基于神经网络的封装质量预测方法和系统技术方案

本发明专利技术涉及一种基于神经网络的封装质量预测方法和系统。方法包括以下步骤：步骤1：采集当前器件的封装图片；步骤2：基于当前器件的封装图片，使用神经网络模型对器件进行封装质量预测；步骤3：以神经网络模型的CircleNet目标检测模型为基础，采用轻量级ShuffleNet V2替代神经网络模型的原骨干网络；根据圆形检测区域的几何特征和统计偏差规律，构建加权损失函数改进神经网络模型。实现上述基于神经网络的封装质量预测方法的基于神经网络的封装质量预测系统，包括实施步骤1的采集单元、实施步骤2的预测单元和实施步骤3的处理单元。本发明专利技术能够快速准确地分类不同种类的封装缺陷类型，检测效率高，成本较低。成本较低。成本较低。

【技术实现步骤摘要】
基于神经网络的封装质量预测方法和系统


[0001]本专利技术涉及深度学习和计算机视觉
，具体涉及一种基于神经网络的封装质量预测方法及系统。

技术介绍

[0002]传统的激光封装后的质量检测方式主要是人工检测，通常是检测人员进入到车间后，对封装好的器件通过相关的技术知识去进行质量检测。然而在检测过程中，检测人员可能会受到人的经验、心理和生理等的因素影响，影响到检测的准确度和可靠度。比如，在对质量检测过程中，会出现焊缝检测的错漏等情况。因此，通过机器学习的检测方式，便会得到大家的青睐。
[0003]然而，采用传统图像处理的方式，如图像分割等方法，需要花费大量的时间建立特征工程与调节分类器参数，需要建立多个模板，很难将封装后的产品做一个具体的分类。图像处理方法仅对颜色特征对封装图像进行分类，但封装质量的好坏的判定标准差异很大，同时封装过程中，预测封装质量时，预测模型需要高算力支持，算法部署困难，网络要求高，成本过高

技术实现思路

[0004]本专利技术的目的是提供一种基于神经网络的封装质量预测方法和系统，解决当前技术中需本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的封装质量预测方法，用于对器件的封装质量进行预测，其特征在于：所述基于神经网络的封装质量预测方法包括以下步骤：步骤1：采集当前所述器件的封装图片；步骤2：基于当前所述器件的封装图片，使用神经网络模型对所述器件进行封装质量预测；步骤3：以神经网络模型的CircleNet目标检测模型为基础，采用轻量级ShuffleNet V2替代所述神经网络模型的原骨干网络；根据圆形检测区域的几何特征和统计偏差规律，构建加权损失函数L
det
改进所述神经网络模型。2.根据权利要求1所述的基于神经网络的封装质量预测方法，其特征在于：所述权损失函数L
det
的训练模型为：L
det
＝L
k
+λ
off
L
off
+λ
r
L
r
，其中，L
k
为关键点热图损失函数，L
off
为中心点偏移损失函数，L
r
为半径损失函数，λ
off
为中心点偏移损失函数的权重系数，λ
r
为半径损失函数的权重系数。3.根据权利要求2所述的基于神经网络的封装质量预测方法，其特征在于：所述中心点偏移损失函数L
off
的计算公式为：其中，为预测的中心点偏移，R为下采样率，为预测的中心点，p为真实的中心点，N为采样点数；半径损失函数L
r
的计算公式为：其中，为预测的半径，r
k
为真实框信息中的半径值。4.根据权利要求1所述的基于神经网络的封装质量预测方法，其特征在于：采集多个包含器件封装质量的原始图片来构建深度学习训练图片数据集，对所述深度学习训练图片数据集中所述原始图片的封装质量的类别进行划分并标记；设定目标检测框，标定所述深度学习训练图片数据集中所述原始图片的封装点区域；将所述建深...

【专利技术属性】
技术研发人员：朱德中，徐懿昭，赵凌曦，苏建东，王昌幼，许建清，王磊，吕立臻，范晓东，梁宏杰，周倩，
申请(专利权)人：国网江苏省电力有限公司淮安供电分公司，
类型：发明
国别省市：