CN117808751A - 缺陷检测方法、装置、电子设备和存储介质 - Google Patents
缺陷检测方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117808751A CN117808751A CN202311783896.0A CN202311783896A CN117808751A CN 117808751 A CN117808751 A CN 117808751A CN 202311783896 A CN202311783896 A CN 202311783896A CN 117808751 A CN117808751 A CN 117808751A
- Authority
- CN
- China
- Prior art keywords
- main body
- determining
- point cloud
- cloud data
- local
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 38
- 210000000746 body region Anatomy 0.000 claims description 52
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 41
- 238000005452 bending Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000003672 processing method Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Abstract
本申请实施例提供了一种缺陷检测方法、装置、电子设备和存储介质。所述缺陷检测方法包括:确定待测目标的主体区域的边缘线;拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面;利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述待测目标的翘曲度。利用所述翘曲度确定所述待测目标是否存在缺陷。本方案可以利用与主体区域对应的点云数据来确定所述主体区域的翘曲度,从而能够快速且准确地确定所述待测目标的翘曲度。
Description
技术领域
本发明涉及图像处理的领域,更具体地涉及一种缺陷检测方法、缺陷检测装置、电子设备和存储介质。
背景技术
随着智能化的快速发展,各行各业对产品质量的要求逐步提高,因此对产品缺陷检测的需求日益增加。例如,伴随集成电路技术的发展,为避免传统封装方式可能会产生的串扰现象,如今大多数的高脚数芯片采用方形扁平无引脚(QFN)封装技术。QFN封装芯片呈正方形或矩形,芯片底部中央位置有一个大面积裸露焊盘用来导热,围绕大焊盘的封装外围设置有实现电气连结的导电焊盘。但是这类封装的芯片在生产过程中,由于加工工艺等问题,焊盘可能会出现翘曲。因此芯片被生产制造出来后,需要在出厂前进行缺陷的检测,以剔除质量有瑕疵的器件。
目前大多数的工厂对于产品的缺陷检测还通过人工目视的方式实现。这种检测方式效率低,受主观因素影响大。随着用户对产品品质要求的不断提高以及行业竞争的加剧,传统的这种以人工抽检为主的质量检测手段已经严重制约了企业竞争力的提高,用自动化质量检测设备代替人工是必然趋势。但是如何利用现有的图像处理方法对产品进行检测,特别是对产品的翘曲度进行检测还未有定论。
发明内容
为了至少部分地解决现有技术中存在的问题,本发明提供一种缺陷检测方法、缺陷检测装置、电子设备和存储介质。
根据本发明的第一个方面,提供了一种缺陷检测方法,包括:确定待测目标的主体区域的边缘线;拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面;利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述主体区域的翘曲度。利用所述翘曲度确定所述待测目标是否存在缺陷。
可选地,所述确定待测目标的主体区域的边缘线,包括:获取所述待测目标的深度图像;利用所述深度图像确定待测目标的主体区域的边缘线。
可选地,所述获取所述待测目标的深度图像,包括:利用三维相机获取所述待测目标对应的点云数据;根据所述点云数据中的各个数据点的三维坐标,确定关于所述待测对象的深度图像。
可选地,根据所述点云数据中的各个数据点的三维坐标,确定关于所述待测对象的深度图像,包括:
将所述点云数据在二维平面上的长度和宽度分别确定为所述深度图像的长度和宽度,并且基于所述点云数据中的各个数据点在二维平面上的位置信息确定所述深度图像中的各个像素,其中,每个像素的像素值由其对应的数据点在第三维度上的数值确定。
可选地,利用所述深度图像确定待测目标的主体区域的边缘线,包括:
从所述深度图像的中心点开始,分别沿各个方向确定该方向上的边缘像素,其中,在每个方向上所确定的边缘像素的像素值相对于该边缘像素的相邻像素的像素值的梯度大于梯度阈值;以及利用所述边缘像素确定所述主体区域的边缘线。
可选地,拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面,包括:
从所述点云数据中提取出由所述边缘线对应的数据点;
利用所述数据点拟合出所述主体区域。
可选地,所述利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述主体区域的翘曲度,包括:
按照预设分割方式,将所述主体区域划分为多个局部区域;
确定所述多个局部区域分别对应的局部高度信息;
利用每个局部区域的局部高度信息,确定所述主体区域的翘曲度。
可选地,所述预设分割方式包括按行和/或列平均分割形成的所述多个局部区域。
可选地,所述确定所述多个局部区域分别对应的局部高度信息,包括:
从每个局部区域对应的点云数据中筛选出有效数据点;
利用有效数据点的高度信息,确定每个局部区域距离所述主体区域的局部高度信息。
可选地,所述从每个局部区域对应的点云数据中筛选出有效数据点,包括:从所述局部区域对应的点云数据中选择高度信息在预设区域内的有效数据点。
可选地,所述确定所述局部区域距离所述主体区域的局部高度信息包括:计算有效数据点距离所述平面距离的所有高度信息,计算所有高度信息的均值作为局部高度信息。
可选地,所述翘曲度包括逐行确定的翘曲度、逐列确定的翘曲度以及根据所有局部区域确定的翘曲度。
可选地,所述待测目标包括QFN封装的芯片,所述主体区域指示位于所述芯片中间的焊盘。
根据本发明的第二个方面,提供一种缺陷检测装置,包括:边缘线确定单元,用于确定待测目标的主体区域的边缘线;拟合单元,用于拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面;翘曲度确定单元,用于利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述待测目标的翘曲度。缺陷检测单元,用于利用所述翘曲度确定所述待测目标是否存在缺陷。
根据本发明的第三个方面,提供一种电子设备,包括处理器和存储器,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行前述缺陷检测方法。
根据本发明的第四个方面,提供一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行如前述的缺陷检测方法。
根据本发明的示例性实施例的缺陷检测方法通过利用待测目标的边缘线拟合出主体区域后,利用所述主体区域对应的第一点云数据来确定所述主体区域的翘曲度,能够准确检测出由于主体区域形变导致的翘曲缺陷,而且减少了人工抽查的成本。
在发明内容中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本申请内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
以下结合附图,详细说明本申请的优点和特征。
附图说明
本申请的下列附图在此作为本申请的一部分用于理解本申请。附图中示出了本申请的实施方式及其描述,用来解释本申请的原理。在附图中,
图1示出根据本发明一实施例的待测目标的翘曲度的示意图;
图2示出根据本发明一实施例的缺陷检测方法的示意性流程图;
图3示出根据本发明一实施例的QFN封装芯片的示意图;
图4示出根据本发明一实施例的累加直方图的示意图;
图5示出根据本发明一实施例的对主体区域进行分割的示意图;
图6示出了根据本发明一个实施例的缺陷检测装置600的示意性框图;以及
图7示出根据本发明一个实施例的电子设备的示意性框图。
具体实施方式
在下文的描述中,提供了大量的细节以便能够彻底地理解本申请。然而,本领域技术人员可以了解,如下描述仅示例性地示出了本申请的优选实施例,本申请可以无需一个或多个这样的细节而得以实施。此外,为了避免与本申请发生混淆,对于本领域公知的一些技术特征未进行详细描述。
