買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京師范大學申請的專利一種基于MAIRNet的PCB缺陷檢測與識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114429445B 。

龍圖騰網通過國家知識產權局官網在2025-05-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111318512.9，技術領域涉及：G06T7/00；該發明授權一種基于MAIRNet的PCB缺陷檢測與識別方法是由謝非;章悅;張瑞;楊嘉樂;夏光圣;吳佳豪;鄭鵬飛;張培彪;王慧敏設計研發完成，并于2021-11-09向國家知識產權局提交的專利申請。

本一種基于MAIRNet的PCB缺陷檢測與識別方法在說明書摘要公布了：本發明公開了一種基于MAIRNet的PCB缺陷檢測與識別方法，包括：采集PCB模板圖像與待檢測圖像，構建數據集，并且劃分成測試集圖像和訓練集圖像；檢測是否存在元器件缺失的情況，最終輸出缺失元器件定位信息并在待檢測圖像中進行標注；輸出對于極性元器件的定位情況、色環電阻種類及定位信息和焊點缺陷類別及定位信息；輸出裁剪后的PCB極性元器件待檢測圖像與模板圖像，構建一種PCB元器件極性判別方法，輸出元器件極性接插情況；對獲取的信息進行匯總顯示。本發明能夠檢測識別出PCB表面常見的元器件缺失、元器件極性接插錯誤、焊點缺陷等問題，輸出缺陷區域的位置信息、類別信息，并能夠對色環電阻類別進行檢測與識別，與人工檢測的方式相比具有顯著優勢。

本發明授權一種基于MAIRNet的PCB缺陷檢測與識別方法在權利要求書中公布了：1.一種基于MAIRNet的PCB缺陷檢測與識別方法，其特征在于，包括如下步驟：S1：分別采集PCB正反兩面的模板圖像與待檢測圖像，構建數據集，并且劃分成測試集圖像和訓練集圖像，對訓練集圖像進行元器件類別以及缺陷情況的標注，生成對應的標簽文件；S2：將訓練集中的待檢測圖像和模板圖像全部輸入到元器件存在性檢測模塊，檢測是否存在元器件缺失的情況，最終輸出缺失元器件定位信息并在待檢測圖像中進行標注；S3：將測試集中的PCB圖像輸入搭建和訓練好的基于MAIRNet的PCB缺陷檢測與識別模型進行檢測和識別操作，輸出對于極性元器件的定位情況、色環電阻種類及定位信息和焊點缺陷類別及定位信息；S4：利用步驟S3中輸出的極性元器件定位情況對待檢測圖像與模板圖像進行裁剪篩選，輸出裁剪后的PCB極性元器件待檢測圖像與模板圖像，構建一種PCB元器件極性判別方法，利用元器件存在性檢測模塊進行操作，通過對極性元器件存在區域進行分割，單獨對待檢測圖像與模板圖像的極性元器件區域進行對比，將對比情況輸入到極性檢測模塊中進行判別，最終輸出元器件極性接插情況；S5：對獲取的缺失元器件定位信息與PCB圖像上的標注情況、元器件極性接插情況、色環電阻種類及定位信息、焊點缺陷類別及定位信息進行匯總顯示；所述步驟S3中基于MAIRNet的PCB缺陷檢測與識別模型的搭建方法包括如下步驟：A1：構建基于MAIRNet用于提取訓練集中PCB圖像的特征，輸出多種不同尺度的特征圖；A2：對多種不同尺度的特征圖進行PCB元器件目標檢測與識別，目標所處的邊界框boundingbox位置信息目標對應的類別信息，類別信息包含目標元器件的具體類別以及缺陷情況；所述步驟A1具體包括如下步驟：B1：MAIRNet由逆殘差網絡、多維注意力模塊所組成，并且在網絡搭建過程中使用了多尺度特征融合機制；B2：在逆殘差網絡的基礎上增加了一種多維注意力模塊，使用多維注意力模塊對于逆殘差網絡中的每一個逆殘差模塊進行優化，得到多維注意力模塊優化的逆殘差模塊；B3：按照多尺度特征融合機制搭建MAIRNet；所述步驟A2具體包括如下步驟：C1：將經過多維注意力增強神經網絡輸出的5層特征圖輸入到PCB元器件目標檢測與識別模塊中分別進行極性元器件定位、色環電阻識別、焊點檢測三類操作，每一類操作中5層特征圖均通過了4組卷積神經網絡；每組卷積神經網絡包含卷積核為3×3、步長為1的卷積，群組歸一化操作，最終使用ReLU激活函數進行激活；C2：每一類操作中，對通過4組卷積神經網絡卷積輸出的特征圖進行邊界框回歸，確定元器件目標所在區域，使用廣義交并比函數GIoU作為邊界框回歸損失函數；C3：每一類操作中，對通過4組卷積神經網絡卷積輸出的特征圖進行分類，確定元器件目標的種類及缺陷類別，使用焦點損失函數FocalLoss作為分類損失函數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京師范大學，其通訊地址為：210046 江蘇省南京市棲霞區文苑路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。