一种贴片电阻的保护膜外观缺陷检测设备及应用方法

技术领域

本发明涉及检测设备及应用方法技术领域，特别是一种贴片电阻的保护膜外观缺陷检测设备及应用方法。

背景技术

贴片电阻，即片式固定电阻器，为金属玻璃釉电阻器中的一种。贴片电阻制作中将金属粉和玻璃釉粉混合，采用丝网印刷法印在基板上进而制成成品。其具有体积小、重量轻，适应再流焊与波峰焊，·电性能稳定、可靠性高，装配成本低，并可大大节约电路空间成本，使设计更精细化的优点。贴片电阻为了保证其正常使用，会在外层加工一层保护膜(主要位于贴片电阻上端)，保护膜主要起到防潮、耐热及绝缘的功能，极大提高了贴片电阻的使用寿命。

实际情况下，为了保证终端使用，需要对生产的贴片电阻保护膜进行质量检测。现有技术中，由于技术限制，都是在贴片电阻生产完后，随机选取一定量样品通过图像放大设备(比如说电子显微镜)进行检测。人为检测不但效率不高，且由于检测的样品不能涵盖所有贴片电阻，因此检测出的数据不能真实客观反映出全部贴片电阻的质量，对贴片电阻的有效应用或多或少存在一定的制约。基于上述，提供一种能有效对所有贴片电阻保护膜质量进行检测的方法显得尤为必要。

发明内容

为了克服现有技术中，人为检测贴片电阻保护膜质量效率不高，由于检测的样品不能涵盖所有贴片电阻，检测出的数据不能客观反映出全部贴片电阻的质量，对贴片电阻的有效应用或存在一定制约的弊端，本发明提供了在贴片电阻生产线的上端安装了工业相机，工业相机实时对生产线上的贴片电阻保护膜进行质量检测，利用图像系统获取产品图片基础上，用大量贴片电阻保护膜图片作为图片数据库，引入人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到贴片电阻保护膜各种质量问题，能涵盖保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积等主要质量检测项目，由此达到检测速度快、检测精度高、节省了人工、保证了检测质量，提高了生产方经济效益的一种贴片电阻的保护膜外观缺陷检测方法。

本发明解决其技术问题所采用的技术方案是：

一种贴片电阻的保护膜外观缺陷检测设备，其特征在于包括视频摄像机、工控机、数据储存单元、识别单元、判断单元、报警单元；所述视频摄像机安装在贴片电阻生产线的上端，视频摄像机和工控机经数据线连接，数据储存单元、识别单元、判断单元、报警单元是安装在工控机内的应用软件；所述数据储存单元内存有贴片电阻包括保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积故障图片。

进一步地，所述数据储存单元内储存有大量贴片电阻保护膜已知故障的图片特征数据，以及和故障一比一对应合格贴片电阻保护膜的图片特征数据。

一种贴片电阻的保护膜外观缺陷检测设备的应用方法，其特征在于包括如下五个步骤，第一步：先将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经识别单元进行数据标注，同时配上与故障电阻图片数据一比一对应的合格产品的图片数据，并将这些数据按照一定比例分为训练集和测试集；第二步：基于人工智能深度学习技术，针对贴片电阻保护膜故障图片特征设计出适合的人工智能深度学习类型；第三步：用标注过的图片数据对模型进行训练；第四步：用测试集对基于人工智能深度学习的人工智能平台上、生成的实证模型进行测试其是否正确，测试集生成的数据存入数据比对模块作为比对数据；第五步：检测中，视频摄像机实时对贴片电阻进行摄像并将图片数据输入到判断单元，判断单元自动调阅比对数据和图片数据作比对，得出贴片电阻保护膜质量是否合格数据，数据不合格时经报警模块发出提示信息，技术人员对贴片电阻质量进行针对性检测，并对生产设备做针对性调试、维护或维修。

进一步地，所述第一步中，将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经标记模块进行数据标注中，故障数据累积的愈多愈好。

进一步地，所述第一步中，训练集和测试集同时兼具贴片电阻保护膜图片故障数据和合格数据。

进一步地，所述第三步中，标注过的图片数据是第一步中的训练集。

进一步地，所述第五步中，报警模块报警的信息包括文字提示信息和语音提示信息。

本发明有益效果是：本发明基于AI(人工智能)，利用工业摄像机获取产品图片基础上，用大量贴片电阻图片作为图片数据库，引入人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到贴片电阻各种质量问题，能涵盖贴片电阻保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积等主要质量检测项目。本发明能在贴片电阻保护膜出现质量问题时，第一时间提示技术人员，这样，技术人员能在贴片电阻出现质量问题时，第一时间对生产设备进行维护或更换。本发明检测速度快、检测精度高、节省了人工、保证了检测质量，提高了生产方经济效益。基于上述，本发明具有好的应用前景。

附图说明

以下结合附图和实施例将本发明做进一步说明。

图1是本发明一种贴片电阻的保护膜外观缺陷检测设备的应用方法流程示意图。

具体实施方式

图1中所示，一种贴片电阻的保护膜外观缺陷检测设备，包括视频摄像机、工控机、数据储存单元、识别单元、判断单元、报警单元；所述视频摄像机安装在贴片电阻生产线的上端，视频摄像机和工控机经数据线连接，数据储存单元、识别单元、判断单元、报警单元是安装在工控机内的应用软件。数据储存单元内存有贴片电阻包括保护膜鼓包、麻点、全部缺损、部分缺损、开裂、保护膜材料堆积故障图片。数据储存单元内储存有大量贴片电阻保护膜已知故障的图片特征数据，以及和故障一比一对应合格贴片电阻保护膜的图片特征数据。

图1中所示，一种贴片电阻的保护膜外观缺陷检测设备的应用方法包括如下五个步骤，第一步：先将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经识别单元进行数据标注，同时配上与故障电阻图片数据一比一对应的合格产品的图片数据，并将这些数据按照一定比例分为训练集和测试集；第二步：基于人工智能深度学习技术，针对贴片电阻保护膜故障图片特征设计出适合的人工智能深度学习类型。第一步中，将贴片电阻保护膜已知故障图片的特征基于人工智能深度学习技术，经标记模块进行数据标注中，故障数据累积的愈多愈好。第一步中，训练集和测试集同时兼具贴片电阻保护膜图片故障数据和合格数据。

图1中所示，第三步：用标注过的图片数据对模型进行训练；第四步：用测试集对基于人工智能深度学习的人工智能平台上、生成的实证模型进行测试其是否正确，测试集生成的数据存入数据比对模块作为比对数据；第五步：检测中，视频摄像机实时对贴片电阻进行摄像并将图片数据输入到判断单元，判断单元自动调阅比对数据和图片数据作比对，得出贴片电阻保护膜质量是否合格数据，数据不合格时经报警模块发出提示信息，技术人员对贴片电阻质量进行针对性检测，并对生产设备做针对性调试、维护或维修。第三步中，标注过的图片数据是第一步中的训练集。第五步中，报警模块报警的信息包括文字提示信息和语音提示信息。

图1中所示，本发明采用视频摄像机、工控机、数据储存单元、识别单元、判断单元、报警单元作为检测的工具作为检测的基础，应用AI(人工智能)模型具备的自适应学习能力，提高了检测效率。本发明利用工业摄像机获取产品图片基础上，用大量贴片电阻保护膜图片作为图片数据库，引入人工智能的深度学习方法，采用人工智能的仿人脑神经网络算法，实现在干扰、多变的情况下，仍旧能精确找到贴片电阻保护膜各种质量问题，能涵盖保护膜鼓包、麻点、全部缺损、部分缺损、开裂、堆积故障等主要质量检测项目。本发明能在贴片电阻保护膜出现质量问题时，第一时间提示技术人员，这样，技术人员能在贴片电阻出现质量问题时，第一时间对生产设备进行维护或更换。本发明检测速度快、检测精度高、节省了人工、保证了检测质量，提高了生产方经济效益。

以下表格是本发明对贴片电阻保护膜主要缺陷的分类及缺陷原因分析，其具体划分如下：

以上显示和描述了本发明的基本原理和主要特征及本发明的优点，对于本领域技术人员而言，显然本发明限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。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，本发明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发明内。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。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。