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 ９１９８％，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