基于深度学习的板卡缺陷自适应识别定位方法及系统

本发明公开了基于深度学习的板卡缺陷自适应识别定位方法及系统，涉及深度学习领域，包括：采集待检测板卡的表面图像；通过并行的双分支卷积神经网络模型，布局分支布局特征，判别分支判别特征；基于板卡布局特征将板卡按功能区进行划分区域；基于待测板卡型号获取无缺陷样本的布局特征，获取已知缺陷类型的缺陷数据集；通过对比待测板卡与标准布局原型，获取布局差异度；根据布局差异度进行缺陷判定，并进行缺陷区域定位；进行缺陷类别识别并进行分类，对于新型的缺陷类别对缺陷数据集进行更新。本发明的优点在于：通过深度学习和双分支卷积神经网络，有效识别板卡布局的差异，快速定位缺陷区域。