基于深度学习的ACF导电粒子检测方法及系统与流程

技术特征：

1.基于深度学习的acf导电粒子检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的acf导电粒子检测方法，其特征在于，所述导电粒子检测网络模型包括特征提取层(1)、特征融合层(2)及特征检测层(3)，所述特征融合层(2)包括transformer全局注意力模块(21)及路径聚合网络(22)；所述transformer全局注意力模块(21)输出的特征图作为路径聚合网络(22)的输入。

3.根据权利要求2所述的基于深度学习的acf导电粒子检测方法，其特征在于，所述transformer全局注意力模块(21)包括依序设置的第一归一化层、多头注意力层、第二归一化层及多层感知机层；

4.根据权利要求1所述的基于深度学习的acf导电粒子检测方法，其特征在于，所述步骤s1提取导电粒子目标区域图像具体为：

5.根据权利要求1所述的基于深度学习的acf导电粒子检测方法，其特征在于，所述导电粒子检测网络模型中的卷积层为深度可分离卷积层，所述深度可分离卷积包括依序设置的深度卷积及点卷积，所述深度卷积将输入的特征图宽度及高度减半，保持通道数不变，所述点卷积将输入的特征图的通道数扩张为256，保持宽度及高度不变。

6.根据权利要求1所述的基于深度学习的acf导电粒子检测方法，其特征在于，所述最佳检测模型的判定标准为map[0.5]，具体为：

7.根据权利要求1所述基于深度学习的acf导电粒子检测方法，其特征在于，所述随机转换hsv颜色空间方法具体为：

8.根据权利要求1所述的基于深度学习的acf导电粒子检测方法，其特征在于，所述图像归一化采用以下公式进行计算：

9.根据权利要求1所述的基于深度学习的acf导电粒子检测方法，其特征在于，所述量化采用ptq量化方法，具体为：

10.基于深度学习的acf导电粒子检测系统，其特征在于，所述检测系统配置为执行如权利要求1-9任一项所述的检测方法，包括：

技术总结
本发明公开了基于深度学习的ACF导电粒子检测方法及系统，包括以下步骤：光学系统采集ACF原图像并提取出导电粒子目标区域图像；对所述目标区域图像进行预处理；对所述预处理图像进行标注，将标注后的预处理图像按设定的比例划分为训练集及验证集；构建导电粒子检测网络模型，所述导电粒子检测网络模型基于Yolov7网络模型进行改进；训练网络模型，评估出最佳检测模型；对所述最佳检测模型进行模型量化处理，得到量化模型；检测机台上的光学系统采集实时图像，输入至量化模型对导电粒子进行检测，将检测结果发送回检测机台。该方法对小目标检出率高，检测模型体积小，推理速度快，满足实际工业场景的部署环境要求和检测实时性要求。

技术研发人员：张文海,赖达炜
受保护的技术使用者：厦门福信光电集成有限公司
技术研发日：
技术公布日：2024/1/15