基于深度学习和机器视觉的手机表面缺陷检测

2022-11-10 13:37:18

　　随着智能制造产业的升级和改造，智能手机作为人们生活的必需品，它的“智”不仅仅在于产品功能、性能方面的创新，更在于生产制造过程的智能化。

　　智能手机生产共有80多道工序，每一个工序都需要进行检测，检测的标准各不相同。为提升产品品质，降低不良率，达到用户满意度，检测作为手机生产的最后一道工序，是产品品质的“守门员”，也是手机厂商们关注的焦点。

　　手机在生产时候不可避免的会有一些缺陷，例如：

　　· 盖板玻璃上有划伤、压伤、破损、边缘毛刺等，产品尺寸公差大等;

　　· 手机电池表面会出现漏气、焊点、压伤等;

　　· PCB元器件有错、漏、反、浮高等问题;

　　· 金属部件表面脏污、裂纹、划伤、刮伤、气泡等;

　　· 摄像模组上有异物、污染、刮伤、白点以及高度差等;

　　· 在成品机组装上，出现缺件、错件、螺钉浮高等等。

　　这些缺陷不仅会引发一系列的返工、售后问题，还会影响消费者对产品的使用感受，对产品的口碑也会造成一定的影响。

　　伴随着人口红利的逐渐消失，以及传统机器视觉的“僵态化”检测，局限性问题日益突出，已无法应对终端产品的频繁迭代。

　　深度学习技术，通过深度提取图像瑕疵特征，突破传统机器视觉逻辑简单、难以分析无规律图像的瓶颈，持续有效地提高了质检的准确性。

　　对于产品线的不断更迭变换，用户无需更改或调整设备机构，只需通过软件选择相应前期调试好的参数即可，如此一来，便大幅降低了用户更换不同产品时的设备调试时间。

　　在检测过程中，可实现不同尺寸、型号手机玻璃面、后盖、侧面、圆弧面的全方位检查，快速、精准地检测出划痕、碰伤、脏污、边缘银边、漏光等缺陷，省去了人工干预的环节。

　　遇到严重缺陷，还可根据设定在线报警或者停机，以防出现故障导致全线停产。

　　检测完成后，可在线将缺陷分类、存储、输出报表，增加了数据的可追溯性，管理者也能在第一时间获取产品缺陷分布和良品率，并根据一手数据及时优化流程与工艺。

　　毫无疑问，无论是在产品生产检验作业中，或是进行品质管理，实现精益化生产上，依靠深度学习技术的缺陷检测系统将是企业最为坚实的力量。

高精度针孔检测设备