CN116402842B - 边缘缺陷检测方法、装置、计算机设备及存储介质 - Google Patents
边缘缺陷检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116402842B CN116402842B CN202310665835.8A CN202310665835A CN116402842B CN 116402842 B CN116402842 B CN 116402842B CN 202310665835 A CN202310665835 A CN 202310665835A CN 116402842 B CN116402842 B CN 116402842B
- Authority
- CN
- China
- Prior art keywords
- edge
- graph
- points
- point
- characteristic
- 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.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title claims abstract description 29
- 238000004519 manufacturing process Methods 0.000 claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 54
- 238000004590 computer program Methods 0.000 claims description 23
- 238000009499 grossing Methods 0.000 claims description 21
- 238000009795 derivation Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 8
- 238000000354 decomposition reaction Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local 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
-
- 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
- G06T2207/30—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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种边缘缺陷检测方法、装置、计算机设备及计算机可读存储介质。方法包括:确定待检测对象的标准图中的边缘所包含的图形基元、以及各图形基元分别对应的第一特征点;从待检测对象的生产图的边缘点中确定若干个第二特征点;第二特征点,是边缘走向变化剧烈的位置处的边缘点;对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点;将与第二特征点相匹配的第一特征点所对应的图形基元,映射至生产图中的第二特征点的位置处,得到映射后的参照边缘;对生产图中原有的边缘与参照边缘进行对比,以确定原有的边缘中存在的缺陷。采用本申请,能够实现提高边缘缺陷检测的效率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种边缘缺陷检测方法、装置、计算机设备及存储介质。
背景技术
图像处理技术在产品缺陷检测中应用广泛,比如:可以通过图像处理技术对PCB板(印刷电路板)的缺陷进行检测。缺陷检测包括目标对象内部的缺陷检测和目标对象边缘的缺陷检测。
传统方法中,对于目标对象边缘的缺陷检测,一般是直接将目标对象的模板图的边缘和产品图的边缘提取出来进行对比,以确定产品图中目标对象的边缘存在缺陷的位置。然而,由于工差的原因,导致直接将边缘进行对比来确定边缘缺陷的方法误差较大,容易将正常边缘误判为缺陷边缘,准确性不高。
发明内容
基于此,有必要针对上述技术问题,提供一种边缘缺陷检测方法、装置、计算机设备、计算机可读存储介质以及计算机程序产品,能够实现提高边缘缺陷检测的准确性。
第一方面,本申请提供了一种边缘缺陷检测方法,包括:
确定待检测对象的标准图中的边缘所包含的图形基元、以及各图形基元分别对应的第一特征点;
从待检测对象的生产图的边缘点中确定若干个第二特征点;第二特征点,是边缘走向变化剧烈的位置处的边缘点;
对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点;
将与第二特征点相匹配的第一特征点所对应的图形基元,映射至生产图中的第二特征点的位置处,得到映射后的参照边缘;
对生产图中原有的边缘与参照边缘进行对比,以确定原有的边缘中存在的缺陷。
第二方面,本申请提供了一种边缘缺陷检测装置,包括:
第一确定模块,用于确定待检测对象的标准图中的边缘所包含的图形基元、以及各图形基元分别对应的第一特征点;
第二确定模块,用于从待检测对象的生产图的边缘点中确定若干个第二特征点;第二特征点,是边缘走向变化剧烈的位置处的边缘点;
匹配模块,用于对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点;
映射模块,用于将与第二特征点相匹配的第一特征点所对应的图形基元,映射至生产图中的第二特征点的位置处,得到映射后的参照边缘;
对比模块,用于对生产图中原有的边缘与参照边缘进行对比,以确定原有的边缘中存在的缺陷。
第三方面,本申请提供了一种计算机设备,计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行该计算机程序时实现上述的方法中的步骤。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的方法中的步骤。
第五方面,本申请提供了一种计算机程序产品,计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现本上述的方法中的步骤。
上述边缘缺陷检测方法、装置、计算机设备、计算机可读存储介质及计算机程序产品,首先确定待检测对象的标准图中边缘所包含的图形基元、以及各图形基元分别对应的第一特征点,并从待检测对象的生产图中边缘走向变化剧烈位置处确定若干个第二特征点,然后对第一特征点与第二特征点进行匹配,并将匹配到的第一特征点所对应的图形基元映射至生产图中相匹配的第二特征点的位置处,相当于将标准图中的边缘分解成图形基元后分别进行映射,能够使映射后的参照边缘与生产图中原有的边缘更加吻合,避免了由于工差的原因导致标准图中的边缘与生产图中的边缘差别较大而容易将正常边缘误判为缺陷边缘的问题,最后对映射得到的更加吻合的参照边缘与生产图原有的边缘进行对比,能够更加准确地检测出生产图中原有的边缘中存在的缺陷,提高了边缘缺陷检测的准确性。
附图说明
图1为本申请实施例提供的一种边缘缺陷检测方法的流程示意图;
图2为本申请实施例提供的对标准图中的边缘进行基元分解的示意图;
图3为本申请实施例提供的特征点匹配的示意图;
图4为本申请实施例提供的参照边缘与生产图中原有边缘对比的示意图;
图5为本申请实施例提供的各幅曲线图的示意图;
图6为本申请实施例提供的边缘缺陷检测方法的整体流程示意图;
图7为本申请实施例提供的一种边缘缺陷检测装置的结构框图;
图8为本申请实施例提供的一种计算机设备的内部结构图;
图9为本申请实施例提供的另一种计算机设备的内部结构图;
图10为本申请实施例提供的一种计算机可读存储介质的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一些实施例中,如图1所示,提供了一种边缘缺陷检测方法,本实施例以该方法应用于计算机设备进行举例说明。可以理解的是,计算机设备可以包括终端和服务器中的至少一种。其中,终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备以及便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。该方法包括以下步骤:
S102、确定待检测对象的标准图中的边缘所包含的图形基元、以及各图形基元分别对应的第一特征点。
其中,待检测对象,是需要进行边缘缺陷检测的对象。标准图(即,模板图),是预定义的待检测对象应满足的标准的图像。图形基元,是将边缘按照预设图形进行分解后所得到的图形。
在一些实施例中,待检测对象可以是印刷电路板(PCB,Printed Circuit Board)上的对象。比如:可以是印刷电路板上的金面或元器件等。在其他一些实施例中,待检测对象还可以是其他的需要检测边缘缺陷的对象,比如:生产的零件或日用品等。
在一些实施例中,计算机设备可以确定待检测对象的标准图中的边缘,然后对标准图中的边缘进行基元分解,得到标准图中的边缘所包含的多个图形基元,再从各图形基元中选取第一特征点。其中,基元分解,是将边缘分解成多个图形基元的处理。
在一些实施例中,计算机设备可以将各图形基元的端点作为对应的第一特征点。
在一些实施例中,图形基元可以包括直线段、曲线段和圆弧中的至少一种。其中,圆弧,是指圆形或椭圆形中的一部分。
如图2所示,将标准图中的边缘进行基元分解,得到了形状为直线段、曲线段和圆弧的多个图形基元。可以理解,可以按照圆形或椭圆形的特征从边缘中分解出圆弧,圆弧的端点是指圆形或椭圆形在边缘上与边缘的交点。
S104、从待检测对象的生产图的边缘点中确定若干个第二特征点;第二特征点,是边缘走向变化剧烈的位置处的边缘点。
其中,生产图,是对实际生产出来的待检测对象进行图像采集所得到的图像。若干个是指多个。边缘走向变化剧烈,是指沿着边缘顺次移动的情况下移动的朝向较之前发生突变。在一些实施例中,计算机设备可以对待检测对象的生产图进行边缘检测,得到生产图的边缘点。
在另一些实施例中,计算机设备可以对待检测对象的生产图进行边缘检测,得到生产图的初始边缘点,然后对生产图的初始边缘点进行基础边缘点提取,得到生产图的边缘点。在一些实施例中,计算机设备可以使用傅里叶描述子进行基础边缘点提取。其中,基础边缘点提取,是从初始边缘点中提取关键的边缘点的处理,即,将初始边缘点稀疏化的处理。
在一些实施例中,计算机设备可以确定生产图中各边缘点之间的相对偏移角度,然后根据相对偏移角度,从生产图的边缘点中确定若干个第二特征点。其中,相对偏移角度,是指边缘点所处位置之间的相对角度。
S106、对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点。
在一些实施例中,计算机设备可以根据标准图中的第一特征点与生产图中的第二特征点在图像中的位置,对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点。
如图3所示,可以根据标准图中的第一特征点与生产图中的第二特征点在图像中的位置,将第一特征点和第二特征点映射至同一幅图像中,对距离最近的第一特征点和第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点。
S108、将与第二特征点相匹配的第一特征点所对应的图形基元,映射至生产图中的第二特征点的位置处,得到映射后的参照边缘。
其中,参照边缘,是指将图形基元映射到生产图中后,映射到生产图上的图形基元所组成的边缘。
在一些实施例中,计算机设备可以将与第二特征点相匹配的第一特征点所对应的图形基元,映射至生产图中的第二特征点的位置处,根据映射到生产图中的图形基元确定组成的参照边缘。
S110、对生产图中原有的边缘与参照边缘进行对比,以确定原有的边缘中存在的缺陷。
其中,原有的边缘,是指生产图中的待检测对象的边缘。
在一些实施例中,计算机设备可以对生产图中原有的边缘与参照边缘进行对比,确定原有的边缘中与参照边缘存在差别的部分,得到原有的边缘中存在的缺陷。
如图4所示,虚线即为将图形基元映射至生产图中得到的参照边缘,阴影区域即为生产图中的待检测对象,阴影区域的边缘即为生产图中原有的边缘。可以对图4中的虚线与阴影区域的边缘进行对比,存在差异的部分即为原有的边缘中存在缺陷的部分。比如:可以看出,图4中的402处阴影区域的边缘与虚线不一致,因此,402位置处存在缺陷。
可见,在本申请实施例中,首先确定待检测对象的标准图中边缘所包含的图形基元、以及各图形基元分别对应的第一特征点,并从待检测对象的生产图中边缘走向变化剧烈位置处确定若干个第二特征点,然后对第一特征点与第二特征点进行匹配,并将匹配到的第一特征点所对应的图形基元映射至生产图中相匹配的第二特征点的位置处,相当于将标准图中的边缘分解成图形基元后分别进行映射,能够使映射后的参照边缘与生产图中原有的边缘更加吻合,避免了由于工差的原因导致标准图中的边缘与生产图中的边缘差别较大而容易将正常边缘误判为缺陷边缘的问题,最后对映射得到的更加吻合的参照边缘与生产图原有的边缘进行对比,能够更加准确地检测出生产图中原有的边缘中存在的缺陷,提高了边缘缺陷检测的准确性。此外,通过将标准图中的边缘分解成图形基元,能够将复杂的边缘简化成图形基元,实现了对复杂的边缘进行缺陷检测,而且提高了检测效率。
在一些实施例中,确定待检测对象的标准图中的边缘所包含的图形基元、以及各图形基元分别对应的第一特征点,包括:
确定待检测对象的标准图中的边缘;
对标准图中的边缘进行基元分解,得到标准图中的边缘所包含的若干个图形基元;
将各图形基元的端点作为对应的第一特征点。
在一些实施例中,计算机设备可以按照预设图形基元,对标准图中的边缘进行基元分解,得到标准图中的边缘所包含的若干个图形基元。其中,得到的图形基元符合预设图形基元的形状。
在一些实施例中,预设图形基元可以包括直线段、曲线段和圆弧。
在一些实施例中,计算机设备可以将各图形基元的起始点和/或终止点作为对应的第一特征点。其中,沿着边缘经过的图形基元的第一个端点即为该图形基元的起始点,经过的图形基元的第二个端点即为该图形基元的终止点。
可见,在本实施例中,对标准图中的边缘进行基元分解,得到标准图中的边缘所包含的多个图形基元,并将各图形基元的端点作为对应的第一特征点,能够将标准图中的边缘分解成若干个图形基元,从而能够通过将图形基元映射至生产图中,使得映射后的参照边缘与生产图中原有的边缘更加吻合,提高了边缘缺陷检测的准确性。此外,通过将标准图中的边缘分解成图形基元,能够将复杂的边缘简化成图形基元,实现了对复杂的边缘进行缺陷检测。
在一些实施例中,对标准图中的边缘进行基元分解,得到标准图中的边缘所包含的若干个图形基元,包括:
将标准图中的边缘分割成多个子边缘;
对各子边缘与各种预设图形基元分别对应的预设形状条件进行匹配,以确定各子边缘所属的预设图形基元;
将属于同一预设图形基元且相邻的子边缘合并为标准图中的边缘所包含的其中一个图形基元。
在一些实施例中,计算机设备可以按照预设长度,将标准图中的边缘分割成符合预设长度的多个子边缘。
在一些实施例中,计算机设备可以分别使用各种预设图形基元分别对应的预设形状条件对各子边缘进行判断,以识别各子边缘所属的预设图形基元,然后将属于同一预设图形基元且相邻的子边缘合并为标准图中的边缘所包含的其中一个图形基元。
在一些实施例中,对于圆弧,计算机设备可以使用圆形或椭圆形的预设形状条件对各子边缘进行判断,以识别各子边缘是否属于圆弧。
可见,在本实施例中,将标准图中的边缘分割成多个子边缘,对各子边缘与各种预设图形基元分别对应的预设形状条件进行匹配,能够准确且高效地确定各子边缘所属的预设图形基元,从而准确且高效地将标准图中的边缘分解成多个图形基元。
在一些实施例中,从待检测对象的生产图的边缘点中确定若干个第二特征点,包括:
确定待检测对象的生产图的边缘点;
根据生产图的边缘点之间的相对偏移角度,将生产图中的边缘点量化为一维向量;
将一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点。
其中,数值变化剧烈,是指相邻数值之间的差值大于或等于预设阈值。
在一些实施例中,计算机设备可以根据生产图中相邻的边缘点之间的相对偏移角度,生成一维向量。其中,一维向量中包含相邻的边缘点之间的相对偏移角度。
在一些实施例中,计算机设备可以对一维向量进行求导,得到求导结果,然后将求导结果中的极值处对应的边缘点,确定为第二特征点。其中,极值包括极大值和极小值。
可见,在本实施例中,根据生产图的边缘点之间的相对偏移角度,将生产图的边缘点量化为一维向量,将一维向量中数值变化剧烈处对应的边缘点确定为第二特征点,由于将高维数据进行降维,所以提高了效率,能够准确且高效地确定出生产图中边缘走向变化剧烈位置处的第二特征点。
在一些实施例中,将一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点,包括:
对一维向量进行平滑处理,得到平滑处理后的一维向量;
对平滑处理后的一维向量进行求导,得到求导结果;
将求导结果中的极值处对应的边缘点,确定为第二特征点。
在一些实施例中,计算机设备可以对一维向量进行平滑处理,以使一维向量中的数值的变化更加平滑,得到平滑处理后的一维向量。
在一些实施例中,计算机设备可以将平滑后的一维向量表示为第二曲线图,然后对第二曲线图中的曲线进行求导,得到第三曲线图,再将第三曲线图中的曲线的极值处对应的边缘点,确定为第二特征点。极值包括极大值和极小值。
可见,在本实施例中,对一维向量进行平滑处理,得到平滑处理后的一维向量,能够避免一维向量中数值变化剧烈导致根据求导结果确定第二特征点不准确,然后对平滑处理后的一维向量进行求导,得到求导结果,将求导结果中的极值处对应的边缘点,确定为第二特征点,能够高效且准确地确定出生产图中边缘变化剧烈的位置处的第二特征点。
在一些实施例中,对一维向量进行平滑处理,得到平滑处理后的一维向量,包括:
将一维向量表示为第一曲线图;第一曲线图,用于表征生产图的各个边缘点与相应的相对偏移角度之间的对应关系;
对第一曲线图中的曲线进行平滑处理,得到第二曲线图;
对平滑处理后的一维向量进行求导,得到求导结果,包括:
对第二曲线图中的曲线进行求导,得到第三曲线图;
将求导结果中的极值处对应的边缘点,确定为第二特征点,包括:
将第三曲线图中的曲线的极值处对应的边缘点,确定为第二特征点。
图5中的(a)为第一曲线图,横轴表示边缘点的序号,竖轴表示相对偏移角度的角度值。
图5中的(b)为第二曲线图,横轴表示边缘点的序号,竖轴表示相对偏移角度的角度值。可以看出,第二曲线图是对第一曲线图中的曲线进行平滑处理得到的。
在一些实施例中,计算机设备可以对第二曲线图中的曲线进行一阶求导,得到第三曲线图。
图5中的(c)为第三曲线图,横轴表示边缘点的序号,竖轴表示导数值。可以看出,第三曲线图是对第二曲线图中的曲线进行求导得到的。
可见,在本实施例中,通过将一维向量表示为第一曲线图,然后对第一曲线图中的曲线进行平滑处理,再进行求导,能够准确且高效地确定出生产图中边缘走向变化剧烈的位置处的第二特征点。
在一些实施例中,对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点,包括:
针对每个第二特征点,从各图形基元分别对应的第一特征点中确定与第二特征点距离最近的第一特征点,得到与第二特征点相匹配的第一特征点。
在一些实施例中,计算机设备可以根据标准图中的第一特征点与生产图中的第二特征点在图像中的位置,针对每个第二特征点,从各图形基元分别对应的第一特征点中确定与第二特征点距离最近的第一特征点,得到与第二特征点相匹配的第一特征点。
在一些实施例中,在第二特征点的预设邻域范围内不存在相匹配的第一特征点的情况下,则该第二特征点没有相匹配的第一特征点。
可见,在本实施例中,将与第二特征点距离最近的第一特征点确定为第二特征点相匹配的第一特征点,从而能够准确地对第一特征点与第二特征点进行匹配。
如图6所示,是本申请各实施例中的边缘缺陷检测方法的整体流程示意图,具体包括如下步骤:对待检测对象的标准图中的边缘进行基元分解,得到若干个图形基元,并将图形基元的端点作为第一特征点。将生产图的边缘量化为一维曲线图,然后计算曲线图的导数极值点,将极值点作为第二特征点。再对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点,然后将与第二特征点相匹配的第一特征点对应的图形基元映射至生产图中第二特征点的位置处,得到参照边缘,最后将参照边缘与生产图中原有的边缘进行对比,输出生产图中的边缘存在的缺陷。
应该理解的是,虽然如上述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种边缘缺陷检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个边缘缺陷检测装置实施例中的具体限定可以参见上文中对于边缘缺陷检测方法的限定,在此不再赘述。
如图7所示,本申请实施例提供了一种边缘缺陷检测装置700,包括:
第一确定模块702,用于确定待检测对象的标准图中的边缘所包含的图形基元、以及各图形基元分别对应的第一特征点;
第二确定模块704,用于从待检测对象的生产图的边缘点中确定若干个第二特征点;第二特征点,是边缘走向变化剧烈的位置处的边缘点;
匹配模块706,用于对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点;
映射模块708,用于将与第二特征点相匹配的第一特征点所对应的图形基元,映射至生产图中的第二特征点的位置处,得到映射后的参照边缘;
对比模块710,用于对生产图中原有的边缘与参照边缘进行对比,以确定原有的边缘中存在的缺陷。
在一些实施例中,在确定待检测对象的标准图中的边缘所包含的图形基元、以及各图形基元分别对应的第一特征点方面,第一确定模块702具体用于:
确定待检测对象的标准图中的边缘;
对标准图中的边缘进行基元分解,得到标准图中的边缘所包含的若干个图形基元;
将各图形基元的端点作为对应的第一特征点。
在一些实施例中,在对标准图中的边缘进行基元分解,得到标准图中的边缘所包含的若干个图形基元方面,第一确定模块702具体用于:
将标准图中的边缘分割成多个子边缘;
对各子边缘与各种预设图形基元分别对应的预设形状条件进行匹配,以确定各子边缘所属的预设图形基元;
将属于同一预设图形基元且相邻的子边缘合并为标准图中的边缘所包含的其中一个图形基元。
在一些实施例中,在从待检测对象的生产图的边缘点中确定若干个第二特征点方面,第二确定模块704具体用于:
确定待检测对象的生产图的边缘点;
根据生产图的边缘点之间的相对偏移角度,将生产图的边缘点量化为一维向量;
将一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点。
在一些实施例中,在将一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点方面,第二确定模块704具体用于:
对一维向量进行平滑处理,得到平滑处理后的一维向量;
对平滑处理后的一维向量进行求导,得到求导结果;
将求导结果中的极值处对应的边缘点,确定为第二特征点。
在一些实施例中,在对一维向量进行平滑处理,得到平滑处理后的一维向量方面,第二确定模块704具体用于:
将一维向量表示为第一曲线图;第一曲线图,用于表征生产图的各个边缘点与相应的相对偏移角度之间的对应关系;
对第一曲线图中的曲线进行平滑处理,得到第二曲线图;
在对平滑处理后的一维向量进行求导,得到求导结果方面,第二确定模块704具体用于:
对第二曲线图中的曲线进行求导,得到第三曲线图;
在将求导结果中的极值处对应的边缘点,确定为第二特征点方面,第二确定模块704具体用于:
将第三曲线图中的曲线的极值处对应的边缘点,确定为第二特征点。
在一些实施例中,在对第一特征点与第二特征点进行匹配,得到与各第二特征点相匹配的第一特征点方面,匹配模块706具体用于:
针对每个第二特征点,从各图形基元分别对应的第一特征点中确定与第二特征点距离最近的第一特征点,得到与第二特征点相匹配的第一特征点。
上述边缘缺陷检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于计算机设备中的处理器,也可以以软件形式存储于计算机设备中的存储器,以便于处理器调用执行以上各个模块对应的操作。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)及通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储标准图和生产图。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述的边缘缺陷检测方法中的步骤。
在一些实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元及输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现上述的边缘缺陷检测方法中的步骤。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏;该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图8或图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一些实施例中,提供了一种计算机设备,该计算机设备包括存储器和处理器,存储器存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一些实施例中,如图10所示提供了一种计算机可读存储介质的内部结构图,计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一些实施例中,提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(FerroelectricRandom Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(StaticRandom AccessMemory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (12)
1.一种边缘缺陷检测方法,其特征在于,包括:
确定待检测对象的标准图中的边缘;
将所述标准图中的边缘分割成多个子边缘;
对各所述子边缘与各种预设图形基元分别对应的预设形状条件进行匹配,以确定各所述子边缘所属的预设图形基元;
将属于同一预设图形基元且相邻的子边缘合并为所述标准图中的边缘所包含的其中一个图形基元,得到所述标准图中的边缘所包含的若干个图形基元;
将各所述图形基元的端点作为对应的第一特征点;
从所述待检测对象的生产图的边缘点中确定若干个第二特征点;所述第二特征点,是边缘走向变化剧烈的位置处的边缘点;
对所述第一特征点与所述第二特征点进行匹配,得到与各所述第二特征点相匹配的第一特征点;
将与所述第二特征点相匹配的第一特征点所对应的图形基元,映射至所述生产图中的所述第二特征点的位置处,得到映射后的参照边缘;
对所述生产图中原有的边缘与所述参照边缘进行对比,以确定所述原有的边缘中存在的缺陷。
2.根据权利要求1所述的方法,其特征在于,所述从所述待检测对象的生产图的边缘点中确定若干个第二特征点,包括:
确定所述待检测对象的生产图的边缘点;
根据所述生产图的边缘点之间的相对偏移角度,将所述生产图的边缘点量化为一维向量;
将所述一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点。
3.根据权利要求2所述的方法,其特征在于,所述将所述一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点,包括:
对所述一维向量进行平滑处理,得到平滑处理后的一维向量;
对所述平滑处理后的一维向量进行求导,得到求导结果;
将所述求导结果中的极值处对应的边缘点,确定为第二特征点。
4.根据权利要求3所述的方法,其特征在于,所述对所述一维向量进行平滑处理,得到平滑处理后的一维向量,包括:
将所述一维向量表示为第一曲线图;所述第一曲线图,用于表征所述生产图的各个边缘点与相应的相对偏移角度之间的对应关系;
对所述第一曲线图中的曲线进行平滑处理,得到第二曲线图;
所述对所述平滑处理后的一维向量进行求导,得到求导结果,包括:
对所述第二曲线图中的曲线进行求导,得到第三曲线图;
所述将所述求导结果中的极值处对应的边缘点,确定为第二特征点,包括:
将所述第三曲线图中的曲线的极值处对应的边缘点,确定为第二特征点。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述对所述第一特征点与所述第二特征点进行匹配,得到与各所述第二特征点相匹配的第一特征点,包括:
针对每个所述第二特征点,从各所述图形基元分别对应的第一特征点中确定与所述第二特征点距离最近的第一特征点,得到与所述第二特征点相匹配的第一特征点。
6.一种边缘缺陷检测装置,其特征在于,包括:
第一确定模块,用于确定待检测对象的标准图中的边缘;将所述标准图中的边缘分割成多个子边缘;对各所述子边缘与各种预设图形基元分别对应的预设形状条件进行匹配,以确定各所述子边缘所属的预设图形基元;将属于同一预设图形基元且相邻的子边缘合并为所述标准图中的边缘所包含的其中一个图形基元,得到所述标准图中的边缘所包含的若干个图形基元;将各所述图形基元的端点作为对应的第一特征点;
第二确定模块,用于从所述待检测对象的生产图的边缘点中确定若干个第二特征点;所述第二特征点,是边缘走向变化剧烈的位置处的边缘点;
匹配模块,用于对所述第一特征点与所述第二特征点进行匹配,得到与各所述第二特征点相匹配的第一特征点;
映射模块,用于将与所述第二特征点相匹配的第一特征点所对应的图形基元,映射至所述生产图中的所述第二特征点的位置处,得到映射后的参照边缘;
对比模块,用于对所述生产图中原有的边缘与所述参照边缘进行对比,以确定所述原有的边缘中存在的缺陷。
7.根据权利要求6所述的装置,其特征在于,在所述从所述待检测对象的生产图的边缘点中确定若干个第二特征点方面,所述第二确定模块具体用于:
确定所述待检测对象的生产图的边缘点;
根据所述生产图的边缘点之间的相对偏移角度,将所述生产图的边缘点量化为一维向量;
将所述一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点。
8.根据权利要求7所述的装置,其特征在于,在所述将所述一维向量中数值变化剧烈处对应的边缘点,确定为第二特征点方面,所述第二确定模块具体用于:
对所述一维向量进行平滑处理,得到平滑处理后的一维向量;
对所述平滑处理后的一维向量进行求导,得到求导结果;
将所述求导结果中的极值处对应的边缘点,确定为第二特征点。
9.根据权利要求8所述的装置,其特征在于,在所述对所述一维向量进行平滑处理,得到平滑处理后的一维向量方面,所述第二确定模块具体用于:
将所述一维向量表示为第一曲线图;所述第一曲线图,用于表征所述生产图的各个边缘点与相应的相对偏移角度之间的对应关系;
对所述第一曲线图中的曲线进行平滑处理,得到第二曲线图;
在所述对所述平滑处理后的一维向量进行求导,得到求导结果方面,所述第二确定模块具体用于:
对所述第二曲线图中的曲线进行求导,得到第三曲线图;
在所述将所述求导结果中的极值处对应的边缘点,确定为第二特征点方面,所述第二确定模块具体用于:
将所述第三曲线图中的曲线的极值处对应的边缘点,确定为第二特征点。
10.根据权利要求6至9中任一项所述的装置,其特征在于,在所述对所述第一特征点与所述第二特征点进行匹配,得到与各所述第二特征点相匹配的第一特征点方面,所述匹配模块具体用于:
针对每个所述第二特征点,从各所述图形基元分别对应的第一特征点中确定与所述第二特征点距离最近的第一特征点,得到与所述第二特征点相匹配的第一特征点。
11.一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310665835.8A CN116402842B (zh) | 2023-06-07 | 2023-06-07 | 边缘缺陷检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310665835.8A CN116402842B (zh) | 2023-06-07 | 2023-06-07 | 边缘缺陷检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116402842A CN116402842A (zh) | 2023-07-07 |
CN116402842B true CN116402842B (zh) | 2023-11-03 |
Family
ID=87018339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310665835.8A Active CN116402842B (zh) | 2023-06-07 | 2023-06-07 | 边缘缺陷检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402842B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868175B1 (en) * | 1999-08-26 | 2005-03-15 | Nanogeometry Research | Pattern inspection apparatus, pattern inspection method, and recording medium |
WO2021032325A1 (en) * | 2019-08-16 | 2021-02-25 | Siemens Healthcare Gmbh | Updating boundary segmentations |
CN113077467A (zh) * | 2021-06-08 | 2021-07-06 | 深圳市华汉伟业科技有限公司 | 一种目标物体的边缘缺陷检测方法及装置、存储介质 |
CN115147327A (zh) * | 2021-03-29 | 2022-10-04 | 株式会社理光 | 检测物体的圆弧形边缘的缺陷的方法、设备及存储介质 |
CN115641332A (zh) * | 2022-12-01 | 2023-01-24 | 中科慧远视觉技术(北京)有限公司 | 产品边缘外观缺陷的检测方法及装置、介质、设备 |
CN116206125A (zh) * | 2022-12-23 | 2023-06-02 | 深圳思谋信息科技有限公司 | 外形缺陷识别方法、装置、计算机设备及存储介质 |
-
2023
- 2023-06-07 CN CN202310665835.8A patent/CN116402842B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868175B1 (en) * | 1999-08-26 | 2005-03-15 | Nanogeometry Research | Pattern inspection apparatus, pattern inspection method, and recording medium |
WO2021032325A1 (en) * | 2019-08-16 | 2021-02-25 | Siemens Healthcare Gmbh | Updating boundary segmentations |
CN115147327A (zh) * | 2021-03-29 | 2022-10-04 | 株式会社理光 | 检测物体的圆弧形边缘的缺陷的方法、设备及存储介质 |
CN113077467A (zh) * | 2021-06-08 | 2021-07-06 | 深圳市华汉伟业科技有限公司 | 一种目标物体的边缘缺陷检测方法及装置、存储介质 |
CN115641332A (zh) * | 2022-12-01 | 2023-01-24 | 中科慧远视觉技术(北京)有限公司 | 产品边缘外观缺陷的检测方法及装置、介质、设备 |
CN116206125A (zh) * | 2022-12-23 | 2023-06-02 | 深圳思谋信息科技有限公司 | 外形缺陷识别方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116402842A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160288A (zh) | 手势关键点检测方法、装置、计算机设备和存储介质 | |
WO2023130717A1 (zh) | 图像定位方法、装置、计算机设备和存储介质 | |
CN113627439A (zh) | 文本结构化处理方法、处理装置、电子设备以及存储介质 | |
CN116596935B (zh) | 形变检测方法、装置、计算机设备及计算机可读存储介质 | |
CN116402842B (zh) | 边缘缺陷检测方法、装置、计算机设备及存储介质 | |
CN116091998A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN116206125A (zh) | 外形缺陷识别方法、装置、计算机设备及存储介质 | |
CN115063473A (zh) | 物体高度的检测方法、装置、计算机设备、存储介质 | |
CN114549857A (zh) | 图像信息识别方法、装置、计算机设备和存储介质 | |
CN116563357B (zh) | 图像匹配方法、装置、计算机设备及计算机可读存储介质 | |
CN115861520B (zh) | 高光检测方法、装置、计算机设备和存储介质 | |
CN117635554A (zh) | 线路缺陷检测方法、装置、计算机设备及存储介质 | |
CN117237347B (zh) | Pcb板缺陷检测方法、装置、存储介质及电子设备 | |
CN117576645B (zh) | 基于bev视角的车位检测方法、装置和计算机设备 | |
CN116612474B (zh) | 对象检测方法、装置、计算机设备及计算机可读存储介质 | |
CN115965856B (zh) | 图像检测模型构建方法、装置、计算机设备及存储介质 | |
CN117392735B (zh) | 面部数据处理方法、装置、计算机设备和存储介质 | |
CN111932491B (zh) | 一种部件检测方法、装置及存储介质 | |
CN116152844A (zh) | 曲线数据的提取方法、装置、计算机设备、存储介质 | |
CN115965799A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN116932935A (zh) | 地址匹配方法、装置、设备、介质和程序产品 | |
CN117953415A (zh) | 物品摆放检测方法、装置、计算机设备及存储介质 | |
CN116698033A (zh) | 用户定位方法、装置、计算机设备及存储介质 | |
CN117079278A (zh) | 弧形标注生成方法、装置、计算机设备及存储介质 | |
CN116597293A (zh) | 多模态场景识别方法、装置、计算机设备和存储介质 |
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 |