一种电子器件基材缺陷检测方法和装置与流程

1.本发明属于电子产品检测领域，尤其是一种电子器件基材缺陷检测方法和装置。


背景技术：

2.电子产品在制作过程中，涉及到各种基材的表面检测，例如电路板衬底、显示屏、镀膜、金属外壳等。无论是何种基材在生产和运输过程中，都会存在一定缺陷，具体包括尺寸、面型、料纹、气泡、裂口、凹陷、划伤等几大类型。
3.现有的表面缺陷检测方法，可以分为两大类，一是应用于金属外壳和衬底上的接触式检测方法，二是是应用于镀膜或显示屏的视觉检测方法。其中，接触式检测方法一般用于检测面型是否符合规定，对小尺寸的表面缺陷则无能为力。视觉检测属于表面缺陷检测方法，也能够检测出基材的尺寸是否符合要求，但是对于一些细小的缺陷则难以做出准确的判断。


技术实现要素：

4.本发明的发明目的是提供一种电子器件基材缺陷检测方法、装置、服务器及可读存储介质，以解决背景技术中所涉及的问题。
5.基于上述技术问题，本发明提出了一种电子器件基材缺陷检测方法、装置、服务器及可读存储介质，包括如下四个方面。
6.第一方面，本发明提供一种电子器件基材缺陷检测方法，所述方法包括：在待检测电子器件基材表面投射第一图像，并获取反射后的第二图像；将第二图像输入训练模型；所述训练模型通过多组训练数据得到，所述训练数据中的单组训练数据包括：用于训练的第二图像、预定的相似度评价标准；获得所述训练模型的输出信息，所述输出信息作为第一指标；判断所述第一指标是否大于第一阈值，若是输出待检测电子器件基材合格，反之输出待检测电子器件基材存在缺陷。
7.优选地或可选地，所述第一图像为以预定相位角度播放的正弦条纹图像。
8.优选地或可选地，所述预定相位角度为π/2。
9.优选地或可选地，当所待检测电子器件基材存在缺陷时，所述方法还包括：判断所述第一指标是否大于第二阈值，若是执行下一步，反之输出待检测电子器件基材不合格；基于相位偏折技术，重建待检测电子器件基材的第一面型分布，所述第三图像为待检测电子器件基材的三维面型分布；将待检测电子器件基材分割为若干个区域；将所述第一面型分布与第二面型分布对比，计算每个区域内，第一面型分布和第二面型分布之间的差值积分；所述第二面型分布为待检测电子器件基材的标准三维面型分布；
判断所述差值积分是否大于第三阈值，若是则该区域存在缺陷，反之该区域符合要求；获取所述输出第二指标，所述第二指标为缺陷所在区域。
10.优选地或可选地，在检测曲面型电子器件基材时，所述方法还包括：通过旋转检测曲面型电子器件基材获得多个第二图像；且多个第二图像与所述第一图像所组成的光路完全铺满所述待检测电子器件基材。
11.优选地或可选地，在检测曲面型电子器件基材时，所述方法还包括：基于相位偏折技术，重建待检测电子器件基材的第三面型分布；所述第三面型分布为接收装置在每个视角所对应的待检测电子器件基材的面型分布；将所述第三面型分布拼接形成第四面型分布；判断所述第四面型分布是否符合预设范围，若是则输出待检测电子器件基材不合格；反之则输出待检测电子器件基材合格。
12.优选地或可选地，所训练模型包括：获取第二图像数据集合，所述第二图像数据集合包括：用于模型训练的训练图像数据对、及用于模型测试的测试图像数据对；将所述相识度评价标准作为监督数据，输入所述第二图像数据集合中的每一组图像数据对，对第二图像的图像信息进行训练。
13.第二方面，本发明还提供一种电子器件基材缺陷检测装置，所述装置包括：第一获取单元，用于在待检测电子器件基材表面投射第一图像，并获取反射后的第二图像；第一处理单元，用于将第二图像输入训练模型；所述训练模型通过多组训练数据得到，所述训练数据中的单组训练数据包括：用于训练的第二图像、预定的相似度评价标准；第一输出单元，用于获得所述训练模型的输出信息，所述输出信息作为第一指标；第一判断单元，用于判断所述第一指标是否大于第一阈值；第二输出单元，用于则输出待检测电子器件基材存在缺陷，或输出待检测电子器件基材合格。
14.第三方面，本发明还提供一种电子器件基材缺陷检测用服务器，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，其中，所述处理器执行所述程序时实现所述电子器件基材缺陷检测方法的步骤。
15.第四方面，一种计算机可读存储介质，该程序被处理器执行时实现所述电子器件基材缺陷检测方法的步骤。
16.有益效果：本发明涉及一种电子器件基材缺陷检测方法、装置、服务器及可读存储介质，本发明采用相位偏折术对待检测电子器件基材表面进行测量，经过待检测电子器件基材反射，待检测电子器件基材表面的缺陷信息被放大，能够有效的检测基材表面缺陷。直接采用神经训练网络对畸变图像进行相似度测试，无需对畸变图像进行重建，大大的降低了对计算机的算力要求，节省计算资源，提高了检测速率。
附图说明
17.图1为本发明实施例1中一种电子器件基材缺陷检测方法的流程示意图。
18.图2为本发明实施例2中一种电子器件基材缺陷检测装置。
19.图3为本发明实施例3中示例性电子设备的结构示意图。
20.附图标记说明：第一获取单元11、第一处理单元12、第一输出单元13、第一判断单元14、第二输出单元15、总线300、接收器301、处理器302、发送器303、存储器304、总线接口305。
具体实施方式
21.在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
22.实施例1如附图1所示，图1为本发明实施例1中一种电子器件基材缺陷检测方法的流程示意图，一种电子器件基材缺陷检测方法包括如下步骤：s100、在待检测电子器件基材表面投射第一图像，并获取反射后的第二图像。
23.具体而言，所述待检测电子器件基材包括但不限于电路板衬底、显示屏、镀膜、金属外壳。所述第一图像为以π/2相位角度播放的正弦条纹图像，其中所述正弦条纹10张，其中横向正弦条纹图像的初始相位为0，π/2，π，π3/2，2π；纵向正弦条纹的初始相位为
‑
π/2，0，π/2，π，π3/2。所述第二图像为经过待检测电子器件基材反射发生畸变的图像，采用连续变化的正弦条纹能够有效的提高检测精度。当然对于本领域技术人员而言，所述正弦条纹可以为单张正弦图像，以实现表面缺陷检测。由于在本实施例中不仅需要进行高精度表面缺陷检测，而且需要对缺陷产品做出进一步判断，故采用连续变化的正弦图像作为第一图像。
24.在具体实施过程中，将待检测电子器件基材放置于工位台上，调整显示器与接收装置的几何位置关系，形成反射光路，显示器播放单张正弦条纹或连续变化的正弦条纹，然后通过接收装置抓拍反射图像。所述接收装置可以为ccd相机。当然，所述显示器和接收装置在使用前需要进行校准，至于校准方法在此不做进一步赘述。
25.s200、将第二图像输入训练模型；所述训练模型通过多组训练数据得到，所述训练数据中的单组训练数据包括：用于训练的第二图像、预定的相似度评价标准；具体而言，所训练模型包括：获取第二图像数据集合，所述第二图像数据集合包括：用于模型训练的训练图像数据对、及用于模型测试的测试图像数据对；将所述相识度评价标准作为监督数据，输入所述第二图像数据集合中的每一组图像数据对，对第二图像的图像信息进行训练。
26.s300、获得所述训练模型的输出信息，所述输出信息作为第一指标；具体而言，所述训练模型即机器学习中的神经网络模型，神经网络模型是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络，是对人类大脑系统的一阶特性的一种描述。简而言之，它是一个数学模型，
由网络拓扑、节点特点和学习规则来表示，在本实施例中，将第二图像信息作为输入数据，输入到训练模型中，每一组输入数据都包括图像信息和预定的评价标准。以本实施例为例，如果待检测电子器件基材为绝对平面，则第二图像即与所述第一图像相同，当待检测电子器件基材出现的形状发生改变或其表面缺陷后，会导致第二图像发生畸变，由于缺陷种类的不同，畸变的形状和样式也会发生不同。因此，所述图像数据对包括：对已知表面缺陷情况的待检测电子器件基材拍摄的第二图像，以及待检测电子器件基材与标准件的相似度信息。当然，所述相似度信息的计算方法可以为：对所述待检测电子器件基材的面型进行重建，然后与标准参数进行对比得出相似度信息，在此不做进一步阐述。因此，所述第一指标为待检测电子器件基材与标准件的相似度信息。
27.s400、判断所述第一指标是否大于第一阈值，若是输出待检测电子器件基材合格，反之输出待检测电子器件基材存在缺陷。
28.具体而言，由于待检测电子器件基材加工工艺的不同，会导致第一指标的范围波动。因此，所述第一阈值为本领域技术人员根据实际检测要求和经验确定的值。
29.相对于现有技术而言，本实施例由于采用相位偏折术对待检测电子器件基材表面进行测量，经过待检测电子器件基材反射，待检测电子器件基材表面的缺陷信息被放大，能够有效的检测基材表面缺陷。直接采用神经训练网络对畸变图像进行相似度测试，无需对畸变图像进行重建，大大的降低了对计算机的算力要求，节省计算资源，提高了检测速率。
30.上述方法只能对待检测电子器件基材的表面缺陷进行检测，由于畸变图像并不能真实的反应缺陷位置，所以无法从次品中直接确定可通过返工达到第一阈值的产品。因此，所述方法还包括：s500、重建存在缺陷的待检测电子器件基材的第一面型分布，确定缺陷所在区域；具体地，判断所述第一指标是否大于第二阈值，若是执行下一步，反之输出待检测电子器件基材不合格；所述第二阈值与所述第一阈值相同，与待检测电子器件基材的加工工艺等参数有关；然后基于相位偏折技术，重建待检测电子器件基材的第一面型分布，所述第三图像为待检测电子器件基材的三维面型分布；将待检测电子器件基材分割为若干个区域，分割时，不局限于体积大小，更应当以缺陷出现频率作为依据进行分割。将所述第一面型分布与第二面型分布对比，计算每个区域内，第一面型分布和第二面型分布之间的差值积分；所述第二面型分布为待检测电子器件基材的标准三维面型分布；判断所述差值积分是否大于第三阈值，若是则该区域存在缺陷，反之该区域符合要求；获取所述输出第二指标，所述第二指标为缺陷所在区域，确定缺陷所在区域，通过根据缺陷类型和差值积分的大小等因素判断是否存在返工的必要性。
31.相对于现有技术而言，本实施例通过对可通过返工达到第一阈值的产品进行筛选和确认，减小生产成本，尤其是对一个贵金属类衬底的筛选，效果尤为明显。
32.但是对于曲面型待检测电子器件基材，则无法单次完整的获取第二图像，因此，在检测曲面型电子器件基材时，所述方法还包括：通过旋转检测曲面型电子器件基材获得多个第二图像；且多个第二图像与所述第一图像所组成的光路完全铺满所述待检测电子器件基材。分别将第二图像输入训练模型；所述训练模型通过多组训练数据得到，所述训练数据中的单组训练数据包括：用于训练的第二图像、预定的相似度评价标准；获得所述训练模型的输出信息，所述输出信息作为第一指标；判断所述第一指标是否大于第一阈值，若是输出
待检测电子器件基材合格，反之输出待检测电子器件基材存在缺陷。
33.相对于现有技术而言，本实施例通过旋转检测曲面型电子器件基材，获取完整的第二信息，由于无需调整显示屏和接收装置，因此图形始终处于同一检测条件下，减小了运动误差，提高了检测精度。然后将第二图像分别输入训练模型，进行分别比对，同样无需对所述第二图像进行重建，具有更高的检测效率。
34.在检测曲面型电子器件基材时，对于产品的面型检测也有一定要求，则所述方法还包括：对基于相位偏折技术，重建待检测电子器件基材的第三面型分布；所述第三面型分布为接收装置在每个视角所对应的待检测电子器件基材的面型分布；将所述第三面型分布拼接形成第四面型分布；判断所述第四面型分布是否符合预设范围，若是则输出待检测电子器件基材不合格；反之则输出待检测电子器件基材合格。
35.综上所述，本实施例不仅能够有效的检测基材表面缺陷，无需对畸变图像进行重建，大大的降低了对计算机的算力要求，节省计算资源，提高了检测速率。
36.实施例2基于与前述实施例1中一种电子器件基材缺陷检测方法同样的发明构思，本发明还提供一种电子器件基材缺陷检测装置，如图2所示，所述装置包括：第一获取单元，用于在待检测电子器件基材表面投射第一图像，并获取反射后的第二图像；第一处理单元，用于将第二图像输入训练模型；所述训练模型通过多组训练数据得到，所述训练数据中的单组训练数据包括：用于训练的第二图像、预定的相似度评价标准；第一输出单元，用于获得所述训练模型的输出信息，所述输出信息作为第一指标；第一判断单元，用于判断所述第一指标是否大于第一阈值；第二输出单元，用于则输出待检测电子器件基材存在缺陷，或输出待检测电子器件基材合格。
37.进一步的，所述装置还包括：第二判断单元，用于判断所述第一指标是否大于第二阈值，若是执行下一步，反之输出待检测电子器件基材不合格；第二处理单元，基于相位偏折技术，重建待检测电子器件基材的第一面型分布，所述第三图像为待检测电子器件基材的三维面型分布；第三处理单元，用于将待检测电子器件基材分割为若干个区域；第四处理单元，用于将所述第一面型分布与第二面型分布对比，计算每个区域内，第一面型分布和第二面型分布之间的差值积分；所述第二面型分布为待检测电子器件基材的标准三维面型分布；第三判断单元，用于判断所述差值积分是否大于第三阈值，若是则该区域存在缺陷，反之该区域符合要求；第三输出单元，用于获取所述输出第二指标，所述第二指标为缺陷所在区域。
38.进一步的，所述装置还包括：第二获取单元，用于基于相位偏折技术，重建待检测电子器件基材的第三面型分布；所述第三面型分布为接收装置在每个视角所对应的待检测电子器件基材的面型分布；
第五处理单元，用于将所述第三面型分布拼接形成第四面型分布；第四判断单元，用于判断所述第四面型分布是否符合预设范围，若是则输出待检测电子器件基材不合格；反之则输出待检测电子器件基材合格。
39.进一步的，所述装置还包括：第三获得单元，用于获取第二图像数据集合，所述第二图像数据集合包括：用于模型训练的训练图像数据对、及用于模型测试的测试图像数据对；第六处理单元，用于将所述相识度评价标准作为监督数据，输入所述第二图像数据集合中的每一组图像数据对，对第二图像的图像信息进行训练。
40.前述实施例1中的一种电子器件基材缺陷检测方法的各种变化方式和具体实例同样适用于本实施例的一种电子器件基材缺陷检测装置，通过前述对一种电子器件基材缺陷检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种电子器件基材缺陷检测装置的实施方法，所以为了说明书的简洁，在此不再详述。
41.实施例3基于与前述实施例中一种电子器件基材缺陷检测方法同样的发明构思，本发明还提供一种电子器件基材缺陷检测用服务器，如图3所示，图3为实施例3中示例性电子设备，包括存储器304、处理器302及存储在存储器304上并可在处理器302上运行的计算机程序，所述处理器302执行所述程序时实现前文所述电子器件基材缺陷检测方法的任一方法的步骤。
42.其中，在图3中，总线架构（用总线300来代表），总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个器件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
43.处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
44.实施例4基于与前述实施例中一种电子器件基材缺陷检测方法同样的发明构思，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：在待检测电子器件基材表面投射第一图像，并获取反射后的第二图像；将第二图像输入训练模型；所述训练模型通过多组训练数据得到，所述训练数据中的单组训练数据包括：用于训练的第二图像、预定的相似度评价标准；获得所述训练模型的输出信息，所述输出信息作为第一指标；判断所述第一指标是否大于第一阈值，若是输出待检测电子器件基材合格，反之输出待检测电子器件基材存在缺陷。
45.本发明实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：采用相位偏折术对待检测电子器件基材表面进行测量，经过待检测电子器件基材反射，待检测电子器件基材表面的缺陷信息被放大，能够有效的检测基材表面缺陷。直接采用神经训练网络对畸变图像进行相似度测试，无需对畸变图像进行重建，大大的降低了对计算机的算力要求，节省计算资源，提高了检测速率。
46.另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。