CN112785556A - 复检方法、装置、电子设备及计算机可读存储介质 - Google Patents

复检方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112785556A
CN112785556A CN202011629815.8A CN202011629815A CN112785556A CN 112785556 A CN112785556 A CN 112785556A CN 202011629815 A CN202011629815 A CN 202011629815A CN 112785556 A CN112785556 A CN 112785556A
Authority
CN
China
Prior art keywords
defect
detection
initial
product
defects
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.)
Pending
Application number
CN202011629815.8A
Other languages
English (en)
Inventor
陈海波
李宗剑
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.)
Shenlan Intelligent Technology (Shanghai) Co.,Ltd.
Original Assignee
DeepBlue AI Chips Research Institute Jiangsu 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 DeepBlue AI Chips Research Institute Jiangsu Co Ltd filed Critical DeepBlue AI Chips Research Institute Jiangsu Co Ltd
Priority to CN202011629815.8A priority Critical patent/CN112785556A/zh
Publication of CN112785556A publication Critical patent/CN112785556A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请提供了一种复检方法、装置、电子设备及计算机可读存储介质，所述方法包括：获取待复检产品的缺陷初检数据；根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；当所述初检缺陷与至少一个缺陷样本相匹配时，确定所述待复检产品存在缺陷。通过对待复检产品进行缺陷样本的比对，提高复检的智能化，从而提高复检的效率。

Description

复检方法、装置、电子设备及计算机可读存储介质
技术领域
本申请涉及计算机视觉技术和工业检测技术领域，尤其涉及一种复检方法、装置、电子设备及计算机可读存储介质。
背景技术
机器视觉检测技术作为当今工业中的一项重要技术，被广泛应用于基于内容的图像检索、汽车安全、视频监控和机器人技术等各大领域，并且随着技术的发展，机器视觉检测技术被应用于越来越多的领域，以满足不断提升的市场需求。
目前的产品复检方法为使用传统传感器或者人工卡尺去测量，工作量大、操作复杂，无法满足用户的需求。
发明内容
本申请的目的在于提供复检方法、装置、电子设备及计算机可读存储介质，实现智能复检，操作简单。
本申请的目的采用以下技术方案实现：
第一方面，本申请提供了一种复检方法，所述方法包括：获取待复检产品的缺陷初检数据；根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；当所述初检缺陷与至少一个缺陷样本相匹配时，确定所述待复检产品存在缺陷。
该技术方案的有益效果在于，通过对待复检产品进行缺陷样本的比对，提高复检的智能化，从而提高复检的效率。
在一些可选的实施例中，当所述初检缺陷与所有缺陷样本均不匹配时，检测所述初检缺陷是否与标准样本相匹配；当所述初检缺陷与所述标准样本不匹配时，确定所述待复检产品存在缺陷，并将所述初检缺陷作为新的缺陷样本放入所述缺陷数据库。该技术方案的有益效果在于，通过对将新的缺陷样本加入到缺陷数据库，从而提高复检的智能化以利于应对更多的新情况。
在一些可选的实施例中，当所述初检缺陷与所述标准样本匹配时，确定所述待复检产品不存在缺陷。该技术方案的有益效果在于，通过比对标准样本以弥补初步检测可能出现的错误，从而避免检测错误。
在一些可选的实施例中，获取所述新的缺陷样本的缺陷参数信息并存储至所述缺陷数据库。该技术方案的有益效果在于，通过存储新缺陷样本的缺陷参数，以对新缺陷样本做进一步分析。
在一些可选的实施例中，所述根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配，包括：根据所述缺陷初检数据，使用缺陷检测模型检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；所述方法还包括：根据所述新的缺陷样本，使用离线非监督学习的方式利用所述缺陷检测模型进行重新学习。该技术方案的有益效果在于，通过对新缺陷样本进行智能学习，来提高数据库的复检效率；通过离线学习模式，可以通过在其他计算力更强大设备上进行智能学习，从而更新数据库。
在一些可选的实施例中，所述缺陷数据库包括每个缺陷样本的缺陷参数信息；所述方法还包括：获取与所述初检缺陷相匹配的缺陷样本的缺陷参数信息。该技术方案的有益效果在于，通过获取缺陷参数信息，可以直接了解到该产品具体的缺陷问题，而不用再进行额外的分析，从而提升了检测效率。
在一些可选的实施例中，所述缺陷参数信息包括以下至少一种：缺陷等级、修复概率、修复工艺、修复时间和修复成本。该技术方案的有益效果在于，通过了解缺陷产品的更加具体的缺陷信息，使用户更加直接的得到结论，从而提高修复效率。
在一些可选的实施例中，所述获取待复检产品的缺陷初检数据，包括：获取所述待复检产品的2D检测数据和/或3D检测数据；根据所述待复检产品的2D检测数据和/或3D检测数据，获取所述缺陷初检数据，所述缺陷初检数据包括初检缺陷的位置信息。该技术方案的有益效果在于，通过获取产品的位置信息，可以更有针对性进行复检，从而提高比对准确度并降低运算量。
第二方面，本申请提供了一种复检装置，所述装置包括：数据获取模块，用于获取待复检产品的缺陷初检数据；第一检测模块，用于根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；第一确定模块，用于当所述初检缺陷与至少一个缺陷样本相匹配时，确定所述待复检产品存在缺陷。
在一些可选的实施例中，所述装置还包括：第二检测模块，用于当所述初检缺陷与所有缺陷样本均不匹配时，检测所述初检缺陷是否与标准样本相匹配；第二确定模块，用于当所述初检缺陷与所述标准样本不匹配时，确定所述待复检产品存在缺陷，并将所述初检缺陷作为新的缺陷样本放入所述缺陷数据库。
在一些可选的实施例中，所述装置还包括：第三确定模块，用于当所述初检缺陷与所述标准样本匹配时，确定所述待复检产品不存在缺陷。
在一些可选的实施例中，所述装置还包括：信息获取模块，用于获取所述新的缺陷样本的缺陷参数信息并存储至所述缺陷数据库。
在一些可选的实施例中，所述第一检测模块用于根据所述缺陷初检数据，使用缺陷检测模型检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；所述装置还包括：模型更新模块，用于根据所述新的缺陷样本，使用离线非监督学习的方式利用所述缺陷检测模型进行重新学习。
在一些可选的实施例中，所述缺陷数据库包括每个缺陷样本的缺陷参数信息；所述装置还包括：参数获取模块，用于获取与所述初检缺陷相匹配的缺陷样本的缺陷参数信息。
在一些可选的实施例中，所述缺陷参数信息包括以下至少一种：缺陷等级、修复概率、修复工艺、修复时间和修复成本。
在一些可选的实施例中，所述数据获取模块包括：检测获取单元，用于获取所述待复检产品的2D检测数据和/或3D检测数据；位置获取单元，用于根据所述待复检产品的2D检测数据和/或3D检测数据，获取所述缺陷初检数据，所述缺陷初检数据包括初检缺陷的位置信息。
第三方面，本申请提供了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项方法的步骤。
在一些可选的实施例中，所述电子设备还包括多个硬件模块，所述处理器采用多线程的方式管理所述多个硬件模块，实现至少一个硬件模块的热插拔。该技术方案的有益效果在于，采用多线程来管理硬件，可以在不停机的情况下增加或者删除硬件。进一步地，处理器搭载的软件在设计时可以采用插件式的架构，可以在线对软件的检测模块进行更新，涉及硬件模块的添加、删除等。第四方面，本申请提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种复检方法的流程示意图；
图2是本申请实施例提供的一种获取产品缺陷初检数据的流程示意图；
图3是本申请实施例提供的一种复检方法的流程示意图；
图4是本申请实施例提供的一种复检方法的流程示意图；
图5是本申请实施例提供的一种复检方法的流程示意图；
图6是本申请实施例提供的一种复检方法的流程示意图；
图7是本申请实施例提供的一种复检方法的流程示意图；
图8是本申请实施例提供的一种复检装置的结构示意图；
图9是本申请实施例提供的一种复检装置的结构示意图；
图10是本申请实施例提供的一种复检装置的结构示意图；
图11是本申请实施例提供的一种复检装置的结构示意图；
图12是本申请实施例提供的一种复检装置的结构示意图；
图13是本申请实施例提供的一种复检装置的结构示意图；
图14是本申请实施例提供的一种数据获取模块的结构示意图；
图15是本申请实施例提供的一种电子设备的结构示意图；
图16是本申请实施例提供的一种用于实现复检方法的程序产品的结构示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1，本申请实施例提供了一种复检方法，所述方法包括步骤S101～S103。
步骤S101：获取待复检产品的缺陷初检数据。具体地，可以是对不同类型产品的初检，集中到一处进行复检。也可以是在初检后直接针对该产品进行复检。缺陷初检数据例如可以包括初检缺陷的位置信息、尺寸信息、缺陷程度信息、修复概率等。
在具体实施中，参见图2，所述步骤S101可以包括步骤S201～S202。
步骤S201：获取所述待复检产品的2D检测数据和/或3D检测数据。具体地，可以采用视频图像检测技术在单个方向或多个方向采集产品的数据。产品可以是检测工艺中所用于的不同产品，在一具体实施方式中，产品可以是钢管、钢板、PCB板等，也可以是芯片或单片机等。
步骤S202：根据所述待复检产品的2D检测数据和/或3D检测数据，获取所述缺陷初检数据，所述缺陷初检数据包括初检缺陷的位置信息。具体地，根据不同的产品设定不同的缺陷区域，在一具体实施方式中，针对钢管可以设定管内缺陷区域和管外缺陷区域，在管内缺陷区域还可以分为管内中间缺陷区域和管内端部缺陷区域。
本申请实施例的上述步骤，通过获取产品的位置信息，可以更有针对性进行复检，从而提高比对准确度并降低运算量。
步骤S102：根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配。具体地，可以采用缺陷检测模型来检测产品的初检缺陷，缺陷数据库可以包括每个缺陷样本的缺陷参数信息。
步骤S103：当所述初检缺陷与至少一个缺陷样本相匹配时，确定所述待复检产品存在缺陷。具体地，可以针对匹配的缺陷样本的不同，对存在缺陷的产品做出不同的标识。
本申请实施例的上述方法，通过对待测品做样本比对，将初检的结果进行深入判定，并通过对新缺陷样本进行智能学习，来提高数据库的复检效率。
参考图3，本申请实施例还提供了一种复检方法，所述方法包括：步骤S101～S105。
步骤S104：当所述初检缺陷与所有缺陷样本均不匹配时，检测所述初检缺陷是否与标准样本相匹配。具体的，为应对初检出现错误的情况，对产品进行核对。
步骤S105：当所述初检缺陷与所述标准样本不匹配时，确定所述待复检产品存在缺陷，并将所述初检缺陷作为新的缺陷样本放入所述缺陷数据库。具体的，可以对新缺陷参数的单独分类，使用户可以直接查看到有新缺陷样本的增加，以便于用户验证新增的新缺陷样本是否正确。。
本申请实施例的上述方法，通过对将新的缺陷样本加入到缺陷数据库，从而提高复检的智能化以利于应对更多的新情况。
参考图4，本申请实施例还提供了一种复检方法，所述方法包括：步骤S101～S104、S106。
步骤S106：当所述初检缺陷与所述标准样本匹配时，确定所述待复检产品不存在缺陷。具体的，可以结合初检结果进行比对，查看初检错误的原因。
本申请实施例的上述方法，通过比对标准样本以弥补初步检测可能出现的错误，从而避免检测错误。
参考图5，本申请实施例还提供了一种复检方法，所述方法包括：步骤S101～S105、S107。
步骤S107：获取所述新的缺陷样本的缺陷参数信息并存储至所述缺陷数据库。具体的，在将新缺陷样本的缺陷参数信息进行与现有的缺陷样本进行比对，使新缺陷样本得到进一步的分析，从而将其进行分类。
本申请实施例的上述方法，通过存储新缺陷样本的缺陷参数，以对新缺陷样本做进一步分析。
参考图6，本申请实施例还提供了一种复检方法，步骤S102可以包括：
步骤S301：根据所述缺陷初检数据，使用缺陷检测模型检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配。具体的，可以给缺陷检测模型进行分类，来优化比对效率。
所述方法包括：步骤S101、S301、S103～S105、S107、S108。
步骤S108：根据所述新的缺陷样本，使用离线非监督学习的方式利用所述缺陷检测模型进行重新学习。具体的，通过采用无监督学习、半监督学习或半监督聚类对新缺陷样本进行重新学习，来提高智能复检的泛化能力。另外，可以在其他计算力更强大设备上进行分析和非监督学习后，再将学习后的结果直接进行使用。
本申请实施例的上述方法，通过对新缺陷样本进行智能学习，来提高数据库的复检效率；通过离线学习模式，可以通过在其他计算力更强大设备上进行智能学习，从而更新数据库。
参考图7，本申请实施例还提供了一种复检方法，所述缺陷数据库包括每个缺陷样本的缺陷参数信息，所述方法包括：步骤S101～S103、S109。
步骤S109：获取与所述初检缺陷相匹配的缺陷样本的缺陷参数信息。
在具体实施中，所述缺陷参数信息包括以下至少一种：缺陷等级、修复概率、修复工艺、修复时间和修复成本。本申请实施例的上述步骤，通过了解缺陷产品的更加具体的缺陷信息，使用户更加直接的得到结论，从而提高修复效率。
本申请实施例的上述方法，通过获取缺陷参数信息，可以直接了解到该产品具体的缺陷问题，而不用再进行额外的分析，从而提升了检测效率。
参见图8，本申请实施例还提供了一种复检装置，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。所述装置包括：
数据获取模块101，用于获取待复检产品的缺陷初检数据；
第一检测模块102，用于根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；
第一确定模块103，用于当所述初检缺陷与至少一个缺陷样本相匹配时，确定所述待复检产品存在缺陷。
参考图9，在一些可选的实施例中，所述装置还包括：
第二检测模块104，用于当所述初检缺陷与所有缺陷样本均不匹配时，检测所述初检缺陷是否与标准样本相匹配；
第二确定模块105，用于当所述初检缺陷与所述标准样本不匹配时，确定所述待复检产品存在缺陷，并将所述初检缺陷作为新的缺陷样本放入所述缺陷数据库。
参考图10，在一些可选的实施例中，所述装置还包括：
第三确定模块106，用于当所述初检缺陷与所述标准样本匹配时，确定所述待复检产品不存在缺陷。
参考图11，在一些可选的实施例中，所述装置还包括：
信息获取模块107，用于获取所述新的缺陷样本的缺陷参数信息并存储至所述缺陷数据库。
参考图12，在一些可选的实施例中，所述第一检测模块102可以用于根据所述缺陷初检数据，使用缺陷检测模型检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；
所述装置还包括：
模型更新模块108，用于根据所述新的缺陷样本，使用离线非监督学习的方式利用所述缺陷检测模型进行重新学习。
参考图13，在一些可选的实施例中，所述缺陷数据库包括每个缺陷样本的缺陷参数信息；
所述装置还包括：
参数获取模块109，用于获取与所述初检缺陷相匹配的缺陷样本的缺陷参数信息。
在一些可选的实施例中，所述缺陷参数信息包括以下至少一种：缺陷等级、修复概率、修复工艺、修复时间和修复成本。
参考图14，在一些可选的实施例中，所述数据获取模块101包括：
检测获取单元1011，用于获取所述待复检产品的2D检测数据和/或3D检测数据；
位置获取单元1012，用于根据所述待复检产品的2D检测数据和/或3D检测数据，获取所述缺陷初检数据，所述缺陷初检数据包括初检缺陷的位置信息。
参见图15，本申请实施例还提供了一种电子设备200，电子设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。
其中，存储器210还存储有计算机程序，计算机程序可以被处理器220执行，使得处理器220执行本申请实施例中上述任一项方法的步骤，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器220可以执行上述计算机程序，以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
在具体实施中，所述电子设备200还可以包括多个硬件模块，所述处理器220采用多线程的方式管理所述多个硬件模块，实现至少一个硬件模块的热插拔。由此，采用多线程来管理硬件，可以在不停机的情况下增加或者删除硬件。进一步地，处理器搭载的软件在设计时可以采用插件式的架构，可以在线对软件的检测模块进行更新，涉及硬件模块的添加、删除等。
参见图16，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，所述计算机程序被执行时实现本申请实施例中上述任一项方法的步骤，其具体实现方式与上述方法的实施例中记载的实施方式、所达到的技术效果一致，部分内容不再赘述。
图16示出了本实施例提供的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，其设置有的实用进步性，已符合专利法所强调的功能增进及使用要件，本申请以上的说明及附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。

Claims (19)

1.一种复检方法，其特征在于，所述方法包括：
获取待复检产品的缺陷初检数据；
根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；
当所述初检缺陷与至少一个缺陷样本相匹配时，确定所述待复检产品存在缺陷。
2.根据权利要求1所述的复检方法，其特征在于，所述方法还包括：
当所述初检缺陷与所有缺陷样本均不匹配时，检测所述初检缺陷是否与标准样本相匹配；
当所述初检缺陷与所述标准样本不匹配时，确定所述待复检产品存在缺陷，并将所述初检缺陷作为新的缺陷样本放入所述缺陷数据库。
3.根据权利要求2所述的复检方法，其特征在于，所述方法还包括：
当所述初检缺陷与所述标准样本匹配时，确定所述待复检产品不存在缺陷。
4.根据权利要求2所述的复检方法，其特征在于，所述方法还包括：
获取所述新的缺陷样本的缺陷参数信息并存储至所述缺陷数据库。
5.根据权利要求2所述的复检方法，其特征在于，所述根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配，包括：
根据所述缺陷初检数据，使用缺陷检测模型检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；
所述方法还包括：
根据所述新的缺陷样本，使用离线非监督学习的方式利用所述缺陷检测模型进行重新学习。
6.根据权利要求1所述的复检方法，其特征在于，所述缺陷数据库包括每个缺陷样本的缺陷参数信息；
所述方法还包括：
获取与所述初检缺陷相匹配的缺陷样本的缺陷参数信息。
7.根据权利要求6所述的复检方法，其特征在于，所述缺陷参数信息包括以下至少一种：缺陷等级、修复概率、修复工艺、修复时间和修复成本。
8.根据权利要求1所述的复检方法，其特征在于，所述获取待复检产品的缺陷初检数据，包括：
获取所述待复检产品的2D检测数据和/或3D检测数据；
根据所述待复检产品的2D检测数据和/或3D检测数据，获取所述缺陷初检数据，所述缺陷初检数据包括初检缺陷的位置信息。
9.一种复检装置，其特征在于，所述装置包括：
数据获取模块，用于获取待复检产品的缺陷初检数据；
第一检测模块，用于根据所述缺陷初检数据，检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；
第一确定模块，用于当所述初检缺陷与至少一个缺陷样本相匹配时，确定所述待复检产品存在缺陷。
10.根据权利要求9所述的复检装置，其特征在于，所述装置还包括：
第二检测模块，用于当所述初检缺陷与所有缺陷样本均不匹配时，检测所述初检缺陷是否与标准样本相匹配；
第二确定模块，用于当所述初检缺陷与所述标准样本不匹配时，确定所述待复检产品存在缺陷，并将所述初检缺陷作为新的缺陷样本放入所述缺陷数据库。
11.根据权利要求10所述的复检装置，其特征在于，所述装置还包括：
第三确定模块，用于当所述初检缺陷与所述标准样本匹配时，确定所述待复检产品不存在缺陷。
12.根据权利要求10所述的复检装置，其特征在于，所述装置还包括：
信息获取模块，用于获取所述新的缺陷样本的缺陷参数信息并存储至所述缺陷数据库。
13.根据权利要求10所述的复检装置，其特征在于，所述第一检测模块用于根据所述缺陷初检数据，使用缺陷检测模型检测所述待复检产品的初检缺陷是否与缺陷数据库中至少一个缺陷样本相匹配；
所述装置还包括：
模型更新模块，用于根据所述新的缺陷样本，使用离线非监督学习的方式利用所述缺陷检测模型进行重新学习。
14.根据权利要求9所述的复检装置，其特征在于，所述缺陷数据库包括每个缺陷样本的缺陷参数信息；
所述装置还包括：
参数获取模块，用于获取与所述初检缺陷相匹配的缺陷样本的缺陷参数信息。
15.根据权利要求14所述的复检装置，其特征在于，所述缺陷参数信息包括以下至少一种：缺陷等级、修复概率、修复工艺、修复时间和修复成本。
16.根据权利要求9所述的复检装置，其特征在于，所述数据获取模块包括：
检测获取单元，用于获取所述待复检产品的2D检测数据和/或3D检测数据；
位置获取单元，用于根据所述待复检产品的2D检测数据和/或3D检测数据，获取所述缺陷初检数据，所述缺陷初检数据包括初检缺陷的位置信息。
17.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-8任一项所述方法的步骤。
18.根据权利要求17所述的电子设备，其特征在于，所述电子设备还包括多个硬件模块，所述处理器采用多线程的方式管理所述多个硬件模块，实现至少一个硬件模块的热插拔。
19.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。
CN202011629815.8A 2020-12-31 2020-12-31 复检方法、装置、电子设备及计算机可读存储介质 Pending CN112785556A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011629815.8A CN112785556A (zh) 2020-12-31 2020-12-31 复检方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011629815.8A CN112785556A (zh) 2020-12-31 2020-12-31 复检方法、装置、电子设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN112785556A true CN112785556A (zh) 2021-05-11

Family

ID=75754647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011629815.8A Pending CN112785556A (zh) 2020-12-31 2020-12-31 复检方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112785556A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066835A (zh) * 2021-11-08 2022-02-18 鲁班嫡系机器人（深圳）有限公司 图像检测、自动光学检测方法、装置、存储介质及设备
CN116936389A (zh) * 2023-06-02 2023-10-24 江苏第三代半导体研究院有限公司 缺陷诊断方法、电子设备、存储介质及程序产品

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080281548A1 (en) * 2005-08-26 2008-11-13 Camtek Ltd Method and System for Automatic Defect Detection of Articles in Visual Inspection Machines
CN107884415A (zh) * 2017-11-07 2018-04-06 深圳市鑫联拓展科技有限公司 缺陷产品的识别方法、装置和工业相机
CN111583223A (zh) * 2020-05-07 2020-08-25 上海闻泰信息技术有限公司 缺陷检测方法、装置、计算机设备及计算机可读存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080281548A1 (en) * 2005-08-26 2008-11-13 Camtek Ltd Method and System for Automatic Defect Detection of Articles in Visual Inspection Machines
CN107884415A (zh) * 2017-11-07 2018-04-06 深圳市鑫联拓展科技有限公司 缺陷产品的识别方法、装置和工业相机
CN111583223A (zh) * 2020-05-07 2020-08-25 上海闻泰信息技术有限公司 缺陷检测方法、装置、计算机设备及计算机可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114066835A (zh) * 2021-11-08 2022-02-18 鲁班嫡系机器人（深圳）有限公司 图像检测、自动光学检测方法、装置、存储介质及设备
CN116936389A (zh) * 2023-06-02 2023-10-24 江苏第三代半导体研究院有限公司 缺陷诊断方法、电子设备、存储介质及程序产品

Similar Documents

Publication Publication Date Title
CN112100072B (zh) 应用程序代码的静态检测方法、装置、设备及介质
CN112785556A (zh) 复检方法、装置、电子设备及计算机可读存储介质
CN110727437B (zh) 代码优化项获取方法、装置、存储介质及电子设备
CN113627168B (zh) 一种元器件封装冲突的检查方法、装置、介质及设备
CN113920053A (zh) 基于深度学习的瑕疵检测方法、计算设备和存储介质
CN117030129A (zh) 纸杯在线检漏方法及其系统
CN110716843B (zh) 系统故障分析处理方法、装置、存储介质及电子设备
CN117129815B (zh) 一种基于物联网的多劣化绝缘子综合检测方法和系统
CN103218277A (zh) 服务器环境的自动检测方法与装置
CN109614257A (zh) 程序异常的处理方法、装置、计算机存储介质及电子设备
KR100987124B1 (ko) 메트릭을 이용한 소프트웨어 결함 예측 계산 장치 및 계산 방법
CN109213119B (zh) 基于在线学习的复杂工业关键部件故障预测方法及系统
CN110716859A (zh) 自动为修改的代码推送测试用例的方法及相关装置
CN109470708A (zh) 塑料泡沫餐盒的质量检测方法、装置、服务器及存储介质
CN115016929A (zh) 一种数据处理方法、装置、设备以及存储介质
CN110083807B (zh) 合同的修改影响自动预测方法、装置、介质及电子设备
CN112966671A (zh) 一种合同检测方法、装置、电子设备及存储介质
CN114064489A (zh) 一种自动化测试方法、装置、设备及可读存储介质
CN110134435B (zh) 一种代码修复案例获取方法、装置、设备及存储介质
CN116882361B (zh) 芯片缺陷分析方法、电子设备及存储介质
CN112801941B (zh) 静电去除的方法、装置、设备及存储介质
CN113961475B (zh) 基于规约导向的错误处理缺陷的检测方法及系统
CN115935166A (zh) 检测模型训练方法、装置及相关设备
CN116560819B (zh) 基于rpa的批量自动化操作方法、系统、设备及储存介质
CN114490423A (zh) 一种自动化测试方法、装置、电子设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20220329

Address after: Building C, No.888, Huanhu West 2nd Road, Lingang New District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai

Applicant after: Shenlan Intelligent Technology (Shanghai) Co.,Ltd.

Address before: 213000 No.103, building 4, Chuangyan port, Changzhou science and Education City, No.18, middle Changwu Road, Wujin District, Changzhou City, Jiangsu Province

Applicant before: SHENLAN ARTIFICIAL INTELLIGENCE CHIP RESEARCH INSTITUTE (JIANGSU) Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20210511

RJ01 Rejection of invention patent application after publication