CN112191544A - 一种基于机器视觉的电子元件检查方法 - Google Patents
一种基于机器视觉的电子元件检查方法 Download PDFInfo
- Publication number
- CN112191544A CN112191544A CN202010945689.0A CN202010945689A CN112191544A CN 112191544 A CN112191544 A CN 112191544A CN 202010945689 A CN202010945689 A CN 202010945689A CN 112191544 A CN112191544 A CN 112191544A
- Authority
- CN
- China
- Prior art keywords
- damage
- electronic element
- electronic
- image sample
- electronic component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/02—Measures preceding sorting, e.g. arranging articles in a stream orientating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于机器视觉的电子元件检查方法,包括如下步骤:步骤一、收集电子元件表面的损害图像样本和电子元件无损害的图像样本,同时收集电子元件表面的损害图像样本对应的超声波探伤信号以及电子元件无损害的图像样本对应的超声波探伤信号;步骤二、对电子元件表面的损害图像的损坏种类进行人工标注,得到标注后的电子元件表面的损害图像样本。本发明实现了对电子元件的视觉检测与超声检测相结合的自动检测方法,通过两种检测方法结合,大大提高了检测的准确性,此外实现了电子元件的自动检测,节省了人工,有效降低了漏检率。
Description
技术领域:
本发明涉属于电缆领域,尤其涉及一种基于机器视觉的电子元件检查方法。
背景技术:
现有的电子元件进行检测是通常是人工进行检测,容易出现漏看的地方,导致漏检率较高,进入降低了电子产品的合格率,因此需要进行改进。
发明内容:
本发明的目的在于提供一种基于机器视觉的电子元件检查方法,本发明实现了对电子元件的视觉检测与超声检测相结合的自动检测方法,通过两种检测方法结合,大大提高了检测的准确性,此外实现了电子元件的自动检测,节省了人工,有效降低了漏检率。
为解决上述问题,本发明的技术方案是:
一种基于机器视觉的电子元件检查方法,包括如下步骤:
步骤一、收集电子元件表面的损害图像样本和电子元件无损害的图像样本,同时收集电子元件表面的损害图像样本对应的超声波探伤信号以及电子元件无损害的图像样本对应的超声波探伤信号;
步骤二、对电子元件表面的损害图像的损坏种类进行人工标注,得到标注后的电子元件表面的损害图像样本;
步骤三、将部分标注后的电子元件表面的损害图像样和电子元件无损害的图像样本以及对应的超声波探伤信号分别作为训练集的正样本集和负样本集;将其余部分标注后的电子元件表面的损害图像样本及对应的超声波探伤信号作为测试集;采用VGG16卷积神经网络进行训练得到最终训练模型;
步骤四、采用超声波探伤仪以及摄像头采集电子元件的表面图像以及超声波探伤信号输入最终训练模型,对电子元件进行在线监测。
进一步的改进,所述电子元件表面印刷有唯一码;最终训练模型记录唯一码对应的电子元件图片,并对电子元件图片的损伤处进行标注。
进一步的改进,所述唯一码为条形码或二维码。
进一步的改进,所述标注为将损伤处整体涂红,并注明损伤种类。
进一步的改进,所述步骤四中,电子元件正反面的图片均被采集。
进一步的改进,所述对步骤四中的电子元件检测完毕后,通过扫码仪扫描编号,当对应的电子元件为有损伤的元件时,与扫码仪无线连接的报警器报警。
本发明的优点:
本发明实现了对电子元件的视觉检测与超声检测相结合的自动检测方法,通过两种检测方法结合,大大提高了检测的准确性,此外实现了电子元件的自动检测,节省了人工,有效降低了漏检率。
附图说明:
图1为本发明的流程示意图;
图2为本发明输送装置的示意图;
图3为吸附盒和被动传送辊的俯视结构示意图。
具体实施方式:
如图1所示的一种基于机器视觉的电子元件检查方法,包括如下步骤:
步骤一、收集电子元件表面的损害图像样本和电子元件无损害的图像样本,同时收集电子元件表面的损害图像样本对应的超声波探伤信号以及电子元件无损害的图像样本对应的超声波探伤信号;
步骤二、对电子元件表面的损害图像的损坏种类进行人工标注,得到标注后的电子元件表面的损害图像样本;
步骤三、将部分标注后的电子元件表面的损害图像样和电子元件无损害的图像样本以及对应的超声波探伤信号分别作为训练集的正样本集和负样本集;将其余部分标注后的电子元件表面的损害图像样本及对应的超声波探伤信号作为测试集;采用VGG16卷积神经网络进行训练得到最终训练模型;
步骤四、采用超声波探伤仪以及摄像头采集电子元件的表面图像以及超声波探伤信号输入最终训练模型,对电子元件进行在线监测。
电子元件表面印刷有唯一码;最终训练模型记录唯一码对应的电子元件图片,并对电子元件图片的损伤处进行标注。
唯一码为条形码或二维码。标注为将损伤处整体涂红,并注明损伤种类。
步骤四中,电子元件正反面的图片均被采集。所述对步骤四中的电子元件检测完毕后,通过扫码仪扫描编号,当对应的电子元件为有损伤的元件时,与扫码仪无线连接的报警器报警。
为适应上述检测方法,本发明还提供一种对应的输送装置
包括上传送带1,上传送带1上方安装有第一视觉检测装置2和超声波探测仪3;上传送带1表面成形有若干通孔;上传送带1内侧安装有吸附盒4,吸附盒4上表面和下表面均成形有条形凹槽5,条形凹槽5上成形有若干第一吸附孔6;上传送带1一侧的被动传送辊9中空设置,上传送带1上成形有环形凹槽7,环形凹槽7上成形有若干第二吸附孔8;被动传送辊9轴接有第一负压管10,吸附盒4连通有第二负压管11;第一负压管10和第二负压管11均连通有负压装置12,负压装置12为负压泵。上传送带1下方安装有下传送带13,上传送带1和下传送带13之间成形有间隙17,间隙的厚比为电子元件的厚度大0.1-1cm。下传送带13上方安装有第二视觉检测装置14;下传送带13末端安装有扫码仪15,扫码仪15无线连接有报警器16。这样电子元件被放在上传送带1上,并被第一视觉检测装置2和超声波探测仪3检测,然后一次被吸附盒4和被动传送辊9吸附后运输到上传送带1的下方,并且经过吸附盒4后,负压解除,元器件被下传送带13运输,然后经过第二视觉检测装置14拍照检测,然后经过扫码仪15扫描其中的唯一码,若对应电子元件为有损伤的元件,则报警器报警,工人或机械手将有损伤的电子元件拣出。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于机器视觉的电子元件检查方法,其特征在于,包括如下步骤:
步骤一、收集电子元件表面的损害图像样本和电子元件无损害的图像样本,同时收集电子元件表面的损害图像样本对应的超声波探伤信号以及电子元件无损害的图像样本对应的超声波探伤信号;
步骤二、对电子元件表面的损害图像的损坏种类进行人工标注,得到标注后的电子元件表面的损害图像样本;
步骤三、将部分标注后的电子元件表面的损害图像样和电子元件无损害的图像样本以及对应的超声波探伤信号分别作为训练集的正样本集和负样本集;将其余部分标注后的电子元件表面的损害图像样本及对应的超声波探伤信号作为测试集;采用VGG16卷积神经网络进行训练得到最终训练模型;
步骤四、采用超声波探伤仪以及摄像头采集电子元件的表面图像以及超声波探伤信号输入最终训练模型,对电子元件进行在线监测。
2.如权利要求1所述的基于机器视觉的电子元件检查方法,其特征在于,所述电子元件表面印刷有唯一码;最终训练模型记录唯一码对应的电子元件图片,并对电子元件图片的损伤处进行标注。
3.如权利要求2所述的基于机器视觉的电子元件检查方法,其特征在于,所述唯一码为条形码或二维码。
4.如权利要求2所述的基于机器视觉的电子元件检查方法,其特征在于,所述标注为将损伤处整体涂红,并注明损伤种类。
5.如权利要求1所述的基于机器视觉的电子元件检查方法,其特征在于,所述步骤四中,电子元件正反面的图片均被采集。
6.如权利要求1所述的基于机器视觉的电子元件检查方法,其特征在于,所述对步骤四中的电子元件检测完毕后,通过扫码仪扫描编号,当对应的电子元件为有损伤的元件时,与扫码仪无线连接的报警器报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945689.0A CN112191544A (zh) | 2020-09-10 | 2020-09-10 | 一种基于机器视觉的电子元件检查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945689.0A CN112191544A (zh) | 2020-09-10 | 2020-09-10 | 一种基于机器视觉的电子元件检查方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112191544A true CN112191544A (zh) | 2021-01-08 |
Family
ID=74014958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010945689.0A Withdrawn CN112191544A (zh) | 2020-09-10 | 2020-09-10 | 一种基于机器视觉的电子元件检查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112191544A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104237381A (zh) * | 2014-10-15 | 2014-12-24 | 北京新联铁科技股份有限公司 | 一种激光超声和高速摄像的图像融合的钢轨探伤方法 |
JP2018190329A (ja) * | 2017-05-11 | 2018-11-29 | オムロン株式会社 | 画像処理装置、画像処理プログラム、画像処理システム |
CN109115805A (zh) * | 2018-10-25 | 2019-01-01 | 广东华中科技大学工业技术研究院 | 基于超声和光学双成像的透明构件缺陷检测装置及方法 |
CN109164171A (zh) * | 2018-09-13 | 2019-01-08 | 深圳达闼科技控股有限公司 | 一种超声检测方法、超声检测系统及相关装置 |
CN109342456A (zh) * | 2018-09-14 | 2019-02-15 | 广东工业大学 | 一种焊点缺陷检测方法、装置、设备及可读存储介质 |
CN110763685A (zh) * | 2019-10-22 | 2020-02-07 | 陕西源杰半导体技术有限公司 | Dfb半导体激光器芯片表面缺陷的人工智能检测方法及其装置 |
CN111122705A (zh) * | 2019-12-26 | 2020-05-08 | 中国科学院工程热物理研究所 | 一种风力机叶片超声无损检测方法 |
-
2020
- 2020-09-10 CN CN202010945689.0A patent/CN112191544A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104237381A (zh) * | 2014-10-15 | 2014-12-24 | 北京新联铁科技股份有限公司 | 一种激光超声和高速摄像的图像融合的钢轨探伤方法 |
JP2018190329A (ja) * | 2017-05-11 | 2018-11-29 | オムロン株式会社 | 画像処理装置、画像処理プログラム、画像処理システム |
CN109164171A (zh) * | 2018-09-13 | 2019-01-08 | 深圳达闼科技控股有限公司 | 一种超声检测方法、超声检测系统及相关装置 |
CN109342456A (zh) * | 2018-09-14 | 2019-02-15 | 广东工业大学 | 一种焊点缺陷检测方法、装置、设备及可读存储介质 |
CN109115805A (zh) * | 2018-10-25 | 2019-01-01 | 广东华中科技大学工业技术研究院 | 基于超声和光学双成像的透明构件缺陷检测装置及方法 |
CN110763685A (zh) * | 2019-10-22 | 2020-02-07 | 陕西源杰半导体技术有限公司 | Dfb半导体激光器芯片表面缺陷的人工智能检测方法及其装置 |
CN111122705A (zh) * | 2019-12-26 | 2020-05-08 | 中国科学院工程热物理研究所 | 一种风力机叶片超声无损检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN207650119U (zh) | 一种晶圆自动检测系统 | |
JP3041090B2 (ja) | 外観検査装置 | |
CN108413873A (zh) | 一种手机外壳在线尺寸测量与表面缺陷检测系统及其方法 | |
CN106706653A (zh) | 一种高速宽型板材检测方法 | |
CN113112501B (zh) | 一种基于深度学习的车载轨道巡检装置及方法 | |
CN215964880U (zh) | 电路板的检测系统 | |
CN104483320A (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
Neethu et al. | Role of computer vision in automatic inspection systems | |
CN112605000A (zh) | 一种模切片材自动光学检测方法及其设备 | |
CN111024722A (zh) | 一种基于数据融合的木材缺陷检测系统及方法 | |
CN106645185A (zh) | 一种智能检测工业零件表面质量的方法及装置 | |
CN112139051A (zh) | 一种电子元器件传送装置 | |
CN112191544A (zh) | 一种基于机器视觉的电子元件检查方法 | |
CN108663376B (zh) | 一种无缝钢管质量检测装置及检测方法 | |
CN110605244A (zh) | 一种产品品质检测装置 | |
CN116078704A (zh) | 一种基于ccd的外观检测设备 | |
CN213181294U (zh) | 一种石墨电极表面检测系统 | |
CN114505251A (zh) | 一种自动光学检测方法及aoi设备 | |
Duan et al. | Empty bottle inspector based on machine vision | |
JP2981762B2 (ja) | Oリング検査方法 | |
CN210221792U (zh) | 产品侧面缺陷检测装置 | |
CN112556581A (zh) | 一种基于机器视觉的碳板检测系统及其检测方法 | |
CN208902618U (zh) | 一种无纺布透气孔检测装置 | |
CN111458344A (zh) | 一种口罩缺陷视觉检测方法、设备、存储介质 | |
CN113573012B (zh) | 一种基于大数据的药品安全智能检测预警与管理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210108 |