CN116222381A - 电极涂层尺寸测量方法和装置 - Google Patents
电极涂层尺寸测量方法和装置 Download PDFInfo
- Publication number
- CN116222381A CN116222381A CN202310029262.XA CN202310029262A CN116222381A CN 116222381 A CN116222381 A CN 116222381A CN 202310029262 A CN202310029262 A CN 202310029262A CN 116222381 A CN116222381 A CN 116222381A
- Authority
- CN
- China
- Prior art keywords
- electrode coating
- gradient
- edge
- pixel
- calculating
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种电极涂层尺寸测量方法和装置,属于图像测量技术领域,方法包括:计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。本发明提供的电极涂层尺寸测量方法和***,通过方向梯度直方图可以更快速准确地获取电极涂层的两侧边缘的倾斜角度,以便提高电极涂层尺寸的精确测量值,提高了生产效率。
Description
技术领域
本发明涉及图像测量技术领域,尤其涉及一种电极涂层尺寸测量方法和***。
背景技术
随着近年人工智能相关软硬件和相关技术的飞速发展,其在工业场景中的深度应用,可以极大地节省人力物力,并且全机械化生产可以在一定程度上保证产品质量的稳定。在锂电池的生产工艺中,电极涂层是及其重要的一步,其主要步骤是将电极材料与导电粘合剂混合形成的浆液均匀涂布到导电金属箔的表面。在这一步骤中,由于浆液的浓度变化和环境影响,可能导致涂布时产生工艺瑕疵,而传统人工质检,尤其是尺寸测量,存在速度慢、精度低的问题,极大的限制了生产效率。
发明内容
本发明提供一种电极涂层尺寸测量方法和***,用以解决现有技术中人工尺寸测量,存在速度慢、精度低的问题,极大的限制了生产效率的缺陷。
本发明提供一种电极涂层尺寸测量方法,包括:
计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;
根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
根据本发明提供的一种电极涂层尺寸测量方法,所述根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸,包括:
根据所述梯度方向和所述倾斜角度,对所述电极涂层图像进行采样,根据采样得到的多行像素得到像素向量;
计算所述像素向量中每个向量元素的梯度值,以根据所述梯度值得到梯度向量;
利用所述梯度向量,对所述电极涂层对粗定位;
根据所述粗定位的定位结果,确定所述电极涂层两个侧边的边缘过渡带;
对所述边缘过渡带进行梯度计算,将所述边缘过渡带中梯度最大的位置记为所述电极涂层两个侧边的边缘位置;
根据两个所述边缘位置之间的宽度尺寸,得到所述电极涂层的宽度尺寸。
根据本发明提供的一种电极涂层尺寸测量方法,所述根据所述梯度方向和所述倾斜角度,对所述电极涂层图像进行采样,根据采样得到的多行像素得到像素向量,包括:
计算所述电极涂层两个侧边对应的所述倾斜角度的平均角度;
沿着所述梯度方向旋转所述平均角度的方向,对所述电极涂层图像进行等距采样,得到多行像素;
根据每一行像素得到一个所述像素向量。
根据本发明提供的一种电极涂层尺寸测量方法,所述根据所述边缘过渡带,得到所述电极涂层的边缘位置,包括:
对所述边缘过渡带进行超像素处理,得到亚像素级边缘过渡带;
计算所述亚像素级边缘过渡带的梯度信息,将梯度最大位置记为所述电极涂层的边缘位置。
根据本发明提供的一种电极涂层尺寸测量方法,还包括:
基于金字塔迭代算法计算所述像素向量中每个向量元素的梯度值设定次数以得到符合预设精度的所述边缘位置。
根据本发明提供的一种电极涂层尺寸测量方法,所述计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图,包括:
基于水平边缘算子和垂直边缘算子计算电极涂层图像中每个像素的梯度信息;
根据所述梯度信息,统计每个所述像素的梯度方向和幅值,得到所述电极涂层图像的方向梯度直方图。
本发明还提供一种电极涂层尺寸测量装置,包括:
梯度计算模块,用于计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
尺寸确定模块,用于根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
本发明还提供一种作业机械,包括作业机械本体,设置在所述作业机械本体上的存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述电极涂层尺寸测量方法。
本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述电极涂层尺寸测量方法。
本发明还提供一种非暂态计算机可读存储介质,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任一项所述电极涂层尺寸测量方法。
本发明提供的电极涂层尺寸测量方法和***,通过方向梯度直方图可以更快速准确地获取电极涂层的两侧边缘的倾斜角度,以便提高电极涂层尺寸的精确测量值,提高了生产效率。
附图说明
为了更清楚地说明本发明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一简单地介绍,显而易见地,下面描述中的附图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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的电极涂层尺寸测量方法的流程示意图;
图2是本发明实施例提供的图1中步骤S110的流程示意图;
图3a和图3b是本发明实施例提供的电极涂层侧边的倾斜角度的示意图;
图4是本发明实施例提供的图1中步骤S130的流程示意图;
图5是本发明实施例提供的图4中步骤S450的流程示意图;
图6是本发明实施例提供的电极涂层尺寸测量装置的原理框图;
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中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作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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
图1是本发明实施例提供的电极涂层尺寸测量方法的流程示意图;参照图1,本发明提供一种电极涂层尺寸测量方法,包括:
S110,计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;
S120,根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
S130,根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
在步骤S110之前,可通过工业线扫描相机抓拍正在生产中的电极涂层,得到分辨率为H×W的2D形式的电极涂层图像。其中工业线扫描相机的分辨率可根据实际需求设定,本发明对此不做限定。
在步骤S110中,方向梯度直方图(英语:Histogram of oriented gradient,简称HOG)是应用在计算机视觉和图像处理领域,用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。
在步骤S120中,本发明通过方向梯度直方图计算电极涂层左右边缘的梯度方向和倾斜角度。
在步骤S130中,本发明可通过电极涂层左右边缘的梯度方向和倾斜角度,计算电极涂层的左右侧边的边缘位置,确定电极涂层的宽度尺寸以及电极涂层的平均宽度以完成尺寸测量
可以理解的是,本发明通过方向梯度直方图可以更快速准确地获取电极涂层的两侧边缘的倾斜角度,以便提高电极涂层尺寸的精确测量值,提高了生产效率。
图2是本发明实施例提供的图1中步骤S110的流程示意图,如图2所示,在上述实施的基础上,作为一个可选的实施例,所述计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图,包括:
S210,基于水平边缘算子和垂直边缘算子计算电极涂层图像中每个像素的梯度信息;
S220,根据所述梯度信息,统计每个所述像素的梯度方向和幅值,得到所述电极涂层图像的方向梯度直方图。
水平边缘算子和垂直边缘算子与电极涂层图像进行卷积操作来获得梯度信息,电极涂层图像中某像素点(x,y)的梯度可以用如下公式计算:
Gx(x,y)=H(x+1,y)-H(x-1,y)
Gy(x,y)=H(x,y+1)-H(x,y-1)
其中,x表示水平方向,y表示竖直方向,G表示梯度大小,θ表示梯度方向。
用直方图统计全图每个像素的梯度方向和幅值,即可得到方向梯度直方图。
图3a是本发明实施例提供的电极涂层左侧边的梯度方向和倾斜角度的示意图,图3b是本发明实施例提供的电极涂层右侧边的梯度方向和倾斜角度的示意图,如图3a和图3b所示,作为一个实施例,根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度,包括:
设方向梯度直方图的横轴θ是梯度方向角,纵轴f(θ)是梯度方向角对应的梯度幅值累加值。求解θ1,θ2=argmax(‖θ1-θ2‖+f(θ1)+f(θ2)),所得θ1,θ2即为电极涂层左右边缘的梯度方向,即可求得电极涂层左右边缘的倾斜角度分别为α1=min{θ1,θ1-π},α2=min{θ2,θ2-π}。
可以理解的是,本发明提供了梯度方向和倾斜角度的计算方法,为后续电极涂层的尺寸测量提供了数据基础,提高了电极涂层尺寸的精确测量值,提高了生产效率。
图4是本发明实施例提供的图1中步骤S130的流程示意图,如图4所示,在上述实施的基础上,作为一个可选的实施例,所述根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸,包括:
S410,根据所述梯度方向和所述倾斜角度,对所述电极涂层图像进行采样,根据采样得到的多行像素得到像素向量;
S420,计算所述像素向量中每个向量元素的梯度值,以根据所述梯度值得到梯度向量;
S430,利用所述梯度向量,对所述电极涂层对粗定位;
S440,根据所述粗定位的定位结果,确定所述电极涂层两个侧边的边缘过渡带;
S450,对所述边缘过渡带进行梯度计算,将所述边缘过渡带中梯度最大的位置记为所述电极涂层两个侧边的边缘位置;
S460,根据两个所述边缘位置之间的宽度尺寸,得到所述电极涂层的宽度尺寸。
可选的,在步骤S410中,所述根据所述梯度方向和所述倾斜角度,对所述电极涂层图像进行采样,根据采样得到的多行像素得到像素向量,包括:
计算所述电极涂层两个侧边对应的所述倾斜角度的平均角度;沿着所述梯度方向旋转所述平均角度的方向,对所述电极涂层图像进行等距采样,得到多行像素;根据每一行像素得到一个所述像素向量。
具体的,平均角度的计算公式如下:
对所述电极涂层图像进行等距采样,得到K个像素行向量vi=[vi1,vi2,…,viW],(i=1,2,…,K),其中,K为设定的整数。
可选的,在步骤S420中,对每一个向量vi,每个向量元素的梯度值的计算公式如下:
梯度向量di=[di0,di1,…,diW],(i=1,2,…,K)。
可选的,在步骤S430中,获取梯度向量中最大的两个元素所在位置ji1,ji2,作为电极涂层左右边缘的粗定位。
可选的,在步骤S440中,依据粗定位的定位结果,依次对电极涂层的左右边缘进行精定位。以左边缘为例,首先针对vi获取位置ji1左右各P个元素组成边缘过渡带
采用上述方法,得到右边缘的边缘过渡带。
可选的,在步骤S450中,对所述边缘过渡带进行梯度计算,获取梯度最大位置,即可得到所述电极涂层的边缘位置。
可选的,在步骤S460中,依次计算K个像素行向量vi,i=1,2,…,K中,电极涂层的宽度尺寸,然后计算整体电极涂层的平均宽度。
可以理解的是,本发明通过获取边缘过滤带,通过过滤带的梯度变化进行边缘像素的精确定位,可以显著提高视觉检测精度。
图5是本发明实施例提供的图4中步骤S450的流程示意图,如图5所示,在上述实施的基础上,作为一个可选的实施例,所述根据所述边缘过渡带,得到所述电极涂层的边缘位置,包括:
S510,对所述边缘过渡带进行超像素处理,得到亚像素级边缘过渡带;
S520,计算所述亚像素级边缘过渡带的梯度信息,将梯度最大位置记为所述电极涂层的边缘位置。
可选的,通过插值法对边缘过渡带ui进行超像素处理,使得边缘过渡带向量元素个数扩展为原来的两倍,得到亚像素级别的边缘过渡带ui ′。
超像素概念是图像分割技术,是指具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。它利用像素之间特征的相似性将像素分组,用少量的超像素代替大量的像素来表达图片特征,很大程度上降低了图像后处理的复杂度。
可选的,还可对所述边缘过渡带进行霍夫变换,得到亚像素级边缘过渡带。
可以理解的是,本发明采用超像素技术获取边缘过滤带,通过过滤带的梯度变化进行边缘像素的精确定位,可以显著提高视觉检测精度,解决了因电极涂层边缘过渡带不明显,现有OpenCV开源库中直线拟合方法无法在亚像素级别精准定位出边缘位置的问题。
在上述实施的基础上,作为一个可选的实施例,本发明提供的一种电极涂层尺寸测量方法,还包括:
基于金字塔迭代算法计算所述像素向量中每个向量元素的梯度值设定次数以得到符合预设精度的所述边缘位置。
可选的,本发明采用金字塔多次迭代的方式,逐步地提高边缘定位精度。
下面用一个实施例对本发明进行举例说明:
步骤1:通过工业线扫相机抓拍正在生产中的电极涂层,得到分辨率为H×W的电极涂层图像。
Gx(x,y)=H(x+1,y)-H(x-1,y)
Gy(x,y)=H(x,y+1)-H(x,y-1)
其中,x表示水平方向,y表示竖直方向,G表示梯度大小,θ表示梯度方向。
步骤3:在全图范围内计算方向梯度直方图,即使用直方图统计电极涂层图像中每个像素的梯度方向和幅值。方向梯度直方图的横轴θ是梯度方向角,纵轴f(θ)是梯度方向角对应的梯度幅值累加值。求解θ1,θ2=argmax(||θ1-θ2||+f(θ1)+f(θ2)),所得θ1,θ2即为电极涂层左右边缘的梯度方向,求得电极涂层左右边缘的倾斜角度分别为α1=min{θ1,θ1-π},α2=min{θ2,θ2-π}。
步骤5:对每一个向量vi通过如下公式计算每个元素位置的梯度值:
得到梯度向量di=[di0,di1,...,diw],(i=1,2,...,K)。
步骤6:获取梯度最大的两个元素所在位置ji1,ji2,作为电极涂层左右边缘的粗定位。
步骤7:依据粗定位,依次对电极涂层的左右边缘进行精定位。以左边缘为例,首先针对vi获取位置ji1左右各P个元素组成边缘过渡带
通过插值法对边缘过渡带ui进行超像素处理,使得边缘过渡带向量元素个数扩展为原来的两倍,得到亚像素级别的边缘过渡带u′i,然后根据步骤3中梯度计算方法,获取边缘过渡带u′i中梯度最大位置,标记为亚像素级的边缘位置。
下面对本发明提供的电极涂层尺寸测量装置进行描述,下文描述的电极涂层尺寸测量装置与上文描述的电极涂层尺寸测量方法可相互对应参照。
图6是本发明实施例提供的电极涂层尺寸测量装置的原理框图,如图6所示,本发明还提供一种电极涂层尺寸测量装置,包括:
梯度计算模块610,用于计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
尺寸确定模块620,用于根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
作为一个实施例,所述尺寸确定模块620还用于:
根据所述梯度方向和所述倾斜角度,对所述电极涂层图像进行采样,根据采样得到的多行像素得到像素向量;
计算所述像素向量中每个向量元素的梯度值,以根据所述梯度值得到梯度向量;
利用所述梯度向量,对所述电极涂层对粗定位;
根据所述粗定位的定位结果,确定所述电极涂层两个侧边的边缘过渡带;
对所述边缘过渡带进行梯度计算,将所述边缘过渡带中梯度最大的位置记为所述电极涂层两个侧边的边缘位置;
根据两个所述边缘位置之间的宽度尺寸,得到所述电极涂层的宽度尺寸。
作为一个实施例,所述尺寸确定模块620还用于:
计算所述电极涂层两个侧边对应的所述倾斜角度的平均角度;
沿着所述梯度方向旋转所述平均角度的方向,对所述电极涂层图像进行等距采样,得到多行像素;
根据每一行像素得到一个所述像素向量。
作为一个实施例,所述尺寸确定模块620还用于:
对所述边缘过渡带进行超像素处理,得到亚像素级边缘过渡带;
计算所述亚像素级边缘过渡带的梯度信息,将梯度最大位置记为所述电极涂层的边缘位置。
作为一个实施例,所述尺寸确定模块620还用于:
基于金字塔迭代算法计算所述像素向量中每个向量元素的梯度值设定次数以得到符合预设精度的所述边缘位置。
作为一个实施例,所述梯度计算模块610还用于:
基于水平边缘算子和垂直边缘算子计算电极涂层图像中每个像素的梯度信息;
根据所述梯度信息,统计每个所述像素的梯度方向和幅值,得到所述电极涂层图像的方向梯度直方图。
本发明还提供一种作业机械,包括作业机械本体,设置在所述作业机械本体上的存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现任一项所述电极涂层尺寸测量方法。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行电极涂层尺寸测量方法,该方法包括:
计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;
根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行电极涂层尺寸测量方法,该方法包括:
计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;
根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行电极涂层尺寸测量方法,该方法包括:
计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;
根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
以上所描述的装置实施例仅仅是示意性的,其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电极涂层尺寸测量方法,其特征在于,包括:
计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;
根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
2.根据权利要求1所述的电极涂层尺寸测量方法,其特征在于,所述根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸,包括:
根据所述梯度方向和所述倾斜角度,对所述电极涂层图像进行采样,根据采样得到的多行像素得到像素向量;
计算所述像素向量中每个向量元素的梯度值,以根据所述梯度值得到梯度向量;
利用所述梯度向量,对所述电极涂层对粗定位;
根据所述粗定位的定位结果,确定所述电极涂层两个侧边的边缘过渡带;
对所述边缘过渡带进行梯度计算,将所述边缘过渡带中梯度最大的位置记为所述电极涂层两个侧边的边缘位置;
根据两个所述边缘位置之间的宽度尺寸,得到所述电极涂层的宽度尺寸。
3.根据权利要求2所述的电极涂层尺寸测量方法,其特征在于,所述根据所述梯度方向和所述倾斜角度,对所述电极涂层图像进行采样,根据采样得到的多行像素得到像素向量,包括:
计算所述电极涂层两个侧边对应的所述倾斜角度的平均角度;
沿着所述梯度方向旋转所述平均角度的方向,对所述电极涂层图像进行等距采样,得到多行像素;
根据每一行像素得到一个所述像素向量。
4.根据权利要求2所述的电极涂层尺寸测量方法,其特征在于,所述根据所述边缘过渡带,得到所述电极涂层的边缘位置,包括:
对所述边缘过渡带进行超像素处理,得到亚像素级边缘过渡带;
计算所述亚像素级边缘过渡带的梯度信息,将梯度最大位置记为所述电极涂层的边缘位置。
5.根据权利要求2所述的电极涂层尺寸测量方法,其特征在于,还包括:
基于金字塔迭代算法计算所述像素向量中每个向量元素的梯度值设定次数以得到符合预设精度的所述边缘位置。
6.根据权利要求1所述的电极涂层尺寸测量方法,其特征在于,所述计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图,包括:
基于水平边缘算子和垂直边缘算子计算电极涂层图像中每个像素的梯度信息;
根据所述梯度信息,统计每个所述像素的梯度方向和幅值,得到所述电极涂层图像的方向梯度直方图。
7.一种电极涂层尺寸测量装置,其特征在于,包括:
梯度计算模块,用于计算电极涂层图像中每个像素的梯度信息,得到所述电极涂层图像的方向梯度直方图;根据所述方向梯度直方图,确定所述电极涂层图像中电极涂层侧边对应的梯度方向和倾斜角度;
尺寸确定模块,用于根据所述梯度方向和所述倾斜角度,计算得到所述电极涂层的尺寸。
8.一种作业机械,包括作业机械本体,设置在所述作业机械本体上的存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述电极涂层尺寸测量方法。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述电极涂层尺寸测量方法。
10.一种非暂态计算机可读存储介质,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如权利要求1至6任一项所述电极涂层尺寸测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310029262.XA CN116222381A (zh) | 2023-01-09 | 2023-01-09 | 电极涂层尺寸测量方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310029262.XA CN116222381A (zh) | 2023-01-09 | 2023-01-09 | 电极涂层尺寸测量方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116222381A true CN116222381A (zh) | 2023-06-06 |
Family
ID=86572374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310029262.XA Pending CN116222381A (zh) | 2023-01-09 | 2023-01-09 | 电极涂层尺寸测量方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116222381A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664613A (zh) * | 2023-07-24 | 2023-08-29 | 合肥埃科光电科技股份有限公司 | 一种基于fpga的像素边缘位置检测方法、***及存储介质 |
CN117670916A (zh) * | 2024-01-31 | 2024-03-08 | 南京华视智能科技股份有限公司 | 一种基于深度学习的涂布机边缘检测方法 |
-
2023
- 2023-01-09 CN CN202310029262.XA patent/CN116222381A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664613A (zh) * | 2023-07-24 | 2023-08-29 | 合肥埃科光电科技股份有限公司 | 一种基于fpga的像素边缘位置检测方法、***及存储介质 |
CN116664613B (zh) * | 2023-07-24 | 2023-10-31 | 合肥埃科光电科技股份有限公司 | 一种基于fpga的像素边缘位置检测方法、***及存储介质 |
CN117670916A (zh) * | 2024-01-31 | 2024-03-08 | 南京华视智能科技股份有限公司 | 一种基于深度学习的涂布机边缘检测方法 |
CN117670916B (zh) * | 2024-01-31 | 2024-04-12 | 南京华视智能科技股份有限公司 | 一种基于深度学习的涂布边缘检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345620B (zh) | 融合快速点特征直方图的改进icp待测物体点云拼接方法 | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
CN116222381A (zh) | 电极涂层尺寸测量方法和装置 | |
CN104376548B (zh) | 一种基于改进型surf算法的图像快速拼接方法 | |
CN107945111B (zh) | 一种基于surf特征提取结合cs-lbp描述符的图像拼接方法 | |
CN113096094B (zh) | 三维物体表面缺陷检测方法 | |
CN107369204B (zh) | 一种从单幅照片恢复出场景基本三维结构的方法 | |
Lo et al. | Joint trilateral filtering for depth map super-resolution | |
CN111524168A (zh) | 点云数据的配准方法、***、装置及计算机存储介质 | |
CN105335952B (zh) | 匹配代价计算方法和装置、以及视差值计算方法和设备 | |
CN111462214A (zh) | 一种基于Hough变换的线结构光条纹中心线提取方法 | |
CN107492106A (zh) | 一种水面区域分割方法 | |
CN106780309A (zh) | 一种合成孔径雷达图像拼接方法 | |
CN111127622A (zh) | 基于图像分割的三维点云离群点剔除方法 | |
CN113409353B (zh) | 运动前景检测方法、装置、终端设备及存储介质 | |
CN110223356A (zh) | 一种基于能量生长的单目相机全自动标定方法 | |
CN107610216B (zh) | 基于粒子群优化多视角立体点云生成方法及应用的摄像机 | |
CN117196954A (zh) | 一种面向飞机蒙皮的弱纹理曲面图像拼接方法和装置 | |
CN116342589B (zh) | 一种跨视场划痕缺陷连续性检测方法和*** | |
CN108389204B (zh) | 一种面向高速在线检测的退化图像模糊核双参数直接估算方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN115147764A (zh) | 一种基于多目视觉的管模螺栓识别定位方法 | |
CN114882095A (zh) | 一种基于轮廓匹配的物体高度在线测量方法 | |
Haque et al. | Robust feature-preserving denoising of 3D point clouds | |
CN112819823A (zh) | 一种面向家具板材的圆孔检测方法、***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 |