[发明专利]自动光学检测辅助方法、装置及存储介质

权利要求书

1.一种自动光学检测辅助方法，其特征在于，所述方法包括：

获取AOI设备输出的res文件，所述res文件与检测点对应；

解析所述res文件，并将所述res文件中包含的PCB图片、元数据以及图片成像算法存储为预定格式的文件；

对所述PCB图片进行前处理，得到具有预定尺寸的目标图片；所述目标图片对应所述PCB图片中AOI检测框内的部分；

根据所述PCB图片对应的图片成像算法选择复检模型，将所述目标图片输入所述复检模型，得到所述检测点的复检结果，所述复检结果包括所述目标图片、标签；所述复检模型采用深度学习算法训练得到，所述标签为缺陷件或良品。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取样本res文件；

解析所述样本res文件，并将所述样本res文件中包含的PCB图片、元数据以及图片成像算法、AOI检测结果、人工复检结果存储为预定格式的文件；

对所述PCB图片进行前处理，得到具有预定尺寸的样本目标图片；

根据所述AOI检测结果和所述人工复检结果将所述样本目标图片定义为真阳样本、真阴样本、假阳样本；

定义复检模型的输出为两类标签；所述两类标签分别为缺陷件和良品；

定义后的样本目标图片构成训练数据，将所述训练数据分为S域和T域，真阳样本和真阴样本构成所述S域，假阳样本构成所述T域；

基于深度学习算法构建复检模型和所述复检模型对应的损失函数；复检模型与图片成像算法对应；

将所述训练数据输入所述复检模型，得到训练后的复检模型；

其中，损失函数包括D(TP_S,FP_T)＜＜D(TP_S,TN_S)，TP_S表示S域中的真阳样本，FP_T表示T域中的假阳样本，TN_S表示S域中的真阴样本，D(·)表示描述距离的度量或描述分布的度量。

3.根据权利要求2所述的方法，其特征在于，部分样本目标图片被定义标签，在利用所述训练数据训练所述复检模型的过程中，采用主动学习策略对所述复检模型进行优化。

4.根据权利要求1或2所述的方法，其特征在于，所述对所述PCB图片进行前处理，包括：

去除所述PCB图片中在AOI检测框以外的图像，得到辅助图片；

去除所述辅助图片中的PCB走线信息；

将所述辅助图片调整为预定尺寸。

5.根据权利要求1至3任一所述的方法，其特征在于，所述复检模型的输出还包括结果置信度。

6.根据权利要求1至3任一所述的方法，其特征在于，所述复检模型的输出还包括结果置信度、目标图片对应的热点图。

7.根据权利要求2所述的方法，其特征在于，当D(·)表示描述距离的度量时，D(·)用于计算最大均值差异。

8.根据权利要求2所述的方法，其特征在于，当D(·)表示描述分布的度量时，D(·)用于计算KL散度。

9.一种自动光学检测辅助装置，其特征在于，所述装置包括：

获取模块，用于获取AOI设备输出的res文件，所述res文件与检测点对应；

所述解析模块，用于解所述述res文件，并将所述res文件中包含的PCB图片、元数据以及图片成像算法存储为预定格式的文件；

处理模块，用于对所述PCB图片进行前处理，得到具有预定尺寸的目标图片；所述目标图片对应所述PCB图片中AOI检测框内的部分；

复检模块，用于根据所述PCB图片对应的图片成像算法选择复检模型，将所述目标图片输入所述复检模型，得到所述检测点的复检结果，所述复检结果包括所述目标图片、标签；所述复检模型采用深度学习算法训练得到，所述标签为缺陷件或良品。