一种图像传感器自动检测方法及系统、电子设备与流程

本发明涉及自动检测，特别涉及一种图像传感器自动检测方法及系统、电子设备。

背景技术：

1、图像传感器，是一种将光学图像转换成电子信号的设备，它被广泛地应用在数码相机和其他电子光学设备中。早期的图像传感器采用模拟信号，如摄像管；随着数码技术、半导体制造技术以及网络的迅速发展，目前常用的图像传感器产品主要分为ccd图像传感器、cmos图像传感器两种。

2、为保证图像传感器在应用时的成像质量，通常需在出厂前进行一系列的功能测试，如分辨率测试、暗噪声测试、满阱容量测试、信噪比测试、增益测试等。

3、然而，现有的图像传感器成像缺陷检测过程主要依赖于人工作业：图像传感器对目标场景进行拍摄，拍摄的图像传输至显示装置进行显示，检验人员肉眼观察显示装置显示的图像，来判断图像传感器是否存在成像缺陷，并根据判断的成像缺陷类型对图像传感器进行分类。现有的这种检测方式极度依赖人工经验，若人工经验不足，很容易造成缺陷误判；而且，人眼观察的方式容易造成视疲劳，也会导致误检漏检。总之，现有的图像传感器成像缺陷检测方式主观性强、准确性较差、效率低，无法满足图像传感器的检测需求。

技术实现思路

1、本发明的目的在于提供一种图像传感器自动检测方法及系统、电子设备，以解决如何提高图像传感器检测的准确性和效率的问题。

2、为解决上述技术问题，本发明提供一种图像传感器自动检测方法，包括：

3、获得训练好的特征融合模型；

4、将待检测图像传感器拍摄的原始图像数据输入至特征融合模型；

5、特征融合模型从原始图像数据中提取图像特征，并对提取出的图像特征进行特征融合，以得到融合值，以及对融合值进行归一化处理，以得到检测结果；

6、根据检测结果，待检测图像传感器进行缺陷分类。

7、可选的，在所述的图像传感器自动检测方法中，所述特征融合模型包括特征提取模块、特征融合模块和归一化模块；所述特征提取模块用于从原始图像数据中提取图像特征；所述特征融合模块用于对所述特征提取模块提取出的图像特征进行特征融合，以得到融合特征，并将融合特征转换为融合值；所述归一化模块用于对所述特征融合模块得到的融合值进行归一化处理，以得到检测结果。

8、可选的，在所述的图像传感器自动检测方法中，所述特征提取模块采用卷积神经网络从原始图像数据中提取图像特征；所述特征融合模块采用图像金字塔对提取出的图像特征进行特征融合以得到融合特征；所述归一化模块采用归一化指数函数对融合值进行归一化处理。

9、可选的，在所述的图像传感器自动检测方法中，所述获得训练好的特征融合模型的方法包括对特征融合模型进行训练，包括：

10、制作训练图像数据集，其中，训练图像数据集包括缺陷图像数据集和正常图像数据集；

11、利用特征提取模块，对训练图像数据集进行特征提取，以得到图像特征集，其中，图像特征集包括缺陷图像特征集和正常图像特征集；

12、利用特征融合模块，对缺陷图像特征集和正常图像特征集进行特征融合，以得到融合值；

13、利用归一化模块对融合值进行归一化处理，以得到训练结果。

14、可选的，在所述的图像传感器自动检测方法中，所述对构建的特征融合模型进行训练的方法包括：

15、利用缺陷图像特征集和正常图像特征集得到补充图像特征集；

16、利用特征融合模块，对缺陷图像特征集、正常图像特征集和补充图像特征集进行特征融合，以得到融合值。

17、可选的，在所述的图像传感器自动检测方法中，所述利用缺陷图像特征集和正常图像特征集得到补充图像特征集的方法包括：

18、从图像特征集中随机提取若干缺陷图像特征和若干正常图像特征，以得到随机特征子集；

19、将随机特征子集中的最大值作为第一基准值，将随机特征子集中的最小值作为第二基准值；

20、利用第一基准值和第二基准值，计算偏差值；

21、根据偏差值和图像特征集，生成补充图像特征集。

22、可选的，在所述的图像传感器自动检测方法中，所述偏差值b表示为：

23、

24、其中，n表示随机特征子集中的图像特征个数，表示随机特征子集中第i个图像特征，表示随机特征子集中的图像特征均值；

25、所述补充图像特征集表示为：

26、

27、其中，表示第一基准值，表示第二基准值。

28、可选的，在所述的图像传感器自动检测方法中，所述原始图像数据包括原始图像中每一像素点的灰度值。

29、为解决上述技术问题，本发明还提供一种图像传感器自动检测系统，用于实现如上任一项所述的图像传感器自动检测方法，所述图像传感器自动检测系统包括：

30、数据获取模块，用于获取待检测图像传感器拍摄的原始图像数据；

31、缺陷检测模块，包括特征融合模型，用于从原始图像数据中提取图像特征；用于对提取出的图像特征进行特征融合，以得到融合值；还用于对融合值进行归一化处理，以得到检测结果；

32、缺陷分类模块，用于根据所述缺陷检测模块得到的检测结果，待检测图像传感器进行缺陷分类。

33、为解决上述技术问题，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并能够由所述处理器运行的可执行程序；所述处理器运行所述可执行程序时执行如上任一项所述的图像传感器自动检测方法。

34、本发明提供的图像传感器自动检测方法及系统、电子设备，包括：获得训练好的特征融合模型；将待检测图像传感器拍摄的原始图像数据输入至特征融合模型；特征融合模型从原始图像数据中提取图像特征，并对提取出的图像特征进行特征融合，以得到融合值，以及对融合值进行归一化处理，以得到检测结果；根据检测结果，进行缺陷分类。通过特征融合模型自动对图像传感器拍摄的原始图像数据进行分析处理，进而得到缺陷分类结果，无需人工参与便可以得到准确的缺陷分类，且检测效率高，解决了如何提高图像传感器检测的准确性和效率的问题。

技术特征：

1.一种图像传感器自动检测方法，其特征在于，包括：

2.根据权利要求1所述的图像传感器自动检测方法，其特征在于，所述特征融合模型包括特征提取模块、特征融合模块和归一化模块；所述特征提取模块用于从原始图像数据中提取图像特征；所述特征融合模块用于对所述特征提取模块提取出的图像特征进行特征融合，以得到融合特征，并将融合特征转换为融合值；所述归一化模块用于对所述特征融合模块得到的融合值进行归一化处理，以得到检测结果。

3.根据权利要求2所述的图像传感器自动检测方法，其特征在于，所述特征提取模块采用卷积神经网络从原始图像数据中提取图像特征；所述特征融合模块采用图像金字塔对提取出的图像特征进行特征融合以得到融合特征；所述归一化模块采用归一化指数函数对融合值进行归一化处理。

4.根据权利要求2所述的图像传感器自动检测方法，其特征在于，所述获得训练好的特征融合模型的方法包括对特征融合模型进行训练，包括：

5.根据权利要求4所述的图像传感器自动检测方法，其特征在于，所述对构建的特征融合模型进行训练的方法还包括：

6.根据权利要求5所述的图像传感器自动检测方法，其特征在于，所述利用缺陷图像特征集和正常图像特征集得到补充图像特征集的方法包括：

7.根据权利要求6所述的图像传感器自动检测方法，其特征在于，所述偏差值b表示为：

8.根据权利要求1所述的图像传感器自动检测方法，其特征在于，所述原始图像数据包括原始图像中每一像素点的灰度值。

9.一种图像传感器自动检测系统，用于实现如权利要求1~8任一项所述的图像传感器自动检测方法，其特征在于，所述图像传感器自动检测系统包括：

10.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并能够由所述处理器运行的可执行程序；所述处理器运行所述可执行程序时执行如权利要求1~8任一项所述的图像传感器自动检测方法。

技术总结
本发明提供一种图像传感器自动检测方法及系统、电子设备，包括：获得训练好的特征融合模型；将待检测图像传感器拍摄的原始图像数据输入至特征融合模型；特征融合模型从原始图像数据中提取图像特征，并对提取出的图像特征进行特征融合，以得到融合值，以及对融合值进行归一化处理，以得到检测结果；根据检测结果，进行缺陷分类。通过特征融合模型自动对图像传感器拍摄的原始图像数据进行分析处理，进而得到缺陷分类结果，无需人工参与便可以得到准确的缺陷分类，且检测效率高，解决了如何提高图像传感器检测的准确性和效率的问题。

技术研发人员：张崯
受保护的技术使用者：上海微阱电子科技有限公司
技术研发日：
技术公布日：2025/3/27