TWI748723B - 物體定位方法、裝置及存儲介質 - Google Patents

物體定位方法、裝置及存儲介質 Download PDF

Info

Publication number
TWI748723B
TWI748723B TW109138135A TW109138135A TWI748723B TW I748723 B TWI748723 B TW I748723B TW 109138135 A TW109138135 A TW 109138135A TW 109138135 A TW109138135 A TW 109138135A TW I748723 B TWI748723 B TW I748723B
Authority
TW
Taiwan
Prior art keywords
detection
image
sealed box
area
object positioning
Prior art date
Application number
TW109138135A
Other languages
English (en)
Other versions
TW202219834A (zh
Inventor
黃英典
Original Assignee
鴻海精密工業股份有限公司
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 鴻海精密工業股份有限公司 filed Critical 鴻海精密工業股份有限公司
Priority to TW109138135A priority Critical patent/TWI748723B/zh
Application granted granted Critical
Publication of TWI748723B publication Critical patent/TWI748723B/zh
Publication of TW202219834A publication Critical patent/TW202219834A/zh

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本發明涉及一種物體定位方法、裝置及存儲介質，該方法包括：根據基準資料作為訓練集建立檢測模型；基準資料為密封盒的多個樣本圖像；其中，用於容納目標物體的密封盒的容量為M個，樣本圖像的數量小於2M；利用攝像頭獲取待檢測密封盒的檢測圖像；將檢測圖像根據預定方式均勻劃分形成指定數量的檢測區域；提取檢測圖像中每個檢測區域對應位置的圖像作為局部圖像；依次將每個局部圖像輸入至檢測模型；根據檢測模型輸出的多個檢測結果統計得到密封盒內目標物體的數量資訊以及位置資訊。

Description

物體定位方法、裝置及存儲介質
本發明涉及一種收容於密封盒內物體的物體定位方法、裝置及存儲介質。
特定的物體，例如晶圓、半導體結構等在運輸過程中通常收容於密閉空間內，避免在運輸過程中空間環境對物體造成污染。現有的檢測方法通常為在保證物體不被污染的情況下採用人工目測並從不同角度對密閉空間內的物體的數量以及位置進行檢測。但由於密閉空間內物體數量的排列方式通常較為密集，同時，密閉空間的形態的不同，容易導致人工目測時出現遺漏或誤判現象。
有鑒於此，有必要提供一種物體定位方法、裝置及存儲介質，旨在解決現有技術中人工目測容易遺漏或誤判的問題。
一種物體定位方法，用於對密封盒內目標物體的數量和位置進行定位檢測，所述物體定位方法包括：根據基準資料作為訓練集建立檢測模型；所述基準資料為多個樣本圖像；其中，所述密封盒的容量為M個，所述樣本圖像的數量小於2M；利用攝像頭獲取待檢測所述密封盒的檢測圖像； 將所述檢測圖像根據預定方式均勻劃分形成指定數量的檢測區域；提取所述檢測圖像中每個所述檢測區域對應位置的圖像作為局部圖像；依次將每個所述局部圖像輸入至所述檢測模型；根據所述檢測模型輸出的多個檢測結果統計得到所述密封盒內所述目標物體的數量資訊以及位置資訊。
優選地，所述指定數量為N個，且N小於M；所述樣本圖像的數量為2(M/N)。
優選地，所述根據基準資料作為訓練集建立檢測模型的步驟包括：將圖像獲取區域根據所述預定方式均勻劃分形成所述指定數量的第一檢測區域；提取一個所述第一檢測區域作為第一基準區域並獲取所述第一基準區域中不同數量的所述目標物體在不同位置對應的多個圖像作為所述樣本圖像；提取所述圖像區域中一個第二檢測區域作為第二基準區域並獲取所述第二基準區域中不同數量的所述目標物體在不同位置的多個圖像作為補充圖像；根據所述樣本圖像和所述補充圖像作為所述訓練集建立所述檢測模型。
優選地，所述第二檢測區域為同時與相鄰兩個所述第一檢測區域交疊設置的區域；所述補充圖像的數量小於等於所述樣本圖像的數量。
優選地，所述第二檢測區域與所述第一檢測區域等大設置。
優選地，所述檢測模型為深度學習網路模型。
優選地，所述密封盒放置於指定光源下；所述指定光源用於提高資料為密封盒的多個樣本圖像；其中，所述密封盒的容量為M個，所述樣本圖像的數量小於2M；利用攝像頭獲取待檢測所述密封盒的檢測圖像； 將所述檢測圖像根據預定方式均勻劃分形成指定數量的檢測區域；提取所述檢測圖像中每個所述檢測區域對應位置的圖像作為局部圖像；依次將每個所述局部圖像輸入至所述檢測模型；根據所述檢測模型輸出的多個檢測結果統計得到所述密封盒內所述目標物體的數量資訊以及位置資訊。
此外，為了實現上述目的，本發明還提出一種存儲介質，所述存儲介質為電腦可讀存儲介質，存儲有至少一個指令，所述至少一個指令被處理器執行時實現如下步驟：根據基準資料作為訓練集建立檢測模型；所述基準資料為密封盒的多個樣本圖像；其中，所述密封盒的容量為M個，所述樣本圖像的數量小於2M；利用攝像頭獲取待檢測所述密封盒的檢測圖像；將所述檢測圖像根據預定方式均勻劃分形成指定數量的檢測區域；提取所述檢測圖像中每個所述檢測區域對應位置的圖像作為局部圖像；依次將每個所述局部圖像輸入至所述檢測模型；根據所述檢測模型輸出的多個檢測結果統計得到所述密封盒內所述目標物體的數量資訊以及位置資訊。
上述物體定位方法、裝置以及存儲介質，可減少檢測模型對應的訓練集中樣本圖像數量，同時藉由將待檢測的所述密封盒的檢測圖像劃分成多個檢測區域，提取每個所述檢測區域對應的局部圖像輸入至檢測模型中，藉由採用上述分割方式可提高了所述檢測模型的處理速度。
100:物體定位裝置
102:記憶體
103:處理器
104:通信匯流排
106:攝像頭
1:物體定位系統
2:操作系統
10:模型建立模組
20:圖像採集模組
30:影像處理模組
40:提取模組
50:統計模組
200:密封盒
201:目標物體
300:指定光源
A:第一檢測區域
B:第二檢測區域
S11-S16:步驟
圖1為本發明物體定位裝置的功能模組圖。
圖2為圖1中所述物體定位系統的功能模組圖。
圖3為圖1中所述攝像頭與所述密封盒和所述指定光源之間的位置關係示意圖。
圖4為檢測圖像的示意圖。
圖5為一種物體定位方法的流程示意圖。
圖6為圖5中步驟S11的細化流程示意圖。
為了使本技術領域的人員更好地理解本發明方案，下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分的實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本發明保護的範圍。
本發明的說明書和請求項及上述附圖中的術語「第一」、「第二」和「第三」等是用於區別不同物件，而非用於描述特定順序。此外，術語「包括」以及它們任何變形，意圖在於覆蓋不排他的包含。例如包含了一系列步驟或模組的過程、方法、系統、產品或設備沒有限定於已列出的步驟或模組，而是可選地還包括沒有列出的步驟或模組，或可選地還包括對於這些過程、方法、產品或設備固有的其它步驟或模組。
下面結合附圖對本發明物體定位方法的具體實施方式進行說明。
請參照圖1以及圖2，本發明提供一種物體定位裝置100的模組示意圖以及所述物體定位系統的模組示意圖。所述物體定位裝置100用於藉由對密封盒200內目標物體201進行拍照，將獲得待檢測圖輸入至檢測模型，根據所述檢測模型的輸出結構確定所述目標物體201在所述密封盒內的數量和位置。在本發明的至少一個實施例中，所述密封盒200為晶舟盒或晶圓傳 輸盒。所述密封盒200可由透明材料製成或者由半透明材料製成。所述目標物體201為晶圓。
所述物體定位裝置100包括記憶體102、處理器103、通信匯流排104以及攝像頭106。
所述記憶體102用於存儲程式碼。所述記憶體102可以是積體電路中沒有實物形式的具有存儲功能的電路，如記憶體條、TF卡(Trans-flash Card)、智慧媒體卡(smart media card)、安全數位卡(secure digital card)、快閃記憶體卡(flash card)等儲存設備。所述記憶體102可藉由所述通信匯流排104與所述處理器103進行資料通信。所述記憶體102中可以包括物體定位系統1以及作業系統2。
所述作業系統2是管理和控制硬體和軟體資源的程式，支援物體定位系統1以及其它軟體和/或程式的運行。
所述處理器103可以包括一個或者多個微處理器、數位信號處理器。所述處理器103可調用所述記憶體102中存儲的程式碼以執行相關的功能。例如，圖2中所述的各個模組是存儲在所述記憶體102中的程式碼，並由所述處理器103所執行，以實現一種物體定位方法。所述處理器103又稱中央處理器(CPU，Central Processing Unit)，是一塊超大規模的積體電路，是運算核心(Core)和控制核心(Control Unit)。
所述通信匯流排104與所述記憶體102與所述處理器103進行資料通信。
所述攝像頭106用於拍攝收容於所述密封盒200內的所述目標物體201以形成樣本圖像以及檢測圖像。
請一併參閱圖2，其為所述物體定位系統1的模組示意圖。所述物體定位系統1包括： 模型建立模組10，用於根據基準資料作為訓練集建立檢測模型。
在本發明的至少一個實施例中，所述基準資料為所述密封盒200內收容不同數量且不同位置的所述目標物體201的多個樣本圖像。所述基準資料包括多個樣本圖像和多個補充圖像。其中，所述補充圖像的數量小於等於所述樣本圖像的數量。所述密封盒200的容量為M個，所述指定數量為N個，且N小於M；所述樣本圖像的數量為2(M/N)。以所述密封盒的容量為25為例，所述樣本圖像的數量為25=32；所述補充圖像的數量可以為3個。所述樣本圖像和所述補充透視圖像中均可識別所述目標物體201以及用於所述目標物體201於所述密封盒200內的位置。其中，所述指定數量可以根據使用者的需求進行設定。所述檢測模型為深度學習網路模型。
所述模型建立模組10進一步地對圖像獲取區域根據所述預定方式均勻劃分形成所述指定數量的第一檢測區域A(如圖4所示)，提取一個所述第一檢測區域A作為第一基準區域並獲取所述第一基準區域中不同數量的所述目標物體201在不同位置對應的多個圖像作為所述樣本圖像，提取所述圖像獲取區域中一個第二檢測區域B(如圖4所示)作為第二基準區域並獲取所述第二基準區域中不同數量的所述目標物體201在不同位置對應的多個圖像作為所述補充圖像，根據所述樣本圖像和所述補充圖像作為所述訓練集建立所述檢測模型。其中，所述補充圖像用於進一步識別相鄰兩個所述第一檢測區域A中是否存在所述目標物體201。所述圖像獲取區域為所述攝像頭106獲取的圖像中與所述密封盒200等大的區域。
在本發明的至少一個實施方式中，所述第二檢測區域B同時與相鄰兩個所述第一檢測區域A交疊設置。所述第二檢測區域B與所述第一檢測區域A等大設置。
圖像採集模組20，用於藉由所述攝像頭106獲取待檢測所述密封盒200的檢測圖像。
在本發明的至少一個實施方式中，所述密封盒200放置於指定光源300下(如圖3所示)。所述指定光源300用於提高所述目標物體201在所述密封盒200內的邊緣特徵。所述指定光源300可以為紫外線燈或者螢光燈，但並不局限於此。所述攝像頭106和所述指定光源300與所述密封盒200的相對位置與所述密封盒200的透明度以及形狀相關。舉例來講，當密封盒200上半部呈透明狀且藉由側面對所述目標物體201進行定位時，所述攝像頭106可位於所述密封盒200的正上方。所述指定光源300位於所述密封盒的左上角。
影像處理模組30，用於將所述檢測圖像根據預定方式均勻劃分形成所述指定數量的檢測區域。
提取模組40，用於提取所述檢測圖像中每個所述第一檢測區域A對應位置的圖像作為局部圖像，並依次將每個所述局部圖像輸入至所述檢測模型。
統計模組50，用於根據所述檢測模型輸出的多個檢測結果統計得到所述密封盒內所述目標物體的數量資訊以及位置資訊。
在本發明的至少一個實施例中，所述數量資訊為所述密封盒內收容的所述目標物體的總數以及每個局部圖像內對應的所述目標物體的總數。所述位置資訊包括所述檢測區域的編號以及所述目標物體在對應所述檢測區域內的位置編號。
上述所述物體定位裝置100，可減少檢測模型對應的訓練集中樣本圖像的數量。同時，藉由將待檢測的所述密封盒200的圖像劃分方式，可提高檢測模型的處理速度。另外，藉由將所述密封盒200放置於所述指定光源 300下，可提高所述目標物體201在所述密封盒200內的邊緣特徵，進而提高所述檢測模型檢測結果的準確度。
請參閱圖5，其為本發明的一種物體定位方法的流程圖。所述物體定位方法應用於所述物體定位系統1中。所述物體定位方法藉由對密封盒200內目標物體201進行拍照，將獲得待檢測圖輸入至檢測模型，根據所述檢測模型的輸出結構確定所述目標物體201在所述密封盒內的數量和位置。在本發明的至少一個實施例中，所述密封盒200為晶舟盒或晶圓傳輸盒。所述密封盒200可由透明材料製成或者由半透明材料製成。所述目標物體201為晶圓。
所述物體定位方法包括以下步驟：
S11、根據基準資料作為訓練集建立檢測模型。
在本發明的至少一個實施例中，所述基準資料為所述密封盒200內收容不同數量且不同位置的所述目標物體201的多個樣本圖像。所述基準資料包括多個樣本圖像和多個補充圖像。其中，所述補充圖像的數量小於等於所述樣本圖像的數量。所述密封盒200的容量為M個，所述指定數量為N個，且N小於M；所述樣本圖像的數量為2(M/N)。以所述密封盒的容量為25為例，所述樣本圖像的數量為25=32；所述補充圖像的數量可以為3個。所述樣本圖像和所述補充透視圖像中均可識別所述目標物體201以及用於所述目標物體201於所述密封盒200內的位置。其中，所述指定數量可以根據使用者的需求進行設定。所述檢測模型為深度學習網路模型。
請一併參閱圖6，其為步驟S11的細化流程示意圖。本發明的至少一個實施例中，所述根據基準資料作為訓練集建立檢測模型的步驟進一步還包括： S111、將圖像獲取區域根據所述預定方式均勻劃分形成所述指定數量的第一檢測區域A；S112、提取一個所述第一檢測區域A作為第一基準區域並獲取所述第一區域中不同數量的所述目標物體201在不同位置對應的多個圖像作為所述樣本圖像；S113、提取所述圖像獲取區域中一個第二檢測區域B作為第二基準區域並獲取所述第二基準區域中不同數量的所述目標物體201在不同位置對應的多個圖像作為補充圖像；S114、根據所述樣本圖像和所述補充圖像作為所述訓練集所述檢測模型。
在本發明的至少一個實施方式中，所述補充圖像用於進一步識別相鄰兩個所述第一檢測區域A中是否存在所述目標物體201。所述圖像獲取區域為所述攝像頭106獲取的圖像中與所述密封盒200等大的區域。
所述第二檢測區域B為一個區域同時與相鄰兩個所述第一檢測區域A交疊設置的區域。在本發明的至少一個實施方式中，所述第二檢測區域B與所述第一檢測區域A等大設置。
S12、藉由所述攝像頭106獲取待檢測所述密封盒200的檢測圖像。
在本發明的至少一個實施方式中，所述密封盒200放置於指定光源300下(如圖3所示)。所述指定光源300用於提高所述目標物體201在所述密封盒200內的邊緣特徵。所述指定光源300可以為紫外線燈或者螢光燈，但並不局限於此。所述攝像頭106和所述指定光源300與所述密封盒200的相對位置與所述密封盒200的透明度以及形狀相關。舉例來講，當密封盒200上半部呈透明狀且藉由側面對所述目標物體201進行定位時，所述攝像頭 106可位於所述密封盒200的正上方。所述指定光源300位於所述密封盒的左上角。
S13、將所述檢測圖像根據預定方式均勻劃分形成所述指定數量的檢測區域。
S14、提取所述檢測圖像中每個所述第一檢測區域A對應位置的圖像作為局部圖像。
S15、依次將每個所述局部圖像輸入至所述檢測模型。
S16、根據所述檢測模型輸出的多個檢測結果統計得到所述密封盒內所述目標物體的數量資訊以及位置資訊。
在本發明的至少一個實施例中，所述數量資訊為所述密封盒內收容的所述目標物體的總數以及每個局部圖像內對應的所述目標物體的總數。所述位置資訊包括所述檢測區域的編號以及所述目標物體在對應所述檢測區域內的位置編號。
上述所述物體定位方法，可減少檢測模型對應的訓練集中樣本圖像數量。同時，藉由將待檢測的所述密封盒200的圖像劃分方式，可提高檢測模型的處理速度。另外，藉由將所述密封盒200放置於所述指定光源300下，可提高所述目標物體201在所述密封盒200內的邊緣特徵，進而提高所述檢測模型檢測結果的準確度。
本發明還提供一種存儲介質。所述存儲介質為電腦可讀存儲介質。所述電腦可讀存儲介質上存儲有電腦指令。所述電腦指令可被存儲於記憶體102上，且當被一個或多個處理器103執行時，從而實現如上文方法實施例所述的物體定位方法，例如圖5所示的S11-S16，在此不再贅述。
需要說明的是，對於前述的各方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明並 不受所描述的動作順序的限制，因為依據本發明，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬於優選實施例，所涉及的動作和模組並不一定是本發明所必須的。
在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置，可藉由其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，例如多個模組或元件可以結合或者可以集成到另一個系統，或一些特徵可以忽略，或不執行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是藉由一些介面，裝置或模組的間接耦合或通信連接，可以是電性或其它的形式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理模組，即可以位於一個地方，或者也可以分佈到多個網路模組上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。
另外，在本發明的各個實施例中的各功能模組可以集成在一個處理器中，也可以是各個模組單獨物理存在，也可以兩個或兩個以上模組集成在一個模組中。上述集成的模組既可以採用硬體的形式實現，也可以採用軟體功能模組的形式實現。
所述集成的模組如果以軟體功能模組的形式實現並作為獨立的產品銷售或使用時，可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解，本發明的技術方案本質上或者說對現有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟體產品的形式體現出來，該電腦軟體產品存儲在一個存儲介質中，包括若干指令用以使得一台電腦設備(可為個人電 腦、伺服器或者網路設備等)執行本發明各個實施例所述方法的全部或部分步驟。
還需要說明的是，在本文中，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句「包括一個......」限定的要素，並不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。
綜上所述，本發明符合發明專利要件，爰依法提出專利申請。惟，以上所述者僅為本發明之較佳實施方式，舉凡熟悉本案技藝之人士，在爰依本案創作精神所作之等效修飾或變化，皆應包含於以下之申請專利範圍內。
S11-S16:步驟

Claims (10)

  1. 一種物體定位方法，用於對密封盒內目標物體的數量和位置進行定位檢測，所述物體定位方法包括：根據基準資料作為訓練集建立檢測模型；所述基準資料為所述密封盒的多個樣本圖像；其中，所述密封盒的容量為M個，所述樣本圖像的數量小於2M；利用攝像頭獲取待檢測所述密封盒的檢測圖像；將所述檢測圖像根據預定方式均勻劃分形成指定數量的檢測區域；提取所述檢測圖像中每個所述檢測區域對應位置的圖像作為局部圖像；依次將每個所述局部圖像輸入至所述檢測模型；根據所述檢測模型輸出的多個檢測結果統計得到所述密封盒內所述目標物體的數量資訊以及位置資訊。
  2. 如請求項1所述的物體定位方法，其中，所述指定數量為N個，且N小於M；所述樣本圖像的數量為2(M/N)。
  3. 如請求項2所述的物體定位方法，其中，所述根據基準資料作為訓練集建立檢測模型的步驟包括：將圖像獲取區域根據所述預定方式均勻劃分形成所述指定數量的第一檢測區域；提取一個所述第一檢測區域作為第一基準區域並獲取所述第一基準區域中不同數量的所述目標物體在不同位置對應的多個圖像作為所述樣本圖像；提取所述圖像區域中一個第二檢測區域作為第二基準區域並獲取所述第二基準區域中不同數量的所述目標物體在不同位置的多個圖像作為補充圖像；根據所述樣本圖像和所述補充圖像作為所述訓練集建立所述檢測模型。
  4. 如請求項3所述的物體定位方法，其中，所述第二檢測區域為同時與相鄰兩個所述第一檢測區域交疊設置的區域；所述補充圖像的數量小於等於所述樣本圖像的數量。
  5. 如請求項3所述的物體定位方法，其中，所述第二檢測區域與所述第一檢測區域等大設置。
  6. 如請求項1所述的物體定位方法，其中，所述檢測模型為深度學習網路模型。
  7. 如請求項5所述的物體定位方法，其中，所述密封盒放置於指定光源下；所述指定光源用於提高所述目標物體的邊緣特徵。
  8. 如請求項5所述的物體定位方法，其中，所述攝像頭從指定角度獲取所述密封盒的圖像；所述指定角度與所述密封盒的透明度以及形狀相關。
  9. 一種物體定位裝置，其包括處理器以及記憶體；所述處理器用於執行所述記憶體中存儲的電腦程式時實現如請求項1至8中任意一項所述的物體定位方法。
  10. 一種存儲介質，其中，所述存儲介質為電腦可讀存儲介質，存儲有至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至8中任意一項所述的物體定位方法。
TW109138135A 2020-11-02 2020-11-02 物體定位方法、裝置及存儲介質 TWI748723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW109138135A TWI748723B (zh) 2020-11-02 2020-11-02 物體定位方法、裝置及存儲介質

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109138135A TWI748723B (zh) 2020-11-02 2020-11-02 物體定位方法、裝置及存儲介質

Publications (2)

Publication Number Publication Date
TWI748723B true TWI748723B (zh) 2021-12-01
TW202219834A TW202219834A (zh) 2022-05-16

Family

ID=80680889

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109138135A TWI748723B (zh) 2020-11-02 2020-11-02 物體定位方法、裝置及存儲介質

Country Status (1)

Country Link
TW (1) TWI748723B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105122270A (zh) * 2012-11-21 2015-12-02 派尔高公司 使用深度传感器计数人的方法和系统
TW201643977A (zh) * 2015-03-03 2016-12-16 盧茲 雷布斯托克 檢測系統
TWI609448B (zh) * 2014-05-22 2017-12-21 應用材料股份有限公司 對於載具環上的晶圓的存在感知及位置修正
CN107946221A (zh) * 2016-10-12 2018-04-20 锡宬国际有限公司 晶圆传送系统及其操作方法
TW202018594A (zh) * 2018-11-09 2020-05-16 香港商阿里巴巴集團服務有限公司 指定區域的人群流量狀況估算方法和裝置
TW202038031A (zh) * 2018-12-13 2020-10-16 美商蘭姆研究公司 半導體製造設備的即時健康狀態監測

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105122270A (zh) * 2012-11-21 2015-12-02 派尔高公司 使用深度传感器计数人的方法和系统
TWI609448B (zh) * 2014-05-22 2017-12-21 應用材料股份有限公司 對於載具環上的晶圓的存在感知及位置修正
TW201643977A (zh) * 2015-03-03 2016-12-16 盧茲 雷布斯托克 檢測系統
CN107946221A (zh) * 2016-10-12 2018-04-20 锡宬国际有限公司 晶圆传送系统及其操作方法
TW202018594A (zh) * 2018-11-09 2020-05-16 香港商阿里巴巴集團服務有限公司 指定區域的人群流量狀況估算方法和裝置
TW202038031A (zh) * 2018-12-13 2020-10-16 美商蘭姆研究公司 半導體製造設備的即時健康狀態監測

Also Published As

Publication number Publication date
TW202219834A (zh) 2022-05-16

Similar Documents

Publication Publication Date Title
CN107545262B (zh) 一种在自然场景图像中检测文本的方法及装置
US11321822B2 (en) Determining image defects using image comparisons
CN111639648B (zh) 证件识别方法、装置、计算设备和存储介质
WO2015074521A1 (en) Devices and methods for positioning based on image detection
KR101534808B1 (ko) 얼굴 인식 기술을 이용한 전자 앨범 관리 방법 및 시스템
JP7145970B2 (ja) コンクリート構造物の点検支援装置、点検支援方法及び点検支援プログラム
CN113420756B (zh) 证件图像的识别方法和装置、存储介质及电子装置
CN116168351B (zh) 电力设备巡检方法及装置
US11715195B2 (en) Machine learning-based circuit board inspection
WO2024012463A1 (zh) 一种定位方法及装置
CN110647931A (zh) 物体检测方法、电子设备、系统及介质
WO2019200807A1 (zh) 图像合成装置、方法及计算机可读存储介质
CN114359160B (zh) 一种屏幕的检测方法、装置、电子设备及存储介质
WO2019000746A1 (zh) 控件的文字颜色变换方法、系统、电子装置及存储介质
TWI748723B (zh) 物體定位方法、裝置及存儲介質
CN117952941A (zh) 电路板缺陷检测方法及装置
JP2012123631A (ja) 注目領域検出方法、注目領域検出装置、及びプログラム
CN111768439B (zh) 一种确定实验评分的方法、装置、电子设备及介质
CN117809115A (zh) Smt贴片错件检测方法、装置及视觉检测系统
CN106780951B (zh) 单据校验方法及装置
TW202042111A (zh) 瑕疵檢測方法、電子裝置及電腦可讀存儲介質
CN114445485A (zh) 物体定位方法、装置及存储介质
CN114445652A (zh) 一种应用中元素的识别方法、应用测试方法及相关硬件
CN113642398A (zh) 空间区域识别的方法及装置
WO2016006901A1 (ko) 이미지로부터 깊이 정보를 추출하는 방법 및 장치