【技术实现步骤摘要】
本专利技术涉及机器视觉，更为具体的，涉及一种基于深度学习的基板缺陷检测系统与方法。
技术介绍
1、基板工艺技术的发展日新月异，更细的间距、更复杂的镀层工艺，使得传统的基板缺陷检测方法（如人工目视检测、光学检测和电子测试等）已经难以满足质量要求。
2、公开号为cn116993718a的中国专利公开了一种基于机器视觉的tft阵列基板缺陷检测方法，其通过分析灰度值处理tft阵列基本的灰度图像，构建目标灰度游程矩阵，与最大数据值的相对位置分布情况及数据值进行对比获取综合噪声强度，进行滤波处理，提高检测结果的准确度。公开号为cn116894991a的中国专利申请公开了一种面向焊缝目标检测的深度学习模型优化方法、基于优化深度学习模型的焊缝目标检测方法及系统，其使用admm算法对经过预训练权重fp32初始化的ssd深度学习模型进行联合权重剪枝、量化和反量化，并再次量化后得到优化深度学习模型，同时公开了一种基于优化深度学习模型的焊缝目标检测方法。公开号为cn217748156u的中国专利公开了一种封装基板缺陷检测设备，其在机架上设置有上料装...
【技术保护点】
1.一种基于深度学习的基板缺陷检测系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的基板缺陷检测系统，其特征在于，所述相机检测控制单元采用相机将经由具备图像增强功能的预处理模块解析后的图像传输给视觉引导单元及检测算法软件单元，且将相机实时获取的图像在图像预处理阶段使用高斯模糊去噪声，计算公式如下：
3.根据权利要求1所述的基于深度学习的基板缺陷检测系统，其特征在于，所述相机视觉引导单元包括PID 控制模块，用于利用PID 控制算法进行精确运动控制，控制公式如下：
4.根据权利要求1所述的基于深度学习的基板缺陷检测系统，...
【技术特征摘要】
1.一种基于深度学习的基板缺陷检测系统，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的基板缺陷检测系统，其特征在于，所述相机检测控制单元采用相机将经由具备图像增强功能的预处理模块解析后的图像传输给视觉引导单元及检测算法软件单元，且将相机实时获取的图像在图像预处理阶段使用高斯模糊去噪声，计算公式如下：
3.根据权利要求1所述的基于深度学习的基板缺陷检测系统，其特征在于，所述相机视觉引导单元包括pid 控制模块，用于利用pid 控制算法进行精确运动控制，控制公式如下：
4.根据权利要求1所述的基于深度学习的基板缺陷检测系统，其特征在于，所述检测算法软件单元中，所述以深度学习模型搭建一阶目标检测算法，并在基准模型上增加注意力机制，设计损失函数算法对基板缺陷进行检测，训练出基于深度学习的基板缺陷检测算法模型，由onnx模型框架将生成的模型以统一的格式进行存储以及转换，最终与上位机软件平台获取的相机拍摄所得的检测图片进行结果比对呈现，具体包括：
5.根...
【专利技术属性】
技术研发人员：雷东阳，张晏铭，李杨，高佳成，庞婷，何子均，李阳阳，李文，张平升，叶永贵，陈绪波，易丽，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
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。