CN114494257A - 涂胶检测方法、装置、设备及存储介质 - Google Patents

涂胶检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114494257A
CN114494257A CN202210393081.0A CN202210393081A CN114494257A CN 114494257 A CN114494257 A CN 114494257A CN 202210393081 A CN202210393081 A CN 202210393081A CN 114494257 A CN114494257 A CN 114494257A
Authority
CN
China
Prior art keywords
gluing
glue
data
preset
defect
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
CN202210393081.0A
Other languages
English (en)
Other versions
CN114494257B (zh
Inventor
叶瑞龙
林风杰
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.)
Shenzhen Yuanshuo Automation Technology Co ltd
Original Assignee
Shenzhen Yuanshuo Automation Technology 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 Shenzhen Yuanshuo Automation Technology Co ltd filed Critical Shenzhen Yuanshuo Automation Technology Co ltd
Priority to CN202210393081.0A priority Critical patent/CN114494257B/zh
Publication of CN114494257A publication Critical patent/CN114494257A/zh
Application granted granted Critical
Publication of CN114494257B publication Critical patent/CN114494257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
    • B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
    • B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
    • B05C11/1005—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to condition of liquid or other fluent material already applied to the surface, e.g. coating thickness, weight or pattern
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G01N2021/8854—Grading and classifying of flaws
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请公开了一种涂胶检测方法、装置、设备及存储介质，属于检测技术领域。该方法包括：获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。即本申请，通过预设的缺陷分类模型对涂胶数据进行判断处理，确定涂胶数据的缺陷类型，从而提高自动光学检测设备对涂胶缺陷识别的准确率。

Description

涂胶检测方法、装置、设备及存储介质
技术领域
本申请涉及检测技术领域，尤其涉及一种涂胶检测方法、装置、设备及存储介质。
背景技术
随着涂胶工艺的精细化和自动化，越来越多的自动光学检测技术应用在涂胶工艺上。
目前，传统的自动光学检测设备通常是基于人工提取的特征定义涂胶的标准图片，然后将待检测图片和标准图片进行对比，判断涂胶是否有缺陷，但是由于涂胶工艺较为精细，涂胶缺陷也会变得很细微，且涂胶工艺的缺陷分类较多，通过图片对比，不能准确地识别待检测图片中的缺陷，导致自动光学检测设备对涂胶缺陷识别的准确率降低。
发明内容
本申请的主要目的在于提供一种涂胶检测方法、装置、设备及存储介质，旨在解决现有技术中通过图片对比检测涂胶缺陷的识别的准确率低下的技术问题。
为实现上述目的，本申请提供一种涂胶检测方法，所述涂胶检测方法包括：
获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；
其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；
基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；
将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。
可选地，所述将所述涂胶数据输入至预设的缺陷分类模型中的步骤之前，所述方法包括：
确定所述缺陷分类模型中包含的至少一种缺陷类型，并确定每一种所述缺陷类型的阈值范围；
其中，所述基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型的步骤，包括：
基于所述缺陷分类，对所述涂胶数据是否在所述缺陷类型的阈值范围内进行判断，得到所述涂胶数据的初检信息；
其中，所述缺陷类型的阈值范围至少包括胶厚阈值范围、波浪胶阈值范围、凸胶阈值范围和凹胶阈值范围中的一种；
确定所述初检信息是否异常；
若所述初检信息异常，则确定所述涂胶数据中第一异常的涂胶数据，并将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型。
可选地，所述将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型的步骤，包括：
将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，得到再次对比判断结果；
若所述再次对比判断结果为异常，则确定所述第一异常的涂胶数据中的第二异常的涂胶数据，并确定所述第二异常的涂胶数据对应的阈值范围；
基于所述第二异常的涂胶数据对应的阈值范围，确定所述涂胶数据的缺陷类型。
可选地，所述缺陷类型还包括一下至少一种：
胶厚缺陷、波浪胶缺陷、凸胶缺陷、凹胶缺陷、缺胶缺陷、溢胶缺陷；
其中，若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷；
若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷；
若所述涂胶对象的预设第二检测点的第一涂胶厚度，与所述涂胶数据的预设第一检测点集的第二平均涂胶厚度的差不在所述凸胶阈值范围内，则确定所述涂胶数据存在凸胶缺陷，其中，所述预设第一检测点集至少包括与所述预设第二检测点距离相同的两个点；
若所述涂胶对象的预设第二检测点集的第三平均涂胶厚度，与所述涂胶对象的预设第三检测点的第二涂胶厚度的差不在所述凹胶阈值范围内，则确定所述涂胶数据存在凹胶缺陷，其中，所述预设第二检测点集至少包括与所述预设第三检测点距离相同的两个点；
若所述第二点云图像中预设第四检测点的胶宽小于所述基准轮廓的宽度，则确定所述涂胶数据存在缺胶缺陷；
若所述第二点云图像中预设第五检测点的胶宽大于所述基准轮廓的宽度，则确定所述涂胶数据存在溢胶缺陷。
可选地，所述若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷的步骤之前，所述方法包括：
获取所述预设第一检测点的第三涂胶厚度，并确定预设第六检测点的第四涂胶厚度，其中，所述预设第六检测点为多个，不同的预设第六检测点与所述预设第一检测点之间的距离相同；
对所述第三涂胶厚度和所述第四涂胶厚度进行平均值计算，得到所述预设第一检测点的第一平均涂胶厚度，并将所述第一平均涂胶厚度与所述胶厚阈值范围进行对比，以确定所述第一平均涂胶厚度是否在所述胶厚阈值范围内。
可选地，所述若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷的步骤之前，所述方法包括：
对所述涂胶轮廓进行预设间隔的分层处理，得到所述预设虚拟分层；
对所述涂胶轮廓和所述预设虚拟分层之间的相交点进行分析，得到所述涂胶轮廓与每一层预设虚拟分层之间的相交点数；
将所述相交点数和所述预设虚拟分层对应所述波浪胶阈值范围进行对比，以确定所述相交点数是否在所述预设虚拟分层对应所述波浪胶阈值范围内。
可选地，所述基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据的步骤，包括：
将所述基准轮廓和第二点云图像进行对比，得到涂胶对象涂胶后的涂胶轮廓；
将所述涂胶轮廓进行数据化处理，得到涂胶对象的涂胶数据。
本申请还提供一种涂胶检测装置，所述涂胶检测装置包括：
获取模块，用于获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；
其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；
确定模块，用于基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；
分类模块，用于将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。
可选地，所述涂胶检测装置还包括：
第一确定模块，用于确定所述缺陷分类模型中包含的至少一种缺陷类型，并确定每一种所述缺陷类型的阈值范围；
其中，所述基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型的步骤，包括：
判断模块，用于基于所述缺陷分类模型，对所述涂胶数据是否在所述缺陷类型的阈值范围内进行判断，得到所述涂胶数据的初检信息；
其中，所述缺陷类型的阈值范围至少包括胶厚阈值范围、波浪胶阈值范围、凸胶阈值范围和凹胶阈值范围中的一种；
确定子模块，用于确定所述初检信息是否异常；
第一确定单元，用于若所述初检信息异常，则确定所述涂胶数据中第一异常的涂胶数据，并将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型。
可选地，所述复检模块包括；
第一对比模块，用于将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，得到再次对比判断结果；
分析子模块，用于若所述再次对比判断结果为异常，则确定所述第一异常的涂胶数据中的第二异常的涂胶数据，并确定所述第二异常的涂胶数据对应的阈值范围；
第二确定单元，用于基于所述第二异常的涂胶数据对应的阈值范围，确定所述涂胶数据的缺陷类型。
可选地，所述缺陷类型还包括一下至少一种：
分类单元，用于分类胶厚缺陷、波浪胶缺陷、凸胶缺陷、凹胶缺陷、缺胶缺陷、溢胶缺陷；
第一判断单元，用于其中，若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷；
第二判断单元，用于若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷；
第三判断单元，用于若所述涂胶对象的预设第二检测点的第一涂胶厚度，与所述涂胶数据的预设第一检测点集的第二平均涂胶厚度的差不在所述凸胶阈值范围内，则确定所述涂胶数据存在凸胶缺陷，其中，所述预设第一检测点集至少包括与所述预设第二检测点距离相同的两个点；
第四判断单元，用于若所述涂胶对象的预设第二检测点集的第三平均涂胶厚度，与所述涂胶对象的预设第三检测点的第二涂胶厚度的差不在所述凹胶阈值范围内，则确定所述涂胶数据存在凹胶缺陷，其中，所述预设第二检测点集至少包括与所述预设第三检测点距离相同的两个点；
第五判断单元，用于若所述第二点云图像中预设第四检测点的胶宽小于所述基准轮廓的宽度，则确定所述涂胶数据存在缺胶缺陷；
第六判断单元，用于若所述第二点云图像中预设第五检测点的胶宽大于所述基准轮廓的宽度，则确定所述涂胶数据存在溢胶缺陷。
可选地，所述第一判断单元还包括：
第三确定单元，用于获取所述预设第一检测点的第三涂胶厚度，并确定预设第六检测点的第四涂胶厚度，其中，所述预设第六检测点为多个，不同的预设第六检测点与所述预设第一检测点之间的距离相同；
第二对比模块，用于对所述第三涂胶厚度和所述第四涂胶厚度进行平均值计算，得到所述预设第一检测点的第一平均涂胶厚度，并将所述第一平均涂胶厚度与所述胶厚阈值范围进行对比，以确定所述第一平均涂胶厚度是否在所述胶厚阈值范围内。
可选地，所述第二判断单元还包括：
分层模块，对所述涂胶轮廓进行预设间隔的分层处理，得到所述预设虚拟分层；
分析模块，用于对所述涂胶轮廓和所述预设虚拟分层之间的相交点进行分析，得到所述涂胶轮廓与每一层预设虚拟分层之间的相交点数；
第三对比模块，用于将所述相交点数和所述预设虚拟分层对应所述波浪胶阈值范围进行对比，以确定所述相交点数是否在所述预设虚拟分层对应所述波浪胶阈值范围内。
可选地，所述确定模块包括：
对比子模块，用于将所述基准轮廓和第二点云图像进行对比，得到涂胶对象涂胶后的涂胶轮廓；
数据处理模块，用于将所述涂胶轮廓进行数据化处理，得到涂胶对象的涂胶数据。
本申请还提供一种涂胶检测设备，所述涂胶检测设备为实体节点设备，所述涂胶检测设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述涂胶检测方法的程序，所述涂胶检测方法的程序被处理器执行时可实现如上述的涂胶检测方法的步骤。
本申请还提供一种存储介质，所述存储介质上存储有实现上述涂胶检测方法的程序，所述涂胶检测方法的程序被处理器执行时实现如上述的涂胶检测方法的步骤。
本申请提供一种涂胶检测方法、装置、设备及存储介质，与现有技术中通过将待检测图片和人工自定义的标准图片进行对比，无法识别出待检测图片中细微的缺陷，造成识别的准确率低下相比，在本申请中，获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。在本申请中，只需获取涂胶对象涂胶前后的点云图像，得到涂胶数据，即可由预设的缺陷分类模型对涂胶数据进行判断处理，确定涂胶数据的缺陷类型，即在本申请中，通过预设的缺陷分类模型对涂胶数据进行判断处理，确定涂胶数据的缺陷类型，从而减少自动光学检测设备的误判率，提高自动光学检测设备对涂胶缺陷识别的准确率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了满足本申请的实施例，并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请涂胶检测方法第一实施例的流程示意图；
图2为本申请涂胶检测方法中胶厚缺陷判断示意图；
图3为本申请实施例方案涉及的硬件运行环境的设备结构示意图；
图4为本申请涂胶检测方法中波浪胶缺陷判断示意图；
图5为本申请涂胶检测方法中凸胶缺陷判断示意图；
图6为本申请涂胶检测方法中凹胶缺陷判断示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供一种涂胶检测方法，在本申请涂胶检测方法的第一实施例中，参照图1，所述涂胶检测方法包括：
步骤S10，获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；
其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；
步骤S20，基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；
步骤S30，将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。
具体步骤如下：
步骤S10，获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；
其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；
在本实施例中，需要说明的是，涂胶检测方法可以应用于涂胶检测装置，该涂胶检测装置从属于涂胶检测设备，该涂胶检测设备属于涂胶检测系统。
对于涂胶检测系统而言，内置有预设的缺陷分类模型，该预设的缺陷分类模型中包含至少一种缺陷类型。
其中，每一种缺陷类型都有对应的判断阈值范围。
其中，缺陷类型至少包括但不限于胶厚缺陷、波浪胶缺陷、凸胶缺陷、凹胶缺陷、缺胶缺陷、溢胶缺陷、断胶缺陷中的一种。
具体的，胶厚缺陷可以是涂胶对象的涂胶厚度大于预设涂胶厚度范围的涂胶缺陷，也可以是涂胶对象的涂胶厚度小于预设涂胶厚度范围的涂胶缺陷。
具体的，波浪胶缺陷可以是涂胶对象的涂胶轮廓为波浪状的涂胶缺陷。
具体的，凸胶缺陷可以是涂胶对象的涂胶轮廓有鼓包的涂胶缺陷。
具体的，凹胶缺陷可以是涂胶对象的涂胶轮廓有凹陷的涂胶缺陷。
具体的，缺胶缺陷可以是涂胶对象的涂胶宽度小于预设涂胶宽度的涂胶缺陷。
在本实施例中，涂胶对象可以是但不限于显示屏、玻璃、木板等。
在本实施例中，以涂胶对象为显示屏为例进行具体说明。
其中，缺胶缺陷可以分为上缺胶、下缺胶等侧缺胶，且缺胶缺陷还可以是双侧缺胶，例如，显示屏侧边涂胶的缺胶缺陷可以是CF（Color filter，彩色滤光片）侧缺胶，也可以是TFT（Thin Film Trasistor，薄膜场效应晶体管）侧缺胶，或者DF侧和TFT侧同时缺胶（双侧缺胶），其中，显示屏是由CF、LCD CELL（Liquid Crystal Display CELL，液晶屏幕单元）和TFT组成的，LCD CELL位于CF和TFT之间。
具体的，溢胶缺陷可以是涂胶对象的涂胶宽度大于预设涂胶宽度的涂胶缺陷。
其中，溢胶缺陷可以分为上溢胶、下溢胶以及双侧溢胶。
具体的，断胶缺陷可以是凹胶缺陷的一种，即涂胶对象的涂胶轮廓有凹陷，且凹陷处的涂胶数据为零。
在本实施例中，获得涂胶对象涂胶前的第一点云图像和涂胶对像涂胶后待检测的第二点云图像，并将第一点云图像的轮廓作为第二点云图像的基准轮廓。
其中，基准轮廓包括，将第一点云图像的轮廓宽度作为涂胶对象涂胶后的第二点云图像的基准宽度，和将第一点云图像的轮廓面作为第二点云图像中涂胶的基准面。
其中，第一点云图像的获取方法可以是通过扫描仪器扫描得到涂胶对象涂胶前的每一帧的第一轮廓，并将每一帧的第一轮廓进行拼接得到。
其中，第二点云图像的获取方法可以是通过扫描仪器扫描得到涂胶对象涂胶后的每一帧的第二轮廓，并将每一帧的第二轮廓进行拼接得到。
其中，扫描仪器在工作时，扫描仪器运动的长度必须大于设定的长度，确保扫描仪器正常生成扫描对象的点云数据。
需要说明的是，扫描方法可以是但不限于通过激光三角测量方法获得、通过线激光传感器获得、通过3D扫描仪获得、通过RGBD设备获得等。
例如，通过线激光传感器分别对显示屏侧边涂胶前后进行扫描，得到显示屏侧边涂胶前的每一帧的第一轮廓，和显示屏侧边涂胶后的每一帧的第二轮廓，将每一帧的第一轮廓进行拼接，获得显示屏侧边涂胶前的第一点云图像，并通过第一点云图像，获得显示屏侧边涂胶前的宽度，将每一帧的第二轮廓进行拼接，获得显示屏侧边涂胶后的第二点云图像，并通过第二点云图像，获得显示屏侧边涂胶后的宽度，并将显示屏侧边涂胶前的宽度作为显示屏侧边涂胶后的宽度的基准宽度，并将第一点云图像中显示屏侧边轮廓面作为显示屏侧边涂胶的基准面。
步骤S20，基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；
其中，涂胶数据为涂胶的胶宽数据和胶厚数据。
在本实施例中，将基准宽度和第二点云图像反映的涂胶对象涂胶后的轮廓的宽度进行对比，得到涂胶对象的胶宽数据，将基准面和涂胶对象涂胶后的轮廓的高度进行对比，得到涂胶对象的胶厚数据。
具体的，基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据的步骤，包括：
步骤A1，将所述基准轮廓和第二点云图像进行对比，得到涂胶对象涂胶后的涂胶轮廓；
步骤A2，将所述涂胶轮廓进行数据化处理，得到涂胶对象的涂胶数据。
在本实施例中，第二点云图像的轮廓即为涂胶对象涂胶后的轮廓，将涂胶对象涂胶后的轮廓和基准轮廓进行对比，得到涂胶对象涂胶后的涂胶轮廓，将涂胶轮廓转化为点云数据，得到涂胶对象的涂胶数据。
其中，由于点云图像是由每一帧的点的坐标组成的点云数据组合而成的，即通过点云图像可以直接转化为点云数据。
在本实施例中，通过第二点云图像获取涂胶对象涂胶后的涂胶轮廓，将涂胶对象涂胶后的涂胶轮廓和基准轮廓进行对比，得到涂胶对象涂胶的胶厚数据和胶宽数据，进而确定涂胶对象的涂胶数据。
步骤S30，将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。
在本实施例中，将涂胶对象的涂胶数据输入至预设的缺陷分类模型中，基于基准轮廓，对涂胶数据进行不同的计算，并将计算后的涂胶数据和缺陷分类模型中对应的缺陷类型的阈值范围进行对比判断处理，得到异常涂胶数据，获取异常涂胶数据对应的缺陷类型的阈值范围，并通过缺陷类型的阈值范围确定涂胶数据的缺陷类型。
其中，异常涂胶数据为不在对应阈值范围内的涂胶数据。
需要说明的是，涂胶数据和缺陷类型的阈值范围对比判断，可以同时进行对比判断，也可以逐项进行对比判断，也可以有选择地对缺陷分类模型中的一种或多种缺陷类型的阈值范围进行对比判断。
其中，缺陷分类模型中的缺陷类型可以增加或者减少，且增加缺陷类型后需要设定对应的阈值范围，减少缺陷类型后需要删除对应的阈值范围。
其中，缺陷类型的阈值范围可以基于不同的涂胶标准进行不同的设定的。
在本实施例中，通过信息获取模块获取缺陷分类模型中的缺陷类型和缺陷类型对应的阈值范围，其中信息获取模块可以是：
方法一：可以外接键盘，通过键盘输入的信息，获取增加的缺陷类型和需要设定的阈值范围；
方法二：还可以语音输入，获取到语音信息时，从语音信息中获取增加的缺陷类型和需要设定的阈值范围。
在本实施例中，需要说明的是，缺陷类型和缺陷类型对应的阈值范围是通过人工经验确定，并输入至缺陷分类模型的。
本申请提供一种涂胶检测方法、装置、设备及存储介质，与现有技术中通过将待检测图片和人工自定义的标准图片进行对比，无法识别出待检测图片中细微的缺陷，造成识别的准确率低下相比，在本申请中，获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。在本申请中，只需获取涂胶对象涂胶前后的点云图像，得到涂胶数据，即可由预设的缺陷分类模型对涂胶数据进行判断处理，确定涂胶数据的缺陷类型，即在本申请中，通过预设的缺陷分类模型对涂胶数据进行判断处理，确定涂胶数据的缺陷类型，从而减少自动光学检测设备的误判率，提高自动光学检测设备对涂胶缺陷识别的准确率。
进一步地，基于本申请中上述实施例，提供本申请的另一实施例，在该实施例中，所述基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型的步骤，包括：
步骤B1，对所述涂胶数据是否在所述缺陷类型的阈值范围内进行判断，得到所述涂胶数据的初检信息；
其中，所述缺陷类型的阈值范围至少包括胶厚阈值范围、波浪胶阈值范围、凸胶阈值范围和凹胶阈值范围中的一种；
在本实施例中，基于缺陷分类模型中的缺陷类型的阈值范围，对涂胶数据进行不同的计算对比判断处理，得到不同的计算涂胶数据，判断不同的计算涂胶数据是否在对应缺陷类型的阈值范围内，并得到涂胶数据的初检信息。
步骤B2，确定所述初检信息是否异常；
若所述初检信息异常，则确定所述涂胶数据中第一异常的涂胶数据，并将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型。
在本实施例中，确定初检信息是否异常，若初检信息显示异常，则确定涂胶数据中第一异常的涂胶数据，并对第一异常的涂胶数据再次和对应的缺陷类型的阈值范围进行对比判断处理，得到涂胶数据的缺陷类型。
其中，若初检信息为正常，则判断涂胶对象的涂胶为正常。
其中，若初检信息为异常，涂胶数据最终的判断结果为正常，则判断为初检时为误判，涂胶数据最终的判断为正常。
需要说明的是，初检和复检的位置可以是同一位置，也可以不是同一位置。
其中，初检的缺陷分类模型和复检的缺陷分类模型为同一缺陷分类模型。
具体的，初检的缺陷类型的阈值范围和复检的缺陷类型的阈值范围相同。
在本实施例中，对涂胶数据进行对比判断，得到初检信息，并确定初检信息是否异常，若初检信息异常，则对第一异常的涂胶数据进行复检，通过复检确定涂胶数据的缺陷类型，进而提升涂胶识别的准确率，减少人工的复检工作。
具体的，所述将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型的步骤，包括：
步骤C1，将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，得到再次对比判断结果；
步骤C2，若所述再次对比判断结果为异常，则确定所述第一异常的涂胶数据中的第二异常的涂胶数据，并确定所述第二异常的涂胶数据对应的阈值范围；
步骤C3，基于所述第二异常的涂胶数据对应的阈值范围，确定所述涂胶数据的缺陷类型。
其中，第一异常的涂胶数据为对涂胶对象进行初次对比判断，得到的涂胶数据中的异常数据。
其中，第二异常的涂胶数据为对涂胶对象进行再次对比判断，得到的涂胶数据中的异常数据。
在本实施例中，得到第一异常的涂胶数据后，对第一异常的涂胶数据和缺陷类型的阈值范围进行再次对比判断，得到再次对比判断结果，若再次对比判断结果异常，则确定第一异常的涂胶数据中的第二异常的涂胶数据，并得到第二异常的涂胶数据对应的缺陷类型的阈值范围，由于每一种缺陷类型都有对应的阈值范围，则基于第二异常的涂胶数据对应的缺陷类型的阈值范围，即可确定涂胶对象对应的缺陷类型。
进一步地，基于本申请中上述实施例，提供本申请的另一实施例，在该实施例中，所述缺陷类型还包括一下至少一种：
胶厚缺陷、波浪胶缺陷、凸胶缺陷、凹胶缺陷、缺胶缺陷、溢胶缺陷；
其中，若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷。
需要说明的是，涂胶对象的预设第一检测点可以是一个点也可以是多个点，当预设第一检测点为多个点时，需要检测预设第一检测点包括的全部点，若预设第一检测点中有一个点存在胶厚缺陷，则确定涂胶数据存在胶厚缺陷。
具体的，若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷的步骤之前，所述方法包括：
步骤D1，获取所述预设第一检测点的第三涂胶厚度，并确定预设第六检测点的第四涂胶厚度，其中，所述预设第六检测点为多个，不同的预设第六检测点与所述预设第一检测点之间的距离相同；
步骤D2，对所述第三涂胶厚度和所述第四涂胶厚度进行平均值计算，得到所述预设第一检测点的第一平均涂胶厚度，并将所述第一平均涂胶厚度与所述胶厚阈值范围进行对比，以确定所述第一平均涂胶厚度是否在所述胶厚阈值范围内。
在本实施例中，如图2所示，获取涂胶对象的预设第一检测点的第一平均涂胶厚度，将第一平均涂胶厚度与胶厚阈值范围进行对比判断，若预设第一检测点的第一平均涂胶厚度不在胶厚阈值范围内，则确定涂胶数据存在胶厚缺陷，当预设第一检测点为多个点时，若预设第一检测点中有一个点的第一平均涂胶厚度不在胶厚阈值范围内，则确定涂胶数据存在胶厚缺陷。
具体地，如图2所示，对显示屏进行涂胶检测时，需选取显示屏的三边为检测边，在本实施例中，L边、V边、Z边均为检测边，在实施例中，通过三个等分点将每条边分为四等分，具体地，由L1、L2、L3三个等分点将L边分为四等份，由V1、V2、V3三个等分点将V边分为四等份，由Z1、Z2、Z3三个等分点将Z边分为四等份，其中，预设第一检测点即包括L1、L2、L3、L4、V1、V2、V3、Z1、Z2、Z3九个等分点，检测每个等分点的胶厚，即分别检测预设第一检测点中每个等分点的胶厚，若其中一个等分点存在胶厚缺陷，则确定屏幕存在胶厚缺陷，其中，以预设第一检测点中的Z2点为例，胶厚的检测方法为，获取Z2点的第三涂胶厚度Y2，并获取Z2点左侧0.3毫米处的涂胶厚度Y1和右侧0.3毫米处的涂胶厚度Y3，Y2、Y3属于第四涂胶厚度，对Y1、Y2、Y3进行平均值计算，得到Z2点的第一平均涂胶厚度，即(Y1+Y2+Y3)/3，若胶厚最小阈值为X1、胶厚最大阈值为X2，X1和X2的单位均为微米，且X1和X2均为正值，将Z2点的第一平均涂胶厚度与胶厚阈值范围进行对比，若第一平均涂胶厚度不在胶厚阈值范围内，即X1≤X2≤(Y1+Y2+Y3）/3或者(Y1+Y2+Y3)/3≤X1≤X2，则确定涂胶数据存在胶厚缺陷，若第一平均涂胶厚度在胶厚阈值范围内，即X1＜(Y1+Y2+Y3)/3＜X2，则确定涂胶数据不存在胶厚缺陷。
其中，若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷。
具体的，所述若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷的步骤之前，所述方法包括：
步骤E1，对所述涂胶轮廓进行预设间隔的分层处理，得到所述预设虚拟分层；
步骤E2，对所述涂胶轮廓和所述预设虚拟分层之间的相交点进行分析，得到所述涂胶轮廓与每一层预设虚拟分层的相交点数；
步骤E3，将所述相交点数和所述预设虚拟分层对应所述波浪胶阈值范围进行对比，以确定所述相交点数是否在所述预设虚拟分层对应所述波浪胶阈值范围内。
在本实施例中，如图4所示，将涂胶轮廓以预设间隔进行分层，得到预设虚拟分层，并分析涂胶轮廓与预设虚拟分层之间的相交点数，并将每层的相交点数和预设虚拟分层对应的波浪胶阈值范围进行对比，若至少一层的相交点数不在预设虚拟分层对应的波浪胶阈值范围内，则确定涂胶数据存在波浪胶缺陷。
例如，将涂胶对象的涂胶最凸点和涂胶最凹点之间中心位置的直线设为均线，并将涂胶以均线为起始，并以0.01毫米的间隔进行上下分层，得到四层预设虚拟分层，将预设虚拟分层分为均线上两层（R层、J层）和均线下两层（-R层、-J层），并基于第二点云图像，分析涂胶对象的涂胶轮廓，并分析涂胶轮廓和每一预设虚拟分层的相交点数，其中，涂胶轮廓和R层的相交点数为P1，涂胶轮廓和J层的相交点数为P2，涂胶轮廓和-R层的相交点数为P3，涂胶轮廓和-J层的相交点数为P4，其中，R层的波浪胶最大阈值为T1，J层的波浪胶最大阈值为T2，-R层的波浪胶最大阈值为T3，-J层的波浪胶最大阈值为T4，其中，T1、T2、T3、T4的单位为个，若P1＞T1、或P2＞T2、或P3＞T3、或P4＞T4，则确定涂胶数据存在波浪胶缺陷。
其中，若所述涂胶对象的预设第二检测点的第一涂胶厚度和所述涂胶对象的预设第一检测点集的第二平均涂胶厚度的差不在所述凸胶阈值范围内，则确定所述涂胶数据存在凸胶缺陷，其中，所述预设第一检测点集至少包括与所述预设第二检测点距离相同的两个点；
在本实施例中，如图5所示，获取涂胶对象的预设第二检测点的第一涂胶厚度和预设第一检测点集的第二平均涂胶厚度，对第一涂胶厚度和第二平均涂胶厚度进行减法计算，得到第一差值，若第一差值不在预设凸胶阈值范围内，则确定涂胶数据存在凸胶缺陷。
其中，预设第一检测点集至少包括与预设第二检测点距离相同的两个点。
具体的，若所述涂胶对象的预设第二检测点的第一涂胶厚度和所述涂胶对象的预设第一检测点集的第二平均涂胶厚度的差不在所述凸胶阈值范围内，则确定所述涂胶数据存在凸胶缺陷的步骤，包括：
步骤F1，获取预设第二检测点的第一涂胶厚度，并获取预设第一检测点集中所有点的涂胶厚度；
步骤F2，对预设第一检测点集中所有点的涂胶厚度求平均值，得到第二平均涂胶厚度，求取第一涂胶厚度与第二平均涂胶厚度的差值，若第一涂胶厚度与第二平均涂胶厚度的差值不在凸胶阈值范围内，则确定涂胶数据存在凸胶缺陷。
例如，获取涂胶对象的预设第二检测点的第一涂胶厚度M，并获取预设第二检测点左侧3毫米处的第一辅助点和预设第二检测点右侧3毫米处的第二辅助点，其中，第一辅助点和第二辅助点属于预设第一检测点集，具体地，第一辅助点处的涂胶厚度为M1、第二辅助点处的涂胶厚度为M2，计算预设第一检测点集的平均值，得到第二平均涂胶厚度，即(M1+M2)/2，通过对第一涂胶厚度和第二平均涂胶厚度进行减法计算，即M-(M1+M2)/2，通过M-(M1+M2)/2与凸胶最大阈值N进行对比，其中N的单位为毫米，且N为正数，若M-(M1+M2)/2≥N，则确定涂胶对象存在凸胶缺陷，若M-(M1+M2)/2≤N，则确定涂胶数据不存在凸胶缺陷。
其中，如图6所示，若所述涂胶对象的预设第二检测点集的第三平均涂胶厚度和所述涂胶对象的预设第三检测点的第二涂胶厚度的差不在所述凹胶阈值范围内，则确定所述涂胶数据存在凹胶缺陷，其中，所述预设第二检测点集至少包括与所述预设第一检测点集距离相同的两个点。
具体的，若所述涂胶对象的预设第二检测点集的第三平均涂胶厚度和所述涂胶对象的预设第三检测点的第二涂胶厚度的差不在所述凹胶阈值范围内，则确定所述涂胶数据存在凹胶缺陷的步骤，包括：
步骤G1，获取预设第三检测点的第二涂胶厚度，并获取与预设第二检测点集中所有点的涂胶厚度；
步骤G2，对预设第二检测点集中所有点的涂胶厚度求平均值，得到第三平均涂胶胶厚，求取第三平均涂胶厚度与第二涂胶厚度的差值，若第三平均涂胶厚度与第二涂胶厚度的差值不在凹胶阈值范围内，则确定涂胶数据存在凹胶缺陷。
在本实施例中，获取涂胶对象的预设第三检测点的第二涂胶厚度和预设第二检测点集的第三平均涂胶厚度，对第三平均涂胶厚度和第二涂胶厚度进行减法计算，得到第二差值，若第二差值不在预设凹胶阈值范围内，则确定涂胶对象存在凹胶缺陷。
例如，获取涂胶对象的预设第三检测点的第二涂胶厚度Q，并获取预设第三检测点左侧3毫米处的第三辅助点和预设第三检测点右侧3毫米处的第四辅助点，其中，第三辅助点和第四辅助点属于预设第二检测点集，第三辅助点的涂胶厚度为Q1、第四辅助点的涂胶厚度为Q2，计算预设第二检测点集的平均值，得到第三平均涂胶厚度，即(Q1+Q2)/2，通过对第三平均涂胶厚度和第二涂胶厚度进行减法计算，即(Q1+Q2)/2-Q，通过(Q1+Q2)/2-Q与凹胶最小阈值S进行对比，其中，S的单位为毫米，且S为正数，若(Q1+Q2)/2-Q≤S，则确定涂胶对象存在凹胶缺陷，若(Q1+Q2)/2-Q≥S，则确定涂胶对象不存在凹胶缺陷。
其中，若所述第二点云图像中预设第四检测点的胶宽小于所述基准轮廓的宽度，则确定所述涂胶数据存在缺胶缺陷；
在本实施例中，获取第二点云图像中预设第四检测点的胶宽，并获取第一点云图像中与预设第四检测点对应处的第一基准轮廓宽度，将预设第四检测点的胶宽和第一基准轮廓宽度进行对比，若预设第四检测点的胶宽小于第一基准轮廓宽度，则确定涂胶数据存在缺胶缺陷。
需要说明的是，在检测一侧时，自动默认另一侧为正常涂胶。
其中，若所述第二点云图像中预设第五检测点的胶宽大于所述基准轮廓的宽度，则确定所述涂胶数据存在溢胶缺陷。
在本实施例中，获取第二点云图像中预设第五检测点的胶宽，并获取第一点云图像中与预设第五检测点对应处的第二基准轮廓宽度，将预设第五检测点的胶宽和第二基准轮廓宽度进行对比，若预设第五检测点的胶宽大于第二基准轮廓宽度，则确定涂胶数据存在溢胶缺陷。
在本实施例中，通过对涂胶数据进行不同的计算处理，得到不同的对比数据，并将不同的涂胶数据和对应的阈值范围进行对比，对缺陷类型进行细化分类，降低了缺陷种类繁多造成的缺陷分类难度，进而提升了涂胶缺陷识别的准确率。
