CN117548360A - 一种图像特征的识别方法及装置 - Google Patents
一种图像特征的识别方法及装置 Download PDFInfo
- Publication number
- CN117548360A CN117548360A CN202410048856.XA CN202410048856A CN117548360A CN 117548360 A CN117548360 A CN 117548360A CN 202410048856 A CN202410048856 A CN 202410048856A CN 117548360 A CN117548360 A CN 117548360A
- Authority
- CN
- China
- Prior art keywords
- chip
- image
- module
- images
- receiving
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 claims abstract description 62
- 230000005540 biological transmission Effects 0.000 claims description 31
- 230000011218 segmentation Effects 0.000 claims description 25
- 230000007306 turnover Effects 0.000 claims description 15
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/38—Collecting or arranging articles in groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/70—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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像识别技术领域,具体涉及一种图像特征的识别方法及装置,包括:控制终端,是系统的主控端,用于发出执行命令;采集模块,用于采集分选机上传输的芯片图像;储存模块,用于接收采集模块中采集的芯片图像,对芯片图像进行储存;本发明通过对芯片图像数据的采集及分割处理,使装置对于芯片图像数据的分析过程,更趋于精细化,且在对芯片图像数据分析的过程中,通过对分析的芯片图像数据的储存及传输带、芯片接收设备的配置,使该装置基于芯片图像数据的分析结果,对芯片进行进一步分选处理,从而以此种方式来对芯片进行分选,完全规避了芯片基于规格参数的分选逻辑,确保芯片分选设备的功能更加完善。
Description
技术领域
本发明涉及图像识别技术领域,具体涉及一种图像特征的识别方法及装置。
背景技术
芯片分选机是一种高精度设备,能够将芯片分为不同的规格和等级。它可以用于电子制造业中的半导体芯片分选、触摸屏玻璃分选、LED芯片分选等领域,以提高产品的质量和效率。芯片分选机可以根据不同的标准分选不同的芯片,最大程度地减少不合格品,提高生产效益和成品率。
然而现有的芯片分选机,主要应用不同规格参数的芯片分选,针对于规格参数相同,但芯片表面分布元件存在差异的芯片,不具备良好的分选效果,更有甚的芯片分选机,无法应用于规格参数相同、芯片表面分布元件存在差异的芯片的分选工作。
发明内容
针对现有技术所存在的上述缺点,本发明提供了一种图像特征的识别方法及装置,解决了上述背景技术中提出的技术问题。
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,一种图像特征的识别装置,包括:
控制终端,是系统的主控端,用于发出执行命令;
采集模块,用于采集分选机上传输的芯片图像;
储存模块,用于接收采集模块中采集的芯片图像,对芯片图像进行储存;
识别模块,用于接收采集模块采集的芯片图像,对接收的芯片图像与储存模块中储存的芯片图像进行相似分值的统计;
配置模块,用于配置分选机传输带及芯片接收设备;
重置模块,用于监测分选机运行状态,在分选机开启或关闭时对配置模块中分选机传输带及芯片接收设备的配置结果进行重置;
