[发明专利]结构检测

说明书

本公开提供了一种用于检测结构的方法。该方法可以包括接收检查图像数据，该检查图像数据表征正被检查的物体的感兴趣区域。感兴趣区域可以包括物体的一个或多个结构。该方法还可以包括使用计算机视觉算法针对检查图像数据中的像素数据的光度特性来确定感兴趣区域内的结构。可以使用预测模型来确定结构，该预测模型被训练以基于使用训练图像数据和注释数据应用优化技术来确定计算机视觉算法的图像滤波器的图像滤波器参数值。可以提供结构的指示，例如用于显示或存储在存储器中。还提供了实现该方法的系统和计算机可读介质。

背景技术

可以使用图像数据来执行物体检查，以评估物体中存在的结构以及物体的质量或缺陷。快速且准确地表征物体的结构、质量及缺陷可降低操作成本且改进制造及工业操作中的物体质量和/或可靠性。被配置为处理检查图像数据的计算机实现的检查系统可以减少检查时间并进一步提高检查质量。

机器学习是人工智能的应用，其通过使用从数据迭代地学习模式而没有数据模式的明确指示的算法来自动化分析模型的开发。机器学习可以使得能够构建训练模型或算法并且可以用于生成预测模型或算法，该训练模型或算法可以准确地从数据中学习，该预测模型或算法可被部署用于数据驱动的预测或决策。

发明内容

在一方面中，提供一种用于检测检查图像数据中的结构的方法。在一个实施方案中，该方法可以包括通过数据处理器接收在物体的检查期间获取的第一图像数据。第一图像数据可以表征物体的感兴趣区域。感兴趣区域可以包含物体的一个或多个结构。该方法还可以包括使用数据处理器和计算机视觉算法来确定感兴趣区域内的一个或多个结构中的至少一个结构。计算机视觉算法可以包括多个图像滤波器，该多个图像滤波器配置为针对第一图像数据的多个像素的光度特性对第一图像数据进行滤波。多个图像滤波器中的每个图像滤波器可以包括一个或多个图像滤波器参数。该方法还可以包括在第二图像数据中提供至少一个结构的指示。

在另一个实施方案中，确定感兴趣区域内的至少一个结构还可以包括使用数据处理器接收物体的训练图像数据。训练图像数据可以包括至少一个第一注释，该至少一个第一注释标识训练图像数据中的至少一个感兴趣区域中存在的物体的至少一个结构。确定感兴趣区域内的至少一个结构还可以包括使用数据处理器和预测模型来确定与多个图像滤波器的至少一个图像滤波器参数相关联的至少一组图像滤波器参数值。预测模型可以被训练以接收包括至少一个第一注释的训练图像数据，并且基于使用训练图像数据和至少一个第一注释应用至少一种优化技术来确定多个图像滤波器的每个图像滤波器参数的至少一组图像滤波器参数值。确定感兴趣区域内的至少一个结构还可以包括基于至少一组图像滤波器参数值更新计算机视觉算法的至少一个图像滤波器。

在另一实施方案中，至少一种优化技术可包括网格搜索技术、随机搜索技术、列文伯格-马夸尔特(Levenberg-Marquardt)技术、梯度搜索技术、贝叶斯优化技术，或两种或更多种优化技术的组合。在另一实施方案中，预测模型可以被训练以确定平均轮廓图像滤波器参数、线跟踪图像滤波器参数或停止标准图像滤波器参数中的至少一者的至少一组图像滤波器参数值。

在另一实施方案中，响应于在第二图像数据中提供至少一个结构的指示，该方法还可以包括利用至少一个注释修改第二图像数据中的指示，以及将第二图像数据包括在训练图像数据中。第二图像数据可以包括至少一个结构的注释。响应于在第二图像数据中提供至少一个结构的指示，该方法还可以包括表征物体的感兴趣区域。表征可以包括表征感兴趣区域中的缺陷或者将感兴趣区域表征为有缺陷的。响应于在第二图像数据中提供至少一个结构的指示，该方法还可以包括基于使用包括第二图像数据和至少一个结构的注释的训练图像数据训练预测模型来确定至少一组图像滤波器参数值。

在另一实施方案中，计算机视觉算法可以被配置为生成与多个像素的一部分相关联的轮廓数据。该部分可以对应于感兴趣区域内存在的至少一个结构，并且轮廓数据可以包括光度数据、尖端检测数据、粒子检测数据或空隙检测数据中的至少一者。在另一实施方案中，第一图像数据可包括二维计算机断层摄影图像数据、三维计算机断层摄影图像数据或x射线照相数据。