1.一种基于改进Yolox的SMT产线焊点缺陷快速检测方法,其特征在于,包括如下步骤:
1)收集SMT产线AOI设备所储存的焊点缺陷图像数据,对图像数据进行预处理后,将预处理后的数据按比例划分为训练集和测试集;
2)对Yolox神经网络模型进行改进,调整模型改进后backbone部分输出的size,以匹配neck网络部分,得到改进的Yolox神经网络模型;改进方法如下:
2‑1)Yolox神经网络原有的backbone为CSPDarknet,将CSPDarknet与ResNet50的部分结构相结合;
2‑2)除去ResNet50的Stage1和Stage4后,保留CSPDarknet的Resblock body4,并接入ResNet50的Stage3后方;
2‑3)匹配Stage3输出矩阵的size与Resblock body4输入矩阵的size,并将Stage2、Stage3和Resblock body的输出矩阵作为backbone部分提取的feature map;
2‑4)调整各部分的输出channel,具体是:
2‑4‑1)调整ResNet50的Stage2输入size,使其输出channel为256;
2‑4‑2)调整ResNet50的Stage3输入size,使其输出channel为512
2‑4‑3)调整CSPDarknet的Resblock body 4输入size,使其输出channel为1024;
2‑5)将将三部分feature map分别接入Yolox的neck部分对应的模块,得到改进的Yolox神经网络模型;
3)利用大数据集输入步骤2)得到的改进的Yolox神经网络模型进行预训练,得到预训练模型,再将步骤1)获得的训练集输入预训练模型中对模型进行训练,并将测试集输入训练后的模型中对模型进行测试,完成训练和测试后,得到SMT产线焊点缺陷目标检测模型;
4)利用步骤3)得到的模型对SMT产线生产的PCBA图像进行焊点缺陷检测,得到检测结果,并将检测结果中含有焊点缺陷的数据作为新收集的焊点缺陷图像数据,重复步骤1)至步骤3)。
2.根据权利要求1所述的一种基于改进Yolox的SMT产线焊点缺陷快速检测方法,其特征在于,步骤1)中,所述的预处理,具体是:
1‑1)在SMT产线的数据库中,抽取AOI设备收集到的PCBA焊点缺陷图像数据;
1‑2)根据所收集图像包含的缺陷类型和数量,对图像进行初步筛选,使得每类缺陷数量大致相当;
1‑3)使用labelimg、rolabelimg、labelme和vott图像标注工具,对初步筛选后的SMT产线PCBA焊点缺陷图像进行标注,需要标注的信息包括位置定位信息和缺陷分类信息;
1‑4)按预定比例,将标注后的数据划分为训练集和测试集。
3.一种基于改进Yolox的SMT产线焊点缺陷快速检测系统,用于执行如权利要求1或2所述的方法,其特征在于,该系统包括:数据采集模块,用于获取SMT产线AOI设备所储存的包含焊点缺陷的PCBA图像数据,并对图像进行信息标注,按照预定比例,将标注后的数据划分为训练集和测试集;
模型改进模块,用于对Yolox神经网络模型进行改进,调整模型改进后backbone部分输出的size,以匹配neck网络部分,得到改进的Yolox神经网络模型;
模型训练模块,用于将数据采集模块获取的训练集和测试集输入改进的Yolox神经网络模型中进行训练和测试,得到SMT产线焊点缺陷目标检测模型;
缺陷检测模块,用于将SMT产线生产的PCBA图像输入SMT产线焊点缺陷目标检测模型中进行焊点缺陷检测,获得检测结果;
模型更新模块,用于将缺陷检测模块获得检测结果中含有焊点缺陷的数据作为新收集的焊点缺陷图像数据并输入数据采集模块中,更新数据采集模块的数据。