[发明专利]一种用于PCB板图像缺陷检测的数据增强方法和系统

说明书

本发明公开了一种用于PCB板图像缺陷检测的数据增强方法，包括步骤：设定图像缺陷尺寸阈值，设定标准尺寸；将PCB板图像信息列表中图像缺陷尺寸大于图像缺陷尺寸阈值的图像缺陷的尺寸变换为标准尺寸，将图像缺陷尺寸小于图像缺陷尺寸阈值的图像缺陷进行随机裁剪；更新PCB板图像信息列表。采用本发明方法多次处理PCB板图像缺陷后，丰富了小尺寸缺陷图像的样本数量，增强了小尺寸缺陷图像的训练数据，增强了PCB板图像缺陷检测深度学习模型的泛化能力，更容易检测出PCB板图像的小缺陷。

技术领域

本发明涉及图像识别领域，具体涉及一种用于PCB板图像缺陷检测的数据增强方法和系统。

背景技术

工业制造面板行业领域的图像缺陷检测中训练深度学习模型时，数据集中存在两个极端code尺寸的图片，极小code尺寸是非常小的小黑点，极大的code尺寸是非常大的code，接近整个图片大小，此外区分小code尺寸图片时还需要依据是否有晕、晕是否是彩色等。在现有的硬件设备下训练模型需要的图片尺寸是需要resize或crop的，采用resize的方法处理上述极端情况以及区分是否有晕或是否是彩晕效果很差，所以对于小code尺寸图片的最佳办法是crop。

目前的操作一般是在制作数据集时采用crop方法增强数据或采用固定crop，没有随着训练进行而改变。

发明内容

本发明所要解决的技术问题是PCB板图像缺陷检测中小尺寸缺馅图像样本少且样本不精确导致的PCB板图像缺陷不准确，目的在于提供一种PCB板图像缺陷检测的数据增强方法和系统，解决了PCB板图像缺陷检测中小尺寸缺馅图像样本数据增强的问题。

本发明通过下述技术方案实现：

一种用于PCB板图像缺陷检测的数据增强方法，包括以下步骤：S1：设定图像缺陷尺寸阈值，设定标准尺寸；S2：将PCB板图像信息列表中图像缺陷尺寸大于图像缺陷尺寸阈值的图像缺陷定义为大尺寸缺陷图像，将图像缺陷尺寸小于图像缺陷尺寸阈值的图像缺陷定义为小尺寸缺陷图像；S3：将大尺寸缺陷图像的尺寸变换为标准尺寸，随机裁剪小尺寸缺陷图像；S4：更新PCB板图像信息列表。

通过设定图像缺陷尺寸阈值，将PCB板图像信息列表中图像缺陷按尺寸大小分为大尺寸缺陷图像和小尺寸缺陷图像。分别对大尺寸缺陷图像和小尺寸缺陷图像做相对应的处理。将大尺寸缺陷图像的尺寸变换为标准尺寸，随机裁剪小尺寸缺陷图像，然后更新PCB板图像信息列表。

采用上述方法多次处理PCB板图像缺陷后，由于大尺寸缺陷图像每次处理后都是标准尺寸，保障了大尺寸缺陷图像的清晰度不变；由于小尺寸缺陷图像每次均随机裁剪，每次得到的子图都不同，每次都将随机裁剪得到的子图存入所述PCB板图像信息列表中，丰富了小尺寸缺陷图像的样本数量，增强了小尺寸缺陷图像的训练数据，增强了PCB板图像缺陷检测深度学习模型的泛化能力，更容易检测出PCB板图像的小缺陷。

进一步的，所述PCB板图像信息列表包括PCB板图像矩阵、PCB板图像尺寸和PCB板缺陷bbox。

进一步的，所述随机裁剪处理如下：

定义PCB板图像的宽为w，高为h；

定义PCB板缺陷bbox坐标为(x1,y1,x2,y2)；

设定裁剪图片尺寸crop_size＝(w_crop_size,h_crop_size)；

随机裁剪后子图的坐标为(crop_x1,crop_y2,crop_x2,crop_y2)；

满足以下关系：

crop_x1＝random.randint(0,min(x1,int(w-w_crop_size)))，

crop_y1＝random.randint(0,min(y1,int(h-h_crop_size)))，