[发明专利]一种电路板故障检测及孪生网络的训练方法、装置和设备在审

专利信息
申请号: 201911222281.4 申请日: 2019-12-03
公开(公告)号: CN113012088A 公开(公告)日: 2021-06-22
发明(设计)人: 卢洪志 申请(专利权)人: 浙江大搜车软件技术有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62
代理公司: 北京博思佳知识产权代理有限公司 11415 代理人: 李威
地址: 310000 浙江省杭州市余*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电路板 故障 检测 孪生 网络 训练 方法 装置 设备
【说明书】:

本申请提供一种电路板故障检测及孪生网络的训练方法、装置和设备,方法包括:获取待检测的电路板图像;将待检测的电路板图像输入孪生网络的第一子网络,将图像集合中检测完成的电路板图像输入孪生网络的第二子网络,以计算所述待检测的电路板图像与图像集合中的各个检测完成的电路板图像之间的相似度;将图像集合中与待检测的电路板图像之间的相似度满足预设的相似度阈值的电路板图像确定为相似电路板图像,以将相似电路板图像被标注的故障问题确定为待检测的电路板图像的故障问题。通过本申请的技术方案能够提高对电路板故障问题的检测效率。

技术领域

本申请涉及网络技术领域,具体涉及一种电路板故障检测及孪生网络的训练方法、装置和设备。

背景技术

随着现代化电子技术的不断发展,电子产品的应用深入到当今社会生活的方方面面,电路板成为电子产品的核心部件。基于技术的不断迭代更新,电路板不断朝着高密度、多层数、高性能的方向改进,主要表现为电路板上的器件尺寸越来越小,电路板上的线路越来越细密等。

相关技术中,往往基于人工进行查验的方式实现对电路板的检测,但通过人工进行检测的方式由于检测效率低、劳动强度大,已无法满足电路板批量生产应用过程中的检测需求;此外,受到人的主观因素影响,人工进行电路板检测的检测结果也并非完全可靠。所以,低效率、低准确性的电路板检测方法不仅无法保证电路板的检测结果,而且由于将不合格电路板的误投入使用而导致的电子产品的使用故障也造成了人力、财力等生产力的极大浪费。

发明内容

有鉴于此,本申请提供一种电路板故障检测及孪生网络的训练方法及装置,通过孪生网络对待检测的电路板图像与包含有故障问题标注信息的电路板图像进行分析,实现对电路板图像的故障问题的自动分析确定,从而在保障了电路板故障问题的检测准确性的情况下,提高了对电路板故障问题的检测效率。

为实现上述目的,本申请提供技术方案如下:

根据本申请的第一方面,提出了一种电路板故障检测方法,所述方法包括:

获取待检测的电路板图像;

将所述待检测的电路板图像输入孪生网络的第一子网络,将图像集合中检测完成的电路板图像输入孪生网络的第二子网络,以计算所述待检测的电路板图像与所述图像集合中的各个检测完成的电路板图像之间的相似度,其中,所述孪生网络预先采用包括有故障问题标注信息的图像集合训练完成;

将所述图像集合中与所述待检测的电路板图像之间的相似度满足预设的相似度阈值的电路板图像确定为相似电路板图像,以将所述相似电路板图像被标注的故障问题确定为所述待检测的电路板图像的故障问题。

可选的,所述确定待检测的电路板图像,包括:

根据用户对原始电路板图像预先标注的矩形框确定所述原始电路板图像对应的初始前景图像和初始背景图像;

建立初始前景图像和初始背景图像分别对应的高斯混合模型;

重复执行对所述高斯混合模型的更新和基于更新后的高斯混合模型对所述矩形框内未知像素的分类过程,直至基于所述更新后的高斯混合模型的模型参数确定的能量函数收敛;

将矩形框内的前景图像确定为待检测的电路板图像。

可选的,所述执行对所述高斯混合模型的更新,包括:

确定初始前景图像和初始背景图像分别对应的第一像素集合和第二像素集合;

分别将两个像素集合中的像素分配给具有产生所述像素的表征值概率最高的高斯分量,其中,所述像素的表征值包括所述像素的灰度值或RGB值,所述高斯分量属于所述像素集合自身对应的高斯混合模型;

基于各个像素集合变动的高斯分量更新所述像素集合对应的高斯混合模型。

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浙江大搜车软件技术有限公司,未经浙江大搜车软件技术有限公司许可,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/201911222281.4/2.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