10.16208/j.issn1000-7024.2022.08.013
基于多尺度融合和可变形卷积PCB缺陷检测算法
针对目前PCB缺陷检测方法中存在缺陷较小不易识别、缺陷形状多样化导致识别率下降等问题,提出基于多尺度特征融合和可变形卷积的PCB缺陷检测算法(DCR-FRNet).在Faster R-CNN算法的基础上进行优化改进,能够更好地适应同一缺陷不同尺度的缺陷目标.采用的多尺度融合的金字塔模型有效地提高模型的特征识别能力;引入的可变形卷积替代常规的卷积,通过卷积学习偏移量提高模型的特征提取能力.实验结果表明,在采集的缺陷数据集上,所提DCR-FRNet算法相对于基准网络能够更有效识别缺陷特征,检测精度达到了96.60%,F1分数提高了16.30%.
目标检测、深度学习、卷积神经网络、可变卷积、印刷电路板
43
TP391(计算技术、计算机技术)
国家自然科学基金;贵州省教育厅青年科技人才成长基金项目
2022-08-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
2188-2196