[发明专利]一种摄像头模组异常检测方法

说明书

本发明提供了一种摄像头模组异常检测方法，属于人工智能技术领域。解决了模组异常样本不足、深度学习模型检测精度低、速度慢的问题。其技术方案为：包括以下步骤：S1、采用模板匹配方法定位图片中的模组及其相关组件的位置；S2、基于图像处理完成模组中螺丝、标签、布线、划痕脏污异常情况的检测；S3、基于特征配准网络框架完成模组中的划痕和镜头脏污检测；S4、通过QT Creator开发异常检测程序，用于模组异常情况的自动检测。本发明的有益效果为：本发明结合图像处理方法和神经网络框架，实现摄像头模组的多种异常情况的检测，通过构建孪生神经网络框架，插入空间变换网络实现特征配准，可以精准检测出模组上的划痕。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种摄像头模组异常检测方法。

背景技术

随着中国制造业的快速发展，工业产品的数量和种类与日俱增，消费者和生产企业对产品的质量提出了更高的要求，除了需要满足正常的使用性能外，还要有良好的表面质量。因此，在产品生产加工时必须对其表面进行质量检测，以便及时发现异常并加以控制，从而减少异常产品的产生，提高企业的经济效益。

目前，工业生产中对摄像头模组表面的异常检测一般采用传统人工视觉检测的方法，该方法不仅检测效率低、误检率及漏检率高、劳动强度大，而且人工检测成本高，易受工人经验和主观因素的影响，不适用于大规模工业生产的要求。

随着图像处理技术的发展，机器视觉的异常检测方法已经逐渐取代了人工检测方法，在工业生产检测环节得到了实践。机器视觉检测技术是一种非接触式的自动检测技术，具有安全可靠、检测精度高、可在复杂的生产环境中长时间运行等优点，是实现工厂生产自动化和智能化的一种有效方法，并且有着广泛的应用。

目前在工业领域中，基于图像对产品进行缺陷异常检测的方法主要分为两类：基于传统机器视觉方法实现和基于深度学习方法实现。

传统机器视觉方法主要包括图像采集、图像处理、图像分析三部分，图像采集部分需要选择合适的光源，镜头和专业相机，实现对样本图片的采集；图像处理部分包含图像去噪和增强、边缘检测等措施；图像分析部分包含特征信息的提取，有效特征筛选和通过分类器进行缺陷识别，机器视觉技术具有无接触、安全准确、使用范围广等特点，是实现产品自动化、智能化检测的有效手段。文献[1]梁雄.基于机器视觉的摄像头模组缺陷检测系统研究[D].广州：华南理工大学,2015:8.先采用模板匹配完成图像检测区域定位，再通过阈值分割、形态学操作和Blob分析提取摄像头模组缺陷特征信息。文献[2]冯彪.基于机器视觉的摄像头模组焊接缺陷检测研究[D].桂林电子科技大学,2022:6-8.围绕CCM中存在的桥接、漏焊和少锡问题展开研究，运用特征匹配方法和多曝光图像融合方法获取高质量的焊点图像，再通过贝叶斯决策和BNN缺陷分类对焊接缺陷进行检测和评估。文献[3]Automaticcompact camera module solder joint inspection method based on machine vision.基于特征匹配和图像增强方法动态地识别ROI以去除背景干扰，采用改进的自适应粒子群算法实现焊点缺陷的自动分类。