基于摄像头模组的胶路检测方法技术

本发明专利技术公开了基于摄像头模组的胶路检测方法

【技术实现步骤摘要】
基于摄像头模组的胶路检测方法、装置和存储介质


[0001]本专利技术涉及图像处理
，具体为基于摄像头模组的胶路检测方法
、
装置和存储介质
。

技术介绍

[0002]目前，智能手机的普及率在中国高于
95.6
％，智能手机必不可少的包含摄像头模组，摄像头模组包括镜头主体和
FPC
软板，镜头主体和
FPC
软板是以胶水粘合的方式进行组装的
。
手机摄像头模组日趋精密，对点胶质量也要求更高
。
点胶的目的是对部件进行密封
、
粘合
、
防水和防尘，点胶完成后对胶路的检测通常包含胶形的胶高
、
胶宽和胶长是否合格，有无少胶
、
漏胶和溢胶的情况出现
。
[0003]自动化工厂对于点胶的质量检测以往是以人工抽检的方式，在放大镜下或者借助于2次元影像仪进行测量的，其检测的过程存在随机性
。
人工检测繁琐和耗时，如果产量比较大的情况下此种方式极大的影响产能
。
人工利用二次元影像仪测量胶形尺寸数据的时候，对于胶路的边缘提取由于灰阶差异不大，阈值难设，存在难以抓边的问题，测量的最终结果也存在较大的误差
。
此时抽检的产品依旧存在较大概率的
NG
品漏判或者
OK
品的误判
。

技术实现思路

[0004]为克服上述
技术介绍
中人工检测繁琐和耗时，如果产量比较大的情况下此种方式极大的影响产能
。
人工利用二次元影像仪测量胶形尺寸数据的时候，对于胶路的边缘提取由于灰阶差异不大，阈值难设，存在难以抓边的问题，测量的最终结果也存在较大的误差
。
此时抽检的产品依旧存在较大概率的
NG
品漏判或者
OK
品的误判的缺点，本专利技术的目的在于提供基于摄像头模组的胶路检测方法
。
[0005]为了达到以上目的，本专利技术采用如下的技术方案：
[0006]一方面，本专利技术提供基于摄像头模组的胶路检测方法，包括如下步骤：
[0007]获取待测摄像头模组的
RGB
图像，对所述
RGB
图像进行
ROI
定位裁切，得到
ROI
区域图；
[0008]基于所述
ROI
区域图对胶路尺寸进行计算：通过胶路区域检测模型对所述
ROI
区域图中胶路区域进行像素值的检测，得到第一
ROI
区域特征图；从所述第一
ROI
区域特征图中提取出胶路区域；对所述胶路区域进行轮廓提取得到胶路区域轮廓；基于所述胶路区域轮廓计算胶路的长度
、
宽度和高度；
[0009]基于所述
ROI
区域图对胶路缺陷进行检测：通过胶路缺陷检测模型对所述
ROI
区域图中胶路缺陷进行像素值的检测，得到第二
ROI
区域特征图；从所述第二
ROI
区域特征图中提取出缺陷区域，对所述缺陷区域进行轮廓提取得到缺陷区域轮廓；计算所述缺陷区域轮廓的面积，若所述缺陷区域轮廓的面积小于等于面积阈值
T
，则
ROI
区域图为合格产品图像；若所述缺陷区域轮廓的面积大于面积阈值
T
，则
ROI
区域图为不合格产品图像；
[0010]其中，所述缺陷区域包括少胶区域
、
溢胶区域和漏划胶区域中的一种或几种
。
[0011]与现有技术相比，本专利技术的有益效果在于：通过胶路区域检测模型对
ROI
区域图中胶路区域的每个像素点像素值的检测，可以精确的从
ROI
区域图提取出胶路区域，提高胶路尺寸计算的准确率；通过胶路缺陷检测模型可以从
ROI
区域图中少胶区域
、
溢胶区域和漏划胶区域的每个像素点像素值的检测，可以精确的从
ROI
区域图提取并区分出少胶区域
、
溢胶区域和漏划胶区域，提高胶路缺陷检测的准确率，本方法在提高了检测效率的同时，不仅精确的计算胶路的尺寸，还能精确区分不同的胶路缺陷，丰富了缺陷检测的种类，大大避免了
NG
品漏判或者
OK
品的误判
。
[0012]在一些可能的实施方式中，通过胶路区域检测模型对所述
ROI
区域图中胶路区域进行像素值的检测，得到第一
ROI
区域特征图的具体步骤如下：
[0013]将所述
ROI
区域图依次裁切为若干个均等尺寸的
ROI
区域子图；
[0014]应用所述胶路区域检测模型对所述
ROI
区域子图中的胶路区域进行检测，得到第一
ROI
区域特征子图；
[0015]将所述第一
ROI
区域特征子图依次拼接成与所述
ROI
区域图尺寸相同的第一
ROI
区域特征图
。
[0016]在一些可能的实施方式中，所述胶路区域检测模型的构建包括如下：
[0017]获取第一训练样本，所述第一训练样本包括数量相等的标准胶路
、
缺陷胶路的正视
、
侧视的第一待训练
ROI
区域图；
[0018]对所述第一待训练
ROI
区域图中胶路区域的每个像素点进行对应像素值的标注，获取第一待训练
ROI
区域特征图；
[0019]将所述第一待训练
ROI
区域图和第一待训练
ROI
区域特征图依次裁切为若干个均等尺寸的第一待训练
ROI
区域子图和第一待训练
ROI
区域特征子图；
[0020]采用
UNet
图像语义分割算法训练由所有的第一待训练
ROI
区域子图和第一待训练
ROI
区域特征子图组成的样本集，构建出胶路区域检测模型
。
[0021]在一些可能的实施方式中，通过
opencv
轮廓提取算法提取胶路区域轮廓
。
[0022]在一些可能的实施方式中，通过胶路缺陷检测模型对所述
ROI
区域图中胶路缺陷进行像素值的检测，得到第二
ROI
区域特征图的具体步骤如下：
[0023]将所述
ROI
区域图依次裁切为若干个均等尺寸的
ROI
区域子图；
[0024]应用所述胶路缺陷检测模型对所述
ROI
区域子图进行检测，得到第二
ROI<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于摄像头模组的胶路检测方法，其特征在于，包括如下步骤：获取待测摄像头模组的
RGB
图像，对所述
RGB
图像进行
ROI
定位裁切，得到
ROI
区域图；基于所述
ROI
区域图对胶路尺寸进行计算：通过胶路区域检测模型对所述
ROI
区域图中胶路区域进行像素值的检测，得到第一
ROI
区域特征图；从所述第一
ROI
区域特征图中提取出胶路区域；对所述胶路区域进行轮廓提取得到胶路区域轮廓；基于所述胶路区域轮廓计算胶路的长度
、
宽度和高度；基于所述
ROI
区域图对胶路缺陷进行检测：通过胶路缺陷检测模型对所述
ROI
区域图中胶路缺陷进行像素值的检测，得到第二
ROI
区域特征图；从所述第二
ROI
区域特征图中提取出缺陷区域，对所述缺陷区域进行轮廓提取得到缺陷区域轮廓；计算所述缺陷区域轮廓的面积，若所述缺陷区域轮廓的面积小于等于面积阈值
T
，则
ROI
区域图为合格产品图像；若所述缺陷区域轮廓的面积大于面积阈值
T
，则
ROI
区域图为不合格产品图像；其中，所述缺陷区域包括少胶区域
、
溢胶区域和漏划胶区域中的一种或几种
。2.
根据权利要求1所述的基于摄像头模组的胶路检测方法，其特征在于，通过胶路区域检测模型对所述
ROI
区域图中胶路区域进行像素值的检测，得到第一
ROI
区域特征图的具体步骤如下：将所述
ROI
区域图依次裁切为若干个均等尺寸的
ROI
区域子图；应用所述胶路区域检测模型对所述
ROI
区域子图中的胶路区域进行像素值的检测，得到第一
ROI
区域特征子图；将所述第一
ROI
区域特征子图依次拼接成与所述
ROI
区域图尺寸相同的第一
ROI
区域特征图
。3.
根据权利要求1所述的基于摄像头模组的胶路检测方法，其特征在于，所述胶路区域检测模型的构建包括如下：获取第一训练样本，所述第一训练样本包括数量相等的标准胶路
、
缺陷胶路的正视
、
侧视的第一待训练
ROI
区域图；对所述第一待训练
ROI
区域图中胶路区域的每个像素点进行像素值为1的标注，获取第一待训练
ROI
区域特征图；将所述第一待训练
ROI
区域图和所述第一待训练
ROI
区域特征图依次裁切为若干个均等尺寸的第一待训练
ROI
区域子图和第一待训练
ROI
区域特征子图；采用
UNet
图像语义分割算法训练由所有的第一待训练
ROI
区域子图和第一待训练
ROI
区域特征子图组成的样本集，构建出胶路区域检测模型
。4.
根据权利要求1所述的基于摄像头模组的胶路检测方法，其特征在于，通过
opencv
轮廓提取算法提取胶路区域轮廓
。5.
根据权利要求1所述的基于摄像头模组的胶路检测方法，其特征在于，通过胶路缺陷检测模型对所述
ROI
区域图中胶路...

【专利技术属性】
技术研发人员：丁文，
申请(专利权)人：慧泉智能科技苏州有限公司，
类型：发明
国别省市：