【技术实现步骤摘要】
一种UV胶缺陷检测方法、系统、设备及介质
[0001]本专利技术涉及视觉检测
，具体的，本专利技术应用于电路板表面紫外光固化胶检测领域，特别是涉及一种UV胶缺陷检测方法、系统、设备及介质。
技术介绍
[0002]长期以来，工业领域质量检测是计算机视觉最有挑战性的一项任务，工业质量检测是工业检测领域中不可或缺的一部分。
[0003]目前，在工业质量检测领域的实际应用场景中，大多数使用以机器学习为基础的传统机器视觉技术，该方法对噪声数据过于敏感，尤其是当图片不清晰时，识别效果较差，此外，这种方法需要人为提取标定特征并对其进行训练和检测，开发周期较长，适用性较差；然而，在工业应用中，对于电路板表面紫外光固化胶（UV胶）经常需要进行厚度、气泡、橘皮等缺陷的质量检测，但是由于UV胶表面特征复杂，同一种缺陷外观差异较大，传统机器视觉算法准确率较低，故目前的检测方法大多采用人工质检辅助传统机器视觉检测的方式进行UV胶缺陷检测；其中，人工质检效率较慢，检测进度及结果受人为干扰因素大，而传统机器视觉算法对缺陷的检测鲁棒性差，误检...
【技术保护点】
【技术特征摘要】
1.一种UV胶缺陷检测方法，其特征在于，包括以下步骤：图像获取步骤：设置第一光源，基于所述第一光源获取待检测单元的第一图像；设置不同于所述第一光源的第二光源，基于所述第二光源获取所述待检测单元的第二图像；图像定位步骤：对所述第一图像执行元件定位操作，得到检测位置；厚度检测步骤：根据所述检测位置对所述第二图像执行基于数据拟合处理的厚度检测操作，得到厚度数据；缺陷检测步骤：根据所述检测位置对所述第二图像执行基于神经网络的元件缺陷检测操作，得到缺陷数据；达标判断步骤：基于所述厚度数据和所述缺陷数据判断所述待检测单元的达标情况。2.根据权利要求1所述的一种UV胶缺陷检测方法，其特征在于：所述执行元件定位操作前，配置区域检测算法，设置检测范围；所述元件定位操作，包括：根据所述检测范围对所述第一图像进行裁剪，得到裁剪图像；调用所述区域检测算法识别所述裁剪图像的待检测区域；确认所述待检测区域的区域坐标，令所述区域坐标作为所述检测位置。3.根据权利要求1所述的一种UV胶缺陷检测方法，其特征在于：所述基于数据拟合处理的厚度检测操作，包括：获取映射数据样本集，基于所述映射数据样本集拟合厚度检测策略；根据所述检测位置确认所述第二图像的待测图像区域；识别所述待测图像区域的图像数据；获取所述第二光源的光源数据；将所述图像数据和所述光源数据作为所述厚度检测策略的数据源进行计算，得到所述待测图像区域的厚度参数；令所述厚度参数作为所述厚度数据。4.根据权利要求1所述的一种UV胶缺陷检测方法，其特征在于：所述执行基于神经网络的元件缺陷检测操作前，获取缺陷样本图像，对所述缺陷样本图像进行预处理，得到样本集；基于所述样本集训练神经网络模型，得到待使用网络模型；所述基于神经网络的元件缺陷检测操作，包括：根据所述检测位置确认所述第二图像的待测图像区域；调用所述待使用网络模型对所述待测图像区域进行缺陷特征检测，得到缺陷图像结果；识别所述缺陷图像结果中的缺陷位置数据和缺陷属性信息；令所述缺陷图像结果、所述缺陷位置数据和所述缺陷属性信息作为所述缺陷数据。
5.根据权利要求3所述的一种UV胶缺陷检测方法，其特征在于：所述获取映射数据样本集，包括：确认样本元件图像；获取所述样本元件图像的样本图像数据；获取所述样本元件图像所对应的样本光源数据；检测所述样本元件图像所对应的样本元件厚度；将所述样本图像数据、所述样本光源数据和所述样本元件厚度间建立映射关系，得到厚度映射样本；基于若干所述厚度映射样本建立所述映射数据样本集；所述基于所述映射数据样本集拟合厚度检测策略，包括：对所述映射数据样本集中的若干所述厚度映射样本进行数据拟合，得到关于所述样本图像数据、所述样本光源数据与所述样本元件厚度间的映射策略；令所述映射策略作为所述厚度检测策略。6.根据权利要求4所述的一种UV胶缺陷检测方法，其特征在于：所述获取缺陷样本图像，对...
【专利技术属性】
技术研发人员：程克林，张振，
申请(专利权)人：苏州赫芯科技有限公司，
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。