本發(fā)明涉及缺陷檢測，尤其涉及一種基于機器視覺的柔性基板自適應(yīng)缺陷檢測系統(tǒng)。

背景技術(shù)：

1、目前，柔性基板作為電子零件的重要基板，在電子產(chǎn)品制造中扮演著至關(guān)重要的角色。然而，在生產(chǎn)過程中，由于工藝復(fù)雜、材料特性等因素，fpcb上可能出現(xiàn)多種缺陷，如缺孔、鼠咬、開路、短路、毛刺、假銅等。這些缺陷不僅影響產(chǎn)品質(zhì)量，還可能導(dǎo)致電子設(shè)備性能下降甚至失效。

2、傳統(tǒng)的缺陷檢測方法，如人工目視法、儀器線上檢測法、功能測試法等，存在檢測效率低、準(zhǔn)確性不足、成本高等問題。隨著機器視覺技術(shù)的發(fā)展，自動光學(xué)檢測技術(shù)（automated?optical?inspection，aoi）、機器視覺檢測技術(shù)（machine?visioninspection，mvi）等視覺檢測技術(shù)逐漸成為主流。這些技術(shù)通過圖像采集、處理和分析，能夠高效、準(zhǔn)確地識別缺陷，提高產(chǎn)品質(zhì)量和生產(chǎn)效率。

3、然而，現(xiàn)有的機器視覺檢測系統(tǒng)對于柔性基板這種復(fù)雜多變的材料，其適應(yīng)性仍有待提高。

4、因此，本發(fā)明提供了一種基于機器視覺的柔性基板自適應(yīng)缺陷檢測系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種基于機器視覺的柔性基板自適應(yīng)缺陷檢測系統(tǒng)，用以解決現(xiàn)有技術(shù)中缺陷檢測不精準(zhǔn)、檢測不及時等問題。

2、本發(fā)明提供一種基于機器視覺的柔性基板自適應(yīng)缺陷檢測系統(tǒng)，包括：

3、圖像獲取模塊：用于基于預(yù)設(shè)圖像采集設(shè)備獲取目標(biāo)位置內(nèi)目標(biāo)柔性基板的實時圖像數(shù)據(jù)，并進行圖像處理，得到第一處理圖像集合；

4、識別處理模塊：用于基于深度學(xué)習(xí)技術(shù)對第一處理圖像集合中每一第一處理圖像進行特征提取，得到第一特征圖像集合；

5、缺陷檢測模塊：用于將第一特征圖像集合中每一特征進行分類，并基于分類結(jié)果進行缺陷檢測；

6、自適應(yīng)調(diào)整模塊：用于基于缺陷檢測結(jié)果對目標(biāo)柔性基板進行自適應(yīng)調(diào)整。

7、根據(jù)本發(fā)明提供的圖像獲取模塊，包括：

8、圖像獲取單元：用于基于預(yù)設(shè)圖像采集設(shè)備獲取目標(biāo)位置內(nèi)的目標(biāo)柔性基板在當(dāng)前檢測周期的每一檢測時刻的實時圖像數(shù)據(jù)，得到初始圖像數(shù)據(jù)集合；

9、圖像處理單元：用于對初始圖像數(shù)據(jù)集合進行圖像模糊處理，得到第一模糊圖像，并對模糊處理后的第一模糊圖像進行灰度變換，得到第一處理圖像；

10、圖像綜合單元：用于將第一處理圖像按照對應(yīng)檢測時刻進行排序，得到有序的第一處理圖像集合。

11、根據(jù)本發(fā)明提供的識別處理模塊，包括：

12、初始模型單元：用于基于目標(biāo)柔性基板的基板類型確定目標(biāo)柔性基板的初始特征提取模型；

13、歷史模型單元：用于獲取目標(biāo)柔性基板的歷史特征圖像及每一歷史特征圖像對應(yīng)的歷史特征提取模型，并結(jié)合初始特征提取模型中包含的初始特征參數(shù)，確定對應(yīng)的歷史特征參數(shù)，從而綜合得到歷史特征提取集合；

14、第一模型單元：用于基于歷史特征提取集合中每一歷史特征提取模型的歷史特征參數(shù)進行參數(shù)優(yōu)化，從而得到目標(biāo)柔性基板的第一特征提取模型；

15、特征提取單元：用于基于第一特征提取模型對第一處理圖像集合中每一第一處理圖像進行特征提取，得到第一特征圖像集合。

16、根據(jù)本發(fā)明提供的第一模型單元，包括：

17、特征參數(shù)提取子單元：用于提取歷史特征提取集合中每一歷史特征提取模型的歷史特征參數(shù)，得到第一參數(shù)集合；

18、歷史性能子單元：用于獲取歷史特征提取集合中每一歷史特征提取模型對應(yīng)的目標(biāo)柔性基板的歷史基板性能；

19、第一相似子單元：用于獲取目標(biāo)柔性基板的實時基板性能，并將實時基板性能與歷史基板性能進行逐一比較，得到實時基板性能與每一歷史基板性能的第一相似度；

20、第一性能子單元：用于基于每一第一相似度得到目標(biāo)柔性基板的第一相似度集合，并將第一相似度集合中每一第一相似度與第一參數(shù)集合中歷史特征參數(shù)進行對應(yīng)，從而綜合得到第一性能參數(shù)集合；

