买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州辰瓴光学有限公司

摘要：本发明提供了一种AI赋能柔性线路板缺陷检测方法及检测设备，属于柔性线路板缺陷检测技术领域。该检测方法包括：生成所述柔性线路板在不同变形情况下的图像样本；构建深度学习网络模型，用于根据输入的所述柔性线路板的还原图像生成修正图像，所述深度学习网络模型的损失函数包括形变程度项、结构相似性项和均方误差项；通过所述图像样本训练所述深度学习网络模型；将当前的所述柔性线路板的图像输入训练后的所述深度学习网络模型，得到修正后的目标图像；根据所述目标图像进行缺陷判定。本发明能够在治具与检测基台之间出现配合精度下降时提高柔性线路板的缺陷检测精度。

主权项：1.一种AI赋能柔性线路板缺陷检测方法，待检测的所述柔性线路板通过矩形的治具固定于检测基台上，所述治具设置于所述检测基台上的限位凹槽内，所述治具的四个角点处设有定位柱，所述定位柱与所述限位凹槽的底面处的限位孔配合，所述治具上设有多个吸附口，用于提供吸附待检测的所述柔性线路板的吸附力，其特征在于，所述方法包括：生成所述柔性线路板在不同变形情况下的图像样本，所述图像样本包括在所述柔性线路板的各个关键点具有不同下降位移量和绕预设轴线旋转不同角度的样本，所述预设轴线包括四个所述定位柱中任意两个的中心的连线；构建深度学习网络模型，用于根据输入的所述柔性线路板的还原图像生成修正图像，所述深度学习网络模型的损失函数包括形变程度项A、结构相似性项B和均方误差项C，其中，形变程度项A用于反应所述还原图像和所述修正图像的变形的相似度，所述结构相似性项B用于反应所述还原图像和所述修正图像的结构相似性，所述均方误差项C用于反应所述还原图像和所述修正图像的像素级别的相似度；通过所述图像样本训练所述深度学习网络模型；将当前的所述柔性线路板的图像输入训练后的所述深度学习网络模型，得到修正后的目标图像；根据所述目标图像进行缺陷判定；所述形变程度项A根据以下公式确定： 其中，a1、a2i、a3j为预设的控制系数，θ为柔性线路板绕一个预设轴线的旋转角度，zi为还原图像与修正图像的第i个关键点的竖向坐标差值，zcj为还原图像与修正图像的第j个角点的竖向坐标差值，n为关键点的总数；所述结构相似性项B根据以下公式确定： 其中，b1和b2为常数项，μ1为所述还原图像的各个像素的像素值的均值，μ2为所述修正图像的各个像素的像素值的均值，σ1为所述还原图像的各个像素值的标准差，σ2为所述修正图像的各个像素值的标准差，σ12为所述还原图像与所述修正图像的各个像素值的协方差；所述均方误差项C根据以下公式确定： 其中，M、N为所述还原图像的像素的总行数和总列数，Is，t为所述还原图像的第s行第t列的像素的强度值，I’s，t为所述修正图像的第s行第t列的像素的强度值，p为行数，q为列数；所述损失函数L根据以下公式确定：L＝k1*A+k2*1-B+k3*C；其中，k1、k2和k3为权重系数。

全文数据：

权利要求：

百度查询： 苏州辰瓴光学有限公司 AI赋能柔性线路板缺陷检测方法及检测设备