CN111443096B - 印刷电路板的缺陷检测方法、系统、电子装置及存储介质 - Google Patents

印刷电路板的缺陷检测方法、系统、电子装置及存储介质 Download PDF

Info

Publication number
CN111443096B
CN111443096B CN202010258038.4A CN202010258038A CN111443096B CN 111443096 B CN111443096 B CN 111443096B CN 202010258038 A CN202010258038 A CN 202010258038A CN 111443096 B CN111443096 B CN 111443096B
Authority
CN
China
Prior art keywords
detected
level features
image
printed circuit
circuit board
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010258038.4A
Other languages
English (en)
Other versions
CN111443096A (zh
Inventor
裴楚君
刘慧军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Linksense Shenzhen Co ltd
Original Assignee
Linksense Shenzhen Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Linksense Shenzhen Co ltd filed Critical Linksense Shenzhen Co ltd
Priority to CN202010258038.4A priority Critical patent/CN111443096B/zh
Publication of CN111443096A publication Critical patent/CN111443096A/zh
Application granted granted Critical
Publication of CN111443096B publication Critical patent/CN111443096B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N2021/95638—Inspecting patterns on the surface of objects for PCB's
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种印刷电路板的缺陷检测方法，涉及印刷电路板检测技术领域，用于检测印刷电路板的缺陷，包括：采集在当前检测情景中印刷电路板的待检图像；对待检图像进行编码，得到待检图像在空间维度上的低层特征，并得到待检图像在空间维度上去除了低层特征后的剩余特征，并将剩余特征记做高层特征；对低层特征及高层特征进行解码，并在空间维度上融合低层特征及高层特征，得到待检融合结果；对比预先设置的标准图像的标准融合结果及待检融合结果，对待检图像中涉及的印刷电路板的缺陷进行判断；从而提高了待检印刷电路板的缺陷检测精度，使得检测后的印刷电路板能够满足实际生产需求。

