PCB缺陷检测系统及PCB缺陷检测方法技术方案

本发明专利技术公开了一种PCB缺陷检测系统及PCB缺陷检测方法，系统被配置为对目标PCB图像进行缺陷检测，系统至少包括第一检测子模型和第二检测子模型，第一检测子模型比第二检测子模型的优先级高；第一检测子模型/第二检测子模型被预先训练以预测一PCB图像具有第一缺陷类型/第二缺陷类型的概率，第一缺陷类型与第二缺陷类型不同；若第一检测子模型预测得到目标PCB图像具有第一缺陷类型的概率超过预设的第一基准概率阈值，则确定目标PCB图像的缺陷检测结果为第一缺陷类型；否则将目标PCB图像输入第二检测子模型。本发明专利技术提出分多个子模型分别专注学习特定的一种缺陷类型，提高模型学习效率和缺陷检测效率，并提升缺陷识别精度。并提升缺陷识别精度。并提升缺陷识别精度。

【技术实现步骤摘要】
PCB缺陷检测系统及PCB缺陷检测方法


[0001]本专利技术涉及PCB检测领域，尤其涉及一种PCB缺陷检测系统及PCB缺陷检测方法。

技术介绍

[0002]在典型的 AI 训练过程中，AI模型被训练为通过向其中输入大量各种类型的图像来识别各种类型的缺陷和非缺陷（误报缺陷）。这种训练方法的缺点是，在实际生产中，不同类型的缺陷或误报缺陷以不同的频率发生，训练过程中不同类型的缺陷可能会造成不相等的识别准确率，以及试图识别所有类型的缺陷和误报所导致的低效率。此外，根据不同类型缺陷或误报的发生频率，频率低的缺陷类型会拉低整体的识别精准度，因此，可能需要相当长的时间才能达到可接受的整体准确度水平。
[0003]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0004]本专利技术的目的是提供一种提高检测效率和准确率的PCB缺陷检测系统及PCB缺陷检测方法。
[0005]为达到上述目的，本专利技术采用的技术方案如下：一种PCB缺陷检测系统，其被配置为对目标PCB图像进行缺陷检测，所述系统至少包括第一检测子模型和第二检测子模型，其中，所述第一检测子模型的优先级比所述第二检测子模型的优先级高；所述第一检测子模型被预先训练以预测一PCB图像具有第一缺陷类型的概率，所述第二检测子模型被预先训练以预测一PCB图像具有第二缺陷类型的概率，所述第一缺陷类型与第二缺陷类型属于不同的PCB缺陷类型；若所述第一检测子模型预测得到所述目标PCB图像具有第一缺陷类型的概率超过预设的第一基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为所述第一缺陷类型；否则将所述目标PCB图像输入所述第二检测子模型。
[0006]进一步地，所述第一检测子模型预先训练所使用的训练样本集中样本图像的标签仅包括所述第一缺陷类型，或者，仅包括所述第一缺陷类型和无缺陷类型；所述第二检测子模型预先训练所使用的训练样本集中样本图像的标签仅包括所述第二缺陷类型，或者，仅包括所述第二缺陷类型和无缺陷类型。
[0007]进一步地，将所述目标PCB图像输入所述第二检测子模型后，若所述第二检测子模型预测得到所述目标PCB图像具有第二缺陷类型的概率超过预设的第二基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为所述第二缺陷类型，所述第二基准概率阈值与第一基准概率阈值相等或不等。
[0008]进一步地，所述系统还包括一个或多个其他检测子模型，所述其他检测子模型被预先训练以预测一PCB图像具有其他缺陷类型的概率，所述其他缺陷类型与第一缺陷类型、第二缺陷类型均不同，所述其他检测子模型的优先级低于所述第二检测子模型的优先级；将所述目标PCB图像输入所述第二检测子模型后，若所述第二检测子模型预测得到所述目标PCB图像具有第二缺陷类型的概率未超过预设的第二基准概率阈值，则将所述目标PCB图像输入所述其他检测子模型中优先级最高的一个。
[0009]进一步地，将所述目标PCB图像输入所述其他检测子模型中优先级最高的一个后，若所述其他检测子模型预测得到所述目标PCB图像具有相应其他缺陷类型的概率超过预设的第三基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为所述其他缺陷类型，所述第三基准概率阈值与第一基准概率阈值相等或不等。
[0010]进一步地，若所有的检测子模型预测得到所述目标PCB图像具有相应缺陷类型的概率均未超过预设的对应基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为预测得到的最高概率对应的缺陷类型。
[0011]进一步地，若所有的检测子模型预测得到所述目标PCB图像具有相应缺陷类型的概率均低于各自的预设的下限概率阈值，则确定所述目标PCB图像的缺陷检测结果为无缺陷。
[0012]进一步地，若所有的检测子模型预测得到所述目标PCB图像具有相应缺陷类型的概率均未超过预设的对应基准概率阈值，则利用人工识别所述目标PCB图像的缺陷类型，以识别结果作为所述目标PCB图像的标签，得到一学习样本；将该学习样本加入与所述标签对应的训练样本集，利用更新后的训练样本集对与所述标签对应的检测子模型进行再训练，以更新该检测子模型。
[0013]进一步地，所述确定所述目标PCB图像的缺陷检测结果之后，统计各个PCB缺陷类型的历史被检次数，按照所述各个PCB缺陷类型的历史被检次数由多到少的顺序，对各个检测子模型的优先级由高到低进行排序。
[0014]根据本专利技术的另一方面，提供了一种PCB缺陷检测方法，包括以下步骤：获取目标PCB图像；按照优先级由高到低的顺序，依次将所述目标PCB图像输入各个检测子模型，其中，各个检测子模型被预先训练以预测一PCB图像具有对应的缺陷类型的概率，且各个检测子模型对应的缺陷类型不同，直至当前输入的检测子模型预测得到所述目标PCB图像具有对应缺陷类型的概率超过预设的对应基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为当前输入的检测子模型对应的缺陷类型。
[0015]进一步地，所述目标PCB图像的获取步骤包括：利用AOI设备对目标PCB进行扫描，获取PCB扫描图像；利用AOI设备对所述PCB扫描图像进行识别，得到缺陷列表，所述缺陷列表中存在一个或多个缺陷信息，每个缺陷信息包括缺陷位置；截取所述PCB扫描图像在所述缺陷位置的局部图像，得到一个或多个所述目标PCB图像。
[0016]进一步地，每个缺陷信息还包括缺陷预判类型，所述确定所述目标PCB图像的缺陷检测结果之前还包括：
判断所述当前输入的检测子模型对应的缺陷类型与所述目标PCB图像对应的缺陷预判类型是否一致，若一致，则确定所述目标PCB图像的缺陷检测结果为当前输入的检测子模型对应的缺陷类型。
[0017]进一步地，若所述当前输入的检测子模型对应的缺陷类型与所述目标PCB图像对应的缺陷预判类型不一致，则利用人工识别所述目标PCB图像的缺陷类型，以识别结果作为所述目标PCB图像的标签，得到一学习样本；将该学习样本加入与所述标签对应的训练样本集，利用更新后的训练样本集对与所述标签对应的检测子模型进行再训练，以更新该检测子模型。
[0018]进一步地，获取目标PCB图像的同时还获取其所属区域信息；根据所述PCB图像所属区域信息，确定各个检测子模型的优先级高低顺序。
[0019]本专利技术提供的技术方案带来的有益效果如下：a. 检测系统配置多个检测子模型，以分别专注学习特定的一种缺陷和误报缺陷的类型，每个检测子模型均仅需要较短时间就可以达到可接受的识别准确度水平；b. 可以后续灵活配置更多新的检测子模型以解决新的缺陷类型的识别问题，并且不会影响先前的检测子模型正常投入生产。
附图说明
[0020]为了更清楚地说明本申请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，显而易本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PCB缺陷检测系统，其被配置为对目标PCB图像进行缺陷检测，其特征在于，所述系统至少包括第一检测子模型和第二检测子模型，其中，所述第一检测子模型的优先级比所述第二检测子模型的优先级高；所述第一检测子模型被预先训练以预测一PCB图像具有第一缺陷类型的概率，所述第二检测子模型被预先训练以预测一PCB图像具有第二缺陷类型的概率，所述第一缺陷类型与第二缺陷类型属于不同的PCB缺陷类型；若所述第一检测子模型预测得到所述目标PCB图像具有第一缺陷类型的概率超过预设的第一基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为所述第一缺陷类型；否则将所述目标PCB图像输入所述第二检测子模型。2.根据权利要求1所述的PCB缺陷检测系统，其特征在于，所述第一检测子模型预先训练所使用的训练样本集中样本图像的标签仅包括所述第一缺陷类型，或者，仅包括所述第一缺陷类型和无缺陷类型；所述第二检测子模型预先训练所使用的训练样本集中样本图像的标签仅包括所述第二缺陷类型，或者，仅包括所述第二缺陷类型和无缺陷类型。3.根据权利要求1所述的PCB缺陷检测系统，其特征在于，将所述目标PCB图像输入所述第二检测子模型后，若所述第二检测子模型预测得到所述目标PCB图像具有第二缺陷类型的概率超过预设的第二基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为所述第二缺陷类型，所述第二基准概率阈值与第一基准概率阈值相等或不等。4.根据权利要求1或2或3所述的PCB缺陷检测系统，其特征在于，所述系统还包括一个或多个其他检测子模型，所述其他检测子模型被预先训练以预测一PCB图像具有其他缺陷类型的概率，所述其他缺陷类型与第一缺陷类型、第二缺陷类型均不同，所述其他检测子模型的优先级低于所述第二检测子模型的优先级；将所述目标PCB图像输入所述第二检测子模型后，若所述第二检测子模型预测得到所述目标PCB图像具有第二缺陷类型的概率未超过预设的第二基准概率阈值，则将所述目标PCB图像输入所述其他检测子模型中优先级最高的一个。5.根据权利要求4所述的PCB缺陷检测系统，其特征在于，将所述目标PCB图像输入所述其他检测子模型中优先级最高的一个后，若所述其他检测子模型预测得到所述目标PCB图像具有相应其他缺陷类型的概率超过预设的第三基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为所述其他缺陷类型，所述第三基准概率阈值与第一基准概率阈值相等或不等。6.根据权利要求4所述的PCB缺陷检测系统，其特征在于，若所有的检测子模型预测得到所述目标PCB图像具有相应缺陷类型的概率均未超过预设的对应基准概率阈值，则确定所述目标PCB图像的缺陷检测结果为预测得到的最高概率对应的缺陷类型。7.根据权利要求4所述的PCB缺陷检测系统，其特征在于，若所有的检测子模型预测得到所述目标PCB图像具有相应缺陷类型的概率均低于各自的预设的下...

【专利技术属性】
技术研发人员：诺尼，
申请(专利权)人：苏州康代智能科技股份有限公司，
类型：发明
国别省市：