【技术实现步骤摘要】
摄像头模组缺陷检测方法、装置、设备、存储介质及产品
[0001]本申请涉及计算机
,特别涉及一种摄像头模组缺陷检测方法、装置、设备、存储介质及产品。
技术介绍
[0002]随着计算机技术、通信技术、自动驾驶技术等信息技术的发展,消费电子、汽车电子产业迎来了新的发展机遇。摄像头作为智能机器的视觉基础组件,扮演着人类眼睛的角色,在环境感知,自动化智能,提升用户体验方面发挥着举足轻重的作用。由于日益庞大的智能终端设备带来了对摄像头模组的大量需求,各大生产厂商为了降本提效,开始尝试视觉人工智能质检系统来代替部分人力来提升元件的良品率。
[0003]相关技术中,主要采用基于深度学习的目标检测类方法对摄像头模组中的连接器进行缺陷检测。首先根据所有连接器缺陷表观特征的差异进行分组,将外观特征相似的缺陷归为一组,然后针对每一组缺陷定向收集相关的样本图片,进而使用上述样品图片训练深度学习模型进行针对连接器的缺陷检测。
[0004]相关技术中,连接器相关缺陷对应的样本图片数量较少,无法在短时间内收集到足够的样本数据用于大规模的深度学习模型训练,连接器缺陷检测的效率和准确性较低。
技术实现思路
[0005]本申请实施例提供了一种摄像头模组缺陷检测方法、装置、设备、存储介质及产品,能够实现快速精确地连接器缺陷检测,提升了连接器缺陷检测效率和准确性。
[0006]根据本申请实施例的一个方面,提供了一种摄像头模组缺陷检测方法,所述方法包括:
[0007]获取待检测摄像头模组中的连接器对应的检 ...
【技术保护点】
【技术特征摘要】
1.一种摄像头模组缺陷检测方法,其特征在于,所述方法包括:获取待检测摄像头模组中的连接器对应的检测图像,所述检测图像包括所述连接器对应的引脚区域;确定所述引脚区域对应的边缘位置信息;基于所述边缘位置信息对所述引脚区域进行引脚形变检测处理,得到引脚形变检测结果,所述引脚形变检测结果表征所述连接器的引脚对应的形变情况;根据所述引脚形变检测结果,生成所述连接器对应的缺陷检测结果。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取所述引脚对应的预设颜色信息以及所述检测图像中各像素点对应的颜色信息;将所述预设颜色信息与所述各像素点对应的颜色信息进行对比处理,得到所述各像素点对应的颜色差异信息;基于所述颜色差异信息对所述检测图像进行引脚区域分割处理,得到所述引脚区域。3.根据权利要求1或2所述的方法,其特征在于,所述确定所述引脚区域对应的边缘位置信息,包括:对所述引脚区域进行扫描,得到所述引脚对应的边缘点以及所述边缘点对应的坐标数据,所述边缘位置信息包括所述边缘点对应的坐标数据;所述基于所述边缘位置信息对所述引脚区域进行引脚形变检测处理,得到引脚形变检测结果,包括:基于所述边缘点对应的坐标数据对所述边缘点进行线性回归处理,得到边缘拟合结果,边缘拟合结果包括拟合边缘线对应的偏离点,所述偏离点是指与所述拟合边缘线之间的距离大于预设距离阈值的边缘点;确定所述偏离点对应的比例数据;在所述比例数据大于第一预设比例的情况下,确定所述引脚形变检测结果为所述引脚存在形变缺陷。4.根据权利要求1至3任一项所述的方法,其特征在于,所述检测图像还包括所述连接器对应的底板区域,所述方法还包括:对所述底板区域进行溢锡检测处理,得到溢锡检测结果,所述溢锡检测结果表征所述连接器的底板对应的溢锡锡珠分布情况;所述根据所述引脚形变检测结果,生成所述连接器对应的缺陷检测结果,包括:根据所述引脚形变检测结果、所述溢锡检测结果中至少一种,生成所述缺陷检测结果。5.根据权利要求4所述的方法,其特征在于,所述方法还包括:获取所述检测图像对应的亮度数据和第一亮度阈值;基于所述第一亮度阈值对所述亮度数据进行阈值化处理,得到所述检测图像对应的阈值化图像;从所述阈值化图像中去除所述引脚区域,得到所述底板区域。6.根据权利要求4所述的方法,其特征在于,所述底板区域包括至少一个显著性区域,所述显著性区域是指亮度值大于或等于第二亮度阈值的像素点形成的区域,所述对所述底板区域进行溢锡检测处理,得到溢锡检测结果,包括:获取所述底板上的预设结构对应的显著性区域特征信息;
基于所述显著性区域特征信息,从所述至少一个显著性区域中滤除所述预设结构对应的显著性区域,得到过滤后的底板区域;将所述过滤后的底板区域中的显著性区域确定为潜在溢锡区域;在所述潜在溢锡区域符合预设溢锡区域条件的情况下,将所述潜在溢锡区域确定为溢锡区域;在检测出所述溢锡区域的情况下,确定所述溢锡检测结果为所述底板存在溢锡缺陷。7.根据权利要求6所述的方法,其特征在于,所述在所述潜在溢锡区域...
【专利技术属性】
技术研发人员:王昌安,
申请(专利权)人:腾讯科技深圳有限公司,
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。