[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

说明书

本发明提供基于生成式对抗网络的FPCB板缺陷检测方法及装置，检测方法包括：采集获取真实FPCB板缺陷图像；将获取的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；对分割好的训练集和测试集数据通过频域高斯滤波等方法进行平滑处理，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。

技术领域

本发明属于计算机视觉缺陷检测技术领域，具体涉及基于生成式对抗网络（GAN模型）的FPCB板缺陷检测方法及装置。

技术背景

柔性印刷电路板（Flexible Printed Circuit Board）是一种利用柔性基材制成的具有图形的印刷电路板，由于其具有可连续自动化生产，配线密度高，重量轻、体积小，配线错误少，可挠性及可弹性改变形状等特性，被广泛应用于军工、国防和消费性电子产品如数码相机、手表、笔记本电脑等领域。

FPCB板主要有断路、短路、缺口等六种缺陷类型。当前FPCB板缺陷检测存在大量的人工目检，这种方法效率低下且准确度低。对于这种问题，近年来有很多学者提出了不同的计算机检测方法，如SIFT及SURF图像匹配算法、基于Faster-RCNN的机器学习算法、基于ROI的模板匹配算法，在一定程度上提高了FPCB板缺陷检测的效率。但是，这些方法适用范围狭窄、可迁移性差，并且对于数据量有严重的依赖性。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于生成式对抗网络的FPCB板缺陷检测方法及装置，不仅能够有效解决缺陷数据样本不足且不均衡等问题，而且能够有效提高缺陷分类和定位精度。

本发明为了实现上述目的，采用了以下方案：

方法

本发明提供了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. 对分割好的训练集和测试集数据通过频域高斯滤波等方法进行平滑处理，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；生成器的参数更新由判别器和分类定位器的损失函数共同作用。

优选地，本发明提供的基于生成式对抗网络的FPCB板缺陷检测方法，还可以具有以下特征：分类定位器的损失函数采用表征两个概率分布之间距离的交叉熵损失函数，其公式如下：

，