具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。

图1是本发明一实施例提供的电路板故障缺陷检测方法的流程图。参见图1，一种电路板故障缺陷检测方法，包括：

步骤101：接收摄像头拍摄的待测电路板的板面图片。在本申请中进行电路板缺陷检测时，先利用摄像头拍摄待测电路板的板面图片，然后摄像头将拍摄到的板面图片传至本申请中的检测设备。

步骤102：利用预先训练的深度学习模型对所述板面图片进行电路板缺陷识别。

在获取到摄像头拍摄的板面图片后，会利用深度学习模型进行缺陷识别。该深度学习模型会预先训练完成，在训练该深度学习模型时，会收集大量的样本电路板的信息，该样本电路板中会有不同的缺陷位置和缺陷种类信息，依据大量的样本电路板的缺陷位置样本和缺陷种类样本，进行学习，以此构建一个深度学习模型。可以利用该深度学习模型在接收到一个新的电路板的板面图片信息后，可以对该板面图片进行信息分析识别，得到识别结果，以此可确定新的电路板上的缺陷位置及缺陷种类。

需要注意的是，此处进行缺陷识别时，输入的待测电路板的板面图片与模型训练时使用的样本板面图片并不相同，可以为任一情况的电路板。当然待测电路板的板面图片和样本板面图片可以相同。具体视实际情况而定。

步骤103：若识别结果显示所述待测电路板存在缺陷，确定所述待测电路板的缺陷位置和缺陷种类，并将所述缺陷位置和所述缺陷种类反馈展示给用户。

当确定该待测电路板存在缺陷后，利用深度学习模型结合板面图片的像素点进行目标检测，以此确定缺陷位置。然后将缺陷位置对应的板面图片进行识别，确定该缺陷位置处的缺陷种类。本申请中缺陷种类包括：缺孔、开路、短路、针刺、残铜和残缺。需要注意的是本申请中的缺陷种类并不局限于上述六种个，具体可根据实际情况而定。

上述实施例中详细介绍了对待测电路板的板面图片利用深度学习模型进行缺陷识别，得到待测电路板的缺陷位置和缺陷种类，以此实现电路板缺陷的自动检测，以此提高了电路板缺陷的检测效率，并降低了检测成本。

更进一步地，在上述实施例的基础上，本申请中方法还公开了：

依据所述缺陷位置和所述缺陷种类结合预设缺陷等级标准确定所述待测电路板的缺陷等级；依据所述缺陷等级结合预设评判标准为用户提供修复建议；所述修复建议包括：加工维修或报废处理。

此实施例中，本申请中检测设备会向用户显示识别结果，用户可查看识别结果。同时，可根据缺陷等级进行判断，若当前缺陷程度较低，可提示用户返厂加工维修，若缺陷程度较高可提示用户报废处理。

此实施例中不仅可对电路板进行快速自动的缺陷检测，还会根据检测的缺陷进行等级识别，以此为用户提供维修意见。

对应于本发明实施例提供的一种电路板故障缺陷检测方法，本发明实施例还提供一种电路板故障缺陷检测装置。请参见下文实施例。

图2是本发明实施例一提供的电路板故障缺陷检测装置的模块图。参见图2，一种电路板故障缺陷检测装置，包括：

图片获取模块201，用于接收摄像头拍摄的待测电路板的板面图片。

缺陷识别模块202，用于利用预先训练的深度学习模型对所述板面图片进行电路板缺陷识别。

结果反馈模块203，用于若识别结果显示所述待测电路板存在缺陷，确定所述待测电路板的缺陷位置和缺陷种类，并将所述缺陷位置和所述缺陷种类反馈展示给用户。

更进一步地，上述装置还包括：

样本图片接收模块，用于接收多个样本电路板的样本图片；所述样本图片包括不同位置不同种类的缺陷。

样本识别模块，用于识别并学习所述样本图片中的样本缺陷位置和样本缺陷种类。

模型构建模块，用于根据学习结果构建所述深度学习模型。

缺陷等级确定模块，用于依据所述缺陷位置和所述缺陷种类结合预设缺陷等级标准确定所述待测电路板的缺陷等级；

建议模块，用于依据所述缺陷等级结合预设评判标准为用户提供修复建议；所述修复建议包括：加工维修或报废处理。

上述装置中利用深度学习模型对电路板进行缺陷检测，以此自动快速识别电路板的缺陷位置和缺陷种类，以此提高了电路板缺陷检测的效率，降低了缺陷检测的成本。

为了更清楚地介绍实现本发明实施例的硬件系统，对应于本发明实施例提供的一种电路板故障缺陷检测方法，本发明实施例还提供一种电路板故障缺陷检测设备及系统。请参见下文实施例。

图3是本发明实施例一提供的电路板故障缺陷检测设备的结构图。参见图3，一种电路板故障缺陷检测设备，包括：

处理器301，以及与所述处理器301相连接的存储器302；

所述存储器302用于存储计算机程序，所述计算机程序至少用于执行上述所述的电路板故障缺陷检测方法；

所述处理器301用于调用并执行所述存储器302中的所述计算机程序。

此实施例中的检测设备采用的是FZ3B(EdgeBoard)板。该FZ3B是百度大脑提供的开发板，非常适合嵌入式开发，FZ3B的特点是体积小并扩展了丰富的外设。该开发板的主芯片采用Xilinx公司的Zynq UltraScale+MPSoCs EG系列的芯片，型号为XAZU3EG-1SFVC784I。PS端(可编程系统，programmable system)挂载了4片DDR4(4GB，64bit)，1片8GBeMMC的FLASH存储芯片和1片256Mb的QSPI FLASH。外围接口包含2个USB接口(1个USB3.0，1个USB2.0)、1个MINI DP接口、1路千兆以太网接口、1个USB串口、1路PCIE接口、1路TF卡接口、1个44针扩展口、1路MIPI接口，1路BT1120接口和按键LED。

图4是本发明实施例一提供的电路板故障缺陷检测系统的结构图。参见图4，一种电路板故障缺陷检测系统，包括：

摄像头401、服务器403，及分别与所述摄像头401、所述服务器403通信连接的如上述所述的电路板故障缺陷检测设备402。

采用上述设备或系统可利用深度学习模型对电路板进行缺陷位置和缺陷种类的识别，以此提高了电路板缺陷的自动快速的检测，提高了电路板缺陷检测的效率，同时降低了缺陷检测的成本。

可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。

需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。