TWI764473B - 物體檢測方法、裝置、電子設備及存儲介質 - Google Patents

Abstract

一種物體檢測方法包括將可辨識收納容器內目標物體擺放狀態的區域進行區域劃分，以生成N個子區域，獲取人工智慧模型，獲取待檢測的子區域的待測圖像，將待測圖像輸入至人工智慧模型進行檢測，以得到待檢測的子區域內目標物體的擺放狀態。本申請還提供裝置、電子設備及存儲介質。

Description

物體檢測方法、裝置、電子設備及存儲介質

本申請涉及一種物體檢測方法、裝置、電子設備及存儲介質。

在晶圓廠或是封測廠內，當晶圓被機器手臂或是人工擺放到晶圓載具並且上蓋之後，在不同工作站間移動或是出貨到其他廠商前須檢查內部晶圓數量及晶圓位置與晶圓載具上條碼記錄是否相同，並檢查晶圓是否有疊片或斜片或破片的情況。

目前是透過人工對收容於密閉空間內的特定物體進行檢測，如對晶圓載具內的晶圓進行檢測時，檢測員從晶圓載具的六個方向辨識晶圓載具內部的晶圓，辨識晶圓的數量、位置以及晶圓是否疊片或斜片或破片。通常，晶圓載具內晶圓的擺放較為密集，各個晶圓的位置與斜置並不明顯，且每個晶圓載具存在不同的擺放組合與不同斜置狀況，而且晶圓載具有不同的形態，可以辨識的方向不同，有些晶圓載具的種類是不完全透明，需要透過燈光照明檢視，長時間注視下眼睛容易疲憊而且燈光亮度太高會傷眼睛，可能導致檢測錯誤，出現費時且誤判的情況，經由晶圓載具的六個方向辨識時，可能會在轉動中造成晶圓碰撞損壞。

有鑑於此，有必要提供一種物體檢測方法、裝置、電子設備及存儲介質，解決現有技術中人工對收容於密閉空間內的特定物體進行檢測時，出現的遺漏或誤判問題。

本申請一實施方式提供一種物體檢測方法，用於對收納容器內的目標物體擺放狀態進行檢測，包括：將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域，其中，N為正整數；獲取人工智慧模型，其中，所述人工智慧模型為根據訓練圖像進行訓練獲得的模型，其中，所述訓練圖像為所述子區域的圖像；獲取待檢測的子區域的待測圖像；將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態。

根據本申請的一些實施方式，所述將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域包括：根據所述收納容器內放置所述目標物體的位置確定可辨識所述收納容器內所述目標物體擺放狀態的區域；進行區域劃分，生成N個子區域，以使得所述子區域包括放置所述目標物體的位置的區域。

根據本申請的一些實施方式，所述獲取待檢測的子區域的待測圖像包括：移動攝像裝置以獲取待檢測的子區域的待測圖像。

根據本申請的一些實施方式，所述獲取待檢測的子區域的待測圖像包括：移動所述收納容器，使得所述收納容器的待檢測的子區域經過攝像裝置，以獲得所述待檢測的子區域的待測圖像。

根據本申請的一些實施方式，所述獲取待檢測的子區域的待測圖像包括：獲取待檢測的子區域對應的攝像裝置所拍攝的待測圖像。

根據本申請的一些實施方式，還包括：將所述子區域放置所述目 標物體圖像、未放置所述目標物體圖像、所述目標物體放置正常圖像及所述目標物體放置異常圖像作為所述訓練圖像。

根據本申請的一些實施方式，所述將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態包括：根據所述人工智慧模型輸出的檢測結果確定所述待檢測的子區域內用於放置所述目標物體位置是否放置所述目標物體；在用於放置所述目標物體位置放置所述目標物體時，確定所述目標物體的擺放是否異常及所述待檢測的子區域內放置所述目標物體的位置標誌；根據所述位置標誌確定所述待檢測的子區域內放置所述目標物體的數量。

本申請一實施方式提供一種物體檢測裝置，用於對收納於收納容器內目標物體擺放狀態進行檢測，包括：劃分模組，用於將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域，其中，N為正整數；模型獲取模組，用於獲取人工智慧模型，其中，所述人工智慧模型為根據訓練圖像進行訓練獲得的模型，其中，所述訓練圖像為所述子區域的圖像；待測圖像獲取模組，用於獲取待檢測的子區域的待測圖像；檢測模組，用於將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態。

本申請一實施方式提供一種電子設備，所述電子設備包括：一個或多個處理器；當一個或多個程式被所述一個或多個處理器執行，使得所述一個或多個處理器實現如上所述的物體檢測方法。

本申請一實施方式提供一種電腦可讀存儲介質，其上存儲有計算機程式，所述電腦程式被處理器執行時實現如上所述的物體檢測方法。

本申請實施方式提供的一種物體檢測方法、裝置、電子設備及存 儲介質，將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域，保證每個待檢測的子區域的待測圖像清晰，更能清楚辨識各個子區域內的目標物體，由人工智慧模型對待檢測的子區域的待測圖像進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態，由人工智慧模型檢測解決人工檢測出現的遺漏或誤判問題。

100:電子設備

200:收納容器

201:目標物體

102:記憶體

103:處理器

104:通訊匯流排

106:攝像裝置

107:光源

300:物體檢測裝置

400:作業系統

10:劃分模組

20:模型獲取模組

30:待測圖像獲取模組

40:檢測模組

圖1是根據本申請一實施方式的電子設備結構示意圖。

圖2是根據本申請一實施方式的物體檢測裝置的方框圖。

圖3是根據本申請一實施方式的收納容器的示意圖。

圖4是根據本申請一實施方式的收納容器的示意圖。

圖5是根據本申請一實施方式的一種物體檢測方法的流程示意圖。

圖6是根據本申請一實施方式的區域劃分方法流程示意圖。

圖7是根據本申請一實施方式的一種獲取待測圖像示意圖。

圖8是根據本申請一實施方式的另一種獲取待測圖像示意圖。

圖9是根據本申請一實施方式的一種獲取擺放狀態示意圖。

圖10是根據本申請一實施方式的晶圓擺放正常的待測圖像示意圖。

圖11是根據本申請一實施方式的晶圓疊片的待測圖像示意圖。

圖12是根據本申請一實施方式的晶圓斜片的待測圖像示意圖。

圖13是根據本申請一實施方式的影像處理結果示意圖。

下面將結合本申請實施方式中的附圖，對本申請實施方式中的技 術方案進行清楚、完整地描述，顯然，所描述的實施方式是本申請一部分實施方式，而不是全部的實施方式。

基於本申請中的實施方式，本領域普通技術人員在沒有付出創造性勞動前提下所獲得的所有其他實施方式，都是屬於本申請保護的範圍。

請參照圖1以及圖2，本發明提供一種電子設備100的模組示意圖以及所述物體定位系統的模組示意圖。所述電子設備100用於透過對收納容器200內目標物體201進行拍照，將獲得待測圖像輸入至人工智慧模型，根據所述人工智慧模型的輸出結果確定所述目標物體201在所述收納容器200內的擺放狀態。在本發明的至少一個實施例中，所述收納容器200為晶周盒、晶圓載具或晶圓傳輸盒。所述收納容器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。

在其他實施方式中，電子設備100也可以包括更多或者更少的元件，或者具有不同的元件配置。所述電子設備100可以包括記憶體102、處理器103、通訊匯流排104以及攝像裝置106。

所述記憶體102用於存儲程式碼。所述記憶體102可以是集成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可透過所述通訊匯流排104與所述處理器103進行資料通訊。所述記憶體102中可以包括物體檢測裝置300以及作業系統400。

在其中一種可能實現方式中，所述電子設備可以包括處理器103、通訊匯流排104以及攝像裝置106，所述物體檢測裝置300運行於所述處理器103上。

所述作業系統400是管理和控制硬體和軟體資源的程式，支援物 體檢測裝置300以及其它軟體和/或程式的運行。

所述處理器103可以是中央處理單元(Central Processing Unit，CPU)，還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor，DSP)、專用積體電路(Application Specific Integrated Circuit，ASIC)、現成可程式設計閘陣列(Field-Programmable Gate Array，FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用處理器可以是微處理器或者所述處理器103也可以是其它任何常規的處理器等。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，以實現一種物體檢測方法。

所述通訊匯流排104與所述記憶體102與所述處理器103進行資料通訊。

所述攝像裝置106用於拍攝收容於所述收納容器200內的所述目標物體201以形成訓練圖像以及待測圖像。

請一併參閱圖2，其為所述物體檢測裝置300的模組示意圖。所述物體檢測裝置300用於對收納於收納容器內目標物體擺放狀態進行檢測，包括： 劃分模組10，用於將可辨識所述收納容器200內所述目標物體201擺放狀態的區域進行區域劃分，以生成N個子區域，其中，N為正整數。

在本申請實施例中，將可辨識所述收納容器200內所述目標物體201擺放狀態的區域劃分成N個子區域，以在所述收納容器200內所述目標物體201擺放密集時，仍能獲得更為精準的圖像資料來源。

在本申請實施例中，可辨識所述收納容器200內所述目標物體201擺放狀態的區域，可以理解為可以準確識別出所述目標物體201是否擺放，以及所述目標物體201疊加擺放或傾斜擺放或所述目標物體201破損的區域，請參閱 圖3，以所述收納容器200為晶圓載具，所述目標物體201為晶圓為例，圖3中的區域A為可辨識所述收納容器200內所述目標物體201擺放狀態的區域，在N為6時，各個子區域為a1至a6，圖3中的區域B不能作為可辨識所述收納容器200內所述目標物體201擺放狀態的區域，透過區域B無法觀測到晶圓在晶圓載具內的擺放狀態。

模型獲取模組20，用於獲取人工智慧模型，其中，所述人工智慧模型為根據訓練圖像進行訓練獲得的模型，其中，所述訓練圖像為所述子區域的圖像。

在本申請實施例中，可以預先獲得各個子區域的訓練圖像，將訓練圖像透過電腦視覺或深度學習訓練，獲得人工智慧模型。

待測圖像獲取模組30，用於獲取待檢測的子區域的待測圖像。

在本申請實施例中，可以透過攝像裝置106獲得待檢測的子區域的待測圖像。

檢測模組40，用於將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態。

在本申請實施例中，將所述待測圖像輸入至所述人工智慧模型，所述人工智慧模型對所述待測圖像進行影像處理，輸出檢測結果。

在本申請實施例中，根據所述檢測結果確定所述待檢測的子區域內所述目標物體201的擺放狀態，例如，確定所述待檢測的子區域內用於放置所述目標物體201的位置上是否擺放有所述目標物體201，所述目標物體201是否擺放異常，例如，在一個位置上疊放多個所述目標物體201、所述目標物體201的位置放置傾斜或所述目標物體201有破損，還可以根據每個用於放置所述目標物體201的位置對應的位置標誌確定所述目標物體201的位置，並根據所述位置標誌確定擺放所述目標物體201的數量。

請參閱圖4，本申請一實施方式的一種物體檢測方法的流程示意圖。所述物體檢測方法應用於所述物體定位裝置中。所述物體檢測方法透過對收納容器200內目標物體201進行拍照，將獲得待檢測圖輸入至人工智慧模型，根據所述人工智慧模型的輸出結果確定所述目標物體201在所述密封盒內的擺放狀態。在本發明的至少一個實施例中，所述收納容器200為晶周盒或晶圓傳輸盒。所述收納容器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。所述物體檢測方法包括以下步驟： 步驟S10：將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域，其中，N為正整數。

請一併參閱圖5，本發明的至少一個實施例中，所述將可辨識所述收納容器200內所述目標物體201擺放狀態的區域進行區域劃分，以生成N個子區域包括： 步驟S11：根據所述收納容器內放置所述目標物體的位置確定可辨識所述收納容器內所述目標物體擺放狀態的區域； 步驟S12：進行區域劃分，生成N個子區域，以使得所述子區域包括放置所述目標物體的位置的區域。

在本申請實施例中，M區域為可辨識所述收納容器200內所述目標物體201擺放狀態的區域，M區域可以辨識出所述收納容器200內放置所述目標物體201的位置O，所述晶圓載具具有K個用於放置所述目標物體201的位置O，將區域M劃分成L個子區域，請參閱圖6，以所述收納容器200為晶圓載具，K=L=6為例，透過圖6中M區域可以辨識出所述收納容器200內放置所述目標物體201的位置01、02、03、04、05及06，將區域M劃分成6個子區域，子區域a1至a6，在K與L相等時，則每個子區域內有一個用於放置所述目標物體201的位置O，在其 中一種可能實施方式中，每一子區域可以包括多個用於放置所述目標物體201的位置。

步驟S20：獲取人工智慧模型，其中，所述人工智慧模型為根據訓練圖像進行訓練獲得的模型，其中，所述訓練圖像為所述子區域的圖像。

在本申請實施例中，將所述子區域放置所述目標物體201圖像、未放置所述目標物體201圖像、所述目標物體201放置正常圖像及所述目標物體201放置異常圖像作為所述訓練圖像。

在本申請實施例中，以晶圓收容於晶圓載具為例進行說明，拍攝各個子區域晶圓放入所述晶圓載具的圖像、將晶圓從晶圓載具中拿出的圖像、晶圓在晶圓載具中疊片的圖像、晶圓在晶圓載具中斜片的圖像、破損的晶圓在晶圓載具放置的圖像，將拍攝的圖像用作訓練的訓練圖像。

在本申請實施例中，可以使用電腦視覺或深度學習技術進行訓練獲得人工智慧模型。

步驟S30：獲取待檢測的子區域的待測圖像。

在本申請實施例中，請參閱圖7，可以透過移動攝像裝置106以獲取待檢測的子區域的待測圖像。圖7中，攝像裝置106設置在所述晶圓載具的下方以及攝像裝置106由左向右移動，攝像裝置106移動的方向與所述目標物體201放置位置不作具體限定，攝像裝置106的移動是為了獲取待檢測的子區域的待測圖像。

在本申請實施例中，請參閱圖8，可以移動所述收納容器200，使得所述收納容器200的待檢測的子區域經過攝像裝置106，以獲得所述待檢測的子區域的待測圖像。圖8中，攝像裝置106設置在所述晶圓載具的下方，晶圓載具由左至右移動，從所述攝像裝置106下透過，晶圓載具的移動方向不作具體限定。

在本申請實施例中，各個子區域均設置有一對其進行拍攝的攝像裝置106，每個子區域對應一個攝像裝置106，獲取待檢測的子區域對應的攝像裝置106所拍攝的待測圖像。

在本申請實施例中，請一併參閱圖7和圖8，將晶圓載具設置在攝像裝置106與光源107之間，即將攝像裝置106設置在可辨識所述收納容器200內所述目標物體201擺放狀態的方向，攝像裝置106的鏡頭正對可辨識所述收納容器200內所述目標物體201擺放狀態的區域，光源107向所述攝像裝置106的鏡頭方向提供光源照明。

步驟S40：將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態。

請一併參閱圖9，本發明的至少一個實施例中，所述將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態具體包括以下步驟：

步驟S51：根據所述人工智慧模型輸出的檢測結果確定所述待檢測的子區域內用於放置所述目標物體位置是否放置所述目標物體。

步驟S52：在用於放置所述目標物體位置放置所述目標物體時，確定所述目標物體的擺放是否異常及所述待檢測的子區域內放置所述目標物體的位置標誌。

步驟S53：根據所述位置標誌確定所述待檢測的子區域內放置所述目標物體的數量。

在本申請實施例中，以晶圓放置晶圓載具為例，將攝像裝置106放置晶圓正下方，當晶圓正常擺放時，如圖10，可以看到該晶圓擺放正常的待測圖像。如圖11，當晶圓疊片時，拍攝的待測圖像與正常特徵狀況不符或是有無法透光的狀況。如圖12，當晶圓斜片時，拍攝的待測圖像與正常特徵狀況不 符或是有無法透光的狀況。當晶圓破片時，拍攝的待測圖像與正常特徵狀況不符或是有無法透光的狀況。擺放當晶圓有擺放時，可以拍攝到有該晶圓的待測圖像。當此處沒晶圓時，圖像只看的到晶圓載具內部。藉由攝像裝置106或晶圓載具移動時，從可辨識晶圓特徵的方向取得晶圓載具內的晶圓圖像就能獲得晶圓數量與位置的資訊。人工智慧模型將對所拍攝的待測圖像進行影像處理，參見圖13，輸出特徵識別結果，得到晶圓的擺放狀態。

在本申請實施例中，各個子區域內用於放置所述目標物體201的位置均標識其對應的位置標誌，在檢測到某一位置放置所述目標物體201時，則根據該位置對應的位置標誌確定所述目標物體201的放置位置，再根據放置有所述目標物體201的位置對應的位置標誌可以統計出該待測的子區域內所述目標物體201的數量，還可以根據所述收納容器200內的各個子區域的檢測結果雀東所述收納容器200內的所述目標物體201的擺放狀態、位置及數量。

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或所述處理器103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檢測方法，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，可透過其它的方式實現。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訊連接可以是透過一些介面，裝置或模組的間接耦合或通訊連接，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”或“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。

以上所述，以上實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的範圍。

S10~S40:步驟

Claims (8)

1. 一種物體檢測方法，用於對收納容器內的目標物體擺放狀態進行檢測，其改良在於，包括：將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域，其中，N為正整數，其中所述將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域包括：根據所述收納容器內放置所述目標物體的位置確定可辨識所述收納容器內所述目標物體擺放狀態的區域；進行區域劃分，生成N個子區域，以使得所述子區域包括放置所述目標物體的位置的區域；獲取人工智慧模型，其中，所述人工智慧模型為根據訓練圖像進行訓練獲得的模型，其中，所述訓練圖像為所述子區域的圖像；獲取待檢測的子區域對應的攝像裝置所拍攝的待測圖像，其中各個子區域均設置有一對其進行拍攝的所述攝像裝置，每個子區域對應一個所述攝像裝置；將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態。
2. 如請求項1所述的物體檢測方法，其中，所述獲取待檢測的子區域的待測圖像包括：移動攝像裝置以獲取待檢測的子區域的待測圖像。
3. 如請求項1所述的物體檢測方法，其中，所述獲取待檢測的子區域的待測圖像包括：移動所述收納容器，使得所述收納容器的待檢測的子區域經過攝像裝置，以獲得所述待檢測的子區域的待測圖像。
4. 如請求項1至3任一項所述的物體檢測方法，其中，還包括：將所述子區域放置所述目標物體圖像、未放置所述目標物體圖像、所述目標物體放置正常圖像及所述目標物體放置異常圖像作為所述訓練圖像。
5. 如請求項4所述的物體檢測方法，所述將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態包括：根據所述人工智慧模型輸出的檢測結果確定所述待檢測的子區域內用於放置所述目標物體位置是否放置所述目標物體；在用於放置所述目標物體位置放置所述目標物體時，確定所述目標物體的擺放是否異常及所述待檢測的子區域內放置所述目標物體的位置標誌；根據所述位置標誌確定所述待檢測的子區域內放置所述目標物體的數量。
6. 一種物體檢測裝置，用於對收納容器內目標物體擺放狀態進行檢測，其改良在於，包括：劃分模組，用於將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域，其中，N為正整數，其中所述將可辨識所述收納容器內所述目標物體擺放狀態的區域進行區域劃分，以生成N個子區域包括：根據所述收納容器內放置所述目標物體的位置確定可辨識所述收納容器內所述目標物體擺放狀態的區域；進行區域劃分，生成N個子區域，以使得所述子區域包括放置所述目 標物體的位置的區域；模型獲取模組，用於獲取人工智慧模型，其中，所述人工智慧模型為根據訓練圖像進行訓練獲得的模型，其中，所述訓練圖像為所述子區域的圖像；待測圖像獲取模組，用於獲取待檢測的子區域對應的攝像裝置所拍攝的待測圖像，其中各個子區域均設置有一對其進行拍攝的所述攝像裝置，每個子區域對應一個所述攝像裝置；檢測模組，用於將所述待測圖像輸入至所述人工智慧模型進行檢測，以得到所述待檢測的子區域內所述目標物體的擺放狀態。
7. 一種電子設備，其改良在於，所述電子設備包括：一個或多個處理器；當一個或多個程式被所述一個或多個處理器執行，使得所述一個或多個處理器實現如請求項1至5中任一項所述的物體檢測方法。
8. 一種電腦可讀存儲介質，其上存儲有電腦程式，所述電腦程式被處理器執行時實現如請求項1至5中任一項所述的物體檢測方法。

Images