CN113030123A - 一种基于物联网的aoi检测反馈系统 - Google Patents

一种基于物联网的aoi检测反馈系统 Download PDF

Info

Publication number
CN113030123A
CN113030123A CN202110582323.6A CN202110582323A CN113030123A CN 113030123 A CN113030123 A CN 113030123A CN 202110582323 A CN202110582323 A CN 202110582323A CN 113030123 A CN113030123 A CN 113030123A
Authority
CN
China
Prior art keywords
signal
circuit board
image
data
distribution
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.)
Granted
Application number
CN202110582323.6A
Other languages
English (en)
Other versions
CN113030123B (zh
Inventor
赵伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anfu Dexin Intelligent Equipment Co.,Ltd.
Original Assignee
Anfu Dexin Intelligent Equipment Co ltd
Nanchang Huamengda Aviation Science And Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anfu Dexin Intelligent Equipment Co ltd, Nanchang Huamengda Aviation Science And Technology Development Co ltd filed Critical Anfu Dexin Intelligent Equipment Co ltd
Priority to CN202110582323.6A priority Critical patent/CN113030123B/zh
Publication of CN113030123A publication Critical patent/CN113030123A/zh
Application granted granted Critical
Publication of CN113030123B publication Critical patent/CN113030123B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于物联网的AOI检测反馈系统，包括摄像头、识别单元、信息存储单元、数据分析单元、结果判定单元、发送单元和智能设备；摄像头用于实时采集电路板上的影像信息，并将影像信息传输至识别单元；信息存储单元内存储有电路板相关的记录信息，识别单元从信息存储单元内获取记录信息，并将其与影像信息一同进行识别操作，得到电路板影像、元件影像和标准数据，并将其一同传输至数据分析单元；数据分析单元用于对电路板影像、元件影像和标准数据一同进行分析操作，本发明通过对数据的分析和判定，得到质量损坏信号和分布不合格信号，提高对数据分析的精确性，节省数据分析所消耗的时间，提高工作效率。

