CN114078118A - 缺陷检测方法及装置、电子设备和存储介质 - Google Patents
缺陷检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114078118A CN114078118A CN202111371813.8A CN202111371813A CN114078118A CN 114078118 A CN114078118 A CN 114078118A CN 202111371813 A CN202111371813 A CN 202111371813A CN 114078118 A CN114078118 A CN 114078118A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- defect
- defect detection
- detection result
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种缺陷检测方法及装置、电子设备和存储介质,通过提取待检测图像中的待检测区域,将待检测区域划分为多个待检测图像块。分别对每个待检测图像块分别进行缺陷检测得到对应的缺陷检测结果,用于表征对应的待检测图像块中是否存在缺陷,最终根据每个缺陷检测结果确定图像检测结果。本公开实施例在进行缺陷检测时,通过提取待检测区域的方式将图像中干扰区域剔除,仅对需要检测的区域进行检测,提高了缺陷检测的精度。同时,还通过将待检测区域分割为多个待检测图像块分别检测的方式并行进行缺陷检测,提高了检测过程的效率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种缺陷检测方法及装置、电子设备和存储介质。
背景技术
电池缺陷检测是计算机视觉以及工业视觉检测的重要问题。电池缺陷检测包括多种应用,例如顶盖焊缝检测,密封钉缺陷检测,电池极耳形变缺陷检测以及涂布表面检测等。由于电池上的结构比较复杂且缺陷往往较小,在缺陷检测时通常会发生误检或者漏检的情况。同时,由于电池检测时采集的图像通常为分辨率较高的工业图像,缺陷检测过程中计算量较大,检测速度较慢。
发明内容
本公开提出了一种缺陷检测方法及装置、电子设备和存储介质,旨在提高缺陷检测过程的效率,以及缺陷检测结果的准确程度。
根据本公开的第一方面,提供了一种缺陷检测方法,所述方法包括:
提取所述待检测图像中的待检测区域;
将所述待检测区域划分为多个待检测图像块;
对每个所述待检测图像块分别进行缺陷检测,得到每个所述待检测图像块对应的缺陷检测结果,所述缺陷检测结果用于表征对应的待检测图像块中是否存在缺陷;
根据每个所述缺陷检测结果确定图像检测结果。
在一种可能的实现方式中,所述提取所述待检测图像中的待检测区域包括:
对所述待检测图像进行边缘提取得到待检测区域。
在一种可能的实现方式中,所述对所述待检测图像进行边缘提取得到待检测区域包括:
通过对所述待检测图像进行二值化处理以及最大轮廓提取得到待检测区域。
在一种可能的实现方式中,所述将所述待检测区域划分为多个待检测图像块包括:
通过预设的滑动窗在所述待检测区域上滑动确定多个待检测图像块,所述滑动窗的宽度与所述待检测区域的宽度相同。
在一种可能的实现方式中,所述缺陷检测结果中包括位置属性和缺陷类别,所述位置属性用于表征所述缺陷检测结果对应的待检测图像块在所述待检测图像中的位置。
在一种可能的实现方式中,所述缺陷检测结果还包括每个所述缺陷类别的置信度,所述根据每个所述缺陷检测结果确定图像检测结果包括:
根据每个所述缺陷类别的置信度确定图像置信度,所述图像置信度用于表征所述待检测图像中存在缺陷的可能性;
根据所述图像置信度大于第一阈值的缺陷检测结果确定图像检测结果。
在一种可能的实现方式中,所述根据每个所述缺陷类别的置信度确定图像置信度包括:
确定目标缺陷类别的置信度为目标置信度;
响应于所述目标置信度小于第二阈值,根据所述目标缺陷类别以外的每个所述缺陷类别的置信度确定图像置信度;和/或,响应于所述目标置信度不小于第二阈值,确定图像置信度为0。
在一种可能的实现方式中,所述根据所述图像置信度大于第一阈值的缺陷检测结果确定图像检测结果包括:
确定所述图像置信度大于第一阈值的缺陷检测结果为目标检测结果;
确定所述目标检测结果中所述置信度最大的缺陷类别为目标类别;
根据每个所述目标检测结果中的位置属性和目标类别确定图像检测结果。
在一种可能的实现方式中,所述缺陷检测方法用于检测电池,所述待检测图像为电池图像,所述待检测区域为所述电池图像中的顶盖焊缝区域。
根据本公开的第二方面,提供了一种缺陷检测装置,所述装置包括:
区域提取模块,用于提取所述待检测图像中的待检测区域;
图像划分模块,用于将所述待检测区域划分为多个待检测图像块;
缺陷检测模块,用于对每个所述待检测图像块分别进行缺陷检测,得到每个所述缺陷检测图像块对应的缺陷检测结果,所述缺陷检测结果用于表征对应的待检测图像块中是否存在缺陷;
结果确定模块,用于根据每个所述缺陷检测结果确定图像检测结果。
在一种可能的实现方式中,所述区域提取模块包括:
边缘提取子模块,用于对所述待检测图像进行边缘提取得到待检测区域。
在一种可能的实现方式中,所述边缘提取子模块包括:
区域提取单元,用于通过对所述待检测图像进行二值化处理以及最大轮廓提取得到待检测区域。
在一种可能的实现方式中,所述图像划分模块包括:
滑动划分子模块,用于通过预设的滑动窗在所述待检测区域上滑动确定多个待检测图像块,所述滑动窗的宽度与所述待检测区域的宽度相同。
在一种可能的实现方式中,所述缺陷检测结果中包括位置属性和缺陷类别,所述位置属性用于表征所述缺陷检测结果对应的待检测图像块在所述待检测图像中的位置。
在一种可能的实现方式中,所述缺陷检测结果还包括每个所述缺陷类别的置信度,所述结果确定模块包括:
置信度确定子模块,用于根据每个所述缺陷类别的置信度确定图像置信度,所述图像置信度用于表征所述待检测图像中存在缺陷的可能性;
检测结果确定子模块,用于根据所述图像置信度大于第一阈值的缺陷检测结果确定图像检测结果。
在一种可能的实现方式中,所述置信度确定子模块包括:
第一置信度确定单元,用于确定目标缺陷类别的置信度为目标置信度;
第二置信度确定单元,用于响应于所述目标置信度小于第二阈值,根据所述目标缺陷类别以外的每个所述缺陷类别的置信度确定图像置信度;和/或,响应于所述目标置信度不小于第二阈值,确定图像置信度为0。
在一种可能的实现方式中,所述检测结果确定子模块包括:
第一结果确定单元,用于确定所述图像置信度大于第一阈值的缺陷检测结果为目标检测结果;
类别筛选单元,用于确定所述目标检测结果中所述置信度最大的缺陷类别为目标类别;
第二结果确定单元,用于根据每个所述目标检测结果中的位置属性和目标类别确定图像检测结果。
在一种可能的实现方式中,所述缺陷检测装置用于检测电池,所述待检测图像为电池图像,所述待检测区域为所述电池图像中的顶盖焊缝区域。
根据本公开的第三方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
本公开实施例在进行缺陷检测时,通过提取待检测区域的方式将图像中干扰区域剔除,仅对需要检测的区域进行检测,提高了缺陷检测的精度。同时,还通过将待检测区域分割为多个待检测图像块分别检测的方式并行进行缺陷检测,提高了检测过程的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的一种缺陷检测方法的流程图;
图2示出根据本公开实施例的一种待检测图像的示意图;
图3示出根据本公开实施例的一种提取待检测区域的示意图;
图4示出根据本公开实施例的一种提取待检测区域的示意图;
图5示出根据本公开实施例的一种确定待检测图像块的示意图;
图6示出根据本公开实施例的一种确定图像检测结果的示意图;
图7示出根据本公开实施例的一种缺陷检测装置的示意图;
图8示出根据本公开实施例的一种电子设备的示意图;
图9示出根据本公开实施例的一种电子设备的示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的一种缺陷检测方法的流程图。在一种可能的实现方式中,本公开实施例的缺陷检测方法可以通过终端设备或服务器等电子设备执行。其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等移动或固定的终端设备。终端设备可以通过处理器调用存储器中存储的计算机可读指令的方式来实现缺陷检测方法。可选地,还可以通过服务器执行本公开实施例的缺陷检测方法,该服务器可以为单独服务器或者多个服务器组成的服务器集群。
本公开实施例可以应用于任意缺陷检测场景,例如对电池、产品包装外壳等物品进行初始检测的场景。在对电池进行检测时,还可以用于进行顶盖焊缝检测,密封钉缺陷检测,电池极耳形变缺陷检测以及涂布表面检测等检测。
如图1所示,本公开实施例的缺陷检测方法可以包括以下步骤:
步骤S10、提取所述待检测图像中的待检测区域。
在一种可能的实现方式中,本公开实施例的缺陷检测方法用于检测目标对象的缺陷,待检测图像为采集目标对象得到的图像。在不同的应用场景下,目标对象不同。例如,在本公开实施例进行电池缺陷检测时,目标对象可以为电池,即缺陷检测方法用于检测电池。在本公开实施例进行产品外壳缺陷检测时,目标对象可以为产品外壳。进一步地,待检测图像的内容还可以根据需要检测的缺陷类型确定。例如,在需要检测的缺陷为电池的焊缝缺陷时,待检测图像中需要包括电池的焊缝,可以通过为采集电池顶盖得到的电池顶盖图像。
由于待检测图像中往往包括除了需要检测的区域以外,还包括部分不需要检测的干扰区域。为避免因对不需要检测的干扰区域进行检测增加计算量,以及提高误检可能性,可以通过提取待检测图像中的待检测区域排除干扰区域。
图2示出根据本公开实施例的一种待检测图像的示意图。如图2所示,在对电池的焊缝缺陷进行检测的应用场景下,本公开实施例需要检测的目标对象为电池,待检测图像20为采集电池顶盖得到的电池图像。电池图像中包括需要进行检测的,且可能存在焊缝缺陷21的顶盖焊缝区域,以及不可能存在焊缝缺陷21的其他区域。因此,可以通过提取待检测图像的顶盖焊缝区域得到待检测区域。
在一种可能的实现方式中,由于电池的焊缝所在的区域位于电池的顶盖边缘,在对电池的焊缝进行缺陷检测时,本公开实施例可以通过对待检测图像进行边缘提取得到待检测区域。
图3示出根据本公开实施例的一种提取待检测区域的示意图。如图3所示,待检测图像30为电池顶盖图像,其中焊缝31位于电池顶盖的边缘。进一步地,待检测图像30中还包括距离焊缝31较远的电池顶盖内部区域。为了避免电池顶盖内部区域影响检测效率以及干扰检测结果,可以通过边缘提取的方式去除电池顶盖内部的干扰区域,获取顶盖焊缝区域作为待检测区域32。
在一种可能的实现方式中,可以通过对待检测图像进行二值化处理以及最大轮廓提取得到待检测区域。也就是说,可以先通过预设的阈值参数对待检测图像进行二值化处理,以突出待检测图像中的轮廓边缘。进一步地,再通过findContours等轮廓提取函数进行最大轮廓提取,以去除提取到的最大轮廓以外的区域,并保留提取到的最大轮廓区域作为待检测区域。可选地,为提高图像处理效果,还可以在其中加入尺寸变换等其他处理过程。例如,在对待处理图像进行二值化处理之前,可以先通过预设的缩放尺寸对待检测图像进行尺寸变换。
图4示出根据本公开实施例的一种提取待检测区域的示意图。如图4所示,通过图像处理确定待处理区域的过程可以为通过预设的尺寸缩放尺寸先对待处理图像40进行尺寸变换41。在得到变换尺寸后的待检测图像40后,通过预设的阈值参数对待检测图像40进行二值化处理42以突出轮廓边缘,得到最大轮廓。最终通过最大轮廓提取43的方式去除待检测图像40中非检测区域的干扰区域,得到待检测区域44。
步骤S20、将所述待检测区域划分为多个待检测图像块。
在一种可能的实现方式中,提取待检测图像中的待检测区域后,划分待检测区域得到多个待检测图像块,以进一步分别对每个待检测图像块进行缺陷检测,提高检测效率。可选地,划分待检测区域的方式可以为任意方式,例如将待检查区域平均划分为预设数量个尺寸相同的区域作为待检测图像块。或者,还可以为通过预设的滑动窗在待检测区域上滑动确定多个待检测图像块,滑动窗的宽度与待检测区域的宽度相同。其中,当待检测区域为长方形时,滑动窗的宽度可以为长方形的宽度。当待检测区域为长方环形时,滑动窗的宽度可以为环形的宽度。
也就是说,在一种可能的实现方式中,确定待检测区域后可以通过预设的与待检测区域宽度相同的滑动窗在待检测区域的左上角、右下角等指定位置开始向预设方向滑动,每一次滑动过程确定一个待检测图像块。可选地,在最后一次滑动结束后还有未被确定区域,即剩余区域的长度小于滑动窗长度时,可以直接确定该区域也为一个待检测图像块。
图5示出根据本公开实施例的一种确定待检测图像块的示意图。如图5所示,对于待检测区域50,可以根据长度与待检测区域50相同,长度预设的滑动窗从左上角开始,沿顺时针方向依次滑动。在每一次滑动后,确定当前滑动窗内部的区域作为一个待检测图像框51。
步骤S30、对每个所述待检测图像块分别进行缺陷检测,得到每个所述待检测图像块对应的缺陷检测结果。
在一种可能的实现方式中,确定待检测图像中至少一个可能存在缺陷的待检测图像块后,分别对每个待检测图像块分别进行缺陷检测,得到每一个待检测图像块的缺陷检测结果。其中,每个缺陷检测结果用于表征对应的待检测图像块中是否存在目标对象的缺陷。例如,当本公开实施例用于进行检测电池焊缝缺陷时,缺陷检测结果用于表征对应的待检测图像块中是否存在电池的焊缝缺陷。
可选地,对待检测图像块进行缺陷检测的方式可以为任意检测方式。例如,可以通过图像处理的方式进行缺陷检测,或者还可以通过训练得到的缺陷检测模型进行缺陷检测。其中,图像处理的方式还可以为确定标准图像,即没有缺陷的图像中与待检测图像块位置相同的标准图像块,对比标准图像块和待检测图像块的差异得到缺陷检测结果。在通过训练得到的缺陷检测模型进行缺陷检测时,可以直接将每个待检测图像块分别输入缺陷检测模型中,输出对应的缺陷检测结果。
在一种可能的实现方式中,待检测图像块的缺陷检测结果中可以包括位置属性和至少一个缺陷类别,以及每个缺陷类别的置信度。其中,位置属性用于表征缺陷检测结果对应的待检测图像块在待检测图像中的位置,缺陷类别用于表征待检测图像块中可能存在的缺陷种类,置信度表征待检测图像块中包括对应缺陷类别缺陷的可能性。例如,当待检测图像为电池图像,用于检测电池顶盖焊缝缺陷时,检测得到的缺陷检测结果中包括至少一个焊缝缺陷类别和对应的置信度,以及位置属性。位置属性用于表征对应的待检测图像块在电池图像中的位置,置信度用于表征图中包括对应缺陷类别的焊缝缺陷的概率。
本公开实施例通过提取待检测区域以及分割待检测区域,对得到的待检测图像块进行检测的方式,使得一个分辨率较大的待检测图像的缺陷检测过程,转换为并行对多个分辨率较小的待检测图像块进行缺陷检测的过程,减小了缺陷检测过程的计算量。进一步地,每一个待检测图像块的检测过程还可以并行执行,提高检测速度。
步骤S40、根据每个所述缺陷检测结果确定图像检测结果。
在一种可能的实现方式中,可以在确定每个待检测图像块对应的缺陷检测结果后,根据每个缺陷检测结果确定待检测图像的图像检测结果。可选地,图像检测结果的确定方式可以为根据每个缺陷类别的置信度确定图像置信度,再根据图像置信度大于第一阈值的缺陷检测结果确定图像检测结果。图像置信度用于表征待检测图像中存在缺陷的可能性。图像检测结果用于表征待检测图像中是否存在目标对象的缺陷,例如,当待检测图像为电池顶盖的图像时,图像检测结果用于表征待检测图像中是否存在顶盖焊缝缺陷。进一步地,在图像检测结果表征待检测图像中存在缺陷时,还可以包括存在的缺陷类别和缺陷的位置信息。
图6示出根据本公开实施例的一种确定图像检测结果的示意图。如图6所示,在一种可能的实现方式中,在确定待检测图像中的N个待检测图像块60后,通过检测模型61分别对每个待检测图像块60进行缺陷检测,得到每个待检测图像块61对应的缺陷检测结果。进一步地,再根据N个待检测图像块60对应的N个缺陷检测结果62确定图像检测结果63。其中,图像检测结果63可以基于每个缺陷检测结果62中包括的缺陷类别和置信度确定。
在一种可能的实现方式中,根据每个缺陷检测结果确定对应的待检测图像块的图像置信度的过程可以为:确定目标缺陷类别的置信度为目标置信度,可以响应于目标置信度小于第二阈值,根据目标缺陷类别以外的每个缺陷类别的置信度确定图像置信度,或者响应于目标置信度不小于第二阈值,确定图像置信度为0。也就是说,当存在一种需要被忽略的缺陷时,设定该缺陷的缺陷类别为目标缺陷类别。在目标缺陷类别的置信度小于预先设定的第二阈值时,认为对应的待检测图像块具有的缺陷是该目标缺陷类别的概率较小,因此可以根据目标缺陷类别以外的每个缺陷类别的置信度确定图像置信度。在目标缺陷类别的置信度不小于预先设定的第二阈值时,认为对应的待检测图像块具有的缺陷是该目标缺陷类别的概率较大,因此需要忽略该缺陷检测结果,直接确定图像置信度为0。可选地,该目标缺陷类别可以根据实际应用场景设定。例如,在进行电池顶盖焊缝缺陷检测时起始点位置经常被误识别为缺陷,因此可以设定起始点为目标缺陷类别,以在进行焊缝缺陷检测时,检测到缺陷类别为起始点时忽略该缺陷检测结果,确定图像置信度为0。
进一步地,根据除了目标缺陷类别以外的每个缺陷类别置信度确定图像置信度的方式可以为计算各缺陷类别置信度的和,得到图像置信度。或者,还可以将各缺陷类别置信度输入逻辑回归函数(softmax函数),得到图像置信度。例如,可以将每个缺陷类别置信度分别输入softamx函数后求和,得到表征待检测图像中存在缺陷可能性的图像置信度。
本公开实施例在确定图像置信度时,预先设定表征容易产生误检结果的目标缺陷类别,并根据该目标缺陷类别的置信度确定图像置信度。上述方式能够避免误检结果发生,提高最终得到的图像检测结果的准确程度。
在一种可能的实现方式中,在确定每个待检测图像块的图像置信度后,根据图像置信度大于第一阈值的缺陷检测结果确定图像检测结果。可选地,可以确定图像置信度大于第一阈值的缺陷检测结果为目标检测结果,确定目标检测结果中置信度最大的缺陷类别为目标类别,根据每个目标检测结果中的位置属性和目标类别确定图像检测结果。其中,目标类别可以为一个或多个,即根据置信度由小到大的顺序对缺陷类别排序后,获取前N个缺陷类别作为目标类别。也就是说,根据目标检测结果中各缺陷类别的置信度筛选得到目标类别,最终得到包括多个位置属性和各位置属性对应的目标类别的图像检测结果。进一步地,图像置信度表征待检测图像中存在缺陷的可能性,图像置信度越大则存在缺陷的可能性越高。在图像置信度不大于第一阈值时,可以直接确定图像检测结果为无缺陷。
本公开实施例在进行缺陷检测时,通过提取待检测区域的方式将图像中干扰区域剔除,仅对需要检测的区域进行检测,提高了缺陷检测的精度。同时,还通过将待检测区域分割为多个待检测图像块分别检测的方式并行进行缺陷检测,提高了检测过程的效率。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了缺陷检测装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种缺陷检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图7示出根据本公开实施例的缺陷检测装置的示意图,如图7所示,所述装置包括区域提取模块70、图像划分模块71、缺陷检测模块72和结果确定模块73。
区域提取模块70,用于提取所述待检测图像中的待检测区域;
图像划分模块71,用于将所述待检测区域划分为多个待检测图像块;
缺陷检测模块72,用于对每个所述待检测图像块分别进行缺陷检测,得到每个所述缺陷检测图像块对应的缺陷检测结果,所述缺陷检测结果用于表征对应的待检测图像块中是否存在缺陷;
结果确定模块73,用于根据每个所述缺陷检测结果确定图像检测结果。
在一种可能的实现方式中,所述区域提取模块70包括:
边缘提取子模块,用于对所述待检测图像进行边缘提取得到待检测区域。
在一种可能的实现方式中,所述边缘提取子模块包括:
区域提取单元,用于通过对所述待检测图像进行二值化处理以及最大轮廓提取得到待检测区域。
在一种可能的实现方式中,所述图像划分模块71包括:
滑动划分子模块,用于通过预设的滑动窗在所述待检测区域上滑动确定多个待检测图像块,所述滑动窗的宽度与所述待检测区域的宽度相同。
在一种可能的实现方式中,所述缺陷检测结果中包括位置属性和缺陷类别,所述位置属性用于表征所述缺陷检测结果对应的待检测图像块在所述待检测图像中的位置。
在一种可能的实现方式中,所述缺陷检测结果还包括每个所述缺陷类别的置信度,所述结果确定模块73包括:
置信度确定子模块,用于根据每个所述缺陷类别的置信度确定图像置信度,所述图像置信度用于表征所述待检测图像中存在缺陷的可能性;
检测结果确定子模块,用于根据所述图像置信度大于第一阈值的缺陷检测结果确定图像检测结果。
在一种可能的实现方式中,所述置信度确定子模块包括:
第一置信度确定单元,用于确定目标缺陷类别的置信度为目标置信度;
第二置信度确定单元,用于响应于所述目标置信度小于第二阈值,根据所述目标缺陷类别以外的每个所述缺陷类别的置信度确定图像置信度;和/或,响应于所述目标置信度不小于第二阈值,确定图像置信度为0。
在一种可能的实现方式中,所述检测结果确定子模块包括:
第一结果确定单元,用于确定所述图像置信度大于第一阈值的缺陷检测结果为目标检测结果;
类别筛选单元,用于确定所述目标检测结果中所述置信度最大的缺陷类别为目标类别;
第二结果确定单元,用于根据每个所述目标检测结果中的位置属性和目标类别确定图像检测结果。
在一种可能的实现方式中,所述缺陷检测装置用于检测电池,所述待检测图像为电池图像,所述待检测区域为所述电池图像中的顶盖焊缝区域。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图8示出根据本公开实施例的一种电子设备800的示意图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图8,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图9示出根据本公开实施例的一种电子设备1900的示意图。例如,电子设备1900可以被提供为一服务器。参照图9,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (12)
1.一种缺陷检测方法,其特征在于,所述方法包括:
提取所述待检测图像中的待检测区域;
将所述待检测区域划分为多个待检测图像块;
对每个所述待检测图像块分别进行缺陷检测,得到每个所述待检测图像块对应的缺陷检测结果,所述缺陷检测结果用于表征对应的待检测图像块中是否存在缺陷;
根据每个所述缺陷检测结果确定图像检测结果。
2.根据权利要求1所述的方法,其特征在于,所述提取所述待检测图像中的待检测区域包括:
对所述待检测图像进行边缘提取得到待检测区域。
3.根据权利要求2所述的方法,其特征在于,所述对所述待检测图像进行边缘提取得到待检测区域包括:
通过对所述待检测图像进行二值化处理以及最大轮廓提取得到待检测区域。
4.根据权利要求1-3中任意一项所述的方法,其特征在于,所述将所述待检测区域划分为多个待检测图像块包括:
通过预设的滑动窗在所述待检测区域上滑动确定多个待检测图像块,所述滑动窗的宽度与所述待检测区域的宽度相同。
5.根据权利要求1-4中任意一项所述的方法,其特征在于,所述缺陷检测结果中包括位置属性和缺陷类别,所述位置属性用于表征所述缺陷检测结果对应的待检测图像块在所述待检测图像中的位置。
6.根据权利要求5所述的方法,其特征在于,所述缺陷检测结果还包括每个所述缺陷类别的置信度,所述根据每个所述缺陷检测结果确定图像检测结果包括:
根据每个所述缺陷类别的置信度确定图像置信度,所述图像置信度用于表征所述待检测图像中存在缺陷的可能性;
根据所述图像置信度大于第一阈值的缺陷检测结果确定图像检测结果。
7.根据权利要求6所述的方法,其特征在于,所述根据每个所述缺陷类别的置信度确定图像置信度包括:
确定目标缺陷类别的置信度为目标置信度;
响应于所述目标置信度小于第二阈值,根据所述目标缺陷类别以外的每个所述缺陷类别的置信度确定图像置信度;和/或,响应于所述目标置信度不小于第二阈值,确定图像置信度为0。
8.根据权利要求6或7所述的方法,其特征在于,所述根据所述图像置信度大于第一阈值的缺陷检测结果确定图像检测结果包括:
确定所述图像置信度大于第一阈值的缺陷检测结果为目标检测结果;
确定所述目标检测结果中所述置信度最大的缺陷类别为目标类别;
根据每个所述目标检测结果中的位置属性和目标类别确定图像检测结果。
9.根据权利要求1-8中任意一项所述的方法,其特征在于,所述缺陷检测方法用于检测电池,所述待检测图像为电池图像,所述待检测区域为所述电池图像中的顶盖焊缝区域。
10.一种缺陷检测装置,其特征在于,所述装置包括:
区域提取模块,用于提取所述待检测图像中的待检测区域;
图像划分模块,用于将所述待检测区域划分为多个待检测图像块;
缺陷检测模块,用于对每个所述待检测图像块分别进行缺陷检测,得到每个所述缺陷检测图像块对应的缺陷检测结果,所述缺陷检测结果用于表征对应的待检测图像块中是否存在缺陷;
结果确定模块,用于根据每个所述缺陷检测结果确定图像检测结果。
11.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111371813.8A CN114078118A (zh) | 2021-11-18 | 2021-11-18 | 缺陷检测方法及装置、电子设备和存储介质 |
| PCT/CN2022/104206 WO2023087741A1 (zh) | 2021-11-18 | 2022-07-06 | 缺陷检测方法及装置、电子设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111371813.8A CN114078118A (zh) | 2021-11-18 | 2021-11-18 | 缺陷检测方法及装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114078118A true CN114078118A (zh) | 2022-02-22 |
Family
ID=80283976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111371813.8A Withdrawn CN114078118A (zh) | 2021-11-18 | 2021-11-18 | 缺陷检测方法及装置、电子设备和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114078118A (zh) |
| WO (1) | WO2023087741A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115100161A (zh) * | 2022-06-30 | 2022-09-23 | 章鱼博士智能技术(上海)有限公司 | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 |
| CN115311237A (zh) * | 2022-08-12 | 2022-11-08 | 联宝(合肥)电子科技有限公司 | 一种图像检测方法、装置及电子设备 |
| CN115690102A (zh) * | 2022-12-29 | 2023-02-03 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
| WO2023087741A1 (zh) * | 2021-11-18 | 2023-05-25 | 上海商汤智能科技有限公司 | 缺陷检测方法及装置、电子设备、存储介质及计算机程序产品 |
| CN117197037A (zh) * | 2023-07-26 | 2023-12-08 | 北京兆维智能装备有限公司 | 一种用于aa区外弧边的缺陷检测方法及装置 |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116823751B (zh) * | 2023-06-15 | 2026-01-27 | 中国铁建重工集团股份有限公司 | 磁浮列车外观缺陷检测方法、装置、电子设备及存储介质 |
| CN116542984A (zh) * | 2023-07-07 | 2023-08-04 | 浙江省北大信息技术高等研究院 | 五金件缺陷检测方法、装置、计算机设备及存储介质 |
| CN116571410B (zh) * | 2023-07-14 | 2023-09-26 | 杭州百子尖科技股份有限公司 | 基于机器视觉的缺陷区域修复方法、装置、设备以及介质 |
| CN116596931B (zh) * | 2023-07-18 | 2023-11-17 | 宁德时代新能源科技股份有限公司 | 图像处理方法、装置、设备、存储介质和程序产品 |
| CN117152095B (zh) * | 2023-09-04 | 2025-10-17 | 上海感图网络科技有限公司 | 一种电池vhb缺陷检测方法、装置及存储介质 |
| CN117274174A (zh) * | 2023-09-06 | 2023-12-22 | 上海感图网络科技有限公司 | 一种mic孔缺陷检测方法、装置、设备和存储介质 |
| CN117197081B (zh) * | 2023-09-08 | 2025-08-15 | 上海微电机研究所(中国电子科技集团公司第二十一研究所) | 一种表面缺陷检测方法、装置、设备及其存储介质 |
| CN117147454A (zh) * | 2023-09-11 | 2023-12-01 | 中科创达软件股份有限公司 | 一种电池模组缺陷检测装置和检测方法 |
| CN116952958B (zh) * | 2023-09-18 | 2023-12-29 | 杭州百子尖科技股份有限公司 | 缺陷检测方法、装置、电子设备及存储介质 |
| CN117058155B (zh) * | 2023-10-13 | 2024-03-12 | 西安空天机电智能制造有限公司 | 3dp金属打印铺粉缺陷检测方法、装置、设备及介质 |
| CN117078677B (zh) * | 2023-10-16 | 2024-01-30 | 江西天鑫冶金装备技术有限公司 | 一种用于始极片的缺陷检测方法及系统 |
| CN117252883B (zh) * | 2023-11-20 | 2024-04-02 | 宁德时代新能源科技股份有限公司 | 焊接缺陷检测方法、装置和存储介质 |
| CN117491287B (zh) * | 2023-11-29 | 2024-06-07 | 长春汽车检测中心有限责任公司 | 一种电池密封性检测系统 |
| CN117952926B (zh) * | 2024-01-25 | 2024-10-25 | 邯郸市奥能电子股份有限公司 | 陶瓷电容的缺陷检测方法、装置、终端及存储介质 |
| CN117921270B (zh) * | 2024-03-19 | 2024-07-12 | 宁德时代新能源科技股份有限公司 | 控制焊接设备的方法、装置、设备、存储介质及程序产品 |
| CN118941499A (zh) * | 2024-07-02 | 2024-11-12 | 博瀚智能(深圳)有限公司 | 一种线路板缺陷的视觉检测方法、电子设备及存储介质 |
| CN118447019B (zh) * | 2024-07-08 | 2024-10-01 | 南昌众力精密铸造有限公司 | 压铸缺陷检测方法、装置及设备 |
| CN118505694B (zh) * | 2024-07-18 | 2024-11-12 | 国网江西省电力有限公司电力科学研究院 | 一种合金接地材料缺陷检测方法及系统 |
| CN118941532A (zh) * | 2024-07-24 | 2024-11-12 | 深圳市比克动力电池有限公司 | 电池焊接缺陷检测系统、方法、设备及存储介质 |
| CN118624625B (zh) * | 2024-08-09 | 2024-10-18 | 东莞鹏龙光电有限公司 | 一种新能源汽车电池盖板的智能电测系统及方法 |
| CN119355049B (zh) * | 2024-09-20 | 2025-12-12 | 成都飞机工业(集团)有限责任公司 | 缺陷检测方法、装置、存储介质及电子设备 |
| CN119359663B (zh) * | 2024-10-10 | 2025-07-08 | 合肥喆塔科技有限公司 | 电池片缺陷复检方法、装置、设备、存储介质及产品 |
| CN119295406A (zh) * | 2024-10-10 | 2025-01-10 | 青岛正大合赢智能科技有限公司 | 一种反渗透膜片焊接质量视觉检测方法 |
| CN119540227B (zh) * | 2025-01-20 | 2025-04-18 | 中国林业科学研究院木材工业研究所 | 刨花板外观质量量化评价方法、装置、设备、介质及产品 |
| CN120219294A (zh) * | 2025-02-28 | 2025-06-27 | 索菲亚家居股份有限公司 | 一种基于机器视觉的板材封边缺陷在线检测方法及装置 |
| CN120953291B (zh) * | 2025-10-20 | 2026-01-06 | 中汽信息科技(天津)有限公司 | 一种基于压力分析的冲压件检测方法、装置、介质及设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109632808B (zh) * | 2018-12-05 | 2021-11-09 | 深圳大学 | 棱边缺陷检测方法、装置、电子设备及存储介质 |
| US11164306B2 (en) * | 2019-12-09 | 2021-11-02 | International Business Machines Corporation | Visualization of inspection results |
| CN113066051B (zh) * | 2021-02-23 | 2024-08-16 | 江苏优普纳科技有限公司 | 一种坡口缺陷检测方法、计算设备及可读存储介质 |
| CN114078118A (zh) * | 2021-11-18 | 2022-02-22 | 深圳市商汤科技有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
-
2021
- 2021-11-18 CN CN202111371813.8A patent/CN114078118A/zh not_active Withdrawn
-
2022
- 2022-07-06 WO PCT/CN2022/104206 patent/WO2023087741A1/zh not_active Ceased
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023087741A1 (zh) * | 2021-11-18 | 2023-05-25 | 上海商汤智能科技有限公司 | 缺陷检测方法及装置、电子设备、存储介质及计算机程序产品 |
| CN115100161A (zh) * | 2022-06-30 | 2022-09-23 | 章鱼博士智能技术(上海)有限公司 | 一种电池顶盖缺陷检测方法、装置、电子设备及存储介质 |
| CN115311237A (zh) * | 2022-08-12 | 2022-11-08 | 联宝(合肥)电子科技有限公司 | 一种图像检测方法、装置及电子设备 |
| CN115690102A (zh) * | 2022-12-29 | 2023-02-03 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
| CN117197037A (zh) * | 2023-07-26 | 2023-12-08 | 北京兆维智能装备有限公司 | 一种用于aa区外弧边的缺陷检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023087741A1 (zh) | 2023-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114078118A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
| TWI781359B (zh) | 人臉和人手關聯檢測方法及裝置、電子設備和電腦可讀儲存媒體 | |
| TWI747325B (zh) | 目標對象匹配方法及目標對象匹配裝置、電子設備和電腦可讀儲存媒介 | |
| CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
| CN113065591B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
| CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
| CN110889469A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN113052874B (zh) | 目标跟踪方法及装置、电子设备和存储介质 | |
| CN112200040B (zh) | 遮挡图像检测方法、装置及介质 | |
| CN112085097A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN114066858A (zh) | 模型训练方法及装置、电子设备和存储介质 | |
| CN113139471A (zh) | 目标检测方法及装置、电子设备和存储介质 | |
| CN113807253B (zh) | 人脸识别方法及装置、电子设备和存储介质 | |
| CN114066856A (zh) | 模型训练方法及装置、电子设备和存储介质 | |
| US20210326578A1 (en) | Face recognition method and apparatus, electronic device, and storage medium | |
| CN111784773A (zh) | 图像处理方法及装置、神经网络训练方法及装置 | |
| CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
| CN116543211A (zh) | 图像属性编辑方法、装置、电子设备和存储介质 | |
| CN113506324B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
| CN111275191B (zh) | 检测细胞的方法及装置、电子设备和存储介质 | |
| CN113506321B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
| CN113963209A (zh) | 对象识别模型训练方法及装置、电子设备和存储介质 | |
| CN113869295A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
| CN111488964A (zh) | 图像处理方法及装置、神经网络训练方法及装置 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40065697 Country of ref document: HK |
|
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220222 |