[发明专利]电路板缺陷检测方法、装置及设备在审

专利信息
申请号: 201910247392.4 申请日: 2019-03-29
公开(公告)号: CN109886964A 公开(公告)日: 2019-06-14
发明(设计)人: 文亚伟;苏业;刘明浩;郭江亮;李旭 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G01N21/88
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 宋合成
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 电路板 多通道 缺陷检测 图像特征 缺陷像素单元 缺陷类别 装置及设备 调整图像 拍摄图像 图像语义 权重 方式检测 特征输入 预设算法 智能化 像素 预设 分割
【权利要求书】:

1.一种电路板缺陷检测方法,其特征在于,包括:

获取被测电路板的拍摄图像;

提取所述拍摄图像的多通道图像特征,并根据预设算法计算所述多通道图像特征之间的相关性;

根据所述相关性计算所述多通道图像特征中每个通道的图像特征对应的权重值,根据所述权重值对所述多通道图像特征进行调整获取多通道调整图像特征;

将所述多通道调整图像特征输入预设的图像语义识别模型,获取缺陷像素单元和与所述缺陷像素单元对应的缺陷类别标识;

根据所述缺陷像素单元和与所述缺陷像素单元对应的缺陷类别标识对所述电路板进行缺陷检测。

2.如权利要求1所述的方法,其特征在于,在将所述多通道调整图像特征输入预设的图像语义识别模型之前,还包括:

获取样本图像,其中,所述样本图像存在标注区域,所述标注区域内展示的电路器件存在缺陷;

根据所述标注区域内展示的电路器件的缺陷类别,对所述样本图像进行标注;

采用经过标注的所述样本图像对所述图像语义识别模型进行训练。

3.如权利要求2所述的方法,其特征在于,所述采用经过标注的所述样本图像对所述图像语义识别模型进行训练包括:

获取所述图像语义识别模型输出的与所述样本图像对应的测试缺陷像素单元和与所述测试缺陷像素单元对应的测试缺陷类别标识;

根据损失函数对所述标注区域、所述缺陷类别、所述测试缺陷像素单元和所述测试缺陷类别标识计算,获取所述图像语义识别模型的损失值;

根据所述损失值对所述图像语义识别模型的模型参数进行调整,以使调整后的所述图像语义识别模型的损失值小于预设阈值。

4.如权利要求1所述的方法,其特征在于,所述每个通道的图像特征为N维图像特征,其中,所述N为大于1的正整数,所述提取所述拍摄图像的多通道图像特征,并根据预设算法计算所述多通道图像特征之间的相关性,包括:

将所述每个通道的图像特征对应的N维图像特征输入预设的挤压模型,获取与所述每个通道的图像特征对应的一维图像特征;

根据预设计算模型计算与所述多通道图像特征对应的多个所述一维图像特征之间的相关值。

5.如权利要求4所述的方法,其特征在于,所述根据所述相关性计算所述多通道图像特征中每个通道的图像特征对应的权重值,根据所述权重值对所述多通道图像特征进行调整获取多通道调整图像特征,包括:

根据所述相关值确定每个所述一维图像特征的权重;

根据所述权重对所述每个通道的图像特征对应的N维图像特征进行加权处理,获取N维的所述多通道调整图像特征。

6.一种电路板缺陷检测装置,其特征在于,包括:

获取模块,用于获取被测电路板的拍摄图像;

提取模块,用于提取所述拍摄图像的多通道图像特征,并根据预设算法计算所述多通道图像特征之间的相关性;

调整模块,用于根据所述相关性计算所述多通道图像特征中每个通道的图像特征对应的权重值,根据所述权重值对所述多通道图像特征进行调整获取多通道调整图像特征;

识别模块,用于将所述多通道调整图像特征输入预设的图像语义识别模型,获取缺陷像素单元和与所述缺陷像素单元对应的缺陷类别标识;

检测模块,用于根据所述缺陷像素单元和与所述缺陷像素单元对应的缺陷类别标识对所述电路板进行缺陷检测。

7.如权利要求6所述的装置,其特征在于,还包括:

训练模块,用于获取样本图像,其中,所述样本图像存在标注区域,所述标注区域内展示的电路器件存在缺陷;

根据所述标注区域内展示的电路器件的缺陷类别,对所述样本图像进行标注;

采用经过标注的所述样本图像对所述图像语义识别模型进行训练。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910247392.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top