[發明專利]一種基于目標檢測的pcb板缺陷檢測與定位方法

在審

• 申請號: 201911135051.4
• 申請日: 2019-11-19
• 公開（公告）號: CN111091534A
• 公開（公告）日: 2020-05-01
• 發明（設計）人: 黃坤山;李霽峰
• 申請（專利權）人: 佛山市南海區廣工大數控裝備協同創新研究院;佛山市廣工大數控裝備技術發展有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08;G01N21/88
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 江金城

1.一種基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，包括如下步驟：

步驟S1：根據pcb缺陷檢測要求，進行目標檢測算法的搭建；

步驟S2：采集大量由傳統檢測方法組成的自動化處理檢測線無法檢測的pcb缺陷圖或者誤檢的pcb缺陷圖，同時準備與缺陷圖片數量同樣的正確圖；

步驟S3：對步驟S2采集的缺陷圖片與正確圖片進行整理，清洗與標注；

步驟S4：對步驟S3所整理的圖片，制作成訓練集和測試集；

步驟S5：使用步驟S4制作的訓練集對步驟S1搭建的目標檢測算法進行訓練；

步驟S6：使用步驟S4制作的測試集對步驟S5訓練好的目標檢測算法進行泛化測試；

步驟S7：根據測試結果來檢測目標檢測算法的準確率等性能指標；

步驟S8：將訓練完成的目標檢測算法投入檢測中使用。

2.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S1的目標檢測算法的搭建，是根據生產方的要求，對其需求進行數學建模與搭建；具體包括如下步驟：

resize輸入圖為224x224尺寸大小；

第一、二層，卷積層，卷積核大小為3像素，步長為1像素，輸出224x224像素尺寸特征圖；

第三層，最大池化層，池化核大小為2像素，步長為2像素，輸出112x112像素尺寸特征圖；

第四、五層，卷積層，卷積核大小為3像素，步長為1像素，輸出為112x112像素尺寸特征圖；

第六層，最大池化層，池化核大小為2像素，步長為2像素，輸出56x56像素尺寸特征圖；

第七、八、九層，卷積層，卷積核大小為3像素，步長為1像素，輸出56x56像素尺寸特征圖；

第十層，最大池化層，池化核大小為2像素，步長為2像素、輸出28x28像素尺寸特征圖；

第十一、十二、十三層，卷積層，卷積核大小為3像素，步長為1像素，輸出28x28像素尺寸特征圖；

第十四層，最大池化層，池化核大小為2像素，步長為2像素，輸出14x14像素尺寸特征圖；

第十五、十六、十七層，卷積層，卷積核大小為3像素，步長為1像素，輸出14x14像素尺寸特征圖；

第十八層，最大池化層，池化核大小為2像素，步長為2像素，輸出7x7像素尺寸特征圖。

3.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S3中的整理，涉及對圖片的尺寸與方向進行調整，目標在與能夠統一成相同格式，使之能夠放入目標檢測算法中進行訓練與測試。

4.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S3中的清洗，則是根據生產方對缺陷的定義，對誤檢圖片中的真缺陷圖片與假缺陷圖片篩選分類。

5.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S3中的標注，是使用標注工具，在真缺陷圖片中標注出缺陷所在位置，并生成標注文件作為訓練正樣本，并將假缺陷全部歸類為訓練負樣本。

6.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S4中的測試集不能與訓練集重合。

7.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S7中的檢測性能指標，是根據目標檢測算法對缺陷圖的分類識別準確度進行統計，分別計算誤檢率和準確率；如果性能不達標，則重復步驟S2到步驟S7，不斷增加缺陷的種類以提高目標檢測算法對缺陷的識別豐富度，同時調節正負樣本的比例，增強目標檢測算法對負樣本的排除能力。

8.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S8的投入使用，是包含了對目標檢測的算法開發，將其移植到生產線上。

9.根據權利要求1所述的基于目標檢測的pcb板缺陷檢測與定位方法，其特征在于，所述步驟S5還包括：

模型訓練利用隨機梯度下降法優化目標函數：

L*＝L(Qi)+L(Oi) (1)

其中，公式(1)主要由兩部分組成，第一部分是分類損失L(Qi)，第二部分是回歸損失L(Oi)，i作為候選框的序號，Qi則表示候選框其所包含的目標缺陷的概率；Oi是一個向量，表示預測候選框的偏移量，其內部有四個屬性，分別表示候選框的左上角x坐標偏移量與y坐標偏移量，以及候選框的長偏移量與寬偏移量；

其中，這兩部分由如下公式(2)與公式(3)所組成：

其中，Qi*為表示目標缺陷是否在候選框內的標簽，如果包含目標則表示1，否則表示0；Oi*與Oi是相同維度的向量，其表示候選框相對于實際標記的偏移量；Q_pred為候選框的數目；O_rel為特征圖的尺寸；α為控制候選框的精確度；∑_i對所有候選框的損失進行求和；D_pred是對數函數，由目標缺陷與非目標缺陷兩類組成；D_rel為分類框范圍回歸損失。