摘要
本发明公开了一种电子元器件缺陷检测方法,所述方法包括获取电子元器件三个分辨率对应的红外线图像;提取所述红外线图像的低分辨率特征、中分辨率特征和高分辨率特征;分别提取并融合所述低分辨率特征、中分辨率特征以及高分辨率特征的细粒度关联信息和粗粒度关联信息;通过对抗网络DCGAN生成对抗样本图;构建基于深度学习的缺陷检测模型,将检测结果融合获得电子元器件缺陷检测结果;对所述电子元器件缺陷检测结果进行评估,基于评估结果对缺陷检测模型进行优化;本发明基于深度学习的缺陷检测模型,通过对电子元器件不同分辨率的红外图像的细粒度及粗粒度信息进行识别检测,同时利用对抗网络DCGAN生成对抗样本图,提高缺陷检测精度、准确性和鲁棒性。
技术关键词
融合特征
电子元器件
特征提取网络
图像
分辨率
特征金字塔
鲸鱼优化算法
积层
对抗性
训练集
缺陷检测率
交叉注意力机制
通道注意力机制
样本
输入输出单元
亮度方法
系统为您推荐了相关专利信息
特征检测方法
动态
双通道特征融合
语义特征
特征检测器