[发明专利]一种基于人工智能的PCBA质量检测方法

权利要求书

1.一种基于人工智能的PCBA质量检测方法，其特征在于包括PC机内的图片储存模块、标记模块；图片储存模块内存有PCBA包括漏贴、翻贴、错贴、侧贴、多贴、锡珠、断锡、少锡、冷焊、虚焊、短路、立碑、偏移、破损、极性反、有异物、引脚起翘在内的故障图片，以及电路板自身包括敷铜线开路、短路故障图片；实现方法包括如下步骤，第一步：先将PCBA已知故障图片的特征基于人工智能深度学习技术，经标记模块进行数据标注，同时配上与故障图片数据一比一对应的合格产品的图片数据，并将这些数据按照一定比例分为训练集和测试集；第二步：基于人工智能深度学习技术，针对PCBA故障图片特征设计出适合的人工智能深度学习类型；第三步：用标注过的图片数据对模型进行训练；第四步：用测试集对基于人工智能深度学习的人工智能平台上、生成的实证模型进行测试其是否正确；第五步：测试PCBA具体待检故障数据时，将待检测图片输入模型中，模型能自动给出检测PCBA图片的数据，从而检测人员根据所得数据直观判断出检测的PCBA图片数据是否合格；第六步：对实证模型进行持续优化，形成基于工业图片成像的故障、定位、品质评价感知认知的N种模型。

2.根据权利要求1所述的一种基于人工智能的PCBA质量检测方法，其特征在于，图片储存模块内储存有大量PCBA已知故障的图片特征数据，以及和故障一比一对应合格PCBA产品的图片特征数据。

3.根据权利要求1所述的一种基于人工智能的PCBA质量检测方法，其特征在于，第一步中，将PCBA已知故障图片的特征基于人工智能深度学习技术，经标记模块进行数据标注中，故障数据累积的愈多愈好。

4.根据权利要求1所述的一种基于人工智能的PCBA质量检测方法，其特征在于，第一步中，训练集和测试集同时兼具PCBA图片故障数据和合格数据。

5.根据权利要求1所述的一种基于人工智能的PCBA质量检测方法，其特征在于，第三步中，标注过的图片数据是第一步中的训练集。

6.根据权利要求1所述的一种基于人工智能的PCBA质量检测方法，其特征在于，第五步中，进行测试PCBA具体待检故障数据时，缺陷数据会进入AI中心，AI平台自主学习后产生更新版本，模型算法能反馈到AI端侧，对AI端侧进行升级，实际应用中，会不断有缺陷数据增加，能不断更新AI端侧算法，增强检测准确率。