CN117607164A - 基于分时打光和虚拟工位的铜箔缺陷检测方法及装置 - Google Patents

基于分时打光和虚拟工位的铜箔缺陷检测方法及装置 Download PDF

Info

Publication number
CN117607164A
CN117607164A CN202410085676.9A CN202410085676A CN117607164A CN 117607164 A CN117607164 A CN 117607164A CN 202410085676 A CN202410085676 A CN 202410085676A CN 117607164 A CN117607164 A CN 117607164A
Authority
CN
China
Prior art keywords
image
copper foil
detection
time
virtual
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
CN202410085676.9A
Other languages
English (en)
Other versions
CN117607164B (zh
Inventor
杨牧
赵亮
李建福
张董
陈建文
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.)
Techmach Corp
Original Assignee
Techmach Corp
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 Techmach Corp filed Critical Techmach Corp
Priority to CN202410085676.9A priority Critical patent/CN117607164B/zh
Publication of CN117607164A publication Critical patent/CN117607164A/zh
Application granted granted Critical
Publication of CN117607164B publication Critical patent/CN117607164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • 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
    • G01N21/8806—Specially adapted optical and illumination features
    • G01N2021/8845—Multiple wavelengths of illumination or 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
    • G01N2021/8887—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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • 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)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明提供一种基于分时打光和虚拟工位的铜箔缺陷检测方法及装置，方法包括确定铜箔缺陷检测任务的所有工作流程；确定每个工作流程对应的光源需求类型和打光需求时间；基于光源需求类型和打光需求时间，采集每个工作流程下的铜箔图像信息，铜箔图像信息包括正面图像和背面图像；分别对正面图像和背面图像进行拆解，得到不同角度的检测图像；将所有不同角度的检测图像分配至不同的虚拟工位；基于边缘检测和灰度分析，对每个虚拟工位对应的检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；基于像素变化分析和形态学，对每个虚拟工位对应的检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷，提升了正面瑕疵和背面针孔检测的准确度。

Description

基于分时打光和虚拟工位的铜箔缺陷检测方法及装置
技术领域
本发明涉及图像检测技术领域，尤其涉及一种基于分时打光和虚拟工位的铜箔缺陷检测方法及装置。
背景技术
工业机器视觉在铜箔行业中的应用通常涉及高精度的检测要求，因为铜箔作为关键材料用于电子、电信、能源等领域，其质量和完整性对最终产品的性能和可靠性具有重要影响。而铜箔的正面瑕疵可能包括划痕、凹陷、氧化等，这些问题可能会影响电子产品的性能，背面针孔可能导致电子产品的电气短路等。
因此，如何精准地检测出铜箔材料的正面瑕疵和背面针孔成为了本领域技术人员亟需解决的技术问题。
发明内容
本发明提供一种基于分时打光和虚拟工位的铜箔缺陷检测方法及装置，用以解决现有技术中铜箔材料正面瑕疵和背面针孔检测不准确的缺陷。
本发明提供一种基于分时打光和虚拟工位的铜箔缺陷检测方法，包括：
确定铜箔缺陷检测任务的所有工作流程；
确定每个所述工作流程对应的光源需求类型和打光需求时间；
基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，所述铜箔图像信息包括正面图像和背面图像；
分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像；
将所有所述不同角度的检测图像分配至不同的虚拟工位；
基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；
基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，包括：
在切换至所述工作流程时，切换所述工作流程对应的光源需求类型和打光需求时间；
在所述光源需求类型和所述打光需求时间下，确定具有目标帧率和分辨率的图像采集设备；
利用所述图像采集设备在所述光源需求类型和所述打光需求时间下，采集对应的铜箔图像信息。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述利用所述图像采集设备在所述光源需求类型和所述打光需求时间下，采集对应的铜箔图像信息，包括：
在所述光源需求类型和所述打光需求时间下，控制第一时长内为高亮度光源，且第二时长内为低亮度光源；
利用所述图像采集设备在所述高亮度光源采集整体亮度图像，在所述低亮度光源下采集细节暗部图像；
将所述整体亮度图像与所述细节暗部图像融合，得到铜箔图像信息。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述将所有所述不同角度的检测图像分配至不同的虚拟工位，包括：
确定每个虚拟工位的位置特征、尺寸特征和时序特征；
基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，为所述不同的虚拟工位分配不同的检测图像。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，为所述不同的虚拟工位分配不同的检测图像，包括：
基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，确定图像采集角度；
基于所述图像采集角度，在所述不同角度的检测图像中筛选目标检测图像；
将所述目标检测图像与所述虚拟工位绑定。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述将所有所述不同角度的检测图像分配至不同的虚拟工位之后，还包括：
利用直方图均衡化和对比度拉伸的方式，增强每个所述虚拟工位上的检测图像的灰度差异；
利用维纳滤波和小波变换，对增强所述灰度差异的检测图像进行噪声去除，强化铜箔缺陷的边缘特征。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷，包括：
利用边缘检测和灰度分析，确定所述虚拟工位对应的所述检测图像中的正面图像的纹理特征；
输入所述纹理特征至缺陷检测模型，输出正面瑕疵缺陷，所述缺陷检测模型是基于纹理特征样本和正面瑕疵缺陷样本预先训练得到的。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷，包括：
基于像素变化分析和形态学，提取每个所述虚拟工位对应的所述检测图像中的背面图像的边缘局部特征和角点局部特征；
基于所述边缘局部特征和所述角点局部特征，确定铜箔背面针孔缺陷。
根据本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，所述分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像之后，还包括：
识别所述检测图像中的感兴趣区域；
将所述感兴趣区域的颜色由彩色转化为灰度，以所述灰度后的图像作为检测图像。
本发明还提供一种基于分时打光和虚拟工位的铜箔缺陷检测装置，包括：
确定模块，用于确定铜箔缺陷检测任务的所有工作流程；确定每个所述工作流程对应的光源需求类型和打光需求时间；
采集模块，用于基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，所述铜箔图像信息包括正面图像和背面图像；
拆解模块，用于分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像；
分配模块，用于将所有所述不同角度的检测图像分配至不同的虚拟工位；
检测模块，用于基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于分时打光和虚拟工位的铜箔缺陷检测方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于分时打光和虚拟工位的铜箔缺陷检测方法。
本发明提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法及装置，方法包括，确定铜箔缺陷检测任务的所有工作流程；确定每个工作流程对应的光源需求类型和打光需求时间；基于光源需求类型和打光需求时间，采集每个工作流程下的铜箔图像信息，铜箔图像信息包括正面图像和背面图像；分别对正面图像和背面图像进行拆解，得到不同角度的检测图像；将所有不同角度的检测图像分配至不同的虚拟工位；基于边缘检测和灰度分析，对每个虚拟工位对应的检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；基于像素变化分析和形态学，对每个虚拟工位对应的检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷，通过分时打光和虚拟工位的方式，有效的提升了正面瑕疵和背面针孔检测的准确度。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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获得其他的附图。
图1是本发明实施例提供的基于分时打光和虚拟工位的铜箔缺陷检测方法的流程示意图；
图2是本发明实施例提供的基于分时打光和虚拟工位的铜箔缺陷检测装置的结构示意图；
图3是本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，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。
下面结合图1-图3描述本发明的一种基于分时打光和虚拟工位的铜箔缺陷检测方法及装置。
图1是本发明实施例提供的基于分时打光和虚拟工位的铜箔缺陷检测方法的流程示意图。
如图1所示，本发明实施例提供的一种基于分时打光和虚拟工位的铜箔缺陷检测方法，主要包括以下步骤：
101、确定铜箔缺陷检测任务的所有工作流程。
在一个具体的实现过程中，分时打光指的是按照不同的图像采集要求，进行不同光源的照射不同的时长，从而满足不同工作流程时的拍摄要求。
整个的铜箔缺陷检测任务分为很多工作流程，包括图像采集、预处理、特征提取、特征识别和缺陷检测等等，每个工作流程所需要采集到的图像不同，对图像的清晰度、大小等等要求均不同，因此，为了保证最终铜箔缺陷检测的准确地，便需要首先精准的确定通博检测任务的所有工作流程。
102、确定每个工作流程对应的光源需求类型和打光需求时间。
由于每个工作流程的工作性质和时间要求都不相同，因此，需要分别对每一个工作流程进行单独的分析处理。确定每一个工作流程对应的光源需求类型和打光需求时间，其中，光源需求类型包括白光、黄光、红光等等，打光需求时间指的是，需要打光的时刻以及打光的时长等。在不同流程切换时，能够及时的晚餐光源需求类型切换和打光需求时间的切换。
103、基于光源需求类型和打光需求时间，采集每个工作流程下的铜箔图像信息，铜箔图像信息包括正面图像和背面图像。
准确地确定出每个工作流程对应的光源需求类型和打光需求时间之后，便可以再去采集每个工作流程下的铜箔图像信息。而铜箔图像信息包括正面图像和背面图像，通过正面图像和背面图像的分别检测处理，能够更好地完成对铜箔缺陷的识别处理。
104、分别对正面图像和背面图像进行拆解，得到不同角度的检测图像。
由于获得的正面图像和背面图像为多个角度的多张不同图像，因此需要针对不同的角度对不同的图像进行拆解，得到每个不同角度的检测图像，其中不同角度可以分别代表一个对应的虚拟工位。
105、将所有不同角度的检测图像分配至不同的虚拟工位。
由于虚拟工位有多个，因此需要确定每个虚拟工位的位置特征、尺寸特征和时序特征，也就是了解不同的虚拟工位之间的差异，再基于每个虚拟工位的位置特征、尺寸特征和时序特征，为不同的虚拟工位分配不同的检测图像。即基于每个虚拟工位的位置特征、尺寸特征和时序特征，确定图像采集角度；基于图像采集角度，在不同角度的检测图像中筛选目标检测图像；将目标检测图像与虚拟工位绑定。
通过虚拟工位的方式，节省了实际工位占用空间，并且通过调整不同角度的检测图像，也能够保证与不同的虚拟工位相对应，通过在一个实体工位上实现多个检测任务的分时打光，可以避免为每个任务单独配置设备，从而减少设备的数量和成本。
106、基于边缘检测和灰度分析，对每个虚拟工位对应的检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷。
检测图像包括正面图像和背面图像，正面图像主要用于检测正面瑕疵缺陷，因此基于正面瑕疵缺陷的特点，选择利用边缘检测和灰度分析，确定虚拟工位对应的检测图像中的正面图像的纹理特征，弱对比度下的瑕疵缺陷便会对纹理特征造成影响，通过分析图像中的纹理特征，可以检测出与周围纹理不同的区域，可能表示存在缺陷。然后再输入纹理特征至缺陷检测模型，输出正面瑕疵缺陷，缺陷检测模型是基于纹理特征样本和正面瑕疵缺陷样本预先训练得到的。
