CN113466235A - 视觉检测模组、缺陷检测工作站及缺陷检测方法 - Google Patents

Abstract

本申请公开一种视觉检测模组、缺陷检测工作站以及缺陷检测方法，视觉检测模组通过底座与发光组件的组合用于检查多工位的外观缺陷，视觉检测模组通过底座与发光组件通过不同的发光方式与照射角度去检测工件，如此才可以对工件进行最全面的检测。缺陷检测工作站对于声学零部件进行缺陷检测的自动化流程，并且缺陷检测工作站包括多种视觉检测模组针对结构精密复杂的声学零部件分别进行缺陷检测。同时，通过不同深度学习模型串联组合成深度学习算法对缺陷进行检测，并分别定位缺陷区域以及对缺陷分割，如此提高产品缺陷检测效率以及节约人力成本。

Description

视觉检测模组、缺陷检测工作站及缺陷检测方法

技术领域

本申请涉及缺陷检测的技术领域，尤其涉及一种视觉检测模组、缺陷检测工作站及缺陷检测方法。

背景技术

于电子产品和工业产品生产场景中，不同的生产工艺环节会造成不同的产品外观缺陷，常见的缺陷类型有划伤、压伤、脏污、异物、粘胶、溢胶，缺损等等。这些产品表面的缺陷若不能及时检测出来，不仅影响产品外观，还会对产品的质量、性能造成影响。对于结构复杂、材质多样的产品来说，增加了缺陷检测的难度。又，声学零部件作为一种构造精密、结构复杂的工件，外观缺陷多达几十种，实际检测是采用人工目视检查的方法进行质量检测，但人力检测的方式通常会受到质检人员的外在环境因素影响较大，检测标准与检测质量比较难以维持稳定。

发明内容

本申请实施例提供一种视觉检测模组、缺陷检测工作站以及缺陷检测方法，可以有效解决目前产品表面的缺陷通过质检人员进行人工检测，检测标准与检测质量比较难以维持稳定的问题。

为了解决上述技术问题，本申请是这样实现的：

第一方面提供了一种视觉检测模组，其包括底座、发光组件与检测组件。底座具有发光面，料件用于置放于所述发光面；发光组件对应料件，并位于底座上方；以及检测组件具有检测镜头，检测镜头的检测路径通过发光组件而对应于料件，其中检测组件用于检测料件的表面缺陷。

于本申请实施例中，视觉检测模组通过底座与发光组件的组合用于检查多工位的外观缺陷，由于受检测工件的结构复杂，不同的部位会产生多种缺陷，所以需要底座与发光组件通过不同的发光方式与照射角度去检测工件，如此才可以对工件进行最全面的检测。

在其中一个实施例中，所述发光组件包括低角度光源组件、高角度光源组件与同轴光源组件，所述低角度光源组件位于所述底座上方，所述高角度光源组件位于所述低角度光源组件上方，所述同轴光源组件位于所述高角度光源组件上方。

在其中一个实施例中，所述低角度光源组件为环形光源，所述低角度光源组件的光源面相对于所述底座的所述发光面的上表面的夹角介于70度至90度之间。

在其中一个实施例中，高角度光源组件为环形光源，高角度光源组件的光源面相对于底座的发光面的夹角介于20度至40度之间。

在其中一个实施例中，所述同轴光源组件为面光源，所述同轴光源组件的光源面相对于所述底座的所述发光面的夹角介于80度至100度之间。

在其中一个实施例中，所述发光组件包括球形光源组件，所述球形光源组件包括球形反射面板与环形光件，所述球形反射面板罩设于所述环形光件上，并所述环形光件的光源面朝向所述球形反射面板，所述球形反射面板具有检测孔，所述检测孔对应于所述料件，所述检测镜头通过所述检测孔检测所述料件。

在其中一个实施例中，所述发光组件包括光源组件与同轴光源组件，所述光源组件位于所述底座上方，所述同轴光源组件位于所述光源组件上方，所述检测镜头的检测路径对应于所述底座的发光面具有夹角，所述夹角介于50度至 90度。

在其中一个实施例中，所述光源组件的光源面相对于所述底座的所述发光面具有角度。

在其中一个实施例中，所述同轴光源组件为面光源，所述同轴光源组件的光源面相对于所述底座的所述发光面呈90度的夹角。

第二方面提供了一种缺陷检测工作站，其包括输送带、上料模组、第一视觉检测模组、翻转机构、第二视觉检测模组以及分料模组。输送带用于输送料件；上料模组设置于生产线的一侧，上料模组将料件移动至输送带；第一视觉检测模组设置于上料模组之后，第一视觉检测模组检测料件的第一表面结构；翻转机构设置于第一视觉检测模组之后，翻转机构翻转料件，其中第一表面结构与相对于第一表面结构的第二表面结构的位置互换；第二视觉检测模组设置于翻转机构之后，第二视觉检测模组检测料件的第二表面；以及分料模组设置于第二视觉检测模组之后，分料模组将料件依据检测结果分成良品或不良品。

于本申请实施例中，通过缺陷检测工作站对于声学零部件进行缺陷检测的自动化流程，并且缺陷检测工作站包括多种视觉检测模组针对结构精密复杂的声学零部件分别进行缺陷检测，如此自动化流程有利于提高检测速度。同时，多种视觉检测模组有利于提高检测质量。

在其中一个实施例中，还包括扫码模组，所述扫码模组位于所述上料模组与所述第一视觉检测模组之间，所述扫码模组用于扫描所述料件的编码。

第三方面提供了一种缺陷检测方法，其特征在于，其步骤包括采集料件的图像，并将所述图像输入定位缺陷区域模块，所述定位缺陷区域模块从所述图像中框选出具有缺陷的区域，以提取出多个缺陷框架，对所述图像进行定位缺陷区域；以及将多个所述缺陷框架输入缺陷分割模块，所述缺陷分割模块对每个所述缺陷框架内的多个像素进行分析为缺陷或非缺陷，将多个所述缺陷框架进行缺陷分割。

在本申请实施例中，通过不同深度学习模型串联组合成深度学习算法对缺陷进行检测，并分别定位缺陷区域以及对缺陷分割，如此提高产品缺陷检测效率以及节约人力成本。

在其中一个实施例中，于所述定位缺陷区域模块从所述图像中框选出具有缺陷的区域，以提取出多个缺陷框架的步骤中，所述定位缺陷区域模块将所述图像划分成多个框架，并对于多个所述框架进行判断具有缺陷或非缺陷，当所述框架判断具有缺陷则提取为所述缺陷框架。

在其中一个实施例中，每个所述缺陷框架具有对应的平面座标位置，再配合对应的所述缺陷框架的宽和高，以定位缺陷区域。

在其中一个实施例中，于进行缺陷检测方法的步骤前，所述定位缺陷区域模块进行深度学习，其步骤包括：采集多个所述图像，并随机挑选多个所述图像成训练集；对所述训练集中的所述图像有缺陷的区域以矩形框标注起来，以作为训练时进行对比的标注；将采集到的多个所述图像及对应的矩形框标注输入所述定位缺陷区域模块进行训练；以及在训练完成后，所述定位缺陷区域模块可对于未标注的所述图像进行定位缺陷，所述定位缺陷区域模块能提取出所述图像里面所有包含缺陷的所述缺陷框架。

在其中一个实施例中，于进行缺陷检测方法的步骤前，所述缺陷分割模块进行深度学习，其步骤包括：所述定位缺陷区域模块提取出的多个所述缺陷框架作为训练集；对多个所述缺陷框架中的多个所述像素进行具有缺陷或无缺陷的标示；将多个所述缺陷框架及对应的具有缺陷或无缺陷的所述标示输入到所述缺陷分割模块进行训练；以及训练完成后，所述缺陷分割模块可对于未标标具有缺陷或无缺陷的所述缺陷框架内的缺陷分割出来。

