CN116402797A - 基于双精度成像模组的大幅面微小缺陷检测系统及方法 - Google Patents
基于双精度成像模组的大幅面微小缺陷检测系统及方法 Download PDFInfo
- Publication number
- CN116402797A CN116402797A CN202310377329.9A CN202310377329A CN116402797A CN 116402797 A CN116402797 A CN 116402797A CN 202310377329 A CN202310377329 A CN 202310377329A CN 116402797 A CN116402797 A CN 116402797A
- Authority
- CN
- China
- Prior art keywords
- defect
- module
- view
- acquisition module
- image
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 195
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000003384 imaging method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000013145 classification model Methods 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000003908 quality control method Methods 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/10141—Special mode during image acquisition
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提出了基于双精度成像模组的大幅面微小缺陷检测系统及方法,涉及机器视觉技术领域。首先搭建三维运动平台,并与电机驱动器联调,具有在三维方向运动的功能;其次安装了双精度成像模组,分别用于实现大视野低精度图像采集和小视野高精度图像采集;之后调用缺陷检测初步筛选算法和缺陷细分定位神经网络,进行缺陷的初筛、细分和定位;最后得到精确的缺陷类型和位置输出至文件。本申请通过采用两种不同精度成像模组先后对大幅面物品的全局和局部分别进行图像采集和缺陷检测的方案,达到快速定位缺陷,准确识别缺陷的目的。同时兼顾大幅面物品的缺陷检测速度和精度,对大尺寸材料、器件、模组的品控、维护和质量追溯具有指导价值。
Description
技术领域
本发明涉及机器视觉技术领域,具体而言,涉及一种基于双精度成像模组的大幅面微小缺陷检测系统及方法。
背景技术
随着信息时代的逐步发展,工业发展存在两个趋势:更加精密和更加庞大。大型器件由于运力出色、视觉冲击力强等原因受到人们青睐。民用大型飞机、超大型矿运卡车、巨幕LED屏和大面积印刷广告等在人们的生产生活中用途广泛。大幅面材料、印刷品和器件等越来越多地应用在军工、宣传、机械制造等领域,优良的整体性质和平面性质决定了其在工程应用方面的不可替代性。
虽然大幅面器材性能良好,但相比于常规物品和材料,大幅面器材的制造和维护更加困难,生产出厂精度控制更不易实现,在生产、检测、运输和使用的过程中也更容易出现缺陷。如巨幕LED屏的划伤、大型玻璃板材的裂纹等等。与小型物品的缺陷检测不同,大幅面器材的尺寸更大,只用一次成像就涵盖整个器材的范围不太可能。如果只使用小视野高精度成像模组扫描拍照,然后逐视野排查缺陷,则需要消耗非常多的时间;反之只使用大视野低倍率镜头搭配相机进行图像采集,则精度过低,无法准确定位微小缺陷和确定微小缺陷类型。
发明内容
本发明的目的在于提供一种基于双精度成像模组的大幅面微小缺陷检测系统及方法,通过采用两种不同精度成像模组先后对大幅面器材的全局和局部分别进行图像采集和缺陷检测的方案,达到快速定位缺陷,准确识别缺陷的目的。
本发明的实施例是这样实现的:
第一方面,本申请实施例提供一种基于双精度成像模组的大幅面微小缺陷检测系统,其包括:
运动平台,用于放置待检测的大幅面物品,并在电机的驱动下按照规划路径进行运动;
双精度成像模组,安装于z轴竖直面板上,用于在电机的驱动下实现对焦后进行图像采集,并将图像发送给控制器;
上述双精度成像模组包括大视野低倍率采集模块和小视野高倍率采集模块,上述大视野低倍率采集模块用于采集大幅面物品的大视野局部图像,上述小视野高倍率采集模块用于采集疑似缺陷的局部放大图像;
控制器,与上述电机和双精度成像模组连接,用于给上述运动平台规划相应的路径,以及对上述大视野低倍率采集模块采集到的图像进行缺陷检测,确定疑似缺陷位置坐标范围并保存;对上述小视野高倍率采集模块采集到的图像进行缺陷细分类检测,确定缺陷类型及坐标并保存。
基于第一方面,在本发明的一些实施例中,上述控制器包括第一路径规划模块、第一图像处理模块、第二路径规划模块和第二图像处理模块;
第一路径规划模块,用于根据大幅面物品的尺寸信息和大视野低倍率采集模块的视野范围信息确定移动拍摄视野数量,生成第一规划路径,并通过xy方向的电机驱动上述运动平台按照上述第一规划路径进行运动;
第一图像处理模块,用于遍历上述大视野低倍率采集模块采集到的大视野局部图像,进行缺陷检测,确定疑似缺陷位置坐标范围并保存;
第二路径规划模块,用于根据上述疑似缺陷位置坐标范围的分布情况,计算生成第二规划路径,并通过xy方向的电机驱动上述运动平台按照上述第二规划路径进行运动;
第二图像处理模块,用于遍历上述小视野高倍率采集模块采集到的疑似缺陷的局部放大图像,进行缺陷细分类检测,确定缺陷类型及坐标并保存。
基于第一方面,在本发明的一些实施例中,上述第一图像处理模块包括:
图像集获取子模块,用于获取上述大视野低倍率采集模块采集到的大视野局部图像,形成第一待处理图像集;
缺陷检测子模块,用于调用缺陷检测初步筛选算法遍历上述第一待处理图像集中的图像,检测出疑似缺陷位置区域;
疑似缺陷位置统计子模块,用于统计并保存疑似缺陷位置区域的坐标范围,生成疑似缺陷文件集。
基于第一方面,在本发明的一些实施例中,上述第二图像处理模块包括:
图像集获取子模块,用于获取上述小视野高倍率采集模块采集到的疑似缺陷位置的局部放大图像,形成第二待处理图像集;
缺陷分类子模块,用于利用预置的缺陷分类模型对上述第二待处理图像集中的图像进行缺陷细分类推理,确定缺陷类型;
缺陷统计子模块,用于统计并保存缺陷类型及缺陷位置对应的坐标,生成缺陷结果文件集。
基于第一方面,在本发明的一些实施例中,上述双精度成像模组由面阵COMS相机、不同倍率的镜头和对应的光源构成。
第二方面,本申请实施例提供一种基于双精度成像模组的大幅面微小缺陷检测方法,其包括:
步骤S1:将待检测的大幅面物品放置在运动平台上,并用夹具固定;
步骤S2:启动大视野低倍率采集模块,控制z轴电机运动对焦;
步骤S3:根据大幅面物品的尺寸信息和大视野低倍率采集模块的视野范围信息确定移动拍摄视野数量,生成第一规划路径,并通过xy方向的电机驱动上述运动平台按照上述第一规划路径进行运动;
步骤S4:通过大视野低倍率采集模块进行图像采集,并遍历上述大视野低倍率采集模块采集到的大视野局部图像,进行缺陷检测,确定疑似缺陷位置坐标范围并保存;
步骤S5:关闭大视野低倍率采集模块,开启小视野高倍率采集模块,并控制z轴电机运动对焦;
步骤S6:根据上述疑似缺陷位置坐标范围的分布情况,计算生成第二规划路径,并通过xy方向的电机驱动上述运动平台按照上述第二规划路径进行运动;
步骤S7:通过小视野高倍率采集模块进行图像采集,并遍历上述小视野高倍率采集模块采集到的疑似缺陷的局部放大图像,进行缺陷细分类检测,确定缺陷类型及坐标并保存。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
第一方面,本申请实施例提供一种基于双精度成像模组的大幅面微小缺陷检测系统,包括运动平台、双精度成像模组和控制器。运动平台用于放置待检测的大幅面物品,并在电机的驱动下按照规划路径进行运动。双精度成像模组安装于z轴竖直面板上,用于在电机的驱动下实现对焦后进行图像采集,并将图像发送给控制器。其中,双精度成像模组包括大视野低倍率采集模块和小视野高倍率采集模块,大视野低倍率采集模块用于采集大幅面物品的大视野局部图像,小视野高倍率采集模块用于采集疑似缺陷的局部放大图像。控制器与电机和双精度成像模组连接,用于给运动平台规划相应的路径,以及对大视野低倍率采集模块采集到的图像进行缺陷检测,确定疑似缺陷位置坐标范围并保存;对小视野高倍率采集模块采集到的图像进行缺陷细分类检测,确定缺陷类型及坐标并保存。本申请通过采用两种不同精度成像模组先后对大幅面器材的全局和局部分别进行图像采集和缺陷检测的方案,达到快速定位缺陷,准确识别缺陷的目的。
第二方面,本申请实施例提供一种基于双精度成像模组的大幅面微小缺陷检测方法,首先通过利用三维运动平台和大视野低精度成像模组进行大幅面区域内的逐点遍历式图像采集,经过图像处理算法判定获得疑似缺陷区域位置及坐标范围。然后使用小视野高精度成像模组逐个扫描疑似缺陷区域,进行缺陷细分类检测,最终确定并输出对应的缺陷类型和坐标。本申请能够同时兼顾大幅面物品的缺陷检测速度和精度,对大尺寸材料、器件、模组的品控、维护和质量追溯具有指导价值。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明提供的基于双精度成像模组的大幅面微小缺陷检测系统一实施例的结构框图;
图2为本发明提供的基于双精度成像模组的大幅面微小缺陷检测系统一实施例的结构示意图;
图3为本发明提供的基于双精度成像模组的大幅面微小缺陷检测系统一实施例中双精度成像模组智能检测示意图;
图4为本发明提供的基于双精度成像模组的大幅面微小缺陷检测方法一实施例的流程框图。
图标:11、运动平台;12、双精度成像模组;1201、大视野低倍率采集模块;1202、小视野高倍率采集模块;13、控制器;1301、第一路径规划模块;1302、第一图像处理模块;1303、第二路径规划模块;1304、第二图像处理模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
实施例
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的各个实施例及实施例中的各个特征可以相互组合。
请参照图1和图2,第一方面,本申请实施例提供一种基于双精度成像模组12的大幅面微小缺陷检测系统,该系统包括:
运动平台11,用于放置待检测的大幅面物品,并在电机的驱动下按照规划路径进行运动;
双精度成像模组12,安装于z轴竖直面板上,用于在电机的驱动下实现对焦后进行图像采集,并将图像发送给控制器13;
上述双精度成像模组12包括大视野低倍率采集模块1201和小视野高倍率采集模块1202,上述大视野低倍率采集模块1201用于采集大幅面物品的大视野局部图像,上述小视野高倍率采集模块1202用于采集疑似缺陷的局部放大图像;
控制器13,与上述电机和双精度成像模组12连接,用于给上述运动平台11规划相应的路径,以及对上述大视野低倍率采集模块1201采集到的图像进行缺陷检测,确定疑似缺陷位置坐标范围并保存;对上述小视野高倍率采集模块1202采集到的图像进行缺陷细分类检测,确定缺陷类型及坐标并保存。
上述实施例中,系统的整体结构如图2所示。首先搭建三维运动平台11的框架结构。x、y方向选择水平度较好的平台用来摆放待检测的大幅面物品,并将x、y方向的大范围运动装置和夹具固定于该平台上。z轴方向选择步进电机以实现竖直方向对焦。然后将双精度成像模组12固定于z轴竖直面板上,并与步进电机联调,同时与上述x、y轴运动平台11配合,实现三维运动和图像采集。之后将双精度成像模组12和x、y、z三个方向的步进电机驱动器与控制器13连接,以接收采集的图像视频流,并建立与步进电机驱动器的通信,以控制步进电机带动三维运动平台11按规划路线运动,从而进行快速、全面的图像采集,并将采集到的图像发送给控制器13。通过控制器13对大视野低倍率采集模块1201采集到的图像进行缺陷初步检测筛选,利用算法判定获得疑似缺陷区域并定位其对应的坐标范围。另外,对于小视野高倍率采集模块1202采集到的疑似缺陷区域的放大图像,利用缺陷检测细分算法确定缺陷的具体类型及精确坐标,从而得到缺陷检测结果并输出显示。
进一步地,上述双精度成像模组12由面阵COMS相机、不同倍率的镜头和对应的光源构成。其中,可根据需要检测的大面积物品的尺寸和参数选择合适的双精度成像模组12。例如,选取500万像素工业相机和1倍镜头构成大视野低倍率采集模块1201,选取500万像素工业相机和6倍远心镜头构成小视野高倍率采集模块1202。然后根据检测对象性质的不同,给大视野低倍率采集模块1201和小视野高倍率采集模块1202配套安装上对应的光源,提供照明。例如,给大视野低倍率采集模块1201配套安装环形光源,小视野高倍率采集模块1202配套安装同轴光源。
基于第一方面,在本发明的一些实施例中,上述控制器13包括第一路径规划模块1301、第一图像处理模块1302、第二路径规划模块1303和第二图像处理模块1304。
其中,第一路径规划模块1301,用于根据大幅面物品的尺寸信息和大视野低倍率采集模块1201的视野范围信息确定移动拍摄视野数量,生成第一规划路径,并通过xy方向的电机驱动上述运动平台11按照上述第一规划路径进行运动。第一图像处理模块1302,用于遍历上述大视野低倍率采集模块1201采集到的大视野局部图像,进行缺陷检测,确定疑似缺陷位置坐标范围并保存。第二路径规划模块1303,用于根据上述疑似缺陷位置坐标范围的分布情况,计算生成第二规划路径,并通过xy方向的电机驱动上述运动平台11按照上述第二规划路径进行运动。第二图像处理模块1304,用于遍历上述小视野高倍率采集模块1202采集到的疑似缺陷的局部放大图像,进行缺陷细分类检测,确定缺陷类型及坐标并保存。
上述实施例中,系统调试好以后即可开始检测。首先将本次待检测的大幅面物品放置于水平平台表面,并利用夹具固定。然后打开双精度成像模组12中的大视野低倍率采集模块1201,并控制z轴电机运动对焦,同时调节配套光源的亮度直至整个视野比较明亮,大幅面样品的表面状态清晰可见为止。之后,控制器13根据录入的大幅面物品的尺寸信息,通过综合分析该信息和大视野低倍率采集模块1201的视野范围,计算并根据二者之间的倍数关系,确定移动拍摄视野数量,从而规划x、y平面方向的运动轨迹。并通过xy方向的电机驱动运动平台11按照该规划路径进行运动。在运动过程中,通过大视野低倍率采集模块1201进行采图,得到大视野局部图像传输给控制器13。并通过第一图像处理模块1302遍历上述大视野低倍率采集模块1201采集到的大视野局部图像,进行缺陷检测,确定疑似缺陷位置坐标范围并保存。
具体的,上述第一图像处理模块1302包括:图像集获取子模块,用于获取上述大视野低倍率采集模块1201采集到的大视野局部图像,形成第一待处理图像集。示例性的,得到的第一待处理图像集为:P(1,1),P(1,2),…,P(1,j),P(2,1),P(2,2),…,P(2,j),…,P(i,1),P(i,2),…,P(i,j)。其中,P(x,y)中x为图像块所在行数,y为图像块所在列数;i和j分别表示行数和列数的最大值,即采集到的大幅面图像边缘位置的图像块。缺陷检测子模块,用于调用缺陷检测初步筛选算法遍历上述第一待处理图像集中的图像,检测出疑似缺陷位置区域。其中,缺陷检测初步筛选算法包含基于阈值分割的疑似脏污检测、基于边缘检测的裂纹分析和根据HSV颜色空间判断大幅面物品的色泽均匀度等。疑似缺陷位置统计子模块,用于统计并保存疑似缺陷位置区域的坐标范围,生成疑似缺陷文件集。该疑似缺陷文件集包括疑似缺陷位置区域的坐标范围Q1,Q2,…,Qn。
初步确定疑似缺陷位置区域的坐标范围后,关闭大视野低倍率采集模块1201的视频流以及光源,并打开小视野高倍率采集模块1202,控制z轴电机运动对焦,同时调节配套光源的亮度直至整个视野比较明亮、细节纹理突出、图像对比度高为止。之后,控制器13根据之前的疑似缺陷文件集中疑似缺陷位置坐标范围的分布情况,以运动时间最短为目标,计算生成第二规划路径,并通过xy方向的电机驱动运动平台11按照第二规划路径进行运动。在运动过程中,通过小视野高倍率采集模块1202逐一遍历疑似缺陷坐标位置,对可能存在的微小缺陷进行放大成像,并将图像传输给控制器13(如图3所示)。然后通过第二图像处理模块1304遍历采集到的疑似缺陷的局部放大图像,进行缺陷细分类检测,确定缺陷类型及坐标并保存,从而得到缺陷检测结果,并可用于对比显示。最后,关闭小视野高倍率采集模块1202的视频流以及光源,并控制步进电机将系统位置归于初始位置,以备下一次使用。
具体的,上述第二图像处理模块1304包括:图像集获取子模块,用于获取上述小视野高倍率采集模块1202采集到的疑似缺陷位置的局部放大图像,形成第二待处理图像集。缺陷分类子模块,用于利用预置的缺陷分类模型对上述第二待处理图像集中的图像进行缺陷细分类推理,确定缺陷类型。缺陷统计子模块,用于统计并保存缺陷类型及缺陷位置对应的坐标,生成缺陷结果文件集进行缺陷图像显示。示例性的,上述预置的缺陷分类模型的训练过程包括:对小视野高倍率采集模块1202采集到的大幅面样本的高精度微小缺陷数据进行标注,得到样本数据,然后利用样本数据去训练缺陷检测网络yolov5,在训练200轮后得到优化后的缺陷分类模型。
请参照图4,图4所示为本申请实施例提供的一种基于双精度成像模组12的大幅面微小缺陷检测方法的流程图,该方法包括以下步骤:
步骤S1:将待检测的大幅面物品放置在运动平台11上,并用夹具固定;
步骤S2:启动大视野低倍率采集模块1201,控制z轴电机运动对焦;
步骤S3:根据大幅面物品的尺寸信息和大视野低倍率采集模块1201的视野范围信息确定移动拍摄视野数量,生成第一规划路径,并通过xy方向的电机驱动上述运动平台11按照上述第一规划路径进行运动;
步骤S4:通过大视野低倍率采集模块1201进行图像采集,并遍历上述大视野低倍率采集模块1201采集到的大视野局部图像,进行缺陷检测,确定疑似缺陷位置坐标范围并保存;
步骤S5:关闭大视野低倍率采集模块1201,开启小视野高倍率采集模块1202,并控制z轴电机运动对焦;
步骤S6:根据上述疑似缺陷位置坐标范围的分布情况,计算生成第二规划路径,并通过xy方向的电机驱动上述运动平台11按照上述第二规划路径进行运动;
步骤S7:通过小视野高倍率采集模块1202进行图像采集,并遍历上述小视野高倍率采集模块1202采集到的疑似缺陷的局部放大图像,进行缺陷细分类检测,确定缺陷类型及坐标并保存。
上述方法通过利用三维运动平台11和大视野低精度成像模组进行大幅面区域内的逐点遍历式图像采集,经过图像处理算法判定获得疑似缺陷区域位置及坐标范围。然后使用小视野高精度成像模组逐个扫描疑似缺陷区域,进行缺陷细分类检测,最终确定并输出对应的缺陷类型和坐标。本申请能够同时兼顾大幅面物品的缺陷检测速度和精度,对大尺寸材料、器件、模组的品控、维护和质量追溯具有指导价值。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (6)
1.基于双精度成像模组的大幅面微小缺陷检测系统,其特征在于,包括:
运动平台,用于放置待检测的大幅面物品,并在电机的驱动下按照规划路径进行运动;
双精度成像模组,安装于z轴竖直面板上,用于在电机的驱动下实现对焦后进行图像采集,并将图像发送给控制器;
所述双精度成像模组包括大视野低倍率采集模块和小视野高倍率采集模块,所述大视野低倍率采集模块用于采集大幅面物品的大视野局部图像,所述小视野高倍率采集模块用于采集疑似缺陷的局部放大图像;
控制器,与所述电机和双精度成像模组连接,用于给所述运动平台规划相应的路径,以及对所述大视野低倍率采集模块采集到的图像进行缺陷检测,确定疑似缺陷位置坐标范围并保存;对所述小视野高倍率采集模块采集到的图像进行缺陷细分类检测,确定缺陷类型及坐标并保存。
2.如权利要求1所述的基于双精度成像模组的大幅面微小缺陷检测系统,其特征在于,所述控制器包括第一路径规划模块、第一图像处理模块、第二路径规划模块和第二图像处理模块;
第一路径规划模块,用于根据大幅面物品的尺寸信息和大视野低倍率采集模块的视野范围信息确定移动拍摄视野数量,生成第一规划路径,并通过xy方向的电机驱动所述运动平台按照所述第一规划路径进行运动;
第一图像处理模块,用于遍历所述大视野低倍率采集模块采集到的大视野局部图像,进行缺陷检测,确定疑似缺陷位置坐标范围并保存;
第二路径规划模块,用于根据所述疑似缺陷位置坐标范围的分布情况,计算生成第二规划路径,并通过xy方向的电机驱动所述运动平台按照所述第二规划路径进行运动;
第二图像处理模块,用于遍历所述小视野高倍率采集模块采集到的疑似缺陷的局部放大图像,进行缺陷细分类检测,确定缺陷类型及坐标并保存。
3.如权利要求2所述的基于双精度成像模组的大幅面微小缺陷检测系统,其特征在于,所述第一图像处理模块包括:
图像集获取子模块,用于获取所述大视野低倍率采集模块采集到的大视野局部图像,形成第一待处理图像集;
缺陷检测子模块,用于调用缺陷检测初步筛选算法遍历所述第一待处理图像集中的图像,检测出疑似缺陷位置区域;
疑似缺陷位置统计子模块,用于统计并保存疑似缺陷位置区域的坐标范围,生成疑似缺陷文件集。
4.如权利要求2所述的基于双精度成像模组的大幅面微小缺陷检测系统,其特征在于,所述第二图像处理模块包括:
图像集获取子模块,用于获取所述小视野高倍率采集模块采集到的疑似缺陷位置的局部放大图像,形成第二待处理图像集;
缺陷分类子模块,用于利用预置的缺陷分类模型对所述第二待处理图像集中的图像进行缺陷细分类推理,确定缺陷类型;
缺陷统计子模块,用于统计并保存缺陷类型及缺陷位置对应的坐标,生成缺陷结果文件集。
5.如权利要求1所述的基于双精度成像模组的大幅面微小缺陷检测系统,其特征在于,所述双精度成像模组由面阵COMS相机、不同倍率的镜头和对应的光源构成。
6.用于权利要求1-5中任一项所述的基于双精度成像模组的大幅面微小缺陷检测系统的方法,其特征在于,包括:
步骤S1:将待检测的大幅面物品放置在运动平台上,并用夹具固定;
步骤S2:启动大视野低倍率采集模块,控制z轴电机运动对焦;
步骤S3:根据大幅面物品的尺寸信息和大视野低倍率采集模块的视野范围信息确定移动拍摄视野数量,生成第一规划路径,并通过xy方向的电机驱动所述运动平台按照所述第一规划路径进行运动;
步骤S4:通过大视野低倍率采集模块进行图像采集,并遍历所述大视野低倍率采集模块采集到的大视野局部图像,进行缺陷检测,确定疑似缺陷位置坐标范围并保存;
步骤S5:关闭大视野低倍率采集模块,开启小视野高倍率采集模块,并控制z轴电机运动对焦;
步骤S6:根据所述疑似缺陷位置坐标范围的分布情况,计算生成第二规划路径,并通过xy方向的电机驱动所述运动平台按照所述第二规划路径进行运动;
步骤S7:通过小视野高倍率采集模块进行图像采集,并遍历所述小视野高倍率采集模块采集到的疑似缺陷的局部放大图像,进行缺陷细分类检测,确定缺陷类型及坐标并保存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377329.9A CN116402797A (zh) | 2023-04-10 | 2023-04-10 | 基于双精度成像模组的大幅面微小缺陷检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310377329.9A CN116402797A (zh) | 2023-04-10 | 2023-04-10 | 基于双精度成像模组的大幅面微小缺陷检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116402797A true CN116402797A (zh) | 2023-07-07 |
Family
ID=87011940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310377329.9A Pending CN116402797A (zh) | 2023-04-10 | 2023-04-10 | 基于双精度成像模组的大幅面微小缺陷检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402797A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115147A (zh) * | 2023-10-19 | 2023-11-24 | 山东华盛创新纺织科技有限公司 | 一种基于机器视觉的纺织品检测方法及系统 |
CN117218125A (zh) * | 2023-11-09 | 2023-12-12 | 荣耀终端有限公司 | 显示屏缺陷的检测方法、设备、存储介质、装置及系统 |
-
2023
- 2023-04-10 CN CN202310377329.9A patent/CN116402797A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117115147A (zh) * | 2023-10-19 | 2023-11-24 | 山东华盛创新纺织科技有限公司 | 一种基于机器视觉的纺织品检测方法及系统 |
CN117115147B (zh) * | 2023-10-19 | 2024-01-26 | 山东华盛创新纺织科技有限公司 | 一种基于机器视觉的纺织品检测方法及系统 |
CN117218125A (zh) * | 2023-11-09 | 2023-12-12 | 荣耀终端有限公司 | 显示屏缺陷的检测方法、设备、存储介质、装置及系统 |
CN117218125B (zh) * | 2023-11-09 | 2024-05-03 | 荣耀终端有限公司 | 显示屏缺陷的检测方法、设备、存储介质、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116402797A (zh) | 基于双精度成像模组的大幅面微小缺陷检测系统及方法 | |
CN110126467B (zh) | 一种适用于大面积基板打印的融合墨液检测装置及方法 | |
CN106323600B (zh) | 一种级联分布式aoi缺陷检测系统及其检测方法 | |
CN107843599B (zh) | 一种基于aoi的面板检测判等方法与装置 | |
US7386161B2 (en) | Method and apparatus for flat patterned media inspection | |
CN110501347A (zh) | 一种快速自动化光学检测系统及方法 | |
CN111340798A (zh) | 深度学习在产品外观瑕疵检测中的应用 | |
KR20070012554A (ko) | 주문형 자동 광학 검사 서브 시스템을 이용하는 티에프티엘씨디 패널의 개선된 검사 | |
CN105938243A (zh) | 一种tft-lcd检测中多倍率显微镜快速对焦方法 | |
CN114113114B (zh) | 一种大口径元件表面微缺陷检测与修复的自动化工艺方法 | |
CN115184359A (zh) | 一种自动调参的表面缺陷检测系统与方法 | |
CN110567976A (zh) | 基于机器视觉的手机盖板丝印缺陷检测装置及检测方法 | |
CN106468572A (zh) | 多关节机器人动态性能测评系统 | |
US7636466B2 (en) | System and method for inspecting workpieces having microscopic features | |
CN106018415A (zh) | 基于显微视觉的微小零件质量检测系统 | |
CN104992446A (zh) | 非线性光照自适应的图像拼接方法及其实现系统 | |
CN106773158A (zh) | 一种移动式自寻位液晶屏像素质量分析装置和方法 | |
CN109470698A (zh) | 基于显微照相矩阵的跨尺度夹杂物快速分析仪器及方法 | |
CN112730442A (zh) | 基于机器视觉的产品表面缺陷自动在线检测装置及系统 | |
CN108489830A (zh) | 裂纹扩展测量系统 | |
CN106989905A (zh) | 一种发光面板多功能检测方法及设备 | |
KR20100093213A (ko) | 휘도값을 이용한 글래스 기판 상의 이물 감지 시스템 및 그방법 | |
CN116256366A (zh) | 一种芯片缺陷的检测方法、检测系统及存储介质 | |
CN113327243B (zh) | 基于AYOLOv3-Tiny新框架的PAD导光板缺陷可视化检测方法 | |
CN110148141A (zh) | 一种丝印滤光片小片检测计数方法及设备 |
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 |