-
公开(公告)号：CN110908156B
公开(公告)日：2025-03-04
申请号：CN201911347985.4
申请日：2019-12-24
Applicant: 厦门福信光电集成有限公司
IPC: G02F1/13
Abstract: 本发明公开了一种液晶屏线路AOI自动检测设备，其包括机架、控制装置、上料装置、检测装置、取料装置及下料装置；上料装置包括前输送机构、位置校正机构及前中转机构，前输送机构用于输送待测液晶屏，位置校正机构用于校正待测液晶屏的位置；检测装置包括移载机构和检测机构，移载机构可沿着机架的纵向进行移动，检测机构设于移载机构上方；取料装置包括进料移送机构和卸料移送机构，进料移送机构将待测液晶屏移送至移载机构上，卸料移送机构将经检测机构检测的液晶屏移送至下料装置；下料装置用于输送良品液晶屏和不良液晶屏。本发明不仅实现了液晶屏的自动上下料，而且可以校正液晶屏上料时的位置，极大地提高了液晶屏检测的效率。
-
公开(公告)号：CN117237297A
公开(公告)日：2023-12-15
申请号：CN202311192540.X
申请日：2023-09-15
Applicant: 厦门福信光电集成有限公司
IPC: G06T7/00 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/42 , G06V10/75 , G06V10/774 , G06V10/776 , G06V10/25 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/048 , G06N3/08 , G06N5/04 , G01N15/14 , G01N21/84
Abstract: 本发明公开了基于深度学习的ACF导电粒子检测方法及系统，包括以下步骤：光学系统采集ACF原图像并提取出导电粒子目标区域图像；对所述目标区域图像进行预处理；对所述预处理图像进行标注，将标注后的预处理图像按设定的比例划分为训练集及验证集；构建导电粒子检测网络模型，所述导电粒子检测网络模型基于Yolov7网络模型进行改进；训练网络模型，评估出最佳检测模型；对所述最佳检测模型进行模型量化处理，得到量化模型；检测机台上的光学系统采集实时图像，输入至量化模型对导电粒子进行检测，将检测结果发送回检测机台。该方法对小目标检出率高，检测模型体积小，推理速度快，满足实际工业场景的部署环境要求和检测实时性要求。
-
公开(公告)号：CN116977314A
公开(公告)日：2023-10-31
申请号：CN202310973343.5
申请日：2023-08-03
Applicant: 厦门福信光电集成有限公司
Abstract: 本发明公开了一种高精度的液晶面板装箱搭边检测方法，包括以下步骤：在液晶面板装箱的上方四个角位置放置四个线激光光源；线激光光源在产品表面形成规则的“#”字形；设置在装箱上方的面阵相机获得实时检测图像；通过转换颜色空间，对获取的实时检测图像进行二值化处理，得到二值图像；对二值图像进行膨胀操作；对获取的二值图像进行计算，得到边界集合Vi，i＝0,1,2,3；分别对得到的边界集合Vi进行直线拟合，判断是否搭边；向报警系统发送检测的搭边结果，若显示搭边，由报警系统预警。通过本发明能够检测出面板的微小搭边，精度达到1mm以内，且不受箱子形状约束，适用范围广，检测精度高，算法实现简单。
-
公开(公告)号：CN116912189A
公开(公告)日：2023-10-20
申请号：CN202310827632.4
申请日：2023-07-06
Applicant: 厦门福信光电集成有限公司
IPC: G06T7/00 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于深度学习的焊点检测方法及系统，包括以下步骤：采集带有焊锡缺陷的焊点图像；对焊点图像预处理后分类，分类好的预处理图像按设定比例划分为训练集与验证集；构建焊点图像分类网络模型，模型基于ResNeXt网络，包括依序设置的多尺度特征融合层、软池化层、四层残差网络、全局平均池化层及全连接网络；将训练集输入分类网络模型进行训练，利用验证集评估出最佳模型；采集检测台上的焊点实时图像，将实时图像进行图像对齐、通道转换及数据归一化处理后输入最佳模型进行分类，检测结果发送回检测机台。本发明对ResNeXt网络进行改进，使用改进后的分类网络模型对焊点质量进行检测，具有检测效率高，检测精度符合工业在线检测要求的有益效果。
-
公开(公告)号：CN116168033B
公开(公告)日：2023-08-22
申请号：CN202310453033.0
申请日：2023-04-25
Applicant: 厦门福信光电集成有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/194 , G06T7/60 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于深度学习的晶圆晶格位错图像检测方法及系统，包括以下步骤：采集带有位错的晶圆晶格图像，并对图像进行预处理；对预处理后的图像进行标注，将标注后的单通道图像按设定的比例划分为训练集及验证集；构建用于晶圆晶格位错图像检测的网络模型，所述网络模型采用PicoDet网络模型；加载用于训练的PicoDet网络模型，利用所述训练集对模型进行训练，利用所述验证集对训练的预测结果进行评估，评估出最佳检测模型；采集晶圆晶格的实时图像，输入至最佳检测模型对晶圆晶格位错进行检测，然后将检测结果发送回检测机台。对于晶圆晶格位错，本发明采用的检测方法对小目标进行了优化，可提高小目标检测的效率及精度。
-
Patent Agency Ranking
公开(公告)号：CN115180388A
公开(公告)日：2022-10-14
申请号：CN202210905696.7
申请日：2022-07-29
Applicant: 厦门福信光电集成有限公司
Abstract: 本发明公开了一种大尺寸显示模组线路自动检测设备，包括机座和设置在所述机座上的送检机构、驱动机构及检测机构，所述送检机构用于输送显示模组，所述驱动机构用于带动所述检测机构在显示模组上方沿边沿线路进行移动，所述检测机构包括安装板，升降模组、升降架、检测组件、测距组件及定位组件，所述安装板设置在所述驱动机构上，所述升降模组固设在安装板上用于驱动所述升降架沿竖直方向升降，所述检测组件设置在所述升降架上用于对显示模组进行线路缺陷检测，所述测距组件用于测量显示模组到所述检测组件的对焦距离，所述定位组件用于获取显示模组上的边沿线路的位置信息。
-
公开(公告)号：CN114939539A
公开(公告)日：2022-08-26
申请号：CN202210605392.9
申请日：2022-05-30
Applicant: 厦门福信光电集成有限公司
Abstract: 本发明公开了一种晶圆表面缺陷智能检测设备，包括机座和设置于所述机座上的料盘输送机构、晶圆移送机构、送检机构、检测机构、分转机构、装箱机构、料箱输送机构及隔板移送机构；所述料盘输送机构用于输送料盘；所述晶圆移送机构用于从料盘上抓取待测晶圆放置于所述送检机构和从送检机构上抓取已测晶圆放置于所述分转机构；所述送检机构用于承载晶圆沿水平纵向移动；所述检测机构用于对所述送检机构上承载的晶圆进行检测；所述料箱输送机构用于输送料箱；所述装箱机构用于从所述良品晶圆移送组件上抓取已测良品晶圆放置到料箱内；所述隔板移送机构用于抓取隔板放置到料箱中分隔已测良品晶圆。
-
公开(公告)号：CN114740645A
公开(公告)日：2022-07-12
申请号：CN202210420128.8
申请日：2022-04-20
Applicant: 厦门福信光电集成有限公司
IPC: G02F1/13
Abstract: 本发明公开了一种导电粒子压痕检测设备，包括底座、检测机构及送检机构，所述检测机构包括线扫驱动组件、相机载台、偏移检测组件及粒子检测组件，所述偏移检测组件和粒子检测组件分别相向设置在所述相机载台的上侧和下侧，所述线扫驱动组件用于带动所述相机载台沿检测方向移动进行线扫检测，所述送料组件用于将待测样品输送至所述偏移检测组件和粒子检测组件之间。本发明提供一种导电粒子压痕检测设备，通过送检机构进行送料，由线扫驱动组件带动粒子检测相机和偏移检测相机自动进行线扫检测，取代人力，排除人为参与对产品接触的不良影响，不会对产品造成损伤，减小劳动强度，节省成本。
-
公开(公告)号：CN114675115A
公开(公告)日：2022-06-28
申请号：CN202210397347.9
申请日：2022-04-15
Applicant: 厦门市计量检定测试院 , 厦门福信光电集成有限公司
Abstract: 本发明公开一种自动化静电放电测试系统，包括六轴机械臂、静电放电发生器、压力传感器和旋转平台；所述静电放电发生器设置于所述六轴机械臂的末端；所述压力传感器设置于所述六轴机械臂与所述静电放电发生器的连接处，以检测静电放电发生器对待测产品施加的压力。本发明可提高测试效率，保证测试质量，且可避免待测产品与静电放电发生器接触时碎裂。
-
公开(公告)号：CN113469984A
公开(公告)日：2021-10-01
申请号：CN202110787943.3
申请日：2021-07-13
Applicant: 厦门福信光电集成有限公司
Abstract: 本发明涉及一种基于YOLO结构的显示面板外观检测方法，包括以下步骤：采集带有显示面板外观缺陷的图片，对所述图片进行标注，得到训练样本；所述标注包括包含缺陷区域的缺陷框坐标及该缺陷类型；将所述训练样本输入网络，利用梯度下降的方法驱动网络进行训练，得到训练好的模型权重；将模型权重部署至推理服务器；通过检测机台采集显示面板外观图像，并裁剪成统一尺寸后，发送给所述推理服务器；所述推理服务器对所述显示面板外观图像进行检测，并将检测结果反馈至所述检测机台。本发明通过基于YOLO结构的网络对显示面板外观进行检测。解决了特征深度与空间信息矛盾，检测结果误报率高的问题。
-
-
-
-
-
-
-
-
-
Search Results
179
records
(took 0.042 seconds)
