CN117333441B - 一种基于图像数据的pcb板缺陷检测方法及系统 - Google Patents

一种基于图像数据的pcb板缺陷检测方法及系统 Download PDF

Info

Publication number
CN117333441B
CN117333441B CN202311259097.3A CN202311259097A CN117333441B CN 117333441 B CN117333441 B CN 117333441B CN 202311259097 A CN202311259097 A CN 202311259097A CN 117333441 B CN117333441 B CN 117333441B
Authority
CN
China
Prior art keywords
target
sub
image
pcb
images
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
CN202311259097.3A
Other languages
English (en)
Other versions
CN117333441A (zh
Inventor
符士华
陈卫强
孙晓蓉
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.)
Weihai Tiantuo Hechuang Electronic Engineering Co ltd
Original Assignee
Weihai Tiantuo Hechuang Electronic Engineering 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 Weihai Tiantuo Hechuang Electronic Engineering Co ltd filed Critical Weihai Tiantuo Hechuang Electronic Engineering Co ltd
Priority to CN202311259097.3A priority Critical patent/CN117333441B/zh
Publication of CN117333441A publication Critical patent/CN117333441A/zh
Application granted granted Critical
Publication of CN117333441B publication Critical patent/CN117333441B/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
    • 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
    • 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
    • G01N2021/8883—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 involving the calculation of gauges, generating models
    • 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
    • G06T2207/30141—Printed circuit board [PCB]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Geometry (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供了一种基于图像数据的PCB板缺陷检测方法，所述方法包括：获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型；获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积；根据目标PCB板模型确定目标PCB板总面积；基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。本申请还提出了一种基于图像数据的PCB板缺陷检测系统。

