[发明专利]一种改善电路板板边压合空洞的方法、电路板及电子设备

权利要求书

1.一种改善电路板板边压合空洞的方法，其特征在于，所述改善电路板板边压合空洞的方法包括以下步骤：

确定不同的次外层残铜率；

根据确定的不同的次外层残铜率，进行电路板板边压合中导气槽开设参数设计，根据设计的所述参数获取导气槽。

2.根据权利要求1所述的改善电路板板边压合空洞的方法，其特征在于，所述次外层残铜率≥65％时，电路板板边压合中导气槽开设参数设计包括：

确定导胶口宽度以及导胶口之间的距离；

根据确定的导胶口宽度以及导胶口之间距离，进行PCB偶数层与奇数层的导气槽交叉角度的选取。

3.根据权利要求2所述的改善电路板板边压合空洞的方法，其特征在于，所述导胶口的宽度为3mm。

4.根据权利要求2所述的改善电路板板边压合空洞的方法，其特征在于，所述导胶口之间的距离为50mm。

5.根据权利要求2所述的改善电路板板边压合空洞的方法，其特征在于，PCB偶数层与奇数层的导气槽交叉倾斜45度。

6.根据权利要求1所述的改善电路板板边压合空洞的方法，其特征在于，所述次外层残铜率＜65％时，进行电路板板边压合中导气槽开设参数设计包括：

对板边阻流边、SET进行点PAD；

选取层间的点的PAD布局方式；

确定布局的PAD直径、间距参数。

7.根据权利要求6所述的改善电路板板边压合空洞的方法，其特征在于，层间的点的PAD布局方式采用错位方式；布局的PAD直径1.25mm，PAD间距0.5mm。

8.根据权利要求1所述的改善电路板板边压合空洞的方法，其特征在于，所述根据确定的不同的次外层残铜率，进行电路板板边压合中导气槽开设参数设计进一步包括：

第一步，在次外层残铜率≥65％或＜65％时，根据给定的导胶口宽度、导胶口之间距离、导气槽交叉倾斜角，判定电路板板边压合中气泡直径大小以及是否存在气泡；将气泡模糊气泡图像与原始气泡图像做与运算，将气泡图像映射到HSV颜色表示空间，手动调整阈值获得批量的气泡直径大小标注气泡图像；

第二步，将标注好的气泡图像进行预处理，调整气泡图像的长和宽为32的倍数，将气泡图像转化为张量格式，做数据的归一化，将像素值从0到255归一化到0到1；

第三步，通过神经网络训练数据，神经网络采用编码器-解码器的结构可以充分发掘气泡图像的潜在信息，神经网络输入为原始气泡图像，输出为分割气泡图像；

第四步，提取分割后的气泡图像的轮廓，并将计算轮廓的周长和面积；

第五步，利用气泡直径大小标注气泡图像中的不含异常数据帧部分提取到的周长和面积两个量，建立多元高斯模型；

第六步，将获取到的分割气泡图像的周长和面积输入多元高斯模型，判定数据帧是否异常；

气泡数据标注通过制作气泡模糊气泡图像和HSV颜色空间分析建模，同时标注同一场景下的100到1000张数据；HSV用于通过颜色空间的阈值分割出气泡，而气泡模糊气泡图像则是用消除颜色空间阈值与气泡在同一范围内的噪声点，通过对气泡样本数据的观察和分析，得出在固定的场景下一定的时间范围内；

HSV模型将RGB颜色空间映射到一个圆锥空间，从0到255表示颜色从黑到白的变化；在制作数据集给定的导胶口宽度、导胶口之间距离、导气槽交叉倾斜角的过程中通过气泡模糊气泡图像和HSV结合的方式通过代码对被分为一类的图片进行标注和处理；气泡模糊气泡图像是根据背景图片建模得的一张气泡图像，每个类别和场景下都有对应的气泡模糊气泡图像，通过气泡模糊气泡图像与原始气泡图像直接做与运算就可以去除大部分的背景；HSV通过颜色空间的阈值调整将气泡模糊气泡图像处理后结果进行进一步的处理，以获得对气泡形态的精准刻画；

采用Unet网络结构，Unet网络实现像素级的分割，获得对气泡变化情况的精准刻画；U-net网络由一个收缩路径和一个扩张路径组成；

收缩路径遵循典型的卷积网络结构，其由两个重复的3x3卷积核组成，且均使用修正线性单元激活函数和一个用于下采样的步长为2的2x2最大池化操作，以及在每一个下采样的步骤中，特征通道数量都加倍；

在扩张路径中，每一步都包含对特征图进行上采样；用22的卷积核进行卷积运算，用于减少一半的特征通道数量；接着级联收缩路径中相应的裁剪后的特征图；再用两个33的卷积核进行卷积运算，且均使用ReLU激活函数；在最后一层，利用1*1的卷积核进行卷积运算，将每个64维的特征向量映射网络的输出层；

在预处理时计算得出所有训练数据的均值和方差，每一张图片在减去均值，与方差相比；将数据归一化到0到1，使得很多像素点变为零；

神经网络的损失函数定义如下：

Pre＝∑_i，jP_r(i，j) (1)

Pte＝∑_i，jP_t(i，j) (2)

公式中Pre，训练过程中神经网络的输出的气泡图像，Pte表示对应的给定的导胶口宽度、导胶口之间距离、导气槽交叉倾斜角，loss表示损失；i,j表示像素点的坐标位置；式(3)中i＝0，n表示参与计算的气泡图像数量，const表示一个非0常数，为保证给定的导胶口宽度、导胶口之间距离、导气槽交叉倾斜角全黑的时候分母不是0；从式(3)看出当给定的导胶口宽度、导胶口之间距离、导气槽交叉倾斜角和实际的预测值越接近时损失越小；

采用多元高斯建模的方式，帧为异常数据帧时，帧的面积和周长会发生越变；通过正常数据得的高斯模型在测试异常数据时会偏离该高斯模；该高斯模型根据正常分割得到的气泡的周长和面积计算得到；将气泡监控视频的一帧数据判别为异常，直接通过气泡的形态和变化情况确定；周长和面积是对物体的形态表示最直观的两个量，在实际中通过周长和面积两个量建立多元高斯模型发掘两个量之间的联系，多元高斯的计算公式：

其中，∑：代表根据周长和面积计算的协方差矩阵，u：代表均值，x:代表输入，∈：代表判定的阈值；公式用于判定输入x是否属于建立的多元高斯分布，当输出的概率值低于∈时判定为不属于该概率分布，∈是根据对于正常数据的和异常数据的统计值确定的。