CN118429328A - 柔性电路板的缺陷检测方法、装置、设备及存储介质 - Google Patents

Abstract

本申请涉及柔性电路板领域，尤其涉及柔性电路板的缺陷检测方法、装置、设备及存储介质。该方法包括：获取柔性电路板的全局图像；对全局图像进行压缩处理得到压缩图像；通过目标检测模型检测压缩图像中包括缺陷的目标压缩区域；根据压缩处理的压缩比例，结合目标压缩区域进行映射处理，确定目标压缩区域在全局图像中对应的目标原始区域；根据目标原始区域进行缺陷识别处理，得到柔性电路板的缺陷检测结果。由于该方法基于全局图像进行检测，可降低设备的定位精度要求，减少设备成本；并且通过压缩图像来检测缺陷所在的目标压缩区域，再通过映射得到目标原始区域，且不需要对图像进行拼接，可有效的减少数据计算量，提升缺陷检测效率。

Description

柔性电路板的缺陷检测方法、装置、设备及存储介质

技术领域

本申请涉及柔性电路板领域，尤其涉及柔性电路板的缺陷检测方法、装置、设备及存储介质。

背景技术

柔性印制电路（FPC）是以聚亚胺或聚脂薄膜为基材制成的一种具有可弯曲的、可卷绕的印刷电路，是航空、航天、军事、汽车和消费电子产品等领域不可或缺的重要载体或关键连接手段。随着电子产品朝着轻、薄、小、巧的趋势发展，FPC的精密度以及制程的复杂度日益增加，对FPC质量控制也越来越严苛。

在对FPC进行缺陷检测时，通常对扫描的图像进行配准，通过特征点匹配的方式进行缺陷检测。这种方式在检测小缺陷时，要求设备具有较高的定位精度，且需要对图像进行多次拼接，不利于提升缺陷检测效率。

发明内容

有鉴于此，本申请实施例提供了一种柔性电路板的检测方法、装置、设备及存储介质，以解决现有技术中对柔性电路板进行小缺陷检测时，要求设备具有较高的定位精度，且需要对图像进行多次拼接，不利于提升缺陷检测效率的问题。

本申请实施例的第一方面提供了一种柔性电路板的缺陷检测方法，所述方法包括：

获取所述柔性电路板的全局图像；

对所述全局图像进行压缩处理得到压缩图像；

通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域；

根据所述压缩处理的压缩比例，结合所述目标压缩区域进行映射处理，确定所述目标压缩区域在所述全局图像中对应的目标原始区域；

根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果。

结合第一方面，在第一方面的第一种可能实现方式中，在通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域之前，所述方法还包括：

获取样本原始图像，所述样本原始图像包括预先对缺陷进行标定的第一标定区域；

根据预设的压缩比例对所述样本原始图像进行压缩处理得到样本压缩图像，根据所述压缩比例，确定所述第一标定区域在所述样本压缩图像中的第二标定区域；

通过目标检测模型计算所述样本压缩图像，根据所述第二标定区域和所述目标检测模型输出的目标检测区域的第一差异，调整所述目标检测模型的参数，直到所述第一差异符合预设的要求，得到训练完成的目标检测模型。

结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，在对所述全局图像进行压缩处理得到压缩图像之前，所述方法还包括：

获取不同压缩比例所训练的所述目标检测模型性能的第一评分，以及获取所述压缩比例所确定的检测效率对应的第二评分；

根据所述第一评分和所述第二评分，确定所述全局图像的压缩比例。

结合第一方面的第二种可能实现方式，在第一方面的第三种可能实现方式中，获取不同压缩比例所训练的所述目标检测模型性能的第一评分，包括：

获取不同压缩比例所训练的所述目标检测模型的性能参数，所述性能参数包括准确率、召回率、精确率和F1分数中的至少一项；

根据所述性能参数和所述性能参数对应的权值系数，确定所述不同压缩比例所训练的所述目标检测模型性能的第一评分。

结合第一方面，在第一方面的第四种可能实现方式中，根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果，包括：

通过预先训练完成的目标分割模型，在所述目标原始区域中分割得到缺陷分割信息；

通过预先训练完成的分类模型，对所述缺陷分割信息进行分类，得到目标原始区域的缺陷类型。

结合第一方面的第四种可能实现方式，在第一方面的第五种可能实现方式中，在通过预先训练完成的目标分割模型，在所述目标原始区域中分割得到缺陷分割信息之前，所述方法还包括：

获取样本原始图像，所述样本原始图像包括预先对缺陷进行标定的缺陷标定轮廓；

根据预设的压缩比例对所述样本原始图像进行压缩处理得到样本压缩图像；

通过训练完成的目标检测模型确定所述样本压缩图像中目标检测区域；

根据所述目标检测区域和所述压缩比例，确定所述目标检测区域在所述样本原始图像中对应的缺陷原始区域；

通过目标分割模型计算所述缺陷原始区域，根据所述缺陷标定轮廓和所述目标分割模型输出的缺陷分割轮廓的第二差异，调整所述目标分割模型的参数，直到所述第二差异满足预定要求，得到训练完成的目标分割模型。

结合第一方面的第五种可能实现方式，在第一方面的第六种可能实现方式中，所述样本原始图像还包括预先标定的缺陷类型标定信息；

在得到训练完成的目标分割模型之后，所述方法还包括：

通过目标分类模型计算所述目标分割模型输出的缺陷分割信息，根据所述缺陷类型标定信息和所述目标分类模型输出的缺陷分类的第三差异，调整所述目标分类模型的参数，直到所述第三差异满足预设要求，得到训练完成的目标分类模型。

本申请实施例的第二方面提供了一种柔性电路板的缺陷检测装置，所述装置包括：

全局图像获取单元，用于获取所述柔性电路板的全局图像；

压缩单元，用于对所述全局图像进行压缩处理得到压缩图像；

目标压缩区域检测单元，用于通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域；

目标原始区域确定单元，用于根据所述压缩处理的压缩比例，结合所述目标压缩区域进行映射处理，确定所述目标压缩区域在所述全局图像中对应的目标原始区域；

缺陷检测结果识别单元，用于根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果。

本申请实施例的第三方面提供了柔性电路板的缺陷检测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述方法的步骤。

本申请实施例与现有技术相比存在的有益效果是：本申请实施例通过获取柔性电路板的全局图像，对全局图像进行压缩处理得到压缩图像，根据目标检测模型提取压缩图像中的目标压缩区域，通过目标压缩区域和压缩比例确定全局图像中的目标原始区域，根据所确定的目标原始区域进行缺陷识别处理，得到缺陷检测结果。由于该方法基于全局图像进行检测，可降低设备的定位精度要求，减少设备成本；并且通过压缩图像来检测缺陷所在的目标压缩区域，再通过映射得到目标原始区域，且不需要对图像进行拼接，可有效的减少数据计算量，提升缺陷检测效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种柔性电路板的缺陷检测方法的实现流程示意图；

图2是本申请实施例提供的一种确定缩放比例方法的实现流程示意图；

图3是本申请实施例提供的一种目标检测模型的训练方法的实现流程示意图；

图4是本申请实施例提供的一种目标分割模型的训练方法的实现流程示意图；

图5是本申请实施例提供的一种柔性电路板的缺陷检测装置的示意图；

图6是本申请实施例提供的一种柔性电路板的缺陷检测设备的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

柔性电路板（FPC）是以聚亚胺或聚脂薄膜为基材制成的一种具有可弯曲的、可卷绕的印刷电路，是航空、航天、军事、汽车和消费电子产品等领域不可或缺的重要载体或关键连接手段。随着电子产品朝着轻、薄、小、巧的趋势发展，FPC的精密度以及制程的复杂度日益增加，对FPC质量控制的要求也越来越高。

在对柔性电路板进行缺陷检测时，通常通过高精度的线扫描设备获取包括柔性电路板的线扫描图像。由于柔性电路板比较大，需要获取多次线扫描图像，然后通过特征点匹配的方式，将线扫描图像拼接。在拼接过程中，需要寻找不同线扫描图像的特征点，由于线扫描数据量大，拼接时长较长，不利于提升缺陷检测效率。另外，在通过线扫描设备进行多次扫描时，对柔性电路板的检测位置要求高，容易造成非检测位置的过检。

基于此，本申请实施例提出了一种柔性电路板的检测方法，如图1所示，该方法包括：

在S101中，获取所述柔性电路板的全局图像。

本申请实施例所获取的全局图像，可以为高分辨率的图像，以适应微小缺陷的检测要求。比如，全局图像可以通过16K（不局限于16K，还可以更高或更低的其它分辨率）的线扫描相机，采集得到分辨率为16348*22748的高分辨率的全局图像。该全局图像可以包括整个待检测的柔性电路板的图像，或者也可以为待检测的柔性电路板的局部图像。当全局图像为待检测的柔性电路板的局部图像时，由于该全局图像包括较多的像素信息，可以有效的减少检测整个柔性电路板的拼接次数，提升图像拼接和检测效率。

不局限于采用线扫描相机进行全局图像的采集，可以还包括高分辨率的面阵相机等。通过采集得到包括整个柔性电路板或局部柔性电路板的全局图像，可以有效的减少图像拼接的次数，提升缺陷检测效率。

在可能的实现方式中，对于所采集的全局图像，还可以进一步进行预处理，提升全局图像的质量，使得检测结果更为准确。

比如，可以对采集的全局图像进行平滑处理，滤除全局图像中的小噪点，从而能够使得缺陷信息更为突出。平滑处理可以采用预定尺寸的均值滤波或中值滤波的方式，对小噪点进行过滤。

其中，均值滤波可以为将每个像素的值替换为该像素周围的预定尺寸的邻域内的像素值的平均值的线性滤波方法。中值滤波可以为将每个像素的值替换为该像素周围的预定尺寸的邻域内的像素值的中值的非线性滤波方法。

在可能的实现方式中，预处理过程还可以将空间域的全局图像转换为频域图像，比如通过傅里叶变换，将全局图像从像素空间映射到频率空间，通过低通滤波器滤除高频信号，从而有效的去除或减少图像中的纹理信息。

在S102中，对所述全局图像进行压缩处理得到压缩图像。

本申请实施例可以采用预定的压缩比例，对全局图像进行压缩处理。比如，预先设定的压缩比例可以为10比1，即将全局图像中的一个像素，转换为压缩图像中的一像素。比如16K相机采集的全局图像的尺寸大小为16348*22748，通过10比1的压缩比例进行压缩处理后，可以得到尺寸大小为1634*2274的压缩图像。

在对图像进行压缩处理时，可以根据压缩比例，确定全局图像的像素与压缩图像中的像素的对应关系。比如，全局图像的压缩比例为10比1，则压缩图像中的（x，y）位置处的像素对应的全局图像的像素为（10x，10y）附近的100个像素。可以通过预定的多项式，对全局图像中对应的像素进行拟合计算，得到压缩图像对应的像素值。

在可能的实现方式中，该压缩比例也可以根据图像的分辨率的大小，或者根据单个像素对应的柔性电路板的第一寸的大小，确定压缩比例。比如，可以预先确定压缩图像中的单个像素与柔性电路板的第一尺寸的对应关系，根据该对应关系，结合全局图像中的单个像素与柔性电路板的第二尺寸的对应关系，确定压缩比例的大小。比如，预先设定的压缩图像中的单个像素对应的柔性电路板的第一尺寸为48um，如果全局图像中的单个像素对应柔性电路板的第二尺寸为4.8um，则压缩比例为：第一尺寸/第二尺寸为10：1。

在可能的实现方式中，在确定了全局图像的图像大小、像素大小后，可以根据图2所示的方法，确定与全局图像匹配的压缩比例，包括：

在S201中，获取不同压缩比例所训练的所述目标检测模型性能的第一评分，以及获取所述压缩比例所确定的检测效率对应的第二评分。

对于同一个缺陷检测设备，或者对于同一类型的缺陷检测设备，可以根据缺陷检测设备所生成的样本原始图像，在不同的压缩比例下进行训练，确定在不同压缩比例下所训练得到的目标检测模型性能的第一评分。

其中，目标检测模型性能的第一评分，可以获取一个或者多个性能参数进行计算。性能参数可以包括如准确率、召回率、精确率和F1分数中的至少一项。

其中，准确率表示目标检测模型的计算结果中，正确分类的样本数占总样本数的比例。召回率表示目标检测模型能够正确识别为正类的样本占所有实际正类样本的比例。精确率为目标检测模型预测为正类的样本中，实际为正类的比例。F1分数为精确率和召回率的调和平均数。

通过各个性能参数所对应的预定权值大小进行加权计算，可以计算得到第一评分。

在一般情况下，在全局图像不变的情况下，如果压缩比例越高，则缺陷更加难以检查出来。然而，虽然压缩比例越低，缺陷特征更明显，所训练得到的目标检测模型的性能也越好。但目标检测模型需要计算的图像数据非常大，目标检测模型的计算效率会大大的降低，不利于提升柔性电路板的检测效率。因此，可以通过检测效率来确定第二评分。第二评分越高，则检测效率越高。

比如，常用的压缩比例可以包括如5:1，10:1，15:1，20:1，40:1等比值，可以分别计算全局图像或样本原始图像在不同压缩比例下的第一评分和第二评分，选择评分最高的压缩比例进行模型的训练，以及进行缺陷检测。

在S202中，根据所述第一评分和所述第二评分，确定所述全局图像的压缩比例。

可以预先设定第一评分和第二评分对应的权值系数，根据第一评分、第二评分以及对应的权值系数可以计算得到总评分，选择总评分最高时所对应的压缩比例，可在缺陷检测时，按照该压缩比例对图像进行压缩处理。

在S103中，通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域。

预先训练完成的目标检测模型，可以检测压缩图像中包括的目标压缩区域。目标压缩区域可以为压缩图像中包括缺陷的区域。目标压缩区域可以通过矩形区域进行表示，比如可以通过矩形的对角线上的两个顶点，通常是左下角项点和右上角顶点的坐标表示该矩形区域，比如可以表示为（x1，y1，x2，y2），（x1，y1）和（x2，y2）分别表示两个顶点的坐标。为了进一步提升目标压缩区域处理的便利性，还可以通过顶点、长和宽的数值进行表示，从而能够更为快速的确定目标压缩区域的形状特征，提升目标输出的便利性。比如，目标压缩区域可以表示为（x，y，w，h），其中，（x，y）表示顶点（通常为左下角顶点）的坐标，w表示矩形的宽度，h表示矩形的高度。

在本申请实施例中，为了能够得到准确可靠的目标检测模型，需要对目标检测模型进行训练，具体过程可以如图3所示，包括：

在S301中，获取样本原始图像，所述样本原始图像包括预先对缺陷进行标定的第一标定区域。

为了能够对目标检测模型进行有效的训练，本申请实施例可以通过图像采集设备采集多个全局图像作为样本原始图像。样本原始图像中包括已标定好的缺陷所在的区域，即第一标定区域。该第一标定区域可以为矩形区域，或者也可以为其它形状的区域。

在S302中，根据预设的压缩比例对所述样本原始图像进行压缩处理得到样本压缩图像，根据所述压缩比例，确定所述第一标定区域在所述样本压缩图像中的第二标定区域。

本申请实施例在训练目标检测模型时，可以依次选择不同比例的压缩比例进行训练计算。根据不同压缩比例所训练的目标检测模型的性能，以及根据该压缩比例进行缺陷检测的效率，来确定各个压缩比例的优劣，从而选择最佳的压缩比例进行计算处理。

对样本原始图像进行压缩处理后，可以根据压缩比例的大小，确定样本压缩图像中的第二标定区域，即缺陷在压缩图像中所在的区域。该第二标定区域同样也可以为矩形区域或其它形状的区域。

比如，第一标定区域的某个顶点为（a，b），压缩比例为10比1，则第二标定区域的顶点的坐标可以表示为：（|a/10|，|b/10|）。

在S303中，通过目标检测模型计算所述样本压缩图像，根据所述第二标定区域和所述目标检测模型输出的目标检测区域的第一差异，调整所述目标检测模型的参数，直到所述第一差异符合预设的要求，得到训练完成的目标检测模型。

通过压缩处理后，需要进行计算的压缩图像（样本压缩图像）的大小，通常会远小于全局图像（样本原始图像）的大小，因而能够大大的提升目标检测模型的检测计算的效率。

通过目标检测模型检测输出目标检测区域，将目标检测区域与第二标定区域进行比较，确定第一差异，第一差异可以通过目标检测区域与第二标定区域的重合率的大小来表示，重合率越大，则第一差异越小。在第一差异重合率达到一定要求时，则可以认为目标检测模型已完成训练。可以通过样本原始图像中的检测样本对训练完成的目标检测模型进行性能评估，基于所评估的性能确定目标检测模型的第一评分。

在S104中，根据所述压缩处理的压缩比例，结合所述目标压缩区域进行映射处理，确定所述目标压缩区域在所述全局图像中对应的目标原始区域。

在高效的检测出压缩输错中包括缺陷的目标压缩区域后，可以根据压缩比例对该目标压缩区域进行映射处理，确定目标压缩区域在全局图像中对应的目标原始区域。

比如，所确定的目标压缩区域可以为两个顶点所确定矩形区域，则将该矩形区域映射至全局图像中时，可将各个顶点的坐标与压缩比例相乘，即可得到全局图像中的目标压缩区域的顶点坐标。比如，压缩图像中的目标压缩区域的两个顶点为（x1，y1，x2，y2），压缩比例为10比1，则全局图像中的目标原始区域两个顶点为（10*x1，10*y1，10*x2，10*y2）。或者，目标压缩区域为顶点、长和宽表示时，可按照相同的映射方法，确定全局图像中的目标原始区域。

在可能的实现方式中，为了减少缺陷区域漏检的几率，根据目标压缩区域确定目标原始区域时，还可以向外扩展预定数量（比如扩张20个）像素，以便于更为全面的进行缺陷检测。

在S105中，根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果。

本申请实施例中对目标原始区域进行缺陷识别处理时，可以包括对目标原始区域进行缺陷分类处理，或者也可以为包括缺陷分割处理和缺陷分类处理。

在对目标原始区域进行目标分割处理时，可以采用目标分割模型计算目标原始区域中包括的目标检测区域。通过分割得到缺陷所在的区域，以提升缺陷分类效率。

在训练目标分割模型时，可以通过目标分割模型计算预先标定好缺陷标定轮廓的目标检测区域，得到所计算的缺陷分割轮廓。根据缺陷标定轮廓与缺陷分割模型的差异，调整目标分割模型的参数，使得目标分割模型能够输出更为准确的缺陷分割轮廓。

其中，缺陷分割轮廓可用于通过分割轮廓将缺陷分割出来，得到更为有效的缺陷图像。

在可能的实现方式中，可以结合目标检测模型来训练目标分割模型，以提升目标分割模型的精度，训练过程可以如图4所示，包括：

在S401中，获取样本原始图像，所述样本原始图像包括预先对缺陷进行标定的缺陷标定轮廓。

样本原始图像可以为全局图像。为对分割模型进行训练，可以预先标定样本原始图像中包括的缺陷的轮廓，通过对缺陷进行标定，得到缺陷标定轮廓。

在S402中，根据预设的压缩比例对所述样本原始图像进行压缩处理得到样本压缩图像。

通过目标检测模型的性能和检测效率，可以确定目标检测模型的性能较佳，且检测效率也能够有效提升的压缩比例，对样本原始图像进行压缩，得到样本压缩图像。

在S403中，通过训练完成的目标检测模型确定所述样本压缩图像中目标检测区域。

根据预先训练完成的目标检测模型，可以检测压缩图像中包括的目标检测区域。当目标检测区域为矩形时，可以通过两个顶点来表示目标检测区域，或者也可以通过顶点、长和宽来表示目标检测区域，且可以更为直观的确定目标检测区域。

在S404中，根据所述目标检测区域和所述压缩比例，确定所述目标检测区域在所述样本原始图像中对应的缺陷原始区域。

基于目标检测区域和压缩比例，可以得到目标检测区域在样本原始图像中的区域，即缺陷原始区域。

比如，可以通过压缩比例的映射计算，比如将目标检测区域的坐标或尺寸与压缩比例相乘，得到样本原始图像中的缺陷原始区域。

为了能够更可靠的确定缺陷在样本原始图像中所在的区域，可以对缺陷原始区域进行扩展，比如向外扩展预定数量的像素，得到扩展后的缺陷原始区域，从而有利于更全面的检测到缺陷信息。

在S405中，通过目标分割模型计算所述缺陷原始区域，根据所述缺陷标定轮廓和所述目标分割模型输出的缺陷分割轮廓的第二差异，调整所述目标分割模型的参数，直到所述第二差异满足预定要求，得到训练完成的目标分割模型。

本申请实施例在训练目标分割模型时，通过目标分类模型输出的目标检测区域，再通过映射确定目标检测区域对应的缺陷原始区域，基于缺陷原始区域，通过目标分割模型进行分割计算，将分割得到的缺陷分割轮廓和预先标定的缺陷标定轮廓进行比较，得到第二差异。根据第二差异对目标分割模型进行调整，直到第二差异满足预定要求，比例缺陷分割轮廓与缺陷标定轮廓的重合率达到预定的比例，则可以认为目标分割模型完成训练。由于样本原始图像的大小与目标分割模型所输入的缺陷原始区域的大小不同，比如样本原始图像超过16000*16000，而缺陷原始区域通常小于2048*2048，因此，目标分割模型基于目标检测模型输出的目标检测区域进行映射后来进行训练，可以有效的提升目标分割模型与目标检测模型的关联计算的精度。

在可能的实现方式中，通过图4所示的方法完成目标分割模型的训练后，还可以根据训练完成的目标分割模型所分割得到的缺陷分割轮廓，采用目标分类模型进行计算，得到缺陷分类，将预先标定的缺陷类型标定信息进行比较，确定第三差异。根据第三差异调整目标分类模型的参数，直到第三差异满足预定要求。通过分类模型进行分类处理，可以有效的去除环境干扰、缺陷假点干扰的影响，降低系统过检。通过与目标检测模型、目标分割模型的输出结果直接进行训练，有利于提升目标分割模型的准确性，有利于根据训练完成的目标分类模型，基于目标检测模型和目标分割模型的输出结果对缺陷进行准确的分类。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

图5为本申请实施例提供的一种柔性电路板的缺陷检测装置，该装置包括：

全局图像获取单元501，用于获取所述柔性电路板的全局图像。

压缩单元502，用于对所述全局图像进行压缩处理得到压缩图像。

目标压缩区域检测单元503，用于通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域。

目标原始区域确定单元504，用于根据所述压缩处理的压缩比例，结合所述目标压缩区域进行映射处理，确定所述目标压缩区域在所述全局图像中对应的目标原始区域。

缺陷检测结果识别单元505，用于根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果。

图5所示的柔性电路板的缺陷检测装置，与图1所示的柔性电路板的缺陷检测方法对应。

图6是本申请一实施例提供的柔性电路板的缺陷检测设备的示意图。如图6所示，该实施例的柔性电路板的缺陷检测设备6包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如柔性电路板的缺陷检测程序。所述处理器60执行所述计算机程序62时实现上述各个柔性电路板的缺陷检测方法实施例中的步骤。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述柔性电路板的缺陷检测设备6中的执行过程。例如，所述计算机程序62可以被分割成：

所述柔性电路板的缺陷检测设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述柔性电路板的缺陷检测设备可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是柔性电路板的缺陷检测设备6的示例，并不构成对柔性电路板的缺陷检测设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述柔性电路板的缺陷检测设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器61可以是所述柔性电路板的缺陷检测设备6的内部存储单元，例如柔性电路板的缺陷检测设备6的硬盘或内存。所述存储器61也可以是所述柔性电路板的缺陷检测设备6的外部存储设备，例如所述柔性电路板的缺陷检测设备6上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（FlashCard）等。进一步地，所述存储器61还可以既包括所述柔性电路板的缺陷检测设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述柔性电路板的缺陷检测设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，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单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种柔性电路板的缺陷检测方法，其特征在于，所述方法包括：

获取所述柔性电路板的全局图像；

对所述全局图像进行压缩处理得到压缩图像；

通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域；

根据所述压缩处理的压缩比例，结合所述目标压缩区域进行映射处理，确定所述目标压缩区域在所述全局图像中对应的目标原始区域；

根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果。

2.根据权利要求1所述的方法，其特征在于，在通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域之前，所述方法还包括：

获取样本原始图像，所述样本原始图像包括预先对缺陷进行标定的第一标定区域；

根据预设的压缩比例对所述样本原始图像进行压缩处理得到样本压缩图像，根据所述压缩比例，确定所述第一标定区域在所述样本压缩图像中的第二标定区域；

通过目标检测模型计算所述样本压缩图像，根据所述第二标定区域和所述目标检测模型输出的目标检测区域的第一差异，调整所述目标检测模型的参数，直到所述第一差异符合预设的要求，得到训练完成的目标检测模型。

3.根据权利要求2所述的方法，其特征在于，在对所述全局图像进行压缩处理得到压缩图像之前，所述方法还包括：

获取不同压缩比例所训练的所述目标检测模型性能的第一评分，以及获取所述压缩比例所确定的检测效率对应的第二评分；

根据所述第一评分和所述第二评分，确定所述全局图像的压缩比例。

4.根据权利要求3所述的方法，其特征在于，获取不同压缩比例所训练的所述目标检测模型性能的第一评分，包括：

获取不同压缩比例所训练的所述目标检测模型的性能参数，所述性能参数包括准确率、召回率、精确率和F1分数中的至少一项；

根据所述性能参数和所述性能参数对应的权值系数，确定所述不同压缩比例所训练的所述目标检测模型性能的第一评分。

5.根据权利要求1所述的方法，其特征在于，根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果，包括：

通过预先训练完成的目标分割模型，在所述目标原始区域中分割得到缺陷分割信息；

通过预先训练完成的分类模型，对所述缺陷分割信息进行分类，得到目标原始区域的缺陷类型。

6.根据权利要求5所述的方法，其特征在于，在通过预先训练完成的目标分割模型，在所述目标原始区域中分割得到缺陷分割信息之前，所述方法还包括：

获取样本原始图像，所述样本原始图像包括预先对缺陷进行标定的缺陷标定轮廓；

根据预设的压缩比例对所述样本原始图像进行压缩处理得到样本压缩图像；

通过训练完成的目标检测模型确定所述样本压缩图像中目标检测区域；

根据所述目标检测区域和所述压缩比例，确定所述目标检测区域在所述样本原始图像中对应的缺陷原始区域；

通过目标分割模型计算所述缺陷原始区域，根据所述缺陷标定轮廓和所述目标分割模型输出的缺陷分割轮廓的第二差异，调整所述目标分割模型的参数，直到所述第二差异满足预定要求，得到训练完成的目标分割模型。

7.根据权利要求6所述的方法，其特征在于，所述样本原始图像还包括预先标定的缺陷类型标定信息；

在得到训练完成的目标分割模型之后，所述方法还包括：

通过目标分类模型计算所述目标分割模型输出的缺陷分割信息，根据所述缺陷类型标定信息和所述目标分类模型输出的缺陷分类的第三差异，调整所述目标分类模型的参数，直到所述第三差异满足预设要求，得到训练完成的目标分类模型。

8.一种柔性电路板的缺陷检测装置，其特征在于，所述装置包括：

全局图像获取单元，用于获取所述柔性电路板的全局图像；

压缩单元，用于对所述全局图像进行压缩处理得到压缩图像；

目标压缩区域检测单元，用于通过预先训练完成的目标检测模型，检测所述压缩图像中包括缺陷的目标压缩区域；

目标原始区域确定单元，用于根据所述压缩处理的压缩比例，结合所述目标压缩区域进行映射处理，确定所述目标压缩区域在所述全局图像中对应的目标原始区域；

缺陷检测结果识别单元，用于根据所述目标原始区域进行缺陷识别处理，得到所述柔性电路板的缺陷检测结果。

9.一种柔性电路板的缺陷检测设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。