基于深度学习的PCBA表面缺陷检测方法、系统及介质

本申请涉及工业自动化质检技术领域，提供一种基于深度学习的PCBA表面缺陷检测方法、系统及介质，方法用于对预设的PCBA板进行缺陷检测；包括根据预设的多角度光源和高分辨率相机采集PCBA板的表面图像，对表面图像进行自适应光照补偿和噪声去除处理，生成标准化图像；对标准化图像进行多尺度分割，获取包括局部细节和全局结构的图像块；构建双分支深度学习模型，双分支深度学习模型包括主干网络、多尺度特征融合模块和缺陷检测分支；将图像块输入双分支深度学习模型，双分支深度学习模型输出热力图和概率分布；利用动态阈值分割算法对热力图进行二值化处理，生成缺陷掩膜；根据缺陷掩膜和概率分布输出PCBA板的缺陷检测结果，完成对PCBA板的缺陷检测。