基于深度学习的电路板焊接异常检测算法研究

• 作者: 李居尚 李鹏 秦颖
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 机器视觉 焊缝图像识别 自适应阈值 深度学习 亚当算法
• 年，卷（期）: 2020,（2）
• 页码范围: 391-395
• 页数: 5页
• 分类号: TP391.4
• 字数: 4230字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2020.02.028

摘要

焊点的焊接质量决定了电路板的可靠性,而电路板焊接异常的快速检测是大批量生产的先决条件.为了快速地实现焊接异常的精确检测,提出了一种基于深度学习的焊点图像识别算法.该算法通过自适应矩估计配合加速卷积神经网络实现,可对大量焊接图片进行快速分类识别检测.实验选取5000幅焊接图像训练集测试,并与传统的K-means聚类算法和Canny边缘检测算法对比.实验结果显示,在小球和连桥缺陷中3种方法效果相近,而在虚焊、少锡缺陷中,本算法具有明显优势.在1000组测试集实验中,其综合检出率及召回率分别达97.92％和98.21％,明显优于传统方法,验证了本算法具有更好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李鹏	长春理工大学光电信息学院	11	7	2.0	2.0
2	李居尚	长春理工大学光电信息学院	28	10	2.0	2.0
3	秦颖	长春理工大学光电信息学院	17	14	2.0	3.0