参照图3，图3是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图3所示，该涂胶检测设备可以包括：处理器1001，例如CPU，存储器1005，通信总线1002。其中，通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
可选地，该涂胶检测设备还可以包括矩形用户接口、网络接口、摄像头、RF（RadioFrequency，射频）电路，传感器、音频电路、WiFi模块等等。矩形用户接口可以包括显示屏（Display）、输入子模块比如键盘（Keyboard），可选矩形用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
本领域技术人员可以理解，图3中示出的涂胶检测设备结构并不构成对涂胶检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图3所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块以及涂胶检测程序。操作系统是管理和控制涂胶检测设备硬件和软件资源的程序，支持涂胶检测程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信，以及与涂胶检测系统中其它硬件和软件之间通信。
在图3所示的涂胶检测设备中，处理器1001用于执行存储器1005中存储的涂胶检测程序，实现上述任一项所述的涂胶检测方法的步骤。
本申请涂胶检测设备具体实施方式与上述涂胶检测方法各实施例基本相同，在此不再赘述。
本申请还提供一种涂胶检测装置，所述涂胶检测装置包括：
获取模块，用于获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；
其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；
确定模块，用于基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；
分类模块，用于将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。
可选地，所述涂胶检测装置还包括：
第一确定模块，用于确定所述缺陷分类模型中包含的至少一种缺陷类型，并确定每一种所述缺陷类型的阈值范围；
其中，所述基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型的步骤，包括：
判断模块，用于基于所述缺陷分类模型，对所述涂胶数据是否在所述缺陷类型的阈值范围内进行判断，得到所述涂胶数据的初检信息；
其中，所述缺陷类型的阈值范围至少包括胶厚阈值范围、波浪胶阈值范围、凸胶阈值范围和凹胶阈值范围中的一种；
确定子模块，用于确定所述初检信息是否异常；
第一确定单元，用于若所述初检信息异常，则确定所述涂胶数据中第一异常的涂胶数据，并将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型。
可选地，所述复检模块包括；
第一对比模块，用于将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，得到再次对比判断结果；
分析子模块，用于若所述再次对比判断结果为异常，则确定所述第一异常的涂胶数据中的第二异常的涂胶数据，并确定所述第二异常的涂胶数据对应的阈值范围；
第二确定单元，用于基于所述第二异常的涂胶数据对应的阈值范围，确定所述涂胶数据的缺陷类型。
可选地，所述缺陷类型还包括一下至少一种：
分类单元，用于分类胶厚缺陷、波浪胶缺陷、凸胶缺陷、凹胶缺陷、缺胶缺陷、溢胶缺陷；
第一判断单元，用于其中，若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷；
第二判断单元，用于若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷；
第三判断单元，用于若所述涂胶对象的预设第二检测点的第一涂胶厚度，与所述涂胶数据的预设第一检测点集的第二平均涂胶厚度的差不在所述凸胶阈值范围内，则确定所述涂胶数据存在凸胶缺陷，其中，所述预设第一检测点集至少包括与所述预设第二检测点距离相同的两个点；
第四判断单元，用于若所述涂胶对象的预设第二检测点集的第三平均涂胶厚度，与所述涂胶对象的预设第三检测点的第二涂胶厚度的差不在所述凹胶阈值范围内，则确定所述涂胶数据存在凹胶缺陷，其中，所述预设第二检测点集至少包括与所述预设第三检测点距离相同的两个点；
第五判断单元，用于若所述第二点云图像中预设第四检测点的胶宽小于所述基准轮廓的宽度，则确定所述涂胶数据存在缺胶缺陷；
第六判断单元，用于若所述第二点云图像中预设第五检测点的胶宽大于所述基准轮廓的宽度，则确定所述涂胶数据存在溢胶缺陷。
可选地，所述第一判断单元还包括：
第三确定单元，用于获取所述预设第一检测点的第三涂胶厚度，并确定预设第六检测点的第四涂胶厚度，其中，所述预设第六检测点为多个，不同的预设第六检测点与所述预设第一检测点之间的距离相同；
第二对比模块，用于对所述第三涂胶厚度和所述第四涂胶厚度进行平均值计算，得到所述预设第一检测点的第一平均涂胶厚度，并将所述第一平均涂胶厚度与所述胶厚阈值范围进行对比，以确定所述第一平均涂胶厚度是否在所述胶厚阈值范围内。
可选地，所述判断子模块还包括：
分层模块，对所述涂胶轮廓进行预设间隔的分层处理，得到所述预设虚拟分层；
分析模块，用于对所述涂胶轮廓和所述预设虚拟分层之间的相交点进行分析，得到所述涂胶轮廓与每一层预设虚拟分层之间的相交点数；
第三对比模块，用于将所述相交点数和所述预设虚拟分层对应所述波浪胶阈值范围进行对比，以确定所述相交点数是否在所述预设虚拟分层对应所述波浪胶阈值范围内。
可选地，所述确定模块包括：
对比子模块，用于将所述基准轮廓和第二点云图像进行对比，得到涂胶对象涂胶后的涂胶轮廓；
数据处理模块，用于将所述涂胶轮廓进行数据化处理，得到涂胶对象的涂胶数据。
本申请涂胶检测装置的具体实施方式与上述涂胶检测方法各实施例基本相同，在此不再赘述。
本申请实施例提供了一种存储介质，且所述存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述任一项所述的涂胶检测方法的步骤。
本申请存储介质具体实施方式与上述涂胶检测方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种涂胶检测方法，其特征在于，所述涂胶检测方法包括：
获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；
其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；
基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；
将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。
2.如权利要求1所述的涂胶检测方法，其特征在于，所述将所述涂胶数据输入至预设的缺陷分类模型中的步骤之前，所述方法包括：
确定所述缺陷分类模型中包含的至少一种缺陷类型，并确定每一种所述缺陷类型的阈值范围；
其中，所述基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型的步骤，包括：
基于所述缺陷分类模型，对所述涂胶数据是否在所述缺陷类型的阈值范围内进行判断，得到所述涂胶数据的初检信息；
其中，所述缺陷类型的阈值范围至少包括胶厚阈值范围、波浪胶阈值范围、凸胶阈值范围和凹胶阈值范围中的一种；
确定所述初检信息是否异常；
若所述初检信息异常，则确定所述涂胶数据中第一异常的涂胶数据，并将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型。
3.如权利要求2所述的涂胶检测方法，其特征在于，所述将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，直至确定所述涂胶数据的缺陷类型的步骤，包括：
将所述缺陷类型的阈值范围与所述第一异常的涂胶数据进行再次对比判断，得到再次对比判断结果；
若所述再次对比判断结果为异常，则确定所述第一异常的涂胶数据中的第二异常的涂胶数据，并确定所述第二异常的涂胶数据对应的阈值范围；
基于所述第二异常的涂胶数据对应的阈值范围，确定所述涂胶数据的缺陷类型。
4.如权利要求2所述的涂胶检测方法，其特征在于，所述缺陷类型还包括一下至少一种：
胶厚缺陷、波浪胶缺陷、凸胶缺陷、凹胶缺陷、缺胶缺陷、溢胶缺陷；
其中，若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷；
若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷；
若所述涂胶对象的预设第二检测点的第一涂胶厚度，与所述涂胶数据的预设第一检测点集的第二平均涂胶厚度的差不在所述凸胶阈值范围内，则确定所述涂胶数据存在凸胶缺陷，其中，所述预设第一检测点集至少包括与所述预设第二检测点距离相同的两个点；
若所述涂胶对象的预设第二检测点集的第三平均涂胶厚度，与所述涂胶对象的预设第三检测点的第二涂胶厚度的差不在所述凹胶阈值范围内，则确定所述涂胶数据存在凹胶缺陷，其中，所述预设第二检测点集至少包括与所述预设第三检测点距离相同的两个点；
若所述第二点云图像中预设第四检测点的胶宽小于所述基准轮廓的宽度，则确定所述涂胶数据存在缺胶缺陷；
若所述第二点云图像中预设第五检测点的胶宽大于所述基准轮廓的宽度，则确定所述涂胶数据存在溢胶缺陷。
5.如权利要求4所述的涂胶检测方法，其特征在于，所述若所述涂胶对象的预设第一检测点的第一平均涂胶厚度不在所述胶厚阈值范围内，则确定所述涂胶数据存在胶厚缺陷的步骤之前，所述方法包括：
获取所述预设第一检测点的第三涂胶厚度，并确定预设第六检测点的第四涂胶厚度，其中，所述预设第六检测点为多个，不同的预设第六检测点与所述预设第一检测点之间的距离相同；
对所述第三涂胶厚度和所述第四涂胶厚度进行平均值计算，得到所述预设第一检测点的第一平均涂胶厚度，并将所述第一平均涂胶厚度与所述胶厚阈值范围进行对比，以确定所述第一平均涂胶厚度是否在所述胶厚阈值范围内。
6.如权利要求4所述的涂胶检测方法，其特征在于，所述若基于所述第二点云图像确定的涂胶轮廓的预设虚拟分层，与所述涂胶轮廓的相交点数不在所述预设虚拟分层对应波浪胶阈值范围内，则确定所述涂胶数据存在波浪胶缺陷的步骤之前，所述方法包括：
对所述涂胶轮廓进行预设间隔的分层处理，得到所述预设虚拟分层；
对所述涂胶轮廓和所述预设虚拟分层之间的相交点进行分析，得到所述涂胶轮廓与每一层预设虚拟分层之间的相交点数；
将所述相交点数和所述预设虚拟分层对应所述波浪胶阈值范围进行对比，以确定所述相交点数是否在所述预设虚拟分层对应所述波浪胶阈值范围内。
7.如权利要求1所述的涂胶检测方法，其特征在于，所述基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据的步骤，包括：
将所述基准轮廓和第二点云图像进行对比，得到涂胶对象涂胶后的涂胶轮廓；
将所述涂胶轮廓进行数据化处理，得到涂胶对象的涂胶数据。
8.一种涂胶检测装置，其特征在于，所述涂胶检测装置包括：
获取模块，用于获取涂胶对象涂胶前的第一点云图像，基于所述第一点云图像确定待检测的第二点云图像的基准轮廓；
其中，所述待检测的第二点云图像为涂胶对象涂胶后的点云图像；
确定模块，用于基于所述基准轮廓，确定所述第二点云图像中涂胶对象的涂胶数据；
分类模块，用于将所述涂胶数据输入至预设的缺陷分类模型中，基于所述缺陷分类模型对所述涂胶数据进行判断处理，确定所述涂胶数据的缺陷类型。
9.一种涂胶检测设备，其特征在于，所述涂胶检测设备包括：存储器、处理器以及存储在存储器上的用于实现所述涂胶检测方法的程序，
所述存储器用于存储实现涂胶检测方法的程序；
所述处理器用于执行实现所述涂胶检测方法的程序，以实现如权利要求1至7中任一项所述涂胶检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有实现涂胶检测方法的程序，所述实现涂胶检测方法的程序被处理器执行以实现如权利要求1至7中任一项所述涂胶检测方法的步骤。
CN202210393081.0A 2022-04-15 2022-04-15 涂胶检测方法、装置、设备及存储介质 Active CN114494257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210393081.0A CN114494257B (zh) 2022-04-15 2022-04-15 涂胶检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210393081.0A CN114494257B (zh) 2022-04-15 2022-04-15 涂胶检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN114494257A true CN114494257A (zh) 2022-05-13
CN114494257B CN114494257B (zh) 2022-09-30

Family

ID=81489301

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210393081.0A Active CN114494257B (zh) 2022-04-15 2022-04-15 涂胶检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114494257B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648533A (zh) * 2022-05-23 2022-06-21 深圳市元硕自动化科技有限公司 凹凸面涂胶效果的检测方法、装置、设备及存储介质
CN116046791A (zh) * 2023-03-30 2023-05-02 深圳市元硕自动化科技有限公司 点胶缺陷检测方法及检测装置
CN116879222A (zh) * 2023-06-09 2023-10-13 钛玛科（北京）工业科技有限公司 一种不干胶检测方法及装置
CN116912249A (zh) * 2023-09-13 2023-10-20 常州星宇车灯股份有限公司 密封胶密封质量检测方法、装置、设备及其介质
CN117333488A (zh) * 2023-12-01 2024-01-02 深圳市英迈通信技术有限公司 一种手机主板缺陷视觉检测方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160350909A1 (en) * 2015-05-28 2016-12-01 Jabil Circuit, Inc. System, apparatus and method for dispensed adhesive material inspection
CN111192237A (zh) * 2019-12-16 2020-05-22 重庆大学 一种基于深度学习的涂胶检测系统和方法
CN112381755A (zh) * 2020-09-28 2021-02-19 台州学院 一种基于深度学习的输液器导管涂胶缺陷检测方法
CN113251925A (zh) * 2021-05-26 2021-08-13 飓蜂科技(苏州)有限公司 一种基于面阵激光的胶量检测方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160350909A1 (en) * 2015-05-28 2016-12-01 Jabil Circuit, Inc. System, apparatus and method for dispensed adhesive material inspection
CN111192237A (zh) * 2019-12-16 2020-05-22 重庆大学 一种基于深度学习的涂胶检测系统和方法
CN112381755A (zh) * 2020-09-28 2021-02-19 台州学院 一种基于深度学习的输液器导管涂胶缺陷检测方法
CN113251925A (zh) * 2021-05-26 2021-08-13 飓蜂科技(苏州)有限公司 一种基于面阵激光的胶量检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TONG SU: "License plate recognition technology in the Chinese license plates", 《2016 3ND INTERNATIONAL CONFERENCE ON ENERGY SCIENCE AND APPLIED TECHNOLOGY(ESAT 2016)》 *
朱立忠等: "一种基于机器学习的汽车涂胶缺陷检测研究", 《沈阳理工大学学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114648533A (zh) * 2022-05-23 2022-06-21 深圳市元硕自动化科技有限公司 凹凸面涂胶效果的检测方法、装置、设备及存储介质
CN116046791A (zh) * 2023-03-30 2023-05-02 深圳市元硕自动化科技有限公司 点胶缺陷检测方法及检测装置
CN116046791B (zh) * 2023-03-30 2023-06-09 深圳市元硕自动化科技有限公司 点胶缺陷检测方法及检测装置
CN116879222A (zh) * 2023-06-09 2023-10-13 钛玛科（北京）工业科技有限公司 一种不干胶检测方法及装置
CN116912249A (zh) * 2023-09-13 2023-10-20 常州星宇车灯股份有限公司 密封胶密封质量检测方法、装置、设备及其介质
CN116912249B (zh) * 2023-09-13 2023-12-01 常州星宇车灯股份有限公司 密封胶密封质量检测方法、装置、设备及其介质
CN117333488A (zh) * 2023-12-01 2024-01-02 深圳市英迈通信技术有限公司 一种手机主板缺陷视觉检测方法和系统
CN117333488B (zh) * 2023-12-01 2024-03-08 深圳市英迈通信技术有限公司 一种手机主板缺陷视觉检测方法和系统

Also Published As

Publication number Publication date
CN114494257B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN114494257B (zh) 涂胶检测方法、装置、设备及存储介质
CN113688807B (zh) 一种自适应缺陷检测方法、装置、识别系统及存储介质
WO2023092690A1 (zh) 检验胶路状态的装置及其检验方法
CN110544231B (zh) 基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法
CN108896545B (zh) 涂胶检测方法、装置及计算机可读存储介质
TWI794718B (zh) 電路板檢測方法、電子裝置及存儲介質
CN111882541A (zh) 缺陷检测方法、装置、设备及计算机可读存储介质
CN111680750B (zh) 图像识别方法、装置和设备
WO2024002187A1 (zh) 缺陷检测方法、缺陷检测设备及存储介质
WO2020079567A1 (en) Automated inspection for sheet parts of arbitrary shape from manufactured film
CN105354816B (zh) 一种电子元件定位方法及装置
CN117058411B (zh) 电池棱边外形瑕疵识别方法、装置、介质和设备
CN117589770A (zh) Pcb贴片板检测方法、装置、设备及介质
CN114219758A (zh) 缺陷检测方法、系统、电子设备和计算机可读存储介质
CN114048539A (zh) Cad文件解析与规则判断方法及相关装置
CN117455887A (zh) 基于机器视觉的pcb来料检测方法、装置、设备及介质
KR100558943B1 (ko) 평판 디스플레이 검사방법
CN101408521A (zh) 用于缺陷增强的方法
CN114648533B (zh) 凹凸面涂胶效果的检测方法、装置、设备及存储介质
CN114926429A (zh) 一种线迹长度检测方法、装置、设备及可读存储介质
CN106326824A (zh) 一种自动筛选图片的方法及装置
CN114782710B (zh) 一种图像特征提取方法及装置、显示面板的修复方法
CN117333488B (zh) 一种手机主板缺陷视觉检测方法和系统
KR102691582B1 (ko) 인쇄된 카드의 그레이딩 장치 및 방법
CN112904605B (zh) 彩膜缺陷的测高方法、设备及介质

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
GR01 Patent grant
GR01 Patent grant