通过神经网络模型对纹理特征的精准识别，也能够保证正面瑕疵缺陷检测的准确性。
107、基于像素变化分析和形态学，对每个虚拟工位对应的检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
基于铜箔背面针孔的特点，为了准确的确定出铜箔背面针孔缺陷，选择基于像素变化分析和形态学，提取每个虚拟工位对应的检测图像中的背面图像的边缘局部特征和角点局部特征，该局部特征在缺陷区域会表现出异常，因此，便可以基于边缘局部特征和角点局部特征，确定铜箔背面针孔缺陷。
可以将边缘局部特征和角点局部特征与正常情况下的边缘特征进行比对，通过局部特征比对，确定出铜箔背面针孔缺陷。并且能够保证背面针孔缺陷检测的准确度。
通过将分时打光和虚拟多工位在图像采集的视觉系统中应用，能够在一定程度上降低成本，提高效率，并且能够优化检测系统的性能。在硬件上，允许多个任务共享同一组硬件设备，减少了硬件设备的购置和维护成本，通过在一个工位上实现多个检测任务的分时打光，可以避免为每个任务单独配置设备，避免了多个工位同时运行时的能耗浪费，可以减少设备占用的空间，从而降低了生产和设备布局的成本，可以在单一工位上实现多个任务，减少了操作人员的工位数量，允许在不同的时间段执行不同的任务，可以根据生产需求灵活地配置检测任务，提高了资源的利用效率。
进一步的，在上述实施例的基础上，本实施例中的基于光源需求类型和打光需求时间，采集每个工作流程下的铜箔图像信息，包括：在切换至工作流程时，切换工作流程对应的光源需求类型和打光需求时间；在光源需求类型和打光需求时间下，确定具有目标帧率和分辨率的图像采集设备；利用图像采集设备在光源需求类型和打光需求时间下，采集对应的铜箔图像信息。其中，利用图像采集设备在光源需求类型和打光需求时间下，采集对应的铜箔图像信息，包括：在光源需求类型和打光需求时间下，控制第一时长内为高亮度光源，且第二时长内为低亮度光源；利用图像采集设备在高亮度光源采集整体亮度图像，在低亮度光源下采集细节暗部图像；将整体亮度图像与细节暗部图像融合，得到铜箔图像信息。
具体的，采集铜箔信息是需要针对不同的工作流程切换对应的光源需求类型和打光需求时间，因此，在切换工作流程后，首先便需要确保每个工作流程的图像采集与触发信号同步，以避免图像之间的时间错乱。在分时打光准备完成之后，便会基于图像采集的目标帧率需求和分辨率需求，确定出图像采集设备。然后利用图像采集设备在第一时长内的高亮度光源下采集整体亮度图像，在第二时长内的低亮度光源下采集细节暗部图像，通过不同时长和不同光源下采集不同的图像，然后将图像进行融合得到的铜箔图像，更能够清晰地反馈出铜箔的真实情况，更有助于精准地确定出铜箔的正面瑕疵缺陷和背面针孔缺陷。
进一步的，本实施例中的在将所有不同角度的检测图像分配至不同的虚拟工位之后，还包括：利用直方图均衡化和对比度拉伸的方式，增强每个虚拟工位上的检测图像的灰度差异；利用维纳滤波和小波变换，对增强灰度差异的检测图像进行噪声去除，强化铜箔缺陷的边缘特征。
具体的，为了保证每个虚拟工位在后续图像检测时的准确度，首先利用直方图均衡化和对比度拉伸的方式，增强每个虚拟工位上的检测图像的灰度差异，从而增强缺陷的对比度，保证能够更加准确的确定出铜箔缺陷。然后再使用滤波器，即维纳滤波和小波变换，减少图像中的噪声，对增强灰度差异的检测图像进行噪声去除，强化铜箔缺陷的边缘特征，提高缺陷的可见性。从而使得最终分配到虚拟工位上的检测图像中正面图像和背面图像均提高了缺陷的可见性和缺陷的对比度，更能够准确无误的检测出缺陷类型。
进一步的，在上述实施例的基础上，本实施例中的分别对正面图像和背面图像进行拆解，得到不同角度的检测图像之后，还包括：识别检测图像中的感兴趣区域；将感兴趣区域的颜色由彩色转化为灰度，以灰度后的图像作为检测图像。
具体的，为了确保检测图像能够提升正面瑕疵检测和背面针孔检测的准确度，可以识别出检测图像中的感兴趣区域，只关注感兴趣的区域，忽略无关的区域，从而减少处理的范围，提高图像处理的速度，然后将彩色图像转化为灰度图像，能够有效地减少处理的通道数，从而减少计算量，保证了图像识别处理的效率。
进一步的，本实施中还包括，在缺陷检测的过程中，对于每个工作流程采用流水线处理的方式，使每个工作流程能够平行运行，提高图像处理效率，并且基于图像处理类型，调整图像参数，以平衡缺陷检测的准确性和速度。还可以根据不同工作流程的实时数据和处理时间，采用自适应策略调整图像处理的参数和流程，确保在不同情况下都能够满足缺陷检测的速度要求。通过数据并行的方式，减少了整体处理时间，通过降维方式的特征提取，有效的减少了特征维度。整体而言，既能够保证铜箔缺陷检测的精准度，还保证了缺陷检测的效率。
分时打光和虚拟多工位在图像处理中的主要目标是实现多个检测任务的同时或轮流进行，确保检测速度的同时，准确地获取缺陷信息。通过对不同角度和安装位置的光源进行精准的时序控制，并通过信号的倍频操作，在满足当前检测速度的和精度前提下，可以是在同一个工位的相机中在确定的时间段中能够得到分辨率不变的多张图像，对多个角度形成的图像除实际相机所在工位外，虚拟多个工位，从而实现了多个位置的检测，在成本降低的基础上满足了产品检测要求，以确保时间满足检测速度要求并正确获取缺陷信息。
基于同一总的发明构思，本发明还保护一种基于分时打光和虚拟工位的铜箔缺陷检测装置，下面对本发明提供的基于分时打光和虚拟工位的铜箔缺陷检测装置进行描述，下文描述的基于分时打光和虚拟工位的铜箔缺陷检测装置与上文描述的基于分时打光和虚拟工位的铜箔缺陷检测方法可相互对应参照。
图2是本发明实施例提供的基于分时打光和虚拟工位的铜箔缺陷检测装置的结构示意图。
如图2所示，本实施例提供的一种基于分时打光和虚拟工位的铜箔缺陷检测装置，包括：
确定模块201，用于确定铜箔缺陷检测任务的所有工作流程；确定每个工作流程对应的光源需求类型和打光需求时间；
采集模块202，用于基于光源需求类型和打光需求时间，采集每个工作流程下的铜箔图像信息，铜箔图像信息包括正面图像和背面图像；
拆解模块203，用于分别对正面图像和背面图像进行拆解，得到不同角度的检测图像；
分配模块204，用于将所有不同角度的检测图像分配至不同的虚拟工位；
检测模块205，用于基于边缘检测和灰度分析，对每个虚拟工位对应的检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；基于像素变化分析和形态学，对每个虚拟工位对应的检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
进一步的，本实施例中的采集模块202，具体用于：
在切换至所述工作流程时，切换所述工作流程对应的光源需求类型和打光需求时间；
在所述光源需求类型和所述打光需求时间下，确定具有目标帧率和分辨率的图像采集设备；
利用所述图像采集设备在所述光源需求类型和所述打光需求时间下，采集对应的铜箔图像信息。
进一步的，本实施例中的采集模块202，具体用于：
在所述光源需求类型和所述打光需求时间下，控制第一时长内为高亮度光源，且第二时长内为低亮度光源；
利用所述图像采集设备在所述高亮度光源采集整体亮度图像，在所述低亮度光源下采集细节暗部图像；
将所述整体亮度图像与所述细节暗部图像融合，得到铜箔图像信息。
进一步的，本实施例中的分配模块204，具体用于：
确定每个虚拟工位的位置特征、尺寸特征和时序特征；
基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，为所述不同的虚拟工位分配不同的检测图像。
进一步的，本实施例中的分配模块204，具体用于：
基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，确定图像采集角度；
基于所述图像采集角度，在所述不同角度的检测图像中筛选目标检测图像；
将所述目标检测图像与所述虚拟工位绑定。
进一步的，本实施例中还包括图像处理模块，用于：
利用直方图均衡化和对比度拉伸的方式，增强每个所述虚拟工位上的检测图像的灰度差异；
利用维纳滤波和小波变换，对增强所述灰度差异的检测图像进行噪声去除，强化铜箔缺陷的边缘特征。
进一步的，本实施例中的检测模块205，具体用于：
利用边缘检测和灰度分析，确定所述虚拟工位对应的所述检测图像中的正面图像的纹理特征；
输入所述纹理特征至缺陷检测模型，输出正面瑕疵缺陷，所述缺陷检测模型是基于纹理特征样本和正面瑕疵缺陷样本预先训练得到的。
进一步的，本实施例中的检测模块205，具体用于：
基于像素变化分析和形态学，提取每个所述虚拟工位对应的所述检测图像中的背面图像的边缘局部特征和角点局部特征；
基于所述边缘局部特征和所述角点局部特征，确定铜箔背面针孔缺陷。
进一步的，本实施例中还包括转换模块，用于：
识别所述检测图像中的感兴趣区域；
将所述感兴趣区域的颜色由彩色转化为灰度，以所述灰度后的图像作为检测图像。
图3是本发明实施例提供的电子设备的结构示意图。
如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行基于分时打光和虚拟工位的铜箔缺陷检测方法，该方法包括：确定铜箔缺陷检测任务的所有工作流程；确定每个所述工作流程对应的光源需求类型和打光需求时间；基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，所述铜箔图像信息包括正面图像和背面图像；分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像；将所有所述不同角度的检测图像分配至不同的虚拟工位；基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于分时打光和虚拟工位的铜箔缺陷检测方法，该方法包括：确定铜箔缺陷检测任务的所有工作流程；确定每个所述工作流程对应的光源需求类型和打光需求时间；基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，所述铜箔图像信息包括正面图像和背面图像；分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像；将所有所述不同角度的检测图像分配至不同的虚拟工位；基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，包括：
确定铜箔缺陷检测任务的所有工作流程；
确定每个所述工作流程对应的光源需求类型和打光需求时间；
基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，所述铜箔图像信息包括正面图像和背面图像；
分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像；
将所有所述不同角度的检测图像分配至不同的虚拟工位；
基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；
基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
2.根据权利要求1所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，包括：
在切换至所述工作流程时，切换所述工作流程对应的光源需求类型和打光需求时间；
在所述光源需求类型和所述打光需求时间下，确定具有目标帧率和分辨率的图像采集设备；
利用所述图像采集设备在所述光源需求类型和所述打光需求时间下，采集对应的铜箔图像信息。
3.根据权利要求2所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述利用所述图像采集设备在所述光源需求类型和所述打光需求时间下，采集对应的铜箔图像信息，包括：
在所述光源需求类型和所述打光需求时间下，控制第一时长内为高亮度光源，且第二时长内为低亮度光源；
利用所述图像采集设备在所述高亮度光源采集整体亮度图像，在所述低亮度光源下采集细节暗部图像；
将所述整体亮度图像与所述细节暗部图像融合，得到铜箔图像信息。
4.根据权利要求1所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述将所有所述不同角度的检测图像分配至不同的虚拟工位，包括：
确定每个虚拟工位的位置特征、尺寸特征和时序特征；
基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，为所述不同的虚拟工位分配不同的检测图像。
5.根据权利要求4所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，为所述不同的虚拟工位分配不同的检测图像，包括：
基于每个所述虚拟工位的位置特征、尺寸特征和时序特征，确定图像采集角度；
基于所述图像采集角度，在所述不同角度的检测图像中筛选目标检测图像；
将所述目标检测图像与所述虚拟工位绑定。
6.根据权利要求1所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述将所有所述不同角度的检测图像分配至不同的虚拟工位之后，还包括：
利用直方图均衡化和对比度拉伸的方式，增强每个所述虚拟工位上的检测图像的灰度差异；
利用维纳滤波和小波变换，对增强所述灰度差异的检测图像进行噪声去除，强化铜箔缺陷的边缘特征。
7.根据权利要求1所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷，包括：
利用边缘检测和灰度分析，确定所述虚拟工位对应的所述检测图像中的正面图像的纹理特征；
输入所述纹理特征至缺陷检测模型，输出正面瑕疵缺陷，所述缺陷检测模型是基于纹理特征样本和正面瑕疵缺陷样本预先训练得到的。
8.根据权利要求7所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷，包括：
基于像素变化分析和形态学，提取每个所述虚拟工位对应的所述检测图像中的背面图像的边缘局部特征和角点局部特征；
基于所述边缘局部特征和所述角点局部特征，确定铜箔背面针孔缺陷。
9.根据权利要求1-8任一项所述的基于分时打光和虚拟工位的铜箔缺陷检测方法，其特征在于，所述分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像之后，还包括：
识别所述检测图像中的感兴趣区域；
将所述感兴趣区域的颜色由彩色转化为灰度，以所述灰度后的图像作为检测图像。
10.一种基于分时打光和虚拟工位的铜箔缺陷检测装置，其特征在于，包括：
确定模块，用于确定铜箔缺陷检测任务的所有工作流程；确定每个所述工作流程对应的光源需求类型和打光需求时间；
采集模块，用于基于所述光源需求类型和所述打光需求时间，采集每个所述工作流程下的铜箔图像信息，所述铜箔图像信息包括正面图像和背面图像；
拆解模块，用于分别对所述正面图像和所述背面图像进行拆解，得到不同角度的检测图像；
分配模块，用于将所有所述不同角度的检测图像分配至不同的虚拟工位；
检测模块，用于基于边缘检测和灰度分析，对每个所述虚拟工位对应的所述检测图像中的正面图像进行检测，确定铜箔正面瑕疵缺陷；基于像素变化分析和形态学，对每个所述虚拟工位对应的所述检测图像中的背面图像进行检测，确定铜箔背面针孔缺陷。
CN202410085676.9A 2024-01-22 2024-01-22 基于分时打光和虚拟工位的铜箔缺陷检测方法及装置 Active CN117607164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410085676.9A CN117607164B (zh) 2024-01-22 2024-01-22 基于分时打光和虚拟工位的铜箔缺陷检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410085676.9A CN117607164B (zh) 2024-01-22 2024-01-22 基于分时打光和虚拟工位的铜箔缺陷检测方法及装置

Publications (2)

Publication Number Publication Date
CN117607164A true CN117607164A (zh) 2024-02-27
CN117607164B CN117607164B (zh) 2024-04-16

Family

ID=89944653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410085676.9A Active CN117607164B (zh) 2024-01-22 2024-01-22 基于分时打光和虚拟工位的铜箔缺陷检测方法及装置

Country Status (1)

Country Link
CN (1) CN117607164B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003222597A (ja) * 2002-01-31 2003-08-08 Kokusai Gijutsu Kaihatsu Co Ltd 銅箔表面検査装置、および銅箔表面検査方法
CN1504742A (zh) * 2002-11-28 2004-06-16 威光机械工程股份有限公司 印刷电路板上瑕疵组件的自动光学检测系统
CN112415014A (zh) * 2020-11-09 2021-02-26 上海圣之尧智能科技有限公司 一种铜箔缺陷检测方法以及介质
CN113325001A (zh) * 2021-04-12 2021-08-31 浙江花园新能源有限公司 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法
CN115272658A (zh) * 2022-05-19 2022-11-01 广州超音速自动化科技股份有限公司 一种铜箔缺陷检测方法、系统、设备及存储介质
CN116754567A (zh) * 2023-08-18 2023-09-15 钛玛科（北京）工业科技有限公司 铜箔材料的周期性缺陷检测方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003222597A (ja) * 2002-01-31 2003-08-08 Kokusai Gijutsu Kaihatsu Co Ltd 銅箔表面検査装置、および銅箔表面検査方法
CN1504742A (zh) * 2002-11-28 2004-06-16 威光机械工程股份有限公司 印刷电路板上瑕疵组件的自动光学检测系统
CN112415014A (zh) * 2020-11-09 2021-02-26 上海圣之尧智能科技有限公司 一种铜箔缺陷检测方法以及介质
CN113325001A (zh) * 2021-04-12 2021-08-31 浙江花园新能源有限公司 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法
CN115272658A (zh) * 2022-05-19 2022-11-01 广州超音速自动化科技股份有限公司 一种铜箔缺陷检测方法、系统、设备及存储介质
CN116754567A (zh) * 2023-08-18 2023-09-15 钛玛科（北京）工业科技有限公司 铜箔材料的周期性缺陷检测方法、装置及设备

Also Published As

Publication number Publication date
CN117607164B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN114529549B (zh) 一种基于机器视觉的布匹缺陷标注方法及系统
CN107316077B (zh) 一种基于图像分割及边缘检测的脂肪细胞自动计数方法
CN110490862B (zh) 一种提高连铸探伤合格率的方法及装置
CN112614062B (zh) 菌落计数方法、装置及计算机存储介质
CN108765402B (zh) 无纺布缺陷检测与分类方法
CN111289538A (zh) 基于机器视觉的pcb板元件检测系统及检测方法
CN109472788B (zh) 一种飞机铆钉表面的伤痕检测方法
CN110728681A (zh) 一种Mura缺陷检测方法及装置
CN115205291B (zh) 一种电路板检测方法、装置、设备和介质
CN115131353B (zh) 平网印花纺织品生产异常识别定位方法及系统
CN113610772A (zh) 易拉罐瓶底喷码缺陷检测方法、系统、装置及存储介质
CN116228651A (zh) 一种布匹缺陷检测方法、系统、设备及介质
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN117309892B (zh) 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器
CN117607164B (zh) 基于分时打光和虚拟工位的铜箔缺陷检测方法及装置
CN114331961A (zh) 用于对象的缺陷检测的方法
CN109102486B (zh) 基于机器学习的表面缺陷检测方法及装置
CN109272480B (zh) 一种不相溶溶液分界线的检测方法
CN110530894B (zh) 导光板亮点缺陷检测方法
CN111028250A (zh) 一种实时智能验布方法及系统
CN113947598B (zh) 基于图像处理的塑料餐盒缺陷检测方法、装置及系统
CN112488986A (zh) 基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及系统
RU2426069C1 (ru) Способ неразрушающего контроля качества поверхности рельсов
CN114627308A (zh) 一种骨髓细胞形态学特征的提取方法与系统
CN114723695A (zh) 一种基于差分度量的浅色生物样本的检测方法

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