基于卷积神经网络的宇航电源光学检测技术

• 作者: 尤祥安 王君 詹晓燕 陈滔 飞景明 高伟娜
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 卷积神经网络 宇航电源 图像识别 自动光学检测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 98-102
• 页数: 5页
• 分类号: TP216
• 字数: 3121字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2020.03.017

摘要

传统自动光学检测(AOI)方法难以适应宇航电源生产线多品种、小批量的特点,具有识别率低、操作复杂等问题.利用卷积神经网络(CNN)学习速度快、特征提取效果好的优势,提出了一种能够对宇航电源产品质量进行可靠检验的光学检测技术.通过对历史生产数据的精细化筛选构建了训练样本库,并设计了宇航电源产品光学检验专用卷积神经网络;将Canny算子边缘检测与CNN图像识别相结合,实现了印制板装配图信息的自动读取.与传统AOI检测方法相比,该方法缺陷识别率高达99％,且检验过程简单,提高了宇航电源产品光学检验工作效率,已应用于宇航电源生产线.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尤祥安		1	0	0.0	0.0
2	詹晓燕		1	0	0.0	0.0
3	飞景明		1	0	0.0	0.0
4	陈滔		1	0	0.0	0.0
5	高伟娜		1	0	0.0	0.0
6	王君		2	1	1.0	1.0