CN113610797B - 卡槽检测方法、装置和存储介质 - Google Patents
卡槽检测方法、装置和存储介质 Download PDFInfo
- Publication number
- CN113610797B CN113610797B CN202110881264.2A CN202110881264A CN113610797B CN 113610797 B CN113610797 B CN 113610797B CN 202110881264 A CN202110881264 A CN 202110881264A CN 113610797 B CN113610797 B CN 113610797B
- Authority
- CN
- China
- Prior art keywords
- picture
- detection
- workpiece
- area
- clamping groove
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 230000007547 defect Effects 0.000 claims abstract description 33
- 230000001131 transforming effect Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 19
- 238000013519 translation Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 208000034656 Contusions Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 208000025962 Crush injury Diseases 0.000 description 1
- 208000034526 bruise Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011179 visual inspection 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/888—Marking defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种卡槽检测方法、装置和存储介质,涉及机器视觉检测技术领域,所述方法包括:采集待检测卡槽的工件图片;将所述工件图片变换为二值化模板的图片位置;在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域;在所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域。解决了现有技术中人工检测效率低下可能会出现漏检且成本较高的问题,达到了可以自动检测提高检测效率降低漏检率缩减成本的效果。
Description
技术领域
本发明涉及卡槽检测方法、装置和存储介质,属于机器视觉检测技术领域。
背景技术
随着工业自动化的发展,产线生产效率逐渐提高,产能得到了进一步提升,这就导致了产品质量检测变得日益重要,并且在单件流的生产模式中质量检测是至关重要的一环。现有方案中产品的外观损伤都是通过人工目检来判断,而通过人工判断存在效率低下,主观性较强,经常会出现漏检的现象,导致产品的品质无法得到保障,并且人工检测成本往往较高。
发明内容
本发明的目的在于提供一种卡槽检测方法、装置和存储介质,用于解决现有技术中存在的问题。
为达到上述目的,本发明提供如下技术方案:
根据第一方面,本发明实施例提供了一种卡槽检测方法,所述方法包括:
采集待检测卡槽的工件图片;
将所述工件图片变换为二值化模板的图片位置;
在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域;
在所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域。
可选的,所述将所述工件图片变换为二值化模板的图片位置,包括:
在所述工件图片和所述二值化模板中选择相同特征区域的一对匹配点;
根据所述匹配点将所述工件图片进行旋转和平移,得到变换后的所述工件图片。
可选的,所述将所述工件图片变换为二值化模板的图片位置,包括:
提取所述二值化模板的第一相对坐标点和第一角度;
提取所述工件图片的第二相对坐标点和第二角度;
根据所述第一角度和所述第二角度,计算旋转变换矩阵;
根据所述第一相对坐标、所述第二相对坐标计算平移变换矩阵;
根据所述旋转矩阵和所述平移转换矩阵将所述工件图片变换为二值化模板的图片位置。
可选的,根据所述第一角度和所述第二角度,计算旋转变换矩阵,包括:
设所述第一角度为θ0和所述第二角度θ1、则所述旋转变换矩阵Tθ为:
其中,θ=θ0-θ1。
可选的,所述根据所述第一相对坐标、所述第二相对坐标计算平移变换矩阵,包括:
设所述第一相对坐标为Q0(x0,y0),所述第二相对坐标为Q1(x1,y1),则所述平移变换矩阵T为:
其中,/>
可选的,所述在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域,包括:
对所述二值化模板进行区域分割,得到多个相互独立的子区域;
对分割得到所述多个子区域进行特征筛选,得到所需检测的子区域;
根据筛选得到的所述所需检测的子区域提取所述工件图片的灰度值,进而提取得到所述卡槽的所述检测区域。
可选的,所述在所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域,包括:
通过预设定位方式对所述检测区域进行精定位,所述预设定位方式包括二值化特征提取、形态学分析、区域填充和区域筛选;
在精定位后的所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域。
可选的,所述在精定位后的所述检测区域中检测所述卡槽的缺陷区域,包括:
在精定位后的所述检测区域中提取所述卡槽的外轮廓;
对提取到的所述外轮廓进行分割,并提取所述外轮廓的左右边线;
将所述左右边线相连接得到目标检测区域;
将所述目标检测区域与精定位后的所述检测区域进行对比,得到所述卡槽的缺陷区域。
第二方面,提供了一种卡槽检测装置,所述装置包括存储器和处理器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面所述的方法。
第三方面,提供了一种计算机存储介质,所述计算机存储介质中存储有至少一条程序指令,所述至少一条程序指令被处理器加载并执行以实现如第一方面所述的方法。
通过采集待检测卡槽的工件图片;将所述工件图片变换为二值化模板的图片位置;在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域;在所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域。解决了现有技术中人工检测效率低下可能会出现漏检且成本较高的问题,达到了可以自动检测提高检测效率降低漏检率缩减成本的效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明一个实施例提供的卡槽检测方法的方法流程图;
图2为本发明一个实施例提供的卡槽的一种可能的结构示意图;
图3至图6为本发明一个实施例提供的一种视觉测量装置的结构示意图;
图7a为本发明一个实施例提供的卡遭正面第一层图像的二值化模板的可能的示意图;
图7b为本发明一个实施例提供的变换后的工件图片和二值化模板的一种可能的重合关系示意图;
图8a为本发明一个实施例提供的提取到的检测区域的一种可能的二值化图片的示意图;
图8b为本发明一个实施例提供的在图8a的基础上进行精定位之后得到的检测区域的示意图;
图9a为本发明一个实施例提供的识别得到的缺陷区域的一种可能的示意图;
图9b为本发明一个实施例提供的一种可能的卡槽缺陷的示意图;
图10a为本发明一个实施例提供的识别得到的缺陷区域的一种可能的示意图;
图10b为本发明一个实施例提供的一种可能的卡槽缺陷的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参考图1,其示出了本申请一个实施例提供的卡槽检测方法的方法流程图,如图1所示,所述方法包括:
步骤101,采集待检测卡槽的工件图片;
首先,本申请所述的卡槽可以为手机、平板电脑、台式电脑、笔记本电脑或者其他电子产品中的卡槽。比如,以卡槽为手机中的SIM(Subscriber Identity Module,用户识别卡)卡的卡槽为例,请参考图2,其示出了一种可能的结构示意图,并且下述除特殊说明外,均以卡槽为手机卡槽来举例说明。
采集工件图片的步骤包括:通过视觉测量装置采集工件图片。
在一种可能的实施例中,请参考图3和图4,该视觉测量装置包括多个相机组件1,镜头2,环形光源3,手机卡槽4和支撑平台5。通过对手机卡槽4发射环形光源,多个相机组件1分别从正面和两个侧面获取卡槽4的工件图片。
在另一种可能的实施例中,请参考图5和图6,该视觉测量装置包括多个相机组件1,镜头组件2,同轴光源3,手机卡槽4,环形光源5,支撑平台组件6。通过对手机卡槽4发射同轴光源3,获取手机卡槽4前面区域信息照片,通过对手机卡槽4发射环形光源5,相机组件1分别获取手机卡槽4反面和后面区域的信息照片。
步骤102,将所述工件图片变换为二值化模板的图片位置;
终端读取二值化模板,比如,请参考图7a,其示出了读取到的卡遭正面第一层图像的二值化模板的可能的示意图。
可选的,本步骤包括:
第一,在所述工件图片和所述二值化模板中选择相同特征区域的一对匹配点;
选择的匹配点用于使工件图片和二值化模板重合度达到最高。
第二,根据所述匹配点将所述工件图片进行旋转和平移,得到变换后的所述工件图片。
比如,请参考图7b,其示出了变换后的工件图片和二值化模板的一种可能的重合关系示意图。
可选的,本步骤包括:
(1)、提取所述二值化模板的第一相对坐标点Q0(x0,y0)和第一角度θ0;
(2)、提取所述工件图片的第二相对坐标点Q1(x1,y1)和第二角度θ1;
(3)、根据所述第一角度θ0和所述第二角度θ1,计算旋转变换矩阵Tθ;
可选的,其中,θ=θ0-θ1。
(4)、根据所述第一相对坐标Q0、所述第二相对坐标Q1计算平移变换矩阵T;
所述平移变换矩阵T为:
其中,/>
(5)、根据所述旋转矩阵和所述平移转换矩阵将所述工件图片变换为二值化模板的图片位置。
以将工件图片中的第三相对坐标变换至二值化模板中来举例说明,本步骤包括:
A、根据所述旋转矩阵将所述第三相对坐标点Q2(x2,y2)、所述第三角度θ2进行转换,得到第四相对坐标点Q′2;
其中θ=θ0-θ1。
B、根据所述平移变换矩阵T将所述第四相对坐标Q′2转换为第五相对坐标Q2”。
其中tx为x方向平移量,ty为y方向平移量;第五相对坐标即为第三相对坐标在二值化模板中变换后的位置。
步骤103,在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域;
第一,对所述二值化模板进行区域分割,得到多个相互独立的子区域;
第二,对分割得到所述多个子区域进行特征筛选,得到所需检测的子区域;
第三,根据筛选得到的所述所需检测的子区域提取所述工件图片的灰度值,进而提取得到所述卡槽的所述检测区域。
实际实现时,为了避免遗漏检测区域,在对多个子区域进行特征筛选之后,对筛选得到的子区域外轮廓像素格向外调整预设范围进而得到更大的检测区域,在放大后的检测区域中提取工件图片的灰度值,进而得到卡槽的检测区域。比如,请参考图8a,其示出了提取到的检测区域的一种可能的二值化图片。
步骤104,在所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域。
第一,通过预设定位方式对所述检测区域进行精定位,所述预设定位方式包括二值化特征提取、形态学分析、区域填充和区域筛选;
比如,请参考图8b,其示出了在图8a的基础上进行精定位之后得到的检测区域的示意图。
第二,在精定位后的所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域。
(1)、在精定位后的所述检测区域中提取所述卡槽的外轮廓;
(2)、对提取到的所述外轮廓进行分割,并提取所述外轮廓的左右边线;