在其中一个实施例中，将所述图像输入定位缺陷区域模块以提取出多个缺陷框架的步骤中，若发现有未被提取出的缺陷，则要调整所述定位缺陷区域模块设定的缺陷阈值。

在其中一个实施例中，将多个所述缺陷框架输入缺陷分割模块进行缺陷分割的步骤中，若发现分割出来的缺陷不完整，则要调整所述缺陷分割模块设定的缺陷分割阈值。

在本申请实施例中，视觉检测模组通过底座与发光组件的组合用于检查多工位的外观缺陷，视觉检测模组通过底座与发光组件通过不同的发光方式与照射角度去检测工件，如此才可以对工件进行最全面的检测。缺陷检测工作站对于声学零部件进行缺陷检测的自动化流程，并且缺陷检测工作站包括多种视觉检测模组针对结构精密复杂的声学零部件分别进行缺陷检测。同时，通过不同深度学习模型串联组合成深度学习算法对缺陷进行检测，并分别定位缺陷区域以及对缺陷分割，如此提高产品缺陷检测效率以及节约人力成本。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施方式及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请的第一实施方式的视觉检测模组的示意图；

图2是本申请的第二实施方式的视觉检测模组的示意图；

图3是本申请的第三实施方式的视觉检测模组的示意图；

图4是本申请的缺陷检测工作站的示意图；以及

图5是本申请的缺陷检测方法的方块图。

具体实施方式

以下将以图式揭露本申请的多个实施方式，为明确说明起见，许多实施上的细节将在以下叙述中一并说明。然而，应了解到，这些实施上的细节不应用以限制本申请。也就是说，在本申请的部分实施方式中，这些实施上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示。在以下各实施例中，将以相同的标号表示相同或相似的组件。

请参阅图1，是本申请的第一实施方式的视觉检测模组的示意图。如图所示，本实施方式提供一种视觉检测模组1，其包括底座11、发光组件13与检测组件15。底座11具有发光面111。发光组件13位于底座11上方。检测组件 15具有检测镜头151，检测镜头151位于发光组件13的上方，检测镜头151 用于对料件100的表面缺陷进行检测。

承上所述，发光组件13包括低角度光源组件131、高角度光源组件132与同轴光源组件133，低角度光源组件131位于底座11上方，高角度光源组件132 位于低角度光源组件131上方，同轴光源组件133位于高角度光源组件132上方。其中低角度光源组件131为环形光源，低角度光源组件131的光源面1311 相对于底座11的发光面111的上表面的夹角介于70度至90度之间。再者，高角度光源组件132为环形光源，高角度光源组件132的光源面1321相对于底座 11的发光面111的夹角介于20度至40度之间。另外，同轴光源组件133为面光源，同轴光源组件133的光源面1331相对于底座11的发光面111的夹角介于80度至100度之间。通过上述光学照射方式有利于检测缺陷。

于本实施方式中，检测组件15采用8.9MP相机，并且相机镜头为远心镜头。检测组件15搭配上述底座11的发光面111与发光组件13的低角度光源、高角度光源与同轴光源所形成的光源照射进行检测。本实施方式将受检测的料件 100置放于底座11的发光面111上方，再通过发光组件13多角度且大范围的照射于料件100的表面，若料件100的结构正常，则光线照射于料件100的表面会产生正常的反射光线，检测组件15会接收到正常的光源反射。若料件100 的表面具有伤痕、破损或脏污等情况发生，则光线照射于料件100的表面会产生不正常的反射光线，检测组件15会收到异常的光源反射。本实施方式的视觉检测模组1适用于检测料件100的表面结构。

请参阅图2，是本申请的第二实施方式的视觉检测模组的示意图。如图所示，本实施方式相较于第一实施方式的差异在于发光组件13。于本实施方式中，发光组件13包括球形光源组件134，球形光源组件134包括球形反射面板1341 与环形光件1342，球形反射面板1341罩设于环形光件1342上，并环形光件1342 的光源面朝向球形反射面板1341，球形反射面板1341具有检测孔1343，检测孔1343对应于料件100，检测镜头151通过检测孔1343检测料件100。

