CN113658099A - 膜片瑕疵检测方法、***及存储介质 - Google Patents
膜片瑕疵检测方法、***及存储介质 Download PDFInfo
- Publication number
- CN113658099A CN113658099A CN202110805428.3A CN202110805428A CN113658099A CN 113658099 A CN113658099 A CN 113658099A CN 202110805428 A CN202110805428 A CN 202110805428A CN 113658099 A CN113658099 A CN 113658099A
- Authority
- CN
- China
- Prior art keywords
- image
- diaphragm
- membrane
- detection
- defect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 144
- 238000001514 detection method Methods 0.000 title claims abstract description 136
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 239000012528 membrane Substances 0.000 claims abstract description 98
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 230000007246 mechanism Effects 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 2
- 238000011179 visual inspection Methods 0.000 abstract description 9
- 239000003292 glue Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007723 transport mechanism Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了一种膜片瑕疵检测方法、***及存储介质,其中,膜片瑕疵检测方法包括:获取膜片的图像,以得到膜片检测图像;对膜片检测图像进行预处理,以得到预处理图像;根据预处理图像和预设瑕疵检测模型得到瑕疵预测结果;若瑕疵预测结果为不合格,对瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。本申请的膜片瑕疵检测方法,能够取代人工对膜片进行检测,避免人工目检出现误判,提高了检测的效率和准确度。
Description
技术领域
本申请涉及膜片检测技术领域,尤其涉及一种膜片瑕疵检测方法、***及存储介质。
背景技术
膜片在生产过程中,由于各方面因素的影响,膜片会出现缺胶、溢胶、气泡、刮痕、贴合不准、偏斜等各种瑕疵。
相关技术中,对膜片瑕疵的检测主要是通过人工目检的,但是人工目检容易产生误判,并且工作效率低,不同的检测人员的检测标准不一样,同一个检测人员在进行检测时也很难统一标准,造成人工目检没有一定的检测标准,导致最终检测后的产品标准不一。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种膜片瑕疵检测方法,能够取代人工对膜片进行检测,避免人工目检出现误判,提高了检测的效率和准确度。
本申请还提出一种膜片瑕疵检测***。
本申请还提出一种计算机可读存储介质。
根据本申请的第一方面实施例的膜片瑕疵检测方法,由膜片检测机构执行,包括:
获取膜片的图像,以得到膜片检测图像;
对所述膜片检测图像进行预处理,以得到预处理图像;
根据所述预处理图像和预设瑕疵检测模型得到瑕疵预测结果;
若所述瑕疵预测结果为不合格,对所述瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型
根据本申请实施例的膜片瑕疵检测方法,至少具有如下有益效果:将膜片检测图像进行图像预处理,以消除膜片检测图像中无关的信息,得到预处理图像,将预处理图像输入至预设瑕疵检测模型中,对膜片检测图像进行初步的预测,得到瑕疵预测结果,当瑕疵预测结果为不合格时,再将瑕疵预测结果和多个预设瑕疵进行具体的分析比对,以得到膜片的瑕疵类型,这样设置,能够取代人工对膜片进行检测,避免人工目检出现误判,提高了检测的效率和准确度,并且,能够分辨出具体的瑕疵类型,适用性强。
根据本申请的一些实施例,所述预设瑕疵检测模型由以下步骤得到:
对预设采集的多个训练样品进行特征提取,以得到多个样品特征;
对所述多个样品特征以卷积神经网络模型进行特征训练,以得到所述预设瑕疵检测模型。
根据本申请的一些实施例,所述膜片检测图像包括:第一膜片检测图像和第二膜片检测图像;
所述获取膜片图像,以得到膜片检测图像,包括:
获取所述膜片的正面图像,以得到所述第一膜片检测图像;
获取所述膜片的反面图像,以得到所述第二膜片检测图像。
根据本申请的一些实施例,所述瑕疵预测结果包括:第一瑕疵预测结果和第二瑕疵预测结果,其中,所述第一瑕疵预测结果与所述第一膜片检测图像的瑕疵预测结果对应,所述第二瑕疵预测结果与所述第二膜片检测图像的瑕疵预测结果对应;
所述对所述瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型,包括:
对所述第一瑕疵预测结果、所述第二瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。
根据本申请的一些实施例,所述膜片瑕疵检测方法还包括:
若所述瑕疵预测结果为不合格,输出与所述不合格对应的报警信息,并输出停机指令,以使所述膜片检测机构停止工作。
根据本申请的一些实施例,所述预处理包括:
图像切割、图像灰度变换。
根据本申请的第二方面实施例的膜片瑕疵检测***,包括膜片检测机构,所述膜片检测机构包括:
获取模块,所述获取模块用于获取膜片图像,以得到膜片检测图像;
处理模块,所述处理模块用于对所述膜片检测图像进行预处理,以得到预处理图像;
所述处理模块还用于根据所述预处理图像和预设瑕疵检测模型得到瑕疵预测结果;
判断模块,所述判断模块用于判断所述瑕疵预测结果并输出判断结果;
分析比对模块,所述分析比对模块用于若所述判断结果为不合格,对所述瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。
根据本申请实施例的膜片瑕疵检测***,至少具有如下有益效果:将膜片检测图像进行图像预处理,以消除膜片检测图像中无关的信息,得到预处理图像,将预处理图像输入至预设瑕疵检测模型中,对膜片检测图像进行初步的预测,得到瑕疵预测结果,当瑕疵预测结果为不合格时,再将瑕疵预测结果和多个预设瑕疵进行具体的分析比对,以得到膜片的瑕疵类型,这样设置,能够取代人工对膜片进行检测,避免人工目检出现误判,提高了检测的效率和准确度,并且,能够分辨出具体的瑕疵类型,适用性强。
根据本申请的一些实施例,所述膜片瑕疵检测***还包括:
固定传送机构,所述固定传送机构用于固定待检测膜片,并将所述待检测膜片传送;
第一摄像机构,所述第一摄像机构用于对所述待检测膜片的正面拍照,以得到膜片正面图像;
第二摄像机构,所述第二摄像机构用于对所述待检测膜片的反面拍照,以得到膜片反面图像。
根据本申请的一些实施例,所述膜片瑕疵检测***还包括:
显示机构,所述显示机构用于显示所述瑕疵预测结果。
根据本申请第三方面实施例的计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如第一方面实施例中任意一项所述的膜片瑕疵检测方法。
本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
下面结合附图和实施例对本申请做进一步的说明,其中:
图1为本申请一些实施例提供的膜片瑕疵检测方法的流程图;
图2为本申请一些实施例提供的膜片瑕疵检测方法的流程图;
图3为本申请一些实施例提供的膜片瑕疵检测方法的流程图;
图4为本申请一些实施例提供的膜片瑕疵检测方法的流程图;
图5为本申请一些实施例提供的膜片瑕疵检测方法的流程图;
图6为本申请一些实施例提供的膜片检测机构的模块框图;
图7为本申请一些实施例提供的膜片瑕疵检测***的结构示意图。
附图标记:100、膜片检测机构;110、获取模块;120、处理模块;130、判断模块;140、分析比对模块;200、固定传送机构;300、第一摄像机构;400、第二摄像机构;500、显示机构。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能理解为对本申请的限制。
在本申请的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
在本申请的描述中,若干的含义是一个以上,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本申请的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本申请中的具体含义。
本申请的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
参照图1,第一方面,本申请提出一种膜片瑕疵检测方法,由膜片检测机构执行,包括但不限于步骤S100、步骤S200、步骤S300和步骤S400。
步骤S100:获取膜片的图像,以得到膜片检测图像;
步骤S200:对膜片检测图像进行预处理,以得到预处理图像;
步骤S300:根据预处理图像和预设瑕疵检测模型得到瑕疵预测结果;
步骤S400:若瑕疵预测结果为不合格,对瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。
将膜片检测图像进行图像预处理,以消除膜片检测图像中无关的信息,得到预处理图像,将预处理图像输入至预设瑕疵检测模型中,对膜片检测图像进行初步的预测,得到瑕疵预测结果,当瑕疵预测结果为不合格时,再将瑕疵预测结果和多个预设瑕疵进行具体的分析比对,以得到膜片的瑕疵类型,以辨别膜片的具体瑕疵。
通过这样设置,能够取代人工对膜片进行检测,避免人工目检出现误判,提高了检测的效率和准确度,并且,能够分辨出具体的瑕疵类型,适用性强。
具体地,相关技术中采取传统的CCD(charge coupled device,电荷耦合器件)相机对膜片进行拍照,以得到膜片图像,但是传统的CCD相机无法针对柔性产品的变形做出正确的识别及分析,并且,相关技术中,主要是通过对照模板的方式对产品进行比对,当产品的缺点大小不一,形状不规范时,就会有无数的模板在档案夹中对膜片图片进行比对判定,检测设备需要时刻进行模板的建立,导致计算机指令周期变慢,容易出现误判或者漏盘不良品的情况,而且,在检测时所需设置的参数过多,需要投入大量精力时时刻刻调试才能达到较好的检测性能,人工操作难度大,学习成本高。
在本申请中,利用1200万像素的全局相机,该相机可最大兼容150mm*120mm视野,检测精度高达0.03mm/pixel,可飞拍取图,从而对于经过的膜片可以快速取得对应的膜片图像,并将膜片图像发送至膜片检测机构,提高了检测的速度。膜片检测机构可以是PC电脑、服务器等,只要包括图像处理软件即可。膜片检测机构获取膜片图像,得到膜片检测图像后,对膜片检测图像进行预处理操作,得到预处理图像。其中预处理包括但不限于图像切割、图像灰度变换、图像求反、对比度拉伸等。通过对膜片检测图像进行预处理,消除膜片检测图像中的无关消息,增强膜片检测图像中的有关信息的可检测性和最大限度地简化数据,以对膜片进行初步的分类归纳。将预处理后得到的预处理图像通过预设瑕疵检测模型进行预测,以得到瑕疵预测结果,当瑕疵预测结果为合格时,可判断该膜片检测图像对应的膜片图像为合格品,当瑕疵预测结果为不合适时,需要根据瑕疵预测结果和多个预设瑕疵进行分析比对,以确定膜片瑕疵类型。一般的,膜片瑕疵类型包括缺胶、溢胶、气泡、刮痕、贴合不准、偏斜集中常见的类型,多个预设瑕疵包括以上几种瑕疵类型,当瑕疵预测结果为不合格时,进行仔细的比对分析,确定膜片瑕疵类型。
参照图2,在本申请的一些实施例中,预设瑕疵检测模型通过步骤S500和步骤S600得到。
步骤S500:对预设采集的多个训练样品进行特征提取,以得到多个样品特征;
步骤S600:对多个样品特征以卷积神经网络模型进行特征训练,以得到预设瑕疵检测模型。
在本实施例中,预设采集的训练样品设有多种,包括各种常见的瑕疵,每一种瑕疵的膜片设有多个,如:膜片瑕疵类型为刮痕的膜片设有10张,这10张膜片的瑕疵类型虽然都为刮痕,但是,其刮痕的形状、长度等最好不一致,以便于在对瑕疵类型为刮痕的训练样品进行特征提取时,得到的样品特征更加丰富,从而提高预设瑕疵检测模型对膜片进行预测的准确率。可以理解的是,其他类型的瑕疵的膜片设置方式与瑕疵类型为刮痕的膜片类似,在此不再赘述。
通过对常见的瑕疵类型的膜片训练样品进行特征提取,得到多个样品特征,再对多个样品特征以卷积神经网络模型进行特征训练,得到预设瑕疵检测模型。后续在对膜片进行检测时,只需要将膜片检测图像输入至预设瑕疵检测模型中,即可得到瑕疵预测结果。即使,对于新出现的瑕疵类型,只要判断该瑕疵对应的膜片为不合格,也不属于常见的瑕疵类型,就能够判断该瑕疵为新出现的瑕疵类型,本申请的预设瑕疵检测模型,对于新出现的瑕疵类型无需另行开发,提高了本申请的膜片瑕疵检测方法的适用性。
参照图3,在本申请的一些实施例中,膜片检测图像包括:第一膜片检测图像和第二膜片检测图像,步骤S100包括但不限于步骤S110和步骤S120。
步骤S110:获取膜片的正面图像,以得到第一膜片检测图像;
步骤S120:获取膜片的反面图像,以得到第二膜片检测图像。
膜片的正面和反面是一层不透明的膜,因此,膜片的正面图像和膜片的反面图像是不一样的。通过对分别第一膜片检测图像和第二膜片检测图像进行分析,能够提高膜片瑕疵检测的准确性。
