图像检测、自动光学检测方法、装置、存储介质及设备制造方法及图纸

本申请提供一种图像检测、自动光学检测方法、装置、存储介质及设备。其中，图像检测方法，用于对自动光学检测设备的初检结果进行复检，包括：获取初检结果为不合格的目标物图像；以不合格的目标物图像作为复检模型的输入，以得到复检结果。通过采用上述图像检测方法可以提高自动光学检测结果的准确率。高自动光学检测结果的准确率。高自动光学检测结果的准确率。

【技术实现步骤摘要】
图像检测、自动光学检测方法、装置、存储介质及设备


[0001]本申请涉及目标物的自动光学检测
，特别是涉及一种图像检测、自动光学检测方法、装置、存储介质及设备。

技术介绍

[0002]随着科技水平的提高，自动光学检测(Automatic Optic Inspection AOI)在各个领域得到快速发展和广泛应用。以电路板的自动光学检测为例，可以基于AOI技术对电路板上缺锡、少锡；元件漏料、偏移、立碑；电路板的印刷电路存在缺陷等问题进行检测。
[0003]但是，基于现有的AOI技术对目标物进行缺陷检测，往往得到的误判等结果较多。

技术实现思路

[0004]本申请提供一种图像检测、自动光学检测方法、装置、存储介质及设备，以提高自动光学检测的结果的准确率。
[0005]本申请第一方面提供一种图像检测方法，用于对自动光学检测设备的初检结果进行复检，所述方法包括：
[0006]获取初检结果为不合格的目标物图像；
[0007]以所述不合格的目标物图像作为复检模型的输入，以得到复检结果。
[0008]在一个实施方式中，所述方法还包括：
[0009]获取由合格和不合格的目标物图像样本构成的训练样本；
[0010]获取复检模型的初始模型；
[0011]以所述训练样本对所述初始模型进行训练，以得到所述复检模型。
[0012]在一个实施方式中，所述复检模型由输入到输出端依次包括：
[0013]第一编码单元、解码单元和第二编码单元；其中，<br/>[0014]所述第一编码单元，用于对输入的所述目标物图像解析，以提取所述目标物图像中的特征向量，并将所述特征向量发送给所述解码单元；
[0015]所述解码单元，用于对所述特征向量进行重构，以得到重构目标物图像，并将所述重构目标物图像发送给所述第二编码单元；
[0016]所述第二编码单元，用于对所述重构目标物图像解析，以得到重构特征向量。
[0017]在一个实施方式中，所述以所述训练样本对所述初始模型进行训练包括：
[0018]基于对比损失函数，以所述训练样本对所述复检模型的进行训练；其中，
[0019]所述损失函数的公式为：
[0020]Loss(L,y)＝k*y*L+k*(1
‑
y)*max(0,margin
‑
L)
ꢀꢀꢀꢀꢀꢀꢀꢀ①
[0021]L＝||z
‑
z'||2+||I
‑
I'||1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ②
；
[0022]其中，margin＝1；当为正样本时，y＝1；当为负样本时，y＝0；z为所述特征向量，z
’
为所述重构特征向量；I为所述目标物图像；I
’
为所述重构图像；0&lt;k。
[0023]在一个实施方式中，所述方法还包括：
[0024]基于所述目标物的种类，从复检模型库中选取所述复检模型；其中，
[0025]所述复检模型库中的多个复检模型预先基于目标物的种类进行分类，使得同一种类的目标物对应同一所述复检模型；不同种类的所述复检模型相互独立。
[0026]在一个实施方式中，所述方法还包括：
[0027]根据所述目标物的尺寸大小，从复检模型库中选取所述复检模型的子模型；
[0028]其中，
[0029]所述子模型包括大图检测子模型和小图检测子模型；
[0030]所述大图检测子模型，用于检测目标物的全部区域；
[0031]所述小图检测子模型，用于检测目标物的局部区域。
[0032]在一个实施方式中，所述方法还包括：
[0033]发送所述复检结果和/或所述不合格的目标物图像给显示器和/或下游设备。
[0034]本申请第二方面提供一种自动光学检测方法，适用于自动光学检测设备，所述方法包括：
[0035]对所述目标物图像进行初检，得到目标物图像合格或不合格的初检结果；以及，第一方面所述的图像检测方法。
[0036]本申请第三方面提供一种复检模型的训练方法，所述方法包括：
[0037]获取由合格和不合格的目标物图像样本构成的训练样本；
[0038]获取复检模型的初始模型；
[0039]以所述训练样本对所述初始模型进行训练，以得到所述复检模型。
[0040]本申请第四方面提供一种上面任一项所述的复检模型，所述复检模型由输入到输出端依次包括：
[0041]第一编码单元、解码单元和第二编码单元；其中，
[0042]所述第一编码单元，用于对输入的所述目标物图像解析，以提取所述目标物图像中的特征向量，并将所述特征向量发送给所述解码单元；
