CN116818769B - 一种基于机器视觉的异常检测方法及系统 - Google Patents
一种基于机器视觉的异常检测方法及系统 Download PDFInfo
- Publication number
- CN116818769B CN116818769B CN202310724417.1A CN202310724417A CN116818769B CN 116818769 B CN116818769 B CN 116818769B CN 202310724417 A CN202310724417 A CN 202310724417A CN 116818769 B CN116818769 B CN 116818769B
- Authority
- CN
- China
- Prior art keywords
- product
- detection
- standard data
- image
- substrate
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 201
- 230000005856 abnormality Effects 0.000 title claims abstract description 82
- 239000000758 substrate Substances 0.000 claims abstract description 130
- 238000012795 verification Methods 0.000 claims abstract description 79
- 230000002159 abnormal effect Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000010224 classification analysis Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G01N21/8851—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
Abstract
本发明涉及机器视觉技术领域,具体公开了一种基于机器视觉的异常检测方法及系统。本发明通过获取检测标准数据,提取中心标准数据和标识标准数据;生成并显示电子基板图像;接收产品直接拍摄电子基板图像的直接检测图像;在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像;对产品拍摄图像进行分析,验证判断是否具有产品异常。能够接收产品直接拍摄电子基板图像的直接检测图像,分析判断是否具有直接检测异常,无需人工进行检测与判断,提高中心点检测的速度与效率,并在具有直接检测异常时,进行间接拍摄产品,按照标识标准数据进行验证分析,避免将错误的异常结果直接认定为产品异常,无需重复检测或正常产品返工,降低产品生产成本。
Description
技术领域
本发明属于机器视觉技术领域,尤其涉及一种基于机器视觉的异常检测方法及系统。
背景技术
机器视觉,是用机器代替人眼来做测量和判断的技术。机器视觉最基本的特点就是提高生产的灵活性和自动化程度,在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉。同时,在大批量重复性工业生产过程中,用机器视觉检测方法可以大大提高生产的效率和自动化程度。
现有技术中,对于摄像头产品的中心点检测,没有将机器视觉进行有效的应用,主要还是通过人工进行检测与判断,导致中心点检测速度慢、效率低,且无法对人工检测进行异常的验证,容易将人工操作不当导致检测出的异常结果,直接认定为产品异常,造成产品的异常检测错误率高,有时需要人工重复检测或正常产品返工,增加了不必要的产品生产成本。
发明内容
本发明实施例的目的在于提供一种基于机器视觉的异常检测方法及系统,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种基于机器视觉的异常检测方法,所述方法具体包括以下步骤:
获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据;
按照所述中心标准数据,生成并显示电子基板图像;
接收产品直接拍摄所述电子基板图像的直接检测图像,分析判断是否具有直接检测异常;
在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像;
根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常。
作为本发明实施例技术方案进一步的限定,所述获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据具体包括以下步骤:
接收检测规划信息,确定待检测的目标产品;
获取所述目标产品的检测标准数据;
对所述检测标准数据进行分类分析,生成分类分析结果;
按照所述分类分析结果,从所述检测标准数据中,提取中心标准数据和标识标准数据。
作为本发明实施例技术方案进一步的限定,所述按照所述中心标准数据,生成并显示电子基板图像具体包括以下步骤:
按照所述中心标准数据,确定基板中心点和基板偏差范围;
根据所述基板中心点和所述基板偏差范围,构造电子基板图像;
显示所述电子基板图像。
作为本发明实施例技术方案进一步的限定,所述接收产品直接拍摄所述电子基板图像的直接检测图像,分析判断是否具有直接检测异常具体包括以下步骤:
在产品检测时,接收产品直接拍摄所述电子基板图像的直接检测图像;
识别确定所述直接检测图像中的直接中心点和基板偏差区域;
将所述直接中心点与所述基板偏差区域进行重叠比较,生成重叠比较结果;
根据所述重叠比较结果,判断是否具有直接检测异常。
作为本发明实施例技术方案进一步的限定,所述在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像具体包括以下步骤:
在具有直接检测异常时,生成异常验证指令;
根据所述异常验证指令,在产品上方对产品进行间接拍摄,获取产品拍摄图像。
作为本发明实施例技术方案进一步的限定,所述根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常具体包括以下步骤:
识别所述产品拍摄图像中的验证标识;
根据所述标识标准数据,对验证标识依次进行面积验证和位置验证,并判断是否验证通过;
若面积验证和位置验证均通过,则判定产品异常;
若面积验证和/或位置验证不通过,则判定检验异常,并进行维护报警。
一种基于机器视觉的异常检测系统,所述系统包括标准数据处理单元、电子基板生成单元、直接检测判断单元、产品间接拍摄单元和图像验证判断单元,其中:
标准数据处理单元,用于获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据;
电子基板生成单元,用于按照所述中心标准数据,生成并显示电子基板图像;
直接检测判断单元,用于接收产品直接拍摄所述电子基板图像的直接检测图像,分析判断是否具有直接检测异常;
产品间接拍摄单元,用于在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像;
图像验证判断单元,用于根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常。
作为本发明实施例技术方案进一步的限定,所述标准数据处理单元具体包括:
产品确定模块,用于接收检测规划信息,确定待检测的目标产品;
数据获取模块,用于获取所述目标产品的检测标准数据;
分类分析模块,用于对所述检测标准数据进行分类分析,生成分类分析结果;
数据提取模块,用于按照所述分类分析结果,从所述检测标准数据中,提取中心标准数据和标识标准数据。
作为本发明实施例技术方案进一步的限定,所述电子基板生成单元具体包括:
基板分析模块,用于按照所述中心标准数据,确定基板中心点和基板偏差范围;
基板构造模块,用于根据所述基板中心点和所述基板偏差范围,构造电子基板图像;
基板显示模块,用于显示所述电子基板图像。
作为本发明实施例技术方案进一步的限定,所述直接检测判断单元具体包括:
图像接收模块,用于在产品检测时,接收产品直接拍摄所述电子基板图像的直接检测图像;
识别处理模块,用于识别确定所述直接检测图像中的直接中心点和基板偏差区域;
重叠比较模块,用于将所述直接中心点与所述基板偏差区域进行重叠比较,生成重叠比较结果;
直接异常判断模块,用于根据所述重叠比较结果,判断是否具有直接检测异常。
与现有技术相比,本发明的有益效果是:
(1)本发明能够生成并显示电子基板图像,通过接收产品直接拍摄电子基板图像的直接检测图像,自动分析判断是否具有直接检测异常,无需人工进行检测与判断,有效提高中心点检测的速度与效率;
(2)本发明能够在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像,根据标识标准数据,进行异常验证,判断是否具有产品异常,能够避免将错误的异常结果直接认定为产品异常,且无需重复检测或正常产品返工,有效降低产品生产成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅是本发明的一些实施例。
图1示出了本发明实施例提供的方法的流程图。
图2示出了本发明实施例提供的方法中检测标准数据处理的流程图。
图3示出了本发明实施例提供的方法中构造电子基板图像的流程图。
图4示出了本发明实施例提供的方法中直接检测异常分析判断的流程图。
图5示出了本发明实施例提供的方法中产品上方间接拍摄的流程图。
图6示出了本发明实施例提供的方法中产品异常验证判断的流程图。
图7示出了本发明实施例提供的系统的应用架构图。
图8示出了本发明实施例提供的系统中标准数据处理单元的结构框图。
图9示出了本发明实施例提供的系统中电子基板生成单元的结构框图。
