一種工件的表面缺陷檢測方法及系統技術方案

本發明專利技術揭示了一種工件的表面缺陷檢測方法及系統，包括自動上料

【技術實現步驟摘要】
一種工件的表面缺陷檢測方法及系統


[0001]本專利技術涉及工業缺陷產品檢測領域，尤其涉及一種工件的表面缺陷檢測方法及系統
。

技術介紹

[0002]隨著科技的快速發展，工業質檢逐漸從人工質檢被機器質檢代替，且工業質檢的自動化程度越來越高
。
在工件表面缺陷檢測過程中，由于待檢測的工件數量多，傳統的人工質檢需要耗費大量的時間并且過程枯燥乏味，長時間的工作容易導致工人眼部疲勞而導致錯檢漏檢
。
[0003]近幾十年來，隨著科學技術的發展，人工智能技術已經在各領域中的得到廣泛應用
。
在產品生產過程中，人工智能也逐漸成為高效低成本的人力替代
。
缺陷檢測是產品生產過程中的重要一環，區別于傳統人工檢測，人工智能機器質檢在檢測效率
、
檢測準確度以及操作安全方面都有明顯提升
。
[0004]人工智能工業質檢可以分為自動上料
、
圖像采集
、
圖像推斷和缺陷處理四個環節
。
首先，利用機械臂夾取
、
振動盤振動傳送等方式，實現對產品的自動上料，使產品挨個或者按批送入到工業質檢的相機鏡頭下
。
接著，根據產品特性設置環形光
、
條形光，正面光源或者背面光源對產品進行打光，工業相機對產品進行圖像采集
。
然后，也是機器質檢最核心的部分，工業計算機對采集到的圖像進行有無缺陷的推斷
。
最后，控制器根據圖像推斷的結果對產品進行缺陷報警處理
。
[0005]人工智能計算機視覺處理技術在圖像推理環節發揮先進作用
。
傳統預計模板匹配的工業質檢算法無法應對環境光源變化以及可接受的產品形態形變差異等問題
。
近些年來，基于深度學習的計算機視覺處理技術在工業質檢領域得到更廣泛的應用
。
基于深度學習的工業質檢需要預先收集一批正常樣品以及缺陷樣品的圖像數據，然后在數據的高維度空間進行建模，然后經過圖像后處理實現對圖像有無缺陷的推理
。
在應用前，基于深度的人工智能工業質檢模型需要進行產線的反復測試最終投入應用
。
基于深度學習人工智能計算機視覺處理技術的優點在于對于圖像有無缺陷的判斷準確度高
、
效率高
。
[0006]但是，現有的工業質檢系統操作復雜，需要手動配置工業相機
、
光源等相關外設，產線工人往往需要花費大量時間在平臺操作的學習上
。
而工業質檢軟件中嵌入的視覺質檢模型一旦設置好后，不接受新的模型嵌入，產線產品（即工件）更新換代后就不能使用
。
另外，現有工業質檢算法對于產線經常錯檢的數據沒有自學習的功能，無法對新出現的缺陷類型進行模型優化及更新
。

技術實現思路

[0007]本專利技術的目的旨在提出一種工件的表面缺陷檢測方法，解決現有工業質檢系統操作復雜
、
工業質檢軟件不接受模型嵌入更新及工業質檢算法無法優化的問題
。
[0008]本專利技術實現上述一個目的的技術解決方案是，一種工件的表面缺陷檢測系統，其
特征在于包括：自動上料裝置，基于振動盤和傳送帶朝出料方向單向傳送相互隔開一段距離的工件；圖像采集裝置，由相機
、
鏡頭和光源組成且基于傳送帶旁側的立架裝載，其中相機
、
鏡頭和光源共軸并位于傳送帶正上方，相機的取景焦點與傳送帶上所通過工件的中心點在圖像采集時刻重合；圖像推斷裝置，由信號相連的顯示器
、
工控機及其內裝的圖像推斷算法和圖像信號處理軟件構成，用于得出工件是否存在缺陷的結果信號并向出料；以及缺陷品分揀裝置，設有可編程的微控制器和受驅于微控制器的分揀器，微控制器根據接收自圖像推斷裝置的缺陷信號，通過電氣方式控制分揀器對合格品和缺陷品進行分揀
。
[0009]進一步地，自動上料裝置中，所述振動盤內設由姿勢關卡，散裝其中的工件通過姿勢關卡按預設狀態排列一致并向傳送帶線性輸出
。
[0010]進一步地，自動上料裝置中所述傳送帶外接有信號接入工控機的驅動電機，且傳送帶受控周期性交替傳送
、
暫停
。
[0011]進一步地，圖像采集裝置中所述光源為正面環形光源打光，且位于相機鏡頭和工件的中間
。
[0012]進一步地，圖像推斷裝置中所述圖像推斷算法為預訓練
、
通過測試并內嵌于工控機的軟件，且圖像推斷算法內置兩種以上基礎模型算法及開放接口，對應工件品類的更新而調整適配的缺陷檢測模型，并收集已檢測的工件圖像存入工控機備用
。
[0013]本專利技術實現上述另一個目的的技術解決方案是，一種工件的表面缺陷檢測方法，其特征在于包括：上料，基于振動盤和傳送帶朝出料方向單向逐一輸送工件，且各工件在傳送帶上符合檢測姿態并相互隔開一段距離；圖像采集，將相機
、
鏡頭和光源按組且共軸地設于傳送帶上方工件通過的路徑中，且相機的取景焦點與傳送帶上所通過工件的中心點在圖像采集時刻重合，由相機對工件實時圖像拍攝并將所得工件圖像傳輸至圖像推斷裝置；圖像推斷，在工控機中利用內嵌的圖像推斷算法和圖像信號處理軟件對工件圖像識別
、
判斷缺陷存在與否，若被檢測的工件存在缺陷則通過信號相連的顯示器反饋缺陷類別供人工復檢，并向缺陷品分揀裝置輸出缺陷信號，若被檢測的工件正常則僅通過顯示器反饋檢測記錄及計數結果，無缺陷信號輸出；缺陷品分揀，微控制器根據接收自圖像推斷裝置的缺陷信號，通過電氣方式控制分揀器對合格品和缺陷品進行分揀，當接收到缺陷信號則分揀器撥桿翻轉，向缺陷品存儲區出料，當未接收到缺陷信號則分揀器靜置，向正常品存儲區出料
。
[0014]進一步地，基于所述工控機預置相機型號及至少包括幀率的圖像采集參數，圖像采集所用的相機
、
光源和缺陷識別所用的圖像推斷算法和圖像信號處理軟件設置為一鍵聯控運行模式
。
[0015]進一步地，基于所述工控機內嵌圖像推斷算法和開放接口，在產線更新工件品類后，通過開放接口重新嵌入新的檢測模型更新圖像推斷算法，并修改至少包括模型種類
、
檢測類別的參數；其中新的檢測模型至少為現有分類算法
、SSD、YOLO
系列的目標檢測算法
。
[0016]進一步地，基于所述工控機收集并存儲已檢測的工件圖像，所述圖像判斷算法基于人工復檢結果或新出現的缺陷類型作數據自學習，進行模型優化及更新
。
[0017]應用本專利技術的表面缺陷檢測方法及系統于工業產線產品質檢，具備突出的實質性特點和顯著的進步性：通過人工智能缺陷檢測來代替產品檢測車間工人對工件質檢，大大
降低了生產成本和提升生產效率；以及一鍵運行的操作軟件，簡化設備操作步驟，降低了產本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.
一種工件的表面缺陷檢測系統，其特征在于包括：自動上料裝置，基于振動盤和傳送帶朝出料方向單向傳送相互隔開一段距離的工件；圖像采集裝置，由相機
、
鏡頭和光源組成且基于傳送帶旁側的立架裝載，其中相機
、
鏡頭和光源共軸并位于傳送帶正上方，相機的取景焦點與傳送帶上所通過工件的中心點在圖像采集時刻重合；圖像推斷裝置，由信號相連的顯示器
、
工控機及其內裝的圖像推斷算法和圖像信號處理軟件構成，用于得出工件是否存在缺陷的結果信號并向出料；缺陷品分揀裝置，設有可編程的微控制器和受驅于微控制器的分揀器，微控制器根據接收自圖像推斷裝置的缺陷信號，通過電氣方式控制分揀器對合格品和缺陷品進行分揀
。2.
根據權利要求1所述工件的表面缺陷檢測系統，其特征在于：自動上料裝置中，所述振動盤內設由姿勢關卡，散裝其中的工件通過姿勢關卡按預設狀態排列一致并向傳送帶線性輸出
。3.
根據權利要求1所述工件的表面缺陷檢測系統，其特征在于：自動上料裝置中所述傳送帶外接有信號接入工控機的驅動電機，且傳送帶受控周期性交替傳送
、
暫停
。4.
根據權利要求1所述工件的表面缺陷檢測系統，其特征在于：圖像采集裝置中所述光源為正面環形光源打光，且位于相機鏡頭和工件的中間
。5.
根據權利要求1所述工件的表面缺陷檢測系統，其特征在于：圖像推斷裝置中所述圖像推斷算法為預訓練
、
通過測試并內嵌于工控機的軟件，且圖像推斷算法內置兩種以上基礎模型算法及開放接口，對應工件品類的更新而調整適配的缺陷檢測模型，并收集已檢測的工件圖像存入工控機備用
。6.
一種工件的表面缺陷檢測方法，其特征在于包括：上料，基于振動盤和傳送帶朝出料方向單向逐一輸送工...

【專利技術屬性】
技術研發人員：張杰，楊宵玲，孫樂康，周壯壯，
申請(專利權)人：中科蘇州智能計算技術研究院，
類型：發明
國別省市：