基于卷积神经网络的电路缺陷识别方法

• 作者: 何俊杰 刘畅 肖可 陈松岩
• 来源期刊: 福建电脑
• 关键词: 缺陷检测 神经网络 深度学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 基金项目论文
• 页码范围: 9-11
• 页数: 3页
• 字数: 2633字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2018.02.004

摘要

电子线路上产生的缺陷由于形状不规则、边缘模糊等特点,传统图像算法难以达到高精度的检测要求.本文提出基于深度学习的卷积神经网络对电路缺陷进行识别检测.首先利用直方图均衡化对输入的图像预处理,增强对比度和清晰度,然后在8层的卷积神经网络结构上对图像进行特征提取,最后通过softmax分类器实现对图像特征的识别和分类.在实际采集的电子线路图像数据集上实验表明,本文算法具有较高的准确率,能有效识别各类电子线路缺陷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松岩	厦门大学物理科学与技术学院	68	248	8.0	12.0
2	肖可	厦门大学物理科学与技术学院	6	9	2.0	2.0
3	何俊杰	厦门大学物理科学与技术学院	6	9	2.0	2.0
4	刘畅	厦门大学物理科学与技术学院	15	25	3.0	4.0