(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111651985.0 (22)申请日 2021.12.3 0 (71)申请人 盛泰光电科技股份有限公司 地址 402360 重庆市双桥经开区电子信息 产业园#207厂房3楼 (72)发明人 谢演军　苏启雄　林映庭　宋凯静　 (74)专利代理 机构 重庆强大凯创专利代理事务 所(普通合伙) 50217 代理人 蒙捷 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于深度学习的摄像头表面检测方法及系 统 (57)摘要 本发明公开基于深度学习的摄像头表面检 测方法及系统， 属于深度学习技术领域， 提出 以 下方案： 基于深度学习的摄像头表面检测方法， 用于电子线路板， 基于深度学习的摄像头表面检 测方法包括： 在预设特定环境获取摄像头线路板 表面基础图像数据； 对获取的摄像头线路板表面 基础图像数据进行图像预处理； 根据卷积神经网 络对图像预处理后的基础图像数据进行图像分 析及缺陷识别， 并输出分析识别结果。 本发明技 术方案提升摄像头线路板表面缺陷、 瑕疵识别的 准确性。 权利要求书2页 说明书5页 附图1页 CN 114299035 A 2022.04.08 CN 114299035 A 1.基于深度 学习的摄像头表面检测方法， 所述方法用于电子线路板， 其特征在于， 所述 基于深度学习的摄 像头表面检测方法包括： 在预设特定环境获取摄 像头线路板表面基础图像数据； 对获取的摄 像头线路板表面基础图像数据进行图像预处 理； 根据卷积神经网络对图像预处理后的基础图像数据进行图像分析及缺陷识别， 并输出 分析识别结果。 2.根据权利要求1所述的基于深度学习的摄像头表面检测方法， 其特征在于， 所述根据 卷积神经网络对图像预 处理后的基础图像数据进 行图像分析及缺陷识别， 并输出分析识别 结果的步骤 包括： 对摄像头线路板表面的基础图像数据进行 特征信息提取； 对特征信息提取后的基础图像数据进行有效特 征筛选； 在筛选出基础图像数据的有效特 征后， 基于卷积神经网络的分类 器进行图像识别。 3.根据权利要求2所述的基于深度学习的摄像头表面检测方法， 其特征在于， 所述基于 深度学习的摄 像头表面检测方法还 包括： 获取预设数量的摄 像头线路板表面 缺陷图片数据； 根据获取的所述摄像头线路板表面缺陷图片数据进行深度 学习训练， 并追踪缺陷识别 率； 将算法训练后的摄像头线路板表面缺陷图片数据导入终端设备进行工程模式测试， 并 匹配程式接口， 以及确认摄 像头清晰度； 根据工程模式测试 结果进行算法优化， 以修 正摄像头参数； 在修正摄像头参数后， 导入生产线 进行批量验证。 4.根据权利要求3所述的基于深度学习的摄像头表面检测方法， 其特征在于， 所述摄像 头线路板表面缺陷图片数据包括： 芯片破损、 双层焊线、 金线挨芯片、 桥接、 线塌、 金手指使 金、 击穿、 及手指油墨污染、 金手指不粘、 漏焊线、 芯片Pad不粘、 金手指值球不良、 芯片球偏 NG、 金手指球偏NG。 5.根据权利要求1所述的基于深度学习的摄像头表面检测方法， 其特征在于， 所述对获 取的摄像头线路板表面基础图像数据进行图像预处 理的步骤 包括： 对获取的摄 像头线路板表面基础图像数据进行图像去噪、 图像增强和边 缘检测。 6.根据权利要求1 ‑5任一项所述的基于深度 学习的摄像头表面检测方法， 其特征在于， 所述预设特定环境具体为摄 像头线路板生产车间的预设特定光照下。 7.根据权利要求1 ‑5任一项所述的基于深度 学习的摄像头表面检测方法， 其特征在于， 所述摄像头线路板的尺寸 为1mm‑100mm。 8.基于深度学习的摄像头表面检测系统， 其特征在于， 所述基于深度学习的摄像头表 面检测系统包括： 图像采集模块， 用于在预设特定环境获取摄 像头线路板表面基础图像数据； 图像预处 理模块， 用于对获取的摄 像头线路板表面基础图像数据进行图像预处 理； 图像识别模块， 用于根据卷积神经网络对图像预处理后的基础图像数据进行图像分析 及缺陷识别， 并输出分析识别结果。 9.根据权利要求8所述的基于深度学习的摄像头表面检测系统， 其特征在于， 所述图像权　利　要　求　书 1/2 页 2 CN 114299035 A 2采集模块中包括 光源和工业相机 。权　利　要　求　书 2/2 页 3 CN 114299035 A 3