用于自动化缺陷检测的方法和装置与流程

背景技术：

1、在制造之后，可以对设备进行检查以检测缺陷。这防止有缺陷的产品到达市场。作为对检查的辅助，可以获取设备的图像。例如，可以使用光学显微术图像或扫描超声显微术图像以辅助小型设备中的表面缺陷的检测，而可以使用扫描超声显微术图像或x射线图像以检测设备内的缺陷。

2、通常，对操作者进行训练，以检查这些图像，以识别设备中的缺陷。然而，这要求广泛训练，并且另外，由于低对比度缺陷、操作者间的变动、疲劳、以及要分析的设备的庞大数目，该过程易于出错。

3、存在这些图像的自动化分析的各种方法以检测缺陷。然而，可分析的不同设备的数目、设备自身的复杂性以及缺陷范例的有限数目可能导致在具有足够数据以训练自动化分类器时的大困难。

技术实现思路

技术特征：

1.一种自动化检查的方法，包括：

2.如权利要求1所述的方法，进一步包括：

3.如权利要求1所述的方法，其中生成差别图像包括：计算所获取的图像的像素与所述参考图像的像素之间的逐像素差别。

4.如权利要求1所述的方法，进一步包括：在生成差别图像之前调整所获取的图像，其中所述调整包括旋转、平移、缩放、强度归一化和对比度归一化中的一个或多个。

5.如权利要求4所述的方法，其中所述调整基于对所获取的图像与所述参考图像之间的差别的度量进行最小化。

6.如权利要求1所述的方法，进一步包括：将所述参考图像生成为与所述检查中对象相同类型的一个或多个无缺陷对象的多个图像的均值。

7.如权利要求1所述的方法，进一步包括：

8.如权利要求7所述的方法，进一步包括：基于所确定的标准差来缩放所述差别图像的值。

9.如权利要求1所述的方法，进一步包括：

10.如权利要求9所述的方法，其中所述分类标签是现有分类标签或新分类标签。

11.如权利要求9所述的方法，进一步包括：

12.如权利要求11所述的方法，进一步包括：

13.如权利要求1所述的方法，进一步包括：

14.如权利要求13所述的方法，所述仿真图像包括差别图像。

15.如权利要求1所述的方法，其中获取检查中对象的图像包括：

16.如权利要求1所述的方法，其中获取检查中对象的图像包括：捕获所反射或发射的电磁辐射的图像。

17.如权利要求1所述的方法，其中获取检查中对象的图像包括：从图像的数据库检索所述图像。

18.一种装置，包括：

19.如权利要求18所述的装置，进一步包括：

20.如权利要求19所述的装置，进一步包括：

21.如权利要求19所述的装置，进一步包括：

22.如权利要求19所述的装置，进一步包括：

23.如权利要求19所述的装置，进一步包括：

24.如权利要求18所述的装置，进一步包括针对下述各项的储存装置：

技术总结
在用于自动化检查的方法和装置中，获取检查中对象的图像，并且生成示出相同类型的无缺陷对象的所获取的图像和参考图像之间的差别的差别图像。将所述差别图像或所述差别图像的所检测到的隔离区的特性传递到自动化缺陷分类器，以对所述检查中对象中的缺陷进行分类。所述差别图像的特性可以是所述差别图像的像素或根据其而确定的特征。所述特征可以是例如使用神经网络来提取的。所述自动化缺陷分类器是使用差别图像来训练的，且在操作中可以是基于操作者分类且使用由操作者识别的缺陷的仿真图像来进一步训练的。

技术研发人员：K·瑞恩,J·J·皮克德,S·J·斯特里克林,J·J·特尔戈维奇
受保护的技术使用者：SONIX公司
技术研发日：
技术公布日：2024/1/12