本發(fā)明涉及一種電路板檢測方法，屬于視覺狀態(tài)異常檢測，尤其涉及一種電路板視覺異常狀態(tài)檢測方法。

背景技術(shù)：

1、電路板生產(chǎn)制造完成后，為保證電路板的質(zhì)量需對電路板電子元器件表面缺陷進(jìn)行檢測，然而，傳統(tǒng)的人工檢測方法需要耗費大量的人力和時間，不僅效率低下，而且容易受到人為因素影響，導(dǎo)致誤檢和漏檢；目前，出現(xiàn)了對電路板進(jìn)行拍攝，再對圖片進(jìn)行檢測的視覺檢測方法。

2、申請?zhí)枮?02410437300.x，申請日是2024年04月12日的中國專利公開了一種電路板檢測系統(tǒng)及檢測方法，該檢測系統(tǒng)包括固定架a，所述固定架a兩端轉(zhuǎn)動設(shè)有旋轉(zhuǎn)盤，兩個所述旋轉(zhuǎn)盤之間套設(shè)有皮帶，兩個所述皮帶之間設(shè)有多組夾持單元，所述固定架a上方設(shè)有檢測單元；所述檢測單元包括安裝于所述固定架a上的連接架a，所述連接架a上安裝有直線驅(qū)動件a；雖然該設(shè)計通過攝像頭對電路板拍攝以進(jìn)行視覺檢測，從而解決了人工檢測費時費力的問題，但仍具有以下缺陷：

3、若在正常光照條件下對電路板進(jìn)行拍攝，電路板表面會出現(xiàn)反光情況，反光處不能保留電路板表面的電子元器件的細(xì)節(jié)，故需要在暗光情況下對電路板進(jìn)行拍攝；但該設(shè)計在暗光條件下使用時，拍攝的電路板圖片的亮度較暗，故會導(dǎo)致拍攝的電路板圖片的清晰度較差。

4、公開該背景技術(shù)部分的信息僅僅旨在增加對本技術(shù)的總體背景的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域一般技術(shù)人員所公知的現(xiàn)有技術(shù)。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的電路板圖片清晰度較差與問題，提供一種電路板圖片清晰度較好的電路板視覺異常狀態(tài)檢測方法。

2、為實現(xiàn)以上目的，本發(fā)明的技術(shù)解決方案是：

3、一種電路板視覺異常狀態(tài)檢測方法，所述方法包括以下步驟：

4、第一步：先對電路板進(jìn)行拍攝以獲取暗光圖片；

5、第二步：先由第一卷積層對暗光圖片進(jìn)行卷積以得到暗光特征圖，再開始圖像計算過程，圖像計算過程為：由第一圖像分解模塊組將暗光特征圖分解為不同頻率的多個子帶，然后由第一圖像分解模塊組對所有子帶進(jìn)行降維、特征提取，以篩選、保留子帶中的關(guān)鍵特征，再由圖像拼合模塊組對所有子帶進(jìn)行降維、特征提取，以進(jìn)一步篩選、保留子帶中的關(guān)鍵特征，然后由圖像拼合模塊組將所有子帶重構(gòu)為完整的暗光特征圖，此時，由圖像計算過程得到多尺度的光照參數(shù)；

6、第三步：先由第二卷積層對暗光圖片進(jìn)行卷積以得到暗光特征圖，再由第二圖像分解模塊組將暗光特征圖分解為不同頻率的多個子帶，然后由第二圖像分解模塊組對所有子帶進(jìn)行降維、特征提取，以篩選、保留子帶中的關(guān)鍵特征，再由圖像修正模塊組對所有子帶進(jìn)行降維、特征提取，以進(jìn)一步篩選、保留子帶中的關(guān)鍵特征，然后由圖像修正模塊組將所有子帶的空間域轉(zhuǎn)換為頻率域，以凸顯子帶中需要暗光修復(fù)的特征，再由圖像修正模塊組根據(jù)多尺度的光照參數(shù)對所有子帶中需要暗光修復(fù)的特征進(jìn)行亮度提升，然后得到光照信息正常的子帶，再將子帶從頻率域轉(zhuǎn)化為空間域，然后由圖像修正模塊組將所有子帶重構(gòu)為亮度正常的特征圖，再由第三卷積層對特征圖進(jìn)行降維、特征提取，以進(jìn)一步增加特征，然后輸出正常亮度的圖片。

7、所述第二步中，所述第一圖像分解模塊組包括三個第一圖像分解模塊，每個第一圖像分解模塊都將暗光特征圖分解為不同頻率的多個子帶，然后由第一圖像分解模塊對所有子帶進(jìn)行降維、特征提取。

8、所述第二步中，所述第一圖像分解模塊包括第一注意力小波變換模塊與第一殘差模塊，所述第一圖像分解模塊都將暗光特征圖分解為不同頻率的多個子帶為第一注意力小波變換模塊都將暗光特征圖分解為不同頻率的多個子帶，所述第一圖像分解模塊對所有子帶進(jìn)行降維、特征提取為第一殘差模塊對所有子帶進(jìn)行降維、特征提取。

9、所述第二步中，所述圖像拼合模塊組包括三個圖像拼合模塊，每個圖像拼合模塊都對所有子帶進(jìn)行降維、特征提取，再由圖像拼合模塊對所有子帶進(jìn)行降維、特征提取，然后由圖像拼合模塊將所有子帶重構(gòu)為完整的暗光特征圖。

10、所述圖像拼合模塊包括拼合殘差模塊與拼合注意力小波逆變換模塊，所述圖像拼合模塊都對所有子帶進(jìn)行降維、特征提取為拼合殘差模塊對所有子帶進(jìn)行降維、特征提取，所述圖像拼合模塊將所有子帶重構(gòu)為完整的暗光特征圖為拼合注意力小波逆變換模塊將所有子帶重構(gòu)為完整的暗光特征圖。

11、所述第三步中，所述第二圖像分解模塊組包括三個第二圖像分解模塊，每個第二圖像分解模塊都將暗光特征圖分解為不同頻率的多個子帶，然后由第二圖像分解模塊對所有子帶進(jìn)行降維、特征提取。

12、所述第三步中，所述第二圖像分解模塊包括第二注意力小波變換模塊與第二殘差模塊，所述第二圖像分解模塊都將暗光特征圖分解為不同頻率的多個子帶為第二注意力小波變換模塊都將暗光特征圖分解為不同頻率的多個子帶，所述第二圖像分解模塊對所有子帶進(jìn)行降維、特征提取為第二殘差模塊對所有子帶進(jìn)行降維、特征提取。

13、所述第三步中，所述圖像修正模塊組包括三個圖像修正模塊，圖像修正模塊都對所有子帶進(jìn)行降維、特征提取，然后由圖像修正模塊將所有子帶的空間域轉(zhuǎn)換為頻率域，以凸顯子帶中需要暗光修復(fù)的特征，再由圖像修正模塊根據(jù)光照參數(shù)對所有子帶中需要暗光修復(fù)的特征進(jìn)行亮度提升，然后得到光照信息正常的子帶，再將子帶從頻率域轉(zhuǎn)化為空間域，然后由圖像修正模塊將所有子帶重構(gòu)為亮度正常的特征圖。

14、所述第三步中，所述圖像修正模塊包括修正殘差模塊、頻率特征變換模塊與修正注意力小波逆變換模塊，所述圖像修正模塊都對所有子帶進(jìn)行降維、特征提取為修正殘差模塊都對所有子帶進(jìn)行降維、特征提??；所述圖像修正模塊將所有子帶的空間域轉(zhuǎn)換為頻率域為頻率特征變換模塊將所有子帶的空間域轉(zhuǎn)換為頻率域；所述圖像修正模塊根據(jù)光照參數(shù)對所有子帶中需要暗光修復(fù)的特征進(jìn)行亮度提升為頻率特征變換模塊根據(jù)光照參數(shù)對所有子帶中需要暗光修復(fù)的特征進(jìn)行亮度提升；所述圖像修正模塊將所有子帶重構(gòu)為亮度正常的特征圖為修正注意力小波逆變換模塊將所有子帶重構(gòu)為亮度正常的特征圖。

15、所述第二步中，所述第一圖像分解模塊組與圖像拼合模塊組之間設(shè)置有殘差連接；所述第三步中，所述第二圖像分解模塊組與圖像修正模塊組之間設(shè)置有殘差連接。

16、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

17、1、本發(fā)明一種電路板視覺異常狀態(tài)檢測方法中，所述方法包括以下步驟：第一步：先獲取電路板的暗光圖片；第二步：先由第一卷積層對暗光圖片進(jìn)行卷積以得到暗光特征圖，再由第一圖像分解模塊組將暗光特征圖分解為多個不同頻率的子帶，然后由圖像拼合模塊組將多個不同頻率的子帶重構(gòu)為完整的暗光特征圖，此時，得到多尺度的光照參數(shù)；第三步：先由第二卷積層對暗光圖片進(jìn)行卷積以得到暗光特征圖，再由第二圖像分解模塊組將暗光特征圖分解為多個不同頻率的子帶，然后由圖像修正模塊組根據(jù)多尺度的光照參數(shù)對子帶進(jìn)行修正、重構(gòu)以得到亮度正常的特征圖，再由第三卷積層對特征圖進(jìn)行卷積以進(jìn)一步增加特征，然后輸出正常亮度的圖片，本發(fā)明的優(yōu)點還包括：

