CN116559177A - 一种缺陷检测方法、装置、设备以及存储介质 - Google Patents
一种缺陷检测方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN116559177A CN116559177A CN202310592192.9A CN202310592192A CN116559177A CN 116559177 A CN116559177 A CN 116559177A CN 202310592192 A CN202310592192 A CN 202310592192A CN 116559177 A CN116559177 A CN 116559177A
- Authority
- CN
- China
- Prior art keywords
- defect
- defect detection
- target
- sample
- detected
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 439
- 238000001514 detection method Methods 0.000 title claims abstract description 214
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000011156 evaluation Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 239000004973 liquid crystal related substance Substances 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 6
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- 230000015556 catabolic process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009776 industrial production Methods 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
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8874—Taking dimensions of defect into account
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
-
- 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
Abstract
本发明公开了一种缺陷检测方法、装置、设备以及存储介质。该方法包括:基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片;采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果;采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果;根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果。本发明的技术方案,可以结合先缺陷检测后拼接,以及先拼接后缺陷检测的两种缺陷检测的方式进行缺陷检测,可以在不影响缺陷检测准确性的情况下降低对计算机运行内存的依赖,提高缺陷检测的效率。
Description
技术领域
本发明涉及计算机领域,尤其涉及一种缺陷检测方法、装置、设备以及存储介质。
背景技术
缺陷检测技术已广泛应用于许多工业生产的进程中,例如,在焊接生产过程中,往往需要对样品工件等进行缺陷检测。然而,随着摄像机分辨率的增加,每一张局部图片所占内存也在增加,当所检测物体较大时,拼凑一张完整的全局图片往往需要拍摄上百张甚至更多的局部图。这增加了同时保证缺陷检测准确率和效率的难度。
如何在保证缺陷检测的准确率的情况下,提高缺陷检测的效率,从而加快工业生产的速率,是目前亟待解决的问题。
发明内容
本发明提供了一种缺陷检测方法、装置、设备以及存储介质,可以在不影响缺陷检测准确性的情况下降低对计算机运行内存的依赖,提高缺陷检测的效率。
根据本发明的一方面,提供了一种缺陷检测方法,包括:
基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片;
采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果;
采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果;
根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果。
根据本发明的另一方面,提供了一种缺陷检测装置,包括:
获取模块,用于基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片;
第一生成模块,用于采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果;
第二生成模块,用于采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果;
第三生成模块,用于根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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发明任一实施例所述的缺陷检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的缺陷检测方法。
本发明实施例的技术方案,基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片,采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果,采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果,根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果,通过结合先缺陷检测后拼接,以及先拼接后缺陷检测的两种缺陷检测的方式进行缺陷检测,可以在不影响缺陷检测准确性的情况下降低对计算机运行内存的依赖,提高缺陷检测的效率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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他的附图。
图1A是本发明实施例一提供的一种缺陷检测方法的流程图;
图1B是本发明实施例一提供的目标分类区域的分区示意图;
图1C是本发明实施例一提供的结构区和非结构区示意图;
图2A是本发明实施例二提供的一种缺陷检测方法的流程示意图;
图2B是本发明实施例二提供的缺陷类别确定的流程示意图;
图3是本发明实施例三提供的一种缺陷检测装置的结构框图;
图4是本发明实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”、“候选”、“备选”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,以便这里描述的本发明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。
在相关技术中,往往会先将所检测物体的多张局部图像进行拼接得到物体完整图像再进行后续的缺陷检测。然而随着摄像机分辨率的增加,每一张局部图片所占内存也在增加,当所检测物体较大时,拼凑一张完整的图片需要拍摄上百张甚至更多的局部图,容易导致计算机内存难以负荷而使得系统崩溃。而若将拼凑的图进行压缩则会使得图片细节缺失,导致缺陷的漏检。另外,现有的缺陷检测方法只能对缺陷进行检测,想要进一步对缺陷进行分类则需要人工对缺陷进行打标签,然后借助深度学习的方法实现分类,此方法工作量巨大且繁琐,运算量巨大。
针对直接处理拼凑所得物体全局图片,而导致计算机内存难以负荷而使得系统崩溃的问题,本发明提出了一种结合两种缺陷检测方式分步处理,以进行缺陷检测的方案,并给出了对缺陷进行分类的可实施方式,具体的实现过程将在后续实施例进行详细介绍。
实施例一
图1A是本发明实施例一提供的一种缺陷检测方法的流程图;图1B是本发明实施例一提供的目标分类区域的分区示意图;图1C是本发明实施例一提供的结构区和非结构区示意图;本实施例可适用于对待测样品进行全面有效的缺陷检测的情况,该方法可以由缺陷检测装置来执行,该缺陷检测装置可以采用硬件和/或软件的形式实现,该缺陷检测装置可配置于电子设备中,如缺陷检测系统中,由缺陷检测系统的处理器执行。如图1A所示,该缺陷检测方法包括:
S101、基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片。
其中,待测样品是指目标进行缺陷检测的样品,待测样品例如可以是硅片、波导片等。目标局部图片是指可以表征待测样品表面局部区域情况的小块局部图片,通过将待测样品的至少两张目标局部图片拼接可以得到待测样品的全局图。全局图可以表征待测样品表面全部区域的情况。
可选的,可以基于预设步长,控制相机基于预设的拍摄路线运动,周期性地对待测样品的表面进行拍摄,采集待测样品不同局部区域的图片,从而获取至少两张目标局部图片。也就是说,各目标局部图片分别为每次相机拍摄的待测样品表面局部区域的图片。
可选的,获取至少两张目标局部图片之后,还可以基于预设的滤波处理技术,对各目标局部图片进行滤波处理(如带阻滤波处理),以突出图片中的缺陷。示例性的,进行带阻滤波处理所采用的带阻滤波器可以是通过两个不同通带大小的低通滤波器作差得到,其中,低通滤波器例如可以是高斯滤波器。
S102、采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果。
其中,先缺陷检测后拼接的缺陷检测方式为一种精检的缺陷检测方式。第一缺陷检测结果是指采用先缺陷检测后拼接的缺陷检测方式对待测样品进行缺陷检测后生成的检测结果。第一缺陷检测结果可以包括缺陷的分布信息和缺陷所属的类别信息,还可以只包括缺陷的分布信息,本发明对此不做限制。
可选的,采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果,包括:根据各目标局部图片中各像素点的灰度值,基于预设的筛选规则,确定出各目标局部图片中的第一目标缺陷区域;根据第一目标缺陷区域,对各目标局部图片进行缺陷标注,并将进行缺陷标注后的各目标局部图片进行拼接,生成待测样品的第一全局图;根据第一全局图中第一目标缺陷区域的分布信息,生成对待测样品的第一缺陷检测结果。
其中,第一目标缺陷区域是指目标局部图片中满足预设筛选规则的缺陷区域。第一全局图是指基于先缺陷检测后拼接的方式生成的待测样品的全局图。分布信息是指表征第一目标缺陷区域在第一全局图中所处位置方位的信息。
可选的,可以根据目标局部图片中各像素点的灰度值与预设灰度阈值的关系,确定目标局部图片中像素点灰度值大于预设灰度阈值的像素点集合,并将该像素点集合对应的区域,直接确定为目标局部图片中的第一目标缺陷区域,也就是说,可以将经过模板处理后的局部图片中各像素点的灰度值大于预设灰度阈值的像素点集合,直接确定为目标局部图片中的第一目标缺陷区域。
示例性的,可以在模板内计算目标局部图片在模板内像素的最大灰度差值,并将该差值设置为该模板的灰度值,以基于该模板对目标局部图片进行滤波处理。模板的大小可设置为3×3或5×5等像素大小。在此应当说明的是,上述模板不是额外添加的,而是目标局部图片上的一定像素点组成的子区域,例如,3×3像素点组成的子区域,基于此,上述所说的滤波处理即为先计算3×3像素点组成的子区域内各像素点之间的灰度差值,然后取最大的那个灰度差值设为该子区域内的灰度值,以此类推按照一定的预设路径以子区域的大小为界限对目标局部图片遍历计算,从而赋予目标局部图片各子区域相应的灰度值,然后基于子区域的灰度值与阈值的大小关系确定该子区域是否为缺陷区域。需要说明的是,基于上述方法确定出的缺陷区域可以直接作为最终的第一目标缺陷区域,也可以进一步基于本实施例后续描述的尺寸要求,对上述方法确定出的缺陷区域再次筛选,并将满足尺寸要求的缺陷区域确定为最终的第一目标缺陷区域,本发明对此不做限制。
可选的,可以基于上述像素点灰度值和预设灰度阈值比较的方式确定出缺陷区域之后,进一步基于预设的对缺陷区域的尺寸要求,进一步对缺陷区域进行筛选,以确定最终的第一目标缺陷区域,具体的,根据各目标局部图片中各像素点的灰度值,基于预设的筛选规则,确定出各目标局部图片中的第一目标缺陷区域,包括:根据目标局部图片中各像素点的灰度值与预设灰度阈值的关系,确定目标局部图片中的第一候选缺陷区域;根据各第一候选缺陷区域的尺寸与预设的第一尺寸阈值的大小关系,从第一候选缺陷区域中筛选出第一目标缺陷区域。
其中,第一尺寸阈值可以表征第一候选缺陷区域的尺寸下限,可以根据实际检测时的情况按需设定第一目标缺陷区域要求的尺寸范围,如设定为3~400像素,则可以将尺寸范围的上限值(如400像素),确定为第一尺寸阈值。
可选的,可以确定目标局部图片中像素点灰度值大于预设灰度阈值的像素点集合,并将该像素点集合对应的区域,初步确定为目标局部图片中的第一候选缺陷区域,进一步根据各第一候选缺陷区域的尺寸与预设的第一尺寸阈值的大小关系,将尺寸小于预设的第一尺寸阈值的第一候选缺陷区域确定为第一目标缺陷区域。
需要说明的是,若第一候选缺陷区域的尺寸大于预设的第一尺寸阈值,则认为该缺陷的尺寸过大,此时不对该缺陷进行标注,可以基于后续的先拼接后缺陷检测的方式对尺寸过大的缺陷进行标注,从而避免对计算机内存的占用,提高缺陷检测效率。
可选的,第一缺陷检测结果还可以包括第一目标缺陷区域所属的缺陷类别;相应的,确定第一目标缺陷区域所属的缺陷类别,包括:确定各第一目标缺陷区域对应的最小外接圆半径和最大内切圆半径;根据最小外接圆半径和最大内切圆半径,基于预设的评估计算规则,确定各第一目标缺陷区域对应的评估值;根据各第一目标缺陷区域对应的评估值与预设评估阈值的关系,确定各第一目标缺陷区域的缺陷类别。
其中,第一目标缺陷区域的缺陷类别例如可以是第一级缺陷类别,如块状缺陷或线状缺陷。预设评估阈值例如可以是20。
示例性的,确定各第一目标缺陷区域对应的最小外接圆半径Rout和最大内切圆半径Rin之后,可以基于公式D=RoutRin,确定各第一目标缺陷区域对应的评估值D。
可选的,可以确定各第一目标缺陷区域对应的评估值与预设评估阈值的大小关系,若评估值大于预设评估阈值,则可以确定该第一目标缺陷区域的缺陷类别为划痕或其他线状缺陷,若评估值小于或等于预设评估阈值,则可以确定该第一目标缺陷区域的缺陷类别为块状缺陷。
需要说明的是,本发明上述提出的缺陷分类方法,可适用于解决采用深度学习进行缺陷分类时,前期对缺陷进行人工打标签等繁琐的问题,此缺陷分类方法既可以作为一种独立的缺陷分类方法,也可作为辅助人工对缺陷进行打标签的方法。
可选的,确定各第一目标缺陷区域的缺陷类别,包括:若第一目标缺陷区域对应的评估值小于或等于预设评估阈值,则确定该第一目标缺陷区域的第一级缺陷类别为块状缺陷;基于预设的尺寸要求,将该第一目标缺陷区域及其周围预设区域确定为目标分类区域,并对目标分类区域进行划分,确定划分子区域;根据各划分子区域之间灰度的梯度方向,确定该第一目标缺陷区域的第二级缺陷类别。
其中,第一级缺陷类别可以有其对应的第二级缺陷类别。具体的,线状缺陷的第二级缺陷类别例如可以是划痕等。块状缺陷的第二级缺陷类别例如可以是气泡类块状缺陷或污渍类块状缺陷。
可选的,确定第一目标缺陷区域的第一级缺陷类别为块状缺陷之后,可以在该第一目标缺陷区域对应的局部图片中,通过截取块状缺陷最小外接矩形长、宽的两倍的区域,得到目标分类区域,实现将该第一目标缺陷区域及其周围预设区域确定为目标分类区域。
可选的,确定目标分类区域之后,可以将目标分类区域平均分为四个计算区域,每个计算区域分别再平均分成四个小区域;分别计算靠近目标分类区域中心的小区域和靠近目标分类区域顶点的小区域的平均灰度值,并根据两个小区域平均灰度值的大小关系,确定灰度值的梯度方向,若梯度方向为指向缺陷中心,则可以确定该第一目标缺陷区域的第二级缺陷类别为气泡类的块状缺陷,否则,可以确定该第一目标缺陷区域的第二级缺陷类别为污渍类的块状缺陷。
示例性的,参见图1B,目标分类区域可以平均划分为计算区域1、计算区域2、计算区域3和计算区域4,每个计算区域分别再平均分成四个小区域,例如可以将计算区域1平均分成小区域a、小区域b、小区域c以及小区域d。可以通过比较小区域a和小区域d的平均灰度值,确定灰度值的梯度方向,例如,若小区域a的平均灰度值小于小区域d的平均灰度值,则可以确定梯度方向为指向缺陷中心(即图中箭头指示的方向),此时可以确定第二级缺陷类别为气泡类的块状缺陷,若梯度方向为远离缺陷中心,则可以确定第二级缺陷类别为污渍类的块状缺陷。
S103、采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果。
其中,先拼接后缺陷检测的方式为一种粗检的缺陷检测方式。第二缺陷检测结果是指采用先拼接后缺陷检测的缺陷检测方式对待测样品进行缺陷检测后生成的检测结果。第二缺陷检测结果可以包括缺陷的分布信息和缺陷所属的类别信息,还可以只包括缺陷的分布信息,本发明对此不做限制。
可选的,采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果,包括:将获取的至少两张目标局部图片进行拼接,生成待测样品的第二全局图,并基于预设的压缩比例,对第二全局图进行压缩,生成压缩全局图;基于预设的边缘检测算法,对压缩全局图进行边缘提取,并根据边缘提取结果,确定压缩全局图中的结构区和非结构区;对结构区和非结构区分别进行缺陷检测,生成对待测样品的第二缺陷检测结果。
其中,若待测样品是硅片,则在硅片上刻蚀得到光栅的场景下,结构区可以是指刻蚀之后硅片上的光栅区,非结构区可以是指硅片上除光栅区之外的区域。
可选的,可以基于sobel边缘检测算法中的sobel算子,对压缩全局图进行边缘提取,得到边缘提取结果,并根据边缘提取结果,确定压缩全局图中的结构区,将压缩全局图中除结构区之外的区域确定为非结构区。
示例性的,参见图1C,压缩全局图可以由结构区和非结构区组成,由于结构区的边缘容易被识别为缺陷,因此本发明先对压缩全局图进行边缘提取,确定出压缩全局图中的结构区,进一步将结构区和非结构区分别进行缺陷检测,从而可以有效避免将结构区的边缘误检测为缺陷的情况。
可选的,对结构区和非结构区分别进行缺陷检测,生成对待测样品的第二缺陷检测结果,包括:对结构区和非结构区分别进行缺陷检测,确定压缩全局图中的第二候选缺陷区域;根据各第二候选缺陷区域的尺寸与第二尺寸阈值的大小关系,从第二候选缺陷区域中筛选出第二目标缺陷区域;根据压缩全局图中第二目标缺陷区域的分布信息,生成对待测样品的第二缺陷检测结果。
可选的,可以根据第一尺寸阈值和预设的压缩比例,确定第二尺寸阈值,例如,在先缺陷检测后拼接的缺陷检测过程中将第一尺寸阈值设定400像素,且在先拼接后缺陷检测的缺陷检测过程中时将图片像素压缩100倍时,可以确定先拼接后缺陷检测的缺陷检测过程中的第二尺寸阈值为4个像素大小。
可选的,第二缺陷检测结果中也可以包含第二目标缺陷区域所属的缺陷类别,相应的,确定第二缺陷区域所属的缺陷类别与确定第一缺陷区域所属的缺陷类别的方式相同,在此不进行赘述。
需要说明的是,先缺陷检测后拼接的方式,可以避免因直接处理拼凑所得物体全局图片,而导致计算机内存难以负荷而使得系统崩溃的问题;先拼接后缺陷检测的方式,可以避免精检中的大尺寸缺陷出现漏检的情况;两种缺陷检测方式的结合可以实现在不影响缺陷检测准确性的情况下降低对计算机运行内存的依赖。
S104、根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果。
其中,最终缺陷检测结果是指将第一缺陷检测结果和第二缺陷检测结果进行合并之后生成的缺陷检测结果。
可选的,可以基于预设的规则,将第一缺陷检测结果和第二缺陷检测结果中确定的相同的缺陷信息和不同的缺陷信息进行合并,生成最终缺陷检测结果。例如,若第一缺陷检测结果确定待测样品表面a区域为缺陷区域,b区域为非缺陷区域,第二缺陷检测结果确定a区域和b区域均为缺陷区域,则可以确定最终缺陷检测结果为a区域和b区域均为缺陷区域,也可以将两种缺陷检测结果不一致的信息发送至相关人员,并获取相关人员确定的最终缺陷区域,生成最终缺陷检测结果。
本发明实施例的技术方案,基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片,采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果,采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果,根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果,通过结合先缺陷检测后拼接,以及先拼接后缺陷检测的两种缺陷检测的方式进行缺陷检测,可以在不影响缺陷检测准确性的情况下降低对计算机运行内存的依赖,提高缺陷检测的效率。
实施例二
图2A是本发明实施例二提供的一种缺陷检测方法的流程示意图;图2B是本发明实施例二提供的缺陷类别确定的流程示意图;本实施例在上述实施例的基础上,提出了一种对待检测的物品分别进行精检和粗检,以生成缺陷检测结果的优选实例。
如图2A所述,该方法包括如下过程:
1、获取物品局部图片,对局部图片进行缺陷检测与标识。
2、将标识过的局部图片进行拼接得到缺陷标识过的全局图。
其中,上述步骤1和2为精检过程,即先缺陷检测后拼接的方式。
3、将获取的局部图片拼接得到全局图,再将全局图做压缩。
4、对压缩后的全局图做图像分割,获取结构区和非结构区。
5、对分割后的区域分别进行缺陷检测与标识。
其中,上述步骤3-5为粗检过程,即先拼接后缺陷检测的方式。
可选的,在粗检和/或精检的过程中,确定目标缺陷区域之后,都可以对缺陷区域的类别进行进一步细致分类,以确定目标缺陷区域的类别。
示例性的,参见图2B,确定目标缺陷区域的类别的过程可以包括:
1、基于公式D=RoutRin,确定各第一目标缺陷区域对应的评估值(即D值)。其中,Rout,Rin分别为缺陷的最小外接圆半径与最大内切圆半径。
2、根据D值与预设评估阈值(即20)的大小关系,若D大于或等于20,则可以确定缺陷类别为划痕或其他线状缺陷。若D小于20,则可以确定缺陷类别为块状缺陷,并进一步计算缺陷的梯度方向,若梯度方向为指向缺陷中心,则可以确定缺陷类别为污渍类块状缺陷,若否,则可以确定缺陷类别为气泡类块状缺陷。
本发明的技术方法,可以避免因直接处理拼凑所得物体全局图片,而导致计算机内存难以负荷而使得系统崩溃的问题;同时粗检方案可以避免精检中的大尺寸缺陷出现漏检的情况。两者结合可以在不影响缺陷检测准确性的情况下降低对计算机运行内存的依赖。此外,缺陷分类的方法操作简单,既可以作为一种独立的缺陷分类方法,也可作为辅助人工对缺陷进行打标签的方法。
实施例三
图3是本发明实施例三提供的一种缺陷检测装置的结构框图;本发明实施例所提供的一种缺陷检测装置可适用于对待测样品进行全面有效的缺陷检测的情况,该缺陷检测装置可以采用硬件和/或软件的形式实现,并配置于具有缺陷检测功能的设备中,如缺陷检测系统中,由缺陷检测系统的处理器执行。如图3所示,该装置具体包括:
获取模块301,用于基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片;
第一生成模块302,用于采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果;
第二生成模块303,用于采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果;
第三生成模块304,用于根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果。
本发明实施例的技术方案,基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片,采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果,采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果,根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果,通过结合先缺陷检测后拼接,以及先拼接后缺陷检测的两种缺陷检测的方式进行缺陷检测,可以在不影响缺陷检测准确性的情况下降低对计算机运行内存的依赖,提高缺陷检测的效率。
进一步的,第一生成模块302可以包括:
第一区域确定单元,用于根据各目标局部图片中各像素点的灰度值,基于预设的筛选规则,确定出各目标局部图片中的第一目标缺陷区域;
第一全局图生成单元,用于根据第一目标缺陷区域,对各目标局部图片进行缺陷标注,并将进行缺陷标注后的各目标局部图片进行拼接,生成待测样品的第一全局图;
第一结果生成单元,用于根据第一全局图中第一目标缺陷区域的分布信息,生成对待测样品的第一缺陷检测结果。
进一步的,第一区域确定单元具体用于:
根据目标局部图片中各像素点的灰度值与预设灰度阈值的关系,确定目标局部图片中的第一候选缺陷区域;
根据各第一候选缺陷区域的尺寸与预设的第一尺寸阈值的大小关系,从第一候选缺陷区域中筛选出第一目标缺陷区域。
进一步的,第二生成模块303可以包括:
压缩图生成单元,用于将获取的至少两张目标局部图片进行拼接,生成待测样品的第二全局图,并基于预设的压缩比例,对第二全局图进行压缩,生成压缩全局图;
确定单元,用于基于预设的边缘检测算法,对压缩全局图进行边缘提取,并根据边缘提取结果,确定压缩全局图中的结构区和非结构区;
第二结果生成单元,用于对结构区和非结构区分别进行缺陷检测,生成对待测样品的第二缺陷检测结果。
进一步的,第二结果生成单元具体用于:
对结构区和非结构区分别进行缺陷检测,确定压缩全局图中的第二候选缺陷区域;
根据各第二候选缺陷区域的尺寸与第二尺寸阈值的大小关系,从第二候选缺陷区域中筛选出第二目标缺陷区域;
根据压缩全局图中第二目标缺陷区域的分布信息,生成对待测样品的第二缺陷检测结果。
进一步的,其中,所述第一缺陷检测结果还包括第一目标缺陷区域所属的缺陷类别;
相应的,上述装置还用于:
确定各第一目标缺陷区域对应的最小外接圆半径和最大内切圆半径;
根据最小外接圆半径和最大内切圆半径,基于预设的评估计算规则,确定各第一目标缺陷区域对应的评估值;
根据各第一目标缺陷区域对应的评估值与预设评估阈值的关系,确定各第一目标缺陷区域的缺陷类别。
进一步的,上述装置还用于:
若第一目标缺陷区域对应的评估值小于或等于预设评估阈值,则确定该第一目标缺陷区域的第一级缺陷类别为块状缺陷;
基于预设的尺寸要求,将该第一目标缺陷区域及其周围预设区域确定为目标分类区域,并对目标分类区域进行划分,确定划分子区域;
根据各划分子区域之间灰度的梯度方向,确定该第一目标缺陷区域的第二级缺陷类别。
实施例四
图4是本发明实施例四提供的电子设备的结构示意图。图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如缺陷检测方法。
在一些实施例中,缺陷检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的缺陷检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行缺陷检测方法。
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)、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种缺陷检测方法,其特征在于,包括:
基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片;
采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果;
采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果;
根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果。
2.根据权利要求1所述的方法,其特征在于,采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果,包括:
根据各目标局部图片中各像素点的灰度值,基于预设的筛选规则,确定出各目标局部图片中的第一目标缺陷区域;
根据第一目标缺陷区域,对各目标局部图片进行缺陷标注,并将进行缺陷标注后的各目标局部图片进行拼接,生成待测样品的第一全局图;
根据第一全局图中第一目标缺陷区域的分布信息,生成对待测样品的第一缺陷检测结果。
3.根据权利要求2所述的方法,其特征在于,根据各目标局部图片中各像素点的灰度值,基于预设的筛选规则,确定出各目标局部图片中的第一目标缺陷区域,包括:
根据目标局部图片中各像素点的灰度值与预设灰度阈值的关系,确定目标局部图片中的第一候选缺陷区域;
根据各第一候选缺陷区域的尺寸与预设的第一尺寸阈值的大小关系,从第一候选缺陷区域中筛选出第一目标缺陷区域。
4.根据权利要求1所述的方法,其特征在于,采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果,包括:
将获取的至少两张目标局部图片进行拼接,生成待测样品的第二全局图,并基于预设的压缩比例,对第二全局图进行压缩,生成压缩全局图;
基于预设的边缘检测算法,对压缩全局图进行边缘提取,并根据边缘提取结果,确定压缩全局图中的结构区和非结构区;
对结构区和非结构区分别进行缺陷检测,生成对待测样品的第二缺陷检测结果。
5.根据权利要求4所述的方法,其特征在于,对结构区和非结构区分别进行缺陷检测,生成对待测样品的第二缺陷检测结果,包括:
对结构区和非结构区分别进行缺陷检测,确定压缩全局图中的第二候选缺陷区域;
根据各第二候选缺陷区域的尺寸与第二尺寸阈值的大小关系,从第二候选缺陷区域中筛选出第二目标缺陷区域;
根据压缩全局图中第二目标缺陷区域的分布信息,生成对待测样品的第二缺陷检测结果。
6.根据权利要求2所述的方法,其特征在于,其中,所述第一缺陷检测结果还包括第一目标缺陷区域所属的缺陷类别;
相应的,确定第一目标缺陷区域所属的缺陷类别,包括:
确定各第一目标缺陷区域对应的最小外接圆半径和最大内切圆半径;
根据最小外接圆半径和最大内切圆半径,基于预设的评估计算规则,确定各第一目标缺陷区域对应的评估值;
根据各第一目标缺陷区域对应的评估值与预设评估阈值的关系,确定各第一目标缺陷区域的缺陷类别。
7.根据权利要求6所述的方法,其特征在于,确定各第一目标缺陷区域的缺陷类别,包括:
若第一目标缺陷区域对应的评估值小于或等于预设评估阈值,则确定该第一目标缺陷区域的第一级缺陷类别为块状缺陷;
基于预设的尺寸要求,将该第一目标缺陷区域及其周围预设区域确定为目标分类区域,并对目标分类区域进行划分,确定划分子区域;
根据各划分子区域之间灰度的梯度方向,确定该第一目标缺陷区域的第二级缺陷类别。
8.一种缺陷检测装置,其特征在于,包括:
获取模块,用于基于预设步长控制相机运动,对待测样品的表面进行拍摄,以获取至少两张目标局部图片;
第一生成模块,用于采用先缺陷检测后拼接的方式,对至少两张目标局部图片进行处理,生成对待测样品的第一缺陷检测结果;
第二生成模块,用于采用先拼接后缺陷检测的方式,对至少两张目标局部图片进行处理,生成对待测样品的第二缺陷检测结果;
第三生成模块,用于根据第一缺陷检测结果和第二缺陷检测结果,生成对待测样品的最终缺陷检测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-7中任一项所述的缺陷检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310592192.9A CN116559177A (zh) | 2023-05-23 | 2023-05-23 | 一种缺陷检测方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310592192.9A CN116559177A (zh) | 2023-05-23 | 2023-05-23 | 一种缺陷检测方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116559177A true CN116559177A (zh) | 2023-08-08 |
Family
ID=87491421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310592192.9A Pending CN116559177A (zh) | 2023-05-23 | 2023-05-23 | 一种缺陷检测方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559177A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351016A (zh) * | 2023-12-05 | 2024-01-05 | 菲特(天津)检测技术有限公司 | 提升缺陷检测模型准确度的后处理优化方法及装置 |
CN117686432A (zh) * | 2024-01-31 | 2024-03-12 | 宁德时代新能源科技股份有限公司 | 电池焊接检测系统和方法 |
-
2023
- 2023-05-23 CN CN202310592192.9A patent/CN116559177A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351016A (zh) * | 2023-12-05 | 2024-01-05 | 菲特(天津)检测技术有限公司 | 提升缺陷检测模型准确度的后处理优化方法及装置 |
CN117351016B (zh) * | 2023-12-05 | 2024-02-06 | 菲特(天津)检测技术有限公司 | 提升缺陷检测模型准确度的后处理优化方法及装置 |
CN117686432A (zh) * | 2024-01-31 | 2024-03-12 | 宁德时代新能源科技股份有限公司 | 电池焊接检测系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581463B (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
CN113688807B (zh) | 一种自适应缺陷检测方法、装置、识别系统及存储介质 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN111768381A (zh) | 零部件缺陷检测方法、装置及电子设备 | |
JP5010207B2 (ja) | パターン検査装置及び半導体検査システム | |
JP2007093304A (ja) | 欠陥検出装置、イメージセンサデバイス、イメージセンサモジュール、画像処理装置、デジタル画像品質テスタ、欠陥検出方法、欠陥検出プログラム、およびコンピュータ読取可能な記録媒体 | |
US20210272272A1 (en) | Inspection support apparatus, inspection support method, and inspection support program for concrete structure | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN111179250A (zh) | 一种基于多任务学习的工业品缺陷检测系统 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN117115130A (zh) | 一种晶圆边缘缺陷检测方法及装置 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN116385415A (zh) | 一种边缘缺陷检测方法、装置、设备及存储介质 | |
CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN116046790A (zh) | 缺陷检测方法、装置、系统、电子设备以及存储介质 | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN116385952B (zh) | 配网线路小目标缺陷检测方法、装置、设备及存储介质 | |
TWI760876B (zh) | 時間相依文字感興趣區域之偵測方法 | |
CN117764964A (zh) | 一种交叉划痕处理方法、装置、电子设备及存储介质 | |
CN113643257B (zh) | 图像噪点检测方法、装置、设备、存储介质及程序产品 |
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 |