CN113469472A - 一种多显微镜定点拍照路径优化方法 - Google Patents
一种多显微镜定点拍照路径优化方法 Download PDFInfo
- Publication number
- CN113469472A CN113469472A CN202111035992.8A CN202111035992A CN113469472A CN 113469472 A CN113469472 A CN 113469472A CN 202111035992 A CN202111035992 A CN 202111035992A CN 113469472 A CN113469472 A CN 113469472A
- Authority
- CN
- China
- Prior art keywords
- point
- microscope
- scanning
- points
- fitness
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
- G02B21/0024—Confocal scanning microscopes (CSOMs) or confocal "macroscopes"; Accessories which are not restricted to use with CSOMs, e.g. sample holders
- G02B21/0036—Scanning details, e.g. scanning stages
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Optics & Photonics (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Biochemistry (AREA)
Abstract
本申请提出一种多显微镜定点拍照路径优化方法,通过扫描拍照完成部分拍摄点的拍摄;在剩余点中采用定点移动方法进行拍摄,按照显微镜和缺陷点距离最近原则进行选点,当出现显微镜干涉时采用补点的方法提前躲避;评估适应度,结束定点拍照路径优化。本方法计算局部和综合适应度,挑选综合最优结果,在实现局部优化的前提实现全局优化,主要协调安排每个缺陷点排序和对应拍照显微镜,考虑了距离和时间因素,合理安排和规划一条路径,保证较短时间内完成拍照。
Description
技术领域
本申请属于屏幕检测技术领域,具体涉及一种多显微镜定点拍照路径优化方法。
背景技术
随着LCD屏、OLED屏制作工艺不断提高,玻璃板越做越大,产能需求也越来越大,生产争分夺秒是常态,所以对机台的检测速度提出了更高的要求;在缺陷检测环节中,往往经过扫描设备将所有缺陷识别出来并记录下位置,在规定时间内对缺陷进行复查拍照。
常规的做法是搭配一台显微镜进行复查(review),性能方面也不错,但是由于现在工艺的提升,玻璃板做的比较大,如G8.5、G10.5代玻璃板,性能再优也要花费较长时间才能复查完毕,无法达到生产要求;由于检测玻璃板尺寸比较大,为了提高复查速度,所以机台会并列或平行安装多台显微镜,构成了多显微镜机台,但是性能还没法做到得比较优,所以也面临同样的时间问题。一般采用遗传算法、混合遗传算法、模拟退火算法、蚁群算法等来优化路径,但主要是针对单机构、单路径的实现方法,目标是求得最短路径或最小聚类数目,没有考虑时间和距离结合的问题,多显微镜路径规划是一个综合性问题,需要解决实际的限制问题才能局部使用上述方法。
现有显微镜拍照路径的缺点是:
1.单、多显微镜无法满足高速度需求
由于玻璃板越做越大,缺陷数量增加了,缺陷分布更广了,单显微镜拍照需要耗大量时间在轴的运动过程中,多显微镜协调运动简单、路径规划不够优,所以复查时间较长,无法满足快速拍照的时间要求。
2.多显微镜拍摄性能有待提高
由于多显微镜拍照需要进行协调工作,限制条件也比较多,需要制定的条框也比较复杂,限制了性能的发挥。
发明内容
本申请提出一种多显微镜定点拍照路径优化方法,解决现有显微镜拍照路径的缺点。
本申请第一方面实施例提出了一种多显微镜定点拍照路径优化方法,所述方法包括:
通过扫描拍照完成部分拍摄点的拍摄;
在剩余点中采用定点移动方法进行拍摄,按照显微镜和缺陷点距离最近原则进行选点,当出现显微镜干涉时采用补点的方法提前躲避;
评估适应度,结束定点拍照路径优化。
优选地,所述按照显微镜和缺陷点距离最近原则进行选点,包括:
1)对输入点进行分区,在现有点中按照数量均衡或位置均衡或最少干涉进行分区;
