(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211029070.0 (22)申请日 2022.08.26 (71)申请人 摩尔线程智能科技 （北京） 有限责任 公司 地址 100080 北京市海淀区海淀大街31号2 层209 (72)发明人 强虎　周强　 (74)专利代理 机构 北京林达刘知识产权代理事 务所(普通 合伙) 11277 专利代理师 刘新宇 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01) G06T 7/00(2017.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 YOLOV3网络训练、 PCB表面缺陷检测方法及 装置 (57)摘要 本公开涉及计算机技术领域， 公开了一种 YOLOV3网络训练、 PCB表面缺陷检测方法及装置， 所述YOLOV3网络训练方法包 括： 利用中值Kmean s 聚类算法， 对训练样本图像集中的多个样本标注 框进行聚类， 确定所述训练样 本图像集对应的目 标YOLOV3锚框； 基于 所述训练样本图像集和所述 目标YOLOV3锚框， 对初始YOLOV3网络进行训练， 得到目标YOLOV3网络， 其中， 所述目标YOLOV3网 络用于对待检测图像进行目标检测。 本公开实施 例可以在训练过程中快速收敛得到目标YOLOV3 网络， 从而 有效提高网络训练效率。 权利要求书2页 说明书14页 附图4页 CN 115100492 A 2022.09.23 CN 115100492 A 1.一种YOLOV3网络训练方法， 其特 征在于， 包括： 利用中值Kmeans聚类算法， 对训练样本图像集中的多个样本标注框进行聚类， 确定所 述训练样本图像集对应的目标YOLOV3锚框； 基于所述训练样本图像集和所述目标YOLOV3锚框， 对初始YOLOV3网络进行训练， 得到 目标YOLOV3网络， 其中， 所述目标YOLOV3网络用于对待检测图像进行目标检测。 2.根据权利要求1所述的方法， 其特征在于， 所述利用中值Kmeans聚类算法， 对训练样 本图像集中的多个样本标注框进行聚类， 确定所述训练样本图像集对应的目标YOLOV3锚 框， 包括： 基于所述多个样本标注框， 确定 宽度数组和高度数组； 基于所述宽度 数组和所述高度数组， 利用中值算法， 确定N个初始聚类 中心， 其中， 一个 聚类中心中包括 一个宽度和一个高度， N 为正整数； 基于所述N个初始聚类中心， 利用Kmeans聚类算法， 对所述多个样本标注框进行聚类， 得到N个目标聚类中心； 基于所述 N个目标聚类中心， 确定N个目标YOLOV3锚框 。 3.根据权利要求2所述的方法， 其特征在于， 所述基于所述宽度数组和所述高度数组， 利用中值 算法， 确定N个初始聚类中心， 包括： 分别对所述宽度数组中的多个宽度、 以及所述高度数组中的多个高度进行顺序排列， 得到排序后宽度数组和排序后高度数组； 分别对所述排序后宽度数组、 以及所述排序后高度数组进行N等分， 得到N个宽度子数 组和N个高度子数组， 其中， 任一所述宽度子数组中包括n个宽度， 任一所述高度子数组中包 括n个高度， n 为正整数； 基于所述N个宽度子数组、 以及所述N个高度子数组， 利用中值算法， 确定所述N个初始 聚类中心。 4.根据权利要求3所述的方法， 其特征在于， 所述分别对所述排序后宽度数组、 以及所 述排序后高度数组进行N 等分， 得到N个宽度子数组和N个高度子数组， 包括： 在所述排序后宽度数组中多个宽度的数量、 以及所述排序后高度 数组中多个 高度的数 量不是N的倍数的情况下， 确定所述排序后宽度数组中多个宽度的数量、 以及所述排序后高 度数组中多个高度的数量除以N的余数p， 其中， p为 正整数； 在所述排序后宽度 数组中删除p个宽度、 以及在所述排序后高度 数组中删除p个 高度后 进行N等分， 得到所述 N个宽度子数组和所述 N个高度子数组。 5.根据权利要求3或4所述的方法， 其特征在于， 在n为奇数的情况下， 所述基于所述N个 宽度子数组、 以及所述 N个高度子数组， 利用中值 算法， 确定所述 N个初始聚类中心， 包括： 针对第i个宽度 子数组， 将 所述第i个宽度 子数组中的第 个宽度确定为第i个初始聚 类中心的宽度， 以及将所述第i个高度子数组中的第 个高度确定为第i个初始聚类中心 的高度。 6.根据权利要求3或4所述的方法， 其特征在于， 在n为偶数的情况下， 所述基于所述N个 宽度子数组、 以及所述 N个高度子数组， 利用中值 算法， 确定所述 N个初始聚类中心， 包括：权　利　要　求　书 1/2 页 2 CN 115100492 A 2针对第i个宽度子数组， 将 所述第i个宽度 子数组中的第 个和第 个宽度的均值确定 为第i个初始聚类中心的宽度， 以及将所述第i个宽度子数组中的第 个和第 个高度确定 为第i个初始聚类中心的高度。 7.根据权利要求1至4中任意一项所述的方法， 其特征在于， 所述初始YOLOV3网络中包 括特征加强层， 所述特 征加强层中包括SENet模块。 8.一种PCB表面 缺陷检测方法， 其特 征在于， 包括： 对待检测PCB进行图像采集， 得到待检测图像； 利用目标YOLOV3 网络， 对所述待检测图像进行表面缺 陷检测， 确定所述待检测 PCB表面 缺陷的位置和类别， 其中， 所述目标YOLOV3网络采用权利要求1至7中任意一项所述的方法 训练得到 。 9.一种YOLOV3网络训练装置， 其特 征在于， 包括： 聚类模块， 用于利用中值Kmeans聚类算法， 对训练样本图像集中的多个样本标注框进 行聚类， 确定所述训练样本图像集对应的目标YOLOV3锚框； 训练模块， 用于基于所述训练样本图像集和所述目标YOLOV3锚框， 对初始YOLOV3网络 进行训练， 得到目标Y OLOV3网络， 其中， 所述目标YOLOV3网络用于对待检测图像进行目标检 测。 10.一种PCB表面 缺陷检测装置， 其特 征在于， 包括： 图像采集模块， 用于对待检测PCB进行图像采集， 得到待检测图像； 缺陷检测模块， 用于利用目标YOLOV3网络， 对所述待检测图像进行表面缺陷检测， 确定 所述待检测PCB表 面缺陷的位置和类别， 其中， 所述目标YOLOV3网络采用权利要求1至7中任 意一项所述的方法训练得到 。 11.一种电子设备， 其特 征在于， 包括： 处理器； 用于存储处理器可执行指令的存 储器； 其中， 所述处理器被配置为调用所述存储器存储的指令， 以执行权利要求1至8中任意 一项所述的方法。 12.一种计算机可读存储介质， 其上存储有计算机程序指令， 其特征在于， 所述计算机 程序指令被处 理器执行时实现权利要求1至8中任意 一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115100492 A 3