CN116402820A - 一种检测方法、装置、设备及存储介质 - Google Patents
一种检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116402820A CN116402820A CN202310675587.5A CN202310675587A CN116402820A CN 116402820 A CN116402820 A CN 116402820A CN 202310675587 A CN202310675587 A CN 202310675587A CN 116402820 A CN116402820 A CN 116402820A
- Authority
- CN
- China
- Prior art keywords
- image
- foot pad
- application area
- area image
- pad application
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 108
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000013461 design Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 206010020649 Hyperkeratosis Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开涉及图像处理技术领域，具体提供了一种检测方法、装置、设备及存储介质，用于解决提高笔记本内结构脚垫贴敷的检测效率以及降低误检率的问题，所述方法包括：通过获取标准模版图像的各个预设脚垫贴敷区域图像，获取待检测图像的各个目标脚垫贴敷区域图像，基于预设脚垫贴敷区域图像和目标脚垫贴敷区域图像确定待检测设备是否通过检测。即利用标准模版图像的预设脚垫贴敷区域图像对笔记本内结构脚垫贴敷实现自动检测，不仅提高了笔记本内结构脚垫贴敷的检测效率还降低了误检率。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种检测方法、装置、设备及存储介质。
背景技术
笔记本内结构脚垫贴敷的检测关系到笔记本生产工业自动化水平。目前，针对笔记本内结构脚垫贴敷的检测方法主要为人工检测，即由工作人员人工判定笔记本内结构的脚垫贴敷是否合格。然而，人工检测方式不仅检测效率低而且检测精度受工作人员状态影响比较大，导致误检率比较高。
因此，如何提高笔记本内结构脚垫贴敷的检测效率以及降低误检率成为了亟待解决的问题。
发明内容
本公开提供了一种检测方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面，提供了一种检测方法，所述方法包括：
获取标准模版图像的各个预设脚垫贴敷区域图像，其中，所述标准模版图像为参考设备的结构图像，所述参考设备为经过标准化脚垫贴敷处理的设备；
获取待检测图像的各个目标脚垫贴敷区域图像，其中，所述待检测图像为待检测设备的结构图像；
基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测。
在一可实施方式中，所述获取标准模版图像的各个预设脚垫贴敷区域图像，包括：
根据预设设计文档确定标准模版图像的各个预设脚垫贴敷区域图像，其中，所述预设设计文档为所述参考设备和所述待检测设备对应的结构设计文档。
在一可实施方式中，所述根据预设设计文档确定标准模版图像的各个预设脚垫贴敷区域图像，包括：
根据预设设计文档中的各个脚垫贴敷区域，确定标准模版图像与各个所述脚垫贴敷区域对应的各个第一目标区域图像；
对各个所述第一目标区域图像进行图像增强处理，得到各个预设脚垫贴敷区域图像。
在一可实施方式中，所述获取待检测图像的各个目标脚垫贴敷区域图像，包括：
获取各个所述预设脚垫贴敷区域图像在所述标准模版图像中对应的坐标信息；
基于所述坐标信息确定待检测图像的各个目标脚垫贴敷区域图像。
在一可实施方式中，所述基于所述坐标信息确定待检测图像的各个目标脚垫贴敷区域图像，包括：
将待检测图像中与所述坐标信息对应的各个区域图像确定为第二目标区域图像；
对各个所述第二目标区域图像进行滤波处理，得到各个目标脚垫贴敷区域图像。
在一可实施方式中，所述基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测，包括：
确定每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度；
若各个所述相似度均大于预设相似度阈值，确定所述待检测设备通过检测。
在一可实施方式中，所述方法还包括：
若存在至少一组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度不大于预设相似度阈值，将所述目标脚垫贴敷区域图像输入预先训练的脚垫检测模型，得到输出结果；
如果输出结果表示所述目标脚垫贴敷区域图像符合贴敷要求，确定所述待检测设备通过检测；
如果输出结果表示所述目标脚垫贴敷区域图像不符合贴敷要求，确定所述待检测设备不能通过检测，并展示所述待检测设备需要进行返工的信息。
在一可实施方式中，所述确定每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度，包括：
针对每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像，计算所述预设脚垫贴敷区域图像的第一强度均值，以及，计算所述目标脚垫贴敷区域图像的第二强度均值；
计算所述第一强度均值和所述第二强度均值的差值的绝对值，作为该组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度。
根据本公开的第二方面，提供了一种检测装置，所述装置包括：
第一图像获取模块，用于获取标准模版图像的各个预设脚垫贴敷区域图像，其中，所述标准模版图像为参考设备的结构图像，所述参考设备为经过标准化脚垫贴敷处理的设备；
第二图像获取模块，用于获取待检测图像的各个目标脚垫贴敷区域图像，其中，所述待检测图像为待检测设备的结构图像；
检测模块，用于基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测。
根据本公开的第三方面，提供了一种电子设备，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指令，所述指令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公开所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本公开所述的方法。
采用本公开的检测方法，通过获取标准模版图像的各个预设脚垫贴敷区域图像，获取待检测图像的各个目标脚垫贴敷区域图像，基于预设脚垫贴敷区域图像和目标脚垫贴敷区域图像确定待检测设备是否通过检测。即利用标准模版图像的预设脚垫贴敷区域图像对笔记本内结构脚垫贴敷实现自动检测，不仅提高了笔记本内结构脚垫贴敷的检测效率还降低了误检率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
在附图中，相同或对应的标号表示相同或对应的部分。
图1示出了本公开实施例提供的检测方法的一种实现流程示意图；
图2示出了本公开实施例提供的一种标准模版图像；
图3示出了本公开实施例提供的一种预设设计文档；
图4示出了本公开实施例提供的一种标准模版图像的各个预设脚垫贴敷区域示意图；
图5示出了本公开实施例提供的一种检测结果确定方法流程图；
图6示出了本公开实施例提供的检测装置的一种结构示意图；
图7示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂，下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而非全部实施例。基于本公开中的实施例，本领域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，都属于本公开保护的范围。
由于现有的人工检测方式检测效率低且检测精度受工作人员状态影响比较大，导致误检率比较高。因此，为了提高笔记本内结构脚垫贴敷的检测效率以及降低误检率，本公开提供了一种检测方法、装置、设备及存储介质。本公开提供的方法可以应用于图像处理设备，如电脑和平板电脑等。
下面将结合本公开实施例中的附图，对本公开实施例的技术方案进行描述。
图1示出了本公开实施例提供的检测方法的一种实现流程示意图，如图1所示，所述方法包括：
S101，获取标准模版图像的各个预设脚垫贴敷区域图像。
其中，所述标准模版图像为参考设备的结构图像，所述参考设备为经过标准化脚垫贴敷处理的设备。
参考设备与待检测设备为同一类型设备，例如，若参考设备为经过标准化脚垫贴敷处理的笔记本设备，则待检测设备为对内结构进行了脚垫贴敷后的需要进行脚垫贴敷情况检测的笔记本设备。
本公开中，可以预先对笔记本设备进行内结构脚垫贴敷，然后通过人工检查的方式挑选出内结构脚垫贴敷满足要求的笔记本设备作为参考设备，并对参考设备的内结构脚垫贴敷区域进行图像采集，得到标准模版图像。图2示出了本公开实施例提供的一种标准模版图像，如图2所示，参考设备的标准模版图像201是参考设备的内结构图像，标准模版图像201中矩形框表示的区域均为所贴敷的脚垫区域202，且图2中所贴敷的脚垫区域202中的脚垫贴敷符合内结构脚垫贴敷要求。
在一可实施方式中，所述获取标准模版图像的各个预设脚垫贴敷区域图像的步骤，具体可以包括步骤A1：
步骤A1，根据预设设计文档确定标准模版图像的各个预设脚垫贴敷区域图像。
其中，所述预设设计文档为所述参考设备和所述待检测设备对应的结构设计文档，例如，若参考设备和待检测设备为笔记本设备，则预设设计文档为笔记本底部的结构设计图像。例如，图3示出了本公开实施例提供的一种预设设计文档，如图3所示，参考设备和待检测设备为笔记本设备时，预设设计文档为笔记本设备的底部结构图像301，底部结构图像301中的圈出的区域为笔记本设备底部结构中需要贴敷脚垫的区域，即预设设计文档中的各个脚垫贴敷区域，底部结构图像301提供了笔记本设备底部结构中需要贴敷脚垫的区域的坐标信息，因此，可以利用笔记本设备底部结构中需要贴敷脚垫的区域的坐标信息，确定出标准模版图像的各个预设脚垫贴敷区域图像。
具体的，可以将预设设计文档中参考设备和待检测设备对应的结构设计文档图像与标准模版图像的尺寸调整成一样的尺寸，再将预设设计文档中需要贴敷脚垫的区域的坐标信息映射到标准模版图像上，根据预设设计文档中需要贴敷脚垫的区域的坐标信息确定出标准模版图像中预设脚垫贴敷区域的坐标信息，从而得到各个预设脚垫贴敷区域图像。例如，图4示出了本公开实施例提供的一种标准模版图像的各个预设脚垫贴敷区域示意图，图2示出了一种标准模版图像，图3为该标准模版图像对应的参考设备的预设设计文档，将图2的标准模版图像201的尺寸与图3的底部结构图像301的尺寸调整成一样的尺寸，再将图3中底部结构图像301中需要贴敷脚垫的区域的坐标信息映射到图2的标准模版图像201中，得到图4所示的标准模版图像的各个预设脚垫贴敷区域示意图401，标准模版图像的各个预设脚垫贴敷区域示意图401中展示了各个预设脚垫贴敷区域402。
具体的，所述根据预设设计文档确定标准模版图像的各个预设脚垫贴敷区域图像的步骤，可以包括如下步骤B1-B2：
步骤B1，根据预设设计文档中的各个脚垫贴敷区域，确定标准模版图像与各个所述脚垫贴敷区域对应的各个第一目标区域图像。
如图4所示，图4中的脚垫贴敷区域402所对应的图像区域为根据图3示出的预设设计文档和图2示出的标准模版图像确定出的脚垫贴敷区域，图4中的脚垫贴敷区域图像402即为标准模版图像与各个脚垫贴敷区域对应的各个第一目标区域图像。
步骤B2，对各个所述第一目标区域图像进行图像增强处理，得到各个预设脚垫贴敷区域图像。
具体的，由于设备的内构件背景比较暗，因此标准模版图像的第一目标区域图像比较暗，因此，本公开可以将各个第一目标区域图像的RGB颜色空间转化为YCrCb颜色空间，YCrCb颜色空间即YUV色彩空间。YUV色彩空间的“Y”表示明亮度，也即灰阶值；YUV色彩空间的“U”和“V” 分别表示色度，色度用于描述图像色彩及饱和度，用于指定像素的颜色。色度定义了颜色的色调与饱和度，其中，Cr表示色调和Cb表示饱和度。
然后提取转换至YCrCb颜色空间的第一目标区域图像的亮度分量作为待处理图像，然后对待处理图像进行图像增强处理。具体的，可以对待处理图像进行高斯滤波处理，得到平滑后的灰度图作为各个预设脚垫贴敷区域图像。
在另一可实施方式中，所述获取标准模版图像的各个预设脚垫贴敷区域图像的步骤，具体可以包括：根据图像识别算法识别出获取标准模版图像中的预设脚垫贴敷区域。其中，图像识别算法可以采用任意一种能够识别图像特定区域的算法，此处不做具体限定。
在又一可实施方式中，所述获取标准模版图像的各个预设脚垫贴敷区域图像的步骤，具体可以包括：可以通过人工标注的方式标注出标准模版图像中的预设脚垫贴敷区域。
S102，获取待检测图像的各个目标脚垫贴敷区域图像。
其中，所述待检测图像为待检测设备的结构图像。具体的，待检测图像为所采集的待检测设备的内结构图像，例如，若待检测设备为笔记本设备，则待检测图像为笔记本底部结构处需要进行脚垫贴敷的区域的图像。
在一可实施方式中，所述获取待检测图像的各个目标脚垫贴敷区域图像的步骤，可以包括步骤C1-C2：
步骤C1，获取各个所述预设脚垫贴敷区域图像在所述标准模版图像中对应的坐标信息。
本公开中，可以通过人工标注的方式获取各个所述预设脚垫贴敷区域图像在所述标准模版图像中对应的坐标信息；也可以通过预设设计文档中的各个脚垫贴敷区域的坐标信息确定出标准模版图像中预设脚垫贴敷区域图像的坐标信息，具体的基于预设设计文档确定标准模版图像中预设脚垫贴敷区域图像的坐标信息如S101所述，此处不再赘述。
步骤C2，基于所述坐标信息确定待检测图像的各个目标脚垫贴敷区域图像。
具体的，所述基于所述坐标信息确定待检测图像的各个目标脚垫贴敷区域图像的步骤，可以包括步骤D1-D2：
步骤D1，将待检测图像中与所述坐标信息对应的各个区域图像确定为第二目标区域图像。
本公开中，可以将待检测图像与标准模版图像的尺寸调整成一致的尺寸，然后将各个预设脚垫贴敷区域图像在标准模版图像中对应的坐标信息映射到待检测图像上，得到对应的位置区域的图像为第二目标区域图像。
步骤D2，对各个所述第二目标区域图像进行滤波处理，得到各个目标脚垫贴敷区域图像。
具体的，可以对第二目标区域图像进行高斯滤波处理，得到平滑后的灰度图作为各个目标脚垫贴敷区域图像。
S103，基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测。
采用本公开的检测方法，通过获取标准模版图像的各个预设脚垫贴敷区域图像，获取待检测图像的各个目标脚垫贴敷区域图像，基于预设脚垫贴敷区域图像和目标脚垫贴敷区域图像确定待检测设备是否通过检测。即利用标准模版图像的预设脚垫贴敷区域图像对笔记本内结构脚垫贴敷实现自动检测，不仅提高了笔记本内结构脚垫贴敷的检测效率还降低了误检率。
在一可实施方式中，所述基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测的步骤，可以包括如下步骤E1-E2：
步骤E1，确定每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度。
所述确定每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度的步骤，包括步骤F1-F2：
步骤F1，针对每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像，计算所述预设脚垫贴敷区域图像的第一强度均值，以及，计算所述目标脚垫贴敷区域图像的第二强度均值。
具体的，针对每个预设脚垫贴敷区域图像，可以计算该设脚垫贴敷区域图像每个像素点的灰度值的均值，作为该预设脚垫贴敷区域图像的第一强度均值。以及，针对每个目标脚垫贴敷区域图像，可以计算该目标脚垫贴敷区域图像每个像素点的灰度值的均值，作为该目标脚垫贴敷区域图像的第二强度均值。
步骤F2，计算所述第一强度均值和所述第二强度均值的差值的绝对值，作为该组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度。
步骤E2，若各个所述相似度均大于预设相似度阈值，确定所述待检测设备通过检测。
其中，预设相似度预支可以根据实际应用场景进行设定，此处不做具体设定。
本公开中，若每一组对应位置处的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度均大于预设相似度阈值，则可以确定所述待检测设备通过检测。
在一可实施方式中，在计算出每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度后，图5示出了本公开实施例提供的一种检测结果确定方法流程图，所述方法包括：
S501，若存在至少一组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度不大于预设相似度阈值，将所述目标脚垫贴敷区域图像输入预先训练的脚垫检测模型，得到输出结果。
其中，脚垫检测模型为：根据预先采集的第一预设数量的脚垫正样本图像和第二预设数量的脚垫负样本图像以及各个样本图像对应的标识信息，对待神经网络模型进行训练得到的。其中，第一预设数量和第二预设数量可以相同也可以不同，第一预设数量和第二预设数量可以均设定为200。待神经网络模型可以为resnet（Residual Neural Network，残差神经网络）模型。脚垫负样本图像为脚垫贴敷不合格的图像，脚垫正样本图像为脚垫贴敷合格的图像，样本图像对应的标识信息为脚垫贴敷是否合格的信息。
S502，如果输出结果表示所述目标脚垫贴敷区域图像符合贴敷要求，确定所述待检测设备通过检测。
S503，如果输出结果表示所述目标脚垫贴敷区域图像不符合贴敷要求，确定所述待检测设备不能通过检测，并展示所述待检测设备需要进行返工的信息。
采用本公开的检测方法，利用标准模版图像的预设脚垫贴敷区域图像对笔记本内结构脚垫贴敷实现自动检测，不仅提高了笔记本内结构脚垫贴敷的检测效率还降低了误检率。
基于同一发明构思，根据本公开上述实施例提供的检测方法，相应地，本公开另一实施例还提供了一种检测装置，其结构示意图如图6所示，具体包括：
第一图像获取模块601，用于获取标准模版图像的各个预设脚垫贴敷区域图像，其中，所述标准模版图像为参考设备的结构图像，所述参考设备为经过标准化脚垫贴敷处理的设备；
第二图像获取模块602，用于获取待检测图像的各个目标脚垫贴敷区域图像，其中，所述待检测图像为待检测设备的结构图像；
检测模块603，用于基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测。
采用本公开的检测装置，通过获取标准模版图像的各个预设脚垫贴敷区域图像，获取待检测图像的各个目标脚垫贴敷区域图像，基于预设脚垫贴敷区域图像和目标脚垫贴敷区域图像确定待检测设备是否通过检测。即利用标准模版图像的预设脚垫贴敷区域图像对笔记本内结构脚垫贴敷实现自动检测，不仅提高了笔记本内结构脚垫贴敷的检测效率还降低了误检率。
在一可实施方式中，所述第一图像获取模块601，具体用于根据预设设计文档确定标准模版图像的各个预设脚垫贴敷区域图像，其中，所述预设设计文档为所述参考设备和所述待检测设备对应的结构设计文档。
