一种贴片电阻的保护膜外观缺陷检测设备及应用方法技术

一种贴片电阻的保护膜外观缺陷检测设备，包括视频摄像机、工控机、数据储存单元、识别单元、判断单元、报警单元；视频摄像机安装在贴片电阻生产线的上端，视频摄像机和工控机经数据线连接，数据储存单元、识别单元、判断单元、报警单元是安装在上位机内的应用软件。一种贴片电阻的保护膜外观缺陷检测设备的应用方法分为五个步骤。本发明专利技术能涵盖贴片电阻保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积等主要质量检测项目，在贴片电阻保护膜出现质量问题时，第一时间提示技术人员。本发明专利技术检测速度快、检测精度高、节省了人工、保证了检测质量。测质量。测质量。

【技术实现步骤摘要】
一种贴片电阻的保护膜外观缺陷检测设备及应用方法


[0001]本专利技术涉及检测设备及应用方法
，特别是一种贴片电阻的保护膜外观缺陷检测设备及应用方法。

技术介绍

[0002]贴片电阻，即片式固定电阻器，为金属玻璃釉电阻器中的一种。贴片电阻制作中将金属粉和玻璃釉粉混合，采用丝网印刷法印在基板上进而制成成品。其具有体积小、重量轻，适应再流焊与波峰焊，
·
电性能稳定、可靠性高，装配成本低，并可大大节约电路空间成本，使设计更精细化的优点。贴片电阻为了保证其正常使用，会在外层加工一层保护膜(主要位于贴片电阻上端)，保护膜主要起到防潮、耐热及绝缘的功能，极大提高了贴片电阻的使用寿命。
[0003]实际情况下，为了保证终端使用，需要对生产的贴片电阻保护膜进行质量检测。现有技术中，由于技术限制，都是在贴片电阻生产完后，随机选取一定量样品通过图像放大设备(比如说电子显微镜)进行检测。人为检测不但效率不高，且由于检测的样品不能涵盖所有贴片电阻，因此检测出的数据不能真实客观反映出全部贴片电阻的质量，对贴片电阻的有效应用或多或少存在一定的制约。基于上述，提供一种能有效对所有贴片电阻保护膜质量进行检测的方法显得尤为必要。

技术实现思路

[0004]为了克服现有技术中，人为检测贴片电阻保护膜质量效率不高，由于检测的样品不能涵盖所有贴片电阻，检测出的数据不能客观反映出全部贴片电阻的质量，对贴片电阻的有效应用或存在一定制约的弊端，本专利技术提供了在贴片电阻生产线的上端安装了工业相机，工业相机实时对生产线上的贴片电阻保护膜进行质量检测，利用图像系统获取产品图片基础上，用大量贴片电阻保护膜图片作为图片数据库，引入人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到贴片电阻保护膜各种质量问题，能涵盖保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积等主要质量检测项目，由此达到检测速度快、检测精度高、节省了人工、保证了检测质量，提高了生产方经济效益的一种贴片电阻的保护膜外观缺陷检测方法。
[0005]本专利技术解决其技术问题所采用的技术方案是：
[0006]一种贴片电阻的保护膜外观缺陷检测设备，其特征在于包括视频摄像机、工控机、数据储存单元、识别单元、判断单元、报警单元；所述视频摄像机安装在贴片电阻生产线的上端，视频摄像机和工控机经数据线连接，数据储存单元、识别单元、判断单元、报警单元是安装在工控机内的应用软件；所述数据储存单元内存有贴片电阻包括保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积故障图片。
[0007]进一步地，所述数据储存单元内储存有大量贴片电阻保护膜已知故障的图片特征数据，以及和故障一比一对应合格贴片电阻保护膜的图片特征数据。
[0008]一种贴片电阻的保护膜外观缺陷检测设备的应用方法，其特征在于包括如下五个步骤，第一步：先将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经识别单元进行数据标注，同时配上与故障电阻图片数据一比一对应的合格产品的图片数据，并将这些数据按照一定比例分为训练集和测试集；第二步：基于人工智能深度学习技术，针对贴片电阻保护膜故障图片特征设计出适合的人工智能深度学习类型；第三步：用标注过的图片数据对模型进行训练；第四步：用测试集对基于人工智能深度学习的人工智能平台上、生成的实证模型进行测试其是否正确，测试集生成的数据存入数据比对模块作为比对数据；第五步：检测中，视频摄像机实时对贴片电阻进行摄像并将图片数据输入到判断单元，判断单元自动调阅比对数据和图片数据作比对，得出贴片电阻保护膜质量是否合格数据，数据不合格时经报警模块发出提示信息，技术人员对贴片电阻质量进行针对性检测，并对生产设备做针对性调试、维护或维修。
[0009]进一步地，所述第一步中，将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经标记模块进行数据标注中，故障数据累积的愈多愈好。
[0010]进一步地，所述第一步中，训练集和测试集同时兼具贴片电阻保护膜图片故障数据和合格数据。
[0011]进一步地，所述第三步中，标注过的图片数据是第一步中的训练集。
[0012]进一步地，所述第五步中，报警模块报警的信息包括文字提示信息和语音提示信息。
[0013]本专利技术有益效果是：本专利技术基于AI(人工智能)，利用工业摄像机获取产品图片基础上，用大量贴片电阻图片作为图片数据库，引入人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到贴片电阻各种质量问题，能涵盖贴片电阻保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积等主要质量检测项目。本专利技术能在贴片电阻保护膜出现质量问题时，第一时间提示技术人员，这样，技术人员能在贴片电阻出现质量问题时，第一时间对生产设备进行维护或更换。本专利技术检测速度快、检测精度高、节省了人工、保证了检测质量，提高了生产方经济效益。基于上述，本专利技术具有好的应用前景。
附图说明
[0014]以下结合附图和实施例将本专利技术做进一步说明。
[0015]图1是本专利技术一种贴片电阻的保护膜外观缺陷检测设备的应用方法流程示意图。
具体实施方式
[0016]图1中所示，一种贴片电阻的保护膜外观缺陷检测设备，包括视频摄像机、工控机、数据储存单元、识别单元、判断单元、报警单元；所述视频摄像机安装在贴片电阻生产线的上端，视频摄像机和工控机经数据线连接，数据储存单元、识别单元、判断单元、报警单元是安装在工控机内的应用软件。数据储存单元内存有贴片电阻包括保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积故障图片。数据储存单元内储存有大量贴片电阻保护膜已知故障的图片特征数据，以及和故障一比一对应合格贴片电阻保护膜的图片特征数据。
[0017]图1中所示，一种贴片电阻的保护膜外观缺陷检测设备的应用方法包括如下五个步骤，第一步：先将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经识别单元进行数据标注，同时配上与故障电阻图片数据一比一对应的合格产品的图片数据，并将这些数据按照一定比例分为训练集和测试集；第二步：基于人工智能深度学习技术，针对贴片电阻保护膜故障图片特征设计出适合的人工智能深度学习类型。第一步中，将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经标记模块进行数据标注中，故障数据累积的愈多愈好。第一步中，训练集和测试集同时兼具贴片电阻保护膜图片故障数据和合格数据。
[0018]图1中所示，第三步：用标注过的图片数据对模型进行训练；第四步：用测试集对基于人工智能深度学习的人工智能平台上、生成的实证模型进行测试其是否正确，测试集生成的数据存入数据比对模块作为比对数据；第五步：检测中，视频摄像机实时对贴片电阻进行摄像并将图片数据输入到判断单元，判断单元自动调阅比对数据和图片数据作比对，得出贴片电阻保护膜质量是否合格数据，数据不合格时经报警模块发出提示信息，技术人员对贴片电阻质量进行针对性检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种贴片电阻的保护膜外观缺陷检测设备，其特征在于包括视频摄像机、工控机、数据储存单元、识别单元、判断单元、报警单元；所述视频摄像机安装在贴片电阻生产线的上端，视频摄像机和工控机经数据线连接，数据储存单元、识别单元、判断单元、报警单元是安装在工控机内的应用软件；所述数据储存单元内存有贴片电阻包括保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积故障图片。2.根据权利要求1所述的一种贴片电阻的保护膜外观缺陷检测设备，其特征在于，数据储存单元内储存有大量贴片电阻保护膜已知故障的图片特征数据，以及和故障一比一对应合格贴片电阻保护膜的图片特征数据。3.根据权利要求1所述的一种贴片电阻的保护膜外观缺陷检测设备的应用方法，其特征在于，包括如下五个步骤，第一步：先将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经识别单元进行数据标注，同时配上与故障电阻图片数据一比一对应的合格产品的图片数据，并将这些数据按照一定比例分为训练集和测试集；第二步：基于人工智能深度学习技术，针对贴片电阻保护膜故障图片特征设计出适合的人工智能深度学习类型；第三步：用标注过的图片数据对模型进行训练；第四步：用测试集对基于人工...

【专利技术属性】
技术研发人员：肖向东，盛伟，
申请(专利权)人：苏州诺维博得智能装备科技有限公司，
类型：发明
国别省市：