CN113888510A - 检测方法、检测装置、检测设备及计算机可读存储介质 - Google Patents
检测方法、检测装置、检测设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113888510A CN113888510A CN202111162345.3A CN202111162345A CN113888510A CN 113888510 A CN113888510 A CN 113888510A CN 202111162345 A CN202111162345 A CN 202111162345A CN 113888510 A CN113888510 A CN 113888510A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- target
- value
- area
- 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
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种检测方法、检测装置、检测设备及非易失性计算机可读存储介质。检测方法包括:识别待测件图像中的多个重复图像区域;获取目标图像区域中,目标像素的目标像素值、和目标图像区域周围多个重复图像区域中,与目标像素的位置对应的参考像素的参考像素值,目标图像区域为任一重复图像区域;及根据目标像素值、多个参考像素值和预设差值阈值,确定目标像素是否为缺陷像素,预设差值阈值根据待测件图像的梯度信息确定。本申请实施方式的检测方法、检测装置、检测设备及非易失性计算机可读存储介质中由于预设差值阈值可根据待测件的图像的梯度信息确定,预设差值阈值的准确性较高,从而进一步提升缺陷像素的检测准确性。
Description
技术领域
本申请涉及半导体检测技术领域,更具体而言,涉及一种检测方法、检测装置、检测设备及非易失性计算机可读存储介质。
背景技术
目前,在半导体工件的生产过程中因环境工艺的问题,会带来很多的缺陷,而这些中的一些缺陷会对工件造成致命的影响,使得工件无法正常工作。因此,亟需一种能够准确检测工件缺陷的方案。
发明内容
本申请实施方式提供一种检测方法、检测装置、检测设备及非易失性计算机可读存储介质。
本申请实施方式的检测方法包括识别待测件图像中的多个重复图像区域;获取目标图像区域中,目标像素的目标像素值、和所述目标图像区域周围多个所述重复图像区域中,与所述目标像素的位置对应的参考像素的参考像素值,所述目标图像区域为任一所述重复图像区域;及根据所述目标像素值、多个所述参考像素值和预设差值阈值,确定所述目标像素是否为缺陷像素,所述预设差值阈值根据所述待测件图像的梯度信息确定。
本申请实施方式的检测装置包括识别模块、获取模块和确定模块。所述识别模块用于识别待测件图像中的多个重复图像区域。所述获取模块用于获取目标图像区域中,目标像素的目标像素值、和所述目标图像区域周围的多个所述重复图像区域中,与所述目标像素的位置对应的参考像素的参考像素值,所述目标图像区域为任一所述重复图像区域。所述确定模块用于根据所述目标像素值、多个所述参考像素值和预设差值阈值,确定所述目标像素是否为缺陷像素,所述预设差值阈值根据所述待测件图像的梯度信息确定。
本申请实施方式的检测设备包括处理器。所述处理器用于识别待测件图像中的多个重复图像区域;获取目标图像区域中,目标像素的目标像素值、和所述目标图像区域周围的多个所述重复图像区域中,与所述目标像素的位置对应的参考像素的参考像素值,所述目标图像区域为任一所述重复图像区域;及根据所述目标像素值、多个所述参考像素值和预设差值阈值,确定所述目标像素是否为缺陷像素,所述预设差值阈值根据所述待测件图像的梯度信息确定。
本申请实施方式的检测方法、检测装置、检测设备及非易失性计算机可读存储介质通过识别待测件图像中的多个重复图像区域,并根据目标图像区域中目标像素的像素值、和目标图像区域周围的多个重复图像区域中,与目标像素位置对应的参考像素的参考像素值,及预设差值阈值,以确定目标像素是否为缺陷像素。其中,相较于使用目标像素周围的目标像素作为参考像素,目标像素和参考像素的差异较大而言,由于重复图像区域的图像是基本相同的,目标图像区域周围的重复图像区域中对应位置的参考像素与目标像素差异较小,从而有利于提升缺陷像素的检测准确性。且由于预设差值阈值可根据待测件的图像的梯度信息确定,预设差值阈值的准确性较高,从而进一步提升缺陷像素的检测准确性。
本申请的实施方式的附加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得明显,或通过本申请的实施方式的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本申请某些实施方式的检测方法的流程示意图;
