CN114627110B - 一种玻璃盖板透光异常检测方法 - Google Patents
一种玻璃盖板透光异常检测方法 Download PDFInfo
- Publication number
- CN114627110B CN114627110B CN202210511153.7A CN202210511153A CN114627110B CN 114627110 B CN114627110 B CN 114627110B CN 202210511153 A CN202210511153 A CN 202210511153A CN 114627110 B CN114627110 B CN 114627110B
- Authority
- CN
- China
- Prior art keywords
- glass
- light
- shadow
- abnormal
- pixel points
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 188
- 230000005540 biological transmission Effects 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 title description 8
- 230000002159 abnormal effect Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000002834 transmittance Methods 0.000 claims description 21
- 238000003708 edge detection Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening 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
- G06T5/40—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
- G06T5/90—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
- G06T7/12—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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
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)
Abstract
本发明涉及图像处理技术领域，具体涉及一种玻璃盖板透光异常检测方法，该方法包括：获取待检测玻璃及合格玻璃的灰度图像；根据灰度图像的光影连通域得到合格玻璃和待检测玻璃对应的光影数量，根据合格玻璃的光影数和待检测玻璃的光影数量确定待检测玻璃中的异常玻璃；获取异常玻璃的灰度图像的初始光影区域，对初始光影区域进行滑窗处理得到最终光影区域；获取待检测玻璃、合格玻璃对应的最终光影区域内像素点的总数；根据最终光影区域内的像素点的总数及合格玻璃的光影区域内像素点的总数确定异常玻璃对应的透光异常原因的，本发明方法能确定透光异常原因，为后续生产加工提供调整方向。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种玻璃盖板透光异常检测方法。
背景技术
玻璃的透光率受到很多因素的影响，主要的影响因素是制作玻璃的材料的质量，大多数矿物除了所含主要成分外还带有不少杂质，其次，回收的玻璃，若没有处理干净，带入杂质也会影响透光率，还有玻璃料熔制对在炉内停留时间的长短对透光率有影响。另外透光率也受成分组成、温度、色散、入射光的波长、密度等影响。
由于曲面玻璃的制造工艺比普通玻璃的制造困难许多，其造价成本高，透光异常的玻璃盖板会影响产品的使用，如果流入市场，会给产品质量信誉带来不利影响，因此，检测玻璃的透光率从而筛选出透光不合格的产品是至关重要的。
现有技术中主要是通过透光率计实现对玻璃的检测的，但其在检测过程中，其主要是通过透射光的光强和入射光的光强的比率来计算玻璃的透光率，从而实现玻璃的检测，但其对玻璃检测只能检测出玻璃的透光率是否合格，但不能将造成透光异常的原因区分开，使得不能找到玻璃透光异常对应的透光异常原因，从而不能及时对加工工艺或者材料进行调整，从而影响后续的玻璃加工效率和质量。
因此，需要一种玻璃盖板透光异常检测方法。
发明内容
本发明提供一种玻璃盖板透光异常检测方法，以解决现有的问题。
本发明的一种玻璃盖板透光异常检测方法采用如下技术方案：该方法包括：
获取待检测玻璃及合格玻璃的光影图像，获取光影图像的灰度图像；
获取合格玻璃、待检测玻璃对应的灰度图像的光影连通域，根据光影连通域获取合格玻璃和待检测玻璃对应的光影数量，根据合格玻璃的光影数和待检测玻璃的光影数量确定待检测玻璃中的异常玻璃；
