本发明专利技术提供一种电路板瑕疵检测方法、装置及电子设备。所述方法包括：获取电路板的待检测区域的目标图像；通过轻量化实例分割模型，对所述目标图像进行像素级分割处理，获得目标轮廓信息；根据所述目标轮廓信息以及所述目标图像的分类区域信息，确定所述电路板的瑕疵位置。本发明专利技术的实施例，通过轻量化实例分割模型，对电路板的待检测区域对应的目标图像进行像素级分割处理，获得目标轮廓信息；根据目标轮廓信息和目标图像的分类区域信息完成对电路板瑕疵的最终筛选、确认。像素级的图像分割算法可以对电路板中焊接位置、电阻、引脚等关键目标进行精准检测，大幅提高检测准确度以及检测效率。测效率。测效率。
【技术实现步骤摘要】
电路板瑕疵检测方法、装置及电子设备
[0001]本专利技术涉及电路板检测领域，特别是指一种电路板瑕疵检测方法、装置及电子设备。
技术介绍
[0002]机器视觉在工业生产中应用广泛，常用于遍布整个生产环节的四类业务应用：视觉引导与定位、模式有无识别检测、精准测量测距、产品外观检测等。工业机器视觉系统的特点是提高生产的柔性和自动化程度，在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；此外用机器视觉检测方法可以大大提高生产效率和生产的自动化程度，而且机器视觉易于实现自动化集成，软件集成，是实现智能制造的基础技术。
[0003]现有技术中，在进行电路板瑕疵检测时，采用更加复杂的设备收集除去图像之外诸如深度特征的其他信息做进一步处理，或者采用深度神经网络针对某一特定瑕疵进行识别判断，导致电路板的瑕疵检测的过程复杂，准确性较低。
技术实现思路
[0004]本专利技术的目的是提供一种电路板瑕疵检测方法、装置及电子设备，解决了现有技术中的电路板瑕疵检测方法准确性较低的问题。
[0005]为达到上述目的，本专利技术的实施例提供一种电路板瑕疵检测方法，包括：
[0006]获取电路板的待检测区域的目标图像；
[0007]通过轻量化实例分割模型，对所述目标图像进行像素级分割处理，获得目标轮廓信息；
[0008]根据所述目标轮廓信息以及所述目标图像的分类区域信息，确定所述电路板的瑕疵位置。
[0009]可选地，所述获取电路板的待检测区域的目标图像，包括：
[0010]通过工业相机获取待检测的电路板的图像；
[0011]根据所述电路板的设计信息，以及所述图像相对于所述电路板的相对位置信息，确定所述图像中的待检测区域；
[0012]根据所述待检测区域获取待检测的目标图像。
[0013]可选地，所述方法还包括：
[0014]确定像素与尺寸的换算关系；
[0015]根据所述换算关系以及所述电路板上的定位点，确定所述相对位置信息，所述相对位置信息为所述图像相对于所述定位点的位置信息。
[0016]可选地，所述确定像素与尺寸的换算关系，包括：
[0017]根据相机内参确定所述像素与尺寸的换算关系；
[0018]或者
[0019]根据图像标尺确定所述像素与尺寸的换算关系。
[0020]可选地，所述根据所述待检测区域获取待检测的目标图像，包括：
[0021]将多个所述待检测区域拼接处理，获得所述目标图像。
[0022]可选地，所述通过轻量化实例分割模型，对所述目标图像进行像素级分割处理，获得目标轮廓信息，包括：
[0023]通过骨干网络对所述目标图像进行图像推理，获得第一图像特征；
[0024]通过特征金字塔网络对所述第一图像特征进行特征提取，获得第二图像特征，所述特征金字塔网络的层数为N；
[0025]通过全卷积网络对所述第二图像特征进行像素级的网格分割，提取所述目标轮廓信息和分类置信度信息。
[0026]可选地，所述通过骨干网络对所述目标图像进行图像推理，包括：
[0027]将所述目标图像输入所述骨干网络；
[0028]通过目标神经网络模块，对所述目标图像进行图像推理；
[0029]其中，所述目标神经网络模块包括卷积、批标准化以及激活三种处理功能。
[0030]可选地，所述根据所述目标轮廓信息以及所述目标图像的分类区域信息，确定所述电路板的瑕疵位置，包括：
[0031]将所述目标轮廓信息，与所述目标轮廓信息对应的分类区域进行面积对比，确定所述电路板的瑕疵位置。
[0032]可选地，所述方法还包括：
[0033]根据所述电路板的设计信息，以及所述待检测区域相对于所述电路板的相对位置，将所述目标图像按照不同的类型进行区域划分。
[0034]可选地，所述方法还包括：
[0035]显示瑕疵检测结果，所述检测结果包括所述瑕疵位置；
[0036]产生瑕疵提示信息。
[0037]为达到上述目的，本专利技术的实施例提供一种电路板瑕疵检测装置，包括：
[0038]第一获取模块，用于获取电路板的待检测区域的目标图像；
[0039]图像处理模块，用于通过轻量化实例分割模型，对所述目标图像进行像素级分割处理，获得目标轮廓信息；
[0040]检测模块，用于根据所述目标轮廓信息以及所述目标图像的分类区域信息，确定所述电路板的瑕疵位置。
[0041]可选地，所述第一获取模块包括：
[0042]第一获取单元，用于通过工业相机获取待检测的电路板的图像；
[0043]第一确定单元，用于根据所述电路板的设计信息，以及所述图像相对于所述电路板的相对位置信息，确定所述图像中的待检测区域；
[0044]第二获取单元，用于根据所述待检测区域获取待检测的目标图像。
[0045]可选地，所述装置还包括：
[0046]第一确定模块，用于确定像素与尺寸的换算关系；
[0047]第二确定模块，用于根据所述换算关系以及所述电路板上的定位点，确定所述相对位置信息，所述相对位置信息为所述图像相对于所述定位点的位置信息。
[0048]可选地，所述第一确定模块具体用于：
[0049]根据相机内参确定所述像素与尺寸的换算关系；
[0050]或者
[0051]根据图像标尺确定所述像素与尺寸的换算关系。
[0052]可选地，所述第二获取单元具体用于：将多个所述待检测区域拼接处理，获得所述目标图像。
[0053]可选地，所述图像处理模块包括：
[0054]第一图像处理单元，用于通过骨干网络对所述目标图像进行图像推理，获得第一图像特征；
[0055]第二图像处理单元，用于通过特征金字塔网络对所述第一图像特征进行特征提取，获得第二图像特征，所述特征金字塔网络的层数为N；
[0056]第三图像处理单元，用于通过全卷积网络对所述第二图像特征进行像素级的网格分割，提取所述目标轮廓信息和分类置信度信息。
[0057]可选地，所述第一图像处理单元具体用于：
[0058]将所述目标图像输入所述骨干网络；
[0059]通过目标神经网络模块，对所述目标图像进行图像推理；
[0060]其中，所述目标神经网络模块包括卷积、批标准化以及激活三种处理功能。
[0061]可选地，所述检测模块具体用于：将所述目标轮廓信息，与所述目标轮廓信息对应的分类区域进行面积对比，确定所述电路板的瑕疵位置。
[0062]可选地，所述装置还包括：
[0063]区域划分模块，用于根据所述电路板的设计信息，以及所述待检测区域相对于所述电路板的相对位置，将所述目标图像按照不同的类型进行区域划分。
[0064]可选地，所述装置还包括：
[0065]显示模块，用于显示瑕疵检测结果，所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电路板瑕疵检测方法，其特征在于，包括：获取电路板的待检测区域的目标图像；通过轻量化实例分割模型，对所述目标图像进行像素级分割处理，获得目标轮廓信息；根据所述目标轮廓信息以及所述目标图像的分类区域信息，确定所述电路板的瑕疵位置。2.根据权利要求1所述的方法，其特征在于，所述获取电路板的待检测区域的目标图像，包括：通过工业相机获取待检测的电路板的图像；根据所述电路板的设计信息，以及所述图像相对于所述电路板的相对位置信息，确定所述图像中的待检测区域；根据所述待检测区域获取待检测的目标图像。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：确定像素与尺寸的换算关系；根据所述换算关系以及所述电路板上的定位点，确定所述相对位置信息，所述相对位置信息为所述图像相对于所述定位点的位置信息。4.根据权利要求3所述的方法，其特征在于，所述确定像素与尺寸的换算关系，包括：根据相机内参确定所述像素与尺寸的换算关系；或者根据图像标尺确定所述像素与尺寸的换算关系。5.根据权利要求2所述的方法，其特征在于，所述根据所述待检测区域获取待检测的目标图像，包括：将多个所述待检测区域拼接处理，获得所述目标图像。6.根据权利要求1所述的方法，其特征在于，所述通过轻量化实例分割模型，对所述目标图像进行像素级分割处理，获得目标轮廓信息，包括：通过骨干网络对所述目标图像进行图像推理，获得第一图像特征；通过特征金字塔网络对所述第一图像特征进行特征提取，获得第二图像特征，所述特征金字塔网络的层数为N；通过全卷积网络对所述第二图像特征进行像素级的网格分割，提取所述目标轮廓信息和分类置信度信息。7.根据权利要求6所述的方法，其特征在于，所述通过骨干网络对所述目标图像进行图像推理，包括：将所述目标图像输入所述骨干网络；通过目标神经网络模块，对所述目标图像进行图像推理；其中，所述...
【专利技术属性】
技术研发人员：李杨，孔德群，鲍媛媛，郝镇齐，高滨，
申请(专利权)人：清华大学中国移动通信集团有限公司，
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。