[发明专利]一种高密度柔性基板的缺陷检测方法有效
| 申请号： | 201910166760.2 | 申请日： | 2019-03-06 |
| 公开（公告）号： | CN109859207B | 公开（公告）日： | 2023-06-23 |
| 发明（设计）人： | 罗家祥;吴冬冬;林宗沛;胡跃明 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/0464;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 王东东 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种高密度柔性基板的缺陷检测方法，包括采集带有外观缺陷的FICS图像，将图像预处理后统一为标准尺寸，标记每张图像中的缺陷位置和类别，作为faster R‑CNN卷积神经网络模型的训练样本；将标记号的训练样本作为faster R‑CNN卷积神经网络模型的输入，并输出FICS缺陷的位置与类型信息，得到训练好的基于faster R‑CNN卷积神经网络模型；然后将待检测的FICS图像输入训练好的基于faster R‑CNN卷积神经网络模型，输出是否有缺陷，如果有缺陷，则输出缺陷位置及类型。本发明实现高密度柔性基板外观缺陷的快速定位与类型判断，解决了传统缺陷检测方法速度慢，正确率低的问题。 | ||
| 搜索关键词： | 一种 高密度 柔性 缺陷 检测 方法 | ||
【主权项】：
1.一种高密度柔性基板的缺陷检测方法，其特征在于，包括：深度神经网络模型训练步骤，具体为：采集带有外观缺陷的FICS图像，将图像预处理后统一为标准尺寸，标记每张图像中的缺陷位置和类别，作为faster R‑CNN卷积神经网络模型的训练样本；将标记号的训练样本作为faster R‑CNN卷积神经网络模型的输入，并输出FICS缺陷的位置与类型信息，得到训练好的基于faster R‑CNN卷积神经网络模型；缺陷检测步骤，具体为：将待检测的FICS图像输入训练好的基于faster R‑CNN卷积神经网络模型，输出是否有缺陷，如果有缺陷，则输出缺陷位置及类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910166760.2/，转载请声明来源钻瓜专利网。
