[發明專利]針對組裝件的處理方法及處理裝置

在審

• 申請號: 202210106800.6
• 申請日: 2022-01-28
• 公開（公告）號: CN114463302A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 唐慶圓
• 申請（專利權）人: 智鑒科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G06V10/74;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京慧加倫知識產權代理有限公司 16035
• 代理人: 李永敏

1.一種針對組裝件的處理方法，包括：

獲取在組裝多個組裝件的過程中針對每個組裝件采集的一組圖像，其中，該組圖像包括在多個指定制程中的每個制程結束時對該組裝件采集的圖像；

確定所述多個組裝件中的合格組裝件和不合格組裝件；以及

比較所述不合格組裝件與所述合格組裝件的對應圖像以確定導致所述不合格組裝件不合格的特征。

2.根據權利要求1所述的處理方法，還包括：

確定所述組裝件中與所述特征相關聯的部件；

確定所述特征中與所述部件的尺寸誤差相關聯的第一特征；

根據所述不合格組裝件與所述合格組裝件的包括所述第一特征的圖像來確定所述部件的容差范圍。

3.根據權利要求1所述的處理方法，還包括：

確定所述特征中的一組關聯特征；

確定所述組裝件中與該組關聯特征相關聯的多個部件；

確定該組關聯特征中與所述多個部件的尺寸誤差相關聯的第一特征；

根據所述不合格組裝件與所述合格組裝件的包括所述第一特征的圖像以及所述多個部件的成本來確定所述多個部件中的每個部件的容差范圍。

4.根據權利要求1所述的處理方法，還包括：

確定所述組裝件中與所述特征相關聯的部件；

確定所述特征中與所述部件的組裝誤差相關聯的第二特征；

確定所述多個指定制程中與所述第二特征相關聯的目標制程；

根據所述不合格組裝件與所述合格組裝件的包括所述第二特征的圖像來確定所述目標制程的容差范圍。

5.根據權利要求1所述的處理方法，還包括：

確定所述特征中的一組關聯特征；

確定所述組裝件中與該組關聯特征相關聯的多個部件；

確定該組關聯特征中與所述多個部件的組裝誤差相關聯的第二特征；

確定所述多個指定制程中與所述第二特征相關聯的多個目標制程；

根據所述不合格組裝件與所述合格組裝件的包括所述第二特征的圖像以及執行所述多個目標制程的設備的成本來確定所述多個目標制程中的每個目標制程的容差范圍。

6.根據權利要求1所述的處理方法，還包括：

確定所述特征中的一組關聯特征；

確定所述組裝件中與該組關聯特征相關聯的多個部件；

確定該組關聯特征中與所述多個部件的尺寸誤差相關聯的第一特征；

確定該組關聯特征中與所述多個部件的組裝誤差相關聯的第二特征；

確定所述多個指定制程中與所述第二特征相關聯的多個目標制程；

根據所述不合格組裝件與所述合格組裝件的包括所述第一特征的圖像和包括所述第二特征的圖像、所述多個部件的成本以及執行所述多個目標制程的設備的成本來確定所述多個部件中的每個部件的容差范圍以及所述多個目標制程中的每個目標制程的容差范圍。

7.根據權利要求1所述的處理方法，還包括：

確定所述組裝件中與所述特征相關聯的部件；

確定所述特征中與所述部件的尺寸相關聯的第三特征；

根據所述不合格組裝件與所述合格組裝件的包括所述第三特征的圖像來確定所述部件的尺寸。

8.根據權利要求1所述的處理方法，其中，由多個深度學習模型來執行比較所述不合格組裝件與所述合格組裝件的對應圖像以確定導致所述不合格組裝件不合格的特征的操作，所述多個深度學習模型中的第一深度學習模型被配置為比較針對同一個組裝件采集的一組圖像之間的區別以確定每個制程結束時所采集的圖像中的感興趣區域，所述多個深度學習模型中的多個第二深度學習模型被配置為分別針對所述多個指定制程比較所述多個組裝件的對應圖像中的同一感興趣區域以確定導致所述不合格組裝件不合格的特征。

9.根據權利要求8所述的處理方法，其中，所述多個第二深度學習模型分別經由已被標注出不合格特征和合格特征的針對多個測試組裝件的相應圖像來訓練。

10.一種針對組裝件的處理裝置，包括：

至少一個處理器；以及

存儲有計算機程序的至少一個存儲器；

其中，當所述計算機程序由所述至少一個處理器執行時，使得所述處理裝置執行根據權利要求1至9中任一項所述的處理方法的步驟。