在一可实施方式中，所述第一图像获取模块601，具体用于根据预设设计文档中的各个脚垫贴敷区域，确定标准模版图像与各个所述脚垫贴敷区域对应的各个第一目标区域图像；对各个所述第一目标区域图像进行图像增强处理，得到各个预设脚垫贴敷区域图像。
在一可实施方式中，所述第二图像获取模块602，具体用于获取各个所述预设脚垫贴敷区域图像在所述标准模版图像中对应的坐标信息；基于所述坐标信息确定待检测图像的各个目标脚垫贴敷区域图像。
在一可实施方式中，所述第二图像获取模块602，具体用于将待检测图像中与所述坐标信息对应的各个区域图像确定为第二目标区域图像；对各个所述第二目标区域图像进行滤波处理，得到各个目标脚垫贴敷区域图像。
在一可实施方式中，所述检测模块603，具体用于确定每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度；若各个所述相似度均大于预设相似度阈值，确定所述待检测设备通过检测。
在一可实施方式中，所述装置还包括：
重检测模块（图中未示出），用于若存在至少一组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度不大于预设相似度阈值，将所述目标脚垫贴敷区域图像输入预先训练的脚垫检测模型，得到输出结果；如果输出结果表示所述目标脚垫贴敷区域图像符合贴敷要求，确定所述待检测设备通过检测；如果输出结果表示所述目标脚垫贴敷区域图像不符合贴敷要求，确定所述待检测设备不能通过检测，并展示所述待检测设备需要进行返工的信息。
在一可实施方式中，所述检测模块603，具体用于针对每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像，计算所述预设脚垫贴敷区域图像的第一强度均值，以及，计算所述目标脚垫贴敷区域图像的第二强度均值；计算所述第一强度均值和所述第二强度均值的差值的绝对值，作为该组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度。
采用本公开的检测装置，利用标准模版图像的预设脚垫贴敷区域图像对笔记本内结构脚垫贴敷实现自动检测，不仅提高了笔记本内结构脚垫贴敷的检测效率还降低了误检率。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。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/或者要求的本公开的实现。
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器（ROM）702中的计算机程序或者从存储单元708加载到随机访问存储器（RAM）703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出（I/O）接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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。
计算单元701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。计算单元701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计算单元、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。计算单元701执行上文所描述的各个方法和处理，例如检测方法。例如，在一些实施例中，检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行检测方法。
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）、片上系统（SOC）、复杂可编程逻辑设备（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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。
在本公开的上下文中，机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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，可以在计算机上实施此处描述的系统和技术，该计算机具有：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计算机。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）和互联网。
