一种电路板故障缺陷检测方法、装置、检测设备及系统制造方法及图纸

本发明专利技术涉及一种电路板故障缺陷检测方法、装置、检测设备及系统。该方法包括：接收摄像头拍摄的待测电路板的板面图片；利用预先训练的深度学习模型对所述板面图片进行电路板缺陷识别；若识别结果显示所述待测电路板存在缺陷，确定所述待测电路板的缺陷位置和缺陷种类，并将所述缺陷位置和所述缺陷种类反馈展示给用户。上述方法可利用深度学习模型对电路板进行缺陷位置和缺陷种类的识别，提高了电路板缺陷检测的效率，降低了检测成本。降低了检测成本。降低了检测成本。

【技术实现步骤摘要】
一种电路板故障缺陷检测方法、装置、检测设备及系统


[0001]本专利技术涉及电路板检测
，具体涉及一种电路板故障缺陷检测方法、装置、检测设备及系统。

技术介绍

[0002]随着移动电子和物联网的大量普及，电路板需求量有了显著提升。而在电路板生产过程中，往往会因为生产设备问题导致故障的出现，轻则接触不良无法使用，影响使用体验；重则引发火情，严重影响人民生命、财产安全。
[0003]目前电路板线路常规都比较细小，用肉眼去观察很难发现问题所在，所以电路板质检通常由产线工人使用显微放大镜在强光下目检，在目视检查之后对目视检查出的各种虚焊、假焊等焊接缺陷处进行手触摸检查。但此种检测方式不仅效率较低，而且在此环境条件下目检对眼睛有很大的伤害，用眼过度还会出现眼疲劳等导致出错的因素。同时，检测结果依靠人工判断，会降低检测结果的客观性。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种电路板故障缺陷检测方法、装置、检测设备及系统。解决了目前只能人工进行电路板缺陷的识别的问题。
[0005]为实现以上目的，本专利技术采用如下技术方案：
[0006]一种电路板故障缺陷检测方法，包括：
[0007]接收摄像头拍摄的待测电路板的板面图片；
[0008]利用预先训练的深度学习模型对所述板面图片进行电路板缺陷识别；
[0009]若识别结果显示所述待测电路板存在缺陷，确定所述待测电路板的缺陷位置和缺陷种类，并将所述缺陷位置和所述缺陷种类反馈展示给用户。
[0010]可选的，训练所述深度学习模型的过程，包括：
[0011]接收多个样本电路板的样本图片；所述样本图片包括不同位置不同种类的缺陷；
[0012]识别并学习所述样本图片中的样本缺陷位置和样本缺陷种类；
[0013]根据学习结果构建所述深度学习模型。
[0014]可选的，还包括：
[0015]依据所述缺陷位置和所述缺陷种类结合预设缺陷等级标准确定所述待测电路板的缺陷等级；
[0016]依据所述缺陷等级结合预设评判标准为用户提供修复建议；所述修复建议包括：加工维修或报废处理。
[0017]可选的，所述确定所述待测电路板的缺陷位置和缺陷种类，包括：
[0018]依据所述板面图片的像素点，利用所述深度学习类型对所述待测电路板进行目标检测，确定所述缺陷位置；
[0019]获取所述缺陷位置对应的所述板面图片的异常信息；
[0020]对所述异常信息利用所述深度学习类型进行缺陷种类识别，确定所述缺陷种类。
[0021]可选的，所述缺陷种类，包括：缺孔、开路、短路、针刺、残铜和残缺。
[0022]一种电路板故障缺陷检测装置，包括：
[0023]图片获取模块，用于接收摄像头拍摄的待测电路板的板面图片；
[0024]缺陷识别模块，用于利用预先训练的深度学习模型对所述板面图片进行电路板缺陷识别；
[0025]结果反馈模块，用于若识别结果显示所述待测电路板存在缺陷，确定所述待测电路板的缺陷位置和缺陷种类，并将所述缺陷位置和所述缺陷种类反馈展示给用户。
[0026]可选的，还包括：
[0027]样本图片接收模块，用于接收多个样本电路板的样本图片；所述样本图片包括不同位置不同种类的缺陷；
[0028]样本识别模块，用于识别并学习所述样本图片中的样本缺陷位置和样本缺陷种类；
[0029]模型构建模块，用于根据学习结果构建所述深度学习模型。
[0030]可选的，还包括：
[0031]缺陷等级确定模块，用于依据所述缺陷位置和所述缺陷种类结合预设缺陷等级标准确定所述待测电路板的缺陷等级；
[0032]建议模块，用于依据所述缺陷等级结合预设评判标准为用户提供修复建议；所述修复建议包括：加工维修或报废处理。
[0033]一种电路板故障缺陷检测设备，包括：
[0034]处理器，以及与所述处理器相连接的存储器；
[0035]所述存储器用于存储计算机程序，所述计算机程序至少用于执行上述所述的电路板故障缺陷检测方法；
[0036]所述处理器用于调用并执行所述存储器中的所述计算机程序。
[0037]一种电路板故障缺陷检测系统，包括：
[0038]摄像头、服务器，及分别与所述摄像头、所述服务器通信连接的如上述所述的电路板故障缺陷检测设备。
[0039]本申请提供的技术方案可以包括以下有益效果：
[0040]本申请中公开一种电路板故障缺陷检测方法，该方法包括：接收摄像头拍摄的待测电路板的板面图片；利用预先训练的深度学习模型对板面图片进行电路板缺陷识别；若识别结果显示待测电路板存在缺陷，确定待测电路板的缺陷位置和缺陷种类，并将缺陷位置和缺陷种类反馈展示给用户。上述方法中通过深度学习模型对待测电路板的板面图片进行缺陷识别，并将识别结果进行展示以供用户查看识别结果。以此提高了电路板缺陷检测的效率，降低了电路板缺陷检测的成本。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其他的附图。
[0042]图1是本专利技术一实施例提供的电路板故障缺陷检测方法的流程图；
[0043]图2是本专利技术实施例一提供的电路板故障缺陷检测装置的模块图；
[0044]图3是本专利技术实施例一提供的电路板故障缺陷检测设备的结构图；
[0045]图4是本专利技术实施例一提供的电路板故障缺陷检测系统的结构图。
具体实施方式
[0046]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行详细的描述。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本专利技术所保护的范围。
[0047]图1是本专利技术一实施例提供的电路板故障缺陷检测方法的流程图。参见图1，一种电路板故障缺陷检测方法，包括：
[0048]步骤101：接收摄像头拍摄的待测电路板的板面图片。在本申请中进行电路板缺陷检测时，先利用摄像头拍摄待测电路板的板面图片，然后摄像头将拍摄到的板面图片传至本申请中的检测设备。
[0049]步骤102：利用预先训练的深度学习模型对所述板面图片进行电路板缺陷识别。
[0050]在获取到摄像头拍摄的板面图片后，会利用深度学习模型进行缺陷识别。该深度学习模型会预先训练完成，在训练该深度学习模型时，会收集大量的样本电路板的信息，该样本电路板中会有不同的缺陷位置和缺陷种类信息，依据大量的样本电路板的缺陷位置样本和缺陷种类样本，进行学习，以此构建一个深度学习模型。可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电路板故障缺陷检测方法，其特征在于，包括：接收摄像头拍摄的待测电路板的板面图片；利用预先训练的深度学习模型对所述板面图片进行电路板缺陷识别；若识别结果显示所述待测电路板存在缺陷，确定所述待测电路板的缺陷位置和缺陷种类，并将所述缺陷位置和所述缺陷种类反馈展示给用户。2.根据权利要求1所述的方法，其特征在于，训练所述深度学习模型的过程，包括：接收多个样本电路板的样本图片；所述样本图片包括不同位置不同种类的缺陷；识别并学习所述样本图片中的样本缺陷位置和样本缺陷种类；根据学习结果构建所述深度学习模型。3.根据权利要求1所述的方法，其特征在于，还包括：依据所述缺陷位置和所述缺陷种类结合预设缺陷等级标准确定所述待测电路板的缺陷等级；依据所述缺陷等级结合预设评判标准为用户提供修复建议；所述修复建议包括：加工维修或报废处理。4.根据权利要求1所述的方法，其特征在于，所述确定所述待测电路板的缺陷位置和缺陷种类，包括：依据所述板面图片的像素点，利用所述深度学习类型对所述待测电路板进行目标检测，确定所述缺陷位置；获取所述缺陷位置对应的所述板面图片的异常信息；对所述异常信息利用所述深度学习类型进行缺陷种类识别，确定所述缺陷种类。5.根据权利要求1所述的方法，其特征在于，所述缺陷种类，包括：缺孔、开路、短路、针刺、残铜和残缺。6.一种电路板故障缺陷检测装置，其特征在于，包括：图片获取模块，用于接收摄像头拍摄的待测...

【专利技术属性】
技术研发人员：李华洲，张青，韦通叶，李琼渊，覃海珅，刘华涌，陆涛天，韦承辰，乐喜云，宾博玉，
申请(专利权)人：李华洲，
类型：发明
国别省市：