[發(fā)明專利]一種基于目標(biāo)檢測的pcb板缺陷檢測與定位方法

在審

• 申請?zhí)枺?/td>: 201911135051.4
• 申請日: 2019-11-19
• 公開（公告）號(hào): CN111091534A
• 公開（公告）日: 2020-05-01
• 發(fā)明（設(shè)計(jì)）人: 黃坤山;李霽峰
• 申請（專利權(quán)）人: 佛山市南海區(qū)廣工大數(shù)控裝備協(xié)同創(chuàng)新研究院;佛山市廣工大數(shù)控裝備技術(shù)發(fā)展有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06K9/62;G06N3/04;G06N3/08;G01N21/88
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所 44329
• 代理人: 江金城

1.一種基于目標(biāo)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(jù)pcb缺陷檢測要求，進(jìn)行目標(biāo)檢測算法的搭建；

步驟S2：采集大量由傳統(tǒng)檢測方法組成的自動(dòng)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(shí)準(zhǔn)備與缺陷圖片數(shù)量同樣的正確圖；

步驟S3：對(duì)步驟S2采集的缺陷圖片與正確圖片進(jìn)行整理，清洗與標(biāo)注；

步驟S4：對(duì)步驟S3所整理的圖片，制作成訓(xùn)練集和測試集；

步驟S5：使用步驟S4制作的訓(xùn)練集對(duì)步驟S1搭建的目標(biāo)檢測算法進(jìn)行訓(xùn)練；

步驟S6：使用步驟S4制作的測試集對(duì)步驟S5訓(xùn)練好的目標(biāo)檢測算法進(jìn)行泛化測試；

步驟S7：根據(jù)測試結(jié)果來檢測目標(biāo)檢測算法的準(zhǔn)確率等性能指標(biāo)；

步驟S8：將訓(xùn)練完成的目標(biāo)檢測算法投入檢測中使用。

2.根據(jù)權(quán)利要求1所述的基于目標(biāo)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(biāo)檢測算法的搭建，是根據(jù)生產(chǎn)方的要求，對(duì)其需求進(jìn)行數(shù)學(xué)建模與搭建；具體包括如下步驟：

resize輸入圖為224x224尺寸大??；

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(jù)權(quán)利要求1所述的基于目標(biāo)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(duì)圖片的尺寸與方向進(jìn)行調(diào)整，目標(biāo)在與能夠統(tǒng)一成相同格式，使之能夠放入目標(biāo)檢測算法中進(jìn)行訓(xùn)練與測試。

4.根據(jù)權(quán)利要求1所述的基于目標(biāo)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(jù)生產(chǎn)方對(duì)缺陷的定義，對(duì)誤檢圖片中的真缺陷圖片與假缺陷圖片篩選分類。

5.根據(jù)權(quán)利要求1所述的基于目標(biāo)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(biāo)注，是使用標(biāo)注工具，在真缺陷圖片中標(biāo)注出缺陷所在位置，并生成標(biāo)注文件作為訓(xùn)練正樣本，并將假缺陷全部歸類為訓(xùn)練負(fù)樣本。

6.根據(jù)權(quán)利要求1所述的基于目標(biāo)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(xùn)練集重合。

7.根據(jù)權(quán)利要求1所述的基于目標(biāo)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(biāo)，是根據(jù)目標(biāo)檢測算法對(duì)缺陷圖的分類識(shí)別準(zhǔn)確度進(jìn)行統(tǒng)計(jì)，分別計(jì)算誤檢率和準(zhǔn)確率；如果性能不達(dá)標(biāo)，則重復(fù)步驟S2到步驟S7，不斷增加缺陷的種類以提高目標(biāo)檢測算法對(duì)缺陷的識(shí)別豐富度，同時(shí)調(diào)節(jié)正負(fù)樣本的比例，增強(qiáng)目標(biāo)檢測算法對(duì)負(fù)樣本的排除能力。

8.根據(jù)權(quán)利要求1所述的基于目標(biāo)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(duì)目標(biāo)檢測的算法開發(fā)，將其移植到生產(chǎn)線上。

9.根據(jù)權(quán)利要求1所述的基于目標(biāo)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(xùn)練利用隨機(jī)梯度下降法優(yōu)化目標(biāo)函數(shù)：

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(hào)，Qi則表示候選框其所包含的目標(biāo)缺陷的概率；Oi是一個(gè)向量，表示預(yù)測候選框的偏移量，其內(nèi)部有四個(gè)屬性，分別表示候選框的左上角x坐標(biāo)偏移量與y坐標(biāo)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(biāo)缺陷是否在候選框內(nèi)的標(biāo)簽，如果包含目標(biāo)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(duì)于實(shí)際標(biāo)記的偏移量；Q_pred為候選框的數(shù)目；O_rel為特征圖的尺寸；α為控制候選框的精確度；∑_i對(duì)所有候選框的損失進(jìn)行求和；D_pred是對(duì)數(shù)函數(shù)，由目標(biāo)缺陷與非目標(biāo)缺陷兩類組成；D_rel為分類框范圍回歸損失。