一种AOI在线检测系统、方法及电子设备技术方案

本发明专利技术提供了一种AOI在线检测系统、方法及电子设备，属于电子检测技术领域，该系统包括AOI检测模块、文件监控模块、数据上传模块、数据分析模块、AI服务器。AOI检测模块用于采集并储存待检测物的图像信息，判断待检测物是否有缺陷；文件监控模块通过监控图像判断待检测物是否有缺陷，并发送图像；数据上传模块用于接收文件监控模块发送的图像信息并上传；数据分析模块用于接收数据上传模块上传的图像信息，并把所接收的图像进行标注、分类；AI服务器利用数据分析模块标注、分类后的图像样本进行训练，并把训练结果反馈到文件监控模块。该系统能够实时判断待检测物是否有缺陷，且上传图像后能够自动分析整理，有利于提高系统检测的准确率。准确率。准确率。

【技术实现步骤摘要】
一种AOI在线检测系统、方法及电子设备


[0001]本专利技术涉及电子检测
，尤其涉及一种AOI在线检测系统、方法及电子设备。

技术介绍

[0002]在电路板的生产过程中，产品缺陷发生的概率是不均匀的，且发生时间也是极其不确定的，这给产品的质量检测带来不少困难。现有的一种控制器车间SMT生产线的产品质量检测使用的是基于机器视觉的自动光学检测(AOI)。为了提高产品的质量检测准确率，应用过程中需要采集产品的图片，并对图片进行分类、标注、分析，以满足后期的质量追溯需求以及AOI的深度学习需求。但是现有的AOI系统进行检测时，通常是将检测出来的图片储存在本地，而后分析时工作人员利用移动存储设备收集图片，再对图片进行逐一分类、标注，最后将标注好的图片上传到分析系统进行学习。
[0003]该图片采集方法耗时长、效率低且容易出现遗漏，而且标注工作需要专业的技术人员参与，增加了劳动强度，不利于提高电路板的生产检测效率。
[0004]因此，需要对现有的AOI系统进行改进，以克服现有技术的缺陷。

技术实现思路

[0005]为克服相关技术中存在的问题，本专利技术的目的之一是提供一种AOI在线检测系统，该系统能够实时判断待检测物是否有缺陷，且上传图像后能够自动分析整理，有利于提高系统检测的准确率。
[0006]一种AOI在线检测系统，包括：
[0007]AOI检测模块，AOI检测模块用于采集并储存待检测物的图像信息，判断待检测物是否有缺陷；
[0008]文件监控模块，通过监控图像判断待检测物是否有缺陷，并发送图像；
[0009]数据上传模块，用于接收文件监控模块发送的图像信息并上传；
[0010]数据分析模块，用于接收数据上传模块上传的图像信息，并把所接收的图像进行标注、分类；
[0011]AI服务器，AI服务器利用数据分析模块标注、分类后的图像样本进行训练，并把训练结果反馈到文件监控模块。
[0012]在本专利技术较佳的技术方案中，还包括：初筛模块；
[0013]初筛模块用于初步检测待检测物的信息，并把检测结果反馈至AOI检测模块；
[0014]AOI检测模块根据初筛模块反馈的结果判断自身是否启动。
[0015]在本专利技术较佳的技术方案中，初筛模块与AI服务器电连接；初筛模块将待检测物的信息发送至AI服务器，AI服务器利用初筛模块反馈的信息进行训练，并把训练结果反馈至初筛模块。
[0016]在本专利技术较佳的技术方案中，初筛模块检测的待检测物的信息包括重量、形状、尺
寸中的一种或多种。
[0017]在本专利技术较佳的技术方案中，数据分析模块把所接收的图像进行标注、分类，包括：
[0018]获取原始图片样本信息，标注原始图片缺陷，构建产品的一次标签库；
[0019]通过feature map算子对标注的区域内的图像进行卷积，提取的图像特征向量，构成二次标签库；
[0020]获取待标注的图像，对所有待标注的图像逐一进行特征的卷积运算，搜索与已标注的特征向量匹配的区域，生成标注框信息。
[0021]在本专利技术较佳的技术方案中，通过feature map算子对标注的区域内的图像进行卷积，提取的图像特征向量，包括：
[0022]当一次标签库的标签数量小于预设阈值时，采用无监督特征提取算法提取图像特征向量；
[0023]当一次标签库的标签数量大于预设阈值时，采用预训练神经网络提取图像特征向量；其中预训练神经网络包括：ImageNet预训练的MobilenetV3网络和MVTTec AD样本集预训练的WideResNet50网络。
[0024]在本专利技术较佳的技术方案中，还包括输送线和定位装置；
[0025]所述输送线用于输送待检测物，定位装置设置在所述输送线中，用于对所述输送线上的待检测物进行定位；其中，所述定位装置靠近所述初筛模块设置。
[0026]本专利技术的目的之二是提供一种AOI在线检测方法，该方法基于如上所述的在线检测系统来实施。
[0027]在本专利技术较佳的技术方案中，获取待检测物的图像信息，并把获取的图像信心储存于缓冲区；
[0028]监控缓冲区的图像信息，通过图像信息判断待检测物是否有缺陷，在待检测物有缺陷时将对应的图像发送至数据上传模块启动，在待检测物无缺陷时继续监控缓冲区的图像信息；
[0029]数据上传模块启动，将有缺陷的图像信息上传至数据分析模块；
[0030]数据分析模块接收图像信息，并把所接收的图像进行标注、分类；
[0031]利用标注、分类后的图像进行训练，输出训练结果。
[0032]本专利技术的目的之三是提供一种电子设备，包括：
[0033]处理器；以及
[0034]存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上所述的方法。
[0035]本专利技术的有益效果为：
[0036]本专利技术提供的一种AOI在线检测系统、方法及电子设备，该系统包括用于采集并储存待检测物的图像信息的AOI检测模块、用于通过监控图像判断待检测物是否有缺陷，并发送图像的文件监控模块；用于接收文件监控模块发送的图像信息并上传的数据上传模块；用于接收数据上传模块上传的图像信息，并把所接收的图像进行标注、分类的数据分析模块；以及利用数据分析模块标注、分类后的图像样本进行训练，并把训练结果反馈到文件监控模块的AI服务器。该系统通过监测AOI检测模块采集的图像信息来判断待检测物是否有
缺陷，并且能够把采集的图像上传，经过数据分析模块对图像进行分类，标注，使得经过分类标注后的图像形成样本库。再通过AI服务器利用样本库进行训练学习，经过不停训练迭代的AI服务器将训练结果反馈到文件监控模块，有助于提高文件监控模块的判断效率，并提高准确率。
附图说明
[0037]图1是本专利技术提供的AOI在线检测系统各模块连接的结构示意图；
[0038]图2是本专利技术的提供的数据分析模块把所接收的图像进行标注、分类的结构示意图；
[0039]图3本专利技术提供的AOI在线检测方法的流程图；
[0040]图4使用是本专利技术提供的AOI在线检测方法检测电路板的流程图。
[0041]附图标记：
[0042]1、初筛模块；2、AOI检测模块；3、文件监控模块；4、数据上传模块；5、数据分析模块；6、AI服务器。
具体实施方式
[0043]下面将参照附图更详细地描述本专利技术的优选实施方式。虽然附图中显示了本专利技术的优选实施方式，然而应该理解，可以以各种形式实现本专利技术而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本专利技术更加透彻和完整，并且能够将本专利技术的范围完整地传达给本领域的技术人员。
[0044]在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、
“”
和“该”也旨在包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AOI在线检测系统，其特征在于，包括：AOI检测模块，AOI检测模块用于采集并储存待检测物的图像信息，判断待检测物是否有缺陷；文件监控模块，通过监控图像判断待检测物是否有缺陷，并发送图像；数据上传模块，用于接收文件监控模块发送的图像信息并上传；数据分析模块，用于接收数据上传模块上传的图像信息，并把所接收的图像进行标注、分类；AI服务器，AI服务器利用数据分析模块标注、分类后的图像样本进行训练，并把训练结果反馈到文件监控模块。2.根据权利要求1的AOI在线检测系统，其特征在于：还包括：初筛模块；初筛模块用于初步检测待检测物的信息，并把检测结果反馈至AOI检测模块；AOI检测模块根据初筛模块反馈的结果判断自身是否启动。3.根据权利要求2的AOI在线检测系统，其特征在于：初筛模块与AI服务器电连接；初筛模块将待检测物的信息发送至AI服务器，AI服务器利用初筛模块反馈的信息进行训练，并把训练结果反馈至初筛模块。4.根据权利要求2或3的AOI在线检测系统，其特征在于：初筛模块检测的待检测物的信息包括重量、形状、尺寸中的一种或多种。5.根据权利要求1的AOI在线检测系统，其特征在于：数据分析模块把所接收的图像进行标注、分类，包括：获取原始图片样本信息，标注原始图片缺陷，构建产品的一次标签库；通过feature map算子对标注的区域内的图像进行卷积，提取的图像特征向量，构成二次标签库；获取待标注的图像，对所有待标注的图像逐一进行特征的卷积运算，搜索与已标注的特征向量匹配的区域，生成标注框信息。6.根据权利要求5的AOI在线检测系...

【专利技术属性】
技术研发人员：柯明，王向红，卜秉彦，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：