CN106778726A - 板卡定位方法及装置 - Google Patents

板卡定位方法及装置 Download PDF

Info

Publication number
CN106778726A
CN106778726A CN201611154130.6A CN201611154130A CN106778726A CN 106778726 A CN106778726 A CN 106778726A CN 201611154130 A CN201611154130 A CN 201611154130A CN 106778726 A CN106778726 A CN 106778726A
Authority
CN
China
Prior art keywords
board
point
distributor plate
detected
detection camera
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.)
Granted
Application number
CN201611154130.6A
Other languages
English (en)
Other versions
CN106778726B (zh
Inventor
陈亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201611154130.6A priority Critical patent/CN106778726B/zh
Publication of CN106778726A publication Critical patent/CN106778726A/zh
Application granted granted Critical
Publication of CN106778726B publication Critical patent/CN106778726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Abstract

一种板卡定位方法，用于对传动带上的待检测板卡进行定位，包括：获取样本板卡的样本特征点的数量；实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间。从而能够逆着流水线的方向依次对所有待检测板卡进行定位，将所述第一块待检测板卡快速分出。本发明同时还公开了一种板卡定位装置。

Description

板卡定位方法及装置
技术领域
本发明涉及板卡生产技术领域，特别涉及一种板卡定位方法及装置。
背景技术
随着家电产业的迅速发展和人们生活水平的提高，电视早已走进千家万户，成为每个家庭必不可少的电器，同时电视也由传统的黑白电视发展为彩色电视，再由彩色电视发展为现在的液晶电视，其中，板卡是液晶电视的重要组成部分。
目前，随着自动化生产水平的提高，板卡的生产方式已经采用自动化定位。具体而言，是采用AOI系统探测板卡移动到摄像头的拍摄范围内，并且使用红外、激光等外部传感器自动截取板卡的图像信息，从而根据图像信息对板卡的位置进行定位。
上述根据图像信息对待检测板卡的位置进行定位的方式中，要确保在摄像头的拍摄范围内只有一块待检测板卡，当待检测板卡超过一块时，就无法按照定位顺序依次进行定位。
发明内容
基于此，本发明的目的是提供一种板卡定位方法及装置，能够逆着流水线的方向依次对待检测板卡进行定位。
一种板卡定位方法，用于对传动带上的待检测板卡进行定位，包括：
获取样本板卡的样本特征点的数量；
实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；
根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间。
上述板卡定位方法中，所述根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置的步骤具体包括：
以所述检测相机的视野范围内中的左上角点为原点建立坐标系，逆着流水线方向为X轴；
计算所述分板线的值，所述分板线的值满足以下条件：
x＝w*((n*k)/m)，
其中，x为所述分板线的值，w为所述检测相机的分辨率，n为所述样本特征点的数量，k为预设的分板系数，m为所述总特征点的数量。
上述板卡定位方法中，所述预设的分板系数k的值满足条件：1<k<1.3。
上述板卡定位方法中，所述根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置的步骤之后，所述板卡定位方法还包括：
获取所述分板线顺着流水线方向至所述检测相机的视野边缘之间的当前特征点的数量；
过滤所述当前特征点；
计算所述样本特征点与过滤后的所述当前特征点之间的单应矩阵；
根据所述单应矩阵计算所述第一块待检测板卡的精确位置。
上述板卡定位方法中，所述过滤所述当前特征点的步骤具体包括：
采用K近邻算法对所述当前特征点进行过滤。
一种板卡定位装置，包括：
获取模块，用于获取样本板卡的样本特征点的数量；
第一获取子模块，用于实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；
确定模块，用于根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间。
上述板卡定位装置中，所述确定模块包括：
建立模块，用于以所述检测相机的视野范围内逆着流水线方向的第一边缘为界限，建立逆着流水线方向的单轴坐标系；
计算模块，用于计算所述分板线的值，所述分板线的值满足以下条件：
x＝w*((n*k)/m)，
其中，x为所述分板线的值，w为所述检测相机的分辨率，n为所述样本特征点的数量，k为预设的分板系数，m为所述总特征点的数量。
上述板卡定位装置中，所述板卡定位装置还包括设置模块，所述设置模块用于设置所述预设的分板系数k的值，所述预设的分板系数k满足条件：1<k<1.3。
上述板卡定位装置中，所述板卡定位装置还包括：
第二获取子模块，用于获取所述分板线顺着流水线方向至所述检测相机的视野边缘之间的当前特征点的数量；
过滤模块，用于过滤所述当前特征点；
第一计算子模块，用于计算所述样本特征点与过滤后的所述当前特征点之间的单应矩阵；
第二计算子模块，用于根据所述单应矩阵计算所述第一块待检测板卡的精确位置。
上述板卡定位装置中，所述过滤模块采用K近邻算法对所述当前特征点进行过滤。
相较现有技术，本发明所述板卡定位方法及装置中，通过获取所述样本板卡的样本特征点的数量和实时获取所述检测相机的视野范围内的所有待检测板卡上的总特征点的数量来确定分板线的位置，从而能够逆着流水线的方向依次对所有待检测板卡进行定位，将所述第一块待检测板卡快速分出。
附图说明
图1为本发明第一实施例中提供的板卡定位方法的流程图；
图2为图1中确定分板线的位置示意图；
图3为图1中确定分板线的位置的步骤的流程图；
图4为本发明第二实施例中提供的板卡定位方法的流程图；
图5为本发明第一、第二实施例中的板卡定位装置的结构框图。
主要元件符号说明：
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
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。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1和图2，为本发明第一实施例中提供的一种板卡定位方法，用于对传动带上的待检测板卡进行定位，包括：
步骤S101，获取样本板卡的样本特征点的数量；
步骤S102，实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；
步骤S103，根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间。
具体的，本实施例中，当所述传送带顺着流水线方向移动，所述第二块待检测板卡成为所述第一块待检测板卡时，采用上述步骤确定所述分板线的位置，后续的待检测板卡同样采用上述步骤依次进行确定所述分板线的位置。
具体的，在步骤S101中，所述样本板卡为板卡生产过程中的规格较为标准的、特征点易识别的板卡。在获取所述样本板卡的样本特征点的数量时，所述样本板卡一般由技术员放置在所述检测相机的下方，所以所述检测相机的视野范围内只存在所述样本板卡。
具体的，在步骤S102中，由于板卡生产过程中，所述检测相机的视野范围内的板卡一般不止一个，此时获取的总特征点的数量大于样本特征点的数量，因此需要对获取的总特征点的数量进行筛选才能选出逆着流水线方向的所述第一块待检测板卡。
请参阅图2和图3，所述确定分板线的位置的步骤具体包括：
步骤S1031，以所述检测相机的视野范围内中的左上角点为原点建立坐标系，逆着流水线方向为X轴；
步骤S1032，计算所述分板线的值，所述分板线的值满足以下条件：
x＝w*((n*k)/m)，
其中，x为所述分板线的值，w为所述检测相机的分辨率，n为所述样本特征点的数量，k为预设的分板系数，m为所述总特征点的数量。
具体的，在步骤S1032中，所述预设的分板系数k的值满足条件：1<k<1.3。所述预设的分板系数k的值一般根据技术员的经验来取值。由于在获取特征点的过程中，一方面有可能获取到所述检测相机的视野范围内其它物体(例如：皮带、治具等)上的特征点，所以所述预设的分板系数k的值需大于1，同时所述预设的分板系数k的值不易过大，因为过大的话，会将所述检测相机的视野范围内其它的板卡上的特征点纳入其中。
具体的，本实施例中，不需要保证所述检测相机的视野内有唯一待检测板卡，通过使用上述方法对所有待检测板卡进行定位，可以自动确定所述分板线的位置，且定位速度快，可实时将流水线上的所述第一块待检测板卡快速分出。
请参阅图4，为本发明第二实施例中提供的一种板卡定位方法，包括：
步骤S201，获取样本板卡的样本特征点的数量；
步骤S202，实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；
步骤S203，根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间。
步骤S204，获取所述分板线顺着流水线方向至所述检测相机的视野边缘之间的当前特征点的数量；
步骤S205，过滤所述当前特征点；
步骤S206，计算所述样本特征点与过滤后的所述当前特征点之间的单应矩阵；
步骤S207，根据所述单应矩阵计算所述第一块待检测板卡的精确位置。
具体的，在步骤S205中，所述过滤所述当前特征点的步骤具体包括：采用K近邻算法对所述当前特征点进行过滤。过滤过程中，将外围的所述当前特征点过滤掉，只留下与所述样本特征点能够建立对应关系的所述当前特征点。
请参阅图5，一种板卡定位装置，包括：
获取模块10，用于获取样本板卡的样本特征点的数量；
第一获取子模块101，用于实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；
确定模块11，用于根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间
上述板卡定位装置中，所述确定模块11包括：
建立模块111，用于以所述检测相机的视野范围内逆着流水线方向的第一边缘为界限，建立逆着流水线方向的单轴坐标系；
计算模块112，用于计算所述分板线的值，所述分板线的值满足以下条件：
x＝w*((n*k)/m)，
其中，x为所述分板线的值，w为所述检测相机的分辨率，n为所述样本特征点的数量，k为预设的分板系数，m为所述总特征点的数量。
上述板卡定位装置中，所述板卡定位装置还包括设置模块12，所述设置模块12用于设置所述预设的分板系数k的值，所述预设的分板系数k满足条件：1<k<1.3。
上述板卡定位装置中，所述板卡定位装置还包括：
第二获取子模块102，用于获取所述分板线顺着流水线方向至所述检测相机的视野边缘之间的当前特征点的数量；
过滤模块13，用于过滤所述当前特征点；
第一计算子模块1121，用于计算所述样本特征点与过滤后的所述当前特征点之间的单应矩阵；
第二计算子模块1122，用于根据所述单应矩阵计算所述第一块待检测板卡的精确位置。
上述板卡定位装置中，所述过滤模块13采用K近邻算法对所述当前特征点进行过滤。
相较现有技术，本发明所述板卡定位方法及装置中，通过获取样本板卡的样本特征点的数量和实时获取所述检测相机的视野范围内的所有待检测板卡上的总特征点的数量来确定分板线的位置，从而能够逆着流水线的方向依次对所有待检测板卡进行定位，将所述第一块待检测板卡快速分出。
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本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)

1.一种板卡定位方法，用于对传动带上的待检测板卡进行定位，其特征在于，包括：
获取样本板卡的样本特征点的数量；
实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；
根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间。
2.根据权利要求1所述的板卡定位方法，其特征在于，所述根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置的步骤具体包括：
以所述检测相机的视野范围内中的左上角点为原点建立坐标系，逆着流水线方向为X轴；
计算所述分板线的值，所述分板线的值满足以下条件：
x＝w*((n*k)/m)，
其中，x为所述分板线的值，w为所述检测相机的分辨率，n为所述样本特征点的数量，k为预设的分板系数，m为所述总特征点的数量。
3.根据权利要求2所述的板卡定位方法，其特征在于，所述预设的分板系数k的值满足条件：1<k<1.3。
4.根据权利要求1或2所述的板卡定位方法，其特征在于，所述根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置的步骤之后，所述板卡定位方法还包括：
获取所述分板线顺着流水线方向至所述检测相机的视野边缘之间的当前特征点的数量；
过滤所述当前特征点；
计算所述样本特征点与过滤后的所述当前特征点之间的单应矩阵；
根据所述单应矩阵计算所述第一块待检测板卡的精确位置。
5.根据权利要求4所述的板卡定位方法，其特征在于，所述过滤所述当前特征点的步骤具体包括：
采用K近邻算法对所述当前特征点进行过滤。
6.一种板卡定位装置，其特征在于，包括：
获取模块，用于获取样本板卡的样本特征点的数量；
第一获取子模块，用于实时获取检测相机的视野范围内所有待检测板卡上的总特征点的数量；
确定模块，用于根据所述样本特征点的数量和所述总特征点的数量确定分板线的位置，使所述分板线位于所述检测相机的视野范围内逆着流水线方向的第一块待检测板卡与第二块待检测板卡之间。
7.根据权利要求6所述的板卡定位装置，其特征在于，所述确定模块包括：
建立模块，用于以所述检测相机的视野范围内逆着流水线方向的第一边缘为界限，建立逆着流水线方向的单轴坐标系；
计算模块，用于计算所述分板线的值，所述分板线的值满足以下条件：
x＝w*((n*k)/m)，
其中，x为所述分板线的值，w为所述检测相机的分辨率，n为所述样本特征点的数量，k为预设的分板系数，m为所述总特征点的数量。
8.根据权利要求7所述的板卡定位装置，其特征在于，所述板卡定位装置还包括设置模块，所述设置模块用于设置所述预设的分板系数k的值，所述预设的分板系数k满足条件：1<k<1.3。
9.根据权利要求6或7所述的板卡定位装置，其特征在于，所述板卡定位装置还包括：
第二获取子模块，用于获取所述分板线顺着流水线方向至所述检测相机的视野边缘之间的当前特征点的数量；
过滤模块，用于过滤所述当前特征点；
第一计算子模块，用于计算所述样本特征点与过滤后的所述当前特征点之间的单应矩阵；
第二计算子模块，用于根据所述单应矩阵计算所述第一块待检测板卡的精确位置。
10.根据权利要求9所述的板卡定位装置，其特征在于，所述过滤模块采用K近邻算法对所述当前特征点进行过滤。
CN201611154130.6A 2016-12-14 2016-12-14 板卡定位方法及装置 Active CN106778726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611154130.6A CN106778726B (zh) 2016-12-14 2016-12-14 板卡定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611154130.6A CN106778726B (zh) 2016-12-14 2016-12-14 板卡定位方法及装置

Publications (2)

Publication Number Publication Date
CN106778726A true CN106778726A (zh) 2017-05-31
CN106778726B CN106778726B (zh) 2020-06-30

Family

ID=58888656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611154130.6A Active CN106778726B (zh) 2016-12-14 2016-12-14 板卡定位方法及装置

Country Status (1)

Country Link
CN (1) CN106778726B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1668413A (zh) * 2002-07-11 2005-09-14 原子能委员会 利用激光加工物体的系统和方法
CN101204764A (zh) * 2006-12-22 2008-06-25 崔玥 素材空间切割设备
CN101365144A (zh) * 2008-10-14 2009-02-11 北京信息科技大学 线阵ccd扫描检测系统的调整及标定方法
CN102141376A (zh) * 2011-01-06 2011-08-03 大连理工大学 一种基于辅助基准的机器视觉检测系统及检测方法
KR20110116609A (ko) * 2010-04-19 2011-10-26 인하대학교 산학협력단 그래픽 가속기 기반 고속 ｓｌａｍ 시스템 및 방법
CN103390280A (zh) * 2013-07-26 2013-11-13 无锡信捷电气股份有限公司 基于灰度-梯度二维对称Tsallis交叉熵的快速阈值分割方法
CN204448624U (zh) * 2015-01-19 2015-07-08 无锡桑尼安科技有限公司 基于老叶识别的智能化茶叶分拣系统
CN104858155A (zh) * 2015-06-12 2015-08-26 西安交通大学 一种多线接力包裹分拣物联网视觉检测方法及系统装置
CN105282399A (zh) * 2015-10-21 2016-01-27 中国科学院自动化研究所 基于数字电路和稀疏点配准的零延迟电子稳像方法
CN105336221A (zh) * 2014-08-01 2016-02-17 深圳中集天达空港设备有限公司 一种入坞飞机实时捕获方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1668413A (zh) * 2002-07-11 2005-09-14 原子能委员会 利用激光加工物体的系统和方法
CN101204764A (zh) * 2006-12-22 2008-06-25 崔玥 素材空间切割设备
CN101365144A (zh) * 2008-10-14 2009-02-11 北京信息科技大学 线阵ccd扫描检测系统的调整及标定方法
KR20110116609A (ko) * 2010-04-19 2011-10-26 인하대학교 산학협력단 그래픽 가속기 기반 고속 ｓｌａｍ 시스템 및 방법
CN102141376A (zh) * 2011-01-06 2011-08-03 大连理工大学 一种基于辅助基准的机器视觉检测系统及检测方法
CN103390280A (zh) * 2013-07-26 2013-11-13 无锡信捷电气股份有限公司 基于灰度-梯度二维对称Tsallis交叉熵的快速阈值分割方法
CN105336221A (zh) * 2014-08-01 2016-02-17 深圳中集天达空港设备有限公司 一种入坞飞机实时捕获方法及系统
CN204448624U (zh) * 2015-01-19 2015-07-08 无锡桑尼安科技有限公司 基于老叶识别的智能化茶叶分拣系统
CN104858155A (zh) * 2015-06-12 2015-08-26 西安交通大学 一种多线接力包裹分拣物联网视觉检测方法及系统装置
CN105282399A (zh) * 2015-10-21 2016-01-27 中国科学院自动化研究所 基于数字电路和稀疏点配准的零延迟电子稳像方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
翟敬梅 等: "基于视觉引导的工业机器人定位抓取系统设计", 《机械设计与研究》 *

Also Published As

Publication number Publication date
CN106778726B (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
CN105453153B (zh) 交通灯检测
CN105865329B (zh) 基于视觉的成捆圆钢端面中心坐标的获取系统和方法
CN102938077A (zh) 基于双阈值二值化的在线式aoi图像检索方法
CN109060842B (zh) 基于曲面拟合校正的柑橘表面缺陷检测方法
CN111738045B (zh) 一种图像检测方法、装置、电子设备及存储介质
CN105139384B (zh) 缺陷胶囊检测的方法和装置
CN108593645A (zh) 一种尿液试纸的检测结果确定方法及确定装置
JP2018029250A5 (zh)
CN110909694A (zh) 获取分光器端口信息的方法、装置、终端以及存储介质
CN107749071A (zh) 大畸变棋盘格图像角点检测方法及装置
Maheshwari et al. Non-destructive quality analysis of Indian Gujarat-17 Oryza sativa SSP Indica (Rice) using image processing
CN107909554B (zh) 图像降噪方法、装置、终端设备及介质
CN107230212B (zh) 一种基于视觉的手机尺寸的测量方法及系统
CN111223078B (zh) 瑕疵等级判定的方法及存储介质
CN102118547A (zh) 图像加权滤波的方法
KR101583423B1 (ko) 카메라에서 촬영된 영상의 왜곡을 보정하기 위한 영상 왜곡 보정 방법
Wenshu et al. Study on wood board defect detection based on artificial neural network
CN105427278A (zh) Pcb定位点确定方法和系统
CN109920010A (zh) 一种对多相机视觉检测设备进行标定的方法
JP2010008159A (ja) 外観検査処理方法
CN106778726A (zh) 板卡定位方法及装置
CN109509165A (zh) 图像定位区域选取方法及装置
DE102016123194A1 (de) Messvorrichtung, Messverfahren und Produktfertigungsverfagren
CN113614774A (zh) 用于目标涂层的图像数据中的缺陷检测的方法和系统
CN115690104A (zh) 一种晶圆裂缝检测方法、装置及存储介质

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