应用于受话器的缺陷检测方法及系统技术方案

本发明专利技术涉及一种应用于受话器的缺陷检测方法和系统。本发明专利技术方法包括：S1：缺陷区域分割：通过一调试模块输入训练样本，然后针对训练样本进行区域分割，以得到缺陷区域；S2：缺陷特征提取：基于特征描述子的缺陷特征描述方法，根据S1中获取的缺陷区域，对缺陷区域的特征进行特征提取；S3：缺陷目标识别：利用缺陷特征，通过样本和参数选择进行BP神经网络训练，以得到分类准则；S4：在线检测：在流水线上每隔一段时间采集一次图片，利用分类准则对图片进行实时判别以得到检测结果，同时收集各个生产过程中包括良品率数据的数据信息。本发明专利技术不仅能提高检测效率和，同时从整体上掌控生产情况，利用得到的检测信息可以改进生产，提高企业效益。

Defect detection method and system used in receiver

Defect detection method and system of the present invention relates to the receiver. The method of the invention includes: S1: Defect Segmentation: through a debug module input training samples, then the training samples for the segmentation, in order to obtain the defect area; S2: defect feature extraction: description method of defect model based on the feature descriptor, according to the defect area obtained in the S1, the characteristics of the defect area for feature extraction; S3: defect recognition: the defect characteristics, through the sample and the parameters of the BP neural network training, to obtain the classification criteria; S4: online detection: on the line every time a collection of images, using the classification criteria of real time to get test results on the picture, at the same time, including the yield data collection the data information of each production process. The invention not only can improve the detection efficiency, but also can control the production situation as a whole.

