System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及目标检测,特别涉及一种陶瓷基板瑕疵检测方法、装置、设备、介质及程序产品。
技术介绍
1、陶瓷基板是一种将铜箔与陶瓷基板在高温受热下键合而得到的特殊工艺板,在半导体、电子器件以及led(light emitting diode,发光二极管)相关产业有着广泛的应用,是当前高精度制造行业的重要生产材料。由于目前的制作工艺问题以及生产环境,陶瓷基板在生产过程中易出现镀金层损伤、边缘多金、缺瓷、油污、掺杂异物等瑕疵,因此需要一种陶瓷基板瑕疵检测方法以保证陶瓷基板生产质量。
2、目前工业现场的陶瓷基板瑕疵检测方法由硬件驱动和模型推理两部分组成。其中,硬件驱动部分主要负责驱动传送带,利用图像采集装置采集陶瓷基板图像;模型推理部分主要负责将采集的陶瓷基板图像进行预处理,利用陶瓷基板瑕疵检测模型进行检测获得瑕疵检测结果。
3、随着当前电子器件等相关领域的高速发展,市场对这些产品的需求也逐渐增大,从而对工业现场的生产速度和生产质量有着更高的要求,同时也给瑕疵检测带来了更大的挑战。在硬件驱动部分,可通过增大图像采集装置的视野来同时获取更多数量的陶瓷基板图像,然后利用陶瓷基板瑕疵检测模型一次性预测完毕,从而提高整体的检测速度。然而这种方式会使得采集的陶瓷基板图像分辨率降低,从而导致现有的陶瓷基板瑕疵检测模型的检测准确性大幅下降。
技术实现思路
1、本专利技术技术方案的目的是提供一种陶瓷基板瑕疵检测方法、装置、设备、介质及程序产品,用于解决现有技术中陶瓷基板瑕疵检测模型
2、为达到上述目的,本专利技术是这样实现的:
3、第一方面,本专利技术的实施例提供一种陶瓷基板瑕疵检测方法,包括:
4、获取目标高斯噪声分布图的多个特征图;其中,每个特征图对应网络结构种群中的一个网络结构;所述目标高斯噪声分布图包括第一高斯噪声分布图和第二高斯噪声分布图,第一高斯噪声分布图的分辨率高于第二高斯噪声分布图的分辨率;
5、根据所述特征图对应的微分熵,在多个网络结构中选取目标网络结构;
6、根据所述目标网络结构,对教师模型和学生模型的主干网络进行替换;
7、根据替换后的教师模型和学生模型,获得陶瓷基板瑕疵检测模型;其中,所述陶瓷基板瑕疵检测模型用于检测与第二高斯噪声分布图的分辨率一致的陶瓷基板图像中的瑕疵信息。
8、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述获取目标高斯噪声分布图的多个特征图,包括:
9、对每个网络结构中的其中一个模块的卷积参数进行变换,得到突变网络;其中,每个网络结构对应一个突变网络;所述网络结构包括多个卷积模块和多个第一特征融合模块;
10、根据每个所述突变网络,获取目标高斯噪声分布图的特征图。
11、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述对每个网络结构中的其中一个模块的卷积参数进行变换,得到突变网络,包括:
12、根据迭代次数,确定待变换的多个卷积参数;其中,所述卷积参数包括卷积类型、卷积核尺寸、卷积宽度以及卷积深度中的至少两项;
13、按照预设规则,对每个网络结构中的其中一个模块的多个所述卷积参数进行交替变换,得到突变网络;其中,所述预设规则指示多个所述卷积参数的交替变换顺序。
14、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述方法还包括:
15、根据所述突变网络中每个第一特征融合模块所输出的目标高斯噪声分布图的子特征图,获取所述子特征图对应的子微分熵;
16、根据所述子特征图对应的子微分熵,获取所述特征图对应的微分熵。
17、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述根据替换后的教师模型和学生模型,获得陶瓷基板瑕疵检测模型,包括:
18、采用目标陶瓷基板图像对教师模型进行训练,得到训练好的教师模型;其中,所述目标陶瓷基板图像包括针对同一陶瓷基板的不同分辨率的第一陶瓷基板图像和第二陶瓷基板图像,第一陶瓷基板图像的分辨率高于第二陶瓷基板图像的分辨率,第一陶瓷基板图像的分辨率与第一高斯噪声分布图的分辨率一致;
19、根据训练好的教师模型的网络参数,确定学生模型的初始网络参数;
20、根据第二陶瓷基板图像和学生模型的初始网络参数对学生模型进行训练,并将训练好的学生模型作为陶瓷基板瑕疵检测模型。
21、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述采用目标陶瓷基板图像对教师模型进行训练,得到训练好的教师模型,包括:
22、将目标陶瓷基板图像输入教师模型,获得目标瑕疵预测特征;其中,所述目标瑕疵预测特征包括第一陶瓷基板图像对应的第一瑕疵预测特征和第二陶瓷基板图像对应的第二瑕疵预测特征;
23、利用第二特征融合模块对第一陶瓷基板图像和第二陶瓷基板图像进行特征融合处理,获得第一融合特征;
24、将所述第一融合特征输入教师模型的头部网络,获得与所述第一融合特征对应的第一融合瑕疵预测特征;
25、根据第一总损失函数对教师模型进行训练,得到训练好的教师模型;其中,所述第一总损失函数包括所述第一瑕疵预测特征、所述第二瑕疵预测特征以及所述第一融合瑕疵预测特征分别对应的损失函数。
26、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述将目标陶瓷基板图像输入教师模型,获得目标瑕疵预测特征,包括:
27、将目标陶瓷基板图像输入教师模型的主干网络和颈部网络,获得所述目标陶瓷基板图像对应的颈部网络特征;其中,所述主干网络包括多个第一特征融合模块,多个所述第一特征融合模块用于在多个尺度上提取所述目标陶瓷基板图像的特征;所述颈部网络用于将多个所述第一特征融合模块所提取的多个尺度上的目标陶瓷基板图像的特征进行融合并提取所述颈部网络特征;
28、将所述目标陶瓷基板图像对应的颈部网络特征输入教师模型的头部网络,获得所述目标瑕疵预测特征。
29、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述利用第二特征融合模块对第一陶瓷基板图像和第二陶瓷基板图像进行特征融合处理,获得第一融合特征,包括:
30、利用第二特征融合模块将同一尺度上的第一陶瓷基板图像对应的颈部网络特征和第二陶瓷基板图像对应的颈部网络特征进行特征融合处理,获得第一融合特征。
31、可选地,所述的陶瓷基板瑕疵检测方法,其中,所述根据第二陶瓷基板图像和学生模型的初始网络参数对学生模型进行训练,并将训练好的学生模型作为陶瓷基板瑕疵检测模型,包括:
32、将第一陶瓷基板图像输入训练好的教师模型的主干网络和颈部网络获得第一陶瓷基板图像对应的第一颈部网络特征,以及将第二陶瓷基板图像输入训练好的教师模型的主干网络和颈部网络获得第二陶瓷基板图像对应的第二颈部网络特征;
33、利用第二特征融合模块对所述第一颈部网络特征和所述第二颈部网络特征进行特征融合处理,获得第二融合特征;
34、将本文档来自技高网...
【技术保护点】
1.一种陶瓷基板瑕疵检测方法,其特征在于,包括:
2.根据权利要求1所述的陶瓷基板瑕疵检测方法,其特征在于,所述获取目标高斯噪声分布图的多个特征图,包括:
3.根据权利要求2所述的陶瓷基板瑕疵检测方法,其特征在于,所述对每个网络结构中的其中一个模块的卷积参数进行变换,得到突变网络,包括:
4.根据权利要求2所述的陶瓷基板瑕疵检测方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的陶瓷基板瑕疵检测方法,其特征在于,所述根据替换后的教师模型和学生模型,获得陶瓷基板瑕疵检测模型,包括:
6.根据权利要求5所述的陶瓷基板瑕疵检测方法,其特征在于,所述采用目标陶瓷基板图像对教师模型进行训练,得到训练好的教师模型,包括:
7.根据权利要求6所述的陶瓷基板瑕疵检测方法,其特征在于,所述将目标陶瓷基板图像输入教师模型,获得目标瑕疵预测特征,包括:
8.根据权利要求7所述的陶瓷基板瑕疵检测方法,其特征在于,所述利用第二特征融合模块对第一陶瓷基板图像和第二陶瓷基板图像进行特征融合处理,获得第一融合特征,包括:
9.根据权利要求5所述的陶瓷基板瑕疵检测方法,其特征在于,所述根据第二陶瓷基板图像和学生模型的初始网络参数对学生模型进行训练,并将训练好的学生模型作为陶瓷基板瑕疵检测模型,包括:
10.一种陶瓷基板瑕疵检测装置,其特征在于,包括:
11.一种陶瓷基板瑕疵检测设备,其特征在于,包括:处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序,所述程序被所述处理器执行时实现如权利要求1至9中任一项所述的陶瓷基板瑕疵检测方法。
12.一种可读存储介质,其特征在于,所述可读存储介质上存储有程序,所述程序被处理器执行时实现如权利要求1至9中任一项所述的陶瓷基板瑕疵检测方法。
13.一种计算机程序产品,其特征在于,包括计算机指令,所述计算机指令被处理器执行时实现如权利要求1至9中任一项所述的陶瓷基板瑕疵检测方法。
...【技术特征摘要】
1.一种陶瓷基板瑕疵检测方法,其特征在于,包括:
2.根据权利要求1所述的陶瓷基板瑕疵检测方法,其特征在于,所述获取目标高斯噪声分布图的多个特征图,包括:
3.根据权利要求2所述的陶瓷基板瑕疵检测方法,其特征在于,所述对每个网络结构中的其中一个模块的卷积参数进行变换,得到突变网络,包括:
4.根据权利要求2所述的陶瓷基板瑕疵检测方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的陶瓷基板瑕疵检测方法,其特征在于,所述根据替换后的教师模型和学生模型,获得陶瓷基板瑕疵检测模型,包括:
6.根据权利要求5所述的陶瓷基板瑕疵检测方法,其特征在于,所述采用目标陶瓷基板图像对教师模型进行训练,得到训练好的教师模型,包括:
7.根据权利要求6所述的陶瓷基板瑕疵检测方法,其特征在于,所述将目标陶瓷基板图像输入教师模型,获得目标瑕疵预测特征,包括:
8.根据权利要求7所述的陶瓷基板瑕疵检测方法,其特征...
【专利技术属性】
技术研发人员:郭峰,叶中强,刘邵星,黄智国,钱岭,
申请(专利权)人:中移苏州软件技术有限公司,
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。