基于图像处理技术的制造技术

本发明专利技术公开了一种基于图像处理技术的

【技术实现步骤摘要】
基于图像处理技术的AOI光学检测方法及系统


[0001]本专利技术涉及计算机
，尤其是涉及一种基于图像处理技术的
AOI
光学检测方法及系统
。

技术介绍

[0002]自动光学检测（
Automated Optical Inspection
，
AOI
），是基于光学原理来对焊接生产中遇到的常见缺陷进行检测的设备
。
当自动检测时，机器通过摄像头自动扫描来采集图像（如对电路板扫描），经过图像处理，检查出缺陷，并标记，以丢弃或者人工维修不合格产品
。
[0003]现有的处理方案是将采集的图像上传给服务器，在服务器中采取预先训练好的模型进行分析，并反馈分析结果给检测设备
。
[0004]但是，采用上述方案，需要上传大量的数据给服务器，需要交互的数据量大
。

技术实现思路

[0005]本专利技术提供一种基于图像处理技术的
AOI
光学检测方法及系统，以减少交互的数据量
。
[0006]为了解决上述技术问题，本专利技术是这样实现的：第一方面，本申请提供了一种基于图像处理技术的
AOI
光学检测方法，应用于服务器，所述方法包括：生成多个对应各类型缺陷的缺陷分析模型，并依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型；依据多个训练好的缺陷分析模型，生成线下分析模型和线上分析模型；将线下分析模型部署给光学检测设备，以使得光学检测设备依据线下分析模型对采集图像进行分析，确定第一分析结果，以依据第一分析结果确定待分析图像；接收光学检测设备上传的待分析图像，并输入到线上分析模型中进行分析，确定第二分析结果并反馈
。
[0007]进一步的，所述依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型，包括：将各参与方与目标类型缺陷对应的图像汇总到目标计算节点；将目标类型缺陷对应的缺陷分析模型部署到目标计算节点，以在目标计算节点依据本地的图像对目标缺陷分析模型进行训练，以确定训练好的目标缺陷分析模型
。
[0008]进一步的，所述依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型，包括：将目标类型缺陷对应的目标缺陷分析模型部署到第一参与方，在第一参与方依据第一参与方本地的与目标类型缺陷对应的相关图像对目标缺陷分析模型进行训练；在第一参与方训练结束之后，将目标缺陷分析模型调度到第二参与方进行训练，直至完成全部参与方的训练，得到训练好的目标缺陷分析模型
。
[0009]进一步的，所述方法还包括：设置训练节点，并从各参与方获取预设数量的与目标类型缺陷对应的图像；将训练节点作为最后一个参与方，以通过训练节点依据训练节点本地的与目标类型缺陷对应的图像对目标缺陷分析模型进行训练，得到训练好的目标缺陷分
析模型
。
[0010]进一步的，所述光学检测设备用于完成以下步骤：通过光学检测组件获取电路板的采集图像，并将采集图像切分为多个子图像；将子图像与预存图像进行对比，确定差异量，在差异量未超过预设阈值时，确定子图像合规；在差异量超过预设阈值时，采用线下分析模型对多个子图像进行分析，确定子图像是否具有缺陷；将不具有缺陷的子图像汇总为待分析图像，并上传给服务器
。
[0011]进一步的，所述将子图像与预存图像进行对比，确定差异量，包括：将子图像转变为灰度图，并提取各像素点的灰度值；将子图像各像素点的灰度值与预存图像各像素点的灰度值进行逐像素比较，确定各像素点的灰度差值，并依据灰度差值进行汇总，形成差异量
。
[0012]进一步的，所述光学检测组件由多个光学组件组成，相邻的光学组件的拍摄区域具有重复部分；所述通过光学检测组件获取电路板的采集图像，包括：获取第一光学组件采集的第一图像和与第一光学组件相邻的第二光学组件采集的第二图像；按照第一光学组件和第二光学组件的空间位置关系，确定第一图像和第二图像的重复区域；判断第一图像的第一重复区域和第二图像的第二重复区域对应的图像是否相同；若第一图像和第二图像相同，则进行去重处理，形成采集图像；若第一图像和第二图像不同，则发出警示信息
。
[0013]进一步的，所述依据多个训练好的缺陷分析模型，生成线下分析模型和线上分析模型，包括：获取各参与方上传的对于各类型缺陷的缺陷统计信息，所述缺陷统计信息包括各类型缺陷的出现次数；依据各参与方的缺陷统计信息进行汇总并排序，确定最常出现的至少一个缺陷，并提取相应的训练好的缺陷分析模型，生成线下分析模型；并依据多个训练好的缺陷分析模型中剩余的模型，生成线上分析模型
。
[0014]第三方面，本申请提供了一种基于图像处理技术的
AOI
光学检测系统，应用于服务器，所述系统包括：分析模型训练模块，用于生成多个对应各类型缺陷的缺陷分析模型，并依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型；分析模型切分模块，用于依据多个训练好的缺陷分析模型，生成线下分析模型和线上分析模型；线下模型部署模块，用于将线下分析模型部署给光学检测设备，以使得光学检测设备依据线下分析模型对采集图像进行分析，确定第一分析结果，以依据第一分析结果确定待分析图像；分析结果获取模块，用于接收光学检测设备上传的待分析图像，并输入到线上分析模型中进行分析，确定第二分析结果并反馈
。
[0015]第三方面，本申请提供了一种电子设备，包括：存储器和至少一个处理器；所述存储器用于存储计算机执行指令；所述至少一个处理器用于执行所述存储器中存储的计算机执行指令，使得所述至少一个处理器执行如第一方面所述的方法
。
[0016]本申请提供了一种基于图像处理技术的
AOI
光学检测方法，应用于服务器，所述方法包括：生成多个对应各类型缺陷的缺陷分析模型，并依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型；依据多个训练好的缺陷分析模型，生成线下分析模型和线上分析模型；将线下分析模型部署给光学检测设备，以使得光学检测设备依据线下分析模型对采集图像进行分析，确定第一分析结果，以依据第一分析结果确定待分析图像；接收光学检测设备上传的待分析图像，并输入到线上分析模型中进行分析，确定第二分析结果并反馈
。
[0017]本申请的方案可以应用于服务器，服务器可以与光学检测设备进行交互，服务器可以接收光学检测设备上传检测对象（如电路板）的待分析图像，并输入到已训练的缺陷分析模型中进行分析，确定检测对象是否具有缺陷，进而反馈分析结果给光学检测设备
。
具体来说，本方案可以采取多个参与方的图像来训练多个缺陷分析模型，每个缺陷分析模型对应一种类型的缺陷
。
服务器得到多个训练好的缺陷分析模型之后，可以将一部分缺陷分析模型作为线下分析模型部署到光学检测设备，将另外一部分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像处理技术的
AOI
光学检测方法，其特征在于，应用于服务器，所述方法包括：生成多个对应各类型缺陷的缺陷分析模型，并依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型；依据多个训练好的缺陷分析模型，生成线下分析模型和线上分析模型；将线下分析模型部署给光学检测设备，以使得光学检测设备依据线下分析模型对采集图像进行分析，确定第一分析结果，以依据第一分析结果确定待分析图像；接收光学检测设备上传的待分析图像，并输入到线上分析模型中进行分析，确定第二分析结果并反馈
。2.
根据权利要求1所述的方法，其特征在于，所述依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型，包括：将各参与方与目标类型缺陷对应的图像汇总到目标计算节点；将目标类型缺陷对应的缺陷分析模型部署到目标计算节点，以在目标计算节点依据本地的图像对目标缺陷分析模型进行训练，以确定训练好的目标缺陷分析模型
。3.
根据权利要求1所述的方法，其特征在于，所述依据多个参与方的图像进行多个缺陷分析模型的训练，得到多个训练好的缺陷分析模型，包括：将目标类型缺陷对应的目标缺陷分析模型部署到第一参与方，在第一参与方依据第一参与方本地的与目标类型缺陷对应的相关图像对目标缺陷分析模型进行训练；在第一参与方训练结束之后，将目标缺陷分析模型调度到第二参与方进行训练，直至完成全部参与方的训练，得到训练好的目标缺陷分析模型
。4.
根据权利要求3所述的方法，其特征在于，所述方法还包括：设置训练节点，并从各参与方获取预设数量的与目标类型缺陷对应的图像；将训练节点作为最后一个参与方，以通过训练节点依据训练节点本地的与目标类型缺陷对应的图像对目标缺陷分析模型进行训练，得到训练好的目标缺陷分析模型
。5.
根据权利要求1所述的方法，其特征在于，所述光学检测设备用于完成以下步骤：通过光学检测组件获取电路板的采集图像，并将采集图像切分为多个子图像；将子图像与预存图像进行对比，确定差异量，在差异量未超过预设阈值时，确定子图像合规；在差异量超过预设阈值时，采用线下分析模型对多个子图像进行分析，确定子图像是否具有缺陷；将不具有缺陷的子图像汇总为待分析图像，并上传给服务器
。6.
根据权利要求5所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：游润松，
申请(专利权)人：深圳市嘉熠精密自动化科技有限公司，
类型：发明
国别省市：