CN115439452B - 一种基于数据分析的电容产品检测评估系统 - Google Patents

一种基于数据分析的电容产品检测评估系统 Download PDF

Info

Publication number
CN115439452B
CN115439452B CN202211107633.3A CN202211107633A CN115439452B CN 115439452 B CN115439452 B CN 115439452B CN 202211107633 A CN202211107633 A CN 202211107633A CN 115439452 B CN115439452 B CN 115439452B
Authority
CN
China
Prior art keywords
capacitor
pin
defect
image
difference
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.)
Active
Application number
CN202211107633.3A
Other languages
English (en)
Other versions
CN115439452A (zh
Inventor
刘志洪
黄智�
江斌
刘一清
黄林林
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.)
Hangzhou Kaizhipu Electronics Co ltd
Original Assignee
Hangzhou Kaizhipu Electronics 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 Hangzhou Kaizhipu Electronics Co ltd filed Critical Hangzhou Kaizhipu Electronics Co ltd
Priority to CN202211107633.3A priority Critical patent/CN115439452B/zh
Publication of CN115439452A publication Critical patent/CN115439452A/zh
Application granted granted Critical
Publication of CN115439452B publication Critical patent/CN115439452B/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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Fixed Capacitors And Capacitor Manufacturing Machines (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种基于数据分析的电容产品检测评估系统，属于电容产品检测技术领域，包括第一图像获取模块等。本发明通过设置的封装缺陷检测模块，能够方便地对电容器产品的封装缺陷进行检测，可准确获取到电容器产品的封装缺陷结果；通过设置的结构缺陷检测模块，能够方便地对电容器产品的结构缺陷进行检测，可准确判断出电容器引脚是否出现缺失、弯折缺陷；通过设置的缺陷分析模块，能够方便地根据封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果，对该电容器型号在单位时间内生产出来的电容器质量进行评分。

Description

一种基于数据分析的电容产品检测评估系统
技术领域
本发明涉及电容产品检测评估技术领域，具体涉及一种基于数据分析的电容产品检测评估系统。
背景技术
在电容器产品的出厂检测评估过程中，传统的检测方式主要是通过人工对电容器的包装缺陷和结构缺陷进行识别并剔除，然后计数，在一定时间内对各产线生产的电容器的质量进行评估。上述方式过于依赖人工，自动化程度低，不仅检测成本高，而且检测效率低。上述问题亟待解决，为此，提出一种基于数据分析的电容产品检测评估系统。
发明内容
本发明所要解决的技术问题在于：如何解决现有的人工检测方式存在的过于依赖人工，自动化程度低，不仅检测成本高，而且检测效率低的问题，提供了一种基于数据分析的电容产品检测评估系统。
本发明是通过以下技术方案解决上述技术问题的，本发明包括第一图像获取模块、封装缺陷检测模块、第二图像获取模块、结构缺陷检测模块、缺陷分析模块、存储模块；
所述第一图像获取模块，用于获取含有电容器封装壳体的图像，即封装壳体图像；
所述封装缺陷检测模块，用于对封装壳体图像进行预处理，并对电容器型号进行识别，同时获取电容器封装壳体缺陷识别结果；
所述第二图像获取模块，用于获取电容器两个引脚所在位置的图像，即引脚图像；
所述结构缺陷检测模块，用于对引脚图像进行预处理，并获取引脚缺失缺陷识别结果、引脚弯折缺陷识别结果；
所述缺陷分析模块，用于以电容器型号为基础，根据封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果对该电容器型号在单位时间内生产出来的电容器产品质量进行加权评分；
所述存储模块，用于以电容器型号为基础，建立对应电容器型号在单位时间内的质量数据库，质量数据库储存有对应电容器型号在单位时间内生产出来的电容器的封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果数据，并用于建立标识-型号数据库。
更进一步地，所述封装壳体图像包括电容器封装壳体的侧拍图像与电容器封装壳体的俯拍/仰拍图像。
更进一步地，所述封装缺陷检测模块包括第一图像预处理单元、标识检测识别单元、第一轮廓检测识别单元；所述第一图像预处理单元用于对封装壳体图像依次进行降噪、图像增强、灰度处理；所述标识检测识别单元用于通过已训练的第一目标识别网络对封装壳体上的电容器包装形状标识进行识别，获取当前电容器包装形状标识识别结果，根据电容器包装形状标识识别结果获取对应的电容器型号；所述第一轮廓检测识别单元用于对封装壳体图像进行轮廓检测处理，进而判断电容器封装壳体是否存在缺陷，并将当前电容器封装壳体缺陷识别结果发送至缺陷分析模块中。
更进一步地，所述标识检测识别单元获取电容器型号的具体过程如下：
S11：将电容器包装形状标识识别结果上传至标识-型号数据库；
S12：在标识-型号数据库中获取电容器包装形状标识识别结果对应的电容器型号。
更进一步地，在所述步骤S11中，所述标识-型号数据库中存储有电容器包装形状标识与电容器型号的对应关系。
更进一步地，所述第一轮廓检测识别单元获取封装壳体缺陷识别结果的具体过程如下：
S21：利用OpenCv中的轮廓检测函数对封装壳体图像进行轮廓检测处理，获取电容器侧轮廓长度值Lc、顶/底部轮廓长度值Ld；
S22：将步骤S21中检测得到的电容器侧轮廓长度值Lc、顶/底部轮廓长度值Ld对应与无缺陷状态下的电容器侧轮廓长度值Lc标准、顶/底部轮廓长度值Ld标准分别作差处理，得到电容器侧轮廓长度差值Lc差与顶/底部轮廓长度差值Ld差；
S23：将电容器侧轮廓长度差值Lc差与电容器侧轮廓长度差值阈值Lc阈比较，判断Lc差是否在Lc阈范围内，同时将电容器顶/底部轮廓长度差值Ld差与电容器顶/底部轮廓长度差值阈值Ld阈比较，判断Ld差是否在Ld阈范围内，任一个在差值阈值范围内则表示电容器封装壳体存在缺陷（封装不良、表面不平），否则表示电容器封装壳体无缺陷；
S24：将当前电容器封装壳体缺陷识别结果发送至缺陷分析模块中。
更进一步地，所述结构缺陷检测模块包括第二图像预处理单元、引脚识别单元、第二轮廓检测识别单元；所述第二图像预处理单元用于对引脚图像依次进行降噪、图像增强、灰度处理；所述引脚识别单元用于通过已训练的第二目标识别网络对引脚图像中的引脚进行识别，获取引脚数量信息，并判断引脚是否存在缺失缺陷，将引脚缺失缺陷识别结果发送至缺陷分析模块中，同时将引脚图像的目标检测框从图像中裁剪出来，然后粘贴到空白图像中形成引脚检测框图像，并发送至第二轮廓检测识别单元中；所述第二轮廓检测识别单元用于对引脚检测框图像进行轮廓检测处理，进而判断电容器引脚是否存在弯折缺陷，并将当前电容器引脚弯折缺陷识别结果发送至缺陷分析模块中。
更进一步地，所述第二轮廓检测识别单元获取引脚弯折缺陷识别结果的具体过程如下：
S31：利用OpenCv中的轮廓检测函数对引脚检测框图像进行轮廓检测处理，获取电容器各引脚的轮廓长度值Yci，其中i取1或2；
S32：将步骤S31中检测的各引脚的轮廓长度值Yci与无弯折缺陷状态下的引脚轮廓长度值Yc标准进行作差处理，得到各引脚的轮廓长度差值Yci差；
S33：将各引脚的轮廓长度差值Yci差与电容器引脚轮廓长度差值阈值Yc阈比较，判断Yci差是否在Yc阈范围内，任一引脚的轮廓长度差值若在差值阈值范围内则表示电容器引脚存在弯折缺陷，否则电容器引脚不存在弯折缺陷；
S34：将当前电容器引脚弯折缺陷识别结果发送至缺陷分析模块中。
本发明相比现有技术具有以下优点：通过设置的封装缺陷检测模块，能够方便地对电容器产品的封装缺陷进行检测，可准确获取到电容器产品的封装缺陷结果；通过设置的结构缺陷检测模块，能够方便地对电容器产品的结构缺陷进行检测，可准确判断出电容器引脚是否出现缺失、弯折缺陷；通过设置的缺陷分析模块，能够方便地根据封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果，对该电容器型号在单位时间内生产出来的电容器质量进行评分。
附图说明
图1是本发明的结构框图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例提供一种技术方案：一种基于数据分析的电容产品检测评估系统，本系统适用于具有规则形状的电容器，比如封装壳体为圆柱体或长方体等，本实施例以封装壳体为圆柱体的电容器为例进行说明，包括第一图像获取模块、封装缺陷检测模块、第二图像获取模块、结构缺陷检测模块、缺陷分析模块、存储模块。
在本实施例中，所述第一图像获取模块，用于获取含有电容器封装壳体的图像，即封装壳体图像，并将图像传输至所述封装缺陷检测模块中，供所述封装缺陷检测模块进行图像处理并识别；
具体地，所述第一图像获取模块包括设置在所述电容器任一侧和上方/下方的两组高清摄像机，其中，设置在所述电容器一侧的高清摄像机用于获取含有电容器封装壳体的侧拍图像，设置在所述电容器上方/下方的高清摄像机用于获取含有电容器封装壳体的俯拍/仰拍图像，便于后续对电容器封装壳体上的缺陷进行识别，封装壳体图像包括侧拍图像以及俯拍/仰拍图像；
作为较佳的，两组所述高清摄像机安装在产线末端传送平台上的指定位置，设置在所述电容器一侧的高清摄像机的光轴垂直于所述电容器封装壳体轴线设置，设置在所述电容器上方/下方的高清摄像机的光轴位于所述电容器封装壳体轴线上，方便获取指定视角的图像，同时也方便维护。
在本实施例中，所述封装缺陷检测模块包括第一图像预处理单元、标识检测识别单元、第一轮廓检测识别单元；所述第一图像预处理单元用于对封装壳体图像依次进行降噪、图像增强、灰度处理，并将经过预处理后的封装壳体图像分别发送至所述标识检测识别单元、第一轮廓检测识别单元，通过图像预处理使图像质量得到有效提高，方便后的标识检测识别与轮廓检测识别工作；所述标识检测识别单元用于通过已训练的第一目标识别网络对封装壳体上的电容器包装形状标识进行识别，获取当前电容器包装形状标识识别结果，根据电容器包装形状标识识别结果获取对应的电容器型号，并将电容器型号信息发送至缺陷分析模块中；所述第一轮廓检测识别单元用于对封装壳体图像进行轮廓检测处理，获取当前电容器侧轮廓长度值、顶/底部轮廓长度值，将其与无缺陷状态下的电容器侧轮廓长度值、顶/底部轮廓长度值进行作差比较，根据作差结果与差值阈值进行比较，若在差值阈值范围内，则判断电容器封装壳体无缺陷，若不在差值范围内，则判断电容器封装壳体存在缺陷，并将当前电容器封装壳体缺陷识别结果发送至缺陷分析模块中；
具体的，根据电容器包装形状标识识别结果获取对应的电容器型号的具体过程如下：
S11：将电容器包装形状标识识别结果上传至标识-型号数据库；
S12：在标识-型号数据库中获取电容器包装形状标识识别结果对应的电容器型号。
在所述步骤S11中，所述标识-型号数据库中存储有电容器包装形状标识与电容器型号的对应关系，在标识-型号数据库中，支持根据电容器产品的不同进行电容器包装形状标识与电容器型号的对应关系，使标识-型号数据库具备良好的扩展性。
作为较佳的，电容器包装形状标识可以根据需要进行自定义，之后采用含有定义后的包装形状标识样本图片对第一目标识别网络进行训练即可。
具体的，所述第一轮廓检测识别单元的处理过程具体如下：
S21：利用OpenCv中的轮廓检测函数对封装壳体图像进行轮廓检测处理，获取电容器侧轮廓长度值Lc、顶/底部轮廓长度值Ld；
S22：将步骤S21中检测得到的电容器侧轮廓长度值Lc、顶/底部轮廓长度值Ld对应与无缺陷状态下的电容器侧轮廓长度值Lc标准、顶/底部轮廓长度值Ld标准分别作差处理，得到电容器侧轮廓长度差值Lc差与顶/底部轮廓长度差值Ld差；
S23：将电容器侧轮廓长度差值Lc差与电容器侧轮廓长度差值阈值Lc阈比较，判断Lc差是否在Lc阈范围内，同时将电容器顶/底部轮廓长度差值Ld差与电容器顶/底部轮廓长度差值阈值Ld阈比较，判断Ld差是否在Ld阈范围内，任一个在差值阈值范围内则表示电容器封装壳体存在缺陷（封装不良、表面不平），否则表示电容器封装壳体无缺陷；
S24：将当前电容器封装壳体缺陷识别结果发送至缺陷分析模块中。
在本实施例中，所述第二图像获取模块，用于获取电容器两个引脚所在位置的图像，即引脚图像，并将图像传输至所述结构缺陷检测模块中，供所述结构缺陷检测模块进行图像处理并识别；
具体的，所述第二图像获取模块为设置在所述电容器任一侧的一组高清摄像机，用于获取电容器两个引脚所在位置的侧拍图像。
作为较佳的，设置在所述电容器任一侧的一组高清摄像机用于获取电容器引脚的侧拍图像，设置在所述电容器任一侧的一组高清摄像机的光轴垂直于所述电容器两个引脚起始端连线设置，同样地，该组高清摄像机安装在产线末端传送平台上的指定位置。
在本实施例中，所述结构缺陷检测模块包括第二图像预处理单元、引脚识别单元、第二轮廓检测识别单元；所述第二图像预处理单元用于对引脚图像依次进行降噪、图像增强、灰度处理，并将经过预处理后的封装壳体图像发送至所述引脚识别单元，通过图像预处理使图像质量得到有效提高，方便后的引脚识别与轮廓检测识别工作；所述引脚识别单元用于通过已训练的第二目标识别网络对引脚图像中的引脚进行识别，获取引脚数量信息，并判断引脚是否存在缺失缺陷，将引脚缺失缺陷识别结果发送至缺陷分析模块中，同时将引脚图像的目标检测框从图像中裁剪出来，然后粘贴到空白图像中形成引脚检测框图像，并发送至第二轮廓检测识别单元中；所述第二轮廓检测识别单元用于对引脚检测框图像进行轮廓检测处理，获取当前电容器各引脚轮廓长度值，将其分别与无弯折缺陷状态下的引脚轮廓长度值进行作差比较，根据作差结果与差值阈值进行比较，若在差值阈值范围内，则判断电容器引脚无弯折缺陷，若不在差值范围内，则判断电容器引脚存在弯折缺陷，并将当前电容器引脚弯折缺陷识别结果发送至缺陷分析模块中。
具体的，在根据引脚数量信息并判断引脚是否存在缺失缺陷的过程，当目标检测框的数量为两个时，则判断引脚不存在缺失缺陷，当目标检测框的数量为一个或零个时，则判断引脚存在缺失缺陷。
需要说明的是，当目标检测框的数量为零个时，则进入后续的轮廓检测识别过程。
具体的，所述第二轮廓检测识别单元的处理过程具体如下：
S31：利用OpenCv中的轮廓检测函数对引脚检测框图像进行轮廓检测处理，获取电容器各引脚的轮廓长度值Yci，其中i取1或2；
S32：将步骤S31中检测的各引脚的轮廓长度值Yci与无弯折缺陷状态下的引脚轮廓长度值Yc标准进行作差处理，得到各引脚的轮廓长度差值Yci差；
S33：将各引脚的轮廓长度差值Yci差与电容器引脚轮廓长度差值阈值Yc阈比较，判断Yci差是否在Yc阈范围内，任一引脚的轮廓长度差值若在差值阈值范围内则表示电容器引脚存在弯折缺陷，否则电容器引脚不存在弯折缺陷；
S34：将当前电容器引脚弯折缺陷识别结果发送至缺陷分析模块中；
在本实施例中，所述缺陷分析模块用于以电容器型号为基础，根据封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果对该电容器型号在单位时间内生产出来的电容器产品质量进行加权评分。
具体地，评分中各个因素（封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果）的权重可以根据电容器产品的不同进行灵活设定。
作为较佳的，本实施例中的电容器质量评分公式如下：
Figure DEST_PATH_IMAGE001
其中，F为单位时间内该型号电容器中存在封装壳体缺陷的电容器数量，Q为单位时间内该型号电容器中存在引脚缺失缺陷的电容器数量，Z为单位时间内该型号电容器中存在引脚弯折缺陷的电容器数量，w1、w2、w3为对应的权重比例，w1、w2、w3的总和为1。
在本实施例中，存储模块用于以电容器型号为基础，建立对应电容器型号在单位时间内的质量数据库，质量数据库储存有对应电容器型号在单位时间内生产出来的电容器的封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果数据，并用于建立标识-型号数据库。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种基于数据分析的电容产品检测评估系统，其特征在于，包括第一图像获取模块、封装缺陷检测模块、第二图像获取模块、结构缺陷检测模块、缺陷分析模块、存储模块；
所述第一图像获取模块，用于获取含有电容器封装壳体的图像，即封装壳体图像；
所述封装缺陷检测模块，用于对封装壳体图像进行预处理，并对电容器型号进行识别，同时获取电容器封装壳体缺陷识别结果；
所述第二图像获取模块，用于获取电容器两个引脚所在位置的图像，即引脚图像；
所述结构缺陷检测模块，用于对引脚图像进行预处理，并获取引脚缺失缺陷识别结果、引脚弯折缺陷识别结果；
所述缺陷分析模块，用于以电容器型号为基础，根据封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果对该电容器型号在单位时间内生产出来的电容器产品质量进行加权评分；
其中，电容器产品质量评分公式如下：
T＝w1*F+w2*Q+w3*Z
其中，F为单位时间内该型号电容器中存在封装壳体缺陷的电容器数量，Q为单位时间内该型号电容器中存在引脚缺失缺陷的电容器数量，Z为单位时间内该型号电容器中存在引脚弯折缺陷的电容器数量，w1、w2、w3为对应的权重比例，w1、w2、w3的总和为1；
所述存储模块，用于以电容器型号为基础，建立对应电容器型号在单位时间内的质量数据库，质量数据库储存有对应电容器型号在单位时间内生产出来的电容器的封装壳体缺陷识别结果、引脚缺失缺陷识别结果、引脚弯折缺陷识别结果数据，并用于建立标识-型号数据库。
2.根据权利要求1所述的一种基于数据分析的电容产品检测评估系统，其特征在于：所述封装壳体图像包括电容器封装壳体的侧拍图像与电容器封装壳体的俯拍/仰拍图像。
3.根据权利要求1所述的一种基于数据分析的电容产品检测评估系统，其特征在于：所述封装缺陷检测模块包括第一图像预处理单元、标识检测识别单元、第一轮廓检测识别单元；所述第一图像预处理单元用于对封装壳体图像依次进行降噪、图像增强、灰度处理；所述标识检测识别单元用于通过已训练的第一目标识别网络对封装壳体上的电容器包装形状标识进行识别，获取当前电容器包装形状标识识别结果，根据电容器包装形状标识识别结果获取对应的电容器型号；所述第一轮廓检测识别单元用于对封装壳体图像进行轮廓检测处理，进而判断电容器封装壳体是否存在缺陷，并将当前电容器封装壳体缺陷识别结果发送至缺陷分析模块中。
4.根据权利要求3所述的一种基于数据分析的电容产品检测评估系统，其特征在于：所述标识检测识别单元获取电容器型号的具体过程如下：
S11：将电容器包装形状标识识别结果上传至标识-型号数据库；
S12：在标识-型号数据库中获取电容器包装形状标识识别结果对应的电容器型号。
5.根据权利要求4所述的一种基于数据分析的电容产品检测评估系统，其特征在于：所述第一轮廓检测识别单元获取封装壳体缺陷识别结果的具体过程如下：
S21：利用OpenCv中的轮廓检测函数对封装壳体图像进行轮廓检测处理，获取电容器侧轮廓长度值Lc、顶/底部轮廓长度值Ld；
S22：将步骤S21中检测得到的电容器侧轮廓长度值Lc、顶/底部轮廓长度值Ld对应与无缺陷状态下的电容器侧轮廓长度值Lc标准、顶/底部轮廓长度值Ld标准分别作差处理，得到电容器侧轮廓长度差值Lc差与顶/底部轮廓长度差值Ld差；
S23：将电容器侧轮廓长度差值Lc差与电容器侧轮廓长度差值阈值Lc阈比较，判断Lc差是否在Lc阈范围内，同时将电容器顶/底部轮廓长度差值Ld差与电容器顶/底部轮廓长度差值阈值Ld阈比较，判断Ld差是否在Ld阈范围内，任一个在差值阈值范围内则表示电容器封装壳体存在缺陷，否则表示电容器封装壳体无缺陷；
S24：将当前电容器封装壳体缺陷识别结果发送至缺陷分析模块中。
6.根据权利要求5所述的一种基于数据分析的电容产品检测评估系统，其特征在于：所述结构缺陷检测模块包括第二图像预处理单元、引脚识别单元、第二轮廓检测识别单元；所述第二图像预处理单元用于对引脚图像依次进行降噪、图像增强、灰度处理；所述引脚识别单元用于通过已训练的第二目标识别网络对引脚图像中的引脚进行识别，获取引脚数量信息，并判断引脚是否存在缺失缺陷，将引脚缺失缺陷识别结果发送至缺陷分析模块中，同时将引脚图像的目标检测框从图像中裁剪出来，然后粘贴到空白图像中形成引脚检测框图像，并发送至第二轮廓检测识别单元中；所述第二轮廓检测识别单元用于对引脚检测框图像进行轮廓检测处理，进而判断电容器引脚是否存在弯折缺陷，并将当前电容器引脚弯折缺陷识别结果发送至缺陷分析模块中；
S24：将当前电容器封装壳体缺陷识别结果发送至缺陷分析模块中。
7.根据权利要求6所述的一种基于数据分析的电容产品检测评估系统，其特征在于：所述第二轮廓检测识别单元获取引脚弯折缺陷识别结果的具体过程如下：
S31：利用OpenCv中的轮廓检测函数对引脚检测框图像进行轮廓检测处理，获取电容器各引脚的轮廓长度值Yci，其中i取1或2；
S32：将步骤S31中检测的各引脚的轮廓长度值Yci与无弯折缺陷状态下的引脚轮廓长度值Yc标准进行作差处理，得到各引脚的轮廓长度差值Yci差；
S33：将各引脚的轮廓长度差值Yci差与电容器引脚轮廓长度差值阈值Yc阈比较，判断Yci差是否在Yc阈范围内，任一引脚的轮廓长度差值若在差值阈值范围内则表示电容器引脚存在弯折缺陷，否则电容器引脚不存在弯折缺陷；
S34：将当前电容器引脚弯折缺陷识别结果发送至缺陷分析模块中。
CN202211107633.3A 2022-09-13 2022-09-13 一种基于数据分析的电容产品检测评估系统 Active CN115439452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211107633.3A CN115439452B (zh) 2022-09-13 2022-09-13 一种基于数据分析的电容产品检测评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211107633.3A CN115439452B (zh) 2022-09-13 2022-09-13 一种基于数据分析的电容产品检测评估系统

Publications (2)

Publication Number Publication Date
CN115439452A CN115439452A (zh) 2022-12-06
CN115439452B true CN115439452B (zh) 2023-04-11

Family

ID=84246571

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211107633.3A Active CN115439452B (zh) 2022-09-13 2022-09-13 一种基于数据分析的电容产品检测评估系统

Country Status (1)

Country Link
CN (1) CN115439452B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116310424B (zh) * 2023-05-17 2023-08-18 青岛创新奇智科技集团股份有限公司 基于图像识别的设备质量评估方法、装置、终端和介质
CN116678827A (zh) * 2023-05-31 2023-09-01 天芯电子科技(江阴)有限公司 一种大电流电源模块lga封装引脚检测系统
CN117038494B (zh) * 2023-10-10 2023-12-15 天津芯成半导体有限公司 一种用于芯片加工产业的辅助智能检测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204789357U (zh) * 2015-04-27 2015-11-18 中国人民解放军理工大学 一种电解电容外观包装缺陷图像检测系统
CN110992336A (zh) * 2019-12-02 2020-04-10 东莞西尼自动化科技有限公司 基于图像处理和人工智能的小样本缺陷检测方法
CN112348840A (zh) * 2020-10-19 2021-02-09 江苏师范大学 基于像素区域生长的qfp芯片引脚缺陷判别方法
CN114445330A (zh) * 2021-12-17 2022-05-06 航天科工防御技术研究试验中心 一种元器件外观缺陷的检测方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7420791B1 (en) * 2004-08-09 2008-09-02 Intersil Americas Inc. Fault signature system for power management integrated circuits
US7501832B2 (en) * 2005-02-28 2009-03-10 Ridgetop Group, Inc. Method and circuit for the detection of solder-joint failures in a digital electronic package
TWI383160B (zh) * 2009-12-31 2013-01-21 Test Research Inc 電性連接瑕疵偵測系統及方法
CN103808732B (zh) * 2014-01-21 2016-09-28 图灵视控（北京）科技有限公司 基于机器视觉的电容检测系统和方法
CN105044114B (zh) * 2015-04-27 2018-08-10 中国人民解放军理工大学 一种电解电容外观包装缺陷图像检测系统与方法
CN105044115A (zh) * 2015-06-29 2015-11-11 南通蒂龙针织制衣有限公司 一种新型电解电容器引脚缺陷检测装置
US10984691B2 (en) * 2018-03-29 2021-04-20 Solomon Systech (Shenzhen) Limited Panel defect detection method and a display driver apparatus incorporating the same
CN109967365A (zh) * 2018-12-27 2019-07-05 江苏理工学院 一种基于机器视觉的柱式电容器外观检测系统及其方法
CN109785316B (zh) * 2019-01-22 2022-12-02 湖南大学 一种芯片表观缺陷检测方法
CN113070228A (zh) * 2021-03-12 2021-07-06 厦门泓天自动化科技有限公司 一种全自动电容监测机

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204789357U (zh) * 2015-04-27 2015-11-18 中国人民解放军理工大学 一种电解电容外观包装缺陷图像检测系统
CN110992336A (zh) * 2019-12-02 2020-04-10 东莞西尼自动化科技有限公司 基于图像处理和人工智能的小样本缺陷检测方法
CN112348840A (zh) * 2020-10-19 2021-02-09 江苏师范大学 基于像素区域生长的qfp芯片引脚缺陷判别方法
CN114445330A (zh) * 2021-12-17 2022-05-06 航天科工防御技术研究试验中心 一种元器件外观缺陷的检测方法及系统

Also Published As

Publication number Publication date
CN115439452A (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN115439452B (zh) 一种基于数据分析的电容产品检测评估系统
CN106226325B (zh) 一种基于机器视觉的座椅表面缺陷检测系统及其方法
CN108465648A (zh) 一种基于机器视觉的磁芯自动分拣系统
CN201218723Y (zh) 光电非接触式图像检测装置
CN105335692A (zh) 一种轮胎x光图像检测识别方法及系统
CN113325001A (zh) 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法
CN106383121B (zh) 一种可自适应多品牌的视觉检测方法及系统
CN104952754A (zh) 基于机器视觉的镀膜后硅片分选方法
CN114029237A (zh) 一种铝型材表面缺陷实时分拣系统及方法
CN116109635A (zh) 复合悬式绝缘子表面质量检测方法、装置、设备及介质
CN114529510B (zh) 一种阴极铜在线质量自动检测分类方法
CN111504381A (zh) 一种端子排产品在线检测设备及其检测方法
CN108490002B (zh) 一种微结构棱镜镜片质量检测方法
CN113792725A (zh) 元器件检测装置和方法
CN117367516A (zh) 基于多维测试的铝塑复合板性能检测系统
CN111307817B (zh) 一种智能产线pcb生产过程的在线检测方法及系统
CN110458231B (zh) 一种陶瓷产品检测方法、装置和设备
CN112415013A (zh) 一种铜箔缺陷检测系统
CN110376215A (zh) 轴承倒角不标准自动检测装置及方法
CN115266743A (zh) 一种无损检测下的芯片质量的评估系统及方法
CN211905142U (zh) 一种全自动眼镜镜片检测设备
CN111015208A (zh) 一种充电设备的自动装配检测装置及方法
CN111474181A (zh) 一种成盒制程阶段的面板缺陷检测及分类系统
CN117350967B (zh) 一种基于光学检测晶圆外观缺陷检测系统及其方法
CN211678855U (zh) 一种电子元件产品外观在线检测装置

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