文献类型：期刊文章

作　　者：胡江宇[1] 贾树林[1] 马双宝[1,2]

HU Jiang-yu;JIA Shu-lin;MA Shuang-bao(School of Mechanical Engineering and Automation,Wuhan Textile University,Wuhan 430200,China;Hubei Provincial Key Laboratory of Digital Textile Equipment,Wuhan 430200,China)

机构地区：[1]武汉纺织大学机械工程与自动化学院,湖北武汉430200 [2]湖北省数字化纺织装备重点实验室,湖北武汉430200

出　　处：《仪表技术与传感器》

基　　金：国家自然科学基金资助项目(61271008);湖北省数字化纺织装备重点实验室开放项目(DTL2019020)。

年　　份：2022

期　　号：7

起止页码：106-110

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对印制电路板(PCB)存在缺陷的多样性、复杂性以及微小性的问题,文中基于Faster RCNN架构的PCB微小缺陷改进检测模型,首先通过RPN网络产生ROI,为能尽量获得各类维度特征,使用多层卷积。为满足PCB缺陷检测要求,将优化后ROI-Pooling层提取ROI特征,为能更好地在ROI区域分类和回归采取双全连接层的方式。为增强对多尺度和不规则缺陷特征的模仿能力和提升检测模型适用性,添加了过滤特征的金字塔网络。消融实验对比测试结果表明:改进后的检测模型对包括缺失孔、鼠咬伤、开路、短路、杂散、伪铜等缺陷能精确识别。文中模型检测平均分类精度达98.91%,mAP指标达到78.21%,可满足对PCB的有效识别,在工业上具有较强的实用性。

关 键 词：PCB 缺陷检测  空间特征金字塔  深度学习  级联神经网络

分 类 号：TP391]