软件算法及深度学习

基于深度学习和机器视觉的手机表面缺陷检测

随着智能制造产业的升级和改造,智能手机作为人们生活的必需品,它的“智”不仅仅在于产品功能、性能方面的创新,更在于生产制造过程的智能化。智能手机生产共有80多道工序,每一个工序都需要进行检测,检测的标准各不相同。为提升产品品质,降低不良率,达到用户满意度,检测作为手机生产的最后一道工序,是产品品质的“守门员”,也是手机厂商们关注的焦点。深度学习技术 解锁智能手机“智”造之路手机在生产时候不可避免的会有一些缺陷,例如:· 盖板玻璃上有划伤、压伤、破损、边缘毛刺等,产品尺寸公差大等;手机电池表面会出现漏气、焊点、压伤等;PCB元器件有错、漏、反、浮高等问题;金属部件表面脏污、裂纹、划伤、刮伤、气泡等;摄像模组上有异物、污染、刮伤、白点以及高度差等;在成品机组装上,出现缺件、错件、螺钉浮高等等。这些缺陷不仅会引发一系列的返工、售后问题,还会影响消费者对产品的使用感受,对产品的口碑也会造成一定的影响。伴随着人口红利的逐渐消失,以及传统机器视觉的“僵态化”检测,局限性问题日益突出,已无法应对终端产品的频繁迭代。深度学习技术,通过深度提取图像瑕疵特征,突破传统机器视觉逻辑简单、难以分析无规律图像的瓶颈,持续有效地提高了质检的准确性。对于产品线的不断更迭变换,用户无需更改或调整设备机构,只需通过软件选择相应前期调试好的参数即可,如此一来,便大幅降低了用户更换不同产品时的设备调试时间。在检测过程中,可实现不同尺寸、型号手机玻璃面、后盖、侧面、圆弧面的全方位检查,快速、精准地检测出划痕、碰伤、脏污、边缘银边、漏光等缺陷,省去了人工干预的环节。遇到严重缺陷,还可根据设定在线报警或者停机,以防出现故障导致全线停产。检测完成后,可在线将缺陷分类、存储、输出报表,增加了数据的可追溯性,管理者也能在第一时间获取产品缺陷分布和良品率,并根据一手数据及时优化流程与工艺。毫无疑问,无论是在产品生产检验作业中,或是进行品质管理,实现精益化生产上,依靠深度学习技术的缺陷检测系统将是企业最为坚实的力量。AI深度学习在手机“智”造应用场景一手机镜片外观瑕疵缺陷检测检测背景手机镜片制造商,需要对出货前的产品进行外观检测,包括披风、蚀刻不良、异色、字体不良、崩边、边透沙眼、划伤、晶点、亮点等不良。采用深度学习技术,可准确的检测出不良,以此来替代人工繁琐的检测,提升效率的同时并能管控好品质。检测需求披风检测、蚀刻检测、异色检测、字体检测、崩边检测、边透沙眼、划伤检测、晶点检测、亮点检测。检测方案通过机器视觉系统,检测产品制造中出现的划痕、脏污、异物等外观缺陷和其他异常,检测装配错误、表面缺陷、损坏的工件和缺失的功能,可确定对象的方向、形状、位置,还可识别功能。检测效果① 崩边检测② 边透沙眼③ 划伤检测④ 晶点检测⑤ 亮点检测⑥ 披锋检测⑦ 蚀刻检测⑧ 字体检测场景二手机玻璃盖外观缺陷检测检测背景手机、平板电子产品在组装完成后,为保证出货前的产品质量,需对手机的玻璃面、后盖、侧面、圆弧面进行全方位的检查,检测内容包括划伤、缺口、点状异物(如颗粒、玻璃珠、气泡等)、压痕、凹凸痕、锯齿状、脏污、电镀掉漆、异色等。使屏幕依次显示不同的纯色背景,检测屏幕亮点、暗点、花屏、背光不良等缺陷。检测效果① 正面检测图片② R角检测图片③ 侧面检测图片场景三手机中板外观缺陷检测检测难点检测崩边缺失、断裂、变形,发生不良的位置未知且不固定,精准的搜索并检测判定是关键。 检测是否漏攻牙,由于牙孔内螺纹与CCD不在一个平行的平面,加上牙孔较小且受深度干扰,难度大。断柱检测,由于辅助定位柱的Z向高度,与CCD不在一个平行的平面,是一个难点。检测效果① 牙孔检测效果② 断柱检测效果③ 崩边缺失检测效果场景四手机外壳Logo缺陷检测场景缺陷碰压伤 、刮伤、料线、针孔、麻点、白点、缺口、凸包、研磨痕、拱起、变形检测难点手机LOGO属于高亮、镜面金属材质;细微的划伤、凹坑在传统光学下,会被强光遮掩掉;检测效果①划痕检测② 凹凸点检测(文章来源于互联网,如有侵权请联系删除)
EDM邮件群发推广