CN116678827A - 一种大电流电源模块lga封装引脚检测系统 - Google Patents
一种大电流电源模块lga封装引脚检测系统 Download PDFInfo
- Publication number
- CN116678827A CN116678827A CN202310634134.8A CN202310634134A CN116678827A CN 116678827 A CN116678827 A CN 116678827A CN 202310634134 A CN202310634134 A CN 202310634134A CN 116678827 A CN116678827 A CN 116678827A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- pin
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 14
- 230000007547 defect Effects 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims 2
- 238000011179 visual inspection Methods 0.000 abstract description 10
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 208000003464 asthenopia Diseases 0.000 description 3
- 230000001629 suppression Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005457 optimization 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于芯片检测技术领域,尤其涉及一种大电流电源模块LGA封装引脚检测系统,该系统包括传输平台、预处理模块、对比模块及终端模块及设于传输平台上的取像模块;传输平台将待检测封装件传输至取像模块下方;取像模块用于对待检测封装件的引脚面进行拍摄,以取得待处理图像;预处理模块用于对待处理图像进行预处理,得到待检测图像;对比模块用于对待检测图像进行引脚缺陷检测,确定待检测图像是否存在引脚缺陷,并将引脚缺陷检测结果传输至终端模块;终端模块对引脚缺陷检测结果进行显示及保存;通过上述方式,避免了人工目检造成的主观性,提升工作效率,满足企业生产需求的同时也避免了因人工目检而造成误检的情况产生。
Description
技术领域
本发明涉及芯片检测技术领域,更具体的是涉及一种大电流电源模块LGA封装引脚检测系统。
背景技术
在芯片生产过程中,芯片封装对于芯片来说是至关重要的,封装主要起到将芯片与外界隔离,以防止空气对芯片电路的腐蚀,而芯片外观表面的缺陷同样不可忽视,其直接影响着芯片的整体质量,因此针对芯片引脚可靠性的质量检测是一项必不可少的环节;
现有的部分针对电源模块LGA封装引脚的检测采用人工目检的方式,人工目检的方式虽方便直接,但人工检测过程中,因长时间的高强度工作,易造成工人视觉疲劳而导致误检的情况产生,同时,人工目检的方式速度缓慢且精度较低,无法满足企业的生产需求。
发明内容
本发明的目的在于,提供一种大电流电源模块LGA封装引脚检测系统,用以解决现有的部分针对电源模块LGA封装引脚的检测采用人工目检的方式,因长时间的高强度工作,易造成工人视觉疲劳而导致误检的情况产生,同时,人工目检的方式速度缓慢且精度较低,无法满足企业的生产需求的问题。
为实现上述目的,本发明提供一种大电流电源模块LGA封装引脚检测系统,包括传输平台、预处理模块、对比模块及终端模块及设于传输平台上的取像模块;
传输平台将待检测封装件传输至取像模块下方;
取像模块用于对待检测封装件的引脚面进行拍摄,以取得待处理图像;
预处理模块用于对待处理图像进行预处理,得到待检测图像;
对比模块用于对待检测图像进行引脚缺陷检测,确定待检测图像是否存在引脚缺陷,并将引脚缺陷检测结果传输至终端模块;
终端模块对引脚缺陷检测结果进行显示及保存。
进一步的,取像模块包括设于传输平台上的支撑部及按预设角度安装于支撑部上的摄像机。
