CN116152225A - 一种电感触摸屏生产工艺调节方法及系统 - Google Patents

一种电感触摸屏生产工艺调节方法及系统 Download PDF

Info

Publication number
CN116152225A
CN116152225A CN202310349211.5A CN202310349211A CN116152225A CN 116152225 A CN116152225 A CN 116152225A CN 202310349211 A CN202310349211 A CN 202310349211A CN 116152225 A CN116152225 A CN 116152225A
Authority
CN
China
Prior art keywords
region
connected domain
target
pixel point
complete
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
CN202310349211.5A
Other languages
English (en)
Other versions
CN116152225B (zh
Inventor
朱德军
肖锦华
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.)
Shenzhen Startek Electronic Technology Co ltd
Original Assignee
Shenzhen Startek Electronic 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 Shenzhen Startek Electronic Technology Co ltd filed Critical Shenzhen Startek Electronic Technology Co ltd
Priority to CN202310349211.5A priority Critical patent/CN116152225B/zh
Publication of CN116152225A publication Critical patent/CN116152225A/zh
Application granted granted Critical
Publication of CN116152225B publication Critical patent/CN116152225B/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
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • 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
    • G06V10/762Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • G06T2207/30148Semiconductor; IC; Wafer
    • 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

Abstract

本发明涉及图像数据处理技术领域,具体涉及一种电感触摸屏生产工艺调节方法及系统,该方法包括:对获取的电感触摸屏银浆线路的目标二值图像进行等分;对目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理;对每个连通域完整区域进行连通域最宽值分析处理;确定连通域完整区域对应的细化效率指标;对各个连通域完整区域进行均衡效率合并分析处理;确定每个目标区域的细化区域;对电感触摸屏银浆线路进行断路缺陷检测,当电感触摸屏银浆线路存在断路缺陷时,对电感触摸屏生产工艺进行调节。本发明通过对目标二值图像进行图像处理,提高了对电感触摸屏银浆线路进行断路缺陷检测的效率,应用于电感触摸屏生产工艺调节。

Description

一种电感触摸屏生产工艺调节方法及系统
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种电感触摸屏生产工艺调节方法及系统。
背景技术
随着科技的发展,电感触摸屏在消费电子业的应用越来越广泛。在电感触摸屏的生产过程中,可能由于电感触摸屏外围的银浆线路存在断路缺陷,从而导致电感触摸屏出现故障。因此,在电感触摸屏生产加工过程中,往往需要对电感触摸屏外围的银浆线路进行断路缺陷检测。目前,对线路进行断路缺陷检测时,通常采用的方式为:通过神经网络,对线路进行断路缺陷检测。
然而,当采用神经网络,对电感触摸屏的银浆线路进行断路缺陷检测时,经常会存在如下技术问题:
训练神经网络时,往往需要大量存在断路缺陷的电感触摸屏银浆线路数据和无断路缺陷的电感触摸屏银浆线路数据,这些数据的收集往往需要耗费大量的时间,并且训练神经网络的时间往往也较长,因此,往往导致对电感触摸屏银浆线路进行断路缺陷检测的效率低下。
发明内容
本发明的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
为了解决对电感触摸屏银浆线路进行断路缺陷检测的效率低下的技术问题,本发明提出了一种电感触摸屏生产工艺调节方法及系统。
第一方面,本发明提供了一种电感触摸屏生产工艺调节方法,该方法包括:
获取电感触摸屏银浆线路的目标二值图像,并对所述目标二值图像进行等分,得到初始子区域集合;
对所述初始子区域集合中的每个初始子区域进行连通域检测,当所述初始子区域内存在连通域时,将所述初始子区域确定为目标子区域,得到目标子区域集合;
对所述目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合;
对所述连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到所述连通域完整区域对应的最宽宽度值;
根据每个连通域完整区域对应的最宽宽度值和所述连通域完整区域内像素点的数量,确定所述连通域完整区域对应的细化效率指标;
根据所述连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合;
对所述目标区域集合中的各个目标区域进行并行细化处理,得到目标细化区域集合;
根据所述目标细化区域集合和所述初始子区域集合中除了目标子区域集合之外的初始子区域,对电感触摸屏银浆线路进行断路缺陷检测,当电感触摸屏银浆线路存在断路缺陷时,发送断路缺陷警示信息,用于提醒对电感触摸屏生产工艺进行调节。
进一步地,所述对所述目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合,包括:
当所述目标子区域集合中的目标子区域内存在与该目标子区域边界相交的连通域时,将该目标子区域确定为待合并子区域,得到待合并子区域集合;
从所述待合并子区域集合中的每个待合并子区域内筛选出与所述待合并子区域边界相交的连通域,作为待合并连通域,得到所述待合并子区域对应的待合并连通域集合;
对于每个待合并子区域对应的待合并连通域集合中的每个待合并连通域,从所述待合并连通域内筛选出所述待合并子区域边界与所述待合并连通域之间相交的像素点,作为交点像素点,得到所述待合并连通域对应的交点像素点集合;
对于每个待合并子区域对应的待合并连通域集合中的每个待合并连通域,根据所述待合并连通域对应的交点像素点集合中交点像素点之间的欧式距离,对所述待合并连通域对应的交点像素点集合中的交点像素点进行聚类,确定所述待合并连通域对应的交点簇组,得到所述待合并子区域对应的交点簇组集合;
从所述待合并子区域集合中的各个待合并子区域对应的交点簇组集合中筛选出重复出现的交点簇,作为待合并交点簇,得到待合并交点簇集合;
将所述待合并交点簇集合中的每个待合并交点簇对应的两个待合并子区域,合并为一个区域,将最终合并完成的每个区域确定为连通域完整区域;
将所述待合并子区域集合中除了待合并交点簇对应的待合并子区域之外的待合并子区域,确定为连通域完整区域;
将所述目标子区域集合中除了所述待合并子区域集合之外的目标子区域,确定为连通域完整区域。
进一步地,所述对所述连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到所述连通域完整区域对应的最宽宽度值,包括:
对于所述连通域完整区域内的每个连通域中的每个边缘像素点,根据所述边缘像素点和所述边缘像素点对应的参考像素点集合,确定所述边缘像素点对应的最大边缘宽度,其中,所述边缘像素点对应的参考像素点集合中的参考像素点是所述连通域中除了所述边缘像素点之外的边缘像素点;
从所述连通域完整区域内的每个连通域中的各个边缘像素点对应的最大边缘宽度中筛选出最大的最大边缘宽度,作为所述连通域对应的最大连通宽度;
从所述连通域完整区域内的各个连通域对应的最大连通宽度中筛选出最大的最大连通宽度,作为所述连通域完整区域对应的最宽宽度值。
进一步地,所述根据所述边缘像素点和所述边缘像素点对应的参考像素点集合,确定所述边缘像素点对应的最大边缘宽度,包括:
根据所述边缘像素点对应的位置和所述边缘像素点对应的参考像素点集合中的每个参考像素点对应的位置,确定所述参考像素点对应的参考角度;
确定所述边缘像素点的切线所对应的角度,作为所述边缘像素点对应的第一角度;
将所述边缘像素点对应的第一角度与九十度的差值的绝对值,确定为所述边缘像素点对应的第二角度;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,将所述边缘像素点对应的第二角度与所述参考像素点对应的参考角度的差值的绝对值,确定为所述参考像素点对应的第一角度差;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,对所述参考像素点对应的第一角度差进行负相关映射并归一化,得到所述参考像素点对应的第二角度差;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,对所述参考像素点对应的第二角度差进行放大处理,得到所述参考像素点对应的第三角度差;
确定所述边缘像素点与所述边缘像素点对应的参考像素点集合中的每个参考像素点之间的欧式距离,作为所述参考像素点对应的参考距离;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,将所述参考像素点对应的第三角度差与参考距离的乘积,确定为所述参考像素点对应的参考宽度;
从所述边缘像素点对应的参考像素点集合中的各个参考像素点对应的参考宽度中筛选出最大的参考宽度,作为所述边缘像素点对应的最大边缘宽度。
进一步地,所述根据每个连通域完整区域对应的最宽宽度值和所述连通域完整区域内像素点的数量,确定所述连通域完整区域对应的细化效率指标,包括:
将所述连通域完整区域对应的最宽宽度值、所述连通域完整区域内像素点的数量与预先设置的超参数的乘积,确定为所述连通域完整区域对应的参考效率指标;
对所述连通域完整区域对应的参考效率指标进行归一化,得到所述连通域完整区域对应的细化效率指标。
进一步地,所述根据所述连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合,包括:
获取当前空闲细化处理设备的数量,作为目标空闲数量;
当所述连通域完整区域集合中连通域完整区域的数量大于目标空闲数量时,从所述连通域完整区域集合中筛选出细化效率指标最大的目标空闲数量个连通域完整区域,作为初始待合并区域,得到初始待合并区域集合;
根据所述初始待合并区域集合,对所述连通域完整区域集合中的连通域完整区域进行聚类,得到目标聚类簇集合;
将所述目标聚类簇集合中的每个目标聚类簇所在的区域,确定为目标区域,得到目标区域集合;
当所述连通域完整区域集合中连通域完整区域的数量小于或等于目标空闲数量时,将每个连通域完整区域确定为目标区域,得到目标区域集合。
进一步地,所述根据所述初始待合并区域集合,对所述连通域完整区域集合中的连通域完整区域进行聚类,得到目标聚类簇集合,包括:
将所述初始待合并区域集合中的各个初始待合并区域,分别确定为不同目标聚类簇中的第一个目标归类区域;
将所述连通域完整区域集合中除了所述初始待合并区域集合之外的连通域完整区域,确定为待归类区域;
当待归类区域只与一个目标聚类簇中的目标归类区域相邻时,将待归类区域确定为该目标聚类簇中的目标归类区域;
当待归类区域与至少两个目标聚类簇中的目标归类区域相邻时,确定这些目标聚类簇中的每个目标聚类簇中的各个当前目标归类区域所在的区域对应的细化效率指标,作为所述目标聚类簇对应的当前细化效率指标,将待归类区域确定为当前细化效率指标最小的目标聚类簇中的目标归类区域,其中,当前目标归类区域是判断待归类区域所在的目标聚类簇时,已经被确定为目标归类区域的连通域完整区域。
