CN114882002B 目标缺陷检测方法和检测装置、计算机设备、存储介质 （深圳市格灵精睿视觉有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114882002B(45)授权公告日2025.01.10

(21)申请号202210605274.8

(22)申请日2022.05.31

(65)同一申请的已公布的文献号申请公布号CN114882002A

(43)申请公布日2022.08.09

(73)专利权人深圳市格灵精睿视觉有限公司地址518064广东省深圳市南山区粤海街

道高新区社区高新南环路46号留学生创业大厦二期2层南区

(72)发明人王永吉杨延竹张华于波

(74)专利代理机构广州嘉权专利商标事务所有限公司44205

专利代理师黄广龙

GO6T5/60(2024.01)

GO6T5/92(2024.01)

GO6T7/194(2017.01)

GO6V10/77(2022.01)

GO6V10/774(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

(56)对比文件

CN111951253A,2020.11.17CN114419029A,2022.04.29审查员田秋硕

(51)Int.CI.

GO6T7/00(2017.01)权利要求书2页说明书13页附图5页

(54)发明名称

目标缺陷检测方法和检测装置、计算机设备、存储介质

(57)摘要

CN114882002B本申请实施例提供了一种目标缺陷检测方法和检测装置、计算机设备、存储介质，属于人工智能技术领域。该方法包括：获取待检测的BGA图像，BGA图像中包括至少一个候选检测子图像；利用Mosaic函数对每个候选检测子图像进行数据增强操作，得到BGA图像中的至少一个目标缺陷图像；根据预训练的FPN架构模型对每个目标缺陷图像进行缺陷检测，输出每个目标缺陷图像对应的目标缺陷类别及目标缺陷概率值。本申请实施例根据预训练的FPN架构模型对BGA图像中的

CN114882002B

获取待检测的BGA图像，BGA图像中包括至少一个候选检测子图像

利用Mosaic函数对每个候选检测子图像进行数据增强操作，得到BGA图像中的至少一个目标缺陷图像

根据预训练的FPN架构模型对每个目标缺陷图像进

行缺陷检测，输出每个目标缺陷图像对应的目标缺

陷类别及目标缺陷概率值

S110

S120

S130

CN114882002B权利要求书1/2页

2

1.一种目标缺陷检测方法，其特征在于，所述方法包括：

获取待检测的BGA图像，所述BGA图像中包括至少一个候选检测子图像，每个所述候选检测子图像对应一个待检测的锡球；

利用Mosaic函数对每个候选检测子图像进行数据增强操作，得到所述BGA图像中的至少一个目标缺陷图像；

根据预训练的FPN架构模型对每个目标缺陷图像进行缺陷检测，输出所述每个目标缺陷图像对应的目标缺陷类别及目标缺陷概率值；

其中，所述FPN架构模型通过如下方法训练得到：

构建训练样本集，所述训练样本集包括多个缺陷样本图像；

对每个缺陷样本图像进行下采样操作，得到对应于所述缺陷样本图像的多个不同特征尺寸的第二缺陷特征图；

根据所述多个不同特征尺寸的第二缺陷特征图构建多层下采样结构；

根据所述多层下采样结构对每个第二缺陷特征图进行上采样操作，得到多个不同尺寸的第三缺陷特征图；

根据所述多个不同尺寸的第三缺陷特征图构建多层上采样结构；

根据所述多层上采样结构对每个第三缺陷特征图进行下采样操作，得到多个不同尺寸的第四缺陷特征图；

根据每个第四缺陷特征图和预设的缺陷类别对所述FPN架构模型进行模型训练，直至所述模型训练的精确值满足预设训练结束条件，以得到所述FPN架构模型，其中，每个所述第四缺陷特征图用于预测锡球中不同大小的缺陷。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多层下采样结构对每个第二缺陷特征图进行上采样操作，得到多个不同尺寸的第三缺陷特征图，包括：

获取所述多层下采样结构中最深层的第二缺陷特征图，所述最深层的第二缺陷特征图为