[发明专利]一种基于深度学习的电路板元器件缺陷检测方法

说明书

本发明公开了一种基于深度学习的电路板元器件缺陷检测方法，通过电路板检测生产线的摄像机拍摄待检测电路板，对训练集及待测图片进行区域分割，将SOLOv2网络进行改进以分割图像中的各类元器件及电路板底板，并对多区域检测结果进行融合提高检测精度，然后利用电路板底板类掩膜预测结果矫正图片尺寸，由掩膜预测结果计算各元器件中心位置并基于Hu不变矩计算元器件的主轴方向，将提取出的元器件位置与模板电路板中各元器件的设定位置进行匈牙利匹配，匹配成功的双方对比位置及方向差异，判断出该处是否存在缺件、偏移缺陷，并获得位置偏移量和角度偏移量。本发明可以实现精确检测并定位电路板中含有缺陷的元器件，保证电路板的焊接质量。

技术领域

本发明涉及电路板元器件缺陷检测的技术领域，尤其是指一种基于深度学习的电路板元器件缺陷检测方法。

背景技术

在如今的电气化时代，人们的日常生活工作中离不开各式各样的电器设施，电路板是这些电器设备的核心组成部分，是一切电器运行的基础，因此电路板的质量好坏直接关系着整个产品的成功与否。在电路板的制造过程中，元器件的焊接是非常重要的一环，虽然现在的自动化设备具有较高的焊接准确率，但仍然避不可免的会出现一些焊接失败的问题，这就需要检测环节可以准确检测出这些带有缺陷的电路板，保证下游环节不会出现相关的问题。然而，现有的检测的方法大都采用传统的图像处理方法，对检测环境具有较高的要求，当光照变化或者相机的安装距离发生变化等情况时，难以保存较好的鲁棒性，而对于一些使用深度目标检测网络的方法，却存在的定位不精确，难以识别元件错焊等问题。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种基于深度学习的电路板元器件缺陷检测方法，该方法对各类元器件及电路板底板进行分割，精确定位每个元器件的位置及方向，通过与模板电路板的元器件位置对比，准确定位有缺陷的元器件，在不同环境仍然具有较好的鲁棒性，能够及时准确发现缺陷电路板，防止劣质电路板的流出。

为实现上述目的，本发明所提供的技术方案为：一种基于深度学习的电路板元器件缺陷检测方法，包括以下步骤：

1)获取电路板检测生产线的摄像机拍摄的电路板图像，将所有电路板图像按比例划分原始训练集和原始测试集，并进行掩膜标注；

2)对原始训练集进行重采样，在检测目标附近剪裁一部分图像，并重新生成对应的标签，作为最终的训练集，再对改进的SOLOv2网络进行训练，其中，该SOLOv2网络的改进是在主干网络中使用深度可分离卷积替代传统卷积，在网络输出层使用多个空洞卷积替代单一的传统卷积；

3)将待检测图像分成多个区域块，按批次送入训练好的改进的SOLOv2网络以对图像中的各类元器件及电路板底板进行分割，获取各类元器件及电路板底板掩膜预测结果；

4)将待测图像所有区域块的各类元器件及电路板底板掩膜预测结果进行融合；

5)通过融合后的电路板底板掩膜预测结果对各类元器件及电路板底板的掩膜预测结果进行矫正使其与模板电路板方向和尺寸相同；

6)依据矫正后的掩膜预测结果计算出各个元器件的实际中心位置及偏转方向；

7)将各个元器件的实际中心位置及偏转方向与其在模板电路板中的设定值对比，判断出该处是否存在缺件、偏移缺陷，并获得位置偏移量和角度偏移量。

在步骤2)中，训练集的重采样方法如下：