图2是本申请某些实施方式的检测装置的示意图;
图3是本申请某些实施方式的检测设备的平面示意图;
图4和图5是本申请某些实施方式的检测方法的场景示意图;
图6至图10是本申请某些实施方式的检测方法的流程示意图;
图11是本申请某些实施方式的检测方法的场景示意图;
图12至图13是本申请某些实施方式的检测方法的流程示意图;
图14本申请某些实施方式的检测方法的场景示意图;
图15本申请某些实施方式的非易失性计算机可读存储介质和处理器的连接状态示意图。
具体实施方式
下面详细描述本申请的实施方式,所述实施方式的示例在附图中示出,其中,相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本申请的实施方式,而不能理解为对本申请的实施方式的限制。
请参阅图1,本申请实施方式提供一种检测方法。该检测方法包括步骤:
01:识别待测件图像中的多个重复图像区域;
02:获取目标图像区域中,目标像素的目标像素值、和目标图像区域周围的多个重复图像区域中,与目标像素的位置对应的参考像素的参考像素值,目标图像区域为任一重复图像区域;及
03:根据目标像素值、多个参考像素值和预设差值阈值,确定目标像素是否为缺陷像素,预设差值阈值根据待测件图像的梯度信息确定。
请参阅图2,本申请实施方式提供一种检测装置10。检测装置10包括识别模块11、获取模块12及确定模块13。本申请实施方式的检测方法可应用于检测装置10。其中,识别模块11用于执行步骤01,获取模块12用于执行步骤02,确定模块13用于执行步骤03。
请参阅图3,本申请实施方式还提供一种检测设备100。检测设备100包括处理器30。本申请实施方式的检测方法可应用于检测设备100。处理器30用于执行步骤01、步骤02和步骤03。
具体地,检测设备100可以是测量机。可以理解,检测设备100的具体形式并不限于测量机,还可以是任意能够对待测件200进行检测的设备。
检测设备100包括运动平台20、处理器30和拍摄设备40。处理器30和拍摄设备40均可设置在运动平台20。运动平台20可用于承载待测件200,运动平台20移动以带动拍摄设备40移动,以使得拍摄设备40采集待测件200的待测件图像。
例如,运动平台20包括XY运动平台21和Z运动平台22,拍摄设备40设置在运动平台20上,具体为:拍摄设备40设置在Z运动平台22,其中,XY运动平台21用于控制待测件200沿水平面移动,改变待测件200和拍摄设备40在水平面的相对位置,Z运动平台22用于控制拍摄设备40沿垂直水平面的方向移动,如此,通过XY运动平台21和Z运动平台22配合实现拍摄设备40相对待测件200的三维位置(即,在水平面的相对位置和垂直水平面方向的相对位置)。
可以理解,运动平台20并不限于上述结构,只需能够改变拍摄设备40相对待测件200的三维位置即可。
拍摄设备40可以是一个或多个,多个拍摄设备40可以是不同类型的拍摄设备40,如拍摄设备40可包括可见光摄像头、红外摄像头、深度摄像头等。本实施方式以拍摄设备40为可见光摄像头为例进行说明。
待测件200可以是面板(如显示面板、触控面板等)或晶圆。本申请实施方式中,以待测件200为面板为例进行说明。
请结合图4,处理器30在对待测件200进行缺陷检测时,处理器30则可控制Z运动平台22沿垂直水平面的方向移动,以保证能清晰的获取待测件图像S,并控制XY运动平台21在水平面的方向上逐渐移动,以分别获取到待测件200各个位置处的图像,处理器30则可融合待测件200各个位置处的图像,获取到待测件图像S,由于待测件200表面具有多个相同的重复单元,因此,在获取待测件图像S后,处理器30则可获取待测件图像S中的多个重复图像区域S0。
更具体地,在检测待测件图像S中的多个重复图像区域S0时,处理器30可将任意一个重复图像区域S0作为目标图像区域S1,以获取目标图像区域S1中的目标像素P1的目标像素值,并获取目标图像区域S1周围的多个重复图像区域S2中,与目标像素位置对应的参考像素P2的参考像素值。
需要说明的是,目标图像区域S1周围的多个重复图像区域S0可以是与目标图像区域相邻的多个重复图像区域S2,此时,由于多个重复图像区域S2距离目标图像区域S1较近,因此,目标图像区域S1中的目标像素P1的像素值与多个重复图像区域S2中的参考像素P2的参考像素值相近,则可保证处理器30最终检测目标像素P1是否为缺陷像素的准确性。目标图像区域S1周围的多个重复图像区域S0还可以是与目标图像区域S1距离小于预定距离阈值的多个重复图像区域S0。如预定距离阈值为2个重复图像区域S0,则结合图4,目标图像区域S1周围的多个重复图像区域S0可以是重复图像区域S3。此时,则说明处理器30可通过待测件图像S各个位置处的参考像素P3的参考像素值,以判断目标像素P1是否为缺陷像素,即可较为全面的获取待测件图像S中各个位置处的参考像素P3,以判断目标像素P1是否为缺陷像素,从而保证检测结果的准确性。
