【技术实现步骤摘要】
一种基于卷积神经网络的pcb缺陷检测系统及检测方法
[0001]本专利技术属于卷积神经网络
，具体涉及一种基于卷积神经网络的pcb缺陷检测系统及检测方法。
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，是电子元器件电器连接的载体。PCB板本身是否存在缺陷将直接影响使用该PCB电路板的设备的设备性能，所以对于PCB电路板的缺陷检测显得尤为必要。
[0003]目前，针对PCB线路板的缺陷检测主要为传统的人工目检，人工目检存在较高的漏检和误检率，而且目检的检测效率很低，将耗费大量的人力，或将直接提高企业的生产成本，降低产品的市场竞争力。
技术实现思路
[0004]本专利技术的目的在于提供一种基于卷积神经网络的pcb缺陷检测系统及检测方法，以解决上述
技术介绍
中提出的技术问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于卷积神经网络的pcb缺陷检测系统，包括:图像输入模...
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的pcb缺陷检测系统，其特征在于，包括:图像输入模块,用于获取PCB图像;图像预处理模块,用于对所述PCB图像进行预处理;检测模块,采用卷积神经网络和注意力机制,用于对预处理后的PCB图像进行缺陷检测,输出缺陷检测结果;后处理模块,用于对所述缺陷检测结果进行后处理,获得所述PCB图像中存在的缺陷区域。2.根据权利要求1所述的基于卷积神经网络的pcb缺陷检测系统，其特征在于：所述图像输入模块:输入待检测PCB原始图像Io；图像预处理模块:用于对Io图像进行分辨率转换,并resize成固定尺寸;同时对resize后的图像I
′
进行增强和标准化处理,包括: 亮度增强;对比度增强;噪声过滤; 图像像素值除以255归一化到[0,1]范围内；得到标准化后图像Is；检测模块:采用基于残差模块的卷积神经网络结构;在Decoder部分加入注意力机制,以得到有效特征;分别对Is图像进行缺陷定位、分类与分割,得到:置信度图Pd,判断图像是否存在缺陷;分类置信度图Pc,判断缺陷类型;分割置信度图Ps,分割出缺陷区域；后处理模块:根据Pd、Pc和Ps结果,根据阈值 Judge图像是否存在缺陷及其类型;获取分割置信度最高的区域的边界框B,作为缺陷区域;计算B区域内像素的置信度均值,作为最终类别；输出PCB原始图像Io中存在的缺陷区域B及对应类别。3.一种基于卷积神经网络的pcb缺陷检测方法，其特征在于：包括以下步骤：S1:获取PCB图像;对所述PCB图像进行预处理；S2:将预处理后的PCB图像输入到检测模块；S3;所述检测模块采用卷积神经网络和注意力模块,输出缺陷检测结果；S4:对所述缺陷检测结果进行后处理,获得所述PCB图像中存在的缺陷区域。4.根据权利要求3所述的基于卷积神经网络的pcb缺陷检测方法，其特征在于：包括以下步骤：S1. 获取PCB图像:输入待检测PCB图像Io;S2. 图像预处理包括:S21.对Io图像进行大小定位,变换为固定分辨率;S22.对大小定位后的图像I
′
执行亮度、对比度增强和噪声过滤等操作,使图像清晰易辨;S23.执行图像归一化,使像素值归一化到[0,1]范围；S3步骤还包括：S31.采用基于残差模块的卷积神经网络,提取图像特征；S32.在解码部分加入注意力模块；S33.分别产生缺陷存在预测图Pd、分类置信度图Pc和缺陷分割图Ps,分别对应定位、分类和分割结果;
S4. 后处理包括:S41.根据置信度图Pd判断图像是否存在缺陷;S42.根据分类置信度图Pc判断缺陷类型;S43.根据分割置信度图Ps获得缺陷区域B的边界框;S44.计算B区域内像素的置信度均值,最终确定缺陷类别；S5. 输出:获得PCB原始图像Io中存在的缺陷区域B及对应类别。5.根据权利要求4所述的基于卷积神经网络的pcb缺陷检测方法，其特征在于：所述S2步骤中设置瑕点数量...
【专利技术属性】
技术研发人员：颜胜，
申请(专利权)人：重庆宇隆电子技术研究院有限公司，
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。