Description

印刷电路板的缺陷检测方法、系统、电子装置及存储介质
技术领域
本发明涉及印刷电路板检测技术领域，尤其涉及一种印刷电路板的缺陷检测方法、系统、电子装置及存储介质。
背景技术
印刷电路板，英文缩写为PCB，在印刷电路板的加工生产过程中，蚀刻是最重要的一个环节。因为在蚀刻过程中，铜板会脱落，此时电路版的电路布局仍然保留，其它部位则被冲刷掉。在该环节之后，那些被错误地蚀刻了板子，将会被废弃不用，造成重大的工业浪费，以及工厂的产能下降。
为了减少浪费及提高工厂的产能，工业印刷电路板生产过程中往往会在蚀刻过程发生前，采取人力检验印刷电路板的外观是否有缺陷，在印刷电路板的单一裸板上，这些缺陷可以大体归类为以下几类：崩孔，针痕，开路，蚀刻不净，蚀刻缺口，导线缺失，边缘突出，短路，孔大小不符，导线过近，杂散铜残留，微短路，缺孔，过蚀刻。
然而，在检测印刷电路板的外观是否有缺陷的过程中，依赖人的缺陷检测流程往往伴随着不确定性，且成本较大。因此出现了使用摄像机检测外观的方法，但是使用摄像机检测外观的方法在实际应用中，摄像机成像的印刷电路板缺陷检测算法只能在平面上检印刷电路板进行检测，精准度较低，导致检测后的印刷电路板不能满足实际生产需求。
发明内容
本发明的主要目的在于提供一种印刷电路板的缺陷检测方法、系统、电子装置及存储介质，旨在解决现有技术中摄像机成像的印刷电路板缺陷检测算法精准度较低，导致检测后的印刷电路板不能满足实际生产需求的技术问题。
为实现上述目的，本发明第一方面提供一种印刷电路板的缺陷检测方法，包括：采集在当前检测情景中印刷电路板的待检图像；对所述待检图像进行编码，得到所述待检图像在空间维度上的低层特征，并得到所述待检图像在空间维度上去除了所述低层特征后的剩余特征，并将所述剩余特征记做高层特征；对所述低层特征及所述高层特征进行解码，并在空间维度上融合所述低层特征及所述高层特征，得到待检融合结果；对比预先设置的标准图像的标准融合结果及所述待检融合结果，对待检图像中涉及的印刷电路板的缺陷进行判断。
进一步地，所述在空间维度上融合所述低层特征及所述高层特征，得到待检融合结果包括：提取待检图像的空间维度及通道维度；根据所述空间维度及所述通道维度对所述待检图像中的高层特征及低层特征进行融合，以加强所述高层特征及所述低层特征融和得到的待检测结果的融合效果。
进一步地，所述根据所述空间维度及所述通道维度对所述待检图像中的高层特征及低层特征进行融合包括：提取所述待检图像的通道维度中印刷电路板特征的特征通道维度；在所述特征通道维度及所述空间维度中对所述高层特征及所述低层特征进行加权融合。
进一步地，所述对所述低层特征及所述高层特征进行解码，并在空间维度上融合所述低层特征及所述高层特征，得到待检融合结果包括：提取所述高层特征包含的信息中的全局平均信息及全局最大信息；使用所述全局平均信息及所述全局最大信息使用空洞卷积获取所述空间维度的注意力(Channel-Wise&Spatial-Wise Attention)，并通过注意力机制获取所述特征通道维度的注意力；使用所述空间维度的注意力(Channel-Wise&Spatial-Wise Attention)及所述特征通道维度的注意力将所述底层特征及所述高层特征融合，得到待检融合结果。
本发明第二方面提供一种印刷电路板的缺陷检测系统，包括：图像采集模块，用于采集在当前检测情景中印刷电路板的待检图像，并采集无缺陷的印刷电路板的标准图像；特征提取模块，用于将所述图像采集模块采集的待检图像进行编码，得到所述待检图像在空间维度上的低层特征，并得到所述待检图像在空间维度上去除了所述低层特征后的剩余特征，并将所述剩余特征记做高层特征；特征融合模块，用于将所述特征提取模块提取的低层特征及高层特征进行解码，并在空间维度上融合所述低层特征及所述高层特征，得到待检融合结果；标准融合结果获取模块，用于获取预先取得的所述图像采集模块采集的标准图像的标准融合结果；对比检测模块，对比所述特征融合模块的待检融合结果及所述标准融合结果获取模块的标准融合结果，对所述图像采集模块采集的待检图像中涉及的印刷电路板的缺陷进行判断。
进一步地，所述特征融合模块包括：维度提取单元，用于提取所述图像采集模块采集的待检图像的空间维度及通道维度；融合增强单元，用于根据所述维度提取单元提取的空间维度及通道维度对待检图像中的高层特征及底层特征进行融合，以加强所述特征融合模块对高层特征及底层特征融合得到的待检结果的融合效果。
进一步地，所述融合增强单元包括：特征通道维度提取子单元，用于在待检图像在所述维度提取单元提取的通道维度中提取印刷电路板特征的特征通道维度；加权融合子单元，用于在所述特征通道维度提取子单元提取的特征通道维度及所述维度提取单元提取的空间维度中对待检图像的高层特征及底层特征进行加权融合。
进一步地，所述特征融合模块还包括：信息提取单元，用于在所述特征提取模块得到的高层特征包含的信息中提取全局平均信息及全局最大信息；注意力获取单元，用于根据所述信息提取单元提取的全局平均信息及全局最大信息使用空洞卷积获取所述特征通道维度提取子单元提取的空间维度的注意力(Channel-Wise&Spatial-Wise Attention)，并通过注意力机制获取所述维度提取单元提取的特征通道维度的注意力；融合单元，用于根据所述注意力获取单元获取的特征通道维度的注意力及空间维度的注意力(Channel-Wise&Spatial-Wise Attention)融合待检图像的低层特征及高层特征，得到待检融合结果。
本发明第三方面提供一种电子装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现上述中的任意一项所述印刷电路板的缺陷检测方法。
本发明第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述中的任意一项所述印刷电路板的缺陷检测方法。
本发明提供一种印刷电路板的缺陷检测方法、系统、电子装置及存储介质，有益效果在于：通过提取待检图像上印刷电路板的低层特征及高层特征，并在空间维度上进行融合，能够在空间维度上定位待检图像上印刷电路板的特征，即得到待检融合结果，并且在空间维度上对比标准图像上印刷电路板的标准融合结果及待检图像上印刷电路板的待检融合结果，能够从在空间维度上定位待检印刷电路板与标准印刷电路板的区别点，从而根据区别点来判断待检印刷电路板的缺陷，因此提高了待检印刷电路板的缺陷检测精度，使得检测后的印刷电路板能够满足实际生产需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例印刷电路板的缺陷检测方法的流程示意框图；
图2为本发明实施例印刷电路板的缺陷检测方法的结构示意框图；
图3为本发明实施例电子装置的结构示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，为一种印刷电路板的缺陷检测方法，包括：S1、采集在当前检测情景中印刷电路板的待检图像；S2、对待检图像进行编码，得到待检图像在空间维度上的低层特征，并得到待检图像在空间维度上去除了低层特征后的剩余特征，并将剩余特征记做高层特征；S3、对低层特征及高层特征进行解码，并在空间维度上融合低层特征及高层特征，得到待检融合结果；S4、对比预先设置的标准图像的标准融合结果及待检融合结果，对待检图像中涉及的印刷电路板的缺陷进行判断。
在空间维度上融合低层特征及高层特征，得到待检融合结果包括：提取待检图像的空间维度及通道维度；根据空间维度及通道维度对待检图像中的高层特征及低层特征进行融合，以加强高层特征及低层特征融和得到的待检测结果的融合效果。
根据空间维度及通道维度对待检图像中的高层特征及低层特征进行融合包括：提取待检图像的通道维度中印刷电路板特征的特征通道维度；在特征通道维度及空间维度中对高层特征及低层特征进行加权融合。
对低层特征及高层特征进行解码，并在空间维度上融合低层特征及高层特征，得到待检融合结果包括：提取高层特征包含的信息中的全局平均信息及全局最大信息；使用全局平均信息及全局最大信息使用空洞卷积获取空间维度的注意力(Channel-Wise&Spatial-Wise Attention)，并通过注意力机制获取特征通道维度的注意力；使用空间维度的注意力(Channel-Wise&Spatial-Wise Attention)及特征通道维度的注意力将底层特征及高层特征融合，得到待检融合结果。
在进行编码及解码的过程中，分别使用了编码器及解码器，编码器汇总存在最大池化层及转置卷积层，使得输入的待检图像在输入编码器的过程中一预定比例逐渐缩小，在本实施例中，预定比例为1：2，转换成深度卷积网络特征图，深度卷积网络特征图在经过解码器时，会以与上述预定比例相同的比率逐渐变大，直至最终的预测图与输入的待检图像大小一致。
在本实施例中，编码器由三个大模块组成：其中，第一大模块又由一个“根模块”(Stem Block)和n个“感受模块”(Receptive Block)串行拼接组成，第二大模块与第三大模块接近相同，均由一个“中继模块”(Transitive Block)和多个感受模块串行拼接而成。不同之处在于，第二大模块包含2n个感受模块，第三大模块包含3n个感受模块。而本发明提出的解码器则由三个串行拼接的“全局上采样注意力模块”(Global Attention Up-Sampling)构成，它利用高层特征(high level features)提取特征通道维度和空间维度的注意力(Channel-Wise&Spatial-Wise Attention)来加权高层和低层的特征融合，以使模型自主学习强调学习到的关键特征。
在本实施例中，解码器的核心部件包括全局上采样注意力模块，在全局上采样注意力模块中，特征通道维度和空间维度的注意力(Channel-Wise&Spatial-WiseAttention)被从具有丰富语意信息的高层特征中提取，在特征通道维度的注意力提取过程中，使用了两个并联的Squeeze-and-Excitation/SE模块，两个并联的Squeeze-and-Excitation/SE模块分别提取了高层特征的全局平均信息和全局最大信息。在空间维度的注意力(Channel-Wise&Spatial-Wise Attention)的提取过程中，空洞卷积(AtrousConvolution)被使用以获得在空间维度上足够大的感受野(Receptive Field)来更好的获取空间维度的注意力(Channel-Wise&Spatial-Wise Attention)，最后获得的通道维度和空间维度的注意力(Channel-Wise&Spatial-Wise Attention)被用在增强高层和低层特征的融合。
本申请实施例提供一种印刷电路板的缺陷检测系统，请参阅图2，包括：图像采集模块1、特征提取模块2、特征融合模块3及对比检测模块4；图像采集模块1用于采集在当前检测情景中印刷电路板的待检图像；特征提取模块2用于将图像采集模块1采集的待检图像进行编码，得到待检图像在空间维度上的低层特征，并得到待检图像在空间维度上去除了低层特征后的剩余特征，并将剩余特征记做高层特征；特征融合模块3用于将特征提取模块2提取的低层特征及高层特征进行解码，并在空间维度上融合低层特征及高层特征，得到待检融合结果；对比检测模块4对比特征融合模块3的待检融合结果及预先设置的标准图像的标准融合结果，对图像采集模块1采集的待检图像中涉及的印刷电路板的缺陷进行判断。
特征融合模块3包括：维度提取单元及融合增强单元；维度提取单元用于提取图像采集模块1采集的待检图像的空间维度及通道维度；融合增强单元用于根据维度提取单元提取的空间维度及通道维度对待检图像中的高层特征及底层特征进行融合，以加强特征融合模块3对高层特征及底层特征融合得到的待检结果的融合效果。
融合增强单元包括：特征通道维度提取子单元及加权融合子单元；特征通道维度提取子单元用于在待检图像在维度提取单元提取的通道维度中提取印刷电路板特征的特征通道维度；加权融合子单元用于在特征通道维度提取子单元提取的特征通道维度及维度提取单元提取的空间维度中对待检图像的高层特征及底层特征进行加权融合。
特征融合模块3还包括：信息提取单元、注意力获取单元及融合单元；信息提取单元用于在特征提取模块2得到的高层特征包含的信息中提取全局平均信息及全局最大信息；注意力获取单元用于根据信息提取单元提取的全局平均信息及全局最大信息使用空洞卷积获取特征通道维度提取子单元提取的空间维度的注意力(Channel-Wise&Spatial-Wise Attention)，并通过注意力机制获取维度提取单元提取的特征通道维度的注意力；融合单元用于根据注意力获取单元获取的特征通道维度的注意力及空间维度的注意力(Channel-Wise&Spatial-Wise Attention)融合待检图像的低层特征及高层特征，得到待检融合结果。
本申请实施例提供一种电子装置，请参阅3，该电子装置包括：存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序，处理器602执行该计算机程序时，实现前述中描述的印刷电路板的缺陷检测方法。
进一步的，该电子装置还包括：至少一个输入设备603以及至少一个输出设备604。
上述存储器601、处理器602、输入设备603以及输出设备604，通过总线605连接。
