IGBT模块插针缺陷检测方法研究OA

针对绝缘栅双极型晶体管(IGBT)模块插针装配过程中存在的插针缺陷问题,提出一种传统机器视觉位姿缺陷检测与基于深度学习的弯针和烧针的缺陷检测方法。通过分析插针顶端的灰度高亮特性,使用基于白顶帽运算和改进自适应阈值分割的插针顶端特征增强和分割方法,以及使用模板匹配和边缘检测等方法,实现插针角度与偏移量的姿态分析。针对插针弯针和烧针检测需求,引入轻量化ShuffleNetv2网络、检测头重构和引入Wise-IoU v3损失函数构建并轻量化改进YOLOv8s目标检测网络。实验结果表明:位姿检测方法检测准确率为97.78%,漏检率为0,错检率为2.22%;改进的YOLOv8s模型相比于初始模型体积减小了74.5%,计算量减少了23%,参数量减少了76.1%,在交并比阈值为0.5时的平均精度均值从98.5%下降到了98.1%,仅减小0.4%,改进模型在保持较高精度的同时减小了模型的计算费用成本。