CN116128830A - 异形孔检测方法、装置、电子设备及存储介质 - Google Patents

异形孔检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116128830A
CN116128830A CN202211740679.9A CN202211740679A CN116128830A CN 116128830 A CN116128830 A CN 116128830A CN 202211740679 A CN202211740679 A CN 202211740679A CN 116128830 A CN116128830 A CN 116128830A
Authority
CN
China
Prior art keywords
hole
confirmed
standard
area
special
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
CN202211740679.9A
Other languages
English (en)
Inventor
郑文先
王毕风
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.)
Chengdu Yuntian Lifei Technology Co ltd
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Chengdu Yuntian Lifei Technology Co ltd
Shenzhen Intellifusion Technologies 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 Chengdu Yuntian Lifei Technology Co ltd, Shenzhen Intellifusion Technologies Co Ltd filed Critical Chengdu Yuntian Lifei Technology Co ltd
Priority to CN202211740679.9A priority Critical patent/CN116128830A/zh
Publication of CN116128830A publication Critical patent/CN116128830A/zh
Pending legal-status Critical Current

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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30141—Printed circuit board [PCB]
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Abstract

本发明实施例提供一种异形孔检测方法，获取待测孔板的透光图；对所述透光图进行图像分割，得到标准孔区域和待确认区域；基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。通过对待测孔板的透光图进行分割，得到标准孔区域和待确认区域，提取标准孔区域的标准孔加工的先验信息来对待确认区域进行图像检测，由于标准孔加工的先验信息中包含有标准孔加工时产生的对应加工信息，因此，可以这种加工信息来辅助待确认区域的检测，进而判断待确认区域为异形孔区域或缺陷区域。

Description

异形孔检测方法、装置、电子设备及存储介质
技术领域
本发明涉及工业图像处理领域，尤其涉及一种异形孔检测方法、装置、电子设备及存储介质。
背景技术
现有电路板生产过程中，一般是通过标准化生产来保证电路板上孔的质量，但是这种方法高度依赖打孔设备的精度，当打孔设备的精度下降后，通过孔板进行印刷的电路板会存在良品率低的问题。在进行印刷前，需要对孔板进行检测，可以通过检孔机可以对标准孔的孔数、孔径、孔偏移等进行检测，然而，对于一些特殊的电路板，上面往往会设置有异形孔，异形孔并非标准孔，因此，使用标准检孔机对异形孔进行检测会导致误检。
发明内容
本发明实施例提供一种异形孔检测方法，旨在解决现有技术中使用标准检孔机对异形孔进行检测会导致误检的问题。通过对待测孔板的透光图进行分割，得到标准孔区域和待确认区域，提取标准孔区域的标准孔加工的先验信息来对待确认区域进行图像检测，由于标准孔加工的先验信息中包含有标准孔加工时产生的对应加工信息，因此，可以这种加工信息来辅助待确认区域的检测，进而判断待确认区域为异形孔区域或缺陷区域。
第一方面，本发明实施例提供一种异形孔检测方法，所述方法包括：
获取待测孔板的透光图；
对所述透光图进行图像分割，得到标准孔区域和待确认区域；
基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。
可选的，所述对所述透光图进行图像分割，得到标准孔区域和待确认区域，包括：
通过预设的图像分割算法，对所述透光图中的透光区域进行图像分割，得到透光区域；
对所述透光区域进行分类，得到标准孔区域和待确认区域。
可选的，所述基于所述标准孔区域提取标准孔加工的先验信息，包括：
对各个所述标准孔区域中的标准孔进行特征提取，得到各个所述标准孔对应的第一加工特征；
根据各个所述标准孔的第一加工特征，确定各个所述标准孔对应的标准孔加工的先验信息。
可选的，所述根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域，包括：
对所述待确认区域各个待确认孔进行特征提取，得到各个所述待确认孔对应的第二加工特征；
基于所述标准孔加工的先验信息以及各个所述待确认孔对应的第二加工特征，确定各个所述待确认孔为异形孔或缺陷孔；
根据各个所述待确认孔为异形孔或缺陷孔，确定所述待确认区域为异形孔区域或缺陷区域。
可选的，所述基于所述标准孔加工的先验信息以及各个所述待确认孔对应的第二加工特征，确定各个所述待确认孔为异形孔或缺陷孔，包括：
将所述标准孔加工的先验信息与各个所述待确认孔对应的第二加工特征进行融合，得到各个所述待确认孔对应的融合特征；
对各个所述待确认孔对应的融合特征进行线性变换，得到各个所述待确认孔对应的目标特征；
对各个所述待确认孔对应的目标特征进行分类，得到各个所述待确认孔对应的分类结果；
根据各个所述待确认孔对应的分类结果，确定各个所述待确认孔为异形孔或缺陷孔。
可选的，所述将所述标准孔加工的先验信息与各个所述待确认孔对应的加工特征进行融合，得到各个所述待确认孔对应的融合特征，包括：
将所述标准孔加工的先验信息与各个所述待确认孔对应的加工特征在通道层面进行拼接，得到各个所述待确认孔对应的拼接特征；
通过预设的融合因子对各个所述待确认孔对应的拼接特征进行融合，得到各个所述待确认孔对应的融合特征。
可选的，所述根据各个所述待确认孔为异形孔或缺陷孔，确定所述待确认区域为异形孔区域或缺陷区域，包括：
若所述待确认区域中存在缺陷孔，则确定所述待确认区域为缺陷区域；
若所述待确认区域中仅存在异形孔，则确定所述待确认区域为异形孔区域。
第二方面，本发明实施例提供一种异形孔检测装置，所述装置包括：
获取模块，用于获取待测孔板的透光图；
分割模块，用于对所述透光图进行图像分割，得到标准孔区域和待确认区域；
确定模块，用于基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。
第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的异形孔检测方法中的步骤。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的异形孔检测方法中的步骤。
本发明实施例中，获取待测孔板的透光图；对所述透光图进行图像分割，得到标准孔区域和待确认区域；基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。通过对待测孔板的透光图进行分割，得到标准孔区域和待确认区域，提取标准孔区域的标准孔加工的先验信息来对待确认区域进行图像检测，由于标准孔加工的先验信息中包含有标准孔加工时产生的对应加工信息，因此，可以这种加工信息来辅助待确认区域的检测，进而判断待确认区域为异形孔区域或缺陷区域。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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是本发明实施例提供的一种异形孔检测方法的流程图；
图2是本发明实施例提供的一种异形孔检测装置的结构示意图；
图3是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参见图1，图1是本发明实施例提供的一种异形孔检测方法的流程图，如图1所示，该异形孔检测方法包括以下步骤：
101、获取待测孔板的透光图。
在本发明实施例中，上述待测孔板为带有异形孔的孔板，上述孔板用于电路板的印刷。
