具有生成式训练模型的零件检查系统技术方案

一种零件检查系统，包含视觉装置，配置为成像正被检查的零件并生成零件的数字图像。系统包含零件检查模块，其通信地耦接到视觉装置并接收零件的数字图像作为输入图像。零件检查模块包含缺陷检测模型。缺陷检测模型包含模板图像。缺陷检测模型将输入图像与模板图像比较以识别缺陷。缺陷检测模型生成输出图像。缺陷检测模型配置为在输出图像上在所识别的缺陷位置(如果存在)处叠加缺陷标识符。位置(如果存在)处叠加缺陷标识符。位置(如果存在)处叠加缺陷标识符。

【技术实现步骤摘要】
具有生成式训练模型的零件检查系统


[0001]本文的主题总体上涉及零件检查系统和方法。

技术介绍

[0002]随着图像处理技术的发展，图像处理技术已经应用于制造的产品的缺陷检测。在实际应用中，在一个或多个制造步骤之后，诸如在组装零件或运输零件之前，可以成像零件，并且分析图像以检测缺陷。一些缺陷对已知图像处理系统难以识别。此外，图像处理系统的训练可能是困难且耗时的。例如，训练典型地涉及收集许多图像，包含好和坏图像两者，诸如分别不包含缺陷的零件的图像和具有缺陷的零件的图像。通过分析好和坏的图像两者来训练系统。然而，用于训练的图像的数量不足并不少见，诸如几乎没有坏图像来用各种类型的缺陷训练系统。用于操作缺陷检测的系统的算法执行得差。检查系统的精度受系统的不良训练的影响。
[0003]仍存在对一种鲁棒的零件检查系统和方法的需求。

技术实现思路

[0004]在一个实施例中，提供一种零件检查系统，并且其包含视觉装置，视觉装置配置为成像正被检查的零件并生成零件的数字图像。系统包含零件检查模块，零件检查模块通信地耦接到视觉装置并接收零件的数字图像作为输入图像。零件检查模块包含缺陷检测模型。缺陷检测模型包含模板图像。缺陷检测模型将输入图像与模板图像比较以识别缺陷。缺陷检测模型生成输出图像。缺陷检测模型配置为在输出图像上在所识别的缺陷位置(如果存在)处叠加缺陷标识符。
[0005]在另一实施例中，提供一种零件检查系统，并且其包含视觉装置，视觉装置配置为成像正被检查的零件并生成零件的数字图像。系统包含零件检查模块，零件检查模块通信地耦接到视觉装置并接收零件的数字图像作为输入图像。零件检查模块具有生成式神经网络架构，其从训练图像生成模板图像。零件检查模块包含缺陷检测模型，其接收输入图像和模板图像。缺陷检测模型在输入图像与模板图像之间执行绝对图像差以识别在输入图像与模板图像之间识别到差异的位置处的缺陷位置。缺陷检测模型生成输出图像，输出图像具有在所识别的缺陷位置(如果存在)处叠加在输入图像上的缺陷标识符。
[0006]在又一实施例中，提供一种零件检查方法，并且其包含成像零件，成像零件使用视觉装置来生成输入图像。方法通过将输入图像与模板图像比较，由零件检查系统的缺陷检测模型分析输入图像，以识别缺陷位置。方法通过在输入图像上在所识别的缺陷位置处叠加缺陷标识符生成输出图像。
附图说明
[0007]图1图示了根据示例性实施例的零件检查系统。
[0008]图2A图示了根据示例性实施例的“好”零件(没有缺陷的零件)的输入图像。
[0009]图2B图示了根据示例性实施例的“好”零件的比较图像。
[0010]图2C图示了根据示例性实施例的“好”零件的输出图像。
[0011]图3A图示了根据示例性实施例的“坏”零件(具有缺陷的零件)的输入图像。
[0012]图3B图示了根据示例性实施例的“坏”零件的比较图像。
[0013]图3C图示了根据示例性实施例的“坏”零件的输出图像。
[0014]图4是根据示例性实施例的零件检查方法的流程图。
具体实施方式
[0015]图1图示了根据示例性实施例的零件检查系统100。零件检查系统100被用于检查零件102缺陷。在示例性实施例中，零件检查系统100是视觉检查系统，其使用一个或多个处理器来分析零件102的数字图像的缺陷。在示例性实施例中，零件检查系统100将生成式神经网络架构用于缺陷检测。零件检查系统100可以被用于分析数字图像的一种特定类型的缺陷或多种不同类型的缺陷。在各种实施例中，零件102可以是电接触、电连接器、印刷电路板，或另一类型的电部件。在替代实施例中，零件检查系统100可以被用于检查其他类型的零件。
[0016]零件检查系统100包含检查站110。检查站110可以位于处理站的下游(例如，冲压机、钻床、切削机、组装机等)，以检查处理之后的零件102。在其他各种实施例中，检查站110可以位于处理站。检查站110包含检查区域112。
[0017]在示例性实施例中，检查站110包含定位特征114，以相对于检查区域112定位零件102。定位特征114可以是台或用于在检查站110中保持并支承零件102的其他支撑平台。定位特征114可以包含一个或多个壁或其他特征，其形成基准表面以定位零件102。定位特征114可以包含保持零件102的夹具或托架。使用期间，零件102被呈现在检查区域112处以进行检查。例如，零件102可以邻接抵靠定位特征114以将零件102定位在检查区域112处。零件102可以由定位特征114在检查区域112内移动。
[0018]在示例性实施例中，检查站110可以包含操纵器116以相对于检查站110移动零件102。例如，操纵器116可以包含传送带或振动盘以移动零件102通过检查站110。在其他各种实施例中，操纵器116可以包含给送器装置，诸如用于推进零件102的给送指，其被保持在诸如载体条的载体上。在其他各种实施例中，操纵器116可以包含多轴机器人，多轴机器人配置为在三维空间中在内检查站110移动零件102。在替代实施例中，操纵器116可以是自动化引导交通工具(AGV)，AGV配置为在各站之间移动零件102。在其他替代实施例中，可以用手将零件102手动地操纵并定位在检查区域112处。
[0019]零件检查系统100包含视觉装置120以成像检查区域112处的零件102。视觉装置120可以安装到检查站110的框架或其他结构。视觉装置120包含用于成像零件102的相机122。相机122可以在检查区域112内相对于零件102可移动(或零件102可以相对于相机122可移动)，以改变相机122与零件102之间的工作距离，这可能影响图像的清晰度。在替代实施例中可以使用其他类型的视觉装置120，诸如红外相机，或在除可见光谱之外的波长处成像的其他类型的相机。
[0020]在示例性实施例中，零件检查系统100包含相机122处的镜头124以控制成像。镜头124可以被用于聚焦视野。镜头124可以被调整以改变缩放级别来改变视野。操作镜头124以
调整图像的清晰度，诸如实现高质量图像。
[0021]在示例性实施例中，零件检查系统100包含照明装置126以控制检查区域112处的视觉装置120的视野中的照明条件。照明装置126可以被调整以控制照明的性质，诸如亮度、光强度、光色等。照明影响由视觉装置120生成的图像的质量。
[0022]在示例性实施例中，视觉装置120可操作地耦接到控制器130。控制器可操作地耦接到视觉装置120以控制视觉装置120的操作。控制器130可操作地耦接到零件检查模块150并接收来自零件检查模块150的一个或多个输出。在各种实施例中，控制器130包含计算机或可以是的计算机零件。在示例性实施例中，控制器130包含用户界面132，用户界面132具有显示器134和用户输入136，诸如键盘、鼠标、小键盘，或另一类型的用户输入。
[0023]在示例性实施例中，控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种零件检查系统，包括：视觉装置，配置为成像正被检查的零件并生成所述零件的数字图像；零件检查模块，通信地耦接到所述视觉装置并接收所述零件的数字图像作为输入图像，所述零件检查模块包含缺陷检测模型，所述缺陷检测模型包含模板图像，所述缺陷检测模型将所述输入图像与所述模板图像比较以识别缺陷，所述缺陷检测模型生成输出图像，所述缺陷检测模型配置为在所述输出图像上在所识别的缺陷位置(如果存在)处叠加缺陷标识符。2.根据权利要求1所述的零件检查系统，其中所述缺陷检测模型进行图像相减以识别所述缺陷位置。3.根据权利要求1所述的零件检查系统，其中所述缺陷检测模型在所述输入图像与所述模板图像之间执行绝对图像差以识别所述缺陷位置。4.根据权利要求1所述的零件检查系统，其中所述缺陷检测模型包含模板匹配算法以将所述输入图像与所述模板图像匹配来识别所述缺陷位置。5.根据权利要求1所述的零件检查系统，其中所述零件检查模块包含从训练图像生成所述模板图像的生成式神经网络架构。6.根据权利要求5所述的零件检查系统，其中所述生成式神经网络架构的所述训练图像仅为不包含缺陷的图像。7.根据权利要求1所述的零件检查系统，其中所述缺陷标识符是所识别的缺陷位置(如果存在)处的边界框。8.根据权利要求1所述的零件检查系统，其中当所述输入图像与所述模板图像的比较未识别任何缺陷位置时，所述输出图像不包含缺陷标识符。9.根据权利要求1所述的零件检查系统，其中所述零件检查模块包含具有低通高斯滤波的图像变形模型，所述缺陷检测模型将所述输入图像与所述模板图像比较以生成图像的绝对差，所述图像变形模型将所述低通高斯滤波应用于所述图像的绝对差。10.根据权利要求9所述的零件检查系统，其中所述图像变形模型包含二进制阈值滤波，所述二进制阈值滤波将全部非黑像素设定为白值以识别所述缺陷位置。11.一种零件检查系统，包括：视觉装置，配置为成像正被检查的零件并生成所述零件的数字图像；零件检查模块...

【专利技术属性】
技术研发人员：S奥孙科沃，周磊，周建坤，RFY卢，张丹丹，Z徐，A桑什，拉杰什RK，A里奥达纳，D维拉特，R克里提克，KT仁济，D加亚，
申请(专利权)人：泰连服务有限公司，
类型：发明
国别省市：