[发明专利]一种基于深度学习的IC引脚焊点质量检测方法及装置

说明书

本发明公开了一种基于深度学习的IC引脚焊点质量检测方法，该方法包括以下步骤：确定包含待检测的IC引脚焊点的目标图片；将目标图片输入到基于深度学习预先训练的第一卷积神经网络中，进行前向传播，获得IC引脚焊点的第一合格概率；确定目标图片的关键区域；将关键区域输入到基于深度学习预先训练的第二卷积神经网络中，进行前向传播，获得IC引脚焊点的第二合格概率；根据第一合格概率和第二合格概率，确定IC引脚焊点是否合格。应用本发明实施例所提供的技术方案，将深度学习技术应用到IC引脚焊点质量检测中，提高了对IC引脚焊点质量检测的准确率。本发明还公开了一种基于深度学习的IC引脚焊点质量检测装置，具有相应技术效果。

技术领域

本发明涉及工业检测技术领域，特别是涉及一种基于深度学习的IC引脚焊点质量检测方法及装置。

背景技术

随着工业生产技术水平的提高和电子产业的快速发展，印刷电路板PCB上的集成电路IC元件变得越来越精细。在一整块PCB上，任何一个IC引脚焊点的缺陷都会导致整个电子设备出现异常甚至是故障。PCB上的IC引脚焊点的可靠性是电子产品实际产生过程中需关注的一个重要问题。

目前主要是通过特征提取对IC引脚焊点质量进行检测。

特征提取需要大量的专业先验知识，需要有丰富经验的专业人员进行操作，而且，因为IC引脚焊点大小较小，对IC引脚焊点进行特征提取具有较大的困难，缺乏针对性，很难提取到有效特征，容易产生错误，对IC引脚焊点的检测准确率较低。

发明内容

本发明的目的是提供一种基于深度学习的IC引脚焊点质量检测方法及装置，以提高对IC引脚焊点质量检测的准确率。

为解决上述技术问题，本发明提供如下技术方案：

一种基于深度学习的IC引脚焊点质量检测方法，包括：

确定包含待检测的IC引脚焊点的目标图片；

将所述目标图片输入到基于深度学习预先训练的第一卷积神经网络中，进行前向传播，获得所述IC引脚焊点的第一合格概率；

确定所述目标图片的关键区域；

将所述关键区域输入到基于深度学习预先训练的第二卷积神经网络中，进行前向传播，获得所述IC引脚焊点的第二合格概率；

根据所述第一合格概率和所述第二合格概率，确定所述IC引脚焊点是否合格。

在本发明的一种具体实施方式中，所述确定所述目标图片的关键区域，包括：

对所述目标图片进行切割操作，获得多个切片；

分别将每个切片输入到基于深度学习预先训练的第三卷积神经网络中，进行前向传播，获得每个切片属于关键区域的概率；

将概率最高的切片确定为所述目标图片的关键区域。

在本发明的一种具体实施方式中，所述对所述目标图片进行切割操作，获得多个切片，包括：

通过预设的滑动窗口对所述目标图片进行切割操作，获得多个切片。

在本发明的一种具体实施方式中，所述滑动窗口的宽度与所述目标图片的宽度相同。

在本发明的一种具体实施方式中，所述根据所述第一合格概率和所述第二合格概率，确定所述IC引脚焊点是否合格，包括：

根据所述第一合格概率、所述第二合格概率及以下公式确定所述IC引脚焊点的合格概率；

根据所述合格概率与预设阈值的大小关系，确定所述IC引脚焊点是否合格；

所述公式为：