[发明专利]基于深度学习的高密度柔性基板外观缺陷检测系统与方法

说明书

本发明公开了基于深度学习的高密度柔性基板外观缺陷检测系统与方法，系统包括硬件平台和软件检测平台。检测方法包括以下步骤：收集含有不同缺陷的FICS图像作为训练样本；将样本图像进行预处理，包括统一成标准尺寸和对样本中的缺陷位置与类别进行人工标记；将样本图像输入基于改进YOLO卷积神经网络的深度学习模型进行训练，获得输出为缺陷位置与类别的模型参数；对采集的图像尺寸进行标准化处理后输入训练好的深度学习模型中进行检测，获得所采集图像中的缺陷位置与类别信息。本发明可实现高密度柔性基板外观缺陷的快速定位与类型识别，解决了传统缺陷检测系统与方法速度慢，难以实现高密度FICS外观缺陷的快速检测难题。

技术领域

本发明属于机器视觉表面缺陷检测技术领域，具体涉及基于深度学习的高密度柔性基板外观缺陷检测系统与方法。

背景技术

高密度柔性基板(Flexible Integrated Circuit Substrate,简称FICS)，是一种可作为IC封装基板的高密度挠性印刷电路板。在高密度FICS的生产过程中，由于工艺过程控制的精度问题，难免产生外观上的缺陷。通过高精度的视觉检测，对FICS的多种外观缺陷进行快速定位与类型识别，是实现高密度FICS制造过程中质量控制的关键。

目前，制造商主要采用人工利用放大镜进行目检的方法，实现高密度FICS外观缺陷检测。这种方法检测效率低下，耗费大量的劳动力资源，且误检率较高，使检测质量难以得到保证。也有一些学者提出了基于图像特征的外观缺陷检测系统与方法，但检测速度较慢，难以达到FICS检测的实际应用需求；同时，这些方法无法同时识别FICS上的多种类型的外观缺陷。

为此，本发明针对高密度FICS外观缺陷的快速检测与多类别缺陷的同时检测需求，发明一种基于深度学习的外观缺陷检测系统与方法，解决高密度FICS的多种外观缺陷快速定位和类型识别难题，实现了高密度FICS多种外观缺陷的快速检测。该缺陷检测系统与方法对于实现高密度柔性基板的产品质量控制具有重要意义。

发明内容

针对高密度柔性基板制造过程中人工目检和传统外观缺陷检测系统与方法效率低下、无法同时检测多种缺陷的现状，本发明提供了一种基于深度学习的高密度柔性基板外观缺陷检测系统与方法，实现对高密度柔性基板外观缺陷的快速定位与类型识别。

本发明的目的至少通过如下技术方案之一实现。

一种基于深度学习的高密度柔性基板外观缺陷检测系统，包括硬件平台和软件检测平台。硬件平台包括两部分，第一部分是精密载物控制平台，包括：⑴载物台，采用了真空吸附载物台装置，使被检测的柔性基板牢固地贴附于载物台上，⑵电机及驱动装置，用于驱动载物台的运动，⑶运动控制板卡，用于传递工业计算机上软件检测系统传出来的控制信号，将信号转换后传给电机及驱动装置，控制载物台；第二部分是图像采集平台，由以下4部分组成：⑴同轴卤素灯光源，用于对柔性基板提供高亮度和均匀的照明；⑵CCD摄像机，用于拍摄FICS图像；⑶千兆网卡，用于传输数据；⑷自动变焦的光学显微镜，用于将载物台上的柔性基板待检测部分进行放大，使系统能清晰地拍摄到微小缺陷。

所述软件检测平台包括：⑴用户操作界面单元，用于硬件平台参数设定、实施检测操作等；⑵深度学习缺陷定位与识别单元，用于基于深度学习的检测模型的训练与图像外观缺陷的快速检测；⑶数据库操作单元，用于图像的存储和检测数据的管理等。

本发明提出的一种基于深度学习的柔性基板外观缺陷检测方法，其特征在于，它分为模型训练和缺陷检测过程两个部分。

模型训练分为以下4个步骤：

S1：收集大量带有不同外观缺陷的FICS图像；

S2：将收集图像的尺寸统一为448×448的标准尺寸；

S3：人工标记出每张图像中的缺陷位置和类别，将标记好的图像作为下一步YOLO卷积神经网络的训练样本；