龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室);安徽工业大学
申请日：2023-05-29
公开（公告）日：2023-10-03
公开（公告）号：CN116843620A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/764;G06V10/774;G06V10/82;G06V10/778;G06N3/0464;G06N3/082
优先权：
专利状态码：在审-实质审查的生效
法律状态：2023.10.24#实质审查的生效;2023.10.03#公开
摘要：本发明公开了一种基于非范例类增量学习的印刷电路板缺陷检测方法，包括获取PCB图像，并基于原型排练进行缺陷特征表示学习过程；基于动态结构重组策略获取旧类缺陷的代表范例，保证新类缺陷的无偏训练；采用基于可扩展嵌入空间的缺陷原型选择机制减少蒸馏部分的新旧类缺陷特征混淆；通过平衡校准对缺陷进行分类，得到印刷电路板缺陷结果。本发明通过动态结构重组策略实现循环扩展优化，从而得到缺陷特征结构不变表示。使用主分支蒸馏来通过对齐旧缺陷类上的不变分布缺陷特征知识来保持新网络对旧缺陷特征的区分。使用一种原型选择机制，结合保留的不变缺陷知识和输入的新缺陷样本，以减少相似缺陷类之间的特征混淆。
主权项：1.一种基于非范例类增量学习的印刷电路板缺陷检测方法，其特征在于，具体步骤包括：步骤S1、获取PCB图像，并基于原型排练进行缺陷特征表示学习过程；步骤S2、基于动态结构重组策略获取旧类缺陷的代表范例，保证新类缺陷的无偏训练；步骤S3、采用基于可扩展嵌入空间的缺陷原型选择机制减少蒸馏部分的新旧类缺陷特征混淆；步骤S4、通过平衡校准对缺陷进行分类，得到印刷电路板缺陷结果。
全文数据：
权利要求：
百度查询： 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室);安徽工业大学 一种基于非范例类增量学习的印刷电路板缺陷检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号