[发明专利]一种小样本柔性IC基板的表面缺陷定位和分类方法

权利要求书

1.一种小样本柔性IC基板的表面缺陷定位和分类方法，其特征在于，包括以下步骤：

S1、将采集的工业缺陷图像变换成符合要求的训练数据集；

S2、将训练数据集中已经划分好的缺陷类别中具有圆形、线形和不规则多边形外形特征的类别，分别合并成圆孔类、划痕类和不规则轮廓类；

S3、使用高斯滤波器去除训练数据集中图像的高斯噪声，并对图像进行增强操作；

S4、利用制作好的训练数据集进行缺陷目标检测模型的训练，其中圆孔类、划痕类和不规则轮廓类之外的其他样本的分类和回归结果作为最终的预测结果；

步骤S4中，所述缺陷目标检测模型，是基于Faster RCNN网络训练的模型，在预测时会给出每张图像中缺陷区域框的中心坐标、宽高的偏移量、缺陷类别的预测值，其中圆孔类、划痕类和不规则轮廓类除使用Faster RCNN模型给出相应预测值之外，还需要进行后续分类和定位步骤；

S5、将圆孔类、划痕类和不规则轮廓类的样本从原训练集中分离出来组成新的子训练集；

S6、将子训练集中的圆孔类、划痕类和不规则轮廓类图像样本按照标签再细分成更具体的类别；

S7、按照细分类别抽取图像的HOG特征描述子；

S8、利用提取的特征描述子构造数据样本，对圆孔类、划痕类和不规则轮廓类分别训练各自的支持向量机模型，实现多分类，将分类结果作为子训练集缺陷图像的最终类别预测结果；

S9、使用滑动窗口技术实现子训练集缺陷图像中缺陷位置的定位；

S10、针对滑动窗口给出的缺陷定位和缺陷目标检测模型给出的缺陷定位，分别计算与真实标签框的偏移量，选择偏移量小的作为缺陷位置坐标的最终预测结果，完成检测过程；

步骤S10中，所述计算与真实标签框的偏移量，其方法为：将四个预测值与真实标签框的四个真实值相减，再除以对应的预测系数。

2.根据权利要求1所述小样本柔性IC基板的表面缺陷定位和分类方法，其特征在于，步骤S2中，所述合并成圆孔类、划痕类和不规则轮廓类，完成之后，每张缺陷图像就添加一个新标签，进行缺陷目标检测模型训练时，以此为类别标签。

3.根据权利要求1所述小样本柔性IC基板的表面缺陷定位和分类方法，其特征在于，步骤S3中，所述对图像进行增强操作，是利用对数变换进行图像增强。

4.根据权利要求1所述小样本柔性IC基板的表面缺陷定位和分类方法，其特征在于，步骤S7中，所述HOG特征描述子，其构造时首先将图像分成小的连通区域，称之为细胞单元，然后采集细胞单元中各像素点的梯度的或边缘的方向直方图，再把这些直方图组合起来就能够构成特征描述子。

5.根据权利要求1所述小样本柔性IC基板的表面缺陷定位和分类方法，其特征在于，步骤S8中，所述多分类，即基于支持向量机，采用一对其余的方式，针对圆孔类、划痕类和不规则轮廓类分别利用各自的训练集训练多个二分类器，再融合起来实现样本的多分类。