セラミック基板は電子機器の重要な基礎材料であり、機械視覚技術と深層学習戦略を組み合わせてセラミック基板の欠陥検出を実現することは、製品の品質保証において重要な意義を持つ。複数のセラミック基板を同時に撮像するために撮像装置の視野を拡大することは、セラミック基板の検査速度を著しく向上させることができるが、同時に画像解像度の低下をもたらし、最終的に欠陥検出精度の低下を招く。これらの問題に対処するために、本稿では知識蒸留に基づく低解像度セラミック基板欠陥自動検出手法を提案する。本手法はYOLOv5フレームワークを利用して教師ネットワークと学生ネットワークをそれぞれ構築し、知識蒸留の考え方に基づき、教師ネットワークが取得した高解像度画像特徴情報を学生ネットワークの学習に指導し、学生ネットワークの低解像度セラミック基板画像に対する欠陥検出能力を向上させる；また、教師ネットワークにはCoordinate Attention（CA）注意機構に基づく特徴融合モジュールを導入し、教師ネットワークが学習した特徴が高解像度画像情報と低解像度画像情報の両方に適応できるようにし、学生ネットワークの学習をより良く指導する；最後にGradient Harmonizing Mechanism（GHM）に基づく信頼度損失関数を導入し、欠陥検出率を向上させる。実験結果は、本稿の知識蒸留に基づくセラミック基板欠陥検出手法が224×224解像度の入力画像に対する汚れ、異物、多金属、欠損セラミックおよび損傷の5種類の欠陥検出において、それぞれ平均精度96.80%と平均再現率90.01%を達成し、現行主流の物体検出アルゴリズムと比較してより良好な検出結果を得たことを示している。

セラミック基板;欠陥検出;YOLOv5;知識蒸留