计算机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，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本发公开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，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种检测方法，其特征在于，所述方法包括：
获取标准模版图像的各个预设脚垫贴敷区域图像，其中，所述标准模版图像为参考设备的结构图像，所述参考设备为经过标准化脚垫贴敷处理的设备；
获取待检测图像的各个目标脚垫贴敷区域图像，其中，所述待检测图像为待检测设备的结构图像；
基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测。
2.根据权利要求1所述的方法，其特征在于，所述获取标准模版图像的各个预设脚垫贴敷区域图像，包括：
根据预设设计文档确定标准模版图像的各个预设脚垫贴敷区域图像，其中，所述预设设计文档为所述参考设备和所述待检测设备对应的结构设计文档。
3.根据权利要求2所述的方法，其特征在于，所述根据预设设计文档确定标准模版图像的各个预设脚垫贴敷区域图像，包括：
根据预设设计文档中的各个脚垫贴敷区域，确定标准模版图像与各个所述脚垫贴敷区域对应的各个第一目标区域图像；
对各个所述第一目标区域图像进行图像增强处理，得到各个预设脚垫贴敷区域图像。
4.根据权利要求1所述的方法，其特征在于，所述获取待检测图像的各个目标脚垫贴敷区域图像，包括：
获取各个所述预设脚垫贴敷区域图像在所述标准模版图像中对应的坐标信息；
基于所述坐标信息确定待检测图像的各个目标脚垫贴敷区域图像。
5.根据权利要求4所述的方法，其特征在于，所述基于所述坐标信息确定待检测图像的各个目标脚垫贴敷区域图像，包括：
将待检测图像中与所述坐标信息对应的各个区域图像确定为第二目标区域图像；
对各个所述第二目标区域图像进行滤波处理，得到各个目标脚垫贴敷区域图像。
6.根据权利要求1所述的方法，其特征在于，所述基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测，包括：
确定每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度；
若各个所述相似度均大于预设相似度阈值，确定所述待检测设备通过检测。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
若存在至少一组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度不大于预设相似度阈值，将所述目标脚垫贴敷区域图像输入预先训练的脚垫检测模型，得到输出结果；
如果输出结果表示所述目标脚垫贴敷区域图像符合贴敷要求，确定所述待检测设备通过检测；
如果输出结果表示所述目标脚垫贴敷区域图像不符合贴敷要求，确定所述待检测设备不能通过检测，并展示所述待检测设备需要进行返工的信息。
8.根据权利要求6所述的方法，其特征在于，所述确定每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度，包括：
针对每组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像，计算所述预设脚垫贴敷区域图像的第一强度均值，以及，计算所述目标脚垫贴敷区域图像的第二强度均值；
计算所述第一强度均值和所述第二强度均值的差值的绝对值，作为该组对应位置的预设脚垫贴敷区域图像和目标脚垫贴敷区域图像之间的相似度。
9.一种检测装置，其特征在于，所述装置包括：
第一图像获取模块，用于获取标准模版图像的各个预设脚垫贴敷区域图像，其中，所述标准模版图像为参考设备的结构图像，所述参考设备为经过标准化脚垫贴敷处理的设备；
第二图像获取模块，用于获取待检测图像的各个目标脚垫贴敷区域图像，其中，所述待检测图像为待检测设备的结构图像；
检测模块，用于基于所述预设脚垫贴敷区域图像和所述目标脚垫贴敷区域图像确定所述待检测设备是否通过检测。
10.一种电子设备，其特征在于，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指令，所述指令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1-8中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310675587.5A CN116402820A (zh) | 2023-06-07 | 2023-06-07 | 一种检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310675587.5A CN116402820A (zh) | 2023-06-07 | 2023-06-07 | 一种检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116402820A true CN116402820A (zh) | 2023-07-07 |
Family
ID=87018432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310675587.5A Pending CN116402820A (zh) | 2023-06-07 | 2023-06-07 | 一种检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116402820A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116740385A (zh) * | 2023-08-08 | 2023-09-12 | 深圳探谱特科技有限公司 | 一种设备质检方法、装置和系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107966448A (zh) * | 2017-11-17 | 2018-04-27 | 福建工程学院 | 一种用于pcb锡膏印刷质量的2维检测方法 |
| CN108198218A (zh) * | 2018-01-16 | 2018-06-22 | 深圳市亿图视觉自动化技术有限公司 | 柔性电路板定位方法、装置及计算机可读存储介质 |
| CN111462094A (zh) * | 2020-04-03 | 2020-07-28 | 联觉(深圳)科技有限公司 | Pcba元器件检测方法、装置及计算机可读存储介质 |
| CN111598090A (zh) * | 2020-05-15 | 2020-08-28 | 广东工业大学 | 一种印刷电路板上标记的识别方法以及相关设备 |
| CN111899241A (zh) * | 2020-07-28 | 2020-11-06 | 华中科技大学 | 一种定量化的炉前pcb贴片缺陷在线检测方法及系统 |
| CN112036484A (zh) * | 2020-08-31 | 2020-12-04 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于高光原理进行pcb元件提取的方法 |
| CN112611324A (zh) * | 2020-12-02 | 2021-04-06 | 南京尚孚电子电路有限公司 | 一种用于柔性电路板的绝缘薄膜贴敷检测系统及其检测方法 |
| CN114187253A (zh) * | 2021-12-06 | 2022-03-15 | 北京计算机技术及应用研究所 | 一种电路板零件安装检测方法 |
| CN114881996A (zh) * | 2022-05-25 | 2022-08-09 | 京东方科技集团股份有限公司 | 缺陷检测方法及装置 |
| CN115035944A (zh) * | 2022-06-15 | 2022-09-09 | 中科广化（重庆）新材料研究院有限公司 | 半导体芯片的检测方法、装置和计算机设备 |
| CN115640424A (zh) * | 2022-11-10 | 2023-01-24 | 中兴飞流信息科技有限公司 | 一种基于深度学习特征图分析的视频库比对方法及系统 |
-
2023
- 2023-06-07 CN CN202310675587.5A patent/CN116402820A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107966448A (zh) * | 2017-11-17 | 2018-04-27 | 福建工程学院 | 一种用于pcb锡膏印刷质量的2维检测方法 |
| CN108198218A (zh) * | 2018-01-16 | 2018-06-22 | 深圳市亿图视觉自动化技术有限公司 | 柔性电路板定位方法、装置及计算机可读存储介质 |
| CN111462094A (zh) * | 2020-04-03 | 2020-07-28 | 联觉(深圳)科技有限公司 | Pcba元器件检测方法、装置及计算机可读存储介质 |
| CN111598090A (zh) * | 2020-05-15 | 2020-08-28 | 广东工业大学 | 一种印刷电路板上标记的识别方法以及相关设备 |
| CN111899241A (zh) * | 2020-07-28 | 2020-11-06 | 华中科技大学 | 一种定量化的炉前pcb贴片缺陷在线检测方法及系统 |
| CN112036484A (zh) * | 2020-08-31 | 2020-12-04 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于高光原理进行pcb元件提取的方法 |
| CN112611324A (zh) * | 2020-12-02 | 2021-04-06 | 南京尚孚电子电路有限公司 | 一种用于柔性电路板的绝缘薄膜贴敷检测系统及其检测方法 |
| CN114187253A (zh) * | 2021-12-06 | 2022-03-15 | 北京计算机技术及应用研究所 | 一种电路板零件安装检测方法 |
| CN114881996A (zh) * | 2022-05-25 | 2022-08-09 | 京东方科技集团股份有限公司 | 缺陷检测方法及装置 |
| CN115035944A (zh) * | 2022-06-15 | 2022-09-09 | 中科广化（重庆）新材料研究院有限公司 | 半导体芯片的检测方法、装置和计算机设备 |
| CN115640424A (zh) * | 2022-11-10 | 2023-01-24 | 中兴飞流信息科技有限公司 | 一种基于深度学习特征图分析的视频库比对方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116740385A (zh) * | 2023-08-08 | 2023-09-12 | 深圳探谱特科技有限公司 | 一种设备质检方法、装置和系统 |
| CN116740385B (zh) * | 2023-08-08 | 2023-10-13 | 深圳探谱特科技有限公司 | 一种设备质检方法、装置和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
| CN112861885B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
| CN113177451A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
| CN113436162A (zh) | 一种水下机器人液压油管道表面焊缝缺陷识别方法及装置 | |
| CN113487473B (zh) | 一种添加图像水印的方法、装置、电子设备及存储介质 | |
| CN116402820A (zh) | 一种检测方法、装置、设备及存储介质 | |
| CN116844177A (zh) | 一种表格识别方法、装置、设备及存储介质 | |
| CN116486126B (zh) | 一种模版确定方法、装置、设备及存储介质 | |
| CN116681913A (zh) | 一种标签印刷的定位方法、装置、设备及存储介质 | |
| CN114677566B (zh) | 深度学习模型的训练方法、对象识别方法和装置 | |
| CN115205163B (zh) | 一种标识图像的处理方法、装置、设备及存储介质 | |
| CN112991308B (zh) | 一种图像质量的确定方法、装置、电子设备和介质 | |
| CN114494782B (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 | |
| CN116823924B (zh) | 缺陷区域面积的确定方法、装置、电子设备以及存储介质 | |
| CN113012180B (zh) | 图像的成像设备确定方法、装置、设备及存储介质 | |
| CN117351010B (zh) | 一种基于深度学习的金属凹陷结构缺陷检测方法及装置 | |
| CN113870142B (zh) | 用于增强图像对比度的方法、装置 | |
| CN113379031B (zh) | 神经网络的处理方法、装置、电子设备和存储介质 | |
| CN112819715B (zh) | 数据还原方法、网络训练方法、相关装置及电子设备 | |
| CN116110068A (zh) | 保单分析报表生成方法、装置、设备及可读存储介质 | |
| CN117372408A (zh) | 一种设备检测方法、装置、设备及存储介质 | |
| CN113221999B (zh) | 图片标注的正确率获取方法、装置和电子设备 | |
| CN115578797A (zh) | 模型训练方法、图像识别方法、装置及电子设备 | |
| CN116934739A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
| CN118172309A (zh) | 一种检测方法、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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230707 |