CN113902697A - 缺陷检测方法及相关装置 - Google Patents
缺陷检测方法及相关装置 Download PDFInfo
- Publication number
- CN113902697A CN113902697A CN202111160510.1A CN202111160510A CN113902697A CN 113902697 A CN113902697 A CN 113902697A CN 202111160510 A CN202111160510 A CN 202111160510A CN 113902697 A CN113902697 A CN 113902697A
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- determining
- area
- preset
- 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 147
- 238000001514 detection method Methods 0.000 title claims abstract description 110
- 230000002950 deficient Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 18
- 238000007689 inspection Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 239000003086 colorant Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了缺陷检测方法及相关装置，缺陷检测检测设备获取待测件的原始图像；根据第一预设阈值与第二预设阈值对原始图像进行二值化处理，并得到二值化图像；根据预设模板图像对二值化图像处理，并得到检测图像；确定检测图像中缺陷特征的缺陷面积；当缺陷面积大于预设面积时，确定缺陷特征在原始图像中的相对位置；当缺陷特征位于预设模板图像的第一模板区域时，确定待测件为缺陷件。通过对原始图像根据不同的阈值进行二值化处理，能够避免颜色差异导致的检测精度降低问题，并且通过判断检测图像中的缺陷面积以及缺陷特征的相对位置，确定待测件是否为缺陷件，避免待测件的图像采集颜色不同造成的缺陷确定错误，提高了待测件的检测准确率。
Description
技术领域
本申请涉及检测技术领域，尤其涉及一种缺陷检测方法及相关装置。
背景技术
晶圆通过光刻的方式在晶圆表面形成图案，而在晶圆加工过程中，经常会在加工过程中出现磕碰或其他问题，从而导致晶圆表面的图案出现损伤。线路的短路断路是芯片后道工艺中的常见缺陷，一旦发生将直接影响整个芯片的性能，随着半导体特征尺寸越来越小，加工及测量设备越来越先进，使得晶圆加工出现了新的数据特点。同时，特征尺寸的减小，使得晶圆加工时，空气中的颗粒数对晶圆加工后质量及可靠性的影响增大，而随着洁净的提高，颗粒数也出现了新的数据特点。
现有对待测件的线路进行缺陷检测时，主要是通过将对待测件的采集图像与模板图像进行比对，并根据比对结果确定待测件的线路区域上是否存在缺陷，但是待测件的采集图像在采集时颜色会存在差异，从而导致在对采集图像进行图像处理时，可能会使经过图像处理后的采集图像出现较大的误差，从而影响待测件的缺陷检测结果，降低了待测件的检测准确率。
发明内容
本申请实施例提供一种缺陷检测方法及相关装置。
第一方面，本申请实施例提供一种缺陷检测方法，应用于缺陷检测设备，所述缺陷检测方法包括：
获取待测件的原始图像；
根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；
根据预设模板图像对所述二值化图像处理，并得到检测图像；
确定所述检测图像中缺陷特征的缺陷面积；
当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；
当所述缺陷特征位于所述预设模板图像的第一模板区域时，确定所述待测件为缺陷件。
可选的，所述根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像，包括：
根据所述第一预设阈值与第二预设阈值，确定至少一个待遍历的二值化灰度值；
根据所述二值化灰度值对所述原始图像进行二值化处理；
确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域；
根据所述第一特征区域与所述第二特征区域确定目标灰度值；
根据目标灰度值对所述原始图像进行二值化处理。
可选的，所述确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域，包括：
确定所述预设模板图像中特征像素点的位置信息；
根据所述特征像素点的位置确定所述第一特征区域与所述第二特征区域。
可选的，所述根据第一特征区域与所述第二特征区域确定目标灰度值，包括：
遍历确定每个所述二值化灰度值对应的第一特征区域的第一像素点数量与第二特征区域的第二像素点数量；
根据所述第一像素点数量与所述第二像素点数量确定所述二值化灰度值对应的面积比例；
确定所述面积比例最大的对应的二值化灰度值为所述目标灰度值。
可选的，所述预设模板图像包括第一模板区域以及第二模板区域，所述根据预设模板图像对所述二值化图像处理，并得到检测图像，包括：
确定所述第一模板区域的第一特征信息与所述第二模板区域的第二特征信息；
根据所述第一特征信息与所述第二特征信息对所述二值化图像进行处理，并得到检测图像。
可选的，所述根据预设模板图像对所述二值化图像处理，并得到检测图像，之后还包括，确定所述检测图像的检测范围；
在确定所述检测范围后，执行所述确定所述检测图像中缺陷特征的缺陷面积的步骤。
第二方面，本申请实施例提供一种缺陷检测装置，其特征在于，所述缺陷检测装置包括：
获取单元，用于获取待测件的原始图像；
图像处理单元，用于根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；
所述图像处理单元，还用于根据预设模板图像对所述二值化图像处理，并得到检测图像；
确定单元，用于确定所述检测图像中缺陷特征的缺陷面积；
所述确定单元，还用于当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；
所述确定单元，还用于当所述缺陷特征位于预设位置范围时，确定所述待测件为缺陷件。
第三方面，本申请实施例提供一种缺陷检测设备，包括处理器、存储器、收发器以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，在本申请实施例中，所述缺陷检测方法应用于缺陷检测设备，所述缺陷检测方法包括：获取待测件的原始图像；根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；根据预设模板图像对所述二值化图像处理，并得到检测图像；确定所述检测图像中缺陷特征的缺陷面积；当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；当所述缺陷特征位于所述预设模板图像的第一模板区域时，确定所述待测件为缺陷件。在对待测件进行缺陷检测时，通过对待测件的原始图像根据不同的阈值进行二值化处理，能够避免采集图像时颜色差异导致的检测精度降低问题，并且在根据二值化图像处理得到检测图像后，判断检测图像中的缺陷面积以及缺陷特征在原始图像中的相对位置，从而确定待测件是否为合格件或缺陷件，通过所述缺陷检测方法，能够避免待测件的图像采集颜色不同造成的缺陷确定错误，提高了待测件的检测准确率。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请实施例提供的一种缺陷检测方法的流程示意图；
图2是本申请实施例提供的一种缺陷检测设备的结构示意图；
图3是本申请实施例提供的一种缺陷检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
以下分别进行详细说明。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
如图1所示，图1为缺陷检测方法的流程示意图，所述缺陷检测方法包括：
步骤10，获取待测件的原始图像；
步骤20，根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；
其中，所述待测件为待检测的工件，优选实施方式中，所述待测件为晶圆、玻璃基板或由其他材料构成的基板。
其中，所述缺陷检测设备包括图像采集装置，所述原始图像为所述图像采集装置对所述待测件采集获得的图像。
其中，所述原始图像为灰度图像，为了方便对灰度图像进行缺陷检测，需要首先对所述灰度图像进行处理，并根据处理后的图像确定缺陷，具体的，所述图像处理的方式为二值化处理，在将所述原始图像进行二值化处理后，得到二值化图像。
在可选的实施方式中，所述根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像，包括：
根据所述第一预设阈值与第二预设阈值，确定至少一个待遍历的二值化灰度值；
根据所述二值化灰度值对所述原始图像进行二值化处理；
其中，所述第一预设阈值与所述第二预设阈值为预设的不相等的灰度阈值。
其中，所述第一预设阈值为10、20或其他值。
其中，所述第二预设阈值为60、80或其他值，所述第二预设阈值大于所述第一预设阈值。
其中，为了能够选择准确的灰度阈值对原始图像进行二值化处理，可以通过在所述第一预设阈值与所述第二预设阈值之间的每个灰度值进行遍历，具体的，当所述第一预设阈值为20，所述第二预设阈值为80时，那么所述第一预设阈值与所述第二预设阈值之间共有61个灰度值，因此根据这61个灰度值分别对所述原始图像进行二值化处理，从而得到61幅二值化图像。
在得到二值化图像后，所述缺陷检测设备确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域；
在上述实施方式中，在获得61幅二值化图像后，为了确定目标灰度值，需要首先确定所述61幅二值化图像中的第一特征区域与第二特征区域，具体的，所述待测件包括导电线路，所述原始图像包括与待测件的导电线路对应的所述第一特征区域，所述第二特征区域为所述原始图像中除所述第一特征区域的其他区域。
在可选的实施方式中，所述确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域，包括：
确定所述预设模板图像中特征像素点的位置信息；
根据所述特征像素点的位置信息确定所述第一特征区域与所述第二特征区域。
其中，为了方便确定二值化处理后的二值化图像的第一特征区域与第二特征区域，需要通过预设模板图像对所述第一特征区域与所述第二特征区域进行确定。所述预设模板图像包括与所述待测件的导电线路对应的第一模板区域，具体的，所述预设模板图像中的第一模板区域由多个特征像素点组成，在确定所述二值化图像的第一特征区域时，需要首先将所述二值化图像调节至与所述预设模板图像相同的尺寸，再根据所述预设模板图像中的特征像素点的位置信息，确定所述二值化图像对应的相同位置的像素点的像素值，当该像素点的灰度值为第三阈值(原始图像的最大灰度值)时，确定该像素点为第一特征区域中的像素点，当该像素点的灰度值为0或不为第三阈值时，确定该像素点为第二特征区域中的像素点。以此类推，确定所述二值化图像中全部与预设模板图像的特征像素点的相对应的像素点的灰度值，并以此确定所述第一特征区域的像素点数量，再根据第一特征区域的像素点数量与二值化图像的像素点数量，确定所述第二特征区域的像素点数量。
在确定每个二值化图像的第一特征区域与第二特征区域后，所述缺陷检测设备根据所述第一特征区域与所述第二特征区域确定目标灰度值；
其中，所述根据第一特征区域与所述第二特征区域确定目标灰度值，包括：
遍历确定每个所述二值化灰度值对应的第一特征区域的第一像素点数量与第二特征区域的第二像素点数量；
根据所述第一像素点数量与所述第二像素点数量确定所述二值化灰度值对应的面积比例；
确定所述面积比例最大的对应的二值化灰度值为所述目标灰度值。
其中，在确定每个二值化处理后的图像的第一特征区域与第二特征区域后，为了确定所述目标灰度值，需要首先根据所述第一像素点数量与所述第二像素点数量确定所述第一特征区域与所述第二特征区域的面积比例，具体的，所述面积比例为第一像素点数量与所述第二像素点数量的比值，当所述面积比例越大时，表示第一特征区域占据所述二值化图像中的面积比例较大，二值化图像对待测件的导电线路的还原情况越好，因此在确定每个二值化灰度值对应的面积比例后，确定所述面积比例越大的二值化灰度值作为所述目标灰度值。
在确定所述目标灰度值后，所述缺陷检测设备根据目标灰度值对所述原始图像进行二值化处理。
其中，在确定所述目标灰度值之后，根据所述目标灰度值对所述原始图像进行二值化处理，具体的，判断所述原始图像中全部像素点的灰度值，当像素点的灰度值大于或等于所述目标灰度值时，确定该像素点的灰度值为所述原始图像的最大灰度值，当像素点的灰度值小于所述目标灰度值时，确定该像素点的灰度值为所述原始图像的最小灰度值。优选实施方式中，所述原始图像的最大灰度值为255，最小灰度值为0。
步骤30，根据预设模板图像对所述二值化图像处理，并得到检测图像；
其中，在获得所述二值化图像后，还需要对所述二值化图像进行处理，从而获得检测图像。所述预设模板图像除了包括与所述待测件的导电线路对应的第一模板区域，还包括与所述待测件的导电凸点对应的第二模板区域。
在可选的实施方式中，所述根据预设模板图像对所述二值化图像进行处理，并得到检测图像，包括：
确定所述第一模板区域的第一特征信息与所述第二模板区域的第二特征信息；
根据所述第一特征信息与所述第二特征信息对所述二值化图像进行处理，并得到检测图像。
其中，所述第一模板区域包括所述待测件上的导电线路的像素点的像素信息，所述第二模板区域包括所述待测件的导电凸点的像素点的像素信息，所述像素信息包括像素点在所述预设模板图像中的位置信息，为了确定所述待测件上的缺陷，需要去除所述二值化图像中与所述第一模板区域与第二模板图像中像素点位置对应的像素点，从而获得所述检测图像，方便对去除后的二值化图像的其他区域进行检测。
其中，所述根据预设模板图像对所述二值化图像进行处理，并得到检测图像，之后还包括：
确定所述检测图像的检测范围；
在确定所述检测范围后，执行所述确定所述检测图像中缺陷特征的缺陷面积的步骤。
其中，为了提高对所述待测件的检测效率，在对所述待测件筛选所述缺陷特征前，可以首先确定所述待测件的检测范围，具体的，所述待测件的导线线路可能只分布于所述待测件的部分区域，因此在检测前，可以只指定导电线路所在的区域为检测区域，提高对所述待测件的检测效率。
其中，在确定所述检测范围时，可以通过预设参数对检测范围进行确定，所述预设参数可以为0.9、0.8或其他值，也可以为能够表示任意区域范围的参数或形状，可以理解的是，还可以通过用户在所述原始图像上框选的方式选定检测范围。
步骤40，确定所述检测图像中缺陷特征的缺陷面积；
其中，所述缺陷面积为10个像素、20个像素或其他值。
其中，在得到所述检测图像后，所述检测图像上的白色像素点为所述检测图像中的缺陷特征，由于原始图像进行二值化处理后，可能存在较多小尺寸的噪点，而噪点会影响对所述待测件的缺陷检测结果，因此在获得检测图像后，需要确定所述检测图像上每个疑似缺陷特征的缺陷面积，当缺陷特征的缺陷面积小于预设面积时，表示所述缺陷特征为所述检测图像中的噪点，并对小于预设面积的缺陷特征进行祛除，当缺陷特征的缺陷面积大于或等于预设面积时，表示所述缺陷特征为所述待测件的缺陷。
步骤50，当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；
步骤60，当所述缺陷特征位于所述预设模板图像的预设位置范围时，确定所述待测件为缺陷件。
其中，所述预设位置范围为预设模板图像的第一模板区域，即所述待测件的导电线路区域。
其中，所述预设面积为10个像素、20个像素或其他值。
其中，在确定所述待测件的至少一个缺陷后，需要确定所述缺陷特征在所述原始图像中的相对位置，当所述缺陷特征的任一像素点在原始图像中的位置与所述第一模板区域的像素点在预设模板图像中的位置相同时，表示所述缺陷位于所述待测件的导电线路上，所述缺陷特征会影响所述待测件的性能，从而确定所述待测件为不合格待测件，当所述缺陷特征的任一像素点在原始图像中的位置与所述第一模板区域的像素点在预设模板图像中的位置不相同时，所述缺陷特征不会影响所述待测件的性能，因此确定所述待测件为合格待测件。
在一具体实施方式中，所述缺陷特征中包括相对位置为(42,51)的像素点，当所述第一模板区域也包括位置为(42,51)的像素点时，表示所述缺陷特征位于所述待测件的导电线路上，因此确定所述待测件为缺陷件，当所述第一模板区域不包括相对位置为(42,51)的像素点时，表示所述缺陷特征未位于所述待测件的导电线路上，因此不会影响所述待测件的正常使用，确定所述待测件为合格件。
在本申请实施例中，所述缺陷检测方法应用于缺陷检测设备，所述缺陷检测方法包括：获取待测件的原始图像；根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；根据预设模板图像对所述二值化图像处理，并得到检测图像；确定所述检测图像中缺陷特征的缺陷面积；当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；当所述缺陷特征位于所述预设模板图像的第一模板区域时，确定所述待测件为缺陷件。在对待测件进行缺陷检测时，通过对待测件的原始图像根据不同的阈值进行二值化处理，能够避免采集图像时颜色差异导致的检测精度降低问题，并且在根据二值化图像处理得到检测图像后，判断检测图像中的缺陷面积以及缺陷特征在原始图像中的相对位置，从而确定待测件是否为合格件或缺陷件，通过所述缺陷检测方法，能够避免待测件的图像采集颜色不同造成的缺陷确定错误，提高了待测件的检测准确率。
请参阅图2，图2是本申请实施例提供的一种缺陷检测设备的结构示意图，如图所示，该缺陷检测设备包括处理器、存储器、收发器口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
获取待测件的原始图像；
根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；
根据预设模板图像对所述二值化图像处理，并得到检测图像；
确定所述检测图像中缺陷特征的缺陷面积；
当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；
当所述缺陷特征位于所述预设模板图像的第一模板区域时，确定所述待测件为缺陷件。
在本申请的一实现方式中，在根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像方面，上述程序包括具体用于执行以下步骤的指令：
根据所述第一预设阈值与第二预设阈值，确定至少一个待遍历的二值化灰度值；
根据所述二值化灰度值对所述原始图像进行二值化处理；
确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域；
根据所述第一特征区域与所述第二特征区域确定目标灰度值；
根据目标灰度值对所述原始图像进行二值化处理。
在本申请的一实现方式中，在确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域方面，上述程序包括具体用于执行以下步骤的指令：
确定所述预设模板图像中特征像素点的位置信息；
根据所述特征像素点的位置确定所述第一特征区域与所述第二特征区域。
在本申请的一实现方式中，在根据第一特征区域与所述第二特征区域确定目标灰度值方面，上述程序包括具体用于执行以下步骤的指令：
遍历确定每个所述二值化灰度值对应的第一特征区域的第一像素点数量与第二特征区域的第二像素点数量；
根据所述第一像素点数量与所述第二像素点数量确定所述二值化灰度值对应的面积比例；
确定所述面积比例最大的对应的二值化灰度值为所述目标灰度值。
在本申请的一实现方式中，在根据预设模板图像对所述二值化图像处理，并得到检测图像方面，上述程序包括之后还用于执行以下步骤的指令：
确定所述第一模板区域的第一特征信息与所述第二模板区域的第二特征信息；
根据所述第一特征信息与所述第二特征信息对所述二值化图像进行处理，并得到检测图像。
在本申请的一实现方式中，在根据预设模板图像对所述二值化图像处理，并得到检测图像方面，上述程序包括之后还用于执行以下步骤的指令：
确定所述检测图像的检测范围；
在确定所述检测范围后，执行所述确定所述检测图像中缺陷特征的缺陷面积的步骤。
需要说明的是，本实施例的具体实现过程可参见上述方法实施例所述的具体实现过程，在此不再叙述。
请参阅图3，图3是本申请实施例提供的一种缺陷检测装置，该装置包括：
获取单元410，用于获取待测件的原始图像；
图像处理单元420，用于根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；
所述图像处理单元420，还用于根据预设模板图像对所述二值化图像处理，并得到检测图像；
确定单元430，用于确定所述检测图像中缺陷特征的缺陷面积；
所述确定单元430，还用于当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；
所述确定单元430，还用于当所述缺陷特征位于预设位置范围时，确定所述待测件为缺陷件。
在本申请的一实现方式中，在根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像方面，所述图像处理单元420具体用于：
根据所述第一预设阈值与第二预设阈值，确定至少一个待遍历的二值化灰度值；
根据所述二值化灰度值对所述原始图像进行二值化处理；
确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域；
根据所述第一特征区域与所述第二特征区域确定目标灰度值；
根据目标灰度值对所述原始图像进行二值化处理。
在本申请的一实现方式中，在确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域方面，所述图像处理单元420具体用于：
确定所述预设模板图像中特征像素点的位置信息；
根据所述特征像素点的位置确定所述第一特征区域与所述第二特征区域。在本申请的一实现方式中，在根据第一特征区域与所述第二特征区域确定目标灰度值方面，所述图像处理单元420具体用于：
遍历确定每个所述二值化灰度值对应的第一特征区域的第一像素点数量与第二特征区域的第二像素点数量；
根据所述第一像素点数量与所述第二像素点数量确定所述二值化灰度值对应的面积比例；
确定所述面积比例最大的对应的二值化灰度值为所述目标灰度值。
在本申请的一实现方式中，在根据预设模板图像对所述二值化图像处理，并得到检测图像方面，所述图像处理单元420具体用于：
确定所述第一模板区域的第一特征信息与所述第二模板区域的第二特征信息；
根据所述第一特征信息与所述第二特征信息对所述二值化图像进行处理，并得到检测图像。
在本申请的一实现方式中，在根据预设模板图像对所述二值化图像处理，并得到检测图像方面，所述图像处理单元420之后还用于：
确定所述检测图像的检测范围；
在确定所述检测范围后，执行所述确定所述检测图像中缺陷特征的缺陷面积的步骤。
需要说明的是，图像处理单元420，确定单元430可通过处理器来实现，获取单元410可通过收发器来实现。
本申请实施例还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如上述方法实施例中缺陷检测设备所描述的部分或全部步骤。
本申请实施例还提供了一种计算机程序产品，其中，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法中缺陷检测设备所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
本申请实施例所描述的方法或者算法的步骤可以以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(Random Access Memory，RAM)、闪存、只读存储器(Read OnlyMemory，ROM)、可擦除可编程只读存储器(Erasable Programmable ROM，EPROM)、电可擦可编程只读存储器(Electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、只读光盘(CD-ROM)或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于接入网设备、目标网络设备或核心网设备中。当然，处理器和存储介质也可以作为分立组件存在于接入网设备、目标网络设备或核心网设备中。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本申请实施例所描述的功能可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DigitalSubscriber Line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，数字视频光盘(DigitalVideo Disc，DVD))、或者半导体介质(例如，固态硬盘(Solid State Disk，SSD))等。
以上所述的具体实施方式，对本申请实施例的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本申请实施例的具体实施方式而已，并不用于限定本申请实施例的保护范围，凡在本申请实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本申请实施例的保护范围之内。
Claims (10)
1.一种缺陷检测方法，其特征在于，应用于缺陷检测设备，所述缺陷检测方法包括：
获取待测件的原始图像；
根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；
根据预设模板图像对所述二值化图像处理，并得到检测图像；
确定所述检测图像中缺陷特征的缺陷面积；
当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；
当所述缺陷特征位于所述预设模板图像的第一模板区域时，确定所述待测件为缺陷件。
2.根据权利要求1所述的缺陷检测方法，其特征在于，所述根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像，包括：
根据所述第一预设阈值与第二预设阈值，确定至少一个待遍历的二值化灰度值；
根据所述二值化灰度值对所述原始图像进行二值化处理；
确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域；
根据所述第一特征区域与所述第二特征区域确定目标灰度值；
根据目标灰度值对所述原始图像进行二值化处理。
3.根据权利要求2所述的缺陷检测方法，其特征在于，所述确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域，包括：
确定所述预设模板图像中特征像素点的位置信息；
根据所述特征像素点的位置确定所述第一特征区域与所述第二特征区域。
4.根据权利要求2所述的缺陷检测方法，其特征在于，所述根据所述第一特征区域与所述第二特征区域确定目标灰度值，包括：
遍历确定每个所述二值化灰度值对应的第一特征区域的第一像素点数量与第二特征区域的第二像素点数量；
根据所述第一像素点数量与所述第二像素点数量确定所述二值化灰度值对应的面积比例；
确定所述面积比例最大的对应的二值化灰度值为所述目标灰度值。
5.根据权利要求1所述的缺陷检测方法，其特征在于，所述预设模板图像包括第一模板区域以及第二模板区域，所述根据预设模板图像对所述二值化图像处理，并得到检测图像，包括：
确定所述第一模板区域的第一特征信息与所述第二模板区域的第二特征信息；
根据所述第一特征信息与所述第二特征信息对所述二值化图像进行处理，并得到检测图像。
6.根据权利要求1所述的缺陷检测方法，其特征在于，所述根据预设模板图像对所述二值化图像处理，并得到检测图像，之后还包括，
确定所述检测图像的检测范围；
在确定所述检测范围后，执行所述确定所述检测图像中缺陷特征的缺陷面积的步骤。
7.一种缺陷检测装置，其特征在于，所述缺陷检测装置包括：
获取单元，用于获取待测件的原始图像；
图像处理单元，用于根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像；
所述图像处理单元，还用于根据预设模板图像对所述二值化图像处理，并得到检测图像；
确定单元，用于确定所述检测图像中缺陷特征的缺陷面积；
所述确定单元，还用于当所述缺陷面积大于预设面积时，确定所述缺陷特征在所述原始图像中的相对位置；
所述确定单元，还用于当所述缺陷特征位于预设位置范围时，确定所述待测件为缺陷件。
8.根据权利要求7所述的缺陷检测装置，其特征在于，在根据第一预设阈值与第二预设阈值对所述原始图像进行二值化处理，并得到二值化图像方面，所述图像处理单元具体用于：
根据所述第一预设阈值与第二预设阈值，确定至少一个待遍历的二值化灰度值；
根据所述二值化灰度值对所述原始图像进行二值化处理；
确定每个经过根据所述二值化灰度值进行二值化处理后的图像的第一特征区域与第二特征区域；
根据所述第一特征区域与所述第二特征区域确定目标灰度值；
根据目标灰度值对所述原始图像进行二值化处理。
9.一种缺陷检测设备，其特征在于，包括处理器、存储器、收发器，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-6任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111160510.1A CN113902697A (zh) | 2021-09-30 | 2021-09-30 | 缺陷检测方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111160510.1A CN113902697A (zh) | 2021-09-30 | 2021-09-30 | 缺陷检测方法及相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113902697A true CN113902697A (zh) | 2022-01-07 |
Family
ID=79189778
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111160510.1A Pending CN113902697A (zh) | 2021-09-30 | 2021-09-30 | 缺陷检测方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113902697A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
| CN114387250A (zh) * | 2022-01-12 | 2022-04-22 | 深圳中科飞测科技股份有限公司 | 检测方法及检测装置、设备和存储介质 |
| CN116539638A (zh) * | 2023-07-04 | 2023-08-04 | 季华实验室 | 掺杂浓度测量方法、装置、电子设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1825100A (zh) * | 2005-02-21 | 2006-08-30 | 欧姆龙株式会社 | 基板检查方法和装置、及其检查逻辑设定方法和装置 |
| CN104360501A (zh) * | 2014-10-15 | 2015-02-18 | 西安交通大学 | 一种液晶屏幕缺陷视觉检测方法及装置 |
| CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及系统 |
| CN108665439A (zh) * | 2017-08-22 | 2018-10-16 | 深圳安博电子有限公司 | 基板检测方法及终端设备 |
| CN111583216A (zh) * | 2020-04-30 | 2020-08-25 | 深圳比特微电子科技有限公司 | Pcba电路板的缺陷检测方法 |
| CN111583211A (zh) * | 2020-04-29 | 2020-08-25 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置及电子设备 |
| CN112802014A (zh) * | 2021-03-26 | 2021-05-14 | 惠州高视科技有限公司 | Led的漏焊缺陷的检测方法、装置、设备及储存介质 |
| CN112991251A (zh) * | 2019-11-29 | 2021-06-18 | 合肥欣奕华智能机器有限公司 | 一种表面缺陷检测的方法、装置及设备 |
| CN113160145A (zh) * | 2021-03-29 | 2021-07-23 | 深圳中科飞测科技股份有限公司 | 检测方法、检测装置、检测设备及计算机可读存储介质 |
| CN113379726A (zh) * | 2021-06-30 | 2021-09-10 | 深圳中科飞测科技股份有限公司 | 线路检测方法、装置、设备及计算机可读存储介质 |
-
2021
- 2021-09-30 CN CN202111160510.1A patent/CN113902697A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1825100A (zh) * | 2005-02-21 | 2006-08-30 | 欧姆龙株式会社 | 基板检查方法和装置、及其检查逻辑设定方法和装置 |
| CN104360501A (zh) * | 2014-10-15 | 2015-02-18 | 西安交通大学 | 一种液晶屏幕缺陷视觉检测方法及装置 |
| CN105447851A (zh) * | 2015-11-12 | 2016-03-30 | 刘新辉 | 一种玻璃面板的音孔缺陷检测方法及系统 |
| CN108665439A (zh) * | 2017-08-22 | 2018-10-16 | 深圳安博电子有限公司 | 基板检测方法及终端设备 |
| CN112991251A (zh) * | 2019-11-29 | 2021-06-18 | 合肥欣奕华智能机器有限公司 | 一种表面缺陷检测的方法、装置及设备 |
| CN111583211A (zh) * | 2020-04-29 | 2020-08-25 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置及电子设备 |
| CN111583216A (zh) * | 2020-04-30 | 2020-08-25 | 深圳比特微电子科技有限公司 | Pcba电路板的缺陷检测方法 |
| CN112802014A (zh) * | 2021-03-26 | 2021-05-14 | 惠州高视科技有限公司 | Led的漏焊缺陷的检测方法、装置、设备及储存介质 |
| CN113160145A (zh) * | 2021-03-29 | 2021-07-23 | 深圳中科飞测科技股份有限公司 | 检测方法、检测装置、检测设备及计算机可读存储介质 |
| CN113379726A (zh) * | 2021-06-30 | 2021-09-10 | 深圳中科飞测科技股份有限公司 | 线路检测方法、装置、设备及计算机可读存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114387250A (zh) * | 2022-01-12 | 2022-04-22 | 深圳中科飞测科技股份有限公司 | 检测方法及检测装置、设备和存储介质 |
| CN114155241A (zh) * | 2022-01-28 | 2022-03-08 | 浙江华睿科技股份有限公司 | 一种异物检测方法、装置及电子设备 |
| CN116539638A (zh) * | 2023-07-04 | 2023-08-04 | 季华实验室 | 掺杂浓度测量方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113902697A (zh) | 缺陷检测方法及相关装置 | |
| US9811899B2 (en) | Method, image processing system and computer-readable recording medium for item defect inspection | |
| CN111612757B (zh) | 一种屏幕裂纹的检测方法、装置、设备及存储介质 | |
| CN113379726A (zh) | 线路检测方法、装置、设备及计算机可读存储介质 | |
| CN112070766B (zh) | 缺陷检测方法及装置、检测设备及可读存储介质 | |
| CN101990046B (zh) | 数字图像检测系统及方法 | |
| CN113785181A (zh) | Oled屏幕点缺陷判定方法、装置、存储介质及电子设备 | |
| CN114862817A (zh) | 一种电路板金手指区域缺陷检测方法及系统及装置及介质 | |
| CN113820333B (zh) | 电池极片异常检测方法、装置、上位机及检测系统 | |
| CN114332012A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
| CN113379678A (zh) | 一种电路板检测方法、装置、电子设备及存储介质 | |
| CN114677348A (zh) | 一种基于视觉的ic芯片缺陷的检测方法、系统和存储介质 | |
| CN119151886A (zh) | 一种基于计算机视觉的pcba板表面缺陷检测方法 | |
| KR102556350B1 (ko) | 병변 면적비율 산출 방법 및 그를 위한 장치 | |
| CN117952986A (zh) | 瑕疵检测方法、装置、电子设备及存储介质 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN113989194A (zh) | 图像处理方法及相关装置 | |
| CN113012121B (zh) | 裸片扫描结果的处理方法、装置、电子设备与存储介质 | |
| CN113362288B (zh) | 一种金手指划伤检测方法、装置以及电子设备 | |
| CN114494118A (zh) | 目标对象宽度的检测方法及目标对象长度的检测方法 | |
| CN113643245B (zh) | 一种屏幕缺陷的测量方法、装置及计算机可读存储介质 | |
| JP2001099625A (ja) | パターン検査装置およびパターン検査方法 | |
| CN110211085B (zh) | 一种图像融合质量评价方法和系统 | |
| CN114283185A (zh) | 尺寸检测方法、装置、设备及计算机可读存储介质 | |
| US20220253996A1 (en) | Method, apparatus, and device for labeling images |
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 |