一种制品缺陷的检测方法及系统与流程

本发明涉及缺陷检测，尤其涉及一种电极制品的缺陷检测方法及系统。

背景技术：

1、传统的制品缺陷的检测方法只能简单的判断制品合格与不合格，以及缺陷的大致部位，且无法自定制品不合格的包含范围。不同的产品对缺陷的容忍度不同，有些缺陷并不会影响产品的性能或出货，因此客户需要在对产品进行缺陷检测时需要根据具体情况选择性的对产品特定的缺陷特征进行检测。同时，传统的检测方法，对于光源参数的调整一般采用的是手动设定，但缺陷检测对环境的变化过于敏感，手动设定无法检测环境、个体特征以及设备差异，很难调整至最优参数。

2、产品的缺陷种类繁多，传统的检测方法适应能力较差，已无法满足客户需求，因此，有必要提出一种新的技术方案。

技术实现思路

1、本发明的目的在于提供一种制品缺陷的检测方法及系统，将制品的缺陷特征进行梳理和准确分类，可以使客户根据需要选择所需的缺陷分类作为制品缺陷检测的参照。在批量检测前进行试料，自适应算出所需图像的环境参数，并向光源发出调参指令自动化调节光源的光照状态。采用机器视觉加人工智能模型对制品的缺陷进行准确分类。并结合多批次的判定结果使得算法自学习迭代更新。

2、为实现发明目的，本发明提供一种制品缺陷的检测方法，其包括如下：在处理模块内录入制品的所有缺陷特征，并按照制品部位不同对各缺陷特征进行缺陷分类；用户根据需要选择对应的缺陷类别作为判定制品不合格的参照标准；使用采集模块采集所测制品的图像信息，并将采集到的图片信息输送至所述处理模块；所述处理模块对接收到的图像信息进行处理，判定所测制品的缺陷类别，并与用户所选择的缺陷类别进行比较，判定所测制品是否合格，其中，在所述处理模块判定所测制品存在缺陷，且缺陷类别属于用户所选择的缺陷类别时，则判定所测制品不合格，否则判定所测制品合格。

3、进一步的，所述采集模块包括若干个相机，若干个相机分别对所测制品进行拍摄，并将拍摄到的图像信息发送至所述处理模块。

4、进一步的，在对批量制品进行检测之前，还包括试料工序，其包括：使用采集模块依次采集所测批次制品中的前若干个制品的图像信息；所述处理模块依次对前若干个制品的图像信息进行处理，分别判定前若干个制品的缺陷类别，若无法判定，则使用计算机视觉技术对对应制品的图像信息中的特征进行提取，直至提取出制品各部位清晰的图像信息，生成对应的光源调节参数；所述处理模块根据生成的光源调节参数给光源控制模块发送控制信号，进而调节光源模块对制品的光照状态；待所述光源模块的光照调节完毕后，对所测批次的后续制品进行检测。

5、进一步的，所述处理模块对图像信息进行处理时，将所述图像信息输入至人工智能神经网络和计算机视觉技术构建的算法模型中，之后获得并输出所测制品的缺陷类别。

6、进一步的，所述处理模块在判定所测制品是否合格时对判定结果进行数理统计，获得并记录所测批量产品中的合格率和不合格率。

7、进一步的，所述处理模块在判定所测制品的缺陷特征属于其中一类缺陷类别时，将带有该缺陷特征的制品的图像信息保存，之后将保存的该缺陷类别的所有图像信息进行网络模型训练，使算法自学习迭代更新。

8、本发明还提供一种适用于上述制品缺陷的检测方法的系统，其包括采集模块、处理模块、光源控制模块和光源模块，所述采集模块和所述光源控制模块分别与所述处理模块连接，所述光源模块与所述光源控制模块连接，所述采集模块被配置的采集所测制品的图像信息，所述光源模块被配置的照射所测制品，所述处理模块被配置的接收和处理所述采集模块采集到的图像信息，并通过所述光源控制模块控制所述光源模块发光。

9、本申请的制品缺陷的检测方法及系统至少具有如下一个或多个有益效果：

10、本申请的制品缺陷的检测方法及系统使用人工智能神经网络技术结合计算机视觉技术和数理统计方法，真正将人工智能在生产制造过程中的得到落地应用，相较传统检测方法更可靠，准确率更高。将制品的缺陷特征进行梳理和准确分类，使客户可以根据需要选择所需的缺陷分类作为制品缺陷检测的参照。在批量检测前进行试料，可以自适应算出所需图像的环境参数，并向光源发出调参指令自动化调节光源的光照状态。采用机器视觉加人工智能模型对制品的缺陷进行准确分类。并结合多批次的判定结果使得算法自学习迭代更新。

技术特征：

1.一种制品缺陷的检测方法，其特征在于，其包括：

2.根据权利要求1所述的制品缺陷的检测方法，其特征在于，所述采集模块包括若干个相机，若干个相机分别对所测制品进行拍摄，并将拍摄到的图像信息发送至所述处理模块。

3.根据权利要求1所述的制品缺陷的检测方法，其特征在于，在对批量制品进行检测之前，还包括试料工序，其包括：

4.根据权利要求1或3中所述的制品缺陷的检测方法，其特征在于，所述处理模块对图像信息进行处理时，将所述图像信息输入至人工智能神经网络和计算机视觉技术构建的算法模型中，之后获得并输出所测制品的缺陷类别。

5.根据权利要求1中所述的制品缺陷的检测方法，其特征在于，所述处理模块在判定所测制品是否合格时对判定结果进行数理统计，获得并记录所测批量产品中的合格率和不合格率。

6.根据权利要求1所述的制品缺陷的检测方法，其特征在于，所述处理模块在判定所测制品的缺陷特征属于其中一类缺陷类别时，将带有该缺陷特征的制品的图像信息保存，之后将保存的该缺陷类别的所有图像信息进行网络模型训练，使算法自学习迭代更新。

7.一种适用于权利要求1所述的制品缺陷的检测方法的系统，其特征在于，其包括采集模块、处理模块、光源控制模块和光源模块，所述采集模块和所述光源控制模块分别与所述处理模块连接，所述光源模块与所述光源控制模块连接，所述采集模块被配置的采集所测制品的图像信息，所述光源模块被配置的照射所测制品，所述处理模块被配置的接收和处理所述采集模块采集到的图像信息，并通过所述光源控制模块控制所述光源模块发光。

技术总结
本发明公开了一种制品缺陷的检测方法及系统，包括：在处理模块内录入制品所有缺陷特征，按照部位不同对各缺陷特征分类；用户根据需要选择对应缺陷类别作为判定制品不合格的参照标准；采集模块采集所测制品图像信息，并输送至处理模块处理，判定所测制品的缺陷类别，并与用户所选择的缺陷类别进行比较，判定所测制品是否合格。本申请将制品缺陷特征进行梳理和准确分类，可使客户根据需要选择所需缺陷分类作为制品缺陷检测参照。在批量检测前进行试料，自适应算出所需图像的环境参数，自动调节光源的光照状态。采用机器视觉加人工智能模型对制品的缺陷进行准确分类。并结合多批次的判定结果使得算法自学习迭代更新。

技术研发人员：黄德根
受保护的技术使用者：苏州优斯登物联网科技有限公司
技术研发日：
技术公布日：2024/1/12