文献类型：期刊文章

作　　者：吴一全[1] 赵朗月[1] 苑玉彬[1] 杨洁[1]

Wu Yiquan;Zhao Langyue;Yuan Yubin;Yang Jie(College of Electronic and Information Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,China)

机构地区：[1]南京航空航天大学电子信息工程学院,南京211106

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61573183)项目资助

年　　份：2022

卷　　号：43

期　　号：8

起止页码：1-17

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：印刷电路板(PCB)是电子零件的基板,需求量极大,承载着电路元件和导线的布局,其优良与否对电子产品的质量有着重要影响。由于电子产品的制作逐渐趋于轻薄、精小,基于机器视觉的PCB缺陷检测已成为一个具有挑战性的问题。为了加深研究人员对PCB缺陷检测的理解,本文从传统图像处理方式、传统机器学习及深度学习3大维度全面回顾了近10年基于机器视觉的PCB缺陷检测算法,并分析其优缺点;介绍了9个PCB数据集,给出了评价PCB缺陷检测算法的性能指标,且在PCB数据集及流行的小目标数据集上分别对典型的算法进行了对比分析;最后指出了PCB缺陷检测算法目前存在的问题,展望了未来可能的研究趋势。

关 键 词：印刷电路板 缺陷检测  机器视觉 深度学习  数据集 性能分析

分 类 号：TP391.41] TN41[计算机类]