[发明专利]一种元器件检测方法、系统、设备及介质在审

专利信息
申请号: 202111089182.0 申请日: 2021-09-16
公开(公告)号: CN113793323A 公开(公告)日: 2021-12-14
发明(设计)人: 吴天舒;钟南昌 申请(专利权)人: 云从科技集团股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/73;G01V9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 上海光华专利事务所(普通合伙) 31219 代理人: 李铁
地址: 511457 广东省广州市南*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 元器件 检测 方法 系统 设备 介质
【说明书】:

发明提供一种元器件检测方法、系统、设备及介质,包括:获取原始图像,对原始图像进行分割,获取多个分割图像以及每个分割图像在原始图像中的位置信息;将每个分割图像输入至元器件检测模型中进行元器件检测,获取元器件检测模型对每个分割图像的元器件标注信息;将每个分割图像的元器件标注信息以及每个分割图像在原始图像中的位置信息进行关联,并将关联结果还原至原始图像中,得到原始图像的元器件检测结果。本发明先对原始图像进行分割,然后通过元器件检测模型来识别分割图像中的元器件,可以识别出分割图像中是否存在元器件,以及存在元器件时元器件的类别和位置,所以,本发明可以解决像素值定位方法无法分辨相似定位点的问题。

技术领域

本发明涉及图像识别技术领域,特别是涉及一种元器件检测方法、系统、设备及介质。

背景技术

在电子回收、逆向工程、缺陷检测等应用场景中,需要对集成电路上的电子元器件进行分析和定位,现有方法分为人工标注或像素值定位两种方法。人工标注方法通常用于逆向工程等不了解电路设计的任务中,由经验丰富的技术人员对电路板上每个元器件进行标注,该方法实际效果取决于操作人员的个人经验,检测精度不够统一,并且这种检测方式需要耗费大量人力,难以进行大规模应用。而像素值定位方法通常用于缺陷检测中,AOI(Automated Optical Inspection,自动光学检测)设备通常通过预先编程,然后采集固定区域像素值的方式来定位目标位置;像素值定位方法初始设置过程繁琐,同时,当元器件出现严重歪斜或缺件等问题导致元器件形态发生变化时,利用像素值定位方法进行检测会存在难以避免的偏差,不利于元器件的准确检测。

发明内容

鉴于以上所述现有技术的缺点,本发明的目的在于提供一种元器件检测方法、系统、设备及介质,用于解决现有技术在对集成电路上的电子元器件进行检测时不能准确检测的问题。

为实现上述目的及其他相关目的,本发明提供一种元器件检测方法,包括以下步骤:

获取需要进行元器件检测的原始图像;

对所述原始图像进行分割,获取多个分割图像以及每个分割图像在所述原始图像中的位置信息;

将每个分割图像输入至元器件检测模型中进行元器件检测,获取所述元器件检测模型对每个分割图像的元器件标注信息;

将每个分割图像的元器件标注信息以及每个分割图像在所述原始图像中的位置信息进行关联,并将关联结果还原至所述原始图像中,得到所述原始图像的元器件检测结果。

可选地,所述元器件标注信息包括:是否存在元器件、存在元器件时元器件的位置和类别;

所述原始图像的元器件检测结果包括:不存在元器件、存在元器件以及对应元器件的位置、存在元器件以及对应元器件的类别。

可选地,对所述原始图像进行分割前,还包括对所述原始图像进行预处理,所述预处理包括以下至少之一:调节所述原始图像的亮度、调整所述原始图像的白平衡、淡化所述原始图像的背景。

可选地,所述元器件检测模型包括:YOLO模型或区域卷积神经网络模型。

可选地,若所述分割图像中存在某元器件,则还包括:

获取该元器件在所述分割图像中的位置,并根据该元器件在所述分割图像中的长和宽确定该元器件在所述分割图像中的比例;

获取该元器件的类别,以及与该元器件类别对应的标准尺寸模板;

根据所述标准尺寸模板、该元器件在所述分割图像中的位置以及该元器件在所述分割图像中的比例来对该元器件进行缩放裁剪,获取仅包含该元器件的标准图像。

可选地,所述方法还包括:获取所有仅包含单个元器件的标准图像;

对这些标准图像进行无损压缩编码或有损压缩编码,并存储编码后的所有图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于云从科技集团股份有限公司,未经云从科技集团股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111089182.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top