【技术实现步骤摘要】
一种轻量级的PCB缺陷检测方法
本专利技术属于计算机视觉
，具体涉及一种轻量级的PCB缺陷检测方法。
技术介绍
伴随着IT产业的蓬勃发展，PCB产业发展速度也相应得到迅速提高，如今已经发展到了多层化、复杂化、多样化、体积小和性能高等特点，但PCB生产工艺流程复杂繁琐，影响品质的因素太多，生产人员操作不当，生产原材品质不过关，生产设备运转不稳定，车间环境存在杂质等情况都会造成电路板难以避免的缺陷。随着人工智能的发展，基于深度学习的缺陷检测技术应势而生，与传统人工检测相比它具有检测快、准确度高、适应性强等特点。因此构建一个基于轻量级网络的PCB板缺陷检测系统是很有必要的。目前提出的各种PCB板缺陷检测技术，主要分为基于自动光学检测和基于机器视觉两种。日本的欧姆龙公司研发了一款VTX750自动光学检测设备，该设备利用独特的光源，对PCB上的缺陷进行检测并定位，十分高效。韩国的Mirtec公司也加入了对PCB缺陷检测设备研发的行列，该公司研发了一种在线自动光学检测设备MirtecIn-LineMV-7xi，该设备能够在...
【技术保护点】
1.一种轻量级的PCB缺陷检测方法，其特征在于：包括如下步骤：/nS1：将待检测的PCB局部照片做显著性区域分割拼接成整体照片并做后期处理；/nS2：将处理好的整体图像送入轻量级元器件检测网络，输出元器件检测结果；/nS3：根据元器件检测结果，将具有文本的元器件图像送入文本识别模块，输出文本识别结果；/nS4：根据输出的文本识别结果中每个元器件的信息，结合对比信息输出缺陷分析结果。/n
【技术特征摘要】
1.一种轻量级的PCB缺陷检测方法，其特征在于：包括如下步骤：
S1：将待检测的PCB局部照片做显著性区域分割拼接成整体照片并做后期处理；
S2：将处理好的整体图像送入轻量级元器件检测网络，输出元器件检测结果；
S3：根据元器件检测结果，将具有文本的元器件图像送入文本识别模块，输出文本识别结果；
S4：根据输出的文本识别结果中每个元器件的信息，结合对比信息输出缺陷分析结果。
2.根据权利要求1所述的一种轻量级的PCB缺陷检测方法，其特征在于：所述步骤S1中整体照片的拼接过程为：
A1：采集PCB板生产线上高清局部图像并分割显著性区域；
A2：对采集到的显著性区域图像进行SIFT特征点的提取，然后使用RANSAC算法筛选可靠匹配点；
A3：计算采集到的匹配点之间的斜率和欧氏距离，利用K均值聚类提取数量最多的点堆作为最终匹配点，生成拼接图像。
3.根据权利要求1所述的一种轻量级的PCB缺陷检测方法，其特征在于：所述步骤S2中轻量级元器件检测网络对于图像的处理过程为：
B1：使用PCB板生产线上高清图像切割成的图片库，训练轻量级PCB元器件检测网络，直至网络收敛；
B2：将完整的拼接图像送入训练好的轻量级PCB元器件检测网络，通过改进的轻量级结构和残差层，并统一两个分支的特征通道数，输出特征图；
B3：将输出的特征图送入RPN区域建议网络，并使用CAROIPooling代替原始ROIPooling，得到目标区域；
B4：根据输出的目标区域，采用改进的FasterR-CNN目标检测算法预测输出对应区域拥有目标的概率，然后通过回归，调整和细化边界框；
B5：根据步骤B4中元器件目标检测结果，从而输出各元器件位置与类别信息。
4.根据权利要求1所述的一种轻量级的PCB缺陷检测方法，其特征在于：所述步骤S3的具体过程为：
C1：使用MJSynth图像库，训练轻量级文本识别网络，直至网络收敛；
C2：根据步骤S2输出的元器件信息，将包含文本的元器件图像送入训练好的轻量级文本识别网络，通过STN转换层和改进高效轻量级网络PeleeNet，输出图像深度纹理特征；
C3：将输出的图像深度纹理特征图送入循环神经网络层，并引入Denselayer结构，输出预测的特征序列的标签分布；
C4：使用注意力机制模块AM，将输出的标签分布转换为最终的文本识别结果。
5.根据权利要求1所述的一种轻量级的PCB缺陷检测方法，其特征在于：所述步骤S4中缺陷分析的具体过程为：
D1：根据步骤S3输出的元器件信息，进行单电路板的正反面对比，检测是否出现缺陷；
D2：根据步骤S3输出的元器件信息，进行相同类型电路板的不同板之间的对比，检测是否出现缺陷；
D3：根据步骤S3输出的元器件信息，利用传统的图像处理方法统计每一个元器件的引脚数量，并在软件上显示出来，根据对比信息判断...
【专利技术属性】
技术研发人员：孙涵，岑俊，沈家全，产世兵，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
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。