Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 重庆中科摇橹船信息科技有限公司齐文博获国家专利权

重庆中科摇橹船信息科技有限公司齐文博获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉重庆中科摇橹船信息科技有限公司申请的专利一种基于图像的缺陷自动检测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116894813B

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310785903.4,技术领域涉及:G06T7/00;该发明授权一种基于图像的缺陷自动检测方法及系统是由齐文博;郑道勤;王建力;张超设计研发完成,并于2023-06-29向国家知识产权局提交的专利申请。

一种基于图像的缺陷自动检测方法及系统在说明书摘要公布了:本发明提供一种基于图像的缺陷自动检测方法及系统,应用于一种基于图像的缺陷自动检测系统,包括:开关;光源为待测物品提供照明;相机拍摄待测物品,得到待测图像,将待测图像发送给图像处理系统;图像处理系统获取待测图像,对待测图像进行分割,得到分割图像块、分割图像块的直方图;根据直方图校正图像亮度并计算分割图像块的相关性,当分割图像块的相关性大于相关性阈值,标记分割图像块,得到标记分割图像;获取面积阈值,计算连通的标记分割图像的面积,当面积大于面积阈值,标记此图像,得到标记面积图像;将标记面积图像还原,得到带标记的缺陷图像。本发明能够防止环境光变化导致的误差,不需要手动指定面积阈值,缺陷检测更加准确。

本发明授权一种基于图像的缺陷自动检测方法及系统在权利要求书中公布了:1.一种基于图像的缺陷自动检测方法,其特征在于,应用于包括有开关、光源、相机、以及图像处理系统的一种基于图像的缺陷自动检测系统;其中,所述光源和所述相机位于待测物品上方;所述开关、光源、相机、以及图像处理系统通信连接; 所述方法,包括: 所述开关,控制所述光源的开关和亮度; 所述光源,为所述待测物品提供照明; 所述相机,拍摄待测物品,得到待测图像,将所述待测图像发送给所述图像处理系统; 所述图像处理系统获取待测图像,对所述待测图像进行分割处理,得到多个分割图像块、以及所述分割图像块的直方图;根据所述直方图校正分割图像块亮度,计算多个分割图像块的相关性,响应于分割图像块的相关性大于相关性阈值,标记所述分割图像块,得到标记分割图像;获取面积阈值,计算连通的所述标记分割图像的面积,响应于所述面积大于面积阈值,标记连通的所述标记分割图像,得到标记面积图像;将所述标记面积图像还原为原始尺寸,得到带标记的缺陷图像; 其中,所述获取面积阈值包括: 获取缺陷图像,使用高斯滤波器对所述缺陷图像进行平滑处理,得到标准缺陷图像,基于预设尺寸对所述标准缺陷图像进行分割处理,得到缺陷图像块组;其中,所述缺陷图像块组包括多个缺陷图像分割块; 计算所述缺陷图像块组和无缺陷图像块组的相关性: 其中,sx,y表示缺陷图像分割块和无缺陷图像分割块的相关性,x′表示缺陷图像分割块和无缺陷图像分割块之间横坐标差值,y′表示缺陷图像分割块和无缺陷图像分割块之间纵坐标差值,T表示无缺陷图像块组,I表示缺陷图像块组,c'T表示无缺陷图像块组中某一无缺陷图像分割块横坐标,rT'表示无缺陷图像块组中某一无缺陷图像分割块纵坐标,c'I表示缺陷图像块组中某一缺陷图像分割块横坐标,rI'表示缺陷图像块组中某一缺陷图像分割块纵坐标; 根据如下公式计算相似度类间方差,将所述相似度类间方差最大时的相似度设为相似度阈值: 其中,表示相似度类间方差,P1表示相似度阈值小于等于i的概率,P2表示相似度阈值大于i的概率,m1表示相似度阈值小于等于i的平均相似度,m2表示相似度阈值小于等于i的平均相似度,mG表示平均相似度; 根据所述相似度阈值分割所述缺陷图像,得到多个阈值分割图像; 计算所述阈值分割图像的面积大小,将面积大小最大的阈值分割图像的面积设为面积阈值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人重庆中科摇橹船信息科技有限公司,其通讯地址为:401121 重庆市渝北区杨柳北路6号15层1-4号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。