【技術實現步驟摘要】
本專利技術涉及外觀檢測，具體為一種適用于產品外觀的檢測方法、系統及其設備。
技術介紹
1、隨著制造技術的發展，我國已成為制造強國，現如今，大到飛機、輪船，小到電子芯片，我們都可以制造，而這些制造出的產品，往往需要經過多道檢測程序，才能最終出廠，成為合格的產品，其中，有一項重要檢測項目即為產品外觀的檢測，用于檢測產品的臟污、劃傷、磕傷和烤漆不良等外觀缺陷，其中手機中框是智能手機結構中的關鍵部分，它通常指的是手機的側面框架，起到支撐和保護內部組件的作用，手機中框的設計和材料對于整個設備的耐用性、外觀和手感都有重要影響，隨著智能手機設計的不斷進步，手機中框的側面形狀不再是一個平面，而是分為多個面組成的微弧形。
2、目前外觀檢測不良的評判方式難以標準化，往往由人工判斷，不穩定因素較多，完成這項工作的員工必須經過培訓，對產品非常熟悉、經驗豐富，存在測準確率較低，檢測效率較低，檢測成本較高的問題，或直接將其產品放置在視覺檢測相機下進行視覺檢測，而這種方式僅針對特有的某個面進行檢測，不能對產品的所有表面進行全面檢測，存在無法對產品進行全面檢測的問題，已無法滿足目前產品生產中高效、高準確的需求。
技術實現思路
1、針對現有技術的不足，本專利技術提供了一種適用于產品外觀的檢測方法、系統及其設備，具備檢測高效、準確和全面等優點，解決了檢測準確率低，檢測效率低，檢測不夠全面的問題。
2、為實現上述檢測高效、準確和全面目的，本專利技術提供如下技術方案：一種適用于產品外觀的檢測方法，
3、s1、收到拍照指令后，立即觸發相機拍照；
4、s2、對當前圖片實例進行模板匹配；
5、s3、匹配后以此實例的中心創建一個roi，利用當前roi對圖片進行裁切；
6、s4、對裁切的圖片進行預處理；
7、s5、對灰度圖片進行斑點分析；
8、s6、以此最大區域創建一個roi，利用當前roi對圖片進行裁切；
9、s7、調用深度學習模塊對裁切下來的圖片進行缺陷檢測；
10、s8、利用斑點分析工具選取符合條件的缺陷，之后生成缺陷效果圖；
11、s9、進行數據出隊；
12、s10、向機器人發送ok/ng信號，之后保存原圖或效果圖的圖片，最后流程結束。
13、優選的，所述步驟4中預處理的方式采用將彩色圖片轉換灰度圖片；所述步驟5中斑點分析是將灰度圖片依次進行閥值分析、連通性分割和選取最大區域。
14、優選的，所述步驟8中缺陷的選擇需要從照片的面積、矩形度、位置和緊密度進行特征分析篩選；所述步驟9中數據出隊時需要獲取腳本中的顯示窗體編號，來對缺陷效果圖進行標注。
15、一種適用于產品外觀的檢測系統，包括pc軟件tcp服務端、機器人tcp客戶端、視覺檢測模塊和機械人模塊；
16、所述pc軟件tcp服務端，提供圖形界面和顯示所述機械人模塊的狀態、傳感器數據和日志信息，來使操作員進行監控和控制所述機械人模塊；
17、所述機器人tcp客戶端，發送移動、旋轉和抓取的控制指令到所述機械人模塊，接收來自所述機械人模塊的機器人位置、速度和傳感器數據的狀態信息；
18、所述視覺檢測模塊，接收來自所述pc軟件tcp服務端的指令，對產品進行多個維度的拍攝，并將其照片發至所述pc軟件tcp服務端進行處理；
19、所述機械人模塊，接收命令，將產品抓取到所述視覺檢測模塊處進行外觀檢測。
20、優選的，所述pc軟件tcp服務端還包括視覺軟件和腳本控件，首先由所述視覺軟件與所述機器人模塊進行socke通信握手，然后進行數據收發，當接收到自定義對應的通信協議后，所述視覺軟件將所收到的協議指令截取并保存在定義的變量中，然后經過所述腳本控件將變量中的賦值一一對應所設定圖片顯示窗體也稱數據入隊，之后對變量中的值進行判斷，然后執行對應流程，而每個流程執行完成后都會將當前變量中的值賦初始值0并清空數據隊列。
21、優選的，還包括在檢測初期，通過獲取有缺陷的手機中框以及少許的良品，利用語義分割方法對產品中存在的缺陷進行數據分類標注，以此作為模型的數據集與訓練集以及推理集。
22、優選的，還包括采用卷積神經網絡對數據集進行模型的初步訓練以及推理驗證，依據推理效果，觀察訓練集與測試集的召回率與精確率，若不是理想可調整訓練輪次與批次以及精度等級與標注誤區為不學習區域，之后再次訓練生成最優模型并保存。
23、一種適用于產品外觀的檢測設備，包括機臺，所述機臺的一側設置有傳送帶，所述機臺的另一側設置有放料倉，所述機臺的頂部設置有取料機械臂、翻面中轉定位裝置、側面檢測裝置、r角檢測裝置和正反面檢測裝置，所述取料機械臂的一側設置有工控機；
24、所述取料機械臂，用于從所述傳送帶上拿取產品到所述側面檢測裝置、r角檢測裝置和正反面檢測裝置進行外觀檢測；
25、所述翻面中轉定位裝置，用于在翻轉產品時臨時定位放置使用；
26、所述側面檢測裝置，用于檢測產品的四個側面；
27、所述r角檢測裝置，用于檢測產品的四個r角；
28、所述正反面檢測裝置，用于檢測產品的正負兩面；
29、所述工控機，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器用于根據所述計算機程序中的指令執行權利要求1至3中任一項所述的適用于產品外觀的檢測方法。
30、優選的，所述工控機還包括計算機可讀存儲介質存儲有計算機程序，所述計算機程序用于使處理器執行權利要求1至3中任一項所述的適用于產品外觀的檢測方法。
31、優選的，所述側面檢測裝置、r角檢測裝置和正反面檢測裝置均包括不同規格的高精度相機和提高檢測的補光源，所述傳送帶的表面設置有來料導向裝置，所述取料機械臂的活動端設置有取料夾具和側面夾爪。
32、與現有技術相比，本專利技術提供了一種適用于產品外觀的檢測方法、系統及其設備，具備以下有益效果：
33、1、該適用于產品外觀的檢測方法，通過產品外觀多角度拍攝，對其拍攝圖片進行模板匹配、裁切、轉換灰度圖片和斑點分析，進一步進行裁切等多重處理，來進行外觀缺陷檢測，有效保證產品外觀檢測的準確度，大大提高了產品檢測效率，節省生產時間。
34、2、該適用于產品外觀的檢測系統，通過在檢測初期，通過獲取有缺陷的手機中框以及少許的良品，利用語義分割方法對產品中存在的缺陷進行數據分類標注，以此作為模型的數據集與訓練集以及推理集，采用卷積神經網絡對數據集進行模型的初步訓練以及推理驗證，依據推理效果，觀察訓練集與測試集的召回率與精確率，若不是理想可調整訓練輪次與批次以及精度等級與標注誤區為不學習區域，之后再次訓練生成最優模型并保存，通過該檢測系統智能化檢測的精準度，保證其檢測效率高效。
35、3、該適用于產品外觀的檢測設備，通過一個取料機械臂的設置，來自動將傳本文檔來自技高網...
【技術保護點】
1.一種適用于產品外觀的檢測方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種適用于產品外觀的檢測方法，其特征在于：所述步驟4中預處理的方式采用將彩色圖片轉換灰度圖片；所述步驟5中斑點分析是將灰度圖片依次進行閥值分析、連通性分割和選取最大區域。
3.根據權利要求1所述的一種適用于產品外觀的檢測方法，其特征在于：所述步驟8中缺陷的選擇需要從照片的面積、矩形度、位置和緊密度進行特征分析篩選；所述步驟9中數據出隊時需要獲取腳本中的顯示窗體編號，來對缺陷效果圖進行標注。
4.一種適用于產品外觀的檢測系統，其特征在于：包括PC軟件TCP服務端、機器人TCP客戶端、視覺檢測模塊和機械人模塊；
5.根據權利要求4所述的一種適用于產品外觀的檢測系統，其特征在于：所述PC軟件TCP服務端還包括視覺軟件和腳本控件，首先由所述視覺軟件與所述機器人模塊進行Socke通信握手，然后進行數據收發，當接收到自定義對應的通信協議后，所述視覺軟件將所收到的協議指令截取并保存在定義的變量中，然后經過所述腳本控件將變量中的賦值一一對應所設定圖片顯示窗體也稱數
6.根據權利要求4所述的一種適用于產品外觀的檢測系統，其特征在于：還包括在檢測初期，通過獲取有缺陷的手機中框以及少許的良品，利用語義分割方法對產品中存在的缺陷進行數據分類標注，以此作為模型的數據集與訓練集以及推理集。
7.根據權利要求6所述的一種適用于產品外觀的檢測系統，其特征在于：還包括采用卷積神經網絡對數據集進行模型的初步訓練以及推理驗證，依據推理效果，觀察訓練集與測試集的召回率與精確率，若不是理想可調整訓練輪次與批次以及精度等級與標注誤區為不學習區域，之后再次訓練生成最優模型并保存。
8.一種適用于產品外觀的檢測設備，包括機臺（1），其特征在于：所述機臺（1）的一側設置有傳送帶（2），所述機臺（1）的另一側設置有放料倉（3），所述機臺（1）的頂部設置有取料機械臂（4）、翻面中轉定位裝置（5）、側面檢測裝置（6）、R角檢測裝置（7）和正反面檢測裝置（8），所述取料機械臂（4）的一側設置有工控機（9）；
9.根據權利要求8所述的一種適用于產品外觀的檢測設備，其特征在于：所述工控機（9）還包括計算機可讀存儲介質存儲有計算機程序，所述計算機程序用于使處理器執行權利要求1至3中任一項所述的適用于產品外觀的檢測方法。
10.根據權利要求8所述的一種適用于產品外觀的檢測設備，其特征在于：所述側面檢測裝置（6）、R角檢測裝置（7）和正反面檢測裝置（8）均包括不同規格的高精度相機和提高檢測的補光源，所述傳送帶（2）的表面設置有來料導向裝置（10），所述取料機械臂（4）的活動端設置有取料夾具（11）和側面夾爪（12）。
...【技術特征摘要】
1.一種適用于產品外觀的檢測方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種適用于產品外觀的檢測方法，其特征在于：所述步驟4中預處理的方式采用將彩色圖片轉換灰度圖片；所述步驟5中斑點分析是將灰度圖片依次進行閥值分析、連通性分割和選取最大區域。
3.根據權利要求1所述的一種適用于產品外觀的檢測方法，其特征在于：所述步驟8中缺陷的選擇需要從照片的面積、矩形度、位置和緊密度進行特征分析篩選；所述步驟9中數據出隊時需要獲取腳本中的顯示窗體編號，來對缺陷效果圖進行標注。
4.一種適用于產品外觀的檢測系統，其特征在于：包括pc軟件tcp服務端、機器人tcp客戶端、視覺檢測模塊和機械人模塊；
5.根據權利要求4所述的一種適用于產品外觀的檢測系統，其特征在于：所述pc軟件tcp服務端還包括視覺軟件和腳本控件，首先由所述視覺軟件與所述機器人模塊進行socke通信握手，然后進行數據收發，當接收到自定義對應的通信協議后，所述視覺軟件將所收到的協議指令截取并保存在定義的變量中，然后經過所述腳本控件將變量中的賦值一一對應所設定圖片顯示窗體也稱數據入隊，之后對變量中的值進行判斷，然后執行對應流程，而每個流程執行完成后都會將當前變量中的值賦初始值0并清空數據隊列。
6.根據權利要求4所述的一種適用于產品外觀的檢測系統，其特征在于：還包括在檢測初期，通過獲取有缺陷的手機中框以及少許的良品，...
【專利技術屬性】
技術研發人員：張步躍，謝述晴，唐劍威，羅澈，周光祥，
申請(專利權)人：東莞市廣正模具塑膠有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。