2)从上面扫描拍照完毕处开始,每个显微镜对各自区域内缺陷点位置距离进行遍历比较,每个显微镜都找距离最近的缺陷点并记录该缺陷点的值,再比较计算的每个显微镜的最小距离,从中挑选最小者作为下次拍摄地点,如此类推,直至排序完毕。
优选地,所述当出现显微镜干涉时采用补点的方法提前躲避,包括:
1)根据避免碰撞规则,在每个显微镜选择各自最近距离点时,先做干涉预判,如果出现干涉,则放弃该最近距离点选取,将选择次近距离点,如此类推;
2)如果出现无法避让的情况,或者显微镜已经拍照完毕,停止等待,进行补点。
优选地,所述通过扫描拍照完成部分拍摄点的拍摄,包括:
初始化种群步骤,根据显微镜间是否存在碰撞风险,划分多个显微镜之间的重叠区或共用区域,以使得每台显微镜对应于各自可拍摄的缺陷,形成不同种群;
动态规划产生第一个个体,将符合运动规则的点作为备选拍摄点,所述运动规则包括备选点规则和避免碰撞规则;
产生随机基因,随机抽取各个显微镜各自独立区域或共用区域内的备选拍摄点,根据所述备选点规则和避免碰撞规则建立备选拍摄点队列;
基因选择交叉,有选择地进行交叉,将优秀的染色体进行复制、交叉,生成新的个体;
基因变异,遍历每个种群中每个个体中的每个基因,当发生变异时,将抽到点位后的排序删除,通过随机抽取重新排序;
扫描匹配和适应度评估,结束拍照路径优化。
优选地,初始化种群步骤具体包括:
当显微镜间存在碰撞风险时,按缺陷分布或物理位置分划各自独立区域,在动态规划时规划一块相邻显微镜间的重叠区;当显微镜间不存在碰撞风险时,划分多个显微镜之间的共用区域,所述多个显微镜都可到达所述共用区域拍摄。
优选地,所述动态规划中,各自显微镜按相同方向查找离自己确立点最近的下一个可拍摄确立点,包括:
1)从最边沿开始寻求可拍点,并列显微镜根据备选点规则和避免碰撞规则分别在各自区域寻找,平行显微镜根据备选点规则在公共区域中寻找没有被其他显微镜确立的点,反向同理;
2)记录确立点数据,并从输入数组中删除确立点信息;
3)判断是否符合扫描的条件,即每个显微镜可拍点数量是否大于第一预设数值,一个扫描整体可拍点数量是否大于第二预设数值,是则反复上述1)、2)过程,否则结束扫拍寻找,将剩余散点进行停拍计算;
4)计算适应度,记录最优解,存储数据。
优选地,所述产生随机基因,随机抽取各个显微镜各自独立区域或共用区域内的备选拍摄点,根据所述备选点规则和避免碰撞规则建立备选拍摄点队列,包括:
1)各个显微镜在各自独立区域或共用区域内随机生抽取一个点,根据所述备选点规则和避免碰撞规则判断可行性,如果不可行则重新抽取;接着抽取第二个点,判断可行性,如此类推;
2)在当前扫描中,按上述步骤1),每个显微镜都将各自区域内数据遍历完成,然后确立各自标志位,停止各个显微镜路径查找;
3)判断是否符合扫描的条件,即每个显微镜可拍点数量是否大于第一预设数值,一个扫描整体可拍点数量是否大于第二预设数值,是则记录确立点数据,并从各自区域数组中删除确立点信息,反复上述1)、2)过程,否则结束扫拍寻找,将剩余散点进行停拍计算;
4)计算适应度,迭代最优解,存储数据。
优选地,所述基因选择交叉,有选择地进行交叉,将优秀的染色体进行复制、交叉,生成新的个体,包括:
1)选择,根据适应度,创建选择模型;每个个体都有一个适应度,采用数组存放每个适应度对应的地址,将适应度最大的地址填充满一个数组,次大适应度的地址填充数据量减一,次次大则减二,如此类推,最小者则为1,形成一个库,随机产生一个库中的地址,作为交叉的对象;
2)复制,从父代中复制某个swath_f基因片段到子代1,从母代中复制某个swath_m基因片段到子代2;
3)交叉,将母代原来后面散点删除,从母代中删除存在swath_f基因片段中的点,从母代中删除现扫描基因片段中点小于第一预设数值的扫描基因片段,将母代剩余的扫描基因片段复制给子代1;同理,删除父代中swath_m基因片段的点,删除小于第一预设数值的扫描基因片段,将父代剩余的扫描基因片段复制给子代2;
4)重组,被删除的点重新随机组合扫描;
5)计算适应度,迭代最优解,存储数据。
优选地,所述基因变异,遍历每个种群中每个个体中的每个基因,当发生变异时,将抽到点位后的排序删除,通过随机抽取重新排序,包括:
1)遍历每个个体基因,遍历过程中设定随机点,按概率抽取,抽取到随机点的进行基因变异;
2)在当前个体中,将抽到点位后面的排序删除;
3)通过随机抽取的方法将后面的数据重新排序;
4)计算适应度,迭代最优解,存储数据。
优选地,所述扫描匹配和适应度评估,包括:
1)扫描配对,在并列显微镜扫描中判断可行性,对可行者加标签,标注扫描顺序;和平行显微镜扫描次数进行比较,进行删减,使平行和并列显微镜扫描次数一致。
2)计算时间,每个扫描运动距离为玻璃板长度,起始加速,中途匀速,结束减速,整个过程时间进行精确计算。
