CN117611566A - 一种缺陷检测方法、***、电子设备及存储介质 - Google Patents
一种缺陷检测方法、***、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117611566A CN117611566A CN202311667644.1A CN202311667644A CN117611566A CN 117611566 A CN117611566 A CN 117611566A CN 202311667644 A CN202311667644 A CN 202311667644A CN 117611566 A CN117611566 A CN 117611566A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- edge position
- coordinate data
- sub
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 154
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 238000012216 screening Methods 0.000 claims abstract description 24
- 230000002950 deficient Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 abstract description 33
- 238000001914 filtration Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 6
- 238000005192 partition Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G06T7/13—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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种缺陷检测方法、***、电子设备及存储介质。该方法包括，获取待测物体的图像；沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域；提取任一子区域中边缘位置的点坐标，获得点坐标数据集。基于拟合条件，筛选点坐标数据集，获得有效点坐标数据集。选择缺陷判定区域，设置返回参数及阈值，判断缺陷判定区域的缺陷结果。本申请在拟合条件的筛选过程，同步获取缺陷检测的所需数据，设置返回参数及阈值，快速实现缺陷检测，并获取缺陷坐标。缺陷检测方法的计算量小，硬件资源消耗少，适用于FPGA高速并行运算；且不限制当前所获取的待测物体的边缘数据，或者拟合筛选出的坐标，是否连续，适用性强，检测效率高。
Description
技术领域
本发明涉及图像处理领域，特别涉及一种缺陷检测方法、***、电子设备及存储介质。
背景技术
随着缺陷检测技术的发展，利用人工智能算法对工业产品的外观缺陷进行自动化检测，逐渐代替人工检测以提高缺陷检测效率的方法，具有十分重要的应用前景。
图像上存在的直线或线条通常对应实际物体的边界。很多工业检测场景需要对直线边缘进行检测，例如电子元件直线边界、机械零件直线边界等大部分直线检测算法只输出直线坐标信息，没有关于直线边界本身是否存在缺损的信息提示或判断条件。
基于上述技术问题，中国专利CN 115222701 A 公开了一种基于直线拟合的表面缺陷检测方法及检测***。该申请基于任一方向的连续数据的获取，以直线拟合建立基准线，基于基准线对应的基准值，判断采样点是否为缺陷点，并判断缺陷类型。对于非连续性数据而言，该专利提及的以直线拟合结果作为基准判断的方法，不具有参考性。此外该方法针对直线拟合结果，对于其他方法得到的拟合结果不具有可操作性。
中国专利CN 115375679B 公开了一种缺陷芯片寻边寻点定位方法及装置。该专利提出，基于缺陷芯片位置信息采用形态学梯度算法对缺陷芯片进行边缘检测，确定芯片中心位置；根据最佳芯片轮廓和预置矩形区域进行评分覆盖操作后，采用预置最小二乘法进行边缘直线拟合操作，得到缺陷中心坐标，预置矩形区域根据芯片中心位置划分得到。该专利与本申请的技术手段不同。
发明内容
本发明提出缺陷检测方法、***、电子设备及存储介质，可至少解决上述技术问题之一。
为实现上述目的，本发明提出了以下技术方案：
一种缺陷检测方法，包括：
获取待测物体的图像；
沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域；
提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集；
基于拟合条件，筛选点坐标数据集，获得有效点坐标数据集；
选择缺陷判定区域，设置返回参数及阈值，判断缺陷判定区域的缺陷结果。
进一步地，所述沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域，包括：基于被测物体的边界，粗定位图像中与边界相对应的图像边缘曲线，以图像边缘曲线的切线方向为边缘位置方向；沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。
进一步地，所述设置返回参数及阈值，包括：在缺陷判定区域，以有效点坐标数据集的子区域数量与点坐标数据集的子区域数量的比值，作为返回参数。
进一步地，所述判断缺陷判定区域的缺陷结果，包括：若缺陷判定区域的返回参数满足阈值，则判定缺陷判定区域内无缺陷；反之，则判定缺陷判定区域内有缺陷，同步获取缺陷的点坐标。
进一步地，还包括：基于有效点坐标数据集，获得待测图像的拟合结果。
进一步地，还包括：基于缺陷结果，用户选择输出或者不输出，待测图像的拟合结果。
本发明还提出一种缺陷检测***，包括：
采集单元，获取待测物体的图像；
数据筛选单元，沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域；提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集；基于拟合条件，筛选点坐标数据集，获得有效点坐标数据集；
缺陷检测单元，选择缺陷判定区域，设置返回参数及阈值，判断缺陷判定区域的缺陷结果；其中，在缺陷判定区域，以有效点坐标数据集的子区域数量与点坐标数据集的子区域数量的比值，作为返回参数；若缺陷判定区域的返回参数满足阈值，则判定缺陷判定区域内无缺陷；反之，则判定缺陷判定区域内有缺陷，同步获取缺陷的点坐标；
拟合单元，基于有效点坐标数据集，获得待测图像的拟合结果；基于缺陷结果，用户选择输出或者不输出，待测图像的拟合结果。
进一步地，所述沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域，包括：基于被测物体的边界，粗定位图像中与边界相对应的图像边缘曲线，以图像边缘曲线的切线方向为边缘位置方向；沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。
本发明还提出一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述的缺陷检测方法。
本发明还提出一种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如上所述的缺陷检测方法。
本发明的有益效果如下：
1.本申请提出一种缺陷检测方法，基于获取的待测物体的图像，提取ROI，同步设置当前ROI的返回参数及阈值，快速判断当前ROI是否为缺陷ROI，并得到缺陷的坐标信息；
2.本申请基于缺陷ROI的判定结果，用户可灵活设置是否输出当前ROI的拟合结果；
3.本申请中方法适用于任意一种边缘拟合/检测的方法，且不限制当前所获取的待测物体的边缘数据是否连续，本方法适用性强，检测效率高；
4.本申请中缺陷检测方法，在拟合条件的筛选过程，同步获取缺陷检测的所需数据，与传统的筛选方式相比，计算量小，硬件资源消耗少，适用于FPGA高速并行运算。
附图说明
图1是缺陷检测方法的流程示意图；
图2是直线边缘的缺陷检测的示意图；
图3是曲线边缘的缺陷检测的示意图。
实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图1所示，本发明提出了一种缺陷检测方法，该方法适用于FPGA高速运行，包括：
获取待测物体的图像。
沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域。提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集。具体包括：基于被测物体的边界，粗定位图像中与边界相对应的图像边缘曲线，以图像边缘曲线的切线方向为边缘位置方向；沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。
本实施例中，获取被测物体的图像，基于被测物体的边界，从图像中可以粗定位与该边界相对应的图像边缘曲线。以图像边缘曲线的切线方向为边缘位置方向，沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。此时，子区域沿边缘位置方向分布。本发明中图像边缘曲线既包括直线，又包括弯曲形状的线条。
优选地，若为流水线作业，可以建立模板库，对同型号的同类产品建立标准图像。以该标准图像的边缘曲线，作为粗定位基准，加快数据处理效率。
如图2所示，提取图像中至少一个感兴趣区域ROI（region of interest），沿竖直边缘位置方向，采用若干矩阵分块，将当前ROI分割为若干子区域。优选地，还可以使用扇形分块，获取若干子区域，本实施例中不限制分割形状，但任一子区域的选取范围必须保持一致。
若当前待测图像为边缘位置方向为圆环或类似形状，本实施例对此提出一种子区域分割示意图。如图3所示，任一矩形分块沿外圆边缘等距设置，任一矩形分块与圆弧切向相垂直。
提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集，具体包括：
将子区域内的图像数据进行行列运算，得到一维向量；其中，行列运算为求列均值运算或行均值运算；对一维向量，采用高斯滤波进行平滑处理，滤除细小噪点，使当前处理的子区域图像更加清晰和可靠，有利于梯度计算。优选地，还可以根据实际情况选用小尺寸的均值滤波或中值滤波对子区域图像做简单的平滑处理。
经过平滑处理后的子区域图像，进行梯度计算，以获取梯度极值位置与大小，根据预设的梯度筛选条件，输出边缘位置的点坐标（x,y）。优选地，还可以使用二阶导数获取边缘位置的点坐标。
上述子区域内图像数据的处理过程仅作为一种示例性说明。优选地，还可以先对图像进行滤波去噪，实现平滑处理；再进行行列运算，以获取一维向量；对一维向量采用梯度计算或二阶导数，获得边缘位置的点坐标。或者采用一阶导数或二阶导数，获取子区域的边缘点；再进行行列运算，获取一维向量；最终进行滤波去噪。
依次处理子区域内图像数据，获得若干子区域的点坐标数据集。
基于拟合条件，筛选点坐标数据集，获得有效点坐标数据集。
一般情况下，为满足后续直线拟合或曲线拟合要求，获取更贴近待测物体的实际边缘信息，对上述获取的点坐标进行条件筛选，获得有效点坐标数据集。具体筛选条件视具体情况而定，或者由用户自行设定。
基于有效点坐标数据集，获得待测图像的拟合结果。
通过上述筛选点坐标数据集，获取有效点坐标数据集，含有有效点坐标的子区域为有效子区域。基于有效子区域中的坐标数据，对当前ROI进行数据拟合，得到当前ROI的拟合结果，以此获得待测图像的拟合结果。本实施例中不限制有效子区域的连续性，即不限制当前ROI内点坐标的连续性；同理，不限制待测图像的拟合数据的连续性。
选择缺陷判定区域，设置返回参数及阈值，判断缺陷判定区域的缺陷结果。本申请中，缺陷判定区域可以是单个子区域或多个子区域的合集，缺陷判定区域的最大选取范围为所有子区域。
具体如下：在缺陷判定区域，以有效点坐标数据集的子区域数量与点坐标数据集的子区域数量的比值，作为返回参数。
判定条件为：若缺陷判定区域的返回参数满足阈值，则判定缺陷判定区域内无缺陷；反之，则判定缺陷判定区域内有缺陷，同步获取缺陷（位置）的点坐标。
本实施例中以ROI为缺陷判定区域，依次实现任一ROI的缺陷判定，进而完成待测图像的缺陷判定。具体如下：
经过上述的有效子区域的筛选过程，可知：当前ROI中子区域总数为L0，有效子区域数量为L1，设定当前ROI的返回参数length_per = L1/L0；或者设定返回参数为非有效子区域与子区域总数的比值，即length_per = (L0-L1)/L0。设定length_per的阈值，若当前ROI不满足该阈值，则判定为缺陷ROI，并获取缺陷位置的点坐标。
经过上述缺陷判定过程，最终输出缺陷信息，包括当前ROI为缺陷ROI，或者当前ROI非缺陷ROI；若当前ROI为缺陷ROI，同步输出缺陷位置的点坐标。
上述缺陷ROI判定过程可以发生在ROI拟合前，以缺陷ROI的判定结果，来决定是否继续进行ROI拟合过程，以此提高数据处理效率，同时增加输出结果的参考性。
上述缺陷ROI判定过程也可以发生在ROI拟合后，以缺陷ROI的判定结果，作为ROI拟合结果的准确性的判定依据之一。
本实施例中，根据缺陷ROI的判定结果，用户可以设定是否输出当前ROI的拟合结果。
本实施例在ROI拟合过程中，利用有效点坐标的筛选结果，设置返回参数及阈值，以此快速判断当前ROI是否为缺陷ROI，并同步获取缺陷坐标信息；期间未产生新的运算过程，即不增加硬件资源消耗。
基于同样的发明构思，本发明还提出一种缺陷检测***，包括：
采集单元，获取待测物体的图像。
数据筛选单元，沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域；提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集。具体包括：基于被测物体的边界，粗定位图像中与边界相对应的图像边缘曲线，以图像边缘曲线的切线方向为边缘位置方向；沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。
本实施例中，获取被测物体的图像，基于被测物体的边界，从图像中可以粗定位与该边界相对应的图像边缘曲线。以图像边缘曲线的切线方向为边缘位置方向，沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。此时，子区域沿边缘位置方向分布。本发明中图像边缘曲线既包括直线，又包括弯曲形状的线条。
优选地，若为流水线作业，可以建立模板库，对同型号的同类产品建立标准图像。以该标准图像的边缘曲线，作为粗定位基准，加快数据处理效率。
如图2所示，提取图像中至少一个感兴趣区域ROI（region of interest），沿竖直边缘位置方向，采用若干矩阵分块，将当前ROI分割为若干子区域。优选地，还可以使用扇形分块，获取若干子区域，本实施例中不限制分割形状，但任一子区域的选取范围必须保持一致。
若当前待测图像为边缘位置方向为圆环或类似形状，本实施例对此提出一种子区域分割示意图。如图3所示，任一矩形分块沿外圆边缘等距设置，任一矩形分块与圆弧切向相垂直。
提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集，具体包括：
将子区域内的图像数据进行行列运算，得到一维向量；其中，行列运算为求列均值运算或行均值运算；对一维向量，采用高斯滤波进行平滑处理，滤除细小噪点，使当前处理的子区域图像更加清晰和可靠，有利于梯度计算。优选地，还可以根据实际情况选用小尺寸的均值滤波或中值滤波对子区域图像做简单的平滑处理。
经过平滑处理后的子区域图像，进行梯度计算，以获取梯度极值位置与大小，根据预设的梯度筛选条件，输出边缘位置的点坐标（x,y）。优选地，还可以使用二阶导数获取边缘位置的点坐标。
上述子区域内图像数据的处理过程仅作为一种示例性说明。优选地，还可以先对图像进行滤波去噪，实现平滑处理；再进行行列运算，以获取一维向量；对一维向量采用梯度计算或二阶导数，获得边缘位置的点坐标。或者采用一阶导数或二阶导数，获取子区域的边缘点；再进行行列运算，获取一维向量；最终进行滤波去噪。
依次处理子区域内图像数据，获得若干子区域的点坐标数据集。
基于拟合条件，筛选点坐标数据集，获得有效点坐标数据集。
一般情况下，为满足后续直线拟合或曲线拟合要求，获取更贴近待测物体的实际边缘信息，对上述获取的点坐标进行条件筛选，获得有效点坐标数据集。具体筛选条件视具体情况而定，或者由用户自行设定。
缺陷检测单元，选择缺陷判定区域，设置返回参数及阈值，判断缺陷判定区域的缺陷结果；其中，在缺陷判定区域，以有效点坐标数据集的子区域数量与点坐标数据集的子区域数量的比值，作为返回参数；若缺陷判定区域的返回参数满足阈值，则判定缺陷判定区域内无缺陷；反之，则判定缺陷判定区域内有缺陷，同步获取缺陷的点坐标。本申请中，缺陷判定区域可以是单个子区域或多个子区域的合集，缺陷判定区域的最大选取范围为所有子区域。
本实施例中以ROI为缺陷判定区域，依次实现任一ROI的缺陷判定，进而完成待测图像的缺陷判定。具体如下：
经过上述的有效子区域的筛选过程，可知：当前ROI中子区域总数为L0，有效子区域数量为L1，设定当前ROI的返回参数length_per = L1/L0；或者设定返回参数为非有效子区域与子区域总数的比值，即length_per = (L0-L1)/L0。设定length_per的阈值，若当前ROI不满足该阈值，则判定为缺陷ROI，并获取缺陷位置的点坐标。
经过上述缺陷判定过程，最终输出缺陷信息，包括当前ROI为缺陷ROI，或者当前ROI非缺陷ROI；若当前ROI为缺陷ROI，同步输出缺陷位置的点坐标。
拟合单元，基于有效点坐标数据集，获得待测图像的拟合结果；基于缺陷结果，用户选择输出或者不输出，待测图像的拟合结果。
通过上述筛选点坐标数据集，获取有效点坐标数据集，含有有效点坐标的子区域为有效子区域。基于有效子区域中的坐标数据，对当前ROI进行数据拟合，得到当前ROI的拟合结果，以此获得待测图像的拟合结果。本实施例中不限制有效子区域的连续性，即不限制当前ROI内点坐标的连续性；同理，不限制待测图像的拟合数据的连续性。
本***中，不区分缺陷检测单元与拟合单元的操作顺序。
缺陷检测单元的操作过程可以发生在拟合单元前，以缺陷ROI的判定结果，来决定是否继续进行ROI拟合过程，以此提高数据处理效率，同时增加输出结果的参考性。
上述缺陷检测单元也可以发生在拟合单元后，以缺陷ROI的判定结果，作为ROI拟合结果的准确性的判定依据之一。本实施例中，用户可以根据缺陷ROI的判定结果，设定是否输出当前ROI的拟合结果。
本发明还提出一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述的缺陷检测方法。
本发明还提出一种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如上所述的缺陷检测方法。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
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)
1.一种缺陷检测方法，其特征在于，包括：
获取待测物体的图像；
沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域；
提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集；
基于拟合条件，筛选点坐标数据集，获得有效点坐标数据集；
选择缺陷判定区域，设置返回参数及阈值，判断缺陷判定区域的缺陷结果。
2.根据权利要求1所述的缺陷检测方法，其特征在于，所述沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域，包括：基于被测物体的边界，粗定位图像中与边界相对应的图像边缘曲线，以图像边缘曲线的切线方向为边缘位置方向；沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。
3.根据权利要求1所述的缺陷检测方法，其特征在于，所述设置返回参数及阈值，包括：在缺陷判定区域，以有效点坐标数据集的子区域数量与点坐标数据集的子区域数量的比值，作为返回参数。
4.根据权利要求1所述的缺陷检测方法，其特征在于，所述判断缺陷判定区域的缺陷结果，包括：若缺陷判定区域的返回参数满足阈值，则判定缺陷判定区域内无缺陷；反之，则判定缺陷判定区域内有缺陷，同步获取缺陷的点坐标。
5.根据权利要求1所述的缺陷检测方法，其特征在于，还包括：基于有效点坐标数据集，获得待测图像的拟合结果。
6.根据权利要求5所述的缺陷检测方法，其特征在于，还包括：基于缺陷结果，用户选择输出或者不输出，待测图像的拟合结果。
7.一种缺陷检测***，其特征在于，包括：
采集单元，获取待测物体的图像；
数据筛选单元，沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域；提取任一子区域中边缘位置的点坐标，获得若干子区域的点坐标数据集；基于拟合条件，筛选点坐标数据集，获得有效点坐标数据集；
缺陷检测单元，选择缺陷判定区域，设置返回参数及阈值，判断缺陷判定区域的缺陷结果；其中，在缺陷判定区域，以有效点坐标数据集的子区域数量与点坐标数据集的子区域数量的比值，作为返回参数；若缺陷判定区域的返回参数满足阈值，则判定缺陷判定区域内无缺陷；反之，则判定缺陷判定区域内有缺陷，同步获取缺陷的点坐标；
拟合单元，基于有效点坐标数据集，获得待测图像的拟合结果；基于缺陷结果，用户选择输出或者不输出，待测图像的拟合结果。
8.根据权利要求7所述的缺陷检测***，其特征在于，所述沿任一边缘位置方向，分割图像，得到与若干个边缘位置方向相对应的子区域，包括：基于被测物体的边界，粗定位图像中与边界相对应的图像边缘曲线，以图像边缘曲线的切线方向为边缘位置方向；沿边缘位置方向，等距设置若干分块，得到与若干个边缘位置方向相对应的子区域。
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1-6中任一项所述的缺陷检测方法。
10.一种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1-6中任一所述的缺陷检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311667644.1A CN117611566A (zh) | 2023-12-07 | 2023-12-07 | 一种缺陷检测方法、***、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311667644.1A CN117611566A (zh) | 2023-12-07 | 2023-12-07 | 一种缺陷检测方法、***、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117611566A true CN117611566A (zh) | 2024-02-27 |
Family
ID=89957810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311667644.1A Pending CN117611566A (zh) | 2023-12-07 | 2023-12-07 | 一种缺陷检测方法、***、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117611566A (zh) |
-
2023
- 2023-12-07 CN CN202311667644.1A patent/CN117611566A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242853B (zh) | 一种基于图像处理的pcb缺陷智能检测方法 | |
| WO2018068600A1 (zh) | 图像处理方法及*** | |
| CN113781402A (zh) | 芯片表面划痕缺陷的检测方法、装置和计算机设备 | |
| KR101647010B1 (ko) | 웨이퍼의 하나 이상의 특성들을 결정하기 위한 컴퓨터-구현 방법들, 컴퓨터-판독 가능 매체, 및 시스템들 | |
| Karthikeyan et al. | Analysis of image segmentation for radiographic images | |
| CN113109368A (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
| CN115100206B (zh) | 用于具有周期图案纺织物的印花缺陷识别方法 | |
| CN111027343A (zh) | 条形码区域定位方法和装置 | |
| CN112308854A (zh) | 一种芯片表面瑕疵的自动检测方法、***及电子设备 | |
| CN107341793A (zh) | 一种靶面图像处理方法及装置 | |
| JP2005278690A (ja) | コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム | |
| JP2006292593A (ja) | 疵検出装置、疵検出方法、コンピュータプログラム及び記録媒体 | |
| KR101929669B1 (ko) | 엔트로피를 이용하여 이미지를 분석하는 방법 및 장치 | |
| WO2022229638A1 (en) | Method & apparatus for processing microscope images of cells and tissue structures | |
| CN110544262A (zh) | 一种基于机器视觉的子宫颈细胞图像分割方法 | |
| CN112147147A (zh) | 边缘缺陷检测方法和边缘缺陷检测装置以及质量检测设备 | |
| CN112396618B (zh) | 一种基于图像处理的晶界提取及晶粒度测量方法 | |
| CN114913112A (zh) | 晶圆双边缘检测方法和装置及设备 | |
| JP3330829B2 (ja) | 機械部品の画像における評価可能区域の自動検出方法 | |
| CN115861315B (zh) | 缺陷检测方法和装置 | |
| CN117611566A (zh) | 一种缺陷检测方法、***、电子设备及存储介质 | |
| CN111681181A (zh) | 一种织物表面起球程度的评价方法 | |
| CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 | |
| JP2000028539A (ja) | 欠陥検出方法 | |
| RU2734791C2 (ru) | Регистрация гистопатологических изображений |
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 |