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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD