[发明专利]胶路缺陷检测方法、装置及设备

说明书

本发明公开一种胶路缺陷检测方法、装置及设备，所述方法包括：获取多个训练样本胶路表面数据；提取训练样本胶路的表面数据中的多个剖面数据；从多个数据统计角度对每一个剖面数据的剖面曲线进行描述，得到描述特征；将描述特征输入到多层感知神经网络MLP，训练生成检测模型；将产品胶路的剖面数据输入到检测模型中，生成相对应于产品胶路的标注数据集。本发明从多个特征对胶路的剖面数据进行描述，可以更加稳定、全面的提取出数据特征，在一些特殊剖面数据上，能够获得更为稳定的特征描述分类，实现对复杂的、不规则的胶路进行高效检测。

技术领域

本发明涉及计算机技术领域，尤其涉及一种胶路缺陷检测方法、装置及设备。

背景技术

由于高端手机对于防水防尘的等级要求越来越高，对于手机边框点胶品质检测要求也越来越高。对手机边框的点胶的检查，其常规的解决方案是对胶路剖面数据从胶路高度和宽度尺寸信息进行量测，实现对点胶品质管控。

常规检测方式存在很大的局限性，例如：需要定位基准用于尺寸检测定位；胶形较为复杂时，无法准确判断；不规则胶路如弧形/折形胶路无法检测。

发明内容

鉴于以上技术问题，本发明提供了一种胶路缺陷检测方法、装置及设备，以提供一种可对复杂胶路、不规则胶路进行检测的技术方案。

本公开的其他特征和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本发明的一方面，公开一种胶路缺陷检测方法，所述方法包括：

获取多个训练样本胶路表面数据，所述表面数据由基于结构光或激光三角法原理的三维数据采集设备采集得到，所述表面数据为图像格式的；

提取所述训练样本胶路的所述表面数据中的多个剖面数据；

从多个数据统计角度对每一个所述剖面数据的剖面曲线进行描述，得到相对应每一个所述剖面数据的一组特征描述向量，对所述特征描述向量中的特征进行归一化和赋予特征权重比例，以及逐一对所述特征描述向量进行缺陷标注，生成相对应于所述特征描述向量中每一个所述特征的标注数据集后，得到描述特征；

将所述描述特征输入到多层感知神经网络MLP，训练生成检测模型；

将产品胶路的所述剖面数据输入到所述检测模型中，生成相对应于所述产品胶路的所述标注数据集。

进一步的，多个所述数据统计角度至少包括方差、标准差、变异系数、平均值、中位数、分位数、三均值、极差、四分位差、偏度、峰度、相对于基准胶形的皮尔森相关性系数中的一种或多种。

进一步的，从多个所述数据统计角度对每一个所述剖面数据的剖面曲线进行描述的过程包括：

设定单个所述剖面数据为集合x_i，其中x_i＝[x_i,x₂,x₃…x_n]，n为单轮廓点数；

计算集合x_i的所述平均值：

基于所述平均值，计算所述集合x_i的所述方差：

基于所述方差，计算所述集合x_i的所述标准差：

基于所述标准差和所述平均值，得到所述变异系数：