[发明专利]用于摄像模组质检的污点测试方法

权利要求书

1.一种用于摄像模组质检的污点测试方法，其特征在于，包括：

利用第一污点测试线程来检测第一类污点；

利用第二污点测试线程来检测第二类污点，其中所述第二类污点面积大于所述第一类污点，或者/并且所述第二类污点暗于所述第一类污点；以及

根据第一污点测试线程输出的第一类污点和第二污点测试线程输出的第二类污点，得出最终的污点检测结果；

其中，所述第一污点测试线程，包括：

获取待测摄像模组拍摄的测试图像，对所述测试图像进行图像增强处理；

对增强后的测试图像进行图像预处理，其中所述预处理包括亮度归一化；

基于污点检测模型，对预处理后的测试图像进行目标识别，获得包含潜在目标的定位框，其中所述污点检测模型是基于深度学习技术的人工智能模型，所述的潜在目标是由所述人工智能模型判断为属于污点类型的目标物；以及

将所获得的所述定位框作为感兴趣区域返回所拍摄的原测试图像中，计算所述感兴趣区域的平均亮度与所述感兴趣区域内的污点区域的平均亮度的亮度差，计算所述感兴趣区域内的污点区域的面积，以及根据所述亮度差和所述面积确定所述定位框中是否存在污点。

2. 根据权利要求 1 所述的用于摄像模组质检的污点测试方法， 其特征在于，所述图像增强处理步骤包括：基于 Retinex 图像增强技术的图像处理。

3. 根据权利要求 2 所述的用于摄像模组质检的污点测试方法， 其特征在于，所述图像增强处理步骤包括：

提取图像的亮度数据进行滤波处理以滤除噪声；

基于图像增强技术去除图像中的背景以突出前景污点的特征；以及

对图像进行线性拉伸。

4. 根据权利要求 1 所述的用于摄像模组质检的污点测试方法， 其特征在于，所述图像预处理步骤包括：平滑去噪处理和所述的亮度归一化。

5. 根据权利要求 1 所述的用于摄像模组质检的污点测试方法， 其特征在于，所述目标识别步骤中，所述的人工智能模型为 fast-RCNN 网络，利用标记了污点的人工标记数据集对所述的 fast-RCNN 网络进行训练获得所述污点检测模型。

6. 根据权利要求 1 所述的用于摄像模组质检的污点测试方法， 其特征在于，确定所述定位框中是否存在污点的步骤中，根据属于污点的像素个数来表征所述感兴趣区域内的污点区域的面积。

7. 根据权利要求 1 所述的用于摄像模组质检的污点测试方法， 其特征在于，所述图像增强处理步骤还包括：对所拍摄的测试图像进行缩小以降低图像尺寸，然后再进行图像增强处理。

8. 根据权利要求 1 所述的用于摄像模组质检的污点测试方法， 其特征在于，所述污点测试方法还包括定位框合并步骤，所述定位框合并步骤为：

对于同一图片，当目标识别后获得多个包含潜在目标的定位框时，根据所述的多个包含潜在目标的定位框的重叠区域的面积，判断是否将所述的多个包含潜在目标的定位框中的部分或全部定位框合并为一个定位框。

9. 根据权利要求 1 所述的用于摄像模组质检的污点测试方法，其特征在于，所述污点测试方法还包括定位框合并步骤，所述定位框合并步骤为：

对于同一图片，当目标识别后获得多个包含潜在目标的定位框时， 根据所述的多个包含潜在目标的定位框的污点区域中心之间的距离，判断是否将所述的多个包含潜在目标的定位框中的部分或全部定位框合并为一个定位框。