CN106504231A - 元件缺陷检测方法和系统 - Google Patents
元件缺陷检测方法和系统 Download PDFInfo
- Publication number
- CN106504231A CN106504231A CN201610887937.4A CN201610887937A CN106504231A CN 106504231 A CN106504231 A CN 106504231A CN 201610887937 A CN201610887937 A CN 201610887937A CN 106504231 A CN106504231 A CN 106504231A
- Authority
- CN
- China
- Prior art keywords
- pixel
- contour
- similarity
- threshold
- profile
- 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 37
- 238000001514 detection method Methods 0.000 title claims description 55
- 238000003708 edge detection Methods 0.000 claims abstract 2
- 238000012360 testing method Methods 0.000 claims description 36
- 238000007689 inspection Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 8
- 238000009415 formwork Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000003287 optical effect Effects 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种元件缺陷检测方法和系统，方法包括以下步骤：获取安装在电路板上的待测元件的原始图像，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像；提取所述轮廓图像的轮廓特征，将所述轮廓特征与预存的模板轮廓图像的模板轮廓特征进行比较，计算所述轮廓特征与所述模板轮廓特征之间的相似度；若所述相似度小于预设的相似度阈值，判定所述元件安装错误。
Description
技术领域
本发明涉及自动光学检测技术领域，特别是涉及一种元件缺陷检测方法和系统。
背景技术
AOI(Automatic Optic Inspection，自动光学检测)，是利用光学原理对电路板焊接生产中出现的常见缺陷进行检测的设备。对于插件的电路板来说，常见的缺陷检测包括漏件检测、错件检测、反件检测、多件检测等。以元件错件检测为例，错件检测是指提取待检测元件的特征，并与模板进行比较，从而判断插入电路板的元件是否正确。
目前，元件的错件检测主要由人工进行检测，但是，这种检测方式效率较低，而且，检测结果容易出错，检测正确率较低。
综上所述，现有的缺陷检测方式检测效率和检测正确率较低。
发明内容
基于此，有必要针对检测效率和正确率低的问题，提供一种元件缺陷检测方法和系统。
一种元件缺陷检测方法，包括以下步骤：
获取安装在电路板上的待测元件的原始图像，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像；
提取所述轮廓图像的轮廓特征，将所述轮廓特征与预存的模板轮廓图像的模板轮廓特征进行比较，计算所述轮廓特征与所述模板轮廓特征之间的相似度；
若所述相似度小于预设的相似度阈值，判定所述元件安装错误。
一种元件缺陷检测系统，包括：
获取模块，用于获取安装在电路板上的待测元件的原始图像，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像；
计算模块，用于提取所述轮廓图像的轮廓特征，将所述轮廓特征与预存的模板轮廓图像的模板轮廓特征进行比较，计算所述轮廓特征与所述模板轮廓特征之间的相似度；
判断模块，用于若所述相似度小于预设的相似度阈值，判定所述元件安装错误。
上述元件缺陷检测方法和系统，通过获取待测元件的轮廓图像，并计算该轮廓图像的轮廓特征与预存的模板轮廓图像的模板轮廓特征的相似度，当相似度小于预设的相似度阈值时，判定所述元件安装错误，实现了元件缺陷自动检测，检测效率和准确率高。
附图说明
图1为一个实施例的元件缺陷检测方法流程图；
图2为一个实施例的元件缺陷检测系统的结构示意图。
具体实施方式
下面结合附图对本发明的技术方案进行说明。
图1为一个实施例的元件缺陷检测方法流程图。如图1所示，所述元件缺陷检测方法可包括以下步骤：
S1，获取安装在电路板上的待测元件的原始图像，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像；
