TWI780580B - 圖像複檢方法、電腦裝置及儲存介質 - Google Patents

Abstract

本申請提供一種圖像複檢方法、電腦裝置及儲存介質，其中，所述方法包括：獲得待測圖像及對應的圖像資訊；利用人工智慧程式解析所述圖像資訊獲得待測圖像的參數；利用預先訓練的圖像複檢模型基於所述參數對待測圖像進行複檢並獲得複檢結果；上傳複檢結果為存在瑕疵的待測圖像至預先建立的圖像複檢系統；圖像複檢系統將待測圖像分發至指定使用者，接收指定使用者對待測圖像的標記，根據所述標記回饋對待測圖像的最終檢測結果。本申請可以輔助複檢被自動光學檢測設備判斷為不良品的印刷電路板，降低人工成本，提高檢測效率和準確性。

Description

圖像複檢方法、電腦裝置及儲存介質

本發明涉及印刷電路板檢測領域，尤其涉及一種圖像複檢方法、電腦裝置及儲存介質。

印刷電路板(Printed Circuit Board，PCB)在製成過程中大多利用自動光學檢測(Automated Optical Inspection，AOI)設備進行檢測，從而判斷PCB是否為含偏位、缺件、少錫、多錫等缺陷元件的不良品。通常，由於被AOI設備判斷為不良品的PCB會出現大量假缺陷的情況，即AOI設備很難將實際上只佔少數的不良品進行精確地檢出，工作人員往往需要對被AOI設備判斷為不良品的PCB進行人工複檢，耗費大量人力和時間。

鑒於以上內容，有必要提供一種圖像複檢方法、電腦裝置及儲存介質，能夠基於電腦視覺影像處理技術對被自動光學檢測AOI設備判斷為不良品的印刷電路板PCB進行複檢，降低人工複檢工作量，提高檢測效率和準確性。

所述圖像複檢方法包括：獲得待測圖像以及所述待測圖像的圖像資訊，所述待測圖像在至少一次的檢測中被識別為瑕疵圖像；利用人工智慧程式對所述待測圖像的圖像資訊進行解析，獲得所述待測圖像的參數；利用預先訓練得到的圖像複檢模型，基於所述待測圖像的參數對所述待測 圖像進行複檢，獲得待測圖像的複檢結果；當所述複檢結果指示所述待測圖像存在瑕疵時，上傳所述待測圖像至所述電腦裝置中預先建立的圖像複檢系統；透過所述圖像複檢系統將所述待測圖像分發至指定使用者，接收所述指定用戶對所述待測圖像的標記；及根據所述待測圖像的標記回饋對所述待測圖像的最終檢測結果。

可選地，所述待測圖像為印刷電路板PCB圖像，所述方法利用自動光學檢測AOI設備掃描PCB獲得所述待測圖像，並利用所述AOI設備將所述待測圖像保存在預設的路徑中。

可選地，所述方法還包括獲得所述待測圖像中所述PCB的資訊。

可選地，所述方法還包括：獲取預設數量的無瑕疵的PCB圖像；對所述預設數量的無瑕疵的PCB圖像進行影像處理；及利用處理後的所述無瑕疵的PCB圖像訓練神經網路，獲得所述圖像複檢模型。

可選地，所述方法還包括：利用所述人工智慧程式將所述待測圖像的參數輸入所述圖像複檢模型。

可選地，所述方法還包括：基於所述待測圖像的參數，利用所述圖像複檢模型獲得所述待測圖像。

可選地，所述方法還包括：利用所述圖像複檢模型將所述待測圖像的參數和所述複檢結果輸入所述人工智慧程式；及利用所述人工智慧程式將所述待測圖像的參數和所述複檢結果保存在預先建立的資料庫中。

可選地，所述待測圖像的最終檢測結果包括：所述待測圖像為無瑕疵圖像，或者所述待測圖像為瑕疵圖像。

所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現所述圖像複檢方法。

所述電腦裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現所 述圖像複檢方法。

相較於習知技術，所述圖像複檢方法、電腦裝置及儲存介質，能夠基於電腦視覺影像處理技術對被AOI設備判斷為不良品的PCB進行複檢，降低人工複檢工作量，提高檢測效率和準確性。

3:電腦裝置

32:處理器

31:儲存器

33:顯示器

S1~S5:步驟

為了更清楚地說明本申請實施例或習知技術中的技術方案，下面將對實施例或習知技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的實施例，對於本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據提供的附圖獲得其他的附圖。

圖1是本申請較佳實施例的圖像複檢方法的流程圖。

圖2是本申請較佳實施例的電腦裝置的架構圖。

為了能夠更清楚地理解本申請的上述目的、特徵和優點，下面結合附圖和具體實施例對本申請進行詳細描述。需要說明的是，在不衝突的情況下，本申請的實施例及實施例中的特徵可以相互組合。

在下面的描述中闡述了很多具體細節以便於充分理解本申請，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本申請保護的範圍。

除非另有定義，本文所使用的所有的技術和科學術語與屬於本申請的技術領域的技術人員通常理解的含義相同。本文中在本申請的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本申請。

參閱圖1所示，為本申請較佳實施例的圖像複檢方法的流程圖。

在本實施例中，所述圖像複檢方法可以應用於電腦裝置(例如圖2所示的電腦裝置3)中，對於需要進行圖像複檢的電腦裝置，可以直接在電腦裝置上集成本申請的方法所提供的用於圖像複檢的功能，或者以軟體開發套件(Software Development Kit，SDK)的形式運行在電腦裝置上。

如圖1所示，所述圖像複檢方法具體包括以下步驟，根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。

步驟S1、電腦裝置獲得待測圖像以及所述待測圖像的圖像資訊，所述待測圖像在至少一次的檢測中被識別為瑕疵圖像。

在一個實施例中，所述待測圖像為印刷電路板(Printed Circuit Board，PCB)圖像，所述方法利用自動光學檢測(Automated Optical Inspection，AOI)設備掃描PCB獲得所述待測圖像，並利用所述AOI設備將所述待測圖像保存在預設的路徑中。

需要說明的是，所述AOI設備是一種可以基於光學原理對產品例如PCB進行掃描並對常見缺陷進行檢測的設備。

在一個實施例中，所述PCB可以來自不同的生產線，所述生產線是指生產所述PCB所需的多台設備組成的流水線，所述多台設備依照PCB製造工序的先後順序安置，形成一條生產線。例如，所述多台設備可以包括上板機、焊膏印刷機、高速貼片機、高精度貼片機、回流爐等，上板機為製造PCB的第一道工序所需設備，其他設備依序安置在上板機之後，回流爐安置在生產線最後的位置。所述生產線可以用不同的編號加以區分，例如，可以用有序的兩位元數位將不同的生產線進行編號為01、02等。

在一個實施例中，利用AOI設備對生產線生產的PCB進行掃描和檢測時，採取一對一的模式，一台AOI設備對應一條生產線。可以同時利用多台(例如，20台)AOI設備對多條(例如，20台)生產線生產的PCB進行掃描並檢測所述PCB的圖像，獲得所述PCB的圖像的檢測結果。例如， 可以用AOI+有序的三位元數位的格式將不同的AOI設備編號為AOI001，AOI002等，可以將AOI001安置在01號生產線的回流爐後方，利用AOI001對01號生產線生產的PCB進行掃描並進行檢測；同時將AOI002安置在02號生產線的回流爐後方，利用AOI002對02號生產線生產的PCB進行掃描並進行檢測。

在一個實施例中，所述AOI設備對所述PCB的圖像進行檢測，獲得的檢測結果包括：所述PCB的圖像為瑕疵圖像，所述PCB的圖像為無瑕疵圖像。所述瑕疵圖像為被所述AOI設備判斷為含瑕疵的PCB的圖像，例如，AOI設備將含偏位元、缺件、少錫、多錫等缺陷元件的PCB的圖像判斷為瑕疵圖像。

在一個實施例中，所述待測圖像為被AOI設備檢測為瑕疵圖像的PCB的圖像，所述待測圖像為待複檢的圖像。

在一個實施例中，所述AOI設備只對所述待測圖像進行保存，並將所述待測圖像保存在預設的路徑中，例如，編號為AOI001的AOI設備可以將檢測得到的所述待測圖像保存在本地路徑中預先建立的資料夾Download001中。

在一個實施例中，電腦裝置獲得所述待測圖像中所述PCB的資訊。

在一個實施例中，所述PCB的資訊包括所述PCB的產品編號。具體地，可以用有序的四位元數位將不同的PCB編號為PCB0001，PCB0002等。

在一個實施例中，所述PCB的資訊還包括生產所述PCB的生產線的資訊，例如，編號為PCB0001的PCB對應的生產線為01號生產線。

在一個實施例中，所述PCB的資訊還包括生產所述PCB的時間，例如，編號為PCB0001的PCB的生產時間為09：30：05。需要說明的是，所述時間還可以包含年、月、日等資訊，在舉例時不對其進行贅述。

在一個實施例中，所述待測圖像的圖像資訊包括與所述待測圖像對應的AOI設備的機台資訊，例如，編號為AOI001的AOI設備將編號為PCB0001的PCB的圖像判斷為待測圖像，則與編號為PCB0001的PCB的待測圖像對應的AOI設備的機台資訊為AOI001。

在一個實施例中，所述待測圖像的圖像資訊還包括所述待測圖像的名稱，例如，編號為AOI001的AOI設備將編號為PCB0001的PCB的圖像作為待測圖像進行保存時，可以將該待測圖像命名為PCB0001.jpg。需要說明的是，當以PCB的編號作為對應的PCB的待測圖像的名稱時，所述待測圖像的名稱可以不必在所述待測圖像的圖像資訊中進行保存，之後不再對其進行贅述。

在一個實施例中，所述待測圖像的圖像資訊還包括所述待測圖像的儲存路徑，例如，編號為AOI001的AOI設備將待測圖像PCB0001.jpg保存在資料夾Download001中。

在一個實施例中，所述AOI設備將所述待測圖像的相關資料保存在預設的路徑中，例如，編號為AOI001的AOI設備可以用可延伸標記語言(XML)對所述待測圖像的相關資料進行標記和定義，並將得到的“.xml”格式的文檔保存在本地路徑中，將其命名為File001.xml。在其他實施例中，還可以將所述待測圖像的相關資料用“.txt”格式的文檔進行保存。

需要說明的是，以單獨一台AOI設備舉例，例如，對編號為AOI001的AOI設備來說，可以只生成一個資料夾Download001保存待測圖像，可以只生成一個文檔File001.xml(或File001.txt)保存待測圖像的相關資料。此時與所述待測圖像對應的AOI設備的機台資訊可以不必在所述待測圖像的圖像資訊中進行保存，之後不再對其進行贅述。

在一個實施例中，文檔File001.xml可以保存編號為AOI001的AOI設備得到的多張(例如，300張)待測圖像的相關資料，編號為AOI001 的AOI設備可以在文檔File001.xml中對待測圖像的相關資料中的各個資訊進行標記和定義，對每張待測圖像的相關資料進行對應保存。例如，編號為AOI001的AOI設備可以按照獲得每張待測圖像的時間順序，將每張待測圖像的相關資料依序(例如，從左到右或從上至下)保存在文檔File001.xml中的一列或一行中。需要說明的是，每張待測圖像的所述相關資料中的各個資訊被保存在一行或一列中時，可以是無序的。

步驟S2、電腦裝置利用人工智慧程式對所述待測圖像的相關資料進行解析，獲得所述待測圖像的參數。

在一個實施例中，電腦裝置可以利用人工智慧(Artificial Intelligence，AI)程式獲取所述待測圖像的相關資料，對所述待測圖像的相關資料進行解析，獲得所述待測圖像的參數。例如，利用AI程式獲取文檔File001.xml，所述文件File001.xml保存著利用編號為AOI001的AOI設備得到的待測圖像的相關資料。利用AI程式將文檔File001.xml中的XML格式的相關資料解析為資料庫(例如SQL Server)參數，將所述資料庫參數導入資料庫進行保存。需要說明的是，所述AI程式可以同時獲取多個文檔並同時對該多個文檔進行解析，當AI程式獲得的文檔為“.txt”格式的File001.txt時，可以將File001.txt轉換成其他格式(例如“.xml”格式)的文檔，再對轉換後的文檔中的資料進行解析。

在一個實施例中，所述待測圖像的參數即所述待測圖像的圖像資訊和所述PCB的資訊，例如，編號為PCB0001的PCB的圖像為待測圖像，其參數為：Download001(PCB的圖像的儲存路徑)，01(PCB的生產線)，PCB0001(PCB的編號)，09：30：05(PCB的生產時間)。需要說明的是，所述待測圖像的參數的格式為資料庫參數。

在一個實施例中，電腦裝置利用AI程式將所述待測圖像的參數導入資料庫後，資料庫會對所述待測圖像的參數進行識別並解析，以及依照預設的規則將解析後的所述待測圖像的參數進行排序。例如，所述預設 的規則可以是：參數一為PCB的生產時間，參數二為PCB的生產線，參數三為待測圖像的儲存路徑，參數四為PCB的編號。舉例來說，編號為PCB0001的PCB的圖像為待測圖像，SQL Server可以將此待測圖像的參數對應排序為：09：30：05，01，Download001，PCB0001。

在一個實施例中，電腦裝置利用所述AI程式將所述參數輸入所述圖像複檢模型。例如，AI程式調用應用程式設計發展介面(Application Programming Interface，API)，將所述待測圖像的參數傳入所述圖像複檢模型。需要說明的是，所述圖像複檢模型接收到所述AI程式透過調用API傳入的待測圖像的參數時，同時接收到執行圖像複檢的指令，進行圖像複檢。

步驟S3、電腦裝置利用預先訓練得到的圖像複檢模型基於所述待測圖像的參數對所述待測圖像進行複檢，獲得待測圖像的複檢結果。

在一個實施例中，所述預先訓練得到的圖像複檢模型是指：電腦裝置獲取預設數量的無瑕疵的PCB圖像；對所述預設數量的無瑕疵的PCB圖像進行影像處理；及利用處理後的所述無瑕疵的PCB圖像訓練神經網路，獲得所述圖像複檢模型。

在一個實施例中，所述預設數量的無瑕疵的PCB圖像可以是少量(例如，200張)無瑕疵的PCB圖像。需要說明的是，由於實際生產過程中PCB的含瑕疵率較低，能夠輕易獲得大量無瑕疵的PCB圖像，可以由工作人員利用步驟S4中的所述預先建立的圖像複檢系統獲得所述預設數量的無瑕疵的PCB圖像。

在一個實施例中，所述對所述預設數量的無瑕疵的PCB圖像進行影像處理包括：對所述無瑕疵的PCB圖像的圖元進行分析，計算所述圖像的RGB(紅(R)、綠(G)、藍(B))與灰度，將所述圖像中圖元相近的區域劃分同一區域，將圖像分隔成不同的區域，定位PCB的各元件在所述圖像中的位置，框選出所述各元件所在的區域，利用模糊演算法對所 述各區域的圖像進行降噪，將不重要的區域剔除。需要說明的是，對所述預設數量的無瑕疵的PCB圖像進行影像處理所用的方法，均為影像處理領域的常用方法，具體過程在此不再進行贅述。

在一個實施例中，所述神經網路可以是卷積神經網路(Convolutional Neural Networks，CNN)，電腦裝置可以利用所述預設數量的無瑕疵的PCB圖像訓練CNN生成所述圖像複檢模型。在一個實施例中，可以將所述圖像複檢模型進行複製，安裝在與每條生產線對應的AOI設備中，檢測對應的AOI設備獲得的待檢測圖像。在一個實施例中，安裝在不同AOI設備中的不同圖像複檢模型之間沒有任何差異，可以被複製安裝在不同種類的AOI設備之中運行。

在一個實施例中，電腦裝置基於所述待測圖像的參數，利用所述圖像複檢模型獲得所述待測圖像。

在一個實施例中，所述圖像複檢模型可以基於參數三例如Download001確定所述待測圖像的儲存路徑例如為資料夾Download001，基於參數四例如PCB0001確定所述待測圖像的圖像名稱為例如PCB0001.jpg，將儲存路徑如資料夾Download001中的圖像例如PCB0001.jpg複製到本地路徑，獲得所述待測圖像。

在一個實施例中，所述圖像複檢模型實質上是一個圖像瑕疵檢測模型，利用所述圖像複檢模型對所述待測圖像進行複檢，即是對所述待測圖像進行瑕疵檢測。所述圖像複檢模型可以確定所述待測圖像中PCB板中各元件的所在區域，與PCB的無瑕疵圖像的對應區域進行比對，按照預設的規則(例如，圖元均方誤差是否達到預設的閾值)獲得所述待測圖像的複檢結果。

在一個實施例中，所述待測圖像的複檢結果包括：所述待測圖像為存在瑕疵的圖像，所述待測圖像為不存在瑕疵的圖像。需要說明的是，由於AOI設備的缺陷性，所述待測圖像中僅有少部分(例如佔比4%)的圖 像為實際上存在瑕疵的圖像。利用圖像複檢模型對所述待測圖像進行複檢，可以將實際上存在瑕疵的圖像從所述待測圖像中檢出。

在一個實施例中，電腦裝置可以利用所述圖像複檢模型將所述待測圖像的參數和所述複檢結果輸入所述AI程式；以及利用所述AI程式將所述待測圖像的參數和所述複檢結果保存在預先建立的資料庫(例如SQL Server)中。

步驟S4、當所述複檢結果指示所述待測圖像存在瑕疵時，電腦裝置上傳所述待測圖像至所述電腦裝置中預先建立的圖像複檢系統。

在一個實施例中，所述圖像複檢系統可以基於所述瑕疵圖像的參數獲取所述待測圖像。

在一個實施例中，所述圖像複檢系統可以從所述資料庫中獲取所述複檢結果為存在瑕疵的待測圖像的參數，將所述待測圖像顯示在所述圖像複檢系統的介面中。例如，圖像複檢系統識別到資料庫中編號為PCB0001的PCB的圖像的複檢結果為存在瑕疵後，可以基於編號為PCB0001的PCB的圖像的參數三Download001確定所述待測圖像的儲存路徑為資料夾Download001，基於編號為PCB0001的PCB的圖像的參數四PCB0001確定所述待測圖像的圖像名稱為PCB0001.jpg，將資料夾Download001中的圖像PCB0001.jpg顯示在系統的介面中。例如，所述介面可以按頁顯示所述複檢結果為存在瑕疵的待測圖像，所述介面可以每頁顯示5張所述待測圖像，共20頁，第20頁可以顯示少於5張的所述待測圖像。

步驟S5、電腦裝置透過所述圖像複檢系統將所述待測圖像分發至指定使用者，接收所述指定用戶對所述待測圖像的標記，根據所述待測圖像的標記回饋對所述待測圖像的最終檢測結果。

在一個實施例中，所述圖像複檢系統可以將所述複檢結果為存在瑕疵的待測圖像分發給不同的指定用戶，由所述指定用戶對所述待測圖像進行標記，所述使用者為有許可權登錄所述圖像複檢系統進行操作的工作 人員。例如，所述圖像複檢系統可以根據所述待測圖像的類型，將待測圖像分發至與所述待測圖像類型相對應的使用者；也可以是隨機分發；也可以是根據使用者當前待處理的圖像數量(例如，未進行標記的待測圖像的數量)進行分發，直至將所有待測圖像分發完畢。

在一個實施例中，所述待測圖像的最終檢測結果包括：所述待測圖像為無瑕疵圖像，或者所述待測圖像為瑕疵圖像。

在一個實施例中，所述指定使用者透過不同的按鈕或圖示對所述待測圖像進行標記，確定所述待測圖像的所述最終檢測結果。例如，工作人員可以登入所述圖像複檢系統，在所述圖像複檢系統的介面上對所述待測圖像進行標記，每張待測圖像下方可以有兩個可供選擇的按鈕：“pass”和“ng”，用“pass”按鈕標記無瑕疵圖像，用“ng”按鈕標記瑕疵圖像。當工作人員確定這張待測圖像為無瑕疵圖像時，可以點擊“pass”按鈕將其標記，或者當工作人員確定這張待測圖像為瑕疵的圖像時，可以點擊“ng”按鈕將其標記。需要說明的是，步驟S2中獲取的所述預設數量的無瑕疵的PCB圖像，即是利用此處所述方法獲得的被工作人員用“pass”按鈕標記的圖像。

在一個實施例中，電腦裝置可以利用所述圖像複檢系統將被標記為“pass”和“ng”的圖像進行分別保存。

在其他的實施例中，在所有所述複檢結果為存在瑕疵的待測圖像被工作人員標記後，電腦裝置將被標記為“ng”的所述待測圖像顯示在所述圖像複檢系統的介面中，並在所述待測圖像的下方顯示所述待測圖像的參數。例如，當編號為PCB0001的PCB的圖像被工作人員標記為“ng”後，可以將PCB0001.jpg顯示在介面中，並在PCB0001.jpg下方顯示09：30：05，01，Download001，PCB0001，便於工作人員對生產PCB0001的01號生產線中的設備進行檢查和調整。

上述圖1詳細介紹了本申請的圖像複檢方法，下面結合圖2，對 實現所述圖像複檢方法的硬體裝置架構進行介紹。

應該瞭解，所述實施例僅為說明之用，在專利申請範圍上並不受此結構的限制。

參閱圖2所示，為本申請較佳實施例提供的電腦裝置的結構示意圖。在本申請較佳實施例中，所述電腦裝置3包括儲存器31、至少一個處理器32、顯示器33。本領域技術人員應該瞭解，圖2示出的電腦裝置的結構並不構成本申請實施例的限定，既可以是匯流排型結構，也可以是星形結構，所述電腦裝置3還可以包括比圖示更多或更少的其他硬體或者軟體，或者不同的部件佈置。

在一些實施例中，所述電腦裝置3包括一種能夠按照事先設定或儲存的指令，自動進行數值計算和/或資訊處理的終端，其硬體包括但不限於微處理器、專用積體電路、可程式設計閘陣列、數文書處理器及嵌入式設備等。

需要說明的是，所述電腦裝置3僅為舉例，其他現有的或今後可能出現的電子產品如可適應於本申請，也應包含在本申請的保護範圍以內，並以引用方式包含於此。

在一些實施例中，所述儲存器31用於儲存程式碼和各種資料，並在電腦裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31包括唯讀儲存器(Read-Only Memory，ROM)、可程式設計唯讀儲存器(Programmable Read-Only Memory，PROM)、可抹除可程式設計唯讀儲存器(Erasable Programmable Read-Only Memory，EPROM)、一次可程式設計唯讀儲存器(One-time Programmable Read-Only Memory，OTPROM)、電子抹除式可複寫唯讀儲存器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、唯讀光碟(Compact Disc Read-Only Memory，CD-ROM)或其他光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的電腦可讀的儲存介質。

在一些實施例中，所述至少一個處理器32可以由積體電路組成，例如可以由單個封裝的積體電路所組成，也可以是由多個相同功能或不同功能封裝的積體電路所組成，包括一個或者多個中央處理器(Central Processing unit，CPU)、微處理器、數位訊號處理晶片、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述電腦裝置3的控制核心(Control Unit)，利用各種介面和線路連接整個電腦裝置3的各個部件，透過運行或執行儲存在所述儲存器31內的程式碼或者模組，以及調用儲存在所述儲存器31內的資料，以執行電腦裝置3的各種功能和處理資料，例如執行圖像複檢的功能。

在一些實施例中，結合圖1，所述電腦裝置3中的所述儲存器31儲存電腦可讀指令實現一種圖像複檢方法，所述處理器32可執行所述電腦可讀指令從而實現所述圖像複檢方法。

在一些實施例中，所述顯示器33可以為能進行觸屏操作的能呈現圖像的顯示裝置，例如，顯示器33可以用於顯示所述圖像複檢系統的介面。

儘管未示出，所述電腦裝置3還可以包括給各個部件供電的電源(比如電池)，優選的，電源可以透過電源管理裝置與所述至少一個處理器32邏輯相連，從而透過電源管理裝置實現管理充電、放電、以及功耗管理等功能。電源還可以包括一個或一個以上的直流或交流電源、再充電裝置、電源故障檢測電路、電源轉換器或者逆變器、電源狀態指示器等任意元件。所述電腦裝置3還可以包括多種感測器、藍牙模組、Wi-Fi模組等，在此不再贅述。

應該瞭解，所述實施例僅為說明之用，在專利申請範圍上並不受此結構的限制。在本申請所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實 際實現時可以有另外的劃分方式。

所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。

另外，在本申請各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。

對於本領域技術人員而言，顯然本申請不限於上述示範性實施例的細節，而且在不背離本申請的精神或基本特徵的情況下，能夠以其他的具體形式實現本申請。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本申請的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本申請內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外，顯然“包括”一詞不排除其他單元或，單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。

最後所應說明的是，以上實施例僅用以說明本申請的技術方案而非限制，儘管參照以上較佳實施例對本申請進行了詳細說明，本領域的普通技術人員應當理解，可以對本申請的技術方案進行修改或等同替換，而不脫離本申請技術方案的精神和範圍。

S1~S5:步驟

Claims (10)

1. 一種圖像複檢方法，應用於電腦裝置，其中，所述方法包括：獲得待測圖像以及所述待測圖像的圖像資訊，所述待測圖像在至少一次的檢測中被識別為瑕疵圖像，所述待測圖像的圖像資訊還包括所述待測圖像的儲存路徑與圖像名稱；將所述待測圖像的圖像資訊保存在預設的路徑中，包括：用可延伸標記語言XML對所述待測圖像的圖像資訊進行標記和定義，並將得到的xml格式的文檔保存在本地路徑中，所述xml格式的文檔用於保存所述待測圖像的圖像資訊；利用人工智慧程式對所述待測圖像的圖像資訊進行解析，獲得所述待測圖像的參數，包括：利用所述人工智慧程式程式獲取所述xml格式的文檔，將所述xml格式的文檔中的XML格式的圖像資訊解析為資料庫參數，將所述資料庫參數導入資料庫進行保存；利用所述人工智慧程式調用應用程式設計發展介面API，將所述參數輸入預先訓練得到的圖像複檢模型，利用所述圖像複檢模型，基於所述待測圖像的參數對所述待測圖像進行複檢，獲得待測圖像的複檢結果，包括：利用所述圖像複檢模型根據所述待測圖像的所述儲存路徑與所述圖像名稱獲得所述待測圖像；當所述複檢結果指示所述待測圖像存在瑕疵時，上傳所述待測圖像至所述電腦裝置中預先建立的圖像複檢系統；透過所述圖像複檢系統將所述待測圖像分發至指定使用者，接收所述指定用戶對所述待測圖像的標記，根據所述待測圖像的標記回饋對所述待測圖像的最終檢測結果。
2. 如請求項1所述的圖像複檢方法，其中，所述待測圖像為印刷電路板PCB圖像，所述方法利用自動光學檢測AOI設備掃描PCB獲得所述待測圖像，並利用所述AOI設備將所述待測圖像保存在預設的路徑中。
3. 如請求項2所述的圖像複檢方法，其中，所述方法還包括獲得 所述待測圖像中所述PCB的資訊。
4. 如請求項1所述的圖像複檢方法，其中，所述方法還包括：獲取預設數量的無瑕疵的PCB圖像；對所述預設數量的無瑕疵的PCB圖像進行影像處理，包括：對所述無瑕疵的PCB圖像的圖元進行分析，計算所述圖像的RGB紅綠藍與灰度，將所述圖像中圖元相近的區域劃分同一區域，將圖像分隔成不同的區域，定位PCB的各元件在所述圖像中的位置，框選出所述各元件所在的區域，利用模糊演算法對所述各區域的圖像進行降噪；及利用處理後的所述無瑕疵的PCB圖像訓練神經網路，獲得所述圖像複檢模型。
5. 如請求項1所述的圖像複檢方法，其中，所述方法還包括：利用所述人工智慧程式將所述待測圖像的參數輸入所述圖像複檢模型。
6. 如請求項1所述的圖像複檢方法，其中，所述方法還包括：基於所述待測圖像的參數，利用所述圖像複檢模型獲得所述待測圖像。
7. 如請求項1所述的圖像複檢方法，其中，所述方法還包括：利用所述圖像複檢模型將所述待測圖像的參數和所述複檢結果輸入所述人工智慧程式；及利用所述人工智慧程式將所述待測圖像的參數和所述複檢結果保存在預先建立的資料庫中。
8. 如請求項1所述的圖像複檢方法，其中，所述待測圖像的最終檢測結果包括：所述待測圖像為無瑕疵圖像，或者所述待測圖像為瑕疵圖像。
9. 一種電腦可讀儲存介質，其中，所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至8中任意一項的所述圖像複檢方法。
10. 一種電腦裝置，其中，該電腦裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個 處理器執行時實現如請求項1至8中任意一項的所述圖像複檢方法。

Images