[发明专利]存储介质、走线检测装置、走线检测模型训练装置及方法

说明书

本公开是关于一种非瞬态可读存储介质、走线检测装置、走线检测模型的训练装置及训练方法，涉及机器学习技术领域。该训练方法包括：获取包括样本图像以及样本图像的样本标签；对样本图像进行线段检测，并获取样本图像的线段边缘特征；根据线段边缘特征生成训练特征；根据样本标签和训练特征对分类模型进行训练，得到走线检测模型。

技术领域

本公开涉及机器学习技术领域，具体而言，涉及一种非瞬态可读存储介质、走线检测装置、走线检测模型的训练装置及训练方法。

背景技术

电子产品中存在大量的电路，因而需要铺设大量的走线，在生产过程中，为了提高产品的良率，需要对走线进行检查。目前，一般采用人工检查的方式对走线是否规范进行判断。但是，由于人工检查存在漏检和误检现象，造成产品良率下降，而且增加了人工成本。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于克服上述现有技术的不足，提供一种可读存储介质、走线检测装置、走线检测模型的训练装置及训练方法，可提高走线规范性检查的工作效率。

根据本公开的一个方面，提供一种走线检测模型的训练方法，包括：

获取样本图像以及所述样本图像的样本标签；

对所述样本图像进行线段检测，并获取所述样本图像的线段边缘特征；

根据所述线段边缘特征生成训练特征；

根据所述样本标签和所述训练特征对分类模型进行训练，得到走线检测模型。

在本公开的一种示例性实施例中，所述对所述样本图像进行线段检测，并获取所述样本图像的线段边缘特征，包括：

对所述样本图像进行预处理，得到目标样本图像；

在所述目标样本图像中确定感兴趣区域；

对所述目标样本图像的感兴趣区域进行线段检测，得到线段检测结果，所述线段检测结果包括检测到的每个线段的端点坐标；

根据所述线段检测结果生成线段检测图像；

根据所述线段检测图像获取边缘点的线段边缘特征，作为所述样本图像的线段边缘特征；每个所述边缘点的线段边缘特征包括所述边缘点的坐标及其所属线段的斜率。

在本公开的一种示例性实施例中，所述对所述样本图像进行预处理，得到目标样本图像，包括：

获取标准图像；

根据所述标准图像对所述样本图像进行配准；

对配准后的所述样本图像进行下采样，得到目标样本图像。

在本公开的一种示例性实施例中，所述在所述目标样本图像中确定感兴趣区域，包括：

获取包含感兴趣区域位置信息的感兴趣区域参数；

根据所述感兴趣区域参数在所述目标样本图像中确定感兴趣区域。

在本公开的一种示例性实施例中，所述根据所述线段检测结果生成线段检测图像，包括：

根据所述线段检测结果确定在所述目标样本图像中检测到的每个线段的长度；

筛选出长度位于长度阈值范围内的线段作为参考线段，以所述参考线段的端点坐标作为参考端点坐标；

根据所述参考线段的参考端点坐标生成线段检测图像。

在本公开的一种示例性实施例中，所述根据所述参考线段的参考端点坐标生成线段检测图像，包括：