基于深度学习和机器视觉的手机表面缺陷检测

视觉/图像重磅干货，第一时间送达!

随着智能制造产业的升级和改造，智能手机作为人们生活的必需品，它的“智”不仅仅在于产品功能、性能方面的创新，更在于生产制造过程的智能化。

智能手机生产共有80多道工序，每一个工序都需要进行检测，检测的标准各不相同。为提升产品品质，降低不良率，达到用户满意度，检测作为手机生产的最后一道工序，是产品品质的“守门员”，也是手机厂商们关注的焦点。

深度学习技术

解锁智能手机“智”造之路

手机在生产时候不可避免的会有一些缺陷，例如：

· 盖板玻璃上有划伤、压伤、破损、边缘毛刺等，产品尺寸公差大等； · 手机电池表面会出现漏气、焊点、压伤等； · PCB元器件有错、漏、反、浮高等问题； · 金属部件表面脏污、裂纹、划伤、刮伤、气泡等； · 摄像模组上有异物、污染、刮伤、白点以及高度差等； · 在成品机组装上，出现缺件、错件、螺钉浮高等等。

这些缺陷不仅会引发一系列的返工、售后问题，还会影响消费者对产品的使用感受，对产品的口碑也会造成一定的影响。

伴随着人口红利的逐渐消失，以及传统机器视觉的“僵态化”检测，局限性问题日益突出，已无法应对终端产品的频繁迭代。

深度学习技术，通过深度提取图像瑕疵特征，突破传统机器视觉逻辑简单、难以分析无规律图像的瓶颈，持续有效地提高了质检的准确性。

对于产品线的不断更迭变换，用户无需更改或调整设备机构，只需通过软件选择相应前期调试好的参数即可，如此一来，便大幅降低了用户更换不同产品时的设备调试时间。

在检测过程中，可实现不同尺寸、型号手机玻璃面、后盖、侧面、圆弧面的全方位检查，快速、精准地检测出划痕、碰伤、脏污、边缘银边、漏光等缺陷，省去了人工干预的环节。

遇到严重缺陷，还可根据设定在线报警或者停机，以防出现故障导致全线停产。

检测完成后，可在线将缺陷分类、存储、输出报表，增加了数据的可追溯性，管理者也能在第一时间获取产品缺陷分布和良品率，并根据一手数据及时优化流程与工艺。

毫无疑问，无论是在产品生产检验作业中，或是进行品质管理，实现精益化生产上，依靠深度学习技术的缺陷检测系统将是企业最为坚实的力量。

AI深度学习在手机“智”造应用

场景一

手机镜片外观瑕疵缺陷检测

检测背景

手机镜片制造商，需要对出货前的产品进行外观检测，包括披风、蚀刻不良、异色、字体不良、崩边、边透沙眼、划伤、晶点、亮点等不良。

采用深度学习技术，可准确的检测出不良，以此来替代人工繁琐的检测，提升效率的同时并能管控好品质。

检测需求

披风检测、蚀刻检测、异色检测、字体检测、崩边检测、边透沙眼、划伤检测、晶点检测、亮点检测。

检测方案

通过机器视觉系统，检测产品制造中出现的划痕、脏污、异物等外观缺陷和其他异常，检测装配错误、表面缺陷、损坏的工件和缺失的功能，可确定对象的方向、形状、位置，还可识别功能。

检测效果

① 崩边检测

② 边透沙眼

③ 划伤检测

④ 晶点检测

⑤ 亮点检测

⑥ 披锋检测

⑦ 蚀刻检测

⑧ 字体检测

场景二

手机玻璃盖外观缺陷检测

检测背景

手机、平板电子产品在组装完成后，为保证出货前的产品质量，需对手机的玻璃面、后盖、侧面、圆弧面进行全方位的检查，检测内容包括划伤、缺口、点状异物（如颗粒、玻璃珠、气泡等）、压痕、凹凸痕、锯齿状、脏污、电镀掉漆、异色等。使屏幕依次显示不同的纯色背景，检测屏幕亮点、暗点、花屏、背光不良等缺陷。

检测效果

① 正面检测图片

② R角检测图片

③ 侧面检测图片

场景三

手机中板外观缺陷检测

检测难点

· 检测崩边缺失、断裂、变形,发生不良的位置未知且不固定，精准的搜索并检测判定是关键。

· 检测是否漏攻牙，由于牙孔内螺纹与CCD不在一个平行的平面，加上牙孔较小且受深度干扰，难度大。

· 断柱检测，由于辅助定位柱的Z向高度，与CCD不在一个平行的平面，是一个难点。

检测效果

① 牙孔检测效果

② 断柱检测效果

③ 崩边缺失检测效果

场景四

手机外壳Logo缺陷检测

场景缺陷

碰压伤 、刮伤、料线、针孔、麻点、白点、缺口、凸包、研磨痕、拱起、变形

检测难点

· 手机LOGO属于高亮、镜面金属材质；

· 细微的划伤、凹坑在传统光学下，会被强光遮掩掉；

检测效果

①划痕检测

② 凹凸点检测

本文仅做学术分享，如有侵权，请联系删文。

—THE END—