本发明涉及边距检测方法领域，尤其涉及一种基于ai识别的边距检测方法及介质。
背景技术：
1、在带显示屏的电子设备生产过程中，对电子设备的显示屏的安装位置具有严格的要求，需要安装在特定的范围内，这样才能保证电子设备的质量。而对显示屏的安装位置检查，通常所采用的方式是通过对电子设备的边缘与显示屏的边缘之间的边距进行检测，检查电子设备的显示屏安装及结构边框边距精度并判断偏差是否在有效范围内，如超出预设置的偏差阈值，给以提示返工并做异常记录，以提升产品品质且检测数据上报给生产管理平台进行存储，方便后续生产和品质部门对生产数据进行分析和改进参考。
2、现有技术中，边距检测常用的工具是游标卡尺和激光测量仪，但是游标卡尺的精度低，会造成偏差大，并且是需要人为测量，使得测量结果人为因素高；而激光测量仪虽然精度高，但还是需求专人操作测量，测量结果也会受到人为因素的影响，工作效率较低，且激光测量仪的体积大，设备成本高。
技术实现思路
1、有鉴于此，本发明的目的在于提出一种基于ai识别的边距检测方法，通过自动识别边距检测设备上的sn号后请求确认开始边距检测，根据第一夹具和第二夹具上预设置的第一参考边距和第二参考边距自动生成图像数据中第一夹具和第二夹具上每一像素行的每一像素点的x轴单位距离，结合ai分析识别图像数据中的待检测区域计算出实际的待检测边距距离，进一步与预设置的允许误差范围比较判断是否超出生产质量需求的偏差范围，做相应的记录及处理提示。
2、为了实现上述的技术目的，本发明所采用的技术方案为：
3、本发明提供了一种基于ai识别的边距检测方法，应用于待检测的带有显示屏的边距检测设备和生产管理平台中，包括如下步骤：
4、步骤1、运行所述边距检测设备上的边距检测服务程序，所述边距检测服务程序向生产管理平台上报当前边距检测设备的设备型号和配置参数信息；
5、步骤2、所述生产管理平台根据设备型号和配置参数信息判定是否下发新的配置参数信息，边距检测设备根据下发情况确定出最终配置参数信息；
6、步骤3、所述边距检测服务程序实时获取摄像头采集的图像数据，并根据最终配置参数信息识别图像数据中是否有边距检测设备的sn号，当识别到sn号时，向边距检测设备上的用户界面程序发送携带有该sn号的边距检测请求；
7、步骤4、所述用户界面程序接收该边距检测请求，根据该边距检测请求携带的sn号判断是否执行边距检测，将判断结果反馈给边距检测服务程序；
8、步骤5、当所述边距检测服务程序接收到用户界面程序的反馈为同意执行边距检测时，通过ai识别算法分析识别图像数据中的第一夹具和第二夹具，根据最终配置参数信息和图像像素大小计算生成第一夹具中每一像素行的每一像素点的x轴单位距离以及第二夹具中每一像素列中每一像素点的y轴单位距离；
9、步骤6、通过ai识别算法分析识别图像数据中的待检测区域，并根据待检测区域的像素点个数、每一像素行的x轴单位距离和每一像素列的y轴单位距离计算生成待检测区域对应的x轴边距测量数据组和y轴边距测量数据组；
10、步骤7、分别提取所述x轴边距测量数据组和y轴边距测量数据组中最大的多个数值和最小的多个数值，根据配置参数信息、最大的多个数值和最小的多个数值判断待检测区域是否超出允许误差范围，并将结果发送给用户界面程序；
11、步骤8、所述用户界面程序将结果上报给生产管理平台并处理。
12、进一步的，所述步骤1具体包括：
13、步骤11、在所述边距检测设备上配置有边距检测服务程序；
14、步骤12、启动所述边距检测设备，并与生产管理平台之间通过tcp协议建立网络连接；
15、步骤13、在所述边距检测设备中预存储有用于注册的登录账号和密码；
16、步骤14、运行所述边距检测服务程序，所述边距检测服务程序调用http接口并使用边距检测设备中预存储的登录账号和密码向生产管理平台进行注册并登录；
17、步骤15、登录后，所述边距检测服务程序将当前边距检测设备的设备型号和配置参数信息上报给生产管理平台；所述配置参数信息包括参考边距实际值、边距检测设备的待检测边距标准值、边距检测设备的允许误差范围和边距检测设备的sn号参考格式。
18、进一步的，所述步骤2具体包括：
19、步骤21、在所述生产管理平台上配置有用于存储数据的生产管理数据库；
20、步骤22、在所述生产管理数据库中预设有不同设备型号以及对应的配置参数信息；每一组设备型号及其对应的配置参数信息一一关联；
21、步骤23、所述生产管理平台接收上报的设备型号和配置参数信息；
22、步骤24、所述生产管理平台根据接收到的设备型号从生产管理数据库中找出匹配的设备型号和配置参数信息；
23、步骤25、所述生产管理平台将接收到的配置参数信息和从生产管理数据库中找出的配置参数信息进行对比；若对比的结果为不一致，则判定边距检测设备的配置参数信息需要更新，进入步骤26；若对比的结果为一致，则判定边距检测设备的配置参数信息不需要更新，并将边距检测设备的当前配置参数信息作为最终配置参数信息，进入步骤3；
24、步骤26、所述生产管理平台将生产管理数据库中找出的配置参数信息作为新的配置参数信息下发给边距检测设备；
25、步骤27、所述边距检测设备接收新的配置参数信息作为最终配置参数信息，并将最终配置参数信息存储在flash上，进入步骤3。
26、进一步的，所述步骤3具体包括：
27、步骤31、在所述边距检测设备的正上方固定有摄像头；
28、步骤33、所述摄像头实时采集边距检测设备的图像数据并发送给边距检测设备，所述摄像头拍摄的图像数据为包含边距检测设备、显示屏、分别安装在边距检测设备左右两边缘的两第一夹具和分别安装在边距检测设备上下两边缘的两第二夹具内容的图像；
29、步骤32、将摄像头通过usb接口或网口的方式接入到边距检测设备中；
30、步骤34、所述边距检测服务程序获取该图像数据，并调用ocr识别算法识别图像数据中的sn号，将图像数据中sn号的字符格式与所述最终配置参数信息中预设的边距检测设备的sn号参考格式进行对比，若一致，则判定为识别出sn号，进入步骤35；若不一致，则判定为未识别出sn号，返回步骤34；
31、步骤35、所述边距检测服务程序向边距检测设备上配置的用户界面程序发送携带有该sn号的边距检测请求。
32、进一步的，所述步骤4具体包括：
33、步骤41、所述边距检测设备启动用户界面程序，并创建消息队列，该消息列表是用于接收边距检测服务程序的消息；
34、步骤42、所述用户界面程序通过消息队列接收边距检测服务程序发送的边距检测请求；
35、步骤43、解析边距检测请求，得到边距检测设备的sn号，并显示在显示屏上；
36、步骤44、将显示屏上显示的sn号与边距检测设备上贴的sn号进行对比，若一致，则所述用户界面程序将同意执行检测的反馈信息发送给边距检测服务程序，进入步骤5；若不一致，则进入步骤45、
37、步骤45、通过用户界面手动纠正显示屏上的sn号，并返回步骤44。
38、进一步的，所述步骤5中通过ai识别算法分析识别图像数据中的第一夹具和第二夹具，根据最终配置参数信息和图像像素大小计算生成第一夹具中每一像素行的每一像素点的x轴单位距离以及第二夹具中每一像素列中每一像素点的y轴单位距离，具体包括：
39、步骤51、所述边距检测服务程序启动检测任务线程进入边距检测流程；
40、步骤52、所述边距检测服务程序通过ai识别算法分析识别图像数据中的第一夹具和第二夹具，所述边距检测设备的左边缘与位于左侧的第一夹具的边缘之间的已知固定宽度距离以及所述边距检测设备的右边缘与位于右侧的第一夹具的边缘之间的已知固定宽度距离均为第一参考边距，所述边距检测设备的上边缘与位于上侧的第二夹具的边缘之间的已知固定高度距离以及所述边距检测设备的下边缘与位于下侧的第二夹具的边缘之间的已知固定高度距离均为第二参考边距；所述第一参考边距和第二参考边距的数值均与参考边距实际值相等；
41、步骤53、获取最终配置参数信息中参考边距实际值、第一夹具的像素行数和第二夹具的像素列数，根据参考边距实际值和第一夹具中每一像素行的像素点个数计算生成第一夹具的每一像素行中每一像素点的x轴单位距离，并存入对应的数组ckx[]中；计算公式为：当前像素行中像素点的x轴单位距离＝参考边距实际值÷当前像素行中像素点个数；
42、步骤54、根据参考边距实际值和第二夹具中每一像素列的像素点个数计算生成第二夹具的每一像素列中每一像素点的y轴单位距离，并存入对应的数组cky[]中；计算公式为：当前像素列中像素点的y轴单位距离＝参考边距实际值÷当前像素列中像素点个数。
43、进一步的，所述步骤6具体包括：
44、步骤61、通过ai识别算法分析识别图像数据中的待检测区域，所述待检测区域为第一夹具和第二夹具与边距检测设备接触的边缘线与显示屏的边缘之间形成的区域；所述待检测区域包括第一区域、第二区域、第三区域和第四区域，所述第一区域为靠近位于左边的第一夹具的区域，所述第二区域为靠近位于右边的第一夹具的区域，所述第三区域为靠近位于上边的第二夹具的区域，所述第四区域为靠近位于下边的第二夹具的区域；
45、步骤62、识别出所述第一区域内的像素行数以及每一像素行的像素点个数，从所述数组ckx[]中获取对应位置上像素行的x轴单位距离；根据每一像素行的像素点个数和x轴单位距离计算生成第一区域对应像素行的x轴边距测量数据；计算公式为：第一区域中当前像素行对应的x轴边距测量数据＝当前像素行的x轴单位距离×当前像素行的像素点个数；
46、步骤63、识别出所述第二区域内的像素行数以及每一像素行的像素点个数，从所述数组ckx[]中获取对应位置上像素行的x轴单位距离；根据每一像素行的像素点个数和x轴单位距离计算生成第二区域对应像素行的x轴边距测量数据；计算公式为：第二区域中当前像素行对应的x轴边距测量数据＝当前像素行的x轴单位距离×当前像素行的像素点个数；所述第一区域和第二区域计算得到的所有x轴边距测量数据组成x轴边距测量数据组val_xl[]；
47、步骤64、识别出所述第三区域内的像素列数以及每一像列的像素点个数，从所述数组cky[]中获取对应位置上像素列的y轴单位距离；根据每一像素列的像素点个数和y轴单位距离计算生成第三区域对应像素列的y轴边距测量数据；计算公式为：第三区域中当前像素列对应的y轴边距测量数据＝当前像素列的y轴单位距离×当前像素列的像素点个数；
48、步骤65、识别出所述第四区域内的像素列数以及每一像列的像素点个数，从所述数组cky[]中获取对应位置上像素列的y轴单位距离；根据每一像素列的像素点个数和y轴单位距离计算生成第四区域对应像素列的y轴边距测量数据；计算公式为：第四区域中当前像素列对应的y轴边距测量数据＝当前像素列的y轴单位距离×当前像素列的像素点个数；所述第三区域和第四区域计算得到的所有y轴边距测量数据组成y轴边距测量数据组val_yl[]；
49、步骤66、对所述x轴边距测量数据组val_xl[]中的相邻像素行计算出的两个x轴边距测量数据进行合并求解平均值进行数据压缩，得到压缩后的x轴边距测量数据组val_x2[]；同时，对所述y轴边距测量数据组val_yl[]中的相邻像素列计算出的两个y轴边距测量数据进行合并求解平均值进行数据压缩，得到压缩后的y轴边距测量数据组val_y2[]。
50、进一步的，所述步骤7具体包括：
51、步骤71、所述配置参数信息中的待检测边距标准值包括x轴标准值x_val和y轴标准值y_val；所述第一区域或第二区域的宽度距离为第一待检测边距，所述第三区域或第四区域的高度距离为第二待检测边距；
52、步骤72、提取所述x轴边距测量数据组val_x2[]中最大的m1个数值存入max1[m1]数组和最小的n1个数值存入min1[n1]数组；m1和n1的数值根据用户需求自行设置；
53、步骤73、将max1[m1]数组中的m1个数值分别与x轴标准值x_val进行差值计算，得到m1个第一差值，并将m1个第一差值分别与允许误差范围进行比较，若存在至少一个第一差值大于允许误差范围，则判定边距检测设备有正偏差超出允许误差范围，其x轴的正偏差率＝正偏差超出允许误差范围的个数÷m1；
54、步骤74、将x轴标准值x_val分别与min1[n1]数组中的n1个数值进行差值计算，得到n1个第二差值，并将n1个第二差值分别与允许误差范围进行比较，若存在至少一个第二差值大于允许误差范围，则判定边距检测设备有负偏差超出允许误差范围，其x轴的负偏差率＝负偏差超出允许误差范围的个数÷n1；
55、步骤75、提取所述y轴边距测量数据组val_y2[]中最大的m2个数值存入max2[m2]数组和最小的n2个数值存入min2[n2]数组；m2和n2的数值根据用户需求自行设置；
56、步骤76、将max2[m2]数组中的m2个数值分别与y轴标准值y_val进行差值计算，得到m2个第三差值，并将m2个第三差值分别与允许误差范围进行比较，若存在至少一个第三差值大于允许误差范围，则判定边距检测设备有正偏差超出允许误差范围，其y轴的正偏差率＝正偏差超出允许误差范围的个数÷m2；
57、步骤77、将y轴标准值y_val分别与min2[n2]数组中的n2个数值进行差值计算，得到n2个第四差值，并将n2个第四差值分别与允许误差范围进行比较，若存在至少一个第四差值大于允许误差范围，则判定边距检测设备有负偏差超出允许误差范围，其y轴的负偏差率＝负偏差超出允许误差范围的个数÷n2；
58、步骤78、若所有第一差值和第二差值均不大于允许误差范围，则判定第一待检测边距未超出允许误差范围，若所有第三差值和第四差值均不大于允许误差范围，则判定第二待检测边距未超出允许误差范围，若第一待检测边距和第二待检测边距均未超出允许误差范围，则判定待检测区域未超出允许误差范围；若所有第一差值和第二差值中至少有一个大于允许误差范围，则判定第一待检测边距超出允许误差范围，若所有第三差值和第四差值中至少有一个大于允许误差范围，则判定第二待检测边距超出允许误差范围，若第一待检测边距和/或第二待检测边距超出允许误差范围，则判定待检测区域超出允许误差范围；
59、步骤79、将判定的检测结果发送给用户界面程序。
60、进一步的，所述步骤8具体包括：
61、步骤81、所述用户界面程序接收检测结果；
62、步骤82、若检测结果为待检测区域未超出允许误差范围，说明边距检测设备合格，则记录边距检测设备的sn号和检测结果信息并上报给生产管理平台，然后用户界面提示边距检测设备合格并在确认后进入下一设备检测流程；
63、步骤83、若检测结果为待检测区域超出允许误差范围，说明边距检测设备不合格，则将检测结果上报给生产管理平台，然后用户界面显示超值范围的数据及比率，并提示设备返工处理，当确认返工后记录边距检测设备的sn号及分析的信息数据并进入下一设备检测流程。
64、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述的一种基于ai识别的边距检测方法。
65、采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：
66、1、配置参数信息(包括参考边距实际值、边距检测设备的待检测边距标准值、边距检测设备的允许误差范围和边距检测设备的sn号参考格式)与边距检测设备的设备型号关联并存储在生产管理平台，生产管理平台根据上报的设备型号及配置参数信息识别下发新的配置参数信息，实现参数配置信息统一集中配置管理。
67、2、实时获取摄像头采集的图像数据并调用ocr识别算法执行执行边距检测设备上的sn号，通过ui提示确认sn号后进行边距检测，交互确认sn号并支持手动修改误识别，既能确保检测执行，又能确保sn号记录的正确性。
68、3、边距检测服务程序先检测第一参考边距和第二参考边距分别生成x轴单位距离和y轴单位距离，并存入对应的数组中，为自动检测边距提供基础数据，检测时无须人员手动录入或手动校准操作简单。
69、4、识别待检测区域，根据待检测区域的像素点个数、每一像素行的x轴单位距离和每一像素列的y轴单位距离计算生成待检测区域对应的x轴边距测量数据组和y轴边距测量数据组，并进行求平均值及压缩处理，实现数据防抖处理，使数据更精确。
70、5、识别并将边距数据与预设置的待检测边距标准值进行差值计算后，与预设的允许误差范围进行比较，并自动生成是否合格提示，操作更简单高效；ui提示人员确认返工并自动记录，记录可进一步上传给生产管理平台供品质部门分析使用，并进一步改进工艺。
71、6、ocr识别sn号及自动记录不合格产品，无须人员手动录像操作更简单高效。
1.一种基于ai识别的边距检测方法，其特征在于，应用于待检测的带有显示屏的边距检测设备和生产管理平台中，包括如下步骤：
2.如权利要求1所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤1具体包括：
3.如权利要求2所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤2具体包括：
4.如权利要求3所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤3具体包括：
5.如权利要求4所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤4具体包括：
6.如权利要求5所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤5中通过ai识别算法分析识别图像数据中的第一夹具和第二夹具，根据最终配置参数信息和图像像素大小计算生成第一夹具中每一像素行的每一像素点的x轴单位距离以及第二夹具中每一像素列中每一像素点的y轴单位距离，具体包括：
7.如权利要求6所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤6具体包括：
8.如权利要求7所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤7具体包括：
9.如权利要求8所述的一种基于ai识别的边距检测方法，其特征在于，所述步骤8具体包括：
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至9任一项所述的一种基于ai识别的边距检测方法。
