CN111356914B - 一种检测方法和检测装置 - Google Patents
一种检测方法和检测装置 Download PDFInfo
- Publication number
- CN111356914B CN111356914B CN201880068619.2A CN201880068619A CN111356914B CN 111356914 B CN111356914 B CN 111356914B CN 201880068619 A CN201880068619 A CN 201880068619A CN 111356914 B CN111356914 B CN 111356914B
- Authority
- CN
- China
- Prior art keywords
- processor
- exposure time
- radiation
- measured
- preset exposure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Measurement Of Radiation (AREA)
Abstract
本申请实施例公开了一种检测方法和检测装置,所述方法包括:处理器从存储器获取与被测物对应的多个预设曝光时长,处理器根据探测器在每个预设曝光时长获取的放射线,得到每个预设曝光时长分别对应的被测物的放射线透射图;任一放射线透射图包括一个或者多个清晰的目标子区域;处理器识别每个放射线透射图中的目标子区域,根据识别出的所有目标子区域得到所述被测物的融合图像;处理器根据缺陷模型对融合图像进行识别,得到对被测物的检测结果。本申请实施例先用放射线照射被测物得到不同曝光时长对应的多个放射线透视图,然后根据缺陷模型对融合图像进行识别,这种方法提高了检测效率和检测精度。
Description
技术领域
本申请实施例涉及电子技术领域,尤其涉及一种检测方法和检测装置。
背景技术
为了确保电子产品正常发挥其功能,在电子产品使用之前,有必要对电子产品是否存在缺陷进行检测。传统的检测方法是人工使用放大镜对电子产品进行检测,由于电子产品具有结构紧凑和元器件设置集中的特点,使用传统的检测方法对电子产品进行检测时,检测结果依靠测试人员的视觉观察,效率低,精度没有保障。
发明内容
本申请实施例提供了一种检测方法和检测装置,能够提高检测效率和检测精度。
第一方面,本申请实施例提供了一种检测方法,应用于电子设备中,所述电子设备包括:放射线发射单元、探测器、处理器和存储器,被测物放置在所述放射线发射单元和所述探测器之间;所述方法包括如下步骤:
所述处理器从所述存储器获取与所述被测物对应的N个预设曝光时长,所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域;
所述处理器根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到每个预设曝光时长分别对应的所述被测物的放射线透射图;
所述处理器识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像;
所述处理器根据缺陷模型对所述融合图像进行识别,得到对所述被测物的检测结果。
本申请实施例采用放射线照射被测物得到不同曝光时长对应的多个放射线透视图,识别每个放射线透射图中的目标子区域,根据识别出的目标子区域得到融合图像,然后根据缺陷模型对融合图像进行识别,得到对被测物的检测结果。由于融合图像由多个清晰的目标子区域得到,根据缺陷模型对融合图像进行识别,有利于提高检测效率和检测精度。
在本申请一些可能的实施方式中,所述电子设备还包括输出单元,所述方法还包括:
所述处理器向所述输出单元发送第一消息,所述第一消息携带所述检测结果;
所述输出单元根据接收到的所述第一消息输出所述检测结果。
在本申请一些可能的实施方式中,所述检测结果包括:正常、破损、毛边、刮伤、端子歪、管脚缺失中的一个或者多个;
在本申请一些可能的实施方式中,输出单元可以包括显示屏,可以在显示屏中显示各种可能的检测结果的概率、或者各种检测结果的个数、或者结合表示被测物的图片将检测出缺陷的位置在图中标示出来、以及标注出检测到的缺陷。这样有利于直观地显示和观察被测物可能存在的缺陷。
在本申请一些可能的实施方式中,所述电子设备还包括采样单元,在所述处理器从所述存储器获取与所述被测物对应的N个预设曝光时长之前,所述方法还包括:
所述采样单元对所述被测物进行识别,并将识别结果发送给所述处理器;
所述处理器根据获取的所述识别结果从所述存储器获取与所述被测物对应的N个预设曝光时长。
其中,识别结果可以是被测物的类别标识,不同类别的被测物可能对应不同的曝光时长,可以在数据库中预先保存类别标识和其对应的曝光时长信息,处理器获取被测物的类别标识后查找数据库中保存的数据,得到被测物对应的N个曝光时长。
采用这种实施方式有利于对被测物进行自动检测,根据对被测物的识别结果处理器可以直接获取到与被测物对应的N个预设曝光时长。
在本申请一些可能的实施方式中,所述电子设备还包括传送单元;在所述采样单元对所述被测物进行识别之前,所述方法还包括:
所述传送单元每隔预设时长将不同的所述被测物移动到检测位置,所述检测位置位于所述放射线发射源和所述探测器之间。
采用该实施方式可以自动地将多个被测物逐一移动到检测位置进行检测,有利于提高检测效率。
在本申请一些可能的实施方式中,所述处理器根据缺陷模型对所述融合图像进行识别之前,所述方法还包括:
所述处理器根据预设的与所述被测物对应的缺陷训练样本进行缺陷数据训练和学习,得到所述被测物对应的缺陷模型。
需要说明的是,缺陷模型既可以由处理器根据预设的缺陷样本进行缺陷数据训练和学习获得,也可以从其他设备获取。
在本申请一些可能的实施方式中,所述处理器从所述存储器获取与所述被测物对应的N个预设曝光时长之前,所述方法还包括:
所述处理器根据所述被测物的结构和/或试验确定所述被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到所述存储器中。
需要说明的是,不同物质对放射线的透射能力不同,根据被测物的结构或者通过试验,或者既通过参考被测物的结构又结合试验,确定多个曝光时长,有利于获取被测物在不同曝光时长时各部分的清晰图片,有利于提高检测的精度。
第二方面,本申请实施例提供了一种检测装置,所述检测装置包括:放射线发射单元、探测器、处理器和存储器,被测物放置在所述放射线发射单元和所述探测器之间;
所述放射线发射单元,用于发射放射线,所述放射线用于照射所述被测物;
所述探测器,用于接收经所述被测物透射的放射线;
所述处理器,用于从所述存储器获取与所述被测物对应的N个预设曝光时长,所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域;
所述处理器还用于,根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到所述每个预设曝光时长分别对应的所述被测物的放射线透射图;
所述处理器还用于,识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像,并根据缺陷模型对所述融合图像进行识别,得到所述被测物的检测结果。
本申请实施例采用放射线照射被测物得到不同曝光时长对应的多个放射线透视图,然后识别每个放射线透射图中的目标子区域,根据识别出的目标子区域得到融合图像,然后根据缺陷模型对融合图像进行识别,得到对被测物的检测结果。由于融合图像由多个清晰的目标子区域得到,根据缺陷模型对融合图像进行识别,有利于提高检测效率和检测精度。
在本申请一些可能的实施方式中,所述电子设备还包括:输出单元;
所述处理器还用于,向所述输出单元发送第一消息,所述第一消息携带所述检测结果;
所述输出单元根据接收到的所述第一消息输出所述检测结果。
在本申请一些可能的实施方式中,所述检测结果包括:正常、破损、毛边、刮伤、端子歪、管脚缺失中的一个或者多个;
在本申请一些可能的实施方式中,输出单元可以包括显示屏,可以在显示屏中显示各种可能的检测结果的概率、或者各种检测结果的个数、或者结合表示被测物的图片将检测出缺陷的位置在图中标示出来、以及标注出检测到的缺陷。这样有利于直观地显示和观察被测物可能存在的缺陷。
在本申请一些可能的实施方式中,所述检测装置还包括:
采样单元,用于在所述处理器从所述存储器获取与所述被测物对应的N个预设曝光时长之前,对所述被测物进行识别,并将识别结果发送给所述处理器。
所述处理器,在从所述存储器获取与所述被测物对应的N个预设曝光时长方面,具体用于根据从所述采样单元获取的所述识别结果,从所述存储器获取与所述被测物对应的N个预设曝光时长。
在本申请一些可能的实施方式中,所述检测装置还包括:
传送单元,用于在所述采样单元对所述被测物进行识别之前,每隔预设时长将不同的所述被测物移动到检测位置,所述检测位置位于所述放射线发射源和所述探测器之间。
采用该实施方式可以自动地将多个被测物逐一移动到检测位置进行检测,有利于提高检测效率。
在本申请一些可能的实施方式中,所述处理器还用于,在根据缺陷模型和所述融合图像对所述被测物的缺陷进行识别之前,根据预设的与所述被测物对应的缺陷训练样本进行缺陷数据训练和学习,得到所述被测物对应的缺陷模型。
在本申请一些可能的实施方式中,所述处理器还用于,在从所述存储器获取与所述被测物对应的N个预设曝光时长之前,根据所述被测物的结构和/或试验确定所述被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保持到所述存储器中。
需要说明的是,不同物质对放射线的透射能力不同,根据被测物的结构或者通过试验,或者既通过参考被测物的结构又结合试验,确定多个曝光时长,有利于获取被测物在不同时长下各部分的清晰图片,有利于提高检测的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的包括检测装置的电子设备应用场景示意图;
图2A为本申请实施例提供的一种检测方法的流程示意图;
图2B为本申请实施例提供的另一种检测方法的流程示意图;
图2C为本申请实施例提供的另一种检测方法的流程示意图;
图3A为本申请实施例提供的一种检测装置的结构示意图;
图3B为本申请实施例提供的另一种检测装置的结构示意图;
图3C为本申请实施例提供的另一种检测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
需要说明的是,下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。
连接器的形式和结构***,随着应用对象、频率、功率、应用环境等的不同,有各种不同形式的连接器,但是无论是哪种连接器,在其正常工作时,都要保证电流顺畅连续和可靠地流通,连接器中的针pin是连接器的重要结构,主要用于导电和信号传输,连接器在生产过程中,pin脚在组装时,由于气缸运动存在受力不均的情况,导致可能出现pin脚出现倾斜,影响产品的最终质量,因此有必要对连接器的pin脚进行检测,传统的检测方法是检测人员使用放大镜检测连接器是否合格,这种方法完全依赖检测人员的视觉直觉,准确率低,精度没有保障。本申请实施例使用放射线照射被测物,利用不同曝光时长对应的放射线透射图,得到多个目标子区域,根据目标子区域得到被测物的融合图像,然后根据缺陷模型对融合图像进行识别,得到被测物的检测结果。由于融合图像由多个清晰的目标子区域得到,根据缺陷模型对融合图像进行识别,有利于提高检测效率和检测精度。
请参阅图1,图1为本申请实施例提供了包括检测装置的电子设备应用场景示意图。如图1所示,电子装置可以包括:放射线发射单元101、探测器103、存储器104和处理器105,被测物102放置在放射线发射单元101和探测器103之间;在对被测物102进行检测时,放射线发射单元101发出放射线,照射被测物102,探测器103根据穿过被测物102的放射线生成与被测物102对应的图像,处理器105从存储器104获取与被测物102对应的N个预设曝光时长,所述N为等于2或者大于2的整数,任一预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域;处理器105根据探测器103在N个预设曝光时长中每个预设曝光时长获取的放射线,得到每个预设曝光时长分别对应的被测物102的放射线透射图;处理器105识别每个放射线透射图中的目标子区域,根据识别出的目标子区域得到被测物102的融合图像,即包括多个目标子区域的图像;处理器105根据缺陷模型对融合图像进行识别,得到对被测物102的检测结果。由于融合图像由多个清晰的目标子区域得到,根据缺陷模型对融合图像进行识别,有利于提高检测效率和检测精度。
参见图2A,图2A为本申请实施例提供的一种检测方法的流程示意图,检测方法应用于电子设备中,电子设备包括:放射线发射单元、探测器、处理器和存储器,被测物放置在所述放射线发射单元和所述探测器之间;所述方法包括步骤201-204,具体如下:
201、处理器从所述存储器获取与所述被测物对应的N个预设曝光时长,所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域。
在一些可能的实施方式中,处理器可以根据被测物的结构确定被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到存储器中。比如,若被测物包括3个不同的材质组成的结构G1、G2和G3,若这三个不同的结构在不同曝光时长时对应的清晰度不同,可以设定N=3,根据实验确定不同的结构在曝光多久时可以得到清晰的图像,举例来说,若结构G1在曝光时长为2秒时处理器根据探测器接收到的放射线可以得到结构G1的清晰图像,则结构G1对应的预设曝光时长为2秒。若结构G2在曝光时长为5秒时处理器根据探测器接收到的放射线可以得到结构G2的清晰图像,则结构G2对应的预设曝光时长为5秒。若结构G3在曝光时长为9秒时处理器根据探测器接收到的放射线可以得到结构G3的清晰图像,结构G3对应的预设曝光时长为9秒。因此,可以预先设置与被测物对应的3个预设曝光时长分别为2秒、5秒和9秒。
可以理解的是,在一些可能的实施方式中,被测物不同位置的材质是相同的,因为形状结构等存在差异,比如薄厚不同,也会使得被测物的不同位置在不同曝光时长时得到的图像清晰度不同,根据不同曝光时长得到的图像可以对不同位置进行检测。可以理解的,被测物预设时长的确定可以通过试验确定,确定后将预设时长保存在存储器中,在检测某个被测物时,从存储器中取出与该被测物对应的预设时长。
202、所述处理器根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到每个预设曝光时长分别对应的所述被测物的放射线透射图。
处理器根据探测器在不同曝光时长获取的放射线,可以得到在不同曝光时长下与被测物对应的放射线透射图。以图1为例,被测物102包括三个不同的区域:区域A1、区域A2和区域An,其中,区域A1在曝光时长为T1时对应的放射线透射图中最清楚,区域A2在曝光时长为T2时对应的放射线透射图中最清楚,区域An在曝光时长为Tn时对应的放射线透射图中最清楚。则处理器在被测物102曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线,生成被测物的放射线透射图p1、p2和p3。
203、处理器识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像。
以图1中被测物102为例,处理器105在获取被测物102在曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线生成被测物的放射线透射图p1、p2和p3之后,处理器识别各透视图中清晰的区域即各幅图片的目标子区域,比如从图p1中识别目标子区域A1,从图p2中识别目标子区域A2,从图p3中识别目标子区域An。然后处理器将提取出来的各目标子区域进行处理得到包括A1、A2和A3的融合图像p。
需要说明的是,当被测物是连接器时,连接器上不同结构件的材料不同,使得连接器上不同结构件的成像质量受曝光时间因素影响程度不同,可以表现在亮度、对比度、边缘信息等方面,可以将以上参数良好的区域成为有利区域,放射线可以是X射线,X射线在不同曝光时间下照射被测物,得到有利区域不同的图像,将有利区域交集最小且并集最大的图像进行融合,得到各部分都清晰的图像作为融合图像,用于进一步检测确定连接器是否存在缺陷。
204、所述处理器根据缺陷模型对所述融合图像进行识别,得到对所述被测物的检测结果。
在一些可能的实施方式中,处理器根据预设的与被测物对应的缺陷训练样本进行缺陷数据训练和学习,得到被测物对应的缺陷模型。以图1为例,若经过识别确定A1对应的区域不存在缺陷,A2和A3对应的区域存在缺陷时,则可以将包括存在缺陷的区域对应图像显示出来作为检测结果。可以理解的,也可以进一步的通过语音或者图标或者动态提醒图片提醒有缺陷存在。
在一些可能的实施方式中,处理器可以利用深度学习神经网络自动对被测物的缺陷进行识别。在对被测物进行检测之前,预先通过大量的训练样本,对被测物不同的缺陷进行识别,比如,按照不同的缺陷类型分别采集100幅以上的图像作为训练样本,对于能够直接反应缺陷的样本进行分类训练,得到训练后的被测物缺陷图像,在进行检测时,图像融合后的图像与预先得到的被测物的缺陷图像进行比较,识别出可能存在的缺陷,识别结果可能包括:正常、破损、毛边、刮伤、端子歪、针脚缺失等。
本申请实施例采用放射线照射被测物得到不同曝光时长对应的多个放射线透视图,识别每个放射线透射图中的目标子区域,根据识别出的目标子区域得到融合图像,然后根据缺陷模型对融合图像进行识别,得到对被测物的检测结果。由于融合图像由多个清晰的目标子区域得到,根据缺陷模型对融合图像进行识别,有利于提高检测效率和检测精度。
参见图2B,图2B为本申请另一实施例提供的一种检测方法的流程示意图,检测方法应用于电子设备中,电子设备包括:放射线发射单元、探测器、处理器和存储器,被测物放置在所述放射线发射单元和所述探测器之间;所述方法包括步骤211-215,具体如下:
211、采样单元对被测物进行识别,并将识别结果发送给处理器。
比如当被测物放置在放射线发射单元和探测器之间之后,采样单元开始对被测物进行检测,以被测物为连接器为例,当连接器放置在放射线发射单元和探测器之间之后,采样单元对被测物进行识别,识别出被测物为连接器。
212、所述处理器根据获取的所述识别结果从所述存储器获取与所述被测物对应的N个预设曝光时长。所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域。
需要说明的是,在存储器中保存了至少一个检测对象对应的预设曝光时长,比如在存储器中预先保存了连接器对应的N各预设曝光时长,比如,N可以为3,预设曝光时长可以为2秒、5秒和9秒。
在一些可能的实施方式中,处理器可以根据被测物的结构确定被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到存储器中。比如,若被测物包括3个不同的材质组成的结构G1、G2和G3,若这三个不同的结构在不同曝光时长时对应的清晰度不同,可以设定N=3,根据实验确定不同的结构在曝光多久时可以得到清晰的图像,举例来说,若结构G1在曝光时长为2秒时处理器根据探测器接收到的放射线可以得到结构G1的清晰图像,则结构G1对应的预设曝光时长为2秒。若结构G2在曝光时长为5秒时处理器根据探测器接收到的放射线可以得到结构G2的清晰图像,则结构G2对应的预设曝光时长为5秒。若结构G3在曝光时长为9秒时处理器根据探测器接收到的放射线可以得到结构G3的清晰图像,结构G3对应的预设曝光时长为9秒。因此,可以预先设置与被测物对应的3个预设曝光时长分别为2秒、5秒和9秒。
可以理解的是,在一些可能的实施方式中,被测物不同位置的材质是相同的,因为形状结构等存在差异,比如薄厚不同,也会使得被测物的不同位置在不同曝光时长时得到的图像清晰度不同,根据不同曝光时长得到的图像可以对不同位置进行检测。可以理解的,被测物预设时长的确定可以通过试验确定,确定后将预设时长保存在存储器中,在检测某个被测物时,从存储器中取出与该被测物对应的预设时长。
213、所述处理器根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到每个预设曝光时长分别对应的所述被测物的放射线透射图。
处理器根据探测器在不同曝光时长获取的放射线,可以得到在不同曝光时长下与被测物对应的放射线透射图。以图1为例,被测物102包括三个不同的区域:区域A1、区域A2和区域An,其中,区域A1在曝光时长为T1时对应的放射线透射图中最清楚,区域A2在曝光时长为T2时对应的放射线透射图中最清楚,区域An在曝光时长为Tn时对应的放射线透射图中最清楚。则处理器在被测物102曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线,生成被测物的放射线透射图p1、p2和p3。
214、处理器识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像。
以图1中被测物102为例,处理器105在获取被测物102在曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线生成被测物的放射线透射图p1、p2和p3之后,处理器识别各透视图中清晰的区域即各幅图片的目标子区域,比如从图p1中识别目标子区域A1,从图p2中识别目标子区域A2,从图p3中识别目标子区域An。然后处理器将提取出来的各目标子区域进行处理得到包括A1、A2和A3的融合图像p。
需要说明的是,当被测物是连接器时,连接器上不同结构件的材料不同,使得连接器上不同结构件的成像质量受曝光时间因素影响程度不同,可以表现在亮度、对比度、边缘信息等方面,可以将以上参数良好的区域成为有利区域,放射线可以是X射线,X射线在不同曝光时间下照射被测物,得到有利区域不同的图像,将有利区域交集最小且并集最大的图像进行融合,得到各部分都清晰的图像作为融合图像,用于进一步检测确定连接器是否存在缺陷。
215、所述处理器根据缺陷模型对所述融合图像进行识别,得到对所述被测物的检测结果。
在一些可能的实施方式中,处理器根据预设的与被测物对应的缺陷训练样本进行缺陷数据训练和学习,得到被测物对应的缺陷模型。以图1为例,若经过识别确定A1对应的区域不存在缺陷,A2和A3对应的区域存在缺陷时,则可以将包括存在缺陷的区域对应图像显示出来作为检测结果。可以理解的,也可以进一步的通过语音或者图标或者动态提醒图片提醒有缺陷存在。
在一些可能的实施方式中,处理器可以利用深度学习神经网络自动对被测物的缺陷进行识别。在对被测物进行检测之前,预先通过大量的训练样本,对被测物不同的缺陷进行识别,比如,按照不同的缺陷类型分别采集100幅以上的图像作为训练样本,对于能够直接反应缺陷的样本进行分类训练,得到训练后的被测物缺陷图像,在进行检测时,图像融合后的图像与预先得到的被测物的缺陷图像进行比较,识别出可能存在的缺陷,识别结果可能包括:正常、破损、毛边、刮伤、端子歪、针脚缺失等。
参见图2C,图2C为本申请另一实施例提供的一种检测方法的流程示意图,该检测方法应用于电子设备中,电子设备包括:放射线发射单元、探测器、处理器和存储器,被测物放置在所述放射线发射单元和所述探测器之间;所述方法包括步骤221-226,具体如下:
221、传送单元每隔预设时长将不同的被测物传送到检测位置,所述检测位置位于所述放射线发射源和所述探测器之间。
在一些可能的实施例中,传送带传送被测物的间隔时长由对对被测物的检测速度来确定,可以设置当前被测物的检测结果出来之后,下一个被测物才经传送带传送到放射线发射单元和探测器之间。比如,若一个被测物的检测周期为15秒,则传送带每隔15秒将另外一个被测物传送到检测位置。可以理解的是,不同的被测物对应传送带的传送速度也不同,比如若第一类被测物的检测时长为15秒,第二类被测物的检测时长为30秒,则当对第一类被测物进行检测时,传送带每隔15秒将下一个第一类被测物传送到被测位置。当对第二类被测物进行检测时,传送带每隔30秒将下一个第二类被测物传送到被测位置。可以理解的,传送带传送速度也可以采用检测时长最长的被测物对应的检测时间作为传送带传送相邻两个被测物的间隔时长。
222、采样单元对被测物进行识别,并将识别结果发送给处理器。
比如当被测物放置在放射线发射单元和探测器之间之后,采样单元开始对被测物进行检测,以被测物为连接器为例,当连接器放置在放射线发射单元和探测器之间之后,采样单元对被测物进行识别,识别出被测物为连接器。
223、所述处理器根据获取的所述识别结果从所述存储器获取与所述被测物对应的N个预设曝光时长。所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域。
需要说明的是,在存储器中保存了至少一个检测对象对应的预设曝光时长,比如在存储器中预先保存了连接器对应的N各预设曝光时长,比如,N可以为3,预设曝光时长可以为2秒、5秒和9秒。
在一些可能的实施方式中,处理器可以根据被测物的结构确定被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到存储器中。比如,若被测物包括3个不同的材质组成的结构G1、G2和G3,若这三个不同的结构在不同曝光时长时对应的清晰度不同,可以设定N=3,根据实验确定不同的结构在曝光多久时可以得到清晰的图像,举例来说,若结构G1在曝光时长为2秒时处理器根据探测器接收到的放射线可以得到结构G1的清晰图像,则结构G1对应的预设曝光时长为2秒。若结构G2在曝光时长为5秒时处理器根据探测器接收到的放射线可以得到结构G2的清晰图像,则结构G2对应的预设曝光时长为5秒。若结构G3在曝光时长为9秒时处理器根据探测器接收到的放射线可以得到结构G3的清晰图像,结构G3对应的预设曝光时长为9秒。因此,可以预先设置与被测物对应的3个预设曝光时长分别为2秒、5秒和9秒。
可以理解的是,在一些可能的实施方式中,被测物不同位置的材质是相同的,因为形状结构等存在差异,比如薄厚不同,也会使得被测物的不同位置在不同曝光时长时得到的图像清晰度不同,根据不同曝光时长得到的图像可以对不同位置进行检测。可以理解的,被测物预设时长的确定可以通过试验确定,确定后将预设时长保存在存储器中,在检测某个被测物时,从存储器中取出与该被测物对应的预设时长。
224、所述处理器根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到每个预设曝光时长分别对应的所述被测物的放射线透射图。
处理器根据探测器在不同曝光时长获取的放射线,可以得到在不同曝光时长下与被测物对应的放射线透射图。以图1为例,被测物102包括三个不同的区域:区域A1、区域A2和区域An,其中,区域A1在曝光时长为T1时对应的放射线透射图中最清楚,区域A2在曝光时长为T2时对应的放射线透射图中最清楚,区域An在曝光时长为Tn时对应的放射线透射图中最清楚。则处理器在被测物102曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线,生成被测物的放射线透射图p1、p2和p3。
225、处理器识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像。
以图1中被测物102为例,处理器105在获取被测物102在曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线生成被测物的放射线透射图p1、p2和p3之后,处理器识别各透视图中清晰的区域即各幅图片的目标子区域,比如从图p1中识别目标子区域A1,从图p2中识别目标子区域A2,从图p3中识别目标子区域An。然后处理器将提取出来的各目标子区域进行处理得到包括A1、A2和A3的融合图像p。
需要说明的是,当被测物是连接器时,连接器上不同结构件的材料不同,使得连接器上不同结构件的成像质量受曝光时间因素影响程度不同,可以表现在亮度、对比度、边缘信息等方面,可以将以上参数良好的区域成为有利区域,放射线可以是X射线,X射线在不同曝光时间下照射被测物,得到有利区域不同的图像,将有利区域交集最小且并集最大的图像进行融合,得到各部分都清晰的图像作为融合图像,用于进一步检测确定连接器是否存在缺陷。
226、所述处理器根据缺陷模型对所述融合图像进行识别,得到对所述被测物的检测结果。
采用该实施方式传送单元可以自动地将多个被测物逐一移动到检测位置进行检测,有利于提高检测效率。
在本申请一些可能的实施方式中,所述电子设备还包括输出单元,所述方法还包括:
所述处理器向所述输出单元发送第一消息,所述第一消息携带所述检测结果;
所述输出单元根据接收到的所述第一消息输出所述检测结果。
在本申请一些可能的实施方式中,输出单元可以包括显示屏,可以在显示屏中显示各种可能的检测结果的概率、或者各种检测结果的个数、或者结合表示被测物的图片将检测出缺陷的位置在图中标示出来、以及标注出检测到的缺陷。这样有利于直观地显示和观察被测物可能存在的缺陷。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,终端为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对终端进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
请参阅图3A,图3A为本申请实施例提供的一种检测装置的结构示意图。如图3A所示,检测装置310,包括:放射线发射单元311、探测器312、处理器313和存储器314,被测物300放置在放射线发射单元311和探测器312之间;
放射线发射单元311,用于发射放射线,所述放射线用于照射所述被测物。
探测器312,用于接收经所述被测物透射的放射线。
处理器313,用于从所述存储器获取与所述被测物对应的N个预设曝光时长,所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域。
处理器313还用于,根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到所述每个预设曝光时长分别对应的所述被测物的放射线透射图。
在一些可能的实施方式中,处理器可以根据被测物的结构确定被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到存储器中。比如,若被测物包括3个不同的材质组成的结构G1、G2和G3,若这三个不同的结构在不同曝光时长时对应的清晰度不同,可以设定N=3,根据实验确定不同的结构在曝光多久时可以得到清晰的图像,举例来说,若结构G1在曝光时长为2秒时处理器根据探测器接收到的放射线可以得到结构G1的清晰图像,则结构G1对应的预设曝光时长为2秒。若结构G2在曝光时长为5秒时处理器根据探测器接收到的放射线可以得到结构G2的清晰图像,则结构G2对应的预设曝光时长为5秒。若结构G3在曝光时长为9秒时处理器根据探测器接收到的放射线可以得到结构G3的清晰图像,结构G3对应的预设曝光时长为9秒。因此,可以预先设置与被测物对应的3个预设曝光时长分别为2秒、5秒和9秒。
可以理解的是,在一些可能的实施方式中,被测物不同位置的材质是相同的,因为形状结构等存在差异,比如薄厚不同,也会使得被测物的不同位置在不同曝光时长时得到的图像清晰度不同,根据不同曝光时长得到的图像可以对不同位置进行检测。可以理解的,被测物预设时长的确定可以通过试验确定,确定后将预设时长保存在存储器中,在检测某个被测物时,从存储器中取出与该被测物对应的预设时长。
处理器根据探测器在不同曝光时长获取的放射线,可以得到在不同曝光时长下与被测物对应的放射线透射图。以图1为例,被测物102包括三个不同的区域:区域A1、区域A2和区域An,其中,区域A1在曝光时长为T1时对应的放射线透射图中最清楚,区域A2在曝光时长为T2时对应的放射线透射图中最清楚,区域An在曝光时长为Tn时对应的放射线透射图中最清楚。则处理器在被测物102曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线,生成被测物的放射线透射图p1、p2和p3。
处理器313还用于,识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像,并根据缺陷模型对所述融合图像进行识别,得到所述被测物的检测结果。
以图1中被测物102为例,处理器105在获取被测物102在曝光时长分别为T1、T2、Tn时根据探测器接收到的放射线生成被测物的放射线透射图p1、p2和p3之后,处理器识别各透视图中清晰的区域即各幅图片的目标子区域,比如从图p1中识别目标子区域A1,从图p2中识别目标子区域A2,从图p3中识别目标子区域An。然后处理器将提取出来的各目标子区域进行处理得到包括A1、A2和A3的融合图像p。
需要说明的是,当被测物是连接器时,连接器上不同结构件的材料不同,使得连接器上不同结构件的成像质量受曝光时间因素影响程度不同,可以表现在亮度、对比度、边缘信息等方面,可以将以上参数良好的区域成为有利区域,放射线可以是X射线,X射线在不同曝光时间下照射被测物,得到有利区域不同的图像,将有利区域交集最小且并集最大的图像进行融合,得到各部分都清晰的图像作为融合图像,用于进一步检测确定连接器是否存在缺陷。
在一些可能的实施方式中,处理器根据预设的与被测物对应的缺陷训练样本进行缺陷数据训练和学习,得到被测物对应的缺陷模型。以图1为例,若经过识别确定A1对应的区域不存在缺陷,A2和A3对应的区域存在缺陷时,则可以将包括存在缺陷的区域对应图像显示出来作为检测结果。可以理解的,也可以进一步的通过语音或者图标或者动态提醒图片提醒有缺陷存在。
本申请实施例采用放射线照射被测物得到不同曝光时长对应的多个放射线透视图,识别每个放射线透射图中的目标子区域,根据识别出的目标子区域得到融合图像,然后根据缺陷模型对融合图像进行识别,得到对被测物的检测结果。由于融合图像由多个清晰的目标子区域得到,根据缺陷模型对融合图像进行识别,有利于提高检测效率和检测精度。
请参阅图3B,图3B为本申请实施例提供的另一检测装置的结构示意图。如图3B所示,该实施例相对于图3A所示实施例,检测装置310还包括采样单元315。
采样单元315,用于在处理器313从存储器314获取与被测物300对应的N个预设曝光时长之前,对被测物300进行识别,并将识别结果发送给处理器313。
比如当被测物放置在放射线发射单元和探测器之间之后,采样单元开始对被测物进行检测,以被测物为连接器为例,当连接器放置在放射线发射单元和探测器之间之后,采样单元对被测物进行识别,识别出被测物为连接器。
处理器313,在从所述存储器获取与所述被测物对应的N个预设曝光时长方面,具体用于根据从所述采样单元获取的所述识别结果从所述存储器获取与所述被测物对应的N个预设曝光时长。
需要说明的是,在存储器中保存了至少一个检测对象对应的预设曝光时长,比如在存储器中预先保存了连接器对应的N各预设曝光时长,比如,N可以为3,预设曝光时长可以为2秒、5秒和9秒。
在一些可能的实施方式中,处理器可以根据被测物的结构确定被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到存储器中。比如,若被测物包括3个不同的材质组成的结构G1、G2和G3,若这三个不同的结构在不同曝光时长时对应的清晰度不同,可以设定N=3,根据实验确定不同的结构在曝光多久时可以得到清晰的图像,举例来说,若结构G1在曝光时长为2秒时处理器根据探测器接收到的放射线可以得到结构G1的清晰图像,则结构G1对应的预设曝光时长为2秒。若结构G2在曝光时长为5秒时处理器根据探测器接收到的放射线可以得到结构G2的清晰图像,则结构G2对应的预设曝光时长为5秒。若结构G3在曝光时长为9秒时处理器根据探测器接收到的放射线可以得到结构G3的清晰图像,结构G3对应的预设曝光时长为9秒。因此,可以预先设置与被测物对应的3个预设曝光时长分别为2秒、5秒和9秒。
可以理解的是,在一些可能的实施方式中,被测物不同位置的材质是相同的,因为形状结构等存在差异,比如薄厚不同,也会使得被测物的不同位置在不同曝光时长时得到的图像清晰度不同,根据不同曝光时长得到的图像可以对不同位置进行检测。可以理解的,被测物预设时长的确定可以通过试验确定,确定后将预设时长保存在存储器中,在检测某个被测物时,从存储器中取出与该被测物对应的预设时长。
采用这种实施方式有利于对被测物进行自动检测,根据对被测物的识别结果处理器可以直接获取到与被测物对应的N个预设曝光时长。
请参阅图3C,图3C为本申请实施例提供的另一检测装置的结构示意图。如图3C所示,该实施例相对于图3B所示实施例,检测装置310还包括传送单元316。
传送单元316用于在采样单元315对被测物300进行识别之前,每隔预设时长将不同的被测物300传送到检测位置,检测位置位于放射线发射单元311和探测器312之间。
在一些可能的实施例中,传送带传送被测物的间隔时长由对对被测物的检测速度来确定,可以设置当前被测物的检测结果出来之后,下一个被测物才经传送带传送到放射线发射单元和探测器之间。比如,若一个被测物的检测周期为15秒,则传送带每隔15秒将另外一个被测物传送到检测位置。可以理解的是,不同的被测物对应传送带的传送速度也不同,比如若第一类被测物的检测时长为15秒,第二类被测物的检测时长为30秒,则当对第一类被测物进行检测时,传送带每隔15秒将下一个第一类被测物传送到被测位置。当对第二类被测物进行检测时,传送带每隔30秒将下一个第二类被测物传送到被测位置。可以理解的,传送带传送速度也可以采用检测时长最长的被测物对应的检测周期作为传送带传送相邻两个被测物的间隔时长。
采用该实施方式传送单元可以自动地将多个被测物逐一移动到检测位置进行检测,有利于提高检测效率。
在本申请一些可能的实施方式中,检测装置还可以包括:输出单元;所述处理器还用于,向所述输出单元发送第一消息,所述第一消息携带所述检测结果;所述输出单元根据接收到的所述第一消息输出所述检测结果。所述检测结果包括:正常、破损、毛边、刮伤、端子歪、管脚缺失中的一个或者多个;输出单元可以包括显示屏,可以在显示屏中显示各种可能的检测结果的概率、或者各种检测结果的个数、或者结合表示被测物的图片将检测出缺陷的位置在图中标示出来、以及标注出检测到的缺陷。这样有利于直观地显示和观察被测物可能存在的缺陷。
本申请实施例还提供了包括检测装置的电子设备,检测装置可以为前面任一实施例所述的检测装置。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种检测方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,该计算机程序使得计算机执行如上述方法实施例中记载的任何一种检测方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器、随机存取器、磁盘或光盘等。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,本领域普通技术人员可以理解实现上述实施例的全部或部分流程,并依本发明权利要求所作的等同变化,仍属于发明所涵盖的范围。
Claims (8)
1.一种检测方法,其特征在于,应用于电子设备中,所述电子设备包括:放射线发射单元、探测器、处理器和存储器,被测物放置在所述放射线发射单元和所述探测器之间;所述方法包括如下步骤:
所述处理器根据所述被测物的结构确定所述被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到所述存储器中;
所述处理器从所述存储器获取与所述被测物对应的N个预设曝光时长,所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域;
所述处理器根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到每个预设曝光时长分别对应的所述被测物的放射线透射图;
所述处理器识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像;
所述处理器根据缺陷模型对所述融合图像进行识别,得到对所述被测物的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述电子设备还包括采样单元,在所述处理器从所述存储器获取与所述被测物对应的N个预设曝光时长之前,所述方法还包括:
所述采样单元对所述被测物进行识别,并将识别结果发送给所述处理器;
所述处理器根据获取的所述识别结果从所述存储器获取与所述被测物对应的N个预设曝光时长。
3.根据权利要求2所述的方法,其特征在于,所述电子设备还包括传送单元;在所述采样单元对所述被测物进行识别之前,所述方法还包括:
所述传送单元每隔预设时长将不同的所述被测物传送到检测位置,所述检测位置位于所述放射线发射单元和所述探测器之间。
4.根据权利要求1所述的方法,其特征在于,所述处理器根据缺陷模型对所述融合图像进行识别之前,所述方法还包括:
所述处理器根据预设的与所述被测物对应的缺陷训练样本进行缺陷数据训练和学习,得到所述被测物对应的缺陷模型。
5.一种检测装置,其特征在于,包括:放射线发射单元、探测器、处理器和存储器,被测物放置在所述放射线发射单元和所述探测器之间;
所述放射线发射单元,用于发射放射线,所述放射线用于照射所述被测物;
所述探测器,用于接收经所述被测物透射的放射线;
所述处理器,用于根据所述被测物的结构确定所述被测物对应的N个预设曝光时长,并将所述N个预设曝光时长保存到所述存储器中;从所述存储器获取与所述被测物对应的N个预设曝光时长,所述N为等于2或者大于2的整数,任一所述预设曝光时长对应的放射线透射图包括一个或者多个清晰的目标子区域;
所述处理器还用于,根据所述探测器在所述N个预设曝光时长中每个预设曝光时长获取的放射线,得到所述每个预设曝光时长分别对应的所述被测物的放射线透射图;
所述处理器还用于,识别每个所述放射线透射图中的目标子区域,根据识别出的目标子区域得到所述被测物的融合图像,并根据缺陷模型对所述融合图像进行识别,得到所述被测物的检测结果。
6.根据权利要求5所述的检测装置,其特征在于,所述检测装置还包括:
采样单元,用于在所述处理器从所述存储器获取与所述被测物对应的N个预设曝光时长之前,对所述被测物进行识别,并将识别结果发送给所述处理器;
所述处理器,在从所述存储器获取与所述被测物对应的N个预设曝光时长方面,具体用于根据从所述采样单元获取的所述识别结果从所述存储器获取与所述被测物对应的N个预设曝光时长。
7.根据权利要求6所述的检测装置,其特征在于,所述检测装置还包括:
传送单元,用于在所述采样单元对所述被测物进行识别之前,每隔预设时长将不同的所述被测物传送到检测位置,所述检测位置位于所述放射线发射单元和所述探测器之间。
8.根据权利要求5所述的检测装置,其特征在于,
所述处理器还用于,在根据缺陷模型对所述融合图像进行识别之前,根据预设的与所述被测物对应的缺陷训练样本进行缺陷数据训练和学习,得到所述被测物对应的缺陷模型。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/112272 WO2020082396A1 (zh) | 2018-10-27 | 2018-10-27 | 一种检测方法和检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111356914A CN111356914A (zh) | 2020-06-30 |
CN111356914B true CN111356914B (zh) | 2023-05-05 |
Family
ID=70330641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880068619.2A Active CN111356914B (zh) | 2018-10-27 | 2018-10-27 | 一种检测方法和检测装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111356914B (zh) |
WO (1) | WO2020082396A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882028B (zh) * | 2022-07-08 | 2022-10-21 | 深圳市瑞祥鑫五金制品有限公司 | 一种基于多摄像头的焊接端子检测方法、装置及*** |
CN115953422B (zh) * | 2022-12-27 | 2023-12-19 | 北京小米移动软件有限公司 | 边缘检测方法、装置及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105442A (zh) * | 2007-08-01 | 2008-01-16 | 北京交通大学 | 棉花中白色异物的多波长透反射检测方法及其装置 |
CN102495066A (zh) * | 2011-12-05 | 2012-06-13 | 江南大学 | 高光谱透射图像采集***及基于该***的豆荚无损检测方法 |
CN103247039A (zh) * | 2013-05-09 | 2013-08-14 | 河海大学常州校区 | 一种基于复合视觉的高压线缆带电检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01145556A (ja) * | 1987-12-02 | 1989-06-07 | Mitsubishi Heavy Ind Ltd | グラフアイト製シールの非破壊品質保証法 |
US10115040B2 (en) * | 2016-09-14 | 2018-10-30 | Kla-Tencor Corporation | Convolutional neural network-based mode selection and defect classification for image fusion |
-
2018
- 2018-10-27 CN CN201880068619.2A patent/CN111356914B/zh active Active
- 2018-10-27 WO PCT/CN2018/112272 patent/WO2020082396A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101105442A (zh) * | 2007-08-01 | 2008-01-16 | 北京交通大学 | 棉花中白色异物的多波长透反射检测方法及其装置 |
CN102495066A (zh) * | 2011-12-05 | 2012-06-13 | 江南大学 | 高光谱透射图像采集***及基于该***的豆荚无损检测方法 |
CN103247039A (zh) * | 2013-05-09 | 2013-08-14 | 河海大学常州校区 | 一种基于复合视觉的高压线缆带电检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111356914A (zh) | 2020-06-30 |
WO2020082396A1 (zh) | 2020-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476777B (zh) | 胸片图像处理方法、***、可读存储介质和设备 | |
JP2018113038A (ja) | 検査機器および荷物における銃器を検出する方法 | |
CN107561737B (zh) | 一种aoi***ipc参数自动调整的方法、装置及工具 | |
WO2015010531A1 (zh) | 人体安全检查方法和人体安全检查*** | |
CN111356914B (zh) | 一种检测方法和检测装置 | |
CN111476776B (zh) | 胸部病灶位置确定方法、***、可读存储介质和设备 | |
CN111243711A (zh) | 医学成像中的特征识别 | |
CN104778439B (zh) | 基于二维码的超声检测夹具类型智能识别方法及装置 | |
CN116934195A (zh) | 一种商品信息查验方法、装置、电子设备及存储介质 | |
JP2014173882A (ja) | 欠陥検出装置、欠陥検出方法および欠陥検出プログラム | |
CN211403010U (zh) | 显示面板异物定位装置 | |
CN109975332A (zh) | 一种应用于x光机的智能物检*** | |
CN113096111A (zh) | 物料检测方法、***、计算机程序产品及可读存储介质 | |
CN111344555B (zh) | 评估泌乳哺乳动物的健康状态的方法和*** | |
US10529453B2 (en) | Tool that analyzes image data and generates and displays a confidence indicator along with a cancer score | |
KR20210131695A (ko) | Led 패널 결함 검출을 위한 데이터 생성 장치 및 방법 | |
KR20220111214A (ko) | 인공지능 기반 제품 결함 검사 방법, 장치 및 컴퓨터 프로그램 | |
CN115165920A (zh) | 一种三维缺陷检测方法及检测设备 | |
KR20220109335A (ko) | 인공지능 기반 진단키트 검사 결과 이미지에서 비정형 이물질 배제를 통한 진단 검사 장치 및 방법 | |
CN113960687A (zh) | X射线图像处理装置及x射线图像处理方法 | |
JP4395581B2 (ja) | ワイヤ検出プログラム及びワイヤ検査装置 | |
KR20200044172A (ko) | 표면검사를 위한 딥러닝 학습방법 | |
CN110441315A (zh) | 电子部件测试设备和方法 | |
KR102585028B1 (ko) | 3차원 처리 기반 대상체 비파괴 검사 방법, 장치 및 시스템 | |
US20230375480A1 (en) | System, method and point of care device for image analysis of diagnostic assays |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |