摘要
随着电子工业的迅速发展,电路板元器件的缺陷检测愈加重要.传统的人工检测方法效率很低,而且容易因为视觉疲劳造成错误检测,可靠性低,速度慢.目前广泛应用的自动光学检测设备,缺点明显,速率低,对直插元器件的检测精度低,无法适应电路板元器件的多样性检测.随着对卷积神经网络的深度研究,神经网络在目标检测方面已经达到了优秀的效果,但是常见的网络对PCB元器件中的小目标以及实时检测并不理想.对基于Faster RCNN和PeleeNet网络的研究,实现了轻量级小目标检测模型;通过先验知识修改了RPN网络的包围框大小;针对PCB元器件样本的小目标样本少的问题,利用了小目标样本增广技术,提高了整体的检测速度以及精度.通过消融实验体现了改进部分对PCB元器件实时检测的重要性;通过对比实验,该方法在保证检测精确度降低很小的同时,缩小了模型的大小,在数据集上具有0.858的mAP,检测时间为0.034 s,相比Faster RCNN(基础网络为VGG16或ResNet50)的检测速度有了不错的提高.
国家科技期刊平台
NSTL
维普
万方数据