[发明专利]融合时空注意力机制的PCB缺陷检测算法

说明书

本发明公开了融合时空注意力机制的PCB缺陷检测算法，为达到工业PCB的检测精度要求，采用YOLOV5结构作为主干网络，为加强网络对缺陷区域特征提取，解决密集和小尺度的场景下不能有效提取缺陷特征的问题，引入空间和通道注意力机制，提出一种基于注意力机制的PCB板缺陷检测算法，为解决采用非极大值抑制的算法，使得部分信息丢失，导致检测结果有偏差的问题，本发明结构中加入WBF算法，以提高PCB板的缺陷检测精度。

技术领域

本发明涉及印刷电路板缺陷检测领域，尤其涉及融合时空注意力机制的PCB缺陷检测算法。

背景技术

PCB广泛应用于各类电子产品中，2018年全球PCB市场分析报告中显示预计到2024年，PCB市场将达到790亿美元，随着PCB市场的迅速发展，对其缺陷检查已成为PCB制造的最大成本，由于人工检测方法的检测精度及效率极大程度依赖于检测人员的工作经验，同时检测精度也随工作时间的持续而降低，整体而言该检测方案的不稳定性较高，近年来，自动光学检测(Automatic Optical Inspection， AOI)系统取代了大部分人工检测，提高了检测精度，降低了成本， AOI系统比人工检测更加方便和高效，由于PCB板缺陷复杂、集成度高、缺陷区域较小、易受光照因素影响，现有的检测模型无法对其精准检测。

PCB缺陷检测目前仍存在着三大挑战，首先，实际市场上有很多不同的PCB，不同的PCB有不同的复杂的绞合设计规则，通用算法难以兼容各种PCB，传统的PCB缺陷检测方法会出现不稳定性；第二， PCB缺陷的种类和特征一般是多种多样的；第三，工业上采集大量的PCB缺陷样品是非常困难的，导致一些传统方法的数据不平衡。

PCB缺陷可分为两类:功能性缺陷和外观缺陷。功能缺陷会严重影响PCB的性能，可能导致PCB的非正常使用，这是最严重的缺陷；外观缺陷主要影响PCB的外观，但从长远来看，由于电流的异常散热和分布，也会损害其性能。在这两类缺陷中，missinghole、mousebite、 opencircuit、short、spur、spuriouscopper这六种缺陷是在实际工业现场中经常出现的。

现需要高效且多适用性的算法对这六种缺陷进行了检测。

发明内容

本发明克服了现有技术的不足，对印刷电路板(Printed Circuit Board，PCB)生产中的漏焊、开路、短路、鼠咬等缺陷进行检测，自动探测、疵点定位、缺陷分类等多种功能于一体，针对多种不同的 PCB进行检测，有效提升PCB表面缺陷自动检测的效率。

为达到上述目的，本发明采用的技术方案为：融合时空注意力机制的PCB缺陷检测算法，其特征在于，包括以下步骤：

S1：采用YOLOV5结构作为主干网络，对缺陷区域特征进行提取；

S2：引入空间注意力机制，加强每个浅层特征点之间的互相联系，强化缺陷区域的特征并且抑制其余特征；

S3：引入通道注意力机制，加强缺陷区域通道特征，抑制其余通道特征；

S4：加入WBF算法，用以减少非极大值抑制算法导致的信息丢失。

本发明一个较佳实施例中，YOLOV5模型使用Pytorch框架进行训练。

本发明一个较佳实施例中，对于给定的输入特征图X，其特征通道数为C′，特征图尺寸为H×W，通过深度卷积神经网络变换后得到特征图U，其特征通道数为C；重新标定特征包括如下步骤：

A：通过全局平均池化对每个通道进行空间维度上的特征压缩，将二维特征(H×W)压缩为一个实数；

B：通过简单门控机制为每个特征通道生成权重值；

C：将步骤B得到的归一化权重加权到每个特征通道上；

D：通过乘法将权重与特征图U相乘，完成特征重标定。