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！

龙图腾网恭喜南京师范大学申请的专利一种基于MAIRNet的PCB缺陷检测与识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114429445B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111318512.9，技术领域涉及：G06T7/00；该发明授权一种基于MAIRNet的PCB缺陷检测与识别方法是由谢非;章悦;张瑞;杨嘉乐;夏光圣;吴佳豪;郑鹏飞;张培彪;王慧敏设计研发完成，并于2021-11-09向国家知识产权局提交的专利申请。

本一种基于MAIRNet的PCB缺陷检测与识别方法在说明书摘要公布了：本发明公开了一种基于MAIRNet的PCB缺陷检测与识别方法，包括：采集PCB模板图像与待检测图像，构建数据集，并且划分成测试集图像和训练集图像；检测是否存在元器件缺失的情况，最终输出缺失元器件定位信息并在待检测图像中进行标注；输出对于极性元器件的定位情况、色环电阻种类及定位信息和焊点缺陷类别及定位信息；输出裁剪后的PCB极性元器件待检测图像与模板图像，构建一种PCB元器件极性判别方法，输出元器件极性接插情况；对获取的信息进行汇总显示。本发明能够检测识别出PCB表面常见的元器件缺失、元器件极性接插错误、焊点缺陷等问题，输出缺陷区域的位置信息、类别信息，并能够对色环电阻类别进行检测与识别，与人工检测的方式相比具有显著优势。

本发明授权一种基于MAIRNet的PCB缺陷检测与识别方法在权利要求书中公布了：1.一种基于MAIRNet的PCB缺陷检测与识别方法，其特征在于，包括如下步骤：S1：分别采集PCB正反两面的模板图像与待检测图像，构建数据集，并且划分成测试集图像和训练集图像，对训练集图像进行元器件类别以及缺陷情况的标注，生成对应的标签文件；S2：将训练集中的待检测图像和模板图像全部输入到元器件存在性检测模块，检测是否存在元器件缺失的情况，最终输出缺失元器件定位信息并在待检测图像中进行标注；S3：将测试集中的PCB图像输入搭建和训练好的基于MAIRNet的PCB缺陷检测与识别模型进行检测和识别操作，输出对于极性元器件的定位情况、色环电阻种类及定位信息和焊点缺陷类别及定位信息；S4：利用步骤S3中输出的极性元器件定位情况对待检测图像与模板图像进行裁剪筛选，输出裁剪后的PCB极性元器件待检测图像与模板图像，构建一种PCB元器件极性判别方法，利用元器件存在性检测模块进行操作，通过对极性元器件存在区域进行分割，单独对待检测图像与模板图像的极性元器件区域进行对比，将对比情况输入到极性检测模块中进行判别，最终输出元器件极性接插情况；S5：对获取的缺失元器件定位信息与PCB图像上的标注情况、元器件极性接插情况、色环电阻种类及定位信息、焊点缺陷类别及定位信息进行汇总显示；所述步骤S3中基于MAIRNet的PCB缺陷检测与识别模型的搭建方法包括如下步骤：A1：构建基于MAIRNet用于提取训练集中PCB图像的特征，输出多种不同尺度的特征图；A2：对多种不同尺度的特征图进行PCB元器件目标检测与识别，目标所处的边界框boundingbox位置信息目标对应的类别信息，类别信息包含目标元器件的具体类别以及缺陷情况；所述步骤A1具体包括如下步骤：B1：MAIRNet由逆残差网络、多维注意力模块所组成，并且在网络搭建过程中使用了多尺度特征融合机制；B2：在逆残差网络的基础上增加了一种多维注意力模块，使用多维注意力模块对于逆残差网络中的每一个逆残差模块进行优化，得到多维注意力模块优化的逆残差模块；B3：按照多尺度特征融合机制搭建MAIRNet；所述步骤A2具体包括如下步骤：C1：将经过多维注意力增强神经网络输出的5层特征图输入到PCB元器件目标检测与识别模块中分别进行极性元器件定位、色环电阻识别、焊点检测三类操作，每一类操作中5层特征图均通过了4组卷积神经网络；每组卷积神经网络包含卷积核为3×3、步长为1的卷积，群组归一化操作，最终使用ReLU激活函数进行激活；C2：每一类操作中，对通过4组卷积神经网络卷积输出的特征图进行边界框回归，确定元器件目标所在区域，使用广义交并比函数GIoU作为边界框回归损失函数；C3：每一类操作中，对通过4组卷积神经网络卷积输出的特征图进行分类，确定元器件目标的种类及缺陷类别，使用焦点损失函数FocalLoss作为分类损失函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京师范大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。