[发明专利]基于生成式对抗网络的FPCB板缺陷检测方法及装置

权利要求书

1.基于生成式对抗网络的FPCB板缺陷检测方法，其特征在于，包括以下步骤：

步骤1.采集获取真实FPCB板缺陷图像；

步骤2.将获取的系列真实FPCB板缺陷图像和表示类别信息的条件标签作为具有双层对抗和双输出通道的改进GAN模型的输入，通过生成器和判别器的对抗训练，生成高度近似真实缺陷分布的模拟缺陷图像，并由第一输出通道输出；然后将第一输出通道输出的模拟缺陷图像与真实缺陷图像混合作为FPCB板缺陷样本集，按照一定比例分割成互不交叉的训练集和测试集；

步骤3.对分割好的所述训练集和测试集数据进行平滑处理，生成无缺陷数据集，再成对输入到分类定位器中进行对抗性训练，由第二输出通道输出缺陷类别独热码和锚框坐标，实现分类和定位，

其中，在所述改进GAN模型中，判别器处设有一个平行的分类定位器，判别器判别图像的真假，其损失函数为L_D，逐层求损失函数对判别器每层神经元参数的偏导数，实现参数的迭代更新；分类定位器进行缺陷的分类和定位，其损失函数为L_F，进行反向传播更新参数；所述生成器的参数更新由所述判别器和所述分类定位器的损失函数共同作用。

2.根据权利要求1所述的基于生成式对抗网络的FPCB板缺陷检测方法，其特征在于：

其中，所述分类定位器的损失函数公式如下：

式中，y为真实值，f(x)为预测的概率分布，c为类别标签，y^T表示y的转置。

3.根据权利要求1所述的基于生成式对抗网络的FPCB板缺陷检测方法，其特征在于：

其中，在步骤1中，是采集FPCB板生产线上相机拍摄的FPCB板缺陷图像，并进行预处理得到真实FPCB板缺陷图像。

4.根据权利要求1所述的基于生成式对抗网络的FPCB板缺陷检测方法，其特征在于：

其中，采用Adam优化器引导所述改进GAN模型更新参数。

5.基于生成式对抗网络的FPCB板缺陷检测装置，其特征在于，包括：

获取部，采集获取真实FPCB板缺陷图像；

改进GAN模型部，与所述获取部通信相连，将真实FPCB板缺陷图像和表示类别信息的条件标签作为具有双层对抗和双输出通道的改进GAN模型的输入，通过生成器和判别器的对抗训练，生成高度近似真实缺陷分布的模拟缺陷图像，并由第一输出通道输出；然后将第一输出通道输出的模拟缺陷图像与真实缺陷图像混合作为FPCB板缺陷样本集，按照一定比例分割成互不交叉的训练集和测试集；对分割好的所述训练集和测试集数据进行平滑处理，生成无缺陷数据集，再成对输入到分类定位器中进行对抗性训练，由第二输出通道输出缺陷类别独热码和锚框坐标，实现缺陷分类和定位；以及

控制部，与所述获取部和所述改进GAN模型部通信相连，并控制它们的运行，

其中，在所述改进GAN模型中，判别器处设有一个平行的分类定位器，判别器判别图像的真假，其损失函数为L_D，逐层求损失函数对判别器每层神经元参数的偏导数，实现参数的迭代更新；分类定位器进行缺陷的分类和定位，其损失函数为L_F，进行反向传播更新参数；所述生成器的参数更新由所述判别器和所述分类定位器的损失函数共同作用。

6.根据权利要求5所述的基于生成式对抗网络的FPCB板缺陷检测装置，其特征在于：

其中，所述分类定位器的损失函数公式如下：

式中，y为真实值，f(x)为预测的概率分布，c为类别标签，y^T表示y的转置。

7.根据权利要求5所述的基于生成式对抗网络的FPCB板缺陷检测装置，其特征在于：

其中，所述获取部通过对FPCB板生产线上相机拍摄的FPCB板缺陷图像进行预处理得到真实FPCB板缺陷图像。

8.根据权利要求5所述的基于生成式对抗网络的FPCB板缺陷检测装置，其特征在于：

其中，在所述改进GAN模型部中是采用Adam优化器引导所述改进GAN模型更新参数。