[发明专利]一种工厂PCB板缺陷检测中正负样本数据平衡方法在审

专利信息
申请号: 201911134200.5 申请日: 2019-11-19
公开(公告)号: CN111126433A 公开(公告)日: 2020-05-08
发明(设计)人: 黄坤山;史扬艺 申请(专利权)人: 佛山市南海区广工大数控装备协同创新研究院;佛山市广工大数控装备技术发展有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08;G06T7/00
代理公司: 广东广信君达律师事务所 44329 代理人: 江金城
地址: 528225 *** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 工厂 pcb 缺陷 检测 正负 样本 数据 平衡 方法
【权利要求书】:

1.一种工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,包括如下步骤:

步骤S1:采集、整理并分类数据集;

步骤S2:设计编码器,由五层卷积层构成,编码器从输入图像中提取特征;

步骤S3:设计转换器,由八个残差块构成,将特征向量由源域转换到目标域;

步骤S4:设计解码器,由五层反卷积层构成;

步骤S5:设计判别器,由七层卷积层构成;

步骤S6:设计损失函数,损失函数包括四部分;

步骤S7:准备训练集用于模型训练;

步骤S8:将得到的权重文件用于测试集,合成需要扩增的负样本。

2.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S1中对数据预处理的过程中需要设定好具体且明晰的分类规则,不可模糊分类界限。

3.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S2的编码器输出特征图的不同通道组合了图像的不同特征,编码器由五层卷积层构成。

4.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S3的转换器由八个残差块组成;编码器输出图像的不同通道组合了图像的不同特征,根据这些特征将图像的特征向量从源域转换到目标域。

5.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S4的解码器由五层反卷积层构成,以转换器输出的转换后的特征向量作为输入,从特征向量重新构建低级特征,最后将低级特征转换为目标域中的图像。

6.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S5的判别器将解码结果转换为判别输出,判别器由七层卷积层构成,前六层卷积层用于提取特征,最后一层卷积层用于分类,输出一维结果。

7.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S6中的损失函数由四部分组成,训练两对生成器—判别器网络,其中第一部分:判别器要允许所有类别的原始图像;第二部分:判别器要能够区分生成图像和原始图像;第三部分:生成器要使判别器允许通过所有生成图像;第四部分:生成的图像要保留原始图像的特性。

8.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S7中训练时无需成对数据集条件,两对生成器—判别器网络构成一个环形网络。

9.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S8在生成器损失与判别器损失值趋向于平衡的稳定状态时停止训练,分析损失值的变化情况,挑选最优迭代次数下的权重文件用于测试,得到逼真的合成图像,利用合成样本解决正负样本不平衡问题。

10.根据权利要求1所述的工厂PCB板缺陷检测中正负样本数据平衡方法,其特征在于,所述步骤S1中的输入图像都规整为256*256的尺寸大小。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山市南海区广工大数控装备协同创新研究院;佛山市广工大数控装备技术发展有限公司,未经佛山市南海区广工大数控装备协同创新研究院;佛山市广工大数控装备技术发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911134200.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top