[发明专利]透明构件缺陷的光学和热红外多级成像检测方法及装置

说明书

本发明公开了一种透明构件缺陷的光学和热红外多级成像检测方法及装置，包括以下步骤：对3C透明构件进行光学成像，获取光学图像，初步判定3C透明构件的缺陷位置和大小；利用氮气对3C透明构件的缺陷位置加热，进行热红外成像，获取热红外图像；将光学图像和热红外图像进行融合处理，再通过深度学习认识出3C透明构件的缺陷类别。所述装置包括通过总线相互通信连接的光学检测模块、热红外检测模块、运动控制模块、数据融合模块、深度学习模块、辅助机械手和显示报警模块。本发明通过光学成像和热红外超声成像，对缺陷产品进行多物理量、多级方式检测，再通过卷积神经网络完成光学和红外的多源信息融合，从而提升3C透明构件缺陷检测的辨识率。

技术领域

本发明涉及一种3C透明构件缺陷检测方法，具体地说是一种3C透明构件缺陷的光学和热红外多级成像检测方法及装置。

背景技术

我国3C行业中，透明构件在应用不断增长，特别是随着5G技术的快速推进，对玻璃材质的构件在终端通信产品中得到广泛的应用。但是，由于3C行业的透明构件的特点，其缺陷检测的难度在不断提升。目前，很多生产企业还主要是以人工检测的方式为主，自动化程度不高。但是，其人工方法依靠工人的经验，标准尺度统一难度大，并且劳动强度非常大，对视力健康有影响，熟练的工人不到退休年龄就得转岗。

当前，主流的3C透明购件的缺陷检测，还主要是以人工目测的方式为主，少量低难度的利用自动化检测设备，而且，以单一光学检测手段为主(特别是可见光为主)，其方式是利用摄像头采集图像，进行图像滤波、图像增强后，再结合图像识别算法进行分析，并判断是否存在相对应的缺陷。但是，由于3C透明构件的特点：尺寸小、类型多、不显著，如果仅仅依靠常规的可见光进行辨识，其检测精度有待改进。

发明内容

为了解决上述的技术问题，本发明提供了透明构件缺陷的光学和热红外多级成像检测方法及装置。

为了解决上述技术问题，本发明采取以下技术方案：

透明构件缺陷的光学和热红外多级成像检测方法，包括以下步骤：

对3C透明构件进行光学成像，获取光学图像，初步判定3C透明构件的缺陷位置和大小；

利用氮气对3C透明构件的缺陷位置加热，进行热红外成像，获取热红外图像；

将光学图像和热红外图像进行融合处理，再通过深度学习认识出3C 透明构件的缺陷类别。

所述融合处理具体为：

采用两个超景深红外模块对3C透明构件进行热红外成像，对得到的两个成像视频进行间隔采样，各抽取7帧60×40像素大小的视频，共计 60×40像素大小、7帧的2段视频，分别为第一红外视频和对二红外视频；

利用第一卷积神经网络模型对第一红外视频和第二红外视频进行数据特征提取，计算属于不同缺陷类别的概率，缺陷类别包括正常、裂纹、气泡、划痕、崩边；

将光学成像图像尺寸压缩到60×40像素，对两个超景深红外成像模块的成像视频随机各提取2张图片共4张红外成形图像，尺寸大小均为 60×40像素，从而得到共计60×40像素的5张图片；

利用第二卷积神经网络模型对5张照片进行数据特征提取，计算属于不同缺陷类别的概率；

将针对第一红外视频和第二红外视频计算得到的缺陷类别的概率，与对5张图片计算得到的缺陷类别的概率进行融合，按照下式计算：