(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210963624.8 (22)申请日 2022.08.11 (65)同一申请的已公布的文献号 申请公布号 CN 115035118 A (43)申请公布日 2022.09.09 (73)专利权人 南通华钛电子科技有限公司 地址 226200 江苏省南 通市启东市吕四港 镇闸河村山本公司内 (72)发明人 彭海军　 (74)专利代理 机构 北京和信华成知识产权代理 事务所(普通 合伙) 11390 专利代理师 李莹 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/762(2022.01)G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) 审查员 陈震宇 (54)发明名称 一种基于识别模 型的PCB生产线残缺检测方 法及系统 (57)摘要 本发明公开了一种基于识别模 型的PCB生产 线残缺检测方法及系统， 包括以下步骤： 步骤S1、 获取PCB目标生产线上的多个PCB残次品， 并依次 在每个PCB残次品中标记出残缺区域， 再提取出 PCB目标生产线的残缺区域特征， 以及统计PCB目 标生产线的区域残缺度； 步骤S2、 基于区域残缺 度对残缺区域进行分类得到频发区域和偶发区 域， 利用神经网络进行模型训练得到频发区域识 别模型和偶发区域识别模型； 步骤S3、 对所述频 发区域和偶发区域依据区域残缺度设定PCB目标 生产线对 频发区域和偶发区域的残 缺检测频率。 本发明利用神经网络进行模型训练得到频发区 域识别模型和偶发区域识别模型， 以实现对 频发 区域和偶发区域进行分频检测来保证PCB检测的 高时效性和低冗余 性。 权利要求书3页 说明书9页 附图1页 CN 115035118 B 2022.11.01 CN 115035118 B 1.一种基于识别模型的PCB生产线残缺检测方法， 其特 征在于， 包括以下步骤： 步骤S1、 获取PCB目标生产线上的多个PCB残次品， 并依次在每个PCB残次品中标记出残 缺区域， 再提取出残 缺区域的区域特征作为P CB目标生产线的残 缺区域特征， 以及统计残 缺 区域出现频度作为PCB目标生产线的区域残缺度； 步骤S2、 基于区域残缺度对残缺区域进行分类得到频发区域和偶发区域， 利用神经网 络基于频发区域的残 缺区域特征和区域残缺度、 偶发区域的残缺区域特征和区域残缺度分 别进行模型训练得到频发区域识别模型和偶发区域识别模型， 所述频发区域表征为具有高 区域残缺度的残缺区域， 所述偶发区域表征为具有低区域残缺度的残缺区域； 步骤S3、 根据频发区域识别模型和偶发区域识别模型对待进入PCB目标生产线进行生 产的PCB目标产品进 行区域识别得到P CB目标产品的频发区域和 偶发区域以及区域残 缺度， 并对所述频发区域和偶发区域依据区域残缺度设定PCB目标生产线对频发区域和 偶发区域 的残缺检测频率， 以实现对频发区域和偶发区域进行分频检测来保证PCB检测的高时效性 和低冗余 性； 所述提取出残缺区域的区域特 征作为PCB目标生产线的残缺区域特 征， 包括： 提取出残缺区域的走线量、 走线类型、 芯片量、 芯片类型、 电学功能特性、 基底板材特性 以及焊接方式作为残缺区域的基础特 征； 对所述残缺区域的走线量、 走线类型、 芯片量、 芯片类型、 电学功能特性、 基底板材特性 以及焊接方式进 行主成分分析分别得到每项基础特征的贡献值， 并将贡献值高于预设贡献 阈值的基础特 征标记为所述区域特 征， 并将区域特 征作为PCB目标生产线的残缺区域特 征； 所述统计残缺区域出现频度作为PCB目标生产线的区域残缺度， 包括： 对所述残缺区域依据所述残缺区域特征进行Kmeans聚类得到多组区域簇， 