[发明专利]缺陷的检测方法、装置、系统、存储介质以及处理器

权利要求书

1.一种缺陷的检测方法，其特征在于，包括：

获取目标对象的目标图像；

根据所述目标图像确定所述目标对象是否存在焊接缺陷，所述焊接缺陷包括以下至少之一：锡多、锡少、虚焊和连锡。

2.根据权利要求1所述的缺陷的检测方法，其特征在于，根据所述目标图像确定所述目标对象是否存在焊接缺陷，包括：

提取所述目标图像中的焊接区域；

采用细粒度图像分类模型确定所述焊接区域中的正常焊接区域和非正常焊接区域；

采用所述细粒度图像分类模型确定所述非正常焊接区域中的所述焊接缺陷，其中，所述细粒度图像分类模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：所述正常焊接区域的图像和所述非正常焊接区域的图像。

3.根据权利要求1所述的缺陷的检测方法，其特征在于，根据所述目标图像确定所述目标对象是否存在焊接缺陷，包括：

在确定所述目标对象不存在所述焊接缺陷的情况下，确定所述目标对象是否存在其他缺陷，所述其他缺陷包括以下至少之一：翻件、破损、侧立、错料和反向。

4.根据权利要求3所述的缺陷的检测方法，其特征在于，在确定所述目标对象不存在所述焊接缺陷的情况下，确定所述目标对象是否存在其他缺陷，包括：

获取对象数据库，所述对象数据库中包括多个标准图像；

获取所述目标对象对应的所述标准图像；

获取所述目标对象的实际图像；

比较所述实际图像和所述标准图像，在所述实际图像和所述标准图像的相似度小于预定阈值的情况下，确定所述目标对象存在所述其他缺陷。

5.根据权利要求4所述的缺陷的检测方法，其特征在于，比较所述实际图像和所述标准图像，包括：

采用孪生神经网络模型比较所述实际图像和所述标准图像，其中，所述孪生神经网络模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数均包括：所述实际图像和所述标准图像。

6.根据权利要求1至5中任一项所述的缺陷的检测方法，其特征在于，获取目标对象的目标图像，包括：

接收AOI设备发送的所述目标对象的所述目标图像。

7.根据权利要求1至5中任一项所述的缺陷的检测方法，其特征在于，所述目标对象为PCBA板。

8.一种缺陷的检测方法，其特征在于，包括：

云服务器获取目标对象的目标图像；

所述云服务器根据所述目标图像确定所述目标对象是否存在焊接缺陷，所述焊接缺陷包括以下至少之一：锡多、锡少、虚焊和连锡。

9.一种缺陷的检测装置，其特征在于，包括：

获取单元，用于获取目标对象的目标图像；

确定单元，用于根据所述目标图像确定所述目标对象是否存在焊接缺陷，所述焊接缺陷包括以下至少之一：锡多、锡少、虚焊和连锡。

10.一种缺陷的检测系统，其特征在于，包括：

AOI设备，用于获取PCBA板的目标图像；

缺陷的检测装置，与所述AOI设备通信连接，用于执行权利要求1至7中任一项所述的检测方法。

11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的检测方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的缺陷的检测方法。