CN116051558A - 一种缺陷图像标注方法、装置、设备及介质 - Google Patents

一种缺陷图像标注方法、装置、设备及介质 Download PDF

Info

Publication number
CN116051558A
CN116051558A CN202310331564.2A CN202310331564A CN116051558A CN 116051558 A CN116051558 A CN 116051558A CN 202310331564 A CN202310331564 A CN 202310331564A CN 116051558 A CN116051558 A CN 116051558A
Authority
CN
China
Prior art keywords
defect
pcb
defect type
image
type
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
Application number
CN202310331564.2A
Other languages
English (en)
Other versions
CN116051558B (zh
Inventor
陈秀睿
晏文仲
田楷
王如义
黄金
陈立名
胡江洪
曹彬
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.)
Fitow Tianjin Detection Technology Co Ltd
Original Assignee
Fitow Tianjin Detection Technology 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 Fitow Tianjin Detection Technology Co Ltd filed Critical Fitow Tianjin Detection Technology Co Ltd
Priority to CN202310331564.2A priority Critical patent/CN116051558B/zh
Publication of CN116051558A publication Critical patent/CN116051558A/zh
Application granted granted Critical
Publication of CN116051558B publication Critical patent/CN116051558B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/94Hardware or software architectures specially adapted for image or video understanding
    • 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
    • G06T2207/30141Printed circuit board [PCB]
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种缺陷图像标注方法、装置、设备及介质。其中,方法包括:获取待标注PCB缺陷图像的缺陷类型;根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则;根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。本发明实施例可以根据待标注PCB缺陷图像的缺陷类型,将可以有效区分缺陷类型和缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,便于PCB缺陷检测模型在训练过程中准确判别PCB缺陷图像的缺陷类型,提高PCB缺陷检测模型的检测精度。

Description

一种缺陷图像标注方法、装置、设备及介质
技术领域
本发明涉及计算机技术领域,尤其涉及一种缺陷图像标注方法、装置、设备及介质。
背景技术
印刷电路板(Printed Circuit Board,PCB)是一种重要的电子部件。在对PCB上的各个元器件进行焊接、封装后,可以基于PCB图像对PCB进行缺陷检测,确定PCB的缺陷类型。预先对指定数量的PCB缺陷图像的缺陷区域进行标注,然后基于各个标注后的PCB缺陷图像对机器学习模型进行训练,得到PCB缺陷检测模型。在获取到待检测PCB图像之后,将待检测PCB图像输入至PCB缺陷检测模型,得到待检测PCB图像的缺陷类型,从而完成待检测PCB的缺陷检测过程。
相关技术中,常用的针对PCB缺陷图像的标注方案为:按照统一的标注规则,对各个PCB缺陷图像的缺陷区域进行标注。各个PCB缺陷图像中包含归属于不同缺陷类型的PCB缺陷图像。相关技术中的缺陷图像标注方案按照统一的标注规则,对不同缺陷类型的PCB缺陷图像进行标注,对于缺陷类型比较接近的PCB缺陷图像,标注的缺陷区域也会比较接近,导致PCB缺陷检测模型在训练过程中无法准确判别PCB缺陷图像的缺陷类型,降低PCB缺陷检测模型的检测精度。
发明内容
本发明提供了一种缺陷图像标注方法、装置、设备及介质,以解决相关技术中的缺陷图像标注方案按照统一的标注规则,对不同缺陷类型的PCB缺陷图像进行标注,导致PCB缺陷检测模型在训练过程中无法准确判别PCB缺陷图像的缺陷类型,降低PCB缺陷检测模型的检测精度的问题。
根据本发明的一方面,提供了一种缺陷图像标注方法,包括:
获取待标注PCB缺陷图像的缺陷类型;
根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则;
根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。
根据本发明的另一方面,提供了一种缺陷图像标注装置,包括:
缺陷类型获取模块,用于获取待标注PCB缺陷图像的缺陷类型;
标注规则确定模块,用于根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则;
图像标注模块,用于根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的缺陷图像标注方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的缺陷图像标注方法。
本发明实施例的技术方案,通过获取待标注PCB缺陷图像的缺陷类型;然后根据待标注PCB缺陷图像的缺陷类型,确定与待标注PCB缺陷图像对应的标注规则;最后根据与待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,解决了相关技术中的缺陷图像标注方案按照统一的标注规则,对不同缺陷类型的PCB缺陷图像进行标注,导致PCB缺陷检测模型在训练过程中无法准确判别PCB缺陷图像的缺陷类型,降低PCB缺陷检测模型的检测精度的问题,取到了根据待标注PCB缺陷图像的缺陷类型,将可以有效区分缺陷类型和缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,便于PCB缺陷检测模型在训练过程中准确判别PCB缺陷图像的缺陷类型,提高PCB缺陷检测模型的检测精度的有益效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种缺陷图像标注方法的流程图。
图2为本发明实施例二提供的一种缺陷图像标注方法的流程图。
图3为本发明实施例三提供的一种缺陷图像标注装置的结构示意图。
图4为实现本发明实施例的缺陷图像标注方法的电子设备的结构示意图。
图5为本发明实施例提供的一种对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的晶圆进行标注后的PCB缺陷图像的示意图。
图6为本发明实施例提供的一种对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的焊线路径进行标注后的PCB缺陷图像的示意图。
图7为本发明实施例提供的一种对PCB缺陷图像中的焊线残缺的晶圆进行标注后的PCB缺陷图像的示意图。
图8为本发明实施例提供的一种对PCB缺陷图像中的焊线残缺区域进行标注后的PCB缺陷图像的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包含”、“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种缺陷图像标注方法的流程图。本实施例可适用于基于各个PCB缺陷图像的缺陷类型,确定与各个PCB缺陷图像对应的标注规则,对各个PCB缺陷图像的缺陷区域进行标注的情况,该方法可以由缺陷图像标注装置来执行,该缺陷图像标注装置可以采用硬件和/或软件的形式实现,该缺陷图像标注装置可配置于电子设备中。
如图1所示,该方法包括:
步骤101、获取待标注PCB缺陷图像的缺陷类型。
可选的,PCB缺陷图像是从存在缺陷的PCB的图像上截取的图像。PCB缺陷图像包含PCB的缺陷区域的图像。待标注PCB缺陷图像是需要标注缺陷区域的一个或多个PCB缺陷图像。
可选的,待标注PCB缺陷图像的缺陷类型是待标注PCB缺陷图像包含的缺陷区域所属的缺陷类型。缺陷类型可以为晶圆倾斜、少胶、晶圆缺线、晶圆断线、银胶、异物、破损、划伤、、歪线、固晶偏移、晶粒重固、漏固、银胶偏移、晶粒倾斜、污染、多固。
可选的,目标用户通过终端设备将待标注PCB缺陷图像、以及待标注PCB缺陷图像的缺陷类型上传至电子设备,从而电子设备获取目标用户上传的待标注PCB缺陷图像、以及待标注PCB缺陷图像的缺陷类型。目标用户可以是负责PCB的缺陷检测过程的技术人员。
可选的,在获取待标注PCB缺陷图像的缺陷类型之前,还包括:获取各个缺陷类型的PCB缺陷图像集合;根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则;将各个缺陷类型和与各个缺陷类型对应的标注规则对应存储至预设存储位置。缺陷类型对应的接近缺陷类型是与缺陷类型比较接近的一个或多个缺陷类型。
可选的,在获取待标注PCB缺陷图像的缺陷类型之前,还包括:获取PCB图像,根据所述PCB图像中的晶圆位置信息对所述PCB图像进行纵向切分和横向切分,得到至少两个PCB子图像;从各所述PCB子图像中提取待标注PCB缺陷图像。获取PCB图像,可以包括:获取目标用户上传的PCB图像。PCB图像是存在缺陷的PCB的图像。PCB中包含多个晶圆。
可选的,所述PCB图像中的晶圆位置信息包含但不限于:所述PCB图像中的各个晶圆的在所述PCB图像中的位置坐标、晶圆的宽度、所述PCB图像在宽度方向上包含的晶圆的个数。根据所述PCB图像中的晶圆位置信息对所述PCB图像进行纵向切分和横向切分,得到至少两个PCB子图像,包括:使用下述公式,根据所述晶圆位置信息中的晶圆的宽度、所述PCB图像在宽度方向上包含的晶圆的个数,确定纵向切线间的间隔:
其中,为纵向切线间的间隔,为所述PCB图像在宽度方向上包含的晶圆的个数,为晶圆的宽度,为预设的晶圆之间的距离补正系数,的取值范围为[0,1];使用下述公式,根据所述晶圆位置信息中的晶圆的长度、所述PCB图像在长度方向上包含的晶圆的个数,确定横向切线间的间隔:
其中,为横向切线间的间隔,为所述PCB图像在长度方向上包含的晶圆的个数,为晶圆的长度,为预设的晶圆之间的距离补正系数,的取值范围为[0,1];从所述PCB图像左上角的第一个晶圆的左上角点为起点,按照纵向切线间的间隔对所述PCB图像进行纵向切分,并按照横向切线间的间隔对所述PCB图像进行横向切分,从而得到至少两个PCB子图像。
可选的,从各所述PCB子图像中提取待标注PCB缺陷图像,包括:将各所述PCB子图像发送至目标用户的终端设备,以使目标用户从各所述PCB子图像截取待标注PCB缺陷图像,并将待标注PCB缺陷图像、以及待标注PCB缺陷图像的缺陷类型上传至电子设备。可选的,每一个缺陷类型的PCB缺陷图像集合由设定数量的包含该缺陷类型的缺陷区域的PCB缺陷图像构成。PCB缺陷图像集合中的PCB缺陷图像的图像尺寸是相同的。示例性的,设定数量为100个。每一个缺陷类型的PCB缺陷图像集合由100个包含该缺陷类型的缺陷区域的PCB缺陷图像构成。
可选的,所述获取各个缺陷类型的PCB缺陷图像集合,包括:获取目标用户上传的各个缺陷类型的PCB缺陷图像集合。目标用户通过终端设备将各个缺陷类型的PCB缺陷图像集合上传至电子设备,从而电子设备获取各个缺陷类型的PCB缺陷图像集合。
可选的,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;根据标注后的PCB缺陷图像,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的离散度;将对应的离散度最大的第一目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第一目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
可选的,与缺陷类型和缺陷类型对应的接近缺陷类型匹配的备选标注规则组合由一个与缺陷类型对应的备选标注规则和一个与接近缺陷类型对应的备选标注规则构成。不同的备选标注规则中的与缺陷类型对应的备选标注规则或一个与接近缺陷类型对应的备选标注规则是不相同的。
可选的,缺陷类型对应的接近缺陷类型是与缺陷类型比较接近的缺陷类型。与缺陷类型对应的备选标注规则是可以用于对缺陷类型的PCB缺陷图像进行标注的一种或多种标注规则。与接近缺陷类型对应的备选标注规则是可以用于对接近缺陷类型的PCB缺陷图像进行标注的一种或多种标注规则。
在一个具体实例中,缺陷类型为晶圆倾斜,缺陷类型对应的接近缺陷类型为少胶。与晶圆倾斜对应的备选标注规则包括但不限于:对PCB缺陷图像中的整体发生倾斜的晶圆进行标注。与少胶对应的备选标注规则包括但不限于:对PCB缺陷图像中的整体发生倾斜且点胶缺失的晶圆进行标注、对PCB缺陷图像中的点胶缺失的区域进行标注。与晶圆倾斜和少胶匹配的备选标注规则组合包括:第一备选标注规则组合和第二备选标注规则组合。
第一备选标注规则组合包括:与晶圆倾斜对应的备选标注规则为对PCB缺陷图像中的整体发生倾斜的晶圆进行标注、与少胶对应的备选标注规则为对PCB缺陷图像中的整体发生倾斜且点胶缺失的晶圆进行标注。
第二备选标注规则组合包括:与晶圆倾斜对应的备选标注规则为对PCB缺陷图像中的整体发生倾斜的晶圆进行标注、与少胶对应的备选标注规则为对PCB缺陷图像中的点胶缺失的区域进行标注。
在另一个具体实例中,缺陷类型为晶圆缺线,缺陷类型对应的接近缺陷类型为晶圆断线。与晶圆缺线对应的备选标注规则包括但不限于:对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的晶圆进行标注、对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的焊线路径进行标注。示例性的,对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的晶圆进行标注后的PCB缺陷图像如图5所示,对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的焊线路径进行标注后的PCB缺陷图像如图6所示。与晶圆断线对应的备选标注规则包括但不限于:对PCB缺陷图像中的焊线残缺的晶圆进行标注、对PCB缺陷图像中的焊线残缺区域进行标注。与晶圆缺线和晶圆断线匹配的备选标注规则组合包括:第三备选标注规则组合、第四备选标注规则组合、第五备选标注规则组合以及第六备选标注规则组合。示例性的,对PCB缺陷图像中的焊线残缺的晶圆进行标注后的PCB缺陷图像如图7所示,对PCB缺陷图像中的焊线残缺区域进行标注后的PCB缺陷图像如图8所示。
第三备选标注规则组合包括:与晶圆缺线对应的备选标注规则为对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的晶圆进行标注、与晶圆断线对应的备选标注规则为对PCB缺陷图像中的焊线残缺的晶圆进行标注。
第四备选标注规则组合包括:与晶圆缺线对应的备选标注规则为对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的晶圆进行标注、对PCB缺陷图像中的焊线残缺区域进行标注。
第五备选标注规则组合包括:与晶圆缺线对应的备选标注规则为对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的焊线路径进行标注、与晶圆断线对应的备选标注规则为对PCB缺陷图像中的焊线残缺的晶圆进行标注。
第六备选标注规则组合包括:与晶圆缺线对应的备选标注规则为对PCB缺陷图像中的焊线起始点与焊线终止点之间没有焊线的焊线路径进行标注、对PCB缺陷图像中的焊线残缺区域进行标注。
可选的,确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合,包括:从预设文件中提取与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合。预设文件中包含与各个缺陷类型和各个缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合。目标用户通过终端设备将预设文件上传至电子设备。针对每一个缺陷类型,电子设备可以从预设文件中提取与缺陷类型和缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合。
可选的,根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注,包括:针对每一个备选标注规则组合执行下述操作:将备选标注规则组合、所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合发送至标注人员的终端设备,以使标注人员根据备选标注规则组合中的与缺陷类型对应的备选标注规则对所述缺陷类型的PCB缺陷图像集合进行标注,根据备选标注规则组合中的与接近缺陷类型对应的备选标注规则对所述接近缺陷类型的PCB缺陷图像集合进行标注,并返回标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合;获取标注人员返回的标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合。标注人员是用于根据指定标注规则对PCB缺陷图像进行标注的技术人员。
可选的,所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在备选标注规则组合下的离散度用于表征标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的离散程度。
可选的,离散度越大,表明标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的离散程度越大,标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的区别越大。离散度越小,表明标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的离散程度越小,标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的区别越小。
可选的,根据标注后的PCB缺陷图像,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的离散度,包括:针对每一个备选标注规则组合执行下述操作:计算按照备选标注规则组合标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的像素平均值;计算所述各个PCB缺陷图像的像素平均值的标准差;将所述标准差确定为所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在所述备选标注规则组合下的离散度。
可选的,按照对应的离散度从大到小的顺序,对各所述备选标注规则组合进行排序,将排在第一位的备选标注规则组合确定为第一目标备选标注规则组合。第一目标备选标注规则组合对应的离散度最大,表明按照第一目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则、与所述接近缺陷类型对应的备选标注规则,对所述缺陷类型的PCB缺陷图像以及所述接近缺陷类型的PCB缺陷图像进行标注之后,所述缺陷类型的PCB缺陷图像以及所述接近缺陷类型的PCB缺陷图像区别较大,便于区分。
可选的,将对应的离散度最大的第一目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第一目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。由此,将可以有效区分缺陷类型和缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为缺陷类型对应的标注规则。
可选的,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注,并对标注后的PCB缺陷图像进行降维,得到标注后的PCB缺陷图像的二维特征向量;根据标注后的PCB缺陷图像的二维特征向量,确定与所述缺陷类型对应的标注规则、与所述接近缺陷类型对应的标注规则。
可选的,对标注后的PCB缺陷图像进行降维,得到标注后的PCB缺陷图像的二维特征向量,包括:通过特征提取算法提取标注后的PCB缺陷图像的二维特征向量。特征提取算法可以为主成分分析算法、局部纹理特征算法、支持向量机算法等中任意一种。
可选的,根据标注后的PCB缺陷图像的二维特征向量,确定与所述缺陷类型对应的标注规则、与所述接近缺陷类型对应的标注规则,包括:针对每一个备选标注规则组合,计算所述缺陷类型的PCB缺陷图像集合中的各个标注后的PCB缺陷图像的二维特征向量与所述接近缺陷类型的PCB缺陷图像集合中的各个标注后的PCB缺陷图像的二维特征向量之间的距离的平均值;将对应的平均值最大的第三目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第三目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
可选的,所述缺陷类型的PCB缺陷图像集合中的各个标注后的PCB缺陷图像的二维特征向量与所述接近缺陷类型的PCB缺陷图像集合中的各个标注后的PCB缺陷图像的二维特征向量之间的距离的平均值越大,表明标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的区别越大。所述缺陷类型的PCB缺陷图像集合中的各个标注后的PCB缺陷图像的二维特征向量与所述接近缺陷类型的PCB缺陷图像集合中的各个标注后的PCB缺陷图像的二维特征向量之间的距离的平均值越小,表明标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的区别越小。
可选的,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;针对每一个备选标注规则组合,根据预设聚类算法分别对标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行聚类,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的聚类中心距离;将对应的簇类中心距离最大的第二目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第二目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
可选的,针对每一个备选标注规则组合,根据预设聚类算法分别对标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行聚类,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的聚类中心距离,包括:针对每一个备选标注规则组合执行下述操作:根据预设聚类算法对标注后的所述缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行聚类,得到标注后的所述缺陷类型的PCB缺陷图像集合中的PCB缺陷图像的聚类中心;根据预设聚类算法对标注后的所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行聚类,得到标注后的所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像的聚类中心;计算标注后的所述缺陷类型的PCB缺陷图像集合中的PCB缺陷图像的聚类中心与标注后的所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像的聚类中心之间的距离,将所述距离确定为所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在备选标注规则组合下的聚类中心距离。预设聚类算法分包括但不限于k-means聚类算法。
可选的,聚类中心距离越大,表明标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的区别越大。聚类中心距离越小,表明标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的各个PCB缺陷图像的区别越小。
可选的,按照对应的聚类中心距离从大到小的顺序,对各所述备选标注规则组合进行排序,将排在第一位的备选标注规则组合确定为第二目标备选标注规则组合。第二目标备选标注规则组合对应的聚类中心距离最大,表明按照第二目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则、与所述接近缺陷类型对应的备选标注规则,对所述缺陷类型的PCB缺陷图像以及所述接近缺陷类型的PCB缺陷图像进行标注之后,所述缺陷类型的PCB缺陷图像以及所述接近缺陷类型的PCB缺陷图像区别较大,便于区分。
