【技术实现步骤摘要】
本专利技术涉及视觉检测设备，尤其涉及用于贴片电阻多种缺陷的检测方法和检测系统。
技术介绍
1、贴片电阻(surface mount resistor，简称smd resistor)是一种表面贴装元件，由于其具有小尺寸、高比阻、高精度等特点，已经广泛应用于电子产品的制造中，特别是在现代表面贴装技术(surface mount technology，简称smt)中。另外，贴片电阻在计算机、通讯、军事、航天、数字和消费类电子等领域也有广泛应用，它能有效减小电子终端产品的体积和重量，并提高产品可靠性，符合未来it产业的小型化、轻量化、高性能、多功能的发展趋势。
2、随着计算机电子制造业技术的不断升级换代，印刷电路板的集成度逐渐提高，贴片类元器件在整个线路板上所占比重越来越大，对贴片元器件的尺寸和性能要求也越来越苛刻，尤其是在低功耗、小电流和低电压的高密度集成电路板上。贴片电阻的尺寸通常在几毫米，如此小的尺寸，对整个贴片元器件的生产、检测、安装等工艺提出了极高的要求。
3、传统贴片电阻的质量检测主要以人工抽查为主，在各工艺环节抽样检测。考虑到人眼容易疲劳，经常出现误检、漏检等情况，且部分贴片电阻的印刷密度较高，经常出现压线或错印的情况，仅靠肉眼难以观察。如今，人工目视检测方法正逐步被自动检测技术所取代。早期的自动检测技术主要围绕机器视觉技术展开。机器视觉技术以其高效率、高精度、高可靠性、非接触性和客观性强等优点，得到了广泛研究和应用，经典方法为基于人工设计的特征选择算法与模式识别分类算法的结合。
4、近
5、虽然深度学习模型在表面缺陷检测中有大量应用，但是其通常只能识别表面上3-5种表面缺陷，多一点的能识别十几种表面缺陷，但是当缺陷类型达到20多种时，很多方法效果都不佳。另外，市场上的方法大都关注表面缺陷的质检，较少关注尺寸缺陷的质检。综合分析有以下几个原因：
6、首先，缺陷类型越多，缺陷的形态分布差异越大，现有的检测方案兼容性较差。深度学习模型对于表面缺陷相近的缺陷通常能较好的检出，如表面破损和表面划痕，而遇到缺陷类型差距较大时，深度学习模型不能很好的兼容，这主要是因为深度学习模型的“眼界”有限。
7、其次，贴片电阻上尺寸缺陷质检难度高，贴片电阻尺寸小，长宽高都只有几毫米，而且偏差在80微米时就需要管控，对尺寸缺陷的检测要求高，质检难度就高。
8、最后，质检设备开发难度高，市场上针对电阻的六面检测设备通常需要安装6台成像模组即可，且已经做成了标机，通常负责检测电阻六面上约10种缺陷。
9、因此如何扩展现有市场上六面检设备的性能，实现贴片电阻的多种缺陷的检测，成为有待解决的技术问题。
技术实现思路
1、为克服上述缺点，本专利技术的目的在于提供用于贴片电阻多种缺陷的检测方法，能满足20多种的缺陷类型检测，实现了100％的缺陷检出率，并达到10％以内的良品过杀率，提高缺陷检测的准确性。
2、为了达到以上目的，本专利技术采用的技术方案是：用于贴片电阻多种缺陷的检测方法，包括如下步骤：
3、确定贴片电阻的待检测的缺陷类型并进行归类；
4、根据所述缺陷类型的归类和光源亮度需求布置相机模组；
5、通过所述相机模组获取每个贴片电阻六个面的待测图像；
6、将所有所述待测图像输入预设的质检算法中进行检测并得到检测结果。
7、本专利技术的有益效果在于：根据缺陷类型合理布置相机模组，构建质检算法对确定的所有的缺陷类型进行检测，能满足需要检测的所有缺陷类型的检测，实现了100％的缺陷检出率，并达到10％以内的良品过杀率，提高缺陷检测的准确性。
8、进一步来说，在将所述缺陷类型进行归类时，将所述贴片电阻在同一方向上的两个面的待测图像识别的所有缺陷类型归为一类。这样的归类方式，便于相机模组的布置，能充分利用每个相机模组，同时满足所有缺陷的检测。
9、进一步来说，根据所述缺陷类型的归类和光源亮度需求布置相机模组具体包括：
10、步骤21、对于归为一类的所述缺陷类型，确定能在同一光源亮度下识别的缺陷类型；
11、步骤22、对于能在同一光源亮度下识别的缺陷类型布置一对相机模组；
12、步骤23、重复步骤21-步骤22，完成每个归为一类的缺陷类型的相机模组的布置。
13、进一步来说，所述检测结果为合格产品或者为不合格产品以及不合格产品的缺陷数据的标记，所述缺陷数据的标记保存到数据库中。存储在数据库中的缺陷数据方便后续的人工复查。
14、进一步来说，所述质检算法与缺陷类型的归类对应设置，所述质检算法包括三个，分别为正面质检算法、侧面质检算法和顶面质检算法，当任意一个质检算法检测出不合格时，所述贴片电阻均为不合格产品。
15、进一步来说，所述正面质检算法对贴片电阻上下两面的待测图像进行检测，所述正面质检算法具体包括：
16、步骤411、用yolov5算法识别上下两面的待测图像上的表面缺陷；
17、步骤412、将步骤411中判为ok的待测图像送入后处理中进行产品的尺寸缺陷检测；
18、步骤413、整合步骤411和步骤412的检测结果形成正面检测结果，并将识别出来的缺陷数据做标记并保存进数据库中。
19、正面质检算法不仅考虑了常规的表面缺陷，还考虑了尺寸缺陷，更广泛的涵盖贴片电阻的缺陷类型。
20、进一步来说，所述步骤412具体包括：
21、用canny算子提取步骤411中判为ok的待测图像的边缘；
22、用hough变换检测所述边缘中的直线；
23、计算所述直线的斜率，通过所述斜率筛选出最左侧和最右侧的垂直直线；
24、比较所述垂直直线的长度，根据两条垂直直线的长度关系判断是否存在尺寸缺陷。
25、尺寸缺陷也就是通孔偏移，通过这种后处理算法快速判断出尺寸缺陷，当宽边>3*窄边，表示有尺寸缺陷，也就是此时通孔偏移。
26、进一步来说，所述侧面质检算法对贴片电阻的前后两面的待测图像进行检测，所述侧面质检算法具体包括：
27、步骤421、用粗定位算法找到前后两面的待测图像需要观测的局部区域并形成前后粗定位图像；
28、步骤422、将前后粗定位图像送入yolov5算法中进行表面缺陷检测；
29、步骤423本文档来自技高网...
【技术保护点】
1.用于贴片电阻多种缺陷的检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：在将所述缺陷类型进行归类时，将所述贴片电阻在同一方向上的两个面的待测图像识别的所有缺陷类型归为一类。
3.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：根据所述缺陷类型的归类和光源亮度需求布置相机模组具体包括：
4.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：所述检测结果为合格产品或者为不合格产品以及不合格产品的缺陷数据的标记，所述缺陷数据的标记保存到数据库中。
5.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：所述质检算法与缺陷类型的归类对应设置，所述质检算法包括三个，分别为正面质检算法、侧面质检算法和顶面质检算法，当任意一个质检算法检测出不合格时，所述贴片电阻均为不合格产品。
6.根据权利要求5所述的用于贴片电阻多种缺陷的检测方法，其特征在于：所述正面质检算法对贴片电阻上下两面的待测图像进行检测，所述正面质检算法具体包括：
<...【技术特征摘要】
1.用于贴片电阻多种缺陷的检测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：在将所述缺陷类型进行归类时，将所述贴片电阻在同一方向上的两个面的待测图像识别的所有缺陷类型归为一类。
3.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：根据所述缺陷类型的归类和光源亮度需求布置相机模组具体包括：
4.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：所述检测结果为合格产品或者为不合格产品以及不合格产品的缺陷数据的标记，所述缺陷数据的标记保存到数据库中。
5.根据权利要求1所述的用于贴片电阻多种缺陷的检测方法，其特征在于：所述质检算法与缺陷类型的归类对应设置，所述质检算法包括三个，分别为正面质检算法、侧面质检算法和顶面质检算法，当任...
【专利技术属性】
技术研发人员：张杰，靳雨桐，陈扬，
申请(专利权)人：中科淞塔苏州科技有限公司，
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。