CN119515756A 电路板缺陷检测方法、装置、设备及存储介质 （广州鹰视信息科技有限公司）

质标图像对应的第一参考图像和所述目标图像对所述目标图像与所述第二参考图像之间的第二相似度；根据所述第一相似度和所述第二相似2获取目标图像、所述目标图像对应的第一参考图像和所述目标图确定所述目标图像与所述第一参考图像之间的第一相似度，并对所述目标图像、所述第一参考图像以及所述第二参考图像分别进行特征提计算所述目标图像对应的图像特征与所述第一参考图像对应的图像特征之间的相似将所述目标图像、所述第一参考图像以及所述第二参考图获取目标样本图像、所述目标样本图像对应的正样本图像和负样本图像，所述正样本图像的元件缺陷情况与所述目标样本图像的元件缺陷情况相同，本图像和所述负样本图像中的另一个图像为存在元件缺陷的缺陷电根据所述目标样本图像、所述正样本图像和所述负样本图像，训练对所述目标图像、所述第一参考图像和所述第二参考图所述确定所述目标图像与所述第一参考图像之间的第一相似度，3确定图像增强后的目标图像与图像增强后的第一参考图像之对所述目标图像、所述第一参考图像和所述第二参考图像分别进行图对所述目标图像、所述第一参考图像和所述第二参考图像对应的锐对所述目标图像、所述第一参考图像和所述第二参考图像对应的色相似度确定模块，用于确定所述目标图像与所确定所述目标图像与所述第二参考图像之间结果确定模块，用于根据所述第一相似度和所述第二4板(printedcircuitboard，PCB)的生产过程中，会基于光学检测原理对PCB进行缺陷检图像与有元件缺陷的图像和无元件缺陷的图像进行相似度比较来确定待测电路板的元件5考图像之间的第一相似度，并确定所述目标图像与所述第二参考图像之间的第二相似度，像、所述正样本图像和所述负样本图像分别输入至所述三个特征提取模块中进行特征提神经网络具备提取能区分不同缺陷情况的图像的特征6得所述模型损失减小。根据预设损失函数来计算模型损失并调整特征提取模块的权重参7[0024]相似度确定模块，用于确定所述目标图像与所述第一参考图像之间的第一相似8较待测电路板的图像与两种参考图像之间的相似度来综合确定待测电路板的元件缺陷结9考图像之间的相似度所采用的图像相似度算电路板的图像与有元件缺陷的图像和无元件缺陷的图像进行相似度比较来确定待测电路第二参考图像对应的锐化图像)中的每个像素的比特进行压缩，降低图像中的每个像素的缩图像或第二参考图像对应的色彩压缩图像)进行直方图均衡化，实现对图像的对比度增得到图3中的图像区域Q，再将图像区域Q缩放到固定的尺寸，得到图像P1对应的局部图像[0086]其中，x,y)为变换后的像素在图像中的位置坐标，(x，y)为变换前的像素在图c)为图像的中心点的位置坐标。像，正样本图像和负样本图像中的其中一个图像为不存在元件缺陷的标准电路板的图像，从样本图像集中获取图像标签与目标样本图像的图像标签相同的样本图像作为正样本图[0113]B22、计算目标样本图像对应的图像特征与正样本图像对应的图像特征之间的特[0114]在一种可行的实施方式中，可以基于欧式距离来评价两个图像特征之间的差异样本图像对应的图像特征与正样本图像对应的图像特征之间的特征差异度和目标样本图标样本图像对应的图像特征与负样本图像对应的图像特征之间的差异度采用的衡量指标[0128]在采用与前述步骤B22中计算两个图像特征之间的差异度的方式，计算得到目标[0136]相似度确定模块402，用于确定所述目标图像与所述第一参考图像之间的第一相增强后的目标图像与图像增强后的第二参考图像之间的第二参考图像和所述第二参考图像沿一坐标轴分别进有元件缺陷的图像和无元件缺陷的图像进行相似度比较来确定待测电路板的元件缺陷检[0153]处理器501被配置为支持该计算机设备50执行上述方法实施例中的方法中相应的功能。该处理器501可以是中央处理器(centralprocessingunit，CPU)，网络处理器(applicationspecificintegratedcircuit，ASIC)，可编程逻辑器件(programmalogicdevice，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(complex[0154]存储器502用于存储程序代码等。存储器502可以包括易失性存储器(volatile通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质碟、光盘、只读存储记忆体(Read_Onlymemory，ROM)或