CN113808126A - 芯片极性方向判别方法、计算机装置及存储介质 - Google Patents

芯片极性方向判别方法、计算机装置及存储介质 Download PDF

Info

Publication number
CN113808126A
CN113808126A CN202111139016.7A CN202111139016A CN113808126A CN 113808126 A CN113808126 A CN 113808126A CN 202111139016 A CN202111139016 A CN 202111139016A CN 113808126 A CN113808126 A CN 113808126A
Authority
CN
China
Prior art keywords
verification code
chip
polarity direction
detected
template picture
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
CN202111139016.7A
Other languages
English (en)
Inventor
王晓琳
徐强
王春芳
闫红庆
张显伟
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.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202111139016.7A priority Critical patent/CN113808126A/zh
Publication of CN113808126A publication Critical patent/CN113808126A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Character Input (AREA)

Abstract

本发明提供一种芯片极性方向判别方法、计算机装置及存储介质,该方法包括:获取待检测芯片的验证码模板图片;确认验证码模板图片的宽度和长度;对验证码模板图片进行字符识别,获得验证码模板图片中的至少一部分的待检测字符;将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配,获得待检测芯片的字符顺序检测结果;根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向。应用本发明的芯片极性方向判别方法通过验证码模板图片确认待检测芯片的极性方向。

