一种柔体线路板缺陷检测模型训练方法及缺陷检测方法技术

本发明专利技术公开了一种柔体线路板缺陷检测模型训练方法及缺陷检测方法，柔体线路板缺陷检测模型的训练方法包括：获取柔体线路板原始图像，对柔体线路板原始图像中的目标缺陷进行标注，得到一个或多个数据集；采用马赛克数据增强方法和/或随机裁剪数据增强方法对所述数据集进行数据增强扩充得到样本集；基于YOLOv4算法，构建并改进YOLOv4结构，得到改进的YOLOv4模型；利用所述样本集，对所述改进的YOLOv4模型进行训练，得到柔体线路板缺陷检测模型；利用该训练方法得到的检测模型对柔体线路板的缺陷进行检测更精确、更快速。更快速。更快速。

【技术实现步骤摘要】
一种柔体线路板缺陷检测模型训练方法及缺陷检测方法


[0001]本专利技术涉及柔体线路板缺陷检测
，尤其涉及一种柔体线路板缺陷检测模型训练方法及缺陷检测方法。
[0002]背景
[0003]柔体线路板具有可以自由弯曲、卷绕和折叠的特点，能够满足各种空间布局需求；用于电子产品中，可有效缩小电子产品的体积和重量，满足电子产品向高密度、小型化、高可靠方向发展的需要。但是，在生产柔体线路板过程中，因为工艺缺陷、环境的影响和人员操作不当等因素，会产生气泡、孔里阻焊、飞白、表面有污物、表面不均匀等缺陷，使柔体线路板良率过低。对柔体线路板缺陷的检测至关重要，是提高电子产品合格率的前提。
[0004]YOLOv4算法是在YOLO(You Only Live Once)目标检测架构的基础上，从数据处理、主干网络、网络训练、激活函数、损失函数等各个方面进行不同程度的优化，将YOLOv4算法应用于目标检测领域，有着不错的分类精度和检测精度。但是，由于柔体线路板图像种类多、位置随机、缺陷小等特征，传统的目标检测方法难以实现对柔体线路板缺陷的精确检测，通过YOLOv4网络也难以对柔体线路板表面较小的目标缺陷进行精准的定位和分类。
[0005]以上
技术介绍
内容的公开仅用于辅助理解本专利技术的专利技术构思及技术方案，其并不必然属于本专利申请的现有技术，也不必然会给出技术教导；在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下，上述
技术介绍
不应当用于评价本申请的新颖性和创造性。

技术实现思路

[0006]本专利技术的目的是提供一种基于YoloV4
‑
Ghost的柔体线路板缺陷检测模型训练方法及缺陷检测方法，能够对柔体线路板表面的较小的缺陷目标进行精准的定位和分类，提高了表面缺陷的检测精度和效率，节约人工成本。
[0007]为达到上述目的，本专利技术采用的技术方案如下：
[0008]一种基于YoloV4
‑
Ghost的柔体线路板缺陷检测模型训练方法，包括以下步骤：
[0009]获取柔体线路板原始图像，对柔体线路板原始图像中的目标缺陷进行标注，得到一个或多个数据集；
[0010]采用马赛克数据增强方法和/或随机裁剪数据增强方法对所述数据集进行数据增强扩充操作，得到样本集；
[0011]基于YOLOv4算法，构建YOLOv4结构，并采用GhostNet网络结构作为特征提取骨干网络，使用特征金字塔CSPP模块，及将所述YOLOv4结构的neck部分改进为SPANet结构，得到改进的YOLOv4模型；
[0012]利用所述样本集，对所述改进的YOLOv4模型进行训练，得到柔体线路板缺陷检测模型。
[0013]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述改进的YOLOv4模型包括特征提取骨干网络、特征金字塔CSPP模块、SPANet路径聚合网络模块和多分类器
模块；
[0014]所述GhostNet网络结构被配置为生成并输出四个特征图A1、A2、A3和A4；
[0015]所述特征图A1、A2、A3和A4传输至所述特征金字塔CSPP模块，生成并输出特征图C1、C2、C3和C4；
[0016]所述特征图C1、C2、C3和C4传输至所述SPANet路径聚合网络模块，生成有效特征图。
[0017]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述SPANet路径聚合网络模块对所述特征图C1、C2、C3和C4的处理步骤为：
[0018]对所述四个特征图C1、C2、C3、C4分别进行卷积运算，生成C
1_0
、C
2_0
、C
3_0
、C
4_0
；
[0019]对C
4_0
进行上采样操作，得到C
4_1
；将C
3_0
和C
4_1
进行特征融合，形成C
3_1
；对C
3_1
的有效特征层进行多次卷积运算，形成C
3_2
；对C
3_2
进行上采样，并将其上采样结果与C
2_0
进行特征融合，形成C
2_1
；将C
1_0
和C
2_1
进行特征融合，形成C
1_1
；对C
1_1
的有效特征层进行多次卷积运算，形成C
1_2
；对C
1_2
进行下采样，并将其下采样结果与C
2_1
进行拼接，形成C
2_2
；对C
2_2
进行下采样和卷积运算，并将其运算结果与C
3_2
进行拼接，形成C
3_3
；将C
3_3
与C
4_1
进行拼接，形成C
4_2
；
[0020]对C
1_2
进行卷积运算，生成有效特征图P1；
[0021]对所述有效特征图P1进行最大池化操作后与C
2_2
逐元素相加，再进行卷积运算，生成有效特征图P2；
[0022]对所述有效特征图P2进行卷积运算和最大池化操作后与C
3_2
逐元素相加，并对得到的结果进行卷积运算，生成有效特征图P3；
[0023]将所述有效特征图P3与C
4_2
逐元素相加，并对得到的结果进行卷积运算，生成有效特征图P4。
[0024]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述特征金字塔CSPP模块对所述特征图A1、A2、A3和A4进行操作的步骤为：
[0025]所述特征金字塔CSPP模块将所述特征图A1、A2、A3和A4分别传输经过5、9、13的池化层，并且通过卷积核大小为5、7、9的卷积，将通过池化和卷积的六层特征图进行拼接，再进行一次卷积核为1的卷积操作，对应生成并输出特征图C1、C2、C3和C4。
[0026]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述多分类器模块包括多个Yolo Head分类器，所述多个Yolo Head分类器用于接收不同大小的融合特征。
[0027]进一步地，承前所述的任一技术方案或多个技术方案的组合，对所述数据集进行数据增强扩充的操作包括：
[0028]采用对所述数据集进行加噪、平移、旋转、裁剪、仿射变换、增加灰度、融合特定背景中的一种或多种方式，实现数据增强和/或扩充。
[0029]进一步地，承前所述的任一技术方案或多个技术方案的组合，所述目标缺陷包括摺痕、压痕、异物、氧化。
[0030]进一步地，承前所述的任一技术方案或多个技术方案的组合，将所述样本集划分为训练集和验证集，所述训练集的样本数大于所述验证集的样本数；
[0031]利用所述训练集对所述改进的YOLOv4模型进行训练，得到柔体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YoloV4
‑
Ghost的柔体线路板缺陷检测模型训练方法，其特征在于，包括以下步骤：获取柔体线路板原始图像，对柔体线路板原始图像中的目标缺陷进行标注，得到一个或多个数据集；采用马赛克数据增强方法和/或随机裁剪数据增强方法对所述数据集进行数据增强扩充操作，得到样本集；基于YOLOv4算法，构建YOLOv4结构，并采用GhostNet网络结构作为特征提取骨干网络，使用特征金字塔CSPP模块，及将所述YOLOv4结构的neck部分改进为SPANet结构，得到改进的YOLOv4模型；利用所述样本集，对所述改进的YOLOv4模型进行训练，得到柔体线路板缺陷检测模型。2.根据权利要求1所述的基于YoloV4
‑
Ghost的柔体线路板缺陷检测模型训练方法，其特征在于，所述改进的YOLOv4模型包括特征提取骨干网络、特征金字塔CSPP模块、SPANet路径聚合网络模块和多分类器模块；所述GhostNet网络结构被配置为生成并输出四个特征图A1、A2、A3和A4；所述特征图A1、A2、A3和A4传输至所述特征金字塔CSPP模块，生成并输出特征图C1、C2、C3和C4；所述特征图C1、C2、C3和C4传输至所述SPANet路径聚合网络模块，生成有效特征图；所述有效特征图传输至所述多分类器模块。3.根据权利要求2所述的基于YoloV4
‑
Ghost的柔体线路板缺陷检测模型训练方法，其特征在于，所述SPANet路径聚合网络模块对所述特征图C1、C2、C3和C4的处理步骤为：对所述四个特征图C1、C2、C3、C4分别进行卷积运算，生成C
1_0
、C
2_0
、C
3_0
、C
4_0
；对C
4_0
进行上采样操作，得到C
4_1
；将C
3_0
和C
4_1
进行特征融合，形成C
3_1
；对C
3_1
的有效特征层进行多次卷积运算，形成C
3_2
；对C
3_2
进行上采样，并将其上采样结果与C
2_0
进行特征融合，形成C
2_1
；将C
1_0
和C
2_1
进行特征融合，形成C
1_1
；对C
1_1
的有效特征层进行多次卷积运算，形成C
1_2
；对C
1_2
进行下采样，并将其下采样结果与C
2_1
进行拼接，形成C
2_2
；对C
2_2
进行下采样和卷积运算，并将其运算结果与C
3_2
进行拼接，形成C
3_3
；将C
3_3
与C
4_1
进行拼接，形成C
4_2
；对C
1_2
进行卷积运算，生成有效特征图P1；对所述有效特征图P1进行最大池化操作后与C
2_2
逐元素相加，再进行卷积运算，生成有效特征图P2；对所述有效特征图P2进行卷积运算和最大池化操作后与C
3_2
逐元素相加，并对得到的结果进行卷积运算，生成有效特征图P3；将所述有效特征图P3与C
4_2<...

【专利技术属性】
技术研发人员：章张健，周迪斌，
申请(专利权)人：苏州科德软体电路板有限公司，
类型：发明
国别省市：