System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及柔软扁平排线检测,具体是一种压接ai检测方法及系统。
技术介绍
1、随着科技的不断发展,柔性电子设备在消费电子、医疗和航天等领域的应用越来越广泛。柔软扁平排线(flexible flat cable,简称ffc)作为柔性电子设备的重要组成部分,其质量和性能直接影响着整个设备的性能和可靠性。因此,对ffc进行准确的检测和评估,是保证其质量和可靠性的关键,其中,ffc的检测主要是对ffc进行尺寸和瑕疵的检测。然而,传统的ffc检测方法主要依赖于人工操作,不仅检测效率低下,而且检测的准确度不高。
技术实现思路
1、针对上述缺陷,本专利技术提出了一种压接ai检测方法及系统,目的在于解决传统的ffc检测方法主要依赖于人工操作,不仅检测效率低下,而且检测的准确度不高的问题。
2、为达此目的,本专利技术采用以下技术方案:
3、一种压接ai检测方法,包括以下步骤:
4、步骤s1:采集若干带有标注的柔软扁平排线(ffc)图像,其中,所述标注包括尺寸信息标注和瑕疵数据标注;
5、步骤s2:构建ai检测模型;
6、步骤s3:采用若干带有标注的ffc图像对ai检测模型进行训练,得到训练后的ai检测模型;
7、步骤s4:采集待检测的ffc图像;
8、步骤s5:将待检测的ffc图像输入训练后的ai检测模型进行检测,输出ffc的尺寸信息、瑕疵数据以及瑕疵所在位置坐标;
9、步骤s6:基于ffc的尺寸信息
10、优选地,在步骤s3中,具体包括以下子步骤:
11、步骤s31:对若干带有标注的ffc图像进行预处理,得到若干预处理后的带有标注的ffc图像;
12、步骤s32:采用超分辨率技术提取出预处理后的带有标注的ffc图像中尺寸信息的特征,采用多特征融合技术提取出处理后的带有标注的ffc图像中瑕疵数据的特征;
13、步骤s33:使用预处理后的带有标注的ffc图像中尺寸信息和瑕疵数据的特征训练ai检测模型,得到训练后的ai检测模型。
14、优选地,在步骤s5中,还包括以下步骤:
15、设置尺寸信息的阈值范围和瑕疵数据的阈值范围,判断检测到的ffc的尺寸信息是否在该尺寸信息的阈值范围内,若是,则输出该ffc的尺寸信息,若否,则说明该ffc的尺寸不合格;判断检测到的ffc的瑕疵数据是否在该瑕疵数据的阈值范围内,若是,则输出该ffc的瑕疵类型,若否,则说明该瑕疵数据不符合对应瑕疵的要求。
16、优选地,在步骤s6中,还包括以下步骤:
17、统计ffc上瑕疵的总数量,并判断该ffc上瑕疵的总数量是否大于预设报警阈值,若是,则生成报警指令,若否,则不生成报警指令。
18、本申请的另一方面提供了一种压接ai检测系统,所述系统包括:
19、第一采集模块,用于采集若干带有标注的柔软扁平排线(ffc)图像,其中,所述标注包括尺寸信息标注和瑕疵数据标注;
20、构建模块,用于构建ai检测模型;
21、训练模块,用于采用若干带有标注的ffc图像对ai检测模型进行训练,得到训练后的ai检测模型;
22、第二采集模块,用于采集待检测的ffc图像;
23、输入模块,用于将待检测的ffc图像输入训练后的ai检测模型进行检测;
24、输出模块,用于输出ffc的尺寸信息、瑕疵数据以及瑕疵所在位置坐标;
25、第一生成模块,用于基于ffc的尺寸信息和瑕疵数据,生成可视化的报表;
26、第二生成模块,用于基于ffc的瑕疵所在位置坐标,生成对ffc的瑕疵所在位置进行打标的指令。
27、优选地,所述训练模块包括:
28、预处理子模块,用于对若干带有标注的ffc图像进行预处理,得到若干预处理后的带有标注的ffc图像;
29、第一提取子模块,用于采用超分辨率技术提取出预处理后的带有标注的ffc图像中尺寸信息的特征;
30、第二提取子模块,用于采用多特征融合技术提取出处理后的带有标注的ffc图像中瑕疵数据的特征;
31、训练子模块,用于使用预处理后的带有标注的ffc图像中尺寸信息和瑕疵数据的特征训练ai检测模型,得到训练后的ai检测模型。
32、优选地,还包括:
33、设置模块,用于设置尺寸信息的阈值范围和瑕疵数据的阈值范围;
34、第一判断模块,用于判断检测到的ffc的尺寸信息是否在该尺寸信息的阈值范围内,若是,则输出该ffc的尺寸信息,若否,则说明该ffc的尺寸不合格;
35、第二判断模块,用于判断检测到的ffc的瑕疵数据是否在该瑕疵数据的阈值范围内,若是,则输出该ffc的瑕疵类型,若否,则说明该瑕疵数据不符合对应瑕疵的要求。
36、优选地,还包括:
37、统计模块,用于统计ffc上瑕疵的总数量;
38、第三判断模块,用于判断该ffc上瑕疵的总数量是否大于预设报警阈值,若是,则生成报警指令,若否,则不生成报警指令。
39、本申请实施例提供的技术方案可以包括以下有益效果:
40、本方案中通过构建ai检测模型并对其进行训练,使用训练后的ai检测模型对ffc进行尺寸和瑕疵的检测,得到的检测结果相比于使用传统的ffc检测方法得到的检测结果,检测的准确度更高。此外,对ffc自动化的检测相比于人工检测,检测的效率会更高。
本文档来自技高网...【技术保护点】
1.一种压接AI检测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种压接AI检测方法,其特征在于:在步骤S3中,具体包括以下子步骤:
3.根据权利要求1所述的一种压接AI检测方法,其特征在于:在步骤S5中,还包括以下步骤:
4.根据权利要求1所述的一种压接AI检测方法,其特征在于:在步骤S6中,还包括以下步骤:
5.一种压接AI检测系统,其特征在于:使用如权利要求1-4任意一项所述压接AI检测方法,所述系统包括:
6.根据权利要求5所述的一种压接AI检测系统,其特征在于:所述训练模块包括:
7.根据权利要求5所述的一种压接AI检测系统,其特征在于:还包括:
8.根据权利要求5所述的一种压接AI检测系统,其特征在于:还包括:
【技术特征摘要】
1.一种压接ai检测方法,其特征在于:包括以下步骤:
2.根据权利要求1所述的一种压接ai检测方法,其特征在于:在步骤s3中,具体包括以下子步骤:
3.根据权利要求1所述的一种压接ai检测方法,其特征在于:在步骤s5中,还包括以下步骤:
4.根据权利要求1所述的一种压接ai检测方法,其特征在于:在步骤s6中,还包括以下步骤:<...
【专利技术属性】
技术研发人员:黄鹏,刘贤明,方刚,
申请(专利权)人:广东莱尔新材料科技股份有限公司,
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。