CN116542998B - 用于光刻薄膜电感的轮廓检测方法、装置、设备及介质 - Google Patents
用于光刻薄膜电感的轮廓检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116542998B CN116542998B CN202310255362.4A CN202310255362A CN116542998B CN 116542998 B CN116542998 B CN 116542998B CN 202310255362 A CN202310255362 A CN 202310255362A CN 116542998 B CN116542998 B CN 116542998B
- Authority
- CN
- China
- Prior art keywords
- contour
- template
- point
- target
- image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 94
- 238000001259 photo etching Methods 0.000 title description 5
- 239000010409 thin film Substances 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims 2
- 238000000034 method Methods 0.000 abstract description 35
- 230000007547 defect Effects 0.000 abstract description 14
- 238000012545 processing Methods 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 8
- 239000010408 film Substances 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001459 lithography Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域，尤其涉及一种用于光刻薄膜电感的轮廓检测方法、装置、设备及介质。该方法根据目标点差图像和模板点差图像，确定从模板图像和目标图像中提取的模板轮廓点和目标轮廓点对应的模板点差信息和目标点差信息，根据模板轮廓点在目标点差图像中对应的位置和模板轮廓线段的垂直方向在目标点差图像中搜索，将搜索到的与模板点差信息相同的目标点差信息对应的目标轮廓点作为候选轮廓点，将所有模板轮廓点和所有候选轮廓点进行比对，根据比对结果确定目标图像的轮廓检测结果，采用搜索方式并结合点差信息，能够快速且准确地搜索每个模板轮廓点对应的候选轮廓点，准确检测出轮廓缺陷的具体情况，提高轮廓检测的准确率和效率。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种用于光刻薄膜电感的轮廓检测方法、装置、设备及介质。
背景技术
对于大批量生产的光刻薄膜电感产品，采用人工方式进行产品轮廓缺陷的检测，往往需要耗费大量的人力资源，并且受到检测人员主观因素的影响，检测的准确率较低，目前，光刻薄膜电感产品的轮廓检测通常采用深度学习检测或者轮廓匹配检测的方式。
但是，深度学习检测的方式则需要对深度学习模型提供大量的标注数据，训练、使用和维护成本均较大，检测效率低，难以有效落地，而采用轮廓匹配检测的方式通常采用整体轮廓的特征与标准的模板特征进行比对，特征例如轮廓图像的矩、直方图或者轮廓树，但是，此类方式会消耗大量的计算资源，轮廓检测的效率同样较低，而且难以对轮廓图像中的异常位置进行准确定位，因此，如何提高轮廓检测的准确率和效率成为了亟待解决的问题。
发明内容
有鉴于此，本发明实施例提供了一种用于光刻薄膜电感的轮廓检测方法、装置、设备及介质，以解决轮廓检测的精确率较低的问题。
第一方面，本发明实施例提供一种用于光刻薄膜电感的轮廓检测方法，所述轮廓检测方法包括：
获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对所述目标二值图像和所述模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像；
获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对所述目标二值图像和所述模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像；
提取所述模板图像中的轮廓，得到模板轮廓线段，确定所述模板轮廓线段中每个模板轮廓点在所述模板点差图像中的模板点差信息，提取所述目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在所述目标点差图像中的目标点差信息；
针对任一个模板轮廓点，确定所述模板轮廓点在所述目标点差图像中对应的位置，以所述位置为起点，沿所述模板轮廓线段的垂直方向在所述目标点差图像中进行搜索，得到与所述模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为所述模板轮廓点的候选轮廓点；
遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将所述模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据所述比对结果确定所述目标图像的轮廓检测结果。
第二方面，本发明实施例提供一种用于光刻薄膜电感的轮廓检测装置，所述轮廓检测装置包括：
图像获取模块，用于获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对所述目标二值图像和所述模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像；
轮廓提取模块，用于提取所述模板图像中的轮廓，得到模板轮廓线段，确定所述模板轮廓线段中每个模板轮廓点在所述模板点差图像中的模板点差信息，提取所述目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在所述目标点差图像中的目标点差信息；
图像搜索模块，用于针对任一个模板轮廓点，确定所述模板轮廓点在所述目标点差图像中对应的位置，以所述位置为起点，沿所述模板轮廓线段的垂直方向在所述目标点差图像中进行搜索，得到与所述模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为所述模板轮廓点的候选轮廓点；
轮廓比对模块，用于遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将所述模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据所述比对结果确定所述目标图像的轮廓检测结果。