其中,配置模块中配置的传输带及芯片接收设备相互对接,并与储存模块中设置的区分储存区间相互绑定,所述芯片接收设备可以是用于接收芯片的器皿或任意一种对芯片进行处理的设备。
更进一步地,所述采集模块下级设置有子模块,包括:
接收单元,用于接收采集模块中采集的芯片图像,识别芯片图像包含信息量,基于芯片图像包含信息量触发翻转模组运行;
翻转模组,用于抓取分选机上采集模块采集芯片图像阶段传输的芯片,对抓取的芯片进行翻面;
其中,所述翻转模组由机械臂及电动吸盘所集成,翻转模组运行阶段,机械臂携带电动吸盘移动,应用电动吸盘对芯片进行抓取,进一步由机械臂的运动,完成芯片的翻面运动。
更进一步地,所述接收单元中芯片图像包含信息量的识别逻辑表示为:
;
式中:为芯片图像的信息熵;/>为芯片图像的灰度级范围;/>为芯片图像中第i个灰度级出现的概率;
其中,芯片图像的信息熵越大,则表示芯片图像中包含的信息量越大,反之,则表示芯片图像中包含的信息量越小。
更进一步地,所述采集模块对芯片图像进行采集后,接收单元同步接收芯片图像并对芯片图像进行信息量识别,在芯片图像信息量完成识别后,翻转模组对芯片进行抓取并翻面,待芯片完成翻面后,采集模块再次对芯片进行图像采集,并由接收单元再次执行图像信息量的识别,在首次识别的芯片图像信息量大于第二次识别的芯片图像信息量时,翻转模组再次运行,对芯片进行抓取并翻面,在首次识别的芯片图像信息量小于第二次识别的芯片图像信息量时,跳转储存模块运行。
更进一步地,所述储存模块内部设置有子模块,包括:
分割单元,用于获取储存模块中储存的芯片图像,对芯片图像进行分割处理,使芯片图像被分割为若干组相等大小、相同形状的图像块;
其中,采集模块运行对同一组芯片进行连续两次的图像采集,连续采集的两组芯片图像被发送至储存模块中,于储存模块中进行储存后,与后续接收的两两为一组的芯片图像进行区分储存,分割单元中分割的芯片图像目标为,两两为一组的区分储存的芯片图像中包含信息量大的芯片图像。
更进一步地,所述储存模块在首次储存一组两两为一组的芯片图像后跳转采集模块运行,所述采集模块于系统中二次及后续运行过程中,采集的芯片图像由识别模块接收。
更进一步地,所述识别模块在接收芯片图像后,同步由分割单元完成芯片图像分割,并在芯片图像完成分割后,对分割得到的图像块与储存模块中储存的两两为一组的芯片图像分割所得图像块进行相似度比对,相似度比对逻辑表示为:
;
式中:为图像块x与图像块y的相似度;/>为图像块中像素的集合;/>、/>为图像块x与图像块y中第i组像素的灰度值;/>、/>为图像块x与图像块y的灰度平均值;
其中,通过上式求取两组芯片图像中各自图像块相互之间的相似度,以每组相似度不小于95%的图像块记作一分,对计分结果进行求和,计分结果的求和结果记作统计的相似分值,求和的计分结果与芯片图像分割图像块总量的比值不小于95%,且计分结果来源于储存模块中两两为一组的芯片图像时,识别模块当前接收的芯片图像来源芯片被判定为相似芯片,反之,识别模块当前接收的芯片图像来源芯片被判定为不相似芯片。
更进一步地,所述配置模块中区分储存区间对应储存的芯片图像来源芯片,通过传输带传输至对应的芯片接收设备中储存,且判定为与芯片图像相似的芯片图像来源芯片,应用相同的传输带传输至对应的芯片接收设备中储存,识别模块每次对芯片图像来源芯片判定为不相似芯片时,储存模块对当前识别模块判定的芯片图像进行两两一组的芯片图像的储存。
更进一步地,所述控制终端通过介质电性与采集模块相连接,所述采集模块下级通过介质电性连接有接收单元及翻转模组,所述采集模块通过介质电性连接有储存模块,所述储存模块内部通过介质电性连接有分割单元,所述储存模块通过介质电性与接收单元及翻转模组相连接,所述储存模块及分割单元通过介质电性与识别模块相连接,所述识别模块通过介质电性连接有配置模块及重置模块。
第二方面,一种图像特征的识别方法,包括以下步骤:
步骤1:采集芯片图像数据,对芯片图像数据进行分割处理;
步骤11:对分割处理后的芯片图像数据进行储存;
步骤2:对首次采集芯片图像数据的芯片配置一组传输带及芯片接收设备,应用配置的传输带及芯片接收设备对首次采集芯片图像数据的芯片进行传输及接收;
步骤3:再次采集分选机上传输的芯片的图像数据时,对新采集的芯片图像数据执行步骤1中分割处理的操作,应用分割得到的图像块与储存的分割处理后的图像块进行相似度比对;
