CN117764975A - 一种图像检测方法、装置、设备及介质 - Google Patents
一种图像检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117764975A CN117764975A CN202311866325.3A CN202311866325A CN117764975A CN 117764975 A CN117764975 A CN 117764975A CN 202311866325 A CN202311866325 A CN 202311866325A CN 117764975 A CN117764975 A CN 117764975A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- product
- target
- defect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 142
- 230000007547 defect Effects 0.000 claims abstract description 104
- 230000011218 segmentation Effects 0.000 claims abstract description 62
- 230000006835 compression Effects 0.000 claims abstract description 55
- 238000007906 compression Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000003709 image segmentation Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 235000012431 wafers Nutrition 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种图像检测方法、装置、设备及介质。图像检测方法,包括:获取待检测产品的原始待识别图像;基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像;根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域;根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。本发明实施例的技术方案能够提升具有大量重复单元的产品的缺陷检测速率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像检测方法、装置、设备及介质。
背景技术
随着集成化技术的发展,一个产品中往往会存在大量的重复单元,而在产品出厂前需要对产品中全部重复单元进行检测,其难点就在于如何在最短的时间内完成这些检测,以提升检测效率。
例如,半导体常规产品中有400-900个重复单元,高密产品重复单元可达3000以上。半导体晶圆在生产过程中容易造成破损、隐裂、划伤等各种缺陷,为准确检测这些缺陷开发了AOI(Automatic Optical Inspection,自动光学检测)晶圆缺陷自动检测设备。随着晶圆制备工艺的发展,晶圆尺寸不断变大,重复单元数量随之增多,目前基于晶圆缺陷检测设备对这些重复单元做全检,还未找到更好的方法缩短检测时间。
发明内容
本发明提供了一种图像检测方法、装置、设备及介质,以解决目前对存在大量重复单元的产品进行缺陷检测速率不佳的问题。
根据本发明的一方面,提供了一种图像检测方法,包括:
获取待检测产品的原始待识别图像;
基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像;
根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域;
根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。
根据本发明的另一方面,提供了一种图像检测装置,包括:
原始待识别图像获取模块,用于获取待检测产品的原始待识别图像;
目标压缩图像获取模块,用于基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像;
重复单元分割区域确定模块,用于根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域;
检测结果数据确定模块,用于根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的图像检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像检测方法。
本发明实施例的技术方案,通过获取待检测产品的原始待识别图像,从而基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像,进而根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域,并根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。在本方案中,对原始待识别图像进行压缩,可以使目标压缩图像的图像像素尺寸小于原始待识别图像,相较于在大尺寸图像进行图像分割,在小尺寸的图像进行图像分割识别速度更快,从而可以降低待检测产品的缺陷检测的整体时间,解决了目前对存在大量重复单元的产品进行缺陷检测速率不佳的问题,能够提升具有大量重复单元的产品的缺陷检测速率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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为本发明实施例一提供的一种图像检测方法的流程图;
图2为本发明实施例二提供的一种图像检测方法的流程图;
图3为根据本发明实施例二提供的一种分割模板图像的示意图;
图4为本发明实施例二提供的一种图像中重复单元快速检测的逻辑图;
图5为本发明实施例三提供的一种图像检测装置的结构示意图;
图6示出了可以用来实施本发明的实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“原始”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种图像检测方法的流程图,本实施例可适用于高效检测包括大量重复单元的产品的情况,该方法可以由图像检测装置来执行,该图像检测装置可以采用硬件和/或软件的形式实现,该图像检测装置可配置于电子设备中。如图1所示,该方法包括:
步骤110、获取待检测产品的原始待识别图像。
其中,待检测产品可以是需进行缺陷检测的产品,待检测产品中存在较多的重复单元。原始待识别图像可以是待检测产品的采样图像。
在本发明实施例中,确定了待检测产品之后,可以对待检测产品进行图像采样,得到原始待识别图像。
步骤120、基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像。
其中,目标图像压缩比可以是预先设置的图像压缩比。目标压缩图像可以是按照目标图像压缩比压缩原始待识别图像,得到的压缩图像。
在本发明实施例中,得到原始待识别图像之后,可以进一步获取目标图像压缩比,从而按照目标图像压缩比,对原始待识别图像进行压缩,并将压缩后的图像作为目标压缩图像。
步骤130、根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域。
其中,分割模板图像可以是目标压缩图像中与待检测产品的一个重复单元对应的图像。重复单元分割区域可以是基于分割模板图像对目标压缩图像分割,得到的目标压缩图像中重复单元的区域。
在本发明实施例中,可以从目标压缩图像中提取出分割模板图像,从而将分割模板图像作为模板,对目标压缩图像进行模板匹配处理,以实现对目标压缩图像的分割,得到重复单元分割区域。
示例性的,假设待检测产品中存在500个重复单元,则基于分割模板图像分割目标压缩图像,可以得到500个重复单元分割区域。
步骤140、根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。
其中,缺陷检测参数可以是对待检测产品进行缺陷检测的参数。缺陷检测参数可以包括但不限于缺陷种类以及缺陷精度等。
在本发明实施例中,可以根据目标图像压缩比对重复单元分割区域进行图像恢复,从而按照缺陷检测参数对恢复后的区域进行缺陷检测,即实现按照原始待识别图像的精度对产品缺陷的检测,得到待检测产品的检测结果数据,以供产品检测人员准确了解待检测产品出现缺陷的区域。
本发明实施例的技术方案,通过获取待检测产品的原始待识别图像,从而基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像,进而根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域,并根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。在本方案中,对原始待识别图像进行压缩,可以使目标压缩图像的图像像素尺寸小于原始待识别图像,相较于在大尺寸图像进行图像分割,在小尺寸的图像进行图像分割识别速度更快,从而可以降低待检测产品的缺陷检测的整体时间,解决了目前对存在大量重复单元的产品进行缺陷检测速率不佳的问题,能够提升具有大量重复单元的产品的缺陷检测速率。
实施例二
图2为本发明实施例二提供的一种图像检测方法的流程图,本实施例以上述实施例为基础进行具体化,给出了根据目标压缩图像,确定分割模板图像的具体的可选的实施方式。如图2所示,该方法包括:
步骤210、获取待检测产品的原始待识别图像。
步骤220、基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像。
在本发明的一个可选实施例中,在基于目标图像压缩比,对原始待识别图像进行压缩之前,还可以包括:获取图像检测缩放调整行为数据;根据图像检测缩放调整行为数据以及待检测产品,确定目标图像压缩比。
其中,图像检测缩放调整行为数据可以是用户对不同类型的待检测产品的对应原始待识别图像进行压缩比例调整的经验数据。
在本发明实施例中,可以采集图像检测缩放调整行为数据,从而针对待检测产品的产品类型,从图像检测缩放调整行为数据中,确定目标图像压缩比。
步骤230、在目标压缩图像中创建模板识别区域。
其中,模板识别区域可以是目标压缩图像中对应至少一个待检测产品重复单元的区域。
在本发明实施例中,可以基于待检测产品中重复单元在原始待识别图像中的尺寸,在目标压缩图像中创建模板识别区域,以在模板识别区域中识别与重复单元对应的图像。
步骤240、对模板识别区域进行重复单元检测,得到分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域。
其中,重复单元检测可以用于对模板识别区域中单个重复单元对应的图像进行识别。
在本发明实施例中,可以对模板识别区域进行重复单元检测,从而将模板识别区域中检测到的单个重复单元对应的图像,作为分割模板图像,进而将分割模板图像作为划分单元,对目标压缩图像进行分割,得到重复单元分割区域。
示例性的,对模板识别区域进行重复单元检测,得到的分割模板图像可参见图3。
步骤250、根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。
在本发明的一个可选实施例中,根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据,可以包括:根据目标图像压缩比以及重复单元分割区域,确定待检测重复单元图像;基于缺陷检测参数,对待检测重复单元图像进行检测,得到待检测产品的检测结果数据。
其中,待检测重复单元图像可以是根据目标图像压缩比以及重复单元分割区域进行图像恢复,得到的待检测产品的重复单元的图像,其相当于在原始待识别图像中与重复单元对应的图像。
在本发明实施例中,可以根据目标图像压缩比对重复单元分割区域进行图像恢复,得到原始待识别图像中重复单元的图像,即待检测重复单元图像,进一步基于缺陷检测参数,对待检测重复单元图像进行检测,得到待检测产品的检测结果数据。
在本发明的一个可选实施例中,根据目标图像压缩比以及重复单元分割区域,确定待检测重复单元图像,可以包括:对重复单元分割区域进行排序,得到待复原重复单元区域;基于目标图像压缩比,放大待复原重复单元区域,得到待检测重复单元图像。
其中,待复原重复单元区域可以是对重复单元分割区域排序后的重复单元区域。
在本发明实施例中,为了提升对待检测产品的缺陷检测速率,可以按照重复单元在待检测产品的位置,对重复单元分割区域进行排序,得到待复原重复单元区域,此时待复原重复单元区域对应的待检测产品的重复单元的顺序,与原始待识别图像对应的待检测产品的重复单元的顺序一致,进一步计算目标图像压缩比的反比,并将计算的反比值作为放大倍数,对待复原重复单元区域进行放大,得到待检测重复单元图像。
在本发明的一个可选实施例中,在基于缺陷检测参数,对待检测重复单元图像进行检测,得到待检测产品的检测结果数据之后,还可以包括:根据检测结果数据,创建缺陷识别结果数据表;在缺陷识别结果数据表的列表有效长度值为空时,确定待检测产品为达标产品。
其中,缺陷识别结果数据表可以是根据检测结果数据汇总的,记录待检测产品存在缺陷情况的数据表。列表有效长度值可以是缺陷识别结果数据表的列表中填写的待检测产品存在缺陷对应数据的行数或列数。
在本发明实施例中,可以解析检测结果数据,确定待检测产品存在的缺陷情况,并对待检测产品存在的缺陷情况进行汇总,得到缺陷识别结果数据表,还可以进一步检测缺陷识别结果数据表中填写的待检测产品存在缺陷对应数据的行数或列数,即检测缺陷识别结果数据表的列表有效长度值。若缺陷识别结果数据表的列表有效长度值为空,则确定待检测产品为达标产品。若缺陷识别结果数据表的列表有效长度值不为空,则确定待检测产品为缺陷产品即不达标产品。
在本发明的一个可选实施例中,根据检测结果数据,创建缺陷识别结果数据表,可以包括:根据检测结果数据,确定待检测产品中缺陷重复单元图像的缺陷类型以及图像编号;根据缺陷重复单元图像的缺陷类型以及图像编号,创建缺陷识别结果数据表。
其中,缺陷重复单元图像可以是待检测重复单元图像中存在产品缺陷的图像。缺陷类型可以是待检测产品存在缺陷的类别。图像编号可以用于区分不同的缺陷重复单元图像。可选的,可以将重复单元分割区域的排序号,作为相应待检测重复单元图像的图像编号。
在本发明实施例中,可以解析待检测产品的检测结果数据,确定待检测产品中缺陷重复单元图像、缺陷重复单元图像存在的缺陷类型以及缺陷重复单元图像的图像编号,从而以一个缺陷重复单元图像的缺陷类型以及图像编号,填写于数据表的一行或一列;或者,以一个缺陷类型为一行或一列在数据表中填写缺陷重复单元图像的相关数据,在记录完所有缺陷重复单元图像的缺陷相关信息之后,得到缺陷识别结果数据表。
图4为本发明实施例二提供的一种图像中重复单元快速检测的逻辑图。如图4所示,首先获取待检测产品的原始待识别图像即标准图像,从而获取目标图像压缩比(如0.25,也可自行设定),进而按照目标图像压缩比对原始待识别图像进行压缩,得到目标压缩图像,并在目标压缩图像中创建模板识别区域。在从模板识别区域中创建分割模板图像,并在目标压缩图像中进行模板匹配,得到重复单元分割区域。在得到重复单元分割区域之后对重复单元分割区域进行排序,得到待复原重复单元区域,进而按照目标图像压缩比的反比对待复原重复单元区域进行放大,得到待检测重复单元图像。在得到待检测重复单元图像之后,根据客户检测需要设置待检测重复单元图像的检测区域,从而按照缺陷检测参数进行缺陷类型1检测,缺陷类型2检测…,缺陷类型N检测,得到待检测产品的检测结果数据。进一步,对检测结果数据进行结果数据合并,并判断列表有效长度值是否为0,若列表有效长度值为0,则输出待检测产品为达标产品。若列表有效长度值不为0,则输出待检测产品为未达标产品,即NG产品。在本方案中,将图像压缩技术应用到图像重复单元分割当中,从而实现快速定位分割,继而实现在2-3秒之内完成框架产品的外观检测要求,通过现场大量数据测试,相较于常规算法本方案提速可达40-50%。
本发明实施例的技术方案,通过获取待检测产品的原始待识别图像,从而基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像,进而在目标压缩图像中创建模板识别区域,并对模板识别区域进行重复单元检测,得到分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域,进一步根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。在本方案中,对原始待识别图像进行压缩,可以使目标压缩图像的图像像素尺寸小于原始待识别图像,相较于在大尺寸图像进行图像分割,在小尺寸的图像进行图像分割识别速度更快,从而可以降低待检测产品的缺陷检测的整体时间,解决了目前对存在大量重复单元的产品进行缺陷检测速率不佳的问题,能够提升具有大量重复单元的产品的缺陷检测速率。
实施例三
图5为本发明实施例三提供的一种图像检测装置的结构示意图。如图5所示,该装置包括:
原始待识别图像获取模块310,用于获取待检测产品的原始待识别图像;
目标压缩图像获取模块320,用于基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像;
重复单元分割区域确定模块330,用于根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域;
检测结果数据确定模块340,用于根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。
本发明实施例的技术方案,通过获取待检测产品的原始待识别图像,从而基于目标图像压缩比,对原始待识别图像进行压缩,得到目标压缩图像,进而根据目标压缩图像,确定分割模板图像,并根据分割模板图像分割目标压缩图像,得到重复单元分割区域,并根据目标图像压缩比、重复单元分割区域以及缺陷检测参数,确定待检测产品的检测结果数据。在本方案中,对原始待识别图像进行压缩,可以使目标压缩图像的图像像素尺寸小于原始待识别图像,相较于在大尺寸图像进行图像分割,在小尺寸的图像进行图像分割识别速度更快,从而可以降低待检测产品的缺陷检测的整体时间,解决了目前对存在大量重复单元的产品进行缺陷检测速率不佳的问题,能够提升具有大量重复单元的产品的缺陷检测速率。
可选的,图像检测装置还包括图像压缩比确定模块,用于获取图像检测缩放调整行为数据;根据所述图像检测缩放调整行为数据以及所述待检测产品,确定所述目标图像压缩比。
可选的,重复单元分割区域确定模块330,用于在所述目标压缩图像中创建模板识别区域;对所述模板识别区域进行重复单元检测,得到所述分割模板图像。
可选的,检测结果数据确定模块340,包括待检测重复单元图像确定单元以及检测结果数据确定单元。待检测重复单元图像确定单元,用于根据所述目标图像压缩比以及所述重复单元分割区域,确定待检测重复单元图像。检测结果数据确定单元,用于基于所述缺陷检测参数,对所述待检测重复单元图像进行检测,得到所述待检测产品的检测结果数据。
可选的,待检测重复单元图像确定单元,用于对所述重复单元分割区域进行排序,得到待复原重复单元区域;基于所述目标图像压缩比,放大所述待复原重复单元区域,得到所述待检测重复单元图像。
可选的,图像检测装置还包括产品达标辨识模块,用于根据所述检测结果数据,创建缺陷识别结果数据表;在所述缺陷识别结果数据表的列表有效长度值为空时,确定所述待检测产品为达标产品。
可选的,产品达标辨识模块,用于根据所述检测结果数据,确定所述待检测产品中缺陷重复单元图像的缺陷类型以及图像编号;根据所述缺陷重复单元图像的缺陷类型以及图像编号,创建所述缺陷识别结果数据表。
本发明实施例所提供的图像检测装置可执行本发明任意实施例所提供的图像检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6示出了可以用来实施本发明的实施例的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如图像检测方法。
在一些实施例中,图像检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的图像检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种图像检测方法,其特征在于,包括:
获取待检测产品的原始待识别图像;
基于目标图像压缩比,对所述原始待识别图像进行压缩,得到目标压缩图像;
根据所述目标压缩图像,确定分割模板图像,并根据所述分割模板图像分割所述目标压缩图像,得到重复单元分割区域;
根据所述目标图像压缩比、所述重复单元分割区域以及缺陷检测参数,确定所述待检测产品的检测结果数据。
2.根据权利要求1所述的方法,其特征在于,在所述基于目标图像压缩比,对所述原始待识别图像进行压缩之前,还包括:
获取图像检测缩放调整行为数据;
根据所述图像检测缩放调整行为数据以及所述待检测产品,确定所述目标图像压缩比。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标压缩图像,确定分割模板图像,包括:
在所述目标压缩图像中创建模板识别区域;
对所述模板识别区域进行重复单元检测,得到所述分割模板图像。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标图像压缩比、所述重复单元分割区域以及缺陷检测参数,确定所述待检测产品的检测结果数据,包括:
根据所述目标图像压缩比以及所述重复单元分割区域,确定待检测重复单元图像;
基于所述缺陷检测参数,对所述待检测重复单元图像进行检测,得到所述待检测产品的检测结果数据。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标图像压缩比以及所述重复单元分割区域,确定待检测重复单元图像,包括:
对所述重复单元分割区域进行排序,得到待复原重复单元区域;
基于所述目标图像压缩比,放大所述待复原重复单元区域,得到所述待检测重复单元图像。
6.根据权利要求4所述的方法,其特征在于,在所述基于所述缺陷检测参数,对所述待检测重复单元图像进行检测,得到所述待检测产品的检测结果数据之后,还包括:
根据所述检测结果数据,创建缺陷识别结果数据表;
在所述缺陷识别结果数据表的列表有效长度值为空时,确定所述待检测产品为达标产品。
7.根据权利要求6所述的方法,其特征在于,所述根据所述检测结果数据,创建缺陷识别结果数据表,包括:
根据所述检测结果数据,确定所述待检测产品中缺陷重复单元图像的缺陷类型以及图像编号;
根据所述缺陷重复单元图像的缺陷类型以及图像编号,创建所述缺陷识别结果数据表。
8.一种图像检测装置,其特征在于,包括:
原始待识别图像获取模块,用于获取待检测产品的原始待识别图像;
目标压缩图像获取模块,用于基于目标图像压缩比,对所述原始待识别图像进行压缩,得到目标压缩图像;
重复单元分割区域确定模块,用于根据所述目标压缩图像,确定分割模板图像,并根据所述分割模板图像分割所述目标压缩图像,得到重复单元分割区域;
检测结果数据确定模块,用于根据所述目标图像压缩比、所述重复单元分割区域以及缺陷检测参数,确定所述待检测产品的检测结果数据。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像检测方法。
10.一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指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的图像检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311866325.3A CN117764975A (zh) | 2023-12-29 | 2023-12-29 | 一种图像检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311866325.3A CN117764975A (zh) | 2023-12-29 | 2023-12-29 | 一种图像检测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117764975A true CN117764975A (zh) | 2024-03-26 |
Family
ID=90320138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311866325.3A Pending CN117764975A (zh) | 2023-12-29 | 2023-12-29 | 一种图像检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117764975A (zh) |
-
2023
- 2023-12-29 CN CN202311866325.3A patent/CN117764975A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113139543A (zh) | 目标对象检测模型的训练方法、目标对象检测方法和设备 | |
CN114419035B (zh) | 产品识别方法、模型训练方法、装置和电子设备 | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN111695493A (zh) | 一种输电线路隐患的检测方法及系统 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN116559177A (zh) | 一种缺陷检测方法、装置、设备以及存储介质 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN115272381B (zh) | 一种金属线分割方法、装置、电子设备及存储介质 | |
CN115687406B (zh) | 一种调用链数据的采样方法、装置、设备及存储介质 | |
CN117764975A (zh) | 一种图像检测方法、装置、设备及介质 | |
CN117112816B (zh) | 安检图像的排序方法、装置、设备及存储介质 | |
CN117115568B (zh) | 数据筛选方法、装置、设备及存储介质 | |
CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
CN115953723B (zh) | 一种静帧检测方法、装置、电子设备和存储介质 | |
CN117275030B (zh) | 审核地图的方法和装置 | |
CN115293096B (zh) | 线路生成方法、装置、电子设备及存储介质 | |
CN117274361A (zh) | 一种物料表面积测量方法、装置、电子设备以及介质 | |
CN116309586A (zh) | 基于卷积神经网络的瑕疵检测方法、装置、设备及介质 | |
CN115937652A (zh) | 一种地下管线识别方法、装置、设备及存储介质 | |
CN117218386A (zh) | 配电线路图像的处理方法、装置、电子设备及存储介质 | |
CN118134880A (zh) | 一种异物检测方法、装置、设备及介质 | |
CN116975653A (zh) | 一种样本信息确定方法、装置、电子设备及存储介质 | |
CN117710737A (zh) | 一种服务器检测方法、装置、设备及介质 | |
CN114863354A (zh) | 一种工业物料的识别方法、装置、设备及存储介质 | |
CN117764961A (zh) | 一种断开划痕连接处理方法、装置、电子设备及存储介质 |
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 |