CN110619629B - 一种cpu插座检测方法和设备 - Google Patents

一种cpu插座检测方法和设备 Download PDF

Info

Publication number
CN110619629B
CN110619629B CN201910850298.8A CN201910850298A CN110619629B CN 110619629 B CN110619629 B CN 110619629B CN 201910850298 A CN201910850298 A CN 201910850298A CN 110619629 B CN110619629 B CN 110619629B
Authority
CN
China
Prior art keywords
pixel
pin
distance
value
cpu socket
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
Application number
CN201910850298.8A
Other languages
English (en)
Other versions
CN110619629A (zh
Inventor
叶磊
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.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology 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 Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN201910850298.8A priority Critical patent/CN110619629B/zh
Publication of CN110619629A publication Critical patent/CN110619629A/zh
Application granted granted Critical
Publication of CN110619629B publication Critical patent/CN110619629B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种CPU插座检测方法和设备，该方法包括以下步骤：获取CPU插座的PIN针的正投影图像并将图像转化为灰度图；获取灰度图中PIN针顶点的像素集；计算像素集的数量并与标准数量对比；计算相邻两个像素集的距离与标准距离的差值；响应于像素集的数量与标准数量相等并且所有差值的绝对值小于阈值，确定CPU插座通过检测。通过使用本发明的方法，能够快速对各类CPU插槽PIN针状态进行检测，同时避免人工检测效率低和误差高的问题。

Description

一种CPU插座检测方法和设备
技术领域
本领域涉及计算机领域，并且更具体地涉及一种CPU插座检测方法和设备。
背景技术
CPU插座具有大量的PIN针与CPU对应位置的PAD点接触，导通信号。目前根据CPU型号的不同，CPU插座PIN针的数量在1千多到3千多个。怎样判断CPU插座的PIN针是符合要求的，没有受外力拉偏或者错位。目前系统组装厂的做法是整个机器全部装完，上电检测；发现问题后，还需专人分析，拆机，检查确认，该做法费时费力。
发明内容
有鉴于此，本发明实施例的目的在于提出一种CPU插座检测方法，能够快速对各类CPU插槽PIN针状态进行检测，同时避免人工检测效率低和误差高的问题，具有检测精度高、重复性好、效率高的优点。
基于上述目的，本发明的实施例的一个方面提供了一种CPU插座检测方法，包括以下步骤：
获取CPU插座的PIN针的正投影图像并将图像转化为灰度图；
获取灰度图中PIN针顶点的像素集；
计算像素集的数量并与标准数量对比；
计算相邻两个像素集的距离与标准距离的差值；
响应于像素集的数量与标准数量相等并且所有差值的绝对值小于阈值，确定CPU插座通过检测。
根据本发明的一个实施例，标准数量为CPU插座的PIN针的数量。
根据本发明的一个实施例，获取灰度图中PIN针顶点的像素集包括：
将每个像素的灰度值与预设阈值对比，大于阈值的像素返回值为255，小于阈值的像素返回值为0，得到黑白图像；
将黑白图像中左上第一个像素设定为起始点，水平逐行扫描黑白图像；
将像素值为255的像素设置为1，像素值为0的像素设置为0，得到0和1的矩阵；
将矩阵中横向纵向连续都为1的小矩阵确定为PIN针的顶点像素集。
根据本发明的一个实施例，计算相邻两个像素集的距离与标准距离的差值包括：
将每个像素集中左上第一个像素点作为PIN针顶点；
计算相邻两个PIN针顶点的距离；
将距离小于2倍标准距离的值设定为有效距离；
计算有效距离与标准距离的差值。
根据本发明的一个实施例，获取CPU插座的PIN针的正投影图像包括：在CPU插座的PIN针的正上方使用高清相机对PIN针拍照，并将照片中非PIN针的部分屏蔽。
本发明的实施例的另一个方面，还提供了一种CPU插座检测设备，其特征在于，设备包括：
至少一个处理器；和
存储器，存储器存储有处理器可运行的程序代码，程序代码在被处理器运行时执行以下步骤：
获取CPU插座的PIN针的正投影图像并将图像转化为灰度图；
获取灰度图中PIN针顶点的像素集；
计算像素集的数量并与标准数量对比；
计算相邻两个像素集的距离与标准距离的差值；
响应于像素集的数量与标准数量相等并且所有差值的绝对值小于阈值，确定CPU插座通过检测。
根据本发明的一个实施例，标准数量为CPU插座的PIN针的数量。
根据本发明的一个实施例，获取灰度图中PIN针顶点的像素集进一步包括：
将每个像素的灰度值与预设阈值对比，大于阈值的像素返回值为255，小于阈值的像素返回值为0，得到黑白图像；
将黑白图像中左上第一个像素设定为起始点，水平逐行扫描黑白图像；
将像素值为255的像素设置为1，像素值为0的像素设置为0，得到0和1的矩阵；
将矩阵中横向纵向连续都为1的小矩阵确定为PIN针的顶点像素集。
根据本发明的一个实施例，计算相邻两个像素集的距离与标准距离的差值进一步包括：
将每个像素集中左上第一个像素点作为PIN针顶点；
计算相邻两个PIN针顶点的距离；
将距离小于2倍标准距离的值设定为有效距离；
计算有效距离与标准距离的差值。
根据本发明的一个实施例，获取CPU插座的PIN针的正投影图像包括：在CPU插座的PIN针的正上方使用高清相机对PIN针拍照，并将照片中非PIN针的部分屏蔽。
本发明具有以下有益技术效果：本发明实施例提供的CPU插座检测方法，通过获取CPU插座的PIN针的正投影图像并将图像转化为灰度图；获取灰度图中PIN针顶点的像素集；计算像素集的数量并与标准数量对比；计算相邻两个像素集的距离与标准距离的差值；响应于像素集的数量与标准数量相等并且所有差值的绝对值小于阈值，确定CPU插座通过检测的技术方案，能够快速对各类CPU插槽PIN针状态进行检测，同时避免人工检测效率低和误差高的问题，具有检测精度高、重复性好、效率高的优点。
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实施例。
图1为根据本发明一个实施例的CPU插座检测方法的示意性流程图；
图2为根据本发明一个实施例的CPU插座PIN针的正投影图像的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
基于上述目的，本发明的实施例的第一个方面，提出了一种CPU插座检测方法的一个实施例。图1示出的是该方法的示意性流程图。
如图1中所示，该方法可以包括以下步骤：
S1获取CPU插座的PIN针的正投影图像并将图像转化为灰度图。例如，根据标准化参数将每个像素的RGB(红绿蓝：三基色)值按照0.3、0.59、0.11的系数进行加权，得到像素的灰度值。
S2获取灰度图中PIN针顶点的像素集；
S3计算像素集的数量并与标准数量对比；
S4计算相邻两个像素集的距离与标准距离的差值；
S5响应于像素集的数量与标准数量相等并且所有差值的绝对值小于阈值，确定CPU插座通过检测。该阈值范围可以在分析时设定一个合理的范围，一般由于图像光线或清晰度或其他原因会造成图片转换为灰度图时产生误差，为了减少该误差造成的误判断，可以将上述阈值设为5至10个像素。
因为针脚结构设计的原因，每个针脚的顶点位置反光度最高，灰度值大。对CPU插座进行拍照，将照片灰度化处理，设定一个灰度值作为阈值，筛选出图片中每个针脚顶点的位置和数量。通过对识别出的针脚数量，位置，相互之间距离的对比，确定插槽所有针脚是不是符合设计要求。
通过以上技术方案，能够快速对各类CPU插槽PIN针状态进行检测，同时避免人工检测效率低和误差高的问题，具有检测精度高、重复性好、效率高的优点。
在本发明的一个优选实施例中，标准数量为CPU插座的PIN针的数量，Intel台式CPU第9代酷睿有1151PIN针，Intel服务器至强系列有3647PIN针。
在本发明的一个优选实施例中，获取灰度图中PIN针顶点的像素集包括：
将每个像素的灰度值与预设阈值对比，大于阈值的像素返回值为255，小于阈值的像素返回值为0，得到黑白图像；
将黑白图像中左上第一个像素设定为起始点，水平逐行扫描黑白图像；
将像素值为255的像素设置为1，像素值为0的像素设置为0，得到0和1的矩阵；
将矩阵中横向纵向连续都为1的小矩阵确定为PIN针的顶点像素集。
设定图片一个角为起始点(例如左上角顶点的第一个像素)，水平逐行扫描黑白图像每个像素的灰度值，根据扫描的结果，得到一个矩阵，示例如下所示，1代表灰度值255(全白)，0代表灰度值0(全黑)。
00000000001111100000111110000011111000001111100000000000000
00000000001111100000111110000011111000001111100000000000000
00000000001111100000111110000011111000001111100000000000000
00000000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000000
00000000001111100000111110000011111000001111100000000000000
00000000001111100000111110000011111000001111100000000000000
00000000001111100000111110000011111000001111100000000000000
……………
例如上面矩阵中11列至15列，第1行至3行全为1，该区域为PIN针的顶点像素集。
在本发明的一个优选实施例中，计算相邻两个像素集的距离与标准距离的差值包括：
将每个像素集中左上第一个像素点作为PIN针顶点；
计算相邻两个PIN针顶点的距离；
将距离小于2倍标准距离的值设定为有效距离；
计算有效距离与标准距离的差值。
由于有的CPU的PIN针部分还有其他非PIN针的部分，当计算两个相邻PIN针顶点的距离时，如果该距离大于2倍的标准距离就说明这两个PIN针之间是非PIN针的部分，或者这两个PIN针之间的PIN针丢失了，但是我们之前已经判断过PIN针的数量，所以丢失PIN针的情况不在这里进行判断，当距离等于2倍时的标准距离说明当前PIN针刚好偏移到另一个相邻的PIN针上。这里的标准距离是在正常情况下相邻两个PIN针之间的距离。
在本发明的一个优选实施例中，获取CPU插座的PIN针的正投影图像包括：在CPU插座的PIN针的正上方使用高清相机对PIN针拍照，并将照片中非PIN针的部分屏蔽。屏蔽时可以把非PIN针的位置用黑色图像代替，可以避免对PIN针分析时造成的误差。
通过以上技术方案，能够快速对各类CPU插槽PIN针状态进行检测，同时避免人工检测效率低和误差高的问题，具有检测精度高、重复性好、效率高的优点。
需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，上述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储器(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外，根据本发明实施例公开的方法还可以被实现为由CPU执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被CPU执行时，执行本发明实施例公开的方法中限定的上述功能。
基于上述目的，本发明的实施例的第二个方面，提出了一种CPU插座检测设备，其特征在于，设备包括：
至少一个处理器；和
存储器，存储器存储有处理器可运行的程序代码，程序代码在被处理器运行时执行以下步骤：
获取CPU插座的PIN针的正投影图像并将图像转化为灰度图；
获取灰度图中PIN针顶点的像素集；
计算像素集的数量并与标准数量对比；
计算相邻两个像素集的距离与标准距离的差值；
响应于像素集的数量与标准数量相等并且所有差值的绝对值小于阈值，确定CPU插座通过检测。
在本发明的一个优选实施例中，标准数量为CPU插座的PIN针的数量。
在本发明的一个优选实施例中，获取灰度图中PIN针顶点的像素集进一步包括：
将每个像素的灰度值与预设阈值对比，大于阈值的像素返回值为255，小于阈值的像素返回值为0，得到黑白图像；
将黑白图像中左上第一个像素设定为起始点，水平逐行扫描黑白图像；
将像素值为255的像素设置为1，像素值为0的像素设置为0，得到0和1的矩阵；
将矩阵中横向纵向连续都为1的小矩阵确定为PIN针的顶点像素集。
在本发明的一个优选实施例中，计算相邻两个像素集的距离与标准距离的差值进一步包括：
将每个像素集中左上第一个像素点作为PIN针顶点；
计算相邻两个PIN针顶点的距离；
将距离小于2倍标准距离的值设定为有效距离；
计算有效距离与标准距离的差值。
在本发明的一个优选实施例中，获取CPU插座的PIN针的正投影图像包括：在CPU插座的PIN针的正上方使用高清相机对PIN针拍照，并将照片中非PIN针的部分屏蔽。
需要特别指出的是，上述系统的实施例采用了上述方法的实施例来具体说明各模块的工作过程，本领域技术人员能够很容易想到，将这些模块应用到上述方法的其他实施例中。
此外，上述方法步骤以及系统单元或模块也可以利用控制器以及用于存储使得控制器实现上述步骤或单元或模块功能的计算机程序的计算机可读存储介质实现。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
上述实施例，特别是任何“优选”实施例是实现的可能示例，并且仅为了清楚地理解本发明的原理而提出。可以在不脱离本文所描述的技术的精神和原理的情况下对上述实施例进行许多变化和修改。所有修改旨在被包括在本公开的范围内并且由所附权利要求保护。

Claims (6)

1.一种CPU插座检测方法，其特征在于，包括以下步骤：
获取所述CPU插座的PIN针的正投影图像并将所述图像转化为灰度图；
获取所述灰度图中所述PIN针顶点的像素集，其中获取所述灰度图中所述PIN针顶点的像素集包括将每个像素的灰度值与预设阈值对比，大于阈值的像素返回值为255，小于阈值的像素返回值为0，得到黑白图像，将所述黑白图像中左上第一个像素设定为起始点，水平逐行扫描所述黑白图像，将像素值为255的像素设置为1，像素值为0的像素设置为0，得到0和1的矩阵，将所述矩阵中横向纵向连续都为1的小矩阵确定为PIN针的顶点像素集；
计算所述像素集的数量并与标准数量对比；
计算相邻两个所述像素集的距离与标准距离的差值，其中计算相邻两个所述像素集的距离与标准距离的差值包括将每个像素集中左上第一个像素点作为所述PIN针顶点，计算相邻两个所述PIN针顶点的距离，将所述距离小于2倍所述标准距离的值设定为有效距离，计算所述有效距离与所述标准距离的差值；
响应于所述像素集的数量与标准数量相等并且所有所述差值的绝对值小于阈值，确定所述CPU插座通过检测。
2.根据权利要求1所述的方法，其特征在于，所述标准数量为所述CPU插座的PIN针的数量。
3.根据权利要求1所述的方法，其特征在于，获取所述CPU插座的PIN针的正投影图像包括：在CPU插座的PIN针的正上方使用高清相机对所述PIN针拍照，并将照片中非PIN针的部分屏蔽。
4.一种CPU插座检测设备，其特征在于，所述设备包括：
至少一个处理器；和
存储器，所述存储器存储有处理器可运行的程序代码，所述程序代码在被处理器运行时执行以下步骤：
获取所述CPU插座的PIN针的正投影图像并将所述图像转化为灰度图；
获取所述灰度图中所述PIN针顶点的像素集，其中获取所述灰度图中所述PIN针顶点的像素集包括将每个像素的灰度值与预设阈值对比，大于阈值的像素返回值为255，小于阈值的像素返回值为0，得到黑白图像，将所述黑白图像中左上第一个像素设定为起始点，水平逐行扫描所述黑白图像，将像素值为255的像素设置为1，像素值为0的像素设置为0，得到0和1的矩阵，将所述矩阵中横向纵向连续都为1的小矩阵确定为PIN针的顶点像素集；
计算所述像素集的数量并与标准数量对比；
计算相邻两个所述像素集的距离与标准距离的差值，其中计算相邻两个所述像素集的距离与标准距离的差值包括将每个像素集中左上第一个像素点作为所述PIN针顶点，计算相邻两个所述PIN针顶点的距离，将所述距离小于2倍所述标准距离的值设定为有效距离，计算所述有效距离与所述标准距离的差值；
响应于所述像素集的数量与标准数量相等并且所有所述差值的绝对值小于阈值，确定所述CPU插座通过检测。
5.根据权利要求4所述的设备，其特征在于，所述标准数量为所述CPU插座的PIN针的数量。
6.根据权利要求4所述的设备，其特征在于，获取所述CPU插座的PIN针的正投影图像包括：在CPU插座的PIN针的正上方使用高清相机对所述PIN针拍照，并将照片中非PIN针的部分屏蔽。
CN201910850298.8A 2019-09-10 2019-09-10 一种cpu插座检测方法和设备 Active CN110619629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910850298.8A CN110619629B (zh) 2019-09-10 2019-09-10 一种cpu插座检测方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910850298.8A CN110619629B (zh) 2019-09-10 2019-09-10 一种cpu插座检测方法和设备

Publications (2)

Publication Number Publication Date
CN110619629A CN110619629A (zh) 2019-12-27
CN110619629B true CN110619629B (zh) 2022-11-25

Family

ID=68923027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910850298.8A Active CN110619629B (zh) 2019-09-10 2019-09-10 一种cpu插座检测方法和设备

Country Status (1)

Country Link
CN (1) CN110619629B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111208147A (zh) * 2020-01-13 2020-05-29 普联技术有限公司 针脚检测方法、装置及系统
CN112541522B (zh) * 2020-11-13 2023-05-16 国网天津市电力公司营销服务中心 一种用电信息采集终端通信模块针脚正位度检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160108955A (ko) * 2015-03-09 2016-09-21 삼성전자주식회사 위상 검출 픽셀들로부터 깊이 맵을 생성할 수 있는 이미지 신호 프로세서와 이를 포함하는 장치
CN106920245A (zh) * 2017-03-13 2017-07-04 深圳怡化电脑股份有限公司 一种边界检测的方法及装置
CN106952216A (zh) * 2017-03-27 2017-07-14 成都航空职业技术学院 一种基于imx6图形处理器的直线检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160108955A (ko) * 2015-03-09 2016-09-21 삼성전자주식회사 위상 검출 픽셀들로부터 깊이 맵을 생성할 수 있는 이미지 신호 프로세서와 이를 포함하는 장치
CN106920245A (zh) * 2017-03-13 2017-07-04 深圳怡化电脑股份有限公司 一种边界检测的方法及装置
CN106952216A (zh) * 2017-03-27 2017-07-14 成都航空职业技术学院 一种基于imx6图形处理器的直线检测方法

Also Published As

Publication number Publication date
CN110619629A (zh) 2019-12-27

Similar Documents

Publication Publication Date Title
US7978903B2 (en) Defect detecting method and defect detecting device
CN109472271B (zh) 印刷电路板图像轮廓提取方法及装置
US9454824B2 (en) Pattern processing device, pattern processing method, and pattern processing program
CN108074237B (zh) 图像清晰度检测方法、装置、存储介质及电子设备
JP7118277B2 (ja) 検査装置、検査方法及びプログラム
CN110619629B (zh) 一种cpu插座检测方法和设备
CN109002823B (zh) 一种感兴趣区域确定方法、装置、设备及可读存储介质
CN115861327A (zh) 一种pcb颜色变化缺陷检测方法、装置、设备及介质
US8547430B2 (en) System and method for marking discrepancies in image of object
CN111866501B (zh) 一种摄像模组检测方法、装置、电子设备及介质
WO2020107196A1 (zh) 一种对拍摄装置的拍摄质量评测方法、装置及终端设备
JPH07198354A (ja) 画像処理を使用しての搭載されたコネクタピンのテスト
KR102739463B1 (ko) 픽셀 교정
CN114638824B (zh) 基于aoi设备采集图像的融合方法、装置、设备和介质
CN115063342A (zh) 一种镜头坏点检测方法、装置、电子设备及存储介质
CN111026641B (zh) 一种图片比较方法和电子设备
KR101409568B1 (ko) 표시패널 검사장치 및 그 검사방법
CN116993654B (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN110288662B (zh) 显示器检测方法与系统
CN113706508A (zh) 光束质量分析方法、设备、光束分析系统及存储介质
US20230316484A1 (en) Inspection device
WO2020196091A1 (en) Image processing apparatus and image processing method
US12045962B2 (en) Test result recognizing method and test result recognizing device
CN113242422B (zh) 一种摄像模组的测试方法、装置、设备、系统及介质
CN110324597B (zh) 投影畸变测试方法、装置、设备及计算机可读存储介质

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