Description

一种基于物联网的AOI检测反馈系统
技术领域
本发明涉及AOI检测技术领域，具体为一种基于物联网的AOI检测反馈系统。
背景技术
AOI自动光学检测，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PCB板并采集图像，测试的焊点与数据库中的合格的参数进行比较，经过图像处理，检查出PCB板上的缺陷，并通过显示器或自动标志把缺陷显示出来，供维修人员修整；
但现有的AOI检测是通过检测设备将PCB板上的影像进行扫描，在扫描过后，通过人工对扫描的影像进行判断，查看对应的PCB板是否出现一些加工时造成的损坏等，耗费大量时间、降低工作效率；
为此，我们提出一种基于物联网的AOI检测反馈系统。
发明内容
本发明的目的在于提供一种基于物联网的AOI检测反馈系统。
本发明的目的可以通过以下技术方案实现：一种基于物联网的AOI检测反馈系统，包括摄像头、识别单元、信息存储单元、数据分析单元、结果判定单元、发送单元和智能设备；
所述摄像头用于实时采集电路板上的影像信息，并将影像信息传输至识别单元；
所述信息存储单元内存储有电路板相关的记录信息，所述识别单元从信息存储单元内获取记录信息，并将其与影像信息一同进行识别操作，得到电路板影像、元件影像和标准数据，并将其一同传输至数据分析单元；
所述信息存储单元内还存储有电路板规格数据，所述数据分析单元从信息存储单元获取电路板规格数据，并将其与电路板影像、元件影像和标准数据一同进行分析操作，得到分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像，并将一同传输至结果判定单元；
所述信息存储单元内还存储有形状信息，所述形状信息包括图形的影像以及图形的名称，所述结果判定单元从信息存储单元内获取形状信息，并将其与分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像进行结果判定操作，得到质量问题信号，并将其传输至发送单元；
所述发送单元接收质量问题信号，并将其发送至智能设备，智能设备接收并显示质量问题信号。
作为本发明的进一步改进方案：识别操作的具体操作过程为：
步骤一：获取记录信息，将记录信息内电路板的图像标定为图像数据，将记录信息内电路板图像对应的电路板名称标定为名称数据，将记录信息内电路板内元件的图像标定为元件数据，将记录信息内元件数据对应的名称标定为元件名称数据，将记录信息内元件数据对应的色泽判定标准标定为标准数据；
步骤二：获取影像信息，并将其与图像数据进行匹配，得到电路板影像；
步骤三：结合上述步骤一与步骤二，获取提取的名称数据，并将该名称数据对应的影像信息与元件数据进行匹配，得到元件影像；
步骤四：提取上述步骤二中的电路板影像和步骤三中的元件影像。
作为本发明的进一步改进方案：分析操作的具体操作过程为：
K1：获取标准数据，将标准数据内元件的颜色标定为色泽数据，将标准数据内元件影像对应的电路板的颜色标定为颜色数据；
K2：获取电路板影像和元件影像，建立一个虚拟直角坐标系，将电路板影像和元件影像在虚拟直角坐标系中进行标记，标记处元件影像在电路板影像中的位置，将电路板影像的四个边角点分别标定为BJg（Xg，Yg），并将对应元件影像标定为YJi（Xi，Yi），i=1，2，3......n，g=1，2，3......4，且n为正整数，此处的YJi表示为在电路板影像中不同元件影像的位置；
K3：获取电路板规格信息、电路板四个边角点的坐标以及元件影像的坐标，并将其进行距离处理，具体为：
E1：获取电路板规格信息，将电路板规格信息内的电路板的长度标定为电路板长度数据，将电路板规格信息内电路板的宽度标定为电路板宽度数据；
E2：将获取电路板对应的四个边角点的坐标，并将四个边角点坐标分别标定为BJ1（X1，Y1）、BJ2（X2，Y2）、BJ3（X3，Y3）和BJ4（X4，Y4），由于电路板的一条边连接两个边角点，那么说明其中四个边角点中有两个坐标点的X轴相同，两个坐标点的Y轴相同，选取出两个X轴坐标相同的坐标点，将两个坐标的Y轴进行差值计算，计算出Y轴差值，同理计算出X轴差值；
E3：将X轴差值和Y轴差值进行比对，当X轴差值大于Y轴差值时，则判定X轴为电路板影像的虚拟长度，Y轴为电路板影像的虚拟宽度，当X轴差值小于Y轴差值时，则判定X轴为电路板影像的虚拟宽度，Y轴为电路板影像的虚拟长度；
E4：选取若干组虚拟长度和虚拟宽度，并将其与对应的电路板长度数据和电路板宽度数据，并将其分别带入到计算式：DC=XC*ui，DK=XK*ri，计算出ui和ri，其中，DC表示为电路板长度数据，XC表示为虚拟长度，DK表示为电路板宽度数据，XK表示为虚拟宽度，ui表示为电路板长度数据与虚拟长度之间的转化因子，并将其标定为长度转化因子，ri表示为电路板宽度数据与虚拟宽度之间的转化因子，并将其标定为宽度转化因子，获取若干组长度转化因子，并将其带入到计算式
Figure 298268DEST_PATH_IMAGE002
，其中，Pu表示为长度转化因子的均值，即长度转化因子均值，将宽度转化因子带入到计算式：
Figure 864378DEST_PATH_IMAGE004
，其中，Pr表示为宽度转化因子的均值，即宽度转化因子均值，将长度转化因子均值和宽度转化因子均值带入到计算式：
Figure 729829DEST_PATH_IMAGE005
，其中，
Figure 215037DEST_PATH_IMAGE006
表示为宽度转化因子均值和宽度转化因子均值的平均值，即转化因子均值，a为正整数；
E5：获取两个不同元件影像对应的位置数据，并将两个不同位置的元件影像分别标定为YJ1（X1，Y1）和YJ2（X2，Y2），选取出两个不同位置元件影像对应的X轴和Y轴的值，并将其带入到距离计算式中，计算出两个不同位置元件影像YJ1和YJ2之间的距离，即虚拟距离值；
E6：获取上述E5中的虚拟距离值和转化因子均值，并将其带入到计算式：
Figure 664472DEST_PATH_IMAGE007
，其中，
Figure 598056DEST_PATH_IMAGE008
表示为实际距离值，
Figure 550968DEST_PATH_IMAGE009
表示为虚拟距离值，
Figure 410340DEST_PATH_IMAGE010
表示为转化因子均值，e表示为计算转化调节因子，且e的取值在0.9-1之间；
获取电路板影像和元件影像，建立一个虚拟直角坐标系，将电路板影像和元件影像在虚拟直角坐标系中进行标记，标记处元件影像在电路板影像中的位置，并将对应元件影像标定为YJi（Xi，Yi），i=1，2，3......n，且n为正整数；
K4：依据上述K3中的计算方式，计算出不同元件影像之间的实际距离值，选取若干个实际距离值，预设距离范围值M，并将其与距离值进行比对，具体为：
当
Figure 19176DEST_PATH_IMAGE008
＞M，则判定两个不同元件影像之间的距离大，生成距离大信号，其中，
Figure 254985DEST_PATH_IMAGE008
＞M表示为数值
Figure 829448DEST_PATH_IMAGE008
的取值大于范围值M当中的最大值；
当
Figure 859721DEST_PATH_IMAGE008
∈M，则判定两个不同元件影像之间的距离正常，生成距离正常信号，其中，
Figure 18170DEST_PATH_IMAGE008
∈M表示为数值
Figure 792091DEST_PATH_IMAGE008
的取值在范围值M的范围内；
当
Figure 209341DEST_PATH_IMAGE008
＜M，则判定两个不同元件影像之间的距离小，生成距离小信号，其中，当
Figure 410516DEST_PATH_IMAGE008
＜M表示为数值
Figure 56261DEST_PATH_IMAGE008
取值小于范围值M中的最小值；
K5：提取上述K4中的距离大信号、距离正常信号和距离小信号，并对其进行识别判断，得到分布不合格信号、分布合格信号、分布异常信号和分布问题信号。
作为本发明的进一步改进方案：结果判定操作的具体操作过程为：
H1：获取电路板影像，并将其与颜色数据进行识别，当识别到电路板中底色与颜色数据不相同时，则生成颜色差异信号，并将颜色差异信号对应的部分电路板影像标定为电路板差异影像；
H2：获取元件影像，并将其与色泽数据进行识别，当识别到元件中的颜色与色泽数据不相同时，则生成色泽差异信号，并将色泽差异信号对应的部分元件影像标定为元件差异影像；
H3：提取上述H1和H2中的颜色差异信号、电路板差异影像、色泽差异信号和元件差异影像，对颜色差异信号和色泽差异信号进行识别，并依据识别结果进行精确分析，得到第一识别名称数据和第二识别名称数据；
H4：获取第一识别名称数据，当第一识别名称数据为线时，则判定该电路板出现断裂，生成断裂信号，当第一识别名称数据为线以外的几何图形或者非几何图形时，则判定电路板的阻焊层损坏，生成层面损坏信号；
H5：获取第二识别名称数据，当第二识别名称数据为线时，则判定该元件表面出现划痕，生成划痕信号，当第二识别名称为线以外的几个图形或者非几何图形时，则判定元件上出现凹陷孔，生成缺陷信号；
H6：获取分布不合格信号、分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号，并依据其进行分值转化计算和判断，得到质量问题信号。
作为本发明的进一步改进方案：分值转化计算和判断的具体过程为：将分布不合格信号、分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号带入到计算式：
Figure 368293DEST_PATH_IMAGE011
，其中
Figure 917349DEST_PATH_IMAGE012
表示为受损总值，f1表示为信号分值转化的偏差调节因子，其中，Fji表示为对应信号转化的分值，且Fji=Fi*ji，F1表示为分布不合格信号，j1表示为分布不合格信号的分值转化因子，F2-F8依次表示为分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号，j2-j8依次表示为分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号对应的分值转化因子，将受损总值与预设总值进行比对，当受损总值大于预设总值时，则判定电路板和元件损坏，生成质量问题信号，反之，则不生成质量问题信号，其中，预设总值为预设值。
作为本发明的进一步改进方案：分布不合格信号、分布合格信号、分布异常信号和分布问题信号的具体得出过程为：识别统计出距离大信号、距离正常信号和距离小信号出现的次数，并将其依次标定为大距离次数、正常距离次数和小距离次数，将其三者进行求和计算，计算出总次数，分别计算出大距离次数、正常距离次数和小距离次数在总次数中的占比，并将其依次标定为大距离占比、正常距离占比和小距离占比，设定三个大距离占比、正常距离占比和小距离占比对应的预设比值，并将其分别与大距离占比和小距离占比进行比对，当出现大距离占比大于大距离对应的预设比值，小距离占比大于对应的预设比值时，则判定电路板上元件的分布错误，生成分布不合格信号，当出现大距离占比小于大距离对应的预设比值，小距离占比小于对应的预设比值时，则判定电路板上元件的分布正确，生成分布合格信号，当出现大距离占比小于大距离对应的预设比值，小距离占比大于对应的预设比值时，则判定电路板上元件的分布异常，生成分布异常信号，当出现大距离占比大于大距离对应的预设比值，小距离占比小于对应的预设比值时，则判定电路板上元件的分布出现问题，生成分布问题信号。
本发明的有益效果：
（1）通过摄像头实时采集电路板上的影像信息，并将影像信息传输至识别单元；识别单元从信息存储单元内获取记录信息，并将其与影像信息一同进行识别操作，通过识别单元对摄像头或者数据进行识别，得到电路板影像、元件影像和标准数据，增加数据识别的准确性，提高工作效率。
（2）通过数据分析单元的设置，对电路板影像、元件影像和标准数据一同进行分析操作，并将得出结果一同传输至结果判定单元；结果判定单元从信息存储单元内获取形状信息，并将其与分布不合格信号、电路板影像、色泽数据、颜色数据和元件影像进行结果判定操作，通过对数据的分析和判定，得到质量问题信号，提高对数据分析的精确性，节省数据分析所消耗的时间，提高工作效率。
附图说明
下面结合附图对本发明作进一步的说明；
图1是本发明的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明为一种基于物联网的AOI检测反馈系统，包括摄像头、识别单元、信息存储单元、数据分析单元、结果判定单元、发送单元和智能设备；
摄像头用于实时采集电路板上的影像信息，并将影像信息传输至识别单元；
信息存储单元内存储有电路板相关的记录信息，识别单元从信息存储单元内获取记录信息，并将其与影像信息一同进行识别操作，识别操作的具体操作过程为：
步骤一：获取记录信息，将记录信息内电路板的图像标定为图像数据，将记录信息内电路板图像对应的电路板名称标定为名称数据，将记录信息内电路板内元件的图像标定为元件数据，将记录信息内元件数据对应的名称标定为元件名称数据，将记录信息内元件数据对应的色泽判定标准标定为标准数据；
步骤二：获取影像信息，并将其与图像数据进行匹配，具体为：当从影像信息中匹配到图像数据时，则判定该影像中存在对应的图像数据，并自动提取图像数据对应的名称数据，并将名称数据对应的影像信息标定为电路板影像；
当没有从影像信息中匹配到对应的图像数据时，则判定该影像中没有电路板相关的图像，不进行名称数据的提取；
步骤三：获取上述步骤二中提取的名称数据，并将该名称数据对应的影像信息与元件数据进行匹配，具体为：
当从影像信息中匹配到元件数据时，则判定该影像信息中存在对应的元件数据，并自动提取对应的元件名称数据，将该元件名称数据对应的部门影像信息标定为元件影像；
当从影像信息中没有匹配到元件数据时，则判定该影像信息中不存在对应的元件数据，则不提取对应的元件名称数据；
步骤四：提取上述步骤二中的电路板影像和步骤三中的元件影像，并将其与标准数据一同传输至数据分析单元；
信息存储单元内还存储有电路板规格数据，数据分析单元从信息存储单元获取电路板规格数据，并将其与电路板影像、元件影像和标准数据一同进行分析操作，分析操作的具体操作过程为：
K1：获取标准数据，将标准数据内元件的颜色标定为色泽数据，将标准数据内元件影像对应的电路板的颜色标定为颜色数据；
K2：获取电路板影像和元件影像，建立一个虚拟直角坐标系，将电路板影像和元件影像在虚拟直角坐标系中进行标记，标记处元件影像在电路板影像中的位置，将电路板影像的四个边角点分别标定为BJg（Xg，Yg），并将对应元件影像标定为YJi（Xi，Yi），i=1，2，3......n，g=1，2，3......4，且n为正整数，此处的YJi表示为在电路板影像中不同元件影像的位置；
K3：获取电路板规格信息、电路板四个边角点的坐标以及元件影像的坐标，并将其进行距离处理，具体为：
E1：获取电路板规格信息，将电路板规格信息内的电路板的长度标定为电路板长度数据，将电路板规格信息内电路板的宽度标定为电路板宽度数据；
E2：将获取电路板对应的四个边角点的坐标，并将四个边角点坐标分别标定为BJ1（X1，Y1）、BJ2（X2，Y2）、BJ3（X3，Y3）和BJ4（X4，Y4），由于电路板的一条边连接两个边角点，那么说明其中四个边角点中有两个坐标点的X轴相同，两个坐标点的Y轴相同，选取出两个X轴坐标相同的坐标点，将两个坐标的Y轴进行差值计算，计算出Y轴差值，同理计算出X轴差值；
E3：将X轴差值和Y轴差值进行比对，当X轴差值大于Y轴差值时，则判定X轴为电路板影像的虚拟长度，Y轴为电路板影像的虚拟宽度，当X轴差值小于Y轴差值时，则判定X轴为电路板影像的虚拟宽度，Y轴为电路板影像的虚拟长度；
E4：选取若干组虚拟长度和虚拟宽度，并将其与对应的电路板长度数据和电路板宽度数据，并将其分别带入到计算式：DC=XC*ui，DK=XK*ri，计算出ui和ri，其中，DC表示为电路板长度数据，XC表示为虚拟长度，DK表示为电路板宽度数据，XK表示为虚拟宽度，ui表示为电路板长度数据与虚拟长度之间的转化因子，并将其标定为长度转化因子，ri表示为电路板宽度数据与虚拟宽度之间的转化因子，并将其标定为宽度转化因子，获取若干组长度转化因子，并将其带入到计算式
Figure 102473DEST_PATH_IMAGE014
，其中，Pu表示为长度转化因子的均值，即长度转化因子均值，将宽度转化因子带入到计算式：
Figure 235514DEST_PATH_IMAGE016
，其中，Pr表示为宽度转化因子的均值，即宽度转化因子均值，将长度转化因子均值和宽度转化因子均值带入到计算式：
Figure DEST_PATH_IMAGE017
，其中，
Figure 915020DEST_PATH_IMAGE018
表示为宽度转化因子均值和宽度转化因子均值的平均值，即转化因子均值，a为正整数；
E5：获取两个不同元件影像对应的位置数据，并将两个不同位置的元件影像分别标定为YJ1（X1，Y1）和YJ2（X2，Y2），选取出两个不同位置元件影像对应的X轴和Y轴的值，并将其带入到距离计算式中，计算出两个不同位置元件影像YJ1和YJ2之间的距离，即虚拟距离值；
E6：获取上述E5中的虚拟距离值和转化因子均值，并将其带入到计算式：
Figure 817117DEST_PATH_IMAGE007
，其中，
Figure 360093DEST_PATH_IMAGE008
表示为实际距离值，
Figure 278633DEST_PATH_IMAGE009
表示为虚拟距离值，
Figure 135731DEST_PATH_IMAGE010
表示为转化因子均值，e表示为计算转化调节因子，且e的取值在0.9-1之间；
距离计算式包括：
S1：将X2的值减去X1的值，得到两个不同位置元件影像的X轴差值，并将其标定为X轴差值；
S2：将Y2的值减去Y1的值，得到两个不同位置元件影像的Y轴差值，并将其标定为Y轴差值；
S3：设定一个距离值，并将其与上述S1和S2中的X轴差值和Y轴差值带入到计算式：距离值*距离值=X轴差值*X轴差值+Y轴差值*Y轴差值，计算出距离值；
K4：依据上述K3中的计算方式，计算出不同元件影像之间的实际距离值，选取若干个实际距离值，预设距离范围值M，并将其与距离值进行比对，具体为：
当
Figure 954651DEST_PATH_IMAGE008
＞M，则判定两个不同元件影像之间的距离大，生成距离大信号，其中，
Figure 169994DEST_PATH_IMAGE008
＞M表示为数值
Figure 277627DEST_PATH_IMAGE008
的取值大于范围值M当中的最大值；
当
Figure 735153DEST_PATH_IMAGE008
∈M，则判定两个不同元件影像之间的距离正常，生成距离正常信号，其中，
Figure 346263DEST_PATH_IMAGE008
∈M表示为数值
Figure 998087DEST_PATH_IMAGE008
的取值在范围值M的范围内；
当
Figure 327437DEST_PATH_IMAGE008
＜M，则判定两个不同元件影像之间的距离小，生成距离小信号，其中，当
Figure 588654DEST_PATH_IMAGE008
＜M表示为数值
Figure 54270DEST_PATH_IMAGE008
取值小于范围值M中的最小值；
K5：提取上述K4中的距离大信号、距离正常信号和距离小信号，并对其进行识别判断，具体为：识别统计出距离大信号、距离正常信号和距离小信号出现的次数，并将其依次标定为大距离次数、正常距离次数和小距离次数，将其三者进行求和计算，计算出总次数，分别计算出大距离次数、正常距离次数和小距离次数在总次数中的占比，并将其依次标定为大距离占比、正常距离占比和小距离占比，设定三个大距离占比、正常距离占比和小距离占比对应的预设比值，并将其分别与大距离占比和小距离占比进行比对，当出现大距离占比大于大距离对应的预设比值，小距离占比大于对应的预设比值时，则判定电路板上元件的分布错误，生成分布不合格信号，当出现大距离占比小于大距离对应的预设比值，小距离占比小于对应的预设比值时，则判定电路板上元件的分布正确，生成分布合格信号，当出现大距离占比小于大距离对应的预设比值，小距离占比大于对应的预设比值时，则判定电路板上元件的分布异常，生成分布异常信号，当出现大距离占比大于大距离对应的预设比值，小距离占比小于对应的预设比值时，则判定电路板上元件的分布出现问题，生成分布问题信号；
K6：提取分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像，并将一同传输至结果判定单元；
信息存储单元内还存储有形状信息，形状信息包括图形的影像以及图形的名称，结果判定单元从信息存储单元内获取形状信息，并将其与分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像进行结果判定操作，结果判定操作的具体操作过程为：
H1：获取电路板影像，并将其与颜色数据进行识别，当识别到电路板中底色与颜色数据不相同时，则生成颜色差异信号，并将颜色差异信号对应的部分电路板影像标定为电路板差异影像；
H2：获取元件影像，并将其与色泽数据进行识别，当识别到元件中的颜色与色泽数据不相同时，则生成色泽差异信号，并将色泽差异信号对应的部分元件影像标定为元件差异影像；
H3：提取上述H1和H2中的颜色差异信号、电路板差异影像、色泽差异信号和元件差异影像，对颜色差异信号和色泽差异信号进行识别，并依据识别结果进行精确分析，具体为：
G1：当识别到颜色差异信号时，则提取电路板差异影像，并将其与图形的影像进行匹配，当电路板差异影像与图形的影像一致时，则判定两者为同一形状，并自动提取对应图形的名称，将其标定为第一识别名称数据；
G2：当识别到色泽差异信号时，则提取元件差异影像，并将其与图形的影像进行匹配，当元件差异影像与图形的影像一致时，则判定两者为同一形状，并自动提取对应图形的名称，将其标定为第二识别名称数据；
H4：获取第一识别名称数据，当第一识别名称数据为线时，则判定该电路板出现断裂，生成断裂信号，当第一识别名称数据为线以外的几何图形或者非几何图形时，则判定电路板的阻焊层损坏，生成层面损坏信号；
H5：获取第二识别名称数据，当第二识别名称数据为线时，则判定该元件表面出现划痕，生成划痕信号，当第二识别名称为线以外的几个图形或者非几何图形时，则判定元件上出现凹陷孔，生成缺陷信号；
H6：获取分布不合格信号、分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号，并依据其进行分值转化计算，计算式为：
Figure 876995DEST_PATH_IMAGE011
，其中
Figure 693641DEST_PATH_IMAGE012
表示为受损总值，f1表示为信号分值转化的偏差调节因子，其中，Fji表示为对应信号转化的分值，且Fji=Fi*ji，F1表示为分布不合格信号，j1表示为分布不合格信号的分值转化因子，F2-F8依次表示为分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号，j2-j8依次表示为分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号对应的分值转化因子，将受损总值与预设总值进行比对，当受损总值大于预设总值时，则判定电路板和元件损坏，生成质量问题信号，反之，则不生成质量问题信号，其中，预设总值为预设值；
H7：将质量问题信号传输至发送单元；
发送单元接收质量问题信号，并将其发送至智能设备，智能设备接收并显示质量问题信号，智能设备具体为平板电脑。
本发明在工作时，通过摄像头实时采集电路板上的影像信息，并将影像信息传输至识别单元，识别单元从信息存储单元内获取记录信息，并将其与影像信息一同进行识别操作，得到电路板影像、元件影像和标准数据，并将其一同传输至数据分析单元；数据分析单元从信息存储单元获取电路板规格数据，并将其与电路板影像、元件影像和标准数据一同进行分析操作，得到分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像，并将一同传输至结果判定单元；信息存储单元内还存储有形状信息，形状信息包括图形的影像以及图形的名称，结果判定单元从信息存储单元内获取形状信息，并将其与分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像进行结果判定操作，得到质量问题信号，并将其传输至发送单元；发送单元接收质量问题信号，并将其发送至智能设备，智能设备接收并显示质量问题信号。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (5)

1.一种基于物联网的AOI检测反馈系统，其特征在于，包括摄像头、识别单元、信息存储单元、数据分析单元、结果判定单元、发送单元和智能设备；
所述摄像头用于实时采集电路板上的影像信息，并将影像信息传输至识别单元；
所述信息存储单元内存储有电路板相关的记录信息，所述识别单元从信息存储单元内获取记录信息，并将其与影像信息一同进行识别操作，得到电路板影像、元件影像和标准数据，并将其一同传输至数据分析单元；
所述信息存储单元内还存储有电路板规格数据，所述数据分析单元从信息存储单元获取电路板规格数据，并将其与电路板影像、元件影像和标准数据一同进行分析操作，得到分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像，并将一同传输至结果判定单元；
所述信息存储单元内还存储有形状信息，所述形状信息包括图形的影像以及图形的名称，所述结果判定单元从信息存储单元内获取形状信息，并将其与分布不合格信号、分布合格信号、分布异常信号、分布问题信号、电路板影像、色泽数据、颜色数据和元件影像进行结果判定操作，得到质量问题信号，并将其传输至发送单元；
所述发送单元接收质量问题信号，并将其发送至智能设备，智能设备接收并显示质量问题信号。
2.根据权利要求1所述的一种基于物联网的AOI检测反馈系统，其特征在于，识别操作的具体操作过程为：
步骤一：获取记录信息，将记录信息内电路板的图像标定为图像数据，将记录信息内电路板图像对应的电路板名称标定为名称数据，将记录信息内电路板内元件的图像标定为元件数据，将记录信息内元件数据对应的名称标定为元件名称数据，将记录信息内元件数据对应的色泽判定标准标定为标准数据；
步骤二：获取影像信息，并将其与图像数据进行匹配，得到电路板影像；
步骤三：结合上述步骤一与步骤二，获取提取的名称数据，并将该名称数据对应的影像信息与元件数据进行匹配，得到元件影像；
步骤四：提取上述步骤二中的电路板影像和步骤三中的元件影像。
3.根据权利要求2所述的一种基于物联网的AOI检测反馈系统，其特征在于，分析操作的具体操作过程为：
K1：获取标准数据，将标准数据内元件的颜色标定为色泽数据，将标准数据内元件影像对应的电路板的颜色标定为颜色数据；
K2：获取电路板影像和元件影像，建立一个虚拟直角坐标系，将电路板影像和元件影像在虚拟直角坐标系中进行标记，标记处元件影像在电路板影像中的位置，将电路板影像的四个边角点分别标定为BJg（Xg，Yg），并将对应元件影像标定为YJi（Xi，Yi），i=1，2，3......n，g=1，2，3......4，且n为正整数，此处的YJi表示为在电路板影像中不同元件影像的位置；
K3：获取电路板规格信息、电路板四个边角点的坐标以及元件影像的坐标，并将其进行距离处理，具体为：
E1：获取电路板规格信息，将电路板规格信息内的电路板的长度标定为电路板长度数据，将电路板规格信息内电路板的宽度标定为电路板宽度数据；
E2：将获取电路板对应的四个边角点的坐标，并将四个边角点坐标分别标定为BJ1（X1，Y1）、BJ2（X2，Y2）、BJ3（X3，Y3）和BJ4（X4，Y4），由于电路板的一条边连接两个边角点，那么说明其中四个边角点中有两个坐标点的X轴相同，两个坐标点的Y轴相同，选取出两个X轴坐标相同的坐标点，将两个坐标的Y轴进行差值计算，计算出Y轴差值，同理计算出X轴差值；
E3：将X轴差值和Y轴差值进行比对，当X轴差值大于Y轴差值时，则判定X轴为电路板影像的虚拟长度，Y轴为电路板影像的虚拟宽度，当X轴差值小于Y轴差值时，则判定X轴为电路板影像的虚拟宽度，Y轴为电路板影像的虚拟长度；
E4：选取若干组虚拟长度和虚拟宽度，并将其与对应的电路板长度数据和电路板宽度数据，并将其分别带入到计算式：DC=XC*ui，DK=XK*ri，计算出ui和ri，其中，DC表示为电路板长度数据，XC表示为虚拟长度，DK表示为电路板宽度数据，XK表示为虚拟宽度，ui表示为电路板长度数据与虚拟长度之间的转化因子，并将其标定为长度转化因子，ri表示为电路板宽度数据与虚拟宽度之间的转化因子，并将其标定为宽度转化因子，获取若干组长度转化因子，并将其带入到计算式
Figure 997792DEST_PATH_IMAGE001
，其中，Pu表示为长度转化因子的均值，即长度转化因子均值，将宽度转化因子带入到计算式：
Figure 558087DEST_PATH_IMAGE002
，其中，Pr表示为宽度转化因子的均值，即宽度转化因子均值，将长度转化因子均值和宽度转化因子均值带入到计算式：
Figure 392051DEST_PATH_IMAGE003
，其中，
Figure 405006DEST_PATH_IMAGE004
表示为宽度转化因子均值和宽度转化因子均值的平均值，即转化因子均值；
E5：获取两个不同元件影像对应的位置数据，并将两个不同位置的元件影像分别标定为YJ1（X1，Y1）和YJ2（X2，Y2），选取出两个不同位置元件影像对应的X轴和Y轴的值，并将其带入到距离计算式中，计算出两个不同位置元件影像YJ1和YJ2之间的距离，即虚拟距离值，a为正整数；
E6：获取上述E5中的虚拟距离值和转化因子均值，并将其带入到计算式：
Figure 287511DEST_PATH_IMAGE005
，其中，
Figure 192058DEST_PATH_IMAGE006
表示为实际距离值，
Figure 196923DEST_PATH_IMAGE007
表示为虚拟距离值，
Figure 697175DEST_PATH_IMAGE008
表示为转化因子均值，e表示为计算转化调节因子，且e的取值在0.9-1之间；
K4：依据上述K3中的计算方式，计算出不同元件影像之间的实际距离值，选取若干个实际距离值，预设距离范围值M，并将其与距离值进行比对，具体为：
当
Figure 180109DEST_PATH_IMAGE006
＞M，则判定两个不同元件影像之间的距离大，生成距离大信号，其中，
Figure 652678DEST_PATH_IMAGE006
＞M表示为数值
Figure 329910DEST_PATH_IMAGE006
的取值大于范围值M当中的最大值；
当
Figure 317457DEST_PATH_IMAGE006
∈M，则判定两个不同元件影像之间的距离正常，生成距离正常信号，其中，
Figure 541765DEST_PATH_IMAGE006
∈M表示为数值
Figure 665579DEST_PATH_IMAGE006
的取值在范围值M的范围内；
当
Figure 12247DEST_PATH_IMAGE006
＜M，则判定两个不同元件影像之间的距离小，生成距离小信号，其中，当
Figure 988555DEST_PATH_IMAGE006
＜M表示为数值
Figure 78871DEST_PATH_IMAGE006
取值小于范围值M中的最小值；
K5：提取上述K4中的距离大信号、距离正常信号和距离小信号，并对其进行识别判断，得到分布不合格信号、分布合格信号、分布异常信号和分布问题信号。
4.根据权利要求3所述的一种基于物联网的AOI检测反馈系统，其特征在于，结果判定操作的具体操作过程为：
H1：获取电路板影像，并将其与颜色数据进行识别，当识别到电路板中底色与颜色数据不相同时，则生成颜色差异信号，并将颜色差异信号对应的部分电路板影像标定为电路板差异影像；
H2：获取元件影像，并将其与色泽数据进行识别，当识别到元件中的颜色与色泽数据不相同时，则生成色泽差异信号，并将色泽差异信号对应的部分元件影像标定为元件差异影像；
H3：提取上述H1和H2中的颜色差异信号、电路板差异影像、色泽差异信号和元件差异影像，对颜色差异信号和色泽差异信号进行识别，并依据识别结果进行精确分析，得到第一识别名称数据和第二识别名称数据；
H4：获取第一识别名称数据，当第一识别名称数据为线时，则判定该电路板出现断裂，生成断裂信号，当第一识别名称数据为线以外的几何图形或者非几何图形时，则判定电路板的阻焊层损坏，生成层面损坏信号；
H5：获取第二识别名称数据，当第二识别名称数据为线时，则判定该元件表面出现划痕，生成划痕信号，当第二识别名称为线以外的几个图形或者非几何图形时，则判定元件上出现凹陷孔，生成缺陷信号；
H6：获取分布不合格信号、分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号，并依据其进行分值转化计算和判断，得到质量问题信号。
5.根据权利要求4所述的一种基于物联网的AOI检测反馈系统，其特征在于，分值转化计算和判断的具体过程为：将分布不合格信号、分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号带入到计算式：
Figure 260454DEST_PATH_IMAGE009
，其中
Figure 512443DEST_PATH_IMAGE010
表示为受损总值，f1表示为信号分值转化的偏差调节因子，其中，Fji表示为对应信号转化的分值，且Fji=Fi*ji，F1表示为分布不合格信号，j1表示为分布不合格信号的分值转化因子，F2-F8依次表示为分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号，j2-j8依次表示为分布合格信号、分布异常信号、分布问题信号、断裂信号、层面损坏信号、划痕信号和缺陷信号对应的分值转化因子，将受损总值与预设总值进行比对，当受损总值大于预设总值时，则判定电路板和元件损坏，生成质量问题信号，反之，则不生成质量问题信号，其中，预设总值为预设值。
CN202110582323.6A 2021-05-27 2021-05-27 一种基于物联网的aoi检测反馈系统 Active CN113030123B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110582323.6A CN113030123B (zh) 2021-05-27 2021-05-27 一种基于物联网的aoi检测反馈系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110582323.6A CN113030123B (zh) 2021-05-27 2021-05-27 一种基于物联网的aoi检测反馈系统

Publications (2)

Publication Number Publication Date
CN113030123A true CN113030123A (zh) 2021-06-25
CN113030123B CN113030123B (zh) 2021-08-24

Family

ID=76455826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110582323.6A Active CN113030123B (zh) 2021-05-27 2021-05-27 一种基于物联网的aoi检测反馈系统

Country Status (1)

Country Link
CN (1) CN113030123B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113791034A (zh) * 2021-09-30 2021-12-14 合肥德泰轨交数据有限公司 一种用于钢轨探伤的样本采集分类监管系统
CN116559200A (zh) * 2023-07-10 2023-08-08 深圳市特旺电子有限公司 一种基于视觉测试的pcb线路板组装缺陷检测系统
CN117036228A (zh) * 2022-12-05 2023-11-10 珠海祺力电子有限公司 一种基于物联网的pcba生产流程监测管理系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185195A1 (en) * 2011-01-18 2012-07-19 Arkray, Inc. Analysis device, analysis program, and analysis method
TWI585398B (zh) * 2016-06-08 2017-06-01 Projection-type printed circuit board re-inspection system and methods, and marking the location of the defect
CN110579479A (zh) * 2019-08-09 2019-12-17 康代影像科技(苏州)有限公司 一种基于假点缺陷检测的pcb检修系统及检修方法
CN111460887A (zh) * 2020-02-24 2020-07-28 柳州达迪通信技术股份有限公司 一种基于物联网的光缆监测分析系统
CN111460969A (zh) * 2020-03-27 2020-07-28 河北凯通信息技术服务有限公司 一种基于云计算的工业信息智能化监控系统
CN111854700A (zh) * 2020-07-10 2020-10-30 安徽农业大学 基于物联网和云计算的无人机监测管理系统
CN112163113A (zh) * 2020-09-07 2021-01-01 淮南万泰电子股份有限公司 一种高压组合变频器用实时监测系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185195A1 (en) * 2011-01-18 2012-07-19 Arkray, Inc. Analysis device, analysis program, and analysis method
TWI585398B (zh) * 2016-06-08 2017-06-01 Projection-type printed circuit board re-inspection system and methods, and marking the location of the defect
CN110579479A (zh) * 2019-08-09 2019-12-17 康代影像科技(苏州)有限公司 一种基于假点缺陷检测的pcb检修系统及检修方法
CN111460887A (zh) * 2020-02-24 2020-07-28 柳州达迪通信技术股份有限公司 一种基于物联网的光缆监测分析系统
CN111460969A (zh) * 2020-03-27 2020-07-28 河北凯通信息技术服务有限公司 一种基于云计算的工业信息智能化监控系统
CN111854700A (zh) * 2020-07-10 2020-10-30 安徽农业大学 基于物联网和云计算的无人机监测管理系统
CN112163113A (zh) * 2020-09-07 2021-01-01 淮南万泰电子股份有限公司 一种高压组合变频器用实时监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯嫦 等: "AOI检测仪在PCB电路板的检测与改进措施", 《设备管理与维修》 *
卢荣胜 等: "自动光学 视觉 检测技术及其在缺陷检测中的应用综述", 《光学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113791034A (zh) * 2021-09-30 2021-12-14 合肥德泰轨交数据有限公司 一种用于钢轨探伤的样本采集分类监管系统
CN113791034B (zh) * 2021-09-30 2022-09-06 合肥德泰轨交数据有限公司 一种用于钢轨探伤的样本采集分类监管系统
CN117036228A (zh) * 2022-12-05 2023-11-10 珠海祺力电子有限公司 一种基于物联网的pcba生产流程监测管理系统及方法
CN116559200A (zh) * 2023-07-10 2023-08-08 深圳市特旺电子有限公司 一种基于视觉测试的pcb线路板组装缺陷检测系统
CN116559200B (zh) * 2023-07-10 2023-09-26 深圳市特旺电子有限公司 一种基于视觉测试的pcb线路板组装缺陷检测系统

Also Published As

Publication number Publication date
CN113030123B (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN113030123B (zh) 一种基于物联网的aoi检测反馈系统
US8224605B2 (en) Inspection standard setting device, inspection standard setting method and process inspection device
CN110119680B (zh) 一种基于图像识别的电气柜接线自动查错系统
CN110579479A (zh) 一种基于假点缺陷检测的pcb检修系统及检修方法
CN105510348A (zh) 一种印制电路板的缺陷检测方法、装置及检测设备
CN112053318A (zh) 基于深度学习的二维pcb缺陷实时自动检测与分类装置
CN107945184A (zh) 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法
CN106651857B (zh) 一种印刷电路板贴片缺陷检测方法
TW201743051A (zh) 投影式印刷電路板複檢系統與方法、以及標示缺陷位置的方法
CN113488414B (zh) 晶圆生产监控方法、系统与电子设备
CN116993744B (zh) 一种基于阈值分割的焊缝缺陷检测方法
CN115420744A (zh) 一种基于图像识别的印制板缺陷检测系统及其方法
JP4805475B2 (ja) 品質評価装置、品質評価方法、品質表示装置、品質表示方法および品質評価システム
CN108596829A (zh) 一种pcb裸板图片配准方法和装置
CN111353986A (zh) 一种模切产品质量检测方法
CN113483682A (zh) 一种基于机器视觉的缝隙测量方法及系统
CN105136818A (zh) 印刷基板的影像检测方法
CN115375679B (zh) 一种缺陷芯片寻边寻点定位方法及装置
JP4814116B2 (ja) 実装基板外観検査方法
CN115546140A (zh) 一种显示面板检测方法、系统及电子装置
CN110874837B (zh) 一种基于局部特征分布的缺陷自动检测方法
TWM619409U (zh) 智慧化加工系統
CN109817538B (zh) Sram失效在线测试方法
CN112200799A (zh) 一种基于Gerber文件的PCB电子元器件缺陷检测方法
CN105277569A (zh) 基于三维特征的线路板检测方法

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
TA01 Transfer of patent application right

Effective date of registration: 20210728

Address after: 343000 beside Zhenxing Avenue, Anfu Industrial Park, Ji'an City, Jiangxi Province

Applicant after: Anfu Dexin Intelligent Equipment Co.,Ltd.

Address before: Room 215, business office, second floor, No.1 building (Science and technology experimental building), science and Technology Park, Nanchang University, 589 Gaoxin Avenue, high tech Industrial Development Zone, Nanchang City, Jiangxi Province, 330000

Applicant before: NANCHANG HUAMENGDA AVIATION SCIENCE AND TECHNOLOGY DEVELOPMENT Co.,Ltd.

Applicant before: Anfu Dexin Intelligent Equipment Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant