并行特征提取和渐进特征融合的主板装配缺陷检测算法制造技术

本发明专利技术公开了一种并行特征提取和渐进特征融合的主板装配缺陷检测算法，包括特征提取网络VTNet和多尺度互交叉注意力渐进特征融合网络构成的计算机主板缺陷检测算法网络架构模型。本发明专利技术设计一种并行特征提取网络，该网络融合了部分卷积与视觉Transformer技术，每一阶段的特征提取网络都以并行方式构建，从而能够同时捕获图像的全局和局部信息。这种方法不仅提高了特征提取的效率，也有助于提高检测精度；本发明专利技术提出了一种多尺度特征渐进融合网络，该网络利用互交叉注意力机制，构建了一种渐进融合的网络结构，增强了模型对多尺度特征的融合能力，同时，该网络还能有效地捕获特征图中的细节信息，提高检测精度。

【技术实现步骤摘要】

本专利技术涉及一种主板装配缺陷检测算法，具体为一种并行特征提取和渐进特征融合的计算机主板装配缺陷检测算法，属于计算机视觉。

技术介绍

1、计算机主板是计算机的核心组成部件。计算机在生产过程中需要经过主板装配、测试、包装等多道加工工序。在主板装配阶段容易出现固定螺丝的漏装、错装和松动等问题，主板装配质量的好坏直接影响计算机后续功能测试的合格率。目前，计算机主板的装配质量检测任务主要依靠人工目视法来完成，易造成检测过程效率低、良品率不稳定等问题。因此，研究计算机主板装配缺陷的自动化检测方法，提高计算机主板装配质量的检测准确率和效率就变得尤为重要。

2、机器学习作为人工智能的重要分支，在此基础上进一步发展起来的深度学习与机器视觉在工业生产中发挥着重要的作用。目前，基于深度学习的相关视觉缺陷检测方法发展迅猛，国内外相关学者尝试把机器视觉和深度学习算法应用于印制电路板(pcb)缺陷检测、太阳能电池缺陷检测、焊缝和晶圆缺陷检测等方面，推动了深度学习缺陷检测方法的落地应用。根据工业应用场景中缺陷的特征与检测的速度要求进行设计，深度学习可取得比传统视觉检测方法本文档来自技高网...

【技术保护点】

1.一种并行特征提取和渐进特征融合的主板装配缺陷检测算法，包括计算机主板缺陷检测算法网络架构模型，其特征在于：所述计算机主板缺陷检测算法网络架构模型包括特征提取网络VTNet和多尺度互交叉注意力渐进特征融合网络，该算法包括以下步骤：

2.根据权利要求1所述的并行特征提取和渐进特征融合的主板装配缺陷检测算法，其特征在于：所述特征提取网络VTNet结合了视觉Transformer的长距离特征建模能力与部分卷积PConv的局部建模能力。

3.根据权利要求2所述的主板装配缺陷检测算法，其特征在于：所述特征提取网络VTNet整体架构的网络结构基础块为VT-FastNetBl...

【技术特征摘要】

1.一种并行特征提取和渐进特征融合的主板装配缺陷检测算法，包括计算机主板缺陷检测算法网络架构模型，其特征在于：所述计算机主板缺陷检测算法网络架构模型包括特征提取网络vtnet和多尺度互交叉注意力渐进特征融合网络，该算法包括以下步骤：

2.根据权利要求1所述的并行特征提取和渐进特征融合的主板装配缺陷检测算法，其特征在于：所述特征提取网络vtnet结合了视觉transformer的长距离特征建模能力与部分卷积pconv的局部建模能力。

3.根据权利要求2所述的主板装配缺陷检测算法，其特征在于：所述特征提取网络vtnet整体架构的网络结构基础块为vt-fastnetblock；

4.根据权利要求3所述的主板装配缺陷检测算法，其特征在于：所述vt-fasternetblock的网络结构具体包括：<...

【专利技术属性】
技术研发人员：陈俊英，董戌泽，李朝阳，黄汉涛，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：