于本实施方式中，检测组件15采用8.9MP相机，并且相机镜头为远心镜头。检测组件15搭配上述底座11的发光面111与发光组件13形成的球型光源照射进行检测。本实施方式将受检测的料件100置放于底座11的发光面111上，再通过发光组件13球型光源照射于料件100的表面。本实施方式的视觉检测模组 1适用于检测环形的料件100的溢胶、破损或变形等等。

请参阅图3，是本申请的第三实施方式的视觉检测模组的示意图。如图所示，本实施方式相较于第一实施方式的差异在于发光组件13。于本实施方式中，发光组件13包括光源组件135与同轴光源组件136，光源组件135位于底座11 上方，同轴光源组件136位于光源组件135上方，检测镜头151的检测路径对应于底座11的发光面111具有夹角，夹角介于50度至90度之间。其中光源组件135的光源面1351相对于底座11的发光面111具有角度。同轴光源组件136 为面光源，同轴光源组件136的光源面1361相对于底座11的发光面111的角度为90度。

于本实施方式中，检测组件15采用8.9MP相机，并且相机镜头为远心镜头。检测组件15搭配上述底座11的发光面111与发光组件13的低角度光源与面光源照射进行检测。本实施方式将受检测的料件100置放于底座11的发光面111 上，再通过发光组件13针对于低角度光源与面光源方式的照射于料件100的表面。本实施方式的视觉检测模组1适用于检测料件100结构破损或偏移等等。

具上论结，有关于上述各实施方式的视觉检测模组1通过底座11与发光组件13的组合可用于检查声学零部件的料件100的外观缺陷，声学零部件的料件 100结构复杂，不同的料件100部位会具有多种缺陷，此缺陷包括划伤、压伤、破损、脏污、变形、溢胶圈等，所以需要底座11与发光组件13通过不同的发光方式与照射角度去检测料件100，再进一步通过对检测组件15的聚焦面、曝光时间等和光源的参数设置也需要相应的调整，如此才可以对料件100进行最全面的检测。

请参阅图4，是本申请的缺陷检测工作站的示意图。如图所示，于本实施方式中，缺陷检测工作站2包括输送带21、上料模组22、第一视觉检测模组 23、翻转机构24、第二视觉检测模组25与分料模组26。本实施方式通过上述机构进行自动化的制程，说明如下：

于本实施方式中，输送带21用于输送料件100，其中输送带21依序将料件100输送经过上料模组22、第一视觉检测模组23、翻转机构24、第二视觉检测模组25与分料模组26。

上料模组22设置于输送带21的一侧，上料模组22用于将料件100移动至输送带21上。其中上料模组22可为机械手臂，其可通过反复夹取料件100的方式进行上料。

第一视觉检测模组23包括如前述第一到第三实施方式的视觉检测模组1，视觉检测模组1设置于上料模组22之后，第一视觉检测模组23用于检测料件 100的第一表面结构。其中料件100需要通过由第一实施方式的视觉检测模组1 进行料件100的第一表面结构的检测，检测料件100的伤痕、破损或脏污等情况的大范围区域检测。第二实施方式的视觉检测模组1进行料件100的第一表面结构的溢胶、破损或变形等。第三实施方式的视觉检测模组1进行料件100 的第一表面结构的结构破损或偏移等等。上述视觉检测模组1可依据使用者的需求安排对应检测结构的机构。

翻转机构24设置于第一视觉检测模组23之后，翻转机构24用于翻转料件100以使第一表面结构与相对于第一表面结构的第二表面结构的位置互换。如此后续进行料件100的第二表面结构的检测。

第二视觉检测模组25包括如前述第一到第三实施方式的视觉检测模组1，视觉检测模组1设置于翻转机构24之后，第二视觉检测模组25对于料件100 的第二表面结构进行检测，其中第一视觉检测模组23与第二视觉检测模组25 相同，第二视觉检测模组25同样通过第一实施方式到第三实施方式的视觉检测模组1分别进行检测料件100的第二表面结构。

分料模组26设置于第二视觉检测模组25之后，分料模组26将料件100 依据第一视觉检测模组23与第二视觉检测模组25的检测结果分成良品或不良品。

另外，缺陷检测工作站2还包括扫码模组27，扫码模组27位于上料模组 22与第一视觉检测模组23之间，扫码模组27用于扫描料件100的编码。其中除了当料件100被检测出异常时，其能够快速且有效的确认料件100之外，也可以查询制作料件100的来源，以确认料件100的结构发生异常的原因。

于本实施方式中，通过缺陷检测工作站2对于声学零部件的料件100进行缺陷检测的自动化流程，并且缺陷检测工作站2包括多种视觉检测模组针对结构精密复杂的声学零部件的料件100分别进行缺陷检测，如此自动化流程有利于提高检测速度。同时，多种视觉检测模组有利于提高检测质量。

请参阅图5，是本申请的缺陷检测方法的方块图。如图所示，本实施方式提供一种缺陷检测方法，其步骤包括：

步骤S100：采集料件的图像，并将图像输入定位缺陷区域模块，定位缺陷区域模块从图像中框选出具有缺陷的区域，以提取出多个缺陷框架，对图像进行定位缺陷区域，其中定位缺陷区域模块将图像划分成多个框架，并对于多个框架进行判断具有缺陷或非缺陷，当框架判断具有缺陷则提取为缺陷框架。若发现有未被提取出的缺陷，则要调整定位缺陷区域模块设定的缺陷阈值。

于本实施方式中，每个缺陷框架为矩形框架，缺陷框架具有对应的平面座标位置的X,Y座标，其中X,Y座标是缺陷框架的中心座标，再配合对应的缺陷框架的宽W和高H，以定位缺陷区域的缺陷框架座标(X,Y,W,H)。如此简化了网络的复杂度，对于模型的训练推理性能以及速度都有提升，且更加适用于当前场景。在此基础上，最后对得到的所有缺陷框架，做一次非极大值抑制，最终留下最匹配的目标区域的缺陷框架为最终结果。

步骤S200：将多个缺陷框架输入缺陷分割模块，缺陷分割模块对每个缺陷框架内的多个像素进行分析为缺陷或非缺陷，将多个缺陷框架进行缺陷分割，若发现分割出来的缺陷不完整，则要调整缺陷分割模块设定的缺陷分割阈值。

另外，于进行缺陷检测方法的步骤前，定位缺陷区域模块与缺陷分割模块都需要先进行深度学习，其步骤包括：

步骤一：采集多个图像，其中具体数量根据现场需求以及训练模型需要的需求量来进行确定，并随机挑选多个图像成训练集；

步骤二：为训练集中的多个图像有缺陷的区域以矩形框标注起来，以作为训练时进行对比的标注；

步骤三：将采集到的多个图像及对应的矩形框标注输入定位缺陷区域模块进行训练，在训练完成后，定位缺陷区域模块可对于未标注的图像进行定位缺陷，定位缺陷区域模块能成功地提取出图像里面所有包含缺陷的缺陷框架；

步骤四：对于步骤三提取出来的缺陷框架，检查是否提取出来的缺陷框架均包含标注。如果都包含标注则可以将所有提取出来的缺陷框架作为缺陷分割模块的训练集。

步骤五：对多个缺陷框架中的多个像素进行具有缺陷或无缺陷的标示。对于缺陷框架内有缺陷的像素点标注为1，没有缺陷的像素点标注为0。

步骤六：将多个缺陷框架及对应的具有缺陷或无缺陷的标示输入到缺陷分割模块进行训练，训练完成后，缺陷分割模块可对于未标标具有缺陷或无缺陷的缺陷框架内的缺陷分割出来。其中缺陷分割模块其实相当于判定一个像素点是属于缺陷或非缺陷，因此这是一个典型的二分类问题，可以使用交叉熵损失函数。具体来说，在训练阶段，对于图像里的每一个像素点，缺陷分割模块均会输出一个0到1之间的预测值,如下示公式中的pi，代表像素点属于缺陷的概率，越接近1代表是缺陷的可能性越大。又，由于我们拥有对应的缺陷标注, 如下示公式中的y_i，标注为1代表缺陷，标注为0代表非缺陷，因此使用交叉熵损失函数来对比预测值和缺陷标注之间的差异就可以得到Loss，经过多次迭代优化Loss到最小值便可以得到最佳的缺陷分割模型。

