一种基于深度学习的PCB板表面缺陷检测方法及系统技术方案

本发明专利技术属于目标检测领域，提供了一种基于深度学习的PCB表面缺陷检测算法及系统，包括图像采集模块、缺陷标注模块、检测模型的训练模块、缺陷检测模块、缺陷数据管理模块。本发明专利技术改进YOLOv8目标检测网络，针对人工目检效率低下、传统机器检测精度低而误检率高、深度学习模型在工业生产线上部署困难等问题对目标检测网络进行改进；通过使用轻量化的卷积模型替换原有的卷积结构，降低了模型的参数计算量及模型在工业生产线的部署难度；对原始目标检测网络引入GAM注意力机制，增加检测网络对PCB缺陷的检测能力；对定位损失进行优化，通过引入Inner‑CIoU的方式进一步地提升目标网络的检测精度。最终经过测试，本发明专利技术对PCB缺陷检测的平均精度mAP@0.5为99.2％。

【技术实现步骤摘要】

本专利技术涉及一种基于深度学习的pcb板表面缺陷检测方法，属于目标检测领域。

技术介绍

1、相比于传统的目标检测方法，基于深度学习的目标检测方法具有较高的检测精度和较强的适应性，在工业场景中也能够得到更加广泛的应用。在pcb板表面缺陷检测任务中，由于复杂的工业环境等因素的影响，导致检测难度增加，误检率和漏检率高，检测效率低。因此，对pcb板表面缺陷进行精准的识别具有重要意义。

2、随着科技的持续发展和生产力的不断提升，我国在工业智能化及其相关领域取得了巨大的进步。市场对工业产品的外观及质量也提出了更高的要求，这要求传统的生产模式要向智能化生产模式进行转变。从宏观角度来看，制造业的智能化、自动化将是必然的趋势。

3、pcb板制作过程是一个及其精密而又繁琐的过程，多达十几道工序，其中主要包括开料、层压、钻孔、电镀、蚀刻、丝印、清洗、包装、检测等。其中任何一个工艺出现问题或者差错都会导致最终成品出现不同程度以及不同类型的缺陷，为了及早发现缺陷以及辨别缺陷类型，避免后续生产中出现更大程度的资源浪费，及时且精准的检测缺陷是及其重要的一环工序。本文档来自技高网...

【技术保护点】

1.一种基于深度学习的PCB板表面缺陷检测算法，其特征在于：所述方法通过以下步骤实现：

2.根据权利要求1所述的一种基于深度学习的PCB板表面缺陷检测算法，其特征在于，步骤S3中为数据集添加标注指的是使用labelimg图像标注工具对PCB板表面存在的不同缺陷进行框选，并打上缺陷名称的标签，缺陷名称与标签名称相同分别为mouse_bite、spur、missing_hole、short、open_circuit、spurious_copper六种标签。

3.根据权利要求1所述的一种基于深度学习的PCB表面缺陷检测算法，其特征在于，步骤S4所述的PCB板表面缺陷检测...

【技术特征摘要】

1.一种基于深度学习的pcb板表面缺陷检测算法，其特征在于：所述方法通过以下步骤实现：

2.根据权利要求1所述的一种基于深度学习的pcb板表面缺陷检测算法，其特征在于，步骤s3中为数据集添加标注指的是使用labelimg图像标注工具对pcb板表面存在的不同缺陷进行框选，并打上缺陷名称的标签，缺陷名称与标签名称相同分别为mouse_bite、spur、missing_hole、short、open_circuit、spurious_copper六种标签。

3.根据权利要求1所述的一种基于深度学习的pcb表面缺陷检测算法，其特征在于，步骤s4所述的pcb板表面缺陷检测网络模型为改进的yolov8目标检测网络模型；所述yolov8目标检测网络的改进包括：

...

【专利技术属性】
技术研发人员：金飞虎，汤志垚，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：