18、第一點：本發(fā)明通過第一圖像分解模塊組特征圖進(jìn)行分解以得到多種頻率的子帶，再由圖像拼合模塊組對多種頻率的子帶進(jìn)行重構(gòu)，以得出多尺度的光照參數(shù)，然后由第二圖像分解模塊組特征圖進(jìn)行分解以得到多種頻率的子帶，再由圖像修正模塊組根據(jù)多尺度的光照參數(shù)對子帶進(jìn)行亮度提升、重構(gòu)以得到正常亮度的圖片，故本發(fā)明可以將暗光條件下所拍攝的電路板圖片修正為正常亮度的電路板圖片，故電路板圖片的清晰度較好；

19、第二點：第一圖像分解模塊組、圖像拼合模塊組、第二圖像分解模塊組、圖像修正模塊組均會對子帶進(jìn)行降維、特征提取，不僅減少了特征圖中不必要的特征，還篩選、保留子帶中的關(guān)鍵特征，故圖片的有效細(xì)節(jié)較多；

20、第三點：因本發(fā)明可以提升圖片的清晰度，且圖片的有效細(xì)節(jié)較多，故有利于后續(xù)程序?qū)τ陔娐钒宓臏?zhǔn)確識別；

21、因此，本發(fā)明的電路板圖片清晰度較好，且圖片的有效細(xì)節(jié)較多。

22、2、本發(fā)明一種電路板視覺異常狀態(tài)檢測方法中，所述第一步中，所述第一圖像分解模塊組包括三個第一圖像分解模塊，每個第一圖像分解模塊都包括第一注意力小波變換模塊與第一殘差模塊，所述圖像拼合模塊組包括三個圖像拼合模塊，圖像拼合模塊包括拼合殘差模塊與拼合注意力小波逆變換模塊，應(yīng)用時，先由第一注意力小波變換模塊將暗光特征圖分解為不同頻率的多個子帶，再由第一殘差模塊對所有子帶進(jìn)行降維、特征提取以篩選、保留子帶中的關(guān)鍵特征，前述過程重復(fù)三次；然后由拼合殘差模塊對所有子帶進(jìn)行降維、特征提取以篩選、保留子帶中的關(guān)鍵特征，再由拼合注意力小波逆變換模塊將子帶重構(gòu)為完整的暗光特征圖，前述過程重復(fù)三次；重復(fù)次數(shù)較多，故可以得到較準(zhǔn)確的多尺度的光照參數(shù)，則可以提升第三步中對于子帶的修正效果。因此，本發(fā)明的光照參數(shù)較為準(zhǔn)確。

23、3、本發(fā)明一種電路板視覺異常狀態(tài)檢測方法中，所述第二步中，所述第二圖像分解模塊組包括第二圖像分解模塊，每個第二圖像分解模塊包括注意力小波變換模塊與第二殘差模塊，所述圖像修正模塊組包括三個圖像修正模塊，圖像修正模塊包括修正殘差模塊、頻率特征變換模塊與注意力小波逆變換模塊，應(yīng)用時，先由第二注意力小波變換模塊將暗光特征圖分解為不同頻率的多個子帶，再由第二殘差模塊對所有子帶進(jìn)行降維、特征提取以篩選、保留子帶中的關(guān)鍵特征，重復(fù)前述過程三次；然后由修正殘差模塊對所有子帶進(jìn)行降維、特征提取以篩選、保留子帶中的關(guān)鍵特征，再由頻率特征變換模塊對子帶的暗光特征進(jìn)行亮度提升以完成光照修正，然后由注意力小波逆變換模塊將子帶重構(gòu)為亮度正常的圖像，重復(fù)前述過程三次；修正殘差模塊、頻率特征變換模塊與注意力小波逆變換模塊在重復(fù)處理時，逐漸提升重構(gòu)的圖像精度。因此，本發(fā)明的圖像精度較高。

24、4、本發(fā)明一種電路板視覺異常狀態(tài)檢測方法中，所述第二步中，所述第一圖像分解模塊組與圖像拼合模塊組之間設(shè)置有殘差連接；所述第三步中，所述第二圖像分解模塊組與圖像修正模塊組之間設(shè)置有殘差連接，應(yīng)用時，殘差連接能夠有效解決本發(fā)明使用時的梯度消失和梯度爆炸問題，提升本發(fā)明使用過程中的穩(wěn)定性。因此，本發(fā)明的穩(wěn)定性較好。