[发明专利]一种基于人工智能的片式多层陶瓷电容六面外观检测方法

说明书

本发明涉及电子元器件的外观检测技术领域，尤指一种基于人工智能的片式多层陶瓷电容六面外观检测方法。本发明基于人工智能的片式多层陶瓷电容六面外观检测方法通过AI技术自动对图片进行区域分割归类，再结合传统算法对提取到的特征进行判断，更加灵活应对各种不同的缺陷；通过不断的追加样本数据来扩大学习数据量、增加学习时长，不断提升对缺陷识别的准确性，防止漏判和减少误判；通过采集到的全新图像验证学习效果，学习效果不佳的图像追加到反馈训练数据中，不断完善数据模型，检测准确率能够无限接近100％。

技术领域

本发明涉及电子元器件的外观检测技术领域，尤指一种基于人工智能的片式多层陶瓷电容六面外观检测方法。

背景技术

为了满足电子设备不断向小型化、大容量化、高可靠性和低成本的方向发展。多层陶瓷电容也随之迅速向前发展：种类不断增加，体积不断缩小，性能不断提高，技术不断进步，材料不断更新，轻薄短小系列产品已趋向于标准化和通用化。其应用逐步由消费类设备向投资类设备渗透和发展。移动通信设备更是大量采用片式元件,而一颗小小的电容可以直接影响到电子产品的稳定性。

在多层陶瓷电容生产厂家中，每天生产的产品数以十亿计,电子产品对品质要求也越来越高，甚至要求每个元件的每个面进行外观全数检查，而传统机器视觉检测方法存在以下弊端：

1.很难分析背景对比度低的缺陷，导致大量漏检。

2.对于调试人员要求较高，需要对图像处理有一定基础和特殊的诀窍，随着有经验人员的离职，而导致设备无法正常运转。

3.陶瓷电容的部分缺陷(如划伤，暗裂等)对位置、方向、光照等变量较敏感，易产生大量误判。

发明内容

为解决上述问题，本发明提供一种基于人工智能的片式多层陶瓷电容六面外观检测方法，提高检测精度,减少对人的经验依赖，让检测设备智能化。

为实现上述目的，本发明采用的技术方案是：一种基于人工智能的片式多层陶瓷电容六面外观检测方法，其检测步骤如下：

S1，收集不良样本：收集各种不同缺陷的产品样本，对样本六个面进行拍摄图片，并且把图片加载到系统资源中；

S2，标注缺陷：用标注软件对缺陷样本图片进行区域标注，先对图像上不同特征区域进行分类，然后贴上相应的标签；

S3，进行AI学习：对所有样本数据进行AI学习，通过分析各个标注区域的特征，不断自主学习达到和手动绘制标签一样的分割效果，学习过程中当前学习效果以数据模型的形式记录下来，后期系统就会具备自主识别缺陷能力；

S4，产品检测：检测设备通过高清相机获取产品六面图片，并上传到高速AI图像检测系统中，系统通过学习好的数据模型自动将新采集到的图像进行区域分割，然后对分割出来的缺陷或其他区域进行特征判定以判定产品是否符合产品外观要求，最后把判断数据录入系统中；

S5，分拣出料：若产品判断为正常产品，则把产品分到正常区域；若产品判断为缺陷产品，则把产品分到缺陷产品区域。

其中，在S1收集不良样本时，需要对缺陷样本进行分类，把具有同样缺陷的不同样本设置在同一标注列表中，并且在标注列表内采用不同序号区分样本。

进一步地，在S2标注缺陷时，其标注方法如下：

1)收集客户缺陷种类和检测需求，规划好分类方式；

2)手动标注区域，区域按像素级别分割，分割区域合并后为检测的整个产品，通常AI只是对缺陷进行标注，本发明为了实现像素级缺陷检测，并降低误判率，将产品图像进行了全域像素分割标注，并可以通过算法进行二次合并处理，即使传统算法很难检测的对比度缺陷，也可将准确率提高到99％以上。

3)形状复杂的区域可采用自动提取制作标签方式绘制；