一种基于AI的焊点外观检测方法
文献发布时间:2023-06-19 09:54:18
技术领域
本发明涉及焊点外观检测技术领域,具体为一种基于AI的焊点外观检测方法。
背景技术
在微点焊领域,焊接质量不合格包括虚焊、脱焊,前者造成无法保证电流的持久、稳定通过焊点,后者造成电流无法通过焊点,焊点检测技术是为了判断焊点的质量是否合格的技术,以避免虚焊、脱焊的出现,提高良品率,点焊机主要用于电子行业的设备上,有较高的质量需求,因此,需要对焊点的质量进行检测,由于实际工艺的不成熟,以及人工操作的失误,往往会产生一些缺陷,比如焊料过多、焊料过少、松香焊、过热焊、冷焊、虚焊、不对称、松动、拉尖、桥接、针孔等,常见的缺陷主要有虚焊和焊穿,造成虚焊的原因一般有:两侧电极的压力过小导致焊件没有很好的贴紧,电流过小等,造成焊穿的主要原因是电流过大,直接导致焊件穿孔。
现有的焊点检测技术精度低,图像处理方法大都只停留在二维平面处理阶段,检测图像的对比度低,很容易遗漏掉存在不合格焊点的焊件,使得残次品率提高,同时根据采集的焊点图像对焊件的质量进行分类,降低了检测的智能性。
发明内容
本发明的目的在于提供一种基于AI的焊点外观检测方法,具备建立三维图像模型与采集的焊点图像进行对比,提高对比度,AI算法对合格焊点图像进行计算处理,根据采集的焊点图像对焊件的质量进行分类的优点,解决了现有的焊点检测技术精度低,图像处理方法大都只停留在二维平面处理阶段,检测图像的对比度低,很容易遗漏掉存在不合格焊点的焊件,使得残次品率提高,同时根据采集的焊点图像对焊件的质量进行分类,降低了检测智能性的问题。
为实现上述目的,本发明提供如下技术方案:一种基于AI的焊点外观检测方法,包括以下步骤:
A:对合格标准件进行三维模型重建,提取合格焊点的三维信息,获取合格标准件的若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
B:通过AI算法对合格焊点图像进行计算处理,对合格焊点图像进行筛分分类,分类规划出不同层次的焊点,计算出三种不同规格,分别为上等焊点图像、中等焊点图像和合格焊点图像;
C:对不合格标焊点进行三维模型重建,提取不合格焊点的三维信息,获取不合格焊点若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得不合格焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
D:安装X、Y和Z三维轴,分别在X、Y和Z轴上安装移动平台,将联网摄像头分别安装在X、Y和Z轴移动平台上,用于对焊件不同位置上进行摄像,实时监测焊件焊点信息;
E:通过联网摄像头将检测到的焊点图像信息发送给AI检测服务器,AI检测服务器将收到的图像信息与计算机存储的图像信息进行对比分析,分析出焊点图像属于上等焊点图像、中等焊点图像、合格焊点图像和不合格焊点图像中的一种;
F:检测出图像归类后,将检测的结果反馈给计算机的控制系统,控制系统控制语音提示器发出语音提示音,以便告知操作者焊件的检测结果,以便与焊件好坏进行分离存储,不合格的焊件可以召回重新进行加工。
优选的,所述步骤A中获取合格标准件的若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对所述贡献权重值进行递归滤波,再与所述源图像进行加权平均,获得融合图像。
优选的,所述步骤C中获取不合格焊点若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对所述贡献权重值进行递归滤波,再与所述源图像进行加权平均,获得融合图像。
优选的,所述步骤D中使用的联网摄像头为高清摄像头,可以连接无线网络,通过无线WIFI与计算机控制系统进行连接,接收并执行计算机控制系统发送的指令。
优选的,所述步骤D中通过控制系统可以通过WIFI分别与X、Y和Z轴上安装的移动平台无线连接,无线遥控移动平台的移动,从而控制移动平台和摄像头的位置,有利于对焊件不同的位置进行监测。
优选的,所述步骤F中通过控制系统预先采集四种语音提示音,四种语音提示音分别为“上等件”、“中等件”、“合格件”和“次品件”,以供语音提示器进行播放提示操作者。
与现有技术相比,本发明的有益效果如下:
1、本发明具备建立三维图像模型与采集的焊点图像进行对比,提高对比度,AI算法对合格焊点图像进行计算处理,根据采集的焊点图像对焊件的质量进行分类的优点,解决了现有的焊点检测技术精度低,图像处理方法大都只停留在二维平面处理阶段,检测图像的对比度低,很容易遗漏掉存在不合格焊点的焊件,使得残次品率提高,同时根据采集的焊点图像对焊件的质量进行分类,降低了检测智能性的问题。
2、本发明通过建立三维图像模型与采集的焊点图像进行对比,提高对比度,AI算法对合格焊点图像进行计算处理,对图像进行分类,从而便于后续对检测的焊件焊点进行对比分类,提高成品率。
3、本发明通过对焊点图像并进行多曝光图像融合,提高图像的清晰度和种类,以便于更加精准的和检测的焊点图像进行对比,通过将移动平台安装在X、Y和Z轴,可以远程无线操控移动平台进行移动,从而任意控制摄像头的位置,便于对焊件不同的位置进行检测。
具体实施方式
下面将结合本发明实施例中,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做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。
一种基于AI的焊点外观检测方法,包括以下步骤:
A:对合格标准件进行三维模型重建,提取合格焊点的三维信息,获取合格标准件的若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
B:通过AI算法对合格焊点图像进行计算处理,对合格焊点图像进行筛分分类,分类规划出不同层次的焊点,计算出三种不同规格,分别为上等焊点图像、中等焊点图像和合格焊点图像;
C:对不合格标焊点进行三维模型重建,提取不合格焊点的三维信息,获取不合格焊点若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得不合格焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
D:安装X、Y和Z三维轴,分别在X、Y和Z轴上安装移动平台,将联网摄像头分别安装在X、Y和Z轴移动平台上,用于对焊件不同位置上进行摄像,实时监测焊件焊点信息;
E:通过联网摄像头将检测到的焊点图像信息发送给AI检测服务器,AI检测服务器将收到的图像信息与计算机存储的图像信息进行对比分析,分析出焊点图像属于上等焊点图像、中等焊点图像、合格焊点图像和不合格焊点图像中的一种;
F:检测出图像归类后,将检测的结果反馈给计算机的控制系统,控制系统控制语音提示器发出语音提示音,以便告知操作者焊件的检测结果,以便与焊件好坏进行分离存储,不合格的焊件可以召回重新进行加工。
步骤A中获取合格标准件的若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对贡献权重值进行递归滤波,再与源图像进行加权平均,获得融合图像。
步骤C中获取不合格焊点若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对贡献权重值进行递归滤波,再与源图像进行加权平均,获得融合图像。
步骤D中使用的联网摄像头为高清摄像头,可以连接无线网络,通过无线WIFI与计算机控制系统进行连接,接收并执行计算机控制系统发送的指令。
步骤D中通过控制系统可以通过WIFI分别与X、Y和Z轴上安装的移动平台无线连接,无线遥控移动平台的移动,从而控制移动平台和摄像头的位置,有利于对焊件不同的位置进行监测。
步骤F中通过控制系统预先采集四种语音提示音,四种语音提示音分别为“上等件”、“中等件”、“合格件”和“次品件”,以供语音提示器进行播放提示操作者。
实施例一:
一种基于AI的焊点外观检测方法,包括以下步骤:
A:对合格标准件进行三维模型重建,提取合格焊点的三维信息,获取合格标准件的若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
B:通过AI算法对合格焊点图像进行计算处理,对合格焊点图像进行筛分分类,分类规划出不同层次的焊点,计算出三种不同规格,分别为上等焊点图像、中等焊点图像和合格焊点图像;
C:对不合格标焊点进行三维模型重建,提取不合格焊点的三维信息,获取不合格焊点若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得不合格焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
D:安装X、Y和Z三维轴,分别在X、Y和Z轴上安装移动平台,将联网摄像头分别安装在X、Y和Z轴移动平台上,用于对焊件不同位置上进行摄像,实时监测焊件焊点信息;
E:通过联网摄像头将检测到的焊点图像信息发送给AI检测服务器,AI检测服务器将收到的图像信息与计算机存储的图像信息进行对比分析,分析出焊点图像属于上等焊点图像、中等焊点图像、合格焊点图像和不合格焊点图像中的一种;
F:检测出图像归类后,将检测的结果反馈给计算机的控制系统,控制系统控制语音提示器发出语音提示音,以便告知操作者焊件的检测结果,以便与焊件好坏进行分离存储,不合格的焊件可以召回重新进行加工。
步骤A中获取合格标准件的若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对贡献权重值进行递归滤波,再与源图像进行加权平均,获得融合图像。
步骤C中获取不合格焊点若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对贡献权重值进行递归滤波,再与源图像进行加权平均,获得融合图像。
步骤D中使用的联网摄像头为高清摄像头,可以连接无线网络,通过无线WIFI与计算机控制系统进行连接,接收并执行计算机控制系统发送的指令。
步骤D中通过控制系统可以通过WIFI分别与X、Y和Z轴上安装的移动平台无线连接,无线遥控移动平台的移动,从而控制移动平台和摄像头的位置,有利于对焊件不同的位置进行监测。
步骤F中通过控制系统预先采集四种语音提示音,四种语音提示音分别为“上等件”、“中等件”、“合格件”和“次品件”,以供语音提示器进行播放提示操作者。
实施例二:
一种基于AI的焊点外观检测方法,包括以下步骤:
A:对合格标准件进行三维模型重建,提取合格焊点的三维信息,获取合格标准件的若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
B:通过AI算法对合格焊点图像进行计算处理,对合格焊点图像进行筛分分类,分类规划出不同层次的焊点,计算出三种不同规格,分别为上等焊点图像、中等焊点图像和合格焊点图像;
C:对不合格标焊点进行三维模型重建,提取不合格焊点的三维信息,获取不合格焊点若干幅焊点图像并进行多曝光图像融合,对融合的图像进行预处理,消除噪声和干扰,获得不合格焊点特征图像,并向AI检测服务器推送图像,将图像存储至计算机中;
D:安装X、Y和Z三维轴,分别在X、Y和Z轴上安装移动平台,将联网摄像头分别安装在X、Y和Z轴移动平台上,用于对焊件不同位置上进行摄像,实时监测焊件焊点信息;
E:通过联网摄像头将检测到的焊点图像信息发送给AI检测服务器,AI检测服务器将收到的图像信息与计算机存储的图像信息进行对比分析,分析出焊点图像属于上等焊点图像、中等焊点图像、合格焊点图像和不合格焊点图像中的一种;
F:检测出图像归类后,将检测的结果反馈给计算机的控制系统,控制系统控制语音提示器发出语音提示音,以便告知操作者焊件的检测结果,以便与焊件好坏进行分离存储,不合格的焊件可以召回重新进行加工。
步骤A中获取合格标准件的若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对贡献权重值进行递归滤波,再与源图像进行加权平均,获得融合图像。
步骤C中获取不合格焊点若干幅焊点图像并进行多曝光图像融合包括:以对比度、饱和度及亮度为因子确定作为融合源图像的若干幅焊点图像的贡献权重值,并对贡献权重值进行递归滤波,再与源图像进行加权平均,获得融合图像。
综上所述:该基于AI的焊点外观检测方法,解决了现有的焊点检测技术精度低,图像处理方法大都只停留在二维平面处理阶段,检测图像的对比度低,很容易遗漏掉存在不合格焊点的焊件,使得残次品率提高,同时根据采集的焊点图像对焊件的质量进行分类,降低了检测智能性的问题。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
- 一种基于AI的焊点外观检测方法
- 基于机器视觉的焊点外观检测方法