其中，输入设备603具体可为摄像头、触控面板、物理按键或者鼠标等等。输出设备604具体可为显示屏。
存储器601可以是高速随机存取记忆体(RAM，Random Access Memory)存储器，也可为非不稳定的存储器(Non-Volatile Memory)，例如磁盘存储器。存储器601用于存储一组可执行程序代码，处理器602与存储器601耦合。
进一步的，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以是设置于上述各实施例中的电子装置中，该计算机可读存储介质可以是前述中的存储器601。该计算机可读存储介质上存储有计算机程序，该程序被处理器602执行时实现前述实施例中描述的印刷电路板的缺陷检测方法。
进一步的，该计算机可存储介质还可以是U盘、移动硬盘、只读存储器601(ROM，Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上为对本发明所提供的一种印刷电路板的缺陷检测方法、系统、电子装置及存储介质的描述，对于本领域的技术人员，依据本发明实施例的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种印刷电路板的缺陷检测方法，其特征在于，包括：
采集在当前检测情景中印刷电路板的待检图像；
对所述待检图像进行编码，得到所述待检图像在空间维度上的低层特征，并得到所述待检图像在空间维度上去除所述低层特征后的剩余特征，并将所述剩余特征记做高层特征；
对所述低层特征及所述高层特征进行解码，并使用空间维度的注意力及特征通道维度的注意力将所述低层特征及所述高层特征进行融合，得到待检融合结果；其中，解码过程采用解码器，所述解码器由三个串行拼接的全局上采样注意力模块构成，且在所述全局上采样注意力模块中，采用两个并联的SE模块分别提取所述高层特征的全局平均信息和全局最大信息以得到所述特征通道维度的注意力，采用空洞卷积获取空间维度上的感受野以得到所述空间维度的注意力；
对比预先设置的标准图像的标准融合结果及所述待检融合结果，对待检图像中涉及的印刷电路板的缺陷进行判断。
2.一种印刷电路板的缺陷检测系统，其特征在于，包括：
图像采集模块，用于采集在当前检测情景中印刷电路板的待检图像；
特征提取模块，用于将所述图像采集模块采集的待检图像进行编码，得到所述待检图像在空间维度上的低层特征，并得到所述待检图像在空间维度上去除所述低层特征后的剩余特征，并将所述剩余特征记做高层特征；
特征融合模块，用于将所述特征提取模块提取的低层特征及高层特征进行解码，并使用空间维度的注意力及特征通道维度的注意力将所述低层特征及所述高层特征进行融合，得到待检融合结果；其中，解码过程采用解码器，所述解码器由三个串行拼接的全局上采样注意力模块构成，且在所述全局上采样注意力模块中，采用两个并联的SE模块分别提取所述高层特征的全局平均信息和全局最大信息以得到所述特征通道维度的注意力，采用空洞卷积获取空间维度上的感受野以得到所述空间维度的注意力；
对比检测模块，对比所述特征融合模块的待检融合结果及预先设置的标准图像的标准融合结果，对所述图像采集模块采集的待检图像中涉及的印刷电路板的缺陷进行判断。
3.一种电子装置，包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现权利要求1中的所述印刷电路板的缺陷检测方法。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1中的所述印刷电路板的缺陷检测方法。
CN202010258038.4A 2020-04-03 2020-04-03 印刷电路板的缺陷检测方法、系统、电子装置及存储介质 Active CN111443096B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010258038.4A CN111443096B (zh) 2020-04-03 2020-04-03 印刷电路板的缺陷检测方法、系统、电子装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010258038.4A CN111443096B (zh) 2020-04-03 2020-04-03 印刷电路板的缺陷检测方法、系统、电子装置及存储介质

Publications (2)

Publication Number Publication Date
CN111443096A CN111443096A (zh) 2020-07-24
CN111443096B true CN111443096B (zh) 2023-05-30

Family

ID=71651200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010258038.4A Active CN111443096B (zh) 2020-04-03 2020-04-03 印刷电路板的缺陷检测方法、系统、电子装置及存储介质

Country Status (1)

Country Link
CN (1) CN111443096B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116523917B (zh) * 2023-07-04 2023-10-13 宁德时代新能源科技股份有限公司 缺陷检测方法、装置、计算机设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216438A (zh) * 2008-01-16 2008-07-09 中国电子科技集团公司第四十五研究所 基于fpga的印刷电路板粗缺陷图像检测方法
CN109690554A (zh) * 2016-07-21 2019-04-26 西门子保健有限责任公司 用于基于人工智能的医学图像分割的方法和系统
CN109872364A (zh) * 2019-01-28 2019-06-11 腾讯科技（深圳）有限公司 图像区域定位方法、装置、存储介质和医学影像处理设备
CN109902748A (zh) * 2019-03-04 2019-06-18 中国计量大学 一种基于多层信息融合全卷积神经网络的图像语义分割方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3106370B2 (ja) * 1991-06-03 2000-11-06 協栄産業株式会社 グラフ情報によるプリント基板の欠陥検出及び種別認識方法
CN103376264A (zh) * 2012-04-24 2013-10-30 镇江华扬信息科技有限公司 一种印刷电路板的表面检查方法
JP6348289B2 (ja) * 2014-01-31 2018-06-27 株式会社Ｓｃｒｅｅｎホールディングス 検査装置および検査方法
CN104297254B (zh) * 2014-10-08 2017-04-12 华南理工大学 一种基于混合法的印刷电路板缺陷检测方法及系统
CN109919925A (zh) * 2019-03-04 2019-06-21 联觉(深圳)科技有限公司 印刷电路板智能检测方法、系统、电子装置及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216438A (zh) * 2008-01-16 2008-07-09 中国电子科技集团公司第四十五研究所 基于fpga的印刷电路板粗缺陷图像检测方法
CN109690554A (zh) * 2016-07-21 2019-04-26 西门子保健有限责任公司 用于基于人工智能的医学图像分割的方法和系统
CN109872364A (zh) * 2019-01-28 2019-06-11 腾讯科技（深圳）有限公司 图像区域定位方法、装置、存储介质和医学影像处理设备
CN109902748A (zh) * 2019-03-04 2019-06-18 中国计量大学 一种基于多层信息融合全卷积神经网络的图像语义分割方法

Also Published As

Publication number Publication date
CN111443096A (zh) 2020-07-24

Similar Documents

Publication Publication Date Title
CN110008917B (zh) 基于表格理解的继电保护装置定值单数据的故障检测方法
CN110490237B (zh) 数据处理方法、装置、存储介质及电子设备
CN111443096B (zh) 印刷电路板的缺陷检测方法、系统、电子装置及存储介质
CN109902759A (zh) 图片集描述方法及装置
CN115249237A (zh) 缺陷检测方法、缺陷检测装置及计算机可读存储介质
CN116152244A (zh) 一种smt缺陷检测方法、系统
CN116245817A (zh) 基于改进YOLOv5的PCB缺陷检测方法及存储介质
CN115115793A (zh) 图像处理方法、装置、设备及存储介质
KR101991415B1 (ko) Pcb 제조 공정에서 불량 컴포넌트 위치 검출 방법 및 시스템
CN117786058A (zh) 一种多模态大模型知识迁移框架的构建方法
Ray et al. A hybrid approach for detection and classification of the defects on printed circuit board
CN111523322A (zh) 需求文档质量评价模型训练方法及需求文档质量评价方法
CN115439446A (zh) 一种外观缺陷检测方法、装置、存储介质及电子设备
CN115439448A (zh) 一种表面缺陷检测方法、装置、存储介质及电子设备
CN116089308A (zh) 一种软件测试用例的生成方法、装置、设备及介质
CN115393617A (zh) 一种基于多卷积核检验的模仿式商标快速检测方法及系统
CN118134909B (zh) 一种电子产品外观图像检测方法及装置
CN114339208A (zh) 视频测试方法、装置、电子设备及计算机存储介质
CN116258769B (zh) 一种定位校验方法、装置、电子设备和存储介质
CN112669267B (zh) 一种电路板缺陷检测方法、装置、电子设备和存储介质
CN116342363B (zh) 基于两阶段深度神经网络的可见水印去除方法
CN111709943A (zh) 一种工件超视野识别方法、装置、存储介质及电子设备
CN111126281B (zh) 一种人群密度估计方法、装置、存储介质及电子设备
CN106332453A (zh) 印制电路板pcb制作信息的确定方法及装置
CN116758046A (zh) 纹理表面缺陷检测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant