摄像头模组的外观检测方法、装置、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110415214A(43)申请公布日2019.11.05(21)申请号201910562851.8(22)申请日2019.06.26(71)申请人北京迈格威科技有限公司地址100086北京市海淀区科学院南路2号融科资讯中心A座316-318(72)发明人吴拥谢箭焦松(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人莎日娜(51)Int.Cl.G06T7/00(2017.01)G06T7/10(2017.01)G01N21/88(2006.01)权利要求书2页说明书9页附图4页(54)发明名称摄像头模组的外观检测方法、装置、电子设备及存储介质(57)摘要本发明提供了一种摄像头模组的外观检测方法、装置、电子设备及存储介质，该方法包括：对待检测摄像头模组的外观图像进行目标检测，以分离出待检测摄像头模组中各个部件对应的部件图像；针对每个部件，根据所述部件对应的缺陷分割模型，对部件图像进行缺陷分割，得到缺陷分割结果图像，所述缺陷分割模型为深度学习模型；对所述缺陷分割结果图像进行分类，得到所述部件对应的缺陷类型；根据所述缺陷类型和所述缺陷分割结果图像，确定所述部件的缺陷检测结果。本发明实现了对摄像头模组外观的自动检测，而且由基于深度学习的缺陷分割模型对部件图像进行缺陷分割，对外观图像的颜色、光照、形态、对比度不敏感，提高了摄像头模组外观检测的准确性。CN110415214ACN110415214A权利要求书1/2页1.一种摄像头模组的外观检测方法，其特征在于，包括：对待检测摄像头模组的外观图像进行目标检测，以分离出所述待检测摄像头模组中各个部件对应的部件图像；针对每个部件，根据所述部件对应的缺陷分割模型，对所述部件图像进行缺陷分割，得到缺陷分割结果图像，所述缺陷分割模型为深度学习模型；对所述缺陷分割结果图像进行分类，得到所述部件对应的缺陷类型；根据所述缺陷类型和所述缺陷分割结果图像，确定所述部件的缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述部件对应的缺陷分割模型，对所述部件图像进行缺陷分割，得到缺陷分割结果图像，包括：将所述部件图像输入所述缺陷分割模型，得到所述部件图像中每个像素点属于缺陷区域的置信度；根据所述每个像素点属于缺陷区域的置信度，确定每个像素点的像素点类型，所述像素点类型包括缺陷或背景；根据所述每个像素点的像素点类型，确定包括缺陷区域的缺陷分割结果图像。3.根据权利要求1所述的方法，其特征在于，所述根据所述缺陷类型和所述缺陷分割结果图像，确定所述部件的缺陷检测结果，包括：根据所述缺陷类型，获取与所述缺陷类型对应的缺陷判断特征和缺陷判断规则；计算所述缺陷分割结果图像对应的缺陷判断特征的值；根据所述缺陷判断规则和所述缺陷判断特征的值，确定所述部件的缺陷检测结果。4.根据权利要求3所述的方法，其特征在于，在根据所述缺陷类型，获取与所述缺陷类型对应的缺陷判断特征和缺陷判断规则之前，还包括：针对所述缺陷类型，接收用户设置的缺陷判断特征和缺陷判断规则，并将所述缺陷判断特征和所述缺陷判断规则与所述缺陷类型对应保存到数据库中。5.根据权利要求1所述的方法，其特征在于，所述对待检测摄像头模组的外观图像进行目标检测，以分离出所述待检测摄像头模组中各个部件对应的部件图像，包括：将所述待检测摄像头模组的外观图像输入目标检测模型，得到所述待检测摄像头模组中各个部件对应的部件图像，所述目标检测模型为深度学习模型，由标记了各个部件的摄像头模组的外观图像样本集训练得到。6.根据权利要求1所述的方法，其特征在于，所述对所述缺陷分割结果图像进行分类，得到所述部件对应的缺陷类型，包括：获取与所述部件对应的缺陷分类模型，并将所述缺陷分割结果图像输入所述缺陷分类模型，得到所述部件对应的缺陷类型，所述缺陷分类模型为深度学习模型，由标记了各种缺陷类型的与所述部件对应的部件图像样本集训练得到。7.一种摄像头模组的外观检测装置，其特征在于，包括：部件定位模块，用于对待检测摄像头模组的外观图像进行目标检测，以分离出所述待检测摄像头模组中各个部件对应的部件图像；缺陷分割模块，用于针对每个部件，根据所述部件对应的缺陷分割模型，对所述部件图像进行缺陷分割，得到缺陷分割结果图像，所述缺陷分割模型为深度学习模型；缺陷分类模块，用于对所述缺陷分割结果图像进行分类，得到所述部件对应的缺陷类2CN110415214A权利要求书2/2页型；缺陷判定模块，用于根据所述缺陷类型和所述缺陷分割结果图像，确定所述部件的缺陷检测结果。8.根据权利要求7所述的装置，其特征在于，所述缺陷分割模块包括：像素点置信度确定单元，用于将所述部件图像输入所述缺陷分割模型，得到所述部件图像中每个像素点属