本发明专利技术提供了一种缺陷判断设备、缺陷检测系统及缺陷检测方法，通过复检设备接收AOI设备输出的第一主数据和第一图像，并向AI算力中心提供具有标准格式的第二主数据和第二图像，由此，面对不同型号的AOI设备，所述AI算力中心均可以使用一套处理系统，从而无需与不同的AI算力中心去适配，降低了制造成本。降低了制造成本。降低了制造成本。
【技术实现步骤摘要】
缺陷判断设备、缺陷检测系统及缺陷检测方法
[0001]本专利技术涉及自动检测
，特别涉及一种缺陷判断设备、缺陷检测系统及缺陷检测方法。
技术介绍
[0002]随着科学技术和经济的不断发展，人们对电子产品的需求也越来越大，PCB(printed circuit board，印刷电路板)产品的应用也越来越广泛。
[0003]PCB产品的加工工序中通常涉及到贴片元件的回流焊接工艺和分立插件元件的选择性波峰焊接工艺。在焊接后，为保证PCB产品质量，需要对焊接后的PCB产品进行检测。现有的检测流程通常是先通过AOI(Automated Optical Inspection，自动光学检测)设备检测，以获得PCB产品中疑似有问题的焊点的主数据和图像；接着再通过人工对AOI设备的检测结果进行判断，以确认是缺陷(not good，NG)还是合格(OK)。
[0004]上述检测过程会占用大量的人力资源，提高了生产成本。因此，如何高效、可靠地减少对于人力资源的占用，成了本领域技术人员需要解决的一个问题。
技术实现思路
[0005]本专利技术的目的在于提供一种缺陷判断设备、缺陷检测系统及缺陷检测方法，以解决现有技术中对于PCB产品的检测占用了大量的人力资源，提高了生产成本的问题。
[0006]为了解决上述技术问题，本专利技术提供一种缺陷判断设备，所述缺陷判断设备包括：
[0007]复检设备，所述复检设备用于根据AOI设备检测待检测产品得到的疑似有问题的焊点的第一主数据和第一图像形成所述疑似有问题的焊点的第二主数据和第二图像，所述第二主数据和所述第二图像的格式为标准格式；以及，
[0008]AI算力中心，所述AI算力中心用于根据所述第二主数据和所述第二图像判断所述疑似有问题的焊点为缺陷或者合格。
[0009]可选的，在所述的缺陷判断设备中，所述第二图像包括一标注区，所述标注区标注出了需要所述AI算力中心判断的区域。
[0010]可选的，在所述的缺陷判断设备中，所述第二图像为不大于600
×
600像素的png格式图像。
[0011]可选的，在所述的缺陷判断设备中，所述第二主数据包括：所述疑似有问题的焊点的唯一编码、在所述待检测产品上的位置、对应的所述AOI设备所使用的检测库程序名、对应的所述AOI设备所认为的不良原因、对应的所述复检设备所使用的相机类型、对应的所述复检设备所使用的相机编号、对应的所述复检设备所使用的相机参数以及所述疑似有问题的焊点的坐标。
[0012]可选的，在所述的缺陷判断设备中，所述复检设备还输出所述待检测产品的主数据，所述待检测产品的主数据包括：所述待检测产品的产线线号、产品追溯ID、产品型号、对应的所述AOI设备的检测时间、所述复检设备的检测时间、所述产品的焊点总数量、所述产
品的疑似有问题的焊点的总数量以及对应的所述AOI设备所使用的检测程序库名。
[0013]可选的，在所述的缺陷判断设备中，所述AI算力中心基于精细标注的训练图像进行训练，其中，基于先验知识实现所述精细标注。
[0014]可选的，在所述的缺陷判断设备中，对于焊锡填充异常的所述训练图像，所述训练图像包括：引脚标注图像、焊盘标注图像和填充异常区域标注图像；对于引脚不过板的所述训练图像，所述训练图像包括：引脚标注图像。
[0015]可选的，在所述的缺陷判断设备中，对于焊锡填充异常的所述训练图像，所述训练图像还包括：引脚的像素级标注图像、焊盘的像素级标注图像和填充异常区域的像素级标注图像；对于引脚不过板的所述训练图像，所述训练图像还包括：引脚的像素级标注图像。
[0016]可选的，在所述的缺陷判断设备中，所述AI算力中心采用语义分割网络模型。
[0017]可选的，在所述的缺陷判断设备中，所述AI算力中心还用于输出所述疑似有问题的焊点对应的特征表和/或热力图，所述特征表和/或热力图中包括引脚、焊盘和/或填充异常区域的信息。
[0018]本专利技术还提供一种缺陷检测系统，所述缺陷检测系统包括：AOI设备以及如上所述的缺陷判断设备；其中，所述AOI设备用于检测待检测产品以得到所述待检测产品上疑似有问题的焊点的第一主数据和第一图像，并将所述第一主数据和所述第一图像提供给所述缺陷判断设备；所述缺陷判断设备用于根据所述第一主数据和所述第一图像判断所述疑似有问题的焊点为缺陷或者合格。
[0019]本专利技术还提供一种缺陷检测方法，所述缺陷检测方法包括：
[0020]采用AOI设备检测待检测产品以得到所述待检测产品上疑似有问题的焊点的第一主数据和第一图像；
[0021]采用复检设备根据所述第一主数据和所述第一图像形成所述疑似有问题的焊点的第二主数据和第二图像，所述第二主数据和所述第二图像的格式为标准格式；以及，
[0022]采用AI算力中心根据所述第二主数据和所述第二图像判断所述疑似有问题的焊点为缺陷或者合格。
[0023]可选的，在所述的缺陷检测方法中，所述AI算力中心还输出所述疑似有问题的焊点对应的特征表和/或热力图。
[0024]在本专利技术提供的缺陷判断设备、缺陷检测系统及缺陷检测方法中，通过复检设备接收AOI设备输出的第一主数据和第一图像，并向AI算力中心提供具有标准格式的第二主数据和第二图像，由此，面对不同型号的AOI设备，所述AI算力中心均可以使用一套处理系统，从而无需与不同的AI算力中心去适配，降低了制造成本。
[0025]进一步的，在专利技术提供的缺陷判断设备、缺陷检测系统及缺陷检测方法中，不仅可以面对各种型号的AOI设备，具有极强的适用性；当发现缺陷问题时，能够非常方便地定位、溯源，以拦截缺陷产品流入市场并便于排查及解决问题；此外，对于最终的判断结果也便于人工通过特征表和/或热力图进行理解和复核。可见，本专利技术提供的缺陷判断设备、缺陷检测系统及缺陷检测方法功能强大、使用友好。
附图说明
[0026]图1是本专利技术实施例的缺陷检测系统的框结构示意图。
[0027]图2是本专利技术实施例的第二图像的示意图。
[0028]图3是本专利技术实施例的第二主数据的示意图表。
[0029]图4是本专利技术实施例的待检测产品的主数据示意图表。
[0030]图5是本专利技术实施例的SP图像的示意图。
[0031]图6是图5所示的SP图像的引脚标注图像。
[0032]图7是图5所示的SP图像的焊盘标注图像。
[0033]图8是图5所示的SP图像的填充异常区域标注图像。
[0034]图9是本专利技术实施例的WP图像的示意图。
[0035]图10是图9所示的WP图像的引脚标注图像。
[0036]图11是本专利技术实施例的SP图像的示意图。
[0037]图12是图11所示的SP图像的像素级标注示意图。
[0038]图13是本专利技术实施例的SP图像的示意图。
[0039]图14是图13所示的SP图像的像素级标注示意图。
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种缺陷判断设备，其特征在于，所述缺陷判断设备包括：复检设备，所述复检设备用于根据AOI设备检测待检测产品得到的疑似有问题的焊点的第一主数据和第一图像形成所述疑似有问题的焊点的第二主数据和第二图像，所述第二主数据和所述第二图像的格式为标准格式；以及，AI算力中心，所述AI算力中心用于根据所述第二主数据和所述第二图像判断所述疑似有问题的焊点为缺陷或者合格。2.如权利要求1所述的缺陷判断设备，其特征在于，所述第二图像包括一标注区，所述标注区标注出了需要所述AI算力中心判断的区域。3.如权利要求1所述的缺陷判断设备，其特征在于，所述第二图像为不大于600
×
600像素的png格式图像。4.如权利要求1所述的缺陷判断设备，其特征在于，所述第二主数据包括：所述疑似有问题的焊点的唯一编码、在所述待检测产品上的位置、对应的所述AOI设备所使用的检测库程序名、对应的所述AOI设备所认为的不良原因、对应的所述复检设备所使用的相机类型、对应的所述复检设备所使用的相机编号、对应的所述复检设备所使用的相机参数以及所述疑似有问题的焊点的坐标。5.如权利要求1所述的缺陷判断设备，其特征在于，所述复检设备还输出所述待检测产品的主数据，所述待检测产品的主数据包括：所述待检测产品的产线线号、产品追溯ID、产品型号、对应的所述AOI设备的检测时间、所述复检设备的检测时间、所述产品的焊点总数量、所述产品的疑似有问题的焊点的总数量以及对应的所述AOI设备所使用的检测程序库名。6.如权利要求1所述的缺陷判断设备，其特征在于，所述AI算力中心基于精细标注的训练图像进行训练，其中，基于先验知识实现所述精细标注。7.如权利要求6所述的缺陷判断设备，其特征在于，对于焊锡填充异常的所述训练图像，所述训练图像包括：引脚标注图...
【专利技术属性】
技术研发人员：金昱，张洁，沈崴，陆唯佳，葛欢，吴少刚，刘鹏，孙林，顾周顺，
申请(专利权)人：联合汽车电子有限公司，
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。