CN117611589B - 一种平板电脑质量检测方法及*** - Google Patents
一种平板电脑质量检测方法及*** Download PDFInfo
- Publication number
- CN117611589B CN117611589B CN202410094713.2A CN202410094713A CN117611589B CN 117611589 B CN117611589 B CN 117611589B CN 202410094713 A CN202410094713 A CN 202410094713A CN 117611589 B CN117611589 B CN 117611589B
- Authority
- CN
- China
- Prior art keywords
- suspected
- region
- edge
- burr
- ith
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000012937 correction Methods 0.000 claims abstract description 18
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000003708 edge detection Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 230000001788 irregular Effects 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 239000002245 particle Substances 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000006061 abrasive grain Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012216 screening 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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及一种平板电脑质量检测方法及***,包括:根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性;根据每个疑似区域的疑似边缘上相邻像素点的位置斜率和所有像素点的灰度值得到每个疑似区域的疑似边缘的不规则程度,根据每个疑似区域内像素点的灰度值和梯度幅值得到每个疑似区域的异常程度;得到修正后每个疑似区域为毛刺区域的可能性,根据修正后每个疑似区域为毛刺区域的可能性进行电脑质量检测。本发明对电脑表面图像进行分析处理,提高了电脑质量检测的准确性。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种平板电脑质量检测方法及***。
背景技术
随着移动设备的广泛应用,工业防摔电脑在工业、军事、野外工作和户外活动等领域变得越来越重要。这些电脑通常使用防摔外壳,以提供额外的保护,降低设备在意外撞击、摔落或挤压情况下受损的风险,因此,质量控制对于这些防摔的电脑外壳至关重要。在生产过程中,由于模具和材料的原因,使得在制造过程中一些电脑外壳凸出或者翘起,制造出的防摔的电脑外壳上可能有毛刺,外壳上的毛刺不仅降低产品的外观质量,还有可能产生额外的安全风险,因此需要进行检测。
设计防摔电脑的防摔塑料外壳时,增加了棱角以及磨砂颗粒,在使用边缘检测对防摔塑料外壳的检测时,增加的棱角以及磨砂颗粒会对毛刺的检测产生影响,导致无法判断防摔塑料外壳是否有毛刺缺陷。
发明内容
本发明提供一种平板电脑质量检测方法及***,以解决现有的问题。
本发明的一种平板电脑质量检测方法及***采用如下技术方案:
本发明一个实施例提供了一种平板电脑质量检测方法,该方法包括以下步骤:
采集电脑表面图像;
对电脑表面图像进行边缘检测得到若干个边缘,根据若干个边缘得到一个电脑轮廓区域,将电脑轮廓区域之外的所有边缘记为疑似边缘,将每个疑似边缘和电脑轮廓区域的边缘相交组成的区域作为每个疑似区域,将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘,根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性;
根据每个疑似区域的疑似边缘上相邻两个像素点的位置斜率和所有像素点的灰度值,得到每个疑似区域的疑似边缘的不规则程度,根据每个疑似区域的疑似边缘上像素点的灰度值、每个疑似区域内像素点的灰度值和梯度幅值,得到每个疑似区域的异常程度;
根据每个疑似区域的疑似边缘的不规则程度和每个疑似区域的异常程度,对每个疑似区域为毛刺区域的可能性进行修正,得到修正后每个疑似区域为毛刺区域的可能性,根据修正后每个疑似区域为毛刺区域的可能性获得毛刺区域,根据毛刺区域的数量进行电脑质量检测。
进一步地,所述根据若干个边缘得到一个电脑轮廓区域,包括的具体步骤如下:
对所有边缘进行LSD直线段检测,得到所有的直边缘,先获取由直边缘围成的所有区域,然后选取所有区域中面积最大的一个区域作为电脑轮廓区域。
进一步地,所述将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘,包括的具体步骤如下:
获得每个疑似边缘与电脑轮廓区域的边缘的两个交点的中点,获取经过中点且垂直于电脑轮廓区域的边缘的垂直直线,记为每个疑似区域的垂直直线;根据每个疑似区域的垂直直线将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘。
进一步地,所述根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性,包括的计算公式如下:
式中,表示第i个疑似区域的疑似边缘的长度,/>表示第i个疑似区域的疑似边缘上两个端点之间的距离,/>表示第i个疑似区域的左疑似边缘的长度,/>表示第i个疑似区域的右疑似边缘的长度,/>表示第i个疑似区域为毛刺区域的可能性,/>表示线性归一化函数,/>表示绝对值符号。
进一步地,所述对电脑表面图像进行边缘检测得到若干个边缘,包括的具体步骤如下:
根据canny边缘检测算法对电脑表面图像进行边缘检测,得到若干个边缘。
进一步地,所述根据每个疑似区域的疑似边缘上相邻两个像素点的位置斜率和所有像素点的灰度值,得到每个疑似区域的疑似边缘的不规则程度,包括的计算公式如下:
式中,表示第i个疑似区域的疑似边缘上第j个像素点的位置和第j+1个像素点的位置之间的斜率,/>表示第i个疑似区域的疑似边缘上所有相邻像素点的位置之间的斜率的均值,/>表示第i个疑似区域的疑似边缘上第j个像素点的灰度值,/>表示第i个疑似区域的疑似边缘上所有像素点的灰度值的均值,/>表示第i个疑似区域的疑似边缘上所有像素点的个数,/>表示第i个疑似区域的疑似边缘的不规则程度。
进一步地,所述根据每个疑似区域的疑似边缘上像素点的灰度值、每个疑似区域内像素点的灰度值和梯度幅值,得到每个疑似区域的异常程度,包括的计算公式如下:
式中,表示第i个疑似区域的疑似边缘上第j个像素点的灰度值,/>表示第i个疑似区域的疑似边缘上所有像素点的灰度值的均值,/>表示第i个疑似区域内所有像素点的灰度值的均值,/>表示第i个疑似区域的疑似边缘上所有像素点的个数,/>表示第i个疑似区域的疑似边缘上所有像素点的梯度幅值的均值,/>表示第i个疑似区域内梯度幅值等于第i个疑似区域的疑似边缘上所有像素点的梯度幅值的均值的像素点个数,/>表示第i个疑似区域内第c个像素点的梯度幅值,/>表示第i个疑似区域内第c个像素点的邻域内所有像素点的梯度幅值的均值,/>表示第i个疑似区域内所有像素点的个数,/>表示第i个疑似区域的异常程度。
进一步地,所述根据每个疑似区域的疑似边缘的不规则程度和每个疑似区域的异常程度,对每个疑似区域为毛刺区域的可能性进行修正,得到修正后每个疑似区域为毛刺区域的可能性,包括的计算公式如下:
式中,表示第i个疑似区域为毛刺区域的可能性,/>表示第i个疑似区域的疑似边缘的不规则程度,/>表示第i个疑似区域的异常程度,/>表示线性归一化函数,/>表示修正后第i个疑似区域为毛刺区域的可能性。
进一步地,所述根据修正后每个疑似区域为毛刺区域的可能性获得毛刺区域,根据毛刺区域的数量进行电脑质量检测,包括的具体步骤如下:
将修正后每个疑似区域为毛刺区域的可能性大于或者等于预设阈值A的疑似区域作为毛刺区域;
获取毛刺区域的个数在所有疑似区域的个数中的占比,当占比大于或者等于预设阈值B时,电脑外壳在生产过程中质量存在缺陷;当占比小于预设阈值B时,电脑外壳在生产过程中质量不存在缺陷。
本发明还提供了一种平板电脑质量检测***,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现上述任意一项步骤。
本发明的技术方案的有益效果是:本发明通过对电脑表面图像进行分析处理,获取所有的疑似区域和疑似边缘,将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘,根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性,通过每个疑似区域为毛刺区域的可能性初步确定了毛刺区域的可能性,提高了初次筛选的准确性;根据每个疑似区域的疑似边缘上相邻像素点的位置斜率差异和像素点的灰度值得到每个疑似区域的疑似边缘的不规则程度,根据每个疑似区域内像素点的灰度值和梯度幅值得到每个疑似区域的异常程度;根据每个疑似区域的疑似边缘的不规则程度和每个疑似区域的异常程度对每个疑似区域为毛刺区域的可能性进行修正得到修正后每个疑似区域为毛刺区域的可能性,根据修正后每个疑似区域为毛刺区域的可能性进行电脑质量检测,确定出了毛刺区域,提高了电脑质量检测的准确性。
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为本发明一种平板电脑质量检测方法的步骤流程图;
图2为正常设计的棱角或者磨砂颗粒、以及毛刺示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种平板电脑质量检测方法及***,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种平板电脑质量检测方法及***的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种平板电脑质量检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集电脑表面图像。
需要说明的是,为了检测电脑外壳在生产过程中出现凸出和翘起的情况,需要采集电脑外壳的图像,根据采集的电脑外壳的图像进行分析。由于检测的是外壳突出的毛刺情况,例如:获取电脑背面的图像,可以得到电脑四个侧面的毛刺情况。
进一步需要说明的是,由于毛刺是凸起的,因此采集电脑背面外壳的图像,然后进行边缘检测,可以得到四个侧面外壳的毛刺;采集某个侧面外壳的图像,然后进行边缘检测,可以得到两个侧面外壳的毛刺、电脑背面外壳的毛刺以及电脑正面外壳的毛刺。
具体地,将电脑放置在白色的背景中,采集电脑背面外壳图像和一个侧面外壳图像,然后对其进行灰度化预处理得到电脑背面外壳灰度图和电脑侧面外壳灰度图,将电脑背面外壳灰度图和电脑侧面外壳灰度图记为电脑表面图像。
至此,得到电脑表面图像。
步骤S002:对电脑表面图像进行边缘检测得到若干个边缘,根据若干个边缘得到一个电脑轮廓区域,将电脑轮廓区域之外的所有边缘记为疑似边缘,将每个疑似边缘和电脑轮廓区域的边缘相交组成的区域作为每个疑似区域,将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘,根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性。
需要说明的是,毛刺的边缘轮廓和正常设计的棱角的边缘轮廓之间存在差异,正常设计的棱角或者磨砂颗粒的边缘轮廓是左右是对称的,而毛刺的边缘轮廓的左右不是对称的。又因为正常设计的棱角或者磨砂颗粒一般都比较小,只是为了防摔和防滑的目的,因此正常设计的棱角或者磨砂颗粒轮廓的边缘长度一般较小,而突出和翘起的毛刺的轮廓边缘长度一般较长;因此通过分析可以根据突出边缘的轮廓的长度和边缘轮廓的对称性进行初步分析哪些为疑似毛刺。其毛刺如图2右侧所示,而正常设计的棱角或者磨砂颗粒如图2左侧所示。
具体地,根据canny边缘检测算法对电脑表面图像进行边缘检测,得到若干个边缘;对所有边缘进行LSD直线段检测,得到所有的直边缘,先获取由直边缘围成的所有区域,然后选取所有区域中面积最大的一个区域作为电脑轮廓区域;将电脑轮廓区域之外的所有边缘记为疑似边缘,将每个疑似边缘和电脑轮廓区域的边缘相交组成的区域作为每个疑似区域,至此,得到电脑表面图像中的所有疑似边缘和所有疑似区域。其中,canny边缘检测算法为公知技术,此处不再进行具体赘述。其中,LSD直线段检测为公知技术,此处不再进行具体赘述。
将电脑表面图像中的左下角的像素点作为坐标原点,以水平为横轴,以竖直为纵轴建立坐标系。获取每个疑似边缘的长度L,获取每个疑似边缘上的两个端点的位置坐标,根据每个疑似边缘上的两个端点的位置坐标得到每个疑似边缘上两个端点之间的距离,用d表示。
获得每个疑似边缘与电脑轮廓区域的边缘的两个交点的中点,获取经过中点且垂直于电脑轮廓区域的边缘的垂直直线,记为每个疑似区域的垂直直线;根据每个疑似区域的垂直直线将每个疑似区域的疑似边缘划分为左疑似边缘L1和右疑似边缘L2,其中L=L1+L2。
根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性,用公式表示为:
式中,表示第i个疑似区域的疑似边缘的长度,/>表示第i个疑似区域的疑似边缘上两个端点之间的距离,/>表示第i个疑似区域的左疑似边缘的长度,/>表示第i个疑似区域的右疑似边缘的长度,/>表示第i个疑似区域为毛刺区域的可能性,/>表示线性归一化函数,/>表示绝对值符号。
其中,表示第i个疑似区域的疑似边缘的长度与疑似边缘上两个端点之间的距离的比值,其该比值越大,表示第i个疑似区域为毛刺区域的可能性越大;/>表示第i个疑似区域的左疑似区域和右疑似区域的疑似边缘长度的差异,当左右两个疑似区域的疑似边缘长度的差异越大,表示第i个疑似区域越不对称,则第i个疑似区域为毛刺区域的可能性越大;当左右两个疑似区域的疑似边缘长度的差异越小,表示第i个疑似区域越对称,则第i个疑似区域为毛刺区域的可能性越小。
至此,得到每个疑似区域为毛刺区域的可能性。
步骤S003:根据每个疑似区域的疑似边缘上相邻两个像素点的位置斜率和所有像素点的灰度值,得到每个疑似区域的疑似边缘的不规则程度,根据每个疑似区域的疑似边缘上像素点的灰度值、每个疑似区域内像素点的灰度值和梯度幅值,得到每个疑似区域的异常程度。
需要说明的是,由于正常设计的棱角是固定形状的,且固定的形状通过边缘检测后大多为梯形或者是矩形,而毛刺区域的形状通过边缘检测后形状复杂,比较随意,因此,正常设计的棱角或者磨砂颗粒的疑似边缘上的相邻像素点之间的斜率大多差异较小,只有梯形或者矩形的角度处的斜率差异较大,但这是极少数情况;而毛刺区域的疑似边缘上相邻像素点之间斜率差异较大。又因为正常设计出的棱角的形状规则,则检测出的疑似边缘上的像素点的灰度差异较小,而毛刺的形状不规则,则检测出的疑似边缘上的像素点的灰度差异较大。因此可以根据疑似边缘上相邻像素点之间的斜率的差异和像素点的灰度值差异分析得到毛刺区域和正常设计的棱角区域。
具体地,根据每个疑似区域的疑似边缘上相邻两个像素点的位置斜率和所有像素点的灰度值,得到每个疑似区域的疑似边缘的不规则程度,用公式表示为:
式中,表示第i个疑似区域的疑似边缘上第j个像素点的位置和第j+1个像素点的位置之间的斜率,/>表示第i个疑似区域的疑似边缘上所有相邻像素点的位置之间的斜率的均值,/>表示第i个疑似区域的疑似边缘上第j个像素点的灰度值,/>表示第i个疑似区域的疑似边缘上所有像素点的灰度值的均值,/>表示第i个疑似区域的疑似边缘上所有像素点的个数,/>表示第i个疑似区域的疑似边缘的不规则程度。
其中,当疑似区域的疑似边缘上相邻像素点的位置之间的斜率差异越大,该疑似区域的疑似边缘越不规则,即疑似边缘的不规则程度越大,则该疑似区域为毛刺区域的可能性越大;当疑似区域的疑似边缘上像素点的灰度差异越大,该疑似区域的疑似边缘越不规则,即疑似边缘的不规则程度越大,则该疑似区域为毛刺区域的可能性越大。
至此,得到每个疑似区域的疑似边缘的不规则程度。
需要说明的是,对于正常设计的棱角,其疑似区域内的所有像素点梯度值之间的差异不大,而对于毛刺区域进行边缘检测后,得到的疑似区域内的所有像素点梯度值之间的差异很大,因此可以根据每个疑似区域内所有像素点之间的梯度差异进行分析。
具体地,根据每个疑似区域的疑似边缘上像素点的灰度值、每个疑似区域内像素点的灰度值和梯度幅值,得到每个疑似区域的异常程度,用公式表示为:
式中,表示第i个疑似区域的疑似边缘上第j个像素点的灰度值,/>表示第i个疑似区域的疑似边缘上所有像素点的灰度值的均值,/>表示第i个疑似区域内所有像素点的灰度值的均值,/>表示第i个疑似区域的疑似边缘上所有像素点的个数,/>表示第i个疑似区域的疑似边缘上所有像素点的梯度幅值的均值,/>表示第i个疑似区域内梯度幅值等于第i个疑似区域的疑似边缘上所有像素点的梯度幅值的均值的像素点个数,/>表示第i个疑似区域内第c个像素点的梯度幅值,/>表示第i个疑似区域内第c个像素点的邻域内所有像素点的梯度幅值的均值,/>表示第i个疑似区域内所有像素点的个数,/>表示第i个疑似区域的异常程度。
其中,表示第i个疑似区域内所有像素点梯度幅值与对应的邻域内像素点的梯度幅值差异的均值,即该值越大,对应的疑似区域的异常程度越小,表示该区域的特征越不符合毛刺区域的特征,当该值越小,对应的疑似区域的异常程度越大,表示该区域的特征越符合毛刺区域的特征。
至此,得到每个疑似区域的异常程度。
步骤S004:根据每个疑似区域的疑似边缘的不规则程度和每个疑似区域的异常程度,对每个疑似区域为毛刺区域的可能性进行修正,得到修正后每个疑似区域为毛刺区域的可能性,根据修正后每个疑似区域为毛刺区域的可能性获得毛刺区域,根据毛刺区域的数量进行电脑质量检测。
根据每个疑似区域的疑似边缘的不规则程度和每个疑似区域的异常程度,对每个疑似区域为毛刺区域的可能性进行修正,得到修正后每个疑似区域为毛刺区域的可能性,用公式表示为:
式中,表示第i个疑似区域为毛刺区域的可能性,/>表示第i个疑似区域的疑似边缘的不规则程度,/>表示第i个疑似区域的异常程度,/>表示线性归一化函数,/>表示修正后第i个疑似区域为毛刺区域的可能性。
其中,当每个疑似区域的疑似边缘的不规则程度越大,每个疑似区域的异常程度越大,则修正后每个疑似区域为毛刺区域的可能性越大。
至此,得到修正后每个疑似区域为毛刺区域的可能性。
预设一个阈值A,其中本实施例以A=0.7为例进行叙述,本实施例不进行具体限定,其中A可根据具体实施情况而定。将修正后每个疑似区域为毛刺区域的可能性大于或者等于预设阈值A的疑似区域作为毛刺区域。
预设一个阈值B,其中本实施例以B=0.3为例进行叙述,本实施例不进行具体限定,其中B可根据具体实施情况而定。获取毛刺区域的个数在所有疑似区域的个数中的占比,当占比大于或者等于预设阈值B时,判定电脑外壳在生产过程中质量存在缺陷;当占比小于预设阈值B时,判定电脑外壳在生产过程中质量不存在缺陷。
本实施例提供了一种平板电脑质量检测***,包括存储器、处理器以及存储在所述存储器中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计算机程序时实现步骤S001至步骤S004。
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 (9)
1.一种平板电脑质量检测方法,其特征在于,该方法包括以下步骤:
采集电脑表面图像;
对电脑表面图像进行边缘检测得到若干个边缘,根据若干个边缘得到一个电脑轮廓区域,将电脑轮廓区域之外的所有边缘记为疑似边缘,将每个疑似边缘和电脑轮廓区域的边缘相交组成的区域作为每个疑似区域,将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘,根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性;
根据每个疑似区域的疑似边缘上相邻两个像素点的位置斜率和所有像素点的灰度值,得到每个疑似区域的疑似边缘的不规则程度,根据每个疑似区域的疑似边缘上像素点的灰度值、每个疑似区域内像素点的灰度值和梯度幅值,得到每个疑似区域的异常程度;
所述根据每个疑似区域的疑似边缘上像素点的灰度值、每个疑似区域内像素点的灰度值和梯度幅值,得到每个疑似区域的异常程度,包括的计算公式如下:
式中,表示第i个疑似区域的疑似边缘上第j个像素点的灰度值,/>表示第i个疑似区域的疑似边缘上所有像素点的灰度值的均值,/>表示第i个疑似区域内所有像素点的灰度值的均值,/>表示第i个疑似区域的疑似边缘上所有像素点的个数,/>表示第i个疑似区域的疑似边缘上所有像素点的梯度幅值的均值,/>表示第i个疑似区域内梯度幅值等于第i个疑似区域的疑似边缘上所有像素点的梯度幅值的均值的像素点个数,/>表示第i个疑似区域内第c个像素点的梯度幅值,/>表示第i个疑似区域内第c个像素点的邻域内所有像素点的梯度幅值的均值,/>表示第i个疑似区域内所有像素点的个数,/>表示第i个疑似区域的异常程度;
根据每个疑似区域的疑似边缘的不规则程度和每个疑似区域的异常程度,对每个疑似区域为毛刺区域的可能性进行修正,得到修正后每个疑似区域为毛刺区域的可能性,根据修正后每个疑似区域为毛刺区域的可能性获得毛刺区域,根据毛刺区域的数量进行电脑质量检测。
2.根据权利要求1所述一种平板电脑质量检测方法,其特征在于,所述根据若干个边缘得到一个电脑轮廓区域,包括的具体步骤如下:
对所有边缘进行LSD直线段检测,得到所有的直边缘,先获取由直边缘围成的所有区域,然后选取所有区域中面积最大的一个区域作为电脑轮廓区域。
3.根据权利要求1所述一种平板电脑质量检测方法,其特征在于,所述将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘,包括的具体步骤如下:
获得每个疑似边缘与电脑轮廓区域的边缘的两个交点的中点,获取经过中点且垂直于电脑轮廓区域的边缘的垂直直线,记为每个疑似区域的垂直直线;根据每个疑似区域的垂直直线将每个疑似区域的疑似边缘划分为左疑似边缘和右疑似边缘。
4.根据权利要求1所述一种平板电脑质量检测方法,其特征在于,所述根据每个疑似区域的疑似边缘长度、疑似边缘上两个端点之间的距离、左疑似边缘和右疑似边缘的长度,得到每个疑似区域为毛刺区域的可能性,包括的计算公式如下:
式中,表示第i个疑似区域的疑似边缘的长度,/>表示第i个疑似区域的疑似边缘上两个端点之间的距离,/>表示第i个疑似区域的左疑似边缘的长度,/>表示第i个疑似区域的右疑似边缘的长度,/>表示第i个疑似区域为毛刺区域的可能性,/>表示线性归一化函数,/>表示绝对值符号。
5.根据权利要求1所述一种平板电脑质量检测方法,其特征在于,所述对电脑表面图像进行边缘检测得到若干个边缘,包括的具体步骤如下:
根据canny边缘检测算法对电脑表面图像进行边缘检测,得到若干个边缘。
6.根据权利要求1所述一种平板电脑质量检测方法,其特征在于,所述根据每个疑似区域的疑似边缘上相邻两个像素点的位置斜率和所有像素点的灰度值,得到每个疑似区域的疑似边缘的不规则程度,包括的计算公式如下:
式中,表示第i个疑似区域的疑似边缘上第j个像素点的位置和第j+1个像素点的位置之间的斜率,/>表示第i个疑似区域的疑似边缘上所有相邻像素点的位置之间的斜率的均值,/>表示第i个疑似区域的疑似边缘上第j个像素点的灰度值,/>表示第i个疑似区域的疑似边缘上所有像素点的灰度值的均值,/>表示第i个疑似区域的疑似边缘上所有像素点的个数,/>表示第i个疑似区域的疑似边缘的不规则程度。
7.根据权利要求1所述一种平板电脑质量检测方法,其特征在于,所述根据每个疑似区域的疑似边缘的不规则程度和每个疑似区域的异常程度,对每个疑似区域为毛刺区域的可能性进行修正,得到修正后每个疑似区域为毛刺区域的可能性,包括的计算公式如下:
式中,表示第i个疑似区域为毛刺区域的可能性,/>表示第i个疑似区域的疑似边缘的不规则程度,/>表示第i个疑似区域的异常程度,/>表示线性归一化函数,/>表示修正后第i个疑似区域为毛刺区域的可能性。
8.根据权利要求1所述一种平板电脑质量检测方法,其特征在于,所述根据修正后每个疑似区域为毛刺区域的可能性获得毛刺区域,根据毛刺区域的数量进行电脑质量检测,包括的具体步骤如下:
将修正后每个疑似区域为毛刺区域的可能性大于或者等于预设阈值A的疑似区域作为毛刺区域;
获取毛刺区域的个数在所有疑似区域的个数中的占比,当占比大于或者等于预设阈值B时,电脑外壳在生产过程中质量存在缺陷;当占比小于预设阈值B时,电脑外壳在生产过程中质量不存在缺陷。
9.一种平板电脑质量检测***,包括存储器、处理器以及存储在所述存储器中并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计算机程序时实现如权利要求1-8任意一项所述一种平板电脑质量检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410094713.2A CN117611589B (zh) | 2024-01-24 | 2024-01-24 | 一种平板电脑质量检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410094713.2A CN117611589B (zh) | 2024-01-24 | 2024-01-24 | 一种平板电脑质量检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117611589A CN117611589A (zh) | 2024-02-27 |
CN117611589B true CN117611589B (zh) | 2024-04-12 |
Family
ID=89948340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410094713.2A Active CN117611589B (zh) | 2024-01-24 | 2024-01-24 | 一种平板电脑质量检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117611589B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及*** |
CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
CN115239735A (zh) * | 2022-09-23 | 2022-10-25 | 探长信息技术(苏州)有限公司 | 基于计算机视觉的通信柜表面缺陷检测方法 |
CN115375688A (zh) * | 2022-10-25 | 2022-11-22 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
CN116091499A (zh) * | 2023-04-07 | 2023-05-09 | 山东中胜涂料有限公司 | 一种涂料生产异常识别*** |
CN116703910A (zh) * | 2023-08-07 | 2023-09-05 | 威海丰荟建筑工业科技有限公司 | 一种混凝土预制底板质量智能检测方法 |
CN117152129A (zh) * | 2023-10-27 | 2023-12-01 | 智翼博智能科技(苏州)有限公司 | 一种电池盖板的表面缺陷视觉检测方法及*** |
-
2024
- 2024-01-24 CN CN202410094713.2A patent/CN117611589B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913365A (zh) * | 2022-04-22 | 2022-08-16 | 海门王巢家具制造有限公司 | 基于机器视觉的人造板质量分类方法及*** |
CN115082482A (zh) * | 2022-08-23 | 2022-09-20 | 山东优奭趸泵业科技有限公司 | 一种金属表面缺陷检测方法 |
CN115239735A (zh) * | 2022-09-23 | 2022-10-25 | 探长信息技术(苏州)有限公司 | 基于计算机视觉的通信柜表面缺陷检测方法 |
CN115375688A (zh) * | 2022-10-25 | 2022-11-22 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
CN116091499A (zh) * | 2023-04-07 | 2023-05-09 | 山东中胜涂料有限公司 | 一种涂料生产异常识别*** |
CN116703910A (zh) * | 2023-08-07 | 2023-09-05 | 威海丰荟建筑工业科技有限公司 | 一种混凝土预制底板质量智能检测方法 |
CN117152129A (zh) * | 2023-10-27 | 2023-12-01 | 智翼博智能科技(苏州)有限公司 | 一种电池盖板的表面缺陷视觉检测方法及*** |
Non-Patent Citations (1)
Title |
---|
基于改进Canny和异常轮廓点搜索的密封圈毛刺检测***设计;张洪;周益华;吴静静;;组合机床与自动化加工技术;20201020(10);第131-135页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117611589A (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992326B (zh) | 一种qfn芯片引脚图像快速倾斜校正方法 | |
CN116758083B (zh) | 基于计算机视觉的金属洗脸盆缺陷快速检测方法 | |
CN115294140B (zh) | 一种五金零件缺陷检测方法及*** | |
CN116703907B (zh) | 一种基于机器视觉的汽车铸件表面缺陷检测方法 | |
CN110348264B (zh) | 一种qr二维码图像校正方法及*** | |
CN103914827B (zh) | 汽车密封条轮廓缺陷的视觉检测方法 | |
CN112052782B (zh) | 基于环视的停车位识别方法、装置、设备及存储介质 | |
CN109741324A (zh) | 一种检测方法、检测装置及终端设备 | |
CN113077437B (zh) | 工件质量检测方法及其*** | |
CN116934740A (zh) | 基于图像处理的塑料模具表面缺陷分析检测方法 | |
CN113379723B (zh) | 不规则溢胶口检测方法、装置、设备和存储介质 | |
CN114387273A (zh) | 基于计算机图像识别的环境粉尘浓度检测方法及*** | |
CN115115642A (zh) | 基于图像处理的带钢结疤缺陷检测方法 | |
CN113706534A (zh) | 一种基于多光线分析的注塑产品缺陷检测方法 | |
CN116823822A (zh) | 基于视觉特征的船艇钣金件焊接缺陷检测方法 | |
CN116958125B (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
CN117689655B (zh) | 基于计算机视觉的金属钮扣表面缺陷检测方法 | |
CN112528868A (zh) | 一种基于改进Canny边缘检测算法的违章压线判别方法 | |
CN110807354B (zh) | 一种工业流水线产品计数方法 | |
CN117974644B (zh) | 一种胶囊药品质量视觉检测方法 | |
CN114037657A (zh) | 一种结合区域生长与环形校正的锂电池极耳缺陷检测方法 | |
CN114897881A (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN117611589B (zh) | 一种平板电脑质量检测方法及*** | |
CN108416358B (zh) | 一种空间目标特征提取方法和装置 | |
CN114022441A (zh) | 一种不规则五金件的缺陷检测方法 |
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 |