CN113781446A - 玻纤表面油污检出方法、装置、存储介质和电子设备 - Google Patents
玻纤表面油污检出方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN113781446A CN113781446A CN202111069942.1A CN202111069942A CN113781446A CN 113781446 A CN113781446 A CN 113781446A CN 202111069942 A CN202111069942 A CN 202111069942A CN 113781446 A CN113781446 A CN 113781446A
- Authority
- CN
- China
- Prior art keywords
- area
- image
- glass fiber
- template
- 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
- 239000003365 glass fiber Substances 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011109 contamination Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 239000012535 impurity Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及图像处理技术领域，尤其涉及一种玻纤表面油污检出方法、装置、存储介质和电子设备；方法包括获取模板图像：拍摄表面带有油污的玻纤样件的图像并灰度化处理得到模板图像；选取模板区域：在模板图像的油污区域选出模板区域；获取待测图像：拍摄待测玻纤表面的图像灰度化处理得到待测图像；筛选可疑区域：遍历待测图像中模板区域大小的区域，记每个区域中所有像素点的灰度值的和为mul；若mul在可疑阈值区间内，则记对应区域为可疑区域；判断油污区域：将可疑区域与模板区域内的每个像素点的灰度值计算得出判断值jud；设置判断阈值区间，若jud在可疑阈值区间内，则记对应区域为油污区域。本发明能高准确度、高效率地检测出玻纤表面的油污。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种玻纤表面油污检出方法、装置、存储介质和电子设备。
背景技术
玻纤是一种性能优异的无机非金属材料，其具有绝缘性好、耐热性强、抗腐蚀性好、机械强度高等诸多优点，已在多个领域中得到了广泛地应用。在生产过程中，会有油滴露或飞溅到玻纤表面上，在玻纤表面上形成油污，影响玻纤的正常使用。现有技术中通常采用人工识别的方式对油污进行检测，检测效率较低，且容易出现漏检的情况，对生产的影响较大。
鉴于上述问题，本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，提供一种玻纤表面油污检出方法、装置、存储介质和电子设备，提高玻纤表面油污的检测准确度，提升检测效率。
发明内容
本发明的目的就是针对现有技术中存在的缺陷提供一种玻纤表面油污检出方法、装置、存储介质和电子设备，解决现有技术中人工识别油污的效率较低、容易出现漏检的问题。
为了达到上述目的，本发明提供一种玻纤表面油污检出方法，步骤包括：
获取模板图像：拍摄表面带有油污的玻纤样件的图像，对图像进行灰度化处理得到模板图像；
选取模板区域：在模板图像上的油污区域选出长、宽均为3个像素的区域作为模板区域；算出模板区域内所有像素点的灰度值的和记为mul0；
获取待测图像：拍摄待测玻纤表面的图像，对图像进行灰度化处理得到待测图像；
筛选可疑区域：遍历待测图像中所有的长、宽均为3个像素的区域，记每个区域中所有像素点的灰度值的和为mul；根据mul0设定可疑阈值区间，若mul在可疑阈值区间内，则记对应区域为可疑区域；
判断油污区域：将可疑区域内的每个像素点的灰度值，与模板区域内的每个像素点的灰度值相减，再将所有差值相加得出判断值jud；设置判断阈值区间，若jud在可疑阈值区间内，则记对应区域为油污区域。
进一步地，在所述获取模板图片和获取待测图像步骤中，灰度化处理的具体步骤如下，包括：
获取彩色图像上每个像素点的R、G、B颜色的分量值并计算出对应的灰度值，并将对应的像素点的RGB信息替换成灰度值信息，从而形成灰度图像；
像素点的灰度值g的计算公式为：g=0.15*R+0.43*G+0.21*B。
进一步地，在所述选取模板区域步骤中，在灰度图像上的油污区域选出多个长、宽均为3个像素的区域，并将所有区域中对应位置的像素点的灰度值取平均值，使用各个对应位置计算出的平均值形成模板区域。
进一步地，在所述筛选可疑区域步骤中，可疑阈值区间的具体设置步骤为：
算出模板图像所有像素点的平均灰度值记为gray0，算出待测图像所有像素点的平均灰度值记为gray，计算补偿值d=gray-gray0；
可疑阈值区间具体设置为：[mul0-k+d,mul0+k+d]；
其中，k为常数，根据使用需求进行设定。
进一步地，在判断油污区域步骤中，判断阈值区间具体设置为：[-j+d,j+d]；
其中，j为常数，根据使用需求进行设定。
进一步地，在所述判断油污区域步骤后，还包括以下步骤：
参数校验：将判断油污区域步骤中判断出的油污区域与待测玻纤表面的真实油污区域进行对比，并根据差异情况调整k和j的取值，然后重新执行筛选可疑区域和判断油污区域步骤，直至判断出的油污区域与待测玻纤表面的真实油污区域相同，完成校验。
本发明还提供了一种玻纤表面油污检出装置，包括：
拍照模块，用于拍摄表面带有油污的玻纤样件的图像和待测玻纤表面的图像；
获取模板图像模块，用于对表面带有油污的玻纤样件的图像进行灰度化处理得到模板图像；
选取模板区域模块，用于在灰度图像上的油污区域选出长、宽均为3个像素的区域作为模板区域；算出模板区域内所有像素点的灰度值的和记为mul0；
获取待测图像模块，用于对待测玻纤表面的图像进行灰度化处理得到待测图像；
筛选可疑区域模块，用于遍历待测图像中所有的长、宽均为3个像素的区域，记每个区域中所有像素点的灰度值的和为mul；根据mul0设定可疑阈值区间，若mul在可疑阈值区间内，则记对应区域为可疑区域；
判断油污区域模块，用于将可疑区域内的每个像素点的灰度值，与模板区域内的每个像素点的灰度值相减，再将所有差值相加得出判断值jud；设置判断阈值区间，若jud在可疑阈值区间内，则记对应区域为油污区域。
本发明还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的玻纤表面油污检出方法。
本发明还提供了一种电子设备，包括：处理器和存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现上述的玻纤表面油污检出方法。
通过本发明的技术方案，可实现以下技术效果：
提供的一种玻纤表面油污检出方法，通过获取模板图像和选取模板区域步骤，将真实油污作为模板，再通过筛选可疑区域和判断油污区域的两步对待测玻纤表面图像中的区域使用模板区域进行两次筛选，能有效提高玻纤表面油污的检测准确度；提供的一种玻纤表面油污检出装置、存储介质和电子设备，能代替人工进行检测，进而提升检测效率。
附图说明
为了更清楚地说明本发明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发明中记载的一些实施例，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为本发明实施例中玻纤表面油污检出方法的流程图；
图2为本发明实施例中玻纤表面油污检出装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。
在本发明的描述中，需要说明的是，属于“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或者位置关系为基于附图所示的方位或者位置关系，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。
一种玻纤表面油污检出方法，如图1所示，步骤包括：
获取模板图像：拍摄表面带有油污的玻纤样件的图像，对图像进行灰度化处理得到模板图像；
选取模板区域：在模板图像上的油污区域选出长、宽均为3个像素的区域作为模板区域；算出模板区域内所有像素点的灰度值的和记为mul0；
获取待测图像：拍摄待测玻纤表面的图像，对图像进行灰度化处理得到待测图像；
筛选可疑区域：遍历待测图像中所有的长、宽均为3个像素的区域，记每个区域中所有像素点的灰度值的和为mul；根据mul0设定可疑阈值区间，若mul在可疑阈值区间内，则记对应区域为可疑区域；
判断油污区域：将可疑区域内的每个像素点的灰度值，与模板区域内对应的每个像素点的灰度值相减，如将可疑区域内第1行第1列的像素点的灰度值与模板区域内第1行第1列的像素点的像素值相减得到一个差值，将所有对应位置的像素点之间的灰度值差值算出后再将所有差值相加得出判断值jud；设置判断阈值区间，若jud在可疑阈值区间内，则记对应区域为油污区域。
获取模板图像和选取模板区域仅需执行一次，之后重复获取待测图像、筛选可疑区域和判断油污区域，即可逐渐对整个玻纤表面进行油污检测。
通过获取模板图像和选取模板区域步骤，将真实油污的颜色信息作为模板，从而提高本方法的检出准确度；玻纤为白色，油污通常为暗色，因此将其转化成灰度图像后，通过筛选可疑区域步骤，即可将待测图像中与模板区域油污颜色相近的区域筛选出来，再通过判断油污区域步骤，对每个像素点进行判断，过滤杂质的影响，能有效提高玻纤表面油污的检测准确度。
具体的，待测图像上不仅存在玻纤和油污，还有可能存在黑色的杂质和噪点，这些杂质和噪点的大小通常只占用1~2个像素点，且灰度值数值很低，会影响对油污的判断，因此通过设置长、宽均为3个像素的模板区域进行判断，可以更好地在后续步骤中去除杂质和噪点的影响；在判断油污区域步骤中，算出待测图像区域与模板区域对应的每个像素点之间的差值并求和，若待测图像区域中存在杂质和噪点，则判断值jud的数值会产生较大变化，例如模板区域的通常灰度值为100左右，待测图像区域中油污区域的灰度值也为100左右，非油污区域的灰度值均接近255，而杂质和噪点的灰度值通常为0~20，因此在求差之后，不同区域之间的数值差距会很大，从而通过设置判断阈值区间即可筛出真正的油污区域。
在获取模板图片和获取待测图像步骤中，灰度化处理的具体步骤如下，包括：
获取彩色图像上每个像素点的R、G、B颜色的分量值并计算出对应的灰度值，并将对应的像素点的RGB信息替换成灰度值信息，从而形成灰度图像；
像素点的灰度值g的计算公式为：g=0.15*R+0.43*G+0.21*B。
具体的，灰度值的常规计算公式为Gray = R*0.299 + G*0.587 + B*0.114，但使用该传统公式形成的灰度待测图像上的油污区域并不明显，因此加大蓝色B分量的权重，并降低红色R分量和绿色G分量的权重，通过此公式形成的待测图像上油污与玻纤的差距更大，便于后续步骤的筛选。
在选取模板区域步骤中，在灰度图像上的油污区域选出多个长、宽均为3个像素的区域，并将所有区域中对应位置的像素点的灰度值取平均值，使用各个对应位置计算出的平均值形成模板区域，比如将每个区域第1行第1列的像素点的灰度值的平均数记为模板区域第1行第1列的像素点的灰度值，从而降低模板区域的特殊性，防止因为在模板图像上选到的区域较为特殊影响油污区域判断的准确性。
在筛选可疑区域步骤中，可疑阈值区间的具体设置步骤为：
算出模板图像所有像素点的平均灰度值记为gray0，算出待测图像所有像素点的平均灰度值记为gray，计算补偿值d=gray-gray0；
可疑阈值区间具体设置为：[mul0-k+d,mul0+k+d]；
其中，k为常数，根据使用需求进行设定。
在判断油污区域步骤中，判断阈值区间具体设置为：[-j+d,j+d]；
其中，j为常数，根据使用需求进行设定。
具体的，在每次拍摄待测玻纤表面的图像时，玻纤表面的光线会不可避免地产生变化，比如会有影子落在玻纤表面、或有其他光照到玻纤表面等情况，从而使得到的每张待测图像之间的灰度值会产生一定差异，不适合使用固定的可疑阈值区间和判断阈值区间进行筛选和判断，因此引出补偿值d，使可疑阈值区间和判断阈值区间的具体数值会根据每张待测图像自身的灰度情况进行变化，从而能提高油污检测的准确性。
在判断油污区域步骤后，还包括以下步骤：
参数校验：将判断油污区域步骤中判断出的油污区域与待测玻纤表面的真实油污区域进行对比，并根据差异情况调整k和j的取值，然后重新执行筛选可疑区域和判断油污区域步骤，直至判断出的油污区域与待测玻纤表面的真实油污区域相同，完成校验。本步骤适用于第一次进行油污检测的情况。
具体的，由于k和j是人为设定的值，因此需要验证其可靠性，在第一次进行油污检测时，通过参数校验步骤，可以将k和j调至最佳参数，之后的油污检测即可维持k和j的值进行。
本发明还提供一种玻纤表面油污检出装置，如图2所示，包括：
拍照模块，用于拍摄表面带有油污的玻纤样件的图像和待测玻纤表面的图像；
获取模板图像模块，用于对表面带有油污的玻纤样件的图像进行灰度化处理得到模板图像；
选取模板区域模块，用于在灰度图像上的油污区域选出长、宽均为3个像素的区域作为模板区域；算出模板区域内所有像素点的灰度值的和记为mul0；
获取待测图像模块，用于对待测玻纤表面的图像进行灰度化处理得到待测图像；
筛选可疑区域模块，用于遍历待测图像中所有的长、宽均为3个像素的区域，记每个区域中所有像素点的灰度值的和为mul；根据mul0设定可疑阈值区间，若mul在可疑阈值区间内，则记对应区域为可疑区域；
判断油污区域模块，用于将可疑区域内的每个像素点的灰度值，与模板区域内的每个像素点的灰度值相减，再将所有差值相加得出判断值jud；设置判断阈值区间，若jud在可疑阈值区间内，则记对应区域为油污区域。
本发明还提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的玻纤表面油污检出方法。
本发明还提供一种电子设备，包括：处理器和存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时实现上述的玻纤表面油污检出方法。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.一种玻纤表面油污检出方法，其特征在于，步骤包括：
获取模板图像：拍摄表面带有油污的玻纤样件的图像，对图像进行灰度化处理得到模板图像；
选取模板区域：在模板图像上的油污区域选出长、宽均为3个像素的区域作为模板区域；算出模板区域内所有像素点的灰度值的和记为mul0；
获取待测图像：拍摄待测玻纤表面的图像，对图像进行灰度化处理得到待测图像；
筛选可疑区域：遍历待测图像中所有的长、宽均为3个像素的区域，记每个区域中所有像素点的灰度值的和为mul；根据mul0设定可疑阈值区间，若mul在可疑阈值区间内，则记对应区域为可疑区域；
判断油污区域：将可疑区域内的每个像素点的灰度值，与模板区域内对应的每个像素点的灰度值相减，再将所有差值相加得出判断值jud；设置判断阈值区间，若jud在可疑阈值区间内，则记对应区域为油污区域。
2.根据权利要求1所述的玻纤表面油污检出方法，其特征在于，在所述获取模板图片和获取待测图像步骤中，灰度化处理的具体步骤如下，包括：
获取彩色图像上每个像素点的R、G、B颜色的分量值并计算出对应的灰度值，并将对应的像素点的RGB信息替换成灰度值信息，从而形成灰度图像；
像素点的灰度值g的计算公式为：g=0.15*R+0.43*G+0.21*B。
3.根据权利要求1所述的玻纤表面油污检出方法，其特征在于，在所述选取模板区域步骤中，在灰度图像上的油污区域选出多个长、宽均为3个像素的区域，并将所有区域中对应位置的像素点的灰度值取平均值，使用各个对应位置计算出的平均值形成模板区域。
4.根据权利要求1所述的玻纤表面油污检出方法，其特征在于，在所述筛选可疑区域步骤中，可疑阈值区间的具体设置步骤为：
算出模板图像所有像素点的平均灰度值记为gray0，算出待测图像所有像素点的平均灰度值记为gray，计算补偿值d=gray-gray0；
可疑阈值区间具体设置为：[mul0-k+d,mul0+k+d]；
其中，k为常数，根据使用需求进行设定。
5.根据权利要求3所述的玻纤表面油污检出方法，其特征在于，在判断油污区域步骤中，判断阈值区间具体设置为：[-j+d,j+d]；
其中，j为常数，根据使用需求进行设定。
6.根据权利要求4所述的玻纤表面油污检出方法，其特征在于，在所述判断油污区域步骤后，还包括以下步骤：
参数校验：将判断油污区域步骤中判断出的油污区域与待测玻纤表面的真实油污区域进行对比，并根据差异情况调整k和j的取值，然后重新执行筛选可疑区域和判断油污区域步骤，直至判断出的油污区域与待测玻纤表面的真实油污区域相同，完成校验。
7.一种玻纤表面油污检出装置，其特征在于，包括：
拍照模块，用于拍摄表面带有油污的玻纤样件的图像和待测玻纤表面的图像；
获取模板图像模块，用于对表面带有油污的玻纤样件的图像进行灰度化处理得到模板图像；
选取模板区域模块，用于在灰度图像上的油污区域选出长、宽均为3个像素的区域作为模板区域；算出模板区域内所有像素点的灰度值的和记为mul0；
获取待测图像模块，用于对待测玻纤表面的图像进行灰度化处理得到待测图像；
筛选可疑区域模块，用于遍历待测图像中所有的长、宽均为3个像素的区域，记每个区域中所有像素点的灰度值的和为mul；根据mul0设定可疑阈值区间，若mul在可疑阈值区间内，则记对应区域为可疑区域；
判断油污区域模块，用于将可疑区域内的每个像素点的灰度值，与模板区域内的每个像素点的灰度值相减，再将所有差值相加得出判断值jud；设置判断阈值区间，若jud在可疑阈值区间内，则记对应区域为油污区域。
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现根据权利要求1至6中任一项所述的玻纤表面油污检出方法。
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现根据权利要求1至6中任一项所述的玻纤表面油污检出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111069942.1A CN113781446B (zh) | 2021-09-13 | 2021-09-13 | 玻纤表面油污检出方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111069942.1A CN113781446B (zh) | 2021-09-13 | 2021-09-13 | 玻纤表面油污检出方法、装置、存储介质和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113781446A true CN113781446A (zh) | 2021-12-10 |
| CN113781446B CN113781446B (zh) | 2022-07-22 |
Family
ID=78843135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111069942.1A Active CN113781446B (zh) | 2021-09-13 | 2021-09-13 | 玻纤表面油污检出方法、装置、存储介质和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113781446B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114677337A (zh) * | 2022-03-11 | 2022-06-28 | 常州市新创智能科技有限公司 | 一种碳纤维布面的油污检测方法及装置 |
| CN115015290A (zh) * | 2022-05-19 | 2022-09-06 | 常州市新创智能科技有限公司 | 一种用于玻纤布面的异物检测方法及装置 |
| CN115100144A (zh) * | 2022-06-23 | 2022-09-23 | 常州市新创智能科技有限公司 | 一种玻纤布生产过程中的碎屑检测方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8107716B2 (en) * | 2007-09-27 | 2012-01-31 | Fujifilm Corporation | Defect detecting apparatus and method |
| CN104408727A (zh) * | 2014-12-03 | 2015-03-11 | 歌尔声学股份有限公司 | 一种图像边缘污点检测方法及*** |
| CN109671078A (zh) * | 2018-12-24 | 2019-04-23 | 广东理致技术有限公司 | 一种产品表面图像异常检测方法及装置 |
| CN110687119A (zh) * | 2018-07-04 | 2020-01-14 | 东腾投资集团有限公司 | 一种缺陷检测方法、***与装置、计算机可读存储介质 |
| 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 |
| CN112862773A (zh) * | 2021-01-29 | 2021-05-28 | 山东建筑大学 | 一种刨花板图像缺陷分类检测方法及装置 |
-
2021
- 2021-09-13 CN CN202111069942.1A patent/CN113781446B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8107716B2 (en) * | 2007-09-27 | 2012-01-31 | Fujifilm Corporation | Defect detecting apparatus and method |
| CN104408727A (zh) * | 2014-12-03 | 2015-03-11 | 歌尔声学股份有限公司 | 一种图像边缘污点检测方法及*** |
| CN110687119A (zh) * | 2018-07-04 | 2020-01-14 | 东腾投资集团有限公司 | 一种缺陷检测方法、***与装置、计算机可读存储介质 |
| CN109671078A (zh) * | 2018-12-24 | 2019-04-23 | 广东理致技术有限公司 | 一种产品表面图像异常检测方法及装置 |
| 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 |
| CN112862773A (zh) * | 2021-01-29 | 2021-05-28 | 山东建筑大学 | 一种刨花板图像缺陷分类检测方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| JIN XIE ET AL.: ""Effective Texture Classi cation by Texton Encoding Induced Statistical Features"", 《PATTERN RECOGNITION》 * |
| 周继坤: ""玻纤布疵点识别和检测的研究"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114677337A (zh) * | 2022-03-11 | 2022-06-28 | 常州市新创智能科技有限公司 | 一种碳纤维布面的油污检测方法及装置 |
| CN115015290A (zh) * | 2022-05-19 | 2022-09-06 | 常州市新创智能科技有限公司 | 一种用于玻纤布面的异物检测方法及装置 |
| CN115100144A (zh) * | 2022-06-23 | 2022-09-23 | 常州市新创智能科技有限公司 | 一种玻纤布生产过程中的碎屑检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113781446B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113781446B (zh) | 玻纤表面油污检出方法、装置、存储介质和电子设备 | |
| CN114627111B (zh) | 一种纺织品缺陷检测识别装置 | |
| CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
| US6779159B2 (en) | Defect inspection method and defect inspection apparatus | |
| JP2017053819A (ja) | コンクリートのひび割れ検出方法及び検出プログラム | |
| CN108288264B (zh) | 一种广角摄像头模组脏污测试方法 | |
| JP2008139285A (ja) | 映像処理技法を利用した構造物及び製品のクラック幅測定方法 | |
| CN112651968A (zh) | 一种基于深度信息的木板形变与凹坑检测方法 | |
| CN109886960A (zh) | 基于机器视觉的玻璃边缘缺陷检测的方法 | |
| CN117095004B (zh) | 基于计算机视觉的挖掘机行走架主体焊接变形检测方法 | |
| CN115294159B (zh) | 金属紧固件腐蚀区域分割方法 | |
| CN105865329A (zh) | 基于视觉的成捆圆钢端面中心坐标的获取***和方法 | |
| CN116228771B (zh) | 基于视觉分析矿物材料机床铸件检测方法 | |
| CN116612112B (zh) | 一种水桶表面缺陷视觉检测方法 | |
| JP5705711B2 (ja) | ひび割れ検出方法 | |
| CN116309557B (zh) | 一种挖掘机履带板断裂检测方法 | |
| CN111798423B (zh) | 一种混凝土裂缝图片拼接与检测方法 | |
| CN111553878A (zh) | 基于双目视觉的沥青路面混合料摊铺均匀性的检测方法 | |
| CN115330774A (zh) | 焊接图像熔池边缘检测方法 | |
| CN116645364A (zh) | 一种基于图像数据的合金钢铸件气孔缺陷检测方法 | |
| CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
| TWI465699B (zh) | 水位量測方法 | |
| CN110501339B (zh) | 一种复杂环境下的布面定位方法 | |
| CN110132991A (zh) | 用于检测硅晶圆上激光打标缺陷的方法 | |
| CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及*** |
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 |