[发明专利]基于深度学习的PCB板标注印刷质量检测方法

摘要

本发明基于深度学习的PCB板标注印刷质量检测方法，对获取的PCB板原图像进行高斯滤波、转为灰度图、边缘检测、孔洞填充、最佳阈值二值化分割等一系列预处理，能够有效提高识别检测效率；使用大津算法对图像进行最佳阈值分割得到二值化图像，提高了本发明的测试精度；对图像样本数据进行有效采集、扩充，增加了样本的代表性，防止因数据少而导致模型过拟合现象，使训练所得的模型尽可能小地受到无关因素的影响，增强了模型的鲁棒性，使深度学习网络训练时间更短，收敛速度更快；通过深度神经网络对图像进行目标特征高效提取，可有效避免传统人工神经网络特征提取方法导致的容易过拟合、训练耗时长、参数调整难度大等缺陷。

主权项

1.基于深度学习的PCB板标注印刷质量检测方法，其特征在于，包括以下步骤：（1）对标准PCB板图像进行预处理：挑选没有丝印缺陷的PCB板作为标准PCB板，拍摄标准PCB板图像，并对标准PCB板图像进行预处理，得到标准PCB板的预处理图像信息；（2）标准图像信息样本数据扩充处理：将标准PCB板的预处理图像信息作为标准图像信息样本，对标准图像信息样本数据进行扩充处理，得到扩充的标准图像信息样本数据；（3）构建深度学习特征数据库：将扩充的标准图像信息样本数据输入到深度神经网络模型，提取标准PCB板的图像目标信息特征，将数据集每个样本信息作为SVM训练集，构成深度学习特征数据库；（4）检测：采用步骤（1）的方法对待测PCB板图像进行预处理，得到待测PCB板的预处理图像信息，将待测PCB板的预处理图像信息输入到训练完成的深度学习模型中，提取待测PCB板的图像目标信息特征，作为SVM测试集，用SVM的方法将步骤（3）中的训练集和测试集结果进行分类，检测待测PCB板标注印刷的质量。