图10示出了本发明实施例提供的系统中直接检测判断单元的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,现有技术中,对于摄像头产品的中心点检测,没有将机器视觉进行有效的应用,主要还是通过人工进行检测与判断,导致中心点检测速度慢、效率低,且无法对人工检测进行异常的验证,容易将人工操作不当导致检测出的异常结果,直接认定为产品异常,造成产品的异常检测错误率高,有时需要人工重复检测或正常产品返工,增加了不必要的产品生产成本。
为解决上述问题,本发明实施例通过获取检测标准数据,提取中心标准数据和标识标准数据;生成并显示电子基板图像;接收产品直接拍摄电子基板图像的直接检测图像;在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像;根据标识标准数据,对产品拍摄图像进行分析,验证判断是否具有产品异常。能够接收产品直接拍摄电子基板图像的直接检测图像,分析判断是否具有直接检测异常,无需人工进行检测与判断,提高中心点检测的速度与效率,并在具有直接检测异常时,进行间接拍摄产品,按照标识标准数据进行验证分析,避免将错误的异常结果直接认定为产品异常,无需重复检测或正常产品返工,降低产品生产成本。
图1示出了本发明实施例提供的方法的流程图。
具体的,在本发明提供的一个优选实施方式中,一种基于机器视觉的异常检测方法,所述方法具体包括以下步骤:
步骤S101,获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据。
在本发明实施例中,通过接收检测规划信息,对检测规划信息进行目标分析,确定待检测的目标产品,进而从预设的生产标准数据库中,筛选获取目标产品的检测标准数据,在通过对检测标准数据进行分类分析,生成分类分析结果,按照分类分析结果,从检测标准数据中,提取出中心标准数据和标识标准数据,其中,中心标准数据为异常检测过程中的标准,标识标准数据为异常验证过程中的标准。
具体的,图2示出了本发明实施例提供的方法中检测标准数据处理的流程图。
其中,在本发明提供的优选实施方式中,所述获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据具体包括以下步骤:
步骤S1011,接收检测规划信息,确定待检测的目标产品。
步骤S1012,获取所述目标产品的检测标准数据。
步骤S1013,对所述检测标准数据进行分类分析,生成分类分析结果。
步骤S1014,按照所述分类分析结果,从所述检测标准数据中,提取中心标准数据和标识标准数据。
进一步的,所述基于机器视觉的异常检测方法还包括以下步骤:
步骤S102,按照所述中心标准数据,生成并显示电子基板图像。
在本发明实施例中,通过在预设的电子基板底座上构建底座坐标系,对中心标准数据进行数据分析,获取标准的目标产品的中心点坐标,确定基板中心点,并获取中心点正常偏差的边界坐标,确定基板偏差范围,进而根据基板中心点和基板偏差范围,构造电子基板图像,并将电子基板图像在电子基板底座上进行显示,整个过程中,无需工作人员手动制作基板,且构造的电子基板图像,相较于手动制作的基板,基板中心点和基板偏差范围更加精确,从而能够提高产品异常检测的精确性。
具体的,图3示出了本发明实施例提供的方法中构造电子基板图像的流程图。
其中,在本发明提供的优选实施方式中,所述按照所述中心标准数据,生成并显示电子基板图像具体包括以下步骤:
步骤S1021,按照所述中心标准数据,确定基板中心点和基板偏差范围。
步骤S1022,根据所述基板中心点和所述基板偏差范围,构造电子基板图像。
步骤S1023,显示所述电子基板图像。
进一步的,所述基于机器视觉的异常检测方法还包括以下步骤:
步骤S103,接收产品直接拍摄所述电子基板图像的直接检测图像,分析判断是否具有直接检测异常。
在本发明实施例中,在进行产品检测时,完成对目标产品的夹持之后,目标产品对电子基板图像进行直接拍摄,通过获取目标产品直接拍摄的直接检测图像,识别直接检测图像的直接中心点,并识别直接检测图像中拍摄到的电子基板图像,标记直接检测图像中的电子基板图像所对应的基板偏差区域,将直接中心点与基板偏差区域进行重叠比较,判断直接中心点是否在基板偏差区域之内,生成重叠比较结果,按照重叠比较结果,在直接中心点在基板偏差区域之内时,判定不具有直接检测异常;在直接中心点不在基板偏差区域之内时,判定具有直接检测异常,从而自动分析判断是否具有直接检测异常,无需人工进行检测与判断,有效提高中心点检测的速度与效率。
具体的,图4示出了本发明实施例提供的方法中直接检测异常分析判断的流程图。
其中,在本发明提供的优选实施方式中,所述接收产品直接拍摄所述电子基板图像的直接检测图像,分析判断是否具有直接检测异常具体包括以下步骤:
步骤S1031,在产品检测时,接收产品直接拍摄所述电子基板图像的直接检测图像。
步骤S1032,识别确定所述直接检测图像中的直接中心点和基板偏差区域。
步骤S1033,将所述直接中心点与所述基板偏差区域进行重叠比较,生成重叠比较结果。
步骤S1034,根据所述重叠比较结果,判断是否具有直接检测异常。
进一步的,所述基于机器视觉的异常检测方法还包括以下步骤:
步骤S104,在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像。
在本发明实施例中,在具有直接检测异常时,生成异常验证指令,此时,按照异常验证指令,在目标产品的上方,对目标产品进行间接拍摄,拍摄角度为竖直向下,获取拍摄到的产品拍摄图像。
具体的,图5示出了本发明实施例提供的方法中产品上方间接拍摄的流程图。
其中,在本发明提供的优选实施方式中,所述在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像具体包括以下步骤:
步骤S1041,在具有直接检测异常时,生成异常验证指令。
步骤S1042,根据所述异常验证指令,在产品上方对产品进行间接拍摄,获取产品拍摄图像。
进一步的,所述基于机器视觉的异常检测方法还包括以下步骤:
步骤S105,根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常。
在本发明实施例中,通过对标识标准数据进行分析,确定标准的目标产品所对应的标准面积和标准位置,进而识别产品拍摄图像中的验证标识,计算产品拍摄图像中验证标识的标识面积,将标识面积与标准面积进行比较,若标识面积与标准面积相同,则表明目标产品放置水平,标识面积验证通过;若标识面积与标准面积不同,则表明目标产品放置倾斜,标识面积验证不通过,再构建产品拍摄图像的图像坐标,识别验证标识在产品拍摄图像中的坐标位置,将坐标位置与标准位置进行比较,若坐标位置与标准位置一致,则表明目标产品检测放置正确,位置验证通过;若坐标位置与标准位置不一致,则表明目标产品检测放置不正确,位置验证不通过,最后综合面积验证和位置验证的结果,若面积验证和位置验证均通过,则判定产品异常;若面积验证和/或位置验证不通过,则判定检验异常,并进行维护报警,从而能够避免将错误的异常结果直接认定为产品异常,且无需重复检测或正常产品返工维修,能够有效降低产品生产和检验的成本。
可以理解的是,目标产品进行异常检测时,前部的摄像头竖直向下,后部保持水平,且后部粘贴或激光标记有验证标识,能够通过对目标产品后部的验证标识进行面积验证和位置验证,分析目标产品的异常检验是否正确放置,进而判断是否为检验异常。
具体的,图6示出了本发明实施例提供的方法中产品异常验证判断的流程图。
其中,在本发明提供的优选实施方式中,所述根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常具体包括以下步骤:
步骤S1051,识别所述产品拍摄图像中的验证标识。
步骤S1052,根据所述标识标准数据,对验证标识依次进行面积验证和位置验证,并判断是否验证通过。
步骤S1053,若面积验证和位置验证均通过,则判定产品异常。
步骤S1054,若面积验证和/或位置验证不通过,则判定检验异常,并进行维护报警。
进一步的,图7示出了本发明实施例提供的系统的应用架构图。
其中,在本发明提供的又一个优选实施方式中,一种基于机器视觉的异常检测系统,包括:
标准数据处理单元101,用于获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据。
在本发明实施例中,标准数据处理单元101通过接收检测规划信息,对检测规划信息进行目标分析,确定待检测的目标产品,进而从预设的生产标准数据库中,筛选获取目标产品的检测标准数据,在通过对检测标准数据进行分类分析,生成分类分析结果,按照分类分析结果,从检测标准数据中,提取出中心标准数据和标识标准数据,其中,中心标准数据为异常检测过程中的标准,标识标准数据为异常验证过程中的标准。
具体的,图8示出了本发明实施例提供的系统中标准数据处理单元101的结构框图。
其中,在本发明提供的优选实施方式中,所述标准数据处理单元101具体包括:
产品确定模块1011,用于接收检测规划信息,确定待检测的目标产品。
数据获取模块1012,用于获取所述目标产品的检测标准数据。
分类分析模块1013,用于对所述检测标准数据进行分类分析,生成分类分析结果。
数据提取模块1014,用于按照所述分类分析结果,从所述检测标准数据中,提取中心标准数据和标识标准数据。
进一步的,所述基于机器视觉的异常检测系统还包括:
电子基板生成单元102,用于按照所述中心标准数据,生成并显示电子基板图像。
在本发明实施例中,电子基板生成单元102通过在预设的电子基板底座上构建底座坐标系,对中心标准数据进行数据分析,获取标准的目标产品的中心点坐标,确定基板中心点,并获取中心点正常偏差的边界坐标,确定基板偏差范围,进而根据基板中心点和基板偏差范围,构造电子基板图像,并将电子基板图像在电子基板底座上进行显示,整个过程中,无需工作人员手动制作基板,且构造的电子基板图像,相较于手动制作的基板,基板中心点和基板偏差范围更加精确,从而能够提高产品异常检测的精确性。
