[发明专利]一种基于X-Ray图像的FPC镍片焊接状态检测方法

权利要求书

1.一种基于X-Ray图像的FPC镍片焊接状态检测方法，其特征在于,包括以下步骤：

步骤S1、加载镍片检测模型；

步骤S2、向镍片检测模型中载入经X-Ray检测设备拍摄的X-Ray镍片图片；

步骤S3、判断图片中是否包含镍片，若是，则执行步骤S4；若否，则返回输出异常信息并结束检测；

步骤S4、在图片中对镍片进行ROI位置截取；

步骤S5、在进行ROI位置截取的镍片图片上加载气泡分割模型；

步骤S6、判断ROI位置截取的镍片图片上气泡整体面积占比是否小于阈值，若否，则使用“NG”模式输出检测信息，并结束检测；若是，则执行步骤S7；

步骤S7、判断ROI位置截取的镍片图片上最大气泡面积占比是否小于阈值，若否，则使用“NG”模式输出检测信息，并结束检测；若是，则使用“OK”模式输出检测信息，并结束检测。

2.根据权利要求1所述的一种基于X-Ray图像的FPC镍片焊接状态检测方法，其特征在于，还包括步骤S8：被判定为“NG”的X-Ray镍片图片，由人工对成像图片进行复判，若人工复判判定为“OK”，需要把此图片作为深度学习的样片进行镍片检测模型以及气泡分割模型的优化训练。

3.根据权利要求2所述的一种基于X-Ray图像的FPC镍片焊接状态检测方法，其特征在于：所述步骤S8中的把此图片作为深度学习的样片进行镍片检测模型以及气泡分割模型的优化训练进一步具体为对采集到的镍片原始图像数据集进行人工标注镍片位置标签；将镍片原始图像数据集和标注好的镍片位置标签进行镍片检测模型训练；从镍片检测模型中提取镍片图像ROI区域得出单个镍片图像数据集；对采集到的单个镍片图像数据集进行人工标注镍片气泡标签；将单个镍片图像数据集和标注好的镍片气泡标签进行模型训练得到升级后的模型气泡分割模型。

4.根据权利要求1所述的一种基于X-Ray图像的FPC镍片焊接状态检测方法，其特征在于:所述步骤S1中的镍片检测模型包括骨干网络、特征变换与检测头；所述骨干网络由卷积神经网络构成，作用是提取图像中有用的特征，提取过程是根据手工标注的镍片位置信息通过反向传播算法自动求得，骨干网络的输出是一个蒸馏过的包含图片有用信息的特征矩阵；特征变换使用了FPN与PAN，其中FPN使得语义信息由高纬度向低纬度传递，使得大目标检测明确，而PAN使得低纬度向高纬度再传递一次语义信息，使得小目标明确，特征变换的功能是将骨干网络提取的特征矩阵进行整合，通过特征变换,使得镍片检测模型在不同拍摄距离下都能够检测出镍片在图像中的位置；检测头负责在变换过的特征矩阵上计算出最终的检测结果，检测头将图片长宽等分为25*25的网格，每个网格负责检测中心点落在本网格的镍片，其输出是一个五维的向量，分别表示类型、镍片中心点相对网格左上角点的x坐标以及y坐标、镍片的长与宽，通过检测头输出的检测结果在原图上画出相应的镍片矩形区域，并将这一区域截取下来作为ROI输入后续的镍片分割模型中。

5.根据权利要求1所述的一种基于X-Ray图像的FPC镍片焊接状态检测方法，其特征在于:所述步骤S5中的气泡分割模型的架构其分为编码、解码两部分，其中编码器部分由卷积神经网络构成，作用是提取图像中的有用的特征，提取过程是根据手工标注的镍片气泡信息通过反向传播算法自动求得；解码器部分是一个逐层向上采样的结构，最终生成一个与原图同样大小的矩阵，用于对图像中的每个像素进行分类，在对图像中每个像素都进行分类后，通过图像学中的聚类以及边缘检测算法，将镍片和镍片中的每个气泡检测出来。

6.根据权利要求5所述的一种基于X-Ray图像的FPC镍片焊接状态检测方法，其特征在于:所述气泡分割模型为7层编码器与6层解码器的组合。