PCB板缺陷檢測方法及裝置制造方法及圖紙

本發明專利技術公開了一種PCB板缺陷檢測方法及裝置，其中方法包括：獲得待測PCB板圖像和標準PCB板圖像；將所述待測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像；將所述缺陷位置局部圖像輸入訓練好的改進GoogleNet網絡模型，識別PCB板的缺陷類型，其中所述改進GoogleNet網絡模型是根據歷史缺陷位置局部圖像進行訓練的，所述改進GoogleNet網絡模型是對GoogleNet網絡的Inception結構進行改進后得到的。本發明專利技術可以進行PCB板缺陷檢測，提高檢測效率和準確率，降低維護成本。降低維護成本。降低維護成本。

【技術實現步驟摘要】
PCB板缺陷檢測方法及裝置


[0001]本專利技術涉及缺陷檢測
，尤其涉及PCB板缺陷檢測方法及裝置。

技術介紹

[0002]隨著PCB板精度越來越高，密度越來越大，板中一些線路缺陷愈發難以發現。現有技術中通常采用人工檢測、傳統圖像處理或自動光學檢測的方法進行PCB板缺陷檢測，然而，人工檢測中準確度容易受工人的主觀影響，速度較慢，長時間工作容易引起主觀誤差；傳統圖像處理容易受到同時出現多個誤差的影響，且圖像容易受噪聲污染對檢測結果產生影響，無法保證準確度；自動光學檢測法雖然檢測準確度較高，但是其需要針對不同類型的PCB板即不同缺陷設計相應的算法流程，過程較為復雜同時設備太過昂貴，維護成本較高。
[0003]因此，亟需一種可以克服上述問題的PCB板缺陷檢測方案。

技術實現思路

[0004]本專利技術實施例提供一種PCB板缺陷檢測方法，用以進行PCB板缺陷檢測，提高檢測效率和準確率，降低維護成本，該方法包括：
[0005]獲得待測PCB板圖像和標準PCB板圖像；
[0006]將所述待測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像；
[0007]將所述缺陷位置局部圖像輸入訓練好的改進GoogleNet網絡模型，識別PCB板的缺陷類型，其中所述改進GoogleNet網絡模型是根據歷史缺陷位置局部圖像進行訓練的，所述改進GoogleNet網絡模型是對GoogleNet網絡的Inception結構進行改進后得到的。
[0008]本專利技術實施例提供一種PCB板缺陷檢測裝置，用以進行PCB板缺陷檢測，提高檢測效率和準確率，降低維護成本，該裝置包括：
[0009]圖像獲得模塊，用于獲得待測PCB板圖像和標準PCB板圖像；
[0010]位置確定模塊，用于將所述待測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像；
[0011]缺陷識別模塊，用于將所述缺陷位置局部圖像輸入訓練好的改進GoogleNet網絡模型，識別PCB板的缺陷類型，其中所述改進GoogleNet網絡模型是根據歷史缺陷位置局部圖像進行訓練的，所述改進GoogleNet網絡模型是對GoogleNet網絡的Inception結構進行改進后得到的。
[0012]本專利技術實施例還提供一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述PCB板缺陷檢測方法。
[0013]本專利技術實施例還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有執行上述PCB板缺陷檢測方法的計算機程序。
[0014]本專利技術實施例與現有技術中利用人工檢測、傳統圖像處理、自動光學檢測風方法進行PCB板缺陷檢測的技術方案相比，通過獲得待測PCB板圖像和標準PCB板圖像；將所述待
測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像；將所述缺陷位置局部圖像輸入訓練好的改進GoogleNet網絡模型，識別PCB板的缺陷類型，其中所述改進GoogleNet網絡模型是根據歷史缺陷位置局部圖像進行訓練的，所述改進GoogleNet網絡模型是對GoogleNet網絡的Inception結構進行改進后得到的。本專利技術實施例無需進行人工檢測也無需針對不同類型PCB板設計不同流程算法，只需對GoogleNet網絡的Inception結構進行改進得到改進GoogleNet網絡模型，根據歷史缺陷位置局部圖像對改進GoogleNet網絡模型進行訓練，然后將待測PCB板圖像和標準PCB板圖像進行比對確定缺陷位置局部圖像后輸入訓練好的改進GoogleNet網絡模型，即可實現PCB板缺陷的檢測，克服了PCB板小型化、高精度、高密度造成缺陷檢測困難的問題，提高了檢測效率和準確率，有效降低維護成本。
附圖說明
[0015]為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。在附圖中：
[0016]圖1為本專利技術實施例中PCB板缺陷檢測方法示意圖；
[0017]圖2為本專利技術實施例中另一PCB板缺陷檢測方法示意圖；
[0018]圖3為本專利技術實施例中待測PCB板圖像和標準PCB板圖像比對方法示意圖；
[0019]圖4為本專利技術具體實施例中缺陷二值化圖像；
[0020]圖5～圖6為本專利技術具體實施例中缺陷位置局部圖像；
[0021]圖7為本專利技術實施例中改進GoogleNet網絡模型訓練方法示意圖；
[0022]圖8為本專利技術實施例中GoogleNet網絡的Inception結構的改進方法示意圖；
[0023]圖9為本專利技術實施例中改進GoogleNet網絡模型結構圖；
[0024]圖10為本專利技術實施例中PCB板缺陷檢測裝置結構圖；
[0025]圖11是本專利技術實施例的計算機設備結構示意圖。
具體實施方式
[0026]為使本專利技術實施例的目的、技術方案和優點更加清楚明白，下面結合附圖對本專利技術實施例做進一步詳細說明。在此，本專利技術的示意性實施例及其說明用于解釋本專利技術，但并不作為對本專利技術的限定。
[0027]為了進行PCB板缺陷檢測，提高檢測效率和準確率，降低維護成本，本專利技術實施例提供一種PCB板缺陷檢測方法，如圖1所示，該方法可以包括：
[0028]步驟101、獲得待測PCB板圖像和標準PCB板圖像；
[0029]步驟102、將所述待測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像；
[0030]步驟103、將所述缺陷位置局部圖像輸入訓練好的改進GoogleNet網絡模型，識別PCB板的缺陷類型，其中所述改進GoogleNet網絡模型是根據歷史缺陷位置局部圖像進行訓練的，所述改進GoogleNet網絡模型是對GoogleNet網絡的Inception結構進行改進后得到的。
[0031]由圖1所示可以得知，本專利技術實施例與現有技術中利用人工檢測、傳統圖像處理、自動光學檢測風方法進行PCB板缺陷檢測的技術方案相比，通過獲得待測PCB板圖像和標準PCB板圖像；將所述待測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像；將所述缺陷位置局部圖像輸入訓練好的改進GoogleNet網絡模型，識別PCB板的缺陷類型，其中所述改進GoogleNet網絡模型是根據歷史缺陷位置局部圖像進行訓練的，所述改進GoogleNet網絡模型是對GoogleNet網絡的Inception結構進行改進后得到的。本專利技術實施例無需進行人工檢測也無需針對不同類型PCB板設計不同流程算法，只需對GoogleNet網絡的Inception結構進行改進得到改進GoogleNet網絡模型，根據歷史缺陷位置局部圖像對改進GoogleNet網絡模型進行訓練，然后將待測PCB板本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種PCB板缺陷檢測方法，其特征在于，包括：獲得待測PCB板圖像和標準PCB板圖像；將所述待測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像；將所述缺陷位置局部圖像輸入訓練好的改進GoogleNet網絡模型，識別PCB板的缺陷類型，其中所述改進GoogleNet網絡模型是根據歷史缺陷位置局部圖像進行訓練的，所述改進GoogleNet網絡模型是對GoogleNet網絡的Inception結構進行改進后得到的。2.如權利要求1所述的PCB板缺陷檢測方法，其特征在于，還包括：對所述待測PCB板圖像進行中值濾波處理；利用拉普拉斯算子對中值濾波處理后的待測PCB板圖像進行銳化處理；將所述待測PCB板圖像和標準PCB板圖像進行比對，包括：將銳化處理后的待測PCB板圖像和標準PCB板圖像進行比對。3.如權利要求1所述的PCB板缺陷檢測方法，其特征在于，將所述待測PCB板圖像和標準PCB板圖像進行比對，確定缺陷位置局部圖像，包括：對待測PCB板圖像和標準PCB板圖像進行視覺差分處理，得到缺陷差分圖像；根據預設灰度閾值，對所述缺陷差分圖像進行二值化處理，得到缺陷二值化圖像；對所述缺陷二值化圖像進行邊緣檢測，得到缺陷輪廓信息；根據所述缺陷輪廓信息，利用輪廓外接矩形算法確定缺陷位置處外接矩形框的中心點坐標；根據所述中心點坐標，在待測PCB板圖像上截取缺陷位置局部圖像。4.如權利要求1所述的PCB板缺陷檢測方法，其特征在于，所述改進GoogleNet網絡模型按如下方式根據歷史缺陷位置局部圖像進行訓練：對歷史缺陷位置局部圖像進行數據增強處理；將數據增強處理后的歷史缺陷位置局部圖像進行旋轉處理，平移處理，變換亮度處理，增加噪聲處理其中之一或任意組合，生成訓練數據集；根據所述訓練數據集，對改進GoogleNet網絡模型進行訓練。5.如權利要求4所述的PCB板缺陷檢測方法，其特征在于，根據所述訓練數據集，對改進GoogleNet網絡模型進行訓練，包括：根據所述訓練數據集，利用交叉熵損失作為...

【專利技術屬性】
技術研發人員：胡琳，郭楠，李瑞琪，張欣，紀婷鈺，焦國濤，
申請(專利權)人：中國電子技術標準化研究院，
類型：發明
國別省市：