摘要
本发明公开了一种基于深度学习的石墨片组件外观缺陷检测方法，涉及自动检测领域，包括：S1、采用高低光源分时频闪生成石墨片组件的待检测图像；S2、建立工件坐标系，将石墨片区域和镍片区域分别裁剪成若干小块图像，发送给深度学习网络；S3、深度学习网路包括一级学习网络和二级学习网络，一级学习网络判定为NG的发送给二级学习网络进行复检；S4、对二级学习网络输出NG图像进行分析，根据缺陷位置和个数进行质量筛选，若缺陷超出预先设定条件，对应的石墨片组件判定为最终的NG产品。经过产线批量量产验证，本发明的技术方案设备整体漏检率降低至0.05％，过检率降低至1％，显著提高产品筛选稳定性。
