利用深度学习的图像识别型手机屏幕缺陷检测装置

本技术涉及屏幕缺陷识别领域，特别涉及一种利用深度学习的图像识别型手机屏幕缺陷检测装置。

背景技术：

1、智能手机已经成为日常生活中不可或缺的一部分，无论是工作、学习还是娱乐，手机都扮演着至关重要的角色。手机的保有数量一直居高不下，且呈现出逐年增长的趋势。为了满足市场的持续需求，每年都会有大量的新手机投入市场。与此同时，随着更新换代速度的加快，也有大量的旧手机被淘汰下来。这些旧手机在回收和处理过程中，需要进行一系列的检测和评估，以便对其进行合理的再利用或处置。

2、手机屏幕作为手机的核心部件之一，其质量和性能直接影响着用户的体验。在新手机的生产过程中，对手机屏幕进行缺陷检测是至关重要的一环。这可以确保每一台出厂的手机都具备高品质的屏幕，为用户提供良好的视觉体验。而对于旧手机的验收，手机屏幕的检测同样不可忽视。由于手机屏幕在使用过程中会受到各种因素的影响，如摔落、刮擦等，因此很容易出现损坏或老化的情况。通过对旧手机屏幕的细致检测，可以准确地评估其状态和价值，为后续的再利用或处置提供决策依据。

3、在手机屏幕缺陷检测方面，通过采用先进的图像处理技术和机器学习算法，可以实现对手机屏幕的自动化检测。这种技术不仅可以大大提高检测效率，还可以降低人工操作的误差率，确保检测结果的准确性和可靠性。如何提升检测的效率以及检测的准确性仍然是以上技术的研究重点。

技术实现思路

1、本实用新型的主要目的为提供一种利用深度学习的图像识别型手机屏幕缺陷检测装置，旨在解决屏幕缺陷图像识别中，检测效率以及准确性低的问题。

2、为了实现上述目的，本实用新型提供一种利用深度学习的图像识别型手机屏幕缺陷检测装置，包括：

3、框体，上下两端分别为上开口和下开口，所述框体的内周壁上设置有吸光层；

4、光环境部，封闭于所述上开口，所述光环境部包括光源部和对应所述光源部设置的匀光层；

5、摄像头部，安装于所述框体的周壁，且朝向所述下开口；

6、升降平台，设置于所述框体下方；

7、基座，连接到所述升降平台而为所述升降平台在竖直方向上驱动；

8、一维驱动台，设置于所述基座在水平面内完成线性驱动；

9、样品板，安装并驱动于所述一维驱动台；

10、处理器，控制所述光环境部、所述摄像头部、所述升降平台和所述一维驱动台的工作，所述处理器接收所述摄像头部发送的数据；

11、其中，所述样品板为所述一维驱动台驱动进入以及脱离所述框体的范围。

12、进一步地，所述手机屏幕缺陷检测装置还包括在平面内进行二维运动的机械手，所述机械手在竖直方向完成取放动作，所述机械手对应所述样品板设置。

13、进一步地，所述图像式手机屏幕缺陷检测装置还包括为所述处理器控制的吹扫功能部，所述吹扫功能部包括均从所述框体周壁导入的吹扫部以及负压部。

14、进一步地，所述样品板包括下样品板和可拆设置于所述下样品板的上样品板，其中，所述下样品板连接于所述一维驱动台。

15、进一步地，所述光源部与所述匀光层的配合方式为侧入式，所述光源部的数量为多个，且为不同颜色的光源。

16、进一步地，所述吸光层的外表面设置有粗化层。

17、进一步地，所述摄像头部的数量为四个，且在所述框体的周壁上均匀周设。

18、进一步地，所述一维驱动台为丝杆驱动型或者私服驱动型。

19、进一步地，所述样品板上表面设置有样品槽。

20、进一步地，所述样品槽上部内周设置有倒角结构。

21、本实用新型提供的利用深度学习的图像识别型手机屏幕缺陷检测装置，通过匀光层将光源部发生的光均匀化，从而在手机不容易出现干扰检测准确性的亮斑；样品板为一维驱动台驱动进入以及脱离框体的范围，升降平台的工作可以将样品板与框体的下开口结合以及分离；当样品板与下开口结合后，框体内的光学环境已经稳定，可以进行检测工作；当样品板与下开口分离后，可以进行取样和放样的动作；通过一维驱动台可以批量将手机运送到框体的范围内，从而提升检测的速度。

技术特征：

1.一种利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，包括：

2.根据权利要求1所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述手机屏幕缺陷检测装置还包括在平面内进行二维运动的机械手，所述机械手在竖直方向完成取放动作，所述机械手对应所述样品板（700）设置。

3.根据权利要求1所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述图像式手机屏幕缺陷检测装置还包括为所述处理器控制的吹扫功能部，所述吹扫功能部包括均从所述框体（100）周壁导入的吹扫部以及负压部。

4.根据权利要求1所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述样品板（700）包括下样品板（700）和可拆设置于所述下样品板（700）的上样品板（700），其中，所述下样品板（700）连接于所述一维驱动台（600）。

5.根据权利要求1所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述光源部（210）与所述匀光层（220）的配合方式为侧入式，所述光源部（210）的数量为多个，且为不同颜色的光源。

6.根据权利要求1至5中任意一项所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述吸光层的外表面设置有粗化层。

7.根据权利要求1至5中任意一项所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述摄像头部（300）的数量为四个，且在所述框体（100）的周壁上均匀周设。

8.根据权利要求1至5中任意一项所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述一维驱动台（600）为丝杆驱动型或者私服驱动型。

9.根据权利要求1至5中任意一项所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述样品板（700）上表面设置有样品槽。

10.根据权利要求9所述的利用深度学习的图像识别型手机屏幕缺陷检测装置，其特征在于，所述样品槽上部内周设置有倒角结构。

技术总结
本申请揭示了一种利用深度学习的图像识别型手机屏幕缺陷检测装置，基座连接到升降平台而为升降平台在竖直方向上驱动；一维驱动台设置于基座在水平面内完成线性驱动；样品板安装并驱动于一维驱动台；样品板为一维驱动台驱动进入以及脱离框体的范围。本技术提供的利用深度学习的图像识别型手机屏幕缺陷检测装置，通过匀光层将光源部发生的光均匀化，从而在手机不容易出现干扰检测准确性的亮斑；样品板为一维驱动台驱动进入以及脱离框体的范围，升降平台的工作可以将样品板与框体的下开口结合以及分离；当样品板与下开口结合后，可以进行检测工作；当样品板与下开口分离后，可以进行取样和放样的动作。

技术研发人员：何松,姚娅川
受保护的技术使用者：四川轻化工大学
技术研发日：20240423
技术公布日：2025/1/6