[发明专利]一种适用于PCB板人工智能检测的数据库构建方法

说明书

本发明涉及一种适用于PCB板人工智能检测的数据库构建方法，其特征在于，包括如下步骤：①、训练图片和标签制作，将用于训练的缺陷PCB板制作成标注图片，形成训练图片集，并按照一个训练图片不少于一个标签进行标注，在进行标签标注时，按照缺陷的类别进行分类，并形成训练数据库；②、从训练数据库中选取对应标准的缺陷数据，构成人工智能检测的模型训练集；③、将模型训练集传给人工智能模型进行训练，并生成该标准的模型，存入模型数据库以供调用；训练数据库由多个训练数据组构成，在使用时，可以选择任意数量的训练数据组进行模型训练集的构建，如此可以适用不同厂家不同标准的人工智能检测，降低检测数据库构建的工作量。

技术领域

本发明涉及PCB板人工智能检测领域，尤其涉及一种适用于PCB板人工智能检测的数据库构建方法。

背景技术

目前PCB行业大多采用AOI（外观检查机）和AVI（光学线路检查机）进行检测，但是采用上述检测方法进行检测时，存在很多的问题，仅仅对规则性模板比对缺陷（重复、缺失）检测准确，还会因偏位等问题有较大准确性偏差，对于非规则性的常规缺陷，如开路，短路，残铜，缺口，偏孔，氧化，毛边，锡粉，锡渣，塞孔，擦花，绿油等上百种检测容易出现较大量假缺陷的情况，因此需要人工复检的进行缺陷核实，导致效率、准确率低，基于这种情况，引入了AI（人工智能）对AOI和AVI检测的假缺陷进行再次复判，可以极大的提高缺陷检出准确率，大量去除AOI和AVI检出真假点图片中混入的假点，进而提高整个检测准确性、大幅提升生产效率。

采用人工智能进行检测时，必不可少的是制作人工智能检测的训练数据，将训练数据库中的图片和标签作为训练数据提供给人工智能模型进行训练；现有的人工智能训练数据的制作是将缺陷图片进行标注后直接提供给人工智能模型进行训练的；现有的这种数据库构建方法存在较大的缺陷，由于各个厂家对缺陷的标准不同，有些厂家对某些缺陷是不同要求，各级客户对缺陷标准要求差异大，如毛边、偏孔、锡粉等，因此在生产检测过程中，需要构建各种不同的训练数据集，进而会增大不同级别不同客户训练数据制作的工作量。

发明内容

本发明的目的是提供一种适用于PCB板人工智能检测的数据库构建方法，训练数据库由多个训练数据组构成，在使用时，可以选择不同级别或分类的数据组作为训练数据，以训练出满足不同需求的AI模型，如此可以适用不同客户不同标准的人工智能分级检测需求，降低训练数据制作的工作量。

为了实现以上目的，本发明采用的技术方案为：一种适用于PCB板人工智能检测的数据库构建方法，包括如下步骤：

①、训练图片和标签制作，将用于训练的缺陷PCB板制作成标注图片，形成训练图片集，并按照一个训练图片不少于一个标签进行标注，在进行标签标注时，按照缺陷的类别进行分类，并形成训练数据库；

②、从训练数据库中选取对应标准的缺陷数据，构成人工智能检测的模型训练集；

③、将模型训练集传给人工智能模型进行训练，并生成该标准的模型，存入模型数据库以供调用。

优选的，步骤①中，训练图片制作时，第一步先将有缺陷的PCB板制作成标注图片，第二步在图片中将缺陷部分用方框或圆框进行框定，并配上对应的标签进行标注，第三步采用XML、json、txt、csv或excel格式保存已标定的图片标注的图片像素信息，标定方框四个坐标位置信息或标定圆框中心坐标位置信息，缺陷类型信息，以及对应图片所在的路径信息，得到标签文件，第四步，将标签文件名前缀与图片文件名前缀一一对应，完成训练数据制作。

优选的，将标签按照缺陷类别分类后，针对同一个类别的不同缺陷等级再次进行分级标定。

本发明的有益效果为：

1、训练数据库由多个训练数据组构成，在使用时，可以选择不同级别或分类的数据组作为训练数据，以训练出满足不同需求的AI模型，如此可以适用不同客户不同标准的人工智能分级检测需求，降低训练数据制作的工作量。