公开(公告)号：CN109859207A

公开(公告)日：2019-06-07

申请号：CN201910166760.2

申请日：2019-03-06

Applicant: 华南理工大学

Inventor： 罗家祥 ,  吴冬冬 ,  林宗沛 ,  胡跃明

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种高密度柔性基板的缺陷检测方法，包括采集带有外观缺陷的FICS图像，将图像预处理后统一为标准尺寸，标记每张图像中的缺陷位置和类别，作为faster R-CNN卷积神经网络模型的训练样本；将标记号的训练样本作为faster R-CNN卷积神经网络模型的输入，并输出FICS缺陷的位置与类型信息，得到训练好的基于faster R-CNN卷积神经网络模型；然后将待检测的FICS图像输入训练好的基于faster R-CNN卷积神经网络模型，输出是否有缺陷，如果有缺陷，则输出缺陷位置及类型。本发明实现高密度柔性基板外观缺陷的快速定位与类型判断，解决了传统缺陷检测方法速度慢，正确率低的问题。

公开(公告)号：CN109859207B

公开(公告)日：2023-06-23

申请号：CN201910166760.2

申请日：2019-03-06

Applicant: 华南理工大学

Inventor： 罗家祥 ,  吴冬冬 ,  林宗沛 ,  胡跃明

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种高密度柔性基板的缺陷检测方法，包括采集带有外观缺陷的FICS图像，将图像预处理后统一为标准尺寸，标记每张图像中的缺陷位置和类别，作为faster R‑CNN卷积神经网络模型的训练样本；将标记号的训练样本作为faster R‑CNN卷积神经网络模型的输入，并输出FICS缺陷的位置与类型信息，得到训练好的基于faster R‑CNN卷积神经网络模型；然后将待检测的FICS图像输入训练好的基于faster R‑CNN卷积神经网络模型，输出是否有缺陷，如果有缺陷，则输出缺陷位置及类型。本发明实现高密度柔性基板外观缺陷的快速定位与类型判断，解决了传统缺陷检测方法速度慢，正确率低的问题。

公开(公告)号：CN109978014A

公开(公告)日：2019-07-05

申请号：CN201910166742.4

申请日：2019-03-06

Applicant: 华南理工大学

Inventor： 罗家祥 ,  吴冬冬 ,  林宗沛 ,  胡跃明

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00

Abstract: 本发明公开了一种融合密集连接结构的柔性基板缺陷检测方法，包括获取带有缺陷的FICS图片，对图片进行预处理后统一为标准尺寸，标注缺陷的位置与类别，作为SSD框架模型的训练样本；构建SSD框架模型，采用VGG‑16作为SSD框架的基础网络结构，并增加N层卷积层，该基础网络结构还包括密集连接结构；训练样本输入SSD框架模型，引入迁移学习方法对框架模型进行训练，得到训练好的SSD框架模型；将待检测图片输入训练好的SSD框架模型，输出待检测图片的缺陷位置及类型。本发明可以实现柔性基板外观缺陷的快速定位与类型判断，解决了传统缺陷检测方法速度慢，正确率低，无法同时检测多种缺陷的问题。