[發明專利]一種基于復合光源的FPCA飛拍檢測方法

有效

• 申請號: 202111055336.4
• 申請日: 2021-09-09
• 公開（公告）號: CN113884497B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 黃鍵澤;陳果;儀永建;王曉嘉;王洋
• 申請（專利權）人: 上海深視信息科技有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06T7/00
• 代理公司: 上海國瓴律師事務所 31363
• 代理人: 傅耀

1.一種基于復合光源的FPCA飛拍檢測方法，其特征在于：搭建飛拍檢測系統，包括軟件控制系統、運動控制器、相機、復合光源和光源控制器；

步驟如下，

S1：對所有FPCA產品的元件缺陷進行學習訓練獲得檢測模型；

S2：對全盤的產品進行拍攝掃描圖像；

S3：預設產品的拍攝點位；

S4：通過勻速飛拍結合復合光源模塊對FPCA進行拍照；

S5：對獲取的圖像進行預處理；

S6：對預處理后的圖像進行實時檢測；

S7：對檢測后的圖像進行拼合二次復檢；

所述S3步驟中，基于不同型號圖像元件特征，預設好每一個產品不同部分的拍攝點位；

所述S4步驟中，在飛拍的過程中，通過軟件控制以組合曝光的形式在不同的拍攝點位上控制不同光源的曝光以及時序，從而獲得每一個產品在不同光源曝光下的圖像；

所述復合光源包括碗光、多角度環光和UV光模塊；

多角度環光的拍攝方法為多角度分區拍攝，左半區點亮拍攝一次、右半區點亮拍攝一次；

碗光的拍攝方法為長曝光拍攝一次，短曝光拍攝一次；

UV光模塊的拍攝方法為曝光，拍攝一次。

2.根據權利要求1所述的一種基于復合光源的FPCA飛拍檢測方法，其特征在于：所述方法采用二階段算法策略，第一階段：首先根據不同的缺陷特征，采用深度學習的定位檢測方法，精準定位元件的位置，將所有疑似缺陷的區域都識別提取出來；第二階段，通過高精度識別網絡過濾背景圖像，通過深度分類的檢測模型，將缺陷進行識別。

3.根據權利要求2所述的一種基于復合光源的FPCA飛拍檢測方法，其特征在于：所述S1步驟中，對FPCA產品的每一個部位的圖像都劃分出不同的零件區進行單獨的深度學習訓練，再進行多圖融合模型訓練。

4.根據權利要求3所述的一種基于復合光源的FPCA飛拍檢測方法，其特征在于：所述S5步驟中圖像預處理方式包括對齊、去除冗雜背景，獲取精準檢測區域、圖像AI分割訓練。

5.根據權利要求4所述的一種基于復合光源的FPCA飛拍檢測方法，其特征在于：所述S6步驟中，通過拍攝與處理并行的方式，對產品的每一個部分直接進行檢測。