并依次将每 个区域簇中的残缺区域总数在获取的残缺区域总数中的占比作为每个区域簇中的各个残 缺区域的所述区域残缺度； 所述区域残缺度的计算公式为： ； 式中， 表征为第i个残缺区域的区域残缺度， 表征为第i个残缺区域所属的区域 簇中残缺区域总数， N表征为获取的残缺区域总数， i 为计量常数； 所述利用神经网络基于频发区域的残缺区域特征和区域残缺度、 偶发区域的残缺区域 特征和区域残缺度分别进行模型训练得到频发区域识别模型和偶发区域识别模型， 包括： 将频发区域的残缺区域特征进行主成分分析分别得到每项残缺 区域特征的贡献值， 并 将贡献值高于预设 贡献阈值的残缺区域特 征标记为频发区域特 征； 将频发区域特征和区域残缺度分别作为第一BP神经网络的第一输入项和第 一输出项， 并将所述第一BP神经网络基于所述第一输入项和第一输出项进行模型训练得到所述频发 区域识别模型， 所述频发区域识别模型的模型函数为： Ihigh=BP1(Xhigh)； 式中， Ihigh为频发区域的区域残缺度的标识符， Xhigh为频发区域特征的标识符， BP1为第 一BP神经网络的标识符； 将偶发区域的残缺区域特征进行主成分分析分别得到每项残缺 区域特征的贡献值， 并权　利　要　求　书 1/3 页 2 CN 115035118 B 2将贡献值高于预设 贡献阈值的残缺区域特 征标记为偶发区域特 征； 将偶发区域特征和区域残缺度分别作为第二BP神经网络的第二输入项和第 二输出项， 并将所述第二BP神经网络基于所述第二输入项和第二输出项进行模型训练得到所述偶发 区域识别模型， 所述偶发区域识别模型的模型函数为： Ilow=BP2(Xlow)； 式中， Ilow为偶发区域的区域残缺度的标识符， Xlow为偶发区域特征的标识符， BP2为第二 BP神经网络的标识符； 所述根据 频发区域识别 模型和偶发区域识别 模型对待进入PCB目标生产线进行生产的 PCB目标产品进行区域识别得到PCB目标产品的频发区域和偶发区域以及区域残缺度， 包 括： 设定区域大小期望值， 并基于区域大小期望值对残缺区域进行区域大小离散度构建， 所述区域大小离 散度的函数表达式为： ； 式中， 表征为区域大小离散度， 表征为第i个残缺区域的区域大小， 表征为 区域大小期望值； 构建区域大小期望值的求 解约束条件， 所述 求解约束条件为： ； 式中， 、 分别表征为残缺区域中最小的区域大小、 最大的区域大小； 基于所述求解约束条件对区域大小离散度进行最小化求解得到区域大小期望值的求 解值作为单位网格大小； 依据所述单位网格大小对PCB目标产品进行网格化处理得到PCB目标产品的检测区域， 并对检测区域分别进行频发区域特征、 偶发区域特征的提取得到检测区域的频发区域特 征、 检测区域的偶发区域特 征； 将检测区域的频发区域特征、 检测区域的偶发区域特征分别输入至频发区域识别模型 和偶发区域识别模型得到检测区域的频发区域残缺度、 检测区域的偶发区域残缺度， 将检 测区域的频发区域残 缺度、 检测区域的偶发区域残缺度与频发区域和偶发区域的区域残缺 度进行置信区间归并， 其中， 若检测区域的频发区域残缺度属于频发区域的区域残缺度的置信区间且检测区域的 偶发区域残缺度不属于偶发区域的区域残缺度的置信区间， 则将检测区域标记为PCB目标 产品的频发区域， 以及检测区域的频发区域残缺度作为PCB目标产品的频发区域的区域残 缺度； 若检测区域的频发区域残缺度不属于频发区域的区域残缺度的置信区间且检测区域 的偶发区域残缺度属于偶发区域的区域残缺度的置信区间， 则将检测区域标记为PCB目标 产品的偶发区域， 以及检测区域的偶发区域残缺度作为PCB目标产品的偶发区域的区域残 缺度； 所述对所述频发区域和偶发区域依据区域残缺度设定PCB目标生产线对频发区域和偶权　利　要　求　书 2/3 页 3 CN 115035118 B 3