【技术实现步骤摘要】
一种基于语义分割的PCB板缺陷检测方法
本专利技术涉及PCB板缺陷检测领域，尤其涉及一种基于语义分割的PCB板缺陷检测方法。
技术介绍
一直以来，生产流程中由于磕碰、污渍等造成的PCB板产品质量问题备受生产商们的关注，PCB缺陷检测工作及其重要，而随着PCB市场需求的不断扩大，其缺陷检测任务也变得更加艰巨起来。在过去，传统的PCB板缺陷检测方法已经从人工筛选发展到了工业领域的自动化检测阶段，如通过机器视觉和传统的图像处理技术，但这些方法存在需要消耗大量人力、人工误判、自动化检测设备漏判、检测效率低下等问题。因此，现有技术需要进一步改进和完善。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于语义分割的PCB板缺陷检测方法。本专利技术的目的通过下述技术方案实现：一种基于语义分割的PCB板缺陷检测方法，该缺陷检测方法主要包括如下具体步骤：步骤S1：数据采集和缺陷定义。具体的，所述步骤S1具体包括：从工厂生产现场采集大量传统自动化工艺流程下的检测...
【技术保护点】
1.一种基于语义分割的PCB板缺陷检测方法，其特征在于，包括如下步骤：/n步骤S1：数据采集和缺陷定义；/n步骤S2：数据标注与清洗：将标注好的图片文件生成Mask图片存储下来，作为模型训练过程计算模型预测误差的真实值；/n步骤S3：图像预处理，数据集制作：统一图像大小，数据增强，扩大图片数量，完成PCB板数据集的制作，所述PCB板数据集包括原图、Mask图和测试集；/n步骤S4：构建神经网络模型并进行数据训练：构建全卷积的语义分割网络模型，设置其初始化参数、损失函数以及优化器，在所构建的语义分割网络中输入训练数据集开始训练，经多次迭代收敛后得到分割模型；/n步骤S5：模型...
【技术特征摘要】
1.一种基于语义分割的PCB板缺陷检测方法，其特征在于，包括如下步骤：
步骤S1：数据采集和缺陷定义；
步骤S2：数据标注与清洗：将标注好的图片文件生成Mask图片存储下来，作为模型训练过程计算模型预测误差的真实值；
步骤S3：图像预处理，数据集制作：统一图像大小，数据增强，扩大图片数量，完成PCB板数据集的制作，所述PCB板数据集包括原图、Mask图和测试集；
步骤S4：构建神经网络模型并进行数据训练：构建全卷积的语义分割网络模型，设置其初始化参数、损失函数以及优化器，在所构建的语义分割网络中输入训练数据集开始训练，经多次迭代收敛后得到分割模型；
步骤S5：模型测试：将测试数据集输入到语义分割网络中，利用步骤S4所得分割模型对图片进行语义分割，对比得到的PCB板分割图和模板图，判断模型的分割精度，若已达到精度要求，则模型训练完成，否则继续迭代或增加训练数据集；
步骤S6：缺陷判决：导出步骤S5中的模型文件，利用该模型对所需判决缺陷的PCB板图片进行缺陷分类。
2.根据权利要求1所述的基于语义分割的PCB板缺陷检测方法，其特征在于，所述步骤S1具体包括：从工厂生产现场采集大量传统自动化工艺流程下的检测装置下无法判决其缺陷的PCB板图片及相应数量的模板图，定义模板图为其PCB板待检测缺陷标准。
3.根据权利要求1所述的基于语义分割的PCB板缺陷检测方法，其特征在于，所述步骤S1还包括：结合厂家需求与其行业专家知识确定PCB板缺陷类型，利用语义分割标记软件作为图像缺陷标记工具进行数据标注工作。
4.根据权利要求1所述的基于语义分割的PCB板缺陷检测方法，其特征在于，所述步骤S1还包括：缺陷类型包括：开路、短路、孔坡、毛刺、缺口、铜渣、线幼、针孔。
5.根据权利要求1所述的基于语义分割的PCB板缺陷检测方法，其特征在于，所述步骤S1还包括：将采集到的图片进行统一尺寸为572*572，同时准备每张图片的相对应模板图。
6.根据权利要求1所述的基于语义分割的PCB板缺陷检测方法，其特征在于，所述步骤S2的图像数据清洗，是根据厂家及该行业专家对缺陷的定义，对步骤S1中...
【专利技术属性】
技术研发人员：罗哲，黄坤山，
申请(专利权)人：佛山市南海区广工大数控装备协同创新研究院，佛山市广工大数控装备技术发展有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。