零件异常检测方法实施例的对应部分,在此,不再赘述。
综上所述,本申请通过X光设备采集手机的零件图像;若所述手机的零件图像满足预设采集条件,提取所述零件图像中的手机轮廓的最小外接矩形,并旋转平移至所述零件图像的中心位置,得到待检测图像;基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型;根据所述零件类型,确定对应的异常检测规则;基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,实现了对手机的不同零件类型对应的零件,进行对应的异常检测规则的零件异常检测,不仅提高了对不同零件类型对应的零件的异常检测的精确度,还避免了人为进行检测的人力资源浪费,从而进一步提高了手机零件异常检测的效率。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
Claims (10)
1.一种手机零件异常检测方法,其中,所述方法包括:
通过X光设备采集手机的零件图像;
若所述手机的零件图像满足预设采集条件,提取所述零件图像中的手机轮廓的最小外接矩形,并旋转平移至所述零件图像的中心位置,得到待检测图像;
基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型;
根据所述零件类型,确定对应的异常检测规则;
基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果。
2.根据权利要求1所述的方法,其中,所述预设采集条件包括预设尺寸阈值条件和预设灰度阈值条件,其中,所述方法包括:
判断所述手机的零件图像的尺寸是否在所述预设尺寸阈值条件内,且所述手机的零件图像的灰度值是否在所述预设灰度阈值条件内。
3.根据权利要求1所述的方法,其中,所述方法还包括:
获取所述待检测零件的零件特征;
基于所述零件特征确定对应的目标模板匹配,其中,所述目标模板匹配包括:旋转灰度模板匹配和旋转轮廓模板匹配。
4.根据权利要求3所述的方法,其中,所述基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中的对应区域进行待检测零件的模板匹配,确定所述待检测零件对应的分析区域和零件类型,包括:
基于所述手机的零件模板图及其中的零件标注,在所述待检测图像中确定所述待检测零件的零件类型;
根据所述目标模板匹配,在所述待检测图像中的对应区域进行所述待检测零件的模板匹配,确定所述待检测零件对应的分析区域。
5.根据权利要求1至4中任一项所述的方法,其中,若所述零件类型为所述手机的手机零件,则所述基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,包括:
确定所述待检测零件的匹配值;
判断所述匹配值是否大于第一匹配阈值,
若是,则确定所述待检测零件的异常检测结果为正常;
若否,则判断所述匹配值是否小于第二匹配阈值,所述第二匹配阈值小于所述第一匹配阈值,若是,则确定所述待检测零件的异常检测结果为异常,若否,则对所述待检测零件对应的分析区域再次进行异常检测,确定所述待检测零件的再次检测结果。
6.根据权利要求5所述的方法,其中,所述对所述待检测零件对应的分析区域再次进行异常检测,确定所述待检测零件的再次检测结果,包括:
对所述待检测零件的模板图和所述分析区域进行做差处理,得到所述待检测零件的差值图像;
基于预设的二值化阈值,对所述差值图像进行二值化处理,得到所述待检测零件的差值二值化图像;
提取所述差值二值化图像的前景区域,并提取所述前景区域的区域特征;
根据所述待检测零件的属性,分析所述区域特征,以得到所述待检测零件的再次检测结果。
7.根据权利要求1至4中任一项所述的方法,其中,若所述零件类型为所述手机的螺丝,则所述基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,包括:
将所述待检测零件对应的分析区域中的所有像素点,按照亮度进行降序排序,并提取靠前的预设比例的像素点的亮度值;
计算所述靠前的预设比例的像素点的亮度值的平均值,得到像素亮度均值;
基于所述像素亮度均值对所述分析区域进行二值化处理,得到二值化区域,并统计所述二值化区域的前景区域的像素比例;
判断所述像素比例是否大于预设像素比例阈值,
若是,则确定所述待检测零件的异常检测结果为异常;
若否,则确定所述待检测零件的异常检测结果为正常。
8.根据权利要求1至4中任一项所述的方法,其中,若所述零件类型为所述手机的无线充电线圈,则所述基于所述异常检测规则,对所述待检测零件对应的分析区域进行异常检测,确定所述待检测零件的异常检测结果,包括:
对所述待检测零件对应的分析区域进行二值化处理,得到所述待检测零件对应的二值化图像;
对所述二值化图像进行腐蚀操作得到第一腐蚀图像,并将所述第一腐蚀图像作为掩模计算所述分析区域的第一平均灰度值;同时,对所述二值化图像依序进行取反操作和腐蚀操作得到第二腐蚀图像,并将所述第二腐蚀图像作为掩模计算所述分析区域的第二平均灰度值;
计算所述第一平均灰度值和所述第二平均灰度值之间的差值,得到灰度差值;
判断所述灰度差值是否大于预设的灰度差值阈值,
若是,则确定所述待检测零件的异常检测结果为异常;
若否,则确定所述待检测零件的异常检测结果为正常。
9.一种非易失性存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行时,使所述处理器实现如权利要求1至8中任一项所述的方法。
10.一种用于手机零件异常检测的设备,其中,该设备包括:
一个或多个处理器;
计算机可读介质,用于存储一个或多个计算机可读指令,
当所述一个或多个计算机可读指令被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138570.7A CN112801987B (zh) | 2021-02-01 | 2021-02-01 | 一种手机零件异常检测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138570.7A CN112801987B (zh) | 2021-02-01 | 2021-02-01 | 一种手机零件异常检测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801987A true CN112801987A (zh) | 2021-05-14 |
CN112801987B CN112801987B (zh) | 2022-11-08 |
Family
ID=75813482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110138570.7A Active CN112801987B (zh) | 2021-02-01 | 2021-02-01 | 一种手机零件异常检测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801987B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643266A (zh) * | 2021-08-20 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置及电子设备 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219072A (ja) * | 2003-01-09 | 2004-08-05 | Seiko Epson Corp | 画面のスジ欠陥検出方法及び装置 |
US20070098245A1 (en) * | 2005-10-27 | 2007-05-03 | Honeywell International, Inc. | Surface anomaly detection system and method |
CN101762231A (zh) * | 2008-12-26 | 2010-06-30 | 比亚迪股份有限公司 | 一种手机按键外观检测装置及检测方法 |
TW201416664A (zh) * | 2012-10-18 | 2014-05-01 | Inventec Corp | 電路板上電子元件的檢測系統及其方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN106530275A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件错件检测方法和*** |
CN106600581A (zh) * | 2016-12-02 | 2017-04-26 | 北京航空航天大学 | 一种基于双目立体视觉的列车运行故障自动检测***及方法 |
CN106937080A (zh) * | 2015-12-30 | 2017-07-07 | 希姆通信息技术(上海)有限公司 | 一种移动终端上螺丝的视觉检测方法及控制设备 |
CN106932005A (zh) * | 2015-12-30 | 2017-07-07 | 希姆通信息技术(上海)有限公司 | 一种移动终端上螺丝的视觉检测方法及控制设备 |
CN108195841A (zh) * | 2017-12-06 | 2018-06-22 | 浙江大学 | 基于gfv-sift特征的振动环境注塑模具异常缺陷检测方法 |
CN110017998A (zh) * | 2019-03-26 | 2019-07-16 | 中国人民财产保险股份有限公司 | 车辆检测方法、装置和设备 |
CN110263201A (zh) * | 2019-06-25 | 2019-09-20 | 吴昶炜 | 一种电子产品品类识别、缺损识别方法及其应用 |
CN110567976A (zh) * | 2019-08-30 | 2019-12-13 | 中国地质大学(武汉) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 |
WO2019238063A1 (zh) * | 2018-06-15 | 2019-12-19 | 众安信息技术服务有限公司 | 文本检测分析方法、装置及设备 |
CN110595745A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 针对设备的固定螺丝异常的检测方法及相关产品 |
CN111353983A (zh) * | 2020-02-28 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 缺陷检测识别方法、装置、计算机可读介质及电子设备 |
CN112053356A (zh) * | 2020-09-17 | 2020-12-08 | 惠州高视科技有限公司 | 塑封半导体管脚处缺陷的检测方法及装置 |
-
2021
- 2021-02-01 CN CN202110138570.7A patent/CN112801987B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004219072A (ja) * | 2003-01-09 | 2004-08-05 | Seiko Epson Corp | 画面のスジ欠陥検出方法及び装置 |
US20070098245A1 (en) * | 2005-10-27 | 2007-05-03 | Honeywell International, Inc. | Surface anomaly detection system and method |
CN101762231A (zh) * | 2008-12-26 | 2010-06-30 | 比亚迪股份有限公司 | 一种手机按键外观检测装置及检测方法 |
TW201416664A (zh) * | 2012-10-18 | 2014-05-01 | Inventec Corp | 電路板上電子元件的檢測系統及其方法 |
CN105160652A (zh) * | 2015-07-10 | 2015-12-16 | 天津大学 | 基于计算机视觉的手机外壳检验装置与方法 |
CN106932005A (zh) * | 2015-12-30 | 2017-07-07 | 希姆通信息技术(上海)有限公司 | 一种移动终端上螺丝的视觉检测方法及控制设备 |
CN106937080A (zh) * | 2015-12-30 | 2017-07-07 | 希姆通信息技术(上海)有限公司 | 一种移动终端上螺丝的视觉检测方法及控制设备 |
CN106530275A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件错件检测方法和*** |
CN106600581A (zh) * | 2016-12-02 | 2017-04-26 | 北京航空航天大学 | 一种基于双目立体视觉的列车运行故障自动检测***及方法 |
CN108195841A (zh) * | 2017-12-06 | 2018-06-22 | 浙江大学 | 基于gfv-sift特征的振动环境注塑模具异常缺陷检测方法 |
WO2019238063A1 (zh) * | 2018-06-15 | 2019-12-19 | 众安信息技术服务有限公司 | 文本检测分析方法、装置及设备 |
CN110017998A (zh) * | 2019-03-26 | 2019-07-16 | 中国人民财产保险股份有限公司 | 车辆检测方法、装置和设备 |
CN110595745A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 针对设备的固定螺丝异常的检测方法及相关产品 |
CN110263201A (zh) * | 2019-06-25 | 2019-09-20 | 吴昶炜 | 一种电子产品品类识别、缺损识别方法及其应用 |
CN110567976A (zh) * | 2019-08-30 | 2019-12-13 | 中国地质大学(武汉) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 |
CN111353983A (zh) * | 2020-02-28 | 2020-06-30 | 腾讯科技(深圳)有限公司 | 缺陷检测识别方法、装置、计算机可读介质及电子设备 |
CN112053356A (zh) * | 2020-09-17 | 2020-12-08 | 惠州高视科技有限公司 | 塑封半导体管脚处缺陷的检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
张瑞娟等: "模板匹配算法在动车零部件故障检测***中的应用", 《计算机***应用》 * |
王耀南等: "一种基于混沌优化算法的PCB板元件检测方法", 《仪器仪表学报》 * |
贾永红等: "《数字图像处理实习教程》", 30 November 2016, 武汉大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643266A (zh) * | 2021-08-20 | 2021-11-12 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置及电子设备 |
CN113643266B (zh) * | 2021-08-20 | 2024-04-05 | 百度在线网络技术(北京)有限公司 | 图像检测方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112801987B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110827247B (zh) | 一种识别标签的方法及设备 | |
CN109886928B (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
CN110675399A (zh) | 屏幕外观瑕疵检测方法及设备 | |
US9111183B2 (en) | Performing a comparison between two images which are scaled to a common resolution | |
CN104978578A (zh) | 手机拍照文本图像质量评估方法 | |
CN111175318A (zh) | 屏幕划痕碎裂检测方法及设备 | |
CN111325717B (zh) | 手机缺陷位置识别方法及设备 | |
CN112487848B (zh) | 文字识别方法和终端设备 | |
CN111104913B (zh) | 一种基于结构及相似度的视频提取ppt方法 | |
CN110827246A (zh) | 电子设备边框外观瑕疵检测方法及设备 | |
CN110348392B (zh) | 车辆匹配方法及设备 | |
CN110827245A (zh) | 一种检测屏幕显示断线的方法及设备 | |
CN111210473A (zh) | 手机轮廓定位方法及设备 | |
CN111598884A (zh) | 图像数据处理方法、设备及计算机存储介质 | |
CN111272388A (zh) | 一种相机闪光灯的检测方法及设备 | |
CN110728193B (zh) | 一种脸部图像丰富度特征的检测方法及设备 | |
CN112801987B (zh) | 一种手机零件异常检测方法及设备 | |
CN112434555A (zh) | 键值对区域识别方法、装置、存储介质和电子设备 | |
CN113129298B (zh) | 文本图像的清晰度识别方法 | |
CN111967449B (zh) | 文本检测方法、电子设备及计算机可读介质 | |
CN116562991B (zh) | 面向元宇宙电商平台的商品大数据信息识别方法及*** | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
CN112819788B (zh) | 一种图像稳定性检测方法及设备 | |
CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
CN115661833A (zh) | 一种基于简易拍照的目标商品大数据精准识别方法与*** |
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 | ||
CB02 | Change of applicant information |
Address after: Room 1101-1103, No. 433, Songhu Road, Yangpu District, Shanghai Applicant after: Shanghai wanwansheng Environmental Protection Technology Group Co.,Ltd. Address before: Room 1101-1103, No. 433, Songhu Road, Yangpu District, Shanghai Applicant before: SHANGHAI YUEYI NETWORK INFORMATION TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |