[发明专利]一种基于深度学习的目标检测方法

说明书

本发明公开了一种基于深度学习的目标检测方法，包括：确定包含待检测的目标区域；将所述目标区域输入到基于深度学习预先训练的检测网络中，进行前向传播，获得所述第一合格概率；对所述目标区域进行切割操作，获得多个点位；确定包含待检测的目标区域后，可以将目标区域输入到基于深度学习预先检测的检测网络中，进行前位传送，获得第一合格概率，确定目标图片的关键区域，将关键目标区域输入到基于深度学习预先检测的检测网络中，进行前位传送，获得第二合格概率，根据第一合格概率和第二合格概率，确定目标检测区域是否合格，达到对目标检测的目的，将深度学习技术应用到IC引脚焊点质量检测中，提高了对目标区域检测的准确率。

技术领域

本发明涉及电子检测技术领域，特别是涉及一种基于深度学习的目标检测方法。

背景技术

随着生产技术水平的提高和电子产业的快速发展，印刷电路板PCB上的集成电路元件变得越来越精细。在一整块PCB上，任何一个引脚焊点的缺陷都会导致整个电子设备出现异常甚至是故障。PCB上的引脚焊点的可靠性是电子产品实际产生过程中需关注的一个重要问题。

目前主要是通过特征提取对引脚焊点质量进行检测。

特征提取需要大量的专业先验知识，需要有丰富经验的专业人员进行操作，而且，因为引脚焊点的目标检测区域大小较小，对引目标检测进行特征提取具有较大的困难，缺乏针对性，很难提取到有效特征，容易产生错误，对目标检测区域的检测准确率较低。

发明内容

(一)解决的技术问题

本发明的目的是提供一种基于深度学习的目标检测方法，以提高对目标检测区域的准确率。

(二)技术方案

为解决上述技术问题，本发明提供如下技术方案：

一种基于深度学习的目标检测方法，包括：确定包含待检测的目标区域；将所述目标区域输入到基于深度学习预先训练的检测网络中，进行前向传播，获得所述第一合格概率；对所述目标区域进行切割操作，获得多个点位；分别将每个点位输入到基于深度学习的检测网络中，进行前位传播，获得每个点位属于关键区域的合格概率；将合格概率最高的点位确定为所述目标区域的关键区域；将所述关键目标区域输入到基于深度学习的目标检测中，进行前位传播，获得所述第二合格概率；根据所述第一合格概率和所述第二合格概率，确定所述目标检测区域是否合格。

进一步的，对所述目标区域进行点位操作，获得多个点位，包括：通过预设的滚动口对所述目标区域进行点位操作，获得多个点位。

进一步的，所述滚动口的宽度与所述目标区域的宽度相同。

进一步的，所述根据所述第一合格概率和所述第二合格概率，确定所述检测区域是否合格，包括：根据所述第一合格概率、所述第二合格概率及以下公式确定所述第一合格概率和第二合格概率；根据所述第一合格概率和第二合格概率与预设的参数值大小关系，确定所述目标检测区域是否合格，所述公式为：T＝(1-ρ)P1+ρP2，其中，P1为第一合格概率，P2为第二合格概率，ρ为影响参数，N为训练样本数量。

进一步的，所述第一合格概率和第二合格概率包含三个积蓄层和两个全连接层。