基于拉普拉斯超分辨率印刷电路板瑕疵检测方法

• 作者: 施玉娟 林璐颖 杨文元
• 来源期刊: 中国体视学与图像分析
• 关键词: 目标检测 卷积神经网络 拉普拉斯超分辨率网络 YOLO 瑕疵检测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图像定量分析与应用|Quantitative Image Analysis and Application
• 页码范围: 295-303
• 页数: 9页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.13505/j.1007-1482.2020.25.03.010

摘要

瑕疵检测是印刷电路板生产中一个重要环节.电路板复杂度高,瑕疵尺寸小,工业采集图像分辨率低,传统检测方法无法满足高精度及高召回率的要求.针对此问题,本文提出一种结合拉普拉斯金字塔超分辨率网络和YOLO v3目标检测算法的瑕疵检测方法.首先,使用拉普拉斯金字塔超分辨率网络逐级重建电路板高分辨率图像.其次,将高分辨率图像输入到Darknet-53网络中,使用YOLO v3算法提取特征.然后,使用K-Means聚类调整先验框的大小,利用先验框对特征图进行多尺度检测.最后使用非极大值抑制合并候选框,定位瑕疵及分类.在北大公开的电路板瑕疵数据集上进行训练和检测,实验结果平均精度均值为99.41％,召回率为99.31％.