一种基于人工智能的胶线缺陷检测系统技术方案

本发明专利技术公开了一种基于人工智能的胶线缺陷检测系统，涉及胶线缺陷检测技术领域，本发明专利技术在利用光学检测设备检测胶线缺陷的基础上，首先以受检图像、基础图像之间中胶线区域的对比数据，作为判断产品可能存在的缺陷问题并加以记录，在此基础上，同步建立缺陷统计估算和自主学习反馈两个模块，其目的是：以计算得到的缺陷问题进行统计分类，根据存在的缺陷问题，自主判断前一批次中点胶动作的工艺参数，具体需要再次结合到受检图像中的检测子单元相对基础图像中的检测子单元的胶线区域的重合或缺失状态，以此为基础，自主对点胶设备中的点胶工艺参数进行微调，以达到改变下一批次中生产得到的产品质量的效果。中生产得到的产品质量的效果。中生产得到的产品质量的效果。

【技术实现步骤摘要】
一种基于人工智能的胶线缺陷检测系统


[0001]本专利技术涉及胶线缺陷检测
，具体涉及一种基于人工智能的胶线缺陷检测系统。

技术介绍

[0002]点胶工艺是把电子胶水或其他流体通过涂抹、灌封、点滴的动作施加在产品上，起到黏贴、灌封、绝缘、固定、表面光滑等作用，其中点胶质量关乎着产品后续使用质量，在点胶工艺中形成的胶线可能出现拉丝/拖尾、空打、卫星点、爆米花/空洞等缺陷问题，为此利用自动光学检测原理进行缺陷检测十分有必要，具体可参考CN113340909A一种基于机器视觉的胶线缺陷检测方法。
[0003]需要说明的是：当前的检测方式主要是作为判断产品优良或产品不佳的手段，具体是记录产品中存在的缺陷问题，然后再将不同质量的产品进行分类传输，对自动点胶工艺来说，主要以自动流水线的生产模式为主，具体可参考CN111211655A全自动智能化点胶流水线装备。
[0004]结合上述内容，需要注意的是：在自动化流水线的生产模式中，点胶工艺中设置的参数主要依赖于人工控制，通过上述的检测系统检测到产品不佳的数量，特别是在出现大批量产品不佳时，就需要人为干预，具体为：临时中断点胶生产线设备，并重新输入新参数
‑
调机
‑
再启动运行，此过程不仅耗费额外的工作时间，此外，在需要人为干预的状况下，点胶设备已经生产了大批量的不合格品。
[0005]针对上述技术问题，本申请提出了一种解决方案。

技术实现思路

[0006]本专利技术的目的在于提供一种基于人工智能的胶线缺陷检测系统，用于解决当前所使用的胶线缺陷检测过程仅仅是作为产品优良与否的判断方式，但是在实际运行过程，在出现批量缺陷问题时，不仅需要耗费时间进行调节，并且也生产了大量的不合格品，影响到点胶设备有效运行效率。
[0007]本专利技术的目的可以通过以下技术方案实现：一种基于人工智能的胶线缺陷检测系统包括图像信息采集模块、图像信息分析模块、检测信息收集模块、缺陷统计估算模块、自主学习反馈模块，具体如下：
[0008]图像信息采集模块：通过点胶设备对产品执行点胶动作，完成点胶动作的产品为受检产品，并运用光学检测设备采集受检产品中点胶位置处的图像信息，得到受检图像，以及向图像信息采集模块中输入基础图像；
[0009]图像信息分析模块：将图像信息采集模块中得到的受检图像、基础图像转换为电信号并发送到图像信息分析模块中，在图像信息分析模块中重新生成受检图像、基础图像，将受检图像、基础图像按U向、V向分割成多个检测单元，之后将受检图像与基础图像中的多个检测单元进行重合叠加对比，对每组重叠的检测单元进行计算得到绝对阈值，根据
绝对阈值计算并判断得到产品的质量状态，为绝对阈值中的标定符号；
[0010]检测信息收集模块：将图像信息分析模块中得到的绝对阈值输入到检测信息收集模块中，对绝对阈值进行二级分析计算，用于计算并判断得到产品的缺陷种类；
[0011]缺陷统计估算模块：将图像信息分析模块得到的产品质量状态的判断数据、检测信息收集模块中得到的产品缺陷种类的判断数据发送到缺陷统计估算模块中，在缺陷统计估算模块中对图像信息分析模块和检测信息收集模块中的判断数据进行三级分析计算，三级分析计算用于计算产品缺陷种类的占比，在缺陷统计估算模块中三级分析计算的作用对象包含有N个的受检产品，N个受检产品为图像信息采集模块中的点胶设备连续运行下得到的受检产品；
[0012]自主学习反馈模块：将缺陷统计估算模块中得到的产品缺陷种类的占比发送到自主学习模块中进行自主干预计算动作，并同步将图像信息分析模块中的产品质量状态、检测信息收集模块中的产品缺陷种类、基础图像输入到自主干预计算动作中，作为自主干预计算动作的参考数据。
[0013]进一步设置为：在图像信息采集模块中，输入的基础图像为理论上点胶设备以最佳点胶工艺参数执行点胶动作得到的最优产品的基础图像，基础图像和受检图像的轮廓为矩形，且基础图像和受检图像中的长、宽值相等，并标定基础图像和受检图像中的长值为Lo、宽值为Wo，且Lo、Wo为定值。
[0014]进一步设置为：在图像信息分析模块中得到的检测单元为正方形，且检测单元的轮廓边长为C，所述基础图像、受检图像按照U向、V向的分割间距等于C，通过Lo、Wo计算得到：检测单元沿U向的数量为、沿V向的数量为，其中、和i取自然正整数，i=1、2、3
…
i
‑
1，结合、对应基础图像和受检图像的轮廓建立二维坐标轴，二维坐标轴中的X轴上的单位标定为、二维坐标轴中的Y轴上的单位标定为，从而得到检测单元的坐标点：（、），并在计算绝对阈值时，具体包括如下部分：
[0015]S1：计算得到检测单元的面积为，并以光学检测设备获取检测单元中的胶线区域面积，胶线区域为胶线在检测单元中的显影部分，且赋予受检图像中的胶线区域面积为、基础图像中的胶线区域面积；
[0016]S2：建立绝对阈值的计算公式：，其中位于同一坐标点位置的检测单元中的为相对定值，位于同一坐标点位置的检测单元中的为相对变值；
[0017]S3：通过S2中建立的计算公式计算得到分为如下两个状态：
[0018]1），标定此状态下的受检产品为质量优良状态；
[0019]2）或，标定此状态下的受检产品为质量缺陷状态。
[0020]进一步设置为将图像信息分析模块中计算得到的绝对阈值输入到检测信息收集模块中的检测信息收集模块中进行二次分析计算，具体包括如下阶段：
[0021]阶段一：对质量优良状态的受检产品不执行二次分析计算动作；
[0022]阶段二：对质量缺陷状态的受检产品执行二次分析计算动作，具体动作如下所示：
[0023]动作一：在绝对阈值计算过程中，隔离出一个或者多个存在质量缺陷的检测单元，提取其中的胶线区域并放大显示倍数k，得到二级分析计算动作中的分析区域，分析区域为矩形；
[0024]动作二：对动作一中获得的分析区域按照图像信息分析模块中对受检图像、基础图像的分割方法进行二次分割，获得若干个检测子单元，并结合到二维坐标轴的建立方法，若干个检测子单元沿着分析区域的轮廓标定坐标点为：（、），其中k为对受检图、基础图像进行二次分割的间距数值；
[0025]动作三：提取绝对阈值计算公式中的，在质量优良状态下：，受检图像和基础图像中的胶线区域处于完全匹配的状态，不执行动作二；
[0026]在，受检图像中胶线区域面积＞，运用动作二中的检测子单元，提取出受检图像中胶线区域相对于基础图像中胶线区域重合位置的坐标点；
[0027]在，受检图像中胶线区域面积＜，运用动作二中的检测子单元，提取出受检图像中胶线区域相对于基础图像中胶线区域缺失位置的坐标点；
[0028]动作四：收集动作三中的坐标点，并覆盖在基础图像的检测子单元中的相同坐标点位置，根据与之间的重合度、与之间的差值，判断得到产品的缺陷种类。
[0029]进一步设置为：在缺陷统计估算模块和自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的胶线缺陷检测系统，其特征在于，包括图像信息采集模块、图像信息分析模块、检测信息收集模块、缺陷统计估算模块、自主学习反馈模块，具体如下：图像信息采集模块：通过点胶设备对产品执行点胶动作，完成点胶动作的产品为受检产品，并运用光学检测设备采集受检产品中点胶位置处的图像信息，得到受检图像，以及向图像信息采集模块中输入基础图像；图像信息分析模块：将图像信息采集模块中得到的受检图像、基础图像转换为电信号并发送到图像信息分析模块中，在图像信息分析模块中重新生成受检图像、基础图像，将受检图像、基础图像按U向、V向分割成多个检测单元，之后将受检图像与基础图像中的多个检测单元进行重合叠加对比，对每组重叠的检测单元进行计算得到绝对阈值，根据绝对阈值计算并判断得到产品的质量状态，为绝对阈值中的标定符号；检测信息收集模块：将图像信息分析模块中得到的绝对阈值输入到检测信息收集模块中，对绝对阈值进行二级分析计算，用于计算并判断得到产品的缺陷种类；缺陷统计估算模块：将图像信息分析模块得到的产品质量状态的判断数据、检测信息收集模块中得到的产品缺陷种类的判断数据发送到缺陷统计估算模块中，在缺陷统计估算模块中对图像信息分析模块和检测信息收集模块中的判断数据进行三级分析计算，三级分析计算用于计算产品缺陷种类的占比，在缺陷统计估算模块中三级分析计算的作用对象包含有N个的受检产品，N个受检产品为图像信息采集模块中的点胶设备连续运行下得到的受检产品；自主学习反馈模块：将缺陷统计估算模块中得到的产品缺陷种类的占比发送到自主学习模块中进行自主干预计算动作，并同步将图像信息分析模块中的产品质量状态、检测信息收集模块中的产品缺陷种类、基础图像输入到自主干预计算动作中，作为自主干预计算动作的参考数据。2.根据权利要求1所述的一种基于人工智能的胶线缺陷检测系统，其特征在于，在图像信息采集模块中，输入的基础图像为理论上点胶设备以最佳点胶工艺参数执行点胶动作得到的最优产品的基础图像，基础图像和受检图像的轮廓为矩形，且基础图像和受检图像中的长、宽值相等，并标定基础图像和受检图像中的长值为Lo、宽值为Wo，且Lo、Wo为定值。3.根据权利要求1所述的一种基于人工智能的胶线缺陷检测系统，其特征在于，在图像信息分析模块中得到的检测单元为正方形，且检测单元的轮廓边长为C，所述基础图像、受检图像按照U向、V向的分割间距等于C，通过Lo、Wo计算得到：检测单元沿U向的数量为、沿V向的数量为，其中、和i取自然正整数，i=1、2、3
…
i
‑
1，结合、对应基础图像和受检图像的轮廓建立二维坐标轴，二维坐标轴中的X轴上的单位标定为、二维坐标轴中的Y轴上的单位标定为，从而得到检测单元的坐标点：（、），并在计算绝对阈值时，具体包括如下部分：S1：计算得到检测单元的面积为，并以光学检测设备获取检测单元中的胶线区域面积，胶线区域为胶线在检测单...

【专利技术属性】
技术研发人员：周克东，郭文龙，董良，夏时雨，
申请(专利权)人：苏州鑫信腾科技有限公司，
类型：发明
国别省市：