[发明专利]电路板缺陷检测方法及装置

说明书

本申请提供了一种电路板缺陷检测模型的训练方法及装置、检测方法及装置，其中，该训练方法包括：获取本轮训练使用的至少一个训练样本对；其中，训练样本对包括两个相同和/或不同的电路板图像；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用神经网络分别为输入的训练样本对确定第一特征和第二特征；将第一特征和第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对神经网络进行本轮训练；经过对神经网络的多轮训练，得到电路板缺陷检测模型。本申请通过训练出的电路板缺陷检测模型，能够自动检测电路板是否存在缺陷，检测的容错率和准确率均较高。

技术领域

本申请涉及电路板检测技术领域，具体而言，涉及一种电路板缺陷检测模型的训练方法及装置、检测方法及装置。

背景技术

印刷电路板(Printed Circuit Board，PCB)作为电子元器件电气连接的载体，通过其上安装的多个元件，以及这些元件之间预设的逻辑电路连接关系来实现特定的电路功能。考虑到在PCB板生产加工或者装配过程中均可能由于出现各种情况而导致元件的漏装、多装等，这将造成PCB板无法正常工作或运行。而PCB板作为电子产品的承载体，这些无法正常工作或运行的PCB板只有被检测出来，才能确保电子产品的性能。

最早的PCB板缺陷检测的方法依赖于人工目测，该方法是由操作人员借助放大镜或校准的显微镜通过肉眼检测PCB板是否存在缺陷。可知，上述方法完全依赖于肉眼的检测结果，费时费力，且自动化程度较差。为了解决上述技术问题，相关技术提供了一种基于自动光学检测手段进行PCB板缺陷检测的方法，该方法通过各种图像处理方法(如灰度化、二值处理、特征提取、特征检测等)对获取的PCB板图像进行处理，并根据处理后的图像与模板之间的匹配结果来自动检测PCB板是否存在缺陷。

然而，上述基于自动光学检测手段进行PCB板缺陷检测的方法，由于其需要针对不同的错误类型设置不同的匹配模板，未设置匹配模板的错误类型无法进行有效检测，导致检测的容错率较低，且为了防止漏检，上述方法往往会调节检测的阈值范围，这将使得更多正确的PCB板被认为是错误的，准确率较低。

发明内容

有鉴于此，本申请实施例的目的在于提供一种电路板缺陷检测模型的训练方法及装置、检测方法及装置，以提高缺陷检测的准确率和容错率。

第一方面，本申请实施例提供了一种电路板缺陷检测模型的训练方法，包括：

获取本轮训练使用的至少一个训练样本对；其中，所述训练样本对包括两个相同和/或不同的电路板图像；

将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征；

将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并

根据匹配结果对所述神经网络进行本轮训练；

经过对所述神经网络的多轮训练，得到电路板缺陷检测模型。

结合第一方面，本申请提供了第一方面的第一种可能的实施方式，其中，所述神经网络包括孪生Siamese网络；

将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征，包括：

将获取的至少一个训练样本对中的每个训练样本对分别输入Siamese网络的两个入口，并使用所述Siamese网络分别为输入的训练样本对确定第一特征向量和第二特征向量；

将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练，包括：