首页|基于深度学习的电路板焊接异常检测算法研究

基于深度学习的电路板焊接异常检测算法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
焊点的焊接质量决定了电路板的可靠性,而电路板焊接异常的快速检测是大批量生产的先决条件.为了快速地实现焊接异常的精确检测,提出了一种基于深度学习的焊点图像识别算法.该算法通过自适应矩估计配合加速卷积神经网络实现,可对大量焊接图片进行快速分类识别检测.实验选取5000幅焊接图像训练集测试,并与传统的K-means聚类算法和Canny边缘检测算法对比.实验结果显示,在小球和连桥缺陷中3种方法效果相近,而在虚焊、少锡缺陷中,本算法具有明显优势.在1000组测试集实验中,其综合检出率及召回率分别达97.92％和98.21％,明显优于传统方法,验证了本算法具有更好的应用前景.
Research on Circuit Board Welding Anomaly Detection Algorithm Based on Deep Learning

秦颖、李鹏、李居尚

展开 >

长春理工大学光电信息学院,长春130000

机器视觉 焊缝图像识别 自适应阈值 深度学习 亚当算法

国家自然科学基金

61703056

2020

电子器件
东南大学

电子器件

CSTPCD北大核心
影响因子：0.569
ISSN：1005-9490
年,卷(期)：2020.43(2)
  • 5
  • 7