[发明专利]用于改进质量检查的方法和系统

说明书

一种执行自动对象检查的方法包括获得多个测试图像。对于所述多个测试图像中的每个测试图像，所述方法包括定量地确定从预定的通用布局中的参考标记的预定的轮廓到与测试图像中捕获的所述参考标记相对应的相应的锚点轮廓的相应变换；以及将所述相应变换的逆变换应用于所述测试图像的至少一部分以获得所述测试图像的相应的正则化版本，使得在所述多个测试图像的所述相应的正则化版本中捕获的所述参考标记共享与图像无关的位置和定向。所述方法进一步包括对所述测试图像的所述相应的正则化版本的两个或更多个子部分中的每个子部分执行独立的自动检查。

相关申请的交叉引用

本申请要求2018年5月22日提交的申请号为15/986,702的美国专利申请的优先权，该申请的公开内容通过引用整体并入本文中。

技术领域

这通常涉及质量检查，包括但不限于在产品组装线中或在后期产品质量保证过程中视觉检查产品。

背景技术

制造商实施各种质量控制措施，以减少进入商业流的有缺陷的产品的数量。一些质量控制措施涉及人工和/或装置视觉检查产品。然而，当前的视觉检查技术用于复杂对象检查时面临着低准确性和低效率，并且还不能为用户与系统的交互提供便利。因此，在识别包括多个部件和多种类型的缺陷的复杂产品的产品缺陷时存在挑战。

发明内容

因此，需要一种用于对包括多个部件并且每个部件可能包括不同类型的缺陷的复杂产品执行有效且准确的检查的方法和系统。通过这种方式，制造商能够进一步减少进入商业流的有缺陷的产品的数量，同时还以减少制造停机时间并提高缺陷检测准确性的方式检测缺陷。

在一些实施例中，在对复合对象或配件包的部件执行视觉检查之前，检测和使用参考标记的位置和定向以标准化捕获的图像具有高度自动化过程的优点，因此更加有效且准确。此外，该系统可以容易地修改，例如，通过更新蓝图，或不断地执行机器学习以将任何更新合并到模型中，并及时识别已经有意地或无意地引入组装线的缺陷。

在一些实施例中，通过使用预分割过程，可以提高检查系统的准确性(例如，从80％-90％到99.9％)。用户可以通过选择标准图像中的分割区域来手动分割。用户在图像中选择明显的特征，该系统将使用该特征进行标准化。图像中的每一个都将被定向和缩放，因此，图像中的每一个中的检测区域将具有相同的大小和形状。用户在标准图像中定义预分割区域。以下标准化图像中的每一个都将以相同的方式进行分割。分割区域中的每一个将被训练为单个模型。该系统将在分割区域中的每一个而不是整个图像中检测对象。通过使用这些方法，检测准确性将会大大提高。

此外，通过手动选择或自动提取图像的多个信息通道，可以提高检测效率和准确性。该系统可以支持多个通道输入，例如，RGBD。它还可以扩展到超声波、红外或激光。每个通道在检测结果中具有权重。权重可以通过在多个样本中学习或在长期操作过程中进行预定义或自动提取。

该系统支持连接边缘装置和服务器系统的云计算框架，因此系统可以同时处理多个任务。通过使用利用云计算能力的服务器系统，可以降低组装线的检查成本。该系统以高计算能力进一步提高了效率。另外，该系统具有灵活性，使用来自多条组装线的更多训练数据来训练模型，以使模型适应不同的情况，或者使用来自特定组装线的训练数据来提高针对特定组装线的准确性。

当前的系统和方法可以在进入商业流之前识别有缺陷的产品。此外，可以识别并纠正缺陷的原因，从而减少系统的停机时间。此外，通过隔离相应的部件和相应的信息通道，可以更快地训练模型，并且模型可以更灵敏(例如，由于对来自其他对象或通道的不相关信息的干扰较少)，从而产生更高的检查准确性。