CN119379600A 基于2d和3d图像视觉结合的pcb板缺陷检测方法和设备 （力高(山东)新能源技术股份有限公司）.pdfVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119379600A

(43)申请公布日2025.01.28

(21)申请号202411313177.7G06V10/82(2022.01)

G06V10/40(2022.01)

(22)申请日2024.09.20

G06N3/0464(2023.01)

(71)申请人力高（山东）新能源技术股份有限公G06N3/045(2023.01)

司

G06N3/09(2023.01)

地址265503山东省烟台市经济技术开发

区古现街道衡阳路15号

(72)发明人童铸鲍伟沈永柏倪波王云

姜明军孙艳江梓贤刘欢

(74)专利代理机构合肥中谷知识产权代理事务

所(普通合伙)34146

专利代理师杜瑶

(51)Int.Cl.

G06T7/00(2017.01)

G06T5/50(2006.01)

G06V10/764(2022.01)

权利要求书2页说明书7页附图4页

(54)发明名称

基于2D和3D图像视觉结合的PCB板缺陷检测

方法和设备

(57)摘要

本发明属于视觉检测技术领域，具体涉及基

于2D和3D图像视觉结合的PCB板缺陷检测方法和

设备，包括采集PCB板的2D信息和3D信息并进行

缺陷标注；将缺陷标注后的2D信息作为训练集输

入预先构建的yolov10目标检测网络中，采用双

重标签分配和一致匹配度量的训练策略训练后

得到yolov10模型；利用预先构建的second目标

检测网络将缺陷标注后的3D信息转换为体素特

征和坐标，采用稀疏卷积神经网络对体素特征和

坐标进行特征提取、以及对物体方向进行分类，

得到训练后的second模型；根据yolov10模型和

Asecond模型确定目标PCB板的缺陷类型。本发明

0通过采用深度学习算法和3D视觉技术，可以大大

0

6

9提高检测的准确性和效率，降低维护成本，提高

7

3

9检测的鲁棒性和稳定性。

1

1

N

C

CN119379600A权利要求书1/2页

1.基于2D和3D图像视觉结合的PCB板缺陷检测方法，其特征在于，所述方法包括：

采集PCB板的2D信息和3D信息并进行缺陷标注；

将缺陷标注后的2D信息作为训练集输入预先构建的yolov10目标检测网络中，采用双

重标签分配和一致匹配度量的训练策略训练后得到yolov10模型；

利用预先构建的second目标检测网络将缺陷标注后的3D信息转换为体素特征和坐标，

采用稀疏卷积神经网络对所述体素特征和坐标进行特征提取、以及对物体方向进行分类，

得到训练后的second模型；

采用所述yolov10模型对目标PCB板的2D信息进行检测获取第一特征，通过所述second

模型对目标PCB板的3D信息进行检测获取第二特征，基于所述第一特征和所述第二特征确

定目标PCB板的缺陷类型。

2.根据权利要求1所述的基于2D和3D图像视觉结合的PCB板缺陷检测方法，其特征在

于：所述yolov10目标检测网络包括如下架构：

轻量级分类头：包括两