基于卷积神经网络的 PCB缺陷图像识别
基于卷积神经网络的 PCB缺陷图像识别
瞿 栋 汪鹏宇 黄 允 徐海达 张健滔
(上海大学机电工程与自动化学院,上海 200444)
摘 要:PCB缺陷图像检测是确保 PCB生产质量的重要环节,但传统的人工 PCB缺陷检测具有劳动强度大、工作效率低等不足。为此,本文研 究了一种基于卷积神经网络的 PCB缺陷图像识别方法,建立了包括三种 PCB缺陷和无缺陷图像的数据集,基于 ResNet101网络模型搭建了 PCB缺陷图像识别分类模型。引入迁移学习的方法,基于在大数据集上充分训练好的模型结合 PCB图像数据集,并训练该 PCB缺陷图像识别 模型。实验结果表明,ResNet101模型对无缺陷 PCB图像和三类常见 PCB缺陷图像的平均识别准确率达到 9198%,验证了该模型对 PCB图 像识别分类的有效性。
关键词:PCB缺陷识别;迁移学习;ResNet101;卷积神经网络