一种基于深度学习的电路板元器件缺陷检测方法

摘要

本发明公开了一种基于深度学习的电路板元器件缺陷检测方法，通过电路板检测生产线的摄像机拍摄待检测电路板，对训练集及待测图片进行区域分割，将SOLOv2网络进行改进以分割图像中的各类元器件及电路板底板，并对多区域检测结果进行融合提高检测精度，然后利用电路板底板类掩膜预测结果矫正图片尺寸，由掩膜预测结果计算各元器件中心位置并基于Hu不变矩计算元器件的主轴方向，将提取出的元器件位置与模板电路板中各元器件的设定位置进行匈牙利匹配，匹配成功的双方对比位置及方向差异，判断出该处是否存在缺件、偏移缺陷，并获得位置偏移量和角度偏移量。本发明可以实现精确检测并定位电路板中含有缺陷的元器件，保证电路板的焊接质量。