CN114399507B - 一种手机外观质量检测方法、装置、电子设备及存储介质 - Google Patents
一种手机外观质量检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114399507B CN114399507B CN202210299876.5A CN202210299876A CN114399507B CN 114399507 B CN114399507 B CN 114399507B CN 202210299876 A CN202210299876 A CN 202210299876A CN 114399507 B CN114399507 B CN 114399507B
- Authority
- CN
- China
- Prior art keywords
- mobile phone
- detected
- image
- tested
- corner
- 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
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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Telephone Function (AREA)
Abstract
本申请提供了一种手机外观质量检测方法、装置、电子设备及存储介质,涉及图像识别技术领域,其技术方案要点是:包括:获取拍摄有多台待测手机的第一图像,并构建图像数据集;根据所述第一图像计算得到所有所述待测手机对应的四个角点坐标;根据所述四个角点坐标对应提取所述待测手机的图像数据集并进行轮廓数据的提取;根据所述待测手机的轮廓数据判断外表面是否存在缺陷。本申请提供的一种手机外观质量检测方法、装置、电子设备及存储介质具有检测效率高的优点。
Description
技术领域
本申请涉及图像识别技术领域,具体而言,涉及一种手机外观质量检测方法、装置、电子设备及存储介质。
背景技术
随着现代工业技术的高速发展,智能化生产线上的应用越来越广泛,工业制造中对于手机外观的质量检测非常麻烦,目前很多工厂还是由人眼进行检测,此种工艺现在制约着生产效率,而且由于人眼的疲劳非常容易在手机外观存在细小刮痕及精细残缺上发生误检,导致不良产品的出厂而损伤一个品牌的质量。
针对上述问题,需要改进。
发明内容
本申请的目的在于提供一种手机外观质量检测方法、装置、电子设备及存储介质,具有检测效率高的优点。
第一方面,本申请提供了一种手机外观质量检测方法,技术方案如下:
包括:
获取拍摄有多台待测手机的第一图像,并构建图像数据集;
根据所述第一图像计算得到所有所述待测手机对应的四个角点坐标;
根据所述四个角点坐标对应提取所述待测手机的图像数据集并进行轮廓数据的提取;
根据所述待测手机的轮廓数据判断外表面是否存在缺陷。
首先拍摄一张包含有多台待测手机的第一图像,具有多台待测手机的第一图像构建形成图像数据集,然后通过第一图像检测出每台待测手机的四个角点坐标,根据四个角点坐标提取单台待测手机的图像数据集,再对单台手机的图像数据集进行轮廓数据的提取,然后根据每台待测手机轮廓数据判断表面外观是否有缺陷,因此可以对批量手机逐一进行数据提取,快速进行外观质量检测,具有检测效率高的优点。
进一步地,在本申请中,所述根据所述第一图像计算得到所有所述待测手机对应的四个角点坐标的步骤包括:
对所述第一图像进行灰度化处理得到灰度图像;
对所述灰度图像进行边缘检测得到所有所述待测手机的外轮廓;
根据所有所述待测手机的外轮廓进行角点提取得到对应的所述四个角点坐标。
进一步地,在本申请中,所述根据所有所述待测手机的外轮廓进行角点提取得到对应的所述四个角点坐标的步骤包括:
对所有所述待测手机的外轮廓内的区域的像素进行二值化处理;
对二值化处理后的图像进行角点提取得到四个角点坐标。
进一步地,在本申请中,所述根据所述四个角点坐标对应提取所述待测手机的图像数据集并进行轮廓数据的提取的步骤包括:
根据所述四个角点坐标对应提取由所述灰度图像构成的所述图像数据集;
对提取出的所述图像数据集进行轮廓识别得到轮廓数据。
进一步地,在本申请中,所述根据所述待测手机的轮廓数据判断外表面是否存在缺陷的步骤包括:
对所述待测手机的轮廓数据进行二值化处理;
根据二值化处理结果判断外表面是否存在缺陷。
进一步地,在本申请中,所述根据所述待测手机的轮廓数据判断外表面是否存在缺陷的步骤包括:
根据所述待测手机的轮廓数据计算所有轮廓的面积;
根据所述所有轮廓的面积判断外表面是否存在缺陷。
进一步地,在本申请中,还包括:
根据所述四个角点坐标计算所述待测手机的中心坐标;
判断所述待测手机的轮廓数据判断外表面是否存在缺陷后对应确定所述中心坐标。
第二方面,本申请还提供一种手机外观质量检测装置,包括:
获取模块,用于获取拍摄有多台待测手机的第一图像,并构建图像数据集;
计算模块,用于根据所述第一图像计算得到所有所述待测手机对应的四个角点坐标;
提取模块,用于根据所述四个角点坐标对应提取所述待测手机的图像数据集并进行轮廓数据的提取;
判断模块,用于根据所述待测手机的轮廓数据判断外表面是否存在缺陷。
第三方面,本申请还提供一种电子设备,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如上所述方法中的步骤。
第四方面,本申请还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,运行如上所述方法中的步骤。
由上可知,本申请提供的一种手机外观质量检测方法、装置、电子设备及存储介质,首先拍摄一张包含有多台待测手机的第一图像,具有多台待测手机的第一图像构建形成图像数据集,然后通过第一图像检测出每台待测手机的四个角点坐标,根据四个角点坐标提取单台待测手机的图像数据集,再对单台手机的图像数据集进行轮廓数据的提取,然后根据每台待测手机轮廓数据判断表面外观是否有缺陷,因此可以对批量手机逐一进行数据提取,快速进行外观质量检测,具有检测效率高的优点。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本申请提供的一种手机外观质量检测方法示意图。
图2为本申请提供的一种手机外观质量检测装置示意图。
图3为本申请提供的一种电子设备示意图。
图中:210、获取模块;220、计算模块;230、提取模块;240、判断模块;310、处理器;320、存储器。
具体实施方式
下面将结合本申请中附图,对本申请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实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,一种手机外观质量检测方法,技术方案具体包括:
S110、获取拍摄有多台待测手机的第一图像,并构建图像数据集;
S120、根据第一图像计算得到所有待测手机对应的四个角点坐标;
S130、根据四个角点坐标对应提取待测手机的图像数据集并进行轮廓数据的提取;
S140、根据待测手机的轮廓数据判断外表面是否存在缺陷。
其中,图像数据集可以指第一图像中所有像素点的集合,包含了多台待检测手机的像素点。
其中,四个角点坐标指的是手机的四个顶点坐标,一般而言,目前的智能手机在平面图像上呈现为矩形,四个角点指的就是矩形的四个顶点,此外,目前的手机在角点位置处也有可能设置有过渡圆弧,此时可以对应设置偏移量,让四个角点所包围形成的矩形区域完全覆盖手机。
通过上述技术方案,首先拍摄一张包含有多台待测手机的第一图像,可以使用第一图像直接构建形成图像数据集,或对第一图像进行处理后再构建图像数据集,然后通过第一图像检测出每台待测手机的四个角点坐标,根据四个角点坐标对应提取单台待测手机的图像数据集,即,四个角点所包围形成的矩形范围内的所有像素点,再对矩形范围内的所有像素点进行轮廓数据的提取,然后根据每台待测手机轮廓数据判断表面外观是否有缺陷,因此可以一次性拍摄多台待测手机,然后再分别对每台待测手机进行数据提取,快速进行外观质量检测,具有检测效率高的优点。
其中,第一图像的获取可以通过视觉传感器以一定的频率实时采集一定范围内的图像,定时通过opencv中图像抓取API进行图像捕捉,然后存储到内存中。
进一步地,在其中一些实施例中,根据第一图像计算得到所有待测手机对应的四个角点坐标的步骤包括:
对第一图像进行灰度化处理得到灰度图像;
对灰度图像进行边缘检测得到所有待测手机的外轮廓;
根据所有待测手机的外轮廓进行角点提取得到对应的四个角点坐标。
通常,利用常规的视觉传感器所采集的图像一般是RGB三通道的彩色图像,然而,彩色图像并不利于后续的图像处理,因此,需要将第一图像进行灰度化处理得到灰度图像。
具体的,在一些实施例中,图像数据集是由灰度图像构建形成。
具体的,在一些实施例中,对第一图像进行灰度化处理前,先对第一图像进行高斯平滑去噪处理,由于视觉传感器在现场采集的第一图像一般都会带有一定的噪声,会影响后续的算法处理,所以这里需要利用相关算法对第一图像的噪声进行去噪滤波,高斯滤波器是根据高斯函数来选择权值的线性平滑滤波器,对随机分布和服从正态分布的噪声有很好的滤除效果,具体可以采用opencv内置的高斯滤波GaussianBlur算法进行滤波。
通过上述技术方案,在得到灰度图像后,对灰度图像进行边缘检测,得到所有待测手机的外轮廓,具体的,可以采用sobel算子进行边缘检测,sobel算子具有横向卷积核以及纵向卷积核,通过检测出整幅灰度图像中灰度值变化剧烈的地方,可以简单高效的对灰度图像的横向轮廓以及纵向轮廓进行识别,因此可以高效快速的识别出每台待测手机的外轮廓。
在识别出每台待测手机的外轮廓后,可以通过findcounters算法对轮廓最外边缘的像素进行提取,然后再通过角点提取算法提取待测手机的四个角点,具体的,可以采用harris角点检测算法进行角点的识别和提取,其原理就是使用一个固定大小的窗口在灰度图像上进行任意方向上的滑动,比较滑动前与滑动后两种情况窗口中的像素灰度变化程度,如果存在任意方向上的滑动,都有着较大灰度变化,那么认为该窗口中存在角点。
进一步地,在其中一些实施例中,根据所有待测手机的外轮廓进行角点提取得到对应的四个角点坐标的步骤包括:
对所有待测手机的外轮廓内的区域的像素进行二值化处理;
对二值化处理后的图像进行角点提取得到四个角点坐标。
通过上述技术方案,对二值化处理后的图像进行角点提取可以更加精准得到四个角点坐标,从而降低误判的概率。因为在进行角点提取时,需要依靠灰度值的变化来确定,然而,在灰度图像中,容易受到阴影等影响,导致在灰度图像中,待测手机的外轮廓与环境的灰度值相似,容易产生误判,所以,在识别待测手机的外轮廓以后,对外轮廓范围内的像素进行二值化处理,具体而言,可以将外轮廓范围内的全部像素值用0代替,将外轮廓范围内则变成纯黑色,通常而言,外部环境在灰度图像中的灰度值并不会为0,这样就可以明确地与周围环境产生区分,因此可以高精度的提取待测手机的角点,从而得到四个角点坐标。
进一步地,在其中一些实施例中,根据四个角点坐标对应提取待测手机的图像数据集并进行轮廓数据的提取的步骤包括:
根据四个角点坐标对应提取由灰度图像构成的图像数据集;
对提取出的图像数据集进行轮廓识别得到轮廓数据。
在对待测手机的外观进行检测时,每台待测手机是独立,需要单独对每台待测手机进行检测和判断,因此,通过四个角点坐标对应提取待测手机的图像数据集,进而提取轮廓数据,然而,一般的RGB三通道彩色图像会对轮廓数据的提取产生干扰,容易产生误判,因此,在通过四个角点坐标对应提取图像数据集的时候,提取的是由灰度图像构成的图像数据集,这样可以避免彩色干扰,从而提高识别判断的成功率。
具体的,在对提取出的图像数据集进行轮廓识别中,可以采用canny算子进行边缘检测,从而得到单台待测手机外轮廓内的所有轮廓的轮廓数据,上述在识别待测手机外轮廓的时候,可以采用sobel算子进行边缘检测,因为sobel算子简单高效,但是其适合检测横向轮廓以及纵向轮廓,因此非常适合识别待测手机的外轮廓,然而,在检测待测手机的表面外观是否有划痕的时候,划痕的轨迹是复杂多样的,例如斜线和不规则圆弧,并且待测手机本身具有轮廓,例如摄像头轮廓、听筒轮廓等,这些轮廓的识别并不适合采用sobel算子进行检测,因此采用canny算子进行检测,canny算子可以检测出各类复杂的轮廓,然而,如果一开始就用canny算子进行检测,会检测大量无用的轮廓,从而降低识别效率。因此,本申请采用sobel算子检测出待测手机的外轮廓后,通过外轮廓计算得到对应的四个角点坐标,然后通过四个角点坐标对应提取待测手机的图像数据集,再使用canny算子对提取出来的图像数据集进行轮廓提取,以提取出待测手机外轮廓内的所有轮廓。
进一步地,在其中一些实施例中,根据待测手机的轮廓数据判断外表面是否存在缺陷的步骤包括:
对待测手机的轮廓数据进行二值化处理;
根据二值化处理结果判断外表面是否存在缺陷。
通过上述技术方案,在得到待测手机外轮廓内的所有轮廓的轮廓数据后,对其进行二值化处理,在灰度图像中,轮廓边缘的灰度值和其余区域的灰度值会有较大的区别,通过设置阈值进行二值化处理,可以将轮廓边缘以外的区域的像素值替换成0,即变成纯黑色,进而可以更加明显地进行区分,然后,由于待测手机的轮廓数据包含了其自身的轮廓,例如摄像头轮廓、听筒轮廓等,将待测手机自身的轮廓提取出来判断是否具有划痕,具体来说,如果待测手机自身轮廓内是纯黑色的,则表明其表面外观是完好的,如果待测手机自身轮廓内不是完全的纯黑色,而是具有白色,则表面其外观具有划痕损伤。
