[发明专利]一种基于人工智能的电子电路板检测系统、方法及介质

权利要求书

1.一种基于人工智能的电子电路板检测系统，其特征在于，包括：数字光模块、视觉检测模块、图像处理模块、智能分析模块和结果输出模块，其中，

所述数字光模块采用数字方式控制光源照射待检测的电子电路板；

所述视觉检测模块用于在数字方式控制下的光源照射下采集待检测的电子电路板的图像；

所述图像处理模块用于对待检测的电子电路板的图像进行预处理得到处理后的待检测电子电路板图像；

所述智能分析模块用于建立知识图谱，采用电子电路板样本训练卷积神经网络模型，采用电子电路板测试集对卷积神经网络模型进行测试得到训练好的检测模型，将处理后的待检测电子电路板图像输入训练好的检测模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；

所述结果输出模块用于输出预测结果。

2.如权利要求1所述的系统，其特征在于，所述数字光模块对光源波长、切入角、照射区域和/或折射角进行控制。

3.如权利要求2所述的系统，其特征在于，所述智能分析模块包括知识图谱建立单元，所述知识图谱建立单元通过多种数据接入方式获取电子电路板数据建立知识图谱图数据库。

4.如权利要求3所述的系统，其特征在于，所述知识图谱建立单元包括数据预处理单元、实体抽取单元、关系抽取单元和数据存储单元，

所述数据预处理单元用于将收集的电子电路板数据进行过滤、整理和清洗，将非文本数据转化为文本数据；

所述实体抽取单元用于从文本数据中抽取数据中的实体和实体属性；

所述关系抽取单元用于判定实体与实体间的关系；

所述数据存储单元用于对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。

5.如权利要求1所述的系统，其特征在于，所述智能分析模块包括卷积神经网络模型训练单元，所述卷积神经网络模型训练单元获取不良电子电路板的图像，对不良电子电路板的图像上的不良特征所在的有效区域进行标注，所述有效区域包括不良特征像素点；

根据不良电子电路板的图像、有效区域信息及不良特征对应的缺陷类别信息，获得训练样本，利用训练样本训练卷积神经网络模型。

6.如权利要求5所述的系统，其特征在于，所述智能分析模块还包括检测单元，所述检测单元利用训练好的检测模型对处理后的待检测电子电路板进行检测，将检测出的缺陷进行标注。

7.一种基于人工智能的电子电路板检测方法，其特征在于，包括以下步骤：

建立检测电子电路板的知识图谱；

采用电子电路板样本训练卷积神经网络模型，采用电子电路板测试集对卷积神经网络模型进行测试得到训练好的检测模型；

获取在数字方式控制下的光源照射下采集的待检测的电子电路板图像；

对待检测的电子电路板图像进行预处理得到处理后的待检测电子电路板图像；

将处理后的待检测电子电路板图像输入训练好的检测模型中检测，得到预测结果，并将预测结果反向传播到卷积神经网络模型中进行数据更新；

输出预测结果。

8.如权利要求7所述的方法，其特征在于，所述建立检测电子电路板的知识图谱的具体方法包括：

将收集的电子电路板数据进行过滤、整理和清洗，将非文本数据转化为文本数据；

从文本数据中抽取数据中的实体和实体属性；

判定实体与实体间的关系；

对需要存储的实体和实体属性进行数据处理，形成相应的键值存储到数据库中。

9.如权利要求7所述的方法，其特征在于，所述采用电子电路板样本训练卷积神经网络模型具体包括：

获取不良电子电路板的图像，对不良电子电路板的图像上的不良特征所在的有效区域进行标注，所述有效区域包括不良特征像素点；

根据不良电子电路板的图像、有效区域信息及不良特征对应的缺陷类别信息，获得训练样本，利用训练样本训练卷积神经网络模型。

10.一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，其特征在于，所述程序指令当被处理器执行时使所述处理器执行权利要求7-9任一项所述的方法。