[发明专利]缺陷检测方法、装置、设备及可读存储介质

说明书

本申请公开了一种缺陷检测方法、装置、设备和可读存储介质，该方法包括将原图像与模板图像进行图像通道拼接，获取拼接多通道图像；根据自定义感兴趣区域框，对拼接多通道图像进行裁切，获取裁切图像；对裁切图像进行数据增强处理获取训练样本数据；根据训练样本数据对神经网络模型进行训练并保存训练后的神经网络模型；对于待检测图像，利用训练后的神经网络模型输出检测结果。通过图像通道拼接、自定义感兴趣区域框以及数据增强方法对于图像处理后输入神经网络模型训练，使模型在面对缺陷检测问题时，能够捕获到充分的缺陷信息、补充信息以及批处理大小值，使神经网络模型对缺陷品检测准确率提高而良品被检测为缺陷品的概率降低。

技术领域

本发明涉及工业制造技术领域，尤其涉及一种缺陷检测方法、装置、设备及可读存储介质。

背景技术

随着社会智能化的发展，汽车行业、手机行业、高端仪器仪表制造行业对集成电路的需求量越来越大，对PCB电路板的需求量也越来越大。在PCB生产制造过程中，大部分工艺都已经生产自动化，降低了生产成本，提高了效率。但在PCB的质量检测环节，存在着大量依赖质检员的手动进行缺陷检测、现有的缺陷检测技术不能达到企业生产的指标要求。这种现象产生的原因，一方面由于PCB电路板线路复杂，借助光学设备拍出来的图像复杂多变，给图像处理带来了挑战；另一方面，缺陷在图像中的表现形式不固定，形态多变，在复杂的背景中寻找形态变化的缺陷，不太容易。

目前PCB缺陷检测主要依赖于采集到的PCB图像与模板图像做差，然后利用传统图像处理算法来判断是否存在缺陷。这种方式既利用了模板图像的信息去除了图像中一部分无关信息，也利用了传统图像检测速度快，结果容易理解的优点，是一种综合了可行性和性能的方案。但对于缺陷面积不大的脏污识别效果不佳，对于细长条形状或者带状的脏污识别效果比较有限，对于不同工艺部位的微小位置差异、RGB颜色差异不能做到自适应，从而导致非常多的良品被检测为缺陷品。整体表现为缺陷检测的准确率不高，过检数量过多。这影响了PCB生产企业的质检性能，不得不增加更多的复检人员来保证良品不被过度浪费。此过程中存在着质检效果不佳和总成本不佳的现象。

发明内容

本申请的主要目的在于提供一种缺陷检测方法、装置、设备及可读存储介质，旨在解决现有的缺陷检测方法的检测效果不佳的问题。

为实现上述目的，本申请提供的一种缺陷检测方法，所述缺陷检测方法包括以下步骤：

将原图像与模板图像进行图像通道拼接，获取拼接多通道图像；

根据自定义感兴趣区域框，对所述拼接多通道图像进行裁切，获取裁切图像；

对所述裁切图像进行数据增强处理获取训练样本数据；

根据所述训练样本数据对神经网络模型进行训练并保存训练后的神经网络模型；

对于待检测图像，利用所述训练后的神经网络模型输出检测结果。

可选地，所述根据自定义感兴趣区域框，对所述拼接多通道图像进行裁切，获取裁切图像的步骤包括：

根据所述拼接多通道图像的缺陷区域确定所述自定义感兴趣区域框的区域尺寸；

从所述拼接多通道图像中选择预设数目的像素点；

以所述像素点为区域中心，以所述区域尺寸的自定义感兴趣区域框对所述拼接多通道图像进行裁切，获取裁切图像。

可选地，所述根据所述训练样本数据对神经网络模型进行训练并保存训练后的神经网络模型的步骤包括：

设置神经网络模型的训练参数；

将所述样本数据输入所述数据网络模型，根据所述训练参数对所述神经网络模型训练，获取神经网络的网络参数；

根据所述网络参数设置并保存训练后的神经网络模型。