【摘 要】
：
我国是PCB产业制造大国,PCB电路板的质量对企业产品的质量至关重要。开路、短路、划痕、毛刺等各类缺陷是经常出现的几类缺陷,PCB生产出来以后必须进行质量检验,传统多为人工检测、在线检测、功能检测、部分光学或视觉检测等,但是检测效率低,时间长,成本高。随着图像技术与人工智能技术的发展,为实现PCB缺陷的高精度、快速检测,本文提出一种基于深度学习的PCB图像缺陷检测技术,以Faster R-CNN为
论文部分内容阅读
我国是PCB产业制造大国,PCB电路板的质量对企业产品的质量至关重要。开路、短路、划痕、毛刺等各类缺陷是经常出现的几类缺陷,PCB生产出来以后必须进行质量检验,传统多为人工检测、在线检测、功能检测、部分光学或视觉检测等,但是检测效率低,时间长,成本高。随着图像技术与人工智能技术的发展,为实现PCB缺陷的高精度、快速检测,本文提出一种基于深度学习的PCB图像缺陷检测技术,以Faster R-CNN为核心算法,实现8类PCB缺陷的高精度、快速检测。主要研究内容如下:（1）首先论述传统PCB缺陷检测方法存在的缺点和当下PCB缺陷检测的研究现状,提出基于深度学习技术进行PCB缺陷检测研究的意义;然后对基于深度学习目标检测技术的研究现状进行分析,探讨不同检测方法的效果及改进目标检测算法的常用方法。（2）针对常见的PCB缺陷,收集了 6类（缺孔、鼠咬、开路、短路、毛刺、余铜）PCB缺陷数据集,并新增制作了灰尘、划痕2类缺陷,组成8类PCB缺陷数据集进行缺陷检测研究。考虑到PCB缺陷具有尺度变化大、特征复杂难以学习的特点,本文以双阶段目标检测算法Faster R-CNN为核心搭建PCB缺陷检测网络,并通过构建特征金字塔网络将多尺度的PCB缺陷特征进行融合,提升不同尺度缺陷的检测效果。针对数据集中特征难以学习的复杂样本,提出使用在线困难样本挖掘的方法提升对复杂样本的检测效果。（3）针对划痕类PCB缺陷中的重叠样本,提出使用基于自适应阈值的非极大值抑制改进网络结构,提升对重叠缺陷目标的检测效果。针对Faster R-CNN中边框回归损失函数对预测边框回归损失不敏感、不全面问题,提出使用广义交并比损失和BalancedL1损失函数进行改进,提升算法对PCB缺陷的检测效果,在测试集上检测精确度达到98.71%,能够对PCB图像中存在的缺陷进行高精度检测。（4）为使深度学习技术更具易操作性、实用性,设计一种基于图形用户界面的PCB缺陷检测系统,能够实现模型的训练、评估和检测。针对大多数深度学习模型因体积较大而难以在算力不高的设备上部署的问题,提出一种基于MobileNet v2的轻量级Faster R-CNN算法,减小了模型体积,平均每秒可检测16张图片,实现了 PCB缺陷快速检测,有利于在移动设备上部署PCB缺陷检测网络。图[45]表[12]参[74]
其他文献
近年,深度学习引起众多学者的关注,卷积神经网络能够从图像中学习到更有效、更可靠的特征,这极大地推动了目标跟踪、行为检测、无人驾驶、人脸识别等研究领域的发展。传统目标检测算法获取的特征信息主要是低层信息,使得检测不准确,检测准确度较低。深度学习的发展,提出了一系列性能优良的目标检测算法,可利用多层网络模型从大量数据中学习抽象结构的特征信息,以此显著提高目标检测的精确度。本文针对SSD目标检测算法存在
通过在输入数据上添加少量精心构造的人类无法识别的扰动,可以使神经网络模型输出错误的预测结果,一般将添加了此类扰动的样本称为对抗样本。对抗样本具有迁移性,即利用已知模型构造的对抗样本仍然具有较大概率对其他模型形成有效黑盒攻击。这种黑盒攻击方式降低了构造对抗样本的代价,从而使得当前的人工智能系统暴露在严重的安全风险之下。为了更好的理解对抗样本的生成机理,探索深度模型在进行分类、识别等任务中所暴露的盲点
随着国内医疗信息化的发展,越来越多的医疗机构开始使用电子病历存储病患信息,由此也产生了海量的电子病历。电子病历命名实体识别能够挖掘出电子病历中存储的患者症状、疾病名称、检查措施等重要医疗信息,可用于建立智能电子病历系统,协助医务人员进行诊断决策,促进医疗领域信息化建设,近年来受到越来越多学者的关注。目前的中文电子病历命名实体识别任务中,存在着实体类别不平衡和特征稀疏的问题。针对实体类别不平衡问题,
生物质基碳材料是指以富碳生物质为碳的前驱体,通过不同形式的碳化反应形成的一类碳材料。生物质碳材料表面含有的剩余官能团可以作为极化中心转化电磁能,其材料内部存在的缺陷位点,可产生空间位阻和界面极化,有利于电磁波的吸收。本工作制备了系列木糖基碳复合材料,采用了 XRD、XPS、FT-IR、SEM、TEM和拉曼光谱对材料的组分和形貌结构进行了表征分析,采用矢量网络分析仪（VNA）测试了样品的电磁参数。结
煤矿智能化提出了智能感知、智能决策、自动执行的建设目标。作为云计算的扩展和延伸,边缘计算能够解决集中式云计算出现的网络拥塞、延迟较高、安全隐私等问题,能够为智慧煤矿系统在靠近智能终端设备的边缘提供数据计算、存储和网络服务。边-云协同工作为智慧煤矿系统提供满足不同需求的计算服务,能够提高智慧煤矿系统相关任务的实时性、可靠性。与传统工业相比,煤矿井下开采区域范围广、巷道呈长距离带状拓扑,系统中智能终端
互联网的飞速发展使得网上每时每刻都在产生大量的文本数据,这些文本数据通常含有较高的价值,为了从这些文本数据中提取到有价值的信息,命名实体识别作为其中的基础技术,其识别的效果对于后续的语义角色标注、文本分类和信息检索等任务将产生巨大影响,因此得到了越来越多学者们的关注。目前,中文命名实体识别存在预处理阶段字向量表示单一以及在特征提取过程中仅注重文本全局特征的提取而忽略局部特征的问题。本文首先提出了一
医学的高效发展是保障公民生命安全尤为重要的一环。胸部X片（胸片）诊断作为最常见的影像学检查手段,存在效率低、易误诊等缺点,而深度学习技术能高效完成胸片检测任务。针对多标签胸片分类,本文主要工作包括:对CheXpert数据集进行预处理;根据CheXpert数据集的特点和标签之间的关联性,设计了应用于节点分类的MIA-GRGN网络和应用于多标签胸片分类的DROP-DIR-RES网络;分别将两个网络在基
超声冲击技术可以高效消除部件表面或焊缝区有害残余拉应力、引进有益压应力,在改善材料表面应力状态与组织形式等方面具有强大优势。以往研究超声冲击技术,通常采用手持冲击枪进行超声冲击,难以保证超声冲击过程中稳定的预压力和移动速率,不能有效呈现超声冲击强化特性。因此,本文旨在设计超声波冲击精密实验台,并在恒定预压力和移动速率下开展超声冲击纯铜实验。主要研究内容如下:（1）根据实验台的应用背景,设定实验台的
高压输电线路作为电能跨地区、远距离传输的主要载体,运行环境复杂多变,运行过程中容易发生各种故障,严重威胁着电网安全,对社会经济效益造成巨大影响。快速、准确地找到故障点的位置并解决故障确保电网安全稳定运行是电力部门的一大挑战。现阶段电网规模不断发展,T型输电线路在电网建设应用中也变得更加广泛。因此本文研究对于双端系统和T型线路的故障定位问题,利用变分模态分解（VMD）对故障行波进行分解结合Teage
电解加工技术具有可加工任意导电金属材料、无机械切削力、加工效率高等独特优点,成为了难切削金属材料、复杂型腔和型面零件的主要加工手段。然而,电解加工过程中,受到阳极金属材料溶解特性、电场、温度场、流场、脉冲电流等多种因素影响,使其难以获得非常高的工件表面质量和成型精度。为此,本文根据GH4169材料的电化学溶解特性,对该材料的某型叶片电解加工过程的多物理场及三维流场动态模型进行了深入研究,有助于实现