(3)、将所述左右边线相连接得到目标检测区域;
(4)、将所述目标检测区域与精定位后的所述检测区域进行对比,得到所述卡槽的缺陷区域。
比如,请参考图9a,其示出了识别得到的缺陷区域的一种可能的示意图。
可选的,在识别得到缺陷区域之后,在工件图片中标记识别得到的缺陷区域,并保存和输出带缺陷的图片,显示总的缺陷数量。比如,请参考图9b,其示出了一种可能的卡槽缺陷的示意图。图9a和图9b仅以一种可能的缺陷来示意说明,实际实现时,对于其他缺陷比如划伤和碰伤,通过上述方法依然可以检测得到,比如,请参考图10a和10b,其分别示出了卡槽表面有划伤和碰伤时的一种可能的示意图。
本实施例所述的缺陷可以为划伤、碰伤、压伤等等。
综上所述,通过采集待检测卡槽的工件图片;将所述工件图片变换为二值化模板的图片位置;在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域;在所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域。解决了现有技术中人工检测效率低下可能会出现漏检且成本较高的问题,达到了可以自动检测提高检测效率降低漏检率缩减成本的效果。
本申请实施例还提供了一种卡槽检测装置,所述装置包括存储器和处理器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如上所述的方法。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质中存储有至少一条程序指令,所述至少一条程序指令被处理器加载并执行以实现如上所述的方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种卡槽检测方法,其特征在于,所述方法包括:
采集待检测卡槽的工件图片;
将所述工件图片变换为二值化模板的图片位置,其中,在所述工件图片和所述二值化模板中选择相同特征区域的一对匹配点;
根据所述匹配点将所述工件图片进行旋转和平移,得到变换后的所述工件图片;
在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域;
通过预设定位方式对所述检测区域进行精定位,所述预设定位方式包括二值化特征提取、形态学分析、区域填充和区域筛选;在精定位后的所述检测区域中检测所述卡槽的缺陷区域,并在所述工件图片中标记检测得到的所述缺陷区域;
其中,所述在精定位后的所述检测区域中检测所述卡槽的缺陷区域包括在精定位后的所述检测区域中提取所述卡槽的外轮廓、对提取到的所述外轮廓进行分割,并提取所述外轮廓的左右边线、将所述左右边线相连接得到目标检测区域、将所述目标检测区域与精定位后的所述检测区域进行对比,得到所述卡槽的缺陷区域。
2.根据权利要求1所述的方法,其特征在于,所述将所述工件图片变换为二值化模板的图片位置,包括:
提取所述二值化模板的第一相对坐标点和第一角度;
提取所述工件图片的第二相对坐标点和第二角度;
根据所述第一角度和所述第二角度,计算旋转变换矩阵;
根据所述第一相对坐标、所述第二相对坐标计算平移变换矩阵;
根据所述旋转变换矩阵和所述平移变换矩阵将所述工件图片变换为二值化模板的图片位置。
3.根据权利要求2所述的方法,其特征在于,根据所述第一角度和所述第二角度,计算旋转变换矩阵,包括:
设所述第一角度为θ0、所述第二角度为θ1,则所述旋转变换矩阵Tθ为:
其中,θ=θ0-θ1。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一相对坐标、所述第二相对坐标计算平移变换矩阵,包括:
设所述第一相对坐标为Q0(x0,y0),所述第二相对坐标为Q1(x1,y1),则所述平移变换矩阵T为:
其中,/>
5.根据权利要求1所述的方法,其特征在于,所述在变换后的所述工件图片中根据所述二值化模板的图片位置提取所述卡槽的检测区域,包括:
对所述二值化模板进行区域分割,得到多个相互独立的子区域;
对分割得到所述多个子区域进行特征筛选,得到所需检测的子区域;
根据筛选得到的所述所需检测的子区域提取所述工件图片的灰度值,进而提取得到所述卡槽的所述检测区域。
6.一种卡槽检测装置,其特征在于,所述装置包括存储器和处理器,所述存储器中存储有至少一条程序指令,所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至5任一所述的方法。
7.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有至少一条程序指令,所述至少一条程序指令被处理器加载并执行以实现如权利要求1至5任一所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110881264.2A CN113610797B (zh) | 2021-08-02 | 2021-08-02 | 卡槽检测方法、装置和存储介质 |
PCT/CN2021/111416 WO2022170743A1 (zh) | 2021-08-02 | 2021-08-09 | 卡槽检测方法、装置和存储介质 |
ZA2022/11944A ZA202211944B (en) | 2021-08-02 | 2022-11-02 | Card slot detection method and apparatus, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110881264.2A CN113610797B (zh) | 2021-08-02 | 2021-08-02 | 卡槽检测方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113610797A CN113610797A (zh) | 2021-11-05 |
CN113610797B true CN113610797B (zh) | 2024-02-13 |
Family
