CN116452503A - 识别探针的方法、装置以及电子设备 - Google Patents
识别探针的方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN116452503A CN116452503A CN202310240640.9A CN202310240640A CN116452503A CN 116452503 A CN116452503 A CN 116452503A CN 202310240640 A CN202310240640 A CN 202310240640A CN 116452503 A CN116452503 A CN 116452503A
- Authority
- CN
- China
- Prior art keywords
- radius
- connected domain
- probe
- contour
- target
- 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
- 239000000523 sample Substances 0.000 title claims abstract description 162
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000011218 segmentation Effects 0.000 claims abstract description 58
- 238000012216 screening Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 9
- 238000003780 insertion Methods 0.000 description 9
- 230000037431 insertion Effects 0.000 description 9
- 238000005299 abrasion Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000011109 contamination Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/02—General constructional details
- G01R1/06—Measuring leads; Measuring probes
- G01R1/067—Measuring probes
- G01R1/06705—Apparatus for holding or moving single probes
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种识别探针的方法、装置以及电子设备。其中,该方法包括:获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓筛选得到目标连通域轮廓;确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针主体针尖对应的轮廓;在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点对主体针尖对应的轮廓进行阈值分割;基于阈值分割结果确定主体针尖的半径以及探针中心。本申请解决了由于探针在扎针过程中易磨损易脏污造成的识别探针中心出现偏差,从而导致扎针位置出现偏差的技术问题。
Description
技术领域
本申请涉及半导体领域,具体而言,涉及一种识别探针的方法、装置以及电子设备。
背景技术
探针台主要应用于半导体行业、光电行业、集成电路以及封装的测试,通过探针卡作为测试接口,主要对晶圆上的裸芯进行测试,通过连接测试机和芯片,进行传输信号对芯片参数进行测试。测试环节中最重要的一个步骤是对针,对针是计算探针中心在图像中的像素坐标,将其转换成世界坐标系的物理坐标,将坐标输入到探针台系统,控制执行机构将探针扎入晶粒的对应的测试焊盘上。扎针的偏差直接影响到测试的质量,因此探针的识别定位要确保精确性。
探针台目前最常用的探针类型为悬臂针,悬臂针在形态上呈现明显的发亮,因此常规的探针识别方法是计算发亮针尖的质心,将质心作为定位结果。但悬臂针在扎针过程中,易磨损或易受到脏污的干扰,导致识别探针中心时出现定位偏差,导致扎针位置出现偏差,从而影响测试结果。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种识别探针的方法、装置以及电子设备,以至少解决由于探针在扎针过程中易磨损易脏污造成的识别探针中心出现偏差,从而导致扎针位置出现偏差的技术问题。
根据本申请实施例的一个方面,提供了一种识别探针的方法,包括:获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,其中,第二预设倍数大于第一预设倍数;基于阈值分割结果确定主体针尖的半径以及探针的中心。
可选地,在半径不大于设定半径的第二预设倍数的情况下,对探针图像进行识别,得到主体针尖的半径以及中心。
可选地,基于阈值分割结果确定主体针尖的半径以及探针的中心,包括:在进行阈值的分割过程中,在至少连续两次阈值分割后,所述至少连续两次的阈值分割的结果对应的主体针尖的半径的差值的绝对值小于预设值的情况下,获取至少连续两次阈值分割时所采用的各个亮度阈值;基于各个亮度阈值确定主体针尖的半径以及探针的中心。