本申请实施例中提供的技术方案,至少具有如下技术效果或优点:
本方法计算局部和综合适应度,挑选综合最优结果,在实现局部优化的前提实现全局优化,主要协调安排每个缺陷点排序和对应拍照显微镜,考虑了距离和时间因素,合理安排和规划一条路径,保证较短时间内完成拍照。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变的明显,或通过本申请的实践了解到。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本申请一实施例所提供的一种多显微镜定点拍照路径优化方法的流程图;
图2示出了本申请一实施例所提供的制定备选点规则原理示意图;
图3示出了本申请一实施例所提供的制定避免碰撞规则原理图;
图4示出了本申请一实施例所提供的就近原则选点示意图;
图5示出了本申请一实施例所提供的避让方法示意图;
图6示出了本申请一实施例所提供的适应度评估示意图;
图7示出了本申请一实施例所提供的一种电子设备的结构示意图;
图8示出了本申请一实施例所提供的一种存储介质的示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施方式。虽然附图中显示了本申请的示例性实施方式,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
下面结合附图来描述根据本申请实施例提出的一种多显微镜定点拍照路径优化方法、装置、电子设备及存储介质。
本申请的具体方法实现如图1所示,包括如下步骤:
步骤101、通过扫描拍照完成部分拍摄点的拍摄;
步骤102、在剩余点中采用定点移动方法进行拍摄,按照显微镜和缺陷点距离最近原则进行选点,当出现显微镜干涉时采用补点的方法提前躲避;
步骤103、评估适应度,结束定点拍照路径优化。
所述步骤101通过扫描拍照完成部分拍摄点的拍摄,包括:
步骤S1、初始化种群
由于多显微镜协调工作,显微镜间存在碰撞的风险,存在重复扫描的问题,存在缺陷所属权的问题等,所以本方案采用了分区域的方法来解决协调工作出现的问题,同时提高规划性能。当显微镜间存在碰撞风险时,采用按缺陷分布(1/2,1/4等)或物理位置分划各自独立区域的方法,在动态规划时还规划一块为相邻显微镜间得重叠区;当显微镜不存在碰撞风险时,采用划分与其他一个或多个显微镜共用区域的方法,此显微镜和其他显微镜都可到达该区域拍摄;这样每台显微镜都有了各自可拍摄的缺陷,形成了不同的种群。
步骤S2、动态规划产生第一个个体
由于x轴在匀速运动,移动y轴到达目标位置需要一定时间,所以符合相关运动规则的点才能作为备选拍摄点,制定备选点规则1如下图2所示。
图2中,显微镜从O点处寻找下一个备选点,如A点,从O点到A点,X轴需要移动距离DisX,Y轴需要移动距离DisY,根据X、Y轴各自速度和加速度计算所消耗时间TimX、TimY,消耗时间计算需要考虑加、匀、减速问题,满足条件:
TimY<TimX+SettleTime
为了提高拍照质量添加了轴的稳定时间 SettleTime,满足上述条件时可以成为备选点。
由于并列显微镜间存在碰撞风险,所以在确立一个拍摄点前先判断是否会引起轴冲突,符合相关距离要求的备选点才能作为确立点,制定避免碰撞规则2如下图3所示。
图3中,两个并列相邻显微镜划分的区域中,O_1、A_1、B_1是显微镜1确立点和备选点(实心为确立,空心为备选),O_2、A_2是显微镜2确立和备选点,x轴从左往右方向, O_2先与O_1(判断备选点顺序,从左往右查找时先从确立点中X较小者开始,反向则相反),先判断显微镜2的备选点是否冲突,计算O_2和O_1在Y轴方向距离DisO,计算O_2和O_1在Y轴方向距离DisOA,两者最小:DisY min=min(DisO,DisOA),满足条件:
动态规划的基本方法是,各自显微镜按相同方向查找离自己确立点最近的下一个可拍摄确立点,这样每一步都是最优的,整体结果也是比较优的。
1)从最边沿开始寻求可拍点,并列显微镜根据规则1和规则2分别在各自区域寻找,平行显微镜根据规则1在公共区域中寻找没有被其他显微镜确立的点(如果平行显微镜也存在并列显微镜则叠加并列显微镜方法),反向同理;
2)记录确立点数据,并从输入数组中删除确立点信息,保证下次使用数组时都是自由点(即没有被确立的点)。
3)判断是否符合扫描的条件,即每个显微镜可拍点数量是否大于第一预设数值m,一个扫描整体可拍点数量是否大于第二预设数值n,是则反复上述1)、2)过程,否则结束扫拍寻找,将剩余散点进行停拍计算。
4)计算适应度,记录最优解,存储数据。
经过上述过程可以获得动态规划路径,产生遗传算法第一个个体。
步骤S3、产生随机基因
经过上述的种群初始化后,各并列显微镜都有各自独立的区域,平行显微镜和并列显微镜共用区域。在产生随机基因时采取随机抽取各自区域内备选目标点,遵循上述规则1、规则2往队列中排放,备选目标点可能出现在队列前面、后面、中间位置的现象,如果出现在前、后位置则只需判断与前或后点的可行性,如果出现在中间则需要判断与前与后点的可行性。
1)各个显微镜在各自区域内随机生抽取一个点(在重叠区域中抽取没被抽中的点),根据规则1、2判断可行性,如果不可行则重新抽取;接着抽取第二个点,判断可行性,如此类推。
2)在当前扫描中,按上述步骤1),每个显微镜都将各自区域内数据遍历完成,然后确立各自标志位,停止该显微镜路径查找。当所有显微镜都确立了标志位,意味所有显微镜的数据都遍历完成了,停止当前扫描查找。
3)判断是否符合扫描的条件,即每个显微镜可拍点数量是否大于第一预设数值,一个扫描整体可拍点数量是否大于第二预设数值,是则记录确立点数据,并从各自区域数组中删除确立点信息,反复上述1)、2)过程,否则结束扫拍寻找,将剩余散点进行停拍计算。
4)计算适应度,迭代最优解,存储数据。
步骤S4、基因选择交叉
通过上述(3)生成了n个随机种群(包含第一个个体),该环节进行有选择地进行交叉,有利于迭代的收敛,将优秀的染色体进行复制、交叉,生成新的个体,结果也不会太差。
1)选择,根据适应度,创建选择模型,适应度越大(时间越小)被选取的概率越大;每个个体都有一个适应度(或者相同),采用数组存放每个适应度对应的地址,将适应度最大的地址填充满一个数组(群体大小),次大适应度的地址填充数据量减一,次次大则减二,如此类推,最小者则为1,形成了一个库,随机产生一个库中的地址,作为交叉的对象,所以,适应度越大(时间越小)被抽到概率也越大。
2)复制,从父代father中复制某个swath_f基因片段到子代child1,从母代mother中复制某个swath_m基因片段到子代child2;
3)交叉,将母代原来后面散点删除,从母代中删除存在swath_f基因片段中的点,从母代中删除现扫描基因片段中点小于第一预设数值的扫描基因片段,将母代剩余的扫描基因片段复制给子代1;同理,删除父代中swath_m基因片段的点,删除小于第一预设数值的扫描基因片段,将父代剩余的扫描基因片段复制给子代2。
4)重组,被删除的那些点重新随机组合扫描。
5)计算适应度,迭代最优解,存储数据。
步骤S5、基因变异
为了增加解的多样性,该环节进行变异,制定变异因子,将遍历每个种群中每个个体中的每个基因,每个基因变异概率为P,当发生变异时,将此点后的排序删除,按方法(3)重新组合后面排序。
1)遍历每个个体基因,遍历过程中设定随机点,按概率抽取,抽取到的进行基因变异。
2)在当前个体中,将抽到点位后面的排序删除;
3)通过随机抽取的方法将后面的数据重新排序(只考虑当前显微镜)。
4)计算适应度,迭代最优解,存储数据。
步骤S6、扫描匹配和适应度评估
扫拍过程每个扫描消耗时间一致(距离不一定一样),计算过程如下:
1)扫描配对,在并列显微镜扫描中判断可行性,对可行者加标签,标注扫描顺序。和平行显微镜扫描次数进行比较,进行删减,使平行和并列显微镜扫描次数一致,即每个显微镜扫描次数都一致。
2)计算时间,每个扫描运动距离为玻璃板长度,起始加速,中途匀速,结束减速,整个过程时间进行精确计算。
步骤102具体包括:定点拍照路径优化
通过上述1扫拍过程完成部分点拍摄,在剩余点中采用定点移动方法进行拍摄,按照显微镜和缺陷点距离最近原则进行选点,当出现显微镜干涉时则采用补点的方法提前躲避。
(1)就近原则选点
1)对输入点进行分区,在现有点中按照数量均衡或位置均衡或最少干涉进行分区。
2)从上面扫描拍照完毕处开始(或玻璃边开始),每个显微镜对各自区域内缺陷点位置距离进行遍历比较,每个显微镜都找距离最近的缺陷点并记录该缺陷点的值,再比较上述计算的每个显微镜的最小距离,从中挑选最小者作为下次拍摄地点。如此类推,直至排序完毕。
如图4中区域1、区域2为并列显微镜1、2独立区域,区域3为平行显微镜3和显微镜1、2的公共区域,从各个显微镜从各自原始点O_1、O_1、O_1开始,找离各自原始点最近的点,如O_1找到最近点A_1, O_2找到最近点A_2, O_3找到最近点B_3,这三者中O_3到B_3距离最小,所以显微镜3定点B_3。如此类推。
(2)避让方法
1)拍照运动过程可能会出现干涉,根据上述规则2,在每个显微镜选择各自最近距离点时,先做干涉预判,如果出现干涉,将会放弃该点选取,将选择次近距离点,如此类推。
