[發明專利]一種基于PCB噪聲標注數據的有效訓練方法

在審

• 申請號: 202011174880.6
• 申請日: 2020-10-28
• 公開（公告）號: CN112200797A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 巴姍姍;楊淑愛;黃坤山;謝克慶
• 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
• 代理公司: 廣州科沃園專利代理有限公司 44416
• 代理人: 馬盼

本發明公開一種基于PCB噪聲標注數據的有效訓練方法，包括以下步驟：S1、收集圖像，建立含有噪聲標注的PCB圖像數據集和經過數據清洗的PCB圖像數據集；S2、通過集成的Efficientnet模型分別提取兩個數據集中每一幅圖像的圖像特征；S3、將提取的圖像特征通過深度卷積網絡進行降維；S4、采用余弦損失函數訓練分類器模型；S5、采用遷移學習交替訓練兩個數據集，并在含有噪聲標注的PCB圖像數據集中的較大分辨率圖像上進行微調，最終實現數據的訓練，本發明主要用于解決當訓練集中含有大量噪聲標注時實現圖像檢索的問題，并在檢索過程中實現高效的速度和準確性。

技術領域

本發明涉及圖像檢索技術領域，尤其涉及一種基于PCB噪聲標注數據的有效訓練方法。

背景技術

PCB板是現代眾多信息化、自動化的電子產品的基礎構件，在整個電子產業的發展中起到承上啟下的作用。前些年，因為政治經濟影響，智能手機、個人電腦等主要電子產品消費量較少，電子行業增速緩慢，后來通過新興技術在全球市場的推廣和普及，國際對PCB產量的需求越來越大，市場容量不斷擴張，市場巨大。為了適應時代的要求，就必須提升PCB產品的質量，由于PCB的制作工藝復雜，整個生產過程中受各種因素的影響，會產生很多方面的瑕疵。在機器視覺技術未廣泛應用之前，PCB缺陷檢測的主要手段是人工檢測，其檢測過程繁瑣。隨著PCB板的設計日趨復雜，其表面焊接的元器件尺寸也越來越小、分布越來越密，導致人工檢測更加困難、耗時長且占用過多人力資源導致生產成本的提升，同時人工檢測對工人的視力損傷較大，也存在檢測一致性、準確性低的問題。為了提高生產力，降低生產成本，提高檢測效率與準確性，研發高效的基于機器視覺技術的PCB缺陷檢測方法，但是在數據過多的情況下，通過網絡數據挖掘對圖像標記時，會產生大量的噪聲標注，目前還沒有很好的算法對這些數據實現有效的訓練，因此提出一種基于PCB噪聲標注數據的有效訓練方法具有重要的現實意義。

發明內容

針對上述問題，本發明提出一種基于PCB噪聲標注數據的有效訓練方法，主要解決背景技術中的問題。

本發明提出一種基于PCB噪聲標注數據的有效訓練方法，包括以下步驟：

S1、收集圖像，建立含有噪聲標注的PCB圖像數據集和經過數據清洗的PCB圖像數據集；

S2、通過集成的Efficientnet模型分別提取兩個數據集中每一幅圖像的圖像特征；

S3、將提取的圖像特征通過深度卷積網絡進行降維；

S4、采用余弦損失函數訓練分類器模型；

S5、采用遷移學習交替訓練兩個數據集，并在含有噪聲標注的PCB圖像數據集中的較大分辨率圖像上進行微調，最終實現數據的訓練。

進一步改進在于，所述Efficientnet模型的網絡表達式為：

其中，N表示分類網絡，代表卷積操作，X表示輸入張量，F_i表示基礎網絡層，i表示卷積層數，L_i表示網絡的長度；

所述Efficientnet模型通過網格搜索算法得到最優比例系數，然后按比例對網絡寬度、深度和分辨率三個維度進行縮放，而所述最優比例系數為所述Efficientnet模型最大化精度值Acc_max(N(d，w，r))時的d、w、r值，所述最大化精度值Acc_max(N(d，w，r))的計算公式為：

其中，設置比例系數如下：深度寬度分辨率α，β，γ是變量，滿足α×β²×γ²≈2，α≥1，β≥1，γ≥1。