可选地,基于各个亮度阈值确定主体针尖的半径以及探针的中心,包括:确定各个亮度阈值的中位数为第一目标亮度阈值;确定在第一目标亮度阈值下分割出的连通域的半径为主体针体的半径,以及在目标亮度阈值下分割出的连通域的质心为探针的中心。
可选地,基于各个亮度阈值确定主体针尖的半径以及探针的中心,包括:确定各个亮度阈值的平均值为第二目标亮度阈值;确定在第二目标亮度阈值下分割出的连通域的半径为主体针体的半径,以及在目标亮度阈值下分割出的连通域的质心为探针的中心。
可选地,对所有连通域轮廓进行筛选得到目标连通域轮廓,包括:对所有连通域轮廓进行筛选得到第一连通域轮廓集合,获取第一连通域轮廓集合中各个连通域轮廓对应的第一质心,确定距离探针图像的中心位置最近的第一质心对应的连通域轮廓为目标连通域轮廓。
可选地,对所有连通域轮廓进行筛选得到第一连通域轮廓集合,包括:依次遍历所有连通域轮廓,并在遍历过程中,判断当前正在检测的连通域轮廓面积是否大于设定面积;在面积大于设定面积的情况下,判断轮廓的半径是否在预设范围之内;在轮廓的半径落入预设范围之内的情况下,则判断轮廓的圆度是否大于设定圆度;在轮廓的圆度大于设定圆度的情况下,则确定当前正在检测的连通域轮廓为第一连通域轮廓集合中的元素。
可选地,在确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径之后,方法还包括:在平均值小于设定值或者目标连通域轮廓半径小于设定半径的第一预设倍数的情况下,对目标连通域轮廓进行二次筛选,得到探针的主体针尖对应的轮廓。
可选地,对目标连通域轮廓进行二次筛选,得到探针的主体针尖对应的轮廓,包括:以距离探针图像中心位置最近的第一质心的所在位置为中心;确定目标连通域轮廓的原始尺寸,在探针图像中截取局部区域图像,其中,局部区域图像的尺寸为原始尺寸的预设倍数;对局部区域图像进行二值化处理,得到局部区域图像对应的二值图,在二值图中检索连通域,得到第二连通域轮廓集合;基于第二连通域轮廓集合确定探针的主体针尖对应的轮廓。
可选地,基于第二连通域轮廓集合确定探针的主体针尖对应的轮廓,包括:将第二连通域轮廓集合中各个第二连通域轮廓映射至局部区域图像作为定位掩膜,其中,定位掩膜与局部区域图像中主体针尖的坐标一一对应;获取局部区域图像中位于定位掩膜内各个点的像素值以及像素值大于设定值的个数;确定像素值大于设定值个数最多的区域为主体区域;获取主体区域中任意一个像素点的坐标,在探针图像对应的二值图像中选取与任意一个像素点的坐标相同的点作为种子点,确定包含种子点的第三连通域,将第三连通域作为探针的主体针尖对应的轮廓。
根据本申请实施例的另一方面,还提供了一种识别探针的装置,包括:识别模块,用于获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;第一确定模块,用于确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;分割模块,用于在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,其中,第二预设倍数大于第一预设倍数;第二确定模块,用于基于阈值分割结果确定主体针尖的半径以及探针的中心。
根据本申请实施例的另一方面,还提供了一种非易失性存储介质,包括:存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行任意一种识别探针的方法。
根据本申请实施例的另一方面,还提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行指令,以实现任意一种识别探针的方法。
在本申请实施例中,采用对探针二值图进行面积、半径以及圆度条件的过滤,在初始定位后对局部区域进行二次搜索的方式,通过获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值大于设定值,且半径大于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割;基于阈值分割结果确定主体针尖的半径以及探针的中心,达到了准确识别定位探针中心的目的,从而实现了在识别定位探针中心时排除探针的脏污干扰以及探针的磨损分裂干扰的技术效果,进而解决了由于探针在扎针过程中易磨损易脏污造成的识别探针中心出现偏差,从而导致扎针位置出现偏差技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种识别探针方法的流程示意图;
图2是根据本申请实施例的一种二次筛选的流程示意图;
图3是根据本申请实施例的一种阈值动态调整的流程示意图;
图4是根据本申请实施例的一种可选的识别探针的流程示意图;
图5是根据本申请实施例的一种高倍相机下悬臂针的图像示意图;
图6是根据本申请实施例的一种悬臂针二值图像的示意图;
图7是根据本申请实施例的一种连通域轮廓图像的示意图;
图8是根据本申请实施例的一种脏污干扰图像的示意图;
图9是根据本申请实施例的一种针尖磨损分裂图像的示意图;
图10是根据本申请实施例的一种局部区域图像的示意图;
图11是根据本申请实施例的一种局部区域的二值图的示意图;
图12是根据本申请实施例的一种针尖与脏污相连图像的示意图;
图13是根据本申请实施例的一种阈值为90,半径为53的二值图的示意图;
图14是根据本申请实施例的一种阈值为100,半径为50的二值图的示意图;
图15是根据本申请实施例的一种阈值为110,半径为42的二值图的示意图;
图16是根据本申请实施例的一种阈值为120,半径为38的二值图的示意图;
图17是根据本申请实施例的一种阈值为130,半径为37的二值图的示意图;
图18是根据本申请实施例的一种阈值为140,半径为36的二值图的示意图;
图19是根据本申请实施例的一种悬臂针识别结果图的示意图;
图20是根据本申请实施例的一种识别探针的装置结构示意图;
图21是根据本申请实施例的一种示例电子设备2100的示意性框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例,提供了一种识别探针的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种识别探针的方法,如图1所示,该方法包括如下步骤:
步骤S102,获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;
步骤S104,确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;
举例而言,假设设定值为150,若目标连通域轮廓内像素的平均值小于设定值时,则离图像中心最近的轮廓可能是脏污,则需要进行二次筛选,若目标连通域轮廓内像素的平均值大于设定值时,则可确定目标连通域轮廓为探针的主体针尖对应的轮廓。
举例而言,假设第一预设倍数为0.8,若目标连通域轮廓对应的半径小于设定半径的0.8倍时,则离图像中心最近的轮廓可能是针尖磨损分裂部分,则进行二次筛选,若目标连通域轮廓对应的半径大于设定半径的0.8倍时,则可确定目标连通域轮廓为探针的主体针尖对应的轮廓。
步骤S106,在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,其中,第二预设倍数大于第一预设倍数;
举例而言,假设第二预设倍数为1.2时,若目标连通域轮廓对应的半径大于设定半径的1.2倍时,则针尖主体部分可能有脏污,需要对针尖脏污进行消除,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,基于阈值分割结果确定主体针尖的半径以及探针的中心;若目标连通域轮廓对应的半径小于于设定半径的1.2倍,且目标连通域轮廓对应的半径大于设定半径的0.8倍时,则可确定针尖半径以及探针的中心。
步骤S108,基于阈值分割结果确定主体针尖的半径以及探针的中心。
在本申请实施例中,采用对探针二值图进行面积、半径以及圆度条件的过滤,在初始定位后对局部区域进行二次搜索的方式,通过获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值大于设定值,且半径大于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割;基于阈值分割结果确定主体针尖的半径以及探针的中心,达到了准确识别定位探针中心的目的,从而实现了在识别定位探针中心时排除探针的脏污干扰以及探针的磨损分裂干扰的技术效果,进而解决了由于探针在扎针过程中易磨损易脏污造成的识别探针中心出现偏差,从而导致扎针位置出现偏差技术问题。
本申请一些可选的实施例中,在目标连通域轮廓对应的半径不大于设定半径的第二预设倍数的情况下,对探针图像进行识别,得到主体针尖的半径以及中心。
可以理解的是,若目标连通域轮廓对应的半径小于于设定半径的1.2倍,且目标连通域轮廓对应的半径大于设定半径的0.8倍时,则可确定针尖半径以及探针的中心。
本申请一示例性实施例中,基于阈值分割结果确定主体针尖的半径以及探针的中心,可以通过如下步骤实现,具体的,可在进行阈值的分割过程中,在至少连续两次阈值分割后,该至少连续两次的阈值分割结果对应的主体针尖的半径的差值的绝对值小于预设值的情况下,可获取至少连续两次阈值分割时所采用的各个亮度阈值;基于各个亮度阈值确定主体针尖的半径以及探针的中心。
举例而言,假设预设值为3时,在经过连续三次亮度阈值(120、130、140)分割之后针尖半径分别为38、37、36,即针尖半径之间的绝对差值小于3,则可以基于亮度阈值120、130、140对应的针尖半径确定主体针尖的半径以及探针的中心。
可以理解的是,阈值分割次数、预设值、初始阈值以及预设步长根据实际应用场景进行设置。
可选地,基于各个亮度阈值确定主体针尖的半径以及探针的中心,包括:确定各个亮度阈值的中位数为第一目标亮度阈值;确定在第一目标亮度阈值下分割出的连通域的半径为主体针体的半径,以及在目标亮度阈值下分割出的连通域的质心为探针的中心。
举例而言,假设预设值为3,初始阈值为90,遍历结束值为200,预设步长为10,在连续三次阈值分割之后针尖半径之间的绝对差值小于3,以初始阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,阈值在120时的半径为38,阈值在130时的半径为37,阈值在140时的半径为36,不同阈值对应的半径之间的绝对差值均小于3,此时半径已经趋于稳定,可以将不同阈值分割的中间值作为最终结果,则阈值为130时分割出的连通域的半径可为针尖半径,以及其质心为探针中心。
本申请一示例性实施例中,对所有连通域轮廓进行筛选得到目标连通域轮廓,可以通过如下方式实现:对所有连通域轮廓进行筛选得到第一连通域轮廓集合,获取第一连通域轮廓集合中各个连通域轮廓对应的第一质心,确定距离探针图像的中心位置最近的第一质心对应的连通域轮廓为目标连通域轮廓。
作为一种可选的实施方式,对所有连通域轮廓进行筛选得到第一连通域轮廓集合,包括:依次遍历所有连通域轮廓,并在遍历过程中,判断当前正在检测的连通域轮廓面积是否大于设定面积;在面积大于设定面积的情况下,判断轮廓的半径是否在预设范围之内;在轮廓的半径落入预设范围之内,则判断轮廓的圆度是否大于设定圆度;在轮廓的圆度大于设定圆度,则确定当前正在检测的连通域轮廓为第一连通域轮廓集合中的元素。
需要说明的是,预设范围是通过半径上限与半径下限进行限定,其中,半径上限=设定半径×(1+半径上限偏差百分比);半径下限=设定半径×(1-半径下限偏差百分比),其中,半径上限偏差百分比与半径下限偏差百分比可设置为5%,可根据具体应用场景进行设置。假如,设定半径为40,则半径上限=40×(1+5%)=42,半径下限=40×(1-5%)=38,则可以确认预设范围为[38,42]。
需要说明的是,轮廓的圆度是指轮廓所包围的面积与最小包围圆的面积的比值,比值越接近1则轮廓越圆,其中,最小包围圆是指该轮廓的最小包围圆。
作为一种可选的实施方式,在确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径之后,可在平均值小于设定值或者目标连通域轮廓半径小于设定半径的第一预设倍数的情况下,对目标连通域轮廓进行二次筛选,得到探针的主体针尖对应的轮廓。
举例而言,假设设定值为150,若目标连通域轮廓内像素的平均值小于150时,则离图像中心最近的轮廓可能是脏污,则需要进行二次筛选。
举例而言,假设第一预设倍数为0.8,若目标连通域轮廓对应的半径小于设定半径的0.8倍时,则离图像中心最近的轮廓可能是针尖磨损分裂部分,则需要进行二次筛选。
图2是根据本申请实施例的一种二次筛选的流程示意图,如图2所示,该方法包括如下步骤:
步骤S202,以距离探针图像中心位置最近的第一质心的所在位置为中心;
步骤S204,确定目标连通域轮廓的原始尺寸,在探针图像中截取局部区域图像,其中,局部区域图像的尺寸为原始尺寸的预设倍数;
步骤S206,对局部区域图像进行二值化处理,得到局部区域图像对应的二值图,在二值图中检索连通域,得到第二连通域轮廓集合;
步骤S208,基于第二连通域轮廓集合确定探针的主体针尖对应的轮廓。
举例而言,假设预设倍数为3时,确定目标连通域轮廓的原始尺寸后,则目标连通域轮廓的原始尺寸的3倍为局部区域图像,在局部区域图像对应的二值图中检索连通域,得到第二连通域轮廓集合,基于第二连通域轮廓集合确定探针的主体针尖对应的轮廓。
图3是根据本申请实施例的一种阈值动态调整的流程示意图,如图3所示,该方法包括如下步骤:
步骤S302,将第二连通域轮廓集合中各个第二连通域轮廓映射至局部区域图像作为定位掩膜,其中,定位掩膜与局部区域图像中主体针尖的坐标一一对应;
步骤S304,获取局部区域图像中位于定位掩膜内各个点的像素值以及像素值大于设定值的个数;
步骤S306,确定像素值大于设定值个数最多的区域为主体区域;
步骤S308,获取主体区域中任意一个像素点的坐标,在探针图像对应的二值图像中选取与任意一个像素点的坐标相同的点作为种子点,确定包含种子点的第三连通区域,将第三连通域作为探针的主体针尖对应的轮廓。
举例而言,假设设定值为120,探针的类型为悬臂针,可以将悬臂针的连通域映射至局部区域图像作为定位掩膜,然后,可以统计每个连通域对应的区域图像中像素值大于设定值120的个数,再确定大于设定值像素个数最多的为悬臂针针尖主体部分,最后,选取主体部分连通域上的任意一点作为种子点,确定种子点所在的连通域为悬臂针主体针尖对应轮廓。
为了便于本领域技术人员更好的理解本申请的技术方案,现结合一具体实施例进行说明。
以悬臂针为例,图4是根据本申请实施例的一种可选的识别悬臂针的流程示意图,如图4所示,该流程主要包括如下步骤:
(1)输入探针台高倍相机采集的悬臂针图像,如图5所示是该实施例中高倍相机下采集的悬臂针的图像;
(2)获取悬臂针二值图像,如图6所示是该实施例的对高倍相机采集的图像进行灰度化,得到的悬臂针二值图像;
(3)检索视野中所有连通域的轮廓,如图7所示,连通域的轮廓在二值图像中为白色相连区域;
(4)依次遍历所有连通域轮廓;
(5)在遍历过程中,判断轮廓面积是否大于设定的轮廓面积,若轮廓面积大于设定的轮廓面积,则进入下一步,否则回到步骤(4)遍历下一个连通域轮廓,其中,轮廓面积指轮廓线以内的像素面积,由多个白色像素点组成;
(6)在轮廓面积大于设定的轮廓面积的情况下,判断轮廓的半径是否在预设范围之内,如果轮廓的半径在预设范围之内,说明半径符合要求,则进入下一步,否则回到步骤(4)遍历下一个连通域轮廓;
需要说明的是,预设范围是通过半径上限与半径下限进行限定,其中,半径上限=设定半径×(1+半径上限偏差百分比);半径下限=设定半径×(1-半径下限偏差百分比),其中,半径上限偏差百分比与半径下限偏差百分比可设置为5%,可根据具体应用场景进行设置。
(7)在轮廓的半径落入预设范围之内,则判断轮廓的圆度是否大于设定圆度,,如果轮廓的圆度大于设定圆度,则进入下一步,否则回到步骤(4)遍历下一个连通域轮廓;
需要说明的是,轮廓的圆度是指轮廓的面积与最小包围圆的面积的商,商越接近1则轮廓越圆,其中,最小包围圆是指该轮廓中的最小包围圆。
(8)计算轮廓质心;
(9)筛选出离图像中心最近的轮廓质心;
(10)对初步检索到的目标轮廓计算其内部像素的平均值,若目标连通域轮廓内像素的平均值小于设定值时,或目标连通域轮廓对应的半径小于设定半径的第一预设倍数时,对目标连通域轮廓进行二次筛选,得到探针的主体针尖对应的轮廓。若目标连通域轮廓内像素的平均值大于设定值时,或若目标连通域轮廓对应的半径大于设定半径的第一预设倍数时,则进入步骤(16);
图8是一些实施例中的脏污干扰图像的示意图,如图8所示,离图像中心最近的轮廓是脏污,需要进行二次筛选。图9是一些实施例中的针尖磨损分裂图像的示意图,如图9所示,离图像中心最近的轮廓是针尖磨损分裂部分,在这种情况下,同样需要进行二次筛选。
举例而言,假设第一预设倍数为0.8,若目标连通域轮廓对应的半径小于设定半径的0.8倍时,则离图像中心最近的轮廓可能是针尖磨损分裂部分,则进行二次筛选,若目标连通域轮廓对应的半径大于设定半径的0.8倍时,则可确定目标连通域轮廓为探针的主体针尖对应的轮廓。
(11)以距离探针图像中心位置最近的第一质心的所在位置为中心,确定目标连通域轮廓的原始尺寸,在探针图像中截取目标连通域轮廓原始尺寸的预设倍数,得到局部区域图像;需要说明的是,针尖脏污或针尖分裂都发生在主体针尖的局部区域,因此只要在局部区域内进行二次检索;
图10是根据本申请实施例的一种局部区域图像的示意图,如图10所示,在探针图像中截取目标连通域轮廓原始尺寸的预设倍数,可得到局部区域图像。
(12)对局部区域图像进行二值化处理,得到局部区域图像对应的二值图,在二值图中检索连通域;
需要说明的是,连通域在二值图像中为白色相连区域,容易注意到的是,其由多个白色像素点组成。
举例而言,假设预设倍数为3时,确定目标连通域轮廓的原始尺寸后,则目标连通域轮廓的原始尺寸的3倍为局部区域图像,在局部区域图像对应的二值图中检索连通域。
图11是根据本申请实施例的一种局部区域的二值图的示意图,如图11所示,由局部区域图像得到第二连通域轮廓集合,基于第二连通域轮廓集合确定探针的主体针尖对应的轮廓。
(13)将第二连通域轮廓集合中各个第二连通域轮廓映射至局部区域图像作为定位掩膜,获取局部区域图像中位于定位掩膜内各个点的像素值以及像素值大于设定值的个数,确定像素值大于设定值个数最多的区域为主体区域;
(14)获取主体区域中任意一个像素点的坐标,在探针图像对应的二值图像中选取与任意一个像素点的坐标相同的点作为种子点,确定包含种子点的第三连通区域,将第三连通区域确定为探针的主体针尖对应的轮廓;
需要说明的是,映射回原探针图像进行检索是为了预防针尖比较大,上述步骤(11)中的局部区域可能未包含全整个针尖主体区域。
(15)计算二次检索之后的主体针尖的半径和质心;
(16)判断半径是否大于设定半径的第二预设倍数,在半径大于设定半径的第二预设倍数的情况下,则针尖主体部分可能连接有脏污,此时定位的质心是不准的,要进入下一步对针尖脏污进行消除;若目标连通域轮廓对应的半径小于于设定半径的第二预设倍数,则直接进入步骤(18)输出悬臂针半径和中心;
图12是根据本申请实施例的一种针尖与脏污相连图像的示意图,如图12所示,在半径大于设定半径的第二预设倍数的情况下,即针尖主体部分可能连接有脏污,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割。
举例而言,假设第二预设倍数为1.2时,若目标连通域轮廓对应的半径大于设定半径的1.2倍时,则针尖主体部分可能有脏污,需要对针尖脏污进行消除,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,基于阈值分割结果确定主体针尖的半径以及探针的中心;若目标连通域轮廓对应的半径小于于设定半径的1.2倍,且目标连通域轮廓对应的半径大于设定半径的0.8倍时,则可确定针尖半径以及探针的中心。
(17)在进行阈值的分割过程中,在连续两次阈值分割后,连续两次的阈值分割结果对应的主体针尖的半径的差值的绝对值小于预设值的情况下停止阈值分割,获取在分割过程中已参与阈值分割过程的各个亮度阈值,基于各个亮度阈值确定主体针尖的半径以及探针的中心可以理解的是,阈值分割次数、预设值、初始阈值以及预设步长根据实际应用场景进行设置;
举例而言,假设预设值为3时,初始阈值为90,遍历结束值为200,预设步长为10,,以初始阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,阈值在120时的半径为38,阈值在130时的半径为37,阈值在140时的半径为36,连续三次阈值对应的半径之间的绝对差值均小于3,此时半径已经趋于稳定,可以将不同阈值的中位数对应的半径作为最终结果,则阈值为130时分割出的连通域的半径可为针尖半径,以及其质心为探针中心。
举例而言,假设预设值为2时,初始阈值为90,遍历结束值为200,预设步长为10,以初始阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,阈值在120时的半径为38,阈值在130时的半径为37,不同阈值对应的半径之间的绝对差值小于2,此时半径已经趋于稳定,可以将不同阈值对应半径的平均值作为最终结果,则阈值在120与阈值在130时分割出的连通域半径的平均值可为针尖半径,以及其质心为探针中心。
图13、图14、图15为以初始阈值为90,以预设步长为10进行连续多次阈值分割之后的二值图像。
具体的,图13是阈值为90时对应的半径为53的二值图,图14是阈值为100时对应的半径为50的二值图,图15是阈值为110时对应的半径为42的二值图,图16是阈值为120时对应的半径为38的二值图,图17是阈值为130时对应的半径为37的二值图,图18是阈值为140时对应的半径为36的二值图。
(18)输出悬臂针识别结果:悬臂针半径和中心,如图19所示,是该实施例中最终得到的悬臂针识别结果图。
容易注意到的是,本申请采用对探针二值图进行面积、半径以及圆度条件的过滤,在初始定位后对局部区域进行二次搜索的方式,有以下有益效果:
(1)本申请采用动态阈值的调整方法,遍历调整阈值直至分割的悬臂针半径区域平稳,相较于固定阈值分割的方式,采用该方法能有效的去除相连脏污的干扰,使得探针定位更精确。
(2)本申请在初始定位后,采用局部区域二次搜索悬臂针方法,在针尖受到脏污干扰及针尖磨损的情况下,若参数设置不佳,可能初步定位结果为脏污或针尖碎片,利用二次检索在初步检索的范围内检索针尖主体区域,从而使得定位针尖更准确,防止探针在脏污干扰以及针尖磨损的情况下误识别,增强了探针定位的稳定性。
(3)本申请采用面积、半径以及圆度条件对轮廓进行过滤,可以有效去除亮斑干扰,防止探针在脏污干扰以及针尖磨损的情况下误识别。
图20是根据本申请实施例的一种识别探针的装置结构示意图,如图20所示,该装置包括:
识别模块200,用于获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;
第一确定模块202,用于确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;
分割模块204,用于在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,其中,第二预设倍数大于第一预设倍数;
第二确定模块206,用于基于阈值分割结果确定主体针尖的半径以及探针的中心。
该装置中,识别模块200,用于获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;第一确定模块202,用于确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;分割模块204,用于在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,其中,第二预设倍数大于第一预设倍数;第二确定模块206,用于基于阈值分割结果确定主体针尖的半径以及探针的中心,达到了准确识别定位探针中心的目的,从而实现了在识别定位探针中心时排除探针的脏污干扰以及探针的磨损分裂干扰的技术效果,进而解决了由于探针在扎针过程中易磨损易脏污造成的识别探针中心出现偏差,从而导致扎针位置出现偏差技术问题。
根据本申请实施例的另一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行任意一项识别探针的方法。
具体地,上述存储介质用于存储以下功能的程序指令,实现以下功能:
获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,其中,第二预设倍数大于第一预设倍数;基于阈值分割结果确定主体针尖的半径以及探针的中心。
可选地,在本实施例中,上述存储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。上述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。
在本申请一示例性实施例中,还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现上述任一项识别探针的方法。
可选地,该计算机程序在被处理器执行时可实现如下步骤:
获取探针图像对应的二值图像,并识别二值图像中的所有连通域轮廓,对所有连通域轮廓进行筛选得到目标连通域轮廓;确定目标连通域轮廓内像素的平均值与目标连通域轮廓对应的半径,在平均值不小于设定值,且半径不小于设定半径的第一预设倍数的情况下,确定目标连通域轮廓为探针的主体针尖对应的轮廓;在半径大于设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对主体针尖对应的轮廓进行阈值分割,其中,第二预设倍数大于第一预设倍数;基于阈值分割结果确定主体针尖的半径以及探针的中心。
根据本申请的实施例提供了一种电子设备,该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述任一项识别探针的方法。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入设备输出设备和上述处理器连接。
图21是根据本申请实施例的一种示例电子设备2100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。如图21所示,设备2100包括计算单元2101,其可以根据存储在只读存储器(ROM)2102中的计算机程序或者从存储单元2108加载到随机访问存储器(RAM)2103中的计算机程序,来执行各种适当的动作和处理。在RAM2103中,还可存储设备2100操作所需的各种程序和数据。计算单元2101、ROM 2102以及RAM2103通过总线2104彼此相连。输入/输出(I/O)接口2105也连接至总线2104。
设备2100中的多个部件连接至I/O接口2105,包括:输入单元2106,例如键盘、鼠标等;输出单元2107,例如各种类型的显示器、扬声器等;存储单元2108,例如磁盘、光盘等;以及通信单元2109,例如网卡、调制解调器、无线通信收发机等。通信单元2109允许设备2100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2101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2101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2101执行上文所描述的各个方法和处理,例如识别探针的方法。例如,在一些实施例中,识别探针的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2108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 2102和/或通信单元2109而被载入和/或安装到设备2100上。当计算机程序加载到RAM 2103并由计算单元2101执行时,可以执行上文描述的识别探针的方法的一个或多个步骤。备选地,在其他实施例中,计算单元2101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行识别探针的方法。
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)、芯片上系统的系统(SOC)、负载可编程逻辑设备(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。
用于实施本申请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。
在本申请的上下文中,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。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种识别探针的方法,其特征在于,包括:
获取探针图像对应的二值图像,并识别所述二值图像中的所有连通域轮廓,对所述所有连通域轮廓进行筛选得到目标连通域轮廓;
确定所述目标连通域轮廓内像素的平均值与所述目标连通域轮廓对应的半径,在所述平均值不小于设定值,且所述半径不小于设定半径的第一预设倍数的情况下,确定所述目标连通域轮廓为所述探针的主体针尖对应的轮廓;
在所述半径大于所述设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对所述主体针尖对应的轮廓进行阈值分割,其中,所述第二预设倍数大于所述第一预设倍数;
基于所述阈值分割结果确定所述主体针尖的半径以及所述探针的中心。
2.根据权利要求1所述的方法,其特征在于,在所述半径不大于所述设定半径的第二预设倍数的情况下,对所述探针图像进行识别,得到所述主体针尖的半径以及所述中心。
3.根据权利要求1所述的方法,其特征在于,基于所述阈值分割结果确定所述主体针尖的半径以及所述探针的中心,包括:
在进行阈值的分割过程中,在至少连续两次阈值分割后,所述至少连续两次阈值分割的结果对应的所述主体针尖的半径的差值的绝对值小于预设值的情况下,获取所述至少连续两次阈值分割时所采用的各个亮度阈值;
基于所述各个亮度阈值确定所述主体针尖的半径以及所述探针的中心。
4.根据权利要求3所述的方法,其特征在于,基于所述各个亮度阈值确定所述主体针尖的半径以及所述探针的中心,包括:
确定所述各个亮度阈值的中位数为第一目标亮度阈值;
确定在所述第一目标亮度阈值下分割出的连通域的半径为所述主体针体的半径,以及在所述目标亮度阈值下分割出的连通域的质心为所述探针的中心。
5.根据权利要求1所述的方法,其特征在于,对所述所有连通域轮廓进行筛选得到目标连通域轮廓,包括:
对所述所有连通域轮廓进行筛选得到第一连通域轮廓集合,获取所述第一连通域轮廓集合中各个连通域轮廓对应的第一质心,确定距离所述探针图像的中心位置最近的第一质心对应的连通域轮廓为目标连通域轮廓。
6.根据权利要求5所述的方法,其特征在于,对所述所有连通域轮廓进行筛选得到第一连通域轮廓集合,包括:
依次遍历所述所有连通域轮廓,并在遍历过程中,判断当前正在检测的连通域轮廓面积是否大于设定面积;
在所述面积大于所述设定面积的情况下,判断所述轮廓的半径是否在预设范围之内;
在所述轮廓的半径落入所述预设范围之内的情况下,则判断所述轮廓的圆度是否大于设定圆度;
在所述轮廓的圆度大于所述设定圆度的情况下,则确定所述当前正在检测的连通域轮廓为所述第一连通域轮廓集合中的元素。
7.根据权利要求1所述的方法,其特征在于,在确定所述目标连通域轮廓内像素的平均值与所述目标连通域轮廓对应的半径之后,所述方法还包括:
在所述平均值小于所述设定值或者所述目标连通域轮廓半径小于所述设定半径的第一预设倍数的情况下,对所述目标连通域轮廓进行二次筛选,得到所述探针的主体针尖对应的轮廓。
8.根据权利要求7所述的方法,其特征在于,对所述目标连通域轮廓进行二次筛选,得到所述探针的主体针尖对应的轮廓,包括:
以距离所述探针图像中心位置最近的第一质心的所在位置为中心;
确定所述目标连通域轮廓的原始尺寸,在所述探针图像中截取局部区域图像,其中,所述局部区域图像的尺寸为所述原始尺寸的预设倍数;
对所述局部区域图像进行二值化处理,得到所述局部区域图像对应的二值图,在所述二值图中检索连通域,得到第二连通域轮廓集合;
基于所述第二连通域轮廓集合确定所述探针的主体针尖对应的轮廓。
9.根据权利要求8所述的方法,其特征在于,基于所述第二连通域轮廓集合确定所述探针的主体针尖对应的轮廓,包括:
将所述第二连通域轮廓集合中各个第二连通域轮廓映射至所述局部区域图像作为定位掩膜,其中,所述定位掩膜与所述局部区域图像中所述主体针尖的坐标一一对应;
获取所述局部区域图像中位于所述定位掩膜内各个点的像素值以及所述像素值大于设定值的个数;
确定所述像素值大于所述设定值个数最多的区域为主体区域;
获取所述主体区域中任意一个像素点的坐标,在所述探针图像对应的二值图像中选取与所述任意一个像素点的坐标相同的点作为种子点,确定包含所述种子点的第三连通域,将所述第三连通域的轮廓作为所述探针的主体针尖对应的轮廓。
10.一种识别探针的装置,其特征在于,包括:
识别模块,用于获取探针图像对应的二值图像,并识别所述二值图像中的所有连通域轮廓,对所述所有连通域轮廓进行筛选得到目标连通域轮廓;
第一确定模块,用于确定所述目标连通域轮廓内像素的平均值与所述目标连通域轮廓对应的半径,在所述平均值不小于设定值,且所述半径不小于设定半径的第一预设倍数的情况下,确定所述目标连通域轮廓为所述探针的主体针尖对应的轮廓;
分割模块,用于在所述半径大于所述设定半径的第二预设倍数的情况下,以初始亮度阈值为起点,按照预设步长对所述主体针尖对应的轮廓进行阈值分割,其中,所述第二预设倍数大于所述第一预设倍数;
第二确定模块,用于基于所述阈值分割结果确定所述主体针尖的半径以及所述探针的中心。
11.一种非易失性存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述识别探针的方法。
12.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至9中任一项所述的识别探针的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240640.9A CN116452503A (zh) | 2023-03-08 | 2023-03-08 | 识别探针的方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240640.9A CN116452503A (zh) | 2023-03-08 | 2023-03-08 | 识别探针的方法、装置以及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116452503A true CN116452503A (zh) | 2023-07-18 |
Family
ID=87126299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310240640.9A Pending CN116452503A (zh) | 2023-03-08 | 2023-03-08 | 识别探针的方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116452503A (zh) |
-
2023
- 2023-03-08 CN CN202310240640.9A patent/CN116452503A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116309537B (zh) | 一种极耳模具表面油污的缺陷检测方法 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
WO2023179122A1 (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
CN112837290A (zh) | 一种基于种子填充算法的裂缝图像自动识别方法 | |
CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
CN111325164B (zh) | 指针表示数识别方法、装置和电子设备 | |
CN111027343A (zh) | 条形码区域定位方法和装置 | |
CN115294527B (zh) | 一种基于计算机视觉的地铁隧道破损检测方法 | |
CN112686264A (zh) | 数字式仪表读数方法、装置、计算机设备和存储介质 | |
CN115100191A (zh) | 基于工业检测的金属铸件缺陷识别方法 | |
CN116703909B (zh) | 一种电源适配器生产质量智能检测方法 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及系统及装置及介质 | |
CN116309518A (zh) | 一种基于计算机视觉的pcb电路板检测方法及系统 | |
CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN114066862A (zh) | 一种基于色域和轮廓特征的指示器识别方法及系统 | |
CN116452503A (zh) | 识别探针的方法、装置以及电子设备 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN113362288B (zh) | 一种金手指划伤检测方法、装置以及电子设备 | |
CN113537253B (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
CN115861801A (zh) | 指针式仪表识别方法、系统、电子设备及可读存储介质 | |
CN115254674A (zh) | 一种轴承缺陷分选方法 | |
JP2647502B2 (ja) | パターン比較検査方法および装置 |
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 |