一种基于复合光源的FPCA飞拍检测方法技术

本发明专利技术提供了一种基于复合光源的FPCA飞拍检测方法。包括步骤如下，搭建飞拍检测系统，包括软件控制系统、运动控制器、相机、复合光源和光源控制器；包括步骤如下，对所有FPCA产品的元件缺陷进行学习训练获得检测模型；对全盘的产品进行拍摄扫描图像；预设产品的拍摄点位；通过匀速飞拍结合复合光源模块对FPCA进行拍照；对获取的图像进行预处理；对预处理后的图像进行实时检测；对检测后的图像进行拼合二次复检。其中本发明专利技术通过复合光源结合飞拍检测的方式，通过不同光源的不同曝光，采集多张不同图像，来实现对FPCA产品异形、缺陷复杂的快速、全面、精准检测，保证准确率的同时，满足高速检测要求。速检测要求。速检测要求。

【技术实现步骤摘要】
一种基于复合光源的FPCA飞拍检测方法


[0001]本专利技术涉及FPCA产品缺陷检测领域，特别涉及一种基于复合光源的FPCA飞拍检测方法。

技术介绍

[0002]当前普众对FPCA产品的检测通过对单个PFCA产品的进行面阵相机多站拍照或是通过线扫相机拍摄的方式进行成像，并结合传统的图像处理方法以及深度学习进行检测，然而单个产品检测的速度慢效率低下，由于FPCA产品存在异形，有部分折弯，并且缺陷复杂，分散在单个FPCA产品的各个零部件上，且部分缺陷存在角度性，过往的方案易导致缺陷的遗漏，从而造成整体的检测准确率不高，并且由于FPCA大批量生产的特性，速度上难以达到要求。

技术实现思路

[0003]为了解决上述技术问题，本专利技术中披露了一种基于复合光源的FPCA飞拍检测方法，本专利技术的技术方案是这样实施的：
[0004]一种基于复合光源的FPCA飞拍检测方法，搭建飞拍检测系统，包括软件控制系统、运动控制器、相机、复合光源和光源控制器；
[0005]步骤如下，
[0006]S1：对所有FPCA产品的元件缺陷进行学习训练获得检测模型；
[0007]S2：对全盘的产品进行拍摄扫描图像；
[0008]S3：预设产品的拍摄点位；
[0009]S4：通过匀速飞拍结合复合光源模块对FPCA进行拍照；
[0010]S5：对获取的图像进行预处理；
[0011]S6：对预处理后的图像进行实时检测；
[0012]S7：对检测后的图像进行拼合二次复检。
[0013]优选地，所述方法采用二阶段算法，第一阶段：首先根据不同的缺陷特征，采用深度学习的定位方法，精准定位元件的位置，提取所有疑似缺陷的区域；第二阶段，通过高精度识别网络过滤背景图像，对所提取类似缺陷的图像，通过深度分类的检测模型，将缺陷提取检测出来。
[0014]优选地，所述S1步骤中，对FPCA产品的每一个部位的图像都划分出不同的零件区进行单独的深度学习训练，再进行多图融合模型训练。
[0015]优选地，所述S3步骤中，基于对每个产品元件特征的定位，预设好每一个产品不同部分的拍摄点位。
[0016]优选地，所述S4步骤中，在飞拍的过程中，通过软件控制以组合曝光的形式在不同的拍摄点位上控制不同光源的曝光以及时序，从而获得每一个产品在不同光源曝光下的图像。
[0017]优选地，所述S5步骤中图像预处理方式包括去除冗杂背景。
[0018]优选地，所述复合光源包括碗光、多角度环光和UV光模块。
[0019]优选地，所述S6步骤中，通过拍摄与处理并行的方式，对产品的每一个部分直接进行检测。
[0020]实施本专利技术的技术方案可解决现有技术中的技术问题；实施本专利技术的技术方案，通过复合光源+飞拍检测的方式，通过不同光源的不同曝光，采集多张不同图像，可实现对FPCA产品异形、缺陷复杂的快速、全面、精准检测，保证准确率的同时，满足高速检测要求的技术效果。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一种实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0022]其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
[0023]图1为本专利技术的流程示意图；
[0024]图2为飞拍示意图；
[0025]图3为软件控制程序图；
[0026]图4为产品检测的缺陷分类示意图；
[0027]图5为图像预处理设置示意图；
[0028]图6为飞拍成像控制流程图；
[0029]图7为复合光源结构图；
[0030]图8为整个tray盘拍照显示图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]实施例
[0033]在一种具体的实施例中，如图1、图2、图3、图4、图5、图6、图7和图8所示，一种基于复合光源的FPCA飞拍检测方法，包括步骤如下，
[0034]S1：对所有FPCA产品的元件缺陷进行学习训练获得检测模型；对FPCA产品的每一个部位的图像都划分出不同的零件区进行单独的深度学习训练，再进行多图融合模型训练。
[0035]S2：对全盘的产品进行拍摄扫描图像；
[0036]S3：预设产品的拍摄点位；基于AI检测定位，预设好每一个产品不同部分的拍摄点
位。
[0037]S4：通过匀速飞拍结合复合光源模块对FPCA进行拍照；在飞拍的过程中，通过软件控制以组合曝光的形式在不同的拍摄点位上控制不同光源的曝光以及时序，从而获得每一个产品在不同光源曝光下的图像。复合光源包括碗光、多角度环光和UV光模块。
[0038]S5：对获取的图像进行预处理；图像预处理方式包括图像预处理方式包括对齐、去除冗杂背景，获取精准检测区域、图像AI分割训练。
[0039]预处理模板配置如图5所示，在检测之前，通过针对不同型号的PFCA产品，通过图像处理+图像AI分割训练的方式，生成高精度的图像模板。
[0040]在检测过程中，复合光源拍摄多张图像，图像可能存在偏移抖动等多种情况，图像模板处理，自动进行多图的对齐，并且识别出所需要检测的各个元件检测区域，精准获取，后于后续的推理检测任务。
[0041]S6：对预处理后的图像进行实时检测；通过拍摄与处理并行的方式，对产品的每一个部分直接进行检测。
[0042]S7：对检测后的图像进行拼合二次复检。
[0043]所述方法采用二阶段算法，第一阶段：首先根据不同的缺陷特征，采用深度学习的定位方法，精准定位元件的位置，第二阶段，通过高精度识别网络过滤背景图像，提取到所有仅是类似缺陷的图像，通过深度分类的检测模型，将缺陷提取出来。
[0044]本实施例搭建飞拍检测系统，包括运动控制+视觉系统：运动控制器+相机+复合光源+光源控制器，通过软件系统控制，以匀速的方式，实现对不同光源的曝光顺序及时序控制，对整个FPCA的tray盘进行拍摄，采集多张产品图像；并通过对飞拍采集到的图像，在预处理的基础上，进行区域图的分别检测，多图融合检测以及拼图结合后的图像进行检测，并基于多种AI检测算法以及检测策略，来实现对FPCA产品不同位置的缺陷的高速准确检测。
[0045]在FPCA检测中，常规使用点位拍摄的方式进行检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复合光源的FPCA飞拍检测方法，其特征在于：搭建飞拍检测系统，包括软件控制系统、运动控制器、相机、复合光源和光源控制器；步骤如下，S1：对所有FPCA产品的元件缺陷进行学习训练获得检测模型；S2：对全盘的产品进行拍摄扫描图像；S3：预设产品的拍摄点位；S4：通过匀速飞拍结合复合光源模块对FPCA进行拍照；S5：对获取的图像进行预处理；S6：对预处理后的图像进行实时检测；S7：对检测后的图像进行拼合二次复检。2.根据权利要求1所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述方法采用二阶段算法策略，第一阶段：首先根据不同的缺陷特征，采用深度学习的定位检测方法，精准定位元件的位置，将所有疑似缺陷的区域都识别提取出来；第二阶段，通过高精度识别网络过滤背景图像，通过深度分类的检测模型，将缺陷进行识别。3.根据权利要求2所述的一种基于复合光源的FPCA飞拍检测方法，其特征在于：所述S1步骤中，对FPCA产品的每一个部位的图像都划分出不同的零件区进...

【专利技术属性】
技术研发人员：黄键泽，陈果，仪永建，王晓嘉，王洋，
申请(专利权)人：上海深视信息科技有限公司，
类型：发明
国别省市：