金手指缺陷检测方法、装置、计算机设备、存储介质与流程

本公开涉及图像处理，特别是涉及一种金手指缺陷检测方法、装置、计算机设备、存储介质。

背景技术：

1、随着电子行业的蓬勃发展，电路设计变得更加复杂和精细，对芯片、半导体接插件等半导体器件的制造工艺的要求也变得越来越严格。金手指区域是半导体器件上电镀一层抗氧化性和导电性较强的金属材料的区域，用于传输信号。

2、通常情况下，半导体器件在使用前需要进行信号测试，以检验半导体器件是否合格，在测试时会使用探针接触半导体器件上的金手指区域来传输信号，探针接触会在金手指上留下扎痕破坏镀层，但是半导体器件金手指上的排除区域（keep out zone，koz）是不允许出现扎痕的，因此在半导体器件做完信号测试后需要检测扎痕是否出现在了koz区域。

3、传统检测方式大多是通过人工或者图像处理的方式进行检测，然而传统的图像处理的方式，通常使用阈值分割方法进行处理，该方法在面对粗糙的镀层表面时很难得到良好的分割效果，从而降低检测的精度，无法准确地对金手指进行缺陷检测。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高检测精度，准确地对金手指进行缺陷检测的金手指缺陷检测方法、装置、计算机设备、存储介质。

2、第一方面，本公开提供了一种金手指缺陷检测方法。所述方法包括：

3、获取待检测图像，所述待检测图像中包含多个金手指等间距分布构成的金手指区域和位于所述金手指区域两端的基准图形区域，提取所述待检测图像中金手指区域的金手指灰度图像；

4、根据所述基准图形区域、每个所述金手指的尺寸，确定每个金手指的第一边界端点和第二边界端点；

5、在每个金手指的第一边界端点和第二边界端点之间划分预设数量的轮廓，基于预设数量的轮廓的灰度值，确定每个金手指的中位点，基于每个金手指的中位点，确定所述金手指区域的基准值线；

6、利用区域生长算法确定所述金手指灰度图像中的亮点区域，计算所述亮点区域的亮点轮廓点到所述基准值线的距离；

7、基于所述亮点轮廓点到所述基准值线的距离和距离阈值，对所述待检测图像进行缺陷检测，得到缺陷检测结果，其中，所述距离阈值是基于所述基准值线与所述金手指区域的排除区域确定的。

8、在其中一个实施例中，所述基于预设数量的轮廓的灰度值，确定每个金手指的中位点，包括：

9、对所述预设数量的轮廓进行高斯平滑，得到轮廓平滑结果；

10、计算所述轮廓平滑结果的一阶导数，得到计算结果；

11、确定大于预设的导数阈值的所述计算结果所指示的所述金手指中的位置点；

12、对所述位置点按照所述金手指的竖直方向进行排序，确定每个金手指的中位点。

13、在其中一个实施例中，所述提取所述待检测图像中金手指区域的金手指灰度图像，包括：

14、基于所述两端的基准图形区域，对所述待检测图像进行旋转校正，提取旋转校正后的待检测图像中金手指区域的金手指灰度图像。

15、在其中一个实施例中，所述提取所述待检测图像中金手指区域的金手指灰度图像之后，所述方法还包括：

16、采用基于伽马变换的图像增强方法对所述金手指灰度图像进行处理。

17、在其中一个实施例中，所述利用区域生长算法确定所述金手指灰度图像中的亮点区域，包括：

18、对所述金手指灰度图像进行阈值分割，提取金手指灰度图像中高亮区域的连通域；

19、根据所述高亮区域的连通域在所述金手指灰度图像中的灰度极值点和预设的第一灰度阈值，确定预选点；

20、基于所述预选点和预先确定的生长准则，确定目标点，所述生长准则基于预设的灰度差值阈值、第二灰度阈值、梯度幅值和梯度均值确定；

21、基于所述目标点和所述金手指灰度图像，确定二值图像；

22、根据所述二值图像中的连通域的梯度均值，确定金手指灰度图像中的亮点区域。

23、在其中一个实施例中，所述生长准则包括：第一准则、第二准则、第三准则和第四准则，所述第一准则为候选点和所述预选点之间的灰度差值小于预设的第一灰度差值；所述第二准则为所述候选点的灰度值大于第二灰度阈值，所述第二灰度阈值是根据所述金手指灰度图像的平均灰度确定的；所述第三准则为所述候选点的梯度幅值大于梯度均值阈值，所述梯度幅值阈值是根据金手指灰度图像中每个像素点的梯度均值确定的；所述第四准则为所述候选点二四邻域的梯度均值大于所述梯度均值阈值；所述基于所述预选点和预先确定的生长准则，确定目标点，包括：

24、针对每个预选点，确定所述预选点在所述金手指灰度图像中的八邻域像素点；

25、将所述八邻域像素点中像素点作为候选点，响应于任一所述候选点同时满足所述第一准则、第二准则、第三准则的条件，或者同时满足所述第一准则、第二准则、第四准则的条件，确定所述预选点所指示的满足条件的候选点；

26、根据所述每个预选点所指示的满足条件的候选点，确定目标点。

27、第二方面，本公开还提供了一种金手指缺陷检测装置。所述装置包括：

28、图像处理模块，用于获取待检测图像，所述待检测图像中包含多个金手指等距分布的金手指区域和位于所述待检测图像两端的基准图形区域，提取所述待检测图像中金手指区域的金手指灰度图像；

29、边界点确定模块，用于根据位于所述待检测图像两端的基准图形区域、每个所述金手指的尺寸，确定每个金手指的第一边界端点和第二边界端点；

30、基准线确定模块，用于在每个金手指的第一边界端点和第二边界端点之间划分预设数量的轮廓，基于预设数量的轮廓的灰度值，确定每个金手指的中位点，基于每个金手指的中位点，确定所述金手指区域的基准值线；

31、距离计算模块，用于利用区域生长的目标分割算法确定所述金手指灰度图像中的亮点区域，计算所述亮点区域的亮点轮廓点到所述基准值线的距离；

32、缺陷检测模块，用于基于所述亮点轮廓点到所述基准值线的距离和距离阈值，对所述待检测图像进行缺陷检测，得到缺陷检测结果，其中，所述距离阈值是基于所述基准值线与所述金手指区域的排除区域确定的。

33、第三方面，本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法实施例中的步骤。

34、第四方面，本公开还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法实施例中的步骤。

35、第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法实施例中的步骤。

36、上述各实施例中，获取待检测图像，提取待检测图像中金手指区域的金手指灰度图像；根据基准图形区域、每个金手指的尺寸，确定每个金手指的第一边界端点和第二边界端点；在每个金手指的第一边界端点和第二边界端点之间划分预设数量的轮廓，基于预设数量的轮廓的灰度值，确定每个金手指的中位点，基于每个金手指的中位点，确定金手指区域的基准值线。利用金手指区域的基准线，能够准确地定位出每个金手指的位置，从而为后续判断提供标准，保证检测的准确性。另外利用区域生长算法确定所述金手指灰度图像中的亮点区域，根据预定义的生长准则，逐渐扩展并将相邻像素合并成一个区域，从而准确地确定出探针接触到的亮点区域，进一步保证检测准确性，基于亮点区域的亮点轮廓点到基准值线的距离和距离阈值，对检测图像进行缺陷检测，得到缺陷检测结果，相较于传统的分割检测方式，能够提高检测精度。