[发明专利]一种粘贴异常检测方法及装置

说明书

本申请提供了一种粘贴异常检测方法及装置，执行所述方法时，获取粘贴区域图像，所述粘贴区域图像包括：粘贴对象以及被粘贴对象；将所述粘贴区域图像输入到预设的特征点提取模型，以获取用于表征粘贴状态的目标特征点，其中，所述目标特征点包括：所述粘贴对象的轮廓特征点以及所述粘贴对象的轮廓与所述被粘贴对象相交的相交特征点；根据所述目标特征点确定所述粘贴区域图像是否存在粘贴异常。由此可知，本申请基于提取的目标特征点确定粘贴区域图像的粘贴居中异常情况，能够在复杂的机内条件下，提供准确的粘贴居中异常检测，且不依赖相机高精度硬件条件，降低了粘贴异常检测成本。

技术领域

本申请涉及机内检测技术领域，尤其涉及一种粘贴异常检测方法及装置。

背景技术

在对电子产品(例如，面板)进行组装时，对于面板内部的各种连接线，工人们需要利用铝箔或胶带等粘贴物将它们固定粘贴。工人们粘贴过程中，可能会存在没有居中粘贴的粘贴缺陷。而这些粘贴缺陷容易造成产品内部零部件晃动、产品内部不美观等问题。

现有技术中，通常通过二维/三维视觉居中识别方法识别存在这样粘贴缺陷的产品，但是这种方式对相机镜头以及相机的精度有较高的要求，在复杂的机内条件下，容易出现误检、漏检等问题。因此，现亟需一种粘贴异常检测方法，能够准确识别出粘贴居中异常的情况。

发明内容

有鉴于此，本申请提供了一种粘贴异常检测方法及装置，用以识别粘贴居中异常的技术问题。

其技术方案如下：

第一方面，本申请实施例提供了一种粘贴异常检测方法，所述方法包括：获取粘贴区域图像，所述粘贴区域图像包括：粘贴对象以及被粘贴对象；将所述粘贴区域图像输入到预设的特征点提取模型，以获取用于表征粘贴状态的目标特征点，其中，所述目标特征点包括：所述粘贴对象的轮廓特征点以及所述粘贴对象的轮廓与所述被粘贴对象相交的相交特征点；根据所述目标特征点确定所述粘贴区域图像是否存在粘贴异常。在本申请实施例中，基于提取的目标特征点确定粘贴区域图像的粘贴异常情况，能够在复杂的机内条件下，提供准确的粘贴居中异常检测，且不依赖相机高精度硬件条件，降低了粘贴异常检测成本。

可选的，所述特征点提取模型包括：卷积神经网络CNN模型。

可选的，所述粘贴区域图像是所述被粘贴对象水平过线粘贴的图像。在本申请实施例中，特征点提取模型可以可以使用水平过线的样本数据进行训练，因此后续可以对待识别图像进行预处理，将初始粘贴区域图像同样调整为水平过线的粘贴区域图像，便于特征点提取模型进行识别，提高识别效率以及识别准确性。

可选的，所述根据所述目标特征点确定所述粘贴区域图像是否存在粘贴异常，包括：根据所述相交特征点与相邻的所述轮廓特征点之间的距离确定所述粘贴区域图像是否存在粘贴异常。在本申请实施例中，通过相交特征点以及相邻轮廓特征点之间的距离确定是否存在粘贴异常，距离计算简单高效，可以准确、高效的确实粘贴区域图像是否存在粘贴异常。

可选的，所述根据所述相交特征点与相邻的所述轮廓特征点之间的距离确定所述粘贴区域图像是否存在粘贴异常，包括：

当所述相交特征点与相邻的所述轮廓特征点之间的距离小于预设的标准粘贴阈值距离时，确定所述粘贴区域图像存在粘贴异常。

可选的，所述方法还包括：当确定所述粘贴区域图像存在粘贴异常，生成粘贴异常提醒。在本申请实施例中，针对粘贴异常生成对应的提醒，可以通知工作人员出现粘贴异常事件，使得粘贴异常处理能够及时被响应，避免产品加工流水线出现更多异常事件，造成经济损失。

可选的，所述粘贴区域图像是通过预设的机器学习模型确定的。在本申请实施例中，可以通过预设的机器学习模型从获取的机器内部全景照片进行识别从而确定粘贴区域图像，使得后续针对粘贴异常的识别与检测仅需对粘贴区域图像进行，无需对机器内部的全景照片进行识别，减少识别区域，降低检测数据量。