CN117152165B - 感光芯片缺陷的检测方法、装置、存储介质及电子设备 - Google Patents

感光芯片缺陷的检测方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN117152165B
CN117152165B CN202311442134.4A CN202311442134A CN117152165B CN 117152165 B CN117152165 B CN 117152165B CN 202311442134 A CN202311442134 A CN 202311442134A CN 117152165 B CN117152165 B CN 117152165B
Authority
CN
China
Prior art keywords
glass
defect
photosensitive chip
image
detection result
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
CN202311442134.4A
Other languages
English (en)
Other versions
CN117152165A (zh
Inventor
温柳康
易佳朋
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.)
Shenzhen Ait Precision Technology Co ltd
Original Assignee
Shenzhen Ait Precision 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 Shenzhen Ait Precision Technology Co ltd filed Critical Shenzhen Ait Precision Technology Co ltd
Priority to CN202311442134.4A priority Critical patent/CN117152165B/zh
Publication of CN117152165A publication Critical patent/CN117152165A/zh
Application granted granted Critical
Publication of CN117152165B publication Critical patent/CN117152165B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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

Abstract

本申请公开一种感光芯片缺陷的检测方法、装置、存储介质及电子设备，该方法包括：分别对待检测的感光芯片模组的由上到下依次设置的玻璃上表面、玻璃下表面及感光芯片表面所在的不同高度平面进行对焦，拍摄得到玻璃上表面图像、玻璃下表面图像及感光芯片表面图像，对玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，对玻璃下表面图像进行缺陷检测并过滤玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果，对感光芯片表面图像进行缺陷检测并过滤玻璃上表面缺陷检测结果及玻璃下表面检测结果，得到感光芯片表面缺陷检测结果，根据各层面的缺陷检测结果确定感光芯片模组的目标缺陷检测结果，以此提高对感光芯片进行缺陷检测的准确度。

Description

感光芯片缺陷的检测方法、装置、存储介质及电子设备
技术领域
本申请涉及芯片检测技术领域，具体涉及一种感光芯片缺陷的检测方法、装置、存储介质及电子设备。
背景技术
随着新一代信息技术与制造业的深入融合，引发制造业产生巨大变革，逐步从数量变成质量的竞争，企业通过提升产品质量来生产高附加值、高利润的产品，可以实现产品竞争力的跃升。而影响产品质量的因素多种多样，例如外观品质、功能品质、性能品质等。其中对外观品质的要求正在逐年提高，即良好的表面质量，如果产品中出现变形、划伤、脏污等表面缺陷，不仅破坏产品的美感和舒适度，还可能对产品的性能造成严重损害，因此，产品的表面缺陷检测必须覆盖在生产的多个环节。在这种背景下，表面缺陷检测对于减少生产成本、提高产品质量和生产效率有着至关重要的作用。然而，在对摄像头芯片，即感光芯片进行表面缺陷检测时，相关技术中还在依赖于人工目视检测，而检测员在长时间的工作之后，会出现注意力不集中的问题，导致存在瑕疵的产品无法被发现，从而流入市场，使得对感光芯片进行缺陷检测的准确度较低。
发明内容
本申请实施例提供一种感光芯片缺陷的检测方法、装置、存储介质及电子设备，能够提高对感光芯片进行缺陷检测的准确度。
第一方面，本申请实施例提供一种感光芯片缺陷的检测方法，包括：
分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置；
对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果；
对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果；
对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果；
根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果。
在一些实施例中，所述分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置，包括：
分别对所述待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到对应的第一高度平面图像、第二高度平面图像、以及第三高度平面图像；
获取所述感光芯片模组的产品类型；
根据所述产品类型确定所述感光芯片模组的目标检测区域；
根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像。
在一些实施例中，所述根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像，包括：
根据模板匹配算法将所述目标检测区域分别映射到所述第一高度平面图像、所述第二高度平面图像以及所述第三高度平面图像，得到所述玻璃上表面的第一映射区域，所述玻璃下表面的第二映射区域，以及所述感光芯片表面的第三映射区域；
根据所述第一映射区域从所述第一高度平面图像中截取所述玻璃上表面图像，根据所述第二映射区域从所述第二高度平面图像中截取所述玻璃下表面图像，以及根据所述第三映射区域从所述第三高度平面图像中截取所述感光芯片表面图像。
在一些实施例中，所述对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，包括：
确定所述玻璃上表面图像中存在的第一亮度异常点；
将所述第一亮度异常点作为所述玻璃上表面缺陷检测结果。
在一些实施例中，所述对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果，包括：
确定所述玻璃下表面图像中存在的第二亮度异常点；
从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点；
将所述第三亮度异常点作为所述玻璃下表面缺陷检测结果。
在一些实施例中，所述对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果，包括：
确定所述感光芯片表面图像中存在的第四亮度异常点；
从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点；
将所述第五亮度异常点作为所述感光芯片表面缺陷检测结果。
在一些实施例中，所述从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点，包括：
标记所述第一亮度异常点的第一位置；
根据所述第一位置从所述第二亮度异常点中剔除所述第一亮度异常点，得到所述第三亮度异常点。
在一些实施例中，所述从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点，包括：
标记所述第三亮度异常点的第二位置；
根据所述第一位置从所述第四亮度异常点中剔除所述第一亮度异常点，并根据所述第二位置从所述第四亮度异常点中剔除所述第三亮度异常点，得到所述第五亮度异常点。
在一些实施例中，所述根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果，包括：
确定所述感光芯片模组中的所述第一亮度异常点、所述第三亮度异常点以及所述第五亮度异常点对应的像素点的面积、对比度以及能量；
根据所述像素点的面积、对比度以及能量进行缺陷程度分类，得到目标缺陷程度；
将所述目标缺陷程度作为所述目标缺陷检测结果。
在一些实施例中，在对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果之前，还包括：
利用高斯滤波算法对所述玻璃上表面图像进行图像去噪处理，得到去噪处理后的玻璃上表面图像；
所述对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，包括：
对所述去噪处理后的玻璃上表面图像进行缺陷检测，得到所述玻璃上表面缺陷检测结果。
第二方面，本申请实施例还提供一种感光芯片缺陷的检测装置，包括：
获取单元，用于分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置；
第一检测单元，用于对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果；
第二检测单元，用于对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果；
第三检测单元，用于对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果；
确定单元，用于根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果。
第三方面，本申请实施例还提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的感光芯片缺陷的检测方法。
第四方面，本申请实施例还提供一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的感光芯片缺陷的检测方法。
本申请实施例提供的技术方案，通过分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置，对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果，对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果，根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果。本申请中通过对感光芯片模组的不同高度层面的缺陷分别进行检测，避免不同层面缺陷的互相干扰，从而能提高对感光芯片进行缺陷检测的准确度。
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为本申请实施例提供的感光芯片缺陷的检测方法的一种流程示意图。
图2为本申请实施例提供的感光芯片缺陷的检测方法中的感光芯片模组的示意图。
图3为本申请实施例提供的感光芯片缺陷的检测方法中的感光芯片模组中玻璃上表面、玻璃下表面以及感光芯片表面的示意图。
图4为本申请实施例提供的感光芯片缺陷的检测装置的结构示意图。
图5为本申请实施例提供的电子设备的一种结构示意图。
具体实施方式
