[發明專利]一種基于改進YOLOv5的PCB板表面缺陷檢測方法

在審

• 申請號: 202211451316.3
• 申請日: 2022-11-20
• 公開（公告）號: CN115719338A
• 公開（公告）日: 2023-02-28
• 發明（設計）人: 王成;張嘉鵬;王英民;劉思杰;王奇;陶林偉;鄭琨;黃愛萍
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/0464;G06N3/08;G06N3/048;G06V10/764;G06V10/82
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉濤

本發明公開了一種基于改進YOLOv5的PCB板表面缺陷檢測方法，改進YOLOv5的特征融合網絡PANet為BiFPN結構，且添加了SimAM注意力機制，對空間金字塔池化模型SPPF優化后為SPPFCSPC模型，并且縮減了head中用于檢測中、大目標的P4、P5結構，使其能夠更加準確提取并檢測小目標的缺陷，來彌補缺陷檢測尺度不足的問題，同時為了進一步解決小目標缺陷檢測，優化了訓練方法，采用遷移學習的方法，對訓練網絡的訓練權重和參數進行多重遷移化處理，使得短期訓練的程度更加充分。

技術領域

本發明屬于模式識別技術領域，具體涉及一種PCB板表面缺陷檢測方法。

背景技術

印刷電路板是組成電子產品的重要部分，其質量檢測成為滿足電子產品能否長期正常運作的前提。印刷電路板(Printed Circuit Board,PCB)主要由絕緣基材和導體兩類材料組成，在各種電子產品中起到支撐和互連的作用。在印刷電路板出現之前，早期電子元器件之間的互連依靠普通導線直接連接完成，存在尺寸大、裝配工藝復雜和電路穩定性差等問題。但是，隨著工業自動化制造技術的迅速發展，電子產品的制造開始朝著多功能、集成化和智能化的方向發展。其中，印刷電路板作為電子產品的基礎部件，其質量直接影響電子產品的性能。然而，PCB的制作工藝非常復雜，在整個生產制造過程中不可避免受到各種因素的影響，對其質量檢測是一項非常重要的工作。雖然深度學習目標檢測方法在PCB表面缺陷檢測領域中取得了極大的發展，但是依舊存在標簽樣本數據缺乏、特征學習能力有限、深度網絡訓練困難以及檢測精度和速度不均衡等問題。目標小，難以發現，前景和背景太接近，借鑒COD偽裝目標檢測和小目標檢測的優點去融合，attention有助于更好的定位和識別小目標缺陷。

發明內容

為了克服現有技術的不足，本發明提供了一種基于改進YOLOv5的PCB板表面缺陷檢測方法，改進YOLOv5的特征融合網絡PANet為BiFPN結構，且添加了SimAM注意力機制，對空間金字塔池化模型SPPF優化后為SPPFCSPC模型，并且縮減了head中用于檢測中、大目標的P4、P5結構，使其能夠更加準確提取并檢測小目標的缺陷，來彌補缺陷檢測尺度不足的問題，同時為了進一步解決小目標缺陷檢測，優化了訓練方法，采用遷移學習的方法，對訓練網絡的訓練權重和參數進行多重遷移化處理，使得短期訓練的程度更加充分。

本發明解決其技術問題所采用的技術方案包括如下步驟：

步驟1：獲取數據集并進行數據預處理；

步驟1-1：對獲取的PCB板表面缺陷原始數據集進行截取、翻轉、映射，將數據集進行標簽轉換并對數據集進行劃分；將數據集劃分為訓練、驗證和測試集；

步驟1-2：采用mosaic數據增強方式，使用4張圖片的數據，經過隨機縮放、隨機裁剪、隨機分布的方式進行拼接，將4張圖片組合成一張圖片；

步驟1-3：將數據集圖像統一縮放到同一個尺寸，然后送入檢測網絡YOLOv5s_BSSs中；

所述檢測網絡YOLOv5s_BSSs具體描述如后；

步驟2：在YOLOv5主干中，將原來的Focus操作替換成一個卷積層，增加了SimAM注意力機制，并且對空間金字塔池化結構SPPF進行優化，改為SPPFCSPC，具體流程為：

步驟2-1：對于第0層，[-1,1,Conv,[64,6,2,2]]的模塊參數args[64，6，2，2]被解析成[3，32，6，2，2]，64代表卷積核的數量，最終的卷積核數量乘以width_multiple，為64×0.5＝32即第0層輸出的維度；6為卷積核大小，2為卷積核的步長，3是本層的輸入維度因為輸入的圖像是彩色的RGB 3通道；