原文传递
一种基于CNN的柔性电路板外观缺陷检测方法
| 专利名称： | 一种基于CNN的柔性电路板外观缺陷检测方法 |
| 摘要： | 本发明公开了一种基于CNN的柔性电路板外观缺陷检测方法，该方法以基于GoogleNet设计的FDNet为模型，通过采样子图的综合判决实现对柔性电路板图像进行表面缺陷检测，并能粗略地给出缺陷位置信息；该方法包括模型训练和缺陷检测两个部分，模型训练生成可用于图像缺陷检测的CNN模型，包括图像预处理、缺陷区域标注、训练和测试样本集构建、模型训练和测试四个步骤；缺陷检测利用训练生成的CNN模型检测图像中的缺陷。本发明克服了传统图像处理方法只能检测特定情况下的FPC外观缺陷，具备较好的通用性，而且能够处理尺寸小和特征复杂的缺陷。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 江苏;32 |
| 申请人： | 南京理工大学 |
| 发明人： | 方俊;刘光杰;王政军;刘伟伟;杨路辉 |
| 专利状态： | 有效 |
| 申请号： | CN201810951960.4 |
| 公开号： | CN109239102A |
| 代理机构： | 南京理工大学专利中心 32203 |
| 代理人： | 陈鹏 |
| 分类号： | G01N21/956(2006.01)I;G;G01;G01N;G01N21 |
| 申请人地址： | 210094 江苏省南京市孝陵卫200号 |
| 主权项： | 1.一种基于CNN的柔性电路板外观缺陷检测方法，其特征在于，包括以下步骤：步骤1，对FPC图像进行预处理，获取图像中的待检测区域，即感兴趣区域ROI；步骤2，对ROI图像进行手工标注，记录ROI图像缺陷像素点的坐标位置，标注了缺陷信息的ROI图像则称为缺陷图像，未标注缺陷信息的ROI图像则为无缺陷图像；步骤3，对已经标记的ROI图像进行采样，以固定边长x、y的矩形框作为采样器，以步长xstep、ystep的顺序遍历ROI图像；设采样得到的子图为G，根据缺陷区域标注的缺陷坐标信息，统计G中包含的缺陷像素数N(G)；根据阈值T对G进行标注，N(G)>T，将G标注为缺陷样本；N(G)≤T，则标注为无缺陷样本；步骤4，将采样得到的缺陷样本和无缺陷样本均按照n:1比例分为训练集和验证集，训练集样本用于网络的训练，验证集样本用于测试网络的训练结果；模型训练采用FDNet在Caffe框架下对网络进行训练；模型测试用于验证模型对待检测区域图像测试的准确率和泛化能力，通过测试样本检验训练的效果，根据测试效果不断调整网络参数和采样参数以完成模型的训练和优化；步骤5，利用训练后的网络模型测试FPC图像；首先对FPC原图像进行相同的预处理和矩形框采样扫描操作得到多个矩形框图像Gi；利用模型训练阶段得到的网络模型依次检测矩形框图像；每个矩形框图像检测后会得到分类为缺陷的概率值p1和分类为无缺陷的概率值p2；通过判决函数f得到该区域为缺陷区域的综合判决结果s，f函数如式(1)所示： |
| 所属类别： | 发明专利 |
检索历史
应用推荐
