基于卷积神经网络的PCB缺陷图像识别

摘要：

PCB缺陷图像检测是确保PCB生产质量的重要环节,但传统的人工PCB缺陷检测具有劳动强度大、工作效率低等不足.为此,本文研究了一种基于卷积神经网络的PCB缺陷图像识别方法,建立了包括三种PCB缺陷和无缺陷图像的数据集,基于ResNet101网络模型搭建了PCB缺陷图像识别分类模型.引入迁移学习的方法,基于在大数据集上充分训练好的模型结合PCB图像数据集,并训练该PCB缺陷图像识别模型.实验结果表明,ResNet101模型对无缺陷PCB图像和三类常见PCB缺陷图像的平均识别准确率达到91.98％,验证了该模型对PCB图像识别分类的有效性.

关键词：PCB缺陷识别;迁移学习;ResNet101;卷积神经网络

所属期刊栏目：48

分类号：TP75(遥感技术)

资助基金：上海市科技支撑项目;上海市自然科学基金资助项目

在线出版日期：2021-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：21-23