10.15988/j.cnki.1004-6941.2021.8.008
基于卷积神经网络的PCB缺陷图像识别
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.
PCB缺陷识别;迁移学习;ResNet101;卷积神经网络
48
TP75(遥感技术)
上海市科技支撑项目;上海市自然科学基金资助项目
2021-09-28(万方平台首次上网日期,不代表论文的发表时间)
共3页
21-23