一种基于AI技术的手机主板缺陷视觉检测方法及系统与流程

本发明涉及视觉检测，具体是涉及一种基于ai技术的手机主板缺陷视觉检测方法及系统。

背景技术：

1、随着智能手机行业的迅猛发展，对手机主板的质量控制变得日益重要。手机主板作为手机的核心部件，其性能直接影响到整个手机的稳定性和性能。传统的手机主板检测方法通常依赖于手动检查或基于简单规则的自动化系统。这些方法可能无法有效地识别复杂的缺陷，如微小裂纹、微细焊点不良等，特别是在高生产率和精密制造的环境中。通过智能识别技术能在一定程度上克服上述缺点。

2、但手机主板的缺陷不仅体现在外部，还体现在其零件的内部，由于会存在外部缺陷叠加的干扰，因此，对于内部缺陷无法进行准确识别，导致无法根据识别结果，对生产工艺的参数进行针对性调整。

技术实现思路

1、为解决上述技术问题，提供一种基于ai技术的手机主板缺陷视觉检测方法及系统，本技术方案解决了上述背景技术中提出的手机主板的缺陷不仅体现在外部，还体现在其零件的内部，由于会存在外部缺陷叠加的干扰，因此，对于内部缺陷无法进行准确识别，导致无法根据识别结果，对生产工艺的参数进行针对性调整的问题。

2、为达到以上目的，本发明采用的技术方案为：

3、一种基于ai技术的手机主板缺陷视觉检测方法，包括：

4、对至少一个手机主板进行零部件划分，得到至少一个基本零件结构；

5、获取基本零件结构的至少一个外部缺陷和外部缺陷图像；

6、基于至少一个外部缺陷图像，筛选得到至少一个基本外部缺陷图像，将基本外部缺陷图像对应的外部缺陷作为基本外部缺陷；

7、在基本零件结构内部没有缺陷的条件下，获取存在基本外部缺陷的图像，作为基本外部缺陷红外图像；

8、获取基本零件结构的至少一个内部缺陷和内部缺陷红外图像；

9、基于至少一个内部缺陷红外图像，筛选得到至少一个基本内部缺陷红外图像，将基本内部缺陷红外图像对应的内部缺陷作为基本内部缺陷；

10、对待测手机主板进行零部件分割，得到至少一个待测零部件，并将待测零部件与基本零件结构配对；

11、对待测零部件进行表面识别，得到至少一个实际基本外部缺陷；

12、对待测零部件进行红外识别，得到实际红外图像；

13、基于实际基本外部缺陷，对实际红外图像进行预处理，得到实际内部红外图像，其中，实际内部红外图像为待测零部件内部的红外图像；

14、基于实际内部红外图像，得到至少一个实际基本内部缺陷；

15、基于实际基本外部缺陷和实际基本内部缺陷，对待测零部件的生产工艺进行调整。

16、优选的，所述对至少一个手机主板进行零部件划分，得到至少一个基本零件结构包括以下步骤：

17、将手机主板中零部件按照实现的功能的最小单元进行划分，得到至少一个预备零件结构；

18、去除至少一个预备零件结构中重复出现的预备零件结构，得到至少一个基本零件结构。

19、优选的，所述基于至少一个外部缺陷图像，筛选得到至少一个基本外部缺陷图像包括以下步骤：

20、基于至少一个外部缺陷图像，形成至少一个外部缺陷图像组合，其中，至少一个外部缺陷图像组合包含至少一个外部缺陷图像的所有组合可能性；

21、获取特征外部缺陷图像组合，其中，至少一个外部缺陷图像均能由特征外部缺陷图像组合中的至少一个外部缺陷图像叠加得到；

22、将特征外部缺陷图像组合中的至少一个外部缺陷图像，作为至少一个基本外部缺陷图像。

23、优选的，所述基于至少一个内部缺陷红外图像，筛选得到至少一个基本内部缺陷红外图像包括以下步骤：

24、基于至少一个内部缺陷红外图像，形成至少一个内部缺陷红外图像组合，其中，至少一个内部缺陷红外图像组合包含至少一个内部缺陷红外图像的所有组合可能性；

25、获取特征内部缺陷红外图像组合，其中，至少一个内部缺陷红外图像均能由特征内部缺陷红外图像组合中的至少一个内部缺陷红外图像叠加得到；

26、将特征内部缺陷红外图像组合中的至少一个内部缺陷红外图像，作为至少一个基本内部缺陷红外图像。

27、优选的，所述得到至少一个待测零部件，并将待测零部件与基本零件结构配对包括以下步骤：

28、将待测手机主板中的零部件分为至少一个零部件区域，不同零部件区域在待测手机主板中没有连接；

29、获取基本零件结构组合，所述基本零件结构组合中的基本零件结构的总面积等于零部件区域的面积；

30、对基本零件结构组合中的基本零件结构形成至少一个平面排布组合，至少一个平面排布组合包含了基本零件结构组合中的基本零件结构的所有排布情况；

31、获取与零部件区域形状一致的平面排布组合，作为特征平面排布组合；

32、将特征平面排布组合中的基本零件结构作为待测零部件，并将形状一致的基本零件结构与待测零部件配对。

33、优选的，所述对待测零部件进行表面识别，得到至少一个实际基本外部缺陷包括以下步骤：

34、获取至少一个外部缺陷组合，至少一个外部缺陷组合包含了至少一个基本外部缺陷的所有组合情况；

35、将外部缺陷组合中的基本外部缺陷的基本外部缺陷图像叠加至待测零部件对应的基本零件结构的表面，得到外部待判断图像；

36、获取与待测零部件表面一致的外部待判断图像，作为特征外部待判断图像；

37、将特征外部待判断图像对应的外部缺陷组合中的基本外部缺陷，作为实际基本外部缺陷。

38、优选的，所述对实际红外图像进行预处理，得到实际内部红外图像包括以下步骤：

39、获取实际基本外部缺陷对应的基本外部缺陷红外图像，作为特征基本外部缺陷红外图像；

40、在实际红外图像中去除所有的特征基本外部缺陷红外图像，得到实际内部红外图像，其中，实际内部红外图像与所有的特征基本外部缺陷红外图像叠加的结果为实际红外图像。

41、优选的，所述基于实际内部红外图像，得到至少一个实际基本内部缺陷包括以下步骤：

42、获取至少一个内部缺陷组合，至少一个内部缺陷组合包含了至少一个基本内部缺陷的所有组合情况；

43、将内部缺陷组合中的基本内部缺陷的基本内部缺陷红外图像相叠加，得到内部待判断图像；

44、获取与待测零部件表面一致的内部待判断图像，作为特征内部待判断图像；

45、将特征内部待判断图像对应的内部缺陷组合中的基本内部缺陷，作为实际基本内部缺陷。

46、一种基于ai技术的手机主板缺陷视觉检测系统，用于实现上述的基于ai技术的手机主板缺陷视觉检测方法，包括：

47、零件划分模块，所述零件划分模块对至少一个手机主板进行零部件划分，得到至少一个基本零件结构；

48、图像获取模块，所述图像获取模块获取基本零件结构的至少一个外部缺陷和外部缺陷图像；

49、外部缺陷获取模块，所述外部缺陷获取模块基于至少一个外部缺陷图像，筛选得到至少一个基本外部缺陷图像，将基本外部缺陷图像对应的外部缺陷作为基本外部缺陷，在基本零件结构内部没有缺陷的条件下，获取存在基本外部缺陷的图像，作为基本外部缺陷红外图像；

50、内部缺陷获取模块，所述内部缺陷获取模块获取基本零件结构的至少一个内部缺陷和内部缺陷红外图像，基于至少一个内部缺陷红外图像，筛选得到至少一个基本内部缺陷红外图像，将基本内部缺陷红外图像对应的内部缺陷作为基本内部缺陷；

51、零件分割模块，所述零件分割模块对待测手机主板进行零部件分割，得到至少一个待测零部件，并将待测零部件与基本零件结构配对；

52、缺陷识别模块，所述缺陷识别模块对待测零部件进行表面识别，得到至少一个实际基本外部缺陷，对待测零部件进行红外识别，得到实际红外图像，基于实际基本外部缺陷，对实际红外图像进行预处理，得到实际内部红外图像，其中，实际内部红外图像为待测零部件内部的红外图像，基于实际内部红外图像，得到至少一个实际基本内部缺陷；

53、参数调整模块，所述参数调整模块基于实际基本外部缺陷和实际基本内部缺陷，对待测零部件的生产工艺进行调整。

54、与现有技术相比，本发明的有益效果在于：

55、通过设置外部缺陷获取模块、内部缺陷获取模块、零件分割模块和缺陷识别模块，能使用有限的基本的缺陷对内部和外部缺陷进行识别，在识别时，使用普通图像对外部缺陷进行识别，并获取外部缺陷的红外图像，并据此对整体的实际红外图像进行处理，去除掉外部缺陷的红外图像，进而得到仅包含内部缺陷的红外图像，进而能确定内部缺陷的构成情况，由此，能根据实际基本外部缺陷和实际基本内部缺陷，对待测零部件的生产工艺进行针对性调整，消除生产过程中的失误，进而保证手机主板的生产质量。