CN116958510B - 一种目标检测框获取方法、装置、设备及存储介质 - Google Patents

一种目标检测框获取方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116958510B
CN116958510B CN202210412755.7A CN202210412755A CN116958510B CN 116958510 B CN116958510 B CN 116958510B CN 202210412755 A CN202210412755 A CN 202210412755A CN 116958510 B CN116958510 B CN 116958510B
Authority
CN
China
Prior art keywords
target
area
searched
target area
detection frame
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
Application number
CN202210412755.7A
Other languages
English (en)
Other versions
CN116958510A (zh
Inventor
林显峰
赵政
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.)
Guangzhou Luchen Intelligent Equipment Technology Co ltd
Original Assignee
Guangzhou Luchen Intelligent Equipment 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 Guangzhou Luchen Intelligent Equipment Technology Co ltd filed Critical Guangzhou Luchen Intelligent Equipment Technology Co ltd
Priority to CN202210412755.7A priority Critical patent/CN116958510B/zh
Publication of CN116958510A publication Critical patent/CN116958510A/zh
Application granted granted Critical
Publication of CN116958510B publication Critical patent/CN116958510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种目标检测框获取方法、目标检测框获取装置、涂覆检测设备、电子设备及计算机存储介质，该目标检测框获取方法包括：确定待测试目标的扫描图片中的待搜索区域；对待搜索区域进行图形二值化处理，获得待搜索区域中目标区域的二值化图形；基于目标区域的二值化图形对目标区域进行检测，根据检测结果得到目标区域的轮廓；根据目标区域的轮廓得到定位目标区域的目标检测框。本申请通过确定待测试目标的扫描图片的待搜索区域，并对待搜索区域进行图像二值化处理以得到目标区域的二值化图像，进一步对目标区域进行检测，得到定位目标区域的目标检测框，通过该目标检测框实现对待测试目标的扫描图片的目标检测。

Description

一种目标检测框获取方法、装置、设备及存储介质
技术领域
本申请涉及涂覆检测技术领域，特别是涉及一种目标检测框获取方法、装置、设备及存储介质。
背景技术
涂覆检测为当今光学检测领域中的一项重要检测，其中，现有技术需要预先根据待测电路板的2D图像进行相关检测框的绘制，绘制好检测框后添加相应的检测算法，调节算法参数，进行涂覆区域的检测。
现有技术在进行检测框绘制的时候，将待测电路板的2D图像整体通过二值化处理转化，通过颜色区分涂敷区域的轮廓，并进一步沿着轮廓绘制检测框，一次只能绘制一个涂敷区域的检测框，整体的绘制时间过长，且精度不高。
发明内容
本申请提供一种目标检测框获取方法、装置、设备及存储介质，以至少解决检测框精度不高以及绘制时间过长的问题。
本申请第一方面提供了一种目标检测框获取方法，该目标检测框获取方法包括：
确定待测试目标的扫描图片中的待搜索区域；
对待搜索区域进行图形二值化处理，获得待搜索区域中目标区域的二值化图形；
基于目标区域的二值化图形对目标区域进行检测，根据检测结果得到目标区域的轮廓；
根据目标区域的轮廓得到定位目标区域的目标检测框；
其中，目标区域包括涂敷区域或非涂敷区域。
可选地，对待搜索区域进行图形二值化处理，获得待搜索区域中目标区域的二值化图形，包括：
确定图形二值化处理的颜色模式，颜色模式包括亮度图、蓝色通道或灰度图；
获取待搜索区域内参数值大于颜色模式对应的参数阈值的像素区域；
基于像素区域确定待搜索区域中目标区域的二值化图形；
其中，参数阈值为固定值或者根据图片的对比度设置参数阈值。
可选地，对待搜索区域进行图形二值化处理，获得待搜索区域中目标区域的二值化图形之后，还包括：
识别并填充目标区域的二值化图形内的孔洞区域；和/或
滤除图形尺寸小于尺寸阈值的目标区域。
可选地，对比度包括强度，根据图片的对比度设置参数阈值，包括：
计算图片的直方图；
基于直方图的强度及强度阈值确定直方图的两个像素组，强度阈值为多个；
计算与强度阈值对应的两个像素组的变异数之和；
获取多个变异数之和的最小值；
确定最小值为参数阈值。
可选地，目标区域为涂敷区域，该目标检测框获取方法还包括：
将待搜索区域中的涂敷区域的二值化图形进行取反操作，得到非涂覆区域的二值化图形；
基于非涂覆区域的二值化图形对非涂覆区域进行检测。
可选地，在基于目标区域的二值化图形对目标区域进行检测之前，包括：
对涂覆区域的二值化图形进行去噪处理、填充处理、腐蚀处理和膨胀处理中的一项或多项。
可选地，基于目标区域的二值化图形对目标区域进行检测，根据检测结果得到目标区域的轮廓，包括：
基于目标区域的二值化图形对目标区域进行轮廓提取，以获取目标区域的二值化图形的轮廓；
根据目标区域的轮廓得到定位目标区域的目标检测框，包括：
搜索并提取轮廓的边界；
根据边界进行绘制，得到目标检测框。
本申请第二方面提供了一种目标检测框获取装置，该目标检测框获取装置包括：
获取模块，用于确定待测试目标的扫描图片中的待搜索区域；
处理模块，用于对待搜索区域进行图形二值化处理，获得待搜索区域中目标区域的二值化图形；
检测模块，用于基于目标区域的二值化图形对目标区域进行检测，根据检测结果得到目标区域的轮廓。
处理模块还用于根据目标区域的轮廓得到定位目标区域的目标检测框。
本申请第三方面提供了一种涂覆检测设备，该涂覆检测设备包括：定位模块，定位模块通过如上述的目标检测框获取方法对待测试目标上的目标区域进行目标检测框的确定。
本申请第四方面提供了一种电子设备，该电子设备包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现如上述的目标检测框获取方法。
本申请第五方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序能够被处理器执行时实现如上述的目标检测框获取方法。
本申请的有益效果是：区别于现有技术，本申请确定待测试目标的扫描图片中的待搜索区域；对待搜索区域进行图形二值化处理，获得待搜索区域中目标区域的二值化图形；基于目标区域的二值化图形对目标区域进行检测，根据检测结果得到目标区域的轮廓；根据目标区域的轮廓得到定位目标区域的目标检测框。其中，本申请通过预先确定扫描图片中的待搜索区域，预先确定存在目标区域的大体区域，进一步对待搜索区域进行图像二值化处理以得到目标区域的二值化图像，并进一步对目标区域进行筛选以及检测，得到定位目标区域的目标检测框，以实现对目标区域的准确定位，同时能够实现一次性定位扫描图片中的所有目标区域，进而减少整体的绘制时间。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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1是本申请目标检测框获取方法一实施例的流程示意图；
图2是本申请一实施例中步骤S12的具体流程示意图；
图3是本申请一实施例中步骤S122的具体流程示意图；
图4是本申请一实施例中步骤S123之后的具体流程示意图；
图5是本申请一实施例中步骤S13与步骤S14的具体流程示意图；
图6是本申请一实施例中步骤S13之前的具体流程示意图；
图7是本申请目标检测框获取方法另一实施例的具体流程示意图；