[0043]所述解码单元，用于对所述特征向量进行重构，以得到重构目标物图像，并将所述重构目标物图像发送给所述第二编码单元；
[0044]所述第二编码单元，用于对所述重构目标物图像解析，以得到重构特征向量。
[0045]本申请第五方面提供一种检测装置，所述装置包括：
[0046]图像获取模块，用于获取初检结果为不合格的目标物图像；
[0047]图像复检模块，用于以所述不合格的目标物图像作为复检模型的输入，得到复检结果；或
[0048]图像初检模块，用于对目标物图像进行初检，得到目标物图像合格或不合格的初检结果；
[0049]图像获取模块，用于获取所述初检结果为不合格的目标物图像；
[0050]图像复检模块，用于以所述不合格的目标物图像作为复检模型的输入，得到复检结果；
[0051]本申请第六方面提供一种复检模型训练装置，所述装置包括：
[0052]样本获取模块，用于获取由合格和不合格的目标物图像样本构成的训练样本；
[0053]模型获取模块，用于获取所述标记模型的初始模型；
[0054]模型训练模块，用于以所述训练样本对所述初始模型进行训练，以得到所述复检模型。
[0055]本申请第七方面提供一种控制器，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的图像检测方法；第二方面所述的自动光学检测方法；和/或第三方面所述的复检模型训练方法。
[0056]本申请第八方面提供一种自动光学检测设备，所述设备包括：光源、图像传感器和第六方面所述的控制器；
[0057]所述控制器通信连接所述图像传感器；
[0058]所述光源，用于照射所述目标物；
[0059]所述图像传感器，用于采集所述目标物在所述光源照射下的所述目标物图像。
[0060]本申请第九方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现第一方面所述的图像检测方法；第二方面所述的自动光学检测方法；和/或第三方面所述的复检模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像检测方法，用于对自动光学检测设备的初检结果进行复检，其特征在于，所述方法包括：获取初检结果为不合格的目标物图像；以所述不合格的目标物图像作为复检模型的输入，以得到复检结果。2.根据权利要求1所述的图像检测方法，其特征在于，所述方法还包括：获取由合格和不合格的目标物图像样本构成的训练样本；获取复检模型的初始模型；以所述训练样本对所述初始模型进行训练，以得到所述复检模型。3.根据权利要求2所述的图像检测方法，其特征在于，所述复检模型由输入到输出端依次包括：第一编码单元、解码单元和第二编码单元；其中，所述第一编码单元，用于对输入的所述目标物图像解析，以提取所述目标物图像中的特征向量，并将所述特征向量发送给所述解码单元；所述解码单元，用于对所述特征向量进行重构，以得到重构目标物图像，并将所述重构目标物图像发送给所述第二编码单元；所述第二编码单元，用于对所述重构目标物图像解析，以得到重构特征向量。4.根据权利要求3所述的图像检测方法，其特征在于，所述以所述训练样本对所述初始模型进行训练包括：基于对比损失函数，以所述训练样本对所述复检模型的进行训练；其中，所述损失函数的公式为：Loss(L,y)＝k*y*L+k*(1
‑
y)*max(0,margin
‑
L)
ꢀꢀꢀꢀꢀ①
L＝||z
‑
z'||2+||I
‑
I'||1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ②
；其中，margin＝1；当为正样本时，y＝1；当为负样本时，y＝0；z为所述特征向量，z
’
为所述重构特征向量；I为所述目标物图像；I
’
为所述重构图像；0&lt;k。5.根据权利要求1
‑
4任一项所述的图像检测方法，其特征在于，所述方法还包括：基于所述目标物的种类，从复检模型库中选取所述复检模型；其中，所述复检模型库中的多个复检模型预先基于目标物的种类进行分类，使得同一种类的目标物对应同一所述复检模型；不同种类的所述复检模型相互独立。6.根据权利要求1
‑
4任一项所述的图像检测方法，其特征在于，所述方法还包括：根据所述目标物的尺寸大小，从复检模型库中选取所述复检模型的子模型；其中，所述子模型包括大图检测子模型和小图检测子模型；所述大图检测子模型，用于检测目标物的全部区域；所述小图检测子模型，用于检测目标物的局部区域。7.根据权利要求1
‑
4任一项所述的图像检测方法，其特征在于，所述方法还包括：发送所述复检结果和/或所述不合格的目标物图像给...

【专利技术属性】
技术研发人员：林剑冰，
申请(专利权)人：鲁班嫡系机器人深圳有限公司，
类型：发明
国别省市：