一种PCB表面缺陷检测方法和装置、系统、存储介质制造方法及图纸

本发明专利技术公开一种PCB表面缺陷检测方法和装置、系统、存储介质，包括：步骤S1、获取PCB数据集；步骤S2、根据PCB数据集训练深度学习模型；步骤S3、将PCB数据集输入到训练好的深度学习模型中进行缺陷检测。采用本发明专利技术的技术方案，可以及时发现和修复这些微小的缺陷，实现高效准确的缺陷检测。

【技术实现步骤摘要】

本专利技术属于缺陷检测，尤其涉及一种pcb表面缺陷检测方法和装置、系统、存储介质。

技术介绍

1、pcb缺陷检测成为电子产品生产的重要环节，小目标的检测能力对pcb缺陷检测来说非常重要。由于优秀的工艺，精确的布线和集成电路的快速发展，pcb变得越来越集成化和小型化。这些微小缺陷虽然在肉眼下很难察觉，但却可能导致电子产品的性能下降甚至出现故障，严重影响产品的质量和可靠性。为了及时发现和修复这些微小的缺陷，高效准确的缺陷检测算法成为了刻不容缓的需求。同时目前pcb缺陷检测模型，由于模型的参数量和计算量相对较大，对于一些性能较低的硬件设备无法满足实时检测的需求。因此，开发高效准确且轻量化的缺陷检测算法对于确保产品质量至关重要。

技术实现思路

1、本专利技术要解决的技术问题是，提供一种pcb表面缺陷检测方法和装置、系统、存储介质。

2、为实现上述目的，本专利技术采用如下技术方案：

3、一种pcb表面缺陷检测方法，包括：

4、步骤s1、获取pcb数据集；

<p>5、步骤s2、根本文档来自技高网...

【技术保护点】

1.一种PCB表面缺陷检测方法，其特征在于，包括：

2.如权利要求1所述的PCB表面缺陷检测方法，其特征在于，PCB数据集包括漏孔、鼠咬、断路、短路、毛刺和余铜六种缺陷。

3.如权利要求2所述的PCB表面缺陷检测方法，其特征在于，深度学习模型为基于多维注意力机制改进YOLOv7网络；其中，在YOLOv7网络中引入部分卷积PConv，将ELAN模块设计为P-ELAN；设计跨阶段部分网络模块POD-CSP和POD-MP，使用基于多维注意力机制的全维动态卷积ODConv进行连接形成更加高效的OD-Neck结构；通过Alpha-SIoU损失对YOLOv7网络进行优化。...

【技术特征摘要】

1.一种pcb表面缺陷检测方法，其特征在于，包括：

2.如权利要求1所述的pcb表面缺陷检测方法，其特征在于，pcb数据集包括漏孔、鼠咬、断路、短路、毛刺和余铜六种缺陷。

3.如权利要求2所述的pcb表面缺陷检测方法，其特征在于，深度学习模型为基于多维注意力机制改进yolov7网络；其中，在yolov7网络中引入部分卷积pconv，将elan模块设计为p-elan；设计跨阶段部分网络模块pod-csp和pod-mp，使用基于多维注意力机制的全维动态卷积odconv进行连接形成更加高效的od-neck结构；通过alpha-siou损失对yolov7网络进行优化。

4.如权利要求3所述的pcb表面缺陷检测方法，其特征在于，深度学习模型为改进centernet网络；其中，将centernet的主干网络resnet50替换为mobilenetv3；在主干网络的输出之后引入轻量且高效的carafe模块，并结合转置卷积构建特征重组网络；在检测头部网络中引入coordinateattention模块。

5.一种pcb表面缺陷检测装置，其特征在于，包括：

6.如权利要求5所述的pcb表面缺陷检测装置，其特征在于，pcb数据集包括漏孔、鼠咬、断路、短路、毛刺和余铜六种缺陷。<...

【专利技术属性】
技术研发人员：王智文，郭艳，王宇航，陈宥铭，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：