本申请公开了电路板缺陷判别方法、训练方法、装置、设备及存储介质，涉及表面缺陷判别领域；所述电路板缺陷判别方法，包括以下步骤：获取待判别电路板的目标图像；将所述目标图像输入已训练的目标判别模型，获得所述目标图像的缺陷判别信息；其中，所述目标判别模型由电路板样本图像集训练获得；所述电路板样本图像集中包括若干样本图像以及若干所述样本图像对应的标签信息，所述标签信息基于对若干所述样本图像的语义描述信息获得，所述标签信息包括：缺陷种类信息和缺陷等级信息。旨在解决现有缺陷判别方法无法对缺陷进行缺陷等级有效判别的技术问题。判别的技术问题。判别的技术问题。
【技术实现步骤摘要】
电路板缺陷判别方法、训练方法、装置、设备及存储介质
[0001]本申请涉及表面缺陷判别领域，尤其涉及电路板缺陷判别方法、训练方法、装置、设备及存储介质。
技术介绍
[0002]电路板是重要的电子部件，是电子元器件的支撑体，是电子元器件电器连接的载体。电路板的板本身是否存在缺陷将直接影响使用该电路板的设备性能，所以对于电路板的缺陷判别显得尤为必要。电路板缺陷种类较多，包含露铜、板污、线路刮伤、阻焊过薄、防焊偏移、文字模糊等十几种缺陷，不同的缺陷形状、大小、颜色、位置均不一样，而现有缺陷判别方法无法对缺陷进行缺陷等级有效判别。
技术实现思路
[0003]本申请的主要目的是提供电路板缺陷判别方法、训练方法、装置、设备及存储介质，旨在解决现有缺陷判别方法无法对缺陷进行缺陷等级有效判别的技术问题。
[0004]为解决上述技术问题，本申请提出了：一种电路板缺陷判别方法，包括以下步骤：获取待判别电路板的目标图像；将所述目标图像输入已训练的目标判别模型，获得所述目标图像的缺陷判别信息；其中，所述目标判别模型由电路板样本图像集训练获得；所述电路板样本图像集中包括若干样本图像以及若干所述样本图像对应的标签信息，所述标签信息基于对若干所述样本图像的语义描述信息获得，所述标签信息包括：缺陷种类信息和缺陷等级信息。
[0005]为了使目标判别模型在后续实际应用中能对电路板缺陷进行有效自动判别，作为本申请一些可选实施方式，在所述将所述目标图像输入已训练的目标判别模型，获得所述目标图像的缺陷判别信息之前，还包括：获取若干样本图像；分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集；基于所述电路板样本图像集，对初始目标判别模型进行训练，获得所述目标判别模型。
[0006]为了提高语义标注内容与缺陷的实际信息更为贴近，并从若干所述样本图像中提取通用性语义标注内容，从而提高判别等级效率；作为本申请一些可选实施方式，所述分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集，包括：基于历史数据，对若干所述样本图像及其对应的若干语义解释进行语义判别，获得语义判别结果；基于所述语义判别结果，获得所述语义判别结果对应的目标语义解释；基于所述目标语义解释，分别对若干所述样本图像的缺陷信息进行语义标注，以
获得所述电路板样本图像集。
[0007]本申请针对电路板缺陷这一实际应用场景，基于电路板历史数据，对若干所述样本图像及其对应的若干语义解释进行语义判别，获得并基于所述语义判别结果，获得了目标语义解释，并基于所述目标语义解释，获得了通用性的缺陷种类信息，即作为本申请一些可选实施方式，所述缺陷种类信息包括余铜、破盘和凹坑中的至少一种。
[0008]为了使所述目标识别模型对目标缺陷进行自动判别，本申请针对上述缺陷种类，分别赋予了不同的目标语义解释，即赋予所述目标识别模型量化标准规则；作为本申请一些可选实施方式，当所述样本图像中的缺陷种类信息为余铜信息时，所述目标语义解释为线路间隙宽度的解释。
[0009]为了使所述目标识别模型对目标缺陷进行自动判别，本申请针对上述缺陷种类，分别赋予了不同的目标语义解释，即赋予所述目标识别模型量化标准规则；作为本申请一些可选实施方式，当所述样本图像中的缺陷种类信息为破盘信息时，所述目标语义解释为线路宽度的解释。
[0010]为了使所述目标识别模型对目标缺陷进行自动判别，本申请针对上述缺陷种类，分别赋予了不同的目标语义解释，即赋予所述目标识别模型量化标准规则；作为本申请一些可选实施方式，当所述样本图像中的缺陷种类信息为凹坑信息时，所述目标语义解释为线路密度的解释或线路宽度的解释。
[0011]为了提高语义标注内容与缺陷的实际信息更为贴近，并从若干所述样本图像中提取通用性语义标注内容，从而提高判别等级效率；作为本申请一些可选实施方式，所述标签信息还包括：缺陷位置信息。
[0012]为了使所述目标判别模型具有自动判别缺陷等级的能力，本申请在进行语义标注时，在包括了缺陷的种类信息和缺陷的位置信息的同时，作为本申请一些可选实施方式，所述缺陷等级信息包括：允收信息和报废信息。
[0013]为了提高所述目标判别模型自动判别缺陷等级的效率和准确性，作为本申请一些可选实施方式，所述将所述目标图像输入已训练的目标判别模型，获得所述目标图像的缺陷判别信息，包括：将所述目标图像输入已训练的目标判别模型，获得所述目标图像的缺陷信息；基于所述目标图像的缺陷信息，与预设的判别标准对比，获得所述缺陷的判别信息。
[0014]为解决上述技术问题，本申请还提出了：一种电路板缺陷判别模型训练方法，包括以下步骤：获取若干样本图像；分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集；其中，所述电路板样本图像集中包括若干所述样本图像以及若干所述样本图像对应的标签信息，所述标签信息包括：缺陷种类信息和缺陷等级信息；基于所述电路板样本图像集，对初始目标判别模型进行训练，获得所述目标判别模型。
[0015]通过上述训练方法获得的电路板缺陷判别模型由于通过规则学习，即分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集；其中，所述电路板
样本图像集中包括若干所述样本图像以及若干所述样本图像对应的标签信息，所述标签信息包括：缺陷种类信息和缺陷等级信息；基于所述电路板样本图像集，对初始目标判别模型进行训练，获得所述目标判别模型，因此在实际应用中，能自动对所述电路板缺陷进行缺陷等级判别。
[0016]为了提高语义标注内容与缺陷的实际信息更为贴近，并从若干所述样本图像中提取通用性语义标注内容，从而提高判别等级效率；作为本申请一些可选实施方式，所述分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集，包括：基于历史数据，对若干所述样本图像及其对应的若干语义解释进行语义判别，获得语义判别结果；基于所述语义判别结果，获得所述语义判别结果对应的目标语义解释；基于所述目标语义解释，分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集。
[0017]作为本申请一些可选实施方式，所述电路板表面缺陷判别模型为Faster RCNN算法模型。在该实施方式中，Faster RCNN算法模型的性能优越，实现了精度较高的物体判别性能。Faster RCNN通过两阶网络与RPN，实现判别相比起其他一阶网络，两阶更为精准，尤其是针对高精度、多尺度以及小物体问题上，两阶网络优势更为明显。Faster RCNN在多个数据集及物体任务上效果都很好，对于个人的数据集，往往Fine
‑
tune（微调）后就能达到较好的效果。Faster RCNN的整个算法框架中可以进行优化的点很多，提供了广阔的算法优化空间。因此采用所述Faster RCNN算法模型作为所述电路板表面缺陷判别模型，能提高所述判别模型对目标缺陷的判别速度以及准确率。
[0018]为解决上述技术问题，本申请还提出了：本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电路板缺陷判别方法，其特征在于，包括以下步骤：获取待判别电路板的目标图像；将所述目标图像输入已训练的目标判别模型，获得所述目标图像的缺陷判别信息；其中，所述目标判别模型由电路板样本图像集训练获得；所述电路板样本图像集中包括若干样本图像以及若干所述样本图像对应的标签信息，所述标签信息基于对若干所述样本图像的语义描述信息获得，所述标签信息包括：缺陷种类信息和缺陷等级信息。2.根据权利要求1所述电路板缺陷判别方法，其特征在于，在所述将所述目标图像输入已训练的目标判别模型，获得所述目标图像的缺陷判别信息之前，还包括：获取若干样本图像；分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集；基于所述电路板样本图像集，对初始目标判别模型进行训练，获得所述目标判别模型。3.根据权利要求2所述电路板缺陷判别方法，其特征在于，所述分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集，包括：基于历史数据，对若干所述样本图像及其对应的若干语义解释进行语义判别，获得语义判别结果；基于所述语义判别结果，获得所述语义判别结果对应的目标语义解释；基于所述目标语义解释，分别对若干所述样本图像的缺陷信息进行语义标注，以获得所述电路板样本图像集。4.根据权利要求3所述电路板缺陷判别方法，其特征在于，所述缺陷种类信息包括余铜、破盘和凹坑中的至少一种。5.根据权利要求4所述电路板缺陷判别方法，其特征在于，当所述样本图像中的缺陷种类信息为余铜信息时，所述目标语义解释为线路间隙宽度的解释。6.根据权利要求4所述电路板缺陷判别方法，其特征在于，当所述样本图像中的缺陷种类信息为破盘信息时，所述目标语义解释为线路宽度的解释。7.根据权利要求4所述电路板缺陷判别方法，其特征在于，当所述样本图像中的缺陷种类信息为凹坑信息时，所述目标语义解释为线路密度的解释或线路宽度的解释。8.根据权利要求1所述电路板缺陷判别方法，其特征在于，所述标签信息还包括：缺陷位置信息。9.根据权利要求1所述电路板缺陷判别方法，其特征在于，所述缺陷等级信息包括：允收信息和报废信息。10.根据权利要求1所述电路板缺陷判别方法，其特征在于，所述将所述目标图像输入已训练的目标判别...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：成都数之联科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。