图8是本申请目标检测框获取装置一实施例的框架示意图；
图9是本申请涂覆检测设备一实施例的框架示意图；
图10是本申请电子设备一实施例的框架示意图；
图11是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
为使本领域的技术人员更好地理解本申请的技术方案，下面结合附图和具体实施方式对本申请所提供的目标检测框获取方法、目标检测框获取装置、涂覆检测设备、电子设备以及计算机可读存储介质做进一步详细描述。可以理解的是，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。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的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
请参阅图1，图1是本申请目标检测框获取方法一实施例的流程示意图。
本申请的目标检测框获取方法的执行主体可以是一种目标检测框获取装置，例如，目标检测框获取方法可以由终端设备或服务器或其它处理设备执行，其中，目标检测框获取装置可以为专业的涂覆检测设备、用户设备(User Equipment，UE)、移动设备、用户终端、终端、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该目标检测框获取方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
具体而言，本申请的目标检测框获取方法可以包括以下步骤：
步骤S11：确定待测试目标的扫描图片中的待搜索区域。
其中，扫描图片为本申请目标检测框获取方法进行涂覆检测的检测对象。具体地，扫描图片显示于终端设备的显示器内，可从显示器的画图主窗口中，通过绘制矩形或者多边形来截取需要进行涂覆与非涂覆区域的搜索与绘制。
可选地，在本实施例中，待测试目标为涂覆有荧光胶水的电路板，扫描图片可由AOI设备所包括的相机拍照得到。
可选地，本实施例步骤S11中进行搜索与绘制的方法可以包括人工绘制以及机器绘制，其中机器绘制直接默认搜索整个图片。具体地，机器绘制根据图片的尺寸大小选择一个大区域进行搜索，该大区域内包括有涂覆有荧光胶水的区域与没有涂覆荧光胶水的区域，即为涂覆区域与非涂覆区域。经过后续流程处理后，可以批量圈选出涂覆区域与非涂覆区域，区别于人工绘制每次只能人为圈选一小块的涂覆区域，然后再圈选出非涂覆区域，能够有效减少操作员的编程时间以及工作量，加快操作员的编程，提高操作员的工作效率，同时能够提高涂覆检测的检测效率，以使得涂覆检测更加方便与智能。
步骤S12：对待搜索区域进行图形二值化处理，获得待搜索区域中目标区域的二值化图形。
其中，图像二值化(Image Binarization)是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。而涂覆区域与非涂覆区域进行自动搜索的基础是基于二值化的边缘图像进行查找的。
具体地，本实施例预先在电路板的对应区域涂覆荧光胶水，通过AOI发出的紫光以使涂料表面显示蓝色，使用相机拍到的图像则可显示涂覆荧光胶水对应的区域为蓝色区域。
其中，彩色图片是有RGB三个颜色通道的，在进行涂覆检测的时候，相机所拍摄到的图片中涂覆荧光胶水的地方蓝色通道的值会大很多，可以理解为蓝色通道的值是(0-255)的数值，在涂覆荧光胶水区域的值比未涂覆荧光胶水区域的值大。
本实施通过检测到不同区域的蓝色通道的值不同，进而确定需要绘制检测框的目标区域，即可实现对涂覆区域与非涂覆区域的检测，进而获取其对应的二值化图形。
其中，具体图形二值化处理的过程请继续参阅图2，图2是本申请一实施例中步骤S12的具体流程示意图。具体而言，包括以下步骤：
步骤S121：确定图形二值化处理的颜色模式。
其中，本实施例的颜色模式包括亮度图、蓝色通道以及灰度图，可根据对应模式下涂覆区域与非涂覆区域的区别进行选项，在实际应用时，优选区别较大的模式，区别较大的模式可更有效以及更快速的进行涂覆区域与非涂覆区域搜索和检测。
步骤S122：获取待搜索区域内参数值大于颜色模式对应的参数阈值的像素区域。
其中，不同模式下的参数值以及参数阈值均不同，例如亮度图对应的参数值可为亮度值，蓝色通道对应参数值可为蓝色通道的数值，灰度图对应参数值可为灰度值。
可选地，参数阈值为固定值或者根据图片的对比度所设置的参数阈值。其中，不同模式对应的参数阈值跟待测图片的对比度特性以及选择的模式相关。
具体地，不同模式对应设置有一个固定的参数阈值，大于该参数阈值的区域即为涂覆区域，小于该参数阈值的区域即为非涂覆区域。
在其他实施例中，还可根据需要设置参数阈值，例如需要更高精确度或当前检测精度过高。其中，具体设置参数阈值的过程请继续参阅图3，图3是本申请一实施例中步骤S122的具体流程示意图。具体而言，包括以下步骤：
步骤S1221：计算图片的直方图。
其中，本实施例根据图片计算得到与其对应的直方图。具体地，直方图也叫柱状图，它以坐标轴上波形图的形式显示照片的曝光精度，其横轴表示亮度等级，从左侧0(暗色调)到右侧255(亮色调)，将照片的亮度等级分为256级，而纵轴则表示每个亮度等级下的像素个数，峰值越高说明该明暗值，即该亮度等级的像素数量越多，在画面中所占的面积也就越大，将纵轴上这些像数值点连接起来，就形成了连续的直方图波形。
步骤S1222：基于直方图的强度及强度阈值确定直方图的两个像素组，强度阈值为多个。
其中，本实施例根据直方图可得到不同亮度等级的像素，即不同强度的像素，本实施例将强度大于强度阈值的像素分成一组，强度小于强度阈值的像素分成一组，则可确定直方图的两个像素组。
可选地，强度阈值为多个，根据多个强度阈值，可得到多个强度阈值分别对应的两个像素组。例如，从亮度等级为0级开始，每增加一个亮度等级可得到两个像素组，直至亮度等级为255级，可得到256组分别对应的两个像素组。
步骤S1223：计算与强度阈值对应的两个像素组的变异数之和。
其中，本实施例分别计算不同强度阈值对应的两个像素组的变异数，并将两组变异数相加，得到变异数之和。
具体地，统计检验中的变异数是是概率分布离散程度的一个归一化量度，其定义为标准差与平均值之比。当需要比较两组数据离散程度大小的时候，如果两组数据的测量尺度相差太大，或者数据量纲的不同，直接使用标准差来进行比较不合适，此时就应当消除测量尺度和量纲的影响，而变异系数可以做到这一点，它是原始数据标准差与原始数据平均数的比，其数据大小不仅受变量值离散程度的影响，而且还受变量值平均水平大小的影响。
可选地，本实施例由步骤S1222可得到256级亮度等级分别对应的两个像素组，则由步骤S1223可得到256个变异数之和。
步骤S1224：获取多个变异数之和的最小值。
其中，本实施例比较步骤S1223所得到的256个变异数之和，可得到多个变异数之和的最小值。
步骤S1225：确定最小值为参数阈值。
其中，本实施例步骤S1224所得到多个变异数之和的最小值，即设定为参数阈值。
其中，本实施例由步骤S122可得到大于参数阈值的像素区域，并根据该像素区域进一步执行步骤S123。
步骤S123：基于像素区域确定待搜索区域中目标区域的二值化图形。
其中，目标区域可包括涂敷区域或非涂敷区域，本实施例以涂敷区域为例进行说明。一个像素区域内可包括至少一个涂覆区域，例如一个像素区域即为单一的涂覆区域，或一个像素区域包括多个相邻且大小不一的涂覆区域。本实施例进一步根据涂覆区域的边界即可得到涂覆区域的二值化图形。
其中，本实施例在执行完成步骤S123之后，还可执行如图4所示步骤，请继续参阅图4，图4是本申请一实施例中步骤S123之后的具体流程示意图。具体而言，包括以下步骤：
步骤S124：识别并填充目标区域的二值化图形内的孔洞区域。
其中，根据步骤S123处理后所得的二值化图形为黑白图片，此时涂覆区域为白色区域，非涂覆区域为黑色区域。可选地，涂覆区域的二值化图形可能存在孔洞区域，即存在一些周围白色，中间黑色的区域。
具体地，本实施例可根据需要填充孔洞，具体可通过比较孔洞大小，进一步选择是否填充。
步骤S125：滤除图形尺寸小于尺寸阈值的目标区域。
其中，由于图片中显示的涂覆区域为多个，不同涂覆区域的尺寸大小不同，本实施例可根据需要设置尺寸阈值，将图像尺寸小于尺寸阈值的涂覆区域滤除，即对应的轮廓区域为非实际的涂覆区域。
可选地，图像尺寸小于尺寸阈值的轮廓区域可能为一些非涂覆区域的焊盘、或者是电路板上的一些标志线、丝印等等。
本实施例通过填充孔洞区域和/或滤除小于尺寸阈值的轮廓区域，能够进一步提高检测准确度，减少检测与绘制的操作时间。
具体地，本实施例目标检测框获取方法可根据需要选择执行步骤S124和/或步骤S125，且本申请对步骤S124与步骤S125的执行顺序不做限定，例如先执行步骤S124，后执行步骤S125；或先执行步骤S125，后执行步骤S124。
步骤S13：基于涂覆区域的二值化图形对目标区域进行检测，根据检测结果得到目标区域的轮廓。
步骤S14：根据目标区域的轮廓得到定位目标区域的目标检测框。
其中，本实施例根据步骤S13和步骤S14获得涂覆区域的目标检测框，通过添加相关的检测算法，以对涂覆区域进行相应的检测。
其中，具体获取目标检测框的步骤请继续参阅图5，图5是本申请一实施例中步骤S13和步骤S14的具体流程示意图。具体而言，包括以下步骤：
步骤S131：基于目标区域的二值化图形对目标区域进行轮廓提取，以获取目标区域的二值化图形的轮廓。
其中，本实施例由步骤S12所得的涂覆区域的二值化图形均为区块，并未有明显的边界轮廓，需要进一步进行轮廓提取，以获取涂覆区域的二值化图形的轮廓。
步骤S141：搜索并提取轮廓的边界。
其中，本实施例由步骤S131所得到涂覆区域的二值化图形的轮廓为模糊边界轮廓，进一步对该轮廓进行搜索和提取，得到清晰且连续轮廓的边界。例如，可通过插值方法、线性平滑方法以及卷积法等等算法将边界不平滑的模糊边界轮廓进行平滑处理，以使处理后的轮廓的边界平滑。
步骤S142：根据边界进行绘制，得到目标检测框。
其中，在由步骤S141得到涂覆区域的二值化图形的轮廓边界之后，可将对应的轮廓边界定义为该涂覆区域的目标检测框。
其中，本实施例根据步骤S131所得到的涂覆区域的二值化图形的轮廓进行绘制，可得到边界连续的涂覆区域的二值化图形，根据绘制好的轮廓进一步进行相关检测。
其中，本实施例在执行步骤S13之前，还可执行如图6所示步骤，请继续参阅图6，图6是本申请一实施例中步骤S13之前的具体流程示意图。具体而言，包括以下步骤：
步骤S15：对目标区域的二值化图形进行去噪处理、填充处理、腐蚀处理和膨胀处理中的一项或多项。
其中，本实施例的去噪处理具体为去除涂覆区域的二值化图形内的小尺寸的白点，填充处理具体为填充涂覆区域的二值化图形内的小尺寸的黑点，腐蚀处理具体为扩大黑色区域，即扩大非涂覆区域，膨胀处理具体为收缩黑色区域，即收缩非涂覆区域。
其中，本实施例在执行完成步骤S12之后，还可执行如图7所示步骤，请继续参阅图7，图7是本申请目标检测框获取方法另一实施例的具体流程示意图。具体而言，包括以下步骤：
步骤S16：将待搜索区域中涂敷区域的二值化图形进行取反操作，得到非涂覆区域的二值化图形。
其中，本实施例通过步骤S12得到待搜索区域中涂敷区域的二值化图形，可进一步将待搜索区域的二值化图形进行取反操作，以获取非涂覆区域的二值化图形。
进一步地，本实施例根据获取的非涂覆区域的二值化图形，进行轮廓提取，进而获取非涂覆区域的二值化图形的轮廓。
进一步地，本实施例根据获取的非涂覆区域的二值化图形的轮廓进行绘制，可得到具有明显边界的非涂覆区域的二值化图形。
本实施例通过取反操作获取非涂覆区域的二值化图形，进而实现复用代码，减少操作员的工作量，提高操作员的编程速度与工作效率。
步骤S17：基于非涂覆区域的二值化图形对非涂覆区域进行检测。
其中，本实施例根据步骤S16所得到绘制好的非涂覆区域的二值化图形的轮廓进一步进行相关检测。
可选地，在执行完成步骤S17之后，还可进一步对绘制完成的涂覆区域以及非涂覆区域的二值化图形执行如步骤S15的去噪处理、填充处理腐蚀处理和/或膨胀处理。
本申请通过确定图片的待搜索区域，并对待搜索区域进行图像二值化处理以得到目标区域的二值化图像，进一步对目标区域进行检测，以实现对图片的涂覆检测。具体地，本申请通过预先确定扫描图片中的待搜索区域，预先确定存在目标区域的大体区域，进一步对待搜索区域进行图像二值化处理以得到目标区域的二值化图像，通过对目标区域进行筛选以及检测，得到定位目标区域的目标检测框，以实现对目标区域的准确定位，并且能够实现一次性定位扫描图片中的所有目标区域，进而减少整体的绘制时间。同时，本申请通过取反操作获取非涂覆区域的二值化图形，进而实现复用代码，减少操作员的工作量，提高操作员的编程速度与工作效率。
其中，本申请通过选择颜色模式，提高涂覆区域与非涂覆区域的对比度，进而提高涂覆检测的检测精度；本申请通过设定自适应调整的参数阈值，以满足涂覆检测的检测精度要求；本申请通过对目标区域的二值化图形进行填充处理、去噪处理、腐蚀处理和/或膨胀处理，以使涂覆检测的二值化图形得到优化处理，提高检测精度，同时实现智能化处理图片，使得涂覆检测更加方便与智能，减少操作员的编程时间以及工作量，加快操作员的编程。
本申请还提供一种目标检测框获取装置，请继续参阅图8，图8是本申请目标检测框获取装置一实施例的框架示意图。目标检测框获取装置20包括获取模块21、处理模块22以及检测模块23，处理模块22分别连接获取模块21以及检测模块23。
其中，获取模块21用于确定待测试目标的扫描图片中的待搜索区域；处理模块22用于对待搜索区域进行图形二值化处理，获得待搜索区域中涂覆区域的二值化图形；检测模块23用于基于涂覆区域的二值化图形对涂覆区域进行检测，根据检测结果得到涂覆区域的轮廓。
处理模块22还用于根据涂覆区域的轮廓得到定位涂覆区域的目标检测框，进而通过该目标检测框和相关的检测算法，实现对该待测试目标的扫描图片的涂覆检测。
本申请还提供一种涂覆检测设备，请继续参阅图9，图9是本申请涂覆检测设备一实施例的框架示意图。涂覆检测设备30包括定位模块31，定位模块31通过如上述的目标检测框获取方法对待测试目标上的目标区域进行目标检测框的确定。
本申请还提供一种电子设备，请继续参阅图10，图10是本申请电子设备一实施例的框架示意图。如图10所示，电子设备40包括相互耦接的存储器41和处理器42，处理器42用于执行存储器41中存储的程序指令，以实现上述任一目标检测框获取方法实施例中的步骤。在一个具体的实施场景中，电子设备40可以包括但不限于：微型计算机、服务器，此外，电子设备40还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
具体而言，处理器42用于控制其自身以及存储器41以实现上述任一目标检测框获取方法实施例中的步骤。处理器42还可以称为CPU(Central Processing Unit，中央处理单元)。处理器42可能是一种集成电路芯片，具有信号的处理能力。处理器42还可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器42可以由集成电路芯片共同实现。
本申请还提供一种计算机可读存储介质，请参阅图11，图11是本申请计算机可读存储介质一实施例的框架示意图。如图11所示，计算机可读存储介质50存储有能够被处理器运行的程序指令51，程序指令51用于实现上述任一目标检测框获取方法实施例中的步骤。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅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，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
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。
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(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (9)

1.一种目标检测框获取方法，其特征在于，包括：
确定待测试目标的扫描图片中的待搜索区域，所述待测试目标为涂覆有荧光胶水的电路板；
对所述待搜索区域进行图形二值化处理，获得所述待搜索区域中目标区域的二值化图形；
基于所述目标区域的二值化图形对所述目标区域进行检测，根据检测结果得到所述目标区域的轮廓；
根据所述目标区域的轮廓绘制定位所述目标区域的至少一个目标检测框；其中，所述目标区域包括涂敷区域或非涂敷区域；
所述对所述待搜索区域进行图形二值化处理，获得所述待搜索区域中目标区域的二值化图形，包括：
确定所述图形二值化处理的颜色模式，所述颜色模式包括亮度图、蓝色通道或灰度图；
获取所述待搜索区域内参数值大于所述颜色模式对应的参数阈值的像素区域；
基于所述像素区域确定所述待搜索区域中目标区域的二值化图形；
其中，所述参数阈值为固定值或者根据所述图片的对比度设置所述参数阈值；
所述对比度包括强度，所述根据所述图片的对比度设置所述参数阈值，包括：
计算所述图片的直方图；
基于所述直方图的强度及强度阈值确定所述直方图的两个像素组，所述强度阈值为多个；
计算与所述强度阈值对应的所述两个像素组的变异数之和；
获取多个所述变异数之和的最小值；
确定所述最小值为所述参数阈值。
2.根据权利要求1所述的目标检测框获取方法，其特征在于，所述对所述待搜索区域进行图形二值化处理，获得所述待搜索区域中目标区域的二值化图形之后，还包括：
识别并填充所述目标区域的二值化图形内的孔洞区域；和/或
滤除图形尺寸小于尺寸阈值的目标区域。
3.根据权利要求1所述的目标检测框获取方法，其特征在于，所述目标区域为涂敷区域，所述方法还包括：
将所述待搜索区域中涂敷区域的二值化图形进行取反操作，得到所述非涂覆区域的二值化图形；
基于所述非涂覆区域的二值化图形对所述非涂覆区域进行检测。
4.根据权利要求1所述的目标检测框获取方法，其特征在于，在所述基于所述目标区域的二值化图形对所述目标区域进行检测之前，包括：
对所述目标区域的二值化图形进行去噪处理、填充处理、腐蚀处理和膨胀处理中的一项或多项。
5.根据权利要求1所述的目标检测框获取方法，其特征在于，所述基于所述目标区域的二值化图形对所述目标区域进行检测，根据检测结果得到所述目标区域的轮廓，包括：
基于所述目标区域的二值化图形对所述目标区域进行轮廓提取，以获取所述目标区域的二值化图形的轮廓；
所述根据所述目标区域的轮廓得到定位目标区域的目标检测框，包括：
搜索并提取所述轮廓的边界；
根据所述边界进行绘制，得到所述目标检测框。
6.一种目标检测框获取装置，其特征在于，包括：
获取模块，用于确定待测试目标的扫描图片中的待搜索区域，所述待测试目标为涂覆有荧光胶水的电路板；
处理模块，用于对所述待搜索区域进行图形二值化处理，获得所述待搜索区域中目标区域的二值化图形；
其中，所述对所述待搜索区域进行图形二值化处理，获得所述待搜索区域中目标区域的二值化图形，包括：
确定所述图形二值化处理的颜色模式，所述颜色模式包括亮度图、蓝色通道或灰度图；
获取所述待搜索区域内参数值大于所述颜色模式对应的参数阈值的像素区域；其中所述参数阈值为固定值或者根据所述图片的对比度设置所述参数阈值；
基于所述像素区域确定所述待搜索区域中目标区域的二值化图形；
所述对比度包括强度，所述根据所述图片的对比度设置所述参数阈值，包括：
计算所述图片的直方图；
基于所述直方图的强度及强度阈值确定所述直方图的两个像素组，所述强度阈值为多个；
计算与所述强度阈值对应的所述两个像素组的变异数之和；
获取多个所述变异数之和的最小值；
确定所述最小值为所述参数阈值；
检测模块，用于基于所述目标区域的二值化图形对所述目标区域进行检测，根据检测结果得到目标区域的轮廓；
所述处理模块还用于根据所述目标区域的轮廓绘制定位所述目标区域的至少一个目标检测框。
7.一种涂覆检测设备，其特征在于，所述涂覆检测设备包括定位模块，所述定位模块通过权利要求1至5任一项所述的目标检测框获取方法对待测试目标上的目标区域进行目标检测框的确定。
8.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至5中任一项所述的目标检测框获取方法。
9.一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程序，所述计算机程序能够被处理器执行时实现如权利要求1至5中任一项所述的目标检测框获取方法。
CN202210412755.7A 2022-04-19 2022-04-19 一种目标检测框获取方法、装置、设备及存储介质 Active CN116958510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210412755.7A CN116958510B (zh) 2022-04-19 2022-04-19 一种目标检测框获取方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210412755.7A CN116958510B (zh) 2022-04-19 2022-04-19 一种目标检测框获取方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116958510A CN116958510A (zh) 2023-10-27
CN116958510B true CN116958510B (zh) 2024-05-28

Family

ID=88453515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210412755.7A Active CN116958510B (zh) 2022-04-19 2022-04-19 一种目标检测框获取方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116958510B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239850A (zh) * 2014-07-16 2014-12-24 华南理工大学 基于图像综合特征的答题卡填涂信息自动识别方法
CN113763109A (zh) * 2021-02-03 2021-12-07 北京沃东天骏信息技术有限公司 物品推荐方法、装置、设备及存储介质
WO2022012158A1 (zh) * 2020-07-17 2022-01-20 华为技术有限公司 一种目标确定方法以及目标确定装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104239850A (zh) * 2014-07-16 2014-12-24 华南理工大学 基于图像综合特征的答题卡填涂信息自动识别方法
WO2022012158A1 (zh) * 2020-07-17 2022-01-20 华为技术有限公司 一种目标确定方法以及目标确定装置
CN113763109A (zh) * 2021-02-03 2021-12-07 北京沃东天骏信息技术有限公司 物品推荐方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN116958510A (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
JP5781743B2 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN110008969B (zh) 图像显著性区域的检测方法和装置
JP4160258B2 (ja) 勾配ベースの局部輪郭線検出のための新しい知覚的しきい値決定
CN108896278B (zh) 一种滤光片丝印缺陷检测方法、装置及终端设备
CN109472271B (zh) 印刷电路板图像轮廓提取方法及装置
CN108389215B (zh) 一种边缘检测方法、装置、计算机存储介质及终端
CN116503388B (zh) 缺陷检测方法、装置及存储介质
CN115908269A (zh) 视觉缺陷检测方法、装置、存储介质和计算机设备
CN110852997A (zh) 动态图像清晰度检测方法、装置、电子设备及存储介质
CN112085682A (zh) 图像降噪方法、装置、电子设备及存储介质
CN108961260B (zh) 图像二值化方法及装置、计算机存储介质
CN111609998A (zh) 光照均匀性的检测方法、检测装置和可读存储介质
CN112037185A (zh) 染色体分裂相图像筛选方法、装置及终端设备
CN111079730A (zh) 一种在界面图中确定样图所在区域的方法和电子设备
CN114264669B (zh) 屏幕损伤缺陷检测方法、装置、设备及可读存储介质
CN113052754B (zh) 一种图片背景虚化的方法及装置
CN116958510B (zh) 一种目标检测框获取方法、装置、设备及存储介质
CN114913112A (zh) 晶圆双边缘检测方法和装置及设备
CN108805883B (zh) 一种图像分割方法、图像分割装置及电子设备
Cherepkova et al. Enhancing dermoscopy images to improve melanoma detection
CN111213372B (zh) 成像设备的动态范围的评估
JPH10269352A (ja) 画像処理装置および方法
WO2020107196A1 (zh) 一种对拍摄装置的拍摄质量评测方法、装置及终端设备
CN113469171A (zh) 识别sfr测试卡图像中感兴趣区域的方法及装置、介质
Long et al. An Efficient Method For Dark License Plate Detection

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