CN115456984A - 基于二维码高速识别图像识别缺陷检测*** - Google Patents

基于二维码高速识别图像识别缺陷检测*** Download PDF

Info

Publication number
CN115456984A
CN115456984A CN202211085172.4A CN202211085172A CN115456984A CN 115456984 A CN115456984 A CN 115456984A CN 202211085172 A CN202211085172 A CN 202211085172A CN 115456984 A CN115456984 A CN 115456984A
Authority
CN
China
Prior art keywords
image
time
real
abnormal
normal
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.)
Pending
Application number
CN202211085172.4A
Other languages
English (en)
Inventor
姚健
刘峰
孟祥道
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aco Shenzhen Intelligent Technology Co ltd
Original Assignee
Aco Shenzhen Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aco Shenzhen Intelligent Technology Co ltd filed Critical Aco Shenzhen Intelligent Technology Co ltd
Priority to CN202211085172.4A priority Critical patent/CN115456984A/zh
Publication of CN115456984A publication Critical patent/CN115456984A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • 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
    • 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
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了基于二维码高速识别图像识别缺陷检测***，属于图像处理领域，用于解决当下显示设备的显示情况无法通过肉眼查看的问题，包括图像处理模块、质量划分模块和传输分析模块，所述传输分析模块用于对图像电子件的传输情况进行分析，生成传输异常信号或传输正常信号，所述图像处理模块用于对图像电子件进行处理，生成的显示缺陷信号或得到实时图像的正常图像格集和异常图像格集，若服务器接收到实时图像的正常图像格集和异常图像格集，则将实时图像的正常图像格集和异常图像格集发送至质量划分模块，所述质量划分模块用于对实时图像的图像质量进行划分，本发明在用户选择显示设备时分析具体的显示详情，方便用户知晓显示设备的显示质量。

Description

基于二维码高速识别图像识别缺陷检测***
技术领域
本发明属于图像处理领域，涉及图像缺陷识别检测技术，具体是基于二维码高速识别图像识别缺陷检测***。
背景技术
图像是客观对象的一种相似性的、生动性的描述或写真，是人类社会活动中最常用的信息载体。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计，一个人获取的信息大约有75％来自视觉。广义上，图像就是所有具有视觉效果的画面，它包括：纸介质上的、底片或照片上的、电视、投影仪或计算机屏幕上的。图像根据图像记录方式的不同可分为两大类：模拟图像和数字图像。模拟图像可以通过某种物理量(如光、电等)的强弱变化来记录图像亮度信息，例如模拟电视图像；而数字图像则是用计算机存储的数据来记录图像上各点的亮度信息。
当对显示设备进行选择时，常常通过产品参数、价格等因素去进行选择，显示设备具体的显示情况无法通过肉眼查看，特别是显示设备上的显示缺陷、显示坏点等，为此，我们提出基于二维码高速识别图像识别缺陷检测***。
发明内容
针对现有技术存在的不足，本发明目的是提供基于二维码高速识别图像识别缺陷检测***。
本发明所要解决的技术问题为：
如何在显示设备选择时对显示详情进行具体分析了解。
本发明的目的可以通过以下技术方案实现：
基于二维码高速识别图像识别缺陷检测***，包括用户终端、数据传输模块、显示模组、数据采集模块、图像处理模块、质量划分模块、传输分析模块以及服务器，所述用户终端用于上传输入图像电子件并通过数据传输模块发送至服务器和显示模组，所述数据采集模块用于采集数据传输模块的传输数据以及图像电子件的传输时间并发送至服务器，所述服务器将传输数据和传输时间发送至传输分析模块；
所述传输分析模块用于对图像电子件的传输情况进行分析，生成传输异常信号或传输正常信号；
当图像电子件成功上传至服务器，所述显示模组用于将图像电子件进行显示；所述数据采集模块用于采集服务器中图像电子件的标准图像数据以及显示模组中图像电子件的实时图像数据并发送至服务器，所述服务器将标准图像数据与实时图像数据发送至图像处理模块；
所述图像处理模块用于对图像电子件进行处理，得到生成的显示缺陷信号或实时图像的正常图像格集和异常图像格集反馈至服务器，若服务器接收到显示缺陷信号，则将显示缺陷信号转发至对应用户终端，若服务器接收到实时图像的正常图像格集和异常图像格集，则将实时图像的正常图像格集和异常图像格集发送至质量划分模块；
所述质量划分模块用于对实时图像的图像质量进行划分，得到实时图像的图像质量等级反馈至服务器，所述服务器将实时图像的图像质量等级发送至对应的用户终端。
进一步地，传输数据为数据传输模块所连网络传输图像电子时的实时上传网速值；
传输时间为图像电子件的开始传输时间和停止传输时间；
实时图像数据为图像电子件通过显示模组所显示的实时图像、以及实时图像的实时长度、实时宽度；
标准图像数据为图像电子件的电子图像、以及电子图像的标准长度、标准宽度。
进一步地，所述传输分析模块的分析过程具体如下：
获取图像电子件的开始传输时间和停止传输时间，以开始传输时间为起点、停止传输时间为终点设定固定时长的传输分析时段；
在传输分析时段设定若干个时间点，并在若干个时间点获取对应的实时上传网速值；
将相邻时间点之间的时长进行标定得到若干组时间段，计算若干组时间段的实时上传网速变化速率；
获取服务器中存储的标准上传网速变化速率，将实时上传网速变化速率与标准上传网速变化速率进行比对，若实时上传网速变化速率大于标准上传网速变化速率，则对应时间段记为异常时间段，若实时上传网速变化速率小于等于标准上传网速变化速率，则对应时间段记为正常时间段；
统计异常时间段和正常时间段的数量，若异常时间段的数量大于等于正常时间段的数量，则生成传输异常信号，若异常时间段的数量小于正常时间段的数量，则生成传输正常信号。
进一步地，所述传输分析模块将传输异常信号或传输正常信号反馈至服务器，若服务器接收到传输正常信号，则不进行任何操作，若服务器接收到传输异常信号，则转发传输异常信号至对应的用户终端。
进一步地，所述图像处理模块的处理过程具体如下：
获取电子图像的标准长度和标准宽度、以及实时图像的实时长度和实时宽度；
若实时长度与标准长度不相同或实时宽度与标准宽度不相同，则生成显示缺陷信号；
若实时长度与标准长度相同，且实时宽度与标准宽度相同，则以电子图像、实时图像的左上角为原点建立坐标系，而后将电子图像划分为若干个电子图像格和实时图像划分为若干个实时图像格；获取每个电子图像格和每个实时图像格左上角的坐标位置，将左上角坐标位置相同的电子图像格和实时图像格进行比对；而后获取左上角坐标位置相同的电子图像格和实时图像格中不同颜色的像素点，统计不同颜色像素点的数量；若不同颜色像素点的数量均相同，则将实时图像格划分至正常图像格集中，若任意颜色像素点的数量不相同，则将实时图像格划分至异常图像格集中。
进一步地，所述质量划分模块的划分过程具体如下：
获取实时图像的正常图像格集和异常图像格集；
统计正常图像格集中实时图像格的数量记为异常图像格数，统计异常图像格集中实时图像格的数量并记为正常图像格数；
若异常图像格数小于第一异常数阈值，正常图像格数大于等于第二正常数阈值，则实时图像的图像质量等级为优质质量等级；
若异常图像格数大于等于第一异常数阈值且小于第二异常数阈值，正常图像格数小于第二正常数阈值且大于等于第一正常数阈值，则实时图像的图像质量等级为普通质量等级；
若异常图像格数大于等于第二异常数阈值，正常图像格数小于第一正常数阈值，则实时图像的图像质量等级为缺陷质量等级。
进一步地，第一异常数阈值的取值小于第二异常数阈值的取值，第一正常数阈值的取值小于第二正常数阈值的取值。
与现有技术相比，本发明的有益效果是：
本发明通过用户终端上传输入图像电子件发送至服务器和显示模组，首先利用传输分析模块对图像电子件的传输情况进行分析，生成传输异常信号或传输正常信号反馈给对应的用户终端，当图像电子件成功上传至服务器中时，显示模组将图像电子件进行显示，利用图像处理模块对图像电子件进行处理，处理生成的显示缺陷信号或得到实时图像的正常图像格集和异常图像格集，显示缺陷信号发送至对应用户终端，实时图像的正常图像格集和异常图像格集发送至质量划分模块，再通过质量划分模块对实时图像的图像质量进行划分，得到实时图像的图像质量等级反馈给对应的用户终端，本发明在用户选择显示设备时分析具体的显示详情，方便用户知晓显示设备的显示质量。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的整体***框图；
图2为本发明的又一***框图。
具体实施方式
下面将结合实施例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它实施例，都属于本发明保护的范围。
实施例一
请参阅图1所示，基于二维码高速识别图像识别缺陷检测***，包括用户终端、数据传输模块、显示模组、数据采集模块、图像处理模块、质量划分模块、图像复检模块、传输分析模块以及服务器；
在本实施例中，所述用户终端用于用户通过二维码扫描后输入个人信息后注册登录***，并将个人信息发送至服务器内存储；其中，个人信息包括用户的真实姓名、实名认证的手机号码等；
在具体实施时，用户注册登录后，所述用户终端用于上传输入图像电子件，并通过数据传输模块将图像电子件发送至服务器和显示模组；
在本发明的实施例中，所述数据采集模块用于采集数据传输模块的传输数据以及图像电子件的传输时间，并将传输数据和传输时间发送至服务器，所述服务器将传输数据和传输时间发送至传输分析模块；
需要具体说明的是，传输数据为数据传输模块所连网络传输图像电子时的实时上传网速值和实时下载网速值；传输时间为图像电子件的开始传输时间和停止传输时间；
所述传输分析模块用于对图像电子件的传输情况进行分析，本实施例中采用实时上传网速值这一参数，在具体实施还可以采用实时下载网速值，分析过程具体如下：
步骤S1：获取图像电子件的开始传输时间和停止传输时间，以开始传输时间为起点、停止传输时间为终点设定固定时长的传输分析时段；
步骤S2：在传输分析时段设定若干个时间点，并在若干个时间点获取对应的实时上传网速值；
步骤S3：将相邻时间点之间的时长进行标定得到若干组时间段，计算若干组时间段的实时上传网速变化速率，具体为：
例如时间点为t1、t2和t3，时间点为t1、t2和t3对应的实时上传网速值分为SSWt1、SSWt2和SSWt3，时间点t1至时间点t2为一个时间段，时间点t2至时间点t3为一个时间段，利用公式|SSWt2-SSWt1|/(t2-t1)、|SSWt3-SSWt2|/(t3-t2)得到两个时间段的实时上传网速变化速率；
步骤S4：获取服务器中存储的标准上传网速变化速率，将实时上传网速变化速率与标准上传网速变化速率进行比对；
若实时上传网速变化速率大于标准上传网速变化速率，则对应时间段记为异常时间段，若实时上传网速变化速率小于等于标准上传网速变化速率，则对应时间段记为正常时间段；
步骤S5：统计异常时间段和正常时间段的数量，若异常时间段的数量大于等于正常时间段的数量，则生成传输异常信号，若异常时间段的数量小于正常时间段的数量，则生成传输正常信号；
所述传输分析模块将传输异常信号或传输正常信号反馈至服务器，若服务器接收到传输正常信号，则不进行任何操作，若服务器接收到传输异常信号，则转发传输异常信号至对应的用户终端；
在图像电子件成功上传至服务器中时，所述显示模组用于将图像电子件进行显示，在具体实施时，显示模组具体为若干个显示设备；
所述数据采集模块用于采集服务器中图像电子件的标准图像数据以及显示模组中图像电子件的实时图像数据发送至服务器，所述服务器将标准图像数据与实时图像数据发送至图像处理模块；
需要具体说明的是，实时图像数据为图像电子件通过显示模组所显示的实时图像、以及实时图像的实时长度、实时宽度，标准图像数据为图像电子件的电子图像、以及电子图像的标准长度、标准宽度；
所述图像处理模块用于对图像电子件进行处理，处理过程具体如下：
步骤S100：获取电子图像的标准长度和标准宽度、以及实时图像的实时长度和实时宽度；
步骤S200：若实时长度与标准长度相同，且实时宽度与标准宽度相同，则进入下一步骤；
若实时长度与标准长度不相同或实时宽度与标准宽度不相同，则生成显示缺陷信号；
步骤S300：以电子图像、实时图像的左上角为原点建立坐标系，而后将电子图像划分为若干个电子图像格和实时图像划分为若干个实时图像格；
步骤S400：获取每个电子图像格和每个实时图像格左上角的坐标位置，将左上角坐标位置相同的电子图像格和实时图像格进行比对；
步骤S500：获取左上角坐标位置相同的电子图像格和实时图像格中不同颜色的像素点，统计不同颜色像素点的数量；
若不同颜色像素点的数量均相同，则将实时图像格划分至正常图像格集中，若任意颜色像素点的数量不相同，则将实时图像格划分至异常图像格集中；
所述图像处理模块将生成的显示缺陷信号或实时图像的正常图像格集和异常图像格集反馈至服务器；
在本实施例中，以电子图像、实时图像的左上角为原点建立坐标系，只是其中较佳的方式，在实际设定处理时，也可以以电子图像、实时图像的右上角、左下角或右下角为原点建立坐标系，不作具体限定；
若服务器接收到显示缺陷信号，则将显示缺陷信号转发至对应用户终端；
若服务器接收到实时图像的正常图像格集和异常图像格集，则将实时图像的正常图像格集和异常图像格集发送至质量划分模块；
所述质量划分模块用于对实时图像的图像质量进行划分，划分过程具体如下：
步骤SS1：获取实时图像的正常图像格集和异常图像格集；
步骤SS2：统计正常图像格集中实时图像格的数量记为异常图像格数，统计异常图像格集中实时图像格的数量并记为正常图像格数；
步骤SS3：若异常图像格数小于第一异常数阈值，正常图像格数大于等于第二正常数阈值，则实时图像的图像质量等级为优质质量等级；
若异常图像格数大于等于第一异常数阈值且小于第二异常数阈值，正常图像格数小于第二正常数阈值且大于等于第一正常数阈值，则实时图像的图像质量等级为普通质量等级；
若异常图像格数大于等于第二异常数阈值，正常图像格数小于第一正常数阈值，则实时图像的图像质量等级为缺陷质量等级；其中，第一异常数阈值的取值小于第二异常数阈值的取值，第一正常数阈值的取值小于第二正常数阈值的取值；
所述质量划分模块将实时图像的图像质量等级反馈至服务器，所述服务器将实时图像的图像质量等级发送至对应的用户终端，用户终端处的用户依据图像质量等级了解显示模组的显示质量。
实施例二
在另一实施例中，请参阅图2所示，所述服务器还包括图像复检模块，所述图像复检模块用于对处于缺陷质量等级的实时图像进行图像重复检查，工作过程具体如下：
将图像电子件发送至不同的显示模组，而后利用数据采集模块显示模组中图像电子件的实时图像数据；
图像电子件的实时图像数据发送至图像处理模块进行处理，处理结果发送至质量划分模块，从而再次得到图像电子件对应实时图像的图像质量等级；
若再次得到的图像质量等级与上一次得到的图像质量等级相同，则生成识别正确信号，反之则生成识别异常信号；
所述图像复检信号将识别正确信号或识别异常信号反馈至服务器，若服务器接收到识别正确信号，则不进行任何操作，若服务器接收到识别异常信号，则将图像电子件重新进行图像缺陷识别。
实施例三
在本实施例中，基于二维码高速识别图像识别缺陷检测***的工作方法，工作方法具体如下：
步骤S101，用户终端上传输入图像电子件，并通过数据传输模块将图像电子件发送至服务器和显示模组，数据采集模块采集数据传输模块的传输数据以及图像电子件的传输时间，并将传输数据和传输时间发送至服务器，服务器将传输数据和传输时间发送至传输分析模块；
步骤S102，通过传输分析模块对图像电子件的传输情况进行分析，获取图像电子件的开始传输时间和停止传输时间，以开始传输时间为起点、停止传输时间为终点设定固定时长的传输分析时段，在传输分析时段设定若干个时间点，并在若干个时间点获取对应的实时上传网速值值，将相邻时间点之间的时长进行标定得到若干组时间段，计算若干组时间段的实时上传网速变化速率，而后获取服务器中存储的标准上传网速变化速率，将实时上传网速变化速率与标准上传网速变化速率进行比对，若实时上传网速变化速率大于标准上传网速变化速率，则对应时间段记为异常时间段，若实时上传网速变化速率小于等于标准上传网速变化速率，则对应时间段记为正常时间段，统计异常时间段和正常时间段的数量，若异常时间段的数量大于等于正常时间段的数量，则生成传输异常信号，若异常时间段的数量小于正常时间段的数量，则生成传输正常信号，传输分析模块将传输异常信号或传输正常信号反馈至服务器，若服务器接收到传输正常信号，则不进行任何操作，若服务器接收到传输异常信号，则转发传输异常信号至对应的用户终端；
步骤S103，在图像电子件成功上传至服务器中时，显示模组将图像电子件进行显示，数据采集模块采集服务器中图像电子件的标准图像数据以及显示模组中图像电子件的实时图像数据发送至服务器，服务器将标准图像数据与实时图像数据发送至图像处理模块；
步骤S104，利用图像处理模块对图像电子件进行处理，获取电子图像的标准长度和标准宽度、以及实时图像的实时长度和实时宽度，若实时长度与标准长度不相同或实时宽度与标准宽度不相同，则生成显示缺陷信号，若实时长度与标准长度相同，且实时宽度与标准宽度相同，则以电子图像、实时图像的左上角为原点建立坐标系，而后将电子图像划分为若干个电子图像格和实时图像划分为若干个实时图像格，再获取每个电子图像格和每个实时图像格左上角的坐标位置，将左上角坐标位置相同的电子图像格和实时图像格进行比对，最后获取左上角坐标位置相同的电子图像格和实时图像格中不同颜色的像素点，统计不同颜色像素点的数量，若不同颜色像素点的数量均相同，则将实时图像格划分至正常图像格集中，若任意颜色像素点的数量不相同，则将实时图像格划分至异常图像格集中，图像处理模块将生成的显示缺陷信号或实时图像的正常图像格集和异常图像格集反馈至服务器，若服务器接收到显示缺陷信号，则将显示缺陷信号转发至对应用户终端，若服务器接收到实时图像的正常图像格集和异常图像格集，则将实时图像的正常图像格集和异常图像格集发送至质量划分模块；
步骤S105，通过质量划分模块对实时图像的图像质量进行划分，获取实时图像的正常图像格集和异常图像格集，统计正常图像格集中实时图像格的数量记为异常图像格数，统计异常图像格集中实时图像格的数量并记为正常图像格数，若异常图像格数小于第一异常数阈值，正常图像格数大于等于第二正常数阈值，则实时图像的图像质量等级为优质质量等级，若异常图像格数大于等于第一异常数阈值且小于第二异常数阈值，正常图像格数小于第二正常数阈值且大于等于第一正常数阈值，则实时图像的图像质量等级为普通质量等级，若异常图像格数大于等于第二异常数阈值，正常图像格数小于第一正常数阈值，则实时图像的图像质量等级为缺陷质量等级，质量划分模块将实时图像的图像质量等级反馈至服务器，服务器将实时图像的图像质量等级发送至对应的用户终端，用户终端依据图像质量等级了解显示模组的显示质量；
步骤S106，同时，服务器还包括图像复检模块，利用图像复检模块对处于缺陷质量等级的实时图像进行图像重复检查，将图像电子件发送至不同的显示模组，而后利用数据采集模块显示模组中图像电子件的实时图像数据，图像电子件的实时图像数据发送至图像处理模块进行处理，处理结果发送至质量划分模块，从而再次得到图像电子件对应实时图像的图像质量等级，若再次得到的图像质量等级与上一次得到的图像质量等级相同，则生成识别正确信号，反之则生成识别异常信号，图像复检信号将识别正确信号或识别异常信号反馈至服务器，若服务器接收到识别正确信号，则不进行任何操作，若服务器接收到识别异常信号，则将图像电子件重新进行图像缺陷识别。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置，权重系数和比例系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数和比例系数的大小，只要不影响参数与量化后数值的比例关系即可。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (7)

1.基于二维码高速识别图像识别缺陷检测***，其特征在于，包括用户终端、数据传输模块、显示模组、数据采集模块、图像处理模块、质量划分模块、传输分析模块以及服务器，所述用户终端用于上传输入图像电子件并通过数据传输模块发送至服务器和显示模组，所述数据采集模块用于采集数据传输模块的传输数据以及图像电子件的传输时间并发送至服务器，所述服务器将传输数据和传输时间发送至传输分析模块；
所述传输分析模块用于对图像电子件的传输情况进行分析，生成传输异常信号或传输正常信号；
当图像电子件成功上传至服务器，所述显示模组用于将图像电子件进行显示；所述数据采集模块用于采集服务器中图像电子件的标准图像数据以及显示模组中图像电子件的实时图像数据并发送至服务器，所述服务器将标准图像数据与实时图像数据发送至图像处理模块；
所述图像处理模块用于对图像电子件进行处理，得到生成的显示缺陷信号或实时图像的正常图像格集和异常图像格集反馈至服务器，若服务器接收到显示缺陷信号，则将显示缺陷信号转发至对应用户终端，若服务器接收到实时图像的正常图像格集和异常图像格集，则将实时图像的正常图像格集和异常图像格集发送至质量划分模块；
所述质量划分模块用于对实时图像的图像质量进行划分，得到实时图像的图像质量等级反馈至服务器，所述服务器将实时图像的图像质量等级发送至对应的用户终端。
2.根据权利要求1所述的基于二维码高速识别图像识别缺陷检测***，其特征在于，传输数据为数据传输模块所连网络传输图像电子时的实时上传网速值；
传输时间为图像电子件的开始传输时间和停止传输时间；
实时图像数据为图像电子件通过显示模组所显示的实时图像、以及实时图像的实时长度、实时宽度；
标准图像数据为图像电子件的电子图像、以及电子图像的标准长度、标准宽度。
3.根据权利要求1所述的基于二维码高速识别图像识别缺陷检测***，其特征在于，所述传输分析模块的分析过程具体如下：
获取图像电子件的开始传输时间和停止传输时间，以开始传输时间为起点、停止传输时间为终点设定固定时长的传输分析时段；
在传输分析时段设定若干个时间点，并在若干个时间点获取对应的实时上传网速值；
将相邻时间点之间的时长进行标定得到若干组时间段，计算若干组时间段的实时上传网速变化速率；
获取服务器中存储的标准上传网速变化速率，将实时上传网速变化速率与标准上传网速变化速率进行比对，若实时上传网速变化速率大于标准上传网速变化速率，则对应时间段记为异常时间段，若实时上传网速变化速率小于等于标准上传网速变化速率，则对应时间段记为正常时间段；
统计异常时间段和正常时间段的数量，若异常时间段的数量大于等于正常时间段的数量，则生成传输异常信号，若异常时间段的数量小于正常时间段的数量，则生成传输正常信号。
4.根据权利要求3所述的基于二维码高速识别图像识别缺陷检测***，其特征在于，所述传输分析模块将传输异常信号或传输正常信号反馈至服务器，若服务器接收到传输正常信号，则不进行任何操作，若服务器接收到传输异常信号，则转发传输异常信号至对应的用户终端。
5.根据权利要求1所述的基于二维码高速识别图像识别缺陷检测***，其特征在于，所述图像处理模块的处理过程具体如下：
获取电子图像的标准长度和标准宽度、以及实时图像的实时长度和实时宽度；
若实时长度与标准长度不相同或实时宽度与标准宽度不相同，则生成显示缺陷信号；
若实时长度与标准长度相同，且实时宽度与标准宽度相同，则以电子图像、实时图像的左上角为原点建立坐标系，而后将电子图像划分为若干个电子图像格和实时图像划分为若干个实时图像格；获取每个电子图像格和每个实时图像格左上角的坐标位置，将左上角坐标位置相同的电子图像格和实时图像格进行比对；而后获取左上角坐标位置相同的电子图像格和实时图像格中不同颜色的像素点，统计不同颜色像素点的数量；若不同颜色像素点的数量均相同，则将实时图像格划分至正常图像格集中，若任意颜色像素点的数量不相同，则将实时图像格划分至异常图像格集中。
6.根据权利要求1所述的基于二维码高速识别图像识别缺陷检测***，其特征在于，所述质量划分模块的划分过程具体如下：
获取实时图像的正常图像格集和异常图像格集；
统计正常图像格集中实时图像格的数量记为异常图像格数，统计异常图像格集中实时图像格的数量并记为正常图像格数；
若异常图像格数小于第一异常数阈值，正常图像格数大于等于第二正常数阈值，则实时图像的图像质量等级为优质质量等级；
若异常图像格数大于等于第一异常数阈值且小于第二异常数阈值，正常图像格数小于第二正常数阈值且大于等于第一正常数阈值，则实时图像的图像质量等级为普通质量等级；
若异常图像格数大于等于第二异常数阈值，正常图像格数小于第一正常数阈值，则实时图像的图像质量等级为缺陷质量等级。
7.根据权利要求6所述的基于二维码高速识别图像识别缺陷检测***，其特征在于，第一异常数阈值的取值小于第二异常数阈值的取值，第一正常数阈值的取值小于第二正常数阈值的取值。
CN202211085172.4A 2022-09-06 2022-09-06 基于二维码高速识别图像识别缺陷检测*** Pending CN115456984A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211085172.4A CN115456984A (zh) 2022-09-06 2022-09-06 基于二维码高速识别图像识别缺陷检测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211085172.4A CN115456984A (zh) 2022-09-06 2022-09-06 基于二维码高速识别图像识别缺陷检测***

Publications (1)

Publication Number Publication Date
CN115456984A true CN115456984A (zh) 2022-12-09

Family

ID=84303072

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211085172.4A Pending CN115456984A (zh) 2022-09-06 2022-09-06 基于二维码高速识别图像识别缺陷检测***

Country Status (1)

Country Link
CN (1) CN115456984A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115809187A (zh) * 2023-01-17 2023-03-17 江苏领视达智能科技有限公司 一种基于大数据筛选的无边框平板显示器废品处理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115809187A (zh) * 2023-01-17 2023-03-17 江苏领视达智能科技有限公司 一种基于大数据筛选的无边框平板显示器废品处理方法

Similar Documents

Publication Publication Date Title
CN109584175B (zh) 一种图像处理方法及装置
US10181198B2 (en) Data processing apparatus, color identification method, non-transitory computer readable medium, and color chart
CN106056028A (zh) 一种快速扫描录单的方法及其装置
CN115456984A (zh) 基于二维码高速识别图像识别缺陷检测***
CN114462646B (zh) 一种基于接触网安全巡检的杆号牌识别方法及***
US20110249884A1 (en) Checking apparatus and method for checking holes position and size in a plate
CN111277724B (zh) 异常运行应用的检测方法、装置、电子设备及存储介质
CN115841353B (zh) 广告投放照片采集及审核方法、装置及终端设备
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN111047731A (zh) 一种基于ar技术的电信机房巡检方法及***
CN113808107B (zh) 图像推荐方法、装置、电子设备和存储介质
CN115761567A (zh) 视频处理方法、装置、电子设备及计算机可读存储介质
CN112770080B (zh) 一种抄表方法、抄表装置及电子设备
JP6696800B2 (ja) 画像評価方法、画像評価プログラム、及び画像評価装置
CN114926464A (zh) 在双录场景下的图像质检方法、图像质检装置及***
CN115379197A (zh) 用于在生产线上检测摄像头产品的镜头表面的方法和装置
CN106846302A (zh) 一种工具正确取件的检测方法及基于此方法的考核台
CN109060831B (zh) 一种基于底板拟合的自动脏污检测方法
JPH11175727A (ja) 検査方法および装置
CN116245962B (zh) 用于无线传输到区块链服务器的数据提取***及方法
CN110930364B (zh) 一种基于ai的视频显微镜的实现方法
CN115798374B (zh) 基于BoxIO进行现场实时调色的***及方法
CN219417227U (zh) 一种植被覆盖度测量***
CN116703905B (zh) 空料检测方法、装置、电子设备和计算机可读存储介质
CN117172967B (zh) 一种企业品牌宣传服务管理***

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