Description

一种基于图像数据的PCB板缺陷检测方法及系统
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于图像数据的PCB板缺陷检测方法及系统。
背景技术
PCB板缺陷检测的目的是提高产品质量，减少不良品率，同时提高生产效率和降低生产成本。通过合理选择检测方法和设备，可以有效发现和排除PCB板上的缺陷，确保产品的可靠性和稳定性。
相关技术中，一般通过人工目视检查PCB板上的元件和连接，发现可能存在的缺陷。这是最简单和最常用的检测方法，但效率较低且易受人为因素影响。在采用光学技术检测时，非平面的PCB板，如具有弧面的PCB板，在检测的过程中对元器件的判断容易出现误差。同时，无法实现对结构相近但不同的PCB板进行检测。
发明内容
本发明实施例提供一种基于图像数据的PCB板缺陷检测方法，旨在解决或者部分解决上述背景技术中存在的问题。
为了解决上述技术问题，本发明是这样实现的：
本发明实施例第一方面，本发明实施例提供了一种基于图像数据的PCB板缺陷检测方法，所述方法包括：
获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型；
获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积；
根据目标PCB板模型确定目标PCB板总面积；
基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。
结合第一方面，在一些可行的实施方式中，获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积，包括：
分割所述完整正面图像以形成多个子图像；
将多个所述子图像与缺陷数据图像匹配，根据匹配结果，确定多个所述子图像中的缺陷子图像；
基于所述目标PCB板模型，获取目标正面图像，所述目标正面图像为目标PCB板模型的完整正面图像；
分割所述目标正面图像以形成多个目标子图像，其中，所述目标子图像与所述子图像一一对应，每一个所述目标子图像具有预设面积；
根据与所述缺陷子图像相对应的所述目标子图像的预设面积，确定正面缺陷区域的面积。
结合第一方面，在一些可行的实施方式中，将多个所述子图像与缺陷数据图像匹配，根据匹配结果，确定多个所述子图像中的缺陷子图像，包括：
确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像；
标记与所述非缺陷子图像相邻的所述缺陷子图像，遍历每一个已标记的所述缺陷子图像，并获取以每个缺陷子图像为节点形成的多个欧拉路径；
确认是否存在任一所述欧拉路径嵌套于另一所述欧拉路径所围成的范围内，若存在，则确定最大的所述欧拉路径所围成的区域中，所有所述子图像均为所述缺陷子图像。
结合第一方面，在一些可行的实施方式中，确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像，包括：
获取预设缺陷图像，将所述预设缺陷图像与多个所述缺陷子图像相匹配并获得第一结果；
根据所述第一结果，确定所述缺陷子图像。
结合第一方面，在一些可行的实施方式中，确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像，还包括：
根据所述扫描PCB板模型，获取每一个所述子图像所具有的深度信息；
获取预设缺陷深度数据，将所述预设缺陷深度数据与所述深度信息相匹配并获得第二结果；
根据所述第一结果与所述第二结果，确定所述缺陷子图像。
结合第一方面，在一些可行的实施方式中，获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型，包括：
确认多个扫描靶点，其中，所述扫描靶点为所述扫描PCB板模型表面上的点；
将所述扫描靶点与多个所述预设PCB板模型的预设靶点相匹配，其中，所述预设靶点为所述预设PCB板模型上的点，所述扫描靶点与所述预设靶点一一对应，根据匹配结果，确定所述目标PCB板模型。
结合第一方面，在一些可行的实施方式中，将所述扫描靶点与多个所述预设PCB板模型的预设靶点相匹配，其中，所述预设靶点为所述预设PCB板模型上的点，所述扫描靶点与所述预设靶点一一对应，根据匹配结果，确定所述目标PCB板模型，包括：
确定每一对所述扫描靶点与所述预设靶点之间的对应关系；
获取每一对相对应的所述预设靶点与所述扫描靶点之间的距离，分别为l1、l2…ln；
根据所述所述预设靶点与所述扫描靶点之间的距离，确定平均差异值lδ，其中，所述差异值lδ满足：
其中,la与lb分别为每一对相对应的所述预设靶点与所述扫描靶点之间的最大距离与最小距离；