可选的,将对应的簇类中心距离最大的第二目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第二目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。由此,将可以有效区分缺陷类型和缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为缺陷类型对应的标注规则。
可选的,预设存储位置可以为电子设备中的规则存储文件。规则存储文件是用于存储各个缺陷类型和与各个缺陷类型对应的标注规则的文件。将各个缺陷类型和与各个缺陷类型对应的标注规则对应存储至预设存储位置,包括:将各个缺陷类型和与各个缺陷类型对应的标注规则对应存储至预设存储位置存储至规则存储文件中。
步骤102、根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则。
可选的,所述根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则,包括:检测所述预设存储位置中存储的各个缺陷类型中是否存在与所述待标注PCB缺陷图像的缺陷类型相同的目标缺陷类型;若存在所述目标缺陷类型,则将与所述目标缺陷类型对应的标注规则确定为与所述待标注PCB缺陷图像对应的标注规则。与所述待标注PCB缺陷图像对应的标注规则是用于对所述待标注PCB缺陷图像进行标注的规则。
由此,将可以有效区分待标注PCB缺陷图像的缺陷类型和待标注PCB缺陷图像的缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为待标注PCB缺陷图像对应的标注规则。
可选的,若不存在所述目标缺陷类型,则将预设的错误提示信息提供给目标用户。预设的错误提示信息用于提示无法确定待标注PCB缺陷图像对应的标注规则。
步骤103、根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。
可选的,根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注,包括:将与所述待标注PCB缺陷图像对应的标注规则、所述待标注PCB缺陷图像发送至标注人员的终端设备,以使标注人员根据与所述待标注PCB缺陷图像对应的标注规则对所述待标注PCB缺陷图像进行标注,并返回标注后的所述待标注PCB缺陷图像;获取标注人员返回的标注后的所述待标注PCB缺陷图像。
可选的,在根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注之后,还包括:将所述待标注PCB缺陷图像存储至与PCB缺陷检测模型对应的训练样本集合中。
可选的,PCB缺陷检测模型是用于基于PCB图像对PCB进行缺陷检测,确定PCB的缺陷类型的模型。训练样本集合中包含多个标注后的PCB缺陷图像。基于训练样本集合中的标注后的PCB缺陷图像对机器学习模型进行训练,可以得到PCB缺陷检测模型。
本发明实施例的技术方案,通过获取待标注PCB缺陷图像的缺陷类型;然后根据待标注PCB缺陷图像的缺陷类型,确定与待标注PCB缺陷图像对应的标注规则;最后根据与待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,解决了相关技术中的缺陷图像标注方案按照统一的标注规则,对不同缺陷类型的PCB缺陷图像进行标注,导致PCB缺陷检测模型在训练过程中无法准确判别PCB缺陷图像的缺陷类型,降低PCB缺陷检测模型的检测精度的问题,取到了根据待标注PCB缺陷图像的缺陷类型,将可以有效区分缺陷类型和缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,便于PCB缺陷检测模型在训练过程中准确判别PCB缺陷图像的缺陷类型,提高PCB缺陷检测模型的检测精度的有益效果。
实施例二
图2为本发明实施例二提供的一种缺陷图像标注方法的流程图。本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示,该方法包括:
步骤201、获取目标用户上传的各个缺陷类型的PCB缺陷图像集合。
步骤202、确定与各个缺陷类型对应的接近缺陷类型。
步骤203、根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则。
可选的,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;根据标注后的PCB缺陷图像,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的离散度;将对应的离散度最大的第一目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第一目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
可选的,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;针对每一个备选标注规则组合,根据预设聚类算法分别对标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行聚类,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的聚类中心距离;将对应的簇类中心距离最大的第二目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第二目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
步骤204、将各个缺陷类型和与各个缺陷类型对应的标注规则对应存储至预设存储位置。
步骤205、获取待标注PCB缺陷图像的缺陷类型。
步骤206、检测所述预设存储位置中存储的各个缺陷类型中是否存在与所述待标注PCB缺陷图像的缺陷类型相同的目标缺陷类型。
步骤207、若存在所述目标缺陷类型,则将与所述目标缺陷类型对应的标注规则确定为与所述待标注PCB缺陷图像对应的标注规则。
步骤208、根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。
