[发明专利]一种基于深度学习的封装带检测系统及交互控制方法

权利要求书

1.一种基于深度学习的封装带检测系统，其特征在于，所述基于人工智能深度学习的封装带检测系统包括基于后台主程序运行的图像采集模块、图像预处理模块、人工智能图像识别算法模块和人机交互模块，所述图像采集模块采集封装带正面、反面以及侧面的图像，所述图像预处理模块对图像采集模块采集的图像进行预处理，所述人工智能图像识别算法模块通过深度学习对经过图像预处理模块处理的图片进行智能识别，对存在封装缺陷的封装带进行报警，所述人机交互模块对人工智能图像识别算法模块的结果进行输出，显示封装缺陷产品标注图像、缺陷类型以及报警提示信息。

2.如权利要求1所述的一种基于深度学习的封装带检测系统，其特征在于，所述图像采集模块为多个工业相机，多个工业相机采集封装带内部贴片电子元件正面、反面以及侧面的图像，后台主程序控制工业相机状态检测、拍照触发和图像读取。

3.如权利要求1所述的一种基于深度学习的封装带检测系统，其特征在于，所述图像预处理模块对工业相机采集的多角度图像进行图像尺寸调整，图像切割，图像灰度、曝光度、聚焦参数的调整以及图像数组张量化处理。

4.如权利要求1所述的一种基于深度学习的封装带检测系统，其特征在于，所述人工智能图像识别算法模块包括：数据接收单元、深度学习推理单元和推理结果输出单元，人工智能图像识别算法模块通过大量故障贴片电子元件图像进行深度学习训练，训练完成后能够识别预先定义的多种类型的故障图像，将现场采集的图像作为输入，自动识别故障类型并进行分类标注进行输出。

5.如权利要求4所述的一种基于深度学习的封装带检测系统，其特征在于，所述数据接收单元接收图像预处理模块输出的图像数据，将图像数据打包处理后发送至深度学习推理单元。

6.如权利要求4所述的一种基于深度学习的封装带检测系统，其特征在于，所述深度学习推理单元利用深度学习图像分类网络判定图像类别，利用深度学习目标检测算法在图像中寻找设定目标，能够识别预先定义的多种图像类型，包括贴片电子元件正面、反面针脚缺陷，贴片电子元件侧面异常鼓胀类别，正面相机拍摄的图像被识别为贴片电子元件反面即针脚面，则判定出现贴片电子元件反装，反面相机拍摄的图像被识别为贴片电子元件正面即字符标识面，则判定出现贴片电子元件反装。

7.如权利要求4所述的一种基于深度学习的封装带检测系统，其特征在于，所述推理结果输出单元将深度学习推理单元对故障缺陷的判定结果进行分类标识，对故障目标区域进行标注，反馈至人机交互模块。

8.如权利要求4所述的一种基于深度学习的封装带检测系统，其特征在于，所述人机交互模块实时显示被检测物体的图像，人工智能图像识别算法模块判定出现故障时，故障位置及故障类型在人机交互模块进行显示，并报警提醒操作员排除故障。

9.一种基于深度学习的封装带检测系统的交互控制方法，其特征在于，所述交互控制方法为：

接通电源，后台主程序进行自检，检测与工业相机、PLC控制器和电机的通讯状态；

自检完成没有问题，操作员安装封装带料盘，封装带内封装贴片电子元件；

按下启动按钮，检测系统运行，封装带在电机的带动下移动，工业相机采集封装带的图像；

图像预处理模块对工业相机采集的图像进行处理；

人工智能图像识别算法模块识别图像中的故障状态，向PLC控制器发送急停控制信息；

PLC控制器控制电机停止转动，同时报警器发出警报，人机交互模块显示封装带故障缺陷位置及具体故障缺陷类型；

操作员进行排查，解决故障后，按下启动按钮继续进行封装带检测。