接下来,处理器30设定有预设差值阈值,处理器30可计算目标像素值和多个参考像素值的差值,以得到多个像素差值,并判断多个像素差值与预设差值阈值的大小关系,以确定目标像素是否为缺陷像素。
在一个实施方式中,当目标像素值和多个参考像素值的像素差值均大于预设差值阈值时,处理器30确定目标像素为缺陷像素;当目标像素值和多个参考像素值的像素差值均小于预设差值阈值时,处理器30确定该目标像素为正常像素。
在另一个实施方式中,处理器30还可设置有预定个数,当目标像素值和多个参考像素值的像素差值部分大于预设差值阈值时,处理器30可统计多个像素差值大于预设差值阈值的实际个数,并根据判断实际个数与预定个数的大小关系,以确定目标像素是否为缺陷像素。如,当实际个数大于预定个数时,则处理器30确定目标像素为缺陷像素;当实际个数小于等于预定个数时,则处理器30确定目标像素为正常像素。可以理解,当像素差值大于预设差值阈值,且实际个数大于预定个数时,处理器30确定该目标像素为缺陷像素。
其中,预设差值阈值可根据待测件图像的梯度信息确定。待测件图像的梯度信息可根据待测件图像中所有像素的梯度之和的平均值进行计算。像素的梯度为像素在水平方向和垂直方向上的变化。而待测件图像中每个像素的梯度,可以通过计算当前像素与多个邻近像素(上、下、左和右四个方向)之间的灰度值的差值之和得到。如图5所示,在计算像素Q1的梯度G时,则需先分别计算像素Q1与像素Q2的差值M1、像素Q1和像素Q3的差值M2、像素Q1和像素Q4的差值M3、像素Q1和像素Q4的差值M4,由此,像素Q1的梯度G=M1+M2+M3+M4。
而当待测件图像的梯度信息较大时,待测件图像的清晰度越大,此时,则说明待测件图像的变化程度比较剧烈,因此,为保证检测目标像素是否为缺陷像素的准确性,当待测件图像的梯度信息较大时,则需增大预设差值阈值。
可以理解,待测件图像的梯度信息为影响预设差值阈值大小的一个参数,与预设差值阈值成正比例关系,预设差值阈值可通过多个参考像素的参考像素值和梯度信息得出。通过引入待测件图像的梯度信息,则可考虑到待测件图像中像素值的变化程度,以保证检测结果的准确性。
需要说明的是,目标图像区域中的像素均为目标像素,而与每个目标像素是独立的,在处理器30获取与每个目标像素位置对应的参考像素时,同样是互不干扰的。因此,处理器30可以同时判断多个目标像素是否为缺陷像素,该过程可以并行处理。如目标图像区域中包括有64个目标像素,则处理器30可同时判断16个、32个或64个目标像素是否为缺陷像素,以快速完成对目标区域中目标像素的检测。由此,处理器30即可快速完成对待测件图像的检测。
本申请实施方式的检测方法、检测装置10及检测设备100通过识别待测件图像中的多个重复图像区域,并根据目标图像区域中目标像素的像素值、和目标图像区域周围的多个重复图像区域中,与目标像素位置对应的参考像素的参考像素值,及预设差值阈值,以确定目标像素是否为缺陷像素。其中,相较于使用目标像素周围的目标像素作为参考像素,目标像素和参考像素的差异较大而言,由于重复图像区域的图像是基本相同的,目标图像区域周围的重复图像区域中对应位置的参考像素与目标像素差异较小,从而有利于提升缺陷像素的检测准确性。且由于预设差值阈值可根据待测件的图像的梯度信息确定,预设差值阈值的准确性较高,从而进一步提升缺陷像素的检测准确性。
请参阅图2、图3和图6,在某些实施方式中,步骤03:根据目标像素值、多个参考像素值和预设差值阈值,确定目标像素是否为缺陷像素,预设差值阈值根据待测件图像的梯度信息确定,包括步骤:
031:获取目标像素值和每个参考像素值的差值;及
032:根据大于预定差值阈值的差值对应的参考像素值的数量,确定目标像素是否为缺陷像素。
在某些实施方式中,确定模块13用于执行步骤031和步骤032。
具体地,在得到目标像素与每个参考像素的差值后,处理器30可根据大于预定差值阈值的差值对应参考像素值的数量,以确定目标像素是否为缺陷像素。
例如,目标图像区域周围的具有8个重复图像区域,每个重复图像区域对应有一个参考像素,即共有8个参考像素值,则目标像素值和每个参考像素值都有一个差值,共有8个差值。处理器30可预先设定大于预定差值阈值的差值对应的参考像素值的数量为参考像素值的二分之一时,处理器30则确定目标像素为缺陷像素。即当处理器30判断大于预定差值阈值的差值的数量大于4个时,处理器30确定目标像素为缺陷像素;当处理器30判断大于预定差值阈值的差值的数量小于等于4个时,处理器30则确定目标像素为正常像素。
由此,处理器30则可通过大于预定差值阈值的差值的数量,以确定目标图像区域中目标像素是否为缺陷像素。
请参阅图2、图3和图7,在某些实施方式中,步骤032:根据大于预定差值阈值的差值对应的参考像素值的数量,确定目标像素是否为缺陷像素,包括步骤:
