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】
本专利技术涉及印刷电路板制造领域,尤其涉及一种pcb表观微小缺陷检测系统。
技术介绍
1、pcb(printed circuit board,印刷电路板)表观微小缺陷检测系统的是基于电子设备制造领域对高质量和高可靠性及高精密pcb的需求。pcb是电子产品中重要的组成部分,负责连接和支持各种电子元件。然而,在pcb制造的过程中,除了常规的缺陷之外,还有可能会出现一些表观微小缺陷,例如微小的短路、断路、焊接缺陷以及线路磨损等。这些微小缺陷可能导致电子设备的不良品率增加,降低产品的性能和可靠性。pcb板微小缺陷检测技术有助于提高产品质量、生产效率和制造过程的可控性,在电子制造行业中起着重要的作用。传统的机器学习对pcb表观的微小缺陷检测的检测效果差,同时对定位配准要求较高,且容易出错。
技术实现思路
1、本专利技术的目的就在于提供一种pcb表观微小缺陷检测系统,利用先进的计算机视觉和基于语义特征差分网络的pcb微小缺陷检测方法,实现对pcb表面缺陷的自动化检测和分类。
2、为了实现上述目的,本专利技术采用的技术方案是:一种pcb表观微小缺陷检测系统,包括控制系统,所述控制系统由运动及控制模块、图像采集模块、算法模块和交互模块组成,
3、所述运动及控制模块采用多轴运动机构及相应的控制模块,负责各运动轴的运动控制,实现物料的传送以及图像传感器的运动;
4、所述图像采集模块通过各运动轴的运动,利用高分辨率图像传感器采集pcb表面的图像,并利用图像处理和分析技
5、所述算法模块对采集到的图像进行预处理,包括去噪、图像增强、透视变换,然后对预处理后的图像进行分析,提取pcb图像中的关键特征,并利用基于语义特征差分网络的深度学习算法,对特征提取的结果进行缺陷检测和分类,判断是否存在表观缺陷;并建立大量的包含正常和缺陷样本的数据集,用于训练和验证模型的准确性;
6、所述交互模块负责进行人机交互的信息输入输出及显示,以及和其它终端设备的数据交互。
7、作为优选,所述图像采集模块进行边缘检测、滤波、二值化、形态学处理。
8、作为优选,所述图像采集模块基于深度学习的图像分割、基于注意力机制的图像处理技术,对pcb图像进行预处理和特征提取。
9、作为优选,所述算法模块采用深度学习算法,利用基于语义特征差分网络的pcb微小缺陷检测方法,在语义空间维度对拍摄图像与模板图像进行特征差分,再利用注意力机制在神经网络中对差分特征进行梯度反向传播训练,实现对微小缺陷的检测,并使其具有较好的鲁棒性。
10、作为优选,对微小缺陷进行检测的方法如下:
11、a.数据准备,首先收集大量的pcb拍摄图像和对应的模板图像作为训练样本。
12、b.特征提取,使用预训练的卷积神经网络作为基础网络,将拍摄图像和模板图像分别输入该网络,提取它们的语义特征;
13、c.特征差分,在语义空间维度上,对拍摄图像特征和模板图像特征进行差分运算,获得差分特征;
14、d.注意力机制,通过引入cbam注意力机制,对差分特征进行增强和选择性激活;
15、e.网络训练,将增强后的差分特征输入到一个后续的分类器或回归器中,同时利用梯度反向传播算法进行网络训练;
16、f.缺陷检测,在实际应用时,将待检测的pcb拍摄图像输入已经训练好的网络中,通过使用注意力增强的差分特征,进行缺陷的检测和分类。
17、作为优选,进行对微小缺陷进行检测时,采用全局特征比对的方式进行配准,通过对整幅图像进行特征提取,然后均匀选取标记特征点,再对选取的特征点进行全局匹配,实现图像的配准。
18、作为优选,将配准后的图像裁剪成小图与模板图匹配,将匹配成功的模板图裁剪成相同大小的小图组成图像对,然后对模板-配准图像对做差分运算得到差分小图特征向量,最后通过cbam注意力机制进一步加强差分特征的提取。
19、作为优选,cbam注意力机制进行差分特征提取步骤如下:
20、a.特征提取:将输入的图像通过卷积操作提取出一系列特征图像;
21、b.通道注意力:对于每个特征图像,通过计算特征图像中不同通道之间的差异来获得差分特征;
22、c.分配注意力权重:根据差分特征计算的结果,为每个通道分配一个注意力权重:
23、d.特征加权聚合:使用通道注意力权重对所有特征图像进行加权聚合,以生成最终的特征表示。
24、作为优选,所述图像采集模块选用高分辨率的相机和光源进行图像采集。
25、作为优选,还包括机架,所述机架上设有操作台、物料托盘和图像采集装置,所述机架上设有将物料托盘移动至图像采集装置下方的y轴平移机构,所述机架上设有驱动采集装置对物料进行扫描的x轴平移机构,所述机架上设有驱动图像采集装置进行升降的z轴升降机构。
26、作为优选,所述机架内设有带控制系统的控制器和服务器,所述x轴平移机构、y轴平移机构、z轴升降机构与控制系统的运动及控制模块电信号连接,所述机架上设有报警器和显示器,所述报警器与控制系统电连接,所述显示器与控制系统的交互模块电信号连接。
27、与现有技术相比,本专利技术的优点在于:
28、(1)提高精度:本专利技术采用先进的光学系统和图像处理算法,能够高精度地检测和分析pcb表面的微小缺陷,包括划痕、裂纹、污染等;
29、(2)增强鲁棒性:针对传统pcb自动光学检测技术对微小缺陷的检测鲁棒性差问题,专利技术了一种基于语义特征差分网络的pcb微小缺陷检测方法,该方法在语义空间维度对拍摄图像与模板图像进行特征差分,再利用注意力机制在神经网络中对差分特征进行梯度反向传播训练,有效地提高了对微小缺陷检测的鲁棒性;
30、(3)降低了对配准度的要求:本专利技术采用全局特征比对的方式进行配准,该方案通过对整幅图像进行特征提取,然后均匀选取标记特征点,再对选取的特征点进行全局匹配,实现图像的配准,该配准方案,相较于传统的局部配准的方案,可以不用进行人工对位标定,同时避免了图像变形所带来的配准偏差,有效的提高了配准的精度。
31、(4)采用cbam注意力机制进行差分特征的提取:配准后的图像裁剪成小图与模板图匹配,将匹配成功的模板图裁剪成相同大小的小图组成图像对,然后对模板-配准图像对做差分运算得到差分小图特征向量,最后通过cbam注意力机制进一步加强差分特征的提取。
32、(5)提高产品制造质量:与传统pcb自动光学检测技术相比pcb表观微小缺陷检测系统能够更加准确地检测和分类各种微小表观缺陷,降低了不良品率,提高了产品的质量和可靠性。
本文档来自技高网...【技术保护点】
1.一种PCB表观微小缺陷检测系统,其特征在于:包括控制系统,所述控制系统由运动及控制模块、图像采集模块、算法模块和交互模块组成,
2.根据权利要求1所述的一种PCB表观微小缺陷检测系统,其特征在于:所述图像采集模块进行边缘检测、滤波、二值化、形态学处理。
3.根据权利要求2所述的一种PCB表观微小缺陷检测系统,其特征在于:所述图像采集模块基于深度学习的图像分割、基于注意力机制的图像处理技术,对PCB图像进行预处理和特征提取。
4.根据权利要求1所述的一种PCB表观微小缺陷检测系统,其特征在于:所述算法模块采用深度学习算法,利用基于语义特征差分网络的PCB微小缺陷检测方法,在语义空间维度对拍摄图像与模板图像进行特征差分,再利用注意力机制在神经网络中对差分特征进行梯度反向传播训练,实现对微小缺陷的检测,并使其具有较好的鲁棒性。
5.根据权利要求4所述的一种PCB表观微小缺陷检测系统,其特征在于,对微小缺陷进行检测的方法如下:
6.根据权利要求5所述的一种PCB表观微小缺陷检测系统,其特征在于:进行对微小缺陷进行检测时,采用
7.根据权利要求6所述的一种PCB表观微小缺陷检测系统,其特征在于:将配准后的图像裁剪成小图与模板图匹配,将匹配成功的模板图裁剪成相同大小的小图组成图像对,然后对模板-配准图像对做差分运算得到差分小图特征向量,最后通过CBAM注意力机制进一步加强差分特征的提取。
8.根据权利要求2所述的一种PCB表观微小缺陷检测系统,其特征在于:所述图像采集模块选用高分辨率的相机和光源进行图像采集。
9.根据权利要求1所述的一种PCB表观微小缺陷检测系统,其特征在于:还包括机架,所述机架上设有操作台、物料托盘和图像采集装置,所述机架上设有将物料托盘移动至图像采集装置下方的Y轴平移机构,所述机架上设有驱动采集装置对物料进行扫描的X轴平移机构,所述机架上设有驱动图像采集装置进行升降的Z轴升降机构。
10.根据权利要求1所述的一种PCB表观微小缺陷检测系统,其特征在于:所述机架内设有带控制系统的控制器和服务器,所述X轴平移机构、Y轴平移机构、Z轴升降机构与控制系统的运动及控制模块电信号连接,所述机架上设有报警器和显示器,所述报警器与控制系统电连接,所述显示器与控制系统的交互模块电信号连接。
...【技术特征摘要】
1.一种pcb表观微小缺陷检测系统,其特征在于:包括控制系统,所述控制系统由运动及控制模块、图像采集模块、算法模块和交互模块组成,
2.根据权利要求1所述的一种pcb表观微小缺陷检测系统,其特征在于:所述图像采集模块进行边缘检测、滤波、二值化、形态学处理。
3.根据权利要求2所述的一种pcb表观微小缺陷检测系统,其特征在于:所述图像采集模块基于深度学习的图像分割、基于注意力机制的图像处理技术,对pcb图像进行预处理和特征提取。
4.根据权利要求1所述的一种pcb表观微小缺陷检测系统,其特征在于:所述算法模块采用深度学习算法,利用基于语义特征差分网络的pcb微小缺陷检测方法,在语义空间维度对拍摄图像与模板图像进行特征差分,再利用注意力机制在神经网络中对差分特征进行梯度反向传播训练,实现对微小缺陷的检测,并使其具有较好的鲁棒性。
5.根据权利要求4所述的一种pcb表观微小缺陷检测系统,其特征在于,对微小缺陷进行检测的方法如下:
6.根据权利要求5所述的一种pcb表观微小缺陷检测系统,其特征在于:进行对微小缺陷进行检测时,采用全局特征比对的方式进行配准,通过对整幅图像进行特征提取,然后均匀选取标记特征点,再...
【专利技术属性】
技术研发人员:王兴国,邓皓,胡玉寒,张雨新,肖兵,
申请(专利权)人:宜宾显微智能科技有限公司,
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。