将待测孔板固定在预设的拍照工位上，在拍照工位下方设置有背光源，在拍照工位的上方设置有图像采集设备，打开背光源后，通过图像采集设备对拍照工位上的待测孔板进行拍照，得到待测孔板的透光图。
上述图像采集设备可以是工业相机或其他类型的相机。
102、对透光图进行图像分割，得到标准孔区域和待确认区域。
在本发明实施例中，可以通过预设的图像分割算法对透光图进行图像分割，将上述透光图分割为背景区域、标准孔区域和待确认区域。其中，上述标准孔区域表示标准孔所在区域，待确认区域表示非标准孔所在区域，待确认区域可以理解为需要确认是异形孔或缺陷孔的区域。上述图像分割算法可以是区域生长、均值迭代分割、最大类间方差分割等图像分割算法。
103、基于标准孔区域提取标准孔加工的先验信息，并根据标准孔加工的先验信息对待确认区域进行图像检测，确定待确认区域为异形孔区域或缺陷区域。
在本发明实施例中，上述标准孔加工的先验信息可以理解为一个标准孔的标准加工过程所形成的具有指导意义的信息。比如，对不同尺寸的两个标准孔进行标准加工，虽然两个标准孔的加工尺寸大小不同，但其他加工参数是相同的，因此会使得加工出的两个标准孔存在一些相同的特征，这些相同的特征即为标准孔加工的先验信息。对于异形孔来说，其在加工过程中与标准孔的区别在于尺寸和形状，而其他加工参数也是相同的。对于缺陷孔来说，其是由于加工过程出现错误导致的，错误产生时所有加工参数都会发生改变。因此，可以利用标准孔加工的先验信息来辅助待确认区域进行图像检测，可以更准确地确定待确认区域为异形孔区域或缺陷区域。
上述标准孔加工的先验信息可以是标准孔的圆周平滑度、标准孔的单位光通量、标准孔的圆周壁的平整度中至少一项。
本发明实施例中，获取待测孔板的透光图；对所述透光图进行图像分割，得到标准孔区域和待确认区域；基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。通过对待测孔板的透光图进行分割，得到标准孔区域和待确认区域，提取标准孔区域的标准孔加工的先验信息来对待确认区域进行图像检测，由于标准孔加工的先验信息中包含有标准孔加工时产生的对应加工信息，因此，可以这种加工信息来辅助待确认区域的检测，进而判断待确认区域为异形孔区域或缺陷区域。
可选的，在对透光图进行图像分割，得到标准孔区域和待确认区域的步骤中，可以通过预设的图像分割算法，对透光图中的透光区域进行图像分割，得到透光区域；对透光区域进行分类，得到标准孔区域和待确认区域。
在本发明实施例中，可以确定待测孔板中透光孔的几何中心点，将几何中心点作为种子点进行区域生长，将种子点作为生长起点，然后将种子点周围所设置领域的像素点，按照像素值误差在预设范围内的生长规则进行生长合并，直到没有能满足生长点的像素为止，得到透光孔区域。
在一种可能的实施例中，对透光图进行灰度化，得到透光图的灰度图，通过均值迭代分割，计算出一个灰度阈值，通过精确度阈值来将透光图划分为透光孔区域和背景区域。
在得到透光孔区域后，通过训练好的分类模型对透光孔区域进行分类，分类结果包括标准孔区域以及非标准孔区域。具体的，在得到透光孔区域后，将透光孔区域输入到训练好的分类模型中，训练好的分类模型用于将透光孔区域识别为标准孔区域或非标准孔区域。将非标准孔区域确定为待确认区域。
具体的，上述分类模型可以是基于深度卷积神经网络的分类模型，比如可以是基于YOLO系列、ResNet系列、VggNet系列、MobileNet系列等网络的分类模型。
进一步的，可以获取第一数据集以及待训练分类模型，第一数据集包括标准孔样本图像以及与标准孔样本图像对应的分类标签；通过第一数据集对待训练分类模型进行有监督训练，得到训练好的分类模型。
在本发明实施例中，上述标准孔样本图像为各种已有类型的标准孔透光图，可以通过人工标注的方式对标准孔样本图像进行标注，得到标准孔样本图像对应的分类标签，每个标准孔样本图像对应一个分类标签。上述待训练分类模型可以根据YOLO系列、ResNet系列、VggNet系列、MobileNet系列等网络构建得到。
在训练过程中，将标准孔样本图像输入到待训练分类模型，通过待训练分类模型输出样本分类结果，计算样本分类结果与对应的分类标签之间的误差损失，以最小样本分类结果与对应的分类标签之间的误差损失为优化目标，采用反向传播的方式对待训练分类模型进行参数调整，迭代上述参数调整过程，直到迭代次数达到预设次数或待训练分类模型在最小误差损失处收敛时，停止训练，得到训练好的分类模型。
可选的，在基于标准孔区域提取标准孔加工的先验信息的步骤中，可以对各个标准孔区域中的标准孔进行特征提取，得到各个标准孔对应的第一加工特征；根据各个标准孔的第一加工特征，确定各个标准孔对应的标准孔加工的先验信息。
在本发明实施例中，每个标准孔区域对应一个标准孔，上述第一加工特征可以是标准孔的圆周平滑度、标准孔的单位光通量、标准孔的圆周壁的平整度中至少一项对应的特征。对第一加工特征进行识别，得到上述标准孔加工的先验信息，上述标准孔加工的先验信息可以是标准孔的圆周平滑度、标准孔的单位光通量、标准孔的圆周壁的平整度中至少一项。
具体的，通过特征提取引擎对各个标准孔区域中的标准孔进行特征提取，得到各个标准孔对应的第一加工特征，通过特征识别引擎对第一加工特征进行识别，得到各个标准孔对应的标准孔加工的先验信息。
上述特征提取引擎与特征识别引擎可以是基于深度卷积神经网络进行构造的。
可选的，在根据标准孔加工的先验信息对待确认区域进行图像检测，确定待确认区域为异形孔区域或缺陷区域的步骤中，可以对各个待确认区域中待确认孔进行特征提取，得到各个待确认孔对应的第二加工特征；基于标准孔加工的先验信息以及各个待确认孔对应的第二加工特征，确定各个待确认孔为异形孔或缺陷孔；根据各个待确认孔为异形孔或缺陷孔，确定待确认区域为异形孔区域或缺陷区域。
在本发明实施例中，每个待确认区域对应一个待确认孔，上述第二加工特征可以是待确认孔的圆周平滑度、标准孔的单位光通量、标准孔的圆周壁的平整度中至少一项对应的特征。具体的，上述第二加工特征与上述第一加工特征为相同类别的特征。
具体的，通过特征提取引擎对各个待确认区域中的待确认孔进行特征提取，得到各个待确认孔对应的第二加工特征，通过特征识别引擎对第一加工特征进行识别，得到各个标准孔对应的标准孔加工的先验信息。
可以通过特征识别引擎对第二加工特征进行识别，得到待确认孔的加工信息，将待确认孔的加工信息与标准孔加工的先验信息进行比对，根据比对结果确定待确认孔为异形孔或缺陷孔。若待确认孔的加工信息与标准孔加工的先验信息之间的对比结果为相似，则说明待确认孔为异形孔，进而可以确定待确认区域为异形孔区域；若待确认孔的加工信息与标准孔加工的先验信息之间的对比结果为不相似，则说明待确认孔为缺陷孔，进而可以确定待确认区域为缺陷区域。
可选的，在基于标准孔加工的先验信息以及各个待确认孔对应的加工特征，确定各个待确认孔为异形孔或缺陷孔的步骤中，可以将标准孔加工的先验信息与各个待确认孔对应的第二加工特征进行融合，得到各个待确认孔对应的融合特征；对各个待确认孔对应的融合特征进行线性变换，得到各个待确认孔对应的目标特征；对各个待确认孔对应的目标特征进行分类，得到各个待确认孔对应的分类结果；根据各个待确认孔对应的分类结果，确定各个待确认孔为异形孔或缺陷孔。
在本发明实施例中，在得到标准孔加工的先验信息后，可以将标准孔加工的先验信息对应的第一加工特征与各个待确认孔对应的第二加工特征进行融合。由于将标准孔的先验信息与待确认孔对应的第二加工特征进行融合，使得待确认孔对应的融合特征具有各个标准孔的先验信息。可以通过线性变换将融合特征的维度变换到预设的维度，从而得到目标特征。比如，将融合特征的维度变换为1*1*2*n的维度，其中，1*1表示一列乘一行，2表示输出类别数，n表示待确认孔的数量。
在得到目标特征后，可以通过分类器对目标特征进行分类，上述分类器可以是支持向量机，通过支持向量机，将待确认孔的目标特征进行分类，分类结果为异形孔或缺陷孔两个类别。
可选的，在将标准孔加工的先验信息与各个待确认孔对应的加工特征进行融合，得到各个待确认孔对应的融合特征的步骤中，可以将标准孔加工的先验信息与各个待确认孔对应的第二加工特征在通道层面进行拼接，得到各个待确认孔对应的拼接特征；通过预设的融合因子对各个待确认孔对应的拼接特征进行融合，得到各个待确认孔对应的融合特征。
在本发明实施例中，在得到标准孔加工的先验信息后，可以将标准孔加工的先验信息对应的第一加工特征与各个待确认孔对应的第二加工特征在通道层面上进行拼接，得到各个待确认孔对应的拼接特征。上述融合因子可以是1*1卷积核，通过1*1卷积核，可以将拼接特征的通道进行融合，从而得到单通道的融合特征。
可选的，在根据各个待确认孔为异形孔或缺陷孔，确定待确认区域为异形孔区域或缺陷区域的步骤中，若待确认区域中存在缺陷孔，则可以确定待确认区域为缺陷区域；若待确认区域中仅存在异形孔，则确定待确认区域为异形孔区域。
在本发明实施例中，上述缺陷孔表示加工过程中出现的错误导致该孔不是标准孔，也不是异形孔，进而说明该待测孔板质量不合格。上述异形孔为设计原因产生，加工过程并不存在错误，由于异形孔的检测通过标准孔的先验信息来进行辅助，在检测出异形孔的同时，也可以说明该待测孔板质量合格。
需要说明的是，本发明实施例提供的异形孔检测方法可以应用于可以进行异形孔检测方法的智能摄像头、智能手机、电脑、服务器等设备。
可选的，请参见图2，图2是本发明实施例提供的一种异形孔检测装置的结构示意图，如图2所示，所述装置包括：
获取模块201，用于获取待测孔板的透光图；
分割模块202，用于对所述透光图进行图像分割，得到标准孔区域和待确认区域；
确定模块203，用于基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。
可选的，所述分割模块202，包括：
分割子模块，用于通过预设的图像分割算法，对所述透光图中的透光区域进行图像分割，得到透光区域；
分类子模块，用于对所述透光区域进行分类，得到标准孔区域和待确认区域。
可选的，所述确定模块203，包括：
第一提取子模块，用于对各个所述标准孔区域中的标准孔进行特征提取，得到各个所述标准孔对应的第一加工特征；
第一确定子模块，用于根据各个所述标准孔的第一加工特征，确定各个所述标准孔对应的标准孔加工的先验信息。
可选的，所述确定模块203，包括：
第二提取子模块，用于对所述待确认区域各个待确认孔进行特征提取，得到各个所述待确认孔对应的第二加工特征；
第二确定子模块，用于基于所述标准孔加工的先验信息以及各个所述待确认孔对应的第二加工特征，确定各个所述待确认孔为异形孔或缺陷孔；
第三确定子模块，用于根据各个所述待确认孔为异形孔或缺陷孔，确定所述待确认区域为异形孔区域或缺陷区域。
可选的，所述第二确定子模块，包括：
融合单元，用于将所述标准孔加工的先验信息与各个所述待确认孔对应的第二加工特征进行融合，得到各个所述待确认孔对应的融合特征；
变换单元，用于对各个所述待确认孔对应的融合特征进行线性变换，得到各个所述待确认孔对应的目标特征；
分类单元，用于对各个所述待确认孔对应的目标特征进行分类，得到各个所述待确认孔对应的分类结果；
第一确定单元，用于根据各个所述待确认孔对应的分类结果，确定各个所述待确认孔为异形孔或缺陷孔。
可选的，所述融合单元，包括：
拼接子单元，用于将所述标准孔加工的先验信息与各个所述待确认孔对应的加工特征在通道层面进行拼接，得到各个所述待确认孔对应的拼接特征；
融合子单元，用于通过预设的融合因子对各个所述待确认孔对应的拼接特征进行融合，得到各个所述待确认孔对应的融合特征。
可选的，所述第三确定子模块，包括：
第二确定单元，用于若所述待确认区域中存在缺陷孔，则确定所述待确认区域为缺陷区域；
第三确定单元，用于若所述待确认区域中仅存在异形孔，则确定所述待确认区域为异形孔区域。
需要说明的是，本发明实施例提供的异形孔检测装置可以应用于可以进行异形孔检测方法的智能摄像头、智能手机、电脑、服务器等设备。
本发明实施例提供的异形孔检测装置能够实现上述方法实施例中异形孔检测方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
参见图3，图3是本发明实施例提供的一种电子设备的结构示意图，如图3所示，包括：存储器302、处理器301及存储在所述存储器302上并可在所述处理器301上运行的异形孔检测方法的计算机程序，其中：
处理器301用于调用存储器302存储的计算机程序，执行如下步骤：
获取待测孔板的透光图；
对所述透光图进行图像分割，得到标准孔区域和待确认区域；
基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。
可选的，处理器301执行的所述对所述透光图进行图像分割，得到标准孔区域和待确认区域，包括：
通过预设的图像分割算法，对所述透光图中的透光区域进行图像分割，得到透光区域；
对所述透光区域进行分类，得到标准孔区域和待确认区域。
可选的，处理器301执行的所述基于所述标准孔区域提取标准孔加工的先验信息，包括：
对各个所述标准孔区域中的标准孔进行特征提取，得到各个所述标准孔对应的第一加工特征；
根据各个所述标准孔的第一加工特征，确定各个所述标准孔对应的标准孔加工的先验信息。
可选的，处理器301执行的所述根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域，包括：
对所述待确认区域各个待确认孔进行特征提取，得到各个所述待确认孔对应的第二加工特征；
基于所述标准孔加工的先验信息以及各个所述待确认孔对应的第二加工特征，确定各个所述待确认孔为异形孔或缺陷孔；
根据各个所述待确认孔为异形孔或缺陷孔，确定所述待确认区域为异形孔区域或缺陷区域。
可选的，处理器301执行的所述基于所述标准孔加工的先验信息以及各个所述待确认孔对应的第二加工特征，确定各个所述待确认孔为异形孔或缺陷孔，包括：
将所述标准孔加工的先验信息与各个所述待确认孔对应的第二加工特征进行融合，得到各个所述待确认孔对应的融合特征；
对各个所述待确认孔对应的融合特征进行线性变换，得到各个所述待确认孔对应的目标特征；
对各个所述待确认孔对应的目标特征进行分类，得到各个所述待确认孔对应的分类结果；
根据各个所述待确认孔对应的分类结果，确定各个所述待确认孔为异形孔或缺陷孔。
可选的，处理器301执行的所述将所述标准孔加工的先验信息与各个所述待确认孔对应的加工特征进行融合，得到各个所述待确认孔对应的融合特征，包括：
将所述标准孔加工的先验信息与各个所述待确认孔对应的加工特征在通道层面进行拼接，得到各个所述待确认孔对应的拼接特征；
通过预设的融合因子对各个所述待确认孔对应的拼接特征进行融合，得到各个所述待确认孔对应的融合特征。
可选的，处理器301执行的所述根据各个所述待确认孔为异形孔或缺陷孔，确定所述待确认区域为异形孔区域或缺陷区域，包括：
若所述待确认区域中存在缺陷孔，则确定所述待确认区域为缺陷区域；
若所述待确认区域中仅存在异形孔，则确定所述待确认区域为异形孔区域。
本发明实施例提供的电子设备能够实现上述方法实施例中异形孔检测方法实现的各个过程，且可以达到相同的有益效果。为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的异形孔检测方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Nenory，RON)或随机存取存储器(Randon AccessNenory，简称RAN)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种异形孔检测方法，其特征在于，包括以下步骤：
获取待测孔板的透光图；
对所述透光图进行图像分割，得到标准孔区域和待确认区域；
基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。
2.如权利要求1所述的异形孔检测方法，其特征在于，所述对所述透光图进行图像分割，得到标准孔区域和待确认区域，包括：
通过预设的图像分割算法，对所述透光图中的透光区域进行图像分割，得到透光区域；
对所述透光区域进行分类，得到标准孔区域和待确认区域。
3.如权利要求2所述的异形孔检测方法，其特征在于，所述基于所述标准孔区域提取标准孔加工的先验信息，包括：
对各个所述标准孔区域中的标准孔进行特征提取，得到各个所述标准孔对应的第一加工特征；
根据各个所述标准孔的第一加工特征，确定各个所述标准孔对应的标准孔加工的先验信息。
4.如权利要求3所述的异形孔检测方法，其特征在于，所述根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域，包括：
对所述待确认区域各个待确认孔进行特征提取，得到各个所述待确认孔对应的第二加工特征；
基于所述标准孔加工的先验信息以及各个所述待确认孔对应的第二加工特征，确定各个所述待确认孔为异形孔或缺陷孔；
根据各个所述待确认孔为异形孔或缺陷孔，确定所述待确认区域为异形孔区域或缺陷区域。
5.如权利要求4所述的异形孔检测方法，其特征在于，所述基于所述标准孔加工的先验信息以及各个所述待确认孔对应的第二加工特征，确定各个所述待确认孔为异形孔或缺陷孔，包括：
将所述标准孔加工的先验信息与各个所述待确认孔对应的第二加工特征进行融合，得到各个所述待确认孔对应的融合特征；
对各个所述待确认孔对应的融合特征进行线性变换，得到各个所述待确认孔对应的目标特征；
对各个所述待确认孔对应的目标特征进行分类，得到各个所述待确认孔对应的分类结果；
根据各个所述待确认孔对应的分类结果，确定各个所述待确认孔为异形孔或缺陷孔。
6.如权利要求5所述的异形孔检测方法，其特征在于，所述将所述标准孔加工的先验信息与各个所述待确认孔对应的加工特征进行融合，得到各个所述待确认孔对应的融合特征，包括：
将所述标准孔加工的先验信息与各个所述待确认孔对应的加工特征在通道层面进行拼接，得到各个所述待确认孔对应的拼接特征；
通过预设的融合因子对各个所述待确认孔对应的拼接特征进行融合，得到各个所述待确认孔对应的融合特征。
7.如权利要求6所述的异形孔检测方法，其特征在于，所述根据各个所述待确认孔为异形孔或缺陷孔，确定所述待确认区域为异形孔区域或缺陷区域，包括：
若所述待确认区域中存在缺陷孔，则确定所述待确认区域为缺陷区域；
若所述待确认区域中仅存在异形孔，则确定所述待确认区域为异形孔区域。
8.一种异形孔检测装置，其特征在于，所述装置包括：
获取模块，用于获取待测孔板的透光图；
分割模块，用于对所述透光图进行图像分割，得到标准孔区域和待确认区域；
确定模块，用于基于所述标准孔区域提取标准孔加工的先验信息，并根据所述标准孔加工的先验信息对所述待确认区域进行图像检测，确定所述待确认区域为异形孔区域或缺陷区域。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的异形孔检测方法中的步骤。
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上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的异形孔检测方法中的步骤。
CN202211740679.9A 2022-12-31 2022-12-31 异形孔检测方法、装置、电子设备及存储介质 Pending CN116128830A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211740679.9A CN116128830A (zh) 2022-12-31 2022-12-31 异形孔检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211740679.9A CN116128830A (zh) 2022-12-31 2022-12-31 异形孔检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116128830A true CN116128830A (zh) 2023-05-16

Family

ID=86304083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211740679.9A Pending CN116128830A (zh) 2022-12-31 2022-12-31 异形孔检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116128830A (zh)

Similar Documents

Publication Publication Date Title
CN111179251B (zh) 基于孪生神经网络利用模板比对的缺陷检测系统及方法
CN113239930B (zh) 一种玻璃纸缺陷识别方法、系统、装置及存储介质
CN110415214A (zh) 摄像头模组的外观检测方法、装置、电子设备及存储介质
CN113516650B (zh) 基于深度学习的电路板塞孔缺陷检测方法及装置
US20200090319A1 (en) Machine learning method implemented in aoi device
CN115578377B (zh) 一种面板缺陷的检测方法、训练方法、装置、设备及介质
CN116228741A (zh) 一种pcba元器件缺陷检测方法及装置
CN116385380A (zh) 基于深度特征的缺陷检测方法、系统、设备及存储介质
CN117392042A (zh) 缺陷检测方法、缺陷检测设备及存储介质
US7266233B2 (en) System and method for measuring an object
CN112784675B (zh) 目标检测方法及装置、存储介质、终端
CN116993725B (zh) 一种柔性电路板智能贴片信息处理系统
CN113744252A (zh) 用于标记和检测缺陷的方法、设备、存储介质和程序产品
CN116128829A (zh) 异形孔检测方法、装置、电子设备及存储介质
CN112287905A (zh) 车辆损伤识别方法、装置、设备及存储介质
CN116128830A (zh) 异形孔检测方法、装置、电子设备及存储介质
CN116091416A (zh) 印制电路板组装缺陷检测、变化检测模型训练方法及装置
CN114550129B (zh) 一种基于数据集的机器学习模型处理方法和系统
CN111046878B (zh) 一种数据处理方法、装置及计算机存储介质和计算机
CN114841980A (zh) 基于巡线航拍图像的绝缘子缺陷检测方法及系统
CN117853826B (zh) 基于机器视觉的物体表面精度识别方法及相关设备
CN116525295B (zh) 一种高频脉冲电容用金属化薄膜及其制备方法
CN117455917B (zh) 一种蚀刻引线框架误报库建立及误报在线判定筛选方法
US20220253996A1 (en) Method, apparatus, and device for labeling images
CN117237683B (zh) 基于改进神经网络的芯片缺陷智慧检测系统

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