缺陷检测边缘端系统、缺陷检测云端系统及缺陷检测方法与流程

本发明涉及自动检测，特别涉及一种缺陷检测边缘端系统、缺陷检测云端系统、缺陷检测方法及可读存储介质。

背景技术：

1、随着科学技术和经济的不断发展，人们对电子产品的需求也越来越大，pcb(printed circuit board，印刷电路板)产品的应用也越来越广泛。pcb产品的加工工序中通常涉及到贴片元件的回流焊接工艺和分立插件元件的选择性波峰焊接工艺。在焊接后，为保证pcb产品质量，需要对焊接后的pcb产品进行检测。现有的检测过程会占用大量的人力资源，提高了生产成本。因此，如何减少人力资源的使用且可靠地实现缺陷检测，成了本领域技术人员需要解决的一个问题。

技术实现思路

1、本发明的目的在于提供一种缺陷检测边缘端系统、缺陷检测云端系统、缺陷检测方法及可读存储介质，以解决现有的检测过程会占用大量的人力资源，提高了生产成本的问题。

2、为了解决上述技术问题，本发明提供一种缺陷检测边缘端系统，所述缺陷检测边缘端系统包括：ai算力中心，所述ai算力中心基于ai模型运行，所述ai算力中心用于判断待检测点为缺陷或者合格以得出判断结果，并且所述ai算力中心还用于对所述判断结果进行抽检并输出抽检数据。

3、可选的，在所述的缺陷检测边缘端系统中，所述待检测点为焊点，所述ai算力中心根据所述待检测点的类型以及对应的产品型号对所述判断结果进行抽检并输出抽检数据。

4、可选的，在所述的缺陷检测边缘端系统中，所述ai算力中心还用于获取外部对于所述抽检数据进行判断的抽检结果，并且依据所述判断结果和所述抽检结果输出逃逸率和/或误报率。

5、可选的，在所述的缺陷检测边缘端系统中，所述ai算力中心还用于输出逃逸的所述待检测点对应的产品id和主数据。

6、可选的，在所述的缺陷检测边缘端系统中，所述ai算力中心还用于在所述逃逸率大于第一预设值和/或所述误报率大于第二预设值时，关闭对于部分产品或者全部产品的缺陷检测。

7、可选的，在所述的缺陷检测边缘端系统中，所述ai算力中心还用于对各所述待检测点的相关数据打上标签并上传至ai服务器。

8、本发明还提供一种缺陷检测云端系统，所述缺陷检测云端系统包括：ai服务器，所述ai服务器用于将ai模型容器化部署于缺陷检测边缘端系统上。

9、可选的，在所述的缺陷检测远端系统中，所述ai服务器还用于接收及管理所述缺陷检测边缘端系统上传的各待检测点的数据。

10、可选的，在所述的缺陷检测远端系统中，所述ai服务器还用于对所述ai模型进行迭代管理。

11、可选的，在所述的缺陷检测远端系统中，所述ai服务器还用于对不同版本的所述ai模型进行验证和/或比较。

12、本发明还提供一种缺陷检测方法，所述缺陷检测方法包括：

13、基于ai模型判断待检测点，以得出所述待检测点为缺陷或者合格的判断结果；

14、基于所述ai模型对所述判断结果进行抽检并输出抽检数据；以及，

15、对所述抽检数据进行判断以得到抽检结果，所述抽检结果包括对应的所述待检测点为缺陷或者合格。

16、可选的，在所述的缺陷检测方法中，所述缺陷检测方法还包括：

17、比较所述判断结果和所述抽检结果，以得到基于所述ai模型的逃逸率和/或误报率。

18、可选的，在所述的缺陷检测方法中，所述缺陷检测方法还包括：

19、在所述逃逸率或者所述误报率大于一预设值时，关闭对于部分产品或者全部产品的缺陷检测。

20、本发明还提供一种可读存储介质，其上存储有程序，所述程序被执行时实现如上所述的缺陷检测方法中的至少一个步骤。

21、在本发明提供的缺陷检测边缘端系统、缺陷检测云端系统、缺陷检测方法及可读存储介质中，基于ai(artificial intelligence，人工智能)模型实现对待检测点为缺陷或者合格的判断，从而可以降低对于人力资源的使用；进一步的，还对判断结果进行抽检并输出抽检数据，由此可以便于对判断结果进行复测，从而可以对基于ai模型的判断进行监测，提高了基于ai模型判断的可靠性，能够在减少人力资源使用的情况下，可靠地实现缺陷检测。

技术特征：

1.一种缺陷检测边缘端系统，其特征在于，所述缺陷检测边缘端系统包括：ai算力中心，所述ai算力中心基于ai模型运行，所述ai算力中心用于判断待检测点为缺陷或者合格以得出判断结果，并且所述ai算力中心还用于对所述判断结果进行抽检并输出抽检数据。

2.如权利要求1所述的缺陷检测边缘端系统，其特征在于，所述待检测点为焊点，所述ai算力中心根据所述待检测点的类型以及对应的产品型号对所述判断结果进行抽检并输出抽检数据。

3.如权利要求2所述的缺陷检测边缘端系统，其特征在于，所述ai算力中心还用于获取外部对于所述抽检数据进行判断的抽检结果，并且依据所述判断结果和所述抽检结果输出逃逸率和/或误报率。

4.如权利要求3所述的缺陷检测边缘端系统，其特征在于，所述ai算力中心还用于输出逃逸的所述待检测点对应的产品id和主数据。

5.如权利要求3或4所述的缺陷检测边缘端系统，其特征在于，所述ai算力中心还用于在所述逃逸率大于第一预设值和/或所述误报率大于第二预设值时，关闭对于部分产品或者全部产品的缺陷检测。

6.如权利要求1～4中任一项所述的缺陷检测边缘端系统，其特征在于，所述ai算力中心还用于对各所述待检测点的相关数据打上标签并上传至ai服务器。

7.一种缺陷检测云端系统，其特征在于，所述缺陷检测云端系统包括：ai服务器，所述ai服务器用于将ai模型容器化部署于缺陷检测边缘端系统上。

8.如权利要求7所述的缺陷检测远端系统，其特征在于，所述ai服务器还用于接收及管理所述缺陷检测边缘端系统上传的各待检测点的数据。

9.如权利要求8所述的缺陷检测远端系统，其特征在于，所述ai服务器还用于对所述ai模型进行迭代管理。

10.如权利要求9所述的缺陷检测远端系统，其特征在于，所述ai服务器还用于对不同版本的所述ai模型进行验证和/或比较。

11.一种缺陷检测方法，其特征在于，所述缺陷检测方法包括：

12.如权利要求11所述的缺陷检测方法，其特征在于，所述缺陷检测方法还包括：

13.如权利要求12所述的缺陷检测方法，其特征在于，所述缺陷检测方法还包括：

14.一种可读存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求11～13中任一项所述的缺陷检测方法中的至少一个步骤。

技术总结
本发明提供了一种缺陷检测边缘端系统、缺陷检测云端系统、缺陷检测方法及可读存储介质，基于AI(Artificial Intelligence，人工智能)模型实现对待检测点为缺陷或者合格的判断，从而可以降低对于人力资源的使用；进一步的，还对判断结果进行抽检并输出抽检数据，由此可以便于对判断结果进行复测，从而可以对基于AI模型的判断进行监测，提高了基于AI模型判断的可靠性，能够在减少人力资源使用的情况下，可靠地实现缺陷检测。

技术研发人员：葛欢,王琦,刘鹏,孙林,金昱,顾周顺,沈崴,张洁,陆唯佳
受保护的技术使用者：联合汽车电子有限公司
技术研发日：
技术公布日：2024/1/13