本公开实施例提供了一种电子元件的缺陷检测方法、装置、系统、电子设备及介质，涉及图像处理技术领域。本公开实施例的技术方案包括：获取包含待检测电子元件图像的目标图像，对目标图像进行特征提取，得到包含待检测电子元件特征的目标特征图，之后从所述目标特征图中，提取待检测电子元件对应的缺陷目标区域。再基于提取到的缺陷目标区域及预设的多种缺陷类型，对缺陷目标区域进行缺陷类型识别，得到待检测电子元件的缺陷类型识别结果。从而提高了电子元件缺陷检测的效率和精度。高了电子元件缺陷检测的效率和精度。高了电子元件缺陷检测的效率和精度。
【技术实现步骤摘要】
电子元件的缺陷检测方法、装置、系统、电子设备及介质
[0001]本公开涉及图像处理
，特别是涉及一种电子元件的缺陷检测方法、装置、系统、电子设备及介质。
技术介绍
[0002]由于电子元件越来越多地被应用于工业生产中，而电子元件的质量对产品的质量带来直接的影响，因此对电子元件的质量检测尤为重要。
[0003]目前对电子元件的质量检测方式主要是通过人工观察电子元件表面，从而发现电子元件存在的缺陷。但人工检测的方式检测效率低下，而且人工检测依赖经验以及检测时的专注程度，使得人工检测容易发生误检和漏检的情况，导致检测精度较低。
技术实现思路
[0004]本公开实施例的目的在于提供一种电子元件的缺陷检测方法、装置、系统、电子设备及介质，以实现提高电子元件缺陷检测的效率和精度。具体技术方案如下：
[0005]第一方面，本公开实施例提供了一种电子元件的缺陷检测方法，所述方法包括：
[0006]获取包含待检测电子元件图像的目标图像；
[0007]对所述目标图像进行特征提取，得到包含待检测电子元件特征的目标特征图；
[0008]从所述目标特征图中，提取待检测电子元件对应的缺陷目标区域；
[0009]基于提取到的缺陷目标区域及预设的多种缺陷类型，对所述缺陷目标区域进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果。
[0010]在本公开的一些实施例中，所述对所述目标图像进行特征提取，得到包含待检测电子元件特征的目标特征图的步骤，包括：
[0011]将所述目标图像输入缺陷检测模型的特征提取网络，得到所述特征提取网络提取的包含所述待检测电子元件特征的目标特征图；
[0012]所述从所述目标特征图中，提取待检测电子元件对应的缺陷目标区域的步骤，包括：
[0013]将所述目标特征图输入所述缺陷检测模型的区域提取网络，得到所述待检测电子元件对应的缺陷目标区域；
[0014]所述提取到的缺陷目标区域及预设的多种缺陷类型，对所述缺陷目标区域进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果的步骤，包括：
[0015]将所述缺陷目标区域输入所述缺陷检测模型的分类网络进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果；
[0016]所述缺陷检测模型为预先基于多张样本图像对神经网络模型进行训练获得的模型，每张样本图像包括存在缺陷的样本电子元件图像，各样本电子元件的缺陷类型总和为所述预设的多种缺陷类型。
[0017]在本公开的一些实施例中，所述特征提取网络，包含改进型ZF网络；所述改进型ZF
网络中卷积层的数量大于标准ZF网络卷积层的数量，所述改进型ZF网络中每个卷积层的卷积核的尺寸小于或等于标准ZF网络卷积层中最小卷积核的尺寸，所述改进型ZF网络中预设卷积层的卷积核数量大于所述标准ZF网络卷积层中最大卷积核数量。
[0018]在本公开的一些实施例中，所述将所述目标特征图输入所述缺陷检测模型的区域提取网络，得到所述待检测电子元件对应的缺陷目标区域的步骤，包括：
[0019]通过所述区域提取网络包括的候选区域提取网络基于所述目标特征图提取候选缺陷区域；
[0020]基于所述目标特征图，对候选缺陷区域进行感兴趣区域池化，得到所述待检测电子元件对应的缺陷目标区域。
[0021]在本公开的一些实施例中，获取包含待检测电子元件图像的目标图像的步骤，包括：
[0022]获得相机拍摄的经过显微设备对所述待检测电子元件放大的目标图像；或者，
[0023]获得相机拍摄的未经过显微设备对所述待检测电子元件放大的目标图像。
[0024]在本公开的一些实施例中，在得到所述待检测电子元件的缺陷类型识别结果之后，所述方法还包括：
[0025]将所述待检测电子元件的缺陷类型识别结果存入数据库。
[0026]在本公开的一些实施例中，所述将所述缺陷目标区域输入所述缺陷检测模型的分类网络进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果，包括：
[0027]在所述区域提取网络提取到所述缺陷目标区域的情况下，将所述缺陷目标区域输入所述分类网络进行缺陷类型识别，得到所述分类网络输出的所述缺陷目标区域包括的缺陷属于的每个缺陷类型的概率；
[0028]将大于预设阈值的概率对应的缺陷类型，作为所述缺陷目标区域包括的缺陷所属的缺陷类型。
[0029]在本公开的一些实施例中，所述缺陷检测模型，采用如下步骤预先训练获得：
[0030]获取所述多张样本图像；
[0031]针对每张样本图像，将该样本图像输入所述神经网络模型的特征提取网络，得到包含样本电子元件特征的样本特征图；
[0032]将所述样本特征图输入所述神经网络模型的区域提取网络，得到样本缺陷区域；
[0033]将所述样本缺陷区域输入所述神经网络模型的分类网络进行缺陷类型识别，得到缺陷类型识别结果；
[0034]基于所述神经网络模型识别的缺陷类型识别结果，以及所述多张样本图像实际的缺陷类型结果，对所述神经网络模型进行训练，将训练完成的神经网络模型作为所述缺陷检测模型。
[0035]在本公开的一些实施例中，所述获取所述多张样本图像，包括：
[0036]获取包括样本电子元件的图像，作为样本图像；
[0037]针对每张样本图像，对该样本图像进行图像变换，将变换后的图像作为样本图像。
[0038]第二方面，本公开实施例提供了一种电子元件的缺陷检测装置，所述装置包括：
[0039]获取模块，用于获取包含待检测电子元件图像的目标图像；
[0040]特征提取模块，用于对所述获取模块获取的所述目标图像进行特征提取，得到包
含待检测电子元件特征的目标特征图；
[0041]区域提取模块，用于从所述特征提取模块提取的所述目标特征图中，提取待检测电子元件对应的缺陷目标区域；
[0042]识别模块，用于基于所述区域提取模块提取到的缺陷目标区域及预设的多种缺陷类型，对所述缺陷目标区域进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果。
[0043]在本公开的一些实施例中，所述特征提取模块，具体用于：
[0044]将所述目标图像输入缺陷检测模型的特征提取网络，得到所述特征提取网络提取的包含所述待检测电子元件特征的目标特征图；
[0045]所述区域提取模块，具体用于：
[0046]将所述目标特征图输入所述缺陷检测模型的区域提取网络，得到所述待检测电子元件对应的缺陷目标区域；
[0047]所述识别模块，具体用于：
[0048]将所述缺陷目标区域输入所述缺陷检测模型的分类网络进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果；
[0049]所述缺陷检测模型为预先基于多张样本图像对神经网络模型进行训练获得的模型，每张样本图像包括存在至少一种所述缺陷类型的缺陷的样本电子元件图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电子元件的缺陷检测方法，其特征在于，所述方法包括：获取包含待检测电子元件图像的目标图像；对所述目标图像进行特征提取，得到包含待检测电子元件特征的目标特征图；从所述目标特征图中，提取待检测电子元件对应的缺陷目标区域；基于提取到的缺陷目标区域及预设的多种缺陷类型，对所述缺陷目标区域进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果。2.根据权利要求1所述的方法，其特征在于，所述对所述目标图像进行特征提取，得到包含待检测电子元件特征的目标特征图的步骤，包括：将所述目标图像输入缺陷检测模型的特征提取网络，得到所述特征提取网络提取的包含所述待检测电子元件特征的目标特征图；所述从所述目标特征图中，提取待检测电子元件对应的缺陷目标区域的步骤，包括：将所述目标特征图输入所述缺陷检测模型的区域提取网络，得到所述待检测电子元件对应的缺陷目标区域；所述基于提取到的缺陷目标区域及预设的多种缺陷类型，对所述缺陷目标区域进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果的步骤，包括：将所述缺陷目标区域输入所述缺陷检测模型的分类网络进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果；所述缺陷检测模型为预先基于多张样本图像对神经网络模型进行训练获得的模型，每张样本图像包括存在至少一种所述缺陷类型的缺陷的样本电子元件图像。3.根据权利要求2所述的方法，其特征在于，所述特征提取网络，包含改进型ZF网络；所述改进型ZF网络中卷积层的数量大于标准ZF网络卷积层的数量，所述改进型ZF网络中每个卷积层的卷积核的尺寸小于或等于所述标准ZF网络卷积层中最小卷积核的尺寸，所述改进型ZF网络中预设卷积层的卷积核数量大于所述标准ZF网络卷积层中最大卷积核数量。4.根据权利要求2所述的方法，其特征在于，所述将所述目标特征图输入所述缺陷检测模型的区域提取网络，得到所述待检测电子元件对应的缺陷目标区域的步骤，包括：通过所述区域提取网络包括的候选区域提取网络基于所述目标特征图提取候选缺陷区域；基于所述目标特征图，对候选缺陷区域进行感兴趣区域池化，得到所述待检测电子元件对应的缺陷目标区域。5.根据权利要求2所述的方法，其特征在于，所述将所述缺陷目标区域输入所述缺陷检测模型的分类网络进行缺陷类型识别，得到所述待检测电子元件的缺陷类型识别结果，包括：在所述区域提取网络提取到所述缺陷目标区域的情况下，将所述缺陷目标区域输入所述分类网络进行缺陷类型识别，得到所...
【专利技术属性】
技术研发人员：李冬冬，沈云，宋雅奇，丁鹏，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。