确认所述预设PCB板模型中，与所述扫描PCB板模型之间所述差异值lδ最小的所述预设PCB板模型为目标PCB板模型。
第二方面，本发明提出了一种基于图像数据的PCB板缺陷检测系统，包括：
第一获取模块，所述第一获取模块用于获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型；
第二获取模块，所述第二获取模块用于获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积；
第一确定模块，所述第一确定模块用于根据目标PCB板模型确定目标PCB板总面积；
第二确定模块，所述第二确定模块用于基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。
结合第二方面，在一些可行的实施方式中，系统还包括：
第一分割模块，所述第一分割模块用于分割所述完整正面图像以形成多个子图像；
第一匹配模块，所述第一匹配模块用于将多个所述子图像与缺陷数据图像匹配，根据匹配结果，确定多个所述子图像中的缺陷子图像；
第三获取模块，所述第三获取模块用于基于所述目标PCB板模型，获取目标正面图像，所述目标正面图像为目标PCB板模型的完整正面图像；
第二分割模块，所述第二分割模块用于分割所述目标正面图像以形成多个目标子图像，其中，所述目标子图像与所述子图像一一对应，每一个所述目标子图像具有预设面积；
第三确定模块，所述第三确定模块用于根据与所述缺陷子图像相对应的所述目标子图像的预设面积，确定正面缺陷区域的面积。
结合第二方面，在一些可行的实施方式中，还包括：
第四确定模块，所述第四确定模块用于确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像；
第一标记模块，所述第一标记模块用于标记与所述非缺陷子图像相邻的所述缺陷子图像，遍历每一个已标记的所述缺陷子图像，并获取以每个缺陷子图像为节点形成的多个欧拉路径；
第五确定模块，所述第五确定模块用于确认是否存在任一所述欧拉路径嵌套于另一所述欧拉路径所围成的范围内，若存在，则确定最大的所述欧拉路径所围成的区域中，所有所述子图像均为所述缺陷子图像。
本发明实施例第三方面提出一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信。
存储器，用于存放计算机程序。
处理器，用于执行存储器上所存放的程序时，实现本发明实施例第一方面提出方法步骤。
本发明实施例第四方面提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例第一方面提出方法。
本发明实施例包括以下优点：
本申请提出了一种基于图像数据的PCB板缺陷检测方法，首先，获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型。然后，获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积，然后，根据目标PCB板模型确定目标PCB板总面积。基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。本申请提出的基于图像数据的PCB板缺陷检测方法，通过获取的扫描PCB板模型以及目标PCB板图像，可以通过将扫描PCB板模型与预设PCB板模型相匹配，快速获取扫描PCB板模型对应的模型，即目标PCB板模型，进而适用于检测不同的PCB板。同时检测的结果较为精确。
附图说明
为了更清楚地说明本发明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，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1是本发明实施例中一种基于图像数据的PCB板缺陷检测方法。
具体实施方式
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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
第一方面，本发明提出了一种基于图像数据的PCB板缺陷检测方法，请参阅图1，包括以下步骤：
S101:获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型。
可以理解的，扫描PCB板模型即直接通过相关光学设备，如深感摄像机等，直接获取的PCB板模型，或是通过点阵传感器结合图像获取设备所建立的模型，具体获取方式在此不做限定。
具体的，作为一种实施方式，步骤S101可以包括以下步骤：
S101-1：确认多个扫描靶点，其中，所述扫描靶点为所述扫描PCB板模型表面上的点。
可以理解的，扫描靶点为所述扫描PCB板模型表面上的点。即，在模型的表面上均匀分布的多个点，多个点主要用于定位作用。
S101-2：将所述扫描靶点与多个所述预设PCB板模型的预设靶点相匹配，其中，所述预设靶点为所述预设PCB板模型上的点，所述扫描靶点与所述预设靶点一一对应，根据匹配结果，确定所述目标PCB板模型。
可以理解的，预设靶点即在多个预设模型上的点。扫描靶点与所述预设靶点一一对应，即预设靶点在预设模型上的位置，也即使扫描靶点在扫描模型上的位置。通过预设靶点与扫描靶点的重合度，可以判断扫描PCB板模型与哪一个预设PCB板模型，选择最匹配的结果为目标PCB板模型。通过确定每一对扫描靶点与预设靶点之间的对应关系，可以实现对PCB板缺陷的准确检测和定位，提高检测的效率和可靠性。
具体的，作为一种实施方式，步骤S101-2可以包括以下步骤：
S101-2-1：确定每一对所述扫描靶点与所述预设靶点之间的对应关系。
S101-2-2：获取每一对相对应的所述预设靶点与所述扫描靶点之间的距离，分别为l1、l2…ln；
S101-2-3：根据所述所述预设靶点与所述扫描靶点之间的距离，确定平均差异值lδ，其中，所述差异值lδ满足：
其中,la与lb分别为每一对相对应的所述预设靶点与所述扫描靶点之间的最大距离与最小距离；
S101-2-4：确认所述预设PCB板模型中，与所述扫描PCB板模型之间所述差异值lδ最小的所述预设PCB板模型为目标PCB板模型。
可以理解的，通过上述方式可以确定目标PCB板类型。
S102:获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积。
可以理解的，可以使用相机或扫描仪等设备进行图像采集，并确保图像质量和清晰度。然后，利用图像处理算法和技术，对目标缺陷区域进行检测和定位。可以使用特征提取、边缘检测、模板匹配等方法，找到缺陷的位置和形状。最后，根据检测到的缺陷位置和形状，可以通过计算缺陷区域的像素数或实际面积来确定缺陷的面积。可以使用图像处理软件或编程语言来实现面积计算算法。
具体的，作为一种实施方式，步骤S102包括以下步骤：
S102-1:分割所述完整正面图像以形成多个子图像。
可以理解的，对完整正面图像进行预处理，以增强图像的对比度和清晰度。可以使用图像增强技术，如直方图均衡化、滤波等方法。
S102-2:将多个所述子图像与缺陷数据图像匹配，根据匹配结果，确定多个所述子图像中的缺陷子图像。
对于每个子图像和缺陷数据图像，提取一组特征描述符。特征描述符可以包括颜色直方图、纹理特征、形状特征等。这些特征描述符能够描述子图像和缺陷图像的关键特征。然后，使用特征匹配算法，如特征点匹配、特征向量匹配等，将每个子图像与缺陷数据图像进行特征匹配。匹配算法可以计算特征之间的距离或相似度，以确定子图像与缺陷图像之间的相似程度。
S102-2-1：确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像。
可以理解的，对于未被确定为缺陷子图像的子图像，将其确定为非缺陷子图像。
具体的，步骤S102-2-1可以包括以下步骤：
S102-2-1-1：获取预设缺陷图像，将所述预设缺陷图像与多个所述缺陷子图像相匹配并获得第一结果；
根据特征匹配的结果，得到每个子图像与缺陷数据图像的匹配程度。可以根据匹配程度进行排序，将匹配程度最高的子图像排在前面。
S102-2-1-2：根据所述扫描PCB板模型，获取每一个所述子图像所具有的深度信息。
可以理解的，由于PCB板的结构不同，缺陷也会结合深度信息。
S102-2-1-3：获取预设缺陷深度数据，将所述预设缺陷深度数据与所述深度信息相匹配并获得第二结果。
从匹配程度最高的子图像开始，按顺序判断每个子图像是否是缺陷子图像。如果匹配程度超过阈值，则将其确定为缺陷子图像；否则，将其确定为非缺陷子图像。
S102-2-1-4：根据所述第一结果与所述第二结果，确定所述缺陷子图像。
可以理解的，可以确定哪些图像为缺陷子图像。
S102-2-2：标记与所述非缺陷子图像相邻的所述缺陷子图像，遍历每一个已标记的所述缺陷子图像，并获取以每个缺陷子图像为节点形成的多个欧拉路径。
可以理解的，由于PCB板的结构原因，当一圈缺陷中存在非缺陷的区域时，该区域也需要被判定为缺陷区域。因此，在确定缺陷子图像的过程后，标记与所述非缺陷子图像相邻的所述缺陷子图像，遍历每一个已标记的所述缺陷子图像，以形成连续的图形。
S102-2-3：确认是否存在任一所述欧拉路径嵌套于另一所述欧拉路径所围成的范围内，若存在，则确定最大的所述欧拉路径所围成的区域中，所有所述子图像均为所述缺陷子图像。
可以理解的，当一圈缺陷中存在非缺陷的区域时，即形成的欧拉路径会形成嵌套形态，即一圈欧拉路径嵌套于另外一圈欧拉路径中。结合相关的算法，形成内圈的欧拉路径中的所有区域也应判定为缺陷区域。
S102-3:基于所述目标PCB板模型，获取目标正面图像，所述目标正面图像为目标PCB板模型的完整正面图像。
可以理解的，此处的目标正面图像并非通过摄像机获取的正面图像，而是通过目标PCB板模型获取的目标正面图像。在本实施例中，目标正面图像可以是以目标PCB板模型的俯视图为例。目标正面图像中还可以包括如光滑度，深度等数据，在此不做限定。
S102-4:分割所述目标正面图像以形成多个目标子图像，其中，所述目标子图像与所述子图像一一对应，每一个所述目标子图像具有预设面积。
S102-5:根据与所述缺陷子图像相对应的所述目标子图像的预设面积，确定正面缺陷区域的面积。
可以理解的，目标子图像用于与子图像一一对应，由于目标PCB板模型与扫描PCB板木星术语对应关系，所以通过目标子图像与子图像的对应，可以更精确的确定子图像的面积。
S103:根据目标PCB板模型确定目标PCB板总面积。
可以理解的，如果目标PCB板模型包含非规则形状或有孔洞等特殊结构，面积计算可能会更加复杂。在这种情况下，通过模型可以使用更精确的计算方法，如数值积分或离散化方法来计算面积。
S104:基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。
可以理解的，根据百分比结果，可以根据预设的阈值来确定检测结果。通常情况下，如果缺陷区域所占的百分比超过了设定的阈值，可以判定为检测结果为有缺陷；如果缺陷区域所占的百分比低于或等于阈值，则可以判定为检测结果为无缺陷。
本申请提出了一种基于图像数据的PCB板缺陷检测方法，首先，获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型。然后，获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积，然后，根据目标PCB板模型确定目标PCB板总面积。基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。本申请提出的基于图像数据的PCB板缺陷检测方法，通过获取的扫描PCB板模型以及目标PCB板图像，可以通过将扫描PCB板模型与预设PCB板模型相匹配，快速获取扫描PCB板模型对应的模型，即目标PCB板模型，进而适用于检测不同的PCB板。同时检测的结果较为精确。
基于同一发明构思，本发明提出了一种基于图像数据的PCB板缺陷检测系统，包括：
第一获取模块，所述第一获取模块用于获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型；
第二获取模块，所述第二获取模块用于获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积；
第一确定模块，所述第一确定模块用于根据目标PCB板模型确定目标PCB板总面积；
第二确定模块，所述第二确定模块用于基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。
在一些可行的实施方式中，系统还包括：
第一分割模块，所述第一分割模块用于分割所述完整正面图像以形成多个子图像；
第一匹配模块，所述第一匹配模块用于将多个所述子图像与缺陷数据图像匹配，根据匹配结果，确定多个所述子图像中的缺陷子图像；
第三获取模块，所述第三获取模块用于基于所述目标PCB板模型，获取目标正面图像，所述目标正面图像为目标PCB板模型的完整正面图像；
第二分割模块，所述第二分割模块用于分割所述目标正面图像以形成多个目标子图像，其中，所述目标子图像与所述子图像一一对应，每一个所述目标子图像具有预设面积；
第三确定模块，所述第三确定模块用于根据与所述缺陷子图像相对应的所述目标子图像的预设面积，确定正面缺陷区域的面积。
在一些实施方式中，系统还包括：
第四确定模块，所述第四确定模块用于确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像；
第一标记模块，所述第一标记模块用于标记与所述非缺陷子图像相邻的所述缺陷子图像，遍历每一个已标记的所述缺陷子图像，并获取以每个缺陷子图像为节点形成的多个欧拉路径；
第五确定模块，所述第五确定模块用于确认是否存在任一所述欧拉路径嵌套于另一所述欧拉路径所围成的范围内，若存在，则确定最大的所述欧拉路径所围成的区域中，所有所述子图像均为所述缺陷子图像。
在一些实施方式中，系统还包括：
第六确定模块，所述第六确定模块用于确认多个扫描靶点，其中，所述扫描靶点为所述扫描PCB板模型表面上的点；
第二匹配模块，所述第二匹配模块用于将所述扫描靶点与多个所述预设PCB板模型的预设靶点相匹配，其中，所述预设靶点为所述预设PCB板模型上的点，所述扫描靶点与所述预设靶点一一对应，根据匹配结果，确定所述目标PCB板模型。
本申请提出了一种基于图像数据的PCB板缺陷检测系统，首先，获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型。然后，获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积，然后，根据目标PCB板模型确定目标PCB板总面积。基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。本申请提出的基于图像数据的PCB板缺陷检测系统，通过获取的扫描PCB板模型以及目标PCB板图像，可以通过将扫描PCB板模型与预设PCB板模型相匹配，快速获取扫描PCB板模型对应的模型，即目标PCB板模型，进而适用于检测不同的PCB板。同时检测的结果较为精确。
基于同一发明构思，本申请的实施例还提出了一种电子设备，电子设备包括：
至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请实施例的基于图像数据的PCB板缺陷检测方法。
其中，处理器是电子设备的控制中心，可以是一个处理器，也可以是多个处理元件的统称。例如，处理器是一个或多个中央处理器(central processing unit，CPU)，也可以是特定集成电路(application specific integrated circuit，ASIC)，或者是被配置成实施本发明实施例的一个或多个集成电路，例如：一个或多个微处理器(digital signalprocessor，DSP)，或，一个或者多个现场可编程门阵列(fieldprogrammable gate array，FPGA)。
可选地，处理器可以通过运行或执行存储在存储器内的软件程序，以及调用存储在存储器内的数据，执行电子设备的各种功能。
其中，所述存储器用于存储执行本发明方案的软件程序，并由处理器来控制执行，具体实现方式可以参考上述方法实施例，此处不再赘述。
可选地，存储器可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以和处理器集成在一起，也可以独立存在，并通过电子设备的接口电路与处理器耦合，本发明实施例对此不作具体限定。
应理解，在本发明实施例中的处理器可以是中央处理单元(central processingunit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(fieldprogrammable 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。
还应理解，本发明实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的随机存取存储器(random accessmemory，RAM)可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
上述实施例，可以全部或部分地通过软件、硬件(如电路)、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
此外，为实现上述目的，本申请的实施例还提出了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时实现本申请实施例的基于图像数据的PCB板缺陷检测方法。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用储存介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。“和/或”表示可以选择两者之中的任意一个，也可以两者都选择。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括哪些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于图像数据的PCB板缺陷检测方法以及系统，进行了详细介绍，本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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发明的限制。

Claims (6)

1.一种基于图像数据的PCB板缺陷检测方法，其特征在于，所述方法包括：
获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型；
获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积；
分割所述完整正面图像以形成多个子图像；
将多个所述子图像与缺陷数据图像匹配，根据匹配结果，确定多个所述子图像中的缺陷子图像；
确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像；
标记与所述非缺陷子图像相邻的所述缺陷子图像，遍历每一个已标记的所述缺陷子图像，并获取以每个缺陷子图像为节点形成的多个欧拉路径；
确认是否存在任一所述欧拉路径嵌套于另一所述欧拉路径所围成的范围内，若存在，则确定最大的所述欧拉路径所围成的区域中，所有所述子图像均为所述缺陷子图像；
基于所述目标PCB板模型，获取目标正面图像，所述目标正面图像为目标PCB板模型的完整正面图像；
分割所述目标正面图像以形成多个目标子图像，其中，所述目标子图像与所述子图像一一对应，每一个所述目标子图像具有预设面积；
根据与所述缺陷子图像相对应的所述目标子图像的预设面积，确定正面缺陷区域的面积；
根据目标PCB板模型确定目标PCB板总面积；
基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。
2.根据权利要求1所述的一种基于图像数据的PCB板缺陷检测方法，其特征在于，确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像，包括：
获取预设缺陷图像，将所述预设缺陷图像与多个所述缺陷子图像相匹配并获得第一结果；
根据所述第一结果，确定所述缺陷子图像。
3.根据权利要求2所述的一种基于图像数据的PCB板缺陷检测方法，其特征在于，确定多个所述子图像中的缺陷子图像，其余所述子图像为非缺陷子图像，还包括：
根据所述扫描PCB板模型，获取每一个所述子图像所具有的深度信息；
获取预设缺陷深度数据，将所述预设缺陷深度数据与所述深度信息相匹配并获得第二结果；
根据所述第一结果与所述第二结果，确定所述缺陷子图像。
4.根据权利要求3所述的一种基于图像数据的PCB板缺陷检测方法，其特征在于，获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型，包括：
确认多个扫描靶点，其中，所述扫描靶点为所述扫描PCB板模型表面上的点；
将所述扫描靶点与多个所述预设PCB板模型的预设靶点相匹配，其中，所述预设靶点为所述预设PCB板模型上的点，所述扫描靶点与所述预设靶点一一对应，根据匹配结果，确定所述目标PCB板模型。
5.根据权利要求4所述的一种基于图像数据的PCB板缺陷检测方法，其特征在于，将所述扫描靶点与多个所述预设PCB板模型的预设靶点相匹配，其中，所述预设靶点为所述预设PCB板模型上的点，所述扫描靶点与所述预设靶点一一对应，根据匹配结果，确定所述目标PCB板模型，包括：
确定每一对所述扫描靶点与所述预设靶点之间的对应关系；
获取每一对相对应的所述预设靶点与所述扫描靶点之间的距离，分别为、/>…/>；
根据所述预设靶点与所述扫描靶点之间的距离，确定平均差异值，其中，所述差异值满足：/>；
其中,与/>分别为每一对相对应的所述预设靶点与所述扫描靶点之间的最大距离与最小距离；
确认所述预设PCB板模型中，与所述扫描PCB板模型之间所述差异值最小的所述预设PCB板模型为目标PCB板模型。
6.一种基于图像数据的PCB板缺陷检测系统，其特征在于，所述系统包括：
第一获取模块，所述第一获取模块用于获取扫描PCB板模型，并将所述扫描PCB板模型与预设PCB板模型相匹配，根据匹配结果确定目标PCB板模型；
第二获取模块，所述第二获取模块用于获取目标PCB板图像，其中，所述目标PCB板图像包括完整正面图像与完整背面图像，基于所述目标PCB板图像与所述目标PCB板模型，确定目标缺陷面积；
第四确定模块，所述第四确定模块用于确定多个子图像中的缺陷子图像，其余所述子图像为非缺陷子图像；
第一标记模块，所述第一标记模块用于标记与所述非缺陷子图像相邻的所述缺陷子图像，遍历每一个已标记的所述缺陷子图像，并获取以每个缺陷子图像为节点形成的多个欧拉路径；
第五确定模块，所述第五确定模块用于确认是否存在任一所述欧拉路径嵌套于另一所述欧拉路径所围成的范围内，若存在，则确定最大的所述欧拉路径所围成的区域中，所有所述子图像均为所述缺陷子图像；
第一分割模块，所述第一分割模块用于分割所述完整正面图像以形成多个子图像；
第一匹配模块，所述第一匹配模块用于将多个所述子图像与缺陷数据图像匹配，根据匹配结果，确定多个所述子图像中的缺陷子图像；
第三获取模块，所述第三获取模块用于基于所述目标PCB板模型，获取目标正面图像，所述目标正面图像为目标PCB板模型的完整正面图像；
第二分割模块，所述第二分割模块用于分割所述目标正面图像以形成多个目标子图像，其中，所述目标子图像与所述子图像一一对应，每一个所述目标子图像具有预设面积；
第三确定模块，所述第三确定模块用于根据与所述缺陷子图像相对应的所述目标子图像的预设面积，确定正面缺陷区域的面积
第一确定模块，所述第一确定模块用于根据目标PCB板模型确定目标PCB板总面积；
第二确定模块，所述第二确定模块用于基于所述目标缺陷面积与所述目标PCB板总面积确定缺陷区域所占所述目标PCB板总面积的百分比，根据百分比结果确定检测结果。
CN202311259097.3A 2023-09-27 2023-09-27 一种基于图像数据的pcb板缺陷检测方法及系统 Active CN117333441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311259097.3A CN117333441B (zh) 2023-09-27 2023-09-27 一种基于图像数据的pcb板缺陷检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311259097.3A CN117333441B (zh) 2023-09-27 2023-09-27 一种基于图像数据的pcb板缺陷检测方法及系统

Publications (2)

Publication Number Publication Date
CN117333441A CN117333441A (zh) 2024-01-02
CN117333441B true CN117333441B (zh) 2024-04-02

Family

ID=89278366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311259097.3A Active CN117333441B (zh) 2023-09-27 2023-09-27 一种基于图像数据的pcb板缺陷检测方法及系统

Country Status (1)

Country Link
CN (1) CN117333441B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0153218A2 (fr) * 1984-02-10 1985-08-28 Institut De Recherches De La Siderurgie Francaise (Irsid) Procédé et installation de détection de défauts de surface sur une bande en cours de défilement
WO2011083540A1 (ja) * 2010-01-05 2011-07-14 株式会社日立ハイテクノロジーズ Ｓｅｍを用いた欠陥検査方法及び装置
CN105241891A (zh) * 2015-08-27 2016-01-13 任红霞 一种基于wifi网络的玻璃缺陷检测方法
CN106980828A (zh) * 2017-03-17 2017-07-25 深圳市魔眼科技有限公司 在手势识别中确定手掌区域的方法、装置及设备
CN109886950A (zh) * 2019-02-22 2019-06-14 北京百度网讯科技有限公司 电路板的缺陷检测方法和装置
CN112419274A (zh) * 2020-11-24 2021-02-26 英业达(重庆)有限公司 一种锡膏检测方法、系统、电子设备及介质
CN114549512A (zh) * 2022-03-01 2022-05-27 成都数之联科技股份有限公司 一种电路板缺陷检测方法、装置、设备及介质
CN116380919A (zh) * 2023-06-02 2023-07-04 深圳市磐锋精密技术有限公司 基于aoi在线技术的柔外观缺陷检测系统及检测方法
CN116739970A (zh) * 2022-03-08 2023-09-12 爱思开矽得荣株式会社 用于评估硅晶片中的边缘缺陷的装置及其方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0153218A2 (fr) * 1984-02-10 1985-08-28 Institut De Recherches De La Siderurgie Francaise (Irsid) Procédé et installation de détection de défauts de surface sur une bande en cours de défilement
WO2011083540A1 (ja) * 2010-01-05 2011-07-14 株式会社日立ハイテクノロジーズ Ｓｅｍを用いた欠陥検査方法及び装置
CN105241891A (zh) * 2015-08-27 2016-01-13 任红霞 一种基于wifi网络的玻璃缺陷检测方法
CN106980828A (zh) * 2017-03-17 2017-07-25 深圳市魔眼科技有限公司 在手势识别中确定手掌区域的方法、装置及设备
CN109886950A (zh) * 2019-02-22 2019-06-14 北京百度网讯科技有限公司 电路板的缺陷检测方法和装置
CN112419274A (zh) * 2020-11-24 2021-02-26 英业达(重庆)有限公司 一种锡膏检测方法、系统、电子设备及介质
CN114549512A (zh) * 2022-03-01 2022-05-27 成都数之联科技股份有限公司 一种电路板缺陷检测方法、装置、设备及介质
CN116739970A (zh) * 2022-03-08 2023-09-12 爱思开矽得荣株式会社 用于评估硅晶片中的边缘缺陷的装置及其方法
CN116380919A (zh) * 2023-06-02 2023-07-04 深圳市磐锋精密技术有限公司 基于aoi在线技术的柔外观缺陷检测系统及检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Image Defect Detection and Segmentation Algorithm of Solar Cell Based on Convolutional Neural Network;Songsong Tian等;《2021 6th International Conference on Intelligent Computing and Signal Processing (ICSP)》;20210426;全文 *
基于点云数据的高速公路表面质量评价技术研究;龚加有;《中国优秀硕士论文全文数据库 工程科技Ⅱ辑》;20210515;全文 *

Also Published As

Publication number Publication date
CN117333441A (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN110414507B (zh) 车牌识别方法、装置、计算机设备和存储介质
CN110598512B (zh) 一种车位检测方法及装置
CN113160161B (zh) 目标边缘处缺陷的检测方法和装置
WO2017181724A1 (zh) 电子元件漏件检测方法和系统
CN112818812A (zh) 图像中表格信息的识别方法、装置、电子设备及存储介质
WO2018010391A1 (zh) 一种板卡的检测方法及装置
JP4966893B2 (ja) 一致度計算装置及び方法、プログラム
CN108986152B (zh) 一种基于差分图像的异物检测方法及装置
TWI669519B (zh) 電路板瑕疵篩選方法及其裝置與電腦可讀取記錄媒體
JP6177541B2 (ja) 文字認識装置、文字認識方法及びプログラム
CN116468680A (zh) 一种元器件反极缺陷检测方法、系统、设备及存储介质
WO2014103617A1 (ja) 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム
CN108428247B (zh) 焊锡点方向的检测方法和系统
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN117333441B (zh) 一种基于图像数据的pcb板缺陷检测方法及系统
JP3330829B2 (ja) 機械部品の画像における評価可能区域の自動検出方法
CN111047614B (zh) 一种基于特征提取的复杂场景图像的目标角点提取方法
CN113469944A (zh) 一种产品质检方法、装置和电子设备
CN113269153B (zh) 一种表格识别方法以及装置
CN115984178A (zh) 伪造图像检测方法、电子设备和计算机可读存储介质
CN116416624A (zh) 一种基于版面校正的文档电子化方法、装置以及存储介质
CN112308061B (zh) 一种车牌字符识别方法及装置
CN114078109A (zh) 图像处理方法、电子装置和存储介质
CN114187294B (zh) 基于先验信息的规则晶片定位方法
CN117420152B (zh) 视觉检测方法、装置、计算机设备及计算机可读存储介质

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