进一步地,所述根据所述目标细化区域集合和所述初始子区域集合中除了目标子区域集合之外的初始子区域,对电感触摸屏银浆线路进行断路缺陷检测,包括:
将所述目标细化区域集合中的目标细化区域和所述初始子区域集合中除了目标子区域集合之外的初始子区域,确定为参考区域,得到参考区域集合;
根据所述参考区域集合中的各个参考区域对应在所述目标二值图像中的位置,对所述参考区域集合进行合并,得到所述目标二值图像对应的整体细化图像;
根据预先设置的目标滑窗,判断所述整体细化图像中是否存在断点,当所述整体细化图像中存在断点时,判定电感触摸屏银浆线路存在断路缺陷,当所述整体细化图像中不存在断点时,判定电感触摸屏银浆线路不存在断路缺陷。
第二方面,本发明提供了一种电感触摸屏生产工艺调节系统,包括处理器和存储器,上述处理器用于处理存储在上述存储器中的指令以实现上述的一种电感触摸屏生产工艺调节方法。
本发明具有如下有益效果:
本发明的一种电感触摸屏生产工艺调节方法,通过对目标二值图像进行图像处理,解决了对电感触摸屏银浆线路进行断路缺陷检测的效率低下的技术问题,提高了对电感触摸屏银浆线路进行断路缺陷检测的效率。首先,获取电感触摸屏银浆线路的目标二值图像,并对上述目标二值图像进行等分,得到初始子区域集合。由于目标二值图像包含电感触摸屏银浆线路的信息,并且将目标二值图像等分为多个初始子区域,可以便于后续对各个初始子区域进行精确处理。接着,对上述初始子区域集合中的每个初始子区域进行连通域检测,当上述初始子区域内存在连通域时,将上述初始子区域确定为目标子区域,得到目标子区域集合。由于后续需要对存在连通域的初始子区域进行细化处理,因此确定目标子区域,可以便于后续进行细化处理。然后,对上述目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合。由于对目标二值图像进行等分时,可能会把目标二值图像中的部分连通域分割为多个子连通域,若直接对目标子区域进行细化处理,则往往会改变这些被分割连通域内像素点的连通性,因此对目标子区域进行连通域完整性分析合并处理,可以避免存在同一个连通域被分割到不同区域。再者,对上述连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到上述连通域完整区域对应的最宽宽度值。继续,根据每个连通域完整区域对应的最宽宽度值和上述连通域完整区域内像素点的数量,确定上述连通域完整区域对应的细化效率指标。对连通域完整区域进行细化处理的效率往往与连通域完整区域内连通域的最宽值和连通域完整区域内像素点数量有关,因此,通过综合考虑这两个方面,可以提高连通域完整区域对应的细化效率指标确定的准确度。之后,对各个连通域完整区域进行均衡效率合并分析处理,可以使后续对目标区域集合中的各个目标区域进行细化处理的效率比较均衡,从而可以使后续对各个目标区域进行并行细化处理的总时长相对较短,并且不存在连通域的初始子区域往往不需要进行细化处理,因此对各个目标区域进行并行细化处理,可以实现对目标二值图像的细化处理,相较于直接对目标二值图像进行细化处理,本发明提高了细化处理效率。最后,通过对各个目标区域进行并行细化处理得到的目标细化区域,对电感触摸屏银浆线路进行断路缺陷检测,不需要收集大量用于训练神经网络的图像,也不需要花费时间进行神经网络的训练,因此本发明提高了对电感触摸屏银浆线路进行断路缺陷检测的效率。
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和优点,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的介绍,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它附图。
图1为本发明的一种电感触摸屏生产工艺调节方法的流程图;
图2为根据本发明的对目标二值图像进行等分的示意图;
图3为根据本发明的交点簇的示意图;
图4为根据本发明的待合并交点簇的示意图;
图5为根据本发明的对待合并子区域进行合并的示意图;
图6为根据本发明的位置相邻的连通域完整区域的示意图。
其中,附图标记包括:第一目标二值图像201、第一初始子区域202、第二初始子区域203、第三初始子区域204、第四初始子区域205、第五初始子区域206、第六初始子区域207、第二目标二值图像301、第一待合并子区域302、第二待合并子区域303、第六待合并子区域401、第五待合并子区域402、第三待合并子区域403、第四待合并子区域404、第七待合并子区域501、第八待合并子区域502、第一连通域完整区域503、第一连通域504、第二连通域505、第三连通域506、第二连通域完整区域601和第三连通域完整区域602。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明提供了一种电感触摸屏生产工艺调节方法,该方法包括以下步骤:
获取电感触摸屏银浆线路的目标二值图像,并对目标二值图像进行等分,得到初始子区域集合;
对初始子区域集合中的每个初始子区域进行连通域检测,当初始子区域内存在连通域时,将初始子区域确定为目标子区域,得到目标子区域集合;
对目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合;
对连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到连通域完整区域对应的最宽宽度值;
根据每个连通域完整区域对应的最宽宽度值和连通域完整区域内像素点的数量,确定连通域完整区域对应的细化效率指标;
根据连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合;
对目标区域集合中的各个目标区域进行并行细化处理,得到目标细化区域集合;
根据目标细化区域集合和初始子区域集合中除了目标子区域集合之外的初始子区域,对电感触摸屏银浆线路进行断路缺陷检测,当电感触摸屏银浆线路存在断路缺陷时,发送断路缺陷警示信息,用于提醒对电感触摸屏生产工艺进行调节。
下面对上述各个步骤进行详细展开:
参考图1,示出了本发明的一种电感触摸屏生产工艺调节方法的一些实施例的流程。该电感触摸屏生产工艺调节方法,包括以下步骤:
步骤S1,获取电感触摸屏银浆线路的目标二值图像,并对目标二值图像进行等分,得到初始子区域集合。
在一些实施例中,可以获取电感触摸屏银浆线路的目标二值图像,并对上述目标二值图像进行等分,得到初始子区域集合。
其中,电感触摸屏银浆线路可以是电感触摸屏外围的银浆线路。电感触摸屏又称电感式触摸屏。目标二值图像中的像素值可以由0或1组成,其中,目标二值图像中像素值为1的像素点可以是银浆线路对应的像素点。
需要说明的是,由于目标二值图像包含电感触摸屏银浆线路的信息,因此获取目标二值图像可以便于后续进行断路缺陷检测。若电感触摸屏银浆线路存在断路缺陷,则采用Rosenfeld细化算法,对目标二值图像进行细化处理后,可以使断路缺陷更加明显。由于Rosenfeld细化算法的特点,直接采用Rosenfeld细化算法,对目标二值图像进行细化处理时,往往需要进行目标数量次迭代,此时参与每次迭代的像素点是目标二值图像中所有的像素点。其中,目标数量可以等于目标二值图像中的各个连通域对应的宽度的最大值。
对目标二值图像进行等分后,若采用Rosenfeld细化算法,对初始子区域进行细化处理,则此时参与每次迭代的像素点是初始子区域中所有的像素点,此时参与每次迭代的像素点数量相较于参与目标二值图像细化时每次迭代的像素点数量往往较少,并且对部分初始子区域进行细化处理时需要进行的迭代次数往往比对目标二值图像进行细化处理时需要进行的迭代次数要少。其中,对初始子区域进行细化处理时需要进行的迭代次数可以等于初始子区域内的各个连通域对应的宽度的最大值。综合来说,若通过对初始子区域集合中的各个初始子区域进行细化处理,实现对目标二值图像的细化处理,相较于直接对目标二值图像进行细化,可以减少对目标二值图像中部分像素点的迭代次数。
例如,目标二值图像可以包括两个连通域:宽度为2的连通域和宽度为8的连通域。若采用Rosenfeld细化算法,对该目标二值图像进行细化处理时,往往需要对该目标二值图像中所有的像素点进行8次迭代。将该目标二值图像等分为两个初始子区域,若每个初始子区域内存在一个连通域,则对这两个初始子区域进行细化处理时,宽度为8的连通域所在的初始子区域进行细化处理时需要迭代8次,宽度为2的连通域所在的初始子区域进行细化处理时需要迭代2次,相较于采用Rosenfeld细化算法,直接对目标二值图像进行细化处理,减少了一半像素点的迭代次数。
作为示例,本步骤可以包括以下步骤:
第一步,获取电感触摸屏银浆线路的表面图像,作为初始表面图像。
例如,可以通过在电感触摸屏银浆线路的生产线上安装的相机,采集电感触摸屏银浆线路的表面图像,作为初始表面图像。为了提高分辨率,这里安装的相机可以是高分辨率相机。
第二步,对初始表面图像进行灰度化,得到银浆灰度图像。
第三步,采用大津阈值分割算法,从银浆灰度图像中提取出银浆线路区域,将银浆线路区域内的像素点对应的灰度值更新为1,将银浆灰度图像中除了银浆线路区域之外的区域内的像素点对应的灰度值更新为0,将最终更新完成的银浆灰度图像,确定为目标二值图像。
第四步,对目标二值图像进行等分,得到初始子区域集合。
例如,从目标二值图像的左上角开始,在水平方向和竖直方向上,均以预设数目个像素点为一个间隔,对目标二值图像进行等分,当最后不足预设数目个像素点时,也作为一个间隔,将每个间隔的区域确定为初始子区域。其中,预设数目可以是预先设置的数目。比如,预设数目可以是100。预设数目的平方可以大于或等于目标二值图像中面积最大的连通域内像素点的数量。
如图2所示,第一目标二值图像201的宽度可以由240个像素点组成,高度可以由200个像素点组成。以100个像素点为一个间隔,对第一目标二值图像201进行等分,得到的初始子区域集合可以包括:第一初始子区域202、第二初始子区域203、第三初始子区域204、第四初始子区域205、第五初始子区域206和第六初始子区域207。其中,第一初始子区域202、第二初始子区域203、第四初始子区域205和第五初始子区域206的尺寸相同,宽度和高度均由100个像素点组成。第三初始子区域204和第六初始子区域207的尺寸相同,宽度由40个像素点组成,高度由100个像素点组成。
步骤S2,对初始子区域集合中的每个初始子区域进行连通域检测,当初始子区域内存在连通域时,将初始子区域确定为目标子区域,得到目标子区域集合。
在一些实施例中,可以对上述初始子区域集合中的每个初始子区域进行连通域检测,当上述初始子区域内存在连通域时,将上述初始子区域确定为目标子区域,得到目标子区域集合。
其中,连通域可以是闭合边缘所围成的区域。
需要说明的是,由于后续需要对存在连通域的初始子区域进行细化处理,因此确定目标子区域,可以便于后续进行细化处理。
作为示例,本步骤可以包括以下步骤:
第一步,对初始子区域集合中的每个初始子区域进行连通域检测。
例如,可以对初始子区域进行边缘检测,当检测出的边缘中存在闭合边缘时,判定初始子区域内存在连通域,当检测出的边缘中不存在闭合边缘时,判定初始子区域内不存在连通域。
第二步,当初始子区域内存在连通域时,将初始子区域确定为目标子区域。
步骤S3,对目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合。
在一些实施例中,可以对上述目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合。
需要说明的是,由于对目标二值图像进行等分时,可能会把目标二值图像中的部分连通域分割为多个子连通域,若直接对目标子区域进行细化处理,则往往会改变这些被分割连通域内像素点的连通性,因此对目标子区域进行连通域完整性分析合并处理,可以对不同目标子区域包括的同一个被分割的连通域进行合并,将合并完整的区域作为连通域完整区域,即连通域完整区域内的连通域是完整的连通域。因此后续对连通域完整区域进行细化处理,往往不会改变像素点的连通性。
作为示例,本步骤可以包括以下步骤:
第一步,当上述目标子区域集合中的目标子区域内存在与该目标子区域边界相交的连通域时,将该目标子区域确定为待合并子区域,得到待合并子区域集合。
第二步,从上述待合并子区域集合中的每个待合并子区域内筛选出与上述待合并子区域边界相交的连通域,作为待合并连通域,得到上述待合并子区域对应的待合并连通域集合。
其中,与待合并子区域边界相交的连通域可以是与该待合并子区域边界存在共同像素点的连通域。
第三步,对于每个待合并子区域对应的待合并连通域集合中的每个待合并连通域,从上述待合并连通域内筛选出上述待合并子区域边界与上述待合并连通域之间相交的像素点,作为交点像素点,得到上述待合并连通域对应的交点像素点集合。
其中,待合并子区域边界与待合并连通域之间相交的像素点可以是该待合并子区域边界与该待合并连通域之间共同的像素点。
第四步,对于每个待合并子区域对应的待合并连通域集合中的每个待合并连通域,根据上述待合并连通域对应的交点像素点集合中交点像素点之间的欧式距离,对上述待合并连通域对应的交点像素点集合中的交点像素点进行聚类,确定上述待合并连通域对应的交点簇组,得到上述待合并子区域对应的交点簇组集合。
其中,交点簇中的交点像素点可以是连续的交点像素点。
需要说明的是,若某个连通域被分割为多个子连通域,则每两个子连通域之间往往存在一条相交的线段。交点簇所组成的线段可能是待合并连通域与待合并子区域边界相切时得到的切线,此时待合并连通域可以是完整的连通域。交点簇所组成的线段也可能是两个待合并连通域之间存在的一条相交的线段,此时待合并连通域可以是子连通域,这两个待合并连通域所在的待合并子区域需要合并。
例如,根据待合并连通域对应的交点像素点集合中交点像素点之间的欧式距离,对待合并连通域对应的交点像素点集合中的交点像素点进行聚类,确定待合并连通域对应的交点簇组可以包括以下子步骤:
第一子步骤,当待合并连通域对应的交点像素点集合中交点像素点之间的欧式距离小于或等于预先设置的距离阈值时,可以将这些交点像素点聚为一类。
其中,距离阈值可以是预先设置的认为两个交点像素点相邻时,两者之间最大的距离。例如,距离阈值可以是0.05。
第二子步骤,将最终聚类完成的每个类别所在的聚类簇,确定为一个交点簇,得到交点簇组。
第五步,从上述待合并子区域集合中的各个待合并子区域对应的交点簇组集合中筛选出重复出现的交点簇,作为待合并交点簇,得到待合并交点簇集合。
其中,重复出现的交点簇可以是出现两次的交点簇。
如图3所示,图3中的6个黑色实心点可以表征一个交点簇,若该交点簇既是第二目标二值图像301中的第一待合并子区域302对应的交点簇组集合中的一个交点簇,又是第二目标二值图像301中的第二待合并子区域303对应的交点簇组集合中的一个交点簇,也就是说该交点簇重复出现,则该交点簇可以是待合并交点簇。
第六步,将上述待合并交点簇集合中的每个待合并交点簇对应的两个待合并子区域,合并为一个区域,将最终合并完成的每个区域确定为连通域完整区域。
需要说明的是,待合并交点簇所组成的线段往往是两个待合并连通域之间存在的一条相交的线段,此时待合并连通域往往是子连通域,这两个待合并连通域所在的待合并子区域往往需要合并。
第七步,将上述待合并子区域集合中除了待合并交点簇对应的待合并子区域之外的待合并子区域,确定为连通域完整区域。
需要说明的是,待合并子区域集合中除了待合并交点簇对应的待合并子区域之外的待合并子区域往往是边界与待合并连通域相切的待合并子区域。
第八步,将上述目标子区域集合中除了上述待合并子区域集合之外的目标子区域,确定为连通域完整区域。
需要说明的是,目标子区域集合中除了待合并子区域集合之外的目标子区域往往是内部包含连通域的区域。
如图3所示,图3中的6个黑色实心点可以表征一个待合并交点簇,该待合并交点簇对应的两个待合并子区域可以是第一待合并子区域302和第二待合并子区域303。第一待合并子区域302和第二待合并子区域303所在的区域可以是连通域完整区域。
如图4所示,水平方向连续的6个黑色实心点可以表征一个待合并交点簇,可以将该待合并交点簇作为第一待合并交点簇。竖直方向连续的3个黑色实心点可以表征一个待合并交点簇,可以将该待合并交点簇作为第二待合并交点簇。由于需要将第一待合并交点簇对应的第三待合并子区域403和第四待合并子区域404合并为一个区域,并且需要将第二待合并交点簇对应的第三待合并子区域403和第五待合并子区域402合并为一个区域,因此,最终合并完成的区域可以是第三待合并子区域403、第四待合并子区域404和第五待合并子区域402所在的区域,可以将最终合并完成的区域确定为一个连通域完整区域。由于第六待合并子区域401没有对应的待合并交点簇,因此第六待合并子区域401可以是一个连通域完整区域。
如图5所示,将第七待合并子区域501边界与第七待合并子区域501内的第一连通域504之间连续的交点像素点,确定为第一交点簇。将第八待合并子区域502边界与第八待合并子区域502内的第二连通域505之间连续的交点像素点,确定为第二交点簇。由图5可知,第一交点簇与第二交点簇是同一个交点簇,因此可以将第七待合并子区域501与第八待合并子区域502合并为第一连通域完整区域503,第三连通域506可以是第一连通域完整区域503内的连通域。
步骤S4,对连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到连通域完整区域对应的最宽宽度值。
在一些实施例中,可以对上述连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到上述连通域完整区域对应的最宽宽度值。
作为示例,本步骤可以包括以下步骤:
第一步,对于上述连通域完整区域内的每个连通域中的每个边缘像素点,根据上述边缘像素点和上述边缘像素点对应的参考像素点集合,确定上述边缘像素点对应的最大边缘宽度。
其中,连通域完整区域内的连通域可以是对连通域完整区域进行边缘检测,得到的闭合边缘所围成的区域。上述边缘像素点对应的参考像素点集合中的参考像素点可以是上述连通域中除了上述边缘像素点之外的边缘像素点。例如,连通域中的第一个边缘像素点对应的参考像素点集合中的参考像素点可以是该连通域中除了第一个边缘像素点之外的边缘像素点。
例如,根据上述边缘像素点和上述边缘像素点对应的参考像素点集合,确定上述边缘像素点对应的最大边缘宽度可以包括以下子步骤:
第一子步骤,根据上述边缘像素点对应的位置和上述边缘像素点对应的参考像素点集合中的每个参考像素点对应的位置,确定上述参考像素点对应的参考角度。
比如,根据边缘像素点和该边缘像素点对应的参考像素点集合中的某个参考像素点对应的位置,利用两点之间的角度公式,确定该边缘像素点和该参考像素点之间的角度,作为该参考像素点对应的参考角度。
第二子步骤,确定上述边缘像素点的切线所对应的角度,作为上述边缘像素点对应的第一角度。
第三子步骤,将上述边缘像素点对应的第一角度与九十度的差值的绝对值,确定为上述边缘像素点对应的第二角度。
第四子步骤,对于上述边缘像素点对应的参考像素点集合中的每个参考像素点,将上述边缘像素点对应的第二角度与上述参考像素点对应的参考角度的差值的绝对值,确定为上述参考像素点对应的第一角度差。
第五子步骤,对于上述边缘像素点对应的参考像素点集合中的每个参考像素点,对上述参考像素点对应的第一角度差进行负相关映射并归一化,得到上述参考像素点对应的第二角度差。
第六子步骤,对于上述边缘像素点对应的参考像素点集合中的每个参考像素点,对上述参考像素点对应的第二角度差进行放大处理,得到上述参考像素点对应的第三角度差。
第七子步骤,确定上述边缘像素点与上述边缘像素点对应的参考像素点集合中的每个参考像素点之间的欧式距离,作为上述参考像素点对应的参考距离。
第八子步骤,对于上述边缘像素点对应的参考像素点集合中的每个参考像素点,将上述参考像素点对应的第三角度差与参考距离的乘积,确定为上述参考像素点对应的参考宽度。
比如,连通域完整区域集合中的每个连通域完整区域内的每个连通域中的每个边缘像素点对应的参考像素点集合中的每个参考像素点对应的参考宽度对应的公式可以为:
Figure SMS_1
其中,
Figure SMS_3
是连通域完整区域集合中的第t个连通域完整区域内的第q个连通域中 的第j个边缘像素点对应的参考像素点集合中的第i个参考像素点对应的参考宽度。t是连 通域完整区域集合中连通域完整区域的序号。q是第t个连通域完整区域内连通域的序号。j 是第q个连通域中边缘像素点的序号。i是第j个边缘像素点对应的参考像素点集合中参考像 素点的序号。a是预先设置的大于1的数值,如a可以为2。
Figure SMS_7
是对
Figure SMS_10
进行归一化。
Figure SMS_2
Figure SMS_6
的绝对值。
Figure SMS_9
是连通域完整区域集合中的第t个连 通域完整区域内的第q个连通域中的第j个边缘像素点对应的第二角度。
Figure SMS_11
是连通域完整 区域集合中的第t个连通域完整区域内的第q个连通域中的第j个边缘像素点对应的参考像 素点集合中的第i个参考像素点对应的参考角度。
Figure SMS_4
是连通域完整区域集合中的第t个连 通域完整区域内的第q个连通域中的第j个边缘像素点对应的参考像素点集合中的第i个参 考像素点对应的参考距离。
Figure SMS_5
是连通域完整区域集合中的第t个连通域完整区域 内的第q个连通域中的第j个边缘像素点对应的参考像素点集合中的第i个参考像素点对应 的第一角度差。
Figure SMS_8
是连通域完整区域集合中的第t个连通域完整区 域内的第q个连通域中的第j个边缘像素点对应的参考像素点集合中的第i个参考像素点对 应的第二角度差。
Figure SMS_12
是连通域完整区域集合中的第t个连通域 完整区域内的第q个连通域中的第j个边缘像素点对应的参考像素点集合中的第i个参考像 素点对应的第三角度差。
由于当
Figure SMS_15
越大时,
Figure SMS_17
越小,所以
Figure SMS_20
可以实现对
Figure SMS_13
的负相关映射。由于
Figure SMS_18
的取值范围为[0,1], 所以
Figure SMS_21
可以实现对
Figure SMS_22
的归一化。由于a是预先设置的大于1 的数值,所以
Figure SMS_14
可以实现对
Figure SMS_16
的放大。
Figure SMS_19
的取值范围可以是[0,1]。
需要说明的是,当
Figure SMS_23
越小,往往说明第j个边缘像素点对应的方向和第i 个参考像素点对应的方向越相似,往往说明第i个参考像素点越可能是第j个边缘像素点到 对向的像素点,往往说明第j个边缘像素点和第i个参考像素点之间的欧式距离
Figure SMS_24
越可以 表示第j个边缘像素点到对向的像素点的距离值,此时
Figure SMS_25
越 大,因此第i个参考像素点对应的参考宽度
Figure SMS_26
可以表征第j个边缘像素点和第i个参考像 素点在对向方向的距离。
第九子步骤,从上述边缘像素点对应的参考像素点集合中的各个参考像素点对应的参考宽度中筛选出最大的参考宽度,作为上述边缘像素点对应的最大边缘宽度。
第二步,从上述连通域完整区域内的每个连通域中的各个边缘像素点对应的最大边缘宽度中筛选出最大的最大边缘宽度,作为上述连通域对应的最大连通宽度。
第三步,从上述连通域完整区域内的各个连通域对应的最大连通宽度中筛选出最大的最大连通宽度,作为上述连通域完整区域对应的最宽宽度值。
需要说明的是,对连通域完整区域进行细化处理的效率往往与连通域完整区域内连通域的最宽值有关,一般来说,连通域完整区域内的连通域越宽,对连通域完整区域进行细化处理的效率往往越低,因此,确定连通域完整区域对应的最宽宽度值,可以便于表示对连通域完整区域进行细化处理时的效率。
步骤S5,根据每个连通域完整区域对应的最宽宽度值和连通域完整区域内像素点的数量,确定连通域完整区域对应的细化效率指标。
在一些实施例中,可以根据每个连通域完整区域对应的最宽宽度值和上述连通域完整区域内像素点的数量,确定上述连通域完整区域对应的细化效率指标。
需要说明的是,对连通域完整区域进行细化处理的效率往往与连通域完整区域内连通域的最宽值和连通域完整区域内像素点数量有关,因此,通过综合考虑这两个方面,可以提高连通域完整区域对应的细化效率指标确定的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,将上述连通域完整区域对应的最宽宽度值、上述连通域完整区域内像素点的数量与预先设置的超参数的乘积,确定为上述连通域完整区域对应的参考效率指标。
其中,超参数可以是根据实际情况设置的大于0的参数,可以用于调整参考效率指标的取值,可以使确定的参考效率指标更加符合实际情况,从而可以使确定的细化效率指标更加符合实际情况。比如,超参数可以是1。
第二步,对上述连通域完整区域对应的参考效率指标进行归一化,得到上述连通域完整区域对应的细化效率指标。
例如,连通域完整区域集合中的每个连通域完整区域对应的细化效率指标对应的公式可以为:
Figure SMS_27
其中,
Figure SMS_28
是连通域完整区域集合中的第t个连通域完整区域对应的细化效率指标。 t是连通域完整区域集合中连通域完整区域的序号。
Figure SMS_32
是连通域完整区域集合中的第t个连 通域完整区域对应的最宽宽度值。
Figure SMS_34
是连通域完整区域集合中的第t个连通域完整区域内 像素点的数量。b是超参数,如b可以为1。
Figure SMS_29
是自然常数的
Figure SMS_31
次 方。
Figure SMS_33
可以实现对
Figure SMS_35
的归一化。
Figure SMS_30
是连通域完整区域 集合中的第t个连通域完整区域对应的参考效率指标。
需要说明的是,当第t个连通域完整区域对应的最宽宽度值
Figure SMS_36
越大时,往往说明对 第t个连通域完整区域进行细化处理时,需要进行的迭代次数越多,从而往往导致对第t个 连通域完整区域进行细化处理的效率越低。当第t个连通域完整区域内像素点的数量
Figure SMS_37
越 多时,往往说明对第t个连通域完整区域进行细化处理时,参与每次迭代的像素点越多,从 而往往导致对第t个连通域完整区域进行细化处理的效率越低。超参数b是根据实际情况设 置的参数,可以使确定的细化效率指标更加符合实际情况。因此,第t个连通域完整区域对 应的细化效率指标
Figure SMS_38
越大,往往说明对第t个连通域完整区域进行细化处理的效率越低。
步骤S6,根据连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合。
在一些实施例中,可以根据上述连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合。
其中,目标区域集合中的各个目标区域进行细化处理的效率相对比较均衡。
需要说明的是,对各个连通域完整区域进行均衡效率合并分析处理,可以使后续对目标区域集合中的各个目标区域进行细化处理的效率比较均衡,从而可以使后续对各个目标区域进行并行细化处理的总时长相对较短。
作为示例,根据上述连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合可以包括以下步骤:
第一步,获取当前空闲细化处理设备的数量,作为目标空闲数量。
其中,当前空闲细化处理设备可以是当前可以用于细化处理的空闲设备。细化处理可以是采用Rosenfeld细化算法,对图像进行细化的处理。
第二步,当上述连通域完整区域集合中连通域完整区域的数量大于目标空闲数量时,从上述连通域完整区域集合中筛选出细化效率指标最大的目标空闲数量个连通域完整区域,作为初始待合并区域,得到初始待合并区域集合。
第三步,根据上述初始待合并区域集合,对上述连通域完整区域集合中的连通域完整区域进行聚类,得到目标聚类簇集合。
例如,根据上述初始待合并区域集合,对上述连通域完整区域集合中的连通域完整区域进行聚类,得到目标聚类簇集合可以包括以下步骤:
第一子步骤,将上述初始待合并区域集合中的各个初始待合并区域,分别确定为不同目标聚类簇中的第一个目标归类区域。
其中,目标归类区域可以是目标聚类簇中的元素。初始待合并区域可以与目标聚类簇一一对应。
第二子步骤,将上述连通域完整区域集合中除了上述初始待合并区域集合之外的连通域完整区域,确定为待归类区域。
第三子步骤,当待归类区域只与一个目标聚类簇中的目标归类区域相邻时,将待归类区域确定为该目标聚类簇中的目标归类区域。
第四子步骤,当待归类区域与至少两个目标聚类簇中的目标归类区域相邻时,确定这些目标聚类簇中的每个目标聚类簇中的各个当前目标归类区域所在的区域对应的细化效率指标,作为上述目标聚类簇对应的当前细化效率指标,将待归类区域确定为当前细化效率指标最小的目标聚类簇中的目标归类区域。
其中,当前目标归类区域可以是判断待归类区域所在的目标聚类簇时,已经被确定为目标归类区域的连通域完整区域。
例如,可以从初始待合并区域相邻的待归类区域开始,对连通域完整区域集合中除了初始待合并区域集合之外的连通域完整区域进行聚类。目标聚类簇对应的当前细化效率指标的确定方式可以为:将目标聚类簇中的各个当前目标归类区域所在的区域,确定为连通域完整区域,执行步骤S5,得到的细化效率指标,即为该目标聚类簇对应的当前细化效率指标。
如图6所示,第二连通域完整区域601与第三连通域完整区域602相邻。
第四步,将上述目标聚类簇集合中的每个目标聚类簇所在的区域,确定为目标区域,得到目标区域集合。
第五步,当上述连通域完整区域集合中连通域完整区域的数量小于或等于目标空闲数量时,将每个连通域完整区域确定为目标区域,得到目标区域集合。
步骤S7,对目标区域集合中的各个目标区域进行并行细化处理,得到目标细化区域集合。
在一些实施例中,可以对上述目标区域集合中的各个目标区域进行并行细化处理,得到目标细化区域集合。
其中,目标细化区域可以是进行细化处理后的目标区域。
需要说明的是,不存在连通域的初始子区域往往不需要进行细化处理,因此对各个目标区域进行并行细化处理,可以实现对目标二值图像的细化处理,并且并行地对各个目标区域进行细化处理,相较于直接对目标二值图像进行细化处理,提高了细化处理效率。
作为示例,可以将目标区域集合中的各个目标区域分别发送到不同的当前空闲细化处理设备,采用Rosenfeld细化算法,同时对各个目标区域进行细化。其中,目标区域可以与当前空闲细化处理设备一一对应。
步骤S8,根据目标细化区域集合和初始子区域集合中除了目标子区域集合之外的初始子区域,对电感触摸屏银浆线路进行断路缺陷检测,当电感触摸屏银浆线路存在断路缺陷时,发送断路缺陷警示信息,用于提醒对电感触摸屏生产工艺进行调节。
在一些实施例中,可以根据上述目标细化区域集合和上述初始子区域集合中除了目标子区域集合之外的初始子区域,对电感触摸屏银浆线路进行断路缺陷检测,当电感触摸屏银浆线路存在断路缺陷时,发送断路缺陷警示信息,用于提醒对电感触摸屏生产工艺进行调节。
其中,对电感触摸屏生产工艺进行调节可以是通过管理人员,对参与电感触摸屏生产工艺的设备进行检查,并对检查出的异常参数进行调节。断路缺陷警示信息可以是用于提醒断路缺陷产生的信息。例如,断路缺陷警示信息可以是“存在断路缺陷故障”。
需要说明的是,当电感触摸屏银浆线路存在断路缺陷时,往往需要对参与电感触摸屏生产工艺的设备进行检查,并对检查出的异常参数进行调节,从而可以实现对电感触摸屏生产工艺的调节。
作为示例,本步骤可以包括以下步骤:
第一步,将上述目标细化区域集合中的目标细化区域和上述初始子区域集合中除了目标子区域集合之外的初始子区域,确定为参考区域,得到参考区域集合。
第二步,根据上述参考区域集合中的各个参考区域对应在上述目标二值图像中的位置,对上述参考区域集合进行合并,得到上述目标二值图像对应的整体细化图像。
其中,参考区域在整体细化图像中的位置可以与该参考区域对应在目标二值图像中的位置相同。
第三步,根据预先设置的目标滑窗,判断上述整体细化图像中是否存在断点,当上述整体细化图像中存在断点时,判定电感触摸屏银浆线路存在断路缺陷,当上述整体细化图像中不存在断点时,判定电感触摸屏银浆线路不存在断路缺陷。
其中,目标滑窗可以是预先设置的滑窗。比如,目标滑窗可以是3×3的滑窗。
例如,判断整体细化图像中是否存在断点的方式可以为:在整体细化图像上滑动目标滑窗,若目标滑窗内像素值不为0的像素点的数量为2,则表示出现断点。若目标滑窗遍历完整体细化图像,不存在目标滑窗内像素值不为0的像素点的数量为2的情况,则表示整体细化图像中不存在断点。
第四步,当电感触摸屏银浆线路存在断路缺陷时,发送断路缺陷警示信息,用于提醒对电感触摸屏生产工艺进行调节。
例如,当电感触摸屏银浆线路存在断路缺陷时,可以发送断路缺陷警示信息,比如,向管理人员处的扩音器发送“存在断路缺陷故障”的语音信号,以提醒管理人员对参与电感触摸屏生产工艺的设备进行检查,并对检查出的异常参数进行调节,对电感触摸屏生产工艺设备的异常参数调节完成后,可以采用电感触摸屏生产工艺设备,继续生产电感触摸屏银浆线路,对新生产的电感触摸屏银浆线路进行断路缺陷检测,若不存在断路缺陷,则说明电感触摸屏生产工艺设备恢复正常,若还存在断路缺陷,则需要对电感触摸屏生产工艺设备继续检查修复,除非电感触摸屏生产工艺设备存在不可修复的故障,否则,需要对电感触摸屏生产工艺设备重复检查修复直至恢复正常。
基于与上述方法实施例相同的发明构思,本发明提供了一种电感触摸屏生产工艺调节系统,该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,上述计算机程序被处理器执行时实现一种电感触摸屏生产工艺调节方法的步骤。
综上,首先由于目标二值图像包含电感触摸屏银浆线路的信息,因此获取目标二值图像可以便于后续进行断路缺陷检测。并且对目标二值图像进行等分,可以便于后续通过对初始子区域进行处理,以实现对目标二值图像的细化。接着,由于后续需要对存在连通域的初始子区域进行细化处理,因此确定目标子区域,可以便于后续进行细化处理。然后,由于对目标二值图像进行等分时,可能会把目标二值图像中的部分连通域分割为多个子连通域,若直接对目标子区域进行细化处理,则往往会改变这些被分割连通域内像素点的连通性,因此对目标子区域进行连通域完整性分析合并处理,可以对不同目标子区域包括的同一个被分割的连通域进行合并,将合并完整的区域作为连通域完整区域,可以不改变像素点的连通性。继续,对连通域完整区域进行细化处理的效率往往与连通域完整区域内连通域的最宽值和连通域完整区域内像素点数量有关,因此,通过综合考虑这两个方面,可以提高连通域完整区域对应的细化效率指标确定的准确度。之后,对各个连通域完整区域进行均衡效率合并分析处理,可以使后续对目标区域集合中的各个目标区域进行细化处理的效率比较均衡,从而可以使后续对各个目标区域进行并行细化处理的总时长相对较短。而后,不存在连通域的初始子区域往往不需要进行细化处理,因此对各个目标区域进行并行细化处理,可以实现对目标二值图像的细化处理,并且并行地对各个目标区域进行细化处理,相较于直接对目标二值图像进行细化处理,提高了细化处理效率。最后,当电感触摸屏银浆线路存在断路缺陷时,往往需要对参与电感触摸屏生产工艺的设备进行检查,并对检查出的异常参数进行调节,从而可以实现对电感触摸屏生产工艺的调节。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。

Claims (9)

1.一种电感触摸屏生产工艺调节方法,其特征在于,包括以下步骤:
获取电感触摸屏银浆线路的目标二值图像,并对所述目标二值图像进行等分,得到初始子区域集合;
对所述初始子区域集合中的每个初始子区域进行连通域检测,当所述初始子区域内存在连通域时,将所述初始子区域确定为目标子区域,得到目标子区域集合;
对所述目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合;
对所述连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到所述连通域完整区域对应的最宽宽度值;
根据每个连通域完整区域对应的最宽宽度值和所述连通域完整区域内像素点的数量,确定所述连通域完整区域对应的细化效率指标;
根据所述连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合;
对所述目标区域集合中的各个目标区域进行并行细化处理,得到目标细化区域集合;
根据所述目标细化区域集合和所述初始子区域集合中除了目标子区域集合之外的初始子区域,对电感触摸屏银浆线路进行断路缺陷检测,当电感触摸屏银浆线路存在断路缺陷时,发送断路缺陷警示信息,用于提醒对电感触摸屏生产工艺进行调节。
2.根据权利要求1所述的一种电感触摸屏生产工艺调节方法,其特征在于,所述对所述目标子区域集合中的各个目标子区域进行连通域完整性分析合并处理,得到连通域完整区域集合,包括:
当所述目标子区域集合中的目标子区域内存在与该目标子区域边界相交的连通域时,将该目标子区域确定为待合并子区域,得到待合并子区域集合;
从所述待合并子区域集合中的每个待合并子区域内筛选出与所述待合并子区域边界相交的连通域,作为待合并连通域,得到所述待合并子区域对应的待合并连通域集合;
对于每个待合并子区域对应的待合并连通域集合中的每个待合并连通域,从所述待合并连通域内筛选出所述待合并子区域边界与所述待合并连通域之间相交的像素点,作为交点像素点,得到所述待合并连通域对应的交点像素点集合;
对于每个待合并子区域对应的待合并连通域集合中的每个待合并连通域,根据所述待合并连通域对应的交点像素点集合中交点像素点之间的欧式距离,对所述待合并连通域对应的交点像素点集合中的交点像素点进行聚类,确定所述待合并连通域对应的交点簇组,得到所述待合并子区域对应的交点簇组集合;
从所述待合并子区域集合中的各个待合并子区域对应的交点簇组集合中筛选出重复出现的交点簇,作为待合并交点簇,得到待合并交点簇集合;
将所述待合并交点簇集合中的每个待合并交点簇对应的两个待合并子区域,合并为一个区域,将最终合并完成的每个区域确定为连通域完整区域;
将所述待合并子区域集合中除了待合并交点簇对应的待合并子区域之外的待合并子区域,确定为连通域完整区域;
将所述目标子区域集合中除了所述待合并子区域集合之外的目标子区域,确定为连通域完整区域。
3.根据权利要求2所述的一种电感触摸屏生产工艺调节方法,其特征在于,所述对所述连通域完整区域集合中的每个连通域完整区域进行连通域最宽值分析处理,得到所述连通域完整区域对应的最宽宽度值,包括:
对于所述连通域完整区域内的每个连通域中的每个边缘像素点,根据所述边缘像素点和所述边缘像素点对应的参考像素点集合,确定所述边缘像素点对应的最大边缘宽度,其中,所述边缘像素点对应的参考像素点集合中的参考像素点是所述连通域中除了所述边缘像素点之外的边缘像素点;
从所述连通域完整区域内的每个连通域中的各个边缘像素点对应的最大边缘宽度中筛选出最大的最大边缘宽度,作为所述连通域对应的最大连通宽度;
从所述连通域完整区域内的各个连通域对应的最大连通宽度中筛选出最大的最大连通宽度,作为所述连通域完整区域对应的最宽宽度值。
4.根据权利要求3所述的一种电感触摸屏生产工艺调节方法,其特征在于,所述根据所述边缘像素点和所述边缘像素点对应的参考像素点集合,确定所述边缘像素点对应的最大边缘宽度,包括:
根据所述边缘像素点对应的位置和所述边缘像素点对应的参考像素点集合中的每个参考像素点对应的位置,确定所述参考像素点对应的参考角度;
确定所述边缘像素点的切线所对应的角度,作为所述边缘像素点对应的第一角度;
将所述边缘像素点对应的第一角度与九十度的差值的绝对值,确定为所述边缘像素点对应的第二角度;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,将所述边缘像素点对应的第二角度与所述参考像素点对应的参考角度的差值的绝对值,确定为所述参考像素点对应的第一角度差;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,对所述参考像素点对应的第一角度差进行负相关映射并归一化,得到所述参考像素点对应的第二角度差;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,对所述参考像素点对应的第二角度差进行放大处理,得到所述参考像素点对应的第三角度差;
确定所述边缘像素点与所述边缘像素点对应的参考像素点集合中的每个参考像素点之间的欧式距离,作为所述参考像素点对应的参考距离;
对于所述边缘像素点对应的参考像素点集合中的每个参考像素点,将所述参考像素点对应的第三角度差与参考距离的乘积,确定为所述参考像素点对应的参考宽度;
从所述边缘像素点对应的参考像素点集合中的各个参考像素点对应的参考宽度中筛选出最大的参考宽度,作为所述边缘像素点对应的最大边缘宽度。
5.根据权利要求1所述的一种电感触摸屏生产工艺调节方法,其特征在于,所述根据每个连通域完整区域对应的最宽宽度值和所述连通域完整区域内像素点的数量,确定所述连通域完整区域对应的细化效率指标,包括:
将所述连通域完整区域对应的最宽宽度值、所述连通域完整区域内像素点的数量与预先设置的超参数的乘积,确定为所述连通域完整区域对应的参考效率指标;
对所述连通域完整区域对应的参考效率指标进行归一化,得到所述连通域完整区域对应的细化效率指标。
6.根据权利要求1所述的一种电感触摸屏生产工艺调节方法,其特征在于,所述根据所述连通域完整区域集合中的各个连通域完整区域对应的细化效率指标,对各个连通域完整区域进行均衡效率合并分析处理,得到目标区域集合,包括:
获取当前空闲细化处理设备的数量,作为目标空闲数量;
当所述连通域完整区域集合中连通域完整区域的数量大于目标空闲数量时,从所述连通域完整区域集合中筛选出细化效率指标最大的目标空闲数量个连通域完整区域,作为初始待合并区域,得到初始待合并区域集合;
根据所述初始待合并区域集合,对所述连通域完整区域集合中的连通域完整区域进行聚类,得到目标聚类簇集合;
将所述目标聚类簇集合中的每个目标聚类簇所在的区域,确定为目标区域,得到目标区域集合;
当所述连通域完整区域集合中连通域完整区域的数量小于或等于目标空闲数量时,将每个连通域完整区域确定为目标区域,得到目标区域集合。
7.根据权利要求6所述的一种电感触摸屏生产工艺调节方法,其特征在于,所述根据所述初始待合并区域集合,对所述连通域完整区域集合中的连通域完整区域进行聚类,得到目标聚类簇集合,包括:
将所述初始待合并区域集合中的各个初始待合并区域,分别确定为不同目标聚类簇中的第一个目标归类区域;
将所述连通域完整区域集合中除了所述初始待合并区域集合之外的连通域完整区域,确定为待归类区域;
当待归类区域只与一个目标聚类簇中的目标归类区域相邻时,将待归类区域确定为该目标聚类簇中的目标归类区域;
当待归类区域与至少两个目标聚类簇中的目标归类区域相邻时,确定这些目标聚类簇中的每个目标聚类簇中的各个当前目标归类区域所在的区域对应的细化效率指标,作为所述目标聚类簇对应的当前细化效率指标,将待归类区域确定为当前细化效率指标最小的目标聚类簇中的目标归类区域,其中,当前目标归类区域是判断待归类区域所在的目标聚类簇时,已经被确定为目标归类区域的连通域完整区域。
8.根据权利要求1所述的一种电感触摸屏生产工艺调节方法,其特征在于,所述根据所述目标细化区域集合和所述初始子区域集合中除了目标子区域集合之外的初始子区域,对电感触摸屏银浆线路进行断路缺陷检测,包括:
将所述目标细化区域集合中的目标细化区域和所述初始子区域集合中除了目标子区域集合之外的初始子区域,确定为参考区域,得到参考区域集合;
根据所述参考区域集合中的各个参考区域对应在所述目标二值图像中的位置,对所述参考区域集合进行合并,得到所述目标二值图像对应的整体细化图像;
根据预先设置的目标滑窗,判断所述整体细化图像中是否存在断点,当所述整体细化图像中存在断点时,判定电感触摸屏银浆线路存在断路缺陷,当所述整体细化图像中不存在断点时,判定电感触摸屏银浆线路不存在断路缺陷。
9.一种电感触摸屏生产工艺调节系统,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令以实现权利要求1-8中任一项所述的一种电感触摸屏生产工艺调节方法。
CN202310349211.5A 2023-04-04 2023-04-04 一种电感触摸屏生产工艺调节方法及系统 Active CN116152225B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310349211.5A CN116152225B (zh) 2023-04-04 2023-04-04 一种电感触摸屏生产工艺调节方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310349211.5A CN116152225B (zh) 2023-04-04 2023-04-04 一种电感触摸屏生产工艺调节方法及系统

Publications (2)

Publication Number Publication Date
CN116152225A true CN116152225A (zh) 2023-05-23
CN116152225B CN116152225B (zh) 2023-06-30

Family

ID=86350844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310349211.5A Active CN116152225B (zh) 2023-04-04 2023-04-04 一种电感触摸屏生产工艺调节方法及系统

Country Status (1)

Country Link
CN (1) CN116152225B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402815A (zh) * 2023-06-08 2023-07-07 岑科科技(深圳)集团有限公司 基于人工智能的电感线圈封装异常检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170041022A (ko) * 2015-10-06 2017-04-14 동우 화인켐 주식회사 전극 접속부 및 이를 포함하는 터치 스크린 패널
CN108510476A (zh) * 2018-03-14 2018-09-07 五邑大学 一种基于机器视觉的手机屏线路检测方法
CN108803945A (zh) * 2018-09-05 2018-11-13 京东方科技集团股份有限公司 一种触摸屏及显示设备
CN112154404A (zh) * 2018-05-21 2020-12-29 奥矽半导体技术有限公司 超声触摸和力输入检测
CN114175508A (zh) * 2019-08-27 2022-03-11 路创技术有限责任公司 具有电容式触摸表面的负载控制装置
US20220344494A1 (en) * 2017-11-30 2022-10-27 Intel Corporation Epitaxial source or drain structures for advanced integrated circuit structure fabrication

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170041022A (ko) * 2015-10-06 2017-04-14 동우 화인켐 주식회사 전극 접속부 및 이를 포함하는 터치 스크린 패널
US20220344494A1 (en) * 2017-11-30 2022-10-27 Intel Corporation Epitaxial source or drain structures for advanced integrated circuit structure fabrication
CN108510476A (zh) * 2018-03-14 2018-09-07 五邑大学 一种基于机器视觉的手机屏线路检测方法
CN112154404A (zh) * 2018-05-21 2020-12-29 奥矽半导体技术有限公司 超声触摸和力输入检测
CN108803945A (zh) * 2018-09-05 2018-11-13 京东方科技集团股份有限公司 一种触摸屏及显示设备
CN114175508A (zh) * 2019-08-27 2022-03-11 路创技术有限责任公司 具有电容式触摸表面的负载控制装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHANG-JU LEE.ET.: "Fully Differential Touch Screen Controller with Wide Input Dynamic Range for Thin Displays", 《SENSORS (BASEL)》, vol. 20, no. 3, pages 837, XP055802664, DOI: 10.3390/s20030837 *
王强: "触摸屏银浆线路自动光学检查机软件设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2, pages 136 - 181 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116402815A (zh) * 2023-06-08 2023-07-07 岑科科技(深圳)集团有限公司 基于人工智能的电感线圈封装异常检测方法
CN116402815B (zh) * 2023-06-08 2023-08-22 岑科科技(深圳)集团有限公司 基于人工智能的电感线圈封装异常检测方法

Also Published As

Publication number Publication date
CN116152225B (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
CN110705583B (zh) 细胞检测模型训练方法、装置、计算机设备及存储介质
CN107657606B (zh) 一种显示装置的亮度缺陷检测方法与装置
CN110852316B (zh) 一种采用密集结构卷积网络的图像篡改检测和定位方法
CN115147414B (zh) 一种双极型功率晶体管表面击穿缺陷检测方法
CN109993101B (zh) 基于多分支循环自注意力网络与循环边框回归的车辆检测方法
CN116152225B (zh) 一种电感触摸屏生产工艺调节方法及系统
CN113205063A (zh) 一种输电导线缺陷的视觉识别及定位方法
CN109993052B (zh) 一种复杂场景下尺度自适应的目标跟踪方法和系统
CN116416166B (zh) 一种肝活检数据分析方法及系统
CN103226824B (zh) 维持视觉显著性的视频重定向系统
Zhou et al. Unsupervised fabric defect segmentation using local patch approximation
CN116485785B (zh) 一种太阳能电池片的表面缺陷检测方法
CN116309649A (zh) 一种基于ct影像的喉部病变异常区域分割系统
Liu et al. An improved watershed algorithm based on multi-scale gradient and distance transformation
CN110084232B (zh) 车牌中汉字字符的识别方法、装置及终端设备
Tian et al. An algorithm combined with color differential models for license-plate location
CN114998703B (zh) 一种基于高分辨卷积神经网络的遥感图像变化检测方法
CN116664565A (zh) 一种光伏太阳能电池片的隐裂检测方法及系统
Arora et al. Detection of defects in fabrics using information set features in comparison with deep learning approaches
CN113538409B (zh) 基于模糊逻辑和anfis的宫颈癌图像区域分割方法
CN109829902A (zh) 一种基于广义S变换和Teager属性的肺部CT图像结节筛选方法
CN107247958A (zh) 一种基于图像识别的皮肤病特征提取方法
CN108564585B (zh) 一种基于自组织映射与深度神经网络的图像变化检测方法
Zhang et al. Cosaliency detection and region-of-interest extraction via manifold ranking and MRF in remote sensing images
CN116310568A (zh) 图像异常的识别方法、装置、计算机可读存储介质及设备

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