缺陷检测方法技术

本申请涉及一种缺陷检测方法

【技术实现步骤摘要】
缺陷检测方法、装置、计算机设备、存储介质和产品


[0001]本申请涉及电子元器件检测
，特别是涉及一种缺陷检测方法
、
装置
、
计算机设备
、
存储介质和产品
。

技术介绍

[0002]随着社会智能化需求的不断加大，电子元器件扮演了越来越重要的角色，为了保证生产出的电子元器件符合市场需求，需要对电子元器件进行缺陷检测
。
[0003]传统技术中，基于深度学习的目标检测模型对元器件缺陷进行缺陷检测，然而，目前的缺陷检测仅能识别出缺陷位置和缺陷类型，因此，目前的缺陷检测不够全面
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高缺陷检测全面性的缺陷检测方法
、
装置
、
计算机设备
、
计算机可读存储介质和产品
。
[0005]第一方面，本申请提供了一种缺陷检测方法
。
所述方法包括：获取待检测电子元器件的光学图像；利用缺陷检测模型对所述光学图像进行缺陷检测，得到所述光学图像中的缺陷检测框的缺陷位置及缺陷类型；基于所述缺陷检测框和所述光学图像，确定所述缺陷检测框中的缺陷分布信息；根据所述缺陷分布信息
、
所述缺陷位置及所述缺陷类型，得到所述待检测电子元器件的缺陷检测结果
。
[0006]在其中一个实施例中，所述基于所述缺陷检测框和所述光学图像，确定所述缺陷检测框中的缺陷分布信息，包括：确定所述缺陷检测框中缺陷区域中的像素点的第一数量与所述光学图像中像素点的第二数量之间的第一比值；根据所述第一比值确定所述光学图像中的所述缺陷区域的占比；所述缺陷分布信息包括所述占比
。
[0007]在其中一个实施例中，所述基于所述缺陷检测框和所述光学图像，确定所述缺陷检测框中的缺陷分布信息，包括：确定在第一方向上所述缺陷区域中的像素点的第三数量与所述光学图像中像素点的第四数量的第二比值；确定在第二方向上所述缺陷区域中的像素点的第五数量与所述光学图像中像素点的第六数量的第三比值；根据所述第二比值和所述光学图像在第一方向上的尺寸，确定所述缺陷区域在第一方向上的第一尺寸，以及根据所述第三比值和所述光学图像在第二方向上的尺寸，确定所述缺陷区域在第二方向上的第二尺寸；根据所述第一尺寸和所述第二尺寸，确定所述缺陷区域的尺寸信息；所述缺陷分
布信息包括所述尺寸信息
。
[0008]在其中一个实施例中，所述方法还包括：确定各候选缺陷检测模型的平均精确率；将最大的平均精确率对应的候选缺陷检测模型作为所述缺陷检测模型
。
[0009]在其中一个实施例中，所述确定各候选缺陷检测模型的平均精确率，包括：针对各所述候选缺陷检测模型，确定所述候选缺陷检测模型对各预设缺陷类型的预测精确率；将所述候选缺陷检测模型对各预设缺陷类型的预测精确率的平均值作为所述平均精确率
。
[0010]在其中一个实施例中，所述方法还包括：根据所述缺陷检测结果确定所述待检测电子元器件的状态；所述状态包括失效状态和未失效状态；确定所述缺陷类型对应的状态为失效状态的待检测电子元器件的数量与总数量的第四比值；所述总数量为待检测电子元器件集合中存在缺陷的电子元器件的数量；根据所述第四比值确定所述缺陷类型的权重；所述权重用于表征所述缺陷类型对待检测电子元器件的失效影响程度
。
[0011]第二方面，本申请还提供了一种缺陷检测装置
。
所述装置包括：光学图像获取模块，用于获取待检测电子元器件的光学图像；缺陷检测模块，用于利用缺陷检测模型对所述光学图像进行缺陷检测，得到所述光学图像中的缺陷检测框的缺陷位置及缺陷类型；缺陷分布信息获取模块，用于基于所述缺陷检测框和所述光学图像，确定所述缺陷检测框中的缺陷分布信息；缺陷检测结果获取模块，用于根据所述缺陷分布信息
、
所述缺陷位置及所述缺陷类型，得到所述待检测电子元器件的缺陷检测结果
。
[0012]第三方面，本申请还提供了一种计算机设备
。
所述计算机设备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上述第一方面任一项所述的方法的步骤
。
[0013]第四方面，本申请还提供了一种计算机可读存储介质
。
所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤
。
[0014]第五方面，本申请还提供了一种计算机程序产品
。
所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项所述的方法的步骤
。
[0015]上述缺陷检测方法
、
装置
、
计算机设备
、
存储介质和产品，由于缺陷分布信息是基于缺陷检测框和光学图像得到的，能较为全面地反映缺陷的具体信息，因此，根据缺陷分布信息
、
缺陷位置及缺陷类型得到的缺陷检测结果也就较为全面
、
具体，进而能提高缺陷检测的全面性
。
附图说明
[0016]图1为一个实施例中缺陷检测方法的应用环境图；
图2为一个实施例中缺陷检测方法的流程示意图；图3为一个实施例中光学图像中的缺陷检测框的缺陷位置及缺陷类型的示意图；图4为一个实施例中实现对缺陷的定量表征的流程示意图；图5为一个实施例中
U
‑
Net
模型的基本框架图；图6为一个实施例中基于缺陷检测框和光学图像，确定缺陷检测框中的缺陷分布信息的流程示意图；图7为另一个实施例中基于缺陷检测框和光学图像，确定缺陷检测框中的缺陷分布信息的流程示意图；图8为一个实施例中一种获取缺陷检测模型的方法的流程示意图；图9为一个实施例中确定各候选缺陷检测模型的平均精确率的流程示意图；图
10
为一个实施例中一阶段目标检测模型的框架的示意图；图
11
为一个实施例中两阶段目标检测模型的框架的示意图；图
12
为一个实施例中一种确定缺陷类型的权重的方法的流程示意图；图
13
为一个示例性的实施例中一种缺陷检测方法的流程示意图；图
14
为一个示例性的实施例中一种缺陷检测方法的技术流程图；图
15
为一个实施例中一种缺陷检测装置的示意图；图
16
为一个实施例中服务器的内部结构图；图
17
为一个实施例中终端的内部结构图
。
具体实施方式
[0017]为了使本申请的目的
、
技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明
。
应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请...

【技术保护点】

【技术特征摘要】
1.
一种缺陷检测方法，其特征在于，所述方法包括：获取待检测电子元器件的光学图像；利用缺陷检测模型对所述光学图像进行缺陷检测，得到所述光学图像中的缺陷检测框的缺陷位置及缺陷类型；基于所述缺陷检测框和所述光学图像，确定所述缺陷检测框中的缺陷分布信息；根据所述缺陷分布信息
、
所述缺陷位置及所述缺陷类型，得到所述待检测电子元器件的缺陷检测结果
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述缺陷检测框和所述光学图像，确定所述缺陷检测框中的缺陷分布信息，包括：确定所述缺陷检测框中缺陷区域中的像素点的第一数量与所述光学图像中像素点的第二数量之间的第一比值；根据所述第一比值确定所述光学图像中的所述缺陷区域的占比；所述缺陷分布信息包括所述占比
。3.
根据权利要求2所述的方法，其特征在于，所述基于所述缺陷检测框和所述光学图像，确定所述缺陷检测框中的缺陷分布信息，包括：确定在第一方向上所述缺陷区域中的像素点的第三数量与所述光学图像中像素点的第四数量的第二比值；确定在第二方向上所述缺陷区域中的像素点的第五数量与所述光学图像中像素点的第六数量的第三比值；根据所述第二比值和所述光学图像在第一方向上的尺寸，确定所述缺陷区域在第一方向上的第一尺寸，以及根据所述第三比值和所述光学图像在第二方向上的尺寸，确定所述缺陷区域在第二方向上的第二尺寸；根据所述第一尺寸和所述第二尺寸，确定所述缺陷区域的尺寸信息；所述缺陷分布信息包括所述尺寸信息
。4.
根据权利要求1或2所述的方法，其特征在于，所述方法还包括：确定各候选缺陷检测模型的平均精确率；将最大的平均精确率对应的候选缺陷检测模型作为所述缺陷检测模型
。5.
根据权利要求4所述的方法，其特征在于，所述确定各候选缺陷检测模型的平均精...

【专利技术属性】
技术研发人员：赵玥，罗军，王之哲，路国光，恩云飞，
申请(专利权)人：中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室，
类型：发明
国别省市：