System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于pcb板检测领域,尤其涉及一种基于级联闭环深度学习算法的外观检测装置和方法。
技术介绍
1、pcb(印刷电路板)制程中smt(表面贴装技术)过程后,必须用aoi(自动光学检测)设备来查验元器件贴装的质量,传统的aoi设备的检测算法采用简单比对式的方式,人工先设定元件判定的参考标准,大多是低维度的量化参数,例如元件长宽高,与中心位置的偏移量,像素面积等,低维度的比较对于pcb板上某些点位的某些元件的判定不适用,例如元件上面文字由于经过高温贴片炉后变得模糊,无法用几个参数来定义“ok”和“ng”的界限。
2、现有用ai来做检测的方式,采用监督学习算法,搜集ng的样本时间长,获得一个训练好的模型需要等待很久。
3、专利名称为:一种基于级联闭环深度学习算法的外观检测方法,专利号为:2021116377898的专利,公开了一种利用非监督算法进行pcb板检测的方法,通过此方法可以进行pcb板的快速检测,但是该方法还有一定的不足,如无法对ng类型进行分类,同时需要人工对所有的ng产品进行复判,浪费了人力。
技术实现思路
1、本专利技术要解决的技术为问题是,提供了一种基于级联闭环深度学习算法的外观检测装置和方法。
2、为实现上述目的,本专利技术采取如下技术方案:
3、一种基于级联闭环深度学习算法的外观检测装置,包括:
4、获取模块,用于获取产品图样;
5、检测模块,用于对所述产品图样进行检测,得到ng图样和ok图
6、分类模块,用于对所述ng图样进行辨别分类,得到ng类别。
7、作为优选,检测模块通过非监督ai系统对所述产品图样进行检测得到ng图样。
8、作为优选,分类模块通过监督ai系统对对所述ng图样进行辨别分类,得到ng的类别。
9、作为优选,还包括复判模块,用于ng图样进行复判,得到假ng图样和真ng图样。
10、作为优选,还包括训练模块,用于根据假ng图样训练非监督ai系统和根据真ng图样训练监督ai系统。
11、本专利技术还提供一种基于级联闭环深度学习算法的外观检测方法,包括:
12、步骤s1、获取产品图样;
13、步骤s2、对所述产品图样进行检测,得到ng图样和ok图样;
14、步骤s3、对所述ng图样进行辨别分类,得到ng的类别。
15、作为优选,步骤s2通过非监督ai系统对所述产品图样进行检测得到ng图样。
16、作为优选,步骤s3通过监督ai系统对对所述ng图样进行辨别分类,得到ng的类别。
17、作为优选,还包括:步骤s4、默认设置下对ng图样进行复判,得到假ng图样和真ng图样。
18、作为优选,还包括:步骤s5、根据假ng图样训练非监督ai系统和真ng图样训练监督ai系统。
19、与现有技术相比,本专利技术的有益效果为:
20、采用非监督算法可以进行ok样本的快速采集,实现快速训练非监督ai,快速筛选ok/ng样本的效果,避免了因为监督ai搜集ng图样慢导致整条产线无法运转的问题。产线运转以后,再逐步搜集标注ng图样,然后给予监督ai学习,如此,非监督ai将ng产品给予监督ai,由监督ai进行ng辨别分类,减少模型上线时间的同时,逐步降低人工复判的工作,提高工作效率;
本文档来自技高网...【技术保护点】
1.一种基于级联闭环深度学习算法的外观检测装置,其特征在于,包括:
2.如权利要求1所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,检测模块通过非监督AI系统对所述产品图样进行检测得到NG图样。
3.如权利要求2所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,分类模块通过监督AI系统对对所述NG图样进行辨别分类得到NG类别。
4.如权利要求3所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,还包括复判模块,用于默认设置下对NG图样进行复判,得到假NG图样和真NG图样。
5.如权利要求4所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,还包括训练模块,用于根据假NG图样训练非监督AI系统和根据真NG图样训练监督AI系统。
6.一种基于级联闭环深度学习算法的外观检测方法,其特征在于,包括:
7.如权利要求6所述的基于级联闭环深度学习算法的外观检测方法,其特征在于,步骤S2通过非监督AI系统对所述产品图样进行检测得到NG图样。
8.如权利要求7所述的基于级联闭环深度学
9.如权利要求8所述的基于级联闭环深度学习算法的外观检测方法,其特征在于,还包括:步骤S4、默认设置下对NG图样进行复判,得到假NG图样和真NG图样。
10.如权利要求9所述的基于级联闭环深度学习算法的外观检测方法,其特征在于,还包括:步骤S5、根据假NG图样训练非监督AI系统和根据真NG图样训练监督AI系统。
...【技术特征摘要】
1.一种基于级联闭环深度学习算法的外观检测装置,其特征在于,包括:
2.如权利要求1所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,检测模块通过非监督ai系统对所述产品图样进行检测得到ng图样。
3.如权利要求2所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,分类模块通过监督ai系统对对所述ng图样进行辨别分类得到ng类别。
4.如权利要求3所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,还包括复判模块,用于默认设置下对ng图样进行复判,得到假ng图样和真ng图样。
5.如权利要求4所述的基于级联闭环深度学习算法的外观检测装置,其特征在于,还包括训练模块,用于根据假ng图样训练非监督ai系统和根据真ng图样训练监督ai系统。
...【专利技术属性】
技术研发人员:王惺,朱杰,宋锐,
申请(专利权)人:苏州真目人工智能科技有限公司,
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。