[发明专利]一种基于目标检测的pcb板缺陷检测与定位方法

权利要求书

1.一种基于目标检测的pcb板缺陷检测与定位方法，其特征在于，包括如下步骤：

步骤S1：根据pcb缺陷检测要求，进行目标检测算法的搭建；

步骤S2：采集大量由传统检测方法组成的自动化处理检测线无法检测的pcb缺陷图或者误检的pcb缺陷图，同时准备与缺陷图片数量同样的正确图；

步骤S3：对步骤S2采集的缺陷图片与正确图片进行整理，清洗与标注；

步骤S4：对步骤S3所整理的图片，制作成训练集和测试集；

步骤S5：使用步骤S4制作的训练集对步骤S1搭建的目标检测算法进行训练；

步骤S6：使用步骤S4制作的测试集对步骤S5训练好的目标检测算法进行泛化测试；

步骤S7：根据测试结果来检测目标检测算法的准确率等性能指标；

步骤S8：将训练完成的目标检测算法投入检测中使用。

2.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S1的目标检测算法的搭建，是根据生产方的要求，对其需求进行数学建模与搭建；具体包括如下步骤：

resize输入图为224x224尺寸大小；

第一、二层，卷积层，卷积核大小为3像素，步长为1像素，输出224x224像素尺寸特征图；

第三层，最大池化层，池化核大小为2像素，步长为2像素，输出112x112像素尺寸特征图；

第四、五层，卷积层，卷积核大小为3像素，步长为1像素，输出为112x112像素尺寸特征图；

第六层，最大池化层，池化核大小为2像素，步长为2像素，输出56x56像素尺寸特征图；

第七、八、九层，卷积层，卷积核大小为3像素，步长为1像素，输出56x56像素尺寸特征图；

第十层，最大池化层，池化核大小为2像素，步长为2像素、输出28x28像素尺寸特征图；

第十一、十二、十三层，卷积层，卷积核大小为3像素，步长为1像素，输出28x28像素尺寸特征图；

第十四层，最大池化层，池化核大小为2像素，步长为2像素，输出14x14像素尺寸特征图；

第十五、十六、十七层，卷积层，卷积核大小为3像素，步长为1像素，输出14x14像素尺寸特征图；

第十八层，最大池化层，池化核大小为2像素，步长为2像素，输出7x7像素尺寸特征图。

3.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S3中的整理，涉及对图片的尺寸与方向进行调整，目标在与能够统一成相同格式，使之能够放入目标检测算法中进行训练与测试。

4.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S3中的清洗，则是根据生产方对缺陷的定义，对误检图片中的真缺陷图片与假缺陷图片筛选分类。

5.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S3中的标注，是使用标注工具，在真缺陷图片中标注出缺陷所在位置，并生成标注文件作为训练正样本，并将假缺陷全部归类为训练负样本。

6.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S4中的测试集不能与训练集重合。

7.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S7中的检测性能指标，是根据目标检测算法对缺陷图的分类识别准确度进行统计，分别计算误检率和准确率；如果性能不达标，则重复步骤S2到步骤S7，不断增加缺陷的种类以提高目标检测算法对缺陷的识别丰富度，同时调节正负样本的比例，增强目标检测算法对负样本的排除能力。

8.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S8的投入使用，是包含了对目标检测的算法开发，将其移植到生产线上。

9.根据权利要求1所述的基于目标检测的pcb板缺陷检测与定位方法，其特征在于，所述步骤S5还包括：

模型训练利用随机梯度下降法优化目标函数：

L*＝L(Qi)+L(Oi) (1)

其中，公式(1)主要由两部分组成，第一部分是分类损失L(Qi)，第二部分是回归损失L(Oi)，i作为候选框的序号，Qi则表示候选框其所包含的目标缺陷的概率；Oi是一个向量，表示预测候选框的偏移量，其内部有四个属性，分别表示候选框的左上角x坐标偏移量与y坐标偏移量，以及候选框的长偏移量与宽偏移量；

其中，这两部分由如下公式(2)与公式(3)所组成：

其中，Qi*为表示目标缺陷是否在候选框内的标签，如果包含目标则表示1，否则表示0；Oi*与Oi是相同维度的向量，其表示候选框相对于实际标记的偏移量；Q_pred为候选框的数目；O_rel为特征图的尺寸；α为控制候选框的精确度；∑_i对所有候选框的损失进行求和；D_pred是对数函数，由目标缺陷与非目标缺陷两类组成；D_rel为分类框范围回归损失。