电路板缺陷检测模型的训练方法及装置、检测方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108961236A(43)申请公布日2018.12.07(21)申请号201810701246.X(22)申请日2018.06.29(71)申请人国信优易数据有限公司地址100070北京市丰台区南四环西路188号总部广场31号楼(72)发明人王健杜家鸣李长升陈进宝(74)专利代理机构北京超凡志成知识产权代理事务所(普通合伙)11371代理人梁香美(51)Int.Cl.G06T7/00(2017.01)G06K9/62(2006.01)G06N3/08(2006.01)权利要求书4页说明书15页附图7页(54)发明名称电路板缺陷检测模型的训练方法及装置、检测方法及装置(57)摘要本申请提供了一种电路板缺陷检测模型的训练方法及装置、检测方法及装置，其中，该训练方法包括：获取本轮训练使用的至少一个训练样本对；其中，训练样本对包括两个相同和/或不同的电路板图像；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用神经网络分别为输入的训练样本对确定第一特征和第二特征；将第一特征和第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对神经网络进行本轮训练；经过对神经网络的多轮训练，得到电路板缺陷检测模型。本申请通过训练出的电路板缺陷检测模型，能够自动检测电路板是否存在缺陷，检测的容错率和准确率均较高。CN108961236ACN108961236A权利要求书1/4页1.一种电路板缺陷检测模型的训练方法，其特征在于，包括：获取本轮训练使用的至少一个训练样本对；其中，所述训练样本对包括两个相同和/或不同的电路板图像；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征；将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练；经过对所述神经网络的多轮训练，得到电路板缺陷检测模型。2.根据权利要求1所述的方法，其特征在于，所述神经网络包括孪生Siamese网络；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征，包括：将获取的至少一个训练样本对中的每个训练样本对分别输入Siamese网络的两个入口，并使用所述Siamese网络分别为输入的训练样本对确定第一特征向量和第二特征向量；将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练，包括：执行如下匹配操作，直到第一特征向量和第二特征向量的比对结果与对应训练样本对的标注值一致，则完成本轮训练；其中，所述标注值表征对应训练样本对相似或者不相似；所述匹配操作包括：将所述第一特征向量和所述第二特征向量进行比对，得到比对结果；将所述比对结果与对应训练样本对的标注值进行匹配；针对标注值表征对应训练样本对的匹配情况与所述比对结果表征的匹配情况不一致的情况，生成第一反馈信息；并基于所述第一反馈信息对所述Siamese网络进行参数调整；基于调整后的参数，使用所述Siamese网络为对应训练样本对确定新的第一特征向量和第二特征向量，并再次执行所述匹配操作。3.根据权利要求1所述的方法，其特征在于，所述神经网络包括双通道神经网络；将获取的至少一个训练样本对中的每个训练样本对输入具有两个分支的神经网络的分支分别对应的入口，并使用所述神经网络分别为输入的训练样本对确定第一特征和第二特征，包括：将获取的至少一个训练样本对中的每个训练样本对分别作为源数据和目标数据，并分别输入所述双通道神经网络的不同通道；使用所述双通道神经网络分别为输入的训练样本对确定第一特征和第二特征；将所述第一特征和所述第二特征进行比对得到的比对结果，与对应训练样本对的标注值进行匹配；并根据匹配结果对所述神经网络进行本轮训练，包括：执行如下距离确定操作，直到满足第一特征与第二特征之间的距离不大于预设距离阈值，且对应源数据的标注值表征对应训练样本对相似，和/或满足第一特征与第二特征之间2CN108961236A权利要求书2/4页的距离大于预设距离阈值，且对应源数据的标注值表征对应训练样本对不相似，则完成本轮训练；所述距离确定操作，包括：确定所述第一特征和所述第二特征之间的距离；针对第一特征与第二特征之间的距离大于预设距离阈值，且对应源数据的标注值表征对应训练样本对相似，和/或针对第一特征与第二特征之间的距离不大于预设距离阈值，且对应源数据的标注值表征对应训练样本