-
公开(公告)号：CN117911327A
公开(公告)日：2024-04-19
申请号：CN202311740627.6
申请日：2023-12-15
Applicant: 佛山市南海区广工大数控装备协同创新研究院
IPC: G06T7/00 , G06T5/70 , G06T5/90 , G06N3/0464 , G06N3/0455 , G06T5/40 , G06T7/70 , G06N3/08
Abstract: 本发明适用于机器学习技术领域，尤其涉及一种基于卷积神经网络的PCB表面缺陷检测方法。与现有技术相比，本发明提供的表面缺陷检测方法包括以下步骤：获取原始图像；对原始图像进行对比度增强处理和噪声处理，得到处理图像；对处理图像进行分割处理，得到缺陷图像；对缺陷图像进行数据增强和噪声注入，得到噪声图像；建立初始神经网络模型，将噪声图像作为初始神经网络模型的输入并根据结构相似指数进行训练，得到神经网络模型；将待检测图像作为神经网络模型的输入，得到无缺陷图像；将待检测图像逐像素减去无缺陷图像，得到检测结果。从而可以快速检测出印刷电路板的表面缺陷，得到缺陷的位置信息和形状信息，而无需提前知道缺陷的类型。
-
公开(公告)号：CN113838045B
公开(公告)日：2024-02-02
申请号：CN202111166594.X
申请日：2021-09-30
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明公开了一种改进骨刺去除算法的PCB覆铜线路骨架轮廓提取方法，搜索像素点的八邻域，符合交叉点原则的记录该像素点为交叉点，并将该交叉点放入集合Cross；将获取的交叉点Cross处像素值由1置为0，将分离后的所有分支骨架放入集合Branchs，在骨架集合Branchs中选取长度特征大于与之Length的骨架放入集合Trunk_Skeleton；在Trunk_Skeleton中选取一个主干Trunk0，计算其端点切线方向T1将端点处对应的Cross0由0置为1，遍历Branchs，计算端点附近的分支的切线方向，如切线方向与T1互为180度则合并该分支，获得新的主干Trunk0；遍历Trunk_Skeleton中元素，重复S3操作，最后获得若干个主干骨架线Trunk0，Trunk1，Trunk2…；合(56)对比文件叶福玲.一种改进的图像骨架提取算法《.西昌学院学报（自然科学版）》.2018,第32卷(第3期),第91-93,123页.宁亚辉 等.改进的基于模板去除骨架毛刺的方法《.计算机应用》.2011,第31卷(第S1期),第58-59+63页.苏国松.印制电路板光学检测算法研究《.中国优秀硕士学位论文全文数据库 (信息科技辑)》.2010,(01),第I135-145页.
-
公开(公告)号：CN110910368B
公开(公告)日：2022-05-13
申请号：CN201911138476.0
申请日：2019-11-20
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明提供基于语义分割的注射器缺陷检测方法，包括以下步骤，步骤S1：注射器图像采集，步骤S2：将json文件用代码转换成png掩膜图片，步骤S3：图像处理，即完成了注射器数据集的制作，步骤S4：构建全卷积神经网络模型，将训练数据集输入到语义分割网络中，迭代模型参数后得到收敛的分割模型，步骤S5：对模型进行测试，将测试数据集输入到语义分割网络中，得到注射器分割图，对比原图上的缺陷，判断模型的分割精度，步骤S6：导出模型文件，通过语义分割网络进行缺陷检测，自动判断注射器是否有缺陷相较于传统的人工检测，更加快速和准确，提高制造过程的自动化程度，能大大降低企业成本，同时提高生产率。
-
公开(公告)号：CN114387433A
公开(公告)日：2022-04-22
申请号：CN202210043915.5
申请日：2022-01-14
Applicant: 佛山市南海区广工大数控装备协同创新研究院
Abstract: 本发明属于涉及自动光学检测领域，具体涉及了一种大幅度FPC高精度定位方法。本发明通过粗配准、全局配准和高精度配准三个步骤实现定位，其中全局配准使用的基于SURF特征的图像配准方法，运用Hessian矩阵完成兴趣点的提取，降低算法复杂度，使用Haar小波响应确定兴趣点的主方向，增加特征点的转移不变性，用霍夫变换进行兴趣点匹配并求解变换方程。通过三个步骤实现目标定位，更加提高了FPC定位的精确度和稳定度，对于后续的缺陷检测是不可或缺的。本发明解决了现有的PCB定位方法通用性差、精度低等实际问题，采用分阶段式的定位方法，提高了大幅度FPC板定位的速度和精度，为后续缺陷检测的可行性和准确性提供了保障。
-
公开(公告)号：CN108830832B
公开(公告)日：2021-09-07
申请号：CN201810462352.7
申请日：2018-05-15
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 一种基于机器视觉的塑料筒表面缺陷检测算法，包括以下步骤：线扫相机视觉成像系统采集图像；通过分段线性变换灰度变换方法增强图像；对区域使用中值滤波去噪处理；使用LOG算子对图像进行分割得到印刷的边缘；提取塑料筒表面的图像区域ROI；使用阈值法分割图像，求取分割图像的连通区域；根据连通区域的面积和边缘特征，判断缺陷。本发明提供了一种特有的视觉成像方式，使得塑料筒检测的缺陷在图像中显得更加的明显；还提供了图像处理检测算法，能快速准确地检测出塑料筒是否有缺陷，实用性强。
-
Patent Agency Ranking
公开(公告)号：CN109724988B
公开(公告)日：2021-05-18
申请号：CN201910102845.4
申请日：2019-02-01
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
IPC: G01N21/88 , G01N21/956 , G06T7/00 , G06T7/73
Abstract: 本发明提供了一种基于多模板匹配的PCB板缺陷定位方法，通过对模板图像分割，并根据分割后的小模板图像特征来设置相对于的匹配模板，此方法可以极大的减少传统模板匹配中的误差，通过多模板匹配还能进一步减小实际图像变形带来的累积误差，并在模板匹配后对匹配后的区域进行越界判断和自动像素填充处理，此方法也有效的解决越界后造成缺陷检测偏差出现的问题；通过本方法可以提高PCB板检测前期的定位精度，较小实际图像同模板图的累积偏差，也有效的提高了检测的效率和检测精度，真正实现了PCB检测流程的高精度定位和匹配等一系列检测要求。
-
公开(公告)号：CN111553350A
公开(公告)日：2020-08-18
申请号：CN202010340618.8
申请日：2020-04-26
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明公开一种基于深度学习的注意力机制文本识别方法，包括S1、获取模型训练数据集；S2、对所述模型训练数据集进行预处理；S3、构建模型卷积层，输入所述模型训练数据集进行特征提取，获得图像的特征图，以待输出给后面循环神经网络结构，其视觉特征是通过卷积层与最大池层交错的多层卷积神经网络提取的，CNN接受原始输入，并生成尺寸为D×H×W的特征网格V，其中D表示通道数，H和W是结果特征图的高度和宽度等6个步骤，本发明克服了使用基于CTC的模型的神经OCR技术文本识别准确率低的难题，同时可以显著较少网络的计算量，并且能保证模型对公式的预测精度没有太大的下降。
-
公开(公告)号：CN110910368A
公开(公告)日：2020-03-24
申请号：CN201911138476.0
申请日：2019-11-20
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 本发明提供基于语义分割的注射器缺陷检测方法，包括以下步骤，步骤S1：注射器图像采集，步骤S2：将json文件用代码转换成png掩膜图片，步骤S3：图像处理，即完成了注射器数据集的制作，步骤S4：构建全卷积神经网络模型，将训练数据集输入到语义分割网络中，迭代模型参数后得到收敛的分割模型，步骤S5：对模型进行测试，将测试数据集输入到语义分割网络中，得到注射器分割图，对比原图上的缺陷，判断模型的分割精度，步骤S6：导出模型文件，通过语义分割网络进行缺陷检测，自动判断注射器是否有缺陷相较于传统的人工检测，更加快速和准确，提高制造过程的自动化程度，能大大降低企业成本，同时提高生产率。
-
公开(公告)号：CN109839385A
公开(公告)日：2019-06-04
申请号：CN201910161134.4
申请日：2019-03-04
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
IPC: G01N21/88
Abstract: 本发明提供了一种自适应的PCB板缺陷视觉定位检测及分类系统，涵盖了PCB检测的整套流程，包括离线预处理轮廓点属性分类阶段，在线PCB整板对位，缺陷检测以及缺陷分类，采用模板匹配的方法对整板进行对位，速度快，精度高，采用轮廓超差算法检测缺陷，精度达到亚像素级，速度快，具有很强的普适性；对轮廓点进行属性分类，满足因为缺陷种类不同匹配不同的检测标准带来的容忍度不同；本发明提高了PCB板的检测速度和精度，有效提高了检测效率，减少了缺陷误检或漏检情况的发生，实现了PCB板表面缺陷的自动化检测，节省人力物力财力，提高了生产自动化程度。
-
公开(公告)号：CN109719045A
公开(公告)日：2019-05-07
申请号：CN201910032650.7
申请日：2019-01-14
Applicant: 佛山市南海区广工大数控装备协同创新研究院 , 佛山市广工大数控装备技术发展有限公司
Abstract: 一种流水线管状件表面检测自动分拣装置，包括：工作台、驱动支承座、角度分割驱动器、旋转盘和检测装置；驱动支承座安装于工作台上；角度分割驱动器固定于工作台，其输出端穿过驱动支承座，并可竖直旋转连接于旋转盘；检测装置安装于驱动支承座，并位于旋转盘的上方；旋转盘上设置有若干条可活动的瓶口安装棒；瓶口安装棒在旋转作用下依次经过于检测装置的检测工位；瓶口安装棒用于安装管状件；检测装置用于检测依次经过的管状件。本设计的装置带有自动上料、检测、下料和回收的自动化效果，能实现生产到检测并分拣的过程的无缝对接，自动化程度高，检测精度高，速度快，节约人力成本。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.056 seconds)
