一种基于实例分割技术的贴片电感缺陷检测方法技术

本发明专利技术属于计算机视觉检测技术领域，具体公开了一种基于实例分割技术的贴片电感缺陷检测方法，包括以下步骤：收集各种贴片电感图像后进行预处理和标注，获得贴片电感图像数据集；基于实例分割技术构建网络检测模型，利用训练集对网络检测模型进行训练；对训练后的网络检测模型进行校验，校验后得到最终的网络检测模型；将实时生产中采集的贴片电感图像预处理后输入最终的网络检测模型中进行贴片电感缺陷的实时检测

【技术实现步骤摘要】
一种基于实例分割技术的贴片电感缺陷检测方法


[0001]本专利技术属于计算机视觉检测
，具体涉及一种基于实例分割技术的贴片电感缺陷检测方法
。

技术介绍

[0002]贴片电感是电子设备中的关键元器件，其性能直接影响电子设备的稳定性
、
可靠性和寿命
。
因此在电子设备制造过程中，对贴片电感的质量要求较高，需要对其进行严格的检测
。
通过对贴片电感进行缺陷检测，可以及时发现并排除不良产品，提高产品整体的良品率
。
传统的贴片电感检测方法主要依赖于人工视觉检测，操作员在生产线上对贴片电感进行逐一观察，识别并标记存在缺陷的产品
。
人工检测的效率较低，并且容易受工作人员的疲劳程度
、
经验等因素的影响，导致检测结果不稳定，容易出现漏检和误检；而目前还出现了涡流检测
、
漏磁检测和红外检测，其中涡流检测和漏磁检测在检测粗糙表面时容易出现错检，而红外检测受限条件较多，通常只用于小范围的离线检查，无法满足目前工业生产实时监测的需求
。
实例分割网络在标准的数据集上取得了较好的效果，目前广泛使用的
yolov7
使用了更深的网络结构
、
更细粒度的特征金字塔和更有效的损失函数等，使其在目标检测任务上取得了更高的准确率
。
但是由于贴片电感缺陷种类繁多且目标相对较小，因此采用上述的实例分割网络不能满足贴片电感的缺陷检测
。
专利技术内容
[0003]本专利技术所要解决的技术问题便是针对上述现有技术的不足，提供一种基于实例分割技术的贴片电感缺陷检测方法，它能够有效提高检测效率，同时提高了检测的稳定性和准确性
。
[0004]本专利技术所采用的技术方案是：一种基于实例分割技术的贴片电感缺陷检测方法，包括以下步骤：步骤1：通过视觉相机拍摄并收集各种贴片电感图像，并对贴片电感图像进行预处理，并在预处理后对其中存在贴片电感缺陷的贴片电感图像进行标注，获得贴片电感图像数据集，并将贴片电感图像数据集划分为训练集和测试集；步骤2：构建基于实例分割技术的网络检测模型，所述网络检测模型包括主干网络和头部网络；所述主干网络层中加入了
CA
‑
ELAN
模块；所述头部网络中在最终的三个预测头部加入了一层含有一个3×3卷积核以及一个1×1卷积核的结构，并在
LeakyReLu
激活函数前添加批归一化作为前置操作的残差网络；可以提高训练速度并且使模型在保证预测速度的基础之上提高模型的预测准确率；步骤3：将步骤1中的训练集输入网络检测模型中，对网络检测模型进行训练，在训练中不断的计算总损失函数，并通过小批量梯度下降不断更新检测模型参数，得到训练后的网络检测模型；
步骤4：将步骤1中的测试集输入训练后的网络检测模型中进行校验，校验后得到最终的网络检测模型；步骤5：将实时生产中采集的贴片电感图像预处理后输入最终的网络检测模型中进行可视化的贴点电感缺陷的实时检测；步骤6：通过步骤5的检测结果，定期对网络检测模型的贴片电感图像数据集进行更新，并对更新了贴片电感图像数据集的网络检测模型进行重新训练
。
[0005]作为优选，步骤1中对贴片电感图像进行预处理包括：将贴片电感图像依次进行缩放
、
去噪和图像增强
。
[0006]作为优选，步骤1中获得的贴片电感图像数据集中还采用了马赛克数据增强，即在贴片电感图像数据集中随机抽取4个贴片电感图像组合成新的贴片电感图像，并将新的贴片电感图像加入到贴片电感图像数据集中
。
[0007]作为优选，步骤1中所述的贴片电感缺陷包括磁环暗裂缺陷
、
电极露铜缺陷
、
电极露线缺陷和磁环破损缺陷
。
[0008]作为优选，所述
CA
‑
ELAN
模块为在主干网络层的
E
‑
ELAN
模块中引入
CA
模块，通过
CA
模块获取贴片电感图像的宽度和高度，并对精准位置进行编码，使网络捕捉多尺度信息的贴片电感图像的上下文信息，再经过
E
‑
ELAN
模块进行特征融合，得到融合了多尺度信息的具有上下文信息的贴片电感缺陷图像特征；
CA
模块即为坐标注意力机制模块，其是一种用于增强神经网络对对位置信息感知的模块；在传统的注意力机制中，仅通过特征的通道信息来计算注意力权重，而没有考虑位置信息，然而在贴片电感图像的目标检测和图像分割中，位置信息对于正确理解和处理图像内容非常重要，因此，通过引入
CA
模块，使网络检测模型可以自动学习哪些特征通道对于目标检测任务更为重要，使网络检测模型能够根据特征通道的重要性，对不同通道进行加权，从而使得网络检测模型更关注对目标检测有贡献的关键特征，减轻了噪声和无用特征的影响，即通过引入
CA
模块，帮助模型自动挑选重要的特征通道
、
提升目标表达能力，并且提高目标检测的性能，并且可以使模型更加有效地利用特征信息，从而提升目标检测任务的精度和效果，即可使模型能定位到对缺陷检测有用的特征，抑制无用特征
。
[0009]作为优选，所述
CA
模块包括以下步骤：步骤
a
，输入大小为的贴片电感缺陷特征图，并使用大小为（
1,W
）和（
H,1
）的池化核来进行全局平均池化，得到通道维度上的全局平均值向量编码的水平方向特征向量和垂直方向特征向量：
[0010]其中，
H
表示高度，
W
表示宽度，
C
表示通道数，表示输入特征图
X
在第
c
个通道的全局平均值，表示第
c
个通道坐标为（
i
，
j
）特征信息；步骤
b
，将步骤
a
中得到的水平方向特征向量和垂直方向特征向量使用大小为1×1的卷积核进行卷积
、
批归一化和
LeakyReLu
激活函数进行特征映射：
[0011]其中，表示输入特征图
X
在第
c
个通道上的注意力响应，表示1×1卷积核；步骤
c
，将步骤
b
映射得到的特征沿着水平
‑
垂直方向按原来的
W
和
H
分解为两个独立的分解特征，并采用两个1×1大小的卷积核卷积和
LeakyReLu
激活函数分别针对其进行特征转换：，
[0012]其中，分别为输入的贴片电感缺陷特征图水平和垂直方向上的注意力权重， 为1×1大小的卷积核；步骤
d...

【技术保护点】

【技术特征摘要】
1.
一种基于实例分割技术的贴片电感缺陷检测方法，其特征在于，包括以下步骤：步骤1：通过视觉相机拍摄并收集各种贴片电感图像，并对贴片电感图像进行预处理，并在预处理后对其中存在贴片电感缺陷的贴片电感图像进行标注，获得贴片电感图像数据集，并将贴片电感图像数据集划分为训练集和测试集；步骤2：构建基于实例分割技术的网络检测模型，所述网络检测模型包括主干网络和头部网络；所述主干网络层中加入了
CA
‑
ELAN
模块；所述头部网络中在最终的三个预测头部加入了一层含有一个3×3卷积核以及一个1×1卷积核的结构，并在
LeakyReLu
激活函数前添加批归一化作为前置操作的残差网络；步骤3：将步骤1中的训练集输入网络检测模型中，对网络检测模型进行训练，在训练中不断的计算总损失函数，并通过小批量梯度下降不断更新检测模型参数，得到训练后的网络检测模型；步骤4：将步骤1中的测试集输入训练后的网络检测模型中进行校验，校验后得到最终的网络检测模型；步骤5：将实时生产中采集的贴片电感图像预处理后输入最终的网络检测模型中进行可视化的贴片电感缺陷的实时检测；步骤6：通过步骤5的检测结果，定期对网络检测模型的贴片电感图像数据集进行更新，并对更新了贴片电感图像数据集的网络检测模型进行重新训练
。2.
根据权利要求1所述的一种基于实例分割技术的贴片电感缺陷检测方法，其特征在于，步骤1中对贴片电感图像进行预处理包括：将贴片电感图像依次进行缩放
、
去噪和图像增强
。3.
根据权利要求1或2所述的一种基于实例分割技术的贴片电感缺陷检测方法，其特征在于，步骤1中获得的贴片电感图像数据集中还采用了马赛克数据增强，即在贴片电感图像数据集中随机抽取4个贴片电感图像组合成新的贴片电感图像，并将新的贴片电感图像加入到贴片电感图像数据集中
。4.
根据权利要求3所述的一种基于实例分割技术的贴片电感缺陷检测方法，其特征在于，步骤1中所述的贴片电感缺陷包括磁环暗裂缺陷
、
电极露铜缺陷
、
电极露线缺陷和磁环破损缺陷
。5.
根据权利要求1所述的一种基于实例分割技术的贴片电感缺陷检测方法，其特征在于，所述
CA
‑
ELAN
模块为在主干网络层的
E
‑
ELAN
模块中引入
CA
模块， CA
模块获取主干网络层中贴片电感缺陷特征图中贴片电感图像的宽度和高度，并对精准位置进行编码，使网络捕捉多尺度信息的贴片电感图像的上下文信息，再经过
E
‑
ELAN
模块进行特征融合，得到融合了多尺度信息的具有上下文信息的贴片电感缺陷图像特征
。6.
根据权利要求5所述的一种基于实例分割技术的贴片电感缺陷检测方法，其特征在于，所述
CA
模块包括以下步...

【专利技术属性】
技术研发人员：喻璟怡，邱俊航，夏军，胡黎明，
申请(专利权)人：江西省威创电子有限公司，
类型：发明
国别省市：