[发明专利]一种基于CNN可视化的PCB电路板缺陷检测方法

权利要求书

1.一种基于CNN可视化的PCB电路板缺陷检测方法，其特征在于，包括如下步骤：

步骤S1：PCB电路板缺陷图像和正常图像的采集，然后制作待训练使用的训练和验证数据集{(TrainX1，TrainY1)、(TestX1，TestY1)}；

步骤S2：构建PCB电路板缺陷检测识别模型，并利用步骤S1制作的数据集进行电路板缺陷的学习，得到初步的识别模型Model1；

步骤S3：计算设计CNN可视化模型(MapModel)，通过计算神经元重要性权重w_k，然后求出对应特征图的加权和，上采样后叠加在原图上就能获得类别定位热力图；

步骤S4：检查原始图像数据通过CNN可视化模型(MapModel)生成的类别定位热力图，查看清楚是否模型训练过程中，定位的特征像素是否存在错误或者偏差；

步骤S5：根据步骤S4总结的定位出错原因，对数据进行调整；

步骤S6，将调整厚度的数据集输入到ResNet18中进行重新训练，重复步骤S2，最后得到精度更高的PCB电路板缺陷识别模型Model2。

2.根据权利要求1所述的基于CNN可视化的PCB电路板缺陷检测方法，其特征在于，所述步骤S5中，如果因为数据的偏差影响了模型的精度，则增加较少类别的数据图像，消除数据的偏差提高数据的精度，然后重新整理出调整后的数据集{(TrainX2，TrainY2)、(TestX2，TestY2)}。

3.根据权利要求1所述的基于CNN可视化的PCB电路板缺陷检测方法，其特征在于，所述步骤S1中，在图像标注中，为了提高数据标注的效率，设计一个标注界面，通过鼠标勾选数据的类型，实现自动放到对应的标签文件夹下面。

4.根据权利要求1所述的基于CNN可视化的PCB电路板缺陷检测方法，其特征在于，所述步骤S2中，所述PCB电路板缺陷识别模型采用ResNet18网络。

5.根据权利要求1所述的基于CNN可视化的PCB电路板缺陷检测方法，其特征在于，所述步骤S2中，在模型训练中，通过pytorch框架下的数据增强函数的应用，增加图像的几何变换操作。

6.根据权利要求5所述的基于CNN可视化的PCB电路板缺陷检测方法，其特征在于，所述机和变换操作包括：对图片进行随机的水平和竖直翻转，获得更多的训练数据，让模型参数迭代更多次，以获得精度更高的模型。