【技术实现步骤摘要】
本专利技术涉及x射线检测，具体而言，涉及一种smt全自动在线x-ray无损检测系统。
技术介绍
1、目前，在工业化生产中，x射线在半体及电子制造、锂电池制造、五金制品、铸件制造等行业的产品检测中的实际应用较为突出。
2、以半导体为例，半导体精密零件中涉及到的金属材料、塑料材料以及led零件都可以通过x射线检测来发现异物、工艺缺陷、内部裂纹、bga焊接缺陷等。而在锂电池工业制造中，锂电池后半段进行封装工艺后，想要对内部电池结构的生产工艺进行检测，也需要使用到x射线检测技术，像叠片或绕卷的对齐度，极耳内部结构和正负极片的包覆情况、电池中负极和壳壁的情况等质检需求，都是x射线的实际工业化应用。此外，五金制品、工业铸件的产品检测中，想要发现其内部是否存在产品缺陷，或者焊接点内部是否牢固等等，也可以通过x射线的强大穿透力观测到。
3、不论是半导体制造、锂电池、还是五金铸造，都越来越倾向于微小化、集中化、精细化、因而只有专业的x射线无损检测方案，才能真正做到深化行业品控，提升产品质提升产品质量这一市场需求。
4、现有的x射线检测方案大多采用离线式x-ray检测设备，其存在载物台面积小，检测区域小以及检测区域移动范围小、检测效率低、检测数据不能在后台随时调取与查阅、检测结果需要人工抓取与判定以及软件的拓展功能差，后期优化不能升级的缺陷，因此亟需一种新型的x射线检测方案以解决上述问题。
技术实现思路
1、鉴于此，本专利技术提出了一种smt全自动在线x-ray无损
2、为实现上述目的，本专利技术提出了一种smt全自动在线x-ray无损检测系统，包括工控主机工作站、下料机构、上料机构、机柜；
3、所述工控主机工作站内包括物料识别模块、图像处理模块、检测设置模块、检测分析模块、数据存储模块；
4、所述机柜内设置有探测模块、射线模块、载物模块；
5、所述上料机构用于将物料自动传输至所述机柜内进行检测；
6、所述下料机构用于将检测完成的物料自动传输出机柜。
7、可选地，所述物料识别模块用于对物料进行种类识别，并根据物料种类生成物料对应的检测位置；所述图像处理模块用于对物料检测生成的x射线图像进行预处理，并将预处理后的x射线图像传输至检测分析模块；所述检测分析模块用于根据预处理后的x射线图像生成物料的检测结果，所述检测设置模块用于用户设定检测过程中的相关设置参数，所述数据存储模块用于对每次检测过程中的物料图像、x射线图像、相关设置参数以及检测结果进行存储。
8、可选地，所述探测模块包括探测器及第一运动机构，所述探测器用于对物料进行探测，获取并调整物料所对应的检测位置，所述第一运动机构用于控制所述探测器进行移动；所述射线模块包括成像装置、若干个x射线管以及第二运动机构，所述成像装置用于对物料拍摄成像，将物料图像传输至所述物料识别模块，所述x射线管对物料的检测位置发射x射线进行检测，所述第二运动机构用于控制所述x射线管进行移动；所述载物模块包括载物台及移动机构，所述载物台用于承载物料，所述移动机构用于控制载物台移动，进而控制物料传输。
9、可选地，所述物料识别模块根据历史识别数据获取不同类型物料的特征图像，并构建卷积神经网络模型，将所述特征图像作为所述卷积神经网络模型的训练输入数据，同时设定卷积神经网络模型的输入参数为不同类型物料的特征数据，输出参数设定为物料类型，采用训练完成后的卷积神经网络模型，将所述射线模块中的成像装置实时获取的物料图像作为模型输入，实现物料类型的识别。
10、可选地，所述图像处理模块进行图像预处理包括对采用中值滤波法对所述x射线图像进行降噪处理，计算所述x射线图像的拉普拉斯算子进行图像锐化处理，并根据所述物料识别模块的识别结果对物料的各部位结构以及检测位置设置类型标签。
11、可选地，所述检测设置模块进行设定的所述相关设置参数包括但不限于检测窗口大小、x射线过滤帧大小、检测电流电压值、运动控制参数、测试工具类型、出料点入料点设置、检测位置数量设置。
12、可选地，所述检测设置模块中还包括检测调整模块，所述检测调整模块用于设定所述上料机构和所述下料机构的进出料方向，调整完成后，通过所述上料机构进行下料，通过所述下料机构进行上料，同时所述载物模块中移动结构的移动方向对应变更。
13、可选地，所述检测分析模块采用基于改进yolo v5网络的目标检测模型对所述x射线图像进行检测，所述检测分析模块根据所述x射线图像构建数据集，并将数据集划分训练集与测试集，同时设置最大迭代次数，将所述训练集用于所述目标检测模型用于迭代训练，当训练次数达到所述最大迭代次数时，输出训练后的目标检测模型，将测试集输入所述目标检测模型，获取所述x射线图像所对应的不同尺度的x射线特征图，根据所述x射线特征图获取每个物料对应的x射线检测结果。
14、可选地，所述改进yolo v5网络包括将convnext网络作为yolov5网络的骨干网络，将自适应金字塔结构引入yolo v5网络模型的neck部分中，采用自适应注意力模块和特征增强模块替换原有的fpn结构；并将silu激活函数引入neck部分中。
15、可选地，所述数据存储模块根据识别时间的先后顺序对不同的物料图像进行编号，根据物料编号生成存储文件，并将对应获取的x射线图像、相关设置参数以及检测结果分别构建存储路径，根据实时存储路径对应存储至每个物料编号下的存储文件中，形成存储结构，并将实时获取的图像以及数据按照所述存储结构进行存储。
16、与现有技术相比，本专利技术的有益效果在于，
17、本系统可以满足smt行业，锂电池行业pcb板、igbt、柔性软板等插件空洞、少锡、气泡、缺件等检测，可与生产线无缝对接，具有检测效率高，检测功能可进行拓展的优势，并且实现了产品自动上料，自动扫码等全自动检测与判定功能；本系统采用卷积神经网络实现物料以及检测位置的精准识别，采用改进的yolov5网络实现物料内部结构的精准分析；本系统后期产品质控追溯方便，随时可以后台调取检测数据分析；同时可实现客户产品及生产线定制化需求，实现左上料右下料或者右上料左下料，随时调整进出料方向。
本文档来自技高网...【技术保护点】
1.一种SMT全自动在线X-RAY无损检测系统，其特征在于，包括工控主机工作站（1）、下料机构（2）、上料机构（3）、机柜（4）；
2.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述物料识别模块用于对物料进行种类识别，并根据物料种类生成物料对应的检测位置；所述图像处理模块用于对物料检测生成的X射线图像进行预处理，并将预处理后的X射线图像传输至检测分析模块；所述检测分析模块用于根据预处理后的X射线图像生成物料的检测结果，所述检测设置模块用于用户设定检测过程中的相关设置参数，所述数据存储模块用于对每次检测过程中的物料图像、X射线图像、相关设置参数以及检测结果进行存储。
3.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述探测模块（5）包括探测器及第一运动机构，所述探测器用于对物料进行探测，获取并调整物料所对应的检测位置，所述第一运动机构用于控制所述探测器进行移动；所述射线模块（6）包括成像装置、若干个X射线管以及第二运动机构，所述成像装置用于对物料拍摄成像，将物料图像传输至所述物料识别模块，所述X射线管
4.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述物料识别模块根据历史识别数据获取不同类型物料的特征图像，并构建卷积神经网络模型，将所述特征图像作为所述卷积神经网络模型的训练输入数据，同时设定卷积神经网络模型的输入参数为不同类型物料的特征数据，输出参数设定为物料类型，采用训练完成后的卷积神经网络模型，将所述射线模块中的成像装置实时获取的物料图像作为模型输入，实现物料类型的识别。
5.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述图像处理模块进行图像预处理包括对采用中值滤波法对X射线图像进行降噪处理，计算所述X射线图像的拉普拉斯算子进行图像锐化处理，并根据所述物料识别模块的识别结果对物料的各部位结构以及检测位置设置类型标签。
6.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述检测设置模块进行设定的相关设置参数包括但不限于检测窗口大小、X射线过滤帧大小、检测电流电压值、运动控制参数、测试工具类型、出料点入料点设置、检测位置数量设置。