具体的,图9示出了本发明实施例提供的系统中电子基板生成单元102的结构框图。
其中,在本发明提供的优选实施方式中,所述电子基板生成单元102具体包括:
基板分析模块1021,用于按照所述中心标准数据,确定基板中心点和基板偏差范围。
基板构造模块1022,用于根据所述基板中心点和所述基板偏差范围,构造电子基板图像。
基板显示模块1023,用于显示所述电子基板图像。
进一步的,所述基于机器视觉的异常检测系统还包括:
直接检测判断单元103,用于接收产品直接拍摄所述电子基板图像的直接检测图像,分析判断是否具有直接检测异常。
在本发明实施例中,在进行产品检测时,完成对目标产品的夹持之后,目标产品对电子基板图像进行直接拍摄,直接检测判断单元103通过获取目标产品直接拍摄的直接检测图像,识别直接检测图像的直接中心点,并识别直接检测图像中拍摄到的电子基板图像,标记直接检测图像中的电子基板图像所对应的基板偏差区域,将直接中心点与基板偏差区域进行重叠比较,判断直接中心点是否在基板偏差区域之内,生成重叠比较结果,直接检测判断单元103按照重叠比较结果,在直接中心点在基板偏差区域之内时,判定不具有直接检测异常;在直接中心点不在基板偏差区域之内时,判定具有直接检测异常,从而自动分析判断是否具有直接检测异常,无需人工进行检测与判断,有效提高中心点检测的速度与效率。
具体的,图10示出了本发明实施例提供的系统中直接检测判断单元103的结构框图。
其中,在本发明提供的优选实施方式中,所述直接检测判断单元103具体包括:
图像接收模块1031,用于在产品检测时,接收产品直接拍摄所述电子基板图像的直接检测图像。
识别处理模块1032,用于识别确定所述直接检测图像中的直接中心点和基板偏差区域。
重叠比较模块1033,用于将所述直接中心点与所述基板偏差区域进行重叠比较,生成重叠比较结果。
直接异常判断模块1034,用于根据所述重叠比较结果,判断是否具有直接检测异常。
进一步的,所述基于机器视觉的异常检测系统还包括:
产品间接拍摄单元104,用于在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像。
在本发明实施例中,产品间接拍摄单元104在具有直接检测异常时,生成异常验证指令,此时,按照异常验证指令,在目标产品的上方,对目标产品进行间接拍摄,拍摄角度为竖直向下,获取拍摄到的产品拍摄图像。
图像验证判断单元105,用于根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常。
在本发明实施例中,图像验证判断单元105通过对标识标准数据进行分析,确定标准的目标产品所对应的标准面积和标准位置,进而识别产品拍摄图像中的验证标识,计算产品拍摄图像中验证标识的标识面积,将标识面积与标准面积进行比较,若标识面积与标准面积相同,则表明目标产品放置水平,标识面积验证通过;若标识面积与标准面积不同,则表明目标产品放置倾斜,标识面积验证不通过,再构建产品拍摄图像的图像坐标,识别验证标识在产品拍摄图像中的坐标位置,将坐标位置与标准位置进行比较,若坐标位置与标准位置一致,则表明目标产品检测放置正确,位置验证通过;若坐标位置与标准位置不一致,则表明目标产品检测放置不正确,位置验证不通过,最后综合面积验证和位置验证的结果,若面积验证和位置验证均通过,则判定产品异常;若面积验证和/或位置验证不通过,则判定检验异常,并进行维护报警,从而能够避免将错误的异常结果直接认定为产品异常,且无需重复检测或正常产品返工维修,能够有效降低产品生产和检验的成本。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于机器视觉的异常检测方法,其特征在于,所述方法具体包括以下步骤:
获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据;
按照所述中心标准数据,生成并显示电子基板图像;
接收产品直接拍摄所述电子基板图像的直接检测图像,分析判断是否具有直接检测异常;具体包括以下步骤:在产品检测时,接收产品直接拍摄所述电子基板图像的直接检测图像;识别确定所述直接检测图像中的直接中心点和基板偏差区域;将所述直接中心点与所述基板偏差区域进行重叠比较,生成重叠比较结果;根据所述重叠比较结果,判断是否具有直接检测异常;
在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像;具体包括以下步骤:在具有直接检测异常时,生成异常验证指令;根据所述异常验证指令,在产品上方对产品进行间接拍摄,获取产品拍摄图像;
根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常,具体包括以下步骤:识别所述产品拍摄图像中的验证标识;根据所述标识标准数据,对验证标识依次进行面积验证和位置验证,并判断是否验证通过;若面积验证和位置验证均通过,则判定产品异常;若面积验证和/或位置验证不通过,则判定检验异常,并进行维护报警。
2.根据权利要求1所述的基于机器视觉的异常检测方法,其特征在于,所述获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据具体包括以下步骤:
接收检测规划信息,确定待检测的目标产品;获取所述目标产品的检测标准数据;对所述检测标准数据进行分类分析,生成分类分析结果;
按照所述分类分析结果,从所述检测标准数据中,提取中心标准数据和标识标准数据。
3.根据权利要求1所述的基于机器视觉的异常检测方法,其特征在于,所述按照所述中心标准数据,生成并显示电子基板图像具体包括以下步骤:
按照所述中心标准数据,确定基板中心点和基板偏差范围;根据所述基板中心点和所述基板偏差范围,构造电子基板图像;显示所述电子基板图像。
4.一种基于机器视觉的异常检测系统,其特征在于,所述系统包括标准数据处理单元、
电子基板生成单元、直接检测判断单元、产品间接拍摄单元和图像验证判断单元,其中:标准数据处理单元,用于获取检测标准数据,从所述检测标准数据中,提取中心标准数据和标识标准数据;
电子基板生成单元,用于按照所述中心标准数据,生成并显示电子基板图像;
直接检测判断单元,用于接收产品直接拍摄所述电子基板图像的直接检测图像,分析
判断是否具有直接检测异常;
产品间接拍摄单元,用于在具有直接检测异常时,获取间接拍摄产品的产品拍摄图像;
图像验证判断单元,用于根据所述标识标准数据,对所述产品拍摄图像进行分析,验证判断是否具有产品异常;
所述直接检测判断单元具体包括:图像接收模块,用于在产品检测时,接收产品直接拍摄所述电子基板图像的直接检测
图像;识别处理模块,用于识别确定所述直接检测图像中的直接中心点和基板偏差区域;重叠比较模块,用于将所述直接中心点与所述基板偏差区域进行重叠比较,生成重叠
比较结果;直接异常判断模块,用于根据所述重叠比较结果,判断是否具有直接检测异常。
5.根据权利要求4所述的基于机器视觉的异常检测系统,其特征在于,所述标准数据处理单元具体包括:
产品确定模块,用于接收检测规划信息,确定待检测的目标产品;
数据获取模块,用于获取所述目标产品的检测标准数据;
分类分析模块,用于对所述检测标准数据进行分类分析,生成分类分析结果;
数据提取模块,用于按照所述分类分析结果,从所述检测标准数据中,提取中心标准数据和标识标准数据。
6.根据权利要求4所述的基于机器视觉的异常检测系统,其特征在于,所述电子基板生成单元具体包括:
基板分析模块,用于按照所述中心标准数据,确定基板中心点和基板偏差范围;
基板构造模块,用于根据所述基板中心点和所述基板偏差范围,构造电子基板图像;
基板显示模块,用于显示所述电子基板图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310724417.1A CN116818769B (zh) | 2023-06-19 | 2023-06-19 | 一种基于机器视觉的异常检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310724417.1A CN116818769B (zh) | 2023-06-19 | 2023-06-19 | 一种基于机器视觉的异常检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116818769A CN116818769A (zh) | 2023-09-29 |
CN116818769B true CN116818769B (zh) | 2024-04-23 |
Family
ID=88142270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310724417.1A Active CN116818769B (zh) | 2023-06-19 | 2023-06-19 | 一种基于机器视觉的异常检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116818769B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130039844A (ko) * | 2011-10-13 | 2013-04-23 | 주식회사 나임코리아 | 지능형 카메라 장치 및 이를 이용한 지능형 감시방법 |
CN107255557A (zh) * | 2017-05-02 | 2017-10-17 | 深圳大学 | 一种摄像头的光学中心检测方法及装置 |
CN110992313A (zh) * | 2019-11-15 | 2020-04-10 | 同致电子科技(厦门)有限公司 | 一种基于机器视觉的摄像头图像中心检测及中心调整方法 |
CN114520911A (zh) * | 2022-02-17 | 2022-05-20 | 电子科技大学成都学院 | 测量异常识别控制方法、计算机设备及存储介质 |
CN115225890A (zh) * | 2022-06-22 | 2022-10-21 | 上海闻泰信息技术有限公司 | 测试摄像头视场角的方法、装置、终端设备及存储介质 |
CN115796660A (zh) * | 2022-11-17 | 2023-03-14 | 安徽电信规划设计有限责任公司 | 一种基于大数据的制造业产品质量监测方法及系统 |
-
2023
- 2023-06-19 CN CN202310724417.1A patent/CN116818769B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130039844A (ko) * | 2011-10-13 | 2013-04-23 | 주식회사 나임코리아 | 지능형 카메라 장치 및 이를 이용한 지능형 감시방법 |
CN107255557A (zh) * | 2017-05-02 | 2017-10-17 | 深圳大学 | 一种摄像头的光学中心检测方法及装置 |
CN110992313A (zh) * | 2019-11-15 | 2020-04-10 | 同致电子科技(厦门)有限公司 | 一种基于机器视觉的摄像头图像中心检测及中心调整方法 |
CN114520911A (zh) * | 2022-02-17 | 2022-05-20 | 电子科技大学成都学院 | 测量异常识别控制方法、计算机设备及存储介质 |
CN115225890A (zh) * | 2022-06-22 | 2022-10-21 | 上海闻泰信息技术有限公司 | 测试摄像头视场角的方法、装置、终端设备及存储介质 |
CN115796660A (zh) * | 2022-11-17 | 2023-03-14 | 安徽电信规划设计有限责任公司 | 一种基于大数据的制造业产品质量监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116818769A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507261B (zh) | 一种基于视觉目标定位的工序操作质量监控方法 | |
US11126860B2 (en) | Abnormality detection device, abnormality detection method, and storage medium | |
CN107220969A (zh) | 产品灯位的测试方法及检测系统 | |
US20080225131A1 (en) | Image Analysis System and Image Analysis Method | |
CN112749656A (zh) | 基于ORB特征匹配与yolo的空气开关状态检测方法及装置 | |
CN116818769B (zh) | 一种基于机器视觉的异常检测方法及系统 | |
CN112016509B (zh) | 人员站位异常提醒方法及装置 | |
CN112053333B (zh) | 一种基于机器视觉的方坯检测方法、系统、设备及介质 | |
CN113724240A (zh) | 一种基于视觉识别的冷柜脚轮检测方法、系统及装置 | |
KR101774815B1 (ko) | 커서 위치 인식 테스트 자동화 시스템 및 이를 이용한 커서 위치 인식 테스트자동화 방법 | |
CN111507231B (zh) | 工序步骤正确性自动化检测方法和系统 | |
TWI785579B (zh) | 元件辨識模型之自動模型重建方法及系統 | |
KR20150104766A (ko) | 검사공정에서의 불량 이력 추적 방법 | |
CN114596309A (zh) | 焊缝缺陷的检测、模型训练方法、系统、设备和存储介质 | |
TW201327243A (zh) | 自動判別零件正確性的方法 | |
CN114913119A (zh) | 一种半导体晶圆检测工艺中的自动探针状态识别方法 | |
CN109974784B (zh) | 一种用于机房检测的半自动检测设备 | |
CN114155914A (zh) | 基于宏基因组拼接错误的检测校正系统 | |
CN104677906A (zh) | 影像信息检测方法 | |
CN114494103A (zh) | 缺陷检测方法及检测装置 | |
TWI579581B (zh) | 熱源檢測裝置、系統及其方法 | |
CN111460198A (zh) | 一种图片时间戳的审核方法及装置 | |
CN117471392B (zh) | 探针针尖的检测方法、系统、电子设备及存储介质 | |
CN112990309B (zh) | 检测仪表设备是否存在异物遮挡的方法及系统 | |
CN117075556B (zh) | 一种基于物联网的智能仪表装配方法及系统 |
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 |