对异常玻璃对应的灰度图像进行边缘检测得到初始光影区域，获取初始光影区域的每个边缘像素点的滑窗区域，根据每个边缘像素点与其滑窗区域内其他像素点的灰度值的差值确定最终光影区域；
获取异常玻璃的最终光影区域内的像素点的总数，并获取合格玻璃对应的光影区域内的像素点的总数；
根据最终光影区域内的像素点的总数及合格玻璃的光影区域内像素点的总数确定异常玻璃对应的透光异常原因，进一步的，根据最终光影区域内的像素点的总数及合格玻璃的光影区域内像素点的总数确定异常玻璃对应的透光异常原因的步骤包括：
根据设定合格玻璃对应的光影区域内像素点的总数设定误差范围，误差范围为
；
当
时，则异常玻璃为加工过程中导致的透光异常；其中，
表示最终光影区域内的像素点的总数；
当
时，根据下式（1）计算异常玻璃的透光率：
其中，
表示合格玻璃对应的光影区域内像素点的总数；
表示最终光影区域内的像素点的总数；
表示合格玻璃的透光率；
根据透光率与预设的合格玻璃的透光率阈值确定透光异常玻璃和正常玻璃，根据透光率阈值确定的透光异常玻璃为玻璃材料导致的透光异常。
进一步的，获取合格玻璃、待检测玻璃对应的灰度图像的光影连通域的步骤包括：
分别对合格玻璃的灰度图像和待检测玻璃的灰度图像进行阈值分割处理得到对应的二值图像；
分别对两个二值图像进行连通域分析得到对应的光影连通域。
进一步的，根据合格玻璃的光影数和待检测玻璃的光影数量确定待检测玻璃中的异常玻璃的步骤包括：
获取合格玻璃透光后的光影图像的光影数量与待检测玻璃透光后的光影图像的光影数量的光影差值；
光影差值不等于0，则对应的待检测玻璃为异常玻璃，反之，为待检测玻璃为合格玻璃
进一步的，获取初始光影区域的每个边缘像素点的滑窗区域，根据每个边缘像素点与其滑窗区域内其他像素点的灰度值的差值确定最终光影区域的步骤包括：
以初始光影区域的每个边缘像素点为中心像素点建立n*n的滑窗得到多个n*n的滑窗区域；
获取每个n*n的滑窗区域内的中心像素点与滑窗内其他像素点的灰度差值；
获取与中心像素点的灰度值的差值为0对应的像素点；
并根据该像素点更新初始光影区域得到最终光影区域。
进一步的，获取异常玻璃的最终光影区域内的像素点的总数的步骤包括：
获取最终光影区域的灰度图像的灰度直方图；
获取灰度直方图中靠近最小灰度值的第一个波峰的灰度值范围；
根据灰度直方图获取灰度值范围内每个灰度值对应的像素点的个数；
根据每个灰度值对应的像素点的个数计算第一个波峰的灰度值范围内的像素点的总数；
其中，第一个波峰的灰度值范围内的像素点的总数即为最终光影区域内的像素点的总数。
进一步的，获取灰度直方图中靠近最小灰度值的第一个波峰的灰度值范围的步骤包括：
获取灰度直方图中的频率获取第一个波峰相邻的波谷点；
将第一个波峰相邻的两个波谷点中，小灰度值对应的波谷点作为下临界点，大灰度值对应的波谷点作为上临界点；
则第一个波峰的灰度值范围为下临界点的灰度值到上临界点的灰度值。
本发明的有益效果是：本发明的一种玻璃盖板透光异常检测方法，根据边缘检测及滑窗处理技术增强了光影图像中的光影区域，然后根据最终光影区域中像素点的个数与预设合格玻璃的光影区域中像素点的总数的误差范围将透光异常玻璃和正常玻璃区分开，同时能及时确定透光异常玻璃对应的异常原因，从而使得在后续的玻璃加工生产中能对应异常原因调整加工工艺或者原材料，进而提高后续生产中玻璃的加工质量及效率。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的一种玻璃盖板透光异常检测方法的实施例总体步骤的流程图；
图2为S4步骤中获取最终光影区域内的像素点的总数流程图；
图3为S42步骤中获取第一个波峰的灰度值范围的流程图。
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。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。
本发明的一种玻璃盖板透光异常检测方法的实施例，如图1所示，该方法包括：
S1、获取待检测玻璃及合格玻璃的光影图像，获取光影图像的灰度图像。
采集同一条件下的待检测玻璃盖板、合格的玻璃盖板的RGB图像，采用DNN网络分别对两个RGB图像进行语义分割，其中，将属于背景类的像素标注为0，属于光影的像素标注为1，网络的任务是分类，所有使用的loss函数为交叉熵损失函数，通过语义分割得到光影图像，并对光影图像进行灰度化处理得到光影图像的灰度图像，并对灰度图像进行增强得到灰度图像。
S2、获取合格玻璃、待检测玻璃对应的灰度图像的光影连通域，根据光影连通域获取合格玻璃和待检测玻璃对应的光影数量，根据合格玻璃的光影数和待检测玻璃的光影数量确定待检测玻璃中的异常玻璃。
具体的，S21、分别对合格玻璃的灰度图像和待检测玻璃的灰度图像进行阈值分割处理得到对应的二值图像；S22、分别对两个二值图像进行连通域分析得到对应的光影连通域；S23、获取合格玻璃透光后的光影图像的光影数量与待检测玻璃透光后的光影图像的光影数量的光影差值；光影差值不等于0，则对应的待检测玻璃为异常玻璃，反之，为待检测玻璃为合格玻璃。
具体的，根据下式（a）计算光影差值：
