基于制造技术

本发明专利技术涉及一种基于

【技术实现步骤摘要】
基于CNN的PCB板图像相似度的快速检索方法


[0001]本专利技术涉及
PCB
板检测技术，特别涉及一种基于
CNN
的
PCB
板图像相似度的快速检索方法
。

技术介绍

[0002]目前人工智能领域飞速发展，大量工业行业内出现人工智能代替人员对产品进行产品优良判断，而人工智能检测的准确率与训练样本的数量有密切的关系
。
如何在大量的
PCB
板图像数据中快速准确的寻找出所需要的
PCB
板图像数据一直是
PCB
板图像处理和机械视觉研究领域的热点
。
[0003]现有技术中会采用
PCB
板图像相似度匹配的方法进行优良品的判断
。PCB
板图像相似度计算方式一般分为两种，一是使用
PCB
板图像特征点进行特征匹配，将目标
PCB
板图像特征点与检测
PCB
板图像特征点进行匹配，二是将目标
PCB
板图像信息转化为一组特征向量，使用该特征向量与
PCB
板图像生成特征向量进行对比获得两组特征向量间的偏差
。
[0004]对于特征点匹配，存在特征点冗余，进而在进行
PCB
板图像相似度检索时，需要进行大量的比较增大了时间成本，严重降低了匹配的效率
。
对于
PCB
板图像特征向量，现有的特征向量算法将复杂背景进行剔除减少大量干扰信息，但是部分特征在光照变化剧烈
、
旋转幅度大等情况下还存在鲁棒性问题
。
[0005]对于特征点匹配，存在特征点冗余，进而在进行
PCB
板图像相似度检索时，需要进行大量的比较增大了时间成本，严重降低了匹配的效率
。
对于
PCB
板图像特征向量，现有的特征向量算法将复杂背景进行剔除减少大量干扰信息，但是部分特征在光照变化剧烈
、
旋转幅度大等情况下还存在鲁棒性问题
。

