CN116879301A - 产品检测方法、装置、设备及计算机可读存储介质 - Google Patents

产品检测方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN116879301A
CN116879301A CN202310787430.1A CN202310787430A CN116879301A CN 116879301 A CN116879301 A CN 116879301A CN 202310787430 A CN202310787430 A CN 202310787430A CN 116879301 A CN116879301 A CN 116879301A
Authority
CN
China
Prior art keywords
product
detected
image
determining
application material
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
Application number
CN202310787430.1A
Other languages
English (en)
Inventor
马彩丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Wingtech Information Technology Co Ltd
Original Assignee
Xian Wingtech Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Wingtech Information Technology Co Ltd filed Critical Xian Wingtech Information Technology Co Ltd
Priority to CN202310787430.1A priority Critical patent/CN116879301A/zh
Publication of CN116879301A publication Critical patent/CN116879301A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06T7/10—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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • 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

本公开涉及一种产品检测方法、装置、设备及计算机可读存储介质，该方法包括：获取待检测产品的待检测图像；根据所述待检测图像，确定所述待检测产品的类型；从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；根据所述待检测图像，确定所述待检测产品的参数；若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。本公开通过将待检测产品的参数与该类型产品的目标参数进行对比，从而确定待检测产品是否为正常良品，弥补原始的人工检测容易造成错检或漏检的缺陷，提高检测的准确性以及稳定性。

Description

产品检测方法、装置、设备及计算机可读存储介质
技术领域
本公开涉及检测技术领域，尤其涉及一种产品检测方法、装置、设备及计算机可读存储介质。
背景技术
随着集成技术和微封装技术的不断发展，PCBA(Printed Circuit BoardAssembly)板的功率密度也在不断增大，由此单位体积电路板所产生的热量不断增加，因此为降低PCBA板上元器件之间的热阻，往往需要人工在PCBA板上粘贴用于导热的贴敷材料(如导热胶等)，从而实现有效散热。
而在同一PCBA板上通常需要粘贴多种不同的导热胶，同时由于人工操作不够熟练以及导热胶本身材质易破损，在粘贴过程中容易出现导热胶破损，错贴，漏贴，多贴，偏移等现象，影响散热效果，甚至导致温度过高损坏电子元器件。因此，对于导热胶贴敷状态的检测是产品正常生产过程中非常重要的环节。
目前，对于导热胶贴敷状态的检测通常采用人工将待检测产品放置到载物台上，由检测工人目测判断导热胶的贴敷是否符合要求，然而人工检测很大程度上依赖于工人的经验以及主观判断，准确性和稳定性较差。
发明内容
为了解决上述技术问题，本公开提供了一种产品检测方法、装置、设备及计算机可读存储介质，以提高产品检测的准确性和稳定性。
第一方面，本公开实施例提供一种产品检测方法，包括：
获取待检测产品的待检测图像；
根据所述待检测图像，确定所述待检测产品的类型；
从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；
根据所述待检测图像，确定所述待检测产品的参数；
若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
在一些实施例中，所述根据所述待检测图像，确定所述待检测产品的参数，包括：
对所述待检测产品的多张待检测图像进行拼接，得到所述待检测产品的完整产品图像；
对所述完整产品图像进行检测，确定所述待检测产品的参数。
在一些实施例中，
所述对所述完整产品图像进行检测，确定所述待检测产品的参数，包括：
在所述完整产品图像中选取基准比较向量；
从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息；
根据所述贴敷材料的轮廓信息，计算所述待检测产品上贴敷材料的中心与所述基准比较向量的相对位置信息。
在一些实施例中，所述在所述完整产品图像中选取基准比较向量，包括：
根据所述待检测产品的类型，确定所述待检测产品对应的检测模板图像，所述检测模板图像为所述待检测产品对应的标准产品图像中的预设区域；
将所述检测模板图像与所述完整产品图像进行匹配，确定完整产品图像中与所述检测模板图像对应的基准区域；
将所述基准区域的第一预设点作为基准比较向量的起点，将所述基准区域的第二预设点作为基准比较向量的终点，得到所述基准比较向量。
在一些实施例中，所述从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息，包括：
对所述完整产品图像进行预处理，得到处理后的完整产品图像；
提取所述处理后的完整产品图像中预设颜色的区域，作为贴敷材料区域；
在所述贴敷材料区域中通过轮廓提取算法获取所述贴敷材料的轮廓信息。
在一些实施例中，所述从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息之后，所述方法还包括：
根据所述贴敷材料的轮廓信息，确定所述贴敷材料的外接矩形；
根据所述外接矩形的长边边长和短边边长，得到所述贴敷材料的贴敷方向；
若所述贴敷方向与所述目标配置参数的贴敷方向不同，则确定所述待检测产品为不良品。
在一些实施例中，所述若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品，包括：
若所述贴敷材料的中心与所述基准比较向量的距离大于第二预设阈值，则确定所述待检测产品为不良品；或者，
若所述贴敷材料的中心和所述基准比较向量起点的连线与所述基准比较向量的夹角大于第三预设阈值，则确定所述待检测产品为不良品。
第二方面，本公开实施例提供一种产品检测装置，包括：
获取模块，用于获取待检测产品的待检测图像；
第一确定模块，用于根据所述待检测图像，确定所述待检测产品的类型；
第二确定模块，用于从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；
第三确定模块，用于根据所述待检测图像，确定所述待检测产品的参数；
第四确定模块，用于若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
第三方面，本公开实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请任意实施例所提供的产品检测方法的步骤。
第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任意实施例所提供的图像检测方法的步骤。
本公开实施例提供的产品检测方法、装置、设备及计算机可读存储介质，通过将待检测产品的参数与该类型产品的目标参数进行对比，从而确定待检测产品是否为正常贴敷的良品，对于不同类型的产品均能够进行自动检测，弥补原始的人工检测容易造成错检或漏检的缺陷，提高检测的准确性以及稳定性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的产品检测方法流程图；
图2为本公开实施例提供的一种图像拼接示意图；
图3为本公开实施例提供的一种基准比较向量选取示意图；
图4为本公开另一实施例提供的产品检测方法流程图；
图5为本公开实施例提供的产品检测装置的结构示意图；
图6为本公开实施例提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
贴敷材料是否正确贴敷会影响产品的性能以及寿命。错误的贴敷状态主要包括漏贴、多料、错料、叠加等。
目前常规车间的贴敷材料产品检测，一方面是由人工将贴敷材料产品放置到载物台，通过工人目测判断贴敷材料是否属于缺陷贴敷，另一方面也有使用自动光学检测设备通过模板匹配，以及图像对比等方法进行贴敷材料产品的检测。
上述依靠人工检测的方案具有较大不稳定性，首先长期从事重复单一目检工作，工人会有漏检的概率；且工人的经验也会影响判断的准确率。另外人工检测成本也比较高，员工需要培训，人员流动性过大。另一方面通过自动光学检测设备检测，往往无法兼容多种产品的材料贴敷检测，需要针对一种产品生产专用的机器，导致无法适应工厂的生产换型，购买机器设备需要付出大量的成本。
针对上述问题，本公开提供了一种产品检测方法，下面结合具体的实施例对该方法进行说明。
在一个实施例中，如图1所示，提供了一种产品检测方法，本实施例以该方法应用于终端进行举例说明，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、平板电脑和便携式可穿戴设备。可以理解的是，该方法也可以应用于服务器，其中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，该方法还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
S101、获取待检测产品的待检测图像。
待检测产品即为需要被检测的产品。具体的，本公开实施例对待检测产品上贴敷材料的贴敷状态进行检测。
其中，待检测产品可以是电路板、手机外壳、手机中框、电脑中电子元件等，贴敷材料包括但不限于屏蔽盖、缓冲泡棉，金属泡棉，二维码标签，铜箔，散热硅胶片，绝缘薄膜等等，本公开实施例对此不做限定。
例如，对PCBA板上所贴敷的导热硅胶片进行检测。导热硅胶片是单组份，导热型，室温固化的有机硅粘接密封胶，具有卓越的抗冷交变，耐老化和绝缘电的性能，是常用于填充电子材料表面和散热器之间凹凸不平间隙，降低热阻，建立有效热传递的常用材料。
待检测图像即为通过图像采集设备对待检测产品进行图像采集所获得的图像。具体的，待检测图像可以是待检测产品的整体图像，也可以是待检测产品中待检测区域的图像，本公开实施例对此不做限定。
S102、根据所述待检测图像，确定所述待检测产品的类型。
预先收集不同类型的待检测产品及对应的样本图像，构建产品类型图像库。
具体的，待检测产品对应的样本图像应为待检测产品的标准产品图像，即该图像中贴敷材料的贴敷状态符合要求。其中，样本图像可以是待检测产品的感兴趣区域(RegionOf Interest，ROI)的图像，例如待检测产品中具有标志性特点的区域的图像，用于与其他类型的产品进行区分。ROI指的是图像中关注的图像区域，是广泛应用于图像处理中用来表达目标区域图像，同整体图像区分开来。
例如，当待检测产品涉及两种类型，分别为服务器的中央处理器(CentralProcessing Unit，CPU)侧和IO(Input/Output)侧，其中对于CPU侧所截取的ROI区域图像是突出的槽孔，相对应的，对于IO侧同样位置所截取的ROI区域图像是空洞的槽孔，根据槽孔的不同，即可区分待检测产品为服务器的CPU侧或是服务器的IO侧。
因此，将待检测图像与产品类型图像库中的样本图像进行匹配，能够确定待检测产品的类型。
在一些实施例中，可以采用基于形状的匹配算法将待检测图像与产品类型图像库中的样本图像进行匹配，确定待检测产品的类型。
基于形状的匹配算法也称为基于边缘方向梯度的匹配(Shape-Based matching)，具体是通过ROI区域图像中的边缘特征，结合灰度信息，根据模板大小和清晰度的要求生成多层级的图像金字塔模型，进而实现对目标样本的匹配目标区域的一种方法。
S103、从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数。
预设标准配置文件中包括正常产品的各种参数。其中，预设标准配置文件包括预设标准贴敷材料配置文件。
预设标准贴敷材料配置文件中存储了每种类型产品正常情况下所需要的贴敷材料的数量、类别、位置、大小等参数，这些信息需要由工程师预先进行记录和配置，保存为相应的预设标准贴敷材料配置文件。
根据上述步骤中确定的待检测产品的类型，即可在预设标准贴敷材料配置文件中查找到该类型产品正常情况下贴敷材料的目标配置参数。
S104、根据所述待检测图像，确定所述待检测产品的参数。
对待检测图像通过图像识别等任意方法进行图像检测，获取待检测图像中待检测产品的参数，例如待检测产品上至少一个贴敷材料的参数。
例如，可以将待检测图像输入预先训练好的贴敷材料检测模型中，得到带有标注结果的待检测图像，其中标注结果包括贴敷材料参数，例如贴敷材料的数量、类别、位置、大小等，本公开实施例对此不做限定。
S105、若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
由于目标配置参数记录了良品的各项参数，当待检测产品的参数与目标配置参数相差过大，即相似度小于第一预设阈值时，则待检测产品与良品差距较大，判定待检测产品为不良品。
例如，当目标配置参数为贴敷材料的参数时，目标配置参数记录了贴敷材料的贴敷状态合格时的各项参数，当待检测产品的贴敷材料参数与目标配置参数越接近，则代表待检测产品的贴敷材料的贴敷状态越接近合格状态。即，当待检测产品的贴敷材料参数与目标配置参数的相似度大于或等于第一预设阈值时，则认为待检测产品的贴敷材料的贴敷状态合格，所述待检测产品为良品；相应的，当待检测产品的贴敷材料参数与目标配置参数的相似度小于第一预设阈值时，则认为待检测产品的贴敷材料的贴敷状态不合格，所述待检测产品为不良品。
具体的，第一预设阈值可以根据实际使用需要设置为任意的数值，对于不同类型的待检测产品可以设置不同的第一预设阈值，本公开实施例对此不作限定。
本公开实施例通过获取待检测产品的待检测图像；根据所述待检测图像，确定所述待检测产品的类型；从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；根据所述待检测图像，确定所述待检测产品的参数；若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品，通过将待检测产品的参数与该类型产品的目标参数进行对比，从而确定待检测产品是否为正常贴敷的良品，对于不同类型的产品均能够进行自动检测，弥补原始的人工检测容易造成错检或漏检的缺陷，提高检测的准确性以及稳定性。
同时，本公开实施例对于待检测产品的贴敷材料参数与目标配置参数的相似度阈值可以根据实际需要进行设置，通过灵活设置不同元器件相似度阈值的大小，能够满足不同类型待检测产品的检测，从而提高了产品检测方法的灵活性。
在上述实施例的基础上，所述根据所述待检测图像，确定所述待检测产品的参数，包括：对所述待检测产品的多张待检测图像进行拼接，得到所述待检测产品的完整产品图像；对所述完整产品图像进行检测，确定所述待检测产品的参数。
对于同一待检测产品，可以由多个图像采集设备采集不同视野的待检测图像，或是由同一图像采集设备根据不同视野对待检测产品进行图像采集，得到多张待检测图像，本公开实施例对此不做限定。
在一些实施例中，针对同一待检测产品，将该产品在图像采集设备不同视野下依次拍摄得到的多张待检测图像按照拍摄顺序进行拼接，得到待检测产品的完整产品图像。
图2为本公开实施例提供的一种图像拼接示意图，左侧为IO侧产品图像，右侧为CPU侧产品图像。下面以其中任意一种图像为例，对上述图像拼接的步骤进行说明。如图2所示，针对IO侧产品(或CPU侧产品)，共有9个拍摄窗口，按照拍摄顺序依次标号为1-9。即，相机先拍摄标号为1的拍摄窗口视野下的待检测图像，然后依次拍摄标号2-8的拍摄窗口视野下的待检测图像。其中，参见图2，以每张待检测图像边长170mm为例，各张待检测图像之间存在一定的重叠区域。将1、2、3拍摄窗口得到的待检测图像按照竖直方向(如图中箭头所示方向)进行拼接得到Vimg1，同理将4、5、6拍摄窗口得到的待检测图像进行拼接得到Vimg2，将7、8、9拍摄窗口得到的待检测图像进行拼接得到Vimg3，再将Vimg1与Vimg2进行水平方向的拼接得到Himg1，将Himg1与Vimg3进行水平方向的拼接得到待检测产品的完整产品图像。
进一步地，对获取的完整产品图像进行检测，确定所述待检测产品的参数。
在一些实施例中，所述贴敷材料参数至少包括所述贴敷材料的轮廓信息、所述贴敷材料的相对位置信息。
在上述实施例的基础上，所述对所述完整产品图像进行检测，确定所述待检测产品的参数，包括：在所述完整产品图像中选取基准比较向量；从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息；根据所述贴敷材料的轮廓信息，计算所述待检测产品上贴敷材料的中心与所述基准比较向量的相对位置信息。
其中，所述在所述完整产品图像中选取基准比较向量，包括：根据所述待检测产品的类型，确定所述待检测产品对应的检测模板图像，所述检测模板图像为所述待检测产品对应的标准产品图像中的预设区域。
待检测产品对应的检测模板图像为待检测产品对应的标准产品图像中的预设区域，具体来说是在生产过程中不会发生变化的部分。例如待检测产品上没有贴敷材料的预设区域的图像。
预先针对每种类型的产品收集其分别对应的检测模板图像，在产品检测过程中即可根据上述步骤中所确定的待检测产品的类型，确定该类型产品的检测模板图像。
进一步的，在所述完整产品图像中选取基准比较向量，包括：根据检测模板图像，在所述完整产品图像中选取基准比较向量。具体的，将将所述检测模板图像与所述完整产品图像进行匹配，确定完整产品图像中与所述检测模板图像对应的基准区域；将所述基准区域的第一预设点作为基准比较向量的起点，将所述基准区域的第二预设点作为基准比较向量的终点，得到所述基准比较向量。
如上所述，待检测产品对应的检测模板图像为待检测产品对应的标准产品图像中的预设区域，且该预设区域较为固定，在生产过程中不会发生变化，因此在待检测产品的完整产品图像中能够找到与检测模板图像一致的区域，将该区域称为基准区域。可以理解的是，待检测产品放置位置、方式等均不会影响基准区域的确定。
在基准区域中确定第一预设点与第二预设点，分别作为基准比较向量的起点与终点。
在一些实施例中，由于在待检测产品的完整产品图像中能够找到与检测模板图像一致的基准区域，因此可以根据检测模板图像在基准区域中确定第一预设点与第二预设点，将第一预设点与第二预设点分别作为基准比较向量的起点与终点。例如，图3为本公开实施例提供的一种基准比较向量选取示意图。如图3所示，左侧检测模板图像对应右侧完整产品图像中右下角虚线框31内的区域，即方框31内代表基准区域。将基准区域的中心点(Center_t)作为第一预设点，将基准区域的左上角(Lefttop_t)作为第二预设点(或者将检测模板图像的中心点作为第一预设点，将检测模板图像的左上角作为第二预设点)，以第一预设点为起点，以第二预设点为终点，确定基准比较向量，如图3中虚线箭头32所示。
在一些实施例中，基于基准比较向量对贴敷材料的贴敷状态进行检测，包括：若所述贴敷材料的中心与所述基准比较向量的距离大于第二预设阈值，则确定所述待检测产品为不良品；或者，若所述贴敷材料的中心和所述基准比较向量起点的连线与所述基准比较向量的夹角大于第三预设阈值，则确定所述待检测产品为不良品。
具体的，确定所述贴敷材料为偏移类不良贴敷材料。
在一些实施例中，目标贴敷材料参数还包括预设位置上的贴敷材料类型。根据贴敷材料的中心与所述基准比较向量的距离以及所述贴敷材料的中心和所述基准比较向量起点的连线与所述基准比较向量的夹角还可以确定预设位置上的贴敷材料类型，若贴敷材料的类型与该位置上的目标贴敷材料的类型不符，则确定所述待检测产品为不良品，所述贴敷材料为错贴类不良贴敷材料。
本公开实施例通过选取待检测产品类型中相对固定的区域作为检测模板图像，进一步基于检测模板图像在待检测产品的完整产品图像中选取基准比较向量，基于基准比较向量对贴敷材料参数进行考量，消除了在图像采集时由于待检测产品放置方式、位置等的不同对于检测结果造成的影响，进一步提高了产品检测方法的准确性。
在上述实施例的基础上，所述从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息，包括：对所述完整产品图像进行预处理，得到处理后的完整产品图像；提取所述处理后的完整产品图像中预设颜色的区域，作为贴敷材料区域；在所述贴敷材料区域中通过轮廓提取算法获取所述贴敷材料的轮廓信息。
其中，对所述完整产品图像进行预处理，至少包括：对完整产品图像进行去噪处理；将所述完整产品图像由RBG通道图像转为HSV通道图像；对所述完整产品图像进行滤波处理，去掉一些因人工粘贴产生的导热胶的麻点等等。其中，HSV通道也称为HSB(H：Hue,S:saturation,B:brightness)，即把图像颜色模式通过色相，饱和度和亮度来衡量，往往用在图像处理中提取指定颜色的目标区域时的预处理。
可选的，通过双边滤波(Bilateral filter)去除完整产品图像中的噪声。双边滤波是一种非线性的滤波方法，同时考虑空域信息和灰度相似性，实现边缘保存去除噪声的目的，往往用来做需要保存边缘信息的图像处理的方法。
在处理后的完整产品图像(HSV通道图像)中，贴敷材料会以预设颜色显示。因此确定完整产品图像中预设颜色的区域，即可确定贴敷材料区域。进一步的，通过形态学运算，利用轮廓提取算法获取贴敷材料的轮廓信息。
在一些实施例中，可能会有其他区域同样以预设颜色显示，此时可以通过区域的面积筛选贴敷材料区域。具体的，根据该类型产品的贴敷材料的面积最大值与面积最小值确定该类型产品的贴敷材料面积范围，将面积大于贴敷材料面积最大值或小于贴敷材料面积最小值的区域予以去除，将剩余的区域作为贴敷材料区域。
在上述实施例的基础上，所述从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息之后，所述方法还包括：根据所述贴敷材料的轮廓信息，确定所述贴敷材料的外接矩形；根据所述外接矩形的长边边长和短边边长，得到所述贴敷材料的贴敷方向。
贴敷材料的轮廓并不一定为标准的矩形，为判断贴敷材料的贴敷方向，需根据贴敷材料的轮廓信息，确定贴敷材料的外接矩形，进一步确定所述外接矩形的各个边长，确定长边与短边，根据长边的位置与短边的位置确定贴敷材料的贴敷方向。
具体的，可以根据外接矩形的长边边长和短边边长确定所述贴敷材料的类型，进一步根据目标配置参数中预设贴敷材料方向信息，确定该类型贴敷材料的正确贴敷方向。若贴敷材料的贴敷方向与正确贴敷方向，则说明贴敷材料的贴敷方向错误；反之，说明贴敷材料的贴敷方向正确。
进一步的，若贴敷材料的贴敷方向错误，则说明待检测产品为不良品。具体的，该贴敷材料为旋转类不良贴敷材料。
本公开实施例通过对贴敷材料的方向进行判断，有效提高检测准确率和效率。同时，上述材料检测方法可以适用于多种不同的待检测产品，无需针对各类产品分别设计检测方法，有效降低了检测成本。
图4为本公开另一实施例提供的产品检测方法流程图，如图4所示，该方法包括如下几个步骤：
S401、获取待检测产品的多张待检测图像。
S402、对所述待检测产品的多张待检测图像进行拼接，得到所述待检测产品的完整产品图像。
S403、根据所述待检测图像，确定所述待检测产品的类型。
在一些实施例中，还可以根据待检测产品的完整产品图像，确定所述待检测产品的类型。
S404、从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数。
S405、在所述完整产品图像中选取基准比较向量。
具体的，将所述检测模板图像与所述完整产品图像进行匹配，确定完整产品图像中与所述检测模板图像对应的基准区域；将所述基准区域的第一预设点作为基准比较向量的起点，将所述基准区域的第二预设点作为基准比较向量的终点，得到所述基准比较向量。
S406、从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息。
S407、根据所述贴敷材料的轮廓信息，计算所述待检测产品上贴敷材料的中心与所述基准比较向量的距离，以及所述贴敷材料的中心和所述基准比较向量起点的连线与所述基准比较向量的夹角。
S408、根据所述贴敷材料的轮廓信息，确定所述贴敷材料的外接矩形。
S409、根据所述外接矩形的长边边长和短边边长，得到所述贴敷材料的贴敷方向。
S410、判断所述距离和所述夹角是否符合目标配置参数。若是，执行S411；若否，执行S413。
S411判断贴敷材料的类型是否符合该位置上的目标贴敷材料的类型。若是，执行S412；若否，执行S414。
S412、判断所述贴敷方向是符合目标配置参数。若是，执行S417；若否，执行S415。
S413、确定所述贴敷材料为偏移类不良贴敷材料。
S414、确定所述贴敷材料为错贴类不良贴敷材料。
S415、确定所述贴敷材料为旋转类不良贴敷材料。
S416、确定所述待检测产品为不良品。
S417、确定所述贴敷材料为良品贴敷材料。
S418、判断所述待检测产品是否缺少贴敷材料。若是，执行S419；若否，执行S420。
S419、确定所述待检测产品为缺料不良品。
S420、确定所述待检测产品为良品。
本公开实施例通过将待检测产品的贴敷材料参数与该类型产品的目标贴敷材料参数进行对比，从而确定待检测产品是否为正常贴敷的良品，对于不同类型的产品均能够进行自动检测，有效提高检测准确率和效率，节省成本。
应该理解的是，虽然图1或图4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，图1或图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子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，这些子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的子步骤或者阶段的至少一部分轮流或者交替地执行。
图5为本公开实施例提供的产品检测装置的结构示意图。该产品检测装置可以是如上实施例所述的终端，或者该产品检测装置可以该终端中的部件或组件。本公开实施例提供的产品检测装置可以执行产品检测方法实施例提供的处理流程，如图5所示，产品检测装置50包括：获取模块51、第一确定模块52、第二确定模块53、第三确定模块54、第四确定模块55。其中，获取模块51用于获取待检测产品的待检测图像；第一确定模块52用于根据所述待检测图像，确定所述待检测产品的类型；第二确定模块53用于从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；第三确定模块54用于根据所述待检测图像，确定所述待检测产品的参数；第四确定模块55用于若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
可选的，第三确定模块54包括拼接单元541、检测单元542；拼接单元541用于对所述待检测产品的多张待检测图像进行拼接，得到所述待检测产品的完整产品图像；检测单元542用于对所述完整产品图像进行检测，确定所述待检测产品的参数。
可选的，检测单元542用于在所述完整产品图像中选取基准比较向量；从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息；根据所述贴敷材料的轮廓信息，计算所述待检测产品上贴敷材料的中心与所述基准比较向量的相对位置信息。
可选的，检测单元542具体用于根据所述待检测产品的类型，确定所述待检测产品对应的检测模板图像，所述检测模板图像为所述待检测产品对应的标准产品图像中的预设区域；将所述检测模板图像与所述完整产品图像进行匹配，确定完整产品图像中与所述检测模板图像对应的基准区域；将所述基准区域的第一预设点作为基准比较向量的起点，将所述基准区域的第二预设点作为基准比较向量的终点，得到所述基准比较向量。
可选的，检测单元542具体用于对所述完整产品图像进行预处理，得到处理后的完整产品图像；提取所述处理后的完整产品图像中预设颜色的区域，作为贴敷材料区域；在所述贴敷材料区域中通过轮廓提取算法获取所述贴敷材料的轮廓信息。
可选的，检测单元542具体用于根据所述贴敷材料的轮廓信息，确定所述贴敷材料的外接矩形；根据所述外接矩形的长边边长和短边边长，得到所述贴敷材料的贴敷方向；若所述贴敷方向与所述目标配置参数中的贴敷方向不同，则确定所述待检测产品为不良品。
可选的，第四确定模块55具体用于若所述贴敷材料的中心与所述基准比较向量的距离大于第二预设阈值，则确定所述待检测产品为不良品；或者，若所述贴敷材料的中心和所述基准比较向量起点的连线与所述基准比较向量的夹角大于第三预设阈值，则确定所述待检测产品为不良品。
图5所示实施例的产品检测装置通过将待检测产品的贴敷材料参数与该类型产品的目标贴敷材料参数进行对比，从而确定待检测产品是否为正常贴敷的良品，对于不同类型的产品均能够进行自动检测，弥补原始的人工检测容易造成错检或漏检的缺陷，提高检测的准确性以及稳定性。
关于产品检测装置的具体限定可以参见上文中对于产品检测方法的限定，在此不再赘述。上述产品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。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，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6所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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、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产品检测数据。该计算机设备的网络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一种产品检测方法。
在一个实施例中，本申请提供的产品检测装置可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成该产品检测装置的各个程序模块，比如，图5所示的获取模块51、第一确定模块52、第二确定模块53、第三确定模块54、第四确定模块55。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的产品检测方法中的步骤。
例如，图6所示的计算机设备可以通过如图5所示的产品检测装置中的获取模块51获取待检测产品的待检测图像。计算机设备可通过第一确定模块52根据所述待检测图像，确定所述待检测产品的类型。计算机设备可通过第二确定模块53从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；计算机设备可通过第三确定模块54用于根据所述待检测图像，确定所述待检测产品的参数；计算机设备可通过第四确定模块55用于若所述待检测产品的贴敷材料参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该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以下步骤：获取待检测产品的待检测图像；根据所述待检测图像，确定所述待检测产品的类型；从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；根据所述待检测图像，确定所述待检测产品的参数；若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对所述待检测产品的多张待检测图像进行拼接，得到所述待检测产品的完整产品图像；对所述完整产品图像进行检测，确定所述待检测产品的参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在所述完整产品图像中选取基准比较向量；从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息；根据所述贴敷材料的轮廓信息，计算所述待检测产品上贴敷材料的中心与所述基准比较向量的相对位置信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述待检测产品的类型，确定所述待检测产品对应的检测模板图像，所述检测模板图像为所述待检测产品对应的标准产品图像中的预设区域；将所述检测模板图像与所述完整产品图像进行匹配，确定完整产品图像中与所述检测模板图像对应的基准区域；将所述基准区域的第一预设点作为基准比较向量的起点，将所述基准区域的第二预设点作为基准比较向量的终点，得到所述基准比较向量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对所述完整产品图像进行预处理，得到处理后的完整产品图像；提取所述处理后的完整产品图像中预设颜色的区域，作为贴敷材料区域；在所述贴敷材料区域中通过轮廓提取算法获取所述贴敷材料的轮廓信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述贴敷材料的轮廓信息，确定所述贴敷材料的外接矩形；根据所述外接矩形的长边边长和短边边长，得到所述贴敷材料的贴敷方向；若所述贴敷方向与所述目标配置参数中的贴敷方向不同，则确定所述待检测产品为不良品。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：若所述贴敷材料的中心与所述基准比较向量的距离大于第二预设阈值，则确定所述待检测产品为不良品；或者，若所述贴敷材料的中心和所述基准比较向量起点的连线与所述基准比较向量的夹角大于第三预设阈值，则确定所述待检测产品为不良品。
本公开实施例通过将待检测产品的贴敷材料参数与该类型产品的目标贴敷材料参数进行对比，从而确定待检测产品是否为正常贴敷的良品，对于不同类型的产品均能够进行自动检测，弥补原始的人工检测容易造成错检或漏检的缺陷，提高检测的准确性以及稳定性。
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，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。本公开实施例通过将待检测产品的参数与该类型产品的目标参数进行对比，从而确定待检测产品是否为正常贴敷的良品，对于不同类型的产品均能够进行自动检测，弥补原始的人工检测容易造成错检或漏检的缺陷，提高检测的准确性以及稳定性。
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，所述的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-OnlyMemory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，比如静态随机存取存储器(Static Random Access Memory，SRAM)和动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
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。
以上所述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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种产品检测方法，其特征在于，所述方法包括：
获取待检测产品的待检测图像；
根据所述待检测图像，确定所述待检测产品的类型；
从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；
根据所述待检测图像，确定所述待检测产品的参数；
若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待检测图像，确定所述待检测产品的参数，包括：
对所述待检测产品的多张待检测图像进行拼接，得到所述待检测产品的完整产品图像；
对所述完整产品图像进行检测，确定所述待检测产品的参数。
3.根据权利要求2所述的方法，其特征在于，
所述对所述完整产品图像进行检测，确定所述待检测产品的参数，包括：
在所述完整产品图像中选取基准比较向量；
从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息；
根据所述贴敷材料的轮廓信息，计算所述待检测产品上贴敷材料的中心与所述基准比较向量的相对位置信息。
4.根据权利要求3所述的方法，其特征在于，所述在所述完整产品图像中选取基准比较向量，包括：
根据所述待检测产品的类型，确定所述待检测产品对应的检测模板图像，所述检测模板图像为所述待检测产品对应的标准产品图像中的预设区域；
将所述检测模板图像与所述完整产品图像进行匹配，确定完整产品图像中与所述检测模板图像对应的基准区域；
将所述基准区域的第一预设点作为基准比较向量的起点，将所述基准区域的第二预设点作为基准比较向量的终点，得到所述基准比较向量。
5.根据权利要求3所述的方法，其特征在于，所述从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息，包括：
对所述完整产品图像进行预处理，得到处理后的完整产品图像；
提取所述处理后的完整产品图像中预设颜色的区域，作为贴敷材料区域；
在所述贴敷材料区域中通过轮廓提取算法获取所述贴敷材料的轮廓信息。
6.根据权利要求3所述的方法，其特征在于，所述从所述完整产品图像中提取所述待检测产品上贴敷材料的轮廓信息之后，所述方法还包括：
根据所述贴敷材料的轮廓信息，确定所述贴敷材料的外接矩形；
根据所述外接矩形的长边边长和短边边长，得到所述贴敷材料的贴敷方向；
若所述贴敷方向与所述目标配置参数中的贴敷方向不同，则确定所述待检测产品为不良品。
7.根据权利要求6所述的方法，其特征在于，所述若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品，包括：
若所述贴敷材料的中心与所述基准比较向量的距离大于第二预设阈值，则确定所述待检测产品为不良品；或者，
若所述贴敷材料的中心和所述基准比较向量起点的连线与所述基准比较向量的夹角大于第三预设阈值，则确定所述待检测产品为不良品。
8.一种产品检测装置，其特征在于，包括：
获取模块，用于获取待检测产品的待检测图像；
第一确定模块，用于根据所述待检测图像，确定所述待检测产品的类型；
第二确定模块，用于从预设标准配置文件中，确定与所述待检测产品的类型相对应的目标配置参数；
第三确定模块，用于根据所述待检测图像，确定所述待检测产品的参数；
第四确定模块，用于若所述待检测产品的参数与所述目标配置参数的相似度小于第一预设阈值，则确定所述待检测产品为不良品。
9.一种计算机设备，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7中任一项所述方法的步骤。
10.一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7中任一项所述的方法的步骤。
CN202310787430.1A 2023-06-29 2023-06-29 产品检测方法、装置、设备及计算机可读存储介质 Pending CN116879301A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310787430.1A CN116879301A (zh) 2023-06-29 2023-06-29 产品检测方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310787430.1A CN116879301A (zh) 2023-06-29 2023-06-29 产品检测方法、装置、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN116879301A true CN116879301A (zh) 2023-10-13

Family

ID=88257783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310787430.1A Pending CN116879301A (zh) 2023-06-29 2023-06-29 产品检测方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116879301A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173172A (zh) * 2023-11-02 2023-12-05 深圳市富邦新材科技有限公司 一种基于机器视觉的硅胶成型效果检测方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117173172A (zh) * 2023-11-02 2023-12-05 深圳市富邦新材科技有限公司 一种基于机器视觉的硅胶成型效果检测方法及系统
CN117173172B (zh) * 2023-11-02 2024-01-26 深圳市富邦新材科技有限公司 一种基于机器视觉的硅胶成型效果检测方法及系统

Similar Documents

Publication Publication Date Title
RU2541353C2 (ru) Автоматическая съемка документа с заданными пропорциями
CN108896278B (zh) 一种滤光片丝印缺陷检测方法、装置及终端设备
CN110781859B (zh) 图像标注方法、装置、计算机设备和存储介质
WO2022143283A1 (zh) 摄像头标定方法、装置、计算机设备和存储介质
CN110930427B (zh) 一种基于语义轮廓信息的图像分割方法、设备和存储介质
CN116879301A (zh) 产品检测方法、装置、设备及计算机可读存储介质
CN111598913B (zh) 一种基于机器人视觉的图像分割方法和系统
US8913836B1 (en) Method and system for correcting projective distortions using eigenpoints
CN104065863A (zh) 图像处理方法及处理装置
CN115937170A (zh) 电路板检测方法、装置、计算机设备及存储介质
CN111126393A (zh) 车辆外观改装判断方法、装置、计算机设备及存储介质
CN112258507B (zh) 互联网数据中心的目标对象检测方法、装置和电子设备
CN116168351B (zh) 电力设备巡检方法及装置
CN112669295A (zh) 一种基于二次阈值分割理论的锂电池极片缺陷检测方法
CN112415014A (zh) 一种铜箔缺陷检测方法以及介质
CN103106859B (zh) 显示屏的检测方法和装置
CN117392042A (zh) 缺陷检测方法、缺陷检测设备及存储介质
CN114549393B (zh) 图像标注方法、装置、设备及计算机存储介质
CN114782310A (zh) 表面缺陷检测方法、装置、设备和存储介质
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN113533372A (zh) 一种纸张缺陷检测方法、系统、装置及计算机存储介质
CN110310341B (zh) 颜色算法中默认参数的生成方法、装置、设备和存储介质
CN112579810B (zh) 印刷电路板分类方法、装置、计算机设备和存储介质
CN116503414A (zh) 屏幕缺陷检测方法、装置、计算机设备和存储介质
CN116993654A (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品

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