CN117333488B - 一种手机主板缺陷视觉检测方法和系统 - Google Patents
一种手机主板缺陷视觉检测方法和系统 Download PDFInfo
- Publication number
- CN117333488B CN117333488B CN202311631057.7A CN202311631057A CN117333488B CN 117333488 B CN117333488 B CN 117333488B CN 202311631057 A CN202311631057 A CN 202311631057A CN 117333488 B CN117333488 B CN 117333488B
- Authority
- CN
- China
- Prior art keywords
- coupling
- glue
- visual image
- mobile phone
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 159
- 230000007547 defect Effects 0.000 title claims abstract description 87
- 238000001514 detection method Methods 0.000 title claims abstract description 47
- 238000010168 coupling process Methods 0.000 claims abstract description 170
- 230000008878 coupling Effects 0.000 claims abstract description 168
- 238000005859 coupling reaction Methods 0.000 claims abstract description 168
- 239000000853 adhesive Substances 0.000 claims abstract description 79
- 230000001070 adhesive effect Effects 0.000 claims abstract description 79
- 238000003708 edge detection Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 27
- 239000003292 glue Substances 0.000 claims description 191
- 239000003086 colorant Substances 0.000 claims description 12
- 238000011179 visual inspection Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008961 swelling Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 108010010803 Gelatin Proteins 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229920000159 gelatin Polymers 0.000 description 3
- 239000008273 gelatin Substances 0.000 description 3
- 235000019322 gelatine Nutrition 0.000 description 3
- 235000011852 gelatine desserts Nutrition 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- -1 bubble quantity Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth 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
本申请涉及视觉检测技术领域，公开了一种手机主板缺陷视觉检测方法和系统，该方法首先获取待检测手机主板胶面的第一视觉图像及第二视觉图像，然后根据第一视觉图像进行胶面特征识别得到胶面视觉图像以及根据第二视觉图像进行胶沿特征识别得到胶沿检测参数，然后再将胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，再根据胶面耦合图像得到胶面耦合区域的胶面耦合参数，最后再根据胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测。如此，根据胶面耦合参数及胶沿检测参数来综合判断点胶产生的缺陷，可以针对人工无法检测到的缺陷进行快速检测，以提高检测的准确性及检测效果。
Description
技术领域
本发明涉及视觉检测技术领域，具体涉及一种手机主板缺陷视觉检测方法及系统。
背景技术
手机主板上通常会有胶水，这些胶水用于固定或保护主板上的部件，如芯片、电池等，因此胶水的耐久性能对于手机主板的寿命等都非常重要。相关技术中，生产者对于手机主板点胶的缺陷检测局限于少胶、漏胶、残胶等外观缺陷，并且通过人工进行检测；对于一些非外观缺陷，因为人工无法进行准确检测而一般是不检，给手机主板的寿命带来较大影响；因此，手机生产行业对于手机主板缺陷检测手段及检测效果有待进一步完善与提高。
发明内容
本发明的主要目的是提供一种手机主板缺陷视觉检测方法及系统，旨在解决现有技术中针对手机主板检测手段单一、检测效果较差的技术问题。
为实现上述目的，第一方面，本申请实施例中提供了一种手机主板缺陷视觉检测方法，应用于视觉检测系统，所述方法包括：
获取待检测手机主板胶面的第一视觉图像及第二视觉图像，所述第一视觉图像为垂直光线视觉图像，所述第二视觉图像为倾斜光线视觉图像；
根据所述手机主板胶面的第一视觉图像进行胶面特征识别得到胶面视觉图像，其中，所述胶面视觉图像根据胶面厚度以不同的第一颜色输出；
基于所述手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数；
将所述胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，其中，所述标准胶面视觉图像以第二颜色输出，所述胶面耦合图像以第一颜色与第二颜色的耦合颜色输出；
根据所述胶面耦合图像得到胶面耦合区域的胶面耦合参数；
根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测。
进一步的，所述对所述手机主板胶面的第一视觉图像进行胶面特征识别得到胶面视觉图像，包括：
根据所述手机主板胶面的第一视觉图像进行胶面边界及元器件边界识别得到胶面区域；
获取所述胶面区域的胶面厚度，并根据胶面厚度进行胶面区域分隔得到不同厚度范围的胶面区域；
对所述不同厚度范围的胶面区域分别进行RGB色值函数赋值处理得到胶面视觉图像。
进一步的，所述对所述手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数，包括：
对所述第二视觉图像进行胶沿气泡特征识别得到胶沿气泡数量及胶沿气泡体积；和/或，
对所述第二视觉图像进行胶沿边界线识别得到胶沿平整度，其中，所述胶沿平整度为边界线平直段的尺寸与边界线总尺寸的比例。
进一步的，所述将所述胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，包括：
将所述胶面视觉图像与预先训练的标准胶面视觉图像进行位置耦合得到耦合区域，其中，所述耦合区域包括耦合溢出区域和/或耦合重叠区域；
将所述耦合溢出区域和/或耦合重叠区域进行RGB色值耦合运算得到RGB色值；
根据所述RGB色值输出所述胶面耦合图像。
进一步的，所述根据所述胶面耦合图像得到胶面耦合区域的胶面耦合参数，包括：
对所述耦合溢出区域进行面积测算得到溢出面积；和/或，
对所述耦合重叠区域进行RGB色值比对得到耦合重叠区颜色均匀度，其中，颜色种类越多，颜色均匀度越小。
进一步的，所述胶面视觉图像包括耦合溢出区域，所述胶沿检测参数包括胶沿气泡数量、胶沿气泡体积，所述胶面耦合参数包括溢出面积，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿气泡数量和/或胶沿气泡体积超过对应的预设数值，且耦合溢出面积大于预设面积阈值时，判断所述待检测手机主板存在脱胶的风险缺陷。
进一步的，所述胶面视觉图像包括耦合溢出区域，所述胶沿检测参数包括胶沿平整度，所述胶面耦合参数包括溢出面积，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿平整度小于预设平整度阈值，且耦合溢出面积大于预设面积阈值时，判断所述待检测手机主板存在脱胶的风险缺陷。
进一步的，所述胶面视觉图像包括耦合重叠区域，所述胶沿检测参数包括胶沿气泡数量、胶沿气泡体积，所述胶面耦合参数包括耦合重叠区的颜色均匀度，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿气泡数量和/或胶沿气泡体积超过对应的预设数值，且耦合重叠区的颜色均匀度小于预设均匀度阈值时，判断所述待检测手机主板存在胶面起鼓的风险缺陷。
进一步的，所述胶面视觉图像包括耦合重叠区域，所述胶沿检测参数包括胶沿平整度，所述胶面耦合参数包括耦合重叠区的颜色均匀度，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿平整度小于预设平整度阈值，且耦合重叠区的颜色均匀度小于预设均匀度阈值时，判断所述待检测手机主板存在胶面起鼓的风险缺陷。
第二方面，本申请实施例中提供了一种视觉检测系统，包括：第一图像获取装置、第二图像获取装置、处理器及存储器；其中，所述第一图像获取装置用于获取手机主板的第一视觉图像，所述第二图像获取装置用于获取手机主板的第二视觉图像，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如第一方面所述的方法。
区别于现有技术，本申请实施例提供的手机主板缺陷视觉检测方法，首先获取待检测手机主板胶面的第一视觉图像及第二视觉图像，然后根据第一视觉图像进行胶面特征识别得到胶面视觉图像以及根据第二视觉图像进行胶沿特征识别得到胶沿检测参数，然后再将胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，再根据胶面耦合图像得到胶面耦合区域的胶面耦合参数，最后再根据胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测。如此，根据胶面耦合参数及胶沿检测参数来综合判断点胶产生的缺陷，可以针对人工无法检测到的外观缺陷进行快速检测，以提高检测的准确性及检测效果，并且得到的胶面耦合图像以第一颜色与第二颜色的耦合颜色进行输出，生产者还可通过颜色直观地了解到手机主板的缺陷，从而方便进行人工检测校验，以进一步提高手机主板缺陷检测的准确性。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，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示出的结构获得其他的附图。
图1为本申请一些实施例中手机主板缺陷视觉检测方法的流程示意图；
图2为本申请一些实施例中图像耦合过程示意图；
图3为本申请另一些实施例中图像耦合过程示意图；
图4本申请一些实施例中视觉检测系统的模块示意图。
本发明目的的实现、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
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，全文中的“和/或”包括三个方案，以A和/或B为例，包括A技术方案、B技术方案，以及A和B同时满足的技术方案；另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
手机主板上通常会有胶水，这些胶水用于固定或保护主板上的部件，如芯片、电池等，因此胶水的耐久性能对于手机主板的寿命等都非常重要。相关技术中，生产者对于手机主板点胶的缺陷检测局限于少胶、漏胶、残胶等外观缺陷，并且通过人工进行检测；对于一些非外观缺陷，因为人工无法进行准确检测而一般是不检，给手机主板的寿命带来较大影响；因此，手机生产行业对于手机主板缺陷检测手段及检测效果有待进一步完善与提高。
针对上述问题，本申请提出一种手机主板缺陷视觉检测方法，应用于视觉检测系统，以下将主要描述手机主板缺陷视觉检测方法的具体步骤，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。请参阅附图1-3，所述方法包括：
S100、获取待检测手机主板胶面的第一视觉图像及第二视觉图像，所述第一视觉图像为垂直光线视觉图像，所述第二视觉图像为倾斜光线视觉图像；
获取手机主板胶面图像的方式有多种，例如通过摄像头或红外扫描仪或超声波雷达等，在一实施例中，分别采用第一摄像装置及第二摄像装置来获取第一视觉图像、第二视觉图像，并且为了清楚、完整地获取到相关胶水层的特征信息，第一视觉图像为垂直光线视觉图像，所述第二视觉图像为倾斜光线视觉图像，垂直光线视觉图像可以准确得到胶面面积、厚度等信息，倾斜光线视觉图像可以准确得到胶沿气泡、边界缺陷等信息。
S200、对所述手机主板胶面的第一视觉图像进行胶面特征识别得到胶面视觉图像，其中，所述胶面视觉图像根据胶面厚度以不同的第一颜色输出；
对第一视觉图像进行胶面特征识别以得到胶面视觉图像，胶面视觉图像可以是包含胶水与元器件围成的区域，也可以是单独的胶水区域，本申请实施例以单独胶水区域得到胶面视觉图像为例进行说明，如图2和3所示，图中B区域为胶水区域，即B为胶面视觉图像，并且可以根据胶面的厚度范围以不同的颜色进行输出；当胶面的厚度范围一致时，例如均在0.1-0.3mm范围内，则以第一颜色（以红色为例，下同）进行输出，如图2所示；当胶面的厚度范围不一致时，例如一部分区域厚度范围为0.1-0.3mm，一部分区域厚度范围为0.3-0.4mm，一部分区域厚度范围为0.5mm及以上时，则以第一颜色（以红色、绿色、蓝色为例，下同）进行输出，如图3所示。
需要说明的是，第一颜色仅仅用于区别第二颜色（第二颜色下文有提及），即第一颜色与第二颜色为不同颜色，但是第一颜色可以是一种颜色也可以是多种颜色，在此并不做限制。
在一实施例中，步骤S200:对所述手机主板胶面的第一视觉图像进行胶面特征识别得到胶面视觉图像，包括：
根据所述手机主板胶面的第一视觉图像进行胶面边界及元器件边界识别得到胶面区域；
获取所述胶面区域的胶面厚度，并根据胶面厚度进行胶面区域分隔得到不同厚度范围的胶面区域；
对所述不同厚度范围的胶面区域分别进行RGB色值函数赋值处理得到胶面视觉图像。
具体地，首先对第一视觉图像进行胶面边界及元器件边界识别得到胶面区域，然后再对胶面区域的厚度进行厚度识别，根据厚度进行胶面区域的分隔，将胶面区域分隔成不同厚度的胶面区域，再对不同厚度范围的胶面区域分别进行RGB色值函数赋值处理得到胶面视觉图像，如图3中B图像所示，3种不同的颜色表示不同的厚度区域，当有更多的厚度区域时，可以以更多种颜色进行输出。
举例而言，0.1-0.3mm厚度范围的区域，可以以RGB（255，0，0）进行赋值，即输出红色；0.3-0.4mm厚度范围的区域，可以以RGB（0，255，0）进行赋值，即输出绿色；0.5mm及以上厚度范围的区域，可以以RGB（0，0，255）进行赋值，即输出蓝色；也就是说，图3中B图像输出的胶面视觉图像有三种不同的颜色区域，不同的颜色区域表示不同的胶面厚度，颜色越多表示胶面厚度越不均匀；当胶面区域的胶面厚度范围一致时，区域分隔后得到的还是同一颜色的胶面视觉图像，也就是说，图2中B图像输出的胶面视觉图像仅有一种颜色区域，表示该胶面厚度较均匀。
需要说明的是，胶面厚度识别可以对第一视觉图像进行厚度特征提取，也可以通过红外检测仪进行检测得到融合到视觉图像中，由于胶面厚度获取技术为现有技术，这里不再赘述。
S300、对手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数；
胶沿检测参数可以包括胶沿气泡数量、胶沿气泡体积或者胶沿平整度等，本申请所说的胶沿是指胶水的边沿，更进一步讲，可以是胶水边沿1mm的范围区域，可以理解，当胶水的边沿存在气泡或者胶水边沿不平整时，该胶面产生脱胶或胶面鼓起的风险就大大增加。
在一实施例中，步骤S300:对所述手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数，包括：对所述第二视觉图像进行胶沿气泡特征识别得到胶沿气泡数量及胶沿气泡体积。
具体地，可以对第二视觉图像进行气泡特征识别得到气泡数量及气泡的体积大小，通过胶沿气泡数量及大小来评估胶面缺陷的风险大小，气泡数量越多，胶沿胶粘力度越小，胶面产生脱胶或胶面鼓起的风险就越大，同理，气泡体积（总体积）越大，胶面产生脱胶或胶面鼓起的风险也越大。
在其他实施例中，步骤S300:对所述手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数，包括：对所述第二视觉图像进行胶沿边界线识别得到胶沿平整度，其中，所述胶沿平整度为边界线平直段的尺寸与边界线总尺寸的比例。
具体地，可以对第二视觉图像进行胶沿边界线识别，通过胶沿边界线的平整度来评估胶面缺陷的风险大小，胶沿边界线越不平整，大概率表明点胶不是一次性成型，该类胶沿容易受到外界影响（如温度）而导致胶沿粘度下降，此时，胶面产生脱胶或胶面鼓起的风险也就越大；因此，胶沿边界线越平整，胶面产生脱胶或胶面鼓起的风险也越小，胶沿边界线越不平整，胶面产生脱胶或胶面鼓起的风险也越大，胶面平整度可以通过边界线平直段的尺寸与边界线总尺寸的比例来进行表示，当然也可以通过其他方式来进行表示。
S400、将所述胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，其中，所述标准胶面视觉图像以第二颜色输出，所述胶面耦合图像以第一颜色与第二颜色的耦合颜色输出；
具体地，第二颜色为与第一颜色不同的颜色，例如，如图2所示，胶面视觉图像以红色进行输出时，标准胶面视觉图像可以以绿色进行输出，而胶面耦合图像则以红色与绿色的耦合颜色进行输出。
在一实施例中，步骤S400:将所述胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，包括：
将所述胶面视觉图像与预先训练的标准胶面视觉图像进行位置耦合得到耦合区域，其中，所述耦合区域包括耦合溢出区域和/或耦合重叠区域；
将所述耦合溢出区域和/或耦合重叠区域进行RGB色值耦合运算得到RGB色值；
根据所述RGB色值输出所述胶面耦合图像。
具体地，首先将胶面视觉图像与预先训练的标准胶面视觉图像进行位置耦合得到耦合区域，例如图2中，A为标准胶面视觉图像，B为胶面视觉图像，进行位置耦合后得到C中的耦合溢出区域及耦合重叠区域，然后将耦合溢出区域和/或耦合重叠区域进行RGB色值耦合运算得到RGB色值，最后根据RGB色值输出胶面耦合图像，即耦合溢出区域进行RGB色值运算后得到的颜色为第一颜色（红色），耦合重叠区域进行RGB色值运算后得到的颜色为黄色，即RGB（255，0，0）与RGB（0，255，0）耦合运算得到RGB色值为（255，255，0）。当胶面视觉图像如图3中B图像所示时，其图像耦合原理与上述相同，即耦合溢出区域进行RGB色值运算后得到的颜色为第一颜色（红色），耦合重叠区域进行RGB色值运算后得到的颜色为三种新的颜色。
S500、根据所述胶面耦合图像得到胶面耦合区域的胶面耦合参数；
胶面耦合参数可以包括耦合溢出区域的溢出面积以及耦合重叠区颜色均匀度，可以理解，当溢出面积越大时，对于同样的出胶量来说，溢出区域的厚度就越薄，其边沿的胶粘力就越小，胶面产生脱胶或胶面鼓起的风险也越大；当耦合重叠区颜色均匀度越小时，表明胶面的厚度越不均匀，胶面产生脱胶或胶面鼓起的风险也越大。
在一实施例中，步骤S500:根据所述胶面耦合图像得到胶面耦合区域的胶面耦合参数，包括：对所述耦合溢出区域进行面积测算得到溢出面积；具体地，可以先对耦合溢出区域进行图像面积识别，再对图像面积进行比例放大得到真实的耦合区域面积。
在另一实施例中，对所述耦合重叠区域进行RGB色值比对得到耦合重叠区颜色均匀度，其中，颜色种类越多，颜色均匀度越小。
具体地，耦合重叠区颜色均匀度越小，表明颜色种类越多，进一步表明胶面的厚度越不均匀，因此，可以根据颜色的种类来进行颜色均匀度的标定，例如，颜色种类为1种时，颜色均匀度为100%，颜色种类为2种时，颜色均匀度为80%，颜色种类为3种时，颜色均匀度为60%，颜色种类为4种时，颜色均匀度为40%，颜色种类为5种时，颜色均匀度为20%。
S600、根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测。
可以理解，胶沿检测参数及胶面耦合参数均可在一定程度上反馈胶面的风险，但是为了提高缺陷检测的准确性及检测效果，本申请以胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，以进行主板缺陷的综合判断。
在一实施例中，当所述胶沿气泡数量和/或胶沿气泡体积超过对应的预设数值，且耦合溢出面积大于预设面积阈值时，判断所述待检测手机主板存在脱胶的风险缺陷；即当胶水溢出面积较大时，表明胶水边沿的胶粘力度较小，若此时胶水边沿存在气泡且气泡数量较多或者气泡体积较大时，胶沿的胶粘力度就进一步降低，待检测手机主板存在较大脱胶风险，因此系统判断该手机主板为缺陷板，此时用户还可以根据胶面耦合图像进行缺陷校验，如在系统输出缺陷信息后同时观察到耦合溢出区域面积比较大（大于正常范围），即可判断该手机主板确实是缺陷板。
在另一实施例中，当所述胶沿平整度小于预设平整度阈值，且耦合溢出面积大于预设面积阈值时，判断所述待检测手机主板存在脱胶的风险缺陷；即当胶水溢出面积较大时，表明胶水边沿的胶粘力度较小，若此时胶沿平整度较小时，胶沿的胶粘力度容易受高温影响而进一步降低，待检测手机主板存在较大脱胶风险，因此系统判断该手机主板为缺陷板，此时用户同样可以根据胶面耦合图像进行缺陷校验，如在系统输出缺陷信息后同时观察到耦合溢出区域面积比较大（大于正常范围），即可判断该手机主板确实是缺陷板。
在另一实施例中，当所述胶沿气泡数量和/或胶沿气泡体积超过对应的预设数值，且耦合重叠区的颜色均匀度小于预设均匀度阈值时，判断所述待检测手机主板存在胶面起鼓的风险缺陷；即当胶面厚度不均匀时，其受温度影响更容易在胶面厚度较小的区域鼓起，若此时胶沿存在较大或较多的气泡，导致胶沿胶粘应力较小，胶面起鼓的概率就越大，待检测手机主板存在胶面起鼓风险进一步增大，因此系统判断该手机主板为缺陷板，此时用户同样可以根据胶面耦合图像进行缺陷校验，如在系统输出缺陷信息后同时观察到耦合重叠区域的颜色比较多，即可判断该手机主板确实是缺陷板。
在其他实施例中，当所述胶沿平整度小于预设平整度阈值，且耦合重叠区的颜色均匀度小于预设均匀度阈值时，判断所述待检测手机主板存在胶面起鼓的风险缺陷；即当胶面厚度不均匀时，其受温度影响更容易在胶面厚度较小的区域鼓起，若此时胶沿平整度较小，胶沿的胶粘力度容易受高温影响而进一步降低，胶面起鼓的概率就越大，待检测手机主板存胶面起鼓风险进一步增大，因此系统判断该手机主板为缺陷板，此时用户同样可以根据胶面耦合图像进行缺陷校验，如在系统输出缺陷信息后同时观察到耦合重叠区域的颜色比较多，即可判断该手机主板确实是缺陷板。
可以理解，本申请视觉检测系统根据胶沿与胶面视觉特征综合判断主板的缺陷，并且在输出缺陷检测信息的同时输出胶面耦合图像，因此，用户不仅可以通过检测信息来获取主板缺陷情况，还可以通过肉眼观察出待检测手机主板的胶面状态，通过胶面耦合图像的颜色直观地了解到手机主板的缺陷，从而方便进行人工检测校验，以进一步提高手机主板缺陷检测的准确性。
本申请实施例还提供了视觉检测系统100，请参阅附图4，图4为本申请实施例提供的视觉检测系统的硬件结构示意图。
其中，第一图像获取装置103及第二图像获取装置104分别用于获取手机主板的第一视觉图像以及手机主板的第二视觉图像，可以是摄像头、激光雷达、红外摄像头或者其组合等，在使用时，第一图像获取装置103正对手机主板，即第一视觉图像为垂直光线视觉图像，第二图像获取装置104斜对手机主板并可围绕手机主板周向运动，即第二视觉图像为倾斜光线视觉图像，获取到图像后将获取的图像发送至处理器。
处理器101用于提供计算和控制能力，以控制视觉检测系统执行相应任务，例如，控制视觉检测系统执行上述任一方法实施例中的手机主板缺陷视觉检测方法，所述方法包括：获取待检测手机主板胶面的第一视觉图像及第二视觉图像，所述第一视觉图像为垂直光线视觉图像，所述第二视觉图像为倾斜光线视觉图像；根据所述手机主板胶面的第一视觉图像进行胶面特征识别得到胶面视觉图像，其中，所述胶面视觉图像根据胶面厚度以不同的第一颜色输出；基于所述手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数；将所述胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，其中，所述标准胶面视觉图像以第二颜色输出，所述胶面耦合图像以第一颜色与第二颜色的耦合颜色输出；根据所述胶面耦合图像得到胶面耦合区域的胶面耦合参数；根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测。
