[发明专利]自动光学检验设备问题点二次校验方法

说明书

本发明公开了一种自动光学检验设备问题点二次校验方法。步骤S1：输入问题点，并且根据预置的比对原则判断本次输入的问题点是否为真点。步骤S2：针对步骤S1中判断为真点的问题点或者步骤S3中判断未完成修理的问题点进行修理。步骤S3：针对步骤S2中的屏幕打印的图像，根据预置的比对原则判断上述图像是否已经完成修理。本发明公开的自动光学检验设备问题点二次校验方法，如果问题点判断为真点则在完成修理后增加二次校验过程，如果问题点判断为不是真点则进行屏幕打印以备查，最大限度地降低漏检率、错检率和误检率，杜绝故意对问题点不做处理和/或问题点修理不达标即放行的可能性。

技术领域

本发明属于线路板生产技术领域，具体涉及一种自动光学检验设备问题点二次校验方法。

背景技术

在线路板生产技术领域，为了保证出厂质量和产品品质，需要对线路板进行检查。目前，检查流程通常采取工作人员首先通过自动光学检验设备(AOI机器)辨识问题点，然后在检修站(VRS机器)上逐一确认、最后排除问题点。

然而，上述人机结合的检查流程，问题点的初次辨识过程和修理后排除确认过程仍然需要人工判断。需要说明的是，人工操作必然存在一定的漏检率、错检率和误检率，甚至可能存在故意对问题点不做处理和/或问题点修理不达标即放行的可能性。目前的检查流程难以杜绝上述隐患。

发明内容

本发明针对现有技术的状况，克服上述缺陷，提供一种自动光学检验设备问题点二次校验方法。

本发明采用以下技术方案，所述自动光学检验设备问题点二次校验方法包括以下步骤：

步骤S1：输入问题点，并且根据预置的比对原则判断本次输入的问题点是否为真点，如果判断为真则执行步骤S2，否则进行屏幕打印并且重复执行步骤S1；

步骤S2：针对步骤S1中判断为真点的问题点或者步骤S3中判断未完成修理的问题点进行修理，并且对于完成修理的问题点进行屏幕打印；

步骤S3：针对步骤S2中的屏幕打印的图像，根据预置的比对原则判断上述图像是否已经完成修理，如果判断为真则执行步骤S1，否则执行步骤S2。

根据上述技术方案，所述步骤S1中，输入问题点由自动光学检查设备执行。

根据上述技术方案，所述步骤S2中，修理问题点由检修站执行。

根据上述技术方案，所述步骤S3中，判断图像是否已经完成修理由机器视觉判别方法执行。

根据上述技术方案，上述机器视觉判别方法具体实施为基于深度学习的机器视觉判别方法。

根据上述技术方案，上述基于深度学习的机器视觉判别方法包括以下步骤：

步骤T1：输入包含问题点的多帧图像，同时将多帧图像中的其中一幅图像确定为特征图像；

步骤T2：通过深度卷积神经网络模型提取步骤T1中的特征图像的图像特征；

步骤T3：通过长短时记忆网络模型将步骤T2中的图像特征转化为与问题点相关的抽象特征；

步骤T4：将步骤T3中的抽象特征与预置的各类型问题点的特征集合进行比对，并且输出区分度参数；

步骤T5：判断步骤T4中的区分度参数是否高于预置的阈值，当判断为真时判断为未完成问题点修理，否则判断为已完成问题点修理。

本发明公开的自动光学检验设备问题点二次校验方法，其有益效果在于，如果问题点判断为真点则在完成修理后增加二次校验过程，如果问题点判断为不是真点则进行屏幕打印以备查，最大限度地降低漏检率、错检率和误检率，杜绝故意对问题点不做处理和/或问题点修理不达标即放行的可能性。

附图说明

图1是本发明优选实施例的流程框图。