21、第一參考子單元：用于提取第一性能參數(shù)集合中第一相似度最高的歷史特征參數(shù)作為目標(biāo)柔性基板的第一參考特征參數(shù)；

22、環(huán)境參數(shù)子單元：用于獲取目標(biāo)柔性基板的實時環(huán)境參數(shù)，同時獲取目標(biāo)柔性基板的歷史環(huán)境參數(shù)，得到歷史環(huán)境參數(shù)集合；

23、第一歷史子單元：用于提取歷史環(huán)境參數(shù)集合中與實時環(huán)境參數(shù)的參數(shù)吻合度最高的歷史環(huán)境參數(shù)作為第一歷史環(huán)境參數(shù)；

24、第二參考子單元：用于獲取第一歷史環(huán)境參數(shù)對應(yīng)的歷史特征參數(shù)作為目標(biāo)柔性基板的第二參考特征參數(shù)；

25、參數(shù)優(yōu)化子單元：用于基于第一參考特征參數(shù)及第二參考特征參數(shù)對初始特征提取模型的對應(yīng)特征參數(shù)進行參數(shù)優(yōu)化，得到第一優(yōu)化特征參數(shù)，從而得到目標(biāo)柔性基板的第一特征提取模型。

26、根據(jù)本發(fā)明提供的第一相似子單元，包括：

27、得到實時基板性能與每一歷史基板性能的第一相似度；

28、；其中，s為實時基板性能與當(dāng)前歷史基板性能的第一相似度，為當(dāng)前歷史基板性能的第j個性能指數(shù)的性能轉(zhuǎn)換因子，為實時基板性能的第j個性能指數(shù)，為當(dāng)前歷史基板性能的第j個性能指數(shù)，為當(dāng)前歷史基板性能的第j個性能指數(shù)的提取傳輸誤差，為當(dāng)前歷史基板性能的第j個性能指數(shù)的誤差轉(zhuǎn)換因子，e為指數(shù)函數(shù)的底數(shù)，m為實時基板性能中性能指數(shù)的個數(shù)，其中，實時基板性能的性能指數(shù)的個數(shù)與歷史基板性能中性能指數(shù)的個數(shù)一致。

29、根據(jù)本發(fā)明提供的缺陷檢測模塊，包括：

30、第一分類單元：用于基于特征類型不同對第一特征圖像集合中每一特征圖像進行分類，得到第一分類特征圖像集合；

31、其中，第一分類特征圖像集合中每一第一分類特征圖像子集合對應(yīng)同一特征類型；

32、第一檢測單元：用于基于特征類型獲取對應(yīng)的缺陷檢測模型，并將第一分類特征圖像子集合中的特征圖像輸入到對應(yīng)的缺陷檢測模型中進行缺陷檢測，得到第一檢測結(jié)果；

33、綜合檢測單元：用于基于目標(biāo)柔性基板的每一第一檢測結(jié)果進行綜合得到目標(biāo)柔性基板的綜合缺陷檢測結(jié)果。

34、根據(jù)本發(fā)明提供的自適應(yīng)調(diào)整模塊，包括：

35、缺陷綜合單元：用于獲取目標(biāo)柔性基板在歷史檢測過程的歷史缺陷檢測結(jié)果，并結(jié)合實時缺陷檢測結(jié)果，得到綜合缺陷檢測結(jié)果；

36、缺陷分類單元：用于基于缺陷類型不同將綜合缺陷檢測結(jié)果進行分類，從而得到分類缺陷檢測集合，其中，分類缺陷檢測集合的每一分類缺陷檢測子集合對應(yīng)同一缺陷類型；

37、自適應(yīng)調(diào)整單元：用于基于每一分類缺陷檢測子集合對目標(biāo)柔性基板進行自適應(yīng)調(diào)整。

38、根據(jù)本發(fā)明提供的自適應(yīng)調(diào)整單元，包括：

39、第一策略子單元：用于基于每一分類缺陷檢測子集合對應(yīng)缺陷類型從缺陷-調(diào)整數(shù)據(jù)庫中獲取對應(yīng)的第一自適應(yīng)調(diào)整策略；

40、第二策略子單元：用于基于每一第一自適應(yīng)調(diào)整策略進行綜合得到初始自適應(yīng)調(diào)整策略；

41、比較優(yōu)化子單元：用于比較初始自適應(yīng)調(diào)整策略中是否存在策略沖突及策略重復(fù)的調(diào)整策略，從而進行策略優(yōu)化，得到目標(biāo)柔性基板的綜合自適應(yīng)調(diào)整策略，從而對目標(biāo)柔性基板的缺陷檢測模型進行自適應(yīng)調(diào)整。

42、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：本發(fā)明提供的一種基于機器視覺的柔性基板自適應(yīng)缺陷檢測系統(tǒng)，通過對目標(biāo)柔性基板的圖像數(shù)據(jù)進行處理，從而提取特征圖像，并基于特征圖像的圖像類型進行分類，從而對分類后的特征圖像進行缺陷檢測，可以使得對目標(biāo)柔性基板的缺陷檢測更為精準(zhǔn)、更加能夠滿足目標(biāo)柔性基板的缺陷檢測需求，并且能夠及時準(zhǔn)確地提供自適應(yīng)調(diào)整策略，從而提高缺陷檢測效率。