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，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种感光芯片缺陷的检测方法，该感光芯片缺陷的检测方法的执行主体可以是本申请实施例提供的感光芯片缺陷的检测装置，或者集成了该感光芯片缺陷的检测装置的电子设备，其中该感光芯片缺陷的检测装置可以采用硬件或者软件的方式实现。
请参阅图1，图1为本申请实施例提供的感光芯片缺陷的检测方法的一种流程示意图。本申请实施例提供的感光芯片缺陷的检测方法的具体流程可以如下：
S110、分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置。
本实施例中，待检测的感光芯片模组代指需要进行缺陷检测的感光芯片模组。其中，待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像可以通过摄像头等图像采集设备对待检测的感光芯片模组进行拍摄得到。
请参考图2，图2为感光芯片模组的示意图，图3为感光芯片模组中的玻璃上表面1、玻璃下表面2以及感光芯片表面3的示意图，其中，玻璃是一体的，加上感光芯片本身，从上到下一共包含玻璃上表面、玻璃下表面以及感光芯片表面三个高度平面。本实施例中，可以通过高精度的成像系统分别对焦于这三个高度平面，从上到下，依次进行拍摄，以获取该玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像。需要说明的是，在对这三个不同的高度平面进行拍摄时，不同高度层用不同的打光以及不同的对焦。
在一些实施例中，所述分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置，包括：
分别对所述待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到对应的第一高度平面图像、第二高度平面图像、以及第三高度平面图像；
获取所述感光芯片模组的产品类型；
根据所述产品类型确定所述感光芯片模组的目标检测区域；
根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像。
其中，目标检测区域为产品检测ROI区域（感兴趣区域），本申请中目标检测区域为感光芯片的所在区域，该目标检测区域由产品类型决定，不同类型的产品对应的检测区域以及形状会有区别。
需要说明的是，通常在一副完整的图像中，需要检测的只是其中的一部分区域，因此框选产品检测ROI区域，算法运行时只会对该ROI区域进行处理，减少非检测区域干扰的同时，也能很大程度上提高算法运行速度。
在设置好目标检测区域之后，设置的检测ROI区域是固定的，但是在自动检测流程中，每次产品（感光芯片模组）的位置会伴随一定的随机偏移或旋转，因此首先要对产品做定位识别，然后根据定位结果将设置好的ROI区域映射到当前产品，以确保ROI区域能“跟随”产品进行偏移或旋转，这里可以采用模板匹配算法做产品定位。
比如，在模板图上框选好目标检测区域之后，该目标检测区域是固定的，会保存在离线文本中，实际检测中，每个产品运送到检测相机下方时，是会有一定的偏移（x方向，y方向或者旋转方向的偏移），因此要根据模板匹配算法算出当前产品相对于画目标检测区域时的模板产品偏移了多少，从而得到映射矩阵，然后根据映射矩阵把这个固定的目标检测区域映射到当前产品中，才能得到每个产品准确的检测位置，例如，产品1往x方向平移了2mm，那么目标检测区域也要往x方向平移2mm，才是当前产品对应的正确的目标检测区域。
也就是说，计算当前产品相对于模板产品的位置偏移（包括x方向，y方向以及旋转三个维度），只有计算出偏移矩阵，才能把固定的目标检测区域正确地映射到当前产品中，所谓模板产品就是指用于设置目标检测区域的产品，在这里可以理解为标准产品。
在一些实施例中，所述根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像，包括：
根据模板匹配算法将所述目标检测区域分别映射到所述第一高度平面图像、所述第二高度平面图像以及所述第三高度平面图像，得到所述玻璃上表面的第一映射区域，所述玻璃下表面的第二映射区域，以及所述感光芯片表面的第三映射区域；
根据所述第一映射区域从所述第一高度平面图像中截取所述玻璃上表面图像，根据所述第二映射区域从所述第二高度平面图像中截取所述玻璃下表面图像，以及根据所述第三映射区域从所述第三高度平面图像中截取所述感光芯片表面图像。
本实施例中，在确定了目标检测区域之后，根据模板匹配算法，将该目标检测区域映射到该第一高度平面图像，得到玻璃上表面的第一映射区域；将该目标检测区域映射到该第二高度平面图像，得到玻璃下表面的第二映射区域；将该目标检测区域映射到该第三高度平面图像，得到感光芯片表面的第三映射区域，然后分别通过映射区域截取得到玻璃下表面图像、玻璃上表面图像以及感光芯片表面图像。
S120、对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果。
在一些实施例中，所述对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，包括：
确定所述玻璃上表面图像中存在的第一亮度异常点；
将所述第一亮度异常点作为所述玻璃上表面缺陷检测结果。
本实施例中，图像中存在的亮度异常点即为该图像中存在的缺陷，在对图像的亮度异常点进行确定时，可以采用现有技术中对图像中亮度异常点进行确定的相关方法，此处不做具体阐述。
例如，可以通过局部动态二值化寻找图像中存在的亮度异常点。亮度异常点包括异常亮点以及异常暗点。
其中，局部动态二值化是在每一个局部区域内根据灰度分布动态计算出分割阈值，一般先对原图像进行滤波处理进行平滑，得到平滑图像，然后设定局部窗口大小，沿着图像从左到右，从上到下的方向滑动窗口，计算窗口内测试图像灰度与平滑图像的灰度差值，差值大于设定范围的会被分割出来作为异常亮点，差值小于设定范围的会被分割出来作为异常暗点。
此外，局部窗口大小有一定的讲究，并非越大越好，也并非越小越好。太大或者太小，都体现不出图像的局部区域特征。不同大小，不同特征的缺陷需要设置不同的窗口大小才能达到更好的检测效果，比如点状类的缺陷，一般需要较小的窗口大小，而大块的团状缺陷或者则需要较大的窗口大小，所以模板大小一定要合适，即含有背景区域又含有前景区域，且背景区域和前景区域的灰度分布有着一定程度的差异性，这样更易分割。
本实施例中，可以先采用全局二值化的方法粗略提取出图像中的缺陷，并根据初步提取缺陷的大小自动调整窗口，然后采用局部动态二值化进一步检测缺陷，从而实现不同大小，不同类型缺陷的检测。
S130、对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果。
在一些实施例中，所述对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果，包括：
确定所述玻璃下表面图像中存在的第二亮度异常点；
从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点；
将所述第三亮度异常点作为所述玻璃下表面缺陷检测结果。
本实施例中，为了避免在对下层高度平面进行缺陷检测时，把上层高度平面中存在的缺陷透射到下层高度平面，并将该透射的缺陷作为下层高度平面的缺陷，而造成误检测，因此，在对玻璃下表面进行缺陷检测时，会将玻璃上表面中存在的缺陷进行过滤处理。
在一些实施例中，所述从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点，包括：
标记所述第一亮度异常点的第一位置；
根据所述第一位置从所述第二亮度异常点中剔除所述第一亮度异常点，得到所述第三亮度异常点。
本实施例中，在对上层高度平面中存在的缺陷进行过滤时，先对上层高度平面中存在的亮度异常点做标记，然后从本层高度平面中存在的缺陷中剔除这些标记的亮度异常点，剩下的亮度异常点即为本层高度平面对应的亮度异常点。
S140、对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果。
在一些实施例中，所述对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果，包括：
确定所述感光芯片表面图像中存在的第四亮度异常点；
从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点；
将所述第五亮度异常点作为所述感光芯片表面缺陷检测结果。
本实施例中，为了避免上层高度平面中存在的缺陷透射到下层高度平面造成误检测，因此，在对感光芯片表面进行缺陷检测时，会将玻璃上表面以及玻璃下表面中存在的缺陷进行过滤处理。
在一些实施例中，所述从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点，包括：
标记所述第三亮度异常点的第二位置；
根据所述第一位置从所述第四亮度异常点中剔除所述第一亮度异常点，并根据所述第二位置从所述第四亮度异常点中剔除所述第三亮度异常点，得到所述第五亮度异常点。
需要说明的是，本申请实施例中，必须按照从高到低的顺序来拍摄不同高度平面对应的图像，这样才能排除上层高度的缺陷透射到下层高度平面造成的误检测。
S150、根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果。
在一些实施例中，所述根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果，包括：
确定所述感光芯片模组中的所述第一亮度异常点、所述第三亮度异常点以及所述第五亮度异常点对应的像素点的面积、对比度以及能量；
根据所述像素点的面积、对比度以及能量进行缺陷程度分类，得到目标缺陷程度；
将所述目标缺陷程度作为所述目标缺陷检测结果。
需要说明的是，感光芯片模组存在的缺陷可以表现为点状、线状、块状等能明显和背景区域有所区别的现象。而由于不同的客户、不同型号产品对缺陷的“容忍度”是不一样的，如某客户的某款产品，认为在产品上即使存在缺陷，但是只要面积不超过2mm，就不认为是缺陷，可以认作是良品。因此，本申请中通过获取这些亮度异常点对应的像素点的面积、对比度以及能量，然后根据该像素点的面积、对比度以及能量进行缺陷程度分类，得到目标缺陷程度，可以给感光芯片模组的缺陷程度进行分类，以满足不同客户对产品的质量要求的选择。
具体实施时，本申请不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。
由上可知，本申请实施例提供的感光芯片缺陷的检测方法，通过对感光芯片模组的不同高度层面的缺陷分别进行检测，避免不同层面缺陷的互相干扰，从而能提高对感光芯片进行缺陷检测的准确度。
在一些实施例中，在对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果之前，还包括：
利用高斯滤波算法对所述玻璃上表面图像进行图像去噪处理，得到去噪处理后的玻璃上表面图像。
其中，高斯去噪可以理解成每一个像素都取周边像素的加权平均值，以高斯分布作为内核，对图像逐个像素做卷积得到的图像即为高斯去噪后的图像。
在一些实施例中，所述对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，包括：
对所述去噪处理后的玻璃上表面图像进行缺陷检测，得到所述玻璃上表面缺陷检测结果。
在一些实施例中，在对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果之前，还包括：
利用高斯滤波算法对所述玻璃下表面图像进行图像去噪处理，得到去噪处理后的玻璃下表面图像。
在一些实施例中，对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果，包括：
对所述去噪处理后的玻璃下表面图像进行缺陷检测，并过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果。
在一些实施例中，在对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果之前，还包括：
利用高斯滤波算法对所述感光芯片表面图像进行图像去噪处理，得到去噪处理后的感光芯片表面图像。
在一些实施例中，对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果，包括：
对所述去噪处理后的感光芯片表面图像进行缺陷检测，并过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果。
在一实施例中还提供一种感光芯片缺陷的检测装置。请参阅图4，图4为本申请实施例提供的感光芯片缺陷的检测装置200的结构示意图。其中该感光芯片缺陷的检测装置200应用于电子设备，该感光芯片缺陷的检测装置200包括获取单元201、第一检测单元202、第二检测单元203、第三检测单元204、以及确定单元205，如下：
获取单元201，用于分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置；
第一检测单元202，用于对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果；
第二检测单元203，用于对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果；
第三检测单元204，用于对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果；
确定单元205，用于根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果。
在一些实施例中，所述获取单元201，可以用于：
分别对所述待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到对应的第一高度平面图像、第二高度平面图像、以及第三高度平面图像；
获取所述感光芯片模组的产品类型；
根据所述产品类型确定所述感光芯片模组的目标检测区域；
根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像。
在一些实施例中，所述获取单元201，可以用于：
根据模板匹配算法将所述目标检测区域分别映射到所述第一高度平面图像、所述第二高度平面图像以及所述第三高度平面图像，得到所述玻璃上表面的第一映射区域，所述玻璃下表面的第二映射区域，以及所述感光芯片表面的第三映射区域；
根据所述第一映射区域从所述第一高度平面图像中截取所述玻璃上表面图像，根据所述第二映射区域从所述第二高度平面图像中截取所述玻璃下表面图像，以及根据所述第三映射区域从所述第三高度平面图像中截取所述感光芯片表面图像。
在一些实施例中，第一检测单元202，可以用于：
确定所述玻璃上表面图像中存在的第一亮度异常点；
将所述第一亮度异常点作为所述玻璃上表面缺陷检测结果。
在一些实施例中，第二检测单元203，可以用于：
确定所述玻璃下表面图像中存在的第二亮度异常点；
从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点；
将所述第三亮度异常点作为所述玻璃下表面缺陷检测结果。
在一些实施例中，第二检测单元203，可以用于：
标记所述第一亮度异常点的第一位置；
根据所述第一位置从所述第二亮度异常点中剔除所述第一亮度异常点，得到所述第三亮度异常点。
在一些实施例中，第三检测单元204，可以用于：
确定所述感光芯片表面图像中存在的第四亮度异常点；
从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点；
将所述第五亮度异常点作为所述感光芯片表面缺陷检测结果。
在一些实施例中，第三检测单元204，可以用于：
标记所述第三亮度异常点的第二位置；
根据所述第一位置从所述第四亮度异常点中剔除所述第一亮度异常点，并根据所述第二位置从所述第四亮度异常点中剔除所述第三亮度异常点，得到所述第五亮度异常点。
在一些实施例中，确定单元205，可以用于：
确定所述感光芯片模组中的所述第一亮度异常点、所述第三亮度异常点以及所述第五亮度异常点对应的像素点的面积、对比度以及能量；
根据所述像素点的面积、对比度以及能量进行缺陷程度分类，得到目标缺陷程度；
将所述目标缺陷程度作为所述目标缺陷检测结果。
在一些实施例中，所述获取单元201，还可以用于：
利用高斯滤波算法对所述玻璃上表面图像进行图像去噪处理，得到去噪处理后的玻璃上表面图像；
在一些实施例中，所述获取单元201，还可以用于：
对所述去噪处理后的玻璃上表面图像进行缺陷检测，得到所述玻璃上表面缺陷检测结果。
在一些实施例中，所述获取单元201，还可以用于：
利用高斯滤波算法对所述玻璃下表面图像进行图像去噪处理，得到去噪处理后的玻璃下表面图像；
在一些实施例中，所述获取单元201，还可以用于：
对所述去噪处理后的玻璃下表面图像进行缺陷检测，并过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果。
在一些实施例中，所述获取单元201，还可以用于：
利用高斯滤波算法对所述感光芯片表面图像进行图像去噪处理，得到去噪处理后的感光芯片表面图像。
在一些实施例中，所述获取单元201，还可以用于：
对所述去噪处理后的感光芯片表面图像进行缺陷检测，并过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果。
应当说明的是，本申请实施例提供的感光芯片缺陷的检测装置与上文实施例中的感光芯片缺陷的检测方法属于同一构思，通过该感光芯片缺陷的检测装置可以实现感光芯片缺陷的检测方法实施例中提供的任一方法，其具体实现过程详见感光芯片缺陷的检测方法实施例，此处不再赘述。
此外，为了更好实施本申请实施例中感光芯片缺陷的检测方法，在感光芯片缺陷的检测方法基础之上，本申请还提供一种电子设备，请参照图5，图5示出了本申请提供的电子设备300的一种结构示意图，如图5所示，本申请提供的电子设备300包括处理器301和存储器302，处理器301用于执行存储器302中存储的计算机程序时实现如本申请以上实施例中感光芯片缺陷的检测方法的各步骤，比如：
分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置；
对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果；
对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果；
对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果；
根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器302中，并由处理器301执行，以完成本申请实施例。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
电子设备300可包括，但不仅限于处理器301、存储器302。本领域技术人员可以理解，示意仅仅是电子设备300的示例，并不构成对电子设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备300还可以包括输入输出设备、网络接入设备、总线等，处理器301、存储器302、输入输出设备以及网络接入设备等通过总线相连。
处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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，处理器是电子设备300的控制中心，利用各种接口和线路连接整个电子设备300的各个部分。
存储器302可用于存储计算机程序和/或模块，处理器301通过运行或执行存储在存储器302内的计算机程序和/或模块，以及调用存储在存储器302内的数据，实现计算机装置的各种功能。存储器302可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据电子设备300的使用所创建的数据（比如音频数据、视频数据等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的感光芯片缺陷的检测装置、电子设备300及其相应单元的具体工作过程，可以参考本申请以上实施例中关于感光芯片缺陷的检测方法的说明，具体在此不再赘述。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
为此，本申请实施例提供一种计算机可读的存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本申请以上实施例中感光芯片缺陷的检测方法中的步骤，比如：
分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置；
对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果；
对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果；
对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面检测结果，得到感光芯片表面缺陷检测结果；
根据所述玻璃上表面缺陷检测结果、所述玻璃下表面检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果。
具体操作可参考本申请以上实施例中关于感光芯片缺陷的检测方法的说明，在此不再赘述。
其中，该计算机可读的存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁盘或光盘等。
由于该计算机可读存储介质中所存储的指令，可以执行本申请以上实施例中感光芯片缺陷的检测方法中的步骤，因此，可以实现本申请以上实施例中感光芯片缺陷的检测方法所能实现的有益效果，详见前面的说明，在此不再赘述。
此外，本申请中的术语“第一”、“第二”和“第三”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模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上对本申请所提供的一种感光芯片缺陷的检测方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (6)

1.一种感光芯片缺陷的检测方法，其特征在于，包括：
分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，包括：分别对所述待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到对应的第一高度平面图像、第二高度平面图像、以及第三高度平面图像；获取所述感光芯片模组的产品类型；根据所述产品类型确定所述感光芯片模组的目标检测区域；根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像；其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置，并按照不同表面所处的高度平面由高到低的顺序进行拍摄；
对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，包括：确定所述玻璃上表面图像中存在的第一亮度异常点；将所述第一亮度异常点作为所述玻璃上表面缺陷检测结果；
对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果，包括：确定所述玻璃下表面图像中存在的第二亮度异常点；从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点；将所述第三亮度异常点作为所述玻璃下表面缺陷检测结果；
对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果，得到感光芯片表面缺陷检测结果，包括：确定所述感光芯片表面图像中存在的第四亮度异常点；从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点；将所述第五亮度异常点作为所述感光芯片表面缺陷检测结果；
根据所述玻璃上表面缺陷检测结果、所述玻璃下表面缺陷检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果，包括：确定所述感光芯片模组中的所述第一亮度异常点、所述第三亮度异常点以及所述第五亮度异常点对应的像素点的面积、对比度以及能量；根据所述像素点的面积、对比度以及能量进行缺陷程度分类，得到目标缺陷程度；将所述目标缺陷程度作为所述目标缺陷检测结果；
其中，所述根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像，包括：
根据模板匹配算法将所述目标检测区域分别映射到所述第一高度平面图像、所述第二高度平面图像以及所述第三高度平面图像，得到所述玻璃上表面的第一映射区域，所述玻璃下表面的第二映射区域，以及所述感光芯片表面的第三映射区域；
根据所述第一映射区域从所述第一高度平面图像中截取所述玻璃上表面图像，根据所述第二映射区域从所述第二高度平面图像中截取所述玻璃下表面图像，以及根据所述第三映射区域从所述第三高度平面图像中截取所述感光芯片表面图像。
2.如权利要求1所述的感光芯片缺陷的检测方法，其特征在于，所述从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点，包括：
标记所述第一亮度异常点的第一位置；
根据所述第一位置从所述第二亮度异常点中剔除所述第一亮度异常点，得到所述第三亮度异常点；
所述从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点，包括：
标记所述第三亮度异常点的第二位置；
根据所述第一位置从所述第四亮度异常点中剔除所述第一亮度异常点，并根据所述第二位置从所述第四亮度异常点中剔除所述第三亮度异常点，得到所述第五亮度异常点。
3.如权利要求1所述的感光芯片缺陷的检测方法，其特征在于，在对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果之前，还包括：
利用高斯滤波算法对所述玻璃上表面图像进行图像去噪处理，得到去噪处理后的玻璃上表面图像；
所述对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，包括：
对所述去噪处理后的玻璃上表面图像进行缺陷检测，得到所述玻璃上表面缺陷检测结果。
4.一种感光芯片缺陷的检测装置，其特征在于，包括：
获取单元，用于分别对待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到所述待检测的感光芯片模组的玻璃上表面图像、玻璃下表面图像以及感光芯片表面图像，包括：分别对所述待检测的感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面所在的不同高度平面进行对焦，拍摄得到对应的第一高度平面图像、第二高度平面图像、以及第三高度平面图像；获取所述感光芯片模组的产品类型；根据所述产品类型确定所述感光芯片模组的目标检测区域；根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像；其中，感光芯片模组的玻璃上表面、玻璃下表面以及感光芯片表面由上到下依次设置，并按照不同表面所处的高度平面由高到低的顺序进行拍摄；
第一检测单元，用于对所述玻璃上表面图像进行缺陷检测，得到玻璃上表面缺陷检测结果，包括：确定所述玻璃上表面图像中存在的第一亮度异常点；将所述第一亮度异常点作为所述玻璃上表面缺陷检测结果；
第二检测单元，用于对所述玻璃下表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果，得到玻璃下表面缺陷检测结果，包括：确定所述玻璃下表面图像中存在的第二亮度异常点；从所述第二亮度异常点中过滤所述第一亮度异常点，得到第三亮度异常点；将所述第三亮度异常点作为所述玻璃下表面缺陷检测结果；
第三检测单元，用于对所述感光芯片表面图像进行缺陷检测，并基于所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果过滤所述玻璃上表面缺陷检测结果以及所述玻璃下表面缺陷检测结果，得到感光芯片表面缺陷检测结果，包括：确定所述感光芯片表面图像中存在的第四亮度异常点；从所述第四亮度异常点中过滤所述第一亮度异常点和所述第三亮度异常点，得到第五亮度异常点；将所述第五亮度异常点作为所述感光芯片表面缺陷检测结果；
确定单元，用于根据所述玻璃上表面缺陷检测结果、所述玻璃下表面缺陷检测结果以及所述感光芯片表面缺陷检测结果，确定所述感光芯片模组的目标缺陷检测结果，包括：确定所述感光芯片模组中的所述第一亮度异常点、所述第三亮度异常点以及所述第五亮度异常点对应的像素点的面积、对比度以及能量；根据所述像素点的面积、对比度以及能量进行缺陷程度分类，得到目标缺陷程度；将所述目标缺陷程度作为所述目标缺陷检测结果；
其中，所述根据所述目标检测区域，从所述第一高度平面图像上截取所述玻璃上表面图像，从所述第二高度平面图像上截取所述玻璃下表面图像，以及从所述第三高度平面图像上截取所述感光芯片表面图像，包括：
根据模板匹配算法将所述目标检测区域分别映射到所述第一高度平面图像、所述第二高度平面图像以及所述第三高度平面图像，得到所述玻璃上表面的第一映射区域，所述玻璃下表面的第二映射区域，以及所述感光芯片表面的第三映射区域；
根据所述第一映射区域从所述第一高度平面图像中截取所述玻璃上表面图像，根据所述第二映射区域从所述第二高度平面图像中截取所述玻璃下表面图像，以及根据所述第三映射区域从所述第三高度平面图像中截取所述感光芯片表面图像。
5.一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至3任一项所述的感光芯片缺陷的检测方法。
6.一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至3任一项所述的感光芯片缺陷的检测方法。
CN202311442134.4A 2023-11-01 2023-11-01 感光芯片缺陷的检测方法、装置、存储介质及电子设备 Active CN117152165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311442134.4A CN117152165B (zh) 2023-11-01 2023-11-01 感光芯片缺陷的检测方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311442134.4A CN117152165B (zh) 2023-11-01 2023-11-01 感光芯片缺陷的检测方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN117152165A CN117152165A (zh) 2023-12-01
CN117152165B true CN117152165B (zh) 2024-03-22

Family

ID=88910526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311442134.4A Active CN117152165B (zh) 2023-11-01 2023-11-01 感光芯片缺陷的检测方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN117152165B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117525192B (zh) * 2024-01-08 2024-03-15 深圳斯多福新材料科技有限公司 基于视觉检测的光伏板涂胶加工控制方法、系统和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090087616A (ko) * 2008-02-13 2009-08-18 주식회사 티투엠 칩 검사장치
CN111784684A (zh) * 2020-07-13 2020-10-16 合肥市商巨智能装备有限公司 基于激光辅助的透明产品内部缺陷定深检测方法及装置
CN115015119A (zh) * 2022-06-09 2022-09-06 深圳中科软件科技有限公司 Aoi打光成像
CN115479952A (zh) * 2022-10-17 2022-12-16 东莞市桦鼎科技有限公司 一种基于3d视觉检测方法及其设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090087616A (ko) * 2008-02-13 2009-08-18 주식회사 티투엠 칩 검사장치
CN111784684A (zh) * 2020-07-13 2020-10-16 合肥市商巨智能装备有限公司 基于激光辅助的透明产品内部缺陷定深检测方法及装置
CN115015119A (zh) * 2022-06-09 2022-09-06 深圳中科软件科技有限公司 Aoi打光成像
CN115479952A (zh) * 2022-10-17 2022-12-16 东莞市桦鼎科技有限公司 一种基于3d视觉检测方法及其设备

Also Published As

Publication number Publication date
CN117152165A (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN110060237B (zh) 一种故障检测方法、装置、设备及系统
CN113688807B (zh) 一种自适应缺陷检测方法、装置、识别系统及存储介质
CN115272346A (zh) 一种基于边缘检测的pcb板生产过程在线检测方法
CN111612781A (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
KR20090066212A (ko) 결함 검출 방법 및 결함 검출 장치
CN114529459B (zh) 一种对图像边缘进行增强处理的方法和系统及介质
CN108918093B (zh) 一种滤光片镜面缺陷检测方法、装置及终端设备
CN112164050B (zh) 用于流水线上产品表面缺陷的检测方法、设备及存储介质
CN113160161B (zh) 目标边缘处缺陷的检测方法和装置
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN109584215A (zh) 一种电路板在线视觉检测系统
CN113628179B (zh) 一种pcb表面缺陷实时检测方法、装置及可读介质
CN109378279A (zh) 晶圆检测方法及晶圆检测系统
CN112419207A (zh) 一种图像矫正方法及装置、系统
CN111223078B (zh) 瑕疵等级判定的方法及存储介质
CN114298985B (zh) 缺陷检测方法、装置、设备及存储介质
CN113705564B (zh) 一种指针式仪表识别读数方法
CN113112396B (zh) 导电粒子的检测方法
WO2021195873A1 (zh) 识别sfr测试卡图像中感兴趣区域的方法及装置、介质
CN113947598B (zh) 基于图像处理的塑料餐盒缺陷检测方法、装置及系统
CN116993654A (zh) 摄像头模组缺陷检测方法、装置、设备、存储介质及产品
CN109934817A (zh) 一种果体外部轮廓畸形检测方法
CN113362288B (zh) 一种金手指划伤检测方法、装置以及电子设备
CN115564727A (zh) 一种爆光显影异常缺陷检测方法及系统

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