CN110570393A 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 （华南理工大学）_第1页
CN110570393A 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 （华南理工大学）_第2页
CN110570393A 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 （华南理工大学）_第3页
CN110570393A 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 （华南理工大学）_第4页
CN110570393A 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 （华南理工大学）_第5页
已阅读5页，还剩25页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于机器视觉的手机玻璃盖板视窗区本发明公开了一种基于机器视觉的手机玻22.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征3.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征(2)利用阈值分割算法分割出待检测图像中手机屏视窗区域，通过获取得到的位置和对齐后的标准区域模板和待检测的视窗区域经4.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征公式(1)中，mean_gauss代表对图片进行高斯滤波，orig代表每幅图对应的灰度值，5.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征3b.在圆形区域中，密集点区域面积大于密集点最小区域的面积S的区域总个数大于聚6.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征在将缺陷进行分类之前，将步骤五提取的缺陷的连7.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征8.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征49.根据权利要求1所述的基于机器视觉的手机玻璃盖板视窗区缺陷检测方法，其特征在进行缺陷分类前先制作不同类型缺陷的数据5[0016]进一步的，步骤一是用16K的线阵相机进行手机屏进行图像采集，图像分辨率为6[0027]公式(1)中，mean_gauss代表对图片进行高斯滤波，orig代表每幅图对应的灰度值，factor为增强因子，img_enhanced为增强后输出图像的灰度值；round([0029]进一步的，步骤四所述的聚类算法是只对满足聚类条件的密[0032]b.在圆形区域中，密集点区域面积大于密集点最小区域的面积S的区域总个数大[0033]在半径为R的圆形区域内，若满足密集点区域面积大于设定的密集点区域最小面7[0040]进一步的，步骤六中所述的缺陷区域的面积是通过统计连通域中的像素个数获[0058]采用牛津大学视觉几何组(VisualGeometryGroup)的VGG16卷8[0066]图1是本发明一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法的检测流程9像的屏幕区感兴趣区域(ROI)可以根据粗检过程匹配的位置和角度信息获取。缺陷提取过[0088]对齐后的标准区域模板和待检测的视窗区域经过布尔运算检出是否存在严重缺[0091]如图2所示，将图片的检测区域即屏幕区切分为m×n个区域([0095]公式(1)中，mean_gauss代表对图片进行高斯滤波，orig代表每幅图对应的灰度值，factor为增强因子，img_enhanced为增强后输出图像的灰度值；round(径R个像素范围内，面积大于S个像素，且小缺陷区域个数大于N个的所有区域进行聚类连[0109]缺陷区域的面积通过统计连通域中的像素个数获取，用于面状类的缺陷标准比本实施例中采用牛津大学视觉几何组(VisualGeometryGroup)的VGG16卷积神经网络模

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论