【技术实现步骤摘要】

本专利技术属于电子设备文字输入技术，尤其涉及一种应用于受话器的缺陷检测方法和系统。
技术介绍
受话器主要由三个部分组成：振动部分、磁路部分、腔体部分，其生产包含振动部分的制造、磁路部分的制造以及腔体的组装。各部分均包含多道制造工序，受话器本身的结构、生产工艺以及最后的检测过程都将对出厂的受话器性能以及合格率产生影响，所以要想达到高合格率必须优化受话器的结构，生产工艺以及提高检测效率和正确率。为了达到上述技术问题，人们进行了长期的探索，例如中国专利公开了一种受话器及制作方法[申请号：CN105407425A]，其中受话器包括U型平衡电枢、动力传导棒、振膜机构、中层隔板、外壳下壳体和外壳上壳体；中层隔板的上表面与外壳上壳体密封连接，中层隔板的下表面与外壳下壳体密封连接；中层隔板和外壳下壳体用于提供磁通路径；U型平衡电枢的第一平行臂与外壳下壳体的底部固定连接，第二平行臂悬空位于中层隔板和外壳下壳体所围成的第一中空腔体内；振膜机构位于中层隔板与外壳上壳体所围成的第二中空腔体内；动力传导棒穿过中层隔板上的第一通孔，动力传导棒的一端与U型平衡电枢的第二平行臂连接，动力传导棒的另一端与振膜机构连接。该方案的受话器结构简单、体积小的受话器，有利于简化其制作工艺，相对于现有技术具有更高的合格率和更好的性能。再如，中国专利号公开了一种移动终端中麦克风的检测方法、装置以及移动终端[申请号：CN105979053A]，其中方法包括：控制移动终端中的音频输出设备播放预设大小的超声波检测信号；获取麦克风所采集的声音信号，并将声音信号转换为对应的数字信号；确定与麦克风对应的基准阈值，并根据数字信号和基准阈值检测麦克风是否发生异常。实现了麦克风的简易检测，避免了用户由于不专业而对麦克风进行误检测，该方案的麦克风能够随时对麦克风进行异常检测，方便用户的使用。上述两个方案分别从不同的角度解决了现有技术的一些难题，但是均没有涉及受话器在生产过程中检测过程的方案，而检测过程中作为生产过程中最后一道工序也具有十分重要的地位，其中振动部分的质量检测最为困难。现有技术中，受话器振动部分的质量检测主要采用人工检测的方法，通过将振动板音圈面朝上放置于周转盒内，对不良产品进行剔除，根据检查到振动板的不良现象，反馈到前面的制造工序中，进行工序改进，手工检测不仅效率低下，检测准确率也较低，因此难以满足企业的长足发展。而且，人工检测受话器绕线和音圈涂层缺陷需要20s左右的时间，正确检测率只有96％左右，而且往往无法精确度量缺陷区域，找出生产问题所在。
技术实现思路
本专利技术的目的是针对上述问题，提供一种应用于受话器的缺陷检测方法；本专利技术的另一目的是针对上述问题，提供一种应用于受话器的缺陷检测方法的系统。为达到上述目的，本专利技术采用了下列技术方案：本专利技术应用于受话器的缺陷检测方法，包括以下步骤：S1：缺陷区域分割：通过一调试模块输入训练样本，然后针对训练样本中受话器的绕线、音圈涂层、缺口铜丝以及音圈引线的任意一种或多种进行区域分割，以得到缺陷区域；S2：缺陷特征提取：基于特征描述子的缺陷特征描述方法，根据S1中获取的缺陷区域，对缺陷区域的特征进行特征提取；S3：缺陷目标识别：利用步骤S2提取到的缺陷特征，通过样本和参数选择进行BP神经网络训练，以得到分类准则；S4：在线检测：在流水线上每隔一段时间采集一次图片，且利用分类准则对图片进行实时判别以得到检测结果，同时收集各个生产过程中包括良品率数据的数据信息。通过上述技术方案，利用机器视觉代替人工进行受话器绕线和音圈涂层的在线缺陷检测，可以将检测时间缩小到2s左右，不仅可以得到99％以上的检测率，同时从整体上掌控生产情况，利用得到的检测信息可以改进生产，提高企业效益。在上述的应用于受话器的缺陷检测方法中，在步骤S1中，得到缺陷区域的方法包括以下步骤：S1.1：彩色图像预分割与训练：通过人工交互的方式选取种子生长点进行区域分割；S1.2：缺陷区域色度局部直方图提取：将步骤S1.1中得到的二值图像与受话器图像进行掩模操作以凸显缺陷区域的特征，并获取单一分量局部直方图；S1.3：受话器缺陷区域的精确分割：利用步骤S1.2和S1.1中获取的区域信息，同时根据图像的区域特征和质心距以包括调节阈值的方式得到最优分割解，并将阈值参数进行保存。在上述的应用于受话器的缺陷检测方法中，在步骤S1.1中，选取种子生长点的具体方法包括：调节色调、饱和度和亮度的阈值，从而完整地提取到缺陷区域，同时得到缺陷区域的面积信息。在上述的应用于受话器的缺陷检测方法中，在步骤S1.2中，所述单一分量局部直方图通过绘制缺陷区域的H、S、V分量直方图而得，且同时得到彩色空间分布信息和色度统计量。在上述的应用于受话器的缺陷检测方法中，在步骤S2中，所述特征描述子的缺陷特征描述方法包括缺陷区域的形态学优化和缺陷区域的形状特征提取。在上述的应用于受话器的缺陷检测方法中，所述缺陷区域的形态学优化包括以下方法：对区域进行填充运算和/或开操作运算以获得内部完整、边界优良的分割区域；所述缺陷区域的形状特征提取包括以下方法：在缺陷区域的形态学优化之后，通过特征提取模块得到包括欧拉数特征、面积特征、周长特征、长宽比特征、偏心率特征和矩形度特征中的任意一种或多种的形状特征描述。在上述的应用于受话器的缺陷检测方法中，在步骤S3中，所述样本和参数选择的方法如下：利用缺陷特征提取模块将所有样本图像的特征提取出来并存储于矩阵之中，通过选择待检测区域的缺陷特征，然后选择数据训练比例、验证比例和测试比例；所述BP神经网络训练的方法如下：选择完样本与参数之后，进行样本训练，直至验证样本的均方差达到最小值。在上述的应用于受话器的缺陷检测方法中，所述样本训练步骤依次包括学习理论过程、误差检测过程和规则改进过程，且将规则改进过程后得到的分类规则又传于学习理论过程在学习理论过程中优化分类准则，如此周而复始。本专利技术还公开了一种基于应用于受话器的缺陷检测方法的应用于受话器的缺陷检测系统，包括在线检测系统和离线检测系统，且所述在线检测系统和离线检测系统均包括依次通过有线方式和/或无线方式相互连接的调试模块、缺陷区域分割模块和缺陷特征提取模块，且离线检测系统还包括通过有线方式和/或无线方式与缺陷特征提取模块连接的缺陷目标识别模块，在线检测系统包括与分缺陷特征提取模块通过无线方式和/或有线方式连接的分类识别模块，其中：离线调试系统：用于得到分类准则，且将该分类准则用于在线检测；在线检测系统：用于对受话器缺陷进行在线检测，根据离线调试系统得到的分类准则得出检测结果，并将检测结果导出到后续机械设备中，进行自动分拣；分类识别模块：结合分类准则对采集图片进行实时判别；缺陷区域分割模块：用于对输入的训练样本进行区域分割以得到缺陷区域；缺陷特征提取模块：用于对缺陷区域的特征进行特征提取；缺陷目标识别模块：用于对不同的区域采用不同的特征量构建神经网络从而检测具体缺陷的有无，通过不断训练优化分类准则；调试模块：用于输入训练样本和/或导入检测图片。在上述的应用于受话器的缺陷检测系统中，所述缺陷区域分割模块包括彩色图像预分割与训练模块、缺陷区域色度局部直方图提取模块、受话器缺陷区域的精确分割模块；所述缺陷特征提取本文档来自技高网...

【技术保护点】
一种应用于受话器的缺陷检测方法，其特征在于，包括以下步骤：S1：通过一调试模块输入训练样本，针对训练样本中受话器的绕线、音圈涂层、缺口铜丝以及音圈引线的任意一种或多种进行区域分割，得到缺陷区域；S2：基于特征描述子的缺陷特征描述方法，根据S1中获取的缺陷区域，对缺陷区域的特征进行特征提取；S3：利用步骤S2提取到的缺陷特征，通过样本和参数选择进行BP神经网络训练，得到分类准则；S4：在流水线上每隔一段时间采集一次图片，且利用分类准则对图片进行实时判别以得到检测结果，同时收集各个生产过程中的数据信息。

【技术特征摘要】
1.一种应用于受话器的缺陷检测方法，其特征在于，包括以下步骤：S1：通过一调试模块输入训练样本，针对训练样本中受话器的绕线、音圈涂层、缺口铜丝以及音圈引线的任意一种或多种进行区域分割，得到缺陷区域；S2：基于特征描述子的缺陷特征描述方法，根据S1中获取的缺陷区域，对缺陷区域的特征进行特征提取；S3：利用步骤S2提取到的缺陷特征，通过样本和参数选择进行BP神经网络训练，得到分类准则；S4：在流水线上每隔一段时间采集一次图片，且利用分类准则对图片进行实时判别以得到检测结果，同时收集各个生产过程中的数据信息。2.根据权利要求1所述的应用于受话器的缺陷检测方法，其特征在于，在步骤S1中，得到缺陷区域的方法包括以下步骤：S1.1：彩色图像预分割与训练：通过人工交互的方式选取种子生长点进行区域分割；S1.2：缺陷区域色度局部直方图提取：将步骤S1.1中得到的二值图像与受话器图像进行掩模操作以凸显缺陷区域的特征，并获取单一分量局部直方图；S1.3：受话器缺陷区域的精确分割：利用步骤S1.2和S1.1中获取的区域信息，同时根据图像的区域特征和质心距以包括调节阈值的方式得到最优分割解，并将阈值参数进行保存。3.根据权利要求2所述的应用于受话器的缺陷检测方法，其特征在于，在步骤S1.1中，选取种子生长点的具体方法包括：调节色调、饱和度和亮度的阈值，从而完整地提取到缺陷区域，同时得到缺陷区域的面积信息。4.根据权利要求3所述的应用于受话器的缺陷检测方法，其特征在于，在步骤S1.2中，所述单一分量局部直方图通过绘制缺陷区域的H、S、V分量直方图而得，且同时得到彩色空间分布信息和色度统计量。5.根据权利要求1所述的应用于受话器的缺陷检测方法，其特征在于，在步骤S2中，所述特征描述子的缺陷特征描述方法包括缺陷区域的形态学优化和缺陷区域的形状特征提取。6.根据权利要求5所述的应用于受话器的缺陷检测方法，其特征在于，所述缺陷区域的形态学优化包括以下方法：对区域进行填充运算和/或开操作运算以获得内部完整、边界优良的分割区域。7.根据权利要求5所述的应用于受话器的缺陷检测方法，其特征在于，所述缺陷区域的形状特征提取包括以下方法：在缺陷区域的形态学优化之后，通过特征提取模块得到包括欧拉数特征、面积特征、周长特征、长宽比特征、偏心率特征和矩形度特征中的任意一种或多种的形状特征描述。8.根据权利要求1所述的应用于受话器的缺陷检测方法，其特征在于，在步骤S3...

【专利技术属性】
技术研发人员：廖武，
申请(专利权)人：上海斐讯数据通信技术有限公司，
类型：发明
国别省市：上海;31