在检测前，可以首先从整个电路板的图像中定位出所述待测元件的原始图像，再从所述原始图像中定位出所述待测元件的特征区域图像。当一块电路板上有多个待测元件都需要进行错件检测时，可以分别获取各个待测元件的原始图像，再分别对各个原始图像进行边缘检测。可以根据各个待测元件在电路板上的位置对各个待测元件对应的原始图像进行顺序存储，以便于后续检测操作的执行。在其中一个实施例中，还可以为各个原始图像顺序编号，以便于后续检测操作的执行。
可具体通过以下方式获取所述待测元件的轮廓图像：
步骤1：计算所述原始图像上各个像素点的像素值；
步骤2：分别将各个像素点的像素值与预设的像素阈值进行比较；
步骤3：若所述像素点的像素值大于所述像素阈值，且所述像素点存在小于所述像素阈值的相邻像素点，将所述像素点设为边缘像素点；
步骤4：根据各个边缘像素点获取所述待测元件的轮廓图像。
为了消除电路板上的污点以及背景颜色和图案等因素对检测结果的影响，在将所述像素值与预设的像素阈值进行比较之前，可以对所述原始图像进行降噪处理。具体地，可以对所述原始图像进行灰度处理，得到灰度图像，并根据预设的像素阈值对所述灰度图像进行二值化处理。
S2，提取所述轮廓图像的轮廓特征，将所述轮廓特征与预存的模板轮廓图像的模板轮廓特征进行比较，计算所述轮廓特征与所述模板轮廓特征之间的相似度；
在本步骤中，为了防止元件尺寸太小，不利于后续操作，在进行比较之前，还可以对原始图像进行放大处理。所述放大处理是指尺寸的放大，即将图像的长宽分别放大到原来的n倍，n可以根据实际的需求设置，一般情况n＝2即可。
在实际应用中，所述轮廓特征可包括但不限于轮廓点的中心位置、轮廓的曲率和/或轮廓点所围成的区域的面积。对应地，计算所述轮廓特征与所述模板轮廓特征之间的相似度的方式可包括三种：
方式一，当所述轮廓特征为轮廓点的中心位置时，可计算所述轮廓图像的各个轮廓点的第一中心位置和所述模板轮廓图像的各个轮廓点的第二中心位置，将所述第一中心位置和所述第二中心位置进行比较。该方案适用于元件在图像中不易发生偏移、且形状不规则的情况。
方式二，当所述轮廓特征为轮廓的曲率时，可以计算所述轮廓图像的各个轮廓点所构成的轮廓的第一曲率和所述模板轮廓图像的各个轮廓点所构成的轮廓的第二曲率，将所述第一曲率和所述第二曲率进行比较。该方案适用于待测元件与模板元件的轮廓形状不同的情况。
方式三，当所述轮廓特征为轮廓点所围成的区域的面积时，可以计算所述轮廓图像的各个轮廓点所围成的轮廓区域的第一面积和所述模板轮廓图像的各个轮廓点所围成的轮廓区域的第二面积，将所述第一面积和所述第二面积进行比较。该方案适用于待测元件与模板元件的形状相似、但元件顶部大小不同的情况。
S3，若所述相似度小于预设的相似度阈值，判定所述元件安装错误。
若步骤S2中采用方式一计算所述轮廓特征与所述模板轮廓特征之间的相似度，在本步骤中，若所述第一中心位置和所述第二中心位置之间的距离大于预设的距离阈值，可判定所述元件安装错误；否则，可判定所述元件安装正确。
若步骤S2中采用方式二计算所述轮廓特征与所述模板轮廓特征之间的相似度，在本步骤中，若所述第一曲率和所述第二曲率之差大于预设的曲率阈值，判定所述元件安装错误；否则，可判定所述元件安装正确。
若步骤S2中采用方式三计算所述轮廓特征与所述模板轮廓特征之间的相似度，在本步骤中，若所述第一面积和所述第二面积之差大于预设的面积阈值，判定所述元件安装错误；否则，可判定所述元件安装正确。
上述距离阈值、曲率阈值和面积阈值可以根据实际需要(例如，精确度要求、计算量要求或计算速率要求等)自行设定，也可以采用相关算法计算。
上述元件缺陷检测方法，实现了元件缺陷自动检测，检测效率和准确率高。尤其是在元件的颜色相近，或元件外表的字符特征也相似时，能够有效检测元件是否安装错误。并且，上述元件缺陷检测方法能够根据实际情况选择最适合的相似度计算方式，进一步提高了检测准确性。
图2为一个实施例的元件缺陷检测系统的结构示意图。如图2所示，所述元件缺陷检测系统可包括：
获取模块10，用于获取安装在电路板上的待测元件的原始图像，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像；
在检测前，可以首先从整个电路板的图像中定位出所述待测元件的原始图像，再从所述原始图像中定位出所述待测元件的特征区域图像。当一块电路板上有多个待测元件都需要进行错件检测时，可以分别获取各个待测元件的原始图像，再分别对各个原始图像进行边缘检测。可以根据各个待测元件在电路板上的位置对各个待测元件对应的原始图像进行顺序存储，以便于后续检测操作的执行。在其中一个实施例中，还可以为各个原始图像顺序编号，以便于后续检测操作的执行。
所述获取模块10可包括：
计算单元，用于计算所述原始图像上各个像素点的像素值；
比较单元，用于分别将各个像素点的像素值与预设的像素阈值进行比较；
设置单元，用于若所述像素点的像素值大于所述像素阈值，且所述像素点存在小于所述像素阈值的相邻像素点，将所述像素点设为边缘像素点；
获取单元，用于根据各个边缘像素点获取所述待测元件的轮廓图像。
为了消除电路板上的污点以及背景颜色和图案等因素对检测结果的影响，在将所述像素值与预设的像素阈值进行比较之前，可以对所述原始图像进行降噪处理。具体地，可以对所述原始图像进行灰度处理，得到灰度图像，并根据预设的像素阈值对所述灰度图像进行二值化处理。
