申请/专利权人:南京航空航天大学
申请日:2020-06-10
公开(公告)日:2024-04-16
公开(公告)号:CN111738994B
主分类号:G06T7/00
分类号:G06T7/00;G06T7/11;G06T3/4038;G06V10/25;G06V10/46;G06V10/77;G06V10/82;G06N3/0464;G06N3/045;G06N3/0442;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.04.16#授权;2020.10.30#实质审查的生效;2020.10.02#公开
摘要:本发明公开了一种轻量级的PCB缺陷检测方法,包括步骤:将待检测的PCB局部照片做显著性区域分割拼接成整体照片并做后期处理;将处理好的整体图像送入轻量级元器件检测网络,输出元器件检测结果;根据元器件检测结果,将具有文本的元器件图像送入文本识别模块,输出文本识别结果;根据输出的文本识别结果中每个元器件的信息,结合对比信息输出缺陷分析结果。本发明具有较好的精确性、高效性以及鲁棒性,有效的解决了PCB板缺陷检测问题,降低了计算复杂度,减少了内存消耗,缩短了检测时间,同时提高了精度。
主权项:1.一种轻量级的PCB缺陷检测方法,其特征在于:包括如下步骤:S1:将待检测的PCB局部照片做显著性区域分割拼接成整体照片并做后期处理;S2:将处理好的整体图像送入轻量级元器件检测网络,输出元器件检测结果;S3:根据元器件检测结果,将具有文本的元器件图像送入文本识别模块,输出文本识别结果;S4:根据输出的文本识别结果中每个元器件的信息,结合对比信息输出缺陷分析结果;所述步骤S3的具体过程为:C1:使用MJSynth图像库,训练轻量级文本识别网络,直至网络收敛;C2:根据步骤S2输出的元器件信息,将包含文本的元器件图像送入训练好的轻量级文本识别网络,通过STN转换层和改进高效轻量级网络PeleeNet,输出图像深度纹理特征;C3:将输出的图像深度纹理特征图送入循环神经网络层,并引入Denselayer结构,输出预测的特征序列的标签分布;C4:使用注意力机制模块AM,将输出的标签分布转换为最终的文本识别结果。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种轻量级的PCB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。