进一步地,在其中一些实施例中,根据待测手机的轮廓数据判断外表面是否存在缺陷的步骤包括:
根据待测手机的轮廓数据计算所有轮廓的面积;
根据所有轮廓的面积判断外表面是否存在缺陷。
通过上述技术方案,由于待测手机其自身内部存在轮廓,例如摄像头轮廓、听筒轮廓等,而对于同型号的待测手机而言,其内部的封闭轮廓的面积是固定的,当待测手机的表面出现划痕时,其划痕有可能形成封闭区间或与待测手机自身轮廓形成封闭区间,这样就会导致出现与待测手机本身封闭轮廓具有明显差异的封闭轮廓,其差异可以通过封闭轮廓所占的面积来衡量,因此,当有封闭轮廓所占的面积与预先设置好的待测手机自身封闭轮廓所占的面积出现差异时,则可以判断待测手机的表面具有划痕。
进一步地,在其中一些实施例中,还包括:
根据四个角点坐标计算待测手机的中心坐标;
判断待测手机的轮廓数据判断外表面是否存在缺陷后对应确定中心坐标。
通过上述技术方案,每台待测手机可以根据其四个角点坐标计算出中心坐标,在判断待测手机的表面是否有缺陷以后,同时确认该待测手机的中心坐标,以便于在检测出手机表面具有缺陷后,迅速找出该具有缺陷的手机。
具体的,在一些优选实施方式中,本申请的检测流程如下:
通过视觉传感器获取整张待检测的第一图像,第一图像上包含了多台待测手机;
对第一图像进行高斯平滑去噪处理;
对进行去噪处理后的图像进行灰度化处理得到灰度图像,由灰度图像构建图像数据集;
对灰度图像进行sobel算子边缘检测,检测出所有待测手机的外轮廓;
对进行sobel算子边缘检测后的图像进行findcounters算法处理,进行待测手机外轮廓边缘像素的提取,然后通过harris角点检测算法提取出待测手机外轮廓的四个角点坐标,并且通过四个角点坐标计算出待测手机的中心在第一图像中的坐标,即中心坐标;
具体的,可以使用findcounters算法提取待测手机外轮廓边缘像素或待测手机外轮廓内的所有像素后,对提取的像素进行二值化处理,其像素值全部用0填充,变成纯黑色,再利用harris角点检测算法提取出待测手机外轮廓的四个角点坐标,假设四个角点坐标为A(X0,Y0),B(X1,Y1),C(X2,Y2),D(X3,Y3),再利用如下公式得出每个待测手机轮廓的中心坐标:
X=(X1-X0)/2+X0;
Y=(Y2-Y0)/2+Y0;
将每个待测手机的中心坐标(X,Y)以元组的形式依次存储到第一表单中;
在得到待测手机的四个角点坐标以后,根据四个角点坐标,提取待测手机对应的图像数据集,即,由四个角点包围形成的矩形范围内的像素点,然后采用canny算子对提取出的图像数据集进行边缘检测,检测出待测手机外轮廓内的所有轮廓,再利用findcounters算法进行轮廓数据的提取,根据提取出的轮廓数据计算所有轮廓的面积,通过面积筛选出待测手机本身具有的轮廓,并对待测手机本身具有的轮廓进行二值化处理,通过设置阈值,使轮廓边缘呈白色,轮廓以外的区域呈黑色。在判断待测手机表面是否有缺陷时,可以将二值化处理的结果赋值到temp_R临时变量中,最后判断temp_R是否为空值,如果是空值说明该手机是合格的,即没有缺陷,如果temp_R为非空值,则说明该手机不合格,即存在缺陷,并在第一表单中取出对应的中心坐标(X,Y)作为该返回值,说明该中心坐标所对应的手机为不合格品。
第二方面,如图2所示,本申请还提供一种手机外观质量检测装置,包括:
获取模块210,用于获取拍摄有多台待测手机的第一图像,并构建图像数据集;
计算模块220,用于根据第一图像计算得到所有待测手机对应的四个角点坐标;
提取模块230,用于根据四个角点坐标对应提取待测手机的图像数据集并进行轮廓数据的提取;
判断模块240,用于根据待测手机的轮廓数据判断外表面是否存在缺陷。
通过上述技术方案,由获取模块210获取包含有多台待测手机的第一图像,并将多台待测手机的第一图像构建形成图像数据集,然后由计算模块220通过第一图像检测出每台待测手机的四个角点坐标,提取模块230根据四个角点坐标对应提取单台待测手机的图像数据集,即,四个角点所包围形成的矩形范围内的所有像素点,再对矩形范围内的所有像素点进行轮廓数据的提取,最后由判断模块240根据每台待测手机轮廓数据判断表面外观是否有缺陷,因此可以对批量手机逐一进行数据提取,快速进行外观质量检测,具有检测效率高的优点。
其中,在一些优先的实施例中,本申请提供的一种手机外观质量检测装置可以执行上述手机外观质量检测方法中的任何一项步骤。
第三方面,如图3所示,本申请还提供一种电子设备,包括处理器310以及存储器320,存储器320存储有计算机可读取指令,当计算机可读取指令由处理器310执行时,运行如上述方法中的步骤。
通过上述技术方案,处理器310和存储器320通过通信总线和/或其他形式的连接机构(未标出)互连并相互通讯,存储器320存储有处理器310可执行的计算机程序,当电子设备运行时,处理器310执行该计算机程序,以执行时执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:获取拍摄有多台待测手机的第一图像,并构建图像数据集;根据第一图像计算得到所有待测手机对应的四个角点坐标;根据四个角点坐标对应提取待测手机的图像数据集并进行轮廓数据的提取;根据待测手机的轮廓数据判断外表面是否存在缺陷。
第四方面,本申请还提供一种存储介质,其上存储有计算机程序,其特征在于,计算机程序被处理器执行时,运行如上述方法中的步骤。
通过上述技术方案,计算机程序被处理器执行时,执行上述实施例的任一可选的实现方式中的方法,以实现以下功能:获取拍摄有多台待测手机的第一图像,并构建图像数据集;根据第一图像计算得到所有待测手机对应的四个角点坐标;根据四个角点坐标对应提取待测手机的图像数据集并进行轮廓数据的提取;根据待测手机的轮廓数据判断外表面是否存在缺陷。
其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-OnlyMemory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种手机外观质量检测方法,其特征在于,包括:
获取拍摄有多台待测手机的第一图像,并构建包含所述多台待检测手机的图像数据集;
根据所述第一图像计算得到所有所述待测手机对应的四个角点坐标;
根据所述四个角点坐标对应提取所述待测手机的图像数据集并进行轮廓数据的提取;
根据所述待测手机的轮廓数据判断外表面是否存在缺陷;
所述根据所述待测手机的轮廓数据判断外表面是否存在缺陷的步骤包括:
根据所述待测手机的轮廓数据计算所有轮廓的面积;
根据所述所有轮廓的面积判断外表面是否存在缺陷;
根据所述所有轮廓的面积筛选出所述待测手机本身具有的轮廓,对所述待测手机本身具有的轮廓进行二值化处理并判断是否有缺陷。
2.根据权利要求1所述的一种手机外观质量检测方法,其特征在于,所述根据所述第一图像计算得到所有所述待测手机对应的四个角点坐标的步骤包括:
对所述第一图像进行灰度化处理得到灰度图像;
对所述灰度图像进行边缘检测得到所有所述待测手机的外轮廓;
根据所有所述待测手机的外轮廓进行角点提取得到对应的所述四个角点坐标。
3.根据权利要求2所述的一种手机外观质量检测方法,其特征在于,所述根据所有所述待测手机的外轮廓进行角点提取得到对应的所述四个角点坐标的步骤包括:
对所有所述待测手机的外轮廓内的区域的像素进行二值化处理;
对二值化处理后的图像进行角点提取得到四个角点坐标。
4.根据权利要求2所述的一种手机外观质量检测方法,其特征在于,所述根据所述四个角点坐标对应提取所述待测手机的图像数据集并进行轮廓数据的提取的步骤包括:
根据所述四个角点坐标对应提取由所述灰度图像构成的所述图像数据集;
对提取出的图像数据集进行轮廓识别得到所述轮廓数据。
5.根据权利要求1所述的一种手机外观质量检测方法,其特征在于,所述根据所述待测手机的轮廓数据判断外表面是否存在缺陷的步骤包括:
对所述待测手机的轮廓数据进行二值化处理;
根据二值化处理结果判断外表面是否存在缺陷。
6.根据权利要求1所述的一种手机外观质量检测方法,其特征在于,还包括:
根据所述四个角点坐标计算所述待测手机的中心坐标;
判断所述待测手机的轮廓数据判断外表面是否存在缺陷后对应确定所述中心坐标。
7.一种手机外观质量检测装置,其特征在于,包括:
获取模块,用于获取拍摄有多台待测手机的第一图像,并构建包含所述多台待检测手机的图像数据集;
计算模块,用于根据所述第一图像计算得到所有所述待测手机对应的四个角点坐标;
提取模块,用于根据所述四个角点坐标对应提取所述待测手机的图像数据集并进行轮廓数据的提取;
判断模块,用于根据所述待测手机的轮廓数据判断外表面是否存在缺陷;
所述根据所述待测手机的轮廓数据判断外表面是否存在缺陷的步骤包括:
根据所述待测手机的轮廓数据计算所有轮廓的面积;
根据所述所有轮廓的面积判断外表面是否存在缺陷;
根据所述所有轮廓的面积筛选出所述待测手机本身具有的轮廓,对所述待测手机本身具有的轮廓进行二值化处理并判断是否有缺陷。
8.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器存储有计算机可读取指令,当所述计算机可读取指令由所述处理器执行时,运行如权利要求1-6任一项所述方法中的步骤。
9.一种存储介质,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,运行如权利要求1-6任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210299876.5A CN114399507B (zh) | 2022-03-25 | 2022-03-25 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210299876.5A CN114399507B (zh) | 2022-03-25 | 2022-03-25 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114399507A CN114399507A (zh) | 2022-04-26 |
CN114399507B true CN114399507B (zh) | 2022-06-17 |
Family
ID=81233994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210299876.5A Active CN114399507B (zh) | 2022-03-25 | 2022-03-25 | 一种手机外观质量检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399507B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116012380B (zh) * | 2023-03-27 | 2023-06-16 | 中江立江电子有限公司 | 一种绝缘子缺陷检测方法、装置、设备及介质 |
CN116626036B (zh) * | 2023-05-24 | 2024-04-02 | 北京盛和信科技股份有限公司 | 一种基于机器视觉识别的外观质检方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955660A (zh) * | 2014-04-22 | 2014-07-30 | 广州闪购软件服务有限公司 | 一种批量二维码图像识别方法 |
CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及*** |
CN106949848A (zh) * | 2017-03-15 | 2017-07-14 | 深圳市深视智能科技有限公司 | 一种高精度激光3d轮廓手机结构件检测方法 |
CN108636830A (zh) * | 2018-05-10 | 2018-10-12 | 苏州大学 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
CN109285145A (zh) * | 2018-08-12 | 2019-01-29 | 浙江农林大学 | 基于智能手机的多株立木高度测量方法 |
CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量***及方法 |
CN110070524A (zh) * | 2019-04-03 | 2019-07-30 | 北京东舟技术股份有限公司 | 一种智能终端面板视觉故障检测*** |
WO2021248187A1 (en) * | 2020-06-09 | 2021-12-16 | Annalise-Ai Pty Ltd | Systems and methods for automated analysis of medical images |
EP3944185A1 (en) * | 2020-07-23 | 2022-01-26 | INESC TEC - Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência | Computer-implemented method, system and computer program product for detecting a retinal condition from eye fundus images |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4657869B2 (ja) * | 2005-09-27 | 2011-03-23 | シャープ株式会社 | 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体 |
JP4636146B2 (ja) * | 2008-09-05 | 2011-02-23 | ソニー株式会社 | 画像処理方法、画像処理装置、プログラム及び画像処理システム |
JP2019004115A (ja) * | 2017-06-19 | 2019-01-10 | 株式会社 Ngr | 設計データを用いた欠陥可視化方法及び欠陥検出方法 |
WO2019014810A1 (zh) * | 2017-07-17 | 2019-01-24 | 深圳市大疆创新科技有限公司 | 一种对图像的处理方法及装置、智能终端 |
CN107766855B (zh) * | 2017-10-25 | 2021-09-07 | 南京阿凡达机器人科技有限公司 | 基于机器视觉的棋子定位方法、***、存储介质及机器人 |
CN109360203B (zh) * | 2018-10-30 | 2021-12-03 | 京东方科技集团股份有限公司 | 图像配准方法、图像配准装置及存储介质 |
CN112132773B (zh) * | 2019-06-24 | 2024-04-12 | 曜科智能科技(上海)有限公司 | 飞机头部机盖铆点缺陷检测方法、装置、设备和存储介质 |
US20210158498A1 (en) * | 2019-11-22 | 2021-05-27 | Carl Zeiss Smt Gmbh | Wafer inspection methods and devices |
CN111340752A (zh) * | 2019-12-04 | 2020-06-26 | 京东方科技集团股份有限公司 | 屏幕的检测方法、装置、电子设备及计算机可读存储介质 |
CN113034530A (zh) * | 2021-04-02 | 2021-06-25 | 广州绿怡信息科技有限公司 | 手机摆放检测方法及装置 |
CN113192097B (zh) * | 2021-07-05 | 2021-09-17 | 季华实验室 | 工业零件位姿识别方法、装置、电子设备及存储介质 |
CN113643296B (zh) * | 2021-10-18 | 2022-02-08 | 季华实验室 | 电感元件装配质量检测方法、装置、电子设备及存储介质 |
CN113822890B (zh) * | 2021-11-24 | 2022-02-25 | 中科慧远视觉技术(北京)有限公司 | 一种微裂纹检测方法、装置、***及存储介质 |
-
2022
- 2022-03-25 CN CN202210299876.5A patent/CN114399507B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955660A (zh) * | 2014-04-22 | 2014-07-30 | 广州闪购软件服务有限公司 | 一种批量二维码图像识别方法 |
CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及*** |
CN106949848A (zh) * | 2017-03-15 | 2017-07-14 | 深圳市深视智能科技有限公司 | 一种高精度激光3d轮廓手机结构件检测方法 |
CN108636830A (zh) * | 2018-05-10 | 2018-10-12 | 苏州大学 | 基于机器视觉的胶囊缺陷检测分拣的方法、装置及设备 |
CN109285145A (zh) * | 2018-08-12 | 2019-01-29 | 浙江农林大学 | 基于智能手机的多株立木高度测量方法 |
CN109357630A (zh) * | 2018-10-30 | 2019-02-19 | 南京工业大学 | 一种多类型工件批量视觉测量***及方法 |
CN110070524A (zh) * | 2019-04-03 | 2019-07-30 | 北京东舟技术股份有限公司 | 一种智能终端面板视觉故障检测*** |
WO2021248187A1 (en) * | 2020-06-09 | 2021-12-16 | Annalise-Ai Pty Ltd | Systems and methods for automated analysis of medical images |
EP3944185A1 (en) * | 2020-07-23 | 2022-01-26 | INESC TEC - Instituto de Engenharia de Sistemas e Computadores, Tecnologia e Ciência | Computer-implemented method, system and computer program product for detecting a retinal condition from eye fundus images |
Also Published As
Publication number | Publication date |
---|---|
CN114399507A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815630B (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
CN114399507B (zh) | 一种手机外观质量检测方法、装置、电子设备及存储介质 | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和*** | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN111612781A (zh) | 一种屏幕缺陷检测方法、装置及头戴显示设备 | |
CN113379680B (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN108665458A (zh) | 透明体表面缺陷提取及识别方法 | |
CN111598801B (zh) | 一种用于微弱Mura缺陷的识别方法 | |
CN108932449B (zh) | 一种基于聚类的条码二值化方法及*** | |
CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
CN113538603B (zh) | 一种基于阵列产品的光学检测方法、***和可读存储介质 | |
CN114495098B (zh) | 一种基于显微镜图像的盘星藻类细胞统计方法及*** | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN109191516B (zh) | 结构光模组的旋转纠正方法、装置及可读存储介质 | |
CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN112581452A (zh) | 工业配件表面缺陷检测方法、***、智能设备和存储介质 | |
CN115587966A (zh) | 一种在光照不均匀条件下零件有无缺漏的检测方法及*** | |
CN114674826A (zh) | 基于布匹的视觉检测方法及检测*** | |
CN114612418A (zh) | 一种鼠标外壳表面缺陷检测方法及装置、***、电子设备 | |
CN109086643B (zh) | 一种基于机器视觉的彩盒标签检测方法及*** | |
CN113065454B (zh) | 一种高空抛物目标识别比较的方法及装置 | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 | |
CN111563869B (zh) | 用于摄像模组质检的污点测试方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |