CN118505692B - 一种电容器缺陷检测方法及系统 - Google Patents
一种电容器缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN118505692B CN118505692B CN202410961341.9A CN202410961341A CN118505692B CN 118505692 B CN118505692 B CN 118505692B CN 202410961341 A CN202410961341 A CN 202410961341A CN 118505692 B CN118505692 B CN 118505692B
- Authority
- CN
- China
- Prior art keywords
- angle data
- gradient angle
- connected domain
- capacitor
- initial connected
- 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
- 239000003990 capacitor Substances 0.000 title claims abstract description 139
- 230000007547 defect Effects 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 33
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
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 Processing (AREA)
Abstract
本发明涉及图像数据处理技术领域，具体涉及一种电容器缺陷检测方法及系统，包括：获取电容器表面标准的标签文本内容、电容器灰度图像以及初始连通域，根据初始连通域边界上的像素点之间的差异，得到梯度角度数据序列；根据梯度角度数据之间的差异，得到每个梯度角度数据的偏差值，根据梯度角度数据的偏差值之间的差异，得到每个初始连通域的待调整参考值，根据待调整参考值，得到变换参数，根据每个初始连通域对应的变换参数对每个初始连通域进行图像增强，得到增强后的电容器灰度图像，根据增强后的电容器灰度图像，得到最终的识别结果。本发明通过对电容器灰度图像进行增强，来提高电容器灰度图像的清晰度，从而提高识别的准确性。
Description
技术领域
本发明涉及图像数据处理技术领域，具体涉及一种电容器缺陷检测方法及系统。
背景技术
电容器是一种电子元件，用于存储电荷和电能。它由两个导体之间的介质组成。由于产品不同，所需的电容器规格也不同，这也造成了电容器在出厂时需要标注好相应的电容器规格及相关信息。但在生产过程中，由于操作不当等问题造成电容标签模糊或丢失，使用者可能会难以确定电容器的规格和性能，从而可能导致选择不合适的电容器。
现有的问题：虽然算法对电容器的缺陷识别具有诸多优势，但算法对图像质量要求较高，当电容器图像受光照不均匀影响时，可能会降低电容器图像的清晰度，便难以通过算法进行准确的分析，容易识别错误，从而造成误检误报的情况。
发明内容
本发明提供一种电容器缺陷检测方法及系统，以解决现有的问题。
本发明的一种电容器缺陷检测方法及系统采用如下技术方案：
本发明一个实施例提供了一种电容器缺陷检测方法，该方法包括以下步骤：
获取电容器表面标准的标签文本内容以及电容器灰度图像；
获取电容器灰度图像中若干个初始连通域；
根据每个初始连通域边界上的所有像素点之间的差异，得到每个初始连通域的若干个梯度角度数据序列；根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据之间的差异，得到每个初始连通域的每个梯度角度数据序列的每个梯度角度数据的偏差值；根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据以及所述的所有梯度角度数据偏差值之间的差异，得到每个初始连通域的待调整参考值；
根据每个初始连通域的待调整参考值，得到每个初始连通域的变换参数；在电容器灰度图像中，根据每个初始连通域对应的变换参数对每个初始连通域进行图像增强，得到增强后的电容器灰度图像；根据增强后的电容器灰度图像与电容器表面标准的标签文本内容，得到最终的识别结果。
进一步地，所述获取电容器灰度图像中若干个初始连通域，包括的具体步骤如下：
根据电容器灰度图像中像素点灰度值，使用Sobel边缘检测算法对电容器灰度图像进行边缘检测，得到电容器灰度图像中的若干个边缘像素点；
根据电容器灰度图像中的所有边缘像素点，使用连通域标记算法对电容器灰度图像进行连通域标记提取，得到电容器灰度图像中的若干个初始连通域。
进一步地，所述根据每个初始连通域边界上的所有像素点之间的差异，得到每个初始连通域的若干个梯度角度数据序列，包括的具体步骤如下：
使用sobel边缘检测算法对电容器灰度图像进行运算，得到每个像素点的梯度角度值；
在第个初始连通域边界上的任选一个像素点进行以下操作：
步骤（1）：将第个初始连通域边界上的任意一个像素点，记为第一起始点；
步骤（2）：从第一起始点开始，以顺时针方向，沿着第个初始连通域边界逐个像素点遍历，将第一起始点与遍历到的第一个像素点连接的直线，记为初始直线，当初始直线和第一起始点与遍历到的任意一个像素点连接的直线的最小夹角大于T时，将所述遍历到的任意一个像素点，记为第一截止点；根据第一起始点到第一截止点所遍历到的所有像素点的梯度角度值，构成第一梯度角度数据序列；其中，T为预设的夹角阈值；
步骤（3）：将第一截止点记为第二起始点，重复步骤（2）得到第二截止点以及第二梯度角度数据序列；
步骤（4）：将第二截止点记为第三起始点，重复步骤（2）和步骤（3），直至第一起始点到任意一个截止点所遍历的像素点数量大于时，停止遍历，得到第个初始连通域对应的若干个梯度角度数据序列；其中，为预设的比例阈值，为第个初始连通域边界上的像素点数量。
进一步地，所述根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据之间的差异，得到每个初始连通域的每个梯度角度数据序列的每个梯度角度数据的偏差值的具体计算公式为：
其中，表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的数量；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值。
进一步地，所述根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据以及所述的所有梯度角度数据偏差值之间的差异，得到每个初始连通域的待调整参考值，包括的具体步骤如下：
根据第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的偏差值，得到第个初始连通域的第个梯度角度数据序列的波动参考值；
根据第个初始连通域的每个梯度角度数据序列的波动参考值以及所有的梯度角度数据，得到第个初始连通域的待调整参考值。
进一步地，所述根据第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的偏差值，得到第个初始连通域的第个梯度角度数据序列的波动参考值的具体计算公式为：
其中，表示第个初始连通域的第个梯度角度数据序列的波动参考值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的数量；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的偏差值的均值；表示开平方运算。
进一步地，所述根据第个初始连通域的每个梯度角度数据序列的波动参考值以及所有的梯度角度数据，得到第个初始连通域的待调整参考值的具体计算公式为：
其中，表示第个初始连通域的待调整参考值；表示第个初始连通域的第个梯度角度数据序列的波动参考值；表示第个初始连通域的所有梯度角度数据序列的数量；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示的是绝对值。
进一步地，所述根据每个初始连通域的待调整参考值，得到每个初始连通域的变换参数，包括的具体步骤如下：
将第个初始连通域的待调整参考值代入函数中进行运算，得到第个初始连通域的变换参数；
第个初始连通域的变换参数的计算公式为：
；
其中，为第个初始连通域的变换参数；为第个初始连通域的待调整参考值；
其中，表示以自然常数为底的指数函数。
进一步地，所述根据增强后的电容器灰度图像与电容器表面标准的标签文本内容，得到最终的识别结果，包括的具体步骤如下：
通过OCR算法对增强后的电容器灰度图像进行运算，得到增强后的电容器灰度图像中标签的文本内容；
当电容器表面标准的标签文本内容与增强后的电容器灰度图像中标签的文本内容相同时，判定增强后的电容器灰度图像中标签的文本内容完整；
当电容器表面标准的标签文本内容与增强后的电容器灰度图像中标签的文本内容不相同时，判定增强后的电容器灰度图像中标签的文本内容不完整。
本发明还提出了一种电容器缺陷检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种电容器缺陷检测方法的步骤。
本发明的技术方案的有益效果是：
获取电容器表面标准的标签文本内容以及电容器灰度图像；获取电容器灰度图像中若干个初始连通域；根据每个初始连通域边界上的所有像素点之间的差异，得到每个初始连通域的若干个梯度角度数据序列；根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据之间的差异，得到每个初始连通域的每个梯度角度数据序列的每个梯度角度数据的偏差值，明确了每个初始连通域的边界上所有像素点的方向变化情况。根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据以及所述的所有梯度角度数据偏差值之间的差异，得到每个初始连通域的待调整参考值，保障了初始连通域是字符的可能性。根据每个初始连通域的待调整参考值，得到每个初始连通域的变换参数，提高了电容器灰度图像中文字识别的准确性。在电容器灰度图像中，根据每个初始连通域对应的变换参数对每个初始连通域进行图像增强，得到增强后的电容器灰度图像；根据增强后的电容器灰度图像与电容器表面标准的标签文本内容，得到最终的识别结果。本发明通过对电容器灰度图像进行增强，来提高电容器灰度图像的清晰度，从而提高识别的准确性。
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为本发明一种电容器缺陷检测方法的步骤流程图；
图2为本实施例所提供的一个电容器灰度图像示意图。
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电容器缺陷检测方法及系统，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电容器缺陷检测方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种电容器缺陷检测方法的步骤流程图，该方法包括以下步骤：
步骤S001：获取电容器表面标准的标签文本内容以及电容器灰度图像。
通过高分辨率相机，采集待检测的电容器图像，再对电容器图像使用低通滤波算法进行降噪处理，并将降噪后的图像转换为灰度图，获取电容器灰度图像。图2为本实施例所提供的一个电容器灰度图像示意图。
所需说明的是：在检测平台上，采集无电容器的背景图像和有电容器的目标图像，使用图像差分算法对背景图像和目标图像进行差分得到电容器图像，减去了背景干扰。其中，图像差分算法为公知技术，在此不做具体介绍。
步骤S002：获取电容器灰度图像中若干个初始连通域。
根据电容器灰度图像中像素点灰度值，使用Sobel边缘检测算法对电容器灰度图像进行边缘检测，得到电容器灰度图像中的若干个边缘像素点；
根据电容器灰度图像中的所有边缘像素点，使用连通域标记算法对电容器灰度图像进行连通域标记提取，得到电容器灰度图像中的若干个初始连通域；其中，Sobel边缘检测算法和连通域标记算法都是公知技术，具体方法在此不做介绍。
步骤S003：根据每个初始连通域边界上的所有像素点之间的差异，得到每个初始连通域的若干个梯度角度数据序列；根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据之间的差异，得到每个初始连通域的每个梯度角度数据序列的每个梯度角度数据的偏差值；根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据以及所述的所有梯度角度数据偏差值之间的差异，得到每个初始连通域的待调整参考值。
所需说明的是：由于凸起区域反光形成的边缘的形状较为简单或规则，且区域较大，其梯度方向相似且对应像素点相临近的边缘段较长，若将其用不同的梯度变化率划分为若干段，具有较少的分段，且每一段间的波动较小；而字符则由于其独立性，所以字符区域的边缘形状较为复杂，每一笔都较短，且不同笔画间的方向不同，因此其梯度方向的波动频幅较大，即每一段具有相似梯度方向的边缘较短，具有较多的分序列段，且各分段的梯度方向变化较大；据此构建增强系数。
使用sobel边缘检测算法对电容器灰度图像进行运算，得到每个像素点的梯度角度值；其中，Sobel边缘检测算法是公知技术，具体方法在此不做介绍。
预设的夹角阈值T为15度，以此为例进行叙述。
在第个初始连通域边界上的任选一个像素点进行以下操作：
步骤（1）：将第个初始连通域边界上的任意一个像素点，记为第一起始点；
步骤（2）：从第一起始点开始，以顺时针方向，沿着第个初始连通域边界逐个像素点遍历，将第一起始点与遍历到的第一个像素点连接的直线，记为初始直线，当初始直线和第一起始点与遍历到的任意一个像素点连接的直线的最小夹角大于T时，将该遍历到的任意一个像素点，记为第一截止点；根据第一起始点到第一截止点所遍历到的所有像素点的梯度角度值，构成第一梯度角度数据序列；
步骤（3）：将第一截止点记为第二起始点，重复步骤（2）得到第二截止点以及第二梯度角度数据序列；
步骤（4）：将第二截止点记为第三起始点，重复步骤（2）和步骤（3），直至第一起始点到任意一个截止点所遍历的像素点数量大于时，停止遍历，得到第个初始连通域对应的若干个梯度角度数据序列；其中，为预设的比例阈值，本实施例预设的比例阈值为0.5，以此为例进行叙述，为第个初始连通域边界上的像素点数量。
则第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值的具体计算公式为：
其中，表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的数量；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值。
所需说明的是：的值越大，则第个初始连通域的第个梯度角度数据序列的第个梯度角度数据相对整个序列的方向的变化越大。
通过上述过程，得到了第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值。
将每个初始连通域的每个梯度角度数据序列的每个梯度角度数据按照上述过程进行运算，得到每个初始连通域的每个梯度角度数据序列的每个梯度角度数据的偏差值。
则第个初始连通域的第个梯度角度数据序列的波动参考值的具体计算公式为：
其中，表示第个初始连通域的第个梯度角度数据序列的波动参考值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的数量；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的偏差值的均值；表示开平方运算。
所需说明的是：表示第个初始连通域的第个梯度角度数据序列中梯度方向的波动程度，波动程度越大，说明第个初始连通域的第个梯度角度数据序列对应的边缘波动更加频繁，说明边缘越是曲折，即在第个初始连通域的第个梯度角度数据序列对应的边缘段附近的形状更复杂，说明第个初始连通域属于字符区域的可能性越大。
通过上述过程，得到了第个初始连通域的第个梯度角度数据序列的波动参考值。
将每个初始连通域的每个梯度角度数据序列按照上述过程进行运算，得到了每个初始连通域的每个梯度角度数据序列的波动参考值。
则第个初始连通域的待调整参考值的具体计算公式为：
其中，表示第个初始连通域的待调整参考值；表示第个初始连通域的第个梯度角度数据序列的波动参考值；表示第个初始连通域的所有梯度角度数据序列的数量；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示的是绝对值。
所需说明的是：表示第个初始连通域的第个梯度角度数据序列相对于相邻的梯度角度数据序列间的变化幅度，变化幅度越大，说明第个初始连通域的第个梯度角度数据序列相对于相邻的梯度角度数据序列的梯度方向改变越大，即在第个初始连通域的第个梯度角度数据序列对应的边缘段附近的形状更复杂，说明第个初始连通域属于字符区域的可能性越大。
进一步所需说明的是：当第个初始连通域的梯度角度数据序列的数量少于三个时，说明连通域的边缘越不曲折，故越不可能为字符，因此本实施例令此时的初始连通域的变换参数为1，即不对该初始连通域进行增强。
通过上述过程，得到第个初始连通域的待调整参考值。
将所有初始连通域按照上述过程进行运算，得到每个初始连通域的待调整参考值。
步骤S004：根据每个初始连通域的待调整参考值，得到每个初始连通域的变换参数；在电容器灰度图像中，根据每个初始连通域对应的变换参数对每个初始连通域进行图像增强，得到增强后的电容器灰度图像；根据增强后的电容器灰度图像与电容器表面标准的标签文本内容，得到最终的识别结果。
所需说明的是：凸起区域由于反光，造成了图像中的字符难以识别。待调整参考值较大的初始连通域，是字符的可能性就越大，所以对其进行图像增强的程度较大，反之则进行图像增强的程度就较小。所以选取伽马变换对不同初始连通域进行不同程度的增强。
仍以第个初始连通域为例，将第个初始连通域的待调整参考值代入函数中进行运算，得到第个初始连通域的变换参数。
其中，第个初始连通域的变换参数的计算公式为：
；
其中，为第个初始连通域的变换参数；为第个初始连通域的待调整参考值；
所需说明的是：表示以自然常数为底的指数函数。
将每个初始连通域的待调整参考值按照上述过程进行运算，得到每个初始连通域的变换参数。
将每个初始连通域的变换参数作为伽马校正图像增强算法的伽马值，在电容器灰度图像中，使用伽马校正图像增强算法分别对所有初始连通域进行增强，得到增强后的电容器灰度图像。其中，伽马校正图像增强为公知技术，在此不做具体介绍。
所需说明的是：本实施例中初始连通域可能包含字符区域和反光区域，当待调整参考值较大时，越可能为字符区域，当待调整参考值较小时，越可能为反光区域，已知伽马值的增大会增加图像的对比度，使得图像中的亮部和暗部之间的差异更加明显，相反，伽马值的减小会降低对比度，使得图像看起来更加平坦。因此本实施例使用较大的伽马值对字符区域进行增强，提高字符区域的对比度，从而提高字符识别的准确性，使用较小的伽马值对反光区域进行增强，降低反光造成的高亮的影响，从而提高字符识别的准确性。
通过OCR算法对增强后的电容器灰度图像进行运算，得到增强后的电容器灰度图像中标签的文本内容，将电容器表面标准的标签文本内容与增强后的电容器灰度图像中标签的文本内容进行比较，当电容器表面标准的标签文本内容与增强后的电容器灰度图像中标签的文本内容相同时，则表示增强后的电容器灰度图像中标签的文本内容完整，不相同时，则表示增强后的电容器灰度图像中标签的文本内容不完整。其中，OCR算法为公知技术，具体方法在此不做介绍。
如果检测到增强后的电容器灰度图像中标签的文本内容不完整，则发出对应的警报机制，提醒操作人员进行人工检查或进行报废处理，并生成相关日志以便工厂后期进行生产线优化。
至此，本发明完成。
综上所述，在本发明实施例中，获取电容器表面标准的标签文本内容、电容器灰度图像以及初始连通域，根据初始连通域边界上的像素点之间的差异，得到梯度角度数据序列；根据梯度角度数据之间的差异，得到每个梯度角度数据的偏差值，根据梯度角度数据的偏差值之间的差异，得到每个初始连通域的待调整参考值，根据待调整参考值，得到变换参数，根据每个初始连通域对应的变换参数对每个初始连通域进行图像增强，得到增强后的电容器灰度图像，根据增强后的电容器灰度图像，得到最终的识别结果。本发明通过对电容器灰度图像进行增强，来提高电容器灰度图像的清晰度，从而提高识别的准确性。
本发明还提供了一种电容器缺陷检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述存储器存储的计算机程序，以实现前述所述的一种电容器缺陷检测方法的步骤。
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 (5)
1.一种电容器缺陷检测方法，其特征在于，该方法包括以下步骤：
获取电容器表面标准的标签文本内容以及电容器灰度图像；
获取电容器灰度图像中若干个初始连通域；
根据每个初始连通域边界上的所有像素点之间的差异，得到每个初始连通域的若干个梯度角度数据序列；根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据之间的差异，得到每个初始连通域的每个梯度角度数据序列的每个梯度角度数据的偏差值；根据每个初始连通域的每个梯度角度数据序列的所有梯度角度数据之间的差异，以及所述的所有梯度角度数据偏差值之间的差异，得到每个初始连通域的待调整参考值；
根据每个初始连通域的待调整参考值，得到每个初始连通域的变换参数；在电容器灰度图像中，根据每个初始连通域对应的变换参数对每个初始连通域进行图像增强，得到增强后的电容器灰度图像；根据增强后的电容器灰度图像与电容器表面标准的标签文本内容，得到最终的识别结果；
其中，梯度角度的获取方法为：使用sobel边缘检测算法对电容器灰度图像进行运算，得到每个像素点的梯度角度值；
其中，每个初始连通域的待调整参考值的获取方法为：
根据第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的偏差值，得到第个初始连通域的第个梯度角度数据序列的波动参考值；
根据第个初始连通域的每个梯度角度数据序列的波动参考值以及所有的梯度角度数据，得到第个初始连通域的待调整参考值；
其中，待调整参考值的具体计算公式为：
其中，表示第个初始连通域的待调整参考值；表示第个初始连通域的第个梯度角度数据序列的波动参考值；表示第个初始连通域的所有梯度角度数据序列的数量；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；表示的是绝对值；
其中，得到每个初始连通域的每个梯度角度数据序列的每个梯度角度数据的偏差值的具体计算公式为：
其中，表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的数量；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据；表示第个初始连通域的第个梯度角度数据序列的第i个梯度角度数据；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的均值；
其中，得到第个初始连通域的第个梯度角度数据序列的波动参考值的具体计算公式为：
其中，表示第个初始连通域的第个梯度角度数据序列的波动参考值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的数量；表示第个初始连通域的第个梯度角度数据序列的第个梯度角度数据的偏差值；表示第个初始连通域的第个梯度角度数据序列的所有梯度角度数据的偏差值的均值；表示开平方运算；
其中，根据每个初始连通域的待调整参考值，得到每个初始连通域的变换参数，包括的具体步骤如下：
将第个初始连通域的待调整参考值代入函数中进行运算，得到第个初始连通域的变换参数；
第个初始连通域的变换参数的计算公式为：
；
其中，为第个初始连通域的变换参数；为第个初始连通域的待调整参考值；
其中，表示以自然常数为底的指数函数。
2.根据权利要求1所述一种电容器缺陷检测方法，其特征在于，所述获取电容器灰度图像中若干个初始连通域，包括的具体步骤如下：
根据电容器灰度图像中像素点灰度值，使用Sobel边缘检测算法对电容器灰度图像进行边缘检测，得到电容器灰度图像中的若干个边缘像素点；
根据电容器灰度图像中的所有边缘像素点，使用连通域标记算法对电容器灰度图像进行连通域标记提取，得到电容器灰度图像中的若干个初始连通域。
3.根据权利要求1所述一种电容器缺陷检测方法，其特征在于，所述根据每个初始连通域边界上的所有像素点之间的差异，得到每个初始连通域的若干个梯度角度数据序列，包括的具体步骤如下：
在第个初始连通域边界上的任选一个像素点进行以下操作：
步骤（1）：将第个初始连通域边界上的任意一个像素点，记为第一起始点；
步骤（2）：从第一起始点开始，以顺时针方向，沿着第个初始连通域边界逐个像素点遍历，将第一起始点与遍历到的第一个像素点连接的直线，记为初始直线，当初始直线和第一起始点与遍历到的任意一个像素点连接的直线的最小夹角大于T时，将所述遍历到的任意一个像素点，记为第一截止点；根据第一起始点到第一截止点所遍历到的所有像素点的梯度角度值，构成第一梯度角度数据序列；其中，T为预设的夹角阈值；
步骤（3）：将第一截止点记为第二起始点，重复步骤（2）得到第二截止点以及第二梯度角度数据序列；
步骤（4）：将第二截止点记为第三起始点，重复步骤（2）和步骤（3），直至第一起始点到任意一个截止点所遍历的像素点数量大于时，停止遍历，得到第个初始连通域对应的若干个梯度角度数据序列；其中，为预设的比例阈值，为第个初始连通域边界上的像素点数量。
4.根据权利要求1所述一种电容器缺陷检测方法，其特征在于，所述根据增强后的电容器灰度图像与电容器表面标准的标签文本内容，得到最终的识别结果，包括的具体步骤如下：
通过OCR算法对增强后的电容器灰度图像进行运算，得到增强后的电容器灰度图像中标签的文本内容；
当电容器表面标准的标签文本内容与增强后的电容器灰度图像中标签的文本内容相同时，判定增强后的电容器灰度图像中标签的文本内容完整；
当电容器表面标准的标签文本内容与增强后的电容器灰度图像中标签的文本内容不相同时，判定增强后的电容器灰度图像中标签的文本内容不完整。
5.一种电容器缺陷检测系统，包括存储器、处理器以及存储在存储器上并在处理器上运行的计算机程序，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1-4任一项所述的一种电容器缺陷检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410961341.9A CN118505692B (zh) | 2024-07-18 | 2024-07-18 | 一种电容器缺陷检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410961341.9A CN118505692B (zh) | 2024-07-18 | 2024-07-18 | 一种电容器缺陷检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118505692A CN118505692A (zh) | 2024-08-16 |
| CN118505692B true CN118505692B (zh) | 2024-10-11 |
Family
ID=92246931
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410961341.9A Active CN118505692B (zh) | 2024-07-18 | 2024-07-18 | 一种电容器缺陷检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118505692B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108427946A (zh) * | 2018-03-16 | 2018-08-21 | 福州大学 | 复杂场景下基于内特征和文本域布局的驾驶证检测识别方法 |
| CN116385315A (zh) * | 2023-05-31 | 2023-07-04 | 日照天一生物医疗科技有限公司 | 用于肿瘤治疗仪模拟消融的图像增强方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117232791B (zh) * | 2023-11-07 | 2024-02-09 | 智翼博智能科技(苏州)有限公司 | 一种光学膜表面瑕疵缺陷智能检测方法 |
-
2024
- 2024-07-18 CN CN202410961341.9A patent/CN118505692B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108427946A (zh) * | 2018-03-16 | 2018-08-21 | 福州大学 | 复杂场景下基于内特征和文本域布局的驾驶证检测识别方法 |
| CN116385315A (zh) * | 2023-05-31 | 2023-07-04 | 日照天一生物医疗科技有限公司 | 用于肿瘤治疗仪模拟消融的图像增强方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118505692A (zh) | 2024-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113592845A (zh) | 一种电池涂布的缺陷检测方法及装置、存储介质 | |
| CN109872303B (zh) | 表面缺陷视觉检测方法、装置和电子设备 | |
| US9679354B2 (en) | Duplicate check image resolution | |
| CN107657209B (zh) | 一种基于手指静脉图像质量的模板图像注册机制 | |
| CN115063430B (zh) | 基于图像处理的电气管道裂纹检测方法 | |
| CN117218122B (zh) | 基于图像数据的手表外壳质量检测方法 | |
| CN112734729B (zh) | 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质 | |
| CN117541582B (zh) | 一种高频变频器igbt绝缘质量检测方法 | |
| CN108932449B (zh) | 一种基于聚类的条码二值化方法及系统 | |
| CN116152261B (zh) | 一种印刷制品质量的视觉检测系统 | |
| CN116682112B (zh) | 一种多糖测试数据存储及数字化方法 | |
| CN113609984A (zh) | 一种指针式仪表读数识别方法、装置及电子设备 | |
| CN114066862A (zh) | 一种基于色域和轮廓特征的指示器识别方法及系统 | |
| CN114937006A (zh) | 一种基于图像增强的锤头精细化缺陷检测方法 | |
| CN114255468A (zh) | 一种笔迹识别方法及其相关设备 | |
| CN116863253A (zh) | 基于大数据分析的运维风险预警方法 | |
| CN106815851B (zh) | 一种基于视觉测量的栅格圆形油位计自动读数方法 | |
| CN111444773A (zh) | 一种基于图像的多目标分割识别方法及系统 | |
| CN117974637B (zh) | 基于图像特征的引导轮裂纹缺陷智能检测方法及系统 | |
| CN118505692B (zh) | 一种电容器缺陷检测方法及系统 | |
| CN116958126B (zh) | 基于计算机视觉的模具注塑检测方法及系统 | |
| CN117557565A (zh) | 一种锂电池极片的检测方法及其装置 | |
| CN117522778A (zh) | 一种空心砖瑕疵检测系统 | |
| CN115909151A (zh) | 一种复杂工作条件下运动容器编号识别方法 | |
| CN110188601B (zh) | 一种基于学习的机场遥感图像检测方法 |
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 |