Description

芯片极性方向判别方法、计算机装置及存储介质
技术领域
本发明涉及图像处理技术领域,具体的,涉及一种芯片极性方向判别方法,还涉及应用该芯片极性方向判别方法的计算机装置,还涉及应用该芯片极性方向判别方法的计算机可读存储介质。
背景技术
PCB板上电子元件缺陷检测的结果直接影响了电路板的生产成本,其中,有极性的电子元件如果反接将对电路板造成极大的伤害。因此,需要对PCB板上的电子元件进行极性检测。
现有的电子元件检测方法中,采用自动光学检测系统(Automated OpticalInspection,AOI)进行检测,相比于传统的人工检测方法,拥有更高的可靠性、不间断性以及更高的精度。但是,目前AOI设备多数采取模板匹配的方法,模板匹配依靠OK模板作为标准来检测焊点质量,判断标准较为单一、呆板,检测的泛化能力差,容易出现大量误检的情况。因此,需要对AOI设备输出的结果进行复判,以减少误检率。但现有的方法中,大部分依靠人工复判,在进行复判时,AOI设备仅提供验证码模板图片,用于人工查看比对待复判芯片的图像,确认极性是否正确。但人易受情绪影响,会出现一定的漏检。此外,AOI设备的模板图并未告知芯片的极性方向。因此,为了实现自动化检测,需要设计一种对验证码模板图片的极性进行判断的方法。
发明内容
本发明的第一目的是提供一种通过验证码模板图片确认待检测芯片的极性方向的芯片极性方向判别方法。
本发明的第二目的是提供一种通过验证码模板图片确认待检测芯片的极性方向的计算机装置。
本发明的第三目的是提供一种通过验证码模板图片确认待检测芯片的极性方向的计算机可读存储介质。
为了实现上述第一目的,本发明提供的芯片极性方向判别方法包括:获取待检测芯片的验证码模板图片;确认验证码模板图片的宽度和长度;对验证码模板图片进行字符识别,获得验证码模板图片中的至少一部分待检测字符;将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配,获得待检测芯片的字符顺序检测结果;根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向。
由上述方案可知,本发明的芯片极性方向判别方法通过验证码模板图片进行字符识别,并通过验证码模板图片的宽度和长度确认字符的方向,从而确定待检测芯片的极性方向,从而起到自动识别待检测芯片的极性方向的目的,为芯片极性的自动复判提供支持。
进一步的方案中,对验证码模板图片进行字符识别的步骤前,还包括:判断验证码模板图片的长度是否大于宽度,若是,将验证码模板图片以预设方向进行旋转90度,使旋转后的验证码模板图片长度小于宽度。
由此可见,为了便于字符识别操作,在进行字符识别前,需要将图片中的字符沿平行方向排布,因此,需确认验证码模板图片的长度大于宽度,当长度大于宽度时,则认为字符沿垂直方向排布,需要进行旋转,使得字符沿平行方向排布。
进一步的方案中,对验证码模板图片进行字符识别的步骤包括:对验证码模板图片进行分割,获得各个字符的字符图像;利用预设的字符分类模型算法对字符图像进行字符识别,获得字符图像中对应的待检测字符。
由此可见,在对验证码模板图片进行字符识别时,需要先将图片中的字符分割出来,再对各个字符的字符图像以预设的字符分类模型算法进行识别,从而提高字符识别的准确度。
进一步的方案中,对验证码模板图片进行分割,获得各个字符的字符图像的步骤包括:对验证码模板图片进行高斯滤波;将滤波后的验证码模板图片转换成灰度图;对灰度图进行二值化处理;对二值化后的验证码模板图片进行膨胀处理;利用连通域算法对膨胀后的验证码模板图片进行分割,获得字符图像。
由此可见,对验证码模板图片进行高斯滤波、二值化处理、膨胀处理以及利用连通域分割图片,可减少噪点的干扰,提高字符识别的准确度。
进一步的方案中,将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配的步骤包括:确认所获取到的待检测字符与预设验证码中的字符相同。
由此可见,为了避免检测出来的字符不是需要检测芯片中的字符,在将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配时,需要确认所获取到的待检测字符与预设验证码中的字符相同。
进一步的方案中,根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向的步骤包括:若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相同,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为第一极性方向;若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相反,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为第二极性方向;若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相同,且验证码模板图片的长度小于宽度,则待检测芯片的极性方向为第三极性方向;若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相反,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为第四极性方向;第一极性方向、第二极性方向相差180度,第三极性方向和第四极性方向相差180度。
由此可见,根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向时,通过宽度、长度以及字符顺序检测结果可确认验证码模板图片中字符的方向,从而根据字符的方向对应确认待检测芯片的极性方向。
进一步的方案中,根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向的步骤后,还包括:获取待复判芯片的图像极性方向;将待复判芯片的极性方向与待检测芯片的极性方向进行对比,获得对比结果。
由此可见,获得模板的极性方向后,可通过将待复判芯片的极性方向与待检测芯片的极性方向进行对比,从而确认待复判芯片的极性方向是否正确。
进一步的方案中,获取待复判芯片的极性方向的步骤包括:根据待复判芯片的预设特征确定待复判芯片的极性方向。
由此可见,待复判芯片的一些特征与待复判芯片的极性方向存在关联性,因此,通过预设特征可确定待复判芯片的极性方向。
为了实现本发明的第二目的,本发明提供计算机装置包括处理器以及存储器,存储器存储有计算机程序,计算机程序被处理器执行时实现上述的芯片极性方向判别方法的步骤。
为了实现本发明的第三目的,本发明提供的计算机可读存储介质,其上存储有计算机程序,计算机程序被控制器执行时实现上述的芯片极性方向判别方法的步骤。
附图说明
图1是本发明芯片极性方向判别方法实施例的流程图。
图2是本发明芯片极性方向判别方法实施例中4个方向的验证码模板图片。
图3是本发明芯片极性方向判别方法实施例中二值化处理后的验证码模板图片。
图4是本发明芯片极性方向判别方法实施例中膨胀处理后的验证码模板图片。
图5是本发明芯片极性方向判别方法实施例中进行字符分割后的验证码模板图片。
图6是本发明芯片极性方向判别方法实施例中待复判芯片的一个示例图。
以下结合附图及实施例对本发明作进一步说明。
具体实施方式
芯片极性方向判别方法实施例:
本实施例的芯片极性方向判别方法是应用在计算机装置中的应用程序,用于控制计算机装置对芯片的极性方向进行判别。
如图1所述,本实施例中,芯片极性方向判别方法在工作时,首先执行步骤S1,获取待检测芯片的验证码模板图片。因为每一款PCBA产品中芯片的极性方向不一样,因此,在AOI设备中会制作验证码模板图片,并发送给复判方进行复判操作,验证码模板图片分成4个方向:0°、90°、180°、270°。由于AOI设备传过来的验证码模板图片可根据0°分向旋转以后得到4个方向,因此,在获取待检测芯片的验证码模板图片时,只要获取0°方向的验证码模板图片即可。验证码模板图片的字符方向与芯片的极性方向对应设置。
需要说明的是,本实施例主要是针对验证码模板图片为矩形的情况,即验证码模板图片具有较长的边以及较短的边,本实施例需要根据较长的边以及较短的边的分布情况来确定芯片的极性方向。
获取验证码模板图片后,执行步骤S2,确认验证码模板图片的宽度和长度。为了确认验证码模板图片的字符方向,首先,需要先确认验证码模板图片的宽度和长度,以便确认字符在图片中的排列方向。在获取验证码模板图片时,可通过验证码模板图片的尺寸信息确认验证码模板图片的宽度和长度。本实施例中,以图片左上角的顶点为原点,竖直方向为长度,水平方向为宽度。
获得验证码模板图片的宽度和长度后,执行步骤S3,判断验证码模板图片的长度是否大于宽度。为了便于字符识别操作,在进行字符识别前,需要将图片中的字符沿平行方向排布,因此,需确认验证码模板图片的长度大于宽度,以便确认图片中的字符的排布方向。
若确认验证码模板图片的长度大于宽度时,则执行在步骤S4,将验证码模板图片以预设方向进行旋转90度,使旋转后的验证码模板图片长度小于宽度。其中,预设方向包括顺时针方向或逆时针方向,可根据实际需要进行设置,本实施例中,预设方向为逆时针方向。当长度大于宽度时,则认为字符沿垂直方向排布,需要进行旋转,使得字符沿平行方向排布。
若确认验证码模板图片长度小于宽度时,执行步骤S5,对验证码模板图片进行字符识别,获得验证码模板图片中的至少一部分待检测字符。为了进一步判断验证码模板图片中的字符方向,需要获取出验证码模板图片中的至少一部分待检测字符。优选的,获取验证码模板图片中的所获取到的待检测字符。
本实施例中,对验证码模板图片进行字符识别的步骤包括:对验证码模板图片进行分割,获得各个字符的字符图像;利用预设的字符分类模型算法对字符图像进行字符识别,获得字符图像中对应的待检测字符。在对验证码模板图片进行字符识别时,需要先将图片中的字符分割出来,再对各个字符的字符图像以预设的字符分类模型算法进行识别,从而提高字符识别的准确度。字符分类模型算法采用公知的字符分类模型算法,例如,Faster-CNN、yolov3、yolov4等字符分类模型算法,采用字符分类模型算法对字符图像进行字符识别为本领域技术人员所公知的技术,在此不再赘述。
本实施例中,对验证码模板图片进行分割,获得各个字符的字符图像的步骤包括:对验证码模板图片进行高斯滤波;将滤波后的验证码模板图片转换成灰度图;对灰度图进行二值化处理;对二值化后的验证码模板图片进行膨胀处理;利用连通域算法对膨胀后的验证码模板图片进行分割,获得字符图像。在对灰度图进行二值化处理时,采用自适应阈值法进行二值化处理。获得的图像如图3所示。对二值化后的验证码模板图片进行膨胀处理,使得字符的连贯性更加突出,如图4所示。在进行膨胀处理后,连通域算法对膨胀后的验证码模板图片进行分割,获得字符图像。通过连通域算法进行字符分割为本领域技术人员公知的技术,在此不赘述。进行字符分割后的图像如图4所示,其中,包括四个字符图像1。
在获得至少一部分待检测字符后,执行步骤S6,将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配,获得待检测芯片的字符顺序检测结果。获得待检测字符后,为了进一步确认验证码模板图片中的字符方向,需要将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配,确认所获取到的待检测字符的排列顺序与预设验证码的字符顺序是否一致或相反,从而获得字符顺序检测结果。
本实施例中,将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配的步骤包括:确认所获取到的待检测字符与预设验证码中的字符相同。为了避免检测出来的待检测字符不是检测芯片中的字符,在将所获取到的待检测字符的排列顺序与预设验证码的字符顺序进行匹配时,需要确认所获取到的待检测字符与预设验证码中的字符相同。如果存在字符不相同,则进行报警处理,以便用户进行人工复查。
在获得字符顺序检测结果后,执行步骤S7,根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向。通过字符顺序检测结果确认所获取到的待检测字符的排列顺序后,可进一步根据验证码模板图片的宽度、长度确认验证码模板图片中的字符方向,从而确认待检测芯片的极性方向。
本实施例中,根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向的步骤包括:若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相同,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为第一极性方向;若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相反,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为第二极性方向;若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相同,且验证码模板图片的长度小于宽度,则待检测芯片的极性方向为第三极性方向;若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相反,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为第四极性方向;第一极性方向、第二极性方向相差180度,第三极性方向和第四极性方向相差180度。
例如,在将验证码模板图片以逆时针方向进行旋转90度的前提下,若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相同,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为芯片的左下角。若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相反,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为芯片的右上角。若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相同,且验证码模板图片的长度小于宽度,则待检测芯片的极性方向为芯片的右下角。若所获取到的待检测字符的排列顺序与预设验证码的字符顺序相反,且验证码模板图片的长度大于宽度,则待检测芯片的极性方向为芯片的左上角。
根据验证码模板图片的宽度、长度以及字符顺序检测结果确认待检测芯片的极性方向的步骤后,则可确定待检测芯片的极性方向,因此,可以进行待复判芯片的极性判断。在进行复判操作时,获取待复判芯片的图像极性方向;将待复判芯片的极性方向与待检测芯片的极性方向进行对比,获得对比结果。待复判芯片的极性方向可利用AOI设备中进行极性判别的方法获得。本实施例中,获取待复判芯片的极性方向的步骤包括:根据待复判芯片的预设特征确定待复判芯片的极性方向。芯片上某部分特征可指示芯片极性方向,因此,可根据芯片的预设特征确定芯片的极性方向。例如,对某一款芯片进行极性判断时,获得芯片图像后,对其进行高斯滤波并利用OTSU方法进行二值化,防止噪点影响,接着分别截取如图6所示的芯片图像中4个角的位置,即图中四个方框内的位置,计算4个四个方框内的前景点数量,并进行排序,如果左下角和右下角的前景点数量为最少的两个,则极性方向在右上方向,如果左上角和左下角的前景点数量为最少的两个,则极性方向在右下方向,如果左上角和右上角的前景点数量为最少的两个,则极性方向在左下方向,如果右上角和右下角的前景点数量为最少的两个,则极性方向在左上方向。
将待复判芯片的极性方向与待检测芯片的极性方向进行对比时,若待复判芯片的极性方向与待检测芯片的极性方向相同,则待复判芯片的极性方向判断正确,若不相同,待复判芯片的极性方向判断错误,进行报警提示。
计算机装置实施例:
本实施例的计算机装置包括控制器,控制器执行计算机程序时实现上述芯片极性方向判别方法实施例中的步骤。
例如,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由控制器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。
计算机装置可包括,但不仅限于,控制器、存储器。本领域技术人员可以理解,计算机装置可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算机装置还可以包括输入输出设备、网络接入设备、总线等。
例如,控制器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用控制器、数字信号控制器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(FieldProgrammable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用控制器可以是微控制器或者该控制器也可以是任何常规的控制器等。控制器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块,控制器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现计算机装置的各种功能。例如,存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
计算机可读存储介质实施例:
上述实施例的计算机装置集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,实现上述芯片极性方向判别方法实施例中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被控制器执行时,可实现上述芯片极性方向判别方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。存储介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
由上述可知,本发明的芯片极性方向判别方法通过验证码模板图片进行字符识别,并通过验证码模板图片的宽度和长度确认字符的方向,从而确定待检测芯片的极性方向,从而起到自动识别待检测芯片的极性方向的目的,为芯片极性的自动复判提供支持。
需要说明的是,以上仅为本发明的优选实施例,但发明的设计构思并不局限于此,凡利用此构思对本发明做出的非实质性修改,也均落入本发明的保护范围之内。

Claims (10)

1.一种芯片极性方向判别方法,其特征在于:包括:
获取待检测芯片的验证码模板图片;
确认所述验证码模板图片的宽度和长度;
对所述验证码模板图片进行字符识别,获得所述验证码模板图片中的至少一部分待检测字符;
将所获取到的所述待检测字符的排列顺序与预设验证码的字符顺序进行匹配,获得所述待检测芯片的字符顺序检测结果;
根据所述验证码模板图片的宽度、长度以及字符顺序检测结果确认所述待检测芯片的极性方向。
2.根据权利要求1所述的芯片极性方向判别方法,其特征在于:
对所述验证码模板图片进行字符识别的步骤前,还包括:
判断所述验证码模板图片的长度是否大于宽度,若是,将所述验证码模板图片以预设方向进行旋转90度,使旋转后的所述验证码模板图片长度小于宽度。
3.根据权利要求1所述的芯片极性方向判别方法,其特征在于:
对所述验证码模板图片进行字符识别的步骤包括:
对所述验证码模板图片进行分割,获得各个字符的字符图像;
利用预设的字符分类模型算法对所述字符图像进行字符识别,获得所述字符图像中对应的所述待检测字符。
4.根据权利要求3所述的芯片极性方向判别方法,其特征在于:
对所述验证码模板图片进行分割,获得各个字符的字符图像的步骤包括:
对所述验证码模板图片进行高斯滤波;
将滤波后的所述验证码模板图片转换成灰度图;
对所述灰度图进行二值化处理;
对二值化后的所述验证码模板图片进行膨胀处理;
利用连通域算法对膨胀后的所述验证码模板图片进行分割,获得所述字符图像。
5.根据权利要求1至4任一项所述的芯片极性方向判别方法,其特征在于:
将所获取到的所述待检测字符的排列顺序与预设验证码的字符顺序进行匹配的步骤包括:
确认所获取到的所述待检测字符与所述预设验证码中的字符相同。
6.根据权利要求1至4任一项所述的芯片极性方向判别方法,其特征在于:
根据所述验证码模板图片的宽度、长度以及字符顺序检测结果确认所述待检测芯片的极性方向的步骤包括:
若所获取到的所述待检测字符的排列顺序与所述预设验证码的字符顺序相同,且所述验证码模板图片的长度大于宽度,则所述待检测芯片的极性方向为第一极性方向;
若所获取到的所述待检测字符的排列顺序与所述预设验证码的字符顺序相反,且所述验证码模板图片的长度大于宽度,则所述待检测芯片的极性方向为第二极性方向;
若所获取到的所述待检测字符的排列顺序与所述预设验证码的字符顺序相同,且所述验证码模板图片的长度小于宽度,则所述待检测芯片的极性方向为第三极性方向;
若所获取到的所述待检测字符的排列顺序与所述预设验证码的字符顺序相反,且所述验证码模板图片的长度大于宽度,则所述待检测芯片的极性方向为第四极性方向;
所述第一极性方向、所述第二极性方向相差180度,所述第三极性方向和所述第四极性方向相差180度。
7.根据权利要求1所述的芯片极性方向判别方法,其特征在于:
根据所述验证码模板图片的宽度、长度以及字符顺序检测结果确认所述待检测芯片的极性方向的步骤后,还包括:
获取待复判芯片的极性方向;
将所述待复判芯片的极性方向与所述待检测芯片的极性方向进行对比,获得对比结果。
8.根据权利要求7所述的芯片极性方向判别方法,其特征在于:
获取待复判芯片的极性方向的步骤包括:
根据所述待复判芯片的预设特征确定所述待复判芯片的极性方向。
9.一种计算机装置,包括处理器以及存储器,其特征在于:所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任意一项所述的芯片极性方向判别方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被控制器执行时实现如权利要求1至8中任意一项所述的芯片极性方向判别方法的步骤。
CN202111139016.7A 2021-09-27 2021-09-27 芯片极性方向判别方法、计算机装置及存储介质 Pending CN113808126A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111139016.7A CN113808126A (zh) 2021-09-27 2021-09-27 芯片极性方向判别方法、计算机装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111139016.7A CN113808126A (zh) 2021-09-27 2021-09-27 芯片极性方向判别方法、计算机装置及存储介质

Publications (1)

Publication Number Publication Date
CN113808126A true CN113808126A (zh) 2021-12-17

Family

ID=78896879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111139016.7A Pending CN113808126A (zh) 2021-09-27 2021-09-27 芯片极性方向判别方法、计算机装置及存储介质

Country Status (1)

Country Link
CN (1) CN113808126A (zh)

Similar Documents

Publication Publication Date Title
JP6879431B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
US11783469B2 (en) Method and system for scanning wafer
US11189019B2 (en) Method for detecting defects, electronic device, and computer readable medium
CN105092598A (zh) 一种基于连通域的大幅面pcb板缺陷快速识别方法及系统
CN112577969B (zh) 一种基于机器视觉的缺陷检测方法以及缺陷检测系统
KR102559021B1 (ko) 불량 이미지 생성 장치 및 방법
US20220088719A1 (en) Method, apparatus, and non-transitory computer readable medium for detecting welding defects of workpieces
CN112435222A (zh) 一种电路板检测方法、装置及计算机可读存储介质
CN115272199A (zh) 一种pcb载板缺陷检测方法、系统、电子设备及介质
TW202127372A (zh) 瑕疵等級判定的方法及存儲介質
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN114677348A (zh) 一种基于视觉的ic芯片缺陷的检测方法、系统和存储介质
CA3035387C (en) Digitization of industrial inspection sheets by inferring visual relations
WO2014103617A1 (ja) 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム
CN112364807B (zh) 图像识别方法、装置、终端设备及计算机可读存储介质
CN113808126A (zh) 芯片极性方向判别方法、计算机装置及存储介质
CN113870754B (zh) 一种面板检测电子信号缺陷判定的方法和系统
CN112784737B (zh) 结合像素分割和线段锚的文本检测方法、系统及装置
CN115829929A (zh) 产品表面图像的缺陷检测方法、装置、设备及存储介质
CN111932515B (zh) 产品残留类缺陷的短路检测方法及系统及缺陷分类系统
WO2021174506A1 (zh) 图像边缘检测方法、装置以及图像信号处理器
CN113379726A (zh) 线路检测方法、装置、设备及计算机可读存储介质
US20220253996A1 (en) Method, apparatus, and device for labeling images
JP3106370B2 (ja) グラフ情報によるプリント基板の欠陥検出及び種別認識方法
CN116309562B (zh) 一种板卡缺陷识别方法及系统

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