申请/专利权人：西安邮电大学

申请日：2023-05-16

公开（公告）日：2024-04-12

公开（公告）号：CN116843615B

主分类号：G06T7/00

分类号：G06T7/00;G01N21/88;G06T7/11;G06T5/80;G06T7/136;G06T7/194;G06V10/764;G06N3/043;G06N3/04;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.10.24#实质审查的生效;2023.10.03#公开

摘要：本发明属于机器视觉技术领域，涉及一种基于柔性光路的引线框架智能全检方法及系统。该方法，集成了柔性光路复合的自适应纹理干扰消除技术、多源协作缺陷检测模型及其全程加速技术、非显著缺陷分类精准辨识及其演进学习和智能化人机协作检测区域编程技术，对烧焦、银黄、漏银、背漏、缺银、划伤、氧化、连脚、蚀崩、脏污、扭曲和测量性缺陷实现全检测，通过模糊逻辑一级分类和神经网络二级分类的方法，在保证准确率的前提下不断提高分类精度，具有检测能力强，检测范围广，检测精度高，检测效率快等优点。

主权项：1.一种基于柔性光路的引线框架智能全检方法，其特征在于，具体包括以下步骤：S1、采集引线框架的原始图像，并将获取到的原始图像数据传输到工控机中；S2、构建当前引线框架的模板图像并存储，分割所述模板图像中的铜材区域、镀银区域、镂空区域，完成检测缺陷的准备；S3、先对获取到的原始图像进行非均匀校正处理，在所述模板图像的辅助下进行缺陷检测；再对检测到的缺陷进行分割并提取；最后将铜材区域、镀银区域、镂空区域对应的缺陷进行合并，完成前置分类；S4、根据缺陷属性和缺陷特征，对待分类缺陷进行特征分析，通过混合多分类器模型，对所述待分类缺陷的信息进行置信度计算和危害性评价，完成缺陷的分类识别；再使用演进式的增量更新方法，更新混合多分类器模型；所述S4中混合多分类器模型，结合缺陷位置、色彩分布、形状尺寸、Hu特征矩，从一级分类和二级分类的角度，分别基于模糊逻辑识别方法和浅层神经网络训练方法来构建缺陷分类模型；所述模糊逻辑识别方法在人工确认的准确分割基础上，分别构建铜材区域、镀银区域、镂空区域三种区域的色彩像素分布立方体；以缺陷像素值为下标，通过索引直取方式从分布立方体获得像素属于三种区域的概率，统计缺陷所有像素隶属概率的平均值作为缺陷隶属概率Ptong,Pyin,Pkong；以同样的方式获得对应背景图像的隶属概率Ttong,Tyin,Tkong；以90％为高置信度为判定阈值，结合确定性的规则知识判定缺陷的类别： 所述不确定的缺陷R4、S4是从一级分类的角度得出的，还需要从二级分类的角度、利用神经网络预测方法去识别，通过神经网络去判定这些缺陷是属于银黄、银渍、氧化、脏污、划伤中的哪一类别。

全文数据：

权利要求：

百度查询： 西安邮电大学 一种基于柔性光路的引线框架智能全检方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD