CN116309471A - 一种质量缺陷预警方法、装置、电子设备以及介质 - Google Patents
一种质量缺陷预警方法、装置、电子设备以及介质 Download PDFInfo
- Publication number
- CN116309471A CN116309471A CN202310286875.1A CN202310286875A CN116309471A CN 116309471 A CN116309471 A CN 116309471A CN 202310286875 A CN202310286875 A CN 202310286875A CN 116309471 A CN116309471 A CN 116309471A
- Authority
- CN
- China
- Prior art keywords
- product
- defect
- early warning
- defects
- type information
- 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 393
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004519 manufacturing process Methods 0.000 claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000012423 maintenance Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 6
- 241000255925 Diptera Species 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000002950 deficient Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003365 glass fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000004593 Epoxy Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000011889 copper foil Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011144 upstream manufacturing 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种质量缺陷预警方法、装置、电子设备以及介质，该方法包括：通过工业相机，获取产品的产品图像；通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型；通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。该方法通过工业相机、后台服务器的相互配合，执行产品图像的获取、缺陷类型检测，并判断是否发出缺陷预警，提高缺陷预警的准确性和及时性，减少生产线上次品的流出。
Description
技术领域
本发明涉及质量分析技术领域，尤其涉及一种质量缺陷预警方法、装置、电子设备以及介质。
背景技术
在PCB产业链中，上游原材料包括铜箔、玻璃纤维布、环球树脂等，中游主要为环氧玻璃纤维履铜板，产业链中的每个环节都需要严格的品质管控，对产品进行缺陷检测就是品质管控的一项内容。
现有技术主要是通过人工对产品进行缺陷检测，缺陷检测包括产品外观尺寸、瑕疵、缺陷、划痕、毛刺、变形等检测项，由于人眼的可视范围有限，人工检测往往会忽略产品的轻微缺陷和裂痕问题，导致厂家的大量次品流出，人工检测容易在生产检测过程中出现缺陷预警不准确以及缺陷预警不及时的问题。
发明内容
本发明提供了一种质量缺陷预警方法、装置、电子设备以及介质，以解决缺陷预警不准确以及缺陷预警不及时的问题。
根据本发明的一方面，提供了一种质量缺陷预警方法，该方法包括：
通过工业相机，获取产品的产品图像；
通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型；
通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。
根据本发明的另一方面，提供了一种质量缺陷预警装置，该装置包括：
产品图像获取模块，用于通过工业相机，获取产品的产品图像；
上传信息模块，用于通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型；
缺陷预警执行模块，用于通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的质量缺陷预警方法。
根据本发明的另一方面，提供了一种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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的质量缺陷预警方法。
本发明实施例的技术方案，通过生产线上加装的工业相机，设定工业相机的拍摄频率并获取产品的产品图像，通过检测设备在线识别产品图像的产品缺陷类型信息，产品缺陷类型信息包括产品是否具有缺陷的判定结果，以及产品具有缺陷时产品图像所属的缺陷类型，检测设备将产品缺陷类型信息上传至后台服务器，后台服务器根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息判断是否进行缺陷预警操作，该方法通过工业相机、后台服务器的相互配合，执行产品图像的获取、缺陷类型检测，并判断是否发出缺陷预警，提高了缺陷预警的准确性和及时性，减少生产线上次品的流出。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种质量缺陷预警方法的流程图；
图2是根据本发明实施例二提供的一种质量缺陷预警方法的流程图；
图3是根据本发明实施例二提供的一种质量缺陷预警装置的结构示意图；
图4是实现本发明实施例的质量缺陷预警方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种质量缺陷预警方法的流程图，本实施例可适用于产品的质量缺陷预警的情况，该方法可以由质量缺陷预警装置来执行，该质量缺陷预警装置可以采用硬件和/或软件的形式实现，该质量缺陷预警装置可配置于任何具有网络通信功能的电子设备中。如图1所示，该方法可包括：
S110、通过工业相机，获取产品的产品图像。
具体的，在产品的生产线上加装工业相机，为工业相机设定产业链的预设拍摄频率，工业相机根据预设拍摄频率对产业链上的产品进行预设方位的拍摄，并获取产品的产品图像，为检测设备识别产品的缺陷类型提供依据，所述预设方位可以是工业相机拍摄产品时的视图设定。
S120、通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型。
具体的，通过检测设备在线识别产品图像是否具有缺陷，当产品存在缺陷时，产品图像属于哪种缺陷类型，将产品图像是否具有缺陷以及产品图像属于哪种缺陷类型编码成产品缺陷类型信息，并将产品缺陷类型信息通过预设通道传输至后台服务器，所述预设通道可以是FTP网络协议支持的传输途径。
可选的，所述缺陷类型包括产品表面的瑕疵、缺陷、划痕、毛刺、脏污点、破损、孔洞、毛虫和蚊虫以及产品外观尺寸不符合规定。
示例性的，当检测设备检测到产品图像存在缺陷时，需要进一步判断产品图像属于哪种缺陷类型，其中缺陷类型可以是产品表面的瑕疵、缺陷、划痕、毛刺、脏污点、破损、毛虫、蚊虫以及产品外观尺寸不符合规定，将产品图像存在缺陷的判断结果和缺陷类型编码成产品缺陷类型信息，产品缺陷类型信息与相应的产品图像对应，并通过FTP网络协议支持的传输通道将产品缺陷类型信息传输至后台服务器，后台服务器进一步分析。
S130、通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。
具体的，后台服务器根据产品缺陷类型信息记录的对应产品图像的缺陷位置和大小，后台服务器根据产品图像中产品的缺陷位置和大小实现产品质量的评级分类，并做缺陷的有据追溯，快速找到产品中对应缺陷的位置；后台服务器根据产品缺陷类型信息和几种缺陷预警的阈值判断是否进行缺陷预警操作。
本申请实施例提出了一种质量缺陷预警方法，通过生产线上加装的工业相机，设定工业相机的拍摄频率并获取产品的产品图像，通过检测设备在线识别产品图像的产品缺陷类型信息，产品缺陷类型信息包括产品是否具有缺陷的判定结果，以及产品具有缺陷时产品图像所属的缺陷类型，检测设备将产品缺陷类型信息上传至后台服务器，后台服务器根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息判断是否进行缺陷预警操作，该方法通过工业相机、后台服务器的相互配合，执行产品图像的获取、缺陷类型检测，并判断是否发出缺陷预警，提高了缺陷预警的准确性和及时性，减少生产线上次品的流出。
实施例二
图2为本发明实施例二提供的一种质量缺陷预警方法的流程图，本实施例是在上述实施例的基础上详细说明依据质量缺陷进行预警的方法。如图2所示，该方法可以包括：
S210、通过工业相机，获取产品的产品图像。
具体的，根据生产线的工业相机按照预设拍摄频率获取产品的产品图像，其中，工业相机具有网络传输功能，可以将工业相机获取的产品图像在线传输至检测设备。
S220、通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型。
作为一种可选的但不限定的实现方式，通过检测设备在线识别产品图像的产品缺陷类型信息，包括步骤A1-A2：
步骤A1、确定产品图像中被认定存在各缺陷类型的阈值，所述各缺陷类型的阈值是根据各个缺陷类型对产品应用的影响情况进行确定。
具体的，各个缺陷类型的不同缺陷程度影响产品应用或者外观的程度也不一致，所以认定产品图像中是否存在各类型的缺陷应该根据产品的各缺陷类型阈值进行确定，其中，产品的各个缺陷类型阈值是根据缺陷对产品的应用以及外观影响程度进行确定。
步骤A2、根据被认定存在各缺陷类型的阈值，判断待识别产品图像中是否具有相应缺陷类型的缺陷，并生成产品缺陷类型信息。
具体的，根据步骤A1确定的各缺陷类型的阈值，由检测设备判断待识别产品图像中产品的各缺陷类型时，根据产品的各类型缺陷数据与各缺陷类型阈值进行比较，进而判断产品图像中的产品存在哪种类型的缺陷，将产品图像的产品缺陷类型信息发送至服务器，其中，产品缺陷类型信息包括产品图像中是否存在缺陷的信息、产品图像所属产品缺陷类型信息和产品图像各类缺陷的数据。
示例性的，ICW检测设备判断产品图像中是否存在缺陷，并根据产品各类型缺陷数据与各缺陷类型阈值确定产品图像的各缺陷类型。
S230、通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。
具体的，后台服务器根据产品缺陷类型信息记录的各缺陷数据计算各缺陷的大小，并记录缺陷的相对位置，各缺陷预警阈值判断是否执行缺陷预警操作。
作为一种可选的但不限定的实现方式，通过后台服务器，依据产品缺陷类型信息进行缺陷预警操作，包括步骤B1-B4：
步骤B1、确定生产线产能良率检测周期以及生产线产能良率阈值。
具体的，确定生产线产能良率的检测周期，为了提取生产线产能良率的检测周期内的产品缺陷类型信息，确定生产线产能良率阈值是为了判断在什么情况下发出产能良率预警。
示例性的，执行产能良率的预警对生产线监测周期至少为1个小时，所以执行产能良率的预警方法需要设定监测产品缺陷类型信息的周期最短为1个小时。
步骤B2、通过后台服务器从中心数据库中读取生产线产能良率检测周期范围内的数据。
具体的，后台服务器的中心数据库记录产品缺陷类型信息，从后台服务器的中心数据库提取生产线产能量率检测周期范围内的产品缺陷类型信息，为计算生产线产能良率提供数据支持。
示例性的，后台服务器GMQM从B11中心数据库中读取生产线产能良率检测周期范围内的产品缺陷类型信息。
步骤B3、根据后台服务器计算当前生产线产能良率，依据生产线产能良率阈值，判断是否发出产能良率预警。
具体的，后台服务器根据生产线产能量率检测周期范围内的产品缺陷类型信息计算当前生产线产能良率，根据生产线产能良率阈值判断当前生产线产能良率是否达标，如果当前生产线产能良率不达标，后台服务器控制相应预警设备发出产能良率预警。
步骤B4、按照生产线产能良率检测周期对中心数据库的数据进行刷新。
具体的，当后台服务器检测完当前生产线产能良率检测周期的生产线产能良率后，对中心数据库的数据进行刷新，该数据包括产品缺陷类型信息。
作为一种可选的但不限定的实现方式，通过后台服务器，依据产品缺陷类型信息进行缺陷预警操作，包括步骤C1-C4：
步骤C1、确定固定位置的缺陷预警阈值、特定缺陷预警情况、同类型缺陷计数参数、各零部件保养周期，通过后台服务器分析到预设位置的缺陷，并判断达到固定位置缺陷预警阈值，执行固定位置缺陷预警操作，所述固定位置是处于产品表面上某一处需要质量评估的位置。
具体的，在后台服务器执行各类型缺陷预警操作之前，需要确定判断执行各类型缺陷预警的阈值，包括固定位置的缺陷预警阈值、特定缺陷预警情况、同类型缺陷计数参数、各零部件保养周期，后台服务器在发出固定位置缺陷预警操作之前，分析到预设位置的缺陷符合固定位置缺陷预警阈值，后台服务器控制相应预警设备执行固定位置缺陷预警操作。
步骤C2、通过后台服务器依据产品图像分析出产品出现特定缺陷，并且该特定缺陷符合特定缺陷预警情况，执行特定缺陷预警操作。
具体的，后台服务器依据产品缺陷类型信息分析产品出现的缺陷类型中是否包含特定缺陷，并且该特定缺陷符合特定缺陷预警情况，后台服务器控制相应预警设备执行特定缺陷预警操作。
步骤C3、通过后台服务器依据产品图像分析当前产品出现同类型缺陷，并且出现同类型缺陷的次数达到同类型缺陷计数参数，执行同类型缺陷预警。
具体的，后台服务器根据产品缺陷类型信息分析当前产品出现多次同类型的缺陷，统计出现多次同类型缺陷的次数，并与同类型缺陷计数参数比较，如果同类型缺陷的次数大于或等于同类型缺陷计数参数，后台服务器控制相应缺陷预警设备，执行同类型缺陷预警。
步骤C4、通过后台服务器依据产品图像分析当前产品中各个零部件保养日期，并且根据各零部件保养周期判断零部件是否需要保养，如果已经达到某个零部件的保养周期，就执行设备点检保养预警。
具体的，后台服务器依据产品图像分析当前产品缺陷类型信息，检索产品或生产线的各个零件的保养周期，根据各个零部件保养周期判断零部件是否需要保养，如果某个或者某几个零部件到了零部件保养周期，后台服务器控制相应缺陷预警设备，执行设备点检保养预警。
作为一种可选的但不限定的实现方式，通过后台服务器，依据产品缺陷类型信息进行缺陷预警操作，包括步骤D1-D2：
步骤D1、确定产品中出现连续类型缺陷的属性。
具体的，当产品缺陷类型信息包括两个或者两个以上的产品缺陷时，就很可能出现连续类型的缺陷，可以整体看这两个或者两个以上的产品缺陷，计算所有产品缺陷的距离等信息确定产品中出现连续类型缺陷的属性。
步骤D2、通过后台服务器，根据产品中出现连续类型缺陷的属性判断当前产品的连续类型缺陷，如果当前产品存在连续类型缺陷就执行连续缺陷预警。
具体的，后台服务器分析产品缺陷类型信息，当产品包括两个或者两个以上的产品缺陷时，需要根据连续类型缺陷的属性判断当前产品是否存在连续类型的缺陷，如果当前产品存在连续类型缺陷，后台服务器控制相应缺陷预警设备，执行连续缺陷预警。
S240、根据产品图像中缺陷的大小和位置情况对产品质量进行评级和分类。
具体的，后台服务器根据产品缺陷类型信息计算产品图像中缺陷的大小和相对位置，后台服务器根据产品图像中缺陷的大小和位置信息进行产品质量的评级，以及对产品的质量进行等级的分类。
S250、根据产品图像中缺陷的位置情况追溯缺陷在产品上的位置。
具体的，后台服务器分析产品缺陷类型信息计算产品图像中缺陷的相对位置情况，根据相对位置情况可以追溯缺陷在产品表面上的具***置。
本申请实施例提供了一种质量缺陷预警方法,通过生产线上加装的工业相机，设定工业相机的拍摄频率并获取产品的产品图像，通过检测设备在线识别产品图像的产品缺陷类型信息，产品缺陷类型信息包括产品是否具有缺陷的判定结果，以及产品具有缺陷时产品图像所属的缺陷类型，检测设备将产品缺陷类型信息上传至后台服务器，后台服务器根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息和各个缺陷类型阈值判断是否进行缺陷预警操作，该方法通过工业相机、后台服务器以及深度学习检测算法的相互配合，执行产品图像的获取、缺陷类型检测，并判断是否发出缺陷预警，提高了缺陷预警的准确性和及时性，减少生产线上次品的流出。
实施例三
图3为本发明实施例三提供的一种质量缺陷预警装置的结构示意图，该装置可执行本申请任意实施例所提供的质量缺陷预警方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置可包括：
产品图像获取模块310，用于通过工业相机，获取产品的产品图像；
上传信息模块320，用于通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型；
缺陷预警执行模块330，用于通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。
进一步的，所述缺陷类型包括产品表面的瑕疵、缺陷、划痕、毛刺、脏污点、破损、孔洞、毛虫和蚊虫以及产品外观尺寸不符合规定。
进一步的，上传信息模块320包括：
缺陷阈值确定单元，用于确定产品图像中被认定存在各缺陷类型的阈值，所述各缺陷类型的阈值是根据各个缺陷类型对产品应用的影响情况进行确定；
缺陷信息生成单元，用于根据被认定存在各缺陷类型的阈值，判断待识别产品图像中是否具有相应缺陷类型的缺陷，并生成产品缺陷类型信息。
进一步的，质量缺陷预警装置还包括：
质量评级和分类模块，用于根据产品图像中缺陷的大小和位置情况对产品质量进行评级和分类；
缺陷追溯模块，用于根据产品图像中缺陷的位置情况追溯缺陷在产品上的位置。
进一步的，缺陷预警执行模块330包括：
第一阈值确定单元，用于确定生产线产能良率检测周期以及生产线产能良率阈值；
数据读取单元，用于通过后台服务器从中心数据库中读取生产线产能良率检测周期范围内的数据；
第一预警发出判断单元，用于根据后台服务器计算当前生产线产能良率，依据生产线产能良率阈值，判断是否发出产能良率预警；
数据库刷新单元，用于按照生产线产能良率检测周期对中心数据库的数据进行刷新。
进一步的，缺陷预警执行模块330包括：
第二预警发出判断单元，用于确定固定位置的缺陷预警阈值、特定缺陷预警情况、同类型缺陷计数参数、各零部件保养周期，通过后台服务器分析到预设位置的缺陷，并判断达到固定位置缺陷预警阈值，执行固定位置缺陷预警操作，所述固定位置是处于产品表面上某一处需要质量评估的位置；
第三预警发出判断单元，用于通过后台服务器依据产品图像分析出产品出现特定缺陷，并且该特定缺陷符合特定缺陷预警情况，执行特定缺陷预警操作；
第四预警发出判断单元，用于通过后台服务器依据产品图像分析当前产品出现同类型缺陷，并且出现同类型缺陷的次数达到同类型缺陷计数参数，执行同类型缺陷预警；
第五预警发出判断单元，用于通过后台服务器依据产品图像分析当前产品中各个零部件保养日期，并且根据各零部件保养周期判断零部件是否需要保养，如果已经达到某个零部件的保养周期，就执行设备点检保养预警。
进一步的，缺陷预警执行模块330包括：
第二阈值确定单元，用于确定产品中出现连续类型缺陷的属性；
第六预警发出判断单元，用于通过后台服务器，根据产品中出现连续类型缺陷的属性判断当前产品的连续类型缺陷，如果当前产品存在连续类型缺陷就执行连续缺陷预警。
本发明实施例中所提供的质量缺陷预警装置可执行上述本发明任意实施例中所提供的质量缺陷预警方法，具备执行该质量缺陷预警方法相应的功能和有益效果，详细过程参见前述实施例中质量缺陷预警方法的相关操作。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如质量缺陷预警方法。
在一些实施例中，质量缺陷预警方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的质量缺陷预警方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行质量缺陷预警处理方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的***和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种质量缺陷预警方法，其特征在于，包括：
通过工业相机，获取产品的产品图像；
通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型；
通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。
2.根据权利要求1所述的方法，所述缺陷类型包括产品表面的瑕疵、缺陷、划痕、毛刺、脏污点、破损、孔洞、毛虫和蚊虫以及产品外观尺寸不符合规定。
3.根据权利要求1所述的方法，通过检测设备在线识别产品图像的产品产品缺陷类型信息，包括：
确定产品图像中被认定存在各缺陷类型的阈值，所述各缺陷类型的阈值是根据各个缺陷类型对产品应用的影响情况进行确定；
根据被认定存在各缺陷类型的阈值，判断待识别产品图像中是否具有相应缺陷类型的缺陷，并生成产品缺陷类型信息。
4.根据权利要求1所述的方法，其特征在于，通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，之后还包括：
根据产品图像中缺陷的大小和位置情况对产品质量进行评级和分类；
根据产品图像中缺陷的位置情况追溯缺陷在产品上的位置。
5.根据权利要求1所述的方法，其特征在于，通过后台服务器，依据产品缺陷类型信息进行缺陷预警操作，包括：
确定生产线产能良率检测周期以及生产线产能良率阈值；
通过后台服务器从中心数据库中读取生产线产能良率检测周期范围内的数据；
根据后台服务器计算当前生产线产能良率，依据生产线产能良率阈值，判断是否发出产能良率预警；
按照生产线产能良率检测周期对中心数据库的数据进行刷新。
6.根据权利要求1所述的方法，其特征在于，通过后台服务器，依据产品缺陷类型信息进行缺陷预警操作，包括：
确定固定位置的缺陷预警阈值、特定缺陷预警情况、同类型缺陷计数参数、各零部件保养周期，通过后台服务器分析到预设位置的缺陷，并判断达到固定位置缺陷预警阈值，执行固定位置缺陷预警操作，所述固定位置是处于产品表面上某一处需要质量评估的位置；
通过后台服务器依据产品图像分析出产品出现特定缺陷，并且该特定缺陷符合特定缺陷预警情况，执行特定缺陷预警操作；
通过后台服务器依据产品图像分析当前产品出现同类型缺陷，并且出现同类型缺陷的次数达到同类型缺陷计数参数，执行同类型缺陷预警；
通过后台服务器依据产品图像分析当前产品中各个零部件保养日期，并且根据各零部件保养周期判断零部件是否需要保养，如果已经达到某个零部件的保养周期，就执行设备点检保养预警。
7.根据权利要求1所述的方法，其特征在于，通过后台服务器，依据产品缺陷类型信息进行缺陷预警操作，包括：
确定产品中出现连续类型缺陷的属性；
通过后台服务器，根据产品中出现连续类型缺陷的属性判断当前产品的连续类型缺陷，如果当前产品存在连续类型缺陷就执行连续缺陷预警。
8.一种质量缺陷预警装置，其特征在于，包括：
产品图像获取模块，用于通过工业相机，获取产品的产品图像；
上传信息模块，用于通过检测设备识别产品图像的产品缺陷类型信息，将产品图像的产品缺陷类型信息上传至后台服务器，所述产品缺陷类型信息表征产品图像中是否有缺陷，以及产品在具有缺陷时产品图像所属的缺陷类型；
缺陷预警执行模块，用于通过后台服务器，根据产品缺陷类型信息分析产品图像中缺陷的大小和位置，并依据产品缺陷类型信息进行缺陷预警操作。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的质量缺陷预警方法。
10.一种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指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的质量缺陷预警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310286875.1A CN116309471A (zh) | 2023-03-22 | 2023-03-22 | 一种质量缺陷预警方法、装置、电子设备以及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310286875.1A CN116309471A (zh) | 2023-03-22 | 2023-03-22 | 一种质量缺陷预警方法、装置、电子设备以及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116309471A true CN116309471A (zh) | 2023-06-23 |
Family
ID=86821995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310286875.1A Pending CN116309471A (zh) | 2023-03-22 | 2023-03-22 | 一种质量缺陷预警方法、装置、电子设备以及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116309471A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117115153A (zh) * | 2023-10-23 | 2023-11-24 | 威海坤科流量仪表股份有限公司 | 基于视觉辅助的印制线路板质量智能检测方法 |
-
2023
- 2023-03-22 CN CN202310286875.1A patent/CN116309471A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117115153A (zh) * | 2023-10-23 | 2023-11-24 | 威海坤科流量仪表股份有限公司 | 基于视觉辅助的印制线路板质量智能检测方法 |
| CN117115153B (zh) * | 2023-10-23 | 2024-02-02 | 威海坤科流量仪表股份有限公司 | 基于视觉辅助的印制线路板质量智能检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112581463B (zh) | 图像缺陷的检测方法、装置、电子设备、存储介质及产品 | |
| TWI706318B (zh) | 錫膏印刷品質檢測方法、數據處理裝置及電腦存儲介質 | |
| CN112036755B (zh) | 一种建筑工程质量检测的监管方法及*** | |
| CN110927184A (zh) | 芯片封装缺陷的视觉检测方法 | |
| CN116309471A (zh) | 一种质量缺陷预警方法、装置、电子设备以及介质 | |
| WO2024002187A1 (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
| CN114429544A (zh) | 基于计算机视觉的振动筛筛网破损检测方法、***及装置 | |
| CN116952958A (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
| CN115205291A (zh) | 一种电路板检测方法、装置、设备和介质 | |
| CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
| CN115294060A (zh) | 电器设备的外观缺陷检测方法、装置、电子设备及介质 | |
| CN115218790A (zh) | 棒材检测方法、装置和*** | |
| CN115168154B (zh) | 一种基于动态基线的异常日志检测方法、装置及设备 | |
| CN115700758A (zh) | 一种***活性的检测方法、装置、设备及存储介质 | |
| CN114881112A (zh) | 一种***异常检测方法、装置、设备及介质 | |
| CN115546108A (zh) | 基于边云协同和ar的汽车轮胎外观质量智能检测方法 | |
| CN113986659A (zh) | 故障分析方法、装置、设备及计算机存储介质 | |
| CN116503407B (zh) | 图像中异物区域的检测方法、装置及电子设备 | |
| CN117216682A (zh) | 一种感知数据的处理方法、装置、电子设备及存储介质 | |
| CN117689660B (zh) | 基于机器视觉的保温杯温度质检方法 | |
| CN117216699A (zh) | 一种基于样本数据的异常检测方法、装置、设备及介质 | |
| CN116188409A (zh) | 高压开关柜检测方法、装置、设备及存储介质 | |
| CN118074625A (zh) | 设备故障检测方法、装置、设备及存储介质 | |
| CN117412183A (zh) | 一种视觉成像***、方法、电子设备及存储介质 | |
| CN117781895A (zh) | 一种链条伸长率检测方法、装置、***和存储介质 |
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 |