[發明專利]表面缺陷檢測方法、裝置、設備及存儲介質

有效

• 申請號: 202011022128.X
• 申請日: 2020-09-25
• 公開（公告）號: CN111929310B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 董立超;趙東峰;艾立夫;劉藝;朱春霖;劉寶山;彭旭
• 申請（專利權）人: 歌爾股份有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06N3/02;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 梁馨怡

1.一種表面缺陷檢測方法，其特征在于，所述方法包括以下步驟：

在激光光源投射至待測物體表面的目標待測區域時，獲取所述目標待測區域反饋的散射光強信號；

將所述散射光強信號輸入至預設缺陷散射模型，以獲得與所述散射光強信號匹配的缺陷結構信息；

根據所述缺陷結構信息生成表面缺陷檢測報告；

所述缺陷結構信息用于表示所述待測物體表面的各類型缺陷的組合狀態和各類型缺陷的缺陷尺寸數據；

所述預設缺陷散射模型基于卷積神經網絡模型建立，為用以表示所述散射光強信號和所述缺陷結構信息之間的映射關系的模型；

其中，所述在激光光源投射至待測物體表面的目標待測區域時，獲取所述目標待測區域反饋的散射光強信號的步驟，具體包括：

在激光光源投射至待測物體表面的目標待測區域時，判斷所述目標待測區域散射回的散射光是否符合預設散射條件；

在不符合所述預設散射條件時，調整所述激光光源的位置，直至所述散射光符合所述預設散射條件；

獲取所述目標待測區域反饋的散射光強信號。

2.如權利要求1所述的方法，其特征在于，所述在激光光源投射至待測物體表面的目標待測區域時，獲取所述目標待測區域反饋的散射光強信號的步驟，具體包括：

通過準直鏡對激光發射器發出的激光光源進行準直處理，獲得平行光；

在所述平行光投射至待測物體表面的目標待測區域時，通過光電傳感器接收所述目標待測區域散射回的散射光中的散射光強信號。

3.如權利要求1所述的方法，其特征在于，所述將所述散射光強信號輸入至預設缺陷散射模型，以獲得與所述散射光強信號匹配的缺陷結構信息的步驟之前，還包括：

獲取不同的預設缺陷類型對應的訓練樣本，并獲取所述訓練樣本的樣本光強信號；

對所述訓練樣本進行缺陷標定，獲得樣本缺陷結構信息；

根據所述樣本光強信號和所述樣本缺陷結構信息對預設神經網絡模型進行訓練，獲得預設缺陷散射模型。

4.如權利要求3所述的方法，其特征在于，所述對所述訓練樣本進行缺陷標定，獲得樣本缺陷結構信息的步驟，具體包括：

對所述訓練樣本進行缺陷標定，獲得所述訓練樣本對應的缺陷尺寸數據；

基于所述訓練樣本對應的所述預設缺陷類型和所述缺陷尺寸數據生成樣本缺陷結構信息。

5.如權利要求3所述的方法，其特征在于，所述根據所述樣本光強信號和所述樣本缺陷結構信息對預設神經網絡模型進行訓練，獲得預設缺陷散射模型的步驟，具體包括：

將所述樣本光強信號作為預設神經網絡模型的輸入層的輸入特征；

將所述樣本缺陷結構信息作為所述預設神經網絡模型的神經網絡輸出層的輸出特征；

根據所述輸入特征和所述輸出特征對所述預設神經網絡模型進行訓練，獲得預設缺陷散射模型。

6.如權利要求5所述的方法，其特征在于，所述根據所述輸入特征和所述輸出特征對所述預設神經網絡模型進行訓練，獲得預設缺陷散射模型的步驟，具體包括：

根據所述輸入特征和所述輸出特征對所述預設神經網絡模型進行訓練，獲得訓練后的所述預設神經網絡模型；

實時判斷所述訓練后的所述預設神經網絡模型是否符合預設精度條件；

在所述訓練后的所述預設神經網絡模型符合所述預設精度條件時，將所述訓練后的所述預設神經網絡模型作為預設缺陷散射模型。