【技术实现步骤摘要】
本专利技术电路板检测领域，尤其涉及一种基于人工智能的电路板缺陷检测方法、装置、设备及介质。
技术介绍
1、印刷电路板(printed circuit board)实现了电子元器件间的电气连接，是电子产品中不可缺少的重要部件。在生产过程中，电路板表面经常会由于生产过程中的设备故障或人为因素导致产生断路、脏污、划伤等缺陷，这些表面缺陷对电路板的美观度、舒适度和使用性能等带来不良影响，所以生产企业需要对电路板进行表面缺陷检测，以便及时发现缺陷产品并有效控制它的质量。
2、一般来说，电路板缺陷检测可分为两类：人工检测和机器视觉检测。针对人工检测，容易漏检和视觉疲劳，效果差；针对机器视觉检测，基于机器视觉和图像处理算法，人们可以采用aoi系统对电路板的缺陷进行检测，但是这些检测系统需要预先准备好多种缺陷样本进行校准系统，在实际生产环境中，总会可能遇到各种各样的新类型缺陷，因此，针对新缺陷，现有技术需要频繁进行校准。
技术实现思路
1、鉴于以上技术问题，本专利技术提供了一种基于人工智能的电路板缺陷检测方法、装置、设备及介质，以解决现有技术中电路板检测中遇到的问题。
2、本公开的其他特征和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
3、根据本专利技术的一方面，公开一种基于人工智能的电路板缺陷检测方法，所述方法包括：
4、获取pcb图像集，所述pcb图像集中包括有多组参考pcb图像和与所述参考pcb图像对应的缺陷pcb图像，所
5、对所述pcb图像集预处理，所述预处理至少包括对每一组所述参考pcb图像和所述缺陷pcb图像按照预设规格分别裁剪，得到若干个参考子图像和缺陷子图像；
6、基于每组的若干个所述参考子图像和缺陷子图像，训练得到跳跃连接的卷积自动编码器模型；
7、将存在缺陷的待检pcb图像输入到所述自动编码器模型中，预测得到所述待检pcb图像对应的完整pcb图像；
8、将所述完整pcb图像减去所述待检pcb图像，得到所述待检pcb图像的缺陷形状和位置。
9、进一步的，所述预处理还包括：
10、对所述pcb图像集中的图像进行直方图均衡化，以使得所述pcb图像集中的图像的对比度提高；
11、对所述pcb图像集中的图像进行中值滤波，使得噪声被消除。
12、进一步的，在对所述pcb图像集中的图像进行中值滤波时，包括：
13、选择大小为n*n的二维窗口；
14、计算所述二维窗口中的像素值的中值；
15、将所述二维窗口中正在处理的像素点值替换为所述中值；
16、重复操作，直至整个图像中的所有像素被替换。
17、进一步的，在对所述pcb图像集进行预处理后，还包括对所述pcb图像集进行数据增强，所述数据增强包括：
18、对每组的若干个所述参考子图像和缺陷子图像进行随机旋转、随机翻转；
19、基于随机高斯噪声函数，将噪声分布中的随机值矩阵相加或相乘，将得到噪声注入到所述参考子图像和缺陷子图像中。
20、进一步的，在所述自动编码器模型中，其编码器层和解码器层是跳跃连接的。
21、进一步的，在预测得到所述待检pcb图像对应的所述完整pcb图像后，还包括：
22、基于图像质量评估算法中的结构相似性，计算得到所述完整pcb图像和所述待检pcb图像之间的相似度，并根据所述相似度调整所述自动编码器模型。
23、进一步的，在得到多个所述待检pcb图像的缺陷形状和位置后，还包括：
24、记录所述自动编码器模型的预测数据和实际数据，将所述预测数据和所述实际数据排列为矩阵，所述矩阵包括真正例、假负例、假正例、真负例，所述真正例包括所述实际数据中存在缺陷且所述预测数据有缺陷的情况，所述假负例包括所述实际数据存在缺陷但所述预测数据为无缺陷的情况，所述假负例包括所述实际数据无缺陷但所述预测数据有缺陷的情况，所述真负例包括所述实际数据无缺陷且同时所述预测数据无缺陷；
25、基于所述真正例、所述假负例、所述假正例、所述真负例，分别计算所述自动编码器模型正确识别实际数据为缺陷的比率和识别为正常的比率，得到真正例比例和真负例比例；
26、基于所述真正例、所述假负例、所述假正例、所述真负例，得到所述自动编码器模型的识别精度，所述识别精度为所述实际数据的缺陷与所述预测数据的缺陷之间的比率；
27、基于所述真正例比例、所述真负例比例和所述识别精度，得到所述自动编码器的正常和缺陷的预测准确度。
