CN116309417A - 太阳能电池片的栅线检测方法及装置 - Google Patents

太阳能电池片的栅线检测方法及装置 Download PDF

Info

Publication number
CN116309417A
CN116309417A CN202310221893.1A CN202310221893A CN116309417A CN 116309417 A CN116309417 A CN 116309417A CN 202310221893 A CN202310221893 A CN 202310221893A CN 116309417 A CN116309417 A CN 116309417A
Authority
CN
China
Prior art keywords
image
grid line
silicon wafer
area
points
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
CN202310221893.1A
Other languages
English (en)
Inventor
陈从桂
徐耿聪
滕家辉
龚伟东
黄锦华
朱健业
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN202310221893.1A priority Critical patent/CN116309417A/zh
Publication of CN116309417A publication Critical patent/CN116309417A/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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本说明书实施例提供了一种太阳能电池片的栅线检测方法及装置，其中，方法包括：获取硅片的源图像，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像，将所述缩小图像作为第一层金字塔图像；在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域；在所述模板区域内裁剪所述第一层金字塔图像，生成待检测图像；对所述待检测图像进行检测，并输出栅线的缺陷检测结果。

Description

太阳能电池片的栅线检测方法及装置
技术领域
本文件涉及太阳能电池技术领域，尤其涉及一种太阳能电池片的栅线检测方法及装置。
背景技术
目前，在现有技术中存在太阳能电池片的栅线检测中所存在的定位区域准确性低，检测效率低，误检率高的问题。
发明内容
本发明的目的在于提供一种太阳能电池片的栅线检测方法及装置，旨在解决现有技术中的上述问题。
本发明提供一种太阳能电池片的栅线检测方法，包括：
获取硅片的源图像，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像，将所述缩小图像作为第一层金字塔图像；
在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域；
在所述模板区域内裁剪所述第一层金字塔图像，生成待检测图像；
对所述待检测图像进行检测，并输出栅线的缺陷检测结果。
本发明提供一种太阳能电池片的栅线检测装置，包括：
图层放缩模块，用于获取硅片的源图像，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像，将所述缩小图像作为第一层金字塔图像；
模板获取模块，用于在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域；
图像生成模块，用于在所述模板区域内裁剪所述第一层金字塔图像，生成待检测图像；
算法检测模块，用于对所述待检测图像进行检测，并输出栅线的缺陷检测结果。
采用本发明实施例，能使实际检测的区域缩小，提高检测定位区域的准确性，从而减少图像处理计算量，提高检测效率，减少误检率，进而使硅片的质量检测能力大大提高。
附图说明
为了更清楚地说明本说明书一个或多个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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的太阳能电池片的栅线检测方法的流程图；
图2是本发明实施例的模糊函数的示意图；
图3是本发明实施例的硅片定位线示意图；
图4是本发明实施例的栅线的模板区域的示意图；
图5是本发明实施例的栅线的模板区域局部放大图；
图6是本发明实施例的太阳能电池片的栅线检测装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个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说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本文件的保护范围。
方法实施例
根据本发明实施例，提供了一种太阳能电池片的栅线检测方法，图1是本发明实施例的太阳能电池片的栅线检测方法的流程图，如图1所示，根据本发明实施例的太阳能电池片的栅线检测方法具体包括：
步骤101，获取硅片的源图像，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像，将所述缩小图像作为第一层金字塔图像；在本发明实施例中，设置缩放因子为0.25。在步骤101中，采用均值降采样的方法，使用4*4的掩膜遍历图像，将每个4*4区域里的16个像素灰度值的均值作为输出的灰度值，遍历图像得到缩小图像。此外，在步骤101中，源图像的获取方法如下：
确定背光源，选取红色背光源的拍摄方式，将红色方形Led光源放置于硅片正下方；使用CCD相机至于硅片的正上方，调整相机的高度使硅片区域充满相机视野的4/5以上；调整相机焦距和光圈大小，直到能看清硅片所有栅线为止；相机标定补偿，使用标准的正方形标定板，直到能看清标定板上所有黑色原点为止；通过获取CCD相机拍摄的太阳能硅片图像，得到硅片源图像。
步骤102，在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域；在步骤102中，使用阈值分割法获取硅片所在的图像区域A，将区域A沿平行于栅线方向平移N1(本次实例选取N＝10)个像素单位得到区域B，将区域A与区域B做差得到边缘区域，在区域A内沿平行于栅线方向等距阵列N2个像素单位得到定位线。硅片定位线如图3所示。
在定位线区域内计算灰度值的梯度变化，当所述梯度变化值大于设定的阈值下限Thr，返回边缘点的坐标。
提供开放参数Transition将边缘分组成对，当设置参数Transition＝positive由亮到暗的边缘点与由暗到亮的边缘点组队，当设置参数Transition＝negative由暗到亮的边缘点与由亮到暗的边缘点组队，单个边缘点则舍弃.
提供开放参数FuzzyThresh(最小模糊值0～1)筛选边缘对，模糊函数如图2所示，计算每对边缘对的模糊值并选中模糊值大于FuzzyThresh的边缘对，取每对边缘对的中点即得到栅线定位点，依次相连同一条栅线的定位点并膨胀n个像素得到模板区域。栅线的模板区域如图4所示，栅线的模板区域局部放大如图5所示。
模糊值得计算方法：首先创建模糊函数y＝x,计算一对边缘对两点之间得距离pairsize与参考距离standsize(开放参数)的差值：
Figure BDA0004117057620000041
将x带入模糊函数得到每对边缘对得模糊值。
在本次实例中，技术操作人员可以根据提供得开放参数，也可以个性化设置阈值以适应各种类型硅片检测及行业生产标准和行业变化，增强检测得灵活性和稳定性，提高生产效益。
步骤103，在所述模板区域内裁剪所述第一层金字塔图像，生成待检测图像；
步骤104，对所述待检测图像进行检测，并输出栅线的缺陷检测结果。在步骤104中，具体包括如下处理：
第一步，栅线数量检测：
首先设定标准栅线数量M，在所述待检测图像基础上阈值分割提取栅线区域，当栅线的数量＝M，进入下一步；
当栅线的数量≠M，判定不合格
第二步，印刷区域面积检测：设定标准面积N1、N2、N3,其中N1<N2<N3当N2<栅线面积≤N3,判定硅片栅线印刷质量为A级；
当N1<栅线面积≤N2,判定硅片栅线印刷质量为B级；
当栅线面积≤N1,判定硅片栅线印刷质量为不合格；
其中M、N1、N2、N3为开放参数，根据硅片厂商质检技术人员的具体要求进行自定义。
也就是说，在本发明实施例中，对所有的开放参数进行个性化设置阈值。
综上所述，本发明实施例公开了一种太阳能电池片的栅线检测方法，包括：将获取的源图像的长、宽乘以缩放因子0.25以获得缩小的图像，作为第一层金字塔图像；在第一层金字塔图像中使用模糊测量法获取位于定位线内的栅线中点，将同一条栅线内的多个中心点依次相连得到栅线的模板区域；在得到的模板区域内裁剪预处理检测图像生成待检测图像；检测所述的待检测图像并输出栅线的缺陷检测结果。通过上述处理，能使实际检测的区域缩小，提高检测定位区域的准确性，从而减少图像处理计算量，提高检测效率，减少误检率，进而使硅片的质量检测能力大大提高。
装置实施例
根据本发明实施例，提供了一种太阳能电池片的栅线检测装置，图6是本发明实施例的太阳能电池片的栅线检测装置的示意图，如图6所示，根据本发明实施例的太阳能电池片的栅线检测装置具体包括：
图层放缩模块60，用于获取硅片的源图像，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像，将所述缩小图像作为第一层金字塔图像；图层放缩模块60具体用于：确定背光源，选取红色背光源的拍摄方式，将红色方形Led光源放置于硅片正下方；
使用CCD相机至于硅片的正上方，调整相机的高度使硅片区域充满相机视野的4/5以上；
调整相机焦距和光圈大小，直到能看清硅片所有栅线为止；
相机标定补偿，使用标准的正方形标定板，直到能看清标定板上所有黑色原点为止；
通过获取CCD相机拍摄的太阳能硅片图像，得到硅片的源图像。
在本发明实施例中，所述缩放因子为0.25。
图层放缩模块60具体用于：采用均值降采样的方法，使用4*4的掩膜遍历源图像，将每个4*4区域里的16个像素灰度值的均值作为输出的灰度值，遍历源图像得到缩小图像。
模板获取模块62，用于在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域；模板获取模块62用于：使用阈值分割法获取硅片所在的图像区域A，将区域A沿平行于栅线方向平移N1个像素单位得到区域B，将区域A与区域B做差得到边缘区域，在区域A内沿平行于栅线方向等距阵列N2个像素单位得到定位线，其中，N1和N2为自然数。
在定位线区域内计算灰度值的梯度变化，当所述梯度变化值大于设定的阈值下限Thr，返回边缘点的坐标；
根据开放参数Transition将边缘分组成对，当设置参数Transition＝positive，则确定由亮到暗的边缘点与由暗到亮的边缘点组队，当设置参数Transition＝negative，则确定由暗到亮的边缘点与由亮到暗的边缘点组队，将单个边缘点舍弃；
根据开放参数FuzzyThresh筛选边缘对，计算每对边缘对的模糊值并选中模糊值大于FuzzyThresh的边缘对，取每对边缘对的中点即得到栅线定位点，依次相连同一条栅线的定位点并膨胀n个像素得到模板区域，其中，n为自然数。
计算每对边缘对的模糊值具体包括：
创建模糊函数y＝x，计算一对边缘对两点之间的距离pairsize与开放参数参考距离standsize的差值，根据公式1将x带入模糊函数得到每对边缘对得模糊值：
Figure BDA0004117057620000061
图像生成模块64，用于在所述模板区域内裁剪所述第一层金字塔图像，生成待检测图像；
算法检测模块66，用于对所述待检测图像进行检测，并输出栅线的缺陷检测结果。算法检测模块66具体包括：
栅线数量检测模块，在待检测图像基础上阈值分割获取栅线区域，根据栅线区域计算栅线数量，具体地：设定标准栅线数量M，在所述待检测图像基础上阈值分割提取栅线区域，当栅线的数量＝M，执行步骤2，当栅线的数量≠M，判定不合格；
栅线面积检测模块，根据所述栅线区域计算总区域面积即为栅线印刷面积，具体地，设定标准面积N1、N2、以及N3，其中，N1<N2<N3。
判断模块，将栅线数量和栅线印刷面积与设定的标准参数条件进行比较，输出检测结果，具体地：当N2<栅线面积≤N3，则判定硅片栅线印刷质量为A级；当N1<栅线面积≤N2，则判定硅片栅线印刷质量为B级；当栅线面积≤N1，则判定硅片栅线印刷质量为不合格；其中，M、N1、N2以及N3为开放参数。
在本发明实施例中，可以对所有的开放参数进行个性化设置阈值。
本发明实施例是与上述方法实施例对应的装置实施例，各个模块的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。

Claims (10)

1.一种太阳能电池片的栅线检测方法，其特征在于，包括：
获取硅片的源图像，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像，将所述缩小图像作为第一层金字塔图像；
在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域；
在所述模板区域内裁剪所述第一层金字塔图像，生成待检测图像；
对所述待检测图像进行检测，并输出栅线的缺陷检测结果。
2.根据权利要求1所述的方法，其特征在于，获取硅片的源图像具体包括：
确定背光源，选取红色背光源的拍摄方式，将红色方形Led光源放置于硅片正下方；
使用CCD相机至于硅片的正上方，调整相机的高度使硅片区域充满相机视野的4/5以上；
调整相机焦距和光圈大小，直到能看清硅片所有栅线为止；
相机标定补偿，使用标准的正方形标定板，直到能看清标定板上所有黑色原点为止；
通过获取CCD相机拍摄的太阳能硅片图像，得到硅片的源图像。
3.根据权利要求1所述的方法，其特征在于，所述缩放因子为0.25。
4.根据权利要求1或3所述的方法，其特征在于，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像具体包括：
采用均值降采样的方法，使用4*4的掩膜遍历源图像，将每个4*4区域里的16个像素灰度值的均值作为输出的灰度值，遍历源图像得到缩小图像。
5.根据权利要求1所述的方法，其特征在于，在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线具体包括：
使用阈值分割法获取硅片所在的图像区域A，将区域A沿平行于栅线方向平移N1个像素单位得到区域B，将区域A与区域B做差得到边缘区域，在区域A内沿平行于栅线方向等距阵列N2个像素单位得到定位线，其中，N1和N2为自然数。
6.根据权利要求1所述的方法，其特征在于，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域具体包括：
在定位线区域内计算灰度值的梯度变化，当所述梯度变化值大于设定的阈值下限Thr，返回边缘点的坐标；
根据开放参数Transition将边缘分组成对，当设置参数Transition＝positive，则确定由亮到暗的边缘点与由暗到亮的边缘点组队，当设置参数Transition＝negative，则确定由暗到亮的边缘点与由亮到暗的边缘点组队，将单个边缘点舍弃；
根据开放参数FuzzyThresh筛选边缘对，计算每对边缘对的模糊值并选中模糊值大于FuzzyThresh的边缘对，取每对边缘对的中点即得到栅线定位点，依次相连同一条栅线的定位点并膨胀n个像素得到模板区域，其中，n为自然数。
7.根据权利要求6所述的方法，其特征在于，计算每对边缘对的模糊值具体包括：
创建模糊函数y＝x，计算一对边缘对两点之间的距离pairsize与开放参数参考距离standsize的差值，根据公式1将x带入模糊函数得到每对边缘对得模糊值：
Figure FDA0004117057610000021
8.根据权利要求1所述的方法，其特征在于，对所述待检测图像进行检测，并输出栅线的缺陷检测结果具体包括：
步骤1，设定标准栅线数量M，在所述待检测图像基础上阈值分割提取栅线区域，当栅线的数量＝M，执行步骤2，当栅线的数量≠M，判定不合格；
步骤2，设定标准面积N1、N2、以及N3，其中，N1<N2<N3，当N2<栅线面积≤N3，则判定硅片栅线印刷质量为A级；当N1<栅线面积≤N2，则判定硅片栅线印刷质量为B级；当栅线面积≤N1，则判定硅片栅线印刷质量为不合格；其中，M、N1、N2以及N3为开放参数。
9.根据权利要求7或8所述的方法，其特征在于，所述方法进一步包括：
对所有的开放参数进行个性化设置阈值。
10.一种太阳能电池片的栅线检测装置，其特征在于，包括：
图层放缩模块，用于获取硅片的源图像，将获取的源图像的长和宽分别乘以缩放因子，获得缩小图像，将所述缩小图像作为第一层金字塔图像；
模板获取模块，用于在所述第一层金字塔图像的基础上以垂直栅线的硅片一边缘为基准生成等距的定位线，使用模糊测量法获取位于定位线内的栅线定位点，将同一条栅线内的多个定位点依次相连得到栅线的模板区域；
图像生成模块，用于在所述模板区域内裁剪所述第一层金字塔图像，生成待检测图像；
算法检测模块，用于对所述待检测图像进行检测，并输出栅线的缺陷检测结果。
CN202310221893.1A 2023-03-08 2023-03-08 太阳能电池片的栅线检测方法及装置 Pending CN116309417A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310221893.1A CN116309417A (zh) 2023-03-08 2023-03-08 太阳能电池片的栅线检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310221893.1A CN116309417A (zh) 2023-03-08 2023-03-08 太阳能电池片的栅线检测方法及装置

Publications (1)

Publication Number Publication Date
CN116309417A true CN116309417A (zh) 2023-06-23

Family

ID=86795592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310221893.1A Pending CN116309417A (zh) 2023-03-08 2023-03-08 太阳能电池片的栅线检测方法及装置

Country Status (1)

Country Link
CN (1) CN116309417A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173164A (zh) * 2023-11-02 2023-12-05 江苏君杰新能源有限公司 太阳能电池板的栅线检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173164A (zh) * 2023-11-02 2023-12-05 江苏君杰新能源有限公司 太阳能电池板的栅线检测方法
CN117173164B (zh) * 2023-11-02 2023-12-26 江苏君杰新能源有限公司 太阳能电池板的栅线检测方法

Similar Documents

Publication Publication Date Title
CN106952260B (zh) 一种基于cis图像采集的太阳能电池片缺陷检测系统和方法
CN107507173B (zh) 一种全切片图像的无参考清晰度评估方法及系统
CN110930390B (zh) 基于半监督深度学习的芯片管脚缺失检测方法
CN108492291B (zh) 一种基于cnn分割的太阳能光伏硅片瑕疵检测系统及方法
CN111260788B (zh) 一种基于双目视觉的配电柜开关状态识别方法
CN110400290A (zh) 一种太阳能电池片色差的检测方法、装置及存储介质
CN115018844B (zh) 一种基于人工智能的塑料薄膜质量评估方法
CN109856164B (zh) 一种机器视觉采集大范围图像的优化装置及其检测方法
WO2023168972A1 (zh) 一种基于线阵相机的铜表面缺陷检测方法及装置
CN104574419B (zh) 镜头畸变参数标定方法及系统
CN110443278B (zh) 一种太阳能电池片栅线粗细异常的检测方法、装置及设备
CN117635565B (zh) 一种基于图像识别的半导体表面缺陷检测系统
CN116309417A (zh) 太阳能电池片的栅线检测方法及装置
CN112801947A (zh) 一种led显示终端坏点的视觉检测方法
CN113487563B (zh) 一种基于el图像的光伏组件隐裂自适应检测方法
CN115131354A (zh) 一种基于光学手段的实验室用塑料薄膜缺陷检测方法
CN104749801B (zh) 高精度自动光学检测方法和系统
CN115752969A (zh) 一种铝箔封口密封性检测方法及系统和设备
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
CN103177244B (zh) 水下显微图像中快速检测目标生物的方法
CN114663393A (zh) 一种基于卷积神经网络的光伏组件间距不良缺陷检测方法
CN108346592B (zh) 一种模拟晶圆背面缺陷的方法及装置
CN114140416A (zh) 一种基于机器视觉的玻璃边缘检测方法和系统
CN115690077A (zh) 一种泡罩板背面缺陷检测方法及系统
KR102498322B1 (ko) 딥러닝 기반의 반도체 디바이스 상태 분류를 위한 장치 및 방법

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