【技术实现步骤摘要】
一种电路板缺陷检测方法、装置、电子设备和存储介质
[0001]本申请涉及计算机
，尤其涉及一种电路板缺陷检测方法、装置、电子设备和存储介质。
技术介绍
[0002]在电子产品中，电路板是组成电子产品的重要部分，被广泛应用于各类电子设备中，电子产品的正常运作很大程度上依赖于电路板的质量，所以针对电路板的缺陷检测一直以来都是工业制造领域研究的重要方向。
[0003]由于人眼对微小目标分辨能力弱、不稳定性高以及面对大量数据无法高效完成检测任务，导致过去的人工检测已经逐渐被机器检测所取代。机器以及应用人工智能的检测方案，如应用光学设备扫描、加入深度学习进行检测识别等，能够实现灰度级、观测微米级的目标，具备始终如一的稳定性以及信息全面可溯源的特点，即使面对较大的数据量也已经能够达到较好的检测效率和精度。然而，由于电路板缺陷种类多，导致现有的检测方案中需要人工标注缺陷，以基于人工标注的缺陷实现电路板的缺陷检测。而人工标注存在失误，这导致现有的检测方案可能存在无法实现电路板缺陷的精准检测。因此，亟需一种技术手段实现电路板缺陷
【技术保护点】
【技术特征摘要】
1.一种电路板缺陷检测方法，其特征在于，包括：获取第一图像，所述第一图像中的电路板上有缺陷；将所述第一图像输入训练好的生成网络中，得到第二图像，所述第二图像中的电路板上无缺陷；根据所述第一图像中每个像素对应的纹理特征值和所述第二图像中每个像素对应的纹理特征值，确定所述第一图像中电路板的缺陷信息；其中，所述缺陷信息包括以下至少一种：缺陷位置、缺陷面积和缺陷类型。2.根据权利要求1所述的方法，其特征在于，所述将所述第一图像输入训练好的生成网络中，得到第二图像之前，所述方法还包括：获取样本集，所述样本集包括正样本集和负样本集，所述正样本集中的每个正样本的电路板上无缺陷，所述负样本集中的每个负样本的电路板上有缺陷；将所述正样本集和所述负样本集交替输入待训练的生成网络中，每当所述待训练的生成网络有输出结果时，将所述待训练的生成网络的输出结果输入待训练的判别网络中，直到所述待训练的判别网络的输出结果中第一标签的数量与第二标签的数量之比高于第一阈值时，停止将所述正样本集和所述负样本集中未交替输入所述待训练的生成网络中的样本输入所述待训练的生成网络中，以得到所述训练好的生成网络；其中，所述第一标签为无缺陷的标签，所述第二标签为有缺陷的标签。3.根据权利要求2所述的方法，其特征在于，所述待训练的生成网络中的损失函数满足以下公式：其中，所述L为所述待训练的生成网络中的损失函数，所述M为所述负样本集的数量，所述ω
n
为权重，所述V
n
是第一向量，所述第一向量中的第一元素是第二向量中以第一行第一列的元素为基准分别沿第一方向和第二方向，以步长为预设步长获取的至少一个元素、第一行第一列的元素和第一行第一列的元素对角的元素的均值，所述第二向量是根据第一负样本对应的向量中每个元素和第一正样本对应的向量确定的，所述第一负样本为所述负样本集中任意一个负样本，所述第一正样本为所述正样本集中与所述第一负样本关联的正样本，所述第一方向和所述第二方向不同。4.根据权利要求3所述的方法，其特征在于，所述ω
n
为所述第一向量中最小元素与所述第一向量中每个元素的总和之比。5.根据权利要求1所述的方法，其特征在于，所述根据所述第一图像中每个像素对应的纹理特征值和所述第二图像中每个像素对应的纹理特征值，确定所述第一图像中电路板的缺陷信息，包括：将所述第一图像切分成同等大小的多个第一子图像；将所述第二图像切分成同等大小的多个第二子图像，所述多个第一子图像与所述多个第二子图像一一对应；将所述多个第一子图像中每个第一子图像所对应的纹理特征值与所述多个第二子图像中每个第二子图像所对应的纹理特征值进行比对，以确定所述第一图像中电路板的缺陷信息。6.根据权利要求5所述的方法，其特征在于，第三...
【专利技术属性】
技术研发人员：李佳琳，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
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。