【技术实现步骤摘要】
目标缺陷检测方法和检测装置、计算机设备、存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种目标缺陷检测方法和检测装置、计算机设备、存储介质。
技术介绍
[0002]目前对锡球缺陷检测主要有两种：一是人工检测，传统的人工检测方式为工人通过佩戴显微镜逐个对锡球进行检测，而这种方式的工作强度大，易受到工人工作状态、工作经验等主观因素的影响，从而影响对锡球缺陷判断的准确性。此外，由于人工检测时生产线速度受到一定的限制，从而影响了生产效率。二是基于机器视觉的2D图像处理，其通过光学以及图像处理技术检测锡球缺陷，利用传统视觉的Blob分析、模板匹配等技术，识别速度虽然满足实验室要求，但这样的速度在实际生产中肯定是远远不够的，同时由于锡球损伤缺陷较小，存在较高的漏检率。
技术实现思路
[0003]本申请实施例的主要目的在于提出了目标缺陷检测方法和检测装置、计算机设备、存储介质，能够提高对锡球小目标缺陷检测的准确率和效率。
[0004]为实现上述目的，本申请实施例的第一方面提出了一种目标缺陷检测方法，
【技术保护点】
【技术特征摘要】
1.一种目标缺陷检测方法，其特征在于，所述方法包括：获取待检测的BGA图像，所述BGA图像中包括至少一个候选检测子图像；利用Mosaic函数对每个候选检测子图像进行数据增强操作，得到所述BGA图像中的至少一个目标缺陷图像；根据预训练的FPN架构模型对每个目标缺陷图像进行缺陷检测，输出所述每个目标缺陷图像对应的目标缺陷类别及目标缺陷概率值。2.根据权利要求1所述的方法，其特征在于，所述FPN架构模型通过如下方法训练得到：构建训练样本集，所述训练样本集包括多个缺陷样本图像；对每个缺陷样本图像进行下采样操作，得到对应于所述缺陷样本图像的多个不同特征尺寸的第二缺陷特征图；根据所述多个不同特征尺寸的第二缺陷特征图构建多层下采样结构；根据所述多层下采样结构对每个第二缺陷特征图进行上采样操作，得到多个不同尺寸的第三缺陷特征图；根据所述多个不同尺寸的第三缺陷特征图构建多层上采样结构；根据所述多层上采样结构对每个第三缺陷特征图进行下采样操作，得到多个不同尺寸的第四缺陷特征图；根据每个第四缺陷特征图和预设的缺陷类别对所述FPN架构模型进行模型训练，直至所述模型训练的精确值满足预设训练结束条件，以得到所述FPN架构模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述多层下采样结构对每个第二缺陷特征图进行上采样操作，得到多个不同尺寸的第三缺陷特征图，包括：获取所述多层下采样结构中最深层的第二缺陷特征图，所述最深层的第二缺陷特征图为所述最深层的第二缺陷特征图对应的前一层的第二缺陷特征图进行卷积操作得到；对所述前一层的第二缺陷特征图和所述最深层的第二缺陷特征图进行特征融合，得到与所述前一层的第二缺陷特征图的特征尺寸相等的第三缺陷特征图；将得到的所述第三缺陷特征图替换为所述最深层的第二缺陷特征图，与当前的所述最深层的第二缺陷特征图对应的前一层的第二缺陷特征图进行特征融合，得到多个不同尺寸的第三缺陷特征图。4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据预训练的FPN架构模型对每个目标缺陷图像进行缺陷检测，输出所述每个目标缺陷图像对应的目标缺陷类别及目标缺陷概率值，包括：根据预训练的FPN架构模型对每个目标缺陷图像进行缺陷检测，得到所述每个目标缺陷图像在候选缺陷类别下对应的候选缺陷概率值；对多个所述候选缺陷概率值进行数值比较，得到所述每个目标缺陷图像对应的目标缺陷类别和目标缺陷概率值。...
【专利技术属性】
技术研发人员：王永吉，杨延竹，张华，于波，
申请(专利权)人：深圳市格灵精睿视觉有限公司，
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。