(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210599351.3 (22)申请日 2022.05.30 (71)申请人 苏州微光电子融合 技术研究院有限 公司 地址 215200 江苏省苏州市吴江区黎里镇 汾湖大道5 58 (72)发明人 尹明臣　 (74)专利代理 机构 苏州博格华瑞知识产权代理 事务所(普通 合伙) 32558 专利代理师 匡立岭 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/771(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 融合时空注意力机制的PCB缺陷检测算法 (57)摘要 本发明公开了融合时空注意力机制的PCB缺 陷检测算法， 为达到工业PCB的检测精度要 求， 采 用YOLOV5结构作为主干网络， 为加强 网络对缺陷 区域特征提取， 解决密集和小尺度的场景下不能 有效提取缺陷特征的问题， 引入空间和通道注意 力机制， 提出一种基于注意力机制的PCB板缺陷 检测算法， 为解决采用非极大值抑制的算法， 使 得部分信息丢失， 导致检测结果有偏差的问题， 本发明结构中加入WBF算法， 以提高PCB板的缺陷 检测精度。 权利要求书1页 说明书6页 附图3页 CN 115100117 A 2022.09.23 CN 115100117 A 1.融合时空注意力机制的PCB缺陷检测算法， 其特 征在于， 包括以下步骤： S1： 采用YOLOV5结构作为主干网络， 对缺陷区域特 征进行提取； S2： 引入空间注意力机制， 加强每个浅层特征点之间的互相联系， 强化缺陷区域的特征 并且抑制其 余特征； S3： 引入通道 注意力机制， 加强缺陷区域 通道特征， 抑制其 余通道特征； S4： 加入WBF算法， 用以减少非极大值抑制算法导 致的信息 丢失。 2.根据权利要求1所述的融合时空注意力机制的PCB缺陷检测算法， 其特征在于： YOLOV5模型使用Pytorc h框架进行训练。 3.根据权利要求1所述的融合时空注意力机制的PCB缺陷检测算法， 其特征在于： 对于 给定的输入特征图X， 其特征通道数为C ′， 特征图尺寸为H ×W， 通过深度卷积神经网络变换 后得到特 征图U， 其特 征通道数为C； 重新标定特 征包括如下步骤： A： 通过全局平均池化对每个通道进行空间维度上的特征压缩， 将二维特征(H ×W)压缩 为一个实数； B： 通过简单门控机制为每 个特征通道生成权 重值； C： 将步骤B得到的归一 化权重加权到每个特征通道上； D： 通过乘法将权 重与特征图U相乘， 完成特 征重标定 。 4.根据权利要求3所述的融合 时空注意力 机制的PCB缺陷检测算法， 其特征在于： 步骤A 期间， 通道数保持不变； 特 征图U通过步骤A后变为 一个向量(1 ×1×C)。 5.根据权利要求1所述的融合 时空注意力 机制的PCB缺陷检测算法， 其特征在于： 步骤B 中， 参数组W通过全连接层和非线性激活函数学习得到， 能够明显地表示特征通道间的相关 性。权　利　要　求　书 1/1 页 2 CN 115100117 A 2融合时空注意力机制的PCB缺陷检测算法 技术领域 [0001]本发明涉及印刷电路板缺陷检测领域， 尤其涉及融合时空注意力机制的PCB缺陷 检测算法。 背景技术 [0002]PCB广泛应用于各类电子产品中， 2018年全球PCB市场分析报告中显示预计到2024 年， PCB市场将 达到790亿美元， 随着PCB市场的迅速发展， 对其缺陷检查已成为PCB制造的最 大成本， 由于人工检测方法的检测精度及 效率极大程度依赖于检测人员的工作经验， 同时 检测精度也随工作时间的持续而降低， 整体而言该检测方案的不稳定性较高， 近年来， 自动 光学检测(Automatic  Optical Inspection，  AOI)系统取代了大部分人工检测， 提高了检 测精度， 降低了成本，  AOI系统比人工检测更加方便和高效， 由于PCB板缺陷复杂、 集成度 高、 缺陷区域较小、 易受光照因素影响， 现有的检测模型 无法对其精准检测。 [0003]PCB缺陷检测目前仍存在着 三大挑战， 首先， 实际市场上有很多不同的PCB， 不同的 PCB有不同的复杂的绞合设计规则， 通用算法难以兼容各种PCB， 传统的PCB缺陷检测方法会 出现不稳定性； 第二，  PCB缺陷的种类和特征一般是多种多样的； 第三， 工业上采集大量的   PCB缺陷样品是非常困难的， 导 致一些传统方法的数据不平衡。 [0004]PCB缺陷可分为两类:功能性缺陷和外观缺陷。 功能缺陷会严重影响PCB的性能， 可 能导致PCB的非正常使用， 这是最严重的缺陷； 外观缺陷主要影响PCB的外观， 但从长远来 看， 由于电流的异常散热和分布， 也会损害其性能。 在这两类缺陷中， missinghole、 mousebite、  opencircuit、 short、 spur、 spuriouscopper这六种缺陷是在实际工业现场中 经常出现的。 [0005]现需要高效且多适用性的算法对这六种缺陷进行了检测。 发明内容 [0006]本发明克服了现有技术的不足， 对 印刷电路板(Printed  Circuit Board， PCB)生 产中的漏焊、 开路、 短路、 鼠咬等缺陷进行检测， 自动探测、 疵点定位、 缺陷分类等多种功能 于一体， 针对多种不同的  PCB进行检测， 有效提升PCB表面 缺陷自动检测的效率。 [0007]为达到上述目的， 本发明采用的技术方案为： 融合时空注意力机制的PCB缺陷检测 算法， 其特 征在于， 包括以下步骤： [0008]S1： 采用YOLOV5结构作为主干网络， 对缺陷区域特 征进行提取； [0009]S2： 引入空间注意力机制， 加强每个浅层特征点之间的互相联系， 强化缺陷区域的 特征并且抑制其 余特征； [0010]S3： 引入通道 注意力机制， 加强缺陷区域 通道特征， 抑制其 余通道特征； [0011]S4： 加入WBF算法， 用以减少非极大值抑制算法导 致的信息 丢失。 [0012]本发明一个 较佳实施例中， YOLOV5模型使用Pytorc h框架进行训练。 [0013]本发明一个较佳实施例中， 对于给定的输入特征图X， 其特征通道数为C ′， 特征图说　明　书 1/6 页 3 CN 115100117 A 3