0321:在数量大于预定数量阈值的情况下,确定目标像素为缺陷像素;及
0322:在数量小于预定数量阈值的情况下,确定目标像素为正常像素。
在某些实施方式中,确定模块13还用于执行步骤0321和步骤0322。
其中,预定数量阈值可根据参考像素值的数量确定,如预定数量阈值可以是参考像素值数量的二分之一、三分之一、四份之一等。
在一个实施方式中,请结合图4,若目标图像区域S1位于待测件图像S的中心区域位置,则目标图像区域S1周围具有8个重复图像区域S2,即参考像素P2的数量为8个,参考像素值的数量同样为8个,此时,处理器30可预定数量阈值为3。由于参考像素值的数量较多,因此,在处理器30判断大于预定差值阈值的差值对应的参考像素值的数量大于3时,处理器30确定目标像素为缺陷像素;而在大于预定差值阈值的差值对应的参考像素值的数量小于等于3时,处理器30确定目标像素为正常像素。
在另一个实施方式中,若目标图像区域位于待测件图像中不包括四角位置的边缘位置处,则目标图像区域周围具有5个重复图像区域,即参考像素值的数量为5个,处理器30可预定数量阈值为3。由于参考像素值的数量较少,因此,在处理器30判断大于预定差值阈值的差值对应的参考像素值的数量大于等于3时,即多数差值都大于参考像素值时,处理器30确定目标像素为缺陷像素;而在大于预定差值阈值的差值对应的参考像素值的数量小于3时,处理器30确定目标像素为正常像素。
在又一个实施方式中,若目标图像区域位于待测件图像的四角时,则目标图像区域周围具有3个重复图像区域,即参考像素值的数量为3个,处理器30可预定数量阈值为2。由于参考像素值的数量较少,因此,在处理器30判断大于预定差值阈值的差值对应的参考像素值的数量大于等于2时,即多数差值都大于参考像素值时,处理器30确定目标像素为缺陷像素;而在大于预定差值阈值的差值对应的参考像素值的数量小于2时,处理器30确定目标像素为正常像素。
根据上述实施方式,可以理解,当处理器30通过对比大于预定差值阈值的差值的对应的参考像素值的数量与预定数量阈值的大小关系时,还会根据参考像素值的数量,以设定合适的预定数量阈值。
更具体地,根据目标图像区域位于待测件图像中的位置的区别,则会出现不同数量的参考像素,如8个参考像素、5个参考像素和3个参考像素。此时,针对这三种不同的情况,为了尽可能减少设定预定数量阈值的数量,则将预定数量阈值设定为3和2。大部分预定数量阈值为3时,则可同时判断参考像素为8个和5个的情况,而若将预定数量阈值设定为大于3时,则会较大的预定数量阈值会导致参考像素为5个时,处理器30不能准确目标像素是否为正常像素。而若将预定数量阈值统一设定为2,则会导致预定数量阈值较小,从而导致参考像素为8个时,不能准确判断目标像素是否为正常像素。因此,针对这三种不同的情况,需将预定数量阈值分别设定为3和2。此时,处理器30可准确判断位于待测件图像任意位置的目标图像区域中的目标像素值是否为缺陷像素。
请参阅图8,本申请实施方式的检测方法,还包括步骤:
04:根据待测件图像的清晰度,调整预设差值阈值,清晰度根据待测件图像的梯度信息确定。
更具体地,请参阅图9,步骤04:根据待测件图像的清晰度,调整预设差值阈值,还包括步骤:
041:根据清晰度确定第一调整值;及
042:根据基准差值阈值、第一调整值、多个参考像素值和目标像素对应的梯度信息,确定预设差值阈值。
请参阅图2,在某些实施方式中,检测装置10还包括第一调整模块15,第一调整模块15用于执行步骤04、步骤041和步骤042。
具体地,处理器30还可根据待测件图像的清晰度,以调整预设差值阈值。其中,清晰度根据待测件图像的梯度信息确定。待测件图像水平方向上的梯度变化和垂直方向上的梯度变化,即水平方向上的像素值变化和垂直方向上的像素值变化,可直接反应待测件图像的清晰度。
例如,待测件图像的梯度信息变化越大,即像素的像素值变化越大时,则待测件图像的清晰度越高,此时,由于待测件图像的清晰度变化程度较大,若待测件图像中存在有缺陷时,较小的预设差值阈值无法准确的判断出缺陷像素,因此,需增大预设差值阈值,以保证判断目标像素是否为缺陷像素的准确性。
更具体地,处理器30可根据待测件图像的清晰度以确定第一调整值,并根据基准差值阈值、第一调整值、多个参考像素的参考像素值和目标像素对应的梯度信息以确定预设差值阈值。
在处理器30判断目标区域图像中的目标像素是否为缺陷像素时,为保证其准确性,针对于每个目标像素,则需根据每个目标像素对应的多个参考像素的梯度信息确定,以对预设差值阈值进行调整。
预设差值阈值的计算方法如下述公式所示:
其中,T为预设差值阈值,h为第一调整值、l为基础差值阈值、sum为与目标像素位置对应的n个参考像素的像素值之和、s为目标像素位置处对应的梯度信息。
具体地,基础差值阈值l为待测件图像中所有像素的梯度值之和的平均值,且基础差值阈值l为预定清晰度的待测件图像对应的预设差值阈值。其中,预定清晰度为待测件图像的梯度为0时对应的清晰度,此时,待测件图像中的像素的像素值不发生变化,基础差值阈值l较小。可以理解,在待测件图像为预定清晰度,即梯度为0时,预定差值阈值即为基础差值阈值l。
h为根据待测件图像的清晰度得到的经验值。如,第一调整值h经过经验,会在基础差值阈值l的基础上增加3至5。r同样为经验值,如r一般设置为1.5。
可以理解,当待测件图像的清晰度不为预定清晰度时,处理器30则需根据基础差值阈值l以调整预定差值阈值,从而保证检测缺陷的准确性。而目标像素对应的梯度信息可以根据目标像素对应的多个参考像素的梯度信息确定。
具体地,如图4所示,以目标图像区域S1,目标像素P1,目标图像区域周围的多个重复图像区域为8个重复图像区域S2,参考像素P2为例,则目标像素P1的梯度信息可根据8个参考像素P2的梯度的均方差计算的到。
需要说明的是,在对目标像素进行检测的过程中,若目标像素为缺陷像素,则以目标像素的梯度作为s以计算预设差值阈值,则无法保证预设差值阈值的准确性。而与目标像素对应的多个参考像素不会同时均为缺陷像素,因此,通过使用目标像素对应的多个参考像素的梯度信息作为s,以计算预设差值阈值,则可保证预设差值阈值的准确性,从而保证检测结果的准确性。
请参阅图2、图3和图10,本申请实施方式的检测方法,还包括步骤:
05:将重复图像区域中,相邻的缺陷像素连通,以生成一个或多个缺陷图像区域;
06:在缺陷图像区域的面积小于预定面积阈值时,确定缺陷图像区域中的缺陷像素为正常像素;及
07:根据面积大于预定面积阈值的缺陷图像区域的形状,确定缺陷图像区域对应的缺陷类型。
在某些实施方式中,检测装置10还包括第一确定模块16,第一确定模块16用于执行步骤05、步骤06和步骤07。
具体地,在处理器30判断完目标图像区域中的所有像素是否为缺陷像素后,处理器30则可将目标图像区域中相邻的缺陷像素连通,以生成一个或多个缺陷图像区域。
如图11所示,以待测件图像中一个重复图像区域S0为例,该重复图像区域S0包括有多个像素,处理器30在将该重复图像区域S0中相邻的缺陷像素连通后,会生成有两个缺陷图像区域,分别为:第一缺陷图像区域T1和第二缺陷图像区域T2。其中,像素连通为处理器30将重复图像区域S0中相邻的缺陷像素视为同一个缺陷图像区域。
接下来,处理器30可通过判断缺陷图像区域的面积是否小于预定面积阈值,以确定缺陷图像区域中的缺陷像素是否为正常像素。其中,预设面积阈值可以是经验值,预设面积阈值还可以是根据当前待测件的可能会出现的不同类型的缺陷的面积确定。
更具体地,当缺陷图像区域的面积小于预定面积阈值时,处理器30确定该缺陷图像区域中的缺陷像素为正常像素;当缺陷图像区域的面积大于预定面积阈值时,处理器30可根据缺陷图像区域的形状,以确定缺陷图像区域对应的缺陷类型。以图11中的两个缺陷图像区域为例,若这两个缺陷图像区域的面积均大于预定面积阈值,则第一缺陷图像区域T1为梯形,而第二缺陷图像区域T2为三角形。
此外,处理器30还可根据缺陷图像区域的面积的具体大小,以在比较缺陷图像区域的面积和预定面积阈值的大小关系时,做出不同的判断。如,处理器30判断缺陷图像区域的面积占待测件图像的面积超过一定比例时,则处理器30判断缺陷图像区域的面积较大,在缺陷图像区域的面积占待测件图像的面积未超过一定比例,则处理器30判断缺陷图像区域的面积较小。
在一个实施方式中,当处理器30判断缺陷图像区域的面积较小时,则当缺陷图像区域的面积小于等于预定面积阈值时,处理器30确定该缺陷图像区域中的像素为正常像素;当缺陷图像区域的面积大于预定面积阈值时,处理器30确定该缺陷图像区域中的像素为缺陷像素,从而确定该缺陷图像区域对应的缺陷类型。
在另一个实施方式中,当处理器30判断缺陷图像区域的面积较大时,则当缺陷图像区域的面积小于预定面积阈值时,处理器30确定该缺陷图像区域中的像素为正常像素;当缺陷图像区域的面积大于等于预定面积阈值时,处理器30确定该缺陷图像区域中的像素为缺陷像素,从而确定该缺陷图像区域对应的缺陷类型。
由此,处理器30可针对缺陷图像区域的面积不同大小的情况,以准确地判断出缺陷图像区域中的像素是否为缺陷像素。
请参阅图2、图3和图12,在某些实施方式中,步骤01:识别待测件图像中的多个重复图像区域,还包括步骤:
011:获取待测件图像中,像素值大于预定像素值的电路像素;
012:将相邻的电路像素连通,以确定电路区域;及
013:根据电路区域确定多个重复图像区域。
在某些实施方式中,识别模块11用于执行步骤011、步骤012和步骤013。
其中,电路像素连通为处理器30将相邻的电路像素视为同一个电路区域。
具体地,待测件图像包括电路区域和面板区域,面板区域由一个或多个重复图像区域组成,而多个重复图像区域被电路区域所分隔。其中,由于电路区域需要进行导电,在工艺上是金属质地的,而金属的反射性较强,因此,在待测件图像中电路区域相较于面板区域来说,呈现的效果更明亮,即电路区域内的像素的像素值远大于面板区域内的像素的像素值。
由此,处理器30在识别待测件图像中的多个重复图像前,处理器30可获取待测件图像中,像素值大于预定像素值的像素,该像素为电路区域内的电路像素。
其中,预定像素值可以是待测件图像中所有像素的像素值的平均值。即处理器30在判断待测件图像中大于平均值的像素,均为电路像素。预定像素值还可以是根据电路区域和面板区域因不同的材质的影响,导致像素值的差距较大,以设定的经验值。
接下来,处理器30可将相邻的电路像素连通,以确定出待测件图像中属于电路区域的图像。而由于面板区域中的多个重复图像被电路区域所分隔,因此,在处理器30确定电路区域的图像后,即可确定出面板区域中的多个重复图像区域。
请参阅图2、图3和图13,本申请实施方式的检测方法,还包括步骤:
08:获取多个重复图像区域的位置信息;
09:判断位置信息是否与预设位置信息匹配;及
010:若否,则确定重复图像区域为缺陷区域。
在某些实施方式中,检测装置10还包括第二确定模块17,第二确定模块17用于执行步骤08、步骤09和步骤010。
具体地,在处理器30确定待测件图像中多个重复图像区域后,处理器30可获取多个重复图像区域在待测件图像内的位置信息。
如图14所示,处理器30可以待测件图像S的角点作为原点O,建立坐标系XOY。处理器30则可根据该坐标系,以获取多个重复图像区域S0的坐标。如,获取重复图像区域S0的多个角点X1、X2、X3和X4的坐标,以得到重复图像区域S0的位置信息。可以理解,多个重复图像区域S0的位置信息均不同。
接下来,处理器30中可设置有预设模板,处理器30可通过判断多个重复图像区域的位置信息是否与预设模板中的预设位置信息是否匹配,以确定重复图像区域是否为缺陷区域。其中,预设模板为根据标准的待测件图像建立的坐标系。由此,处理器30可根据预设模板以获取坐标系中,标准的待测件图像中每个重复图像区域的位置坐标,即每个重复图像区域的预设位置信息。
由此,处理器30在判断待测件图像中多个重复图像区域的位置信息是否与预设位置信息匹配时,即处理器30在对比待测件图像中多个重复图像区域的位置是否与标准件图像中多个重复图像区域的位置一一对应,而当待测件图像中存在重复图像区域与预设位置信息不匹配时,则说明该重复图像区域对应的元件在待测件中的位置发生错位,处理器30则可直接判定该重复图像区域为缺陷区域。
具体地,预设模版可以是以标准的待测件图像中对应标准的待测件的左下角位置处为原点建立的坐标系。在处理器30获取得到待测件图像后,由于待测件为手机面板,因此,处理器30同样可以找到待测件图像中对应待测件的左下角位置处的点,并以该点为原点建立坐标系。由此,处理器30可通过对比预设模版中重复图像区域的位置坐标和待测件图像中多个重复图像区域的位置坐标,以判断重复图像区域是否为缺陷区域。
由此,处理器30在判断待测件图像中多个重复图像区域中是否包含缺陷像素前,便可先将多个重复图像区域中为缺陷区域的重复图像区域进行排除,以减少处理器30的工作量。
需要说明的是,本申请实施方式的检测方法中的所有步骤均可通过处理器30来执行完成。
请参阅图15,本申请实施方式还提供一种包含计算机程序301的非易失性计算机可读存储介质300。当计算机程序301被一个或多个处理器30执行时,使得一个或多个处理器30执行上述任一实施方式的检测方法。
例如,计算机程序301被一个或多个处理器30执行时,使得处理器30执行步骤01、步骤02和步骤03。
再例如,计算机程序301被一个或多个处理器30执行时,使得处理器30执行步骤031和步骤032。
还例如,计算机程序301被一个或多个处理器30执行时,使得处理器30执行步骤0321和步骤0322。
在本说明书的描述中,参考术语“某些实施方式”、“一个例子中”、“示例地”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施方式进行变化、修改、替换和变型。
Claims (12)
1.一种检测方法,其特征在于,包括:
识别待测件图像中的多个重复图像区域;
获取目标图像区域中,目标像素的目标像素值、和所述目标图像区域周围的多个所述重复图像区域中,与所述目标像素的位置对应的参考像素的参考像素值,所述目标图像区域为任一所述重复图像区域;及
根据所述目标像素值、多个所述参考像素值和预设差值阈值,确定所述目标像素是否为缺陷像素,所述预设差值阈值根据所述待测件图像的梯度信息确定。
2.根据权利要求1所述的检测方法,其特征在于,所述目标图像区域周围的多个所述重复图像区域包括与所述目标图像区域相邻的多个所述重复图像区域;或者所述目标图像区域周围的多个所述重复图像区域包括与所述目标图像区域的距离小于预定距离阈值的多个所述重复图像区域。
3.根据权利要求1所述的检测方法,其特征在于,所述根据所述目标像素值、多个所述参考像素值和预设差值阈值,确定所述目标像素是否为缺陷像素,所述预设差值阈值根据所述待测件图像的梯度信息确定,包括:
获取所述目标像素值和每个所述参考像素值的差值;
根据大于所述预定差值阈值的所述差值对应的所述参考像素值的数量,确定所述目标像素是否为所述缺陷像素。
4.根据权利要求3所述的检测方法,其特征在于,所述根据大于预定差值阈值的所述差值对应的所述参考像素值的数量,确定所述目标像素是否为所述缺陷像素,包括:
在所述数量大于预定数量阈值的情况下,确定所述目标像素为所述缺陷像素;及
在所述数量小于预定数量阈值的情况下,确定所述目标像素为正常像素。
5.根据权利要求1所述的检测方法,其特征在于,还包括:
根据所述待测件图像的清晰度,调整所述预设差值阈值,所述清晰度根据所述待测件图像的所述梯度信息确定。
6.根据权利要求5所述的检测方法,其特征在于,所述根据所述待测件图像的清晰度,调整所述预设差值阈值,包括:
根据所述清晰度确定第一调整值;及
根据基准差值阈值、所述第一调整值、多个所述参考像素值和所述目标像素对应的梯度信息,确定所述预设差值阈值,其中,所述基准差值阈值为预定清晰度的所述待测件图像对应的所述预设差值阈值,所述目标像素对应的梯度信息根据所述目标像素对应的多个所述参考像素的梯度信息确定。
7.根据权利要求1所述的检测方法,其特征在于,还包括:
将所述重复图像区域中,相邻的所述缺陷像素连通,以生成一个或多个缺陷图像区域;
在所述缺陷图像区域的面积小于预定面积阈值时,确定所述缺陷图像区域中的所述缺陷像素为正常像素;及
根据面积大于所述预定面积阈值的所述缺陷图像区域的形状,确定所述缺陷图像区域对应的缺陷类型。
8.根据权利要求1所述的检测方法,其特征在于,所述待测件图像包括电路区域和面板区域,所述面板区域由一个或多个所述重复图像区域组成,多个所述重复图像区域被所述电路区域分隔,所述识别待测件图像中的多个重复图像区域,包括:
获取所述待测件图像中,像素值大于预定像素值的电路像素;
将相邻的所述电路像素连通,以确定所述电路区域;及
根据所述电路区域确定多个所述重复图像区域。
9.根据权利要求1所述的检测方法,其特征在于,还包括:
获取多个所述重复图像区域的位置信息;
判断所述位置信息是否与预设位置信息匹配;
若否,则确定所述重复图像区域为缺陷区域。
10.一种检测装置,其特征在于,包括:
识别模块,所述识别模块用于识别待测件图像中的多个重复图像区域;
获取模块,所述获取模块用于获取目标图像区域中,目标像素的目标像素值、和所述目标图像区域周围的多个所述重复图像区域中,与所述目标像素的位置对应的参考像素的参考像素值,所述目标图像区域为任一所述重复图像区域;
确定模块,所述确定模块用于根据所述目标像素值、多个所述参考像素值和预设差值阈值,确定所述目标像素是否为缺陷像素,所述预设差值阈值根据所述待测件图像的梯度信息确定。
11.一种检测设备,其特征在于,所述检测设备包括处理器,所述处理器用于识别待测件图像中的多个重复图像区域;获取目标图像区域中,目标像素的目标像素值、和所述目标图像区域周围的多个所述重复图像区域中,与所述目标像素的位置对应的参考像素的参考像素值,所述目标图像区域为任一所述重复图像区域;及根据所述目标像素值、多个所述参考像素值和预设差值阈值,确定所述目标像素是否为缺陷像素,所述预设差值阈值根据所述待测件图像的梯度信息确定。
12.一种包括计算机程序的非易失性计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1-9任意一项所述的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162345.3A CN113888510A (zh) | 2021-09-30 | 2021-09-30 | 检测方法、检测装置、检测设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111162345.3A CN113888510A (zh) | 2021-09-30 | 2021-09-30 | 检测方法、检测装置、检测设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113888510A true CN113888510A (zh) | 2022-01-04 |
Family
ID=79005041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111162345.3A Pending CN113888510A (zh) | 2021-09-30 | 2021-09-30 | 检测方法、检测装置、检测设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888510A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114693678A (zh) * | 2022-05-31 | 2022-07-01 | 武汉东方骏驰精密制造有限公司 | 工件质量智能检测方法、装置 |
CN114820561A (zh) * | 2022-05-16 | 2022-07-29 | 奥蒂玛光学科技(深圳)有限公司 | 一种异常区域检测方法、自动光学检测设备以及存储介质 |
CN115908269A (zh) * | 2022-10-26 | 2023-04-04 | 中科慧远视觉技术(北京)有限公司 | 视觉缺陷检测方法、装置、存储介质和计算机设备 |
-
2021
- 2021-09-30 CN CN202111162345.3A patent/CN113888510A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114820561A (zh) * | 2022-05-16 | 2022-07-29 | 奥蒂玛光学科技(深圳)有限公司 | 一种异常区域检测方法、自动光学检测设备以及存储介质 |
CN114693678A (zh) * | 2022-05-31 | 2022-07-01 | 武汉东方骏驰精密制造有限公司 | 工件质量智能检测方法、装置 |
CN115908269A (zh) * | 2022-10-26 | 2023-04-04 | 中科慧远视觉技术(北京)有限公司 | 视觉缺陷检测方法、装置、存储介质和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113888510A (zh) | 检测方法、检测装置、检测设备及计算机可读存储介质 | |
CN105783784B (zh) | 检查装置及检查装置的控制方法 | |
TWI474363B (zh) | Pattern evaluation device and pattern evaluation method | |
CN105352437A (zh) | 板卡位置检测方法及装置 | |
CN114220757A (zh) | 晶圆检测对位方法、装置和系统及计算机介质 | |
CN112635346B (zh) | 晶圆检测方法、半导体检测设备及存储介质 | |
KR101756586B1 (ko) | 디스플레이 모듈의 멀티 커넥터 동시 컨택 테스트 장치 | |
CN112884743A (zh) | 检测方法及装置、检测设备和存储介质 | |
KR102557190B1 (ko) | 설계를 사용한 사전 층 결함 사이트 검토 | |
US6633663B1 (en) | Method and system for determining component dimensional information | |
CN113160145A (zh) | 检测方法、检测装置、检测设备及计算机可读存储介质 | |
CN115375608A (zh) | 检测方法及装置、检测设备和存储介质 | |
KR20160105082A (ko) | 기판 검사 장치 및 그 검사 방법 | |
US8102516B2 (en) | Test method for compound-eye distance measuring apparatus, test apparatus, and chart used for the same | |
CN111507949A (zh) | 一种基于视觉的芯片识别方法 | |
KR101626374B1 (ko) | 모서리 기반 코너 추정을 이용한 정밀 위치 보정 방법 | |
CN115103124A (zh) | 一种用于摄像头模组主动对准的方法 | |
CN115375610A (zh) | 检测方法及装置、检测设备和存储介质 | |
CN112884744A (zh) | 检测方法及装置、检测设备和存储介质 | |
WO2004102171A1 (ja) | 外観検査方法、それに用いるマスタパターンおよび該マスタパターンを備える外観検査装置 | |
Huang et al. | Flexible printed circuit defective detection based on image registration | |
KR102364989B1 (ko) | 행/열 인덱스 기반 led 웨이퍼 맵 생성 방법 및 시스템 | |
TWI840217B (zh) | 應用霍夫變換之晶圓定位系統及方法 | |
CN103904002A (zh) | 一种验证缺陷检测程序灵敏度的方法 | |
TWI747500B (zh) | 自動物件取像方法及裝置 |
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 |