买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本申请涉及人工智能技术领域，公开了一种基于图像分析的SMT缺陷诊断与改进方法及系统，其中，所述方法包括获取目标产品的表面贴装图像；通过特征提取模型提取所述表面贴装图像的初始图像特征；基于特征降维模型对所述初始图像特征进行降维处理，得到降维图像特征；利用分类器模型识别所述降维图像特征归属的目标分类，以确定所述目标分类表征的缺陷类型；获取所述缺陷类型对应的生产设备参数，并在调整所述生产设备参数之后对所述目标产品重新进行表面贴装。本公开一个或多个实施方式提供的技术方案，能够便捷地检测目标产品是否有缺陷并作出相应缺陷调整。

主权项：1.一种基于图像分析的SMT缺陷诊断与改进方法，其特征在于，所述方法包括：获取目标产品的表面贴装图像；通过特征提取模型提取所述表面贴装图像的初始图像特征，其中，所述特征提取模型在训练过程中具备初始网络参数，所述初始网络参数中的初始权重和初始偏置在经过梯度下降调节后，若满足分裂条件，在预设权重剪枝函数的约束下，对梯度下降调节后的权重和偏置进行增量调整，以及在增量调整之后，所述特征提取模型的学习速率被递减调整；基于特征降维模型对所述初始图像特征进行降维处理，得到降维图像特征；利用分类器模型识别所述降维图像特征归属的目标分类，以确定所述目标分类表征的缺陷类型，其中，所述分类器模型在训练过程中具备多个参数配置个体，所述参数配置个体在搜索空间中持续进行位置更新，以筛选出最优的参数配置个体；所述分类器模型基于所述最优的参数配置个体对输入的所述降维图像特征进行处理；获取所述缺陷类型对应的生产设备参数，并在调整所述生产设备参数之后对所述目标产品重新进行表面贴装；其中，所述特征提取模型在训练过程中使用的训练样本由样本扩充模型扩充得到，所述样本扩充模型包括生成器和判别器，所述生成器的第一网络参数按照以下方式进行优化：获取初始样本集合，所述初始样本集合中包括原始图像样本；在当前训练周期内，获取上一训练周期中所述判别器对所述原始图像样本的判别结果，并基于所述判别结果调整所述当前训练周期内适用于所述生成器的稀疏连接比例，其中，所述生成器基于所述稀疏连接比例和所述当前训练周期内的第一网络参数，生成所述原始图像样本对应的扩充图像样本；获取所述判别器对所述扩充图像样本进行真实性辨别的辨别结果，并根据所述辨别结果对所述第一网络参数进行优化，得到适用于下一训练周期的第二网络参数；其中，基于所述判别结果调整所述当前训练周期内适用于所述生成器的稀疏连接比例包括：在所述判别结果中识别所述判别器的损失数据关于稀疏连接比例的偏导数信息，并根据所述判别器的学习率和所述偏导数信息，生成稀疏调节值；获取所述上一训练周期中所述生成器的历史稀疏连接比例，并根据所述历史稀疏连接比例和所述稀疏调节值，生成所述当前训练周期内适用于所述生成器的稀疏连接比例；其中，根据所述辨别结果对所述第一网络参数进行优化，得到适用于下一训练周期的第二网络参数包括：获取所述生成器的学习率，并从所述辨别结果中识别生成器损失梯度；根据所述生成器的学习率和所述生成器损失梯度，计算网络参数调整量；根据所述网络参数调整量，对所述当前训练周期内的第一网络参数进行优化，得到适用于下一训练周期的第二网络参数。

全文数据：

权利要求：

百度查询： 浙江大学 基于图像分析的SMT缺陷诊断与改进方法及系统