申请/专利权人：湘潭大学

申请日：2024-01-29

公开（公告）日：2024-05-10

公开（公告）号：CN118014943A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/44;G06V10/774;G06V10/776;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种PCB外观缺陷检测与识别方法，本发明方法包括采集被检测的PCB外观缺陷图像，将PCB外观缺陷图像输入到预先训练好的PCB外观缺陷图像检测模型得到被检测的PCB外观缺陷的检测结果，PCB外观缺陷图像检测模型包括：主干特征提取网络，用于对输入的PCB外观缺陷图像提取不同层次的特征；多通道特征聚合网络MCFFN，用于对主干特征提取网络的特征图进行多通道多尺度特征聚合，得到的特征图送入检测头网络；检测头网络，用于对特征聚合后的特征图进行检测，获得PCB外观缺陷的检测结果。本发明具有检测精度高、推理速度实时性高的优点，满足了PCB外观缺陷智能检测的需要。

主权项：1.一种PCB外观缺陷检测与识别方法，其特征在于，将采集到的图像输入预先训练好的PCB外观缺陷检测模型，得到检测结果，构建PCB外观缺陷检测模型的步骤包括：主干特征提取网络，包括五个特征提取层，特征提取层的第一层为卷积组合模块Convolutionalgroup；特征提取层的第二层由依次级联的c2f模块和卷积核大小为3×2的CBS模块组成；特征提取层的第三层和第四层由依次级联的MaxPooling最大池化模块、ELAN模块和信息强化感知模块EPM组成；特征提取层的第五层由依次级联的MaxPooling池化模块、c2f模块和信息强化感知模块EPM组成；特征提取层的第二、三、四、五个特征提取层得到的特征图分别记为{C1，C2，C3，C4}；所述的卷积组合模块Convolutionalgroup为依次级联的卷积核大小为3×1的CBS模块、卷积核大小为3×2的CBS模块、卷积核大小为3×1的CBS模块、卷积核大小为3×2的CBS模块组成；所述的CBS模块由依次级联的卷积层、BatchNormalization层、SiLU激活函数组成；多通道特征融合网络MCFFN，由SPPCSPC模块、多通道融合空间特征注意力模块MFSAM、特征深度细化模块DJRM和c2f模块组成；用于对主干特征提取网络的特征图C1，C2，C3，C4进行特征融合及优化，得到特征图P1、P2和P3；基于注意力机制的部分卷积解耦头PADetect，对特征聚合后的特征P1、P2和P3进行检测，获得检测结果。

全文数据：

权利要求：

百度查询： 湘潭大学 一种PCB外观缺陷检测与识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD