CN114155367A - 印制电路板缺陷检测方法、装置、设备及存储介质 - Google Patents
印制电路板缺陷检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114155367A CN114155367A CN202210119898.9A CN202210119898A CN114155367A CN 114155367 A CN114155367 A CN 114155367A CN 202210119898 A CN202210119898 A CN 202210119898A CN 114155367 A CN114155367 A CN 114155367A
- Authority
- CN
- China
- Prior art keywords
- defect
- circuit board
- detected
- region
- model
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于缺陷检测领域,公开了一种印制电路板缺陷检测方法、装置、设备及存储介质。该方法包括:获取待检测印制电路板的电路板图像;在所述电路板图像中绘制若干个待检测感兴趣区域;从预设模型池中选取各待检测感兴趣区域对应的检测模型;根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。由于本发明是从预设模型池中选取各待检测感兴趣区域对应的检测模型进而对待检测感兴趣区域进行缺陷检测。相对于现有的为每一个待检测感兴趣区域绑定一个模型进行检测的方式,本发明上述方式能够在预设模型池中对检测模型统一管理,提高模型的利用效率、降低模型管理复杂度。
Description
技术领域
本发明涉及印制电路板缺陷检测技术领域,尤其涉及一种印制电路板缺陷检测方法、装置、设备及存储介质。
背景技术
PCB作为电子信息产业的基础承载,在其生产及贴片过程中的质量把控是相当严格的,由于其表面电子元器件数量多、种类杂,所以如何将传统的视觉技术很好的应用在PCB的缺陷检测方面一直是一个难题。随着深度学习技术的成熟应用,传统视觉技术所面临的问题也得到了解决,越来越多的PCB缺陷检测开始将深度学习技术应用其中。但是基于深度学习的检测算法解决的仅仅是缺陷检测的稳定性和准确性方面的不足,对于PCB上有很多ROI(PCB缺陷检测中确定的待检测的感兴趣区域)并且这些ROI对应各种模型时,面对模型的管理配置都显得十分复杂且难以维护。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种印制电路板缺陷检测方法、装置、设备及存储介质,旨在解决现有技术印制电路板缺陷检测时为每一个待检测感兴趣区域绑定一个模型进行检测导致的模型管理复杂度高和难以维护的技术问题。
为实现上述目的,本发明提供了一种印制电路板缺陷检测方法,所述方法包括以下步骤:
获取待检测印制电路板的电路板图像;
在所述电路板图像中绘制若干个待检测感兴趣区域;
从预设模型池中选取各待检测感兴趣区域对应的检测模型;
根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。
可选地,所述根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果的步骤之后,还包括:
获取所述缺陷检测结果对应的区域像素点坐标集合;
根据所述区域像素点坐标集合确定待检测感兴趣区域中的封闭区域;
根据所述封闭区域确定目标缺陷区域。
可选地,所述根据所述封闭区域确定目标缺陷区域的步骤,包括:
获取用户输入的缺陷筛选指令;
根据所述缺陷筛选指令确定缺陷筛选维度,所述缺陷筛选维度包括:面积、周长、外接矩形的宽度以及外接矩形的长度;
获取所述封闭区域在所述缺陷筛选维度下的参数值;
根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域。
可选地,所述根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域的步骤,包括:
在所述缺陷筛选维度为面积时,所述参数值为各个封闭区域对应的封闭区域面积;
获取缺陷筛选指令中的目标筛选条件;
根据所述目标筛选条件对所述参数值进行筛选,获得筛选结果;
根据所述筛选结果确定目标缺陷区域。
可选地,所述从预设模型池中选取各待检测感兴趣区域对应的检测模型的步骤之前,包括:
获取用户的绑定指令;
根据所述绑定指令确定目标待检测感兴趣区域;
根据所述绑定指令确定检测模型,将所述检测模型与所述目标待检测感兴趣区域进行绑定。
可选地,所述从预设模型池中选取各待检测感兴趣区域对应的检测模型的步骤之前,还包括:
获取预设数据集和待训练检测模型;
根据所述预设数据集对所述待训练检测模型进行迭代训练,得到训练后的缺陷检测模型;
根据所述训练后的缺陷检测模型更新预设模型池,并对所述训练后的缺陷检测模型进行初始化。
可选地,所述根据所述训练后的缺陷检测模型更新预设模型池,并对所述训练后的缺陷检测模型进行初始化的步骤,包括:
根据所述训练后的缺陷检测模型更新预设模型池;
获取所述训练后的缺陷检测模型对应的待检测感兴趣区域信息;
根据所述待检测感兴趣区域信息确定目标检测面积;
根据所述目标检测面积确定模型初始化时的硬件资源分配信息;
根据所述硬件资源分配信息为所述训练后的缺陷检测模型分配初始化资源;
根据所述初始化资源对所述训练后的缺陷检测模型进行初始化。
此外,为实现上述目的,本发明还提供一种印制电路板缺陷检测装置,所述装置包括:
获取模块,用于获取待检测印制电路板的电路板图像;
绘制模块,用于在所述电路板图像中绘制若干个待检测感兴趣区域;
选取模块,用于从预设模型池中选取各待检测感兴趣区域对应的检测模型;
缺陷检测模块,用于根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。
此外,为实现上述目的,本发明还提出一种印制电路板缺陷检测设备,所述设备包括: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印制电路板缺陷检测程序,所述印制电路板缺陷检测程序配置为实现如上文所述的印制电路板缺陷检测方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有印制电路板缺陷检测程序,所述印制电路板缺陷检测程序被处理器执行时实现如上文所述的印制电路板缺陷检测方法的步骤。
本发明获取待检测印制电路板的电路板图像;在所述电路板图像中绘制若干个待检测感兴趣区域;从预设模型池中选取各待检测感兴趣区域对应的检测模型;根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。由于本发明是从预设模型池中选取各待检测感兴趣区域对应的检测模型进而对待检测感兴趣区域进行缺陷检测。相对于现有的为每一个待检测感兴趣区域绑定一个模型进行检测的方式,本发明上述方式能够在预设模型池中对检测模型统一管理,提高模型的利用效率、降低模型管理复杂度。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的印制电路板缺陷检测设备的结构示意图;
图2为本发明印制电路板缺陷检测方法第一实施例的流程示意图;
图3为本发明印制电路板缺陷检测方法第二实施例的流程示意图;
图4为本发明印制电路板缺陷检测装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的印制电路板缺陷检测设备结构示意图。
如图1所示,该印制电路板缺陷检测设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对印制电路板缺陷检测设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及印制电路板缺陷检测程序。
在图1所示的印制电路板缺陷检测设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明印制电路板缺陷检测设备中的处理器1001、存储器1005可以设置在印制电路板缺陷检测设备中,所述印制电路板缺陷检测设备通过处理器1001调用存储器1005中存储的印制电路板缺陷检测程序,并执行本发明实施例提供的印制电路板缺陷检测方法。
基于上述印制电路板缺陷检测设备,本发明实施例提供了一种印制电路板缺陷检测方法,参照图2,图2为本发明印制电路板缺陷检测方法第一实施例的流程示意图。
本实施例中,所述印制电路板缺陷检测方法包括以下步骤:
步骤S10:获取待检测印制电路板的电路板图像。
需要说明的是,本实施例的执行主体可以是一种具有数据处理、网络通信以及程序运行功能的计算服务设备,例如手机、平板电脑、个人电脑等,或者是一种能够实现上述功能的电子设备或印制电路板缺陷检测设备。以下以所述印制电路板缺陷检测设备为例,对本实施例及下述各实施例进行说明。
需要说明的是,所述待检测印制电路板可以是需要进行质量检测的印制电路板,可以是通过模型检测所述待检测印制电路板上的电子元器件的数量、种类、排列规则等。所述电路板图像可以是通过相机等采集设备采集到的待检测印制电路板的图像,以将其上传至印制电路板缺陷检测设备进行检测。
在具体实施中,印制电路板缺陷检测设备获取通过相机等采集设备拍摄的待检测印制电路板的电路板图像。
步骤S20:在所述电路板图像中绘制若干个待检测感兴趣区域。
需要说明的是,所述待检测感兴趣区域可以是用户输入的所述电路板图像中需要进行检测的区域。
在具体实施中,用户可在印制电路板缺陷检测设备中,先选取图像类别,例如,矩形、菱形、圆形等形状,然后根据所述图像类别直接在所述电路板图像中绘制若干个区域,将所述绘制的区域作为待检测感兴趣区域。
步骤S30:从预设模型池中选取各待检测感兴趣区域对应的检测模型。
需要说明的是,所述预设模型池可以是预先设置的模型集合。所有待检测感兴趣区域对应的检测模型都将在所述预设模型池中进行管理,该预设模型池可以统一管理各个模型的GPU配置、初始化、更新、释放、状态显示等功能。
在具体实施中,印制电路板缺陷检测设备中可提供模型管理界面,提供预设按钮用于删除和添加模型,可为每一个模型设置下拉选项,用户点击后显示模型相关的硬件配置等信息。为模型设置初始化和释放按钮,用户点击相应的按钮,印制电路板缺陷检测设备即执行相应的操作,可用不同的颜色标识模型的不同状态,例如,Initial按钮和Relase按钮分别用于模型的初始化和释放,并且这两个按钮的使能状态是互斥的且对应着模型是否已经被初始化完成,Intial按钮使能则表示该模型还未初始化,Relase按钮使能则表示该模型已经初始化完成;Relase按钮右侧文本用于表示模型的名称,模型的初始名称为模型路径,支持自定义修改,红色表示该模型还未初始化,绿色表示该模型已经初始化成功,也可根据用户的需求自适应调整,本实施例在此不加以限制。
进一步的,为了提高模型管理的效率,减少检测的复杂度,所述步骤S30之前,还包括:获取用户的绑定指令;根据所述绑定指令确定目标待检测感兴趣区域;根据所述绑定指令确定检测模型,将所述检测模型与所述目标待检测感兴趣区域进行绑定。
需要说明的是,所述绑定指令可以是用户输入的将检测模型和所述待检测感兴趣区域进行绑定的指令。
在具体实施中,用户绘制完成待检测感兴趣区域后,需要为待检测感兴趣区域选择一个检测模型,并将所述检测模型与所述目标待检测感兴趣区域进行绑定。以使在后续遍历待检测感兴趣区域对待检测感兴趣区域进行检测时,可以根据待检测感兴趣区域的名称或其他标识确定对应的检测模型,进而从预设模型池中获取所述检测模型对待检测感兴趣区域进行检测。
进一步的,现有技术中模型管理复杂,在构建检测方案过程中,随时都会对模型进行调整更改,此时需要一一找到所有应用该模型的待检测感兴趣区域才能做相应的更改,为了解决上述技术问题,所述步骤S30之前,还包括:获取预设数据集和待训练检测模型;根据所述预设数据集对所述待训练检测模型进行迭代训练,得到训练后的缺陷检测模型;根据所述训练后的缺陷检测模型更新预设模型池,并对所述训练后的缺陷检测模型进行初始化。
需要说明的是,所述预设数据集可以是预先设置的对模型进行训练的数据。所述待训练检测模型可以是预设模型池中的原有模型,也可以是神经网络模型,在所述待训练检测模型是神经网络模型时,对其训练后即得到新的用于检测待检测感兴趣的模型。根据所述训练后的缺陷检测模型更新预设模型池可以是将所述训练后的缺陷检测模型替换至原来的模型,实现模型的更新。也可以是直接对预设模型池中的模型进行更改,本实施例在此不加以限制。
进一步的,为了合理的分配硬件资源对预设模型池中的各个模型进行初始化,所述根据所述训练后的缺陷检测模型更新预设模型池,并对所述训练后的缺陷检测模型进行初始化的步骤,包括:根据所述训练后的缺陷检测模型更新预设模型池;获取所述训练后的缺陷检测模型对应的待检测感兴趣区域信息;根据所述待检测感兴趣区域信息确定目标检测面积;根据所述目标检测面积确定模型初始化时的硬件资源分配信息;根据所述硬件资源分配信息为所述训练后的缺陷检测模型分配初始化资源;根据所述初始化资源对所述训练后的缺陷检测模型进行初始化。
需要说明的是,所述待检测感兴趣区域信息可以是所述缺陷检测模型对应的检测区域的面积信息。所述目标检测面积可以是检测区域的面积大小,根据所述目标检测面积确定模型初始化时的硬件资源分配信息可以是根据检测区域的面积大小为所述检测模型分配对应的硬件资源,例如,检测模型A对应的检测区域面积大小为3500,检测模型B对应的检测区域面积大小为800,印制电路板缺陷检测设备中有一张3090的显卡和一张3060的显卡,则将所述检测模型B通过3060的显卡进行初始化,将所述检测模型A通过3090的显卡进行初始化。
应理解的是,每个模型都会拥有一套相同的基本参数,如该模型是在哪个GPU上面进行初始化的,该模型是否初始化成功了等,当模型进行初始化时,其中的一些参数我们可以进行自由配置,如本地计算机上有一张3090的显卡和一张3060的显卡,根据需要我们可以选择将该模型在3060的显卡上进行初始化和资源分配,如果该显卡的资源(显存、算力等等)不支持初始化该模型,那么模型的状态将显示为未初始化,否则即为已初始化状态。在模型进行训练时,可以为每种缺陷打上标签,如PCB板上面可能会出现破损、异物、毛刺等等各种缺陷,那么这些缺陷在标注的时候都会被打上标签,一般情况下,这些缺陷的标签名称对应的就是该缺陷的中文或者英文名称,当模型训练完成之后,会在本地保留一份关于这个模型基本信息的“.json”后缀名称的文件,该文件内也会保存该模型的所有标签名称,那么当初始化该模型时,即可从该文件内对这个模型的所有标签进行读取,便可知道该模型所有可能推理出来的结果有哪些。
步骤S40:根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。
需要说明的是,所述缺陷检测结果可以是通过所述检测模型对对应的待检测感兴趣区域进行缺陷检测后的结果,模型的检测结果一般为多个坐标集合,即图像中的像素点的坐标。集合构成的区域即为模型检测出来的待检测感兴趣区域的缺陷区域。
在具体实施中,用户在绘制完成待检测感兴趣区域后,对其进行命名ROI1,ROI2,ROI3等,可以同时选择使用相同的模型对多个待检测感兴趣区域进行检测。如ROI1、ROI3、ROI7都使用模型1,选中这三个待检测感兴趣区域后打开预设模型池,选择已经加载的模型1,那么这三个待检测感兴趣区域在程序中会使用字典容器与模型1形成绑定关系。在对待检测印刷电路板运行时,会遍历绘制的所有待检测感兴趣区域,在遍历到每个待检测感兴趣区域时,都会在已有的字典容器中进行查询,如果已经为该待检测感兴趣区域配置了检测模型,那么字典中根据这个待检测感兴趣区域的名称就可以查询到该待检测感兴趣区域绑定的检测模型,后根据所述检测模型对所述待检测感兴趣区域进行检测。
本实施例获取待检测印制电路板的电路板图像;在所述电路板图像中绘制若干个待检测感兴趣区域;从预设模型池中选取各待检测感兴趣区域对应的检测模型;根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。由于本实施例是从预设模型池中选取各待检测感兴趣区域对应的检测模型进而对待检测感兴趣区域进行缺陷检测。相对于现有的为每一个待检测感兴趣区域绑定一个模型进行检测的方式,本实施例上述方式能够在预设模型池中对检测模型统一管理,提高模型的利用效率、降低模型管理复杂度。
参考图3,图3为本发明印制电路板缺陷检测方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S40之后,还包括:
步骤S50:获取所述缺陷检测结果对应的区域像素点坐标集合。
需要说明的是,所述检测模型对待检测感兴趣区域进行检测后的输出结果为多个坐标集合,即图像中的像素点的坐标。所述区域像素点坐标集合可以是所述缺陷检测结果中待检测感兴趣区域对应的坐标集合。
步骤S60:根据所述区域像素点坐标集合确定待检测感兴趣区域中的封闭区域。
需要说明的是,所述像素点的坐标构成的区域即为模型检测出来的待检测感兴趣区域的缺陷区域,即所述封闭区域。
步骤S70:根据所述封闭区域确定目标缺陷区域。
需要说明的是,所述目标缺陷区域可以是用户需要检测的缺陷对应的区域。例如,用户需要检测的缺陷区域是封闭区域的面积大于预设值的区域,因此,需要从所述封闭区域中筛选出面积大于预设值的区域作为目标缺陷区域。
进一步的,为了根据用户的需求筛选出对应的缺陷信息,所述步骤S70,可包括:获取用户输入的缺陷筛选指令;根据所述缺陷筛选指令确定缺陷筛选维度,所述缺陷筛选维度包括:面积、周长、外接矩形的宽度以及外接矩形的长度;获取所述封闭区域在所述缺陷筛选维度下的参数值;根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域。
需要说明的是,所述缺陷筛选指令可以是用户输入的对封闭区域进行筛选的指令,其可以包括缺陷筛选维度和目标筛选条件。所述缺陷筛选维度可以是对所述封闭区域进行筛选的依据,例如,依据封闭区域的面积、周长,最小外接矩形的宽度,最小外接矩形的长度、角度、像素均值等对封闭区域进行筛选。所述目标筛选条件可以是从所述封闭区域中选取目标缺陷区域的条件,例如,目标筛选条件为像素面积为0至30000,那么模型推理的所有坐标集合所形成的封闭区域中,像素面积大于30000的就会被舍弃,将像素面积为0至30000的封闭区域作为所述目标缺陷区域。
进一步的,为了更加高效的筛选出用户需求的缺陷信息,所述根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域的步骤,包括:在所述缺陷筛选维度为面积时,所述参数值为各个封闭区域对应的封闭区域面积;获取缺陷筛选指令中的目标筛选条件;根据所述目标筛选条件对所述参数值进行筛选,获得筛选结果;根据所述筛选结果确定目标缺陷区域。
在具体实施中,在所述缺陷筛选维度为面积时,所述参数值为各个封闭区域对应的封闭区域面积;例如,封闭区域1的像素面积为500,可以是封闭区域对应的像素的个数。封闭区域2的像素面积为3500,封闭区域3的像素面积为1000,封闭区域4的像素面积为2000。获取缺陷筛选指令中的目标筛选条件为将面积为0-3000的封闭区域作为目标缺陷区域。则根据所述目标筛选条件对所述参数值进行筛选,获得筛选结果为封闭区域1、封闭区域3以及封闭区域4满足所述目标筛选条件,则目标缺陷区域为封闭区域1、封闭区域3以及封闭区域4。
本实施例获取所述缺陷检测结果对应的区域像素点坐标集合;根据所述区域像素点坐标集合确定待检测感兴趣区域中的封闭区域;获取用户输入的缺陷筛选指令;根据所述缺陷筛选指令确定缺陷筛选维度,所述缺陷筛选维度包括:面积、周长、外接矩形的宽度以及外接矩形的长度;获取所述封闭区域在所述缺陷筛选维度下的参数值;根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域。本实施例通过缺陷检测结果确定封闭区域,根据用户的缺陷筛选指令筛选出目标缺陷区域,能够准确的检测出用户需求检测的缺陷。
参照图4,图4为本发明印制电路板缺陷检测装置第一实施例的结构框图。
如图4所示,本发明实施例提出的印制电路板缺陷检测装置包括:
获取模块10,用于获取待检测印制电路板的电路板图像;
绘制模块20,用于在所述电路板图像中绘制若干个待检测感兴趣区域;
选取模块30,用于从预设模型池中选取各待检测感兴趣区域对应的检测模型;
缺陷检测模块40,用于根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。
本实施例获取待检测印制电路板的电路板图像;在所述电路板图像中绘制若干个待检测感兴趣区域;从预设模型池中选取各待检测感兴趣区域对应的检测模型;根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。由于本实施例是从预设模型池中选取各待检测感兴趣区域对应的检测模型进而对待检测感兴趣区域进行缺陷检测。相对于现有的为每一个待检测感兴趣区域绑定一个模型进行检测的方式,本实施例上述方式能够在预设模型池中对检测模型统一管理,提高模型的利用效率、降低模型管理复杂度。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的参数运行方法,此处不再赘述。
基于本发明上述印制电路板缺陷检测装置第一实施例,提出本发明印制电路板缺陷检测装置的第二实施例。
在本实施例中,所述缺陷检测模块40,还用于获取所述缺陷检测结果对应的区域像素点坐标集合;根据所述区域像素点坐标集合确定待检测感兴趣区域中的封闭区域;根据所述封闭区域确定目标缺陷区域。
进一步的,所述缺陷检测模块40,还用于获取用户输入的缺陷筛选指令;根据所述缺陷筛选指令确定缺陷筛选维度,所述缺陷筛选维度包括:面积、周长、外接矩形的宽度以及外接矩形的长度;获取所述封闭区域在所述缺陷筛选维度下的参数值;根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域。
进一步的,所述缺陷检测模块40,还用于在所述缺陷筛选维度为面积时,所述参数值为各个封闭区域对应的封闭区域面积;获取缺陷筛选指令中的目标筛选条件;根据所述目标筛选条件对所述参数值进行筛选,获得筛选结果;根据所述筛选结果确定目标缺陷区域。
进一步的,所述选取模块30,还用于获取用户的绑定指令;根据所述绑定指令确定目标待检测感兴趣区域;根据所述绑定指令确定检测模型,将所述检测模型与所述目标待检测感兴趣区域进行绑定。
进一步的,所述选取模块30,还用于获取预设数据集和待训练检测模型;根据所述预设数据集对所述待训练检测模型进行迭代训练,得到训练后的缺陷检测模型;根据所述训练后的缺陷检测模型更新预设模型池,并对所述训练后的缺陷检测模型进行初始化。
进一步的,所述选取模块30,还用于根据所述训练后的缺陷检测模型更新预设模型池;获取所述训练后的缺陷检测模型对应的待检测感兴趣区域信息;根据所述待检测感兴趣区域信息确定目标检测面积;根据所述目标检测面积确定模型初始化时的硬件资源分配信息;根据所述硬件资源分配信息为所述训练后的缺陷检测模型分配初始化资源;根据所述初始化资源对所述训练后的缺陷检测模型进行初始化。
本发明印制电路板缺陷检测装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有印制电路板缺陷检测程序,所述印制电路板缺陷检测程序被处理器执行时实现如上文所述的印制电路板缺陷检测方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种印制电路板缺陷检测方法,其特征在于,所述印制电路板缺陷检测方法包括以下步骤:
获取待检测印制电路板的电路板图像;
在所述电路板图像中绘制若干个待检测感兴趣区域;
从预设模型池中选取各待检测感兴趣区域对应的检测模型;
根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。
2.如权利要求1所述的印制电路板缺陷检测方法,其特征在于,所述根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果的步骤之后,还包括:
获取所述缺陷检测结果对应的区域像素点坐标集合;
根据所述区域像素点坐标集合确定待检测感兴趣区域中的封闭区域;
根据所述封闭区域确定目标缺陷区域。
3.如权利要求2所述的印制电路板缺陷检测方法,其特征在于,所述根据所述封闭区域确定目标缺陷区域的步骤,包括:
获取用户输入的缺陷筛选指令;
根据所述缺陷筛选指令确定缺陷筛选维度,所述缺陷筛选维度包括:面积、周长、外接矩形的宽度以及外接矩形的长度;
获取所述封闭区域在所述缺陷筛选维度下的参数值;
根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域。
4.如权利要求3所述的印制电路板缺陷检测方法,其特征在于,所述根据所述缺陷筛选指令中的目标筛选条件和所述参数值对所述封闭区域进行筛选,获得目标缺陷区域的步骤,包括:
在所述缺陷筛选维度为面积时,所述参数值为各个封闭区域对应的封闭区域面积;
获取缺陷筛选指令中的目标筛选条件;
根据所述目标筛选条件对所述参数值进行筛选,获得筛选结果;
根据所述筛选结果确定目标缺陷区域。
5.如权利要求1-4任一项所述的印制电路板缺陷检测方法,其特征在于,所述从预设模型池中选取各待检测感兴趣区域对应的检测模型的步骤之前,包括:
获取用户的绑定指令;
根据所述绑定指令确定目标待检测感兴趣区域;
根据所述绑定指令确定检测模型,将所述检测模型与所述目标待检测感兴趣区域进行绑定。
6.如权利要求5所述的印制电路板缺陷检测方法,其特征在于,所述从预设模型池中选取各待检测感兴趣区域对应的检测模型的步骤之前,还包括:
获取预设数据集和待训练检测模型;
根据所述预设数据集对所述待训练检测模型进行迭代训练,得到训练后的缺陷检测模型;
根据所述训练后的缺陷检测模型更新预设模型池,并对所述训练后的缺陷检测模型进行初始化。
7.如权利要求6所述的印制电路板缺陷检测方法,其特征在于,所述根据所述训练后的缺陷检测模型更新预设模型池,并对所述训练后的缺陷检测模型进行初始化的步骤,包括:
根据所述训练后的缺陷检测模型更新预设模型池;
获取所述训练后的缺陷检测模型对应的待检测感兴趣区域信息;
根据所述待检测感兴趣区域信息确定目标检测面积;
根据所述目标检测面积确定模型初始化时的硬件资源分配信息;
根据所述硬件资源分配信息为所述训练后的缺陷检测模型分配初始化资源;
根据所述初始化资源对所述训练后的缺陷检测模型进行初始化。
8.一种印制电路板缺陷检测装置,其特征在于,所述印制电路板缺陷检测装置包括:
获取模块,用于获取待检测印制电路板的电路板图像;
绘制模块,用于在所述电路板图像中绘制若干个待检测感兴趣区域;
选取模块,用于从预设模型池中选取各待检测感兴趣区域对应的检测模型;
缺陷检测模块,用于根据所述检测模型对对应的待检测感兴趣区域进行缺陷检测,获得缺陷检测结果。
9.一种印制电路板缺陷检测设备,其特征在于,所述设备包括: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印制电路板缺陷检测程序,所述印制电路板缺陷检测程序配置为实现如权利要求1至7中任一项所述的印制电路板缺陷检测方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有印制电路板缺陷检测程序,所述印制电路板缺陷检测程序被处理器执行时实现如权利要求1至7任一项所述的印制电路板缺陷检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119898.9A CN114155367B (zh) | 2022-02-09 | 2022-02-09 | 印制电路板缺陷检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119898.9A CN114155367B (zh) | 2022-02-09 | 2022-02-09 | 印制电路板缺陷检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114155367A true CN114155367A (zh) | 2022-03-08 |
CN114155367B CN114155367B (zh) | 2022-05-13 |
Family
ID=80450033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210119898.9A Active CN114155367B (zh) | 2022-02-09 | 2022-02-09 | 印制电路板缺陷检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114155367B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1677096A (zh) * | 2004-03-31 | 2005-10-05 | 安立株式会社 | 印刷电路板检查装置 |
US20140049281A1 (en) * | 2012-08-17 | 2014-02-20 | Taiwan Semiconductor Manufacturing Co., Ltd. | Diagnosis Framework to Shorten Yield Learning Cycles of Advanced Processes |
CN106056608A (zh) * | 2016-06-01 | 2016-10-26 | 武汉精测电子技术股份有限公司 | 一种图像点线缺陷检测方法及装置 |
CN111639546A (zh) * | 2020-05-07 | 2020-09-08 | 金钱猫科技股份有限公司 | 一种基于神经网络的小尺度目标云计算识别方法和装置 |
CN112837303A (zh) * | 2021-02-09 | 2021-05-25 | 广东拓斯达科技股份有限公司 | 一种用于模具监视的缺陷检测方法、装置、设备及介质 |
CN112964724A (zh) * | 2021-02-01 | 2021-06-15 | 苏州百迈半导体技术有限公司 | 一种多目标多区域视觉检测方法及检测系统 |
CN113256624A (zh) * | 2021-06-29 | 2021-08-13 | 中移(上海)信息通信科技有限公司 | 连铸圆坯缺陷检测方法、装置、电子设备及可读存储介质 |
CN113724231A (zh) * | 2021-09-01 | 2021-11-30 | 广东工业大学 | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 |
-
2022
- 2022-02-09 CN CN202210119898.9A patent/CN114155367B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1677096A (zh) * | 2004-03-31 | 2005-10-05 | 安立株式会社 | 印刷电路板检查装置 |
US20140049281A1 (en) * | 2012-08-17 | 2014-02-20 | Taiwan Semiconductor Manufacturing Co., Ltd. | Diagnosis Framework to Shorten Yield Learning Cycles of Advanced Processes |
CN106056608A (zh) * | 2016-06-01 | 2016-10-26 | 武汉精测电子技术股份有限公司 | 一种图像点线缺陷检测方法及装置 |
CN111639546A (zh) * | 2020-05-07 | 2020-09-08 | 金钱猫科技股份有限公司 | 一种基于神经网络的小尺度目标云计算识别方法和装置 |
CN112964724A (zh) * | 2021-02-01 | 2021-06-15 | 苏州百迈半导体技术有限公司 | 一种多目标多区域视觉检测方法及检测系统 |
CN112837303A (zh) * | 2021-02-09 | 2021-05-25 | 广东拓斯达科技股份有限公司 | 一种用于模具监视的缺陷检测方法、装置、设备及介质 |
CN113256624A (zh) * | 2021-06-29 | 2021-08-13 | 中移(上海)信息通信科技有限公司 | 连铸圆坯缺陷检测方法、装置、电子设备及可读存储介质 |
CN113724231A (zh) * | 2021-09-01 | 2021-11-30 | 广东工业大学 | 一种基于语义分割和目标检测融合模型的工业缺陷检测方法 |
Non-Patent Citations (2)
Title |
---|
TAMÁS CZIMMERMANN 等: "Visual-Based Defect Detection and Classification Approaches for Industrial Applications—A SURVEY", 《SENSORS》 * |
夏晓云: "液晶屏模糊边缘缺陷分布式检测方法", 《计算机应用研究》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114155367B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117760B (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN107463331B (zh) | 手势轨迹模拟方法、装置及电子设备 | |
CN109711396B (zh) | Ocr训练样本的生成方法、装置、设备及可读存储介质 | |
CN105843494A (zh) | 一种实现区域屏幕截图的方法、装置和终端 | |
CN110780873A (zh) | 界面颜色适配方法、装置、计算机设备及存储介质 | |
CN113095995A (zh) | 网页水印添加方法、装置、电子设备及存储介质 | |
CN112416777B (zh) | 文本显示测试方法、装置、计算机设备和存储介质 | |
CN108846814A (zh) | 图像处理方法、装置、可读存储介质及计算机设备 | |
CN112101386A (zh) | 文本检测方法、装置、计算机设备和存储介质 | |
CN114463284A (zh) | Pcb缺陷检测方法、装置、设备及存储介质 | |
CN111598084B (zh) | 缺陷分割网络训练方法、装置、设备及可读存储介质 | |
CN117871545A (zh) | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 | |
CN112149570A (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN109871205B (zh) | 界面代码调整方法、装置、计算机装置及存储介质 | |
CN112036304A (zh) | 医疗票据版面识别的方法、装置及计算机设备 | |
CN114155367B (zh) | 印制电路板缺陷检测方法、装置、设备及存储介质 | |
CN113269155B (zh) | 端到端的人脸识别方法、装置、设备及存储介质 | |
CN111401465A (zh) | 训练样本优化方法、装置、设备及存储介质 | |
CN113763248A (zh) | 超分辨率图像重建方法、装置、设备及存储介质 | |
CN108804652B (zh) | 封面图片的生成方法、装置、存储介质和电子装置 | |
CN113269276B (zh) | 图像识别方法、装置、设备及存储介质 | |
EP4345741A1 (en) | Image content extraction method and apparatus, and terminal and storage medium | |
CN112257134B (zh) | 模型管理方法、装置及电子设备 | |
CN115501588A (zh) | 图像渲染方法、装置、存储介质及电子设备 | |
CN112286785B (zh) | 用户界面的异常检测方法及装置 |
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 |