[发明专利]一种基于YOLOv5的PCB缺陷检测方法

说明书

本发明公开了一种基于YOLOv5的PCB缺陷检测方法，包括采集图像、挑选图像并裁剪、图像预处理并标注、图像训练、图像测试。本发明的有益效果是：经过测试本发明对于PCB缺陷检测识别的精确率达到97.27％，召回率达到97.88％，mAP@0.5值达到0.9877，mAP@[.5:.95]值达到0.6588，各项性能极为优秀；与传统图像处理相比，本发明的方法在PCB缺陷表面检测方面具有更高的精确率和泛化能力；与Faster‑RCNN等其他深度学习算法对PCB表面缺陷检测相比，本发明的方法具有更高的准确性。

技术领域

本发明涉及一种PCB缺陷检测方法，具体为一种基于YOLOv5的PCB缺陷检测方法，属于工业生产中的PCB缺陷检测技术领域。

背景技术

随着大数据、人工智能、5G通信、物联网等高新技术的迅速发展，推动了印刷电路板(以下简称PCB板)的发展。PCB板作为电子产品之母，对电子产品的重要性如同人类的心脏。各类电子产品的组成部件中PCB板必不可少，且电子产品的质量很大程度上也取决于PCB板的质量，因此PCB板对于各个品牌和商家的竞争力也有很大影响，在出厂时对于PCB裸板的质量要求和检测效率要求也越来越高。

目前，对于PCB裸板的检测主要还是依靠传统的人工目检，但是随着线路密度的不断增高，人工进行检测的难度随之加大。为了解决这一问题，有部分企业使用了针床检测在线测试的方法对其进行检测，虽然这种方法相较于传统人工方法有了明显的进步，但同时带来了模板成本高、检测尺寸受到限制、接触式检测方式易对PCB裸板造成损坏等局限性，依然无法达到产品批量化、高精度、高效率检测的要求。利用较为先进的以机器视觉为核心的自动光学检测系统(Automatic Optical Inspection，AOI)虽然能够解决上述问题，但是由于功能齐全产业完善的企业大多是国外企业，不断引进国外的AOI设备无疑会增加国内企业的成本，对于国内行业的发展不利，因此解决这一问题是PCB行业的巨大挑战。

发明内容

本发明的目的就在于为了解决问题而提供一种基于YOLOv5的PCB缺陷检测方法。

本发明通过以下技术方案来实现上述目的：一种基于YOLOv5的PCB缺陷检测方法，包括以下步骤：

步骤一、采集图像，拍摄生产出的PCB图像；

步骤二、挑选图像并裁剪，对含有缺陷的PCB图像进行挑选、裁剪、增加亮度。

步骤三、图像预处理并标注，利用得到的子图像，进行数据增强，构建训练样本集、验证样本集、测试样本集；

步骤四、图像训练，利用所构建的训练样本集和验证样本集，对YOLOv5权重进行训练以及验证获训练好的YOLOv5模型；

步骤五、图像测试，使用训练好的YOLOv5模型对测试集PCB图像进行检测，分析检测结果。

作为本发明再进一步的方案：所述步骤一中，具体包括以下步骤：

a、在PCB生产线配备高清线阵相机；

b、当PCB通过触发传感器，启动成像设备后对PCB图像进行拍摄，获取高清线阵图像；

c、对拍摄的图像进行裁剪，剥离背景，只保留PCB图像。

作为本发明再进一步的方案：所述步骤二中，具体包括以下步骤：

a、在拍摄的图像里挑选含有缺陷的图像；

b、为减小数据量和方便处理，将含有包括的PCB缺陷的部分图像裁剪成600*600的统一大小；

c、对裁剪后的图片提高亮度，方便计算机识别。

作为本发明再进一步的方案：所述步骤三中，具体包括以下步骤：