本发明实施例的技术方案,可以将可以有效区分各个缺陷类型和各个缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为各个缺陷类型对应的标注规则,并对各个缺陷类型对应的标注规则进行存储,可以在获取到待标注PCB缺陷图像之后,可以根据待标注PCB缺陷图像的缺陷类型,将可以有效区分缺陷类型和缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,便于PCB缺陷检测模型在训练过程中准确判别PCB缺陷图像的缺陷类型,提高PCB缺陷检测模型的检测精度。
实施例三
图3为本发明实施例三提供的一种缺陷图像标注装置的结构示意图。所述装置可以配置于电子设备中。如图3所示,所述装置包括:缺陷类型获取模块301、标注规则确定模块302以及图像标注模块303。
其中,缺陷类型获取模块301,用于获取待标注PCB缺陷图像的缺陷类型;标注规则确定模块302,用于根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则;图像标注模块303,用于根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。
本发明实施例的技术方案,通过获取待标注PCB缺陷图像的缺陷类型;然后根据待标注PCB缺陷图像的缺陷类型,确定与待标注PCB缺陷图像对应的标注规则;最后根据与待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,解决了相关技术中的缺陷图像标注方案按照统一的标注规则,对不同缺陷类型的PCB缺陷图像进行标注,导致PCB缺陷检测模型在训练过程中无法准确判别PCB缺陷图像的缺陷类型,降低PCB缺陷检测模型的检测精度的问题,取到了根据待标注PCB缺陷图像的缺陷类型,将可以有效区分缺陷类型和缺陷类型对应的接近缺陷类型的PCB缺陷图像的标注规则,确定为待标注PCB缺陷图像对应的标注规则,对待标注PCB缺陷图像进行标注,便于PCB缺陷检测模型在训练过程中准确判别PCB缺陷图像的缺陷类型,提高PCB缺陷检测模型的检测精度的有益效果。
在本发明实施例的一个可选实施方式中,可选的,缺陷图像标注装置还包括:集合获取模块,用于获取各个缺陷类型的PCB缺陷图像集合;方式确定模块,用于根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则;方式存储模块,用于将各个缺陷类型和与各个缺陷类型对应的标注规则对应存储至预设存储位置。
在本发明实施例的一个可选实施方式中,可选的,方式确定模块具体用于:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;根据标注后的PCB缺陷图像,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的离散度;将对应的离散度最大的第一目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第一目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
在本发明实施例的一个可选实施方式中,可选的,方式确定模块具体用于:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;针对每一个备选标注规则组合,根据预设聚类算法分别对标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行聚类,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的聚类中心距离;将对应的簇类中心距离最大的第二目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第二目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
在本发明实施例的一个可选实施方式中,可选的,方式确定模块具体用于:针对每一个缺陷类型执行下述操作:确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注,并对标注后的PCB缺陷图像进行降维,得到标注后的PCB缺陷图像的二维特征向量;根据标注后的PCB缺陷图像的二维特征向量,确定与所述缺陷类型对应的标注规则、与所述接近缺陷类型对应的标注规则。
在本发明实施例的一个可选实施方式中,可选的,集合获取模块具体用于:获取目标用户上传的各个缺陷类型的PCB缺陷图像集合。
在本发明实施例的一个可选实施方式中,可选的,标注规则确定模块302具体用于:检测所述预设存储位置中存储的各个缺陷类型中是否存在与所述待标注PCB缺陷图像的缺陷类型相同的目标缺陷类型;若存在所述目标缺陷类型,则将与所述目标缺陷类型对应的标注规则确定为与所述待标注PCB缺陷图像对应的标注规则。
在本发明实施例的一个可选实施方式中,可选的,缺陷图像标注装置还包括:图像存储模块,用于将所述待标注PCB缺陷图像存储至与PCB缺陷检测模型对应的训练样本集合中。
在本发明实施例的一个可选实施方式中,可选的,缺陷图像标注装置还包括:图像切分模块,用于获取PCB图像,根据所述PCB图像中的晶圆位置信息对所述PCB图像进行纵向切分和横向切分,得到至少两个PCB子图像;图像提取模块,用于从各所述PCB子图像中提取待标注PCB缺陷图像。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
上述缺陷图像标注装置可执行本发明任意实施例所提供的缺陷图像标注方法,具备执行缺陷图像标注方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实现本发明实施例的缺陷图像标注方法的电子设备10的结构示意图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18构建到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如缺陷图像标注方法。
在一些实施例中,缺陷图像标注方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序构建到RAM 13并由处理器11执行时,可以执行上文描述的缺陷图像标注方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行缺陷图像标注方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的缺陷图像标注方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种缺陷图像标注方法,其特征在于,包括:
获取待标注PCB缺陷图像的缺陷类型;
根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则;
根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。
2.根据权利要求1所述的方法,其特征在于,在获取待标注PCB缺陷图像的缺陷类型之前,还包括:
获取各个缺陷类型的PCB缺陷图像集合;
根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则;
将各个缺陷类型和与各个缺陷类型对应的标注规则对应存储至预设存储位置。
3.根据权利要求2所述的方法,其特征在于,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:
针对每一个缺陷类型执行下述操作:
确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;
根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;
根据标注后的PCB缺陷图像,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的离散度;
将对应的离散度最大的第一目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第一目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
4.根据权利要求2所述的方法,其特征在于,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:
针对每一个缺陷类型执行下述操作:
确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;
根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注;
针对每一个备选标注规则组合,根据预设聚类算法分别对标注后的所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行聚类,确定所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合在不同备选标注规则组合下的聚类中心距离;
将对应的簇类中心距离最大的第二目标备选标注规则组合中的与所述缺陷类型对应的备选标注规则确定为与所述缺陷类型对应的标注规则,并将所述第二目标备选标注规则组合中的与所述接近缺陷类型对应的备选标注规则确定为与所述接近缺陷类型对应的标注规则。
5.根据权利要求2所述的方法,其特征在于,所述根据各个缺陷类型的PCB缺陷图像集合、以及与各个缺陷类型对应的接近缺陷类型的PCB缺陷图像集合,确定与各个缺陷类型对应的标注规则,包括:
针对每一个缺陷类型执行下述操作:
确定与缺陷类型和所述缺陷类型对应的接近缺陷类型匹配的至少两个备选标注规则组合;其中,每一个备选标注规则组合中包含一个与所述缺陷类型对应的备选标注规则和一个与所述接近缺陷类型对应的备选标注规则;
根据各所述备选标注规则组合,对所述缺陷类型的PCB缺陷图像集合以及所述接近缺陷类型的PCB缺陷图像集合中的PCB缺陷图像进行标注,并对标注后的PCB缺陷图像进行降维,得到标注后的PCB缺陷图像的二维特征向量;
根据标注后的PCB缺陷图像的二维特征向量,确定与所述缺陷类型对应的标注规则、与所述接近缺陷类型对应的标注规则。
6.根据权利要求2所述的方法,其特征在于,所述根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则,包括:
检测所述预设存储位置中存储的各个缺陷类型中是否存在与所述待标注PCB缺陷图像的缺陷类型相同的目标缺陷类型;
若存在所述目标缺陷类型,则将与所述目标缺陷类型对应的标注规则确定为与所述待标注PCB缺陷图像对应的标注规则。
7.根据权利要求2所述的方法,其特征在于,在获取待标注PCB缺陷图像的缺陷类型之前,还包括:
获取PCB图像,根据所述PCB图像中的晶圆位置信息对所述PCB图像进行纵向切分和横向切分,得到至少两个PCB子图像;
从各所述PCB子图像中提取待标注PCB缺陷图像。
8.一种缺陷图像标注装置,其特征在于,包括:
缺陷类型获取模块,用于获取待标注PCB缺陷图像的缺陷类型;
标注规则确定模块,用于根据所述待标注PCB缺陷图像的缺陷类型,确定与所述待标注PCB缺陷图像对应的标注规则;
图像标注模块,用于根据与所述待标注PCB缺陷图像对应的标注规则,对所述待标注PCB缺陷图像进行标注。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的缺陷图像标注方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的缺陷图像标注方法。
CN202310331564.2A 2023-03-31 2023-03-31 一种缺陷图像标注方法、装置、设备及介质 Active CN116051558B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310331564.2A CN116051558B (zh) 2023-03-31 2023-03-31 一种缺陷图像标注方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310331564.2A CN116051558B (zh) 2023-03-31 2023-03-31 一种缺陷图像标注方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN116051558A true CN116051558A (zh) 2023-05-02
CN116051558B CN116051558B (zh) 2023-06-16

Family

ID=86118561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310331564.2A Active CN116051558B (zh) 2023-03-31 2023-03-31 一种缺陷图像标注方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN116051558B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664988A (zh) * 2023-07-24 2023-08-29 广立微(上海)技术有限公司 图片自动标注方法、装置、计算机设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884054A (zh) * 2021-03-03 2021-06-01 歌尔股份有限公司 一种目标标注方法和一种目标标注装置
CN113159123A (zh) * 2021-03-17 2021-07-23 开易(北京)科技有限公司 一种数据标注方法、标注员考核方法及标注结果审核方法
CN113705596A (zh) * 2021-03-04 2021-11-26 腾讯科技(北京)有限公司 图像识别方法、装置、计算机设备和存储介质
US20220179884A1 (en) * 2019-09-02 2022-06-09 Huawei Technologies Co., Ltd. Label Determining Method, Apparatus, and System
CN114969326A (zh) * 2022-04-22 2022-08-30 北京百度网讯科技有限公司 分类模型训练、语义分类方法、装置、设备和介质
CN115034171A (zh) * 2022-05-07 2022-09-09 奥蒂玛光学科技(深圳)有限公司 一种缺陷标注方法、缺陷标注设备及存储介质
CN115471476A (zh) * 2022-09-16 2022-12-13 烟台创迹软件有限公司 一种部件缺陷检测方法、装置、设备及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220179884A1 (en) * 2019-09-02 2022-06-09 Huawei Technologies Co., Ltd. Label Determining Method, Apparatus, and System
CN112884054A (zh) * 2021-03-03 2021-06-01 歌尔股份有限公司 一种目标标注方法和一种目标标注装置
CN113705596A (zh) * 2021-03-04 2021-11-26 腾讯科技(北京)有限公司 图像识别方法、装置、计算机设备和存储介质
CN113159123A (zh) * 2021-03-17 2021-07-23 开易(北京)科技有限公司 一种数据标注方法、标注员考核方法及标注结果审核方法
CN114969326A (zh) * 2022-04-22 2022-08-30 北京百度网讯科技有限公司 分类模型训练、语义分类方法、装置、设备和介质
CN115034171A (zh) * 2022-05-07 2022-09-09 奥蒂玛光学科技(深圳)有限公司 一种缺陷标注方法、缺陷标注设备及存储介质
CN115471476A (zh) * 2022-09-16 2022-12-13 烟台创迹软件有限公司 一种部件缺陷检测方法、装置、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116664988A (zh) * 2023-07-24 2023-08-29 广立微(上海)技术有限公司 图片自动标注方法、装置、计算机设备和存储介质
CN116664988B (zh) * 2023-07-24 2023-11-21 广立微(上海)技术有限公司 图片自动标注方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN116051558B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
CN112560862B (zh) 文本识别方法、装置及电子设备
CN116051558B (zh) 一种缺陷图像标注方法、装置、设备及介质
CN112597837A (zh) 图像检测方法、装置、设备、存储介质和计算机程序产品
WO2024002187A1 (zh) 缺陷检测方法、缺陷检测设备及存储介质
CN114419035A (zh) 产品识别方法、模型训练方法、装置和电子设备
CN113362314A (zh) 医学图像识别方法、识别模型训练方法及装置
CN115471476A (zh) 一种部件缺陷检测方法、装置、设备及介质
CN116844177A (zh) 一种表格识别方法、装置、设备及存储介质
CN117422708B (zh) 药品装箱检测方法、装置、电子设备和存储介质
CN115272381B (zh) 一种金属线分割方法、装置、电子设备及存储介质
CN116309963A (zh) 一种图像的批量标注方法、装置、电子设备及存储介质
CN114120305B (zh) 文本分类模型的训练方法、文本内容的识别方法及装置
CN116128823A (zh) Ic载板的金点检测方法、装置和电子设备
CN113313125A (zh) 图像处理方法和装置、电子设备、计算机可读介质
CN116258714B (zh) 一种缺陷识别方法、装置、电子设备和存储介质
CN117689660B (zh) 基于机器视觉的保温杯温度质检方法
CN116503407B (zh) 图像中异物区域的检测方法、装置及电子设备
CN114998906B (zh) 文本检测方法、模型的训练方法、装置、电子设备及介质
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN113807236B (zh) 车道线检测的方法、装置、设备、存储介质及程序产品
CN117593751A (zh) 一种文本图像识别方法、装置、电子设备及存储介质
CN117611529A (zh) 一种移动计算机外壳检测方法、装置、设备及存储介质
CN116106724A (zh) 一种测试电路板的方法、装置、电子设备及存储介质
CN115689922A (zh) 畸变检测方法、装置、设备及存储介质
CN115330869A (zh) 一种视觉建模方法、装置、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
GR01 Patent grant
GR01 Patent grant