一种基于深度学习的全自动电路板缺陷检测系统及方法技术方案

本发明专利技术涉及一种基于深度学习的全自动电路板缺陷检测系统及方法，包括处理器、标记模块、图像采集设备、穹顶光源、上料系统、下料系统和可调速传送系统，所述处理器内设有深度学习检测模块，所述标记模块、图像采集设备、穹顶光源、上料系统、下料系统和可调速传送系统均与处理器连接，本发明专利技术在于运用深度神经学习网络，通过大量的质量缺陷图像的训练，得到计算机识别模型，在检测设备中，该识别模型在代检物图像中自动识别缺陷并进行分类、记录坐标，自动录入数据库。

A fully automatic circuit board defect detection system and method based on deep learning

【技术实现步骤摘要】
一种基于深度学习的全自动电路板缺陷检测系统及方法
本专利技术涉及深度学习
，具体涉及一种基于深度学习的全自动电路板缺陷检测系统及方法。
技术介绍
人工智能技术从2012年开始进入到深度神经学习网络这一全新的发展阶段，其本质是多层次的人工神经网络算法，即从结构上模拟人脑的运行机制，从最基本的单元上模拟了人类大脑的运行机制。2018年12月27日，中国信通院在新华社主办的第六届中国新兴媒体产业融合大会上发布了《人工智能发展白皮书-产业应用篇(2018年)》，其中指出人工智能是一种引发诸多领域产生颠覆性变革的前沿技术，当今的人工智能技术以机器学习，特别是深度学习为核心，在视觉、语音、自然语言等应用领域迅速发展，已经开始像水电煤一样赋能于各个行业。基于深度学习的新一代人工智能与传统人工智能技术相比，体现了极大的优势和应用价值。在电路板及柔性印制电路板的质量缺陷检测方面，运用原有技术的检测方法原理在于，检测前须预制线路的宽度、面积、颜色等标准数值，人工摆放代检物后，由计算机图形识别方法进行边缘检测，计算宽度、面积、颜色等，再与标准值进行比对本文档来自技高网...

【技术保护点】
1.一种基于深度学习的全自动电路板缺陷检测系统，其特征在于：包括处理器、标记模块、图像采集设备、穹顶光源、上料系统、下料系统和可调速传送系统，所述处理器内设有深度学习检测模块，所述标记模块、图像采集设备、穹顶光源、上料系统、下料系统和可调速传送系统均与处理器连接。/n

【技术特征摘要】
1.一种基于深度学习的全自动电路板缺陷检测系统，其特征在于：包括处理器、标记模块、图像采集设备、穹顶光源、上料系统、下料系统和可调速传送系统，所述处理器内设有深度学习检测模块，所述标记模块、图像采集设备、穹顶光源、上料系统、下料系统和可调速传送系统均与处理器连接。


2.根据权利要求1所述的检测系统，其特征在于：所述深度学习检测模块包括：
带有标注信息的质量缺陷图像库，用于保存、记录训练识别模型所需的原始资料，所述标注信息保存为xml格式或json格式或其他格式化信息的一组数据或一系列数据；
深度神经网络，用于读取质量缺陷图像库并训练识别模型；
计算机识别模型，为通过训练后得到计算机程序，用于人工输入或自动读取图像，在图像中自动进行特征提取，自动识别质量缺陷，判断其种类、获得其位置信息，并通过数据接口输出识别结果；
缺陷记录数据库，用于自动记录代检物批次标识、代检物个体编号、缺陷数量、缺陷种类、缺陷位置信息和后续生产线质量分析。


3.根据权利要求2所述的检测系统，其特征在于：所述标注信息包括质量缺陷的原始清晰图像、缺陷种类、位置。


4.根据权利要求2所述的检测系统，其特征在于：所述深度神经网络为DenseNet或ResNet或GoogLeNet或VGGNet或AlexNet或Yolo或用于多目标识别的深度神经网络，或以上几种的组合。


5.根据权利要求2所述的检测系统，其特征...

【专利技术属性】
技术研发人员：鲁刚，
申请(专利权)人：北京精思博智科技有限公司，
类型：发明
国别省市：北京;11