计算模块20，用于提取所述轮廓图像的轮廓特征，将所述轮廓特征与预存的模板轮廓图像的模板轮廓特征进行比较，计算所述轮廓特征与所述模板轮廓特征之间的相似度；
为了防止元件尺寸太小，不利于后续操作，在进行比较之前，还可以对原始图像进行放大处理。所述放大处理是指尺寸的放大，即将图像的长宽分别放大到原来的n倍，n可以根据实际的需求设置，一般情况n＝2即可。
在实际应用中，所述轮廓特征可包括但不限于轮廓点的中心位置、轮廓的曲率和/或轮廓点所围成的区域的面积。对应地，计算所述轮廓特征与所述模板轮廓特征之间的相似度的方式可包括三种：
方式一，当所述轮廓特征为轮廓点的中心位置时，可计算所述轮廓图像的各个轮廓点的第一中心位置和所述模板轮廓图像的各个轮廓点的第二中心位置，将所述第一中心位置和所述第二中心位置进行比较。该方案适用于元件在图像中不易发生偏移、且形状不规则的情况。
方式二，当所述轮廓特征为轮廓的曲率时，可以计算所述轮廓图像的各个轮廓点所构成的轮廓的第一曲率和所述模板轮廓图像的各个轮廓点所构成的轮廓的第二曲率，将所述第一曲率和所述第二曲率进行比较。该方案适用于待测元件与模板元件的轮廓形状不同的情况。
方式三，当所述轮廓特征为轮廓点所围成的区域的面积时，可以计算所述轮廓图像的各个轮廓点所围成的轮廓区域的第一面积和所述模板轮廓图像的各个轮廓点所围成的轮廓区域的第二面积，将所述第一面积和所述第二面积进行比较。该方案适用于待测元件与模板元件的形状相似、但元件顶部大小不同的情况。
判断模块30，用于若所述相似度小于预设的相似度阈值，判定所述元件安装错误。
若计算模块20中采用方式一计算所述轮廓特征与所述模板轮廓特征之间的相似度，在本步骤中，若所述第一中心位置和所述第二中心位置之间的距离大于预设的距离阈值，可判定所述元件安装错误；否则，可判定所述元件安装正确。
若计算模块20中采用方式二计算所述轮廓特征与所述模板轮廓特征之间的相似度，在本步骤中，若所述第一曲率和所述第二曲率之差大于预设的曲率阈值，判定所述元件安装错误；否则，可判定所述元件安装正确。
若计算模块20中采用方式三计算所述轮廓特征与所述模板轮廓特征之间的相似度，在本步骤中，若所述第一面积和所述第二面积之差大于预设的面积阈值，判定所述元件安装错误；否则，可判定所述元件安装正确。
上述距离阈值、曲率阈值和面积阈值可以根据实际需要(例如，精确度要求、计算量要求或计算速率要求等)自行设定，也可以采用相关算法计算。
上述元件缺陷检测系统，实现了元件缺陷自动检测，检测效率和准确率高。尤其是在元件的颜色相近，或元件外表的字符特征也相似时，能够有效检测元件是否安装错误。并且，上述元件缺陷检测系统能够根据实际情况选择最适合的相似度计算方式，进一步提高了检测准确性。
本发明的元件缺陷检测系统与本发明的元件缺陷检测方法一一对应，在上述元件缺陷检测方法的实施例阐述的技术特征及其有益效果均适用于元件缺陷检测系统的实施例中，特此声明。
以上所述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。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种元件缺陷检测方法，其特征在于，包括以下步骤：
获取安装在电路板上的待测元件的原始图像，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像；
提取所述轮廓图像的轮廓特征，将所述轮廓特征与预存的模板轮廓图像的模板轮廓特征进行比较，计算所述轮廓特征与所述模板轮廓特征之间的相似度；
若所述相似度小于预设的相似度阈值，判定所述元件安装错误。
2.根据权利要求1所述的元件缺陷检测方法，其特征在于，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像的步骤包括：
计算所述原始图像上各个像素点的像素值；
分别将各个像素点的像素值与预设的像素阈值进行比较；
若所述像素点的像素值大于所述像素阈值，且所述像素点存在小于所述像素阈值的相邻像素点，将所述像素点设为边缘像素点；
根据各个边缘像素点获取所述待测元件的轮廓图像。
3.根据权利要求2所述的元件缺陷检测方法，其特征在于，在将所述像素值与预设的像素阈值进行比较之前，还包括以下步骤：
对所述原始图像进行灰度处理，得到灰度图像；
对所述灰度图像进行二值化处理。
4.根据权利要求1所述的元件缺陷检测方法，其特征在于，所述轮廓特征包括轮廓点的中心位置、轮廓的曲率和/或轮廓点所围成的区域的面积。
5.根据权利要求4所述的元件缺陷检测方法，其特征在于，计算所述轮廓图像的轮廓特征与所述模板轮廓图像的轮廓特征之间的相似度的步骤包括：
计算所述轮廓图像的各个轮廓点的第一中心位置和所述模板轮廓图像的各个轮廓点的第二中心位置；
将所述第一中心位置和所述第二中心位置进行比较；
若所述相似度小于预设的相似度阈值，判定所述元件安装错误的步骤包括：
若所述第一中心位置和所述第二中心位置之间的距离大于预设的距离阈值，判定所述元件安装错误。
6.根据权利要求4所述的元件缺陷检测方法，其特征在于，计算所述轮廓图像的轮廓特征与所述模板轮廓图像的轮廓特征之间的相似度的步骤还包括：
计算所述轮廓图像的各个轮廓点所构成的轮廓的第一曲率和所述模板轮廓图像的各个轮廓点所构成的轮廓的第二曲率；
将所述第一曲率和所述第二曲率进行比较；
若所述相似度小于预设的相似度阈值，判定所述元件安装错误的步骤包括：
若所述第一曲率和所述第二曲率之差大于预设的曲率阈值，判定所述元件安装错误。
7.根据权利要求4所述的元件缺陷检测方法，其特征在于，计算所述轮廓图像的轮廓特征与所述模板轮廓图像的轮廓特征之间的相似度的步骤还包括：
计算所述轮廓图像的各个轮廓点所围成的轮廓区域的第一面积和所述模板轮廓图像的各个轮廓点所围成的轮廓区域的第二面积；
将所述第一面积和所述第二面积进行比较；
若所述相似度小于预设的相似度阈值，判定所述元件安装错误的步骤包括：
若所述第一面积和所述第二面积之差大于预设的面积阈值，判定所述元件安装错误。
8.一种元件缺陷检测系统，其特征在于，包括：
获取模块，用于获取安装在电路板上的待测元件的原始图像，对所述原始图像进行边缘检测，获取所述待测元件的轮廓图像；
计算模块，用于提取所述轮廓图像的轮廓特征，将所述轮廓特征与预存的模板轮廓图像的模板轮廓特征进行比较，计算所述轮廓特征与所述模板轮廓特征之间的相似度；
判断模块，用于若所述相似度小于预设的相似度阈值，判定所述元件安装错误。
9.根据权利要求8所述的元件缺陷检测系统，其特征在于，所述获取模块包括：
计算单元，用于计算所述原始图像上各个像素点的像素值；
比较单元，用于分别将各个像素点的像素值与预设的像素阈值进行比较；
设置单元，用于若所述像素点的像素值大于所述像素阈值，且所述像素点存在小于所述像素阈值的相邻像素点，将所述像素点设为边缘像素点；
获取单元，用于根据各个边缘像素点获取所述待测元件的轮廓图像。
10.根据权利要求8所述的元件缺陷检测系统，其特征在于，所述轮廓特征包括轮廓点的中心位置、轮廓的曲率和/或轮廓点所围成的区域的面积。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610887937.4A CN106504231A (zh) | 2016-10-11 | 2016-10-11 | 元件缺陷检测方法和系统 |
| PCT/CN2016/113148 WO2018068417A1 (zh) | 2016-10-11 | 2016-12-29 | 元件缺陷检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610887937.4A CN106504231A (zh) | 2016-10-11 | 2016-10-11 | 元件缺陷检测方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106504231A true CN106504231A (zh) | 2017-03-15 |
Family
ID=58293907
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610887937.4A Pending CN106504231A (zh) | 2016-10-11 | 2016-10-11 | 元件缺陷检测方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN106504231A (zh) |
| WO (1) | WO2018068417A1 (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292901A (zh) * | 2017-07-24 | 2017-10-24 | 北京小米移动软件有限公司 | 边缘检测方法及装置 |
| CN107680091A (zh) * | 2017-10-12 | 2018-02-09 | 成都思晗科技股份有限公司 | 一种输电线路的防震锤脱落缺陷检测方法 |
| CN107886495A (zh) * | 2017-09-30 | 2018-04-06 | 北京得华机器人技术研究院有限公司 | 一种基于相似度匹配的汽车零配件缺陷识别方法 |
| CN109447961A (zh) * | 2018-10-19 | 2019-03-08 | 闻泰通讯股份有限公司 | 内观检测方法及其装置 |
| CN110136123A (zh) * | 2019-05-17 | 2019-08-16 | 无锡睿勤科技有限公司 | 物品检测方法、移动终端及计算机可读存储介质 |
| CN110596120A (zh) * | 2019-09-06 | 2019-12-20 | 深圳新视智科技术有限公司 | 玻璃边界缺陷检测方法、装置、终端及存储介质 |
| CN112183618A (zh) * | 2020-09-25 | 2021-01-05 | 杭州三坛医疗科技有限公司 | 相似度确定方法和相似度确定装置 |
| CN113554579A (zh) * | 2020-04-07 | 2021-10-26 | 东华大学 | 皮革的缺陷检测方法 |
| CN113643296A (zh) * | 2021-10-18 | 2021-11-12 | 季华实验室 | 电感元件装配质量检测方法、装置、电子设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050226494A1 (en) * | 1999-08-26 | 2005-10-13 | Nanogeometry Research | Pattern inspection apparatus, pattern inspection method, and recording medium |
| CN101055620A (zh) * | 2006-04-12 | 2007-10-17 | 富士通株式会社 | 形状比较装置和方法 |
| CN102721364A (zh) * | 2011-03-30 | 2012-10-10 | 比亚迪股份有限公司 | 一种工件的定位方法及其装置 |
| CN105335973A (zh) * | 2015-10-20 | 2016-02-17 | 上海交通大学 | 运用于带钢加工生产线的视觉处理方法 |
| CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
| CN105849774A (zh) * | 2014-01-15 | 2016-08-10 | 欧姆龙株式会社 | 图像对照装置、图像传感器、处理系统、图像对照方法 |
| CN105911065A (zh) * | 2015-02-23 | 2016-08-31 | 株式会社思可林集团 | 图案检查装置及图案检查方法 |
| CN105957059A (zh) * | 2016-04-20 | 2016-09-21 | 广州视源电子科技股份有限公司 | 电子元件漏件检测方法和系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102831381B (zh) * | 2011-06-15 | 2016-05-04 | 罗普特（厦门）科技集团有限公司 | 影像差异比较系统及方法 |
| CN106530275B (zh) * | 2016-10-11 | 2019-06-11 | 广州视源电子科技股份有限公司 | 元件错件检测方法和系统 |
-
2016
- 2016-10-11 CN CN201610887937.4A patent/CN106504231A/zh active Pending
- 2016-12-29 WO PCT/CN2016/113148 patent/WO2018068417A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050226494A1 (en) * | 1999-08-26 | 2005-10-13 | Nanogeometry Research | Pattern inspection apparatus, pattern inspection method, and recording medium |
| CN101055620A (zh) * | 2006-04-12 | 2007-10-17 | 富士通株式会社 | 形状比较装置和方法 |
| CN102721364A (zh) * | 2011-03-30 | 2012-10-10 | 比亚迪股份有限公司 | 一种工件的定位方法及其装置 |
| CN105849774A (zh) * | 2014-01-15 | 2016-08-10 | 欧姆龙株式会社 | 图像对照装置、图像传感器、处理系统、图像对照方法 |
| CN105911065A (zh) * | 2015-02-23 | 2016-08-31 | 株式会社思可林集团 | 图案检查装置及图案检查方法 |
| CN105335973A (zh) * | 2015-10-20 | 2016-02-17 | 上海交通大学 | 运用于带钢加工生产线的视觉处理方法 |
| CN105405142A (zh) * | 2015-11-12 | 2016-03-16 | 冯平 | 一种玻璃面板的边缺陷检测方法及系统 |
| CN105957059A (zh) * | 2016-04-20 | 2016-09-21 | 广州视源电子科技股份有限公司 | 电子元件漏件检测方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 段大高，王建勇 编: "《图像处理与应用》", 31 January 2013 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107292901A (zh) * | 2017-07-24 | 2017-10-24 | 北京小米移动软件有限公司 | 边缘检测方法及装置 |
| CN107886495A (zh) * | 2017-09-30 | 2018-04-06 | 北京得华机器人技术研究院有限公司 | 一种基于相似度匹配的汽车零配件缺陷识别方法 |
| CN107886495B (zh) * | 2017-09-30 | 2020-04-14 | 北京得华机器人技术研究院有限公司 | 一种基于相似度匹配的汽车零配件缺陷识别方法 |
| CN107680091A (zh) * | 2017-10-12 | 2018-02-09 | 成都思晗科技股份有限公司 | 一种输电线路的防震锤脱落缺陷检测方法 |
| CN107680091B (zh) * | 2017-10-12 | 2020-11-17 | 成都思晗科技股份有限公司 | 一种输电线路的防震锤脱落缺陷检测方法 |
| CN109447961A (zh) * | 2018-10-19 | 2019-03-08 | 闻泰通讯股份有限公司 | 内观检测方法及其装置 |
| CN110136123A (zh) * | 2019-05-17 | 2019-08-16 | 无锡睿勤科技有限公司 | 物品检测方法、移动终端及计算机可读存储介质 |
| CN110596120A (zh) * | 2019-09-06 | 2019-12-20 | 深圳新视智科技术有限公司 | 玻璃边界缺陷检测方法、装置、终端及存储介质 |
| CN113554579A (zh) * | 2020-04-07 | 2021-10-26 | 东华大学 | 皮革的缺陷检测方法 |
| CN112183618A (zh) * | 2020-09-25 | 2021-01-05 | 杭州三坛医疗科技有限公司 | 相似度确定方法和相似度确定装置 |
| CN112183618B (zh) * | 2020-09-25 | 2024-03-26 | 杭州三坛医疗科技有限公司 | 相似度确定方法和相似度确定装置 |
| CN113643296A (zh) * | 2021-10-18 | 2021-11-12 | 季华实验室 | 电感元件装配质量检测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018068417A1 (zh) | 2018-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106504231A (zh) | 元件缺陷检测方法和系统 | |
| US6771807B2 (en) | Method and system for detecting defects on a printed circuit board | |
| WO2018068415A1 (zh) | 元件错件检测方法和系统 | |
| WO2018010391A1 (zh) | 一种板卡的检测方法及装置 | |
| KR101102572B1 (ko) | 차량 번호판 인식방법 | |
| KR20090101356A (ko) | 결함 검출 장치 및 결함 검출 방법 | |
| CN107515481B (zh) | 一种显示面板的检测方法和装置 | |
| CN105205803A (zh) | 显示面板缺陷检测方法 | |
| WO2017071406A1 (zh) | 金针类元件的引脚检测方法和系统 | |
| JP5660861B2 (ja) | 基板上の異物検査方法および異物検査装置 | |
| CN105354816B (zh) | 一种电子元件定位方法及装置 | |
| JP7226494B2 (ja) | 架線摩耗検出方法 | |
| KR20160087600A (ko) | 불량 검사 장치 및 방법 | |
| CN105389818B (zh) | 元件的定位方法和系统 | |
| CN105092604A (zh) | 线路信息及非线路区信息撷取方法、线路缺陷检测方法 | |
| JP6114559B2 (ja) | フラットパネルディスプレイの自動ムラ検出装置 | |
| JP5157575B2 (ja) | 欠陥検出方法 | |
| JP2011069742A (ja) | 欠陥検出装置および欠陥検出方法 | |
| CN109978879A (zh) | 基于铁路货车装载视频监视的箱角入槽状态检测方法 | |
| CN111504608B (zh) | 辉度均匀检测系统及辉度均匀检测方法 | |
| CN103630547B (zh) | 具有周期性结构的光学薄膜的瑕疵检测方法及其检测装置 | |
| KR101383827B1 (ko) | 인쇄회로기판의 솔더링 영역 자동검출 시스템 및 방법 | |
| KR20170048645A (ko) | 기판 검사 방법 | |
| CN110874837A (zh) | 一种基于局部特征分布的缺陷自动检测方法 | |
| CN111768357A (zh) | 一种图像检测的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |
|
| RJ01 | Rejection of invention patent application after publication |