一种基于深度学习的FPCB外观缺陷自动检测算法

摘要

本发明公开了一种基于深度学习的FPCB外观缺陷自动检测算法，包括以下步骤：A、在配套机器视觉硬件系统基础上，采集缺陷样本彩色RGB图像并根据部件尺寸将样本图像分割为一系列固定大小的单个元件子图；B、在标注前对样本图像进行对比度增强和拉普拉斯锐化以突出缺陷特征。本发明在标注前对图像进行对比度增强及锐化处理突出了缺陷部分，有效降低了数据标注难度，且利用深度学习中的fasterrcnn算法对FPCB进行外观缺陷检测，从原理上规避了传统模板匹配检测技术中柔性电路板的变形及缺陷多样化对检测性能的不利影响，同时，结合FPCB外观检测实际应用场景对fasterrcnn算法进行了改进和优化，提高了缺陷的正检率和检出率。