处理器101可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、硬件芯片或者其任意组合；还可以是数字信号处理器（Digital Signal Processing，DSP）、专用集成电路（Application SpecificIntegrated Circuit，ASIC）、可编程逻辑器件（programmable logic device，PLD）或其组合。上述PLD可以是复杂可编程逻辑器件（complex programmable logic device，CPLD），现场可编程逻辑门阵列（field-programmablegate array，FPGA），通用阵列逻辑（genericarray logic，GAL）或其任意组合。
存储器102作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本申请实施例中的手机主板缺陷视觉检测方法对应的程序指令/模块。处理器101通过运行存储在存储器102中的非暂态软件程序、指令以及模块，可以实现上述任一方法实施例中的手机主板缺陷视觉检测方法。
具体地，存储器102可以包括易失性存储器（volatile memory，VM），例如随机存取存储器（random access memory， RAM）；存储器102也可以包括非易失性存储器（non-volatile memory，NVM），例如只读存储器（read-only memory， ROM），快闪存储器（flashmemory），硬盘（harddisk drive， HDD）或固态硬盘（solid-state drive， SSD）或其他非暂态固态存储器件；存储器102还可以包括上述种类的存储器的组合。
综上所述，本申请视觉检测系统采用了上述任意一个手机主板缺陷视觉检测方法实施例的技术方案，因此，至少具有上述实施例的技术方案所带来的有益效果，在此不再一一赘述。
本申请实施例还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中手机主板缺陷视觉检测方法。例如，该计算机可读存储介质可以是只读存储器（Read-Only Memory ,ROM）、随机存取存储器（Random Access Memory，RAM）、只读光盘（Compact DiscRead-Only Memory，CDROM）、磁带、软盘和光数据存储设备等。
本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括一条或多条程序代码，该程序代码存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，以完成上述实施例中提供的手机主板缺陷视觉检测方法步骤。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来程序代码相关的硬件完成，该程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory, ROM)或随机存储记忆体(Random Access Memory, RAM)等。
以上所述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，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (7)
1.一种手机主板缺陷视觉检测方法，应用于视觉检测系统，其特征在于，所述方法包括：
获取待检测手机主板胶面的第一视觉图像及第二视觉图像，所述第一视觉图像为垂直光线视觉图像，所述第二视觉图像为倾斜光线视觉图像；
对所述手机主板胶面的第一视觉图像进行胶面特征识别得到胶面视觉图像，其中，所述胶面视觉图像根据胶面厚度以不同的第一颜色输出；
对所述手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数，所述胶沿检测参数包括胶沿气泡数量及胶沿气泡体积；
将所述胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，其中，所述标准胶面视觉图像以第二颜色输出，所述胶面耦合图像以第一颜色与第二颜色的耦合颜色输出；
根据所述胶面耦合图像得到胶面耦合区域的胶面耦合参数，所述胶面耦合参数包括耦合重叠区颜色均匀度；
根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测；
其中，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿气泡数量和/或胶沿气泡体积超过对应的预设数值，且耦合重叠区的颜色均匀度小于预设均匀度阈值时，判断所述待检测手机主板存在胶面起鼓的风险缺陷；
所述将所述胶面视觉图像与预先训练的标准胶面视觉图像进行图像耦合得到胶面耦合图像，包括：
将所述胶面视觉图像与预先训练的标准胶面视觉图像进行位置耦合得到耦合区域，其中，所述耦合区域包括耦合溢出区域和/或耦合重叠区域；
将所述耦合溢出区域和/或耦合重叠区域进行RGB色值耦合运算得到RGB色值；
根据所述RGB色值输出所述胶面耦合图像；
所述根据所述胶面耦合图像得到胶面耦合区域的胶面耦合参数，包括：
对所述耦合溢出区域进行面积测算得到溢出面积；和/或，
对所述耦合重叠区域进行RGB色值比对得到耦合重叠区颜色均匀度，其中，颜色种类越多，颜色均匀度越小。
2.如权利要求1所述的手机主板缺陷视觉检测方法，其特征在于，所述对所述手机主板胶面的第一视觉图像进行胶面特征识别得到胶面视觉图像，包括：
根据所述手机主板胶面的第一视觉图像进行胶面边界及元器件边界识别得到胶面区域；
获取所述胶面区域的胶面厚度，并根据胶面厚度进行胶面区域分隔得到不同厚度范围的胶面区域；
对所述不同厚度范围的胶面区域分别进行RGB色值函数赋值处理得到胶面视觉图像。
3.如权利要求1所述的手机主板缺陷视觉检测方法，其特征在于，所述对所述手机主板胶面的第二视觉图像进行胶沿特征识别得到胶沿检测参数，包括：
对所述第二视觉图像进行胶沿气泡特征识别得到胶沿气泡数量及胶沿气泡体积；和/或，
对所述第二视觉图像进行胶沿边界线识别得到胶沿平整度，其中，所述胶沿平整度为边界线平直段的尺寸与边界线总尺寸的比例。
4.如权利要求1所述的手机主板缺陷视觉检测方法，其特征在于，所述胶面视觉图像包括耦合溢出区域，所述胶面耦合参数包括溢出面积，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿气泡数量和/或胶沿气泡体积超过对应的预设数值，且耦合溢出面积大于预设面积阈值时，判断所述待检测手机主板存在脱胶的风险缺陷。
5.如权利要求1所述的手机主板缺陷视觉检测方法，其特征在于，所述胶面视觉图像包括耦合溢出区域，所述胶沿检测参数包括胶沿平整度，所述胶面耦合参数包括溢出面积，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿平整度小于预设平整度阈值，且耦合溢出面积大于预设面积阈值时，判断所述待检测手机主板存在脱胶的风险缺陷。
6.如权利要求1所述的手机主板缺陷视觉检测方法，其特征在于，所述胶面视觉图像包括耦合重叠区域，所述胶沿检测参数包括胶沿平整度，所述根据所述胶面耦合参数及胶沿检测参数进行所述手机主板的缺陷检测，包括：
确定所述胶沿平整度小于预设平整度阈值，且耦合重叠区的颜色均匀度小于预设均匀度阈值时，判断所述待检测手机主板存在胶面起鼓的风险缺陷。
7.一种视觉检测系统，其特征在于，包括：第一图像获取装置、第二图像获取装置、处理器及存储器；其中，所述第一图像获取装置用于获取手机主板的第一视觉图像，所述第二图像获取装置用于获取手机主板的第二视觉图像，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311631057.7A CN117333488B (zh) | 2023-12-01 | 2023-12-01 | 一种手机主板缺陷视觉检测方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311631057.7A CN117333488B (zh) | 2023-12-01 | 2023-12-01 | 一种手机主板缺陷视觉检测方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117333488A CN117333488A (zh) | 2024-01-02 |
| CN117333488B true CN117333488B (zh) | 2024-03-08 |
Family
ID=89283424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311631057.7A Active CN117333488B (zh) | 2023-12-01 | 2023-12-01 | 一种手机主板缺陷视觉检测方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117333488B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007078663A (ja) * | 2005-09-16 | 2007-03-29 | Matsushita Electric Ind Co Ltd | 欠陥検査方法及び欠陥検査装置 |
| CN110969153A (zh) * | 2019-11-21 | 2020-04-07 | 四川极智朗润科技有限公司 | 一种基于空间光学特性的气泡识别方法 |
| CN114494257A (zh) * | 2022-04-15 | 2022-05-13 | 深圳市元硕自动化科技有限公司 | 涂胶检测方法、装置、设备及存储介质 |
| CN115127461A (zh) * | 2022-07-22 | 2022-09-30 | 无锡宝通智能物联科技有限公司 | 可视化监测输送带磨损方法、装置、设备和存储介质 |
| CN116503400A (zh) * | 2023-06-26 | 2023-07-28 | 深圳明锐理想科技有限公司 | 芯片溢胶厚度的计算方法及电子设备 |
| CN116511070A (zh) * | 2023-06-27 | 2023-08-01 | 深圳市英迈通信技术有限公司 | 一种手机主板视觉检测设备和检测方法 |
| CN117073534A (zh) * | 2023-10-16 | 2023-11-17 | 宁德时代新能源科技股份有限公司 | 涂胶检测方法及极片涂胶系统 |
-
2023
- 2023-12-01 CN CN202311631057.7A patent/CN117333488B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007078663A (ja) * | 2005-09-16 | 2007-03-29 | Matsushita Electric Ind Co Ltd | 欠陥検査方法及び欠陥検査装置 |
| CN110969153A (zh) * | 2019-11-21 | 2020-04-07 | 四川极智朗润科技有限公司 | 一种基于空间光学特性的气泡识别方法 |
| CN114494257A (zh) * | 2022-04-15 | 2022-05-13 | 深圳市元硕自动化科技有限公司 | 涂胶检测方法、装置、设备及存储介质 |
| CN115127461A (zh) * | 2022-07-22 | 2022-09-30 | 无锡宝通智能物联科技有限公司 | 可视化监测输送带磨损方法、装置、设备和存储介质 |
| CN116503400A (zh) * | 2023-06-26 | 2023-07-28 | 深圳明锐理想科技有限公司 | 芯片溢胶厚度的计算方法及电子设备 |
| CN116511070A (zh) * | 2023-06-27 | 2023-08-01 | 深圳市英迈通信技术有限公司 | 一种手机主板视觉检测设备和检测方法 |
| CN117073534A (zh) * | 2023-10-16 | 2023-11-17 | 宁德时代新能源科技股份有限公司 | 涂胶检测方法及极片涂胶系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117333488A (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102058427B1 (ko) | 검사 장치 및 방법 | |
| US8121400B2 (en) | Method of comparing similarity of 3D visual objects | |
| US10222884B2 (en) | Method and device for detecting defects in a pressing test of a touch screen | |
| EP3220353B1 (en) | Image processing apparatus, image processing method, and recording medium | |
| CN111709948B (zh) | 容器瑕疵检测方法和装置 | |
| CN111862097A (zh) | 微小缺陷检出率的数据增强方法和装置 | |
| JP2019196985A (ja) | 検査装置及び検査方法 | |
| CN116342599A (zh) | 缺陷检测设备的点检方法、装置、设备和存储介质 | |
| JP5045591B2 (ja) | 検査領域の領域設定データの作成方法および基板外観検査装置 | |
| CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
| CN117333488B (zh) | 一种手机主板缺陷视觉检测方法和系统 | |
| CN116586849B (zh) | 一种基于人工智能的船舶焊接检测方法及系统 | |
| KR102059272B1 (ko) | 용접 불량 검출 장치 및 그 방법 | |
| CN115205288B (zh) | 工业缺陷检测方法和装置 | |
| JP2008139074A (ja) | 画像の欠陥検出方法 | |
| US20140297224A1 (en) | Data processing method of tire shape inspecting device | |
| CN111046878B (zh) | 一种数据处理方法、装置及计算机存储介质和计算机 | |
| EP3557526B1 (en) | Striated region detection device, striated region detection method, and program | |
| JP2012190935A (ja) | チップ位置特定システム、チップ位置特定装置、チップ位置特定プログラム及びチップ位置特定方法 | |
| CN113192070B (zh) | 一种基于计算机视觉的焊缝图像处理方法和系统 | |
| CN116630306B (zh) | 一种飞机半圆头铆钉的缺陷检测方法和装置 | |
| WO2024044942A1 (zh) | 视觉检测系统的点检方法和装置 | |
| CN116755171B (zh) | 一种cp测试的安全防护系统 | |
| KR101503170B1 (ko) | 접착제 도팅 사이즈 검사 방법 | |
| CN117058153B (zh) | 基于电子元器件的二极管质量识别方法 |
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 |