2)如果出现无法避让的情况,或者该显微镜已经拍照完毕,停止等待,将会补点,让该显微镜提前移开,补点原则为该缺陷点加安全距离。
如图5所示,分别计算出O_1与O_2、A_2的距离DisO、DisOA,再找两者最小距离DisYmin=min(DisO,DisOA),计算需填补最小距离:
步骤103具体包括:适应度评估
定点拍照主要是逐点拍照组成,时间主要是欲达到拍照点轴的运动和轴稳定时间,轴的运动有加速、匀速、减速过程,如图6所示,计算X轴移动时间TimX,Y轴移动时间TimY。
挑选最大者作为这两点移动的时间: TimOA=max(TimX,TimY)。
定点拍照即有一系列点排序,计算适应度也是如此,计算点间的消耗时间,将所有叠加即为该排序适应度。
总体适应度评估和最优结果
扫拍和定点拍照时间之和为总体的花销时间,每个个体都有一个适应度值,进行比较找出最优的适应度。将上述过程进行迭代,根据运算时间要求确定迭代次数,得出最优结果。
本申请实施方式还提供一种与前述实施方式所提供的多显微镜定点拍照路径优化方法对应的电子设备,以执行上多显微镜定点拍照路径优化方法。本申请实施例不做限定。
请参考图7,其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图7所示,所述电子设备2包括:处理器200,存储器201,总线202和通信接口203,所述处理器200、通信接口203和存储器201通过总线202连接;所述存储器201中存储有可在所述处理器200上运行的计算机程序,所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的多显微镜定点拍照路径优化方法。
其中,存储器201可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中,存储器201用于存储程序,所述处理器200在接收到执行指令后,执行所述程序,前述本申请实施例任一实施方式揭示的所述多显微镜定点拍照路径优化方法可以应用于处理器200中,或者由处理器200实现。
处理器200可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201,处理器200读取存储器201中的信息,结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的多显微镜定点拍照路径优化方法出于相同的发明构思,具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的多显微镜定点拍照路径优化方法对应的计算机可读存储介质,请参考图8,其示出的计算机可读存储介质为光盘30,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会执行前述任意实施方式所提供的多显微镜定点拍照路径优化方法。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的多显微镜定点拍照路径优化方法出于相同的发明构思,具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器( DSP )来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种多显微镜定点拍照路径优化方法,其特征在于,所述方法包括;
通过扫描拍照完成部分拍摄点的拍摄;
在剩余点中采用定点移动方法进行拍摄,按照显微镜和缺陷点距离最近原则进行选点,当出现显微镜干涉时采用补点的方法提前躲避;
评估适应度,结束定点拍照路径优化。
2.根据权利要求1所述的方法,其特征在于,
所述按照显微镜和缺陷点距离最近原则进行选点,包括:
1)对输入点进行分区,在现有点中按照数量均衡或位置均衡或最少干涉进行分区;
2)从上面扫描拍照完毕处开始,每个显微镜对各自区域内缺陷点位置距离进行遍历比较,每个显微镜都找距离最近的缺陷点并记录该缺陷点的值,再比较计算的每个显微镜的最小距离,从中挑选最小者作为下次拍摄地点,如此类推,直至排序完毕。
3.根据权利要求1所述的方法,其特征在于,
所述当出现显微镜干涉时采用补点的方法提前躲避,包括:
1)根据避免碰撞规则,在每个显微镜选择各自最近距离点时,先做干涉预判,如果出现干涉,则放弃该最近距离点选取,将选择次近距离点,如此类推;
2)如果出现无法避让的情况,或者显微镜已经拍照完毕,停止等待,进行补点。
4.根据权利要求1所述的方法,其特征在于,
所述通过扫描拍照完成部分拍摄点的拍摄,包括:
初始化种群步骤,根据显微镜间是否存在碰撞风险,划分多个显微镜之间的重叠区或共用区域,以使得每台显微镜对应于各自可拍摄的缺陷,形成不同种群;
动态规划产生第一个个体,将符合运动规则的点作为备选拍摄点,所述运动规则包括备选点规则和避免碰撞规则;
产生随机基因,随机抽取各个显微镜各自独立区域或共用区域内的备选拍摄点,根据所述备选点规则和避免碰撞规则建立备选拍摄点队列;
基因选择交叉,有选择地进行交叉,将优秀的染色体进行复制、交叉,生成新的个体;
基因变异,遍历每个种群中每个个体中的每个基因,当发生变异时,将抽到点位后的排序删除,通过随机抽取重新排序;
扫描匹配和适应度评估,结束拍照路径优化。
5.根据权利要求4所述的方法,其特征在于,
初始化种群步骤具体包括:
当显微镜间存在碰撞风险时,按缺陷分布或物理位置分划各自独立区域,在动态规划时规划一块相邻显微镜间的重叠区;当显微镜间不存在碰撞风险时,划分多个显微镜之间的共用区域,所述多个显微镜都可到达所述共用区域拍摄。
6.根据权利要求4所述的方法,其特征在于,
所述动态规划中,各自显微镜按相同方向查找离自己确立点最近的下一个可拍摄确立点,包括:
1)从最边沿开始寻求可拍点,并列显微镜根据备选点规则和避免碰撞规则分别在各自区域寻找,平行显微镜根据备选点规则在公共区域中寻找没有被其他显微镜确立的点,反向同理;
2)记录确立点数据,并从输入数组中删除确立点信息;
3)判断是否符合扫描的条件,即每个显微镜可拍点数量是否大于第一预设数值,一个扫描整体可拍点数量是否大于第二预设数值,是则反复上述1)、2)过程,否则结束扫拍寻找,将剩余散点进行停拍计算;
4)计算适应度,记录最优解,存储数据。
7.根据权利要求6所述的方法,其特征在于,
所述产生随机基因,随机抽取各个显微镜各自独立区域或共用区域内的备选拍摄点,根据所述备选点规则和避免碰撞规则建立备选拍摄点队列,包括:
1)各个显微镜在各自独立区域或共用区域内随机生抽取一个点,根据所述备选点规则和避免碰撞规则判断可行性,如果不可行则重新抽取;接着抽取第二个点,判断可行性,如此类推;
2)在当前扫描中,按上述步骤1),每个显微镜都将各自区域内数据遍历完成,然后确立各自标志位,停止各个显微镜路径查找;
3)判断是否符合扫描的条件,即每个显微镜可拍点数量是否大于第一预设数值,一个扫描整体可拍点数量是否大于第二预设数值,是则记录确立点数据,并从各自区域数组中删除确立点信息,反复上述1)、2)过程,否则结束扫拍寻找,将剩余散点进行停拍计算;
4)计算适应度,迭代最优解,存储数据。
8.根据权利要求6所述的方法,其特征在于,
所述基因选择交叉,有选择地进行交叉,将优秀的染色体进行复制、交叉,生成新的个体,包括:
1)选择,根据适应度,创建选择模型;每个个体都有一个适应度,采用数组存放每个适应度对应的地址,将适应度最大的地址填充满一个数组,次大适应度的地址填充数据量减一,次次大则减二,如此类推,最小者则为1,形成一个库,随机产生一个库中的地址,作为交叉的对象;
2)复制,从父代中复制某个swath_f基因片段到子代1,从母代中复制某个swath_m基因片段到子代2;
3)交叉,将母代原来后面散点删除,从母代中删除存在swath_f基因片段中的点,从母代中删除现扫描基因片段中点小于第一预设数值的扫描基因片段,将母代剩余的扫描基因片段复制给子代1;同理,删除父代中swath_m基因片段的点,删除小于第一预设数值的扫描基因片段,将父代剩余的扫描基因片段复制给子代2;
4)重组,被删除的点重新随机组合扫描;
5)计算适应度,迭代最优解,存储数据。
9.根据权利要求6所述的方法,其特征在于,
所述基因变异,遍历每个种群中每个个体中的每个基因,当发生变异时,将抽到点位后的排序删除,通过随机抽取重新排序,包括:
1)遍历每个个体基因,遍历过程中设定随机点,按概率抽取,抽取到随机点的进行基因变异;
2)在当前个体中,将抽到点位后面的排序删除;
3)通过随机抽取的方法将后面的数据重新排序;
4)计算适应度,迭代最优解,存储数据。
10.根据权利要求6所述的方法,其特征在于,
所述扫描匹配和适应度评估,包括:
1)扫描配对,在并列显微镜扫描中判断可行性,对可行者加标签,标注扫描顺序;和平行显微镜扫描次数进行比较,进行删减,使平行和并列显微镜扫描次数一致;
2)计算时间,每个扫描运动距离为玻璃板长度,起始加速,中途匀速,结束减速,整个过程时间进行精确计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111035992.8A CN113469472B (zh) | 2021-09-06 | 2021-09-06 | 一种多显微镜定点拍照路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111035992.8A CN113469472B (zh) | 2021-09-06 | 2021-09-06 | 一种多显微镜定点拍照路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113469472A true CN113469472A (zh) | 2021-10-01 |
CN113469472B CN113469472B (zh) | 2022-02-22 |
Family
ID=77867573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111035992.8A Active CN113469472B (zh) | 2021-09-06 | 2021-09-06 | 一种多显微镜定点拍照路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469472B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050094136A1 (en) * | 2003-10-29 | 2005-05-05 | Xu James J. | Defect review system and method |
CN101499434A (zh) * | 2008-01-30 | 2009-08-05 | 奥林巴斯株式会社 | 检查系统 |
CN101571493A (zh) * | 2008-04-29 | 2009-11-04 | 台达电子工业股份有限公司 | 光学检测缺陷后的路径规划方法 |
CN102879405A (zh) * | 2012-09-29 | 2013-01-16 | 肇庆中导光电设备有限公司 | 紧凑型的检测台以及应用该检测台的检测方法 |
DE102013105216A1 (de) * | 2012-05-24 | 2013-11-28 | G.D. S.P.A. | Untersuchungsverfahren eines Produkts in einer Verpackungsmaschine |
CN104406988A (zh) * | 2014-11-18 | 2015-03-11 | 浙江大学 | 一种玻璃内部缺陷的检测方法 |
US20150145661A1 (en) * | 2010-07-27 | 2015-05-28 | Ryan P. Beggs | Methods and apparatus to detect and warn proximate entities of interest |
CN107336230A (zh) * | 2017-05-09 | 2017-11-10 | 浙江工业大学 | 一种基于投影和距离判断的工业机器人碰撞预测方法 |
US20180224380A1 (en) * | 2017-02-09 | 2018-08-09 | Glasstech, Inc. | System and associated method for online measurement of the optical characteristics of a glass sheet |
-
2021
- 2021-09-06 CN CN202111035992.8A patent/CN113469472B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050094136A1 (en) * | 2003-10-29 | 2005-05-05 | Xu James J. | Defect review system and method |
CN101499434A (zh) * | 2008-01-30 | 2009-08-05 | 奥林巴斯株式会社 | 检查系统 |
CN101571493A (zh) * | 2008-04-29 | 2009-11-04 | 台达电子工业股份有限公司 | 光学检测缺陷后的路径规划方法 |
US20150145661A1 (en) * | 2010-07-27 | 2015-05-28 | Ryan P. Beggs | Methods and apparatus to detect and warn proximate entities of interest |
DE102013105216A1 (de) * | 2012-05-24 | 2013-11-28 | G.D. S.P.A. | Untersuchungsverfahren eines Produkts in einer Verpackungsmaschine |
CN102879405A (zh) * | 2012-09-29 | 2013-01-16 | 肇庆中导光电设备有限公司 | 紧凑型的检测台以及应用该检测台的检测方法 |
CN104406988A (zh) * | 2014-11-18 | 2015-03-11 | 浙江大学 | 一种玻璃内部缺陷的检测方法 |
US20180224380A1 (en) * | 2017-02-09 | 2018-08-09 | Glasstech, Inc. | System and associated method for online measurement of the optical characteristics of a glass sheet |
CN107336230A (zh) * | 2017-05-09 | 2017-11-10 | 浙江工业大学 | 一种基于投影和距离判断的工业机器人碰撞预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113469472B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | Two-stage storage assignment to minimize travel time and congestion for warehouse order picking operations | |
Kulak et al. | Joint order batching and picker routing in single and multiple-cross-aisle warehouses using cluster-based tabu search algorithms | |
US9355491B2 (en) | Ray tracing apparatus and method | |
CN110645991B (zh) | 一种基于节点调节的路径规划方法、装置及服务器 | |
CN111882099A (zh) | 一种基于变邻域并行退火算法的物流配送路径规划方法 | |
CN106558091A (zh) | 用于遍历树的设备和遍历树的方法 | |
CN113682318B (zh) | 车辆行驶控制方法及装置 | |
US9631938B2 (en) | Route planning system and method | |
CN108415912B (zh) | 基于MapReduce模型的数据处理方法和设备 | |
CN104978759A (zh) | 用于渲染多个帧的相同区域的方法和设备 | |
CN107133228A (zh) | 一种数据重分布的方法及装置 | |
CN113673922A (zh) | 基于鱼骨型仓库布局的多车拣选路径问题优化方法及系统 | |
CN111340303B (zh) | 基于新型混合蛙跳算法的旅行商路线规划方法 | |
CN116542365A (zh) | 移动机器人履行系统中订单分配和agv调度联合优化方法 | |
CN113469472B (zh) | 一种多显微镜定点拍照路径优化方法 | |
CN107766528A (zh) | 瀑布流页面的数据加载方法、终端和计算机可读存储介质 | |
US20210397948A1 (en) | Learning method and information processing apparatus | |
CN113673782B (zh) | 多显微镜扫描拍照路径优化方法和装置 | |
CN110930092B (zh) | 一种配送路线调整方法、装置、电子设备和存储介质 | |
CN109827585B (zh) | 一种快速填补栅格地图中凹形区域的方法 | |
CN106709572B (zh) | 一种数据处理方法及设备 | |
CN110222055A (zh) | 一种动态图下多边更新的单轮核值维护方法 | |
CN114159777A (zh) | 层次化寻路方法、装置、电子设备及可读介质 | |
CN113673154A (zh) | 一种晶粒分选过程中的寻径方法、装置、设备及存储介质 | |
KR101507355B1 (ko) | 벡터 분류 장치 및 방법 |
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 |