公式：

于本实施方式中，通过不同深度学习模型串联组合成深度学习算法对缺陷进行检测，并分别定位缺陷区域以及对缺陷分割，如此提高产品缺陷检测效率以及节约人力成本。

综上所述，本申请提供一种视觉检测模组、缺陷检测工作站以及缺陷检测方法，视觉检测模组通过底座与发光组件的组合用于检查多工位的外观缺陷，视觉检测模组通过底座与发光组件通过不同的发光方式与照射角度去检测工件，如此才可以对工件进行最全面的检测。缺陷检测工作站对于声学零部件进行缺陷检测的自动化流程，并且缺陷检测工作站包括多种视觉检测模组针对结构精密复杂的声学零部件分别进行缺陷检测。同时，通过不同深度学习模型串联组合成深度学习算法对缺陷进行检测，并分别定位缺陷区域以及对缺陷分割，如此提高产品缺陷检测效率以及节约人力成本。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

上述说明示出并描述了本申请的若干优选实施方式，但如前对象，应当理解本申请并非局限于本文所披露的形式，不应看作是对其他实施方式的排除，而可用于各种其他组合、修改和环境，并能够在本文对象发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本申请的精神和范围，则都应在本申请所附权利要求的保护范围内。

Claims (18)

1.一种视觉检测模组，其特征在于，其包括：

底座，具有发光面；

发光组件，位于所述底座上方；以及

检测组件，具有检测镜头，所述检测镜头位于所述发光组件的上方，所述检测镜头用于对料件的表面缺陷进行检测。

2.如权利要求1所述的视觉检测模组，其特征在于，所述发光组件包括低角度光源组件、高角度光源组件与同轴光源组件，所述低角度光源组件位于所述底座上方，所述高角度光源组件位于所述低角度光源组件上方，所述同轴光源组件位于所述高角度光源组件上方。

3.如权利要求2所述的视觉检测模组，其特征在于，所述低角度光源组件为环形光源，所述低角度光源组件的光源面相对于所述底座的所述发光面的上表面呈70度至90度的夹角。

4.如权利要求2所述的视觉检测模组，其特征在于，所述高角度光源组件为环形光源，所述高角度光源组件的光源面相对于所述底座的所述发光面呈20度至40度的夹角。

5.如权利要求2所述的视觉检测模组，其特征在于，所述同轴光源组件为面光源，所述同轴光源组件的光源面相对于所述底座的所述发光面呈80度至100度的夹角。

6.如权利要求1所述的视觉检测模组，其特征在于，所述发光组件包括球形光源组件，所述球形光源组件包括球形反射面板与环形光件，所述球形反射面板罩设于所述环形光件上，并所述环形光件的光源面朝向所述球形反射面板，所述球形反射面板具有检测孔，所述检测孔对应于所述料件，所述检测镜头通过所述检测孔检测所述料件。

7.如权利要求1所述的视觉检测模组，其特征在于，所述发光组件包括光源组件与同轴光源组件，所述光源组件位于所述底座上方，所述同轴光源组件位于所述光源组件上方，所述检测镜头的检测路径对应于所述底座的发光面具有夹角，所述夹角介于50度至90度。

8.如权利要求7所述的视觉检测模组，其特征在于，所述光源组件的光源面相对于所述底座的所述发光面具有角度。

9.如权利要求7所述的视觉检测模组，其特征在于，所述同轴光源组件为面光源，所述同轴光源组件的光源面相对于所述底座的所述发光面呈90度的夹角。

10.一种缺陷检测工作站，其特征在于，其包括：

输送带，用于输送料件；

上料模组，设置于所述输送带的一侧，所述上料模组用于将料件移动至所述输送带上；

第一视觉检测模组，包括如权利要求1-9项中任一项所述的视觉检测模组，设置于所述上料模组之后，所述第一视觉检测模组用于检测所述料件的第一表面结构；

翻转机构，设置于所述第一视觉检测模组之后，所述翻转机构用于翻转所述料件以使所述第一表面结构与相对于所述第一表面结构的第二表面结构的位置互换；

第二视觉检测模组，包括如权利要求1-9项中任一项所述的视觉检测模组，设置于所述翻转机构之后，所述第二视觉检测模组用于检测所述料件的所述第二表面；以及

分料模组，设置于所述第二视觉检测模组之后，所述分料模组将所述料件依据检测结果分成良品或不良品。

11.如权利要求10所述的缺陷检测工作站，其特征在于，还包括扫码模组，所述扫码模组位于所述上料模组与所述第一视觉检测模组之间，所述扫码模组用于扫描所述料件的编码。

12.一种缺陷检测方法，其特征在于，其步骤包括：

采集料件的图像，并将所述图像输入定位缺陷区域模块，所述定位缺陷区域模块从所述图像中框选出具有缺陷的区域，以提取出多个缺陷框架，对所述图像进行定位缺陷区域；以及

将多个所述缺陷框架输入缺陷分割模块，所述缺陷分割模块对每个所述缺陷框架内的多个像素进行分析为缺陷或非缺陷，将多个所述缺陷框架进行缺陷分割。

13.如权利要求12所述的缺陷检测方法，其特征在于，于所述定位缺陷区域模块从所述图像中框选出具有缺陷的区域，以提取出多个缺陷框架的步骤中，所述定位缺陷区域模块将所述图像划分成多个框架，并对于多个所述框架进行判断具有缺陷或非缺陷，当所述框架判断具有缺陷则提取为所述缺陷框架。

14.如权利要求13所述的缺陷检测方法，其特征在于，每个所述缺陷框架具有对应的平面座标位置，再配合对应的所述缺陷框架的宽和高，以定位缺陷区域。

15.如权利要求12所述的缺陷检测方法，其特征在于，于进行缺陷检测方法的步骤前，所述定位缺陷区域模块进行深度学习，其步骤包括：

采集多个所述图像，并随机挑选多个所述图像成训练集；

对所述训练集中的所述图像有缺陷的区域以矩形框标注起来，以作为训练时进行对比的标注；

将采集到的多个所述图像及对应的所述矩形框标注输入所述定位缺陷区域模块进行训练；以及

在训练完成后，所述定位缺陷区域模块可对于未标注的所述图像进行定位缺陷，所述定位缺陷区域模块能提取出所述图像里面所有包含缺陷的所述缺陷框架。

16.如权利要求15所述的缺陷检测方法，其特征在于，于进行缺陷检测方法的步骤前，所述缺陷分割模块进行深度学习，其步骤包括：

所述定位缺陷区域模块提取出的多个所述缺陷框架作为训练集；

对多个所述缺陷框架中的多个所述像素进行具有缺陷或无缺陷的标示；

将多个所述缺陷框架及对应的具有缺陷或无缺陷的所述标示输入到所述缺陷分割模块进行训练；以及

训练完成后，所述缺陷分割模块可对于未标标具有缺陷或无缺陷的所述缺陷框架内的缺陷分割出来。

17.如权利要求12所述的缺陷检测方法，其特征在于，将所述图像输入定位缺陷区域模块以提取出多个缺陷框架的步骤中，若发现有未被提取出的缺陷，则要调整所述定位缺陷区域模块设定的缺陷阈值。

18.如权利要求12所述的缺陷检测方法，其特征在于，将多个所述缺陷框架输入缺陷分割模块进行缺陷分割的步骤中，若发现分割出来的缺陷不完整，则要调整所述缺陷分割模块设定的缺陷分割阈值。

Images