金属加热膜视觉检测设备、系统及方法与流程

本发明涉及图像检测，具体是指金属加热膜视觉检测设备、系统及方法。

背景技术：

1、目前对微小锡珠的检测存在不够准确，与普通灰尘的形态相似性(均为颗粒状)，颜色也相似，都是呈灰白色，容易造成误判。

2、同时通用性还需提升，来适配更多类型的产品。

3、本方案提供的金属加热膜视觉检测设备、系统及方法，旨在通过先进的视觉检测技术，精确识别金属加热膜表面0.5mm及以上的缺陷，包括多料、少料、裂缝、褶皱以及异物(如头发、锡珠、黑点等)。

4、该设备通过自动化检测流程，显著提升生产效率和产品质量，满足行业对缺陷检测的严格要求。

技术实现思路

1、(一)技术问题

2、本发明旨在至少解决现有技术中存在的检测效率低、精度低的问题。

3、(二)技术内容

4、本方案提供金属加热膜视觉检测系统，由以下具体技术手段所达成：包括图像采集层、图像检测识别层、检测结果保存显示层；

5、所述图像采集层对金属膜或芯片进行高精度图像采集；

6、所述图像检测识别层采用深度学习(yolo)结合传统图像处理算法，对采集的图像进行多维度缺陷分析；

7、所述检测结果保存显示层将检测结果进行显示和保存。

8、优选技术方案一：所述图像检测识别层包括芯片裂缝识别模块、芯片位移识别模块、芯片折皱识别模块、芯片异物识别模块、芯片少料识别模块、芯片多料识别模块、混料检测识别模块、芯片宽度识别模块；

9、所述芯片裂缝识别模块用于检测芯片金属条区域是否存在裂缝；

10、所述芯片位移识别模块用于检测芯片位置是否偏移或错位；

11、所述芯片折皱识别模块用于检测金属膜或芯片表面是否存在折叠；

12、所述芯片异物识别模块用于检测金属膜或芯片表面是否存在灰尘、油污、颗粒等污染物；

13、所述芯片少料识别模块用于检测芯片是否存在材料缺失；

14、所述芯片多料识别模块用于检测芯片是否存在材料多余；

15、所述混料检测识别模块用于基于芯片金属条的纹理特征，检测不同型号的芯片是否混入；

16、所述芯片宽度识别模块用于采用opencv轮廓提取算法，精确测量芯片金属条的宽度。

17、优选技术方案二：所述图像检测识别层内有yolo模型；

18、yolo模型的建立：

19、采用yolov8作为核心检测框架，建立yolo模型；

20、对缺陷样本进行分类，并建立缺陷数据库；

21、yolo模型的训练：

22、利用缺陷数据库对yolo模型进行针对性的架构优化和训练策略调整；

23、在yolo模型骨干网络设计上，特别增加了浅层小目标检测头(p2输出层)，以增强对微小缺陷特征的捕捉能力；同时引入cbam注意力机制，使yolo模型能够更精准地聚焦于裂缝和异物等关键区域，显著提升了检测敏感度；

24、训练过程采用严格的数据准备和增强策略。

25、优选技术方案三：还包括参数配置模块，用于设置系统参数。

26、本方案还提供了金属加热膜视觉检测设备，包括工作台，在工作台台面的前后侧均形成一组上料工位，同时在工作台台面的中部固定有检测罩，在所述检测罩内顶部安装高分辨率工业相机及光源；

27、在每组上料工位的侧边处放置有扫码枪，扫码枪与金属加热膜视觉检测系统连接，用于启动金属加热膜视觉检测系统工作。

28、优选技术方案一：在每组所述上料工位上均安装有滑轨，并且滑轨的一端延伸至检测罩内，在每组所述滑轨中的滑块上均固定有一治具板，用于放置金属膜产品；

29、在每组上料工位上还安装有指示灯，在治具板位于上料工位处时，指示灯发出绿色灯光；在治具板移动至检测罩内时，指示灯发出红色灯光。

30、优选技术方案二：在所述检测罩内左右侧还对称设置有压平件，在治具板移动至高分辨率工业相机正下方时，两组压平件分别位于治具板的左右两端并且每组压平件均位于治具板上两组金属膜产品之间用于压平两组金属膜产品的对折部分。

31、优选技术方案三：在所述检测罩的外壁上针对每组上料工位处固定有一电脑显示屏。

32、优选技术方案四：在所述检测台内还安装有plc。

33、本方案还提供了金属加热膜视觉检测方法，包括如下步骤：

34、s1.设备连接电源，两边上料工位指示灯绿色表示可以上料；

35、s2.工人将产品放置在位于上料工位处的治具板上，同时将产品固定在治具板左右两侧的个定位杆上；

36、s3.产品固定好后人工开始用扫码枪扫描产品上的条形码，录入信息，传递给电脑显示屏和系统；

37、s4.扫码完成后通过plc控制滑轨，带动治具板从上料工位处移动进入检测罩内直至工业相机下方的拍照检测点；

38、s5.产品到达拍照检测点后，气缸伸展带动压块下压住产品的弯折连接带(每个产品都有弯折连接带部分)，然后plc控制工业相机进行拍照(此时两侧上料工位指示灯熄灭，对面上料工位无法扫码上料)；

39、s6.工业相机拍照完成后发送信号给plc，此时压平件自动抬起，plc控制滑轨上的治具板从相机拍照检测点向后退回至人工上料位完成单次的产品拍照检测，同时两侧电脑显示屏显示检测结果；

40、s7.人工手动取下已检测的产品，并放上待检测的产品(此时两侧绿色指示灯亮)开启以上1-6步的工作流程继续检测下一个产品。

41、(三)技术效果

42、采用上述结构使得本方案具备以下有益效果：

43、1、高精度检测：采用yolo v8深度学习模型，能够高效识别0.5mm及以上的微小缺陷，满足行业标准；

44、2、自动化程度高：从产品识别、定位到图像采集、缺陷检测，全程自动化，减少人工干预，提高检测效率；

45、3、全面性：多相机多角度拍摄结合均匀照明，确保缺陷检测无遗漏；

46、4、高效性：检测速度快，可满足大规模生产需求，显著提升生产效率；

47、5、可靠性：通过深度学习算法，缺陷识别准确率高，有效保证产品质量。

1.金属加热膜视觉检测系统，其特征在于，包括图像采集层、图像检测识别层、检测结果保存显示层；

2.根据权利要求1所述的金属加热膜视觉检测系统，其特征在于，所述图像检测识别层包括芯片裂缝识别模块、芯片位移识别模块、芯片折皱识别模块、芯片异物识别模块、芯片少料识别模块、芯片多料识别模块、混料检测识别模块、芯片宽度识别模块；

3.根据权利要求2所述的金属加热膜视觉检测系统，其特征在于，所述图像检测识别层内有yolo模型，用于对采集的图像进行瑕疵分析、定位。

4.根据权利要求3所述的金属加热膜视觉检测系统，其特征在于，所述yolo模型的建立：

5.根据权利要求4所述的金属加热膜视觉检测系统，其特征在于，所述缺陷样本在保存至缺陷数据库前需要进行预处理。

6.根据权利要求1所述的金属加热膜视觉检测系统，其特征在于，还包括参数配置模块，用于设置系统参数。

7.根据权利要求1-6任一项所述的金属加热膜视觉检测设备，其特征在于，包括工作台(1)，在工作台(1)台面的前后侧均形成一组上料工位(2)，同时在工作台(1)台面的中部形成有检测罩(3)；

8.根据权利要求7所述的金属加热膜视觉检测设备，其特征在于，在所述检测罩(3)内左右侧还对称设置有压平件，用于压平金属膜产品的对折部分。

9.根据权利要求8所述的金属加热膜视觉检测设备，其特征在于，在所述检测罩(3)的外壁上针对每组上料工位(2)处固定有一电脑显示屏(11)；

10.根据权利要求9所述的金属加热膜视觉检测方法，其特征在于，包括如下步骤：