本发明的实施例的缺陷检测方法中所针对的缺陷是指待测对象存在翘曲的情况。本领域中通常以翘曲度来衡量待测对象的翘曲/弯曲程度,比如,绝对平面的翘曲度为0。本发明中提及的缺陷检测方法就是计算待测对象的翘曲度并确定所述翘曲度是否达到预设阈值,若达到预设阈值则说明待测对象存在缺陷,换言之,待测对象所在的平面存在弯曲并且弯曲程度已经超过了临界值,此时所述待测对象被认为是存在缺陷。
在实施中,所述翘曲度可以是用于衡量整个平面的,即,整个平面的翘曲度,此时,所述翘曲度可通过整个平面上最大高度差来确定。此外,所述翘曲度也可以用于衡量某个特定方向上的翘曲/弯曲程度。例如,如图1所示,所述翘曲度可用于衡量待测对象沿X轴方向上的翘曲度,此时的翘曲度可利用沿X轴方向上确定的最大高度差来确定。或者所述翘曲度可用于衡量待测对象沿Y轴方向上的翘曲度,此时的翘曲度可利用沿Y轴方向上确定的最大高度差来确定。
为了至少部分地解决上述问题,本发明实施例提供一种缺陷检测方法。图2示出了根据本发明一个实施例的缺陷检测方法200的示意性流程图。如图2所示,该方法200可以包括以下步骤S210、步骤S220、步骤S230和步骤S240。
在步骤S210,确定待测目标的主体区域的边缘线。
根据本发明的示例性实施例,所述待测目标可以是任意合适的对象,本发明不对其进行限制。本发明的缺陷检测方法可以适用于各种需要对目标进行检测的场景。示例性地,待测目标可以是芯片,主体区域可以是芯片主体。以QFP芯片为例,这种封装的芯片通常包括大致为矩形的主体区域,以及外围的引脚。
作为本发明的实施例,本发明可利用与所述待测目标对应的点云数据的三维坐标确定所述待测对象的深度图像,进而利用深度图像确定主体区域的边缘线。在实施中,所述待测目标的点云数据可以是一个或多个三维相机拍摄待检测芯片表面生成的。具体来说,本发明的实施例可利用三维相机从垂直于第一面区的方向拍摄待测对象,以得到与待测对象对应的点云数据。第一面区即芯片主体区域上方的平面,这样三维相机垂直于第一面区,这样得到的点云数据在深度Z方向上不存在夹角。
随后,根据所述点云数据中的各个数据点的三维坐标,确定关于所述待测对象的深度图像。在实施中,将所述点云数据在二维平面上的长度和宽度分别确定为所述深度图像的长度和宽度,并且基于所述点云数据中的各个数据点在二维平面上的位置信息确定所述深度图像中的各个像素,其中,每个像素的像素值由其对应的数据点在第三维度上的数值确定。
具体来说,根据点云数据中各个数据点的三维坐标、点云数据分别在第一维度和第二维度上的第一长度和第二长度以及点云数据分别在三个维度方向上的分辨率,生成关于目标对象的深度图像。其中,三个维度包括第一维度、第二维度和第三维度;深度图像的图像长度和图像宽度分别等于第一长度和第二长度;深度图像中每个第一像素的第一位置、第二位置分别等于该第一像素对应的点云数据的数据点的第一维度方向和第二维度方向上的坐标分量,第一位置和第二位置分别是该第一像素在图像长度方向和图像宽度方向上的位置分量;深度图像中每个第一像素的像素值与该第一像素对应的点云数据的点在第三维度方向上的坐标分量正相关。
在一些示例中,深度图像的图像长度和图像宽度也可以分别与第一长度和第二长度存在线性关系,深度图像中每个第一像素的第一位置、第二位置分别与该第一像素对应的点云数据的点的第一维度方向和第二维度方向上的坐标分量存在线性关系。
如图3所示,与QFP芯片对应的点云数据中的数据点均落在芯片的表面。点云数据中每一数据点的坐标包括该数据点在X、Y、Z三个维度方向的坐标信息。第一维度、第二维度、第三维度分别对应X、Y、Z三个维度方向。通过各个数据点的三维坐标,可以计算整个点云的宽度和长度信息(例如各个点在X、Y方向的覆盖区域的长度),还可以得到点云的X/Y/Z三个方向上的分辨率。根据这些信息,可以生成QFP芯片的深度图像。以三维相机俯视拍摄QFP芯片表面为例,如图3所示,芯片表面所在平面可以对应X方向和Y方向形成的平面,该平面上的凸出或凹陷可以认为是芯片的Z方向,即Z可以代表深度信息。
如图3所示,深度图像为二维图像,深度图像的宽度可以等于点云的长度,深度图像320的高度可以等于点云的宽度。对于点云数据中的每个数据点,可以根据其在X、Y方向的坐标,找到其对应在深度图像中的每个像素。并可以根据数据点的z坐标确定每个像素的像素值。例如,点云数据中数据点的z坐标值等于对应的像素的像素值。可以理解,还可以存在未对应点云中点的像素,可以确定将这些像素的像素值为预设像素值,例如0。由于灰度值范围(0,255),而点云中点的z坐标值可能在这个区间范围之外,因此可以对各个点的z坐标值通过以下公式进行归一化处理:
其中,value为灰度值,Z为每一像素位置对应的深度值,Zmin和Zmax分别为点云数据中深度值的最大值和最小值。
简言之,根据本发明的实施例可提取点云数据中各个数据点的Z坐标数据作为深度图像中每个像素的像素值,该深度图像的宽度可以等于点云数据的宽度,该深度图像的高度可以等于点云的长度,依次按行赋值以生成了深度图像,由此实现了将三维图像向二维图像的转化。可以理解,相比于点云信息,深度图像相对于点云数据而言数据量更小,占用内存也更小,从而计算速度更快。
随后,本发明的实施例可利用所述深度图像确定待测目标的主体区域的边缘线。具体来说,从所述深度图像的中心点开始,分别沿各个方向确定该方向上的边缘像素,其中,在每个方向上所确定的边缘像素的像素值相对于该边缘像素的相邻像素的像素值的梯度大于梯度阈值,最后,利用所述边缘像素确定所述主体区域的边缘线。
在步骤S220,拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面所在的主体区域平面。作为示例,所述方法可从所述待测目标对应的点云数据中筛选出所述边缘线所包围的主体区域对应的第一点云数据,例如,(x11,y11,z11),(x12,y12,z12),...(x1j,y1j,z1j)。然后,利用最小二乘拟合的方法进行拟合,可以获得主体区域平面,所述主体区域平面方程可以表示为:Ax+By+Cy+Z=0,其中平面法向量为:(A,B,C)。
根据上述技术方案,基于第一点云数据中的数据点的坐标,对主体区域所在的平面进行拟合,可以获得主体区域平面。这样可以简便且快速地获取主体区域平面,效率较高。
在步骤S230,利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述主体区域的翘曲度。
作为示例性实施例,所述主体区域的翘曲度可以指示所述主体区域平面相较于水平面的弯曲程度,也可以是所述主体区域内的指定区域相较于水平面的弯曲程度,例如,可指示所述主体区域内的中心部分、所述主体区域的左上方、右上方等相较于水平面的弯曲程度。所述指定区域可以是预先设定的区域。此外,所述主体区域的翘曲度还可指示所述主体区域沿特定方向上的翘曲度。例如,所述主体区域的翘曲度可指示所述主体区域沿行方向上的翘曲度,又或者所述主体区域的翘曲度可指示所述主体区域沿列方向上的翘曲度。
可选地,所述方法可按照如下公式计算主体区域对应的第一点云数据中的每个数据点距步骤S220中获取的主体区域平面的高度值,然后利用计算出的所有高度值确定所述主体区域的翘曲度,其中,所述第一点云数据内的数据点的坐标为(xn,yn,zn)。在获取到所有的高度值后,可将这些高度值之间的差值作为翘曲度。
作为一种实施例,本发明可在计算出所有的高度值后,从这些高度值中选择最小高度值和最大高度值,然后利用这两者之间差值作为整体主体平面的翘曲度。但在实际生产中,如图5所示,主体区域的某个局部区域可能本身存在孔洞510,又可能会由于噪声干扰或者本身产品工艺导致的缺陷导致部分区域失真,使得采用这种方式误差的可能性很大,因此,本发明可在计算所有的高度值前,先执行筛选处理。
作为一种优选的实施例,本发明还可在计算高度值之前先利用以上获取的深度图像的深度信息执行筛选处理。简单来说,本发明可在获取到所述主体区域的深度图像后,利用所述深度图像中各个像素的深度信息生成如图4所示的累加直方图。然后选择深度值在于20%到80%之间的像素,最后利用这些像素对应的有效数据点计算高度值,并基于这些高度值的差值确定翘曲度。这种方式能够过滤掉噪声干扰和主体局部本身的凹坑带来的干扰,提高计算的准确性和可靠性。
此外,所述方法还可先对主体区域进行分区,然后计算每个分区对应的高度值,最后基于这些高度值的差值确定所述主体区域的翘曲度。
根据本发明的实施例,所述方法可按照预设分割方式,将所述主体区域划分为多个局部区域,所述预设分割方式包括按行和/或列平均分割形成的多个局部区域。作为示例,所述预设分割方式可指示对所述平面区域执行均分的方式。如图5所示,所述方法可将平面区域平均分为9个区域。然后针对每个局部区域(局部区域)计算对应的高度值。应注意,在计算高度值前,所述方法可按照前述方式对每个局部区域对应的点云数据进行筛选,并在筛选后再计算每个局部区域对应的高度值。
在利用各个局部区域对应的高度值,计算这些高度值中的最大高度值与最小高度值之间的差值并将该差值确定为翘曲度。此外,所述方法也可在按照前述方式对每个局部区域对应的点云数据进行筛选后,计算每个局部区域对应的翘曲度(高度差值),然后利用这些翘曲度,最终确定所述平面区域的翘曲度。
此外,所述预设分割方式还可指示按照预设要求对主体区域执行分割以获取预设区域的方式。例如,所述预设分割方式指示以等比例缩小的方式获取所述主体区域的分割方式,又例如,所述预设分割方式指示从所述主体区域内分割出特定位置的分割方式。
作为本发明的实施例,在计算出每个局部区域对应的高度信息(即高度值)ΔH后,可分别计算每行的翘曲度并最终确定行方向上的翘曲度。以图5中的分割方式为例,每个局部区域对应的高度值分别为ΔH1、ΔH2、ΔH3、ΔH4、ΔH5、ΔH6、ΔH7、ΔH8、ΔH9,可按照如下公式计算行方向上的翘曲度:
单行翘曲度:
X1=max(ΔH1,ΔH2,ΔH3)-min(ΔH1,ΔH2,ΔH3),
X2=max(ΔH4,ΔH5,ΔH6)-min(ΔH4,ΔH5,ΔH6),
X3=max(ΔH7,ΔH8,ΔH9)-min(ΔH7,ΔH8,ΔH9),
X向翘曲度:
X=max(X1,X2,X3)
其中,X1指示第一行的翘曲度,X2指示第二行的翘曲度,X3指示第三行的翘曲度。
作为本发明的实施例,在计算出每个局部区域对应的高度信息(即高度值)ΔH后,可分别计算每列的翘曲度并最终确定列方向上的翘曲度。以图5中的分割方式为例,可按照如下公式计算列方向上的翘曲度:
单列翘曲度:
Y1=max(ΔH1,ΔH4,ΔH7)-min(ΔH1,ΔH4,ΔH7),
Y2=max(ΔH2,ΔH5,ΔH8)-min(ΔH2,ΔH5,ΔH8),
Y3=max(ΔH3,ΔH6,ΔH9)-min(ΔH3,ΔH6,ΔH9),
Y向翘曲度:
Y=max(Y1,Y2,Y3)
其中,Y1指示第一行的翘曲度,Y2指示第二行的翘曲度,Y3指示第三行的翘曲度。
在此情况下,所述平面区域的翘曲度可以是所有局部区域对应的最大高度值与最小高度值的差值,即按照如下公式计算:
总翘曲度=max(ΔH1,ΔH2,ΔH3,ΔH4,ΔH5,ΔH6,ΔH7,ΔH8,ΔH9)-min(ΔH1,ΔH2,ΔH3,ΔH4,ΔH5,ΔH6,ΔH7,ΔH8,ΔH9)
在步骤S240,利用所述翘曲度确定所述待测目标是否存在缺陷。在实施中,可针对所述待测目标预先设置针对翘曲度的阈值。在利用步骤S230计算出翘曲度后,判断所述翘曲度是否小于预设阈值,若小于预设阈值,则表明所述待测目标在翘曲方面不存在缺陷,若大于预设阈值,则表明所述待测目标在翘曲方面存在缺陷。
综上可述,根据本发明的示例性实施例的缺陷检测方法通过利用待测目标的边缘线拟合出主体区域后,利用所述主体区域对应的第一点云数据来确定所述主体区域的翘曲度,能够准确检测出由于主体区域形变导致的翘曲缺陷,而且减少了人工抽查的成本。更进一步,本发明可对整个主体区域进行分割后利用每个局部区域对应的高度信息确定每个局部区域的翘曲度,进而确定主体区域的翘曲度,既能够有效检测出局部形变导致的翘曲又能有效检测出整体的翘曲。更进一步地,所述方法所采用的分割方式可根据实际需求灵活调整,适应性更强。更进一步地,所述方法在确定高度信息过程中,可通过累加直方图进行噪声过滤,来抵抗产品本身的局部凹坑或者成像噪声带来的干扰,进一步提高测量的准确性和可靠性。
据本发明的又一方面,还提供一种缺陷检测装置。图6示出了根据本发明一个实施例的缺陷检测装置600的示意性框图。如图6所示,该缺陷检测装置600可以包括边缘线确定单元610、拟合单元620、翘曲度确定单元630和缺陷检测单元640。
边缘线确定单元610,用于确定待测目标的主体区域的边缘线;
拟合单元620,用于拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面;
翘曲度确定单元630,用于利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述待测目标的翘曲度。
缺陷检测单元640,用于利用所述翘曲度确定所述待测目标是否存在缺陷。
本领域普通技术人员通过阅读上文关于缺陷检测方法的相关描述,可以理解上述缺陷检测装置的实现方式以及技术效果,为了简洁,在此不再赘述。
据本发明的又一方面,还提供一种电子设备。图7示出了根据本发明实施例的电子设备的示意性框图。如图7所示,该电子设备700包括处理器710和存储器720,存储器720中存储有计算机程序,计算机程序指令被处理器710运行时用于执行上述的图像处理方法。
根据本发明的再一方面,还提供一种存储介质,存储有计算机程序/指令,所述存储介质例如可以包括平板电脑的存储部件、个人计算机的硬盘、可擦除可编程只读存储器(EPROM)、便携式只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述存储介质可以是一个或多个计算机可读存储介质的任意组合。所述计算机程序/指令被处理器在运行时用于执行上述的图像处理方法。
本领域普通技术人员通过阅读上述有关图像处理方法的相关描述,可以理解上述电子设备和存储介质的具体实现方案,为了简洁,在此不再赘述。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的缺陷检测装置中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (16)
1.一种缺陷检测方法,其特征在于,包括:
确定待测目标的主体区域的边缘线;
拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面;
利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述主体区域的翘曲度;
利用所述翘曲度确定所述待测目标是否存在缺陷。
2.如权利要求1所述的方法,其特征在于,所述确定待测目标的主体区域的边缘线,包括:
获取所述待测目标的深度图像;
利用所述深度图像确定待测目标的主体区域的边缘线。
3.如权利要求1所述的方法,其特征在于,所述获取所述待测目标的深度图像,包括:
利用三维相机获取所述待测目标对应的点云数据;
根据所述点云数据中的各个数据点的三维坐标,确定关于所述待测对象的深度图像。
4.如权利要求3所述的方法,其特征在于,所述根据所述点云数据中的各个数据点的三维坐标,确定关于所述待测对象的深度图像,包括:
将所述点云数据在二维平面上的长度和宽度分别确定为所述深度图像的长度和宽度,并且基于所述点云数据中的各个数据点在二维平面上的位置信息确定所述深度图像中的各个像素,其中,每个像素的像素值由其对应的数据点在第三维度上的数值确定。
5.如权利要求3所述的方法,其特征在于,所述利用所述深度图像确定待测目标的主体区域的边缘线,包括:
从所述深度图像的中心点开始,分别沿各个方向确定该方向上的边缘像素,其中,在每个方向上所确定的边缘像素的像素值相对于该边缘像素的相邻像素的像素值的梯度大于梯度阈值;以及
利用所述边缘像素确定所述主体区域的边缘线。
6.如权利要求1所述的方法,其特征在于,所述拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面,包括:
从所述待测目标对应的点云数据中筛选出所述边缘线所包围的主体区域对应的第一点云数据;
利用第一点云数据拟合出所述主体区域所在的主体区域平面。
7.如权利要求1所述的方法,其特征在于,所述利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述主体区域的翘曲度,包括:
按照预设分割方式,将所述主体区域划分为多个局部区域;
确定所述多个局部区域分别对应的局部高度信息;
利用每个局部区域的局部高度信息,确定所述主体区域的翘曲度。
8.如权利要求7所述的方法,其特征在于,所述预设分割方式包括按行和/或列平均分割形成的所述多个局部区域。
9.如权利要求7所述的方法,其特征在于,所述确定所述多个局部区域分别对应的局部高度信息,包括:
从每个局部区域对应的点云数据中筛选出有效数据点;
利用有效数据点的高度信息,确定每个局部区域距离所述主体区域的局部高度信息。
10.如权利要求9所述的方法,其特征在于,所述从每个局部区域对应的点云数据中筛选出有效数据点,包括:从所述局部区域对应的点云数据中选择高度信息在预设区域内的有效数据点。
11.如权利要求9所述的方法,其特征在于,所述确定所述局部区域距离所述主体区域的局部高度信息包括:计算有效数据点距离所述平面距离的所有高度信息,计算所有高度信息的均值作为局部高度信息。
12.如权利要求7所述的方法,其特征在于,所述翘曲度包括逐行确定的翘曲度、逐列确定的翘曲度以及根据所有局部区域确定的翘曲度。
13.如权利要求1所述的方法,其特征在于,所述待测目标包括QFN封装的芯片,所述主体区域指示位于所述QFN芯片中间的焊盘。
14.一种缺陷检测装置,其特征在于,包括:
边缘线确定单元,用于确定待测目标的主体区域的边缘线;
拟合单元,用于拟合出在所述待检测目标上且由所述边缘线包围的所述主体区域所在的主体区域平面;
翘曲度确定单元,用于利用所述主体区域对应的第一点云数据及其与所述主体区域平面的位置关系来确定所述待测目标的翘曲度。
缺陷检测单元,用于利用所述翘曲度确定所述待测目标是否存在缺陷。
15.一种电子设备,包括处理器和存储器,其特征在于,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行如权利要求1至13任一项所述的缺陷检测方法。
16.一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行如权利要求1至13任一项所述的缺陷检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311783896.0A CN117808751A (zh) | 2023-12-22 | 2023-12-22 | 缺陷检测方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311783896.0A CN117808751A (zh) | 2023-12-22 | 2023-12-22 | 缺陷检测方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117808751A true CN117808751A (zh) | 2024-04-02 |
Family
ID=90422773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311783896.0A Pending CN117808751A (zh) | 2023-12-22 | 2023-12-22 | 缺陷检测方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808751A (zh) |
-
2023
- 2023-12-22 CN CN202311783896.0A patent/CN117808751A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6115012B2 (ja) | 検査装置、検査方法及び検査プログラム | |
JP2004340832A (ja) | 回路基板の外観検査方法及び回路基板の外観検査装置 | |
JP5660861B2 (ja) | 基板上の異物検査方法および異物検査装置 | |
CN115775244A (zh) | 线圈绕线的检测方法及装置、电子设备和存储介质 | |
CN106770333B (zh) | 一种bga缺陷自动检测方法 | |
CN117808751A (zh) | 缺陷检测方法、装置、电子设备和存储介质 | |
JP2004536300A5 (zh) | ||
KR20110040866A (ko) | 치명상의 검출 방법 | |
CN112985274B (zh) | 邦定焊盘间距离的测量方法、装置及电子设备 | |
KR20120105863A (ko) | 인쇄회로기판의 광학 검사 장치 및 방법 | |
CN116071304A (zh) | 一种物品边缘线定位方法、装置及电子设备 | |
JP2010091360A (ja) | 画像検査方法および画像検査装置 | |
JP2011069742A (ja) | 欠陥検出装置および欠陥検出方法 | |
TW202215038A (zh) | 檢查電路板之未經授權修改 | |
CN117808752A (zh) | 缺陷检测方法、装置、电子设备和存储介质 | |
CN117808754A (zh) | 目标对象的检测方法、系统、电子设备及存储介质 | |
JP2001099625A (ja) | パターン検査装置およびパターン検査方法 | |
JP6897448B2 (ja) | 線幅推定プログラム、装置、及び方法 | |
JP4821647B2 (ja) | 電子部品の端子位置検出方法 | |
JP2005265828A (ja) | 疵検出方法及び装置 | |
JPH0644360A (ja) | リード付き電子部品の視覚的検査方法および装置 | |
CN117853427A (zh) | 器件外观缺陷检测方法、装置、电子设备及存储介质 | |
JP3111433B2 (ja) | 画像処理装置 | |
CN117571721B (zh) | 一种电路板焊盘表面缺陷检测方法、装置及存储介质 | |
CN117710352A (zh) | 图像处理方法和装置、电子设备以及存储介质 |
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 |