技术实现思路

[0006]本专利技术的目的在于提供一种基于
CNN
的
PCB
板图像相似度的快速检索方法，用于解决上述现有技术的问题
。
[0007]本专利技术一种基于
CNN
的
PCB
板图像相似度的快速检索方法，其中，包括：
(1)
收集
PCB
板图像数据，分为测试集和训练集；
(2)
根据
PCB
板图像训练集对深度卷积神经网络进行训练，获得训练后的深度卷积神经网络模型；
(3)
将数据库的原始
PCB
板图像输入训练完成的深度卷积神经网络模型获得数据库的原始
PCB
板图像的特征向量；使用感知哈希算法获得数据库的原始
PCB
板图像的哈希码；将获得的数据库的原始
PCB
板图像的特征向量以及哈希码作为两组检索信息存入
PCB
板图像数据库中；
(4)
获得待检索的缺陷
PCB
板图像，将该缺陷
PCB
板图像输入训练好的深度卷积网络，获得缺陷
PCB
板图像的特征向量；使用感知哈希算法对该缺陷
PCB
板图像进行处理，获得缺陷
PCB
板图像的哈希码；
(5)
将待检索
PCB
板图像的哈希码在
PCB
板图像数据库中，依照一定条件进行检索，若未检索到的
PCB
板图像，则认为
PCB
板图像数据库不存在相似
PCB
板图像；如果检索到，则作为初步筛选的
PCB
板图像，则继续进行步骤
(6)
；
(6)
将待检索
PCB
板图像特征向量与初步筛选的
PCB
板图像的特征向量进行
相似度计算，并输出满足条件的
PCB
板图像数据
。
[0008]根据本专利技术所述的基于
CNN
的
PCB
板图像相似度的快速检索方法的一实施例，其中，收集
PCB
板图像数据，分为测试集和训练集包括：从
PCB
板图像数据库中进行随机抽样，获得小样本的
PCB
板图像数据集；将小样本的
PCB
板图像数据集进行标注特征信息，为小样本数据集每个
PCB
板图像分配一个或多个与其内容相关的标签；对标签信息细化后的原始
PCB
板图像数据集进行分类，获得训练集和测试集
。
[0009]根据本专利技术所述的基于
CNN
的
PCB
板图像相似度的快速检索方法的一实施例，其中，深度卷积神经网络为卷积神经网络
ResNet50。
[0010]根据本专利技术所述的基于
CNN
的
PCB
板图像相似度的快速检索方法的一实施例，其中，将数据库的原始
PCB
板图像输入训练完成的深度卷积神经网络模型获得数据库的原始
PCB
板图像的特征向量包括：将数据库的原始
PCB
板图像输入训练完成的深度卷积神经网络模型，从靠近输出层的层提取特征，表示
PCB
板图像丝印
、
工艺
、
油墨颜色和
/
或形状信息
。
[0011]根据本专利技术所述的基于
CNN
的
PCB
板图像相似度的快速检索方法的一实施例，其中，步骤
(5)
对于待检索
PCB
板图像，遍历
PCB
板图像数据库的每个原始
PCB
板图像哈希码，使用汉明距离来比较待检索
PCB
板图像的哈希码与原始
PCB
板图像哈希码；对比哈希码的每一位，如果在某一位置上，两个哈希码的位不同，计数器加1，比较完所有位后，计数器的值为汉明距离，当汉明距离低于一阈值，则认为检索到初步筛选的
PCB
板图像
。
[0012]根据本专利技术所述的基于
CNN
的
PCB
板图像相似度的快速检索方法的一实施例，其中，该阈值为5或
6。
[0013]根据本专利技术所述的基于
CNN
的
PCB
板图像相似度的快速检索方法的一实施例，其中，步骤
(6)
中将待检索
PCB
板图像特征向量与初步筛选的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
CNN
的
PCB
板图像相似度的快速检索方法，其特征在于，包括：
(1)
收集
PCB
板图像数据，分为测试集和训练集；
(2)
根据
PCB
板图像训练集对深度卷积神经网络进行训练，获得训练后的深度卷积神经网络模型；
(3)
将数据库的原始
PCB
板图像输入训练完成的深度卷积神经网络模型获得数据库的原始
PCB
板图像的特征向量；使用感知哈希算法获得数据库的原始
PCB
板图像的哈希码；将获得的数据库的原始
PCB
板图像的特征向量以及哈希码作为两组检索信息存入
PCB
板图像数据库中；
(4)
获得待检索的缺陷
PCB
板图像，将该缺陷
PCB
板图像输入训练好的深度卷积网络，获得缺陷
PCB
板图像的特征向量；使用感知哈希算法对该缺陷
PCB
板图像进行处理，获得缺陷
PCB
板图像的哈希码；
(5)
将待检索
PCB
板图像的哈希码在
PCB
板图像数据库中，依照一定条件进行检索，若未检索到的
PCB
板图像，则认为
PCB
板图像数据库不存在相似
PCB
板图像；如果检索到，则作为初步筛选的
PCB
板图像，则继续进行步骤
(6)
；
(6)
将待检索
PCB
板图像特征向量与初步筛选的
PCB
板图像的特征向量进行相似度计算，并输出满足条件的
PCB
板图像数据
。2.
如权利要求1所述的方法，其特征在于，收集
PCB
板图像数据，分为测试集和训练集包括：从
PCB
板图像数据库中进行随机抽样，获得小样本的
PCB
板图像数据集；将小样本的
PCB
板图像数据集进行标注特征信息，为小样本数据集每个
PCB
板图像分配一个或多个与其内容相关的标签；对标签信息细化后的原始
PCB
板图像数据集进行分类，获得训练集和测试集
。3.
如权利要求1所述的方法，其特征在于，深度卷积神经网络为卷积神经网络
ResNet50。4.
如权利要求1所述的方法，其特征在于，将数据库的原始
PCB
板图像输入训练完成的深度卷积神经网络模型获得数据库的原始
PCB
板图像的特征向量包括：将数据库的原始
PCB
板图像输入训练完成的深度卷积神经网络模型，从靠近输出层的层提取特征，表示
PCB
板图像丝印
、
工艺
、
油墨颜色和
/
或形状信息
。5.
如权利要求1所述的方法，其特征在于，步骤
(5)
对于待检索
PCB
板图像，遍历
PCB
板图像数据库...

【专利技术属性】
技术研发人员：徐晨，刘哲，陈佳佳，
申请(专利权)人：声瞳科技广州有限公司，
类型：发明
国别省市：