进一步的,该系统还包括图像选取单元;取像模块对待检测封装件的引脚面进行多次拍摄,获取若干待处理图像;图像选取单元按照如下方法从若干待处理图像中选取一张图像输入预处理模块:分别计算每张待处理图像的亮度均值、在时域下的第一权重图均值以及能量占有比,随后根据亮度均值计算每张待处理图像的亮度评价值;根据第一权重图均值和能量占有比计算每张待处理图像的清晰度权重图,最后根据亮度评价值和清晰度权重图确定每张待处理图像的特征融合值,并将特征融合值最大的图像作为被选取图像。
进一步的,图像的特征融合值计算如下:
将图像划分为至少一个区域块,计算每一个区域块内像素的全方位差分值w(x):
其中,Xi、Xj表示待选取图像中每一个图像区域块中的像素值,Ω表示待选取图像中每一个图像在时域下所有区域块组成的区域,i、j分别为大于等于1的正整数,且i≠j;
将区域块中最大的全方位差分值作为每一个区域块的全方位差分值,所有区域块的全方位差分值组成区域块的全方位差分图,根据区域块的全方位差分图计算第一权重图S;
采用公式L2=S1*β+S2*(1-β)计算图像的清晰度权重图,S1=mean(S)为第一权重图均值,S2为能量占有比,β为参数;
将图像转换到log空间,在log空间取图像的均值后,将log空间的图像转到原始空间的值作为亮度均值v,根据亮度均值采用公式L1=1-abs(v-0.5)计算图像的亮度评价值,abs(v-0.5)表示对亮度均值与基准点0.5的差值取绝对值;
图像的特征融合值=亮度评价值*清晰度权重图。
进一步的,预处理模块包括灰度归一化单元,图像去噪单元以及图像增强单元。
进一步的,对比模块包括预训练的引脚缺陷检测模型,通过引脚缺陷检测模型对待检测图像进行引脚缺陷检测。
进一步的,引脚缺陷检测模型基于YOLO网络构建,其样本训练集中由无缺陷的封装件引脚面样本图像以及人工标注的有缺陷的封装件引脚面样本图像。
进一步的,YOLO网络具体为:在在YOLOv4网络中使用Darknet53作为基础特征提取网络,同时利用跨阶段层次结构CSPNet对Darknet53做如下改进:将浅层的特征图在通道维度一分为二,一部分经由Darknet53网络的特征提取模块向后传播,另一部分则经过跨阶段层次结构CSPNet直接与特征提取模块的输出进行合并。
本发明与现有技术相比,其显著优点是:
1、通过传输平台运输的方式,相较于以往部分采用人工搬运的方式,本发明采用传输平台进行运输,降低了因人为的疏忽而造成的对芯片的损坏;
2、相较于以往部分对引脚进行质量检测时采用人工目检的方式,速度缓慢且精度较低,本发明通过取像模块、预处理模块和对比模块相互配合,对电源模块LGA封装引脚进行检测,避免了人工目检时因视觉疲劳而导致误检的情况;
3、人工目检的方式,对质量的判断无统一标准,本发明通过对比模块进行检测的方式,降低了人力资源成本的同时,提高了检测结果的稳定性。
附图说明
图1是本发明的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供一种大电流电源模块LGA封装引脚检测系统,包括传输平台、预处理模块、对比模块及终端模块及设于传输平台上的取像模块;
传输平台将待检测封装件传输至取像模块下方;
取像模块用于对待检测封装件的引脚面进行拍摄,以取得待处理图像;
预处理模块用于对待处理图像进行预处理,得到待检测图像;
对比模块用于对待检测图像进行引脚缺陷检测,确定待检测图像是否存在引脚缺陷,并将引脚缺陷检测结果传输至终端模块;
终端模块对引脚缺陷检测结果进行显示及保存。
在一个实施例中,取像模块包括设于传输平台上的支撑部及按预设角度安装于支撑部上的摄像机。
在一个实施例中,该系统还包括图像选取单元;取像模块对待检测封装件的引脚面进行多次拍摄,获取若干待处理图像;图像选取单元按照如下方法从若干待处理图像中选取一张图像输入预处理模块:分别计算每张待处理图像的亮度均值、在时域下的第一权重图均值以及能量占有比,随后根据亮度均值计算每张待处理图像的亮度评价值;根据第一权重图均值和能量占有比计算每张待处理图像的清晰度权重图,最后根据亮度评价值和清晰度权重图确定每张待处理图像的特征融合值,并将特征融合值最大的图像作为被选取图像。
在一个实施例中,图像的特征融合值计算如下:
将图像划分为至少一个区域块,计算每一个区域块内像素的全方位差分值w(x):
其中,Xi、Xj表示待选取图像中每一个图像区域块中的像素值,Ω表示待选取图像中每一个图像在时域下所有区域块组成的区域,i、j分别为大于等于1的正整数,且i≠j;
将区域块中最大的全方位差分值作为每一个区域块的全方位差分值,所有区域块的全方位差分值组成区域块的全方位差分图,根据区域块的全方位差分图计算第一权重图S;
采用公式L2=S1*β+S2*(1-β)计算图像的清晰度权重图,S1=mean(S)为第一权重图均值,S2为能量占有比,β为参数;
将图像转换到log空间,在log空间取图像的均值后,将log空间的图像转到原始空间的值作为亮度均值v,根据亮度均值采用公式L1=1-abs(v-0.5)计算图像的亮度评价值,abs(v-0.5)表示对亮度均值与基准点0.5的差值取绝对值;
图像的特征融合值=亮度评价值*清晰度权重图。
在一个实施例中,预处理模块包括灰度归一化单元,图像去噪单元以及图像增强单元。所述灰度归一单元用于增强被选取图像的细节和特征;所述图像去噪单元用于将增强细节和特征后的被选取图像进行图像噪声抑制;所述图像增强单元用于将噪声抑制后的图像进行整体特性的强调,经图像增强单元输出的图像作为待检测图像。
在一个实施例中,对比模块包括预训练的引脚缺陷检测模型,通过引脚缺陷检测模型对待检测图像进行引脚缺陷检测。
在一个实施例中,引脚缺陷检测模型基于YOLO网络构建,其样本训练集中由无缺陷的封装件引脚面样本图像以及人工标注的有缺陷的封装件引脚面样本图像。
在一个实施例中,在YOLOv4中网络利用CSPnet将输入特征图分为不同的两部分并分开处理。
在一个实施例中,使用Darknet53作为基础特征提取网络,在YOLOv4中利用CSPNet(跨阶段局部网络)对Darknet53做新的改进。将浅层的特征图在通道维度一分为二,一部分经由Darknet53网络的特征提取模块向后传播,另一部分则经过跨阶段层次结构CSPNet直接与特征提取模块的输出进行合并。这种做法很好地解决了Darknet53网络在优化过程中的梯度信息重复问题,从而减少了模型的参数量和FLOPS数值,既提高了模型对的速度有可能保证准确率,使得网络更加轻量化。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (8)
1.一种大电流电源模块LGA封装引脚检测系统,其特征在于,包括:传输平台、预处理模块、对比模块及终端模块及设于传输平台上的取像模块;
所述传输平台将待检测封装件传输至取像模块下方;
所述取像模块用于对待检测封装件的引脚面进行拍摄,以取得待处理图像;
所述预处理模块用于对待处理图像进行预处理,得到待检测图像;
所述对比模块用于对所述待检测图像进行引脚缺陷检测,确定待检测图像是否存在引脚缺陷,并将引脚缺陷检测结果传输至终端模块;
所述终端模块对引脚缺陷检测结果进行显示及保存。
2.根据权利要求1所述的一种大电流电源模块LGA封装引脚检测系统,其特征在于:所述取像模块包括设于传输平台上的支撑部及按预设角度安装于支撑部上的摄像机。
3.根据权利要求1所述的一种大电流电源模块LGA封装引脚检测系统,其特征在于:该系统还包括图像选取单元;所述取像模块对待检测封装件的引脚面进行多次拍摄,获取若干待处理图像;所述图像选取单元按照如下方法从若干待处理图像中选取一张图像输入所述预处理模块:分别计算每张待处理图像的亮度均值、在时域下的第一权重图均值以及能量占有比,随后根据亮度均值计算每张待处理图像的亮度评价值;根据第一权重图均值和能量占有比计算每张待处理图像的清晰度权重图,最后根据亮度评价值和清晰度权重图确定每张待处理图像的特征融合值,并将特征融合值最大的图像作为被选取图像。
4.根据权利要求3所述的一种大电流电源模块LGA封装引脚检测系统,其特征在于:图像的特征融合值计算如下:
将图像划分为至少一个区域块,计算每一个区域块内像素的全方位差分值w(x):
其中,Xi、Xj表示待选取图像中每一个图像区域块中的像素值,Ω表示待选取图像中每一个图像在时域下所有区域块组成的区域,i、j分别为大于等于1的正整数,且i≠j;
将区域块中最大的全方位差分值作为每一个区域块的全方位差分值,所有区域块的全方位差分值组成区域块的全方位差分图,根据区域块的全方位差分图计算第一权重图S;
采用公式L2=S1*β+S2*(1-β)计算图像的清晰度权重图,S1=mean(S)为第一权重图均值,S2为能量占有比,β为参数;
将图像转换到log空间,在log空间取图像的均值后,将log空间的图像转到原始空间的值作为亮度均值v,根据亮度均值采用公式L1=1-abs(v-0.5)计算图像的亮度评价值,abs(v-0.5)表示对所述亮度均值与基准点0.5的差值取绝对值;
图像的特征融合值=亮度评价值*清晰度权重图。
5.根据权利要求1所述的一种大电流电源模块LGA封装引脚检测系统,其特征在于:所述预处理模块包括灰度归一化单元,图像去噪单元以及图像增强单元。
6.根据权利要求1所述的一种大电流电源模块LGA封装引脚检测系统,其特征在于:所述对比模块包括预训练的引脚缺陷检测模型,通过引脚缺陷检测模型对所述待检测图像进行引脚缺陷检测。
7.根据权利要求5所述的一种大电流电源模块LGA封装引脚检测系统,其特征在于:所述引脚缺陷检测模型基于YOLO网络构建,其样本训练集中由无缺陷的封装件引脚面样本图像以及人工标注的有缺陷的封装件引脚面样本图像。
8.根据权利要求7所述的一种大电流电源模块LGA封装引脚检测系统,其特征在于:所述YOLO网络具体为:在YOLOv4网络中,使用Darknet53作为基础特征提取网络,同时利用跨阶段层次结构CSPNet对Darknet53做如下改进:将浅层的特征图在通道维度一分为二,一部分经由Darknet53网络的特征提取模块向后传播,另一部分则经过跨阶段层次结构CSPNet直接与特征提取模块的输出进行合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310634134.8A CN116678827A (zh) | 2023-05-31 | 2023-05-31 | 一种大电流电源模块lga封装引脚检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310634134.8A CN116678827A (zh) | 2023-05-31 | 2023-05-31 | 一种大电流电源模块lga封装引脚检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116678827A true CN116678827A (zh) | 2023-09-01 |
Family
ID=87788386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310634134.8A Pending CN116678827A (zh) | 2023-05-31 | 2023-05-31 | 一种大电流电源模块lga封装引脚检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116678827A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654470A (zh) * | 2015-12-24 | 2016-06-08 | 小米科技有限责任公司 | 图像选取方法、装置及系统 |
CN109342456A (zh) * | 2018-09-14 | 2019-02-15 | 广东工业大学 | 一种焊点缺陷检测方法、装置、设备及可读存储介质 |
CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
CN111725095A (zh) * | 2019-03-19 | 2020-09-29 | 精工爱普生株式会社 | 电子零件输送装置及电子零件检查装置 |
CN114429437A (zh) * | 2022-01-26 | 2022-05-03 | 南京泓众电子科技有限公司 | 一种全场景亮度自适应的图像融合方法及装置 |
CN115078392A (zh) * | 2022-07-29 | 2022-09-20 | 深圳市泽信智能装备有限公司 | 一种半导体芯片缺陷检测设备及方法 |
CN115439452A (zh) * | 2022-09-13 | 2022-12-06 | 杭州凯智莆电子有限公司 | 一种基于数据分析的电容产品检测评估系统 |
WO2023089857A1 (ja) * | 2021-11-22 | 2023-05-25 | Towa株式会社 | 検査システム、制御方法、電子部品の製造方法及び切断装置 |
-
2023
- 2023-05-31 CN CN202310634134.8A patent/CN116678827A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654470A (zh) * | 2015-12-24 | 2016-06-08 | 小米科技有限责任公司 | 图像选取方法、装置及系统 |
CN109342456A (zh) * | 2018-09-14 | 2019-02-15 | 广东工业大学 | 一种焊点缺陷检测方法、装置、设备及可读存储介质 |
CN111725095A (zh) * | 2019-03-19 | 2020-09-29 | 精工爱普生株式会社 | 电子零件输送装置及电子零件检查装置 |
CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
WO2023089857A1 (ja) * | 2021-11-22 | 2023-05-25 | Towa株式会社 | 検査システム、制御方法、電子部品の製造方法及び切断装置 |
CN114429437A (zh) * | 2022-01-26 | 2022-05-03 | 南京泓众电子科技有限公司 | 一种全场景亮度自适应的图像融合方法及装置 |
CN115078392A (zh) * | 2022-07-29 | 2022-09-20 | 深圳市泽信智能装备有限公司 | 一种半导体芯片缺陷检测设备及方法 |
CN115439452A (zh) * | 2022-09-13 | 2022-12-06 | 杭州凯智莆电子有限公司 | 一种基于数据分析的电容产品检测评估系统 |
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 | |
CN111650204B (zh) | 基于级联目标检测的输电线路金具缺陷检测方法及系统 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN111091546B (zh) | 铁路货车钩尾框折断故障识别方法 | |
CN111242123A (zh) | 一种基于红外图像的电力设备故障诊断方法 | |
CN112258491A (zh) | 一种电力设备缺陷三维模拟方法 | |
CN106530271A (zh) | 一种红外图像显著性检测方法 | |
WO2022262054A1 (zh) | 图像处理方法、装置、设备及存储介质 | |
CN102621154B (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法 | |
CN106408526A (zh) | 一种基于多层矢量图的能见度检测方法 | |
CN116167932A (zh) | 一种图像质量优化方法、装置、设备及存储介质 | |
CN116030021B (zh) | 一种光伏组件隐裂特性的自动化检测系统 | |
CN111709888A (zh) | 一种基于改进的生成对抗网络的航拍图像去雾方法 | |
CN116309483A (zh) | 基于ddpm的半监督变电设备表征缺陷检测方法及系统 | |
CN112381794B (zh) | 一种基于深度卷积生成网络的印刷缺陷检测方法 | |
CN116678827A (zh) | 一种大电流电源模块lga封装引脚检测系统 | |
CN116067671B (zh) | 一种用于测试车辆漆面质量的方法、系统及介质 | |
CN112541478A (zh) | 一种基于双目摄像头的绝缘子串污损检测方法及系统 | |
CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
CN116109813A (zh) | 一种钻锚孔识别方法、系统、电子设备及介质 | |
CN104165696A (zh) | 一种材料表面颜色特征在线自动检测方法 | |
Hu et al. | Printed Circuit Board (PCB) Surface Micro Defect Detection Model Based on Residual Network with Novel Attention Mechanism. | |
CN112465784B (zh) | 一种地铁夹钳外观异常检测的方法 | |
Ding et al. | Degraded Data Enhancement Based on Regional Similarity Fusion | |
Dexiang et al. | Research and Application of Inspection Robot for Offline Foreign Objects Based on Image Processing Technology |
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 |