CN113822877A - Aoi设备显微镜缺陷检测图片质量评价方法及系统 - Google Patents
Aoi设备显微镜缺陷检测图片质量评价方法及系统 Download PDFInfo
- Publication number
- CN113822877A CN113822877A CN202111362829.2A CN202111362829A CN113822877A CN 113822877 A CN113822877 A CN 113822877A CN 202111362829 A CN202111362829 A CN 202111362829A CN 113822877 A CN113822877 A CN 113822877A
- Authority
- CN
- China
- Prior art keywords
- sampling point
- value
- detection
- definition
- point set
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 167
- 230000007547 defect Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013441 quality evaluation Methods 0.000 title claims description 13
- 238000005070 sampling Methods 0.000 claims abstract description 284
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000004891 communication Methods 0.000 claims description 20
- 238000007689 inspection Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001000 micrograph Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了AOI设备显微镜缺陷检测图片质量评价方法及系统,方法包括以下步骤:根据检测对象的检测图片,获取采样点集;根据采样点集,获取评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值;比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;根据第一比对结果,获取检测图片的糊图率;匹配评估模板和每个采样点,获取匹配位置坐标;根据获取的匹配位置坐标以及采样点集的中心位置,获取整体拍照位置偏差值;比对每个采样点和整体偏差值,获取检测图片的拍照位置准确性。本发明为评价AOI设备检测图片的糊图率和拍照位置准确性两项指标提供了一种自动化的精确评价方法。
Description
技术领域
本发明涉及显微镜检测取像质量评估技术领域,具体是涉及一种AOI设备显微镜缺陷检测图片质量评价方法及系统。
背景技术
AOI(Automatic Optic Inspection自动光学检测设备)设备一般配备有高倍率显微镜,用于对检出的缺陷进行拍照复查。生产部门通过分析缺陷的显微镜图片来查找生产工艺中可能存在的问题,以改进生产工艺流程,提升产品的生产良率。
鉴于以上的应用需求,客户要求显微镜拍照时位置要尽可能的准确,即要求缺陷必须在显微镜图像的中心位置,同时图像必须要清晰,即要求显微镜图像的糊图率必须控制在极小的百分比以内。
AOI设备在客户生产线运行时,出于提升生产效率的考虑,要求显微镜拍照时必须控制单个缺陷的拍照时间。在限定的时间内,显微镜必须按缺陷坐标高速移动到缺陷所在位置,执行自动聚焦和拍照动作。由于高倍率显微镜的景深小,并且高速加减速容易导致机台和显微镜产生震动,此类原因造成显微镜拍照存在一定概率的糊图; AOI设备计算缺陷坐标时存在一定的误差,各运动轴也客观存在定位误差,此类原因将导致显微镜针对缺陷拍照时存在位置偏差。
显微镜拍照位置准确性和糊图率是AOI设备的重要技术指标。一般会明确约定如下:
位置准确性: 缺陷在显微镜图像中心 +/- N(微米)范围以内。(N为具体的指标值,比如30)
糊图率:小于p%.(p为具体的指标值,比如1.0)。
按以上所述,客户对显微镜的糊图率和拍照位置准确性有严格的要求,而AOI设备由于自身的原因总会存在一定的糊图率和拍照位置偏差。
发明内容
本发明的目的是为了克服上述背景技术的不足,提供一种AOI设备显微镜缺陷检测图片质量评价方法及系统。
本发明提供了一种AOI设备显微镜缺陷检测图片质量评价方法,包括以下步骤:
根据检测对象的检测图片,获取检测对象的采样点集;
根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值;
比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
根据获取每个采样点的第一比对结果,获取检测图片的糊图率;
匹配评估模板和每个采样点,获取匹配位置坐标;
根据获取的匹配位置坐标以及采样点集的中心位置,获取采样点集的整体拍照位置偏差值;
比对每个采样点和整体偏差值,获取检测图片的拍照位置准确性。
根据第一方面,在第一方面第一种可能的实现方式中,所述“根据检测对象的检测图片,获取检测对象的采样点集”步骤,具体包括以下步骤:
根据检测对象的检测图片,获取检测图片中的所有缺陷集合,将所有的缺陷集合作为检测对象的采样点集;或,
根据检测对象的检测图片,获取检测图片中所有与样片的检测图案特征相符的独特性图案位置,将检测图片中所有独特性图案位置作为检测对象的采样点集。
根据第一方面第一种实施方式,在第一方面第二种可能的实施方式中,所述“根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值”步骤,具体包括以下步骤:
根据获取的采样点集,获取采样点集的评估模板;
根据获取的评估模板,获取评估模板的清晰度值,将评估模板的清晰度值作为采样点集的标准清晰度值StdShapness;
根据获取的采样点集,获取每个采样点的检测图像;
根据获取的每个采样点的检测图像,获取每个采样点的检测图像的第一清晰度值和第二清晰度值;
根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值和第二清晰度值,获取采样点集的清晰度阈值。
根据第一方面第二种实施方式,在第一方面第三种可能的实施方式中,所述“根据获取的每个采样点的检测图像,获取每个采样点的检测图像的第一清晰度值和第二清晰度值;
根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值和第二清晰度值,获取采样点集的清晰度阈值”步骤,具体包括以下步骤:
根据获取每个采样点的检测图像,获取每个采样点在显微镜Z向上移糊图时取像的第一清晰度值UpSharpness以及每个采样点在显微镜Z向下移糊图时取像的第二清晰度值DownSharpness;
根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值UpSharpness和第二清晰度值DownSharpness,获取采样点集的清晰度阈值SharpnessTheshold:
SharpnessTheshold=StdSharpness-Max(UpSharpness,DownSharpness )。
根据第一方面第三种实施方式,在第一方面第四种可能的实施方式中,所述“比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
根据获取每个采样点的第一比对结果,获取检测图片的糊图率”步骤,具体包括以下步骤:
比对每个采样点的检测图像的实际清晰度值和标准清晰度值的差值与采样点集的清晰度阈值,获取每个采样点的第一比对工况;
当该采样点的检测图像的实际清晰度值和标准清晰度值的差值小于清晰度阈值时,判定该采样点的检测图像为糊图;
当该采样点的检测图像的实际清晰度值和标准清晰度值的差值不小于清晰度阈值时,判定该采样点的检测图像为非糊图。
根据第一方面第四种实施方式,在第一方面第五种可能的实施方式中,所述“根据获取每个采样点的第一比对结果,获取检测图片的糊图率”步骤,具体包括以下步骤:
统计采样点集中所有被判定为糊图采样点的数量;
计算糊图采样点的数据占采样点集中所有采样点数量的比例,将计算得到的比例作为检测图片的糊图率。
根据第一方面,在第一方面第六种可能的实施方式中,所述“匹配评估模板和每个采样点,获取匹配位置坐标”步骤,具体包括以下步骤:
匹配评估模板和每个采样点,获取每个采样点检测图像中与评估模板相匹配的匹配区域;
将匹配区域的中心坐标作为匹配位置坐标。
第二方面,本发明提供了一种应用于如上所述的AOI设备显微镜缺陷检测图片质量评价方法中的系统,包括:
采样点集获取模块,用于根据根据检测对象的检测图片,获取检测对象的采样点集;
评估参数获取模块,与所述采样点集获取模块通信连接,用于根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值;
比对模块,与所述评估参数获取模块,用于比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
糊图率获取模块,与所述比对模块通信连接,用于根据获取每个采样点的第一比对结果,获取检测图片的糊图率;
匹配模块,与所述评估参数获取模块通信连接,用于匹配评估模板和每个采样点,获取匹配位置坐标;
整体拍照位置偏差值获取模块,与所述匹配模块通信连接,用于根据获取的匹配位置坐标以及采样点集的中心位置,获取采样点集的整体拍照位置偏差值;
拍照位置准确性获取模块,与所述整体拍照位置偏差值获取模块通信连接,用于比对每个采样点和整体偏差值,获取检测图片的拍照位置准确性。
根据第二方面,在第二方面第一种可能的实施方式中,所述采样点集获取模块为:
缺陷集合获取模块,用于根据检测对象的检测图片,获取检测图片中的所有缺陷集合,将所有的缺陷集合作为检测对象的采样点集;或,
独特性图案位置获取模块,用于根据检测对象的检测图片,获取检测图片中所有与样片的检测图案特征相符的独特性图案位置,将检测图片中所有独特性图案位置作为检测对象的采样点集。
与现有技术相比,本发明的优点如下:
本发明提供的AOI设备显微镜缺陷检测图片质量评价方法为评价AOI设备检测图片的糊图率和拍照位置准确性这两项重要指标,提供了一种自动化的精确评价方法,为AOI设备厂商的设备出厂合格率提供了一种有效检测方法,为AOI设备使用厂商提供了一种快速复核方法,确保AOI设备性能满足生产需求。
附图说明
图1是本发明实施例提供的AOI设备显微镜缺陷检测图片质量评价方法的方法流程示意图;
图2是本发明实施例提供的AOI设备显微镜缺陷检测图片质量评价方法的显微镜采样点位置准确性图表;
图3是本发明实施例提供的AOI设备显微镜缺陷检测图片质量评价方法的另一方法流程图;
图4是本发明实施例提供的系统的功能模块框图;
图5是本发明实施例提供的系统的另一功能模块框图。
100、采样点集获取模块;200、评估参数获取模块;210、评估模板获取单元;220、标准清晰度值获取单元;230、采样点检测图像获取模块;240、检测清晰度值模块;250、清晰度阈值获取单元;310、比对模块; 320、匹配模块;330、整体拍照位置偏差值获取模块;410、糊图率获取模块;420、拍照位置准确性获取模块。
具体实施方式
现在将详细参照本发明的具体实施例,在附图中例示了本发明的例子。尽管将结合具体实施例描述本发明,但将理解,不是想要将本发明限于所述的实施例。相反,想要覆盖由所附权利要求限定的在本发明的精神和范围内包括的变更、修改和等价物。应注意,这里描述的方法步骤都可以由任何功能块或功能布置来实现,且任何功能块或功能布置可被实现为物理实体或逻辑实体、或者两者的组合。
为了使本领域技术人员更好地理解本发明,下面结合附图和具体实施方式对本发明作进一步详细说明。
注意:接下来要介绍的示例仅是一个具体的例子,而不作为限制本发明的实施例必须为如下具体的步骤、数值、条件、数据、顺序等等。本领域技术人员可以通过阅读本说明书来运用本发明的构思来构造本说明书中未提到的更多实施例。
请参考图1,本发明实施例提供一种AOI设备显微镜缺陷检测图片质量评价方法,包括以下步骤:
S100、根据检测对象的检测图片,获取检测对象的采样点集;
S200、根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值;
S310、比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
S410、根据获取每个采样点的第一比对结果,获取检测图片的糊图率;
S320、匹配评估模板和每个采样点,获取匹配位置坐标;
S330、根据获取的匹配位置坐标以及采样点集的中心位置,获取采样点集的整体拍照位置偏差值;
S420、比对每个采样点和整体偏差值,获取检测图片的拍照位置准确性。如图2所示,为显微镜采样点位置准确性图表,图中圆点为采样点,即检测图片中的待分析的评价点,图中矩形框为+/-35μm的合格范围,即整体偏差值的限定范围,图2左侧为各采样点的坐标值。
本发明提供的AOI设备显微镜缺陷检测图片质量评价方法为评价AOI设备检测图片的糊图率和拍照位置准确性这两项重要指标,提供了一种自动化的精确评价方法,为AOI设备厂商的设备出厂合格率提供了一种有效检测方法,为AOI设备使用厂商提供了一种快速复核方法,确保AOI设备性能满足生产需求。
在一实施例中,所述“根据检测对象的检测图片,获取检测对象的采样点集”步骤之间,还包括以下步骤:
设置限位镜光强、倍率、聚焦方式等参数,使用显微镜对检测对象进行显微检测,获取待分析的检测图片。
根据检测对象的评价特征需要,可以将检测图片中的缺陷点作为分析对象,也可以将检测图片中具有独特性的图案作为分析对象。
根据对检测图片中分析对象的不同,在一实施例中,所述“根据检测对象的检测图片,获取检测对象的采样点集”步骤,具体包括以下步骤:
根据检测对象的检测图片,获取检测图片中的所有缺陷集合,将所有的缺陷集合作为检测对象的采样点集;
根据对检测图片中分析对象的不同,在本申请变换的实施例中,所述所述“根据检测对象的检测图片,获取检测对象的采样点集”步骤,具体包括以下步骤:
根据检测对象的检测图片,获取检测图片中所有与样片的检测图案特征相符的独特性图案位置,将检测图片中所有独特性图案位置作为检测对象的采样点集。
在一实施例中,所述“获取检测对象的采样点集”步骤,具体实施为通过手动录入方式将采样点集的坐标位置输入电脑中。
在一较具体实施例中,控制显微镜的XY轴移动显微镜,用显微镜观察样片缺陷位置或独特性图案位置,聚焦清晰后,抓图自动读取当前XY轴位置,并记录,然后手动录入每个缺陷位置或独特性图案位置的坐标。
在本申请变换的实施例中,所述“获取检测对象的采样点集”步骤,具体包括以下步骤:
批量导入检测对象的检测图片的缺陷检测结果,遍历每个导入的采样点,通过倍率切换和光强设置控制显微镜移动至该采样点的位置,检查该采样点是否具备分析需要的图案独特性,如果是,对该采样点进行显微检测,读取当前显微检测的XY轴的位置并记录;如果否,将该采样点作为无效采样点删除。
在一实施例中,请参考图3,所述“S200、根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值”步骤,具体包括以下步骤:
S210、根据获取的采样点集,获取采样点集的评估模板;
S220、根据获取的评估模板,获取评估模板的清晰度值,将评估模板的清晰度值作为采样点集的标准清晰度值StdShapness;
S230、根据获取的采样点集,获取每个采样点的检测图像;
S240、根据获取的每个采样点的检测图像,获取每个采样点的检测图像的第一清晰度值和第二清晰度值;
S250、根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值和第二清晰度值,获取采样点集的清晰度阈值。
如上所述,所述采样点集由多个采样点组成。
如上所述,所述“检测图片”定义为检测对象包含多个检测点集或多个独特性图案位置的检测图像。
在一实施例中,所述“根据获取的采样点集,获取采样点集的评估模板”步骤,具体包括以下步骤:
通过移动显微镜的方式,定位检测图片的正中心,聚焦使得当前检测图像清晰,抓取此时清晰的检测图像作为采样点集的评估模板。
在一实施例中,所述“根据获取的每个采样点的检测图像,获取每个采样点的实际清晰度值RealSharpness;
根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值和第二清晰度值,获取采样点集的清晰度阈值”步骤,具体包括以下步骤:
根据获取每个采样点的检测图像,获取每个采样点在显微镜Z向上移糊图时取像的第一清晰度值UpSharpness以及每个采样点在显微镜Z向下移糊图时取像的第二清晰度值DownSharpness;
根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值UpSharpness和第二清晰度值DownSharpness,获取采样点集的清晰度阈值SharpnessTheshold:
SharpnessTheshold=StdSharpness-Max(UpSharpness,DownSharpness )。
在一实施例中,所述“根据获取每个采样点的检测图像,获取每个采样点在显微镜Z向上移糊图时取像的第一清晰度值UpSharpness以及每个采样点在显微镜Z向下移糊图时取像的第二清晰度值DownSharpness”步骤,具体包括以下步骤:
向上调整显微镜的聚焦Z轴位置,使采样点离焦至检测图像刚好模糊,抓图计算此时的检测图像的清晰度值,为第一清晰度值UpSharpness;向下调整显微镜的聚焦Z轴位置,使采样点离焦至检测图像刚好牧户,抓图计算此时的检测图像的清晰度值,为第二清晰度值DownSharpness。
在一实施例中,所述“比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
根据获取每个采样点的第一比对结果,获取检测图片的糊图率”步骤,具体包括以下步骤:
比对每个采样点的检测图像的实际清晰度值和标准清晰度值的差值与采样点集的清晰度阈值,获取每个采样点的第一比对工况;
当该采样点的检测图像的实际清晰度值和标准清晰度值的差值小于清晰度阈值时,判定该采样点的检测图像为糊图,定义为糊图采样点;
当该采样点的检测图像的实际清晰度值和标准清晰度值的差值不小于清晰度阈值时,判定该采样点的检测图像为非糊图。
在一实施例中,所述“根据获取每个采样点的第一比对结果,获取检测图片的糊图率”步骤,具体包括以下步骤:
统计采样点集中所有被判定为糊图采样点的数量;
计算糊图采样点的数据占采样点集中所有采样点数量的比例,将计算得到的比例作为检测图片的糊图率。
在一实施例中,所述“匹配评估模板和每个采样点,获取匹配位置坐标”步骤,具体包括以下步骤:
匹配评估模板和每个采样点,获取每个采样点检测图像中与评估模板相匹配的匹配区域;
将匹配区域的中心坐标作为匹配位置坐标。
如上所述,所述“匹配评估模板和每个采样点,获取每个采样点检测图像中与评估模板相匹配的匹配区域”为将评估模板和检测图片中的每个采样点进行模板匹配,其中,模板匹配为缺陷点对应匹配或独特性图案对应匹配。
基于同一发明构思,请参考图4,本发明提供了一种应用于如上所述的AOI设备显微镜缺陷检测图片质量评价方法中的系统,包括:
采样点集获取模块100,用于根据根据检测对象的检测图片,获取检测对象的采样点集;
评估参数获取模块200,与所述采样点集获取模块通信连接,用于根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值;
比对模块310,与所述评估参数获取模块,用于比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
糊图率获取模块410,与所述比对模块通信连接,用于根据获取每个采样点的第一比对结果,获取检测图片的糊图率;
匹配模块320,与所述评估参数获取模块200通信连接,用于匹配评估模板和每个采样点,获取匹配位置坐标;
整体拍照位置偏差值获取模块330,与所述匹配模块320通信连接,用于根据获取的匹配位置坐标以及采样点集的中心位置,获取采样点集的整体拍照位置偏差值;
拍照位置准确性获取模块420,与所述整体拍照位置偏差值获取模块330通信连接,用于比对每个采样点和整体偏差值,获取检测图片的拍照位置准确性。
在一实施例中,所述采样点集获取模块为:
缺陷集合获取模块,用于根据检测对象的检测图片,获取检测图片中的所有缺陷集合,将所有的缺陷集合作为检测对象的采样点集;或,
独特性图案位置获取模块,用于根据检测对象的检测图片,获取检测图片中所有与样片的检测图案特征相符的独特性图案位置,将检测图片中所有独特性图案位置作为检测对象的采样点集。
在一实施例中,请参考图5,所述评估参数获取模块200包括:
评估模板获取单元210,与采样点集获取模块100通信连接,用于根据获取的采样点集,获取采样点集的评估模板;
标准清晰度值获取单元220,与所述评估模板获取单元通信连接,用于根据获取的评估模板,获取评估模板的清晰度值,将评估模板的清晰度值作为采样点集的标准清晰度值StdShapness;
采样点检测图像获取模块230,与所述采样点集获取模块100通信连接,用于根据获取的采样点集,获取每个采样点的检测图像;
检测清晰度值模块240,与所述采样点检测图像获取模块通信连接,用于根据获取的每个采样点的检测图像,获取每个采样点的检测图像的第一清晰度值和第二清晰度值;
清晰度阈值获取单元250,与所述标准清晰度值获取单元和所述检测清晰度值模块通信连接,用于用于根据获取的采样点集,获取每个采样点的检测图像,再根据获取的每个采样点的检测图像,获取每个采样点的检测图像的第一清晰度值和第二清晰度值,获取采样点集的清晰度阈值。
在一实施例中,所述检测清晰度值获取模块进一步包括第一清晰度值获取单元和第二清晰度值获取单元,第一清晰度值获取单元,用于根据获取每个采样点的检测图像,获取每个采样点在显微镜Z向上移糊图时取像的第一清晰度值UpSharpness;第二清晰度值获取单元,用于根据获取每个采样点的检测图像,获取每个采样点在显微镜Z向下移糊图时取像的第二清晰度值DownSharpness。
在一实施例中,所述清晰度阈值获取单元进一步包括清晰度阈值计算单元,所述清晰度阈值计算单元用于将获取的标准清晰度值StdShapness、每个采样点的第一清晰度值UpSharpness和第二清晰度值DownSharpness根据式一,计算得到采样点集的清晰度阈值SharpnessTheshold:
SharpnessTheshold=StdSharpness-Max(UpSharpness,DownSharpness )。
在一实施例中,所述比对模块310进一步包括:
比对单元,用于比对每个采样点的检测图像的实际清晰度值和标准清晰度值的差值与采样点集的清晰度阈值,获取每个采样点的第一比对工况;
糊图判定单元,与所述比对单元通信连接,用于当该采样点的检测图像的实际清晰度值和标准清晰度值的差值小于清晰度阈值时,判定该采样点的检测图像为糊图;
非糊图判定单元,与所述比对单元通信连接,用于当该采样点的检测图像的实际清晰度值和标准清晰度值的差值不小于清晰度阈值时,判定该采样点的检测图像为非糊图。
在一实施例中,所述糊图率获取模块包括:
糊图采样点数量获取单元,与所述糊图判定单元通信连接,用于统计采样点集中所有被判定为糊图采样点的数量;
糊图率计算单元,与所述糊图采样点数量获取单元通信连接,用于计算糊图采样点的数据占采样点集中所有采样点数量的比例,将计算得到
基于同一发明构思,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法的所有方法步骤或部分方法步骤。
本发明实现上述方法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,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。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。计算机可读介质可以包括: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,RandomAccess 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。
基于同一发明构思,本申请实施例还提供一种电子设备,包括存储器和处理器,存储器上储存有在处理器上运行的计算机程序,处理器执行计算机程序时实现上述方法中的所有方法步骤或部分方法步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable 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,处理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,处理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。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(例如声音播放功能、图像播放功能等);存储数据区可存储根据手机的使用所创建的数据(例如音频数据、视频数据等)。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(SmartMedia 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。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、服务器或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、服务器和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种AOI设备显微镜缺陷检测图片质量评价方法,其特征在于,包括以下步骤:
根据检测对象的检测图片,获取检测对象的采样点集;
根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值;
比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
根据获取每个采样点的第一比对结果,获取检测图片的糊图率;
匹配评估模板和每个采样点,获取匹配位置坐标;
根据获取的匹配位置坐标以及采样点集的中心位置,获取采样点集的整体拍照位置偏差值;
比对每个采样点和整体偏差值,获取检测图片的拍照位置准确性。
2.如权利要求1所述的AOI设备显微镜缺陷检测图片质量评价方法,其特征在于,所述“根据检测对象的检测图片,获取检测对象的采样点集”步骤,具体包括以下步骤:
根据检测对象的检测图片,获取检测图片中的所有缺陷集合,将所有的缺陷集合作为检测对象的采样点集;或,
根据检测对象的检测图片,获取检测图片中所有与样片的检测图案特征相符的独特性图案位置,将检测图片中所有独特性图案位置作为检测对象的采样点集。
3.如权利要求1所述的AOI设备显微镜缺陷检测图片质量评价方法,其特征在于,所述“根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值”步骤,具体包括以下步骤:
根据获取的采样点集,获取采样点集的评估模板;
根据获取的评估模板,获取评估模板的清晰度值,将评估模板的清晰度值作为采样点集的标准清晰度值StdShapness;
根据获取的采样点集,获取每个采样点的检测图像;
根据获取的每个采样点的检测图像,获取每个采样点的检测图像的第一清晰度值和第二清晰度值;
根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值和第二清晰度值,获取采样点集的清晰度阈值。
4.如权利要求3所述的AOI设备显微镜缺陷检测图片质量评价方法,其特征在于,所述“根据获取的每个采样点的检测图像,获取每个采样点的检测图像的第一清晰度值和第二清晰度值;
根据获取的标准清晰度值StdShapness、每个采样点的第一清晰度值和第二清晰度值,获取采样点集的清晰度阈值”步骤,具体包括以下步骤:
根据获取每个采样点的检测图像,获取每个采样点在显微镜Z向上移糊图时取像的第一清晰度值UpSharpness以及每个采样点在显微镜Z向下移糊图时取像的第二清晰度值DownSharpness;
将获取的标准清晰度值StdShapness、每个采样点的第一清晰度值UpSharpness和第二清晰度值DownSharpness根据式一,计算得到采样点集的清晰度阈值SharpnessTheshold:
SharpnessTheshold=StdSharpness-Max(UpSharpness,DownSharpness )。
5.如权利要求4所述的所述的AOI设备显微镜缺陷检测图片质量评价方法,其特征在于,所述“比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果”步骤,具体包括以下步骤:
比对每个采样点的检测图像的实际清晰度值和标准清晰度值的差值与采样点集的清晰度阈值,获取每个采样点的第一比对工况;
当该采样点的检测图像的实际清晰度值和标准清晰度值的差值小于清晰度阈值时,判定该采样点的检测图像为糊图;
当该采样点的检测图像的实际清晰度值和标准清晰度值的差值不小于清晰度阈值时,判定该采样点的检测图像为非糊图。
6.如权利要求5所述的AOI设备显微镜缺陷检测图片质量评价方法,其特征在于,所述“根据获取每个采样点的第一比对结果,获取检测图片的糊图率”步骤,具体包括以下步骤:
统计采样点集中所有被判定为糊图采样点的数量;
计算糊图采样点的数据占采样点集中所有采样点数量的比例,将计算得到的比例作为检测图片的糊图率。
7.如权利要求1所述的AOI设备显微镜缺陷检测图片质量评价方法,其特征在于,所述“匹配评估模板和每个采样点,获取匹配位置坐标”步骤,具体包括以下步骤:
匹配评估模板和每个采样点,获取每个采样点检测图像中与评估模板相匹配的匹配区域,将匹配区域的中心坐标作为匹配位置坐标。
8.一种AOI设备显微镜缺陷检测图片质量评价系统,其特征在于,包括:
采样点集获取模块,用于根据根据检测对象的检测图片,获取检测对象的采样点集;
评估参数获取模块,与所述采样点集获取模块通信连接,用于根据获取的采样点集,获取采样点集的评估模板、标准清晰度值、每个采样点的实际清晰度值和采样点集的清晰度阈值;
比对模块,与所述评估参数获取模块,用于比对每个采样点的实际清晰度值和标准清晰度值的差值与清晰度阈值,获取第一比对结果;
糊图率获取模块,与所述比对模块通信连接,用于根据获取每个采样点的第一比对结果,获取检测图片的糊图率;
匹配模块,与所述评估参数获取模块通信连接,用于匹配评估模板和每个采样点,获取匹配位置坐标;
整体拍照位置偏差值获取模块,与所述匹配模块通信连接,用于根据获取的匹配位置坐标以及采样点集的中心位置,获取采样点集的整体拍照位置偏差值;
拍照位置准确性获取模块,与所述整体拍照位置偏差值获取模块通信连接,用于比对每个采样点和整体偏差值,获取检测图片的拍照位置准确性。
9.如权利要求8所述的AOI设备显微镜缺陷检测图片质量评价系统,其特征在于,所述采样点集获取模块为:
缺陷集合获取模块,用于根据检测对象的检测图片,获取检测图片中的所有缺陷集合,将所有的缺陷集合作为检测对象的采样点集;或,
独特性图案位置获取模块,用于根据检测对象的检测图片,获取检测图片中所有与样片的检测图案特征相符的独特性图案位置,将检测图片中所有独特性图案位置作为检测对象的采样点集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111362829.2A CN113822877B (zh) | 2021-11-17 | 2021-11-17 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111362829.2A CN113822877B (zh) | 2021-11-17 | 2021-11-17 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113822877A true CN113822877A (zh) | 2021-12-21 |
CN113822877B CN113822877B (zh) | 2022-02-22 |
Family
ID=78919275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111362829.2A Active CN113822877B (zh) | 2021-11-17 | 2021-11-17 | Aoi设备显微镜缺陷检测图片质量评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113822877B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324168A (zh) * | 2022-01-04 | 2022-04-12 | 广东奥普特科技股份有限公司 | 一种表面缺陷检测方法及系统 |
CN115684208A (zh) * | 2023-01-04 | 2023-02-03 | 广州弘高科技股份有限公司 | 一种avi检测机的上下料自动控制系统 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6756589B1 (en) * | 1998-07-10 | 2004-06-29 | Hitachi, Ltd. | Method for observing specimen and device therefor |
CN101071251A (zh) * | 2006-05-11 | 2007-11-14 | 致伸科技股份有限公司 | 评估自动聚焦最少有效采样点的方法 |
CN102968792A (zh) * | 2012-10-29 | 2013-03-13 | 中国科学院自动化研究所 | 显微视觉下多焦面物体成像的方法 |
CN104732525A (zh) * | 2015-02-10 | 2015-06-24 | 宁波永新光学股份有限公司 | 结合像素间距法视觉显著性的显微图像清晰度评价方法 |
CN105652429A (zh) * | 2016-03-22 | 2016-06-08 | 哈尔滨理工大学 | 一种基于机器学习的显微镜细胞载玻片扫描自动聚焦方法 |
CN106504279A (zh) * | 2016-10-18 | 2017-03-15 | 安庆师范大学 | 彩色图像自动聚焦方法 |
CN106896622A (zh) * | 2015-12-21 | 2017-06-27 | 宁波舜宇光电信息有限公司 | 基于多距离自动对焦的校正方法 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN107507173A (zh) * | 2017-08-15 | 2017-12-22 | 上海交通大学 | 一种全切片图像的无参考清晰度评估方法及系统 |
CN110006905A (zh) * | 2019-01-25 | 2019-07-12 | 杭州晶耐科光电技术有限公司 | 一种线面阵相机结合的大口径超净光滑表面缺陷检测装置 |
CN110392254A (zh) * | 2019-07-25 | 2019-10-29 | 深圳市爱培科技术股份有限公司 | 一种基于图像清晰度评价算法的调焦测试方法及终端设备 |
CN110488481A (zh) * | 2019-09-19 | 2019-11-22 | 广东工业大学 | 一种显微镜对焦方法、显微镜及相关设备 |
CN110689524A (zh) * | 2019-09-04 | 2020-01-14 | 华南理工大学 | 一种无参考在线图像清晰度评价方法与系统 |
CN110751609A (zh) * | 2019-10-25 | 2020-02-04 | 浙江迅实科技有限公司 | 一种基于智能光畸变校正的dlp打印精度提升方法 |
CN110865453A (zh) * | 2019-09-26 | 2020-03-06 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种自动显微镜自动对焦方法 |
CN110930380A (zh) * | 2019-11-19 | 2020-03-27 | 上海华力微电子有限公司 | 一种缺陷观测机台及其的图像分析补偿方法 |
CN111899215A (zh) * | 2020-06-15 | 2020-11-06 | 浙江大学 | 一种光学元件体缺陷的提取方法 |
CN113163122A (zh) * | 2021-04-30 | 2021-07-23 | 珠海广浩捷科技股份有限公司 | 一种调焦方法 |
CN113269769A (zh) * | 2021-06-08 | 2021-08-17 | 深圳市英视自动化科技有限公司 | 一种基于图像配准的缺陷检测方法、系统及设备 |
CN113313638A (zh) * | 2020-12-23 | 2021-08-27 | 深圳市杰恩世智能科技有限公司 | 一种外观缺陷检测方法 |
-
2021
- 2021-11-17 CN CN202111362829.2A patent/CN113822877B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6756589B1 (en) * | 1998-07-10 | 2004-06-29 | Hitachi, Ltd. | Method for observing specimen and device therefor |
CN101071251A (zh) * | 2006-05-11 | 2007-11-14 | 致伸科技股份有限公司 | 评估自动聚焦最少有效采样点的方法 |
CN102968792A (zh) * | 2012-10-29 | 2013-03-13 | 中国科学院自动化研究所 | 显微视觉下多焦面物体成像的方法 |
CN104732525A (zh) * | 2015-02-10 | 2015-06-24 | 宁波永新光学股份有限公司 | 结合像素间距法视觉显著性的显微图像清晰度评价方法 |
CN106896622A (zh) * | 2015-12-21 | 2017-06-27 | 宁波舜宇光电信息有限公司 | 基于多距离自动对焦的校正方法 |
CN105652429A (zh) * | 2016-03-22 | 2016-06-08 | 哈尔滨理工大学 | 一种基于机器学习的显微镜细胞载玻片扫描自动聚焦方法 |
CN106504279A (zh) * | 2016-10-18 | 2017-03-15 | 安庆师范大学 | 彩色图像自动聚焦方法 |
CN107240078A (zh) * | 2017-06-06 | 2017-10-10 | 广州优创电子有限公司 | 镜头清晰度验算方法、装置及电子设备 |
CN107507173A (zh) * | 2017-08-15 | 2017-12-22 | 上海交通大学 | 一种全切片图像的无参考清晰度评估方法及系统 |
CN110006905A (zh) * | 2019-01-25 | 2019-07-12 | 杭州晶耐科光电技术有限公司 | 一种线面阵相机结合的大口径超净光滑表面缺陷检测装置 |
CN110392254A (zh) * | 2019-07-25 | 2019-10-29 | 深圳市爱培科技术股份有限公司 | 一种基于图像清晰度评价算法的调焦测试方法及终端设备 |
CN110689524A (zh) * | 2019-09-04 | 2020-01-14 | 华南理工大学 | 一种无参考在线图像清晰度评价方法与系统 |
CN110488481A (zh) * | 2019-09-19 | 2019-11-22 | 广东工业大学 | 一种显微镜对焦方法、显微镜及相关设备 |
CN110865453A (zh) * | 2019-09-26 | 2020-03-06 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种自动显微镜自动对焦方法 |
CN110751609A (zh) * | 2019-10-25 | 2020-02-04 | 浙江迅实科技有限公司 | 一种基于智能光畸变校正的dlp打印精度提升方法 |
CN110930380A (zh) * | 2019-11-19 | 2020-03-27 | 上海华力微电子有限公司 | 一种缺陷观测机台及其的图像分析补偿方法 |
CN111899215A (zh) * | 2020-06-15 | 2020-11-06 | 浙江大学 | 一种光学元件体缺陷的提取方法 |
CN113313638A (zh) * | 2020-12-23 | 2021-08-27 | 深圳市杰恩世智能科技有限公司 | 一种外观缺陷检测方法 |
CN113163122A (zh) * | 2021-04-30 | 2021-07-23 | 珠海广浩捷科技股份有限公司 | 一种调焦方法 |
CN113269769A (zh) * | 2021-06-08 | 2021-08-17 | 深圳市英视自动化科技有限公司 | 一种基于图像配准的缺陷检测方法、系统及设备 |
Non-Patent Citations (1)
Title |
---|
ABD AL RAHMAN M. ABU EBAYYEH 等: "A Review and Analysis of Automatic Optical Inspection and Quality Monitoring Methods in Electronics Industry", 《IEEE ACCESS》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114324168A (zh) * | 2022-01-04 | 2022-04-12 | 广东奥普特科技股份有限公司 | 一种表面缺陷检测方法及系统 |
CN114324168B (zh) * | 2022-01-04 | 2024-05-17 | 广东奥普特科技股份有限公司 | 一种表面缺陷检测方法及系统 |
CN115684208A (zh) * | 2023-01-04 | 2023-02-03 | 广州弘高科技股份有限公司 | 一种avi检测机的上下料自动控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113822877B (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113822877B (zh) | Aoi设备显微镜缺陷检测图片质量评价方法及系统 | |
CN107909107B (zh) | 纤维检测方法、装置及电子设备 | |
CN111007661A (zh) | 一种基于深度学习的显微图像自动聚焦方法及装置 | |
US20220012884A1 (en) | Image analysis system and analysis method | |
CN113628179B (zh) | 一种pcb表面缺陷实时检测方法、装置及可读介质 | |
EP4206783A1 (en) | Sample image photographing method and sample image photographing apparatus | |
CN115661161B (zh) | 零件的缺陷检测方法、装置、存储介质、设备及程序产品 | |
JP6045292B2 (ja) | 細胞計数装置及び細胞計数プログラム | |
CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
CN118115496B (zh) | 晶圆缺陷检测方法及装置 | |
CN114219758A (zh) | 缺陷检测方法、系统、电子设备和计算机可读存储介质 | |
CN115719326A (zh) | Pcb板缺陷检测方法及装置 | |
CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
JP2017072439A (ja) | 粗大粒子の測定方法および粗大粒子の測定装置 | |
CN105243677A (zh) | 一种保证精度的实时单分子定位方法及系统 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN115242979A (zh) | 应用于血液拍摄的对焦方法及系统、智能设备及存储介质 | |
CN114384681A (zh) | 显微镜快速精准自动对焦方法、系统、计算机设备及介质 | |
CN114494122A (zh) | 目标对象的检测方法、装置、存储介质及电子设备 | |
CN208623750U (zh) | 智能工业相机 | |
JPS5830049B2 (ja) | 網赤血球自動計測装置 | |
CN117850017B (zh) | 显微镜自动对焦方法、装置、计算机设备及存储介质 | |
CN114764180B (zh) | 待测物的聚焦方法及聚焦系统、设备和存储介质 | |
CN113808067B (zh) | 电路板检测方法、视觉检测设备及具有存储功能的装置 | |
CN109672818B (zh) | 一种调整图像质量的方法及装置 |
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 |