参照图4,在本申请的一些实施例中,瑕疵预测结果包括:第一瑕疵预测结果和第二瑕疵预测结果,其中,第一瑕疵预测结果与第一膜片检测图像的瑕疵预测结果对应,第二瑕疵预测结果与第二膜片检测图像的瑕疵预测结果对应。
步骤“对瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型”包括但不限于步骤S410。
步骤S410:对第一瑕疵预测结果、第二瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。
分别将膜片正面图像和膜片反面图像进行预处理,然后将预处理后的图像输入至预设瑕疵检测模型中对膜片的正面和反面进行瑕疵预测,得到第一瑕疵预测结果和第二瑕疵预测结果,只要其中一个瑕疵预测结果为不合格,那么整个瑕疵预测结果为不合格,在这种情况下,对第一瑕疵预测结果、第二瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。需要说明的是,在这种情况下,不仅仅需要将第一瑕疵预测结果和多个预设瑕疵进行分析比对、第二瑕疵预测结果和多个预设瑕疵进行分析比对,还需要将第一瑕疵预测结果和第二瑕疵预测结果进行分析比对。这样设置,能够提高膜片瑕疵检测的准确性。
参照图5,在本申请的一些实施例中,膜片瑕疵检测方法还包括但不限于步骤S700。
步骤S700:若瑕疵预测结果为不合格,输出与不合格对应的报警信息,并输出停机指令,以使膜片检测机构停止工作。
当瑕疵预测结果不合格时,膜片检测机构输出与不合格对应的报警信息,并且输出停机指令,使膜片检测机构及整个膜片检测***都停止工作。通过这样设置,便于将不良品取出,防止其流入到市场。其中,报警信息可以是与瑕疵类型相对应的语音报警,也可以直接是普通的声光报警。
参照图6,第二方面,本申请还提出一种膜片瑕疵检测***,包括膜片检测机构100,其中,膜片检测机构100包括:获取模块110、处理模块120、判断模块130和分析比对模块140。
获取模块110用于获取膜片图像,以得到膜片检测图像;处理模块120用于对膜片检测图像进行预处理,以得到预处理图像;处理模块120还用于根据预处理图像和预设瑕疵检测模型得到瑕疵预测结果;判断模块130用于判断瑕疵预测结果并输出判断结果;分析比对模块140用于当判断结果为不合格,对瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。
将膜片检测图像进行图像预处理,以消除膜片检测图像中无关的信息,得到预处理图像,将预处理图像输入至预设瑕疵检测模型中,对膜片检测图像进行初步的预测,得到瑕疵预测结果,当瑕疵预测结果为不合格时,再将瑕疵预测结果和多个预设瑕疵进行具体的分析比对,以得到膜片的瑕疵类型,以辨别膜片的具体瑕疵。
通过这样设置,能够取代人工对膜片进行检测,避免人工目检出现误判,提高了检测的效率和准确度,并且,能够分辨出具体的瑕疵类型,适用性强。
需要说明的是,本申请的膜片检测机构执行第一方面实施例中的膜片瑕疵检测方法,具体的操作流程或控制方式与前述的膜片瑕疵检测方法类似,在此不再赘述。
参照图6和图7,在本申请的一些实施例中膜片瑕疵检测***还包括固定传送机构200、第一摄像机构300和第二摄像机构400。
其中,固定传送机构200用于固定待检测膜片,并将待检测膜片传送。第一摄像机构300用于对待检测膜片的正面拍照,以得到膜片正面图像,第二摄像机构400用于对待检测膜片的反面拍照,以得到膜片反面图像。
具体地,在本实施例中,第一摄像机构300和第二摄像机构400均为1200万像素的全局相机,该相机可最大兼容150mm*120mm视野,检测精度高达0.03mm/pixel,可飞拍取图,从而对于经过的膜片可以快速取得对应的膜片图像。待检测膜片通过固定传送机构200传送移动,在传送移动的过程中,待检测膜片经过第一摄像机构300和第二摄像机构400时,第一摄像机构300和第二摄像机构400对待检测膜片进行拍照,分别得到膜片正面图像和膜片反面图像。膜片正面图像和膜片反面图像送至膜片检测机构100后,膜片检测机构100对膜片正面图像和膜片反面图像进行相关的处理,得到瑕疵预测结果以及当瑕疵预测结果不合格时,进一步分析得到膜片瑕疵类型。
通过这样设置,第一摄像机构300和第二摄像机构400拍照的过程中,固定传送机构200也能够不停的工作,提高了膜片瑕疵检测的效率。当瑕疵预测结果为不合格时,根据膜片检测机构100输出的停止指令,整个膜片瑕疵检测***都要停止工作,以便于取出不合格的膜片,防止其流入市场。
需要说明的是,固定传送机构200可以调节,以适用不同尺寸的膜片,提高膜片瑕疵检测***的通用性。
在本申请的一些实施例中,膜片瑕疵检测***还包括显示机构500,显示机构500用于显示瑕疵预测结果。
显示机构500可以为OLED屏幕或者液晶屏幕,具体的显示膜片无瑕疵或者膜片瑕疵类型。
第三方面,本申请实施例还提供了计算机可读存储介质。
在一些实施例中,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于执行第一方面实施例中提到的膜片瑕疵检测方法。
在一些实施例中,该存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个控制处理器执行,比如,被上述电子设备中的一个处理器执行,可使得上述一个或多个处理器执行上述膜片瑕疵检测方法。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本申请实施例作了详细说明,但是本申请不限于上述实施例,在所属技术领域普通技术人员所具备的知识范围内,还可以在不脱离本申请宗旨的前提下作出各种变化。此外,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
Claims (10)
1.膜片瑕疵检测方法,其特征在于,由膜片检测机构执行,包括:
获取膜片的图像,以得到膜片检测图像;
对所述膜片检测图像进行预处理,以得到预处理图像;
根据所述预处理图像和预设瑕疵检测模型得到瑕疵预测结果;
若所述瑕疵预测结果为不合格,对所述瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。
2.根据权利要求1所述的膜片瑕疵检测方法,其特征在于,所述预设瑕疵检测模型由以下步骤得到:
对预设采集的多个训练样品进行特征提取,以得到多个样品特征;
对所述多个样品特征以卷积神经网络模型进行特征训练,以得到所述预设瑕疵检测模型。
3.根据权利要求1所述的膜片瑕疵检测方法,其特征在于,所述膜片检测图像包括:第一膜片检测图像和第二膜片检测图像;
所述获取膜片图像,以得到膜片检测图像,包括:
获取所述膜片的正面图像,以得到所述第一膜片检测图像;
获取所述膜片的反面图像,以得到所述第二膜片检测图像。
4.根据权利要求3所述的膜片瑕疵检测方法,其特征在于,所述瑕疵预测结果包括:第一瑕疵预测结果和第二瑕疵预测结果,其中,所述第一瑕疵预测结果与所述第一膜片检测图像的瑕疵预测结果对应,所述第二瑕疵预测结果与所述第二膜片检测图像的瑕疵预测结果对应;
所述对所述瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型,包括:
对所述第一瑕疵预测结果、所述第二瑕疵预测结果和所述多个预设瑕疵进行分析比对,以得到所述膜片瑕疵类型。
5.根据权利要求1所述的膜片瑕疵检测方法,其特征在于,所述膜片瑕疵检测方法还包括:
若所述瑕疵预测结果为不合格,输出与所述不合格对应的报警信息,并输出停机指令,以使所述膜片检测机构停止工作。
6.根据权利要求1所述的膜片瑕疵检测方法,其特征在于,所述预处理包括:
图像切割、图像灰度变换。
7.膜片瑕疵检测***,其特征在于,包括膜片检测机构,所述膜片检测机构包括:
获取模块,所述获取模块用于获取膜片图像,以得到膜片检测图像;
处理模块,所述处理模块用于对所述膜片检测图像进行预处理,以得到预处理图像;
所述处理模块还用于根据所述预处理图像和预设瑕疵检测模型得到瑕疵预测结果;
判断模块,所述判断模块用于判断所述瑕疵预测结果并输出判断结果;
分析比对模块,所述分析比对模块用于当所述判断结果为不合格,对所述瑕疵预测结果和多个预设瑕疵进行分析比对,以得到膜片瑕疵类型。
8.根据权利要求7所述的膜片瑕疵检测***,其特征在于,所述膜片瑕疵检测***还包括:
固定传送机构,所述固定传送机构用于固定待检测膜片,并将所述待检测膜片传送;
第一摄像机构,所述第一摄像机构用于对所述待检测膜片的正面拍照,以得到膜片正面图像;
第二摄像机构,所述第二摄像机构用于对所述待检测膜片的反面拍照,以得到膜片反面图像。
9.根据权利要求7所述的膜片瑕疵检测***,其特征在于,所述膜片瑕疵检测***还包括:
显示机构,所述显示机构用于显示所述瑕疵预测结果。
10.计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1至6中任意一项所述的膜片瑕疵检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805428.3A CN113658099A (zh) | 2021-07-16 | 2021-07-16 | 膜片瑕疵检测方法、***及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110805428.3A CN113658099A (zh) | 2021-07-16 | 2021-07-16 | 膜片瑕疵检测方法、***及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113658099A true CN113658099A (zh) | 2021-11-16 |
Family
ID=78478012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110805428.3A Pending CN113658099A (zh) | 2021-07-16 | 2021-07-16 | 膜片瑕疵检测方法、***及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113658099A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117124560A (zh) * | 2023-09-28 | 2023-11-28 | 佛山赛和薄膜科技有限公司 | 一种5g通讯用mlcc聚酯基膜的制备方法 |
-
2021
- 2021-07-16 CN CN202110805428.3A patent/CN113658099A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117124560A (zh) * | 2023-09-28 | 2023-11-28 | 佛山赛和薄膜科技有限公司 | 一种5g通讯用mlcc聚酯基膜的制备方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659660B (zh) | 利用深度学习***的自动光学检测分类设备及其训练设备 | |
US9471057B2 (en) | Method and system for position control based on automated defect detection feedback | |
CN106468668B (zh) | 工业相机圆柱检测方法 | |
CN107895362B (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
KR102108956B1 (ko) | 인공지능을 활용한 머신비전 모듈형 소프트웨어를 갖는 머신비전 검사장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 | |
CN112884743B (zh) | 检测方法及装置、检测设备和存储介质 | |
CN111951210A (zh) | 数据的处理方法、装置及设备 | |
CN113205474A (zh) | 屏幕检测和屏幕检测模型训练方法、装置及设备 | |
WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN112634203A (zh) | 图像检测方法、电子设备及计算机可读存储介质 | |
CN114894642A (zh) | 一种基于深度学习的疲劳裂纹扩展速率测试方法及装置 | |
KR101643713B1 (ko) | 학습형 스마트 카메라를 이용한 검사 대상 물품의 검사방법 | |
CN111929239A (zh) | 一种pcb板零件缺陷的aoi检测装置及检测方法 | |
CN113658099A (zh) | 膜片瑕疵检测方法、***及存储介质 | |
CN113916127A (zh) | 一种气门导管成品外观视觉检测***及检测方法 | |
CN114359235A (zh) | 一种基于改进YOLOv5l网络的木材表面缺陷检测方法 | |
CN109712115B (zh) | 一种pcb板自动检测方法及*** | |
CN115047015A (zh) | 一种在线式x射线无损探伤检测方法及其*** | |
CN116091506A (zh) | 一种基于yolov5的机器视觉缺陷质检方法 | |
CN111275682A (zh) | 集装箱检测方法、装置及计算机可读存储介质 | |
CN116071365A (zh) | 零件检测方法、装置、设备及存储介质 | |
CN114219758A (zh) | 缺陷检测方法、***、电子设备和计算机可读存储介质 | |
JP2023047003A (ja) | 機械学習システム、学習データ収集方法及び学習データ収集プログラム | |
CN110989422A (zh) | 一种基于流水号喷码的aoi过检参数的管理***及管理方法 | |
CN113808067B (zh) | 电路板检测方法、视觉检测设备及具有存储功能的装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |