电路板缺陷检测模型的训练方法及装置、检测方法及装置制造方法及图纸

本申请提供了一种电路板缺陷检测模型的训练方法及装置、检测方法及装置，其中，该训练方法包括：获取本轮训练使用的至少一个训练样本对；其中，训练样本对包括两个相同和/或不同的电路板图像；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用神经网络分别为输入的训练样本对确定第一特征和第二特征；将第一特征和第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对神经网络进行本轮训练；经过对神经网络的多轮训练，得到电路板缺陷检测模型。本申请通过训练出的电路板缺陷检测模型，能够自动检测电路板是否存在缺陷，检测的容错率和准确率均较高。

【技术实现步骤摘要】
电路板缺陷检测模型的训练方法及装置、检测方法及装置
本申请涉及电路板检测
，具体而言，涉及一种电路板缺陷检测模型的训练方法及装置、检测方法及装置。
技术介绍
印刷电路板(PrintedCircuitBoard，PCB)作为电子元器件电气连接的载体，通过其上安装的多个元件，以及这些元件之间预设的逻辑电路连接关系来实现特定的电路功能。考虑到在PCB板生产加工或者装配过程中均可能由于出现各种情况而导致元件的漏装、多装等，这将造成PCB板无法正常工作或运行。而PCB板作为电子产品的承载体，这些无法正常工作或运行的PCB板只有被检测出来，才能确保电子产品的性能。最早的PCB板缺陷检测的方法依赖于人工目测，该方法是由操作人员借助放大镜或校准的显微镜通过肉眼检测PCB板是否存在缺陷。可知，上述方法完全依赖于肉眼的检测结果，费时费力，且自动化程度较差。为了解决上述技术问题，相关技术提供了一种基于自动光学检测手段进行PCB板缺陷检测的方法，该方法通过各种图像处理方法(如灰度化、二值处理、特征提取、特征检测等)对获取的PCB板图像进行处理，并根据处理后的图像与模板之间的匹配结果来自动检测PCB板是本文档来自技高网...

【技术保护点】
1.一种电路板缺陷检测模型的训练方法，其特征在于，包括：获取本轮训练使用的至少一个训练样本对；其中，所述训练样本对包括两个相同和/或不同的电路板图像；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征；将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练；经过对所述神经网络的多轮训练，得到电路板缺陷检测模型。

【技术特征摘要】
1.一种电路板缺陷检测模型的训练方法，其特征在于，包括：获取本轮训练使用的至少一个训练样本对；其中，所述训练样本对包括两个相同和/或不同的电路板图像；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征；将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练；经过对所述神经网络的多轮训练，得到电路板缺陷检测模型。2.根据权利要求1所述的方法，其特征在于，所述神经网络包括孪生Siamese网络；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征，包括：将获取的至少一个训练样本对中的每个训练样本对分别输入Siamese网络的两个入口，并使用所述Siamese网络分别为输入的训练样本对确定第一特征向量和第二特征向量；将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练，包括：执行如下匹配操作，直到第一特征向量和第二特征向量的比对结果与对应训练样本对的标注值一致，则完成本轮训练；其中，所述标注值表征对应训练样本对相似或者不相似；所述匹配操作包括：将所述第一特征向量和所述第二特征向量进行比对，得到比对结果；将所述比对结果与对应训练样本对的标注值进行匹配；针对标注值表征对应训练样本对的匹配情况与所述比对结果表征的匹配情况不一致的情况，生成第一反馈信息；并基于所述第一反馈信息对所述Siamese网络进行参数调整；基于调整后的参数，使用所述Siamese网络为对应训练样本对确定新的第一特征向量和第二特征向量，并再次执行所述匹配操作。3.根据权利要求1所述的方法，其特征在于，所述神经网络包括双通道神经网络；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征，包括：将获取的至少一个训练样本对中的每个训练样本对分别作为源数据和目标数据，并分别输入所述双通道神经网络的不同通道；使用所述双通道神经网络分别为输入的训练样本对确定第一特征和第二特征；将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练，包括：执行如下距离确定操作，直到满足第一特征与第二特征之间的距离不大于预设距离阈值，且对应源数据的标注值表征对应训练样本对相似，和/或满足第一特征与第二特征之间的距离大于预设距离阈值，且对应源数据的标注值表征对应训练样本对不相似，则完成本轮训练；所述距离确定操作，包括：确定所述第一特征和所述第二特征之间的距离；针对第一特征与第二特征之间的距离大于预设距离阈值，且对应源数据的标注值表征对应训练样本对相似，和/或针对第一特征与第二特征之间的距离不大于预设距离阈值，且对应源数据的标注值表征对应训练样本对不相似，生成第二反馈信息；并基于所述第二反馈信息对所述双通道神经网络进行参数调整；基于调整后的参数，使用所述双通道神经网络为对应训练样本对确定新的第一特征和第二特征，并再次执行所述距离确定操作。4.一种电路板缺陷检测方法，其特征在于，包括：将待检测电路板图像与对应的标准电路板图像输入采用如权利要求1-3任一项所述的训练方法训练得到的电路板缺陷检测模型；使用所述电路板缺陷检测模型分别为所述待检测电路板图像与对应的标准电路板图像提取第三特征和第四特征；并将所述第三特征和所述第四特征进行比对；根据得到的比对结果确定所述待检测电路板是否存在缺陷。5.根据权利要求4所述的方法，其特征在于，采用如下方法确定待检测电路板图像对应的标准电路板图像：针对每张所述待检测电路板图像，确定该待检测电路板图像所包括元器件的第一标识信息；将所述第一标识信息与对应标准电路板全图中所包括的各元器件的第二标识信息进行对比，确定匹配的第二标...

【专利技术属性】
技术研发人员：王健，杜家鸣，李长升，陈进宝，
申请(专利权)人：国信优易数据有限公司，
类型：发明
国别省市：北京,11