【技术实现步骤摘要】
本专利技术涉及生产线质检领域，尤其是一种异形小件摆盘缺陷的检测方法、系统及设备。
技术介绍
1、电子产品质量成为越来越多消费者关注的关键因素。在生产过程中，经常会有一些较小的异形的元件，称之为异形小件，异形的元件也就是具有不规则几何形状的元件，通常是将这些元件摆放在吸塑盒内，异形小件的正确摆盘对后续工艺至关重要。异形小件在自动化摆盘过程中可能会出现位置偏差或缺失，这会影响包装和装配工艺，导致产品外观和功能的缺陷。因此，精准检测异形小件摆盘缺陷是保证产品质量的关键，要求检测系统具备更高的准确性和智能性，不仅能识别明显的摆盘问题，还需具备较强的学习能力，针对不同类型和形态的缺陷进行有效识别。异形小件摆盘缺陷通常指在生产过程中，异形小件未能正确摆放，导致位置偏移或缺失。现有传统的视觉检测可以检测出明显的摆盘问题，但对于微小的偏差，往往难以取得良好的效果，容易出现漏检或误检的情况。
技术实现思路
1、针对现有的不足，本专利技术提供一种异形小件摆盘缺陷的检测方法、系统及设备。
2、本专利技术解决其技术问题所采用的技术方案是：一种异形小件摆盘缺陷的检测方法，
3、获取待检测摆盘表面上半部分和下半部分的检测图像；
4、在检测图像中划分出感兴趣的区域形成区域图像，并利用深度学习算法建立的检测模型对区域图像进行检测获得区域图像的检测结果；
5、将区域图像的检测结果反算回检测图像得到异形小件摆盘的检测结果。
6、作为优选，所述检测图像经过二值
7、作为优选，所述检测模型是将异形小件摆盘图像数据库作为卷积神经网络的训练集进行训练获得，所述异形小件摆盘图像数据库包括标准的异形小件摆盘图像数据库和具有缺陷的异形小件摆盘图像数据库。
8、作为优选，所述检测模型的建立包括如下步骤：从异形小件摆盘图像数据库中获取目标图像；提取目标图像的特征；根据目标图像的特征建立特征序列，按照预设的抽样比例对特征序列进行抽样得到抽样数据；汇集抽样数据作为卷积神经网络的摆盘缺陷训练集，并利用摆盘缺陷训练集对卷积神经网络进行训练确定检测模型，所述检测模型用于确定区域图像中缺陷目标边界框的坐标信息。
9、一种异形小件摆盘缺陷的检测系统，包括：图像获取模块和图像检测模块，所述图像获取模块用于获取摆盘表面上半部分和下半部分的图像；所述图像检测模块在图像获取模块获得的图像中划分出感兴趣的区域形成区域图像，并利用深度学习算法建立的检测模型对区域图像进行检测获得区域图像的检测结果，之后将区域图像的检测结果反算回检测图像得到异形小件摆盘的检测结果。
10、作为优选，所述图像获取模块包括对应于摆盘表面上半部分设置的上工位线扫相机和对应于摆盘表面下半部分设置的下工位线扫相机。
11、一种电子设备，包括存储器和处理器，所述存储器中储存有计算机程序，所述处理器用于执行存储器中存储的计算机程序，以用于实现如前任一项所述的异形小件摆盘缺陷的检测方法。
12、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前任一项所述的异形小件摆盘缺陷的检测方法。
13、本专利技术的有益效果在于：该专利技术将异形小件摆盘的检测图像采用上下两部分的方式来获取，能更全面，更精确的获取异形小件摆盘的检测图像，获取的图像数据更加详尽，从而能提高检测的全面性和准确性；之后再对检测图像划定具体感兴趣区域(roi)形成区域图像，从而获取异形小件摆盘的关键区域图像，就集中检测资源于那些最可能出现缺陷的区域，排除那些不相关的区域，不仅减少了图像的存储空间，还极大地缩短了训练时间，提高了对微小偏差和小件缺失的识别能力，提高了检测的速度和精度，提高了检测效率，还优化了资源的使用。
本文档来自技高网...【技术保护点】
1.一种异形金属小件摆盘缺陷的检测方法，其特征在于：
2.根据权利要求1所述异形小件摆盘缺陷的检测方法，其特征在于:所述检测图像经过二值化处理后划分出区域图像。
3.根据权利要求1所述异形小件摆盘缺陷的检测方法，其特征在于:所述检测模型是将异形小件摆盘图像数据库作为卷积神经网络的训练集进行训练获得，所述异形小件摆盘图像数据库包括标准的异形小件摆盘图像数据库和具有缺陷的异形小件摆盘图像数据库。
4.根据权利要求3所述异形小件摆盘缺陷的检测方法，其特征在于:所述检测模型的建立包括如下步骤：从异形小件摆盘图像数据库中获取目标图像；提取目标图像的特征；根据目标图像的特征建立特征序列，按照预设的抽样比例对特征序列进行抽样得到抽样数据；汇集抽样数据作为卷积神经网络的摆盘缺陷训练集，并利用摆盘缺陷训练集对卷积神经网络进行训练确定检测模型，所述检测模型用于确定区域图像中缺陷目标边界框的坐标信息。
5.一种异形小件摆盘缺陷的检测系统，其特征在于，包括：图像获取模块和图像检测模块，所述图像获取模块用于获取摆盘表面上半部分和下半部分的图像；所述图像检测模
6.根据权利要求5所述异形小件摆盘缺陷的检测系统，其特征在于，所述图像获取模块包括对应于摆盘表面上半部分设置的上工位线扫相机和对应于摆盘表面下半部分设置的下工位线扫相机。
7.一种电子设备，其特征在于:包括存储器和处理器，所述存储器中储存有计算机程序，所述处理器用于执行存储器中存储的计算机程序，以用于实现权利要求1-4任一项所述的异形小件摆盘缺陷的检测方法。
8.一种计算机可读存储介质，其特征在于:所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-4任一项所述的异形小件摆盘缺陷的检测方法。
...【技术特征摘要】
1.一种异形金属小件摆盘缺陷的检测方法，其特征在于：
2.根据权利要求1所述异形小件摆盘缺陷的检测方法，其特征在于:所述检测图像经过二值化处理后划分出区域图像。
3.根据权利要求1所述异形小件摆盘缺陷的检测方法，其特征在于:所述检测模型是将异形小件摆盘图像数据库作为卷积神经网络的训练集进行训练获得，所述异形小件摆盘图像数据库包括标准的异形小件摆盘图像数据库和具有缺陷的异形小件摆盘图像数据库。
4.根据权利要求3所述异形小件摆盘缺陷的检测方法，其特征在于:所述检测模型的建立包括如下步骤：从异形小件摆盘图像数据库中获取目标图像；提取目标图像的特征；根据目标图像的特征建立特征序列，按照预设的抽样比例对特征序列进行抽样得到抽样数据；汇集抽样数据作为卷积神经网络的摆盘缺陷训练集，并利用摆盘缺陷训练集对卷积神经网络进行训练确定检测模型，所述检测模型用于确定区域图像中缺陷目标边界框的坐标信息。
5.一种异形小件摆盘缺陷的检测系统，其特...
【专利技术属性】
技术研发人员：李正超，邓超龙，冉隆川，李晓华，
申请(专利权)人：深圳市智弦科技有限公司，
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。