[發明專利]基于深度學習的高密度柔性基板外觀缺陷檢測系統與方法

在審

• 申請號: 201810859190.0
• 申請日: 2018-07-31
• 公開（公告）號: CN109142371A
• 公開（公告）日: 2019-01-04
• 發明（設計）人: 羅家祥;吳冬冬;胡躍明
• 申請（專利權）人: 華南理工大學
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了基于深度學習的高密度柔性基板外觀缺陷檢測系統與方法，系統包括硬件平臺和軟件檢測平臺。檢測方法包括以下步驟：收集含有不同缺陷的FICS圖像作為訓練樣本；將樣本圖像進行預處理，包括統一成標準尺寸和對樣本中的缺陷位置與類別進行人工標記；將樣本圖像輸入基于改進YOLO卷積神經網絡的深度學習模型進行訓練，獲得輸出為缺陷位置與類別的模型參數；對采集的圖像尺寸進行標準化處理后輸入訓練好的深度學習模型中進行檢測，獲得所采集圖像中的缺陷位置與類別信息。本發明可實現高密度柔性基板外觀缺陷的快速定位與類型識別，解決了傳統缺陷檢測系統與方法速度慢，難以實現高密度FICS外觀缺陷的快速檢測難題。

技術領域

本發明屬于機器視覺表面缺陷檢測技術領域，具體涉及基于深度學習的高密度柔性基板外觀缺陷檢測系統與方法。

背景技術

高密度柔性基板(Flexible Integrated Circuit Substrate,簡稱FICS)，是一種可作為IC封裝基板的高密度撓性印刷電路板。在高密度FICS的生產過程中，由于工藝過程控制的精度問題，難免產生外觀上的缺陷。通過高精度的視覺檢測，對FICS的多種外觀缺陷進行快速定位與類型識別，是實現高密度FICS制造過程中質量控制的關鍵。

目前，制造商主要采用人工利用放大鏡進行目檢的方法，實現高密度FICS外觀缺陷檢測。這種方法檢測效率低下，耗費大量的勞動力資源，且誤檢率較高，使檢測質量難以得到保證。也有一些學者提出了基于圖像特征的外觀缺陷檢測系統與方法，但檢測速度較慢，難以達到FICS檢測的實際應用需求；同時，這些方法無法同時識別FICS上的多種類型的外觀缺陷。

為此，本發明針對高密度FICS外觀缺陷的快速檢測與多類別缺陷的同時檢測需求，發明一種基于深度學習的外觀缺陷檢測系統與方法，解決高密度FICS的多種外觀缺陷快速定位和類型識別難題，實現了高密度FICS多種外觀缺陷的快速檢測。該缺陷檢測系統與方法對于實現高密度柔性基板的產品質量控制具有重要意義。

發明內容

針對高密度柔性基板制造過程中人工目檢和傳統外觀缺陷檢測系統與方法效率低下、無法同時檢測多種缺陷的現狀，本發明提供了一種基于深度學習的高密度柔性基板外觀缺陷檢測系統與方法，實現對高密度柔性基板外觀缺陷的快速定位與類型識別。

本發明的目的至少通過如下技術方案之一實現。

一種基于深度學習的高密度柔性基板外觀缺陷檢測系統，包括硬件平臺和軟件檢測平臺。硬件平臺包括兩部分，第一部分是精密載物控制平臺，包括：⑴載物臺，采用了真空吸附載物臺裝置，使被檢測的柔性基板牢固地貼附于載物臺上，⑵電機及驅動裝置，用于驅動載物臺的運動，⑶運動控制板卡，用于傳遞工業計算機上軟件檢測系統傳出來的控制信號，將信號轉換后傳給電機及驅動裝置，控制載物臺；第二部分是圖像采集平臺，由以下4部分組成：⑴同軸鹵素燈光源，用于對柔性基板提供高亮度和均勻的照明；⑵CCD攝像機，用于拍攝FICS圖像；⑶千兆網卡，用于傳輸數據；⑷自動變焦的光學顯微鏡，用于將載物臺上的柔性基板待檢測部分進行放大，使系統能清晰地拍攝到微小缺陷。

所述軟件檢測平臺包括：⑴用戶操作界面單元，用于硬件平臺參數設定、實施檢測操作等；⑵深度學習缺陷定位與識別單元，用于基于深度學習的檢測模型的訓練與圖像外觀缺陷的快速檢測；⑶數據庫操作單元，用于圖像的存儲和檢測數據的管理等。

本發明提出的一種基于深度學習的柔性基板外觀缺陷檢測方法，其特征在于，它分為模型訓練和缺陷檢測過程兩個部分。

模型訓練分為以下4個步驟：

S1：收集大量帶有不同外觀缺陷的FICS圖像；

S2：將收集圖像的尺寸統一為448×448的標準尺寸；

S3：人工標記出每張圖像中的缺陷位置和類別，將標記好的圖像作為下一步YOLO卷積神經網絡的訓練樣本；