步骤4:基于相似度比对结果计算相似分值,基于计算得到的相似分值,判定步骤2中采集芯片图像数据的来源芯片是否与已储存的芯片图像数据来源芯片为相似芯片;
步骤5:步骤4判定结果为是,应用相似度判定时使用的芯片图像数据对应芯片配置的传输带及芯片接收设备,对相似度判定目标芯片图像数据来源芯片,进行传输及接收;
步骤6:步骤4判定结果为否,跳转步骤2,对相似度判定目标芯片图像数据来源芯片进行传输带及芯片接收设备的配置,并应用配置的传输带及芯片接收设备对相似度判定目标芯片图像数据对应的芯片进行传输及接收;
步骤61:配置的传输带及芯片接收设备的复用阶段。
采用本发明提供的技术方案,与已知的公有技术相比,具有如下有益效果:
本发明提供一种图像特征的识别装置,其在运行过程中,通过对芯片图像数据的采集及分割处理,使装置对于芯片图像数据的分析过程,更趋于精细化,且在对芯片图像数据分析的过程中,通过对分析的芯片图像数据的储存及传输带、芯片接收设备的配置,使该装置基于芯片图像数据的分析结果,对芯片进行进一步分选处理,从而以此种方式来对芯片进行分选,完全规避了芯片基于规格参数的分选逻辑,确保芯片分选设备的功能更加完善。
本发明中装置,还能够通过进一步配置的重置逻辑,为芯片分选设备带来更进一步的运行逻辑,确保运行过程中配置的传输带、芯片接收设备能够根据用户使用需求而调整,从而以此来进一步增强芯片分选设备的适配性。
本发明提供一种图像特征的识别方法,通过该方法中的步骤执行,能够进一步维护一种图像特征的识别装置运行的稳定,且在该方法的步骤执行的过程中,提供以一种图像特征的识别装置以指定的运行逻辑,确保由装置及方法组成的技术方案,在具体实施阶段,更加稳定。
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为一种图像特征的识别装置的结构示意图;
图2为一种图像特征的识别方法的流程示意图;
图中的标号分别代表:1、控制终端;2、采集模块;21、接收单元;22、翻转模组;3、储存模块;31、分割单元;4、识别模块;5、配置模块;6、重置模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,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。
下面结合实施例对本发明作进一步的描述。
实施例1
本实施例的一种图像特征的识别装置,如图1所示,包括:
控制终端1,是系统的主控端,用于发出执行命令;
采集模块2,用于采集分选机上传输的芯片图像;
储存模块3,用于接收采集模块2中采集的芯片图像,对芯片图像进行储存;
识别模块4,用于接收采集模块2采集的芯片图像,对接收的芯片图像与储存模块3中储存的芯片图像进行相似分值的统计;
配置模块5,用于配置分选机传输带及芯片接收设备;
重置模块6,用于监测分选机运行状态,在分选机开启或关闭时对配置模块5中分选机传输带及芯片接收设备的配置结果进行重置;
其中,配置模块5中配置的传输带及芯片接收设备相互对接,并与储存模块3中设置的区分储存区间相互绑定,芯片接收设备可以是用于接收芯片的器皿或任意一种对芯片进行处理的设备;
采集模块2下级设置有子模块,包括:
接收单元21,用于接收采集模块2中采集的芯片图像,识别芯片图像包含信息量,基于芯片图像包含信息量触发翻转模组22运行;
翻转模组22,用于抓取分选机上采集模块2采集芯片图像阶段传输的芯片,对抓取的芯片进行翻面;
其中,翻转模组22由机械臂及电动吸盘所集成,翻转模组22运行阶段,机械臂携带电动吸盘移动,应用电动吸盘对芯片进行抓取,进一步由机械臂的运动,完成芯片的翻面运动;
储存模块3内部设置有子模块,包括:
分割单元31,用于获取储存模块3中储存的芯片图像,对芯片图像进行分割处理,使芯片图像被分割为若干组相等大小、相同形状的图像块;
其中,采集模块2运行对同一组芯片进行连续两次的图像采集,连续采集的两组芯片图像被发送至储存模块3中,于储存模块3中进行储存后,与后续接收的两两为一组的芯片图像进行区分储存,分割单元31中分割的芯片图像目标为,两两为一组的区分储存的芯片图像中包含信息量大的芯片图像;
识别模块4在接收芯片图像后,同步由分割单元31完成芯片图像分割,并在芯片图像完成分割后,对分割得到的图像块与储存模块3中储存的两两为一组的芯片图像分割所得图像块进行相似度比对,相似度比对逻辑表示为:;
式中:为图像块x与图像块y的相似度;/>为图像块中像素的集合;/>、/>为图像块x与图像块y中第i组像素的灰度值;/>、/>为图像块x与图像块y的灰度平均值;
其中,通过上式求取两组芯片图像中各自图像块相互之间的相似度,以每组相似度不小于95%的图像块记作一分,对计分结果进行求和,计分结果的求和结果记作统计的相似分值,求和的计分结果与芯片图像分割图像块总量的比值不小于95%,且计分结果来源于储存模块3中两两为一组的芯片图像时,识别模块4当前接收的芯片图像来源芯片被判定为相似芯片,反之,识别模块4当前接收的芯片图像来源芯片被判定为不相似芯片;
配置模块5中区分储存区间对应储存的芯片图像来源芯片,通过传输带传输至对应的芯片接收设备中储存,且判定为与芯片图像相似的芯片图像来源芯片,应用相同的传输带传输至对应的芯片接收设备中储存,识别模块4每次对芯片图像来源芯片判定为不相似芯片时,储存模块3对当前识别模块4判定的芯片图像进行两两一组的芯片图像的储存;
储存模块3在首次储存一组两两为一组的芯片图像后跳转采集模块2运行,采集模块2于系统中二次及后续运行过程中,采集的芯片图像由识别模块4接收;
控制终端1通过介质电性与采集模块2相连接,采集模块2下级通过介质电性连接有接收单元21及翻转模组22,采集模块2通过介质电性连接有储存模块3,储存模块3内部通过介质电性连接有分割单元31,储存模块3通过介质电性与接收单元21及翻转模组22相连接,储存模块3及分割单元31通过介质电性与识别模块4相连接,识别模块4通过介质电性连接有配置模块5及重置模块6;
在本实施例中,控制终端1控制采集模块2运行采集分选机上传输的芯片图像,储存模块3同步接收采集模块2中采集的芯片图像,对芯片图像进行储存,再由识别模块4接收采集模块2采集的芯片图像,对接收的芯片图像与储存模块3中储存的芯片图像进行相似分值的统计,配置模块5,后置运行配置分选机传输带及芯片接收设备,最后由重置模块6监测分选机运行状态,在分选机开启或关闭时对配置模块5中分选机传输带及芯片接收设备的配置结果进行重置;
接收单元21中芯片图像包含信息量的识别逻辑表示为:;
式中:为芯片图像的信息熵;/>为芯片图像的灰度级范围;/>为芯片图像中第i个灰度级出现的概率;
其中,芯片图像的信息熵越大,则表示芯片图像中包含的信息量越大,反之,则表示芯片图像中包含的信息量越小;
采集模块2对芯片图像进行采集后,接收单元21同步接收芯片图像并对芯片图像进行信息量识别,在芯片图像信息量完成识别后,翻转模组22对芯片进行抓取并翻面,待芯片完成翻面后,采集模块2再次对芯片进行图像采集,并由接收单元21再次执行图像信息量的识别,在首次识别的芯片图像信息量大于第二次识别的芯片图像信息量时,翻转模组22再次运行,对芯片进行抓取并翻面,在首次识别的芯片图像信息量小于第二次识别的芯片图像信息量时,跳转储存模块3运行;
通过上述设置及公式计算,为芯片图像包含信息量的求取提供以指定的识别逻辑,从而为储存模块3的运行提供了运行数据支持。
且通过上述记载的采集模块2下级设置的子模块,为采集模块2的运行提供了指定的运行逻辑,为后续模块的运行提供必要的运行数据支持,且以相似度比对逻辑的配置,使芯片图像的相似度能够以指定的比对逻辑完成比对,且借由此种数字化的比对结果供芯片分选设备控制端用户读取,为用户带来更加准确的数据参考,以便于对芯片分选机的后续运行作出更进一步的适应性控制及管理。
实施例2
在具体实施层面,在实施例1的基础上,本实施例参照图2对实施例1中一种图像特征的识别装置做进一步具体说明:
一种图像特征的识别方法,包括以下步骤:
步骤1:采集芯片图像数据,对芯片图像数据进行分割处理;
步骤11:对分割处理后的芯片图像数据进行储存;
步骤2:对首次采集芯片图像数据的芯片配置一组传输带及芯片接收设备,应用配置的传输带及芯片接收设备对首次采集芯片图像数据的芯片进行传输及接收;
步骤3:再次采集分选机上传输的芯片的图像数据时,对新采集的芯片图像数据执行步骤1中分割处理的操作,应用分割得到的图像块与储存的分割处理后的图像块进行相似度比对;
步骤4:基于相似度比对结果计算相似分值,基于计算得到的相似分值,判定步骤2中采集芯片图像数据的来源芯片是否与已储存的芯片图像数据来源芯片为相似芯片;
步骤5:步骤4判定结果为是,应用相似度判定时使用的芯片图像数据对应芯片配置的传输带及芯片接收设备,对相似度判定目标芯片图像数据来源芯片,进行传输及接收;
步骤6:步骤4判定结果为否,跳转步骤2,对相似度判定目标芯片图像数据来源芯片进行传输带及芯片接收设备的配置,并应用配置的传输带及芯片接收设备对相似度判定目标芯片图像数据对应的芯片进行传输及接收;
步骤61:配置的传输带及芯片接收设备的复用阶段。
综上而言,上述实施例中装置,其在运行过程中,通过对芯片图像数据的采集及分割处理,使装置对于芯片图像数据的分析过程,更趋于精细化,且在对芯片图像数据分析的过程中,通过对分析的芯片图像数据的储存及传输带、芯片接收设备的配置,使该装置基于芯片图像数据的分析结果,对芯片进行进一步分选处理,从而以此种方式来对芯片进行分选,完全规避了芯片基于规格参数的分选逻辑,确保芯片分选设备的功能更加完善;同时,还能够通过进一步配置的重置逻辑,为芯片分选设备带来更进一步的运行逻辑,确保运行过程中配置的传输带、芯片接收设备能够根据用户使用需求而调整,从而以此来进一步增强芯片分选设备的适配性;且由实施例2中提供的方法,能够进一步维护一种图像特征的识别装置运行的稳定,且在该方法的步骤执行的过程中,提供以一种图像特征的识别装置以指定的运行逻辑,确保由装置及方法组成的技术方案,在具体实施阶段,更加稳定。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种图像特征的识别装置,其特征在于,包括:
控制终端(1),是系统的主控端,用于发出执行命令;
采集模块(2),用于采集分选机上传输的芯片图像;
储存模块(3),用于接收采集模块(2)中采集的芯片图像,对芯片图像进行储存;
识别模块(4),用于接收采集模块(2)采集的芯片图像,对接收的芯片图像与储存模块(3)中储存的芯片图像进行相似分值的统计;
配置模块(5),用于配置分选机传输带及芯片接收设备;
重置模块(6),用于监测分选机运行状态,在分选机开启或关闭时对配置模块(5)中分选机传输带及芯片接收设备的配置结果进行重置;
其中,配置模块(5)中配置的传输带及芯片接收设备相互对接,并与储存模块(3)中设置的区分储存区间相互绑定,所述芯片接收设备可以是用于接收芯片的器皿或任意一种对芯片进行处理的设备;
所述采集模块(2)下级设置有子模块,包括:
接收单元(21),用于接收采集模块(2)中采集的芯片图像,识别芯片图像包含信息量,基于芯片图像包含信息量触发翻转模组(22)运行;
翻转模组(22),用于抓取分选机上采集模块(2)采集芯片图像阶段传输的芯片,对抓取的芯片进行翻面;
其中,所述翻转模组(22)由机械臂及电动吸盘所集成,翻转模组(22)运行阶段,机械臂携带电动吸盘移动,应用电动吸盘对芯片进行抓取,进一步由机械臂的运动,完成芯片的翻面运动;
所述接收单元(21)中芯片图像包含信息量的识别逻辑表示为:;
式中:为芯片图像的信息熵;/>为芯片图像的灰度级范围;/>为芯片图像中第i个灰度级出现的概率;
其中,芯片图像的信息熵越大,则表示芯片图像中包含的信息量越大,反之,则表示芯片图像中包含的信息量越小。
2.根据权利要求1所述的一种图像特征的识别装置,其特征在于,所述采集模块(2)对芯片图像进行采集后,接收单元(21)同步接收芯片图像并对芯片图像进行信息量识别,在芯片图像信息量完成识别后,翻转模组(22)对芯片进行抓取并翻面,待芯片完成翻面后,采集模块(2)再次对芯片进行图像采集,并由接收单元(21)再次执行图像信息量的识别,在首次识别的芯片图像信息量大于第二次识别的芯片图像信息量时,翻转模组(22)再次运行,对芯片进行抓取并翻面,在首次识别的芯片图像信息量小于第二次识别的芯片图像信息量时,跳转储存模块(3)运行。
3.根据权利要求1所述的一种图像特征的识别装置,其特征在于,所述储存模块(3)内部设置有子模块,包括:
分割单元(31),用于获取储存模块(3)中储存的芯片图像,对芯片图像进行分割处理,使芯片图像被分割为若干组相等大小、相同形状的图像块;
其中,采集模块(2)运行对同一组芯片进行连续两次的图像采集,连续采集的两组芯片图像被发送至储存模块(3)中,于储存模块(3)中进行储存后,与后续接收的两两为一组的芯片图像进行区分储存,分割单元(31)中分割的芯片图像目标为,两两为一组的区分储存的芯片图像中包含信息量大的芯片图像。
4.根据权利要求1所述的一种图像特征的识别装置,其特征在于,所述储存模块(3)在首次储存一组两两为一组的芯片图像后跳转采集模块(2)运行,所述采集模块(2)于系统中二次及后续运行过程中,采集的芯片图像由识别模块(4)接收。
5.根据权利要求1所述的一种图像特征的识别装置,其特征在于,所述识别模块(4)在接收芯片图像后,同步由分割单元(31)完成芯片图像分割,并在芯片图像完成分割后,对分割得到的图像块与储存模块(3)中储存的两两为一组的芯片图像分割所得图像块进行相似度比对,相似度比对逻辑表示为:;
式中:为图像块x与图像块y的相似度;/>为图像块中像素的集合;/>、/>为图像块x与图像块y中第i组像素的灰度值;/>、/>为图像块x与图像块y的灰度平均值;
其中,通过上式求取两组芯片图像中各自图像块相互之间的相似度,以每组相似度不小于95%的图像块记作一分,对计分结果进行求和,计分结果的求和结果记作统计的相似分值,求和的计分结果与芯片图像分割图像块总量的比值不小于95%,且计分结果来源于储存模块(3)中两两为一组的芯片图像时,识别模块(4)当前接收的芯片图像来源芯片被判定为相似芯片,反之,识别模块(4)当前接收的芯片图像来源芯片被判定为不相似芯片。
6.根据权利要求1所述的一种图像特征的识别装置,其特征在于,所述配置模块(5)中区分储存区间对应储存的芯片图像来源芯片,通过传输带传输至对应的芯片接收设备中储存,且判定为与芯片图像相似的芯片图像来源芯片,应用相同的传输带传输至对应的芯片接收设备中储存,识别模块(4)每次对芯片图像来源芯片判定为不相似芯片时,储存模块(3)对当前识别模块(4)判定的芯片图像进行两两一组的芯片图像的储存。
7.根据权利要求1所述的一种图像特征的识别装置,其特征在于,所述控制终端(1)通过介质电性与采集模块(2)相连接,所述采集模块(2)下级通过介质电性连接有接收单元(21)及翻转模组(22),所述采集模块(2)通过介质电性连接有储存模块(3),所述储存模块(3)内部通过介质电性连接有分割单元(31),所述储存模块(3)通过介质电性与接收单元(21)及翻转模组(22)相连接,所述储存模块(3)及分割单元(31)通过介质电性与识别模块(4)相连接,所述识别模块(4)通过介质电性连接有配置模块(5)及重置模块(6)。
8.一种图像特征的识别方法,所述方法是对如权利要求1-7中任意一项所述一种图像特征的识别装置的实施方法,其特征在于,包括以下步骤:
步骤1:采集芯片图像数据,对芯片图像数据进行分割处理;
步骤11:对分割处理后的芯片图像数据进行储存;
步骤2:对首次采集芯片图像数据的芯片配置一组传输带及芯片接收设备,应用配置的传输带及芯片接收设备对首次采集芯片图像数据的芯片进行传输及接收;
步骤3:再次采集分选机上传输的芯片的图像数据时,对新采集的芯片图像数据执行步骤1中分割处理的操作,应用分割得到的图像块与储存的分割处理后的图像块进行相似度比对;
步骤4:基于相似度比对结果计算相似分值,基于计算得到的相似分值,判定步骤2中采集芯片图像数据的来源芯片是否与已储存的芯片图像数据来源芯片为相似芯片;
步骤5:步骤4判定结果为是,应用相似度判定时使用的芯片图像数据对应芯片配置的传输带及芯片接收设备,对相似度判定目标芯片图像数据来源芯片,进行传输及接收;
步骤6:步骤4判定结果为否,跳转步骤2,对相似度判定目标芯片图像数据来源芯片进行传输带及芯片接收设备的配置,并应用配置的传输带及芯片接收设备对相似度判定目标芯片图像数据对应的芯片进行传输及接收;
步骤61:配置的传输带及芯片接收设备的复用阶段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410048856.XA CN117548360B (zh) | 2024-01-12 | 2024-01-12 | 一种图像特征的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410048856.XA CN117548360B (zh) | 2024-01-12 | 2024-01-12 | 一种图像特征的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117548360A true CN117548360A (zh) | 2024-02-13 |
CN117548360B CN117548360B (zh) | 2024-03-26 |
Family
ID=89820941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410048856.XA Active CN117548360B (zh) | 2024-01-12 | 2024-01-12 | 一种图像特征的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117548360B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576508A (zh) * | 2009-05-27 | 2009-11-11 | 华南理工大学 | 芯片外观缺陷自动检测装置及检测方法 |
CN204883354U (zh) * | 2015-09-09 | 2015-12-16 | 佳运通电子科技(昆山)有限公司 | 压合叠板防呆系统 |
CN209589873U (zh) * | 2018-12-30 | 2019-11-05 | 江苏四点灵机器人有限公司 | 一种led芯片模组缺陷检测装置 |
CN212676325U (zh) * | 2020-08-17 | 2021-03-09 | 惠州市德赛电池有限公司 | 一种一拖多电芯翻转装置 |
CN115656183A (zh) * | 2022-10-31 | 2023-01-31 | 重庆工程学院 | 一种芯片的缺陷检测装置 |
CN116298811A (zh) * | 2023-03-31 | 2023-06-23 | 上海威固信息技术股份有限公司 | 一种基于fpga的芯片封装检测系统及其封装方法 |
CN116448780A (zh) * | 2023-03-06 | 2023-07-18 | 武汉光谷卓越科技股份有限公司 | 芯片缺陷检测装置、方法及设备 |
CN116818764A (zh) * | 2023-05-04 | 2023-09-29 | 武汉锐科光纤激光技术股份有限公司 | 激光芯片外观缺陷的检测方法、系统、电子设备及介质 |
CN116841270A (zh) * | 2023-09-01 | 2023-10-03 | 贵州通利数字科技有限公司 | 一种基于物联网的智能生产线调度方法及系统 |
CN117007519A (zh) * | 2023-07-10 | 2023-11-07 | 无锡九霄科技有限公司 | 一种半导体芯片框架的外观检测设备 |
KR20230171050A (ko) * | 2022-06-10 | 2023-12-20 | (주)펨트론 | 비전 검사 장치의 검사 방법 |
CN117314901A (zh) * | 2023-11-28 | 2023-12-29 | 闽都创新实验室 | 一种尺度自适应的芯片检测神经网络系统 |
-
2024
- 2024-01-12 CN CN202410048856.XA patent/CN117548360B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576508A (zh) * | 2009-05-27 | 2009-11-11 | 华南理工大学 | 芯片外观缺陷自动检测装置及检测方法 |
CN204883354U (zh) * | 2015-09-09 | 2015-12-16 | 佳运通电子科技(昆山)有限公司 | 压合叠板防呆系统 |
CN209589873U (zh) * | 2018-12-30 | 2019-11-05 | 江苏四点灵机器人有限公司 | 一种led芯片模组缺陷检测装置 |
CN212676325U (zh) * | 2020-08-17 | 2021-03-09 | 惠州市德赛电池有限公司 | 一种一拖多电芯翻转装置 |
KR20230171050A (ko) * | 2022-06-10 | 2023-12-20 | (주)펨트론 | 비전 검사 장치의 검사 방법 |
CN115656183A (zh) * | 2022-10-31 | 2023-01-31 | 重庆工程学院 | 一种芯片的缺陷检测装置 |
CN116448780A (zh) * | 2023-03-06 | 2023-07-18 | 武汉光谷卓越科技股份有限公司 | 芯片缺陷检测装置、方法及设备 |
CN116298811A (zh) * | 2023-03-31 | 2023-06-23 | 上海威固信息技术股份有限公司 | 一种基于fpga的芯片封装检测系统及其封装方法 |
CN116818764A (zh) * | 2023-05-04 | 2023-09-29 | 武汉锐科光纤激光技术股份有限公司 | 激光芯片外观缺陷的检测方法、系统、电子设备及介质 |
CN117007519A (zh) * | 2023-07-10 | 2023-11-07 | 无锡九霄科技有限公司 | 一种半导体芯片框架的外观检测设备 |
CN116841270A (zh) * | 2023-09-01 | 2023-10-03 | 贵州通利数字科技有限公司 | 一种基于物联网的智能生产线调度方法及系统 |
CN117314901A (zh) * | 2023-11-28 | 2023-12-29 | 闽都创新实验室 | 一种尺度自适应的芯片检测神经网络系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117548360B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516570B (zh) | 一种基于视觉的垃圾分类识别方法和装置 | |
CN112893159B (zh) | 一种基于图像识别的煤矸石分拣方法 | |
CN108971190A (zh) | 一种基于机器视觉的生活垃圾分拣方法 | |
CN109916826B (zh) | 一种基于高光谱检测的固废在线识别系统及识别方法 | |
CN112318485B (zh) | 物体分选系统及其图像处理方法、装置 | |
CN103776841A (zh) | 合成革缺陷自动检测装置及检测方法 | |
CN104952754B (zh) | 基于机器视觉的镀膜后硅片分选方法 | |
CN101833673A (zh) | 电力开关柜开关状态图像识别系统 | |
CN111715559A (zh) | 一种基于机器视觉的垃圾分拣系统 | |
CN112560941A (zh) | 基于图像检测的煤矸识别方法 | |
CN111401813A (zh) | 一种基于影像识别的物流分拣系统 | |
CN107121436A (zh) | 一种硅料品质的智能鉴别方法及鉴别装置 | |
CN113877836A (zh) | 一种基于视觉检测系统的智能识别分拣系统 | |
CN111415343A (zh) | 一种基于人工智能的片式多层陶瓷电容六面外观检测方法 | |
CN117548360B (zh) | 一种图像特征的识别方法及装置 | |
CN104899595A (zh) | 基于sift特征图像的蚕蛹雌雄分拣和计数装置 | |
CN116423003A (zh) | 一种基于数据挖掘的锡焊智能评估方法及系统 | |
CN109719056A (zh) | 一种基于机器视觉的摄像头模块调焦流水线及其方法 | |
CN113255550A (zh) | 一种基于视频的行人垃圾扔投次数统计方法 | |
CN112338898A (zh) | 物体分选系统的图像处理方法、装置及物体分选系统 | |
CN111339985A (zh) | 基于混合卷积的手势检测方法 | |
CN116078680A (zh) | 一种基于深度学习的物流分拣系统 | |
CN106944362A (zh) | 一种基于视频图像识别的智能分类提示方法、装置及系统 | |
CN115591643A (zh) | 一种硅棒的料性识别和区分方法、控制装置及控制系统 | |
CN110694940A (zh) | 一种基于坏点和大小实时调整喷阀吹气的控制方法及系统 |
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 |