预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115953353A(43)申请公布日2023.04.11(21)申请号202211462306.X(22)申请日2022.11.21(71)申请人清华大学地址100084北京市海淀区清华园1号(72)发明人罗贵明黄正跃(74)专利代理机构北京清亦华知识产权代理事务所(普通合伙)11201专利代理师季永杰(51)Int.Cl.G06T7/00(2017.01)G06T11/40(2006.01)G06N3/08(2023.01)G06N3/045(2023.01)权利要求书3页说明书9页附图4页(54)发明名称PCB板缺陷智能检测系统架构与流程(57)摘要本申请从输入层、前端、中间件、服务层、数据层等方面,设计了PCB板缺陷智能检测系统的架构,给出了PCB板缺陷检测、分类和分级服务的核心算法流程。该装置包含多类神经网络、PCB板缺陷自动检测、检测系统远程运维等多功能模块。本申请提出的一整套PCB板缺陷智能检测系统,能提高PCB板缺陷检测的召回率和准确率,泛化PCB板的检测类型,提升PCB板缺陷的快速、高效的检测能力。CN115953353ACN115953353A权利要求书1/3页1.一种PCB板缺陷智能检测系统,其特征在于,包括:输入层,用于获取PCB待测板的图像,系统接受人工在线调试设备、离线批量检测设备、流水线自动采集设备三种形式的PCB板输入;前端,用于提供PCB图片上传、PCB板功能区或特殊区域标注、PCB板检测结果显示与反馈、PCB板批量数据上传、生产流水线自动上传PCB板功能,前端对系统输入使用统一的代码;中间件,具有多设备会话和资源调度功能,用于提供访问管理控制、分发传递数据;通过中间件转发到本地服务器与远端数据服务器,利用局域网高速访问或广域网非时效任务访问;服务层,用于PCB板缺陷检测服务和运维管理服务,包含:工厂检测服务器,用于提供PCB板缺陷检测、PCB板缺陷分类、缺陷分级服务,PCB板缺陷复查、核检标注服务,将核实新的PCB板缺陷标注到PCB板缺陷特征库;远端管理与运维服务,用于远端提供PCB板缺陷检测系统的监控和运维服务,包括缺陷检索与标注检查服务、标注反馈与统计服务、检测模型加密服务、检测系统更新服务、检测系统运维服务;数据层,用于PCB板缺陷检测、缺陷分类和分级提供计算、检索、查询数据支撑,包括深度学习模型库、PCB板缺陷特征数据库、PCB检测记录和反馈数据库;将每个PCB待测板图像与选定的PCB标准板配准,识别和分析所述每个PCB待测板的缺陷信息,标识所述每个PCB待测板的检测区域和非检测区域,过滤掉所述非检测区域的缺陷,并基于所述检测区域的缺陷信息得到所述每个PCB待测板的缺陷检测结果。2.根据权利要求1所述的系统,其特征在于,所述服务层包括:标准板选择模块,用于每一料号和批次PCB板的标准版或参考板的选取;一个批次PCB板确定一张无缺陷的PCB板作为标准板,对一批次新料号的PCB板,由技术人员挑选若干待选PCB标准板,经标准板选择系统的算法和模型并参考PCB板对应的Gerber图自动识别PCB标准板;图像预处理模块,用于对所述PCB标准板图像与所述PCB待测板图像进行预处理,包括:图像噪声过滤、PCB标准板与待测板图像颜色修正、PCB区域分割和裁减,光照归一化功能,得到预处理的PCB标准板图像和待测板图像;特殊区域选择模块,用于所述PCB标准板中选择需要关注的区域,包括:功能区、非功能区、BGA区域、IC区域,使用人机交互界面选择,或者算法自动选择;特殊区域标记模块,用于所述PCB标准板上标注特殊区域,使用不同颜色或其它可区分方式标记PCB板中一个或多个特殊区域,或者采用画框与画笔工具标注,对特殊区域精细化标注;特殊区域缓存模块,用于存储所述PCB标准板中特殊区域的标记,所有标记记录均以绘制矢量形式进行存储;标准板缓存模块,用于将所述PCB标准板信息存储内存中,每一个料号的PCB只选取一张标准板,所有待测PCB板检测均参考缓存中该PCB标准板;图像配准模块,用于将所述PCB待测板的预处理图像与所述PCB标准板的预处理图像进行配准,包括:位置、颜色、光照,以获取所述PCB待测板的缺陷信息;2CN115953353A权利要求书2/3页缺陷数据库,用于存储PCB板的缺陷信息,包括PCB板缺陷类型和PCB板的缺陷级别,为PCB板缺陷识别提供学习和训练的数据;CNN模型训练模块,用于训练PCB板缺陷识别模型、PCB板缺陷分类模型、PCB板缺陷分级模型,根据深度学习方法,构建有效的PCB板缺陷识别网络、PCB板缺陷分类网络和PCB板缺陷分级网络;第一阶段检测模块,用于对所述PCB待测板的缺陷作初步检测,由于PCB原始图像或特征解析复杂度高