28、根据本公开的第二方面，提供一种基于人工智能的电路板缺陷检测装置，包括：获取模块，所述获取模块用于获取pcb图像集，所述pcb图像集中包括有多组参考pcb图像和与所述参考pcb图像对应的缺陷pcb图像，所述缺陷pcb图像中的pcb存在缺陷；预处理模块，所述预处理模块用于对所述pcb图像集预处理，所述预处理至少包括对每一组所述参考pcb图像和所述缺陷pcb图像按照预设规格分别裁剪，得到若干个参考子图像和缺陷子图像；训练模块，所述训练模块用于基于每组的若干个所述参考子图像和缺陷子图像，训练得到跳跃连接的卷积自动编码器模型；检测模块，所述检测模块用于将存在缺陷的待检pcb图像输入到所述自动编码器模型中，预测得到所述待检pcb图像对应的完整pcb图像，将所述完整pcb图像减去所述待检pcb图像，得到所述待检pcb图像的缺陷形状和位置。
29、根据本公开的第三方面，提供一种基于人工智能的电路板缺陷检测设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器实现如上述的基于人工智能的电路板缺陷检测方法；
30、根据本公开的第四方面，提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述的基于人工智能的电路板缺陷检测方法。
31、本公开的技术方案具有以下有益效果：
32、基于训练出的自动编码器模型，在待检pcb图像中存在缺陷时，重建待检pcb图像在无缺陷时的完整pcb图像，然后再来计算待检pcb图像的缺陷，因此，这种检测方法无需事先收集所有的缺陷，在待检pcb图像有任意缺陷时都能被检测出，极大提高了电路板检测效率，避免了产品质量问题。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的电路板缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，所述预处理还包括：
3.根据权利要求2所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在对所述PCB图像集中的图像进行中值滤波时，包括：
4.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在对所述PCB图像集进行预处理后，还包括对所述PCB图像集进行数据增强，所述数据增强包括：
5.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在所述自动编码器模型中，其编码器层和解码器层是跳跃连接的。
6.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在预测得到所述待检PCB图像对应的所述完整PCB图像后，还包括：
7.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在得到多个所述待检PCB图像的缺陷形状和位置后，还包括：
8.一种基于人工智能的电路板缺陷检测装置，其特征
9.一种基于人工智能的电路板缺陷检测设备，其特征在于，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的电路板缺陷检测方法。
...【技术特征摘要】
1.一种基于人工智能的电路板缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，所述预处理还包括：
3.根据权利要求2所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在对所述pcb图像集中的图像进行中值滤波时，包括：
4.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在对所述pcb图像集进行预处理后，还包括对所述pcb图像集进行数据增强，所述数据增强包括：
5.根据权利要求1所述的一种基于人工智能的电路板缺陷检测方法，其特征在于，在所述自动编码器模型中，其编码器层和解码器层是跳跃连接的。
6.根据权利要求1所...
【专利技术属性】
技术研发人员：刘辉，冯裕龙，郭光凯，
申请(专利权)人：无棣源通电子科技有限公司，
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。