其中，
表示合格玻璃透光后的光影图像的光影数量；
表示待检测玻璃透光后的光影图像的光影数量；
表示合格玻璃的光影数量与待检测玻璃的光影数量的光影差值。
S3、对异常玻璃对应的灰度图像进行边缘检测得到初始光影区域，获取初始光影区域的每个边缘像素点的滑窗区域，根据每个边缘像素点与其滑窗区域内其他像素点的灰度值的差值确定最终光影区域。
具体的，S31、采用
算子进行边缘检测得到光影的初始光影区域，为了保证在进行canny算子边缘检测时边缘被放大影响检测结果，利用一个规则来过滤不是边缘的点，保证边缘的宽度尽可能为1个像素点，即一个像素点属于边缘，那么这个像素点在梯度方向上的梯度值是最大梯度值，否则不是边缘，则将其灰度值设为0，通过非最大值对非边缘像素点进行抑制后，仍然有很多的可能边缘点，进一步的设置一个低阈值、一个高阈值，像素点的灰度变化大于高阈值的设置为强边缘像素点，低于低阈值的像素点剔除，对于低阈值和高阈值之间的像素点，因为部分光影的灰度值与背景的灰度相差不大，所以在进行阈值筛选的时候，设定像素点的灰度变化大于低阈值的设置为强边缘包含在光影的范围内，从而确定精确的初始光影区域。
具体的，S32、获取初始光影区域的每个边缘像素点的滑窗区域，根据每个边缘像素点与其滑窗区域内其他像素点的灰度值的差值确定最终光影区域的步骤包括：S321、以初始光影区域的每个边缘像素点为中心像素点建立n*n的滑窗得到多个n*n的滑窗区域，n取3；S322、获取每个n*n的滑窗区域内的中心像素点与滑窗内其他像素点的灰度差值；S323、获取与中心像素点的灰度值的差值为0对应的像素点；S324、并根据该像素点更新初始光影区域得到最终光影区域。
S4、获取异常玻璃的最终光影区域内的像素点的总数，并获取合格玻璃对应的光影区域内的像素点的总数。
具体的，如图2所示，S41、获取最终光影区域的灰度图像的灰度直方图；S42、获取灰度直方图中靠近最小灰度值的第一个波峰的灰度值范围；具体的，如图3所示，S421、获取灰度直方图中的频率获取第一个波峰相邻的波谷点；S422、将第一个波峰相邻的两个波谷点中，小灰度值对应的波谷点作为下临界点，大灰度值对应的波谷点作为上临界点；S423、则第一个波峰的灰度值范围为下临界点的灰度值到上临界点的灰度值，其中，下临界点的灰度值记为
；上临界点的灰度值记为
S43、根据灰度直方图获取灰度值范围内每个灰度值对应的像素点的个数；S44、根据每个灰度值对应的像素点的个数计算第一个波峰的灰度值范围内的像素点的总数；其中，第一个波峰的灰度值范围内的像素点的总数即为最终光影区域内的像素点的总数。
具体的，根据下式（b）计算最终光影区域内的像素点的总数：
式中，
表示第一个波峰的灰度值范围
—
内的所有像素点个数的总数；
表示灰度值范围
—
内每个灰度值对应的像素点的个数。
S5、根据最终光影区域内的像素点的总数及合格玻璃的光影区域内像素点的总数确定异常玻璃对应的透光异常原因。
具体的，为了获取异常玻璃对应的透光异常原因，由于玻璃在加工过程中，玻璃表面造成的缺陷，其对应的光影区域的会受缺陷影响而发生变化，因此，根据设定合格玻璃对应的光影区域内像素点的总数设定误差范围，误差范围为
；当
时，则异常玻璃为加工过程中导致的透光异常；其中，
表示最终光影区域内的像素点的总数；当时，由于不同透光率的玻璃在相同光源的照射下，折射出来的光照强度是不同的，因此采集到的光影图像中的光影区域的灰度大小是不同的，故根据下式（1）计算异常玻璃的透光率：
其中，
表示合格玻璃对应的光影区域内像素点的总数；
表示最终光影区域内的像素点的总数；
表示合格玻璃的透光率，其中，根据现行GB/T2828.1-2003标准，普通玻璃的透光率大于80%属于合格玻璃，以
=80%作为合格玻璃的参考标准；根据透光率与预设的合格玻璃的透光率阈值确定透光异常玻璃和正常玻璃，根据透光率阈值确定的透光异常玻璃为玻璃材料导致的透光异常。
综上所述，本发明提供一种玻璃盖板透光异常检测方法，根据边缘检测及滑窗处理技术增强了光影图像中的光影区域，然后根据最终光影区域中像素点的个数与预设合格玻璃的光影区域中像素点的总数的误差范围将透光异常玻璃和正常玻璃区分开，同时能及时确定透光异常玻璃对应的异常原因，从而使得在后续的玻璃加工生产中能对应异常原因调整加工工艺或者原材料，进而提高后续生产中玻璃的加工质量及效率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种玻璃盖板透光异常检测方法，其特征在于，该方法包括：
获取待检测玻璃及合格玻璃的光影图像，获取光影图像的灰度图像；
获取合格玻璃、待检测玻璃对应的灰度图像的光影连通域，根据光影连通域获取合格玻璃和待检测玻璃对应的光影数量，根据合格玻璃的光影数和待检测玻璃的光影数量确定待检测玻璃中的异常玻璃；
对异常玻璃对应的灰度图像进行边缘检测得到初始光影区域，获取初始光影区域的每个边缘像素点的滑窗区域，根据每个边缘像素点与其滑窗区域内其他像素点的灰度值的差值确定最终光影区域；
获取异常玻璃的最终光影区域内的像素点的总数，并获取合格玻璃对应的光影区域内的像素点的总数；
根据最终光影区域内的像素点的总数及合格玻璃的光影区域内像素点的总数确定异常玻璃对应的透光异常原因，根据最终光影区域内的像素点的总数及合格玻璃的光影区域内像素点的总数确定异常玻璃对应的透光异常原因的步骤包括：
设定合格玻璃对应的光影区域内像素点的总数设定误差范围，误差范围为
；
当
时，则异常玻璃为加工过程中导致的透光异常；其中，
表示最终光影区域内的像素点的总数；
当
时，根据下式（1）计算异常玻璃的透光率：
其中，
表示合格玻璃对应的光影区域内像素点的总数；
表示最终光影区域内的像素点的总数；
表示合格玻璃的透光率；
根据透光率与预设的合格玻璃的透光率阈值确定透光异常玻璃和正常玻璃，根据透光率阈值确定的透光异常玻璃为玻璃材料导致的透光异常。
2.根据权利要求1所述的一种玻璃盖板透光异常检测方法，其特征在于，获取合格玻璃、待检测玻璃对应的灰度图像的光影连通域的步骤包括：
分别对合格玻璃的灰度图像和待检测玻璃的灰度图像进行阈值分割处理得到对应的二值图像；
分别对两个二值图像进行连通域分析得到对应的光影连通域。
3.根据权利要求1所述的一种玻璃盖板透光异常检测方法，其特征在于，根据合格玻璃的光影数和待检测玻璃的光影数量确定待检测玻璃中的异常玻璃的步骤包括：
获取合格玻璃透光后的光影图像的光影数量与待检测玻璃透光后的光影图像的光影数量的光影差值；
光影差值不等于0，则对应的待检测玻璃为异常玻璃，反之，为待检测玻璃为合格玻璃。
4.根据权利要求1所述的一种玻璃盖板透光异常检测方法，其特征在于，获取初始光影区域的每个边缘像素点的滑窗区域，根据每个边缘像素点与其滑窗区域内其他像素点的灰度值的差值确定最终光影区域的步骤包括：
以初始光影区域的每个边缘像素点为中心像素点建立n*n的滑窗得到多个n*n的滑窗区域；
获取每个n*n的滑窗区域内的中心像素点与滑窗内其他像素点的灰度差值；
获取与中心像素点的灰度值的差值为0对应的像素点；
并根据该像素点更新初始光影区域得到最终光影区域。
5.根据权利要求1所述的一种玻璃盖板透光异常检测方法，其特征在于，获取异常玻璃的最终光影区域内的像素点的总数的步骤包括：
获取最终光影区域的灰度图像的灰度直方图；
获取灰度直方图中靠近最小灰度值的第一个波峰的灰度值范围；
根据灰度直方图获取灰度值范围内每个灰度值对应的像素点的个数；
根据每个灰度值对应的像素点的个数计算第一个波峰的灰度值范围内的像素点的总数；
其中，第一个波峰的灰度值范围内的像素点的总数即为最终光影区域内的像素点的总数。
6.根据权利要求5所述的一种玻璃盖板透光异常检测方法，其特征在于，获取灰度直方图中靠近最小灰度值的第一个波峰的灰度值范围的步骤包括：
取灰度直方图中的频率获取第一个波峰相邻的波谷点；
将第一个波峰相邻的两个波谷点中，小灰度值对应的波谷点作为下临界点，大灰度值对应的波谷点作为上临界点；
则第一个波峰的灰度值范围为下临界点的灰度值到上临界点的灰度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210511153.7A CN114627110B (zh) | 2022-05-12 | 2022-05-12 | 一种玻璃盖板透光异常检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210511153.7A CN114627110B (zh) | 2022-05-12 | 2022-05-12 | 一种玻璃盖板透光异常检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114627110A CN114627110A (zh) | 2022-06-14 |
| CN114627110B true CN114627110B (zh) | 2022-08-16 |
Family
ID=81906326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210511153.7A Active CN114627110B (zh) | 2022-05-12 | 2022-05-12 | 一种玻璃盖板透光异常检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114627110B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114943734B (zh) * | 2022-07-22 | 2023-03-10 | 南通透灵信息科技有限公司 | 基于无人机航拍的灌溉装置异常检测方法及*** |
| CN117392136B (zh) * | 2023-12-13 | 2024-02-09 | 日照市茂源电子有限责任公司 | 基于图像处理的玻璃盖板透光异常检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102822867A (zh) * | 2010-03-26 | 2012-12-12 | 波音公司 | 检测透明物体中的光学缺陷 |
| CN114359155A (zh) * | 2021-12-07 | 2022-04-15 | 中国科学院深圳先进技术研究院 | 一种覆膜方法及*** |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4650914B2 (ja) * | 2000-10-27 | 2011-03-16 | ホーチキ株式会社 | 防災受信盤及び光学式火災検知器 |
| CN105405142B (zh) * | 2015-11-12 | 2019-04-05 | 冯平 | 一种玻璃面板的边缺陷检测方法及*** |
| US11151713B2 (en) * | 2019-09-18 | 2021-10-19 | Wipro Limited | Method and system for detection of anomalies in surfaces |
| CN113984791B (zh) * | 2021-12-28 | 2022-04-08 | 蓝思科技股份有限公司 | 缺陷检测方法、装置、光学成像***、设备及存储介质 |
-
2022
- 2022-05-12 CN CN202210511153.7A patent/CN114627110B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102822867A (zh) * | 2010-03-26 | 2012-12-12 | 波音公司 | 检测透明物体中的光学缺陷 |
| CN114359155A (zh) * | 2021-12-07 | 2022-04-15 | 中国科学院深圳先进技术研究院 | 一种覆膜方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114627110A (zh) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114627110B (zh) | 一种玻璃盖板透光异常检测方法 | |
| CN115409833B (zh) | 基于反锐化掩模算法的光伏板的热斑缺陷检测方法 | |
| CN105894036B (zh) | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 | |
| CN114170208A (zh) | 一种基于人工智能的纸制品缺陷检测方法 | |
| CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
| CN106556940A (zh) | 一种tft‑lcd屏自动光学检测中的背景抑制方法 | |
| 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 | |
| CN110648330B (zh) | 摄像头玻璃的缺陷检测方法 | |
| CN109584240A (zh) | 滑坡后缘裂缝位移图像识别方法 | |
| CN116630813B (zh) | 一种公路路面施工质量智能检测*** | |
| CN109410205B (zh) | 一种复杂路面背景下的裂缝提取方法 | |
| WO2020232710A1 (zh) | 雾霾图像质量评价方法、***、存储介质及电子设备 | |
| CN107742291A (zh) | 一种光伏玻璃的缺陷检测方法及装置 | |
| CN115908415B (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
| CN116596924B (zh) | 基于机器视觉的甜菊糖苷质量检测方法及*** | |
| CN115082361A (zh) | 基于图像处理的浑浊水体图像增强方法 | |
| CN101706959A (zh) | 基于二维信息熵金属板带表面缺陷提取方法 | |
| CN111260617A (zh) | 一种基于深度学习的太阳能电池板缺陷检测方法 | |
| CN111429361A (zh) | 一种基于机器视觉的菌落计数方法 | |
| CN117710266A (zh) | 一种基于视频图像的夜间道路能见度监测方法 | |
| CN111260588A (zh) | 一种高清数字cmos成像组件图像增强方法 | |
| CN113298730B (zh) | 一种基于图像分解的去雾复原方法 | |
| Hsu et al. | Structure-transferring edge-enhanced grid dehazing network | |
| CN114486916A (zh) | 基于机器视觉的手机玻璃盖板缺陷检测方法 | |
| CN109270076B (zh) | 一种平面玻璃碎片状态试验的智能计数方法及装置 |
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 |