PCB板的智能化加工方法及其系统技术方案

公开了一种PCB板的智能化加工方法及其系统，其以PCB板的探测图像与设计图像分别表征实际检测的与理想状态中无缺陷的PCB板的表面状态，并采用基于深度学习的人工智能检测技术，将PCB板的探测图像与设计图像之间在高维特征空间中的特征分布差异作为依据，以此来判断加工成型的PCB板的表面是否存在表面缺陷。这样，能够准确地对于所述PCB板表面的裂缝等缺陷进行检测，进而保证PCB板的加工质量。进而保证PCB板的加工质量。进而保证PCB板的加工质量。

【技术实现步骤摘要】
PCB板的智能化加工方法及其系统


[0001]本申请涉及PCB板加工领域，且更为具体地，涉及一种PCB板的智能化加工方法及其系统。

技术介绍

[0002]PCB(Printed Circuit Board)，中文名称为印制电路板，又称印刷线路板，是重要的电子部件，是电子元器件的支撑体，是电子元器件电气相互连接的载体。
[0003]随着电子信息技术的发展，对PCB板的线路及孔设计越来越密集，密集的线路对散热要求越来越高，为提升电子设备元器件的散热效果，在设计电子设备时会将PCB板中嵌入或埋入铜块，以加快PCB板、芯片等重要元器件散热。相关技术中的PCB板的制备过程包括：层压、开槽、将铜块嵌入所开的凹槽内、打孔、PCB板整板沉铜、镀铜等。
[0004]然而，上述相关技术的嵌入铜块的过程中会导致PCB板的开裂，因此，期待在PCB板的制备过程中，对PCB板的表面状态进行监测以分析其表面是否存在裂缝等表面缺陷。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种PCB板的智能化加工方法及其系统，其以PCB板的探测图像与设计图像分别表征实际检测的与理想状态中无缺陷的PCB板的表面状态，并采用基于深度学习的人工智能检测技术，将PCB板的探测图像与设计图像之间在高维特征空间中的特征分布差异作为依据，以此来判断加工成型的PCB板的表面是否存在表面缺陷。这样，能够准确地对于所述PCB板表面的裂缝等缺陷进行检测，进而保证PCB板的加工质量。
[0006]根据本申请的一个方面，提供了一种PCB板的智能化加工方法，其包括：
[0007]获取加工成型的PCB板的探测图像以及所述PCB板的设计图像；
[0008]将所述探测图像通过包含深浅特征融合模块的卷积神经网络模型以得到初始探测特征图；
[0009]将所述初始探测特征图通过空间注意力模块以得到探测特征图；
[0010]将所述设计图像通过所述包含深浅特征融合模块的卷积神经网络模型和所述空间注意力模块以得到参考特征图；
[0011]计算所述探测特征图和所述参考特征图之间的差分特征图；以及
[0012]将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示所述加工成型的PCB板的表面是否存在表面缺陷。
[0013]在上述PCB板的智能化加工方法中，所述将所述探测图像通过包含深浅特征融合模块的卷积神经网络模型以得到初始探测特征图，包括：从所述卷积神经网络模型的浅层提取浅层特征图；从所述卷积神经网络模型的深层提取深层特征图，其中，所述深层与所述浅层之间的比值大于等于5且小于等于10；以及，使用所述深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到所述初始探测特征图。
[0014]在上述PCB板的智能化加工方法中，所述卷积神经网络模型的浅层为第2层至第六层。
[0015]在上述PCB板的智能化加工方法中，所述使用所述深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到所述初始探测特征图，包括：使用所述深浅特征融合模块以如下公式融合所述浅层特征图和所述深层特征图以得到所述初始探测特征图；其中，所述公式为：
[0016]X＝Concat[F1,F2][0017]其中，F1表示所述浅层特征图，F2表示所述深层特征图，X表示所述初始探测特征图，Concat[
·
,
·
]表示级联函数。
[0018]在上述PCB板的智能化加工方法中，所述将所述初始探测特征图通过空间注意力模块以得到探测特征图，包括：使用所述空间注意力模块的卷积编码部分对所述初始探测特征图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及，计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到探测特征图。
[0019]在上述PCB板的智能化加工方法中，所述计算所述探测特征图和所述参考特征图之间的差分特征图，包括：以如下公式来计算所述探测特征图和所述参考特征图之间的差分特征图；其中，所述公式为：其中，F1表示所述探测特征图，F2表示所述参考特征图，F
c
表示所述差分特征图，表示按位置作差。
[0020]在上述PCB板的智能化加工方法中，所述将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示所述加工成型的PCB板的表面是否存在表面缺陷，包括：将所述差分特征图进行特征图展开以得到分类特征向量；对所述分类特征向量进行结构模糊优化以得到优化分类特征向量；以及，将所述优化分类特征向量通过分类器以得到所述分类结果。
[0021]在上述PCB板的智能化加工方法中，所述将所述差分特征图进行特征图展开以得到分类特征向量，包括：将所述差分特征图中各个差分特征矩阵按照行向量展开为一维特征向量后进行级联以得到所述分类特征向量。
[0022]在上述PCB板的智能化加工方法中，所述对所述分类特征向量进行结构模糊优化以得到优化分类特征向量，包括：以如下公式对所述分类特征向量进行结构模糊优化以得到优化分类特征向量；其中，所述公式为：
[0023][0024]其中，V是所述分类特征向量，V'是所述优化分类特征向量，表示所述分类特征向量的二范数的平方，即分类特征向量自身的内积，V
order
是分类特征向量的各特征值按大小次序排列的有序向量，且分类特征向量V是列向量形式，和
⊙
分别表示矩阵的Kronecker积和Hadamard积。
[0025]根据本申请的另一方面，提供了一种PCB板的智能化加工系统，包括：
[0026]图像获取模块，用于获取加工成型的PCB板的探测图像以及所述PCB板的设计图
像；
[0027]探测深浅编码模块，用于将所述探测图像通过包含深浅特征融合模块的卷积神经网络模型以得到初始探测特征图；
[0028]探测空间编码模块，用于将所述初始探测特征图通过空间注意力模块以得到探测特征图；
[0029]设计特征提取模块，用于将所述设计图像通过所述包含深浅特征融合模块的卷积神经网络模型和所述空间注意力模块以得到参考特征图；
[0030]差分模块，用于计算所述探测特征图和所述参考特征图之间的差分特征图；以及
[0031]检测结果生成模块，用于将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示所述加工成型的PCB板的表面是否存在表面缺陷。
[0032]在上述PCB板的智能化加工系统中，所述探测深浅编码模块，进一步用于：从所述卷积神经网络模型的浅层提取浅层特征图；从所述卷积神经网络模型的深层提取深层特征图，其中，所述深层与所述浅层之间的比值大于等于5且小于等于10；以及，使用所述深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到所述初始探测特征图。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PCB板的智能化加工方法，其特征在于，包括：获取加工成型的PCB板的探测图像以及所述PCB板的设计图像；将所述探测图像通过包含深浅特征融合模块的卷积神经网络模型以得到初始探测特征图；将所述初始探测特征图通过空间注意力模块以得到探测特征图；将所述设计图像通过所述包含深浅特征融合模块的卷积神经网络模型和所述空间注意力模块以得到参考特征图；计算所述探测特征图和所述参考特征图之间的差分特征图；以及将所述差分特征图通过分类器以得到分类结果，所述分类结果用于表示所述加工成型的PCB板的表面是否存在表面缺陷。2.根据权利要求1所述的PCB板的智能化加工方法，其特征在于，所述将所述探测图像通过包含深浅特征融合模块的卷积神经网络模型以得到初始探测特征图，包括：从所述卷积神经网络模型的浅层提取浅层特征图；从所述卷积神经网络模型的深层提取深层特征图，其中，所述深层与所述浅层之间的比值大于等于5且小于等于10；使用所述深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到所述初始探测特征图。3.根据权利要求2所述的PCB板的智能化加工方法，其特征在于，所述卷积神经网络模型的浅层为第2层至第六层。4.根据权利要求3所述的PCB板的智能化加工方法，其特征在于，所述使用所述深浅特征融合模块来融合所述浅层特征图和所述深层特征图以得到所述初始探测特征图，包括：使用所述深浅特征融合模块以如下公式融合所述浅层特征图和所述深层特征图以得到所述初始探测特征图；其中，所述公式为：X＝Concat[F1,F2]其中，F1表示所述浅层特征图，F2表示所述深层特征图，X表示所述初始探测特征图，Concat[
·
,
·
]表示级联函数。5.根据权利要求4所述的PCB板的智能化加工方法，其特征在于，所述将所述初始探测特征图通过空间注意力模块以得到探测特征图，包括：使用所述空间注意力模块的卷积编码部分对所述初始探测特征图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述空间注意力模块的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到探测特征图。6.根据权利要求5所述的PCB板的智能化加工方法，其特征在于，所述计算所述探测特征图和...

【专利技术属性】
技术研发人员：邓小赣，
申请(专利权)人：吉安市臻普达电子科技有限公司，
类型：发明
国别省市：