[发明专利]基于深度学习的Type-C多工位多缺陷统一测量系统

说明书

本发明公开了一种基于深度学习的Type‑C多工位多缺陷统一测量系统，包括检测载具、运动模组和视觉系统，所述检测载具用于装载待检测Type‑C，所述运动模组用于将待检测Type‑C运送至多工位视觉系统，所述视觉系统用于检测Type‑C的多种表面缺陷。本发明通过深度学习算法得到的缺陷模型库进行特征对比，实现缺陷的识别与分类，提高了Type‑C表面缺陷的检测速度与精确度，满足生产现场检测缺陷等需求。

技术领域

本发明属于检测技术领域，涉及到表面缺陷检测，具体涉及一种基于深度学习的Type-C多工位多缺陷统一测量系统。

背景技术

USB Type-C，简称Type-C，是一种通用串行总线(USB)的硬件接口形式，其规范由USB开发者论坛(USB-IF)发布。它的特点在于更加纤薄的设计、更快的传输速度(USB3.1最高10Gbps)以及更强悍的电力传输(最高100W)，更重要的是Type-C插接口支持USB接口双面插入，正式解决了“USB永远插不准”的世界性难题。在USB Type-C规范发布后，许多新款的Android移动设备、笔记本电脑、台式机甚至是游戏机等3C设备开始使用这种连接端口。

Type-C设计非常纤薄，可以正反使用，能够连接PC、手机、存储设备等多种设备，实现数据传输与供电的统一，被广泛用于各种电子设备中。但Type-C制作工艺复杂，在加工过程中，表面不可避免的会产生刮花、压点、脏污等缺陷，这些缺陷会影响产品美观甚至使其应用性能下降，所以需要对Type-C进行表面缺陷检测。

现有技术中存在的主要问题包括：

对Type-C的表面缺陷进行检测的方法包括人工检测方法和自动检测方法。目前最常用的检测方法为人工检测方法，但人工检测方法存在精度低、劳动力大、易受检测者主观影响等问题。此外，自动缺陷检测方式，如基于机器视觉的缺陷识别方法，通过采用相机对产品表面拍照获得缺陷图片，通过图像处理实现缺陷检测。对于这种检测方式，由于不同缺陷对光线吸收程度不同，因此在不同光源类型下相机拍摄得到的缺陷图像所展示的缺陷类型不同，在单一光源下很难展示所有缺陷，此外，由一张图像检测所有缺陷类型算法复杂，实现困难。因此，迫切需要提出一种新的缺陷检测方式能够尽可能方便、快速、高效的检测出Type-C表面的多种缺陷。

发明内容

针对现有技术中存在的上述问题，本发明提供了一种基于深度学习的Type-C多工位多缺陷统一测量系统，通过深度学习算法得到的缺陷模型库进行特征对比，实现缺陷的识别与分类，提高了Type-C表面缺陷的检测速度与精确度，满足生产现场检测缺陷等需求。

为此，本发明采用了以下技术方案：

一种基于深度学习的Type-C多工位多缺陷统一测量系统，包括检测载具、运动模组和视觉系统，所述检测载具用于装载待检测Type-C，所述运动模组用于将待检测Type-C运送至多工位视觉系统，所述视觉系统用于检测Type-C的多种表面缺陷。

优选地，所述检测载具包括仿形定位治具、真空吸气装置和治具连接板，所述仿形定位治具与治具连接板连接；所述仿形定位治具根据Type-C形状仿形设计。

优选地，所述仿形定位治具装载一组12块Type-C，并由真空吸气装置保证Type-C在运动检测过程中不会晃动。

优选地，所述运动模组包括装置台、左治具、右治具、第一滑块、第二滑块和直线电机；所述装置台表面设置有轨道；所述左治具、右治具通过治具连接板分别与第一滑块、第二滑块连接；所述直线电机带两个动子，安装在装置台上，分别驱动第一滑块、第二滑块沿装置台表面轨道移动。

优选地，所述左治具和右治具均为检测载具。

优选地，所述视觉系统包括2D视觉成像与3D激光高度点云判断。