基于深度學習和機器視覺的手機表面缺陷檢測

2022-11-10 13:37:18 精質視覺

　　隨著智能制造產業的升級和改造，智能手機作為人們生活的必需品，它的“智”不僅僅在于產品功能、性能方面的創新，更在于生產制造過程的智能化。

　　智能手機生產共有80多道工序，每一個工序都需要進行檢測，檢測的標準各不相同。為提升產品品質，降低不良率，達到用戶滿意度，檢測作為手機生產的最后一道工序，是產品品質的“守門員”，也是手機廠商們關注的焦點。

　　手機在生產時候不可避免的會有一些缺陷，例如：

　　· 蓋板玻璃上有劃傷、壓傷、破損、邊緣毛刺等，產品尺寸公差大等;

　　· 手機電池表面會出現漏氣、焊點、壓傷等;

　　· PCB元器件有錯、漏、反、浮高等問題;

　　· 金屬部件表面臟污、裂紋、劃傷、刮傷、氣泡等;

　　· 攝像模組上有異物、污染、刮傷、白點以及高度差等;

　　· 在成品機組裝上，出現缺件、錯件、螺釘浮高等等。

　　這些缺陷不僅會引發一系列的返工、售后問題，還會影響消費者對產品的使用感受，對產品的口碑也會造成一定的影響。

　　伴隨著人口紅利的逐漸消失，以及傳統機器視覺的“僵態化”檢測，局限性問題日益突出，已無法應對終端產品的頻繁迭代。

　　深度學習技術，通過深度提取圖像瑕疵特征，突破傳統機器視覺邏輯簡單、難以分析無規律圖像的瓶頸，持續有效地提高了質檢的準確性。

　　對于產品線的不斷更迭變換，用戶無需更改或調整設備機構，只需通過軟件選擇相應前期調試好的參數即可，如此一來，便大幅降低了用戶更換不同產品時的設備調試時間。

　　在檢測過程中，可實現不同尺寸、型號手機玻璃面、后蓋、側面、圓弧面的全方位檢查，快速、精準地檢測出劃痕、碰傷、臟污、邊緣銀邊、漏光等缺陷，省去了人工干預的環節。

　　遇到嚴重缺陷，還可根據設定在線報警或者停機，以防出現故障導致全線停產。

　　檢測完成后，可在線將缺陷分類、存儲、輸出報表，增加了數據的可追溯性，管理者也能在第一時間獲取產品缺陷分布和良品率，并根據一手數據及時優化流程與工藝。

　　毫無疑問，無論是在產品生產檢驗作業中，或是進行品質管理，實現精益化生產上，依靠深度學習技術的缺陷檢測系統將是企業最為堅實的力量。

欧亚乱熟女一区二区在线,女人扒开屁股桶爽30分钟,国产在视频线精品视频,国产中文精品无码欧美综合小说