ID=78339064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110881264.2A Active CN113610797B (zh) | 2021-08-02 | 2021-08-02 | 卡槽检测方法、装置和存储介质 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN113610797B (zh) |
WO (1) | WO2022170743A1 (zh) |
ZA (1) | ZA202211944B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106855520A (zh) * | 2017-02-10 | 2017-06-16 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测方法 |
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 |
JP2020008501A (ja) * | 2018-07-11 | 2020-01-16 | 日本製鉄株式会社 | 表面欠陥検出装置及び表面欠陥検出方法 |
CN111426693A (zh) * | 2020-04-26 | 2020-07-17 | 湖南恒岳重钢钢结构工程有限公司 | 一种质量缺陷检测***及其检测方法 |
CN112581452A (zh) * | 2020-12-22 | 2021-03-30 | 钱仪嘉 | 工业配件表面缺陷检测方法、***、智能设备和存储介质 |
-
2021
- 2021-08-02 CN CN202110881264.2A patent/CN113610797B/zh active Active
- 2021-08-09 WO PCT/CN2021/111416 patent/WO2022170743A1/zh active Application Filing
-
2022
- 2022-11-02 ZA ZA2022/11944A patent/ZA202211944B/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106855520A (zh) * | 2017-02-10 | 2017-06-16 | 南京航空航天大学 | 一种基于机器视觉的工件缺陷检测方法 |
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 |
JP2020008501A (ja) * | 2018-07-11 | 2020-01-16 | 日本製鉄株式会社 | 表面欠陥検出装置及び表面欠陥検出方法 |
CN111426693A (zh) * | 2020-04-26 | 2020-07-17 | 湖南恒岳重钢钢结构工程有限公司 | 一种质量缺陷检测***及其检测方法 |
CN112581452A (zh) * | 2020-12-22 | 2021-03-30 | 钱仪嘉 | 工业配件表面缺陷检测方法、***、智能设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
ZA202211944B (en) | 2023-07-26 |
WO2022170743A1 (zh) | 2022-08-18 |
CN113610797A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108665458B (zh) | 透明体表面缺陷提取及识别方法 | |
CN112136139A (zh) | 用于改进质量检查的方法和*** | |
CN112136154A (zh) | 用于改进质量检查的方法和*** | |
CN108982512A (zh) | 一种基于机器视觉的电路板检测***及其方法 | |
CN112581546B (zh) | 摄像头标定方法、装置、计算机设备和存储介质 | |
CN115908269A (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN110021012B (zh) | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 | |
CN113834816A (zh) | 基于机器视觉的光伏电池缺陷在线检测方法及*** | |
CN110567965A (zh) | 一种智能手机玻璃盖板边缘视觉缺陷检测方法 | |
CN112036259A (zh) | 一种基于图像处理与深度学习相结合的表格矫正与识别的方法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测*** | |
CN115239626A (zh) | 缺陷检测方法、光学检测设备、电子设备以及存储介质 | |
CN114998217A (zh) | 确定玻璃基板缺陷等级的方法、计算机设备及存储介质 | |
CN107507130A (zh) | 一种快速的qfn芯片引脚图像获取与放大方法 | |
CN113610797B (zh) | 卡槽检测方法、装置和存储介质 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN117589770A (zh) | Pcb贴片板检测方法、装置、设备及介质 | |
CN114549393A (zh) | 图像标注方法、装置、设备及计算机存储介质 | |
CN112927190B (zh) | 基于深度学习的Type-C多工位多缺陷统一测量*** | |
CN103308522A (zh) | 一种摄像头芯片模件组打线质量自动测试机 | |
CN113129260A (zh) | 一种锂电池电芯内部缺陷的自动检测方法及装置 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN113182205B (zh) | 一种基于互联网的手机零件全自动机器人光电检测方法 | |
CN110148141A (zh) | 一种丝印滤光片小片检测计数方法及设备 |
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 |