7.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述检测设置模块中还包括检测调整模块，所述检测调整模块用于设定所述上料机构（3）和所述下料机构（2）的进出料方向，调整完成后，通过所述上料机构（3）进行下料，通过所述下料机构（2）进行上料，同时所述载物模块（7）中移动结构的移动方向对应变更。
8.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述检测分析模块采用基于改进YOLO V5网络的目标检测模型对不同物料的X射线图像进行检测，所述检测分析模块根据所述X射线图像构建数据集，并将数据集划分训练集与测试集，同时设置最大迭代次数，将所述训练集用于所述目标检测模型用于迭代训练，当训练次数达到所述最大迭代次数时，输出训练后的目标检测模型，将测试集输入所述目标检测模型，获取所述X射线图像所对应的不同尺度的X射线特征图，根据所述X射线特征图获取每个物料对应的X射线检测结果。
9.根据权利要求8所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述改进YOLO V5网络包括将ConvNext网络作为YOLOV5网络的骨干网络，将自适应金字塔结构引入YOLO V5网络模型的Neck部分中，采用自适应注意力模块和特征增强模块替换原有的FPN结构；并将SilU激活函数引入Neck部分中。
10.根据权利要求1所述的SMT全自动在线X-RAY无损检测系统，其特征在于，所述数据存储模块根据识别时间的先后顺序对不同的物料图像进行编号，根据物料编号生成存储文件，并将对应获取的X射线图像、相关设置参数以及检测结果分别构建存储路径，根据实时存储路径对应存储至每个物料编号下的存储文件中，形成存储结构，并将实时获取的图像以及数据按照所述存储结构进行存储。
...【技术特征摘要】
1.一种smt全自动在线x-ray无损检测系统，其特征在于，包括工控主机工作站（1）、下料机构（2）、上料机构（3）、机柜（4）；
2.根据权利要求1所述的smt全自动在线x-ray无损检测系统，其特征在于，所述物料识别模块用于对物料进行种类识别，并根据物料种类生成物料对应的检测位置；所述图像处理模块用于对物料检测生成的x射线图像进行预处理，并将预处理后的x射线图像传输至检测分析模块；所述检测分析模块用于根据预处理后的x射线图像生成物料的检测结果，所述检测设置模块用于用户设定检测过程中的相关设置参数，所述数据存储模块用于对每次检测过程中的物料图像、x射线图像、相关设置参数以及检测结果进行存储。
3.根据权利要求1所述的smt全自动在线x-ray无损检测系统，其特征在于，所述探测模块（5）包括探测器及第一运动机构，所述探测器用于对物料进行探测，获取并调整物料所对应的检测位置，所述第一运动机构用于控制所述探测器进行移动；所述射线模块（6）包括成像装置、若干个x射线管以及第二运动机构，所述成像装置用于对物料拍摄成像，将物料图像传输至所述物料识别模块，所述x射线管对物料的检测位置发射x射线进行检测，所述第二运动机构用于控制所述x射线管进行移动；所述载物模块（7）包括载物台及移动机构，所述载物台用于承载物料，所述移动机构用于控制载物台移动，进而控制物料传输。
4.根据权利要求1所述的smt全自动在线x-ray无损检测系统，其特征在于，所述物料识别模块根据历史识别数据获取不同类型物料的特征图像，并构建卷积神经网络模型，将所述特征图像作为所述卷积神经网络模型的训练输入数据，同时设定卷积神经网络模型的输入参数为不同类型物料的特征数据，输出参数设定为物料类型，采用训练完成后的卷积神经网络模型，将所述射线模块中的成像装置实时获取的物料图像作为模型输入，实现物料类型的识别。
5.根据权利要求1所述的smt全自动在线x-ray无损检测系统，其特征在于，所述图像处理模块进行图像预处理包括对采用中值滤波法对x射线图像进行降噪处理，计算所述x射线图像的拉普拉斯算子进行图像锐化处理，并根据所述物料识别模块的识...
【专利技术属性】
技术研发人员：刘登攀，
申请(专利权)人：深圳市艾兰特科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。