一种基于机器学习的多层线路板质检方法及系统

本发明公开了一种基于机器学习的多层线路板质检方法及系统，方法包括：利用自适应加权融合算法对采集的多源数据进行时空配准，生成包含线路拓扑结构与材料特性的多模态质检数据集；基于多模态质检数据集，利用预训练的嵌套式注意力深度学习模型，输出融合后的线路板缺陷敏感特征向量集；将缺陷敏感特征向量集输入孪生网络架构，通过动态锚框生成机制定位潜在缺陷区域，结合贝叶斯概率模型对缺陷类型进行多标签分类，同步引入缺陷严重度评估模块量化缺陷对电路性能的影响程度，输出包含缺陷位置类型及严重度的检测结果。利用本发明实施例，能够实现缺陷类型、位置及严重度的协同判定，提升多层线路板缺陷的检测精度与泛化能力。