第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的轮廓检测方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的轮廓检测方法。
本发明实施例与现有技术相比存在的有益效果是：
获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对目标二值图像和模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像，提取模板图像中的轮廓，得到模板轮廓线段，确定模板轮廓线段中每个模板轮廓点在模板点差图像中的模板点差信息，提取目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在目标点差图像中的目标点差信息，针对任一个模板轮廓点，确定模板轮廓点在目标点差图像中对应的位置，以位置为起点，沿模板轮廓线段的垂直方向在目标点差图像中进行搜索，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为模板轮廓点的候选轮廓点，遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据比对结果确定目标图像的轮廓检测结果，根据点差信息结合搜索方式获取候选轮廓点，能够快速确定存在对应关系的候选轮廓点和模板轮廓点，再通过模板轮廓线段中所有模板轮廓点和所有候选轮廓点进行精细化比对，从而快速确定轮廓缺陷类型与缺陷位置，提高了轮廓检测的准确率和效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的一应用环境示意图；
图2是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的一实施场景的示意图；
图3是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的流程示意图；
图4是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的二值图像示意图；
图5是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的轮廓标识图像示意图；
图6是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的序列标识图像示意图；
图7是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的第一模板轮廓示意图；
图8是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的第一模板轮廓示意图所对应的第一轮廓缺陷示意图；
图9是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的第二模板轮廓示意图；
图10是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的第二模板轮廓示意图所对应的第二轮廓缺陷示意图；
图11是本发明实施例二提供的一种用于光刻薄膜电感的轮廓检测装置的结构示意图；
图12是本发明实施例三提供的一种计算机设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本发明说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
应理解，以下实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等计算机设备。服务端可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参见图2，是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的一实施场景的示意图，其中，图像采集设备与图像处理设备进行通信。其中，图像采集设备包括但不限于摄像头、录影机、移动终端等，图像处理设备可以对采集到的图像进行二值化处理，并将采集到的图像和二值化处理结果发送至图1中的服务端进行存储，光刻薄膜电感可以是待检测产品，电感图像即为待检测产品的表面图案，图像采集环境可以通过环形光源及底部平行背光源进行打光，在本实施例中，环形光源采用60°环形光源。需要说明的是，图像采集设备可以进行移动，以使得采集区域覆盖整个光刻薄膜电感，相应地，环形光源也应当随图像采集设备移动，图像采集设备所采集的图像可以包含不止一个电感图案，通过图像采集设备的位姿解算，利用图像拼接等技术实现光刻薄膜电感表面的图像采集。
参见图3，是本发明实施例一提供的一种用于光刻薄膜电感的轮廓检测方法的流程示意图，上述轮廓检测方法可以应用于图1中的客户端，客户端对应的计算机设备连接服务端，以获取需要进行轮廓检测的待检测产品的目标图像及其对应的目标二值图像、待检测产品对应模板的模板图像及其对应的模板二值图像。如图3所示，该轮廓检测方法可以包括以下步骤：
步骤S301，获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对目标二值图像和模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像。
其中，待检测产品可以是指需要进行轮廓检测的产品，目标图像可以是指通过图像采集设备对待检测产品进行采集得到的产品实际图像，目标二值图像可以是指对目标图像进行二值化处理后得到的二值图像。
模板图像可以是指待检测产品对应的标准产品通过图像采集设备采集到的产品标准图像，模板二值图像可以是指对模板图像进行二值化处理后得到的二值图像。
预设方向可以是指点差的计算方向，点差可以是指像素点对应像素值之间的差值，目标点差图像可以是指根据预设方向对目标二值图像进行点差计算得到的图像，模板点差图像可以是指根据预设方向对模板二值图像进行点差计算得到的图像。
具体地，在一种实施方式中，模板二值图像可以通过实施者人工设计产品区域的方式生成二值化图像，例如将产品区域像素点的像素值设置为255，其他像素点的像素值设置为0，此时无需获取模板图像，直接以生成的二值化图像作为模板二值图像即可。
参见图4，是本发明实施例一提供的用于光刻薄膜电感的轮廓检测方法的二值图像示意图，其中，黑色区域为像素值为0的像素点构成的区域，白色区域为像素值为255的像素点构成的区域。
二值化处理之前需要对图像进行灰度化处理，二值化处理可以采用阈值法，预设像素值阈值，将图像中大于该像素值阈值的像素点对应的像素值设置为255，其他像素点对应的像素值设置为0，该像素值阈值可以由实施者手动设置，例如设置为127。
在一种实施方式中，该像素值阈值也可以采用自适应阈值，例如采用图像中所有像素值的平均值、中位数等，或者采用基于灰度直方图统计的大津阈值法等。
由于点差计算的对象为二值图像，则每个像素点进行点差计算后的计算结果仅包含三种数值，也即0、255和-255。
需要说明的是，模板图像默认与目标图像是对齐的，也即对于任一个坐标点，该坐标点在模板图像和目标图像中分别对应的像素点均表征同一个真实位置，若模板图像与目标图像不对齐，可以通过模板匹配、添加标记物等方式获取目标图像的最优基准位置并对目标图像进行调整。
可选的是，预设方向包括至少一个参考方向；
按照预设方向分别对目标二值图像和模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像，包括：
按照每个参考方向分别对目标二值图像进行点差计算，得到对应参考方向的目标点差图像；
按照每个参考方向分别对模板二值图像进行点差计算，得到对应参考方向的模板点差图像。
其中，参考方向可以是指点差计算的方向，通常情况下，参考方向可以包括X方向和Y方向，其中，X方向可以是指图像坐标系的横轴正方向，Y方向可以是指图像坐标系的纵轴正方向。
具体地，预设方向可以包含超过一个参考方向，例如在本实施例中，可以采用X方向和Y方向作为参考方向，则得到的点差图像也对应为两张。针对二值图像中的任一个像素点，根据当前点差计算采用的参考方向，可以确定与该像素点相邻的像素点，例如，对于像素点(i,j)，其中，i可以是指像素点的横坐标，j可以是指像素点的纵坐标，若参考方向为X方向，则其相邻像素点为(i+1,j)，其点差值可以表示为p(i+1,j)-p(i,j)，若参考方向为Y方向，则其相邻像素点为(i,j+1)，其点差值可以表示为p(i,j+1)-p(i,j)，需要说明的是，若像素点位于二值图像的最后一行或者最后一列，则默认其点差值为预设值，预设值可以为0，遍历二值图像中的所有像素点，即可得到对应参考方向的点差图像。
本实施例中，设置多个参考方向作为预设方向，分别对目标二值图像和模板二值图像进行点差计算，使得任一个二值图像对应于多张点差图像，使得后续基于点差图像提取到的点差信息更加丰富，进而提高了基于点差信息进行后续候选轮廓点确定的准确性，也即提高了轮廓检测的准确率。
上述获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对目标二值图像和模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像的步骤，能够为后续轮廓点搜索提供点差信息，便于进行模板轮廓点和目标轮廓点对应关系的确定，能够有效避免轮廓点错误对应的情况，从而提高了轮廓检测的准确率。
步骤S302，提取模板图像中的轮廓，得到模板轮廓线段，确定模板轮廓线段中每个模板轮廓点在模板点差图像中的模板点差信息，提取目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在目标点差图像中的目标点差信息。
其中，轮廓可以表征图像中产品的外边缘信息，模板轮廓线段可以是指模板图像中标准产品的外边缘逼近线段，模板点差信息可以是指模板轮廓点在模板点差图像中对应的点差信息。
目标轮廓点可以是指目标图像中待检测产品的轮廓点，目标点差信息可以是指目标轮廓点在目标点差图像中对应的点差信息。
具体地，模板轮廓线段的轮廓提取可以采用多边形逼近的方式，例如采用OpenCV库中的approxPolyDP()函数实现，得到与真实轮廓近似的多边形轮廓，多边形轮廓可以包括若干个轮廓线段，相应地，模板图像中提取轮廓后得到至少一个模板轮廓线段。
需要说明的是，在提取到模板轮廓信息之后，可以根据每个像素点所属的模板轮廓线段，为对应像素点分配模板轮廓标识，模板轮廓标识可以表示为(m1,n1)，其中，m1可以是指像素点属于第m1个模板轮廓线段，n1可以是指像素点是第m1个模板轮廓线段中的第n1个像素点。
同理，在提取到目标轮廓信息之后，可以根据每个像素点所属的目标轮廓，为对应像素点分配目标轮廓标识，目标轮廓标识可以表示为(m2,n2)，其中，m2可以是指像素点属于第m2个目标轮廓，n2可以是指像素点是第m2个目标轮廓中的第n2个像素点。
进一步地，可以根据模板轮廓标识构建模板轮廓标识图像和模板序列标识图像，模板轮廓标识图像中所有像素点的像素值由像素点对应的m1值确定，模板序列标识图像中所有像素点的像素值由像素点对应的n1值确定。
同理，可以根据目标轮廓标识构建目标轮廓标识图像和目标序列标识图像，目标轮廓标识图像中所有像素点的像素值由像素点对应的m2值确定，目标序列标识图像中所有像素点的像素值由像素点对应的n2值确定，通过构建轮廓标识图像和序列标识图像，以能够快速记录像素点所属的轮廓信息，提高读取和查询效率。
参见图5，是本实施例提供的一轮廓标识图像示意图，其中，像素值为0的像素点为第一条轮廓包含的像素点，像素值为1的像素点为第二条轮廓包含的像素点，像素值为2的像素点为第三条轮廓包含的像素点。
参见图6，是本实施例提供的一序列标识图像示意图，该序列标识图像示意图与上述轮廓标识图像示意图对应同一产品图像，该序列标识图像示意图中，对于第一条轮廓中的像素点，以左上角点为起始点，该起始点对应的像素值为0，顺时针进行像素值赋予，此时像素值表示对应像素点在该轮廓中的序号，像素值赋予时依次增加1，例如，第一条轮廓中的像素点对应的像素值为0到13，第二条轮廓中的像素点对应的像素值为0到7，第三条轮廓中的像素点对应的像素值为0到11。
在一种实施方式中，在默认模板图像与目标图像是对齐的情况下，可以根据模板轮廓线段确定模板轮廓区域，例如采用最小外接矩形的方式确定，根据模板轮廓区域确定目标图像进行轮廓提取的范围，在本实施例中直接以模板轮廓区域作为目标图像进行轮廓提取的范围，在一种实施方式中，也可以对模板轮廓区域进行放缩，以放缩后的区域作为目标图像进行轮廓提取的范围，目标图像仅在该范围内进行轮廓提取处理，从而起到隔绝无关工况的效果，减少轮廓噪声的出现。
需要说明的是，在产品轮廓检测过程中，对于按照相同规格批量生产的多个待检测产品，均可以采用同一个模板图像，此时仅需对该模板图像进行处理，将对应的模板二值图像、模板点差图像、模板轮廓标识图像和模板序列标识图像存储，在使用时直接读取即可，从而进一步提高轮廓检测的效率。
在本实施例中，以单个模板轮廓线段为例，进行后续处理过程的说明，根据模板轮廓线段中各个模板轮廓点对应的坐标信息，提取所有坐标信息分别在模板点差图像中的像素值，也即模板点差信息，同理，能够确定每个目标轮廓点在目标点差图像中的目标点差信息。
上述提取模板图像中的轮廓，得到模板轮廓线段，确定模板轮廓线段中每个模板轮廓点在模板点差图像中的模板点差信息，提取目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在目标点差图像中的目标点差信息的步骤，提取模板轮廓点和目标轮廓点的点差信息，便于后续根据点差信息进行候选轮廓线段的选择，提高候选轮廓线段确定的准确率，而且，通过轮廓标识图像和序列标识图像对轮廓信息进行记录，便于提高读取和搜索的效率，从而提高轮廓检测的效率和准确率。
步骤S303，针对任一个模板轮廓点，确定模板轮廓点在目标点差图像中对应的位置，以位置为起点，沿模板轮廓线段的垂直方向在目标点差图像中进行搜索，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为模板轮廓点的候选轮廓点。
其中，位置可以是指模板轮廓线段中任一模板轮廓点对应的坐标，垂直方向可以是指模板轮廓线段所在直线的垂线方向，候选轮廓点可以是指与模板轮廓点存在对应关系的目标轮廓点。
可选的是，以位置为起点，沿模板轮廓线段的垂直方向在目标点差图像中进行搜索，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，包括：
根据起点和垂直方向确定搜索直线，获取在搜索直线上的与模板轮廓点最近的目标轮廓点；
将目标轮廓点对应的目标点差信息与模板轮廓点的模板点差信息进行比对，若比对结果一致，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点。
其中，搜索直线可以是指用于搜索目标轮廓点的直线。
具体地，模板轮廓线段的垂直方向可以包括正方向和负方向，以其中一个方向搜索时，根据起点和方向可以确定出一条射线，而在正方向和负方向上均进行搜索时，也即构成搜索直线进行搜索。
若比对结果一致，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，即可停止搜索过程。
若比对结果不一致，则继续搜索，直至得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，此时该目标轮廓点与模板轮廓点之间的距离，在所有与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点分别与模板轮廓点之间的距离中是最小的。
由于模板点差图像和目标点差图像可能存在多张的情况，因此目标点差信息和模板点差信息比对方式根据点差图像的数量确定，例如，若模板点差图像和目标点差图像均为一张，则将每个目标点差信息分别与模板点差信息进行比较，得到与模板点差信息相同的至少一个目标点差信息。
若模板点差图像和目标点差图像均为两张，相应地，单个模板轮廓点存在两个模板点差信息，将两个模板点差值视作一个模板点差对，同理，每个目标轮廓点对应一个目标点差对，将每个目标点差对分别与模板点差对进行比较，当比较结果中存在一个目标点差值与对应的模板点差值相同，另一个目标点差值与对应的模板点差值不相反，则确定该目标点差对对应的目标轮廓点所属的目标轮廓点为候选轮廓点，例如模板点差对为(255,255)，则满足条件的目标点差对应当为(0,255)、(255,255)和(255,0)。
本实施例中，通过搜索的方式获取与模板轮廓点存在对应关系的目标轮廓点，搜索范围仅限制于搜索直线，搜索范围较小，并且仅搜索距离最近的目标轮廓点，能够有效确保搜索的效率和准确率。
可选的是，将满足预设条件的目标轮廓点作为模板轮廓点的候选轮廓点，包括：
针对与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，获取目标轮廓点在目标点差图像中对应的位置，计算目标轮廓点的位置与模板轮廓点的位置之间的距离，得到点位距离；
若点位距离小于预设的搜索阈值，则确定目标轮廓点满足预设条件，将目标轮廓点作为所述候选轮廓点。
其中，点位距离可以是指目标轮廓点和模板轮廓点之间的距离，预设的搜索阈值可以用于衡量搜索到的目标轮廓点是否为超界轮廓点。
具体地，由于目标轮廓点和模板轮廓点均根据模板点差图像进行位置确定，因此可以直接采用位置坐标之间的欧式距离进行点位距离的计算，搜索阈值可以设置为3，实施者可以根据实际情况调整该搜索阈值。
本实施例中，通过搜索阈值对搜索到的目标轮廓点进行筛选，能够剔除掉明显与模板轮廓点不存在对应关系的目标轮廓点，进而使得后续轮廓检测的计算量减小，提高了轮廓检测的准确率和效率。
上述针对任一个模板轮廓点，确定模板轮廓点在目标点差图像中对应的位置，以位置为起点，沿模板轮廓线段的垂直方向在目标点差图像中进行搜索，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为模板轮廓点的候选轮廓点的步骤，采用搜索方式获取目标轮廓点，并根据点差信息进行候选轮廓点的选择，能够快速确定存在对应关系的候选轮廓点和模板轮廓点，便于后续进行候选轮廓点和模板轮廓点进行精细化比对，提高轮廓检测的效率和准确率。
步骤S304，遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据比对结果确定目标图像的轮廓检测结果。
其中，比对方式可以是指将模板轮廓线段中的各个模板轮廓点和对应的候选轮廓点进行逐点比对，轮廓检测结果可以包括轮廓分裂、轮廓缺失或污染、轮廓粘连、轮廓凸起、轮廓凹陷等结果。
具体地，每个候选轮廓点均有其所属的候选轮廓线条，根据存在对应关系的模板轮廓点和候选轮廓点，可以确定存在对应关系的模板轮廓线段和候选轮廓线条，若存在对应关系的模板轮廓线段和候选轮廓线条中存在未被对应的模板轮廓点或者候选轮廓点，则可以采用插值的方式进行对应，以使得每个模板轮廓点或者每个候选轮廓点均存在对应关系，例如，存在对应关系的模板轮廓线段A和候选轮廓线条B，A中的模板轮廓点a1对应于B中的候选轮廓点b3，A中的模板轮廓点a3对应于B中的候选轮廓点b2，若模板轮廓点a1和模板轮廓点a3之间还存在模板轮廓点a2，则根据模板轮廓点a2分别与模板轮廓点a1和模板轮廓点a3的距离，确定距离较小的模板轮廓点对应的候选轮廓点也与模板轮廓点a2存在对应关系，同理，对于候选轮廓点也采用同样的方式进行对应关系的建立。在对应关系建立后，若存在多个模板轮廓点与单个候选轮廓点存在对应关系，则说明存在轮廓粘连情况，若存在单个模板轮廓点与多个候选轮廓点存在对应关系，则说明存在轮廓分裂情况，若仍然存在模板轮廓线段中的模板轮廓点没有对应的候选轮廓点，则说明存在轮廓缺失或污染的情况。
参见图7，是本实施例提供的第一模板轮廓示意图，其中，白色像素点可以表示模板轮廓信息，记为第一模板轮廓。
参见图8，是本发明实施例提供的第一模板轮廓示意图所对应的第一轮廓缺陷示意图，其中，白色像素点可以表示正常轮廓信息，也即与第一模板轮廓比对结果正常的产品轮廓点，黑色像素点可以表示异常轮廓信息，也即与第一模板轮廓比对结果异常的产品轮廓点，在存在黑色像素点时，可以认为产品轮廓存在缺陷。
参见图9，是本实施例提供的第二模板轮廓示意图，其中，白色像素点同样可以表示模板轮廓信息，记为第二模板轮廓。
参见图10，是本发明实施例提供的第二模板轮廓示意图所对应的第二轮廓缺陷示意图，其中，白色像素点同样表示正常轮廓信息，也即与第二模板轮廓比对结果正常的产品轮廓点，黑色像素点也同样表示异常轮廓信息，也即与第二模板轮廓比对结果异常的产品轮廓点，在存在黑色像素点时，可以认为产品轮廓存在缺陷。
可选的是，将模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据比对结果确定目标图像的轮廓检测结果包括：
计算所有模板轮廓点与其对应的候选轮廓点之间的距离的均值，得到第一距离值；
由所有候选轮廓点形成候选轮廓线条，若第一距离值大于预设的距离阈值，则确定候选轮廓线条为异常线条。
其中，第一距离值可以是指存在对应关系的各组模板轮廓点和候选轮廓点之间的距离的均值，候选轮廓线条可以是指由候选轮廓点拟合得到的线条。预设距离阈值可以用于判定候选轮廓线条是否为异常线条。
具体地，当第一距离值大于预设的距离阈值，说明模板轮廓线段无法与候选轮廓线条对应，此时待检测产品的候选轮廓线条属于异常偏离情况，将该候选轮廓线条确定为异常线条。
本实施例中，通过预设距离阈值与第一距离值进行比对，对异常情况进行初次判断，得到存在明显异常的候选轮廓线条，无需进行后续精细化比对，从而提高了轮廓检测的效率和准确率。
可选的是，在得到第一距离值之后，还包括：
若第一距离值小于或者等于预设的距离阈值，则计算模板轮廓线段中的每个模板轮廓点分别与其对应的候选轮廓点进行距离计算，得到对应模板轮廓点的第二距离值；
当存在任一个第二距离值大于第一距离值，确定轮廓检测结果为轮廓凸起结果；
当存在任一个第二距离值小于第一距离值，确定轮廓检测结果为轮廓凹陷结果。
其中，第二距离值可以表示模板轮廓点与其对应的候选轮廓点之间的距离。
具体地，若不存在异常情况，则候选轮廓线条应当与模板轮廓线段重合，在允许出现平移误差的情况下，基于候选轮廓线条进行直线拟合得到的候选轮廓线段应当与模板轮廓线段互为平行关系，候选轮廓线段和模板轮廓线段各自所属平行线之间的距离即为第一距离值。
在本实施例中，当存在任一个第二距离值大于第一距离值，说明对应模板轮廓点和候选轮廓点之间距离不满足平行关系，且候选轮廓点处存在凸起情况，当存在任一个第二距离值小于第一距离值，说明对应模板轮廓点和候选轮廓点之间距离不满足平行关系，且候选轮廓点处存在凹陷情况。
在一实施方式中，由于多边形逼近方式得到的模板轮廓线段与真实轮廓可能存在一定的偏差，产品制造也会有一定的误差容忍范围，因此，实施者可以设置对应的凸起阈值和凹陷阈值，在本实施例中，凸起阈值和凹陷阈值均设置为4，实施者可以根据实际情况调整该凸起阈值和该凹陷阈值，则当存在任一个第二距离值大于第一距离值，且第二距离值和第二距离值的差值绝对值大于凸起阈值，确定轮廓检测结果为轮廓凸起结果，当存在任一个第二距离值小于第一距离值，且第二距离值和第二距离值的差值绝对值大于凹陷阈值，确定轮廓检测结果为轮廓凹陷结果。
本实施例中，通过距离比对的方式，能够准确识别出轮廓凸起和轮廓凹陷的轮廓异常，并且精确定位至像素点，从而精确且快速地检测出缺陷大小和位置，提高了轮廓检测的效率和准确率。
可选的是，在得到比对结果之后，还包括：
确定存在交点的两个模板轮廓线段中的所有模板轮廓点组成模板点集合，确定两个模板轮廓线段中的所有模板轮廓点对应的候选轮廓点组成候选点集合；
将模板点集合和候选点集合进行比对，得到参考比对结果；
相应地，根据比对结果确定目标图像的轮廓检测结果包括：
根据比对结果和参考比对结果，确定目标图像的轮廓检测结果。
其中，两个模板轮廓线段的交点通常为拐点，模板点集合可以包括存在交点的两个模板轮廓线段中的所有模板轮廓点，候选点集合可以包括两个模板轮廓线段中的所有模板轮廓点对应的候选轮廓点，参考比对结果可以用于对比对结果进行复核。
具体地，对于存在拐点的两个模板轮廓线段，以正矩形的单个顶点区域为例，单个顶点区域包括两个互相垂直的线段，顶点坐标为(1,1)，若该顶点区域存在斜向偏移情况，也即在对应的目标轮廓中顶点坐标变更为(0，0)，在分别进行与搜索到的候选轮廓点进行距离计算时，可能会计算出对应点之间的距离为1，但是，在实际对应关系中，拐点处的模板轮廓点与候选轮廓点对应，此时真实的距离应当是√2，因此，将存在交点的两个模板轮廓线段中的所有模板轮廓点组成模板点集合，以整体方式进行比对，得到参考比对结果。
在一种实施方式中，具体比对方式可以是根据交点及其对应点，确定平移方向，根据平移方向将模板点集合平移，在平移后再进行比对，得到参考比对结果。
若参考比对结果与比对结果一致，则根据比对结果确定目标图像的轮廓检测结果，若参考比对结果与比对结果不一致，则根据参考比对结果确定目标图像的轮廓检测结果。
本实施例中，将存在拐点的模板轮廓线段中的所有模板轮廓点进行组合再进行局部比对，以实现复检的效果，避免因存在角点而导致轮廓比对过程出现误判，从而提高了轮廓检测的准确率。
上述遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据比对结果确定目标图像的轮廓检测结果的步骤，能够快速且准确地确定轮廓缺陷的类型及位置，提高了轮廓检测的效率和准确率。
本实施例中，根据点差信息结合搜索方式获取候选轮廓点，能够快速确定存在对应关系的候选轮廓点和模板轮廓点，再通过模板轮廓线段中所有模板轮廓点和所有候选轮廓点进行精细化比对，从而快速确定轮廓缺陷类型与缺陷位置，提高了轮廓检测的准确率和效率。
对应于上文实施例的用于光刻薄膜电感的轮廓检测方法，图11示出了本发明实施例二提供的用于光刻薄膜电感的轮廓检测装置的结构框图，上述轮廓检测装置应用于客户端，客户端对应的计算机设备连接服务端，以获取需要进行轮廓检测的待检测产品的目标图像及其对应的目标二值图像、待检测产品对应模板的模板图像及其对应的模板二值图像。为了便于说明，仅示出了与本发明实施例相关的部分。
参见图11，该轮廓检测装置包括：
图像获取模块111，用于获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对目标二值图像和模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像；
轮廓提取模块112，用于提取模板图像中的轮廓，得到模板轮廓线段，确定模板轮廓线段中每个模板轮廓点在模板点差图像中的模板点差信息，提取目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在目标点差图像中的目标点差信息；
图像搜索模块113，用于针对任一个模板轮廓点，确定模板轮廓点在目标点差图像中对应的位置，以位置为起点，沿模板轮廓线段的垂直方向在目标点差图像中进行搜索，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为模板轮廓点的候选轮廓点；
轮廓比对模块114，用于遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据比对结果确定目标图像的轮廓检测结果。
可选的是，预设方向包括至少一个参考方向；
上述图像获取模块111包括：
第一点差计算单元，用于按照每个参考方向分别对目标二值图像进行点差计算，得到对应参考方向的目标点差图像；
第二点差计算单元，用于按照每个参考方向分别对模板二值图像进行点差计算，得到对应参考方向的模板点差图像。
可选的是，上述图像搜索模块113包括：
直线确定单元，用于根据起点和垂直方向确定搜索直线，获取在搜索直线上的与模板轮廓点最近的目标轮廓点；
信息比对单元，用于将目标轮廓点对应的目标点差信息与模板轮廓点的模板点差信息进行比对，得到与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点。
可选的是，上述图像搜索模块113还包括：
点位距离计算单元，用于针对与模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，获取目标轮廓点在目标点差图像中对应的位置，计算目标轮廓点的位置与模板轮廓点的位置之间的距离，得到点位距离；
条件筛选单元，用于若点位距离小于预设的搜索阈值，则确定目标轮廓点满足预设条件，将目标轮廓点作为所述候选轮廓点。
可选的是，上述轮廓比对模块114包括：
第一距离计算单元，用于计算所有模板轮廓点与其对应的候选轮廓点之间的距离的均值，得到第一距离值；
线段异常判断单元，用于由所有候选轮廓点形成候选轮廓线条，若第一距离值大于预设的距离阈值，则确定候选轮廓线条为异常线条。
可选的是，上述轮廓比对模块114还包括：
第二距离计算单元，用于若第一距离值小于或者等于预设的距离阈值，则计算模板轮廓线段中的每个模板轮廓点分别与其对应的候选轮廓点进行距离计算，得到对应模板轮廓点的第二距离值；
第一异常判断单元，用于当存在任一个第二距离值大于第一距离值，确定轮廓检测结果为轮廓凸起结果；
第二异常判断单元，用于当存在任一个第二距离值小于第一距离值，确定轮廓检测结果为轮廓凹陷结果。
可选的是，上述轮廓检测装置还包括：
集合确定模块，用于确定存在交点的两个模板轮廓线段中的所有模板轮廓点组成模板点集合，确定两个模板轮廓线段中的所有模板轮廓点对应的候选轮廓点组成候选点集合；
集合比对模块，用于将模板点集合和候选点集合进行比对，得到参考比对结果；
相应地，上述轮廓比对模块114还包括：
结果确定单元，用于根据比对结果和参考比对结果，确定目标图像的轮廓检测结果。
需要说明的是，上述模块、单元、子单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图12为本发明实施例三提供的一种计算机设备的结构示意图。如图12所示，该实施例的计算机设备包括：至少一个处理器(图12中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个轮廓检测方法实施例中的步骤。
该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图12仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括网络接口、显示屏和输入装置等。
所称处理器可以是CPU，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备上配备的插接式硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。
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或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，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来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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，模块或单元的划分，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系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于光刻薄膜电感的轮廓检测方法，其特征在于，所述轮廓检测方法包括：
获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对所述目标二值图像和所述模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像；
提取所述模板图像中的轮廓，得到模板轮廓线段，确定所述模板轮廓线段中每个模板轮廓点在所述模板点差图像中的模板点差信息，提取所述目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在所述目标点差图像中的目标点差信息；
针对任一个模板轮廓点，确定所述模板轮廓点在所述目标点差图像中对应的位置，以所述位置为起点，沿所述模板轮廓线段的垂直方向在所述目标点差图像中进行搜索，得到与所述模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为所述模板轮廓点的候选轮廓点；
遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将所述模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据所述比对结果确定所述目标图像的轮廓检测结果。
2.根据权利要求1所述的轮廓检测方法，其特征在于，所述预设方向包括至少一个参考方向；
所述按照预设方向分别对所述目标二值图像和所述模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像，包括：
按照每个参考方向分别对所述目标二值图像进行点差计算，得到对应参考方向的目标点差图像；
按照每个参考方向分别对所述模板二值图像进行点差计算，得到对应参考方向的模板点差图像。
3.根据权利要求1所述的轮廓检测方法，其特征在于，所述以所述位置为起点，沿所述模板轮廓线段的垂直方向在所述目标点差图像中进行搜索，得到与所述模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，包括：
根据所述起点和所述垂直方向确定搜索直线，获取在所述搜索直线上的与所述模板轮廓点最近的目标轮廓点；
将所述目标轮廓点对应的目标点差信息与所述模板轮廓点的模板点差信息进行比对，若比对结果一致，得到与所述模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点。
4.根据权利要求3所述的轮廓检测方法，其特征在于，所述将满足预设条件的目标轮廓点作为所述模板轮廓点的候选轮廓点，包括：
针对与所述模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，获取所述目标轮廓点在所述目标点差图像中对应的位置，计算所述目标轮廓点的位置与所述模板轮廓点的位置之间的距离，得到点位距离；
若所述点位距离小于预设的搜索阈值，则确定所述目标轮廓点满足预设条件，将所述目标轮廓点作为所述候选轮廓点。
5.根据权利要求1所述的轮廓检测方法，其特征在于，所述将所述模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据所述比对结果确定所述目标图像的轮廓检测结果包括：
计算所有模板轮廓点与其对应的候选轮廓点之间的距离的均值，得到第一距离值；
由所有候选轮廓点形成候选轮廓线条，若所述第一距离值大于预设的距离阈值，则确定所述候选轮廓线条为异常线条。
6.根据权利要求5所述的轮廓检测方法，其特征在于，在所述得到第一距离值之后，还包括：
若所述第一距离值小于或者等于预设的距离阈值，则计算所述模板轮廓线段中的每个模板轮廓点分别与其对应的候选轮廓点进行距离计算，得到对应模板轮廓点的第二距离值；
当存在任一个第二距离值大于所述第一距离值，确定所述轮廓检测结果为轮廓凸起结果；
当存在任一个第二距离值小于所述第一距离值，确定所述轮廓检测结果为轮廓凹陷结果。
7.根据权利要求1至6任一项所述的轮廓检测方法，其特征在于，在所述得到比对结果之后，还包括：
确定存在交点的两个模板轮廓线段中的所有模板轮廓点组成模板点集合，确定所述两个模板轮廓线段中的所有模板轮廓点对应的候选轮廓点组成候选点集合；
将所述模板点集合和所述候选点集合进行比对，得到参考比对结果；
相应地，所述根据所述比对结果确定所述目标图像的轮廓检测结果包括：
根据所述比对结果和所述参考比对结果，确定所述目标图像的轮廓检测结果。
8.一种用于光刻薄膜电感的轮廓检测装置，其特征在于，所述轮廓检测装置包括：
图像获取模块，用于获取待检测产品的目标图像对应的目标二值图像以及模板图像对应的模板二值图像，按照预设方向分别对所述目标二值图像和所述模板二值图像进行点差计算，得到对应目标二值图像的目标点差图像和对应模板二值图像的模板点差图像；
轮廓提取模块，用于提取所述模板图像中的轮廓，得到模板轮廓线段，确定所述模板轮廓线段中每个模板轮廓点在所述模板点差图像中的模板点差信息，提取所述目标图像中的轮廓，得到至少一个目标轮廓点，确定每个目标轮廓点在所述目标点差图像中的目标点差信息；
图像搜索模块，用于针对任一个模板轮廓点，确定所述模板轮廓点在所述目标点差图像中对应的位置，以所述位置为起点，沿所述模板轮廓线段的垂直方向在所述目标点差图像中进行搜索，得到与所述模板轮廓点的模板点差信息相同的目标点差信息对应的目标轮廓点，将满足预设条件的目标轮廓点作为所述模板轮廓点的候选轮廓点；
轮廓比对模块，用于遍历所有模板轮廓点，得到对应模板轮廓点的候选轮廓点，将所述模板轮廓线段中的所有模板轮廓点和所有候选轮廓点进行比对，得到比对结果，根据所述比对结果确定所述目标图像的轮廓检测结果。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的轮廓检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的轮廓检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310255362.4A CN116542998B (zh) | 2023-03-15 | 2023-03-15 | 用于光刻薄膜电感的轮廓检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310255362.4A CN116542998B (zh) | 2023-03-15 | 2023-03-15 | 用于光刻薄膜电感的轮廓检测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116542998A CN116542998A (zh) | 2023-08-04 |
| CN116542998B true CN116542998B (zh) | 2023-11-17 |
Family
ID=87447853
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310255362.4A Active CN116542998B (zh) | 2023-03-15 | 2023-03-15 | 用于光刻薄膜电感的轮廓检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116542998B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118134923B (zh) * | 2024-05-07 | 2024-08-20 | 青岛众屹科锐工程技术有限公司 | 一种基于人工智能的高速物品视觉检测方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6621924B1 (en) * | 1999-02-26 | 2003-09-16 | Sony Corporation | Contour extraction apparatus, a method thereof, and a program recording medium |
| CN103364410A (zh) * | 2013-07-23 | 2013-10-23 | 三峡大学 | 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法 |
| CN108037133A (zh) * | 2017-12-27 | 2018-05-15 | 武汉市智勤创亿信息技术股份有限公司 | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 |
| CN108037132A (zh) * | 2017-12-25 | 2018-05-15 | 华南理工大学 | 一种用于干电池浆层纸卷绕缺陷检测的视觉传感器系统及方法 |
| CN112085755A (zh) * | 2020-09-14 | 2020-12-15 | 贝壳技术有限公司 | 物体轮廓检测方法、装置以及设备、存储介质 |
| CN112348797A (zh) * | 2020-11-09 | 2021-02-09 | 东方晶源微电子科技（北京）有限公司深圳分公司 | 一种双重图形掩模优化结果的跨接缺陷检测方法及电子设备 |
| CN112598657A (zh) * | 2020-12-28 | 2021-04-02 | 锋睿领创(珠海)科技有限公司 | 缺陷检测方法、装置、模型构造方法和计算机设备 |
| CN112734761A (zh) * | 2021-04-06 | 2021-04-30 | 中科慧远视觉技术(北京)有限公司 | 工业品图像边界轮廓提取方法 |
| CN114199895A (zh) * | 2021-12-15 | 2022-03-18 | 珠海高纳智能科技有限公司 | 一种电感缺陷视觉检测方法 |
| CN114943704A (zh) * | 2022-05-24 | 2022-08-26 | 蜂巢能源科技股份有限公司 | 一种电池电极模切件缺陷检测方法、装置和设备 |
-
2023
- 2023-03-15 CN CN202310255362.4A patent/CN116542998B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6621924B1 (en) * | 1999-02-26 | 2003-09-16 | Sony Corporation | Contour extraction apparatus, a method thereof, and a program recording medium |
| CN103364410A (zh) * | 2013-07-23 | 2013-10-23 | 三峡大学 | 一种基于模板搜索的水工混凝土结构水下表面裂缝检测方法 |
| CN108037132A (zh) * | 2017-12-25 | 2018-05-15 | 华南理工大学 | 一种用于干电池浆层纸卷绕缺陷检测的视觉传感器系统及方法 |
| CN108037133A (zh) * | 2017-12-27 | 2018-05-15 | 武汉市智勤创亿信息技术股份有限公司 | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 |
| CN112085755A (zh) * | 2020-09-14 | 2020-12-15 | 贝壳技术有限公司 | 物体轮廓检测方法、装置以及设备、存储介质 |
| CN112348797A (zh) * | 2020-11-09 | 2021-02-09 | 东方晶源微电子科技（北京）有限公司深圳分公司 | 一种双重图形掩模优化结果的跨接缺陷检测方法及电子设备 |
| CN112598657A (zh) * | 2020-12-28 | 2021-04-02 | 锋睿领创(珠海)科技有限公司 | 缺陷检测方法、装置、模型构造方法和计算机设备 |
| CN112734761A (zh) * | 2021-04-06 | 2021-04-30 | 中科慧远视觉技术(北京)有限公司 | 工业品图像边界轮廓提取方法 |
| CN114199895A (zh) * | 2021-12-15 | 2022-03-18 | 珠海高纳智能科技有限公司 | 一种电感缺陷视觉检测方法 |
| CN114943704A (zh) * | 2022-05-24 | 2022-08-26 | 蜂巢能源科技股份有限公司 | 一种电池电极模切件缺陷检测方法、装置和设备 |
Non-Patent Citations (5)
| Title |
|---|
| A Novel Pixel Orientation Estimation Based Line Segment Detection Framework, and Its Applications to SAR Images;Chenguang Liu等;《IEEE Transactions on Geoscience and Remote Sensing》;第60卷;1-18 * |
| Investigation on Multisets Mixture Learning Based Object Detection;Zhiyong Liu等;《International Journal of Pattern Recognition and Artificial Intelligence》;第21卷(第08期);1339-1351 * |
| 基于机器视觉的刹车片尺寸综合检测系统研究;胡琳丽;《中国优秀硕士学位论文全文数据库_工程科技Ⅱ辑》;C035-279 * |
| 基于机器视觉的触摸屏玻璃缺陷检测方法研究;陈晓红;《中国优秀硕士学位论文全文数据库_信息科技辑》;I140-662 * |
| 空间目标快速轮廓特征提取与跟踪技术;曹姝清;刘宗明;牟金震;张翰墨;张宇;;飞控与探测(第02期);38-43 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116542998A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
| CN106960208B (zh) | 一种仪表液晶数字自动切分和识别的方法及系统 | |
| CN108564579B (zh) | 一种基于时空相关的混凝土裂缝检测方法及检测装置 | |
| CN111898610B (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
| CN109447074B (zh) | 一种车牌识别方法及终端设备 | |
| CN109509200A (zh) | 基于轮廓提取的棋盘格角点检测方法、装置以及计算机可读存储介质 | |
| CN109740417B (zh) | 发票类型识别方法、装置、存储介质和计算机设备 | |
| CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
| CN117094975A (zh) | 钢铁表面缺陷检测方法、装置及电子设备 | |
| CN116542998B (zh) | 用于光刻薄膜电感的轮廓检测方法、装置、设备及介质 | |
| CN112419207A (zh) | 一种图像矫正方法及装置、系统 | |
| CN112052859B (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
| CN111695374B (zh) | 监控视角中斑马线区域的分割方法、系统、介质及设备 | |
| CN115345895B (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 | |
| CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
| CN111062984A (zh) | 视频图像区域面积的测量方法、装置、设备及存储介质 | |
| CN113378847B (zh) | 字符分割方法、系统、计算机设备和存储介质 | |
| CN116188826A (zh) | 一种复杂光照条件下的模板匹配方法及装置 | |
| CN116228861A (zh) | 探针台标记物定位方法、装置、电子设备及存储介质 | |
| CN115423765A (zh) | 一种基于模板图像的晶粒缺陷量化分割方法 | |
| CN115619725A (zh) | 电子元器件检测方法、装置、电子设备及自动质检设备 | |
| CN112085683A (zh) | 一种显著性检测中的深度图可信度检测方法 | |
| CN118071831B (zh) | 图像粗定位方法、设备及计算机可读存储介质 | |
| CN112686246B (zh) | 一种车牌字符分割方法、装置、存储介质及终端设备 